Exploiting Spectrum Heterogeneity in Dynamic Spectrum Market
Notice bibliographique
Résumé
The dynamic spectrum market (DSM) is a key economic vehicle for realizing the opportunistic spectrum access that will mitigate the anticipated spectrum-scarcity problem. DSM allows legacy spectrum owners to lease their channels to unlicensed spectrum consumers (or secondary users) in order to increase their revenue and improve spectrum utilization. In DSM, determining the optimal spectrum leasing price is an important yet challenging problem that requires a comprehensive understanding of market participants' interests and interactions. In this paper, we study spectrum pricing competition in a duopoly DSM, where two wireless service providers (WSPs) lease spectrum access rights, and secondary users (SUs) purchase the spectrum use to maximize their utility. We identify two essential, but previously overlooked, properties of DSM: 1) heterogeneous spectrum resources at WSPs and 2) spectrum sharing among SUs. We demonstrate the impact of spectrum heterogeneity via an in-depth measurement study using a software-defined radio (SDR) testbed. We then study the impacts of spectrum heterogeneity on WSPs' optimal pricing and SUs' WSP selection strategies using a systematic three-step approach. First, we study how spectrum sharing among SUs subscribed to the same WSP affects the SUs' achievable utility. Then, we derive the SUs' optimal WSP selection strategy that maximizes their payoff, given the heterogeneous spectrum propagation characteristics and prices. We analyze how individual SU preferences affect market evolution and prove the market convergence to a mean-field limit, even though SUs make local decisions. Finally, given the market evolution, we formulate the WSPs' pricing strategies in a duopoly DSM as a noncooperative game and identify its Nash equilibrium points. We find that the equilibrium price and its uniqueness depend on the SUs' geographical density and spectrum propagation characteristics. Our analytical framework reveals the impact of spectrum heterogeneity in a real-world DSM, and can be used as a guideline for the WSPs' pricing strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».