课题研究背景与研究现状
1.2.1 微蜂窝技术概述
近年来，第三代、第四代移动通信技术的迅猛发展，推动了无线通信技术不断朝着智能化、宽带化的趋势发展，越来越多的人希望以无线的方式接入互联网，无线接入需承载的业务量将急剧增加。据预测，无线业务量自2011年至2016年将以每年78%的速率快速增长错误！未找到引用源。。传统的宏蜂窝网络将难以满足日益增长的无线业务量，微蜂窝技术被广泛认为是解决无线业务量激增问题的有效手段。通过在宏蜂窝网络中设置低功耗、低成本的微蜂窝来分担宏蜂窝的流量，可以提高传统宏蜂窝网络的覆盖率和容量错误！未找到引用源。-错误！未找到引用源。。微蜂窝的设置减小了网络接入点（微蜂窝基站）和终端用户之间的距离，因此终端用户的数据传输速率大大提高。此外，多个微蜂窝之间的频谱复用提高了频谱资源的利用率，这将改善无线频谱资源短缺以及频谱资源利用率低下错误！未找到引用源。-错误！未找到引用源。制约无线通信发展的现状。考虑到微蜂窝网络能够提高传统宏蜂窝网络的业务负载量、提高终端用户的数据传输速率并改善频谱资源利用率等诸多优点，微蜂窝网络技术将在很大程度上推动未来无线通信的发展。
然而，在宏蜂窝中设置微蜂窝将带来一系列的技术挑战，如微蜂窝基站的发射功率控制错误！未找到引用源。-错误！未找到引用源。、多个微蜂窝之间以及微蜂窝与宏蜂窝之间的可用频谱资源分配错误！未找到引用源。-错误！未找到引用源。、同信道干扰控制错误！未找到引用源。-错误！未
找到引用源。
以及微蜂窝网络的自组织优化。其中，干扰控制错误！未找到引用源。-错误！未找到引用源。
成为微蜂窝技术广泛应用的一个重要技术挑战。因为大量、高密度的部署微蜂窝会导致严重的微蜂窝间互干扰，最终会影响终端用户的通信质量。在微蜂窝网络中，实现不同微蜂窝之间的动态资源分配是降低互干扰的一种有效手段。因此，研究微蜂窝网络中的动态资源分配具有重要的理论意义和实用价值。
1.2.2 动态资源分配概述
微蜂窝网络中的动态资源分配主要包括微蜂窝之间的动态频谱资源分配以及微蜂窝自身的发射功率控制。得益于认知无线电（Cognitive Radio）技术错误！
未找到引用源。-错误！未找到引用源。
的迅猛发展，动态频谱接入(Dynamic Spectrum Access)技
术成为干扰抑制的一种有效策略。该技术通过为不同的微蜂窝分配不同的信道资源，避免同信道上不同用户、不同微蜂窝之间的干扰，达到降低干扰、提高系统性能的目的错误！未找到引用源。-错误！未找到引用源。。在本小节中，将主要介绍资源分配中的
动态频谱接入技术。
在认知无线通信系统中，认知用户首先会对周围的无线环境进行感知，根据感知结果进行判断，决定是否接入当前信道。动态频谱接入技术不仅可以实现多
用户之间的频谱复用，提高频谱资源的利用率，同时频谱决策过程可以避免多用户接入同一信道，降低用户之间的干扰影响。
动态频谱接入决策方式集中式··信息交互开销大复杂度高··分布式信息交互开销小复杂度低
图 1-1动态频谱接入决策方式
动态频谱接入的决策方式主要分为集中式和分布式，如图1-1所示。在集中式动态频谱接入中，集中控制器对所有用户的信道感知和信道接入进行调度控制，而在分布式动态频谱接入中，用户进行分布式的自主决策。在实际的通信网络中，微蜂窝被大量、高密度的部署在宏蜂窝中，要实现集中式的动态频谱决策是很困难的。假如在一个无线网络中，有25个微蜂窝和4个可用信道。考虑一个最简单的情况，如果每个微蜂窝只选择一个信道接入，则所有可能的信道分配结果有
425?11.26?1014种。在集中式的方式中，集中控制器需要对这11.26?1014种信道
分配结果进行分析，并实现多个微蜂窝之间的频谱资源分配，计算量和复杂度都很高。
相比较于实现复杂度高、信息交互开销大的集中式方法，分布式资源分配方法不需要信息交互或只需要少量信息交互，且实现复杂度较低。因此，论文主要针对微蜂窝网络中分布式动态资源分配方法展开研究。
1.2.3 动态资源分配的研究现状
近年来，已有大量研究工作对认知无线电中动态资源分配技术进行了深入的研究。主要的研究成果表现在对资源分配决策的建模以及设计相应的动态资源分配学习算法。
1.2.3.1 动态资源分配博弈模型的研究现状
博弈论能够对多决策者之间的竞争关系进行有效的建模分析，并协调多决策者之间的竞争。博弈论最初主要在经济学中运用，后来逐渐应用到其他工程领域，在过去的几十年中取得了丰硕的研究成果。由于博弈论能很好地对多用户间的相互影响进行建模分析，近年来，研究者们将其应用到无线通信网络中，取得了很好的效果。相比其他的多用户资源分配方法，博弈论能从系统角度反映多用户之间的相互影响错误！未找到引用源。，预测系统的稳定状态（即均衡点），从而指导用户决
策以提高系统性能。博弈论在动态频谱资源分配问题中的典型应用有：基于频谱礼仪的动态频谱接入错误！未找到引用源。，基于势能博弈的机会频谱接入错误！未找到引用源。, 基于动态博弈的频谱接入错误！未找到引用源。和基于演化博弈的稳健动态频谱接入错误！未找到引
用源。
等。
在分布式动态资源分配系统中，系统内没有集中控制器，认知用户基于自身
感知获得的信息进行资源选择决策，任意用户的决策结果都会对系统内其他用户的决策产生影响。由于博弈论能够很好地分析多用户之间的相互影响关系，因此通常将分布式系统内的动态资源分配问题建模为博弈模型。博弈模型定义为
G?[N,{An}n?N,{un}n?N]，其中N?{1,2,...N,是}所有参与博弈的博弈者(Player)的集合，An是博弈者n的策略空间，un是博弈者n的效用函数。在现有的工作中，针对不同的优化目标，不同的博弈模型（演化博弈错误！未找到引用源。-错误！
未找到引用源。
未找到引用源。-错误！未找到引用源。
（Evolutionary game）、图博弈错误！(Coalitional game)、
静态博弈(Static game)、重复博弈错误！未找到引用源。 (Repeated game)、拍卖博弈错误！
未找到引用源。
未找到引用源。-错误！未找到引用源。 (Auction game)以及随机博弈错误！ (Stochastic game)
等）被提出来，这些博弈模型能够有效的分析用户之间的相互影响，并最终实现高效稳健的动态资源分配。
虽然在动态资源分配问题中博弈论已经取得了深入的研究,但是目前提出的大部分博弈模型都忽略了用户空间位置的影响，认为任意一个用户的资源选择决策都对网络中所有用户产生影响。然而，在实际的无线通信系统中，用户空间分布的任意性导致任意用户的决策仅对其邻近用户产生影响。因此，目前大多数的博弈模型不能正确反映用户之间的相互影响关系，不能实现动态资源分配问题的真正优化。
1.2.3.2 动态资源分配中分布式决策学习算法的研究现状
分布式迭代学习是多用户系统实现有效决策的主要方法。近年来，分布式决策学习在无线接入网中得到了广泛的研究，特别是在功率控制、干扰管理、信道选择、接入控制和速率自适应等方面取得不少突破。现有的分布式迭代学习主要分为单用户和多用户决策学习。单用户决策方法主要有在线学习、马尔科夫决策和随机学习，代表性的研究成果有：基于部分可观测马尔科夫决策的分布式机会频谱接入错误！未找到引用源。，基于随机学习的速率自适应错误！未找到引用源。，基于在线学习的机会频谱探测与利用错误！未找到引用源。。然而，动态资源分配系统中通常有多个用户，多用户之间竞争资源并相互影响。因此，多用户动态资源分配系统中需要研究有效的协调机制来避免多用户之间的相互影响，实现有限资源的稳健分配。与传统的集中式决策方式相比，分布式动态资源决策方法不需要集中控制器的集中调控，降低多用户之间的信息交互开销，实现稳健的资源分配。
如前文所述，多用户系统的动态资源分配问题通常被建模为博弈模型。近年