呂 培,趙杭生,張建照

(1.國(guó)防科技大學(xué) 第六十三研究所,南京 210007；2.南京郵電大學(xué) 通信與信息工程學(xué)院,南京 210003)

0 引 言

隨著5G網(wǎng)絡(luò)的大規(guī)模部署,頻譜資源愈發(fā)稀缺。據(jù)歐盟的調(diào)查顯示,如果將數(shù)十億的終端設(shè)備通過(guò)無(wú)線連接接入5G網(wǎng)絡(luò),將需要76 GHz的頻譜資源,而如果采用頻譜共享技術(shù)[1-2],這一數(shù)值將縮減到19 GHz。頻譜共享就是頻譜資源使用權(quán)發(fā)生了臨時(shí)性的轉(zhuǎn)移或交換,如頻譜使用權(quán)由主用戶(Primary User,PU)臨時(shí)轉(zhuǎn)移到次用戶(Secondary User,SU)。具體來(lái)說(shuō),主用戶對(duì)頻譜有著優(yōu)先使用權(quán),次用戶在主用戶未使用頻譜的情況下,“租用”主用戶的頻譜[3]。頻譜共享(Spectrum Sharing,SS)是解決海量頻譜資源需求與頻譜資源受限的重要技術(shù)手段[4],而頻譜感知是實(shí)現(xiàn)頻譜共享的重要前提。在現(xiàn)實(shí)場(chǎng)景中,一方面,由于無(wú)線通信過(guò)程中的衰落和陰影效應(yīng),單用戶的感知結(jié)果是不可靠的；另一方面,單用戶感知會(huì)受限于感知范圍,降低了頻譜數(shù)據(jù)在空域上的覆蓋率；再者,單用戶易于遭受惡意攻擊致使感知任務(wù)的失敗。因此,解決單用戶感知的可靠性和有效性問(wèn)題,是頻譜共享走向?qū)嶋H應(yīng)用亟待解決的關(guān)鍵。此外,實(shí)現(xiàn)頻譜共享還需要知悉頻譜交易(即主用戶出租頻譜,次用戶租用頻譜)的“賬本”,這個(gè)“賬本”就是區(qū)塊鏈[5]。

群智感知[6](Crowd Sensing,CS)可為實(shí)時(shí)了解頻譜使用情況提供基礎(chǔ)數(shù)據(jù)。群智感知是一種基于智能設(shè)備(例如手機(jī))的感知能力的新型感知方式[7]。隨著智能設(shè)備的日益普及,我們可以通過(guò)智能設(shè)備從周?chē)h(huán)境中獲取原始數(shù)據(jù),加以提煉后生成可利用的信息(如頻譜信息)[8]。與傳統(tǒng)感知方式相比,群智感知利用智能設(shè)備的大規(guī)模部署保證了感知數(shù)據(jù)的準(zhǔn)確性和可靠性[9]。而參與群智感知需要消耗智能設(shè)備自身的能量,因此需要設(shè)計(jì)合適的獎(jiǎng)勵(lì)分配機(jī)制以激勵(lì)智能設(shè)備參與群智感知。

區(qū)塊鏈?zhǔn)且粋€(gè)分布式的公開(kāi)的不可修改的“賬本”,其本質(zhì)是一種去中心化的記賬系統(tǒng),是一個(gè)由信用記錄以及信用記錄的清算構(gòu)成的體系[10]。區(qū)塊鏈技術(shù)可以實(shí)現(xiàn)數(shù)據(jù)信息的分布式記錄(可以由系統(tǒng)參與者集體記錄,而非一個(gè)中心化的機(jī)構(gòu)集中記錄)和分布式存儲(chǔ)[11]。該技術(shù)使得每個(gè)節(jié)點(diǎn)都有權(quán)記錄并翻閱公開(kāi)賬本,所有節(jié)點(diǎn)共同監(jiān)督保證其正確性[12]。因此,區(qū)塊鏈技術(shù)被認(rèn)為是解決頻譜交易中捏造交易信息、拒絕支付頻譜費(fèi)用等問(wèn)題的有效手段。

鑒于上述優(yōu)點(diǎn),已有學(xué)者將區(qū)塊鏈和群智感知引入頻譜共享。文獻(xiàn)[13]提出了一種基于區(qū)塊鏈的動(dòng)態(tài)頻譜接入架構(gòu),該架構(gòu)下,SU既要感知并核實(shí)原始數(shù)據(jù),也要將頻譜交易信息打包(即挖礦)。作者將SU是否參與頻譜感知與挖礦建模為概率問(wèn)題,且SU參與任務(wù)(包括感知和挖礦)可以獲得一定的獎(jiǎng)勵(lì)。仿真結(jié)果表明,SU參與任務(wù)的收益隨著參與概率的提升而增多,但是同時(shí)會(huì)消耗更多的能量；同時(shí)也存在最優(yōu)任務(wù)參與概率以保證SU的收益最大化。文獻(xiàn)[14]提出了“頻譜感知即服務(wù)(spectrum sensing as a service)”的概念,旨在“招募”助手節(jié)點(diǎn)(helper nodes)實(shí)施頻譜感知,助手節(jié)點(diǎn)在完成感知任務(wù)后獲得相應(yīng)的獎(jiǎng)勵(lì)并通過(guò)“礦工”更新區(qū)塊鏈。仿真結(jié)果表明,該算法在保證系統(tǒng)收益的基礎(chǔ)上可以有效識(shí)別惡意攻擊。

文獻(xiàn)[13]雖然解決了頻譜感知中的收益問(wèn)題,但是SU可以通過(guò)捏造感知結(jié)果以接入主用戶頻譜,從而對(duì)主用戶的正常通信造成干擾。文獻(xiàn)[14]通過(guò)將感知任務(wù)分配給助手節(jié)點(diǎn)(不是由SU自身完成),從而避免了SU捏造感知結(jié)果的可能，但是助手節(jié)點(diǎn)的感知收益通過(guò)平均分配,而沒(méi)有考慮到不同的節(jié)點(diǎn)對(duì)感知任務(wù)的貢獻(xiàn)度的差異,從一定程度上遏制了助手節(jié)點(diǎn)參與頻譜感知的意愿。

本文利用區(qū)塊鏈的去中心化以及去信任化特性,實(shí)現(xiàn)交易信息的分布式存儲(chǔ),以保證頻譜交易“賬本”的安全性。此外,在利用群智感知的基礎(chǔ)上,在考慮智能設(shè)備對(duì)感知任務(wù)貢獻(xiàn)度差異的前提下,進(jìn)行感知收益分配。具體來(lái)說(shuō)，依據(jù)按勞分配的原則分配感知收益,貢獻(xiàn)多的智能設(shè)備可獲得更高的收益。此舉不僅保證了收益分配的公平性,同時(shí)可以激勵(lì)更多的智能設(shè)備參與感知任務(wù)以提升頻譜感知的可靠性與穩(wěn)定性。

1 系統(tǒng)模型

考慮如圖1所示的區(qū)塊鏈下認(rèn)知無(wú)線電系統(tǒng)。該系統(tǒng)主要分為三層,即物理層、傳輸層以及應(yīng)用層。物理層是該系統(tǒng)的底層,由Crowd Sensors以及PU組成,其中PU對(duì)頻譜有著優(yōu)先使用權(quán),Crowder Sensor用于感知PU的頻譜占用狀態(tài)并上傳到傳輸層。傳輸層位于中間,起著連接物理層與應(yīng)用層的作用。該層由miner以及區(qū)塊鏈網(wǎng)絡(luò)構(gòu)成,miner主要用于核實(shí)原始感知數(shù)據(jù)并將交易信息打包添加進(jìn)區(qū)塊鏈，多條區(qū)塊鏈構(gòu)成區(qū)塊鏈網(wǎng)絡(luò)。應(yīng)用層是該系統(tǒng)的頂層,包含SU以及Spectrum Server,其中SU伺機(jī)使用未被占用的PU頻譜資源,Spectrum Server用以處理SU的頻譜接入請(qǐng)求(包括頻譜感知以及頻譜分配)。

圖1 基于區(qū)塊鏈的認(rèn)知無(wú)線電系統(tǒng)

系統(tǒng)中SU接入PU的空閑頻譜主要通過(guò)以下七個(gè)步驟：

(1)多個(gè)SU向Spectrum Server發(fā)起頻譜接入請(qǐng)求。SU本身不具備系統(tǒng)中任一頻段的授權(quán),只可在PU未接入所屬頻段的情況下伺機(jī)使用。需要注意的是,頻譜接入服務(wù)并非無(wú)償,SU需要支付Spectrum Server服務(wù)費(fèi)用以及PU的接入費(fèi)用。其中Spectrum Server服務(wù)費(fèi)用應(yīng)包含miner的挖礦費(fèi)用、Crowd Sensor的感知費(fèi)用以及Spectrum Server自身運(yùn)營(yíng)費(fèi)。SU獲得某段頻譜的使用權(quán)后(短時(shí)間有效),可以選擇自己使用或是出售給其他SU以獲取利益。

(2)Spectrum Server根據(jù)SU的頻譜接入請(qǐng)求,結(jié)合信譽(yù)值以制定相應(yīng)的頻譜感知任務(wù)(即每一個(gè)SU會(huì)錨定某一信譽(yù)值)。需要注意的是,信譽(yù)值越高的任務(wù),任務(wù)難度越高,Crowd Sensor可分得的獎(jiǎng)勵(lì)越多：若SU的感知范圍內(nèi)有較多的Crowd Sensor,由于會(huì)有更多的Crowd Sensor響應(yīng)任務(wù),則Spectrum Server將該任務(wù)的信譽(yù)值設(shè)置為較小的數(shù)值；若SU的感知范圍內(nèi)Crowd Sensor的數(shù)量不多,潛在響應(yīng)任務(wù)的Crowd Sensor數(shù)量將很少或可能沒(méi)有,為了保證頻譜感知任務(wù)的有效完成,Spectrum Server將任務(wù)的信譽(yù)值設(shè)定為較高的數(shù)值以吸引Crowd Sensor。

(3)Spectrum Server以智能合約的形式發(fā)布感知任務(wù)。Spectrum Server在智能合約中規(guī)定了各SU的任務(wù)信譽(yù)值以及任務(wù)獎(jiǎng)勵(lì)。智能合約的本質(zhì)是運(yùn)行在區(qū)塊鏈上的不可修改的代碼,一旦達(dá)到預(yù)設(shè)條件,智能合約將自動(dòng)執(zhí)行。此外,智能合約有利于保障Crowd Sensor的權(quán)益,如Spectrum Server收到感知結(jié)果而拒絕支付費(fèi)用(費(fèi)用通過(guò)智能合約自動(dòng)支付)。

(6)Crowd Sensor完成頻譜感知并將未經(jīng)處理的原始數(shù)據(jù)交由miner。miner接收來(lái)自Crowd Sensor的感知數(shù)據(jù),并依據(jù)一定的準(zhǔn)則將原始數(shù)據(jù)處理為可由Spectrum Server直接利用的數(shù)據(jù)。如miner利用大數(shù)原理判定PU的頻譜占用狀態(tài),即若超過(guò)半數(shù)的Crowd Sensor認(rèn)為頻譜為占用,那么miner判定該段頻譜為占用。此外,Crowd Sensor每一次的感知結(jié)果都記錄在區(qū)塊鏈上,若miner發(fā)現(xiàn)Crowd Sensor存在惡意上報(bào)(捏造感知結(jié)果)、竊取其他Crowd Sensor感知結(jié)果等違規(guī)行為,miner可剝奪該Crowd Sensor的感知權(quán)利,并扣除其一定(或全部)的感知收益。該機(jī)制可一定程度上保證感知結(jié)果的準(zhǔn)確性。

(7)Crowd Sensor從Spectrum Server處獲得任務(wù)的獎(jiǎng)勵(lì),SU接入可用空閑頻譜或出租給其他SU。一旦Crowd Sensor的感知數(shù)據(jù)被驗(yàn)證為準(zhǔn)確,智能合約將自動(dòng)給予Crowd Sensor以獎(jiǎng)勵(lì),且更新Crowd Sensor的信譽(yù)值。Crowd Sensor的信譽(yù)值越高,表明其可接受信譽(yù)值總和越高的任務(wù),意即會(huì)有更多的收益。SU接收到傳自Spectrum Server的感知結(jié)果后,若確定不再收集數(shù)據(jù),就通過(guò)Spectrum Server向網(wǎng)絡(luò)發(fā)布消息關(guān)閉任務(wù),并從智能合約中收回剩余的費(fèi)用,miners和Crowd Sensor在收到任務(wù)關(guān)閉消息后就停止工作。

文獻(xiàn)[14]中助手節(jié)點(diǎn)無(wú)法自主對(duì)感知任務(wù)進(jìn)行選擇(即選擇是否參與以及進(jìn)行何等層次的感知)；感知任務(wù)以及感知收益由SU分配給助手節(jié)點(diǎn),因而存在SU收到感知結(jié)果而拒絕支付費(fèi)用的問(wèn)題；助手節(jié)點(diǎn)的感知收益通過(guò)平均分配的方式獲得,而沒(méi)有考慮到不同的助手節(jié)點(diǎn)自身感知能力以及對(duì)感知任務(wù)貢獻(xiàn)的差異性,在某種程度上會(huì)削弱助手節(jié)點(diǎn)參加頻譜感知的意愿。本文將感知任務(wù)的分配交由Spectrum Server,Spectrum Server將根據(jù)任務(wù)難度制定合適的信譽(yù)值以保障任務(wù)的有效完成。此外,Crowd Sensor一旦完成感知任務(wù),獎(jiǎng)勵(lì)將通過(guò)智能合約自動(dòng)發(fā)放,此機(jī)制有效保障了Crowd Sensor的權(quán)益。再者,為了更公平地分配感知收益,本文在結(jié)合任務(wù)信譽(yù)值與感知信譽(yù)值的基礎(chǔ)上,將感知收益以按勞分配(多勞多得)的原則分配至各Crowd Sensor,此舉將有效激發(fā)Crowd Sensor參與頻譜感知的意愿。

2 基于信譽(yù)值拍賣(mài)的收益分配算法

考慮如第1節(jié)所述的基于區(qū)塊鏈的認(rèn)知無(wú)線電系統(tǒng)。首先,系統(tǒng)中第i個(gè)SU發(fā)起感知請(qǐng)求sti,Spectrum Server根據(jù)其感知任務(wù)的難易程度,將sti與某一信譽(yù)值錨定,即sti∈Level,Level={rv1,rv2,…,rvl}。圖2顯示了SU的任務(wù)信譽(yù)值與其感知范圍內(nèi)Crowd Sensor數(shù)目的關(guān)系。

圖2 SU信譽(yù)值與Crowd Sensor數(shù)目的關(guān)系

如圖2所示,SU的感知范圍為虛線圓內(nèi),Crowd Sensor編號(hào)為A～E,Crowd Sensor中部數(shù)字代表其自身信譽(yù)值。 以SU1為例,其感知范圍內(nèi)有4個(gè)Crowd Sensor(B、C、D、E),其任務(wù)信譽(yù)值為st1=1；SU2的感知范圍內(nèi)僅有2個(gè)Crowd Sensor(A、C),其任務(wù)信譽(yù)值為st2=3。若SU的感知范圍內(nèi)有更多的Crowd Sensor,會(huì)有更多的Crowd Sensor響應(yīng)該感知任務(wù),某種程度降低了感知任務(wù)的難度(若某一Crowd Sensor對(duì)該任務(wù)不報(bào)價(jià),其余Crowd Sensor仍有較高的概率報(bào)價(jià)),因此信譽(yù)值反映了任務(wù)的難易程度,且兩者正相關(guān)。

隨后,Spectrum Server整理并生成包含系統(tǒng)中所有SU的任務(wù)集ST={st1,st2,…,stm}。Crowd Sensor對(duì)任務(wù)集中的所有任務(wù)進(jìn)行報(bào)價(jià),若Crowd Sensor不在SU的感知范圍內(nèi),則對(duì)SU的任務(wù)報(bào)價(jià)為0。用csij表示第i個(gè)Crowd Sensor對(duì)第j個(gè)感知任務(wù)的信譽(yù)值報(bào)價(jià),那么系統(tǒng)n個(gè)Crowd Sensor的報(bào)價(jià)可以用一個(gè)n×m階的矩陣來(lái)表示：

(1)

以矩陣的第i行與第j列來(lái)舉例：第i行表示系統(tǒng)中的第i個(gè)Crowd Sensorcsi對(duì)感知任務(wù)集的報(bào)價(jià),假定csi的當(dāng)前信譽(yù)值為ki(稱(chēng)為當(dāng)前信譽(yù)值,是因?yàn)閗i會(huì)隨感知任務(wù)進(jìn)行實(shí)時(shí)更新),則有

(2)

即csi的報(bào)價(jià)總和不能超過(guò)其當(dāng)前信譽(yù)值。第j列表示系統(tǒng)中第j個(gè)任務(wù)收到的報(bào)價(jià)總和,為了保證任務(wù)的有效完成,應(yīng)該有

(3)

式中:stj表示第j個(gè)任務(wù)的任務(wù)信譽(yù)值。

系統(tǒng)中的Crowd Sensor對(duì)任務(wù)集報(bào)價(jià)后,Spectrum Server依據(jù)總信譽(yù)值的高低,優(yōu)先采用信譽(yù)值高的Crowd Sensor的報(bào)價(jià)。例如對(duì)于st2=2(即SU2的任務(wù)信譽(yù)值為2),若cs12=1,cs22=1且k1>k2。也就是說(shuō),如果cs1的信譽(yù)值高于cs2的信譽(yù)值,那么Spectrum Server會(huì)優(yōu)先接收到cs1的信譽(yù)值報(bào)價(jià),然后才會(huì)接收到cs2的信譽(yù)值報(bào)價(jià)。需要注意的是,由于st2=2,Spectrum Server在接收到cs1和cs2的報(bào)價(jià)后,則判斷該感知任務(wù)已經(jīng)可以有效完成(cs12+cs22=st2)，那么Spectrum Server將停止接收來(lái)自于其他Crowd Sensor的報(bào)價(jià)。此機(jī)制有效地保障了信譽(yù)值較高的Crowd Sensor的利益,而信譽(yù)值的更新需要Crowd Sensor積極地參與頻譜感知,因此該機(jī)制亦有利于保障SU的權(quán)益。

Crowd Sensor完成頻譜感知任務(wù)后,上傳感知數(shù)據(jù)。miner核實(shí)感知數(shù)據(jù)后,根據(jù)感知結(jié)果的準(zhǔn)確性更新Crowd Sensor的信譽(yù)值：成功完成一次頻譜感知?jiǎng)t信譽(yù)值增加；感知任務(wù)失敗(包括惡意偽造感知數(shù)據(jù)和竊聽(tīng)感知結(jié)果)則會(huì)降低其自身信譽(yù)值。Crowd Sensor信譽(yù)值增加,意味著其可以報(bào)價(jià)的任務(wù)數(shù)量增多,Crowd Sensor其自身的收益也會(huì)增加,這也激勵(lì)Crowd Sensor更加積極準(zhǔn)確地參與頻譜感知。csi完成第j個(gè)感知任務(wù)(定義“完成”為感知數(shù)據(jù)已被驗(yàn)證準(zhǔn)確無(wú)誤)的收益Rwardij為

(4)

式中：stj為任務(wù)j的總信譽(yù)值；csij為csi對(duì)任務(wù)j的信譽(yù)值報(bào)價(jià),且stj≥csij；uj-cj恒大于0，其中uj表示第j個(gè)感知任務(wù)的單位信譽(yù)值收益,cj表示第j個(gè)感知任務(wù)的單位信譽(yù)值成本,且uj>cj,1≤j≤n。意即對(duì)于任一感知任務(wù),參與頻譜感知帶來(lái)的收益恒大于其支出,只要Crowd Sensor對(duì)該任務(wù)報(bào)價(jià)且報(bào)價(jià)被Spectrum Server接收,那么在驗(yàn)證感知數(shù)據(jù)準(zhǔn)確的情況下,Crowd Sensor一定可以通過(guò)參與該次頻譜感知獲得收益。

根據(jù)積分的性質(zhì)可以得知，csij越大,那么積分區(qū)域越大,Rwardij也就越大。特別地,當(dāng)csij為0時(shí),Rwardij=0，即不參與頻譜感知任務(wù),將無(wú)法獲益。將csi的所有感知任務(wù)收益相加,即可得到

(5)

需要注意的是,單位感知收益vj=uj-cj(1≤j≤n)不盡相同,csi出于自身利益考慮,傾向于將更多的信譽(yù)值報(bào)價(jià)給vj更高的任務(wù),從而造成壟斷。因此我們規(guī)定,csi的每次報(bào)價(jià)不能高于其自身信譽(yù)值的一半,即

(6)

基于上述分析,設(shè)計(jì)出了基于信譽(yù)值拍賣(mài)的收益分配算法(Revenue Allocation Algorithm based on Reputation value Auction,RAARA)，其偽代碼如下：

Crowd Sensor Bidding

1 Input:ST={st1,st2,…,stm}

2 Sorting Crowd Sensors according tok,such thatk1≥k2≥…kn;

3 for 1≤i≤n,1≤j≤mdo

6 elsecsij=stj;

7 end if

8 end if

9ki←ki-csij;

10j←j+1;

11 end for

12i←i+1;

13 end for

Spectrum Server Choose Crowd Sensor

14 for 1≤j≤m

17 else declare failure ofstj

18 end if

19 end for

21 notice:

為了更好理解基于信譽(yù)值拍賣(mài)的收益分配算法,以一個(gè)簡(jiǎn)單的實(shí)例來(lái)進(jìn)行說(shuō)明(文中直接給出了Crowd Sensor的報(bào)價(jià)結(jié)果),考慮如圖2所示的模型。

Step1 以信譽(yù)值對(duì)Crowd Sensor進(jìn)行降序排序：E≥D≥B≥A≥C。

Step2 以信譽(yù)值對(duì)ST進(jìn)行降序排序：st2≥st3≥st1。

Step3 Crowd Sensor對(duì)感知任務(wù)st2、st3、st1分別報(bào)價(jià)格:E[001];D[001];B[010.5];A[10.50];C[0.50.250.125]。

Step4 Spectrum Server對(duì)報(bào)價(jià)結(jié)果進(jìn)行初步處理,并生成報(bào)價(jià)矩陣：

(7)

對(duì)結(jié)果進(jìn)行說(shuō)明：以st3為例(即CS5×3矩陣的第2列),被選中的Crowd Sensor為B、A、C,且報(bào)價(jià)分別為1、0.5、0.25；再以 Crowd Sensor A為例(即CS5×3矩陣的第4行),Crowd Sensor A成功對(duì)st2、st3報(bào)價(jià),且報(bào)價(jià)分別為1、0.5。

Step5 Spectrum Server對(duì)報(bào)價(jià)結(jié)果進(jìn)行最終處理。進(jìn)一步地,Spectrum Server判斷任務(wù)是否有效完成。以st3為例,由于1+0.5+0.25=1.75<2，因此Spectrum Server判定st3無(wú)法有效完成；同理st2也無(wú)法有效完成。Spectrum Server生成最終報(bào)價(jià)結(jié)果CS5×3,且矩陣中元素為0表示Crowd Sensor報(bào)價(jià)失敗或者Crowd Sensor不在該任務(wù)的感知范圍內(nèi)。

(8)

3 仿真與分析

本節(jié)對(duì)基于信譽(yù)值拍賣(mài)的收益分配算法進(jìn)行分析。為了保障系統(tǒng)中的多數(shù)感知任務(wù)可以被Crowd Sensor執(zhí)行并完成，假定基于區(qū)塊鏈的認(rèn)知無(wú)線電系統(tǒng)中共有10個(gè)SU,且ST={1,2,3,4,5,6,7,8,9,10}；系統(tǒng)中共有10個(gè)Crowd Sensor,且K={2,4,6,8,10,12,14,16,18,20}。此外,假定信譽(yù)值越高的任務(wù)單位感知收益越小,即V={10,9,8,7,6,5,4,3,2,1}。仿真參數(shù)如表1所示。

表1 仿真參數(shù)

為了比較信譽(yù)值對(duì)Crowd Sensor的收益帶來(lái)的影響,假定系統(tǒng)中的3個(gè)Crowd Sensorcs7、cs8、cs9對(duì)應(yīng)信譽(yù)值分別為k7=14、k8=16、k9=18，三者均在SU3～SU10的感知范圍內(nèi),即cs7、cs8、cs9均可以對(duì)SU3～SU10的感知任務(wù)進(jìn)行報(bào)價(jià)。cs7、cs8、cs9的感知收益隨任務(wù)信譽(yù)值的變化如圖3所示。

圖3 感知收益隨任務(wù)信譽(yù)值變化圖

總體上來(lái)看,Crowd Sensor的感知收益隨著任務(wù)信譽(yù)值的升高而提升,因此Crowd Sensor傾向于給信譽(yù)值高的任務(wù)報(bào)價(jià)而獲得更高的收益。還可以看到,在任務(wù)信譽(yù)值相同的情況下,信譽(yù)值較高的Crowd Sensor總能獲得較高的收益。這是因?yàn)橐罁?jù)算法中的信譽(yù)值上報(bào)策略,Crowd Sensor不能上報(bào)高于自身信譽(yù)值一半的報(bào)價(jià)。Crowd Sensor信譽(yù)值越高,可報(bào)價(jià)信譽(yù)值就越高,從而可獲得越多的收益。此外,對(duì)于cs7來(lái)說(shuō),cs7從st7處獲得的收益為0,而cs8和cs9則可以獲得較高的收益,這是因?yàn)閏s8和cs9對(duì)SU7的信譽(yù)值報(bào)價(jià)分別為4和5,而4+5>7=st7,此時(shí),Spectrum Server判定cs8和cs9足以完成st7,而停止接收來(lái)自于信譽(yù)值較低的Crowd Sensor的報(bào)價(jià)。同理,cs7和cs8從st8處獲得的收益亦為0。因此,基于信譽(yù)值拍賣(mài)的收益分配算法將有效保障信譽(yù)值較高的Crowd Sensor的收益,而Crowd Sensor只有通過(guò)不斷地參與頻譜感知才有機(jī)會(huì)更新其自信信譽(yù)值,因此該算法也保證了SU的感知任務(wù)可以被有效完成。

接下來(lái)分析RAARA算法的復(fù)雜度。該算法主要分為兩步：Crowd Sensor報(bào)價(jià)以及Spectrum Server選定報(bào)價(jià)。Crowd Sensor報(bào)價(jià)過(guò)程中,n個(gè)Crowd Sensor對(duì)m個(gè)任務(wù)進(jìn)行報(bào)價(jià)復(fù)雜度為O(n)；Spectrum Server選定報(bào)價(jià)中,Spectrum Server根據(jù)n個(gè)Crowd Sensor的報(bào)價(jià)總和選定一定數(shù)目的Crowd Sensor,因此復(fù)雜度為O(n)。故RAARA算法的復(fù)雜度為O(n)。

由圖4可以看出,本文所提算法運(yùn)行時(shí)間與系統(tǒng)中Crowd Sensor的數(shù)目呈線性關(guān)系。與文獻(xiàn)[6]所提的基于博弈論的收益分配算法相比,本文算法在系統(tǒng)中Crowd Sensor數(shù)目較多的情況下有更好的性能表現(xiàn)。

圖4 算法運(yùn)行時(shí)間隨Crowd Sensor數(shù)目變化

圖5所示為不同分配算法下cs7、cs8、cs9的總收益對(duì)比(系統(tǒng)中Crowd Sensor的數(shù)目從左至右逐漸增加)，可見(jiàn)信譽(yù)值越高的Crowd Sensor獲得的總收益也越高：對(duì)于可報(bào)價(jià)的每個(gè)任務(wù),信譽(yù)越高的Crowd Sensor可獲得的單次收益越高,將Crowd Sensor的單次收益累加后,信譽(yù)值越高的Crowd Sensor總收益也會(huì)越高。此外,對(duì)于信譽(yù)值較低的Crowd Sensor,平均分配帶來(lái)的收益反而高于基于信譽(yù)值拍賣(mài)的收益分配算法。這是因?yàn)樾抛u(yù)值較低的Crowd Sensor在每次的感知任務(wù)中可能只是貢獻(xiàn)了一小部分,但分配收益時(shí)卻是總收益的平均分配,可以理解為信譽(yù)值較低的Crowd Sensor侵占了信譽(yù)值較高的Crowd Sensor的收益。此外,基于博弈論的收益分配算法過(guò)于依賴(lài)系統(tǒng)中Crowd Sensor的數(shù)目,如圖5所示,從左至右,隨著系統(tǒng)中Crowd Sensor的數(shù)目逐漸增加,系統(tǒng)中的競(jìng)爭(zhēng)越發(fā)激烈,Crowd Sensor的收益呈減少的趨勢(shì)。而本文所提算法本質(zhì)上與系統(tǒng)中Crowd Sensor的數(shù)目無(wú)關(guān),僅與自身信譽(yù)值相關(guān)，信譽(yù)值越高,則收益越大。

圖5 不同分配算法下CS的總收益對(duì)比

4 結(jié)束語(yǔ)

為了保證頻譜交易信息的安全可靠,本文在利用區(qū)塊鏈的去中心化以及去信任化的特性的基礎(chǔ)上提出了基于區(qū)塊鏈的認(rèn)知無(wú)線電系統(tǒng)。此外,為了激勵(lì)系統(tǒng)中Crowd Sensor積極地參與頻譜感知,提出了基于信譽(yù)值拍賣(mài)的感知收益分配算法,該算法本質(zhì)上是一種按勞分配、多勞多得的算法。仿真表明,該算法不僅保證感知收益公平分配,降低了算法的復(fù)雜度，還可以激勵(lì)更多的Crowd Sensor參與感知任務(wù),從而提升了頻譜感知的穩(wěn)定性與可靠性。下一步的研究方向是考慮Crowd Sensor的運(yùn)動(dòng)模型以及Crowd Sensor的能量消耗對(duì)于報(bào)價(jià)策略的影響。