基于联盟博弈的协作感知模型的融合算法和matlab程序

clc
clear all
%生成16个SU节点，横坐标在行向量x中，纵坐标在行向量y中。生成1个PU节点，横坐标为x0，纵坐标为y0。
x=3*rand（116）-1.5;
y=3*rand（116）-1.5;
x0=0;
y0=0;
plot（xy‘rx‘x0y0‘bo‘）
grid on;
A={‘1‘‘2‘‘3‘‘4‘‘5‘‘6‘‘7‘‘8‘‘9‘‘10‘‘11‘‘12‘‘13‘‘14‘‘15‘‘16‘};
text（xyA）;

%设置各种参数
lambda=13;
m=5;
P0=0.1;
for i=1:1:length（x）
    P（i）=0.01;
end
sigma=10^（-6）;
mu=3;
K=1;
alpha=0.1;

%求各节点的Pm（i）和Pf（i）
for i=1:1:length（x）
    Pf0=gammainc（mlambda/2）/gamma（m）;
    Pf（i）=Pf0;
    sum0=0;
    sum1=0;
    d（i）=sqrt（（x（i）-x0）^2+（y（i）-y0）^2）*1000;
    h（i）=K/d（i）^mu;
    snr（i）=P0*h（i）/sigma^2;
    for n=0:1:m-2
        sum0=sum0+1/factorial（n）*（lambda/2）^n;
    end
    for n=0:1:m-2
        sum1=sum1+1/factorial（n）*（lambda*（snr（i）/2/（1+snr（i））））^n;
    end
    Pm（i）=1-exp（-lambda/2）*sum0-（1+1/snr（i））^（m-1）*（exp（-lambda/2/（snr（i）+1））-exp（-lambda/2）*sum1）;
end

%初始化循环判断参数
S={[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16]};     %初始化时，每个节点为一个联盟
B=cell（116）;                                                                   %另外赋予一个变量，用来作为融合结束的标志
M_max=log10（1-alpha）/log10（1-Pf0）;                                              %每个联盟最多的节点数
for i=1:1:length（x）
    for j=1:1:length（x）
        d（ij）=sqrt（（x（i）-x（j））^2+（y（i）-y（j））^2）*1000;
        h（ij）=K/d（ij）^mu;
        snr（ij）=P（i）*h（ij）/sigma^2;
        Pe（ij）=1/2*（1-sqrt（snr（ij）/（1+snr（ij））））;
    end
end
for i=1:1:length（x）
    Pe（ii）=0;
end

%进行联盟融合
while isequal（BS）==0
    B=S;
    B
for i=1:1:size（S2）-1
    %求出Si这个联盟的检测概率、虚警概率以及效用函数
    if i>size（S2）-1
        break;
    end
    [s]=deal（S{i}）;                                %把S这个单元数组的第i个，即Si这个联盟的元素赋给s这个向量
    [Pm_max_icoo_i]=max（Pm（s（:）））;                %coo_i的值是s这个向量中的坐标，必须要转换成其值才可以
    certer_i=s（coo_i）;
    Qm_i=1;
    Qf_i=1;
    for k=1:1:length（s） 
        Qm_i=Qm_i*（Pm（s（k））*（1-Pe（s（k）certer_i））+（1-Pm（s（k）））*Pe（s（k）certer_i））;
        Qf_i=Qf_i*（（1-Pf0）*（1-Pe（s（k）certer_i））+Pf0*Pe（s（k）certer_i））;
    end
    Qf_i=1-Qf_i;
    if Qf_i        CQf_i=-alpha^2*log10（1-（Qf_i/alpha）^2）;
    else
        CQf_i=Inf;
    end
    V_i=1-Qm_i-C