A Game-theoretic approach to multi-network wireless channel assignment in the CBRS band

When spectrum is scarce and must be shared, how should competing operators coexist? The question is increasingly central as traffic grows, deployments densify, and public operators, private enterprises, and neutral hosts seek mid-band capacity in the same areas. Without credible coordination, mutual interference can undermine the benefits of sharing and make performance unpredictable. A concrete pressure point is the spread of private and municipal networks—factory floors, campuses, hospitals, stadiums—where multiple independent systems make concurrent channel choices. We study this question in the CBRS band because it couples real deployments with a clear governance layer, the Spectrum Access System (SAS). CBRS implements three tiers—Incumbent > Priority Access License (PAL) > General Authorized Access (GAA). The SAS issues time-limited grants for 10MHz channels and enforces power and channel constraints while dynamically protecting higher tiers. Crucially, it does not guarantee protection among GAA users; once grants are issued, coexistence within the GAA tier is left to operators. This is the gap we address by proposing a decentralized, game-theoretic mechanism for inter-operator coordination. Our method models channel assignment as an alternating best-response process. At each turn, one operator updates the channels of its directional base-station antennas by solving a mixed-integer linear program that minimizes average co-channel interference over the service area, using precomputed signal (RSRP) and interference maps and a warm start from the previous decision. The dynamics typically reach either a Perfect-Stability Equilibrium (PSE), where no operator can improve unilaterally, or a finite cycle, which we term Cyclic-Dynamics Equilibrium (CDE). We benchmark the decentralized process against a centralized, single-shot planner consistent with SAS constraints. Across identical scenarios—varying turn order and spectrum abundance—we quantify how often play settles (PSE vs. CDE), the impact on SINR/throughput, and the compute time required. The results indicate when decentralized play approaches the centralized benchmark (especially with more available channels) and when tighter spectrum makes short cycles more likely, clarifying the conditions under which centralized coordination retains an edge. The framework is implemented in Python and AMPL, with Gurobi solving the MILP at each turn.

Quando lo spettro è scarso e condiviso, come possono coesistere operatori concorrenti? Il tema è sempre più centrale con la crescita del traffico, la densificazione delle reti e la presenza congiunta di operatori pubblici, imprese e neutral host che cercano capacità in banda media nelle stesse aree. Senza un coordinamento credibile, l’interferenza reciproca può ridurre i benefici della condivisione e rendere imprevedibili le prestazioni. Un esempio concreto è la diffusione di reti private e cittadine—stabilimenti, campus, ospedali, stadi—dove più sistemi indipendenti scelgono i canali in modo concorrente. Affrontiamo questa domanda nella banda CBRS, che unisce implementazioni reali a un chiaro livello di governo, il Spectrum Access System (SAS). CBRS prevede tre livelli— Incumbent > Priority Access License (PAL) > General Authorized Access (GAA). Il SAS rilascia concessioni temporanee (grant) per canali da 10 MHz, impone vincoli su potenza e canali e protegge dinamicamente i livelli superiori. Un punto chiave: non garantisce protezione tra utenti GAA; una volta rilasciati i grant, la coesistenza all’interno del livello GAA è demandata agli operatori. È questo il vuoto che affrontiamo, proponendo un meccanismo decentralizzato, basato sulla teoria dei giochi, per il coordinamento tra operatori. Il metodo modella l’assegnazione dei canali come un processo a best response alternata. A ogni turno un operatore aggiorna i canali delle proprie antenne direzionali risolvendo un problema di programmazione lineare mista che minimizza l’interferenza co-canale media sull’area servita, usando mappe precalcolate di segnale (RSRP) e di interferenza e un warm start dalla decisione precedente. Le dinamiche tendono a raggiungere o un Perfect- Stability Equilibrium (PSE), in cui nessuno migliora unilateralmente, oppure un ciclo finito, che definiamo Cyclic-Dynamics Equilibrium (CDE). Confrontiamo il processo decentralizzato con un pianificatore centralizzato one-shot coerente con i vincoli SAS. A parità di scenari—variando l’ordine dei turni e l’abbondanza di spettro—misuriamo con quale frequenza si arriva a PSE rispetto a CDE, l’effetto su SINR/throughput e il tempo di calcolo richiesto. I risultati indicano quando la dinamica decentralizzata si avvicina al riferimento centralizzato (soprattutto con più canali disponibili) e quando lo spettro scarso rende più probabili cicli brevi, chiarendo i casi in cui il coordinamento centralizzato mantiene un vantaggio.