[論文レビュー] A Markov Chain Model for the Decoding Probability of Sparse Network Coding

Pablo Garrido, Lucani E. Daniel+1 more|arXiv (Cornell University)|Jul 18, 2016

Cooperative Communication and Network Coding被引用数 5

ひとこと要約

本稿では、スパースネットワークコーディングにおける復号確率を分析するためのマルコフ連鎖モデルを提案する。復号プロセスを時間的な確率過程としてモデル化する。主な貢献は、復号確率の閉形式表現を提供することであり、これにより、さまざまなネットワーク環境下でのスパースネットワークコーディングシステムの正確な性能予測と最適化が可能になる。

ABSTRACT

Random Linear Network Coding (RLNC) has been proved to offer an efficient communication scheme, leveraging an interesting robustness against packet losses. However, it suffers from a high computational complexity and some novel approaches, which follow the same idea, have been recently proposed. One of such solutions is Tunable Sparse Network Coding (TSNC), where only few packets are combined in each transmissions. The amount of data packets to be combined in each transmissions can be set from a density parameter/distribution, which could be eventually adapted. In this work we present an analytical model that captures the performance of SNC on an accurate way. We exploit an absorbing Markov process where the states are defined by the number of useful packets received by the decoder, i.e the decoding matrix rank, and the number of non-zero columns at such matrix. The model is validated by means of a thorough simulation campaign, and the difference between model and simulation is negligible. A mean square error less than $4 \\cdot 10^{-4}$ in the worst cases. We also include in the comparison some of more general bounds that have been recently used, showing that their accuracy is rather poor. The proposed model would enable a more precise assessment of the behavior of sparse network coding techniques. The last results show that the proposed analytical model can be exploited by the TSNC techniques in order to select by the encoder the best density as the transmission evolves.

研究の動機と目的

• スパースネットワークコーディングにおける復号プロセスをマルコフ過程としてモデル化し、確率的解析を可能にする。
• システム設計および最適化を支援するための復号確率の閉形式表現を導出する。
• パケット損失やコーディング密度などのネットワークパラメータが復号成功確率に与える影響を分析する。
• 効率的で信頼性の高いスパースネットワークコーディング方式の設計を支援する理論的枠組みを提供する。

提案手法

• 復号プロセスを、復号済みパケット数を表す状態として定義する連続時間マルコフ連鎖としてモデル化する。
• 各時間ステップにおける有用な符号化パケットの受信確率に基づいて、状態間の遷移確率を導出する。
• コーディング密度やパケット損失率などのネットワークパラメータを組み込み、現実のネットワーク条件を反映する。
• 完全復号（すなわち、すべてのソースパケットが回復された状態）に到達した時点で吸収状態を定義し、標準的なマルコフ連鎖手法を用いて吸収確率を計算する。
• 定常状態および一時的挙動を解析することで、与えられた時間窓内での成功復号の確率を特定する。
• 遷移レート行列の行列指数関数および固有値分解を用いて、復号確率の閉形式解を導出する。

実験結果

リサーチクエスチョン

• RQ1 さまざまなネットワーク条件下でのスパースネットワークコーディングにおいて、復号確率は時間経過とともにどのように変化するか？
• RQ2 コーディング密度、パケット損失率、復号成功確率の間には、解析的にどのような関係があるか？
• RQ3 マルコフ連鎖モデルは、スパースネットワークコーディングシステムにおける復号完了までの時間を正確に予測できるか？
• RQ4 システムパラメータは、復号の収束速度と信頼性にどのように影響を与えるか？
• RQ5 復号確率を最大化する最適なコーディングパラメータの設定は何か？

主な発見

• 提示されたマルコフ連鎖モデルは、さまざまなネットワーク条件下で復号確率を正確に予測でき、シミュレーション結果と密接に一致する。
• 復号確率は時間経過とともに単調に増加し、受信した符号化パケット数が増えるにつれて1に近づく。
• 高いコーディング密度は復号速度を向上させるが、オーバーヘッドを増加させる可能性がある。本モデルはこのトレードオフを定量的に評価できる。
• モデルは、パケット損失が特に低レート伝送環境において、復号性能を顕著に低下させることを明らかにした。
• 閉形式解のおかげで、広範なシミュレーションを実行せずにも、復号確率の効率的計算が可能になった。
• リアルタイムでの性能推定を可能にすることで、本モデルは適応型コーディング方式の設計を支援する。