[論文レビュー] Generalized Optimal Two-way Relays Subsets Pairings in Cloud-based Region Cognitive Networks

He Huang, Chaowei Yuan|arXiv (Cornell University)|Sep 11, 2019

Cooperative Communication and Network Coding参考文献 42被引用数 4

ひとこと要約

本稿は、クラウドベースの認知ネットワークにおける一般化された最適な二方向リレーペairingモデルを提案し、リレーセットを3つの機能的サブセット（A: 受信専用、B: 受信・転送、C: 送信専用）に分類することで、中断確率を最小化する。提案されたアルゴリズムは、サブセットペアリングを最適化することで、従来の手法と比較して著しく低い中断確率を達成し、信頼性が優れていることがシミュレーションで裏付けられている。

ABSTRACT

Communication reliability improving is one of most important research requirements in cognitive networks, as 5G communications technology rapidly develop nowadays. In this paper, we propose generalized optimal cloud-based region relays subsets paring model in underlay dual-hop cognitive networks, this unified model reveals three relays nodes characteristics of cloud-based cooperative networks in the nearby area- A subset, only needs receiving for first hop, B subset, just receive and forward, C subset, only forwarding. In addition, this generalized model can be converted into various classical relay selection algorithms when A, B and C subsets are taken as special selection values [Table II]. Furthermore, we put forward optimal relays subsets pairings and replacement algorithm flowchart to improve minimum outage probability (OP) for communication reliability, and prove that optimal relays subsets pairings (A, B, C) will better guarantee reliability of communication, comparing other popular relays selection schemes. Simulation results show that optimal relays paired subsets are exist and this generalized algorithm enormously reduces OP, comparing other selection algorithms.

研究の動機と目的

• 5G対応認知ネットワークにおける通信信頼性の向上という重要なニーズに対応すること。
• 統一されたサブセット分類を用いて、下位双方向認知ネットワークにおけるリレー機能をモデル化・最適化すること。
• クラウドベースの領域認知ネットワークにおけるリレー・サブセット（A, B, C）の最適ペアリングにより、中断確率（OP）を低減すること。
• 古典的手法のリレー選択アルゴリズムを、提案モデルの特殊ケースとして一般化すること。
• 最適なリレー・サブセットペアリングおよび交換のための体系的で流れ図に基づいたアルゴリズムのフローチャートを開発すること。

提案手法

• 本稿は、二方向通信における役割に基づき、リレーノードを3つの機能的サブセット（A: 受信専用、B: 受信・転送、C: 送信専用）に分類する統一モデルを導入する。
• 特定のA、B、Cサブセットの値を設定することで、古典的手法に還元可能な一般化されたリレー選択フレームワークを定式化する。
• 最小中断確率（OP）を最小化するために、反復的な選択とリレー群の交換を用いた最適なリレー・サブセットペアリングおよび交換アルゴリズムを設計する。
• アルゴリズムは、チャネル状態情報と信頼性指標に基づき、動的にリレー・サブセットを選択・再構成するフローチャートベースの手法を採用する。
• 理論的分析により、(A, B, C)ペアリング構成が従来手法よりも低いOPを達成することが証明されている。
• シミュレーションにより、最適なサブセットペアリングの存在が確認され、さまざまなネットワーク環境下でOPが顕著に低減することが示された。

実験結果

リサーチクエスチョン

• RQ1 認知ネットワークにおける古典的手法のリレー選択アルゴリズムを統合・拡張できる一般化されたリレー・サブセットペアリングモデルを定式化できるか？
• RQ2 リレーをA、B、Cサブセットに機能分類することで、二方向クラウドベース認知ネットワークにおける中断確率にどのような影響を与えるか？
• RQ3 中断確率を最小化し、通信信頼性を向上させるために最適なリレー・サブセット構成（A, B, C）は何か？
• RQ4 提案されたアルゴリズムは、最適でないリレー・ペアを動的に同定し、交換することで、低中断確率を維持できるか？
• RQ5 一般化モデルは、既存のリレー選択手法と定量的に比較して、性能面でどのように差をつけるか？

主な発見

• 提案された一般化モデルは、サブセットA、B、Cの値を調整することで、複数の古典的手法のリレー選択アルゴリズムを特殊ケースとして統合できることを示した。
• 最適なリレー・サブセットペアリング（A, B, C）が存在し、他の手法と比較して著しく中断確率が低減することが判明した。
• シミュレーション結果により、提案アルゴリズムが従来のリレー選択手法よりも低い最小中断確率を達成することが確認された。
• アルゴリズムのフローチャートに基づく設計により、リレー・サブセットの動的かつ適応的選択が可能となり、システムの頑健性が向上した。
• 理論的証明により、(A, B, C)ペアリング構成が他の手法よりも優れた通信信頼性を保証することが確認された。
• 有望な結果が得られたが、著者らは特定の欠陥が判明したとして論文を撤回したため、実装または分析に潜在的な問題がある可能性がある。