[論文レビュー] On the Maximum Sum-rate Capacity of Cognitive Multiple Access Channel

Peng Cheng, Guanding Yu+3 more|ArXiv.org|Dec 5, 2006

Wireless Communication Security Techniques参考文献 3被引用数 3

ひとこと要約

この論文は、複数の認知ユーザーが共通のアクセスポイントと通信するが、プライマリユーザーに干渉を与えない認知マルチアクセスチャネルにおける最大和レート容量を調査する。ドリーリペーパーコーディングと協調を組み込んだガウスMACとしてシステムをモデル化し、パワー割り当てのための非線形最適化問題を定式化。ラグランジュ乗数に基づく反復的アルゴリズムを提案し、最適和レートを達成する。主な結果として、協調項における最適パワー比の閉形式が得られる。

ABSTRACT

We consider the communication scenario where multiple cognitive users wish to communicate to the same receiver, in the presence of primary transmission. The cognitive transmitters are assumed to have the side information about the primary transmission. The capacity region of cognitive users is formulated under the constraint that the capacity of primary transmission is not changed as if no cognitive users exist. Moreover, the maximum sum-rate point of the capacity region is characterized, by optimally allocating the power of each cognitive user to transmit its own information.

研究の動機と目的

• 複数の認知ユーザーがプライマリユーザーの性能を低下させない条件下で共通のAPに送信する認知マルチアクセスチャネルの容量領域を同定すること。
• プライマリユーザーのレートと干渉制限を満たす条件下で、認知ユーザーの和レートを最大化する課題に取り組むこと。
• スペクトル効率を最適化しつつ、プライマリユーザーの通信品質を維持する効率的なパワー割り当て戦略を開発すること。
• 複数の共周波数認知ユーザーを有する認知無線ネットワークにおける最大和レートを達成する実用的アルゴリズムを提供すること。

提案手法

• 認知MACを、プライマリユーザーからの干渉を含むガウスMACとしてモデル化し、ドリーリペーパーコーディングと協調項を統合する。
• 特に各認知ユーザーの協調利得 $\gamma_k$ をパrameterとするパワー割り当てパrameterに依存する容量領域を導出する。
• プライマリユーザーのレート要件と干渉制限を制約として、和レート最大化を非線形最適化問題として定式化する。
• 非凸最適化問題を解くためにラグランジュ双対法を導入し、最適 $\gamma_k$ 値を計算する反復的アルゴリズムを提示する。
• 各ステップで現在の状態に基づいて、$\gamma_k < 1$ を満たすユーザーのアクティブセット $\mathcal{S}$ を動的に更新する反復的手順を用いる。
• すべての制約を満たす解に収束するように、$\lambda = 0$ から開始し、ラグランジュ乗数 $\lambda$ に対して段階的探索を実施する。

実験結果

リサーチクエスチョン

• RQ1 複数の認知ユーザーと1つのプライマリユーザーを有する認知マルチアクセスチャネルの実現可能な容量領域は何か？
• RQ2 プライマリユーザーのレートが変化しない条件下で、認知ユーザーの和レートをどのように最大化できるか？
• RQ3 最大和レートを達成するための最適パワー割り当て戦略（協調とドリーリペーパーコーディングを含む）は何か？
• RQ4 実用的に、和レート最大化の非凸最適化問題を効率的にどのように解けるか？
• RQ5 チャネル利得とパワー制約が、最適協調係数 $\gamma_k$ に与える影響は何か？

主な発見

• 認知MACの容量領域は、実現可能な協調係数 $\boldsymbol{\gamma}$ でパrameter化された領域の和集合として特徴付けられ、最大和レート点は境界上に位置する。
• 最適和レートは、各認知ユーザーの協調係数 $\gamma_k$ を干渉キャンセレーションとパワー効率のバランスが取れるように選択することで達成される。
• 反復的アルゴリズムは、境界上にないユーザー（$\gamma_k < 1$）のアクティブセット $\mathcal{S}$ を動的に更新することで、最適 $\gamma_k$ 値に収束する。
• 解はチャネル利得 $h_k$, $g_k$, $h_p$ およびパワー制約 $P_k$ と $P_p$ に依存し、$\gamma_k$ はラグランジュ双対定式から導出される。
• アルゴリズムは $\lambda = 0$ から開始し、$\lambda$ を段階的に増加させ、各反復で $X$ と $\gamma_k$ を再計算する。
• 条件 $\gamma_k < 1$ の下で、最適 $\gamma_k$ は $\gamma_k = \frac{\lambda \sigma_p^2 X}{(\beta_k^2 - \lambda h_p^2 P_p) g_k \sqrt{P_k}}$ で与えられ、そうでない場合は1に設定される。ここで $\beta_k = h_k / g_k$ である。