[論文レビュー] On the Optimality of Myopic Sensing in Multi-channel Opportunistic Access: the Case of Sensing Multiple Channels

Kehao Wang, Lin Chen|arXiv (Cornell University)|Mar 9, 2011

Cognitive Radio Networks and Spectrum Sensing参考文献 6被引用数 5

ひとこと要約

本稿は、複数のチャネルを同時にセンシングする二次ユーザーが報酬を最大化するマルチチャネルの機会的スペクトラムアクセスにおける、短視眼的センシング方針の最適性を調査する。短視眼的センシングが一部の限定的状況（例えば2つのチャネルをセンシングする場合）では最適であることが示されるが、探索と活用の根本的トレードオフのため、一般には部分的最適でないことが、解析的反例を用いて示される。性能差が明確に測定可能であることが確認された。

ABSTRACT

Recent works have developed a simple and robust myopic sensing policy for multi-channel opportunistic communication systems where a secondary user (SU) can access one of N i.i.d. Markovian channels. The optimality of the myopic sensing policy in maximizing the SU's cumulated reward is established under certain conditions on channel parameters. This paper studies the generic case where the SU can sense more than one channel each time. By characterizing the myopic sensing policy in this context, we establish analytically its optimality for certain system setting when the SU is allowed to sense two channels. In the more generic case, we construct counterexamples to show that the myopic sensing policy, despite its simple structure, is non-optimal.

研究の動機と目的

• 二次ユーザーが同時に1つ以上のチャネルをセンシングできる状況における、短視眼的センシング方針の最適性を分析すること。
• マルチチャネルの機会的アクセスにおいて、短視眼的方針が最適である条件を同定すること。
• 反例を用いて、一般設定において短視眼的方針が長期的報酬を最大化しないことを示すこと。
• 特に、スループットの最大化と「少なくとも1つの空きチャネルを発見する確率」の最大化という異なる報酬関数における、短視眼的方針の性能の対比を明確にすること。
• restless multi-armed bandit 問題における、探索と活用の本質的トレードオフを深く理解すること。

提案手法

• センシング問題を部分的に観測可能なマルコフ決定過程（POMDP）および restless multi-armed bandit 問題（RMAB）として定式化する。
• SUが1スロットあたりk ≥ 2のチャネルをセンシングする状況に、短視眼的センシング方針を一般化する。
• 短視眼的方針および代替センシング戦略の下での期待報酬について、解析的表現を導出する。
• 明示的な反例を構築し、特定のチャネル状態遷移確率および信念ベクトルを用いて、長期的報酬を比較する。
• 数値的評価を用いて、短視眼的方針と代替戦略との間の報酬差を計算し、厳密に正の差が生じることを示す。
• 有限ホライズン設定における、直ちの報酬（活用）と将来の情報獲得（探索）の構造的トレードオフを分析する。

実験結果

リサーチクエスチョン

• RQ1 二次ユーザーが同時に複数のチャネルをセンシングできる状況で、短視眼的センシング方針が最適となる条件は何か？
• RQ2 短視眼的方針の最適性は、1スロットあたりのセンシングチャネル数（k）およびチャネル状態遷移確率にどのように依存するか？
• RQ3 単一チャネルセンシングでは単純かつ頑健であるにもかかわらず、一般状況では短視眼的方針が最適でないのはなぜか？
• RQ4 報酬関数、特に「少なくとも1つの空きチャネルを発見する確率」の最大化という観点が、短視眼的方針の最適性に与える影響は何か？
• RQ5 探索と活用のバランスは、マルチチャネル認知的無線システムにおける短視眼的方針の最適性にどのように影響するか？

主な発見

• SUが1スロットあたり正確に2つのチャネルをセンシングする場合に限り、短視眼的センシング方針はシステムパrameterの小さな部分集合に対して最適である。
• 2つのチャネルをセンシングする場合、チャネルの「空き→空き」遷移確率p11が「ビジー→空き」遷移確率p01以上である場合、短視眼的方針は最適のままである。
• SUが2つ以上のチャネルをセンシングする一般状況、または有限ホライズンT ≥ 3の場合、短視眼的方針が最適であるとは限らない。
• 反例1では報酬差R_c1 - R*c1 = 0.00005625が示され、p11 = 0.5かつp01 = 0.3の場合に短視眼的方針が部分的最適でないことが証明された。
• 反例2では報酬差R_c2 - R*c2 = 0.00002が示され、p11 = 0.3かつp01 = 0.5の場合に部分的最適でないことが確認された。
• 結果は、直ちの報酬（活用）と将来の情報獲得（探索）の根本的トレードオフを浮き彫りにし、短視眼的方針が長期ホライズンにおいてはそのバランスを図れていないことを示している。