[論文レビュー] On the Packet Decoding Delay of Linear Network Coded Wireless Broadcast

Mingchao Yu, Alex Sprintson+1 more|arXiv (Cornell University)|Feb 8, 2018

Cooperative Communication and Network Coding参考文献 25被引用数 3

ひとこと要約

本稿では、ランダムなパケット消失を想定した無線ブロードキャストにおける線形ネットワーク符号化（LNC）を用いた、スループット最適かつ平均パケット復号遅延（APDD）を最小化する新規手法、ハイパーグラフ線形ネットワーク符号化（HLNC）を提案する。受信機のパケット受信状態をハイパーグラフとしてモデル化し、ハイパーグラフ彩色を適用することで、早期復号を可能にし、間欠的フィードバック下でもRLNCやIDNCよりも顕著に低いAPDDを達成する。シミュレーションでは、設定にかかわらず一貫した性能向上が確認された。

ABSTRACT

We apply linear network coding (LNC) to broadcast a block of data packets from one sender to a set of receivers via lossy wireless channels, assuming each receiver already possesses a subset of these packets and wants the rest. We aim to characterize the average packet decoding delay (APDD), which reflects how soon each individual data packet can be decoded by each receiver on average, and to minimize it while achieving optimal throughput. To this end, we first derive closed-form lower bounds on the expected APDD of all LNC techniques under random packet erasures. We then prove that these bounds are NP-hard to achieve and, thus, that APDD minimization is an NP-hard problem. We then study the performance of some existing LNC techniques, including random linear network coding (RLNC) and instantly decodable network coding (IDNC). We proved that all throughput-optimal LNC techniques can approximate the minimum expected APDD with a ratio between 4/3 and 2. In particular, the ratio of RLNC is exactly 2. We then prove that all IDNC techniques are only heuristics in terms of throughput optimization and {cannot guarantee an APDD approximation ratio for at least a subset of the receivers}. Finally, we propose hyper-graphic linear network coding (HLNC), a novel throughput-optimal and APDD-approximating LNC technique based on a hypergraph model of receivers' packet reception state. We implement it under different availability of receiver feedback, and numerically compare its performance with RLNC and a heuristic general IDNC technique. The results show that the APDD performance of HLNC is better under all tested system settings, even if receiver feedback is only collected intermittently.

研究の動機と目的

• ランダムなパケット消失下での線形ネットワーク符号化（LNC）による平均パケット復号遅延（APDD）を特徴づけ、最小化すること。
• APDD最小化がNP困難であることを証明し、性能の理論的限界を確立すること。
• RLNCおよびIDNCを含む既存のLNC技術のAPDD近似比とスループット最適性を評価すること。
• 受信機状態のハイパーグラフモデリングを用いて、スループット最適性と低APDDの両立を達成する新規LNC手法HLNCを設計すること。
• 間欠的フィードバックを含むさまざまなフィードバック条件下でのHLNCの性能を検証すること。

提案手法

• ランダムなパケット消失下でのすべてのLNC技術における期待APDDの閉形式下限を導出する。
• ハイパーグラフ彩色問題への還元により、APDD最小化がNP困難であることを証明する。
• 受信機のパケット受信状態をハイパーグラフとしてモデル化し、頂点は受信機を表し、ハイパーエッジは共通の欠落パケットを表す。
• ハイパーグラフ彩色を適用して、即時復号が可能な受信機の数を最大化する符号化パケットを選択する。
• フルフィードバックおよび間欠的フィードバックの両方を用いてHLNCを実装し、耐障害性を評価する。
• 多様なシステム設定において、HLNCをRLNCおよびヒューリスティックなIDNCと比較する数値シミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 ランダムなパケット消失下での任意の線形ネットワーク符号化技術における平均パケット復号遅延（APDD）の理論的下限は何か？
• RQ2 スループット最適なLNC技術は、最小APDDを有界な比で近似できるか？その比は何か？
• RQ3 即時復号可能ネットワーク符号化（IDNC）技術は、スループットが劣化している場合でも最適APDDを近似可能か？
• RQ4 ハイパーグラフモデリングを用いて、スループット最適性と低APDDの両方を同時に達成する新規LNC方式を設計可能か？
• RQ5 制限付きまたは間欠的な受信フィードバック下で、提案されたHLNC技術の性能はどのようにスケーリングするか？

主な発見

• スループット最適なLNC技術、RLNCを含め、最小期待APDDを4/3から2の比の範囲内で近似可能であり、RLNCは正確に2-近似を達成する。
• IDNC技術はAPDD近似手法とは言えない。なぜなら、少なくとも一部の受信機について、有界なAPDD性能を保証できないからである。
• 間欠的フィードバック下でさえ、提案されたHLNC手法はRLNCおよびヒューリスティックなIDNCと比較して顕著に低いAPDDを達成する。
• HLNCはハイパーグラフに基づく符号化意思決定により、スループット最適性を維持しながら早期復号を可能にする。
• 理論的分析により、APDD最小化がNP困難であることが確認され、HLNCのような近似手法の必要性が裏付けられる。
• 数値結果から、HLNCのAPDD性能はRLNCおよびIDNCを常に上回り、フィードバック制約下でもその利点が維持される。