[論文レビュー] Optimal Detection for Diffusion-Based Molecular Timing Channels

Yonathan Murin, Nariman Farsad+2 more|arXiv (Cornell University)|Sep 9, 2017

Molecular Communication and Nanonetworks参考文献 36被引用数 5

ひとこと要約

本稿は、粒子の放出時刻に情報が符号化される拡散型分子時刻チャネルにおける最初到着（FA）検出器を提案する。最大尤度（ML）検出とは異なり、計算量が高価であるが、最初に到着する粒子を用いることで、低コストでほぼ最適な性能を達成する。主な結果として、粒子数が少ない場合にはFA検出がML性能に非常に近いが、粒子数が増加するにつれて誤り指数は乖離する。

ABSTRACT

This work studies optimal detection for communication over diffusion-based molecular timing (DBMT) channels. The transmitter simultaneously releases multiple information particles, where the information is encoded in the time of release. The receiver decodes the transmitted information based on the random time of arrival of the information particles, which is modeled as an additive noise channel. For a DBMT channel without flow, this noise follows the Lévy distribution. Under this channel model, the maximum-likelihood (ML) detector is derived and shown to have high computational complexity. It is also shown that under ML detection, releasing multiple particles improves performance, while for any additive channel with $α$-stable noise where $α<1$ (such as the DBMT channel), under linear processing at the receiver, releasing multiple particles degrades performance relative to releasing a single particle. Hence, a new low-complexity detector, which is based on the first arrival (FA) among all the transmitted particles, is proposed. It is shown that for a small number of released particles, the performance of the FA detector is very close to that of the ML detector. On the other hand, error exponent analysis shows that the performance of the two detectors differ when the number of released particles is large.

研究の動機と目的

• Lévy分布ノイズを伴う拡散型分子時刻（DBMT）チャネルにおける最適検出の課題に対処すること。
• α < 1 のα安定分布ノイズ、特にLévy分布を伴うDBMTチャネルにおける線形処理の性能限界を分析すること。
• 計算コストを削減しながら高い性能を維持する最大尤度（ML）検出の低複雑性代替手法を設計すること。
• 送信粒子数が増加する際のFA検出器の誤り指数がML検出と比較してどのように変化するかを同定すること。

提案手法

• DBMTチャネルにおける最大尤度（ML）検出器を導出する。Lévy分布ノイズのため、計算量が非常に高くなることが示される。
• α < 1 のα安定分布ノイズチャネルにおける線形処理の性能を分析し、複数の粒子が放出される場合に性能が劣化することを証明する。
• 最初に到着する粒子の到着時刻を選択する意思決定指標として最初到着（FA）検出器を提案する。
• 漸近的解析と誤り指数技術を用いて、異なる粒子数におけるFA検出とML検出の性能を比較する。
• 誤り確率を評価するために、大M近似および相補誤差関数（erfc）を含む漸近展開を適用する。
• 誤り確率がゼロに収束するように、ビット数Lと粒子数Mのスケーリング則を導出する。

実験結果

リサーチクエスチョン

• RQ1 Lévyノイズを伴うDBMTチャネルにおいて、線形処理の性能は最適なML検出と比べてどうなるか？
• RQ2 α < 1 のα安定分布ノイズを伴うDBMTチャネルにおいて、低複雑性検出器がほぼ最適な性能を達成できるか？
• RQ3 送信粒子数が増加する際、FA検出器の誤り指数はML検出と比較してどのように変化するか？
• RQ4 FA検出器において誤り確率がゼロに収束するように、粒子数Mとビット数Lはどのようにスケーリングすべきか？
• RQ5 代数的尾部ノイズを伴う分子時刻チャネルにおいて、検出の複雑さと性能の根本的トレードオフは何か？

主な発見

• DBMTチャネルにおける最大尤度検出器が導出されたが、その計算量の高さから実用的利用は制限される。
• α < 1 のα安定分布ノイズ（例：Lévy分布）を伴う場合、複数の粒子が放出される際、線形処理はガウスノイズの場合とは異なり性能が劣化する。
• 送信粒子数が少ない場合には、提案された最初到着（FA）検出器がML検出に非常に近い性能を達成する。
• 誤り指数解析により、FA検出とML検出の性能差が粒子数の増加に伴い拡大することが示され、FA検出が漸近的に最適でないことが判明する。
• 誤り確率がゼロに収束するためには、ビット数Lが log log M^(1−ε) のスケーリングに従う必要がある。
• FA検出器の漸近的誤り確率は、Mが増加するにつれて消える第2項に支配され、第1項が誤りフロアの挙動を決定する。