[論文レビュー] Over-the-Air Computation Systems: Optimization, Analysis and Scaling Laws

Wanchun Liu, Xin Zang+2 more|arXiv (Cornell University)|Sep 1, 2019

Distributed Sensor Networks and Detection Algorithms参考文献 24被引用数 6

ひとこと要約

本稿では、ピーク電力制約下で計算の平均二乗誤差（MSE）を最小化するため、空中計算（AirComp）システムにおける最適送受信（Tx-Rx）方策を提案する。多重アクセスチャネルの重ね合わせ性および関数的分解を活用することで、センサ数Kが増加する際、平均計算MSEと平均電力消費が消失する閉形式の最適方策を導出する。これは大規模なIoT応用における良好なスケーリング則を示している。

ABSTRACT

For future Internet of Things (IoT)-based Big Data applications (e.g., smart cities/transportation), wireless data collection from ubiquitous massive smart sensors with limited spectrum bandwidth is very challenging. On the other hand, to interpret the meaning behind the collected data, it is also challenging for edge fusion centers running computing tasks over large data sets with limited computation capacity. To tackle these challenges, by exploiting the superposition property of a multiple-access channel and the functional decomposition properties, the recently proposed technique, over-the-air computation (AirComp), enables an effective joint data collection and computation from concurrent sensor transmissions. In this paper, we focus on a single-antenna AirComp system consisting of $K$ sensors and one receiver (i.e., the fusion center). We consider an optimization problem to minimize the computation mean-squared error (MSE) of the $K$ sensors' signals at the receiver by optimizing the transmitting-receiving (Tx-Rx) policy, under the peak power constraint of each sensor. Although the problem is not convex, we derive the computation-optimal policy in closed form. Also, we comprehensively investigate the ergodic performance of AirComp systems in terms of the average computation MSE and the average power consumption under Rayleigh fading channels with different Tx-Rx policies. For the computation-optimal policy, we prove that its average computation MSE has a decay rate of $O(1/\sqrt{K})$, and our numerical results illustrate that the policy also has a vanishing average power consumption with the increasing $K$, which jointly show the computation effectiveness and the energy efficiency of the policy with a large number of sensors.

研究の動機と目的

• 限られたスケジューリングと計算リソースを有する大規模なIoTネットワークにおける効率的なデータ収集と計算の課題に対処すること。
• センサごとのピーク電力制約下で、空中計算（AirComp）システムにおける計算の平均二乗誤差（MSE）を最小化すること。
• センサ数Kに関する平均計算MSE（ACM）および平均電力消費（APC）のスケーリング則を導出し、分析すること。
• 大規模なセンサネットワークにおけるMSEおよびエネルギー効率の観点から、提案されたTx-Rx方策の最適性を確立すること。

提案手法

• K個のセンサと1台の受信機を有する単一アンテナAirCompシステムにおいて、MSEを最小化するための送信および受信方策の共同最適化を提案する。
• 多重アクセスチャネルの重ね合わせ性および関数的分解を用いて、多次元関数を単変数関数の和として表現する。
• 非凸最適化問題であるが、ピーク電力制約下でMSEを最小化する閉形式の最適Tx-Rx方策を導出する。
• K → ∞における漸近的解析を用いて、確率的性能を分析し、ACMおよびAPCのスケーリング則を確立する。
• リーマン和近似および確率的バウンディングを用いて、MSEおよび電力消費の下限および上限を導出する。
• レムマ3aおよび調和級数の性質を用いて、Kの異なるスケーリング領域における電力消費の漸近的挙動を分析する。

実験結果

リサーチクエスチョン

• RQ1 ピーク電力制約下で、空中計算（AirComp）システムにおける計算MSEを最小化する最適なTx-Rx方策は何か？
• RQ2 最適方策下で、平均計算MSEはセンサ数Kとともにどのようにスケーリングするか？
• RQ3 異なるTx-Rx方策下で、平均電力消費はKに対してどのようにスケーリングするか？
• RQ4 最適方策は、Kの増加に伴い、計算MSEおよび電力消費を消失させることが可能か？
• RQ5 大規模なAirCompシステムにおけるMSEおよびエネルギー効率の観点から、性能の根本的限界は何か？

主な発見

• 計算最適なTx-Rx方策は、センサ数Kが増加するに従い、平均計算MSE（ACM）が消失する。
• 最適方策下での平均電力消費（APC）もKの増加に伴い消失するため、大規模な展開において高いエネルギー効率を示す。
• 最適方策において、ACMの漸近的スケーリングはO(1/K)である一方、特定の条件下ではAPCもO(1/K)にスケーリングし、良好なスケーリング則を確認する。
• アクティブなセンサ数がKに比例して増加する場合、ACMはO(1/K)にスケーリングし、APCはO(1)にスケーリングする。これは性能とリソース使用のトレードオフを示している。
• 正規化MSEの下限を評価することで、ACMがO(1/K)より速くスケーリングすることは不可能であることが示され、導出された方策の最適性が裏付けられる。
• 分析により、最適方策は高次元センサネットワークにおいても低MSEおよび低電力消費を維持できることを確認しており、これは大規模なIoT応用に適している。