[論文レビュー] Proactive Resource Allocation: Turning Predictable Behavior into Spectral Gain

Hesham El-Gamal, John Tadrous+1 more|arXiv (Cornell University)|Oct 9, 2010

Cognitive Radio Networks and Spectrum Sensing参考文献 2被引用数 9

ひとこと要約

本稿では、予測可能なユーザ行動を活用して、特定のQoSを満たすために必要なスペクトル資源を削減する予測的リソース割り当てを提案する。デバイスがT時間スロット分事前にリクエストを提出できるようにすることで、フレームワークは予測期間Tに比例してアウトージ確率の減衰率が線形に増加し、スペクトルセンシングや認知無線に依存せずに顕著なスペクトル利得を達成できる。

ABSTRACT

This paper introduces the novel concept of proactive resource allocation in which the predictability of user behavior is exploited to balance the wireless traffic over time, and hence, significantly reduce the bandwidth required to achieve a given blocking/outage probability. We start with a simple model in which the smart wireless devices are assumed to predict the arrival of new requests and submit them to the network T time slots in advance. Using tools from large deviation theory, we quantify the resulting prediction diversity gain to establish that the decay rate of the outage event probabilities increases linearly with the prediction duration T. This model is then generalized to incorporate the effect of prediction errors and the randomness in the prediction lookahead time T. Remarkably, we also show that, in the cognitive networking scenario, the appropriate use of proactive resource allocation by the primary users results in more spectral opportunities for the secondary users at a marginal, or no, cost in the primary network outage. Finally, we conclude by a discussion of the new research questions posed under the umbrella of the proposed proactive (non-causal) wireless networking framework.

研究の動機と目的

• 予測可能なユーザ行動を活用してピーク対平均トラフィック比を低減することで、増加する無線スケジュールの枯渇問題に対処する。
• 認知無線の限界を克服し、スペクトルセンシングや規制変更を要しないスペクトル利得を実現する。
• 現代のスマートデバイスの計算能力を活用して、トラフィックを事前に予測しスケジューリングを前もって実施する。
• 予測を活用することで、マルチクラスネットワークにおけるスペクトル効率を向上させ、プライマリユーザがセカンダリユーザのパフォーマンスを向上させることを可能にする。

提案手法

• 予測に基づいてリクエストをT時間スロット分事前に提出する非因果的スケジューリング枠組みとして、予測的リソース割り当てをモデル化する。
• 大偏差理論を適用して予測ダイバーシティゲインを定量的に評価し、アウトージ確率の減衰率が予測期間Tに比例して線形に増加することを示す。
• 予測誤差やランダムなアラウンドタイムTを含める一般化モデルを構築し、解析的扱いやすさを維持する。
• プライマリユーザが予測的割り当てを用いてセカンダリユーザのためのスペクトル機会を創出する認知ネットワーキングのシナリオを分析する。
• 性能のトレードオフを評価するために、複雑度が増す順に3つのスケジューリングポリシー（SP1, SP2, SP3）を提案・評価する。
• QoS指標としてアウトージ確率を用い、信号対雑音比と予測精度の異なる条件下でのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 予測期間Tが、予測的リソース割り当てフレームワークにおけるアウトージ確率の減衰率にどのように影響するか？
• RQ2 予測誤差や変動するアラウンドタイムが、予測的スケジューリングのスペクトル効率利得にどの程度悪影響を及ぼすか？
• RQ3 プライマリユーザが予測的スケジューリングを採用した場合、非予測的セカンダリユーザのアウトージパフォーマンスは、プライマリユーザのQoSを損なわずに向上するか？
• RQ4 マルチクラス無線ネットワークにおける全体のスペクトル効率に、予測ダイバーシティゲインが及ぼす影響は何か？
• RQ5 予測的リソース割り当ては、将来の無線ネットワークにおけるコンテンツ配信のクロスレイヤーデザインとどのように統合できるか？

主な発見

• アウトージ確率の減衰率は予測期間Tに比例して線形に増加し、Tに比例する予測ダイバーシティゲインが実証された。
• 予測誤差やランダムなアラウンドタイムが存在しても、反応型手法と比較して予測的フレームワークは顕著なスペクトル効率の向上を維持する。
• プライマリユーザが予測スケジューリング（SP3）を採用した場合、セカンダリネットワークのアウトージ確率は顕著に改善され、プライマリのアウトージパフォーマンスへの影響は最小限に抑えられる。
• SP3は、プライマリネットワークの最適ダイバーシティ優位性を保持したまま、セカンダリユーザのスペクトル効率を顕著に向上させる。
• プライマリ側での予測のみで、セカンダリユーザのための顕著なスペクトル機会が創出可能であり、共存におけるウィンウィンシナリオであることが示された。
• 数値結果により、さまざまな信号対雑音比と予測パラメータの下で、予測的割り当てがアウトージ確率の測定可能な利得をもたらすことが確認された。