[論文レビュー] Random Access Schemes in Wireless Systems With Correlated User Activity

Anders E. Kalør, Osama A. Hanna+1 more|arXiv (Cornell University)|Mar 9, 2018

IoT Networks and Protocols被引用数 3

ひとこと要約

本稿では、機械タイプ通信（MTC）におけるペアワイズユーザー活動相関を活用する2つのグリーディなランダムアクセスアルゴリズムを提案する。同時送信を避けるように相関のあるユーザーをスケジューリングすることで、特に高負荷下において従来のスロットドALOHAよりも顕著に高いスループットを達成し、相関に配慮したアクセス設計がmMTCシナリオにおいて有効であることを示している。

ABSTRACT

Traditional random access schemes are designed based on the aggregate process of user activation, which is created on the basis of independent activations of the users. However, in Machine-Type Communications (MTC), some users are likely to exhibit a high degree of correlation, e.g. because they observe the same physical phenomenon. This paves the way to devise access schemes that combine scheduling and random access, which is the topic of this work. The underlying idea is to schedule highly correlated users in such a way that their transmissions are less likely to result in a collision. To this end, we propose two greedy allocation algorithms. Both attempt to maximize the throughput using only pairwise correlations, but they rely on different assumptions about the higher-order dependencies. We show that both algorithms achieve higher throughput compared to the traditional random access schemes, suggesting that user correlation can be utilized effectively in access protocols for MTC.

研究の動機と目的

• 従来のランダムアクセスプロトコルが独立したユーザー活動を仮定しており、現実の相関を無視するための非効率性を是正すること。
• 共有される物理的現象に起因するユーザー活動相関が、アクセスプロトコル設計の改善にどう活用できるかを調査すること。
• システムスループットを最大化するために、ペアワイズ相関情報のみを用いる、実用的で低オーバーヘッドのスケジューリングアルゴリズムを開発すること。
• 相関のあるユーザー活動を伴う現実的な空間時間的トラフィックモデルにおけるこれらのアルゴリズムの性能を評価すること。
• 相関推定と信号伝送オーバーヘッドといった実用的課題を検討し、スケーラブルな学習とスケジューリング手法を提案すること。

提案手法

• ペアワイズ相関確率に基づいてスロットにユーザーを割り当てる2つのグリーディな割り当てアルゴリズムを提案し、衝突リスクを最小化する。
• 各ユーザーについて∑_j A_ij = 1 を満たす、A ∈ ℝ^{N×K} の割り当て行列 A を用いる。ここで A_ij はユーザー i がスロット j に送信する確率を表す。
• ペアワイズ相関統計とヒューリスティック最適化を用いて、非凸なスループット最大化問題を扱いやすい形に再定式化する。
• ユーザー活動が距離 r 以内の近接性に基づいて相関する空間時間的トラフィックモデルを適用し、ポisson点過程の仮定に基づいて同時活性化確率を導出する。
• 特に高次元のユーザー集合においても、頻出項目集合マイニングとベイズ推定技術を用いて相関統計を効率的に学習する。
• 高負荷下で送信をユーザーのサブセットに制限するスケーリングヒューリスティックを導入し、衝突を低減しながら高いスループットを維持する。

実験結果

リサーチクエスチョン

• RQ1 MTCにおけるユーザー活動相関を活用することで、従来のスロットドALOHAを上回るランダムアクセスプロトコルのスループットを向上させることができるか？
• RQ2 ユーザー活動が相関している場合、タイムスロット間でユーザーをどのようにスケジューリングすれば衝突を最小限に抑えることができるか？
• RQ3 さまざまなトラフィック負荷下で、相関に配慮したスケジューリングはランダムアクセスに比べてどの程度の性能向上を達成するか？
• RQ4 大規模なMTCシステムにおいて、低制御オーバーヘッドで相関統計を効率的に推定する方法は何か？
• RQ5 動的環境下で、信号伝送オーバーヘッド、相関学習、システム性能の間で生じる実用的トレードオフは何か？

主な発見

• 提案された相関に配慮した方式は、特にユーザー活動が強く相関している場合、従来のランダムアクセス方式に比べて顕著に高いスループットを達成する。
• 高負荷下では、知的なスケジューリングにより衝突を回避することで、これらの方式が高い性能を維持する。
• スケーリングヒューリスティックにより、アクティブユーザー数がスロット数を上回る状況でも、スループットを高い水準で維持できる。
• 1000人のユーザーと150のスロットを持つシナリオでは、到着率がいかなる値であっても、相関に基づく方式が従来方式を上回り、λがKに近づくほど性能向上が顕著になる。
• 頻出項目集合マイニングにより、相関が疎である場合に特に信号伝送オーバーヘッドを低減して相関推定を効率的に行える。
• アルゴリズムの性能は正確なペアワイズ相関推定に依存し、モデルが与えられた下で p₁₁ > λ/4 のとき、システムは最適なスループットに達する。