[論文レビュー] Sensing and Communication Tradeoff Design for AoI Minimization in a Cellular Internet of UAVs

Shuhang Zhang, Hongliang Zhang+3 more|arXiv (Cornell University)|Feb 1, 2020

Age of Information Optimization参考文献 8被引用数 4

ひとこと要約

本稿は、セルラーアイOTドローンにおけるUAVセンシングと通信のための共同最適化フレームワークを提案し、センシング時間、送信時間、トラジェクトリ、タスクスケジューリングのバランスを取ることで、年齢情報（AoI）を最小化する。勾配降下法と動的計画法を用いた手法は、シミュレーションでグリーディーやランダムスケジューリングと比較して、それぞれ15%低いAoIを達成し、センシングと送信時間の間で独自の最適トレードオフを実証した。

ABSTRACT

In this paper, we consider the cellular Internet of unmanned aerial vehicles (UAVs), where UAVs sense data for multiple tasks and transmit the data to the base station (BS). To quantify the "freshness" of the data at the BS, we bring in the concept of the age of information (AoI). The AoI is determined by the time for UAV sensing and that for UAV transmission, and gives rise to a trade-off within a given period. To minimize the AoI, we formulate a joint sensing time, transmission time, UAV trajectory, and task scheduling optimization problem. To solve this problem, we first propose an iterative algorithm to optimize the sensing time, transmission time, and UAV trajectory for completing a specific task. Afterwards, we design the order in which the UAV performs data updates for multiple sensing tasks. The convergence and complexity of the proposed algorithm, together with the trade-off between UAV sensing and UAV transmission, are analyzed. Simulation results verify the effectiveness of our proposed algorithm.

研究の動機と目的

• セルラーアイOTドローンにおけるUAVセンシング時間と送信時間のトレードオフを解消し、年齢情報（AoI）を最小化する。
• センシング時間、送信時間、UAVトラジェクトリ、タスクスケジューリングを含む共同最適化問題を定式化し、AoI最小化を目的とする。
• 単一のタスク更新におけるセンシング時間、送信時間、UAVトラジェクトリを共同で最適化する反復的アルゴリズムを設計する。
• 複数のセンシングタスクのための最適更新順序を決定する動的計画法（DP）に基づくタスクスケジューリングアルゴリズムを開発する。
• 提案されたアルゴリズムの収束性、計算複雑性、トレードオフ特性を分析し、その有効性を検証する。

提案手法

• 有限時間ホライズン上で、センシング時間、送信時間、UAVトラジェクトリ、タスクスケジューリングの共同最適化としてAoI最小化問題を定式化する。
• 移動制約およびエネルギー制約の下で、単一のタスク更新におけるセンシング時間、送信時間、UAVトラジェクトリを勾配降下法を用いて反復的に最適化する。
• タスク更新を報酬に基づく行動としてモデル化することで、動的計画法（DP）を用いてタスクスケジューリング問題を解く。
• 報酬関数を平均AoIの低下として定義し、時間経過にわたる累積報酬の最大化から最適スケジューリング方策を導出する。
• 報酬関数の再帰的関係を確立する：$\mathcal{G}(\mathcal{P}_i(t+1)) = \max\{\mathcal{G}(\mathcal{P}_i(t)), \mathcal{G}(\mathcal{P}_i(t)\setminus\mathcal{C}_i(t)) + g_i(t+1)\}$ これにより、最適なタスク順序選択が可能になる。
• 最適なセンシング時間と送信時間のトレードオフが一意的であり、成功したセンシングの閾値およびSINR閾値によって解析的に特徴づけられることを証明する。

実験結果

リサーチクエスチョン

• RQ1 システム全体のAoIを最小化するための、UAVセンシング時間と送信時間の最適なトレードオフは何か？
• RQ2 UAVトラジェクトリとタスクスケジューリングを、センシング時間と送信時間と共同で最適化することで、AoIを最小化する方法は何か？
• RQ3 成功したセンシング確率およびSINR閾値を変化させた場合、最適なセンシング・送信時間比に与える影響は何か？
• RQ4 提案されたタスクスケジューリングアルゴリズムは、グリーディー法およびランダムスケジューリングと比較して、AoI低減の面でどの程度優れているか？
• RQ5 提案された最適化フレームワークの計算複雑性は何か？また、最適解に収束するか？

主な発見

• 提案されたアルゴリズムは、シミュレーションにおいてグリーディー・スケジューリング手法と比較して約15%低いAoIを達成し、ランダム・スケジューリング手法と比較して40%以上低いAoIを達成した。
• 最適なセンシング時間と送信時間のトレードオフは一意的であり、主に成功したセンシングの閾値 $p_{th}$ および送信SINR閾値 $\gamma_{th}$ に依存する。
• $p_{th} < 1 - 10^{-2}$ の場合、センシング対送信時間比は $p_{th}$ に非常に敏感であるが、$p_{th} > 1 - 10^{-2}$ の場合、感度が低下する。
• 動的計画法に基づくタスクスケジューリングアルゴリズムは、$O(NT)$ の計算複雑性を達成し、実用的展開においてスケーラブルである。
• 反復的勾配降下法アルゴリズムは安定解に収束し、共同最適化フレームワークのロバスト性を裏付けた。
• シミュレーション結果は、UAV速度、高度、データレート制約を含む実際の3GPPベースのパrameter下でも、提案手法の有効性を検証した。