[論文レビュー] Versatile Robust Clustering of Ad Hoc Cognitive Radio Network

Di Li, Erwin Fang+1 more|arXiv (Cornell University)|Apr 16, 2017

Cognitive Radio Networks and Spectrum Sensing参考文献 25被引用数 7

ひとこと要約

本稿では、主ユーザの活動に対して強い耐性を示す、アドホック認知無線ネットワーク向けのロバストで多様性に富んだクラスタリングフレームワークを提案する。このフレームワークは、混雑ゲームモデルを用いた集中型および分散型のゲーム理論的ソリューションを導入し、ナッシュ均衡への収束を保証することで、先行研究と比較して優れたクラスタ耐性、高速な収束、低オーバーヘッドを達成する。NP困難性と収束保証の形式的証明も併せて提示する。

ABSTRACT

Cluster structure in cognitive radio networks facilitates cooperative spectrum sensing, routing and other functionalities. The unlicensed channels, which are available for every member of a group of cognitive radio users, consolidate the group into a cluster, and the availability of unlicensed channels decides the robustness of that cluster against the licensed users' influence. This paper analyses the problem that how to form robust clusters in cognitive radio network, so that more cognitive radio users can get benefits from cluster structure even when the primary users' operation are intense. We provide a formal description of robust clustering problem, prove it to be NP-hard and propose a centralized solution, besides, a distributed solution is proposed to suit the dynamics in the ad hoc cognitive radio network. Congestion game model is adopted to analyze the process of cluster formation, which not only contributes designing the distributed clustering scheme directly, but also provides the guarantee of convergence into Nash Equilibrium and convergence speed. Our proposed clustering solution is versatile to fulfill some other requirements such as faster convergence and cluster size control. The proposed distributed clustering scheme outperforms the related work in terms of cluster robustness, convergence speed and overhead. The extensive simulation supports our claims.

研究の動機と目的

• 動的な認知無線ネットワークにおいて、主ユーザの活動が頻繁に発生する状況下でも、安定かつ機能的なクラスタを維持する課題に対処すること。
• 認知無線ネットワークにおけるロバストクラスタリング問題を形式化し、それがNP困難であることを証明すること。
• 共通チャネルの利用可能性とクラスタサイズの最適化を通じて、クラスタ耐性を最大化する集中型アルゴリズムを設計すること。
• 混雑ゲーム理論を用いた分散型でスケーラブルなソリューションを開発し、ナッシュ均衡への収束を保証することで、ネットワークの動的変化に迅速に適応すること。
• 同一フレームワーク内でクラスタサイズ制御や高速収束といった追加要件を実現すること。

提案手法

• 主ユーザの活動制約下で、クラスタが利用可能な共通チャネル（CC）の数を最大化する最適化問題として、ロバストクラスタリング問題を形式化する。
• 最大重み付きk集合パッキング問題への還元により、問題がNP困難であることを証明する。
• 接続度と共通チャネルの利用可能性に基づいてノードをクラスタに割り当てることで、重複クラスタを回避し、最適なCC利用を確保する集中型アルゴリズムを提案する。
• 各二次ユーザーをプレイヤーとする混雑ゲームモデルを用いた分散型クラスタリング方式を設計し、各プレイヤーの利得関数をクラスタサイズと利用可能な共通チャネル数の積として定義する。
• ポテンシャル関数法を用いてナッシュ均衡への収束を確立し、グローバルな調整なしに安定したクラスタ形成を保証する。
• 接続度が低下する順にノードを系列化するメカニズムを導入し、初期クラスタヘッドが存在しない状況下でも、終了保証とクラスタ形成を達成する。

実験結果

リサーチクエスチョン

• RQ1 不確実な主ユーザの活動に対して耐性を持つように、認知無線ネットワークにおけるクラスタをどのように形成できるか？
• RQ2 アドホック認知無線ネットワークにおけるロバストクラスタリング問題の計算複雑性は何か？
• RQ3 分散型クラスタリング方式を設計することで、高速な収束と低オーバーヘッドを維持しながらも、高いクラスタ耐性を達成できるか？
• RQ4 クラスタサイズ制御や高速収束といった追加要件を、統一されたクラスタリングフレームワークに統合する方法は何か？
• RQ5 分散型クラスタリング環境において、収束性と安定性に関する理論的保証をどのように提供できるか？

主な発見

• 認知無線ネットワークにおけるロバストクラスタリング問題は、最大重み付きk集合パッキング問題への還元により、NP困難であることが証明された。
• 提案された集中型アルゴリズムは、重複クラスタを回避するとともに、共通チャネル数を最大化することで、最適なクラスタ形成を保証する。
• 分散型混雑ゲームベースのクラスタリング方式はナッシュ均衡に収束し、中央集権的調整なしに安定的かつ自己組織的クラスタ形成を実現する。
• 広範なシミュレーションにより、SOCなどの既存手法と比較して、本方式はより高速な収束と低オーバーヘッドを達成していることが確認された。
• 本フレームワークは多様性に富んでおり、クラスタサイズ制御や収束速度最適化といった追加制約のサポートも可能に拡張できる。
• シミュレーション結果から、本手法はクラスタ耐性、収束速度、運用効率の点で、関連研究を上回ることが確認された。