[논문 리뷰] Cloud Networking Formation in CogMesh Environment

Tao Chen, Honggang Zhang외 1명|ArXiv.org|2009. 04. 14.

Caching and Content Delivery참고 문헌 22인용 수 11

한 줄 요약

이 논문은 동적 스펙트럼 접근 환경에서 유연하게 큰 안정적인 제어 채널 클라우드를 형성하기 위해 군집 지능을 활용하는 생물학적 영감을 받은 제어 채널 형성 메커니즘을 제안한다. 제어 클라우드를 형성하고 클러스터 기반 네트워크 조직을 적용함으로써 스펙트럼 효율성과 네트워크 내성은 향상되며, 시뮬레이션 결과는 변동하는 무선 환경 하에서 빠르게 안정적이고 고활성화된 제어 채널로 수렴하는 것으로 나타났다.

ABSTRACT

As radio spectrum usage paradigm moving from the traditional command and control allocation scheme to the open spectrum allocation scheme, wireless networks meet new opportunities and challenges. In this article we introduce the concept of cognitive wireless mesh (CogMesh) networks and address the unique problem in such a network. CogMesh is a self-organized distributed network architecture combining cognitive technologies with the mesh structure in order to provide a uniform service platform over a wide range of networks. It is based on dynamic spectrum access (DSA) and featured by self-organization, self-configuration and self-healing. The unique problem in CogMesh is the common control channel problem, which is caused by the opportunistic spectrum sharing nature of secondary users (SU) in the network. More precisely, since the channels of SUs are fluctuating according to the radio environment, it is difficult to find always available global common control channels. This puts a significant challenge on the network design. We develop the control cloud based control channel selection and cluster based network formation techniques to tackle this problem. Moreover, we show in this article that the swarm intelligence is a good candidate to deal with the control channel problem in CogMesh. Since the study of cognitive wireless networks (CWN) is still in its early phase, the ideas provided in this article act as a catalyst to inspire new solutions in this field.

연구 동기 및 목표

• 동적 스펙트럼 접근과 변동성이 큰 제2차 사용자(SU) 가용성으로 인해 인지 무선 메시(CogMesh) 네트워크에서 신뢰할 수 있고 글로벌한 공통 제어 채널을 확립하는 데 도전하는 문제를 해결한다.
• 고정된 항상 가용한 채널이 존재하지 않는 개방형 스펙트럼 환경에서 전통적인 제어 채널의 한계를 극복한다.
• 확장성, 자가 복구 기능, 효율적인 스펙트럼 이용을 지원하는 분산 CogMesh 네트워크에서의 자율적이고 적응형 네트워크 형성 메커니즘을 설계한다.
• 자율적이고 분산된 제어 채널 선택과 클러스터 형성을 가능하게 하기 위해 군집 지능을 활용한 생물학적 영감을 받은 접근을 도입한다.
• 다양한 스펙트럼 및 네트워크 조건 하에서 시뮬레이션을 통해 제안된 제어 클라우드 및 클러스터 기반 아키텍처의 실현 가능성과 성능을 입증한다.

제안 방법

• 군집 지능 기반 알고리즘을 통해 상호 연결된 제2차 사용자(SU) 그룹인 '제어 클라우드' 개념을 도입한다. 이들은 공통의 제어 채널을 공유한다.
• 사회 곤충 행동을 모방한 분산형, 분산 알고리즘을 적용하여 SU들이 채널 가용성과 노드 간 연결성에 기반해 대규모이고 안정적인 제어 클라우드로 자율적으로 조직되도록 한다.
• 최대 차수( Max Degree ) 알고리즘을 사용하여 제어 클라우드에서 클러스터를 형성하고, 고차수 노드를 클러스터 헤드로 선택하여 네트워크 구조 최적화 및 제어 오버헤드 감소를 도모한다.
• 협상 기반 재구성 메커니즘을 구현하여 노드들이 클러스터 재구성을 제안하고 총 클러스터 수를 줄이되, 상호 확인이 이루어져야만 수락되도록 한다.
• 동적이고 분산된 방식으로 네트워크 탐색, 제어 클라우드 형성, 클러스터 구성 기능을 지원하는 CogMesh 전용 MAC 프로토콜을 설계한다.
• 표준편차, SU 분포의 표준편차 및 최대 제어 클라우드 크기와 같은 성능 지표를 시뮬레이션을 통해 평가하여 알고리즘의 효과성을 평가한다.

실험 결과

연구 질문

• RQ1 스펙트럼 가용성이 동적으로 예측 불가능한 인지 메시 네트워크에서 어떻게 안정적이고 공통의 제어 채널을 확립할 수 있는가?
• RQ2 글로벌 제어 채널이 존재하지 않는 상황에서 군집 지능 메커니즘이 제2차 사용자를 대규모로 통합된 안정적인 제어 클라우드로 자율 조직화하는 데 얼마나 효과적인가?
• RQ3 제안된 클러스터 기반 네트워크 형성 방식은 동적이고 개방형 스펙트럼 환경에서 스펙트럼 관리와 제어 오버헤드를 어떻게 향상시키는가?
• RQ4 주 사용자 활동과 채널 동적 변화가 변동하는 조건에서 제어 클라우드 형성 알고리즘의 수렴 행동과 내성은 어떠한가?
• RQ5 중앙 집중식 조율 없이도 분산 CogMesh 환경에서 확장 가능하고 자가 복구 기능을 갖춘 네트워크 형성은 가능한가?

주요 결과

• 군집 지능 기반 제어 클라우드 형성 알고리즘이 대규모이고 안정적인 제어 클라우드를 성공적으로 생성하였으며, 채널 간 SU 분포의 표준편차가 일관되게 높게 유지되어 몇몇 주 채널으로의 강한 집중 현상이 나타나는 것으로 확인되었다.
• 제2차 사용자 수가 증가함에 따라 채널 간 SU 분포의 표준편차가 증가하여, 더 높은 부하 조건에서의 개선된 집중도와 채널 집중 현상을 입증하였다.
• 주 사용자 채널 변경 후 알고리즘이 몇 번의 시간 단위 내에 고밀도 채널 집중을 신속히 복원하여, 스펙트럼 동적 변화에 대한 빠른 수렴성과 내성성을 보였다.
• 재구성 시 유리한 경우에 클러스터 수를 줄이는 클러스터 기반 네트워크 형성 메커니즘이 작동하며, 완전한 확인이 이루어져야만 성공적으로 협상이 이루어져 부분적 또는 불안정한 재구성 방지를 보장한다.
• 알고리즘 적용 시 최대 제어 클라우드 크기가 크게 증가하여 군집 지능 메커니즘이 SU들을 더 적은 수의 효율적인 제어 채널로 효과적으로 통합함을 확인하였다.
• 시뮬레이션 결과는 제안된 접근 방식이 동적 무선 환경에서도 안정적이고 고활성화된 제어 채널을 달성함을 확인하였으며, 실세계 CogMesh 구현을 위한 적응성과 확장성의 타당성을 입증하였다.