[논문 리뷰] Distributed Deterministic Broadcasting in Wireless Networks under the SINR Model

Tomasz Jurdziński, Dariusz R. Kowalski외 1명|arXiv (Cornell University)|2012. 10. 05.

Cooperative Communication and Network Coding인용 수 5

한 줄 요약

이 논문은 균일한 전송 전력과 함께 SINR 모델 하에서 애드혹 무선 네트워크에 대한 분산 결정적 브로드캐스트 알고리즘을 제시한다. 국소적 이웃 정보를 사용할 경우 O(D log²n) 시간을 달성하고, 국소적 이웃 정보 없이도 O(DΔ log²N) 시간을 확보하며, 하한선에 거의 근접함을 보여주며, 브로드캐스트가 네트워크 토폴로지 학습보다 최소 {min{n/D, Δ}} 배 더 저렴하다는 것을 입증한다.

ABSTRACT

In this paper we initiate a study of distributed deterministic broadcasting in ad-hoc wireless networks with uniform transmission powers under the SINR model. We design algorithms in two settings: with and without local knowledge about immediate neighborhood. In the former setting, our solution has almost optimal O(Dlog2 n) time cost, where n is the size of a network, D is the eccentricity of the network and {1,...,N} is the set of possible node IDs. In the latter case, we prove an Omega(n log N) lower bound and develop an algorithm matching this formula, where n is the number of network nodes. As one of the conclusions, we derive that the inherited cost of broadcasting techniques in wireless networks is much smaller, by factor around min{n/D,Delta}, than the cost of learning the immediate neighborhood. Finally, we develop a O(D Delta log2 N) algorithm for the setting without local knowledge, where Delta is the upper bound on the degree of the communication graph of a network. This algorithm is close to a lower bound Omega(D Delta).

연구 동기 및 목표

• 균일한 전송 전력과 함께 SINR 모델 하에서 애드혹 무선 네트워크에서 효율적인 분산 결정적 브로드캐스팅 알고리즘을 설계하는 것.
• 시간 복잡도 측면에서 브로드캐스팅과 국소 네트워크 토폴로지 학습 간의 성능 격차를 분석하는 것.
• 국소적 이웃 정보 유무에 따라 두 가지 설정에서 브로드캐스팅에 대한 날카로운 상한 및 하한 경계를 설정하는 것.
• 무선 네트워크에서 브로드캐스팅과 토폴로지 탐색 간의 상대적 비용을 정량화하는 것.

제안 방법

• 즉각적인 이웃에 대한 국소 지식을 사용하여 O(D log²n) 시간 복잡도를 달성하는 분산 알고리즘을 설계하며, 동기화된 전송 스케줄링을 활용한다.
• 노드 ID와 네트워크 외심을 기반으로 전송 윈도우를 조율하여 간섭을 방지하는 새로운 전송 스케줄링 전략을 도입한다.
• 국소 지식이 없는 설정에 대해 Ω(n log N)의 하한선을 증명하여 성능에 대한 기본적인 한계를 설정한다.
• 국소 지식이 없는 경우 O(DΔ log²N) 시간을 달성하는 분산 알고리즘을 개발하며, 하한선과 로그 인자 수준에서 일치한다.
• 간섭을 모델링하기 위해 SINR 모델을 사용하여, 신호 대 간섭 및 노이즈 비율이 임계값을 초과할 때에만 수신이 성공하도록 보장한다.
• 계층적 클러스터링과 ID 기반 스케줄링을 적용하여 충돌을 최소화하고 네트워크 전역에서 결정적 전달을 보장한다.

실험 결과

연구 질문

• RQ1 균일한 전력과 함께 SINR 모델 하에서 애드혹 무선 네트워크에서 결정적 브로드캐스팅에 필요한 최소 시간은 얼마인가?
• RQ2 국소적 이웃 정보의 유무가 브로드캐스팅의 시간 복잡도에 어떤 영향을 미치는가?
• RQ3 무선 네트워크에서 브로드캐스팅의 비용이 국소 토폴로지 학습의 비용보다 상당히 낮을 수 있는가?
• RQ4 균일한 전송 전력 하에서 SINR 모델에서 결정적 브로드캐스팅에 대한 날카로운 상한 및 하한 경계는 무엇인가?

주요 결과

• 국소 지식을 사용하는 제안된 알고리즘은 O(D log²n) 시간을 달성하며, 이는 거의 최적이고 이론적 하한선에 매우 가까운 수준이다.
• 국소 지식이 없는 경우 알고리즘은 O(DΔ log²N) 시간 내에 수행되며, 이는 증명된 Ω(DΔ) 하한선에 매우 가까운 수준이다.
• 논문은 국소 지식이 없는 경우에 대해 Ω(n log N)의 하한선을 확립하여 이것이 기본적인 비용 상한임을 보여준다.
• 브로드캐스팅이 국소 토폴로지 학습보다 최소 {min{n/D, Δ}} 배 더 저렴하다는 것이 입증된다.
• 브로드캐스팅의 시간 비용은 토폴로지 탐색의 비용보다 점근적으로 작으며, 이는 브로드캐스팅이 무선 네트워크에서 더 효율적인 원천임을 시사한다.