[논문 리뷰] Generalized Optimal Two-way Relays Subsets Pairings in Cloud-based Region Cognitive Networks

He Huang, Chaowei Yuan|arXiv (Cornell University)|2019. 09. 11.

Cooperative Communication and Network Coding참고 문헌 42인용 수 4

한 줄 요약

이 논문은 클라우드 기반 인지망에서 일반화된 최적의 이방향 리레이트 선택 쌍지정 모델을 제안하며, 리레이터를 수신 전용(A), 수신 및 전송 기능을 갖춘(B), 송신 전용(C)으로 기능적 세트로 분류하여 중단 확률을 최소화한다. 제안된 알고리즘은 최적의 세트 쌍지정을 통해 기존의 전통적 방법에 비해 중단 확률을 크게 감소시켜 뛰어난 신뢰성을 확보한다. 시뮬레이션을 통해 검증되었다.

ABSTRACT

Communication reliability improving is one of most important research requirements in cognitive networks, as 5G communications technology rapidly develop nowadays. In this paper, we propose generalized optimal cloud-based region relays subsets paring model in underlay dual-hop cognitive networks, this unified model reveals three relays nodes characteristics of cloud-based cooperative networks in the nearby area- A subset, only needs receiving for first hop, B subset, just receive and forward, C subset, only forwarding. In addition, this generalized model can be converted into various classical relay selection algorithms when A, B and C subsets are taken as special selection values [Table II]. Furthermore, we put forward optimal relays subsets pairings and replacement algorithm flowchart to improve minimum outage probability (OP) for communication reliability, and prove that optimal relays subsets pairings (A, B, C) will better guarantee reliability of communication, comparing other popular relays selection schemes. Simulation results show that optimal relays paired subsets are exist and this generalized algorithm enormously reduces OP, comparing other selection algorithms.

연구 동기 및 목표

• 5G 기반 인지망에서 통신 신뢰성을 향상시킬 긴급한 필요성을 해결하기 위해.
• 통합된 세트 분류를 사용하여 언더레이 이중호출 인지망에서 리레이터 기능을 모델링하고 최적화하기 위해.
• 클라우드 기반 영역 인지망에서 리레이터 세트(A, B, C)의 최적 쌍지정을 통해 중단 확률(OP)을 감소시키기 위해.
• 기존의 고전적 리레이터 선택 알고리즘을 제안된 모델의 특수 케이스로 일반화하기 위해.
• 최적의 리레이터 세트 쌍지정 및 교체를 위한 체계적인 알고리즘 흐름도를 개발하기 위해.

제안 방법

• 논문은 이중방향 통신에서의 역할에 기반해 리레이터 노드를 세 가지 기능적 세트로 나누는 통합 모델을 도입한다: A(수신 전용), B(수신 및 전달), C(송신 전용).
• 특정 값으로 A, B, C 세트를 설정함으로써 고전적 방법으로 축소될 수 있는 일반화된 리레이터 선택 프레임워크를 수립한다.
• 반복적인 선택과 교체를 통해 최소 중단 확률(OP)을 최소화하기 위한 최적의 리레이터 세트 쌍지정 및 교체 알고리즘을 설계한다.
• 알고리즘은 채널 상태 정보 및 신뢰성 지표에 기반해 동적으로 리레이터 세트를 선택하고 재구성하는 흐름도 기반 접근법을 사용한다.
• 이론적 분석을 통해 (A, B, C) 쌍지정 구성이 기존 방법보다 낮은 OP를 달성함을 입증한다.
• 시뮬레이션을 통해 최적의 세트 쌍지정이 존재하고 다양한 네트워크 조건에서 중단 확률이 크게 감소함을 확인한다.

실험 결과

연구 질문

• RQ1 인지망에서 고전적 리레이터 선택 알고리즘을 통합하고 확장할 수 있는 일반화된 리레이터 세트 쌍지정 모델을 수립할 수 있는가?
• RQ2 리레이터를 A, B, C 세트로 분류하는 기능적 분류가 이중방향 클라우드 기반 인지망에서 중단 확률에 어떤 영향을 미치는가?
• RQ3 중단 확률을 최소화하고 통신 신뢰성을 향상시키기 위해 최적의 리레이터 세트 구성(A, B, C)은 무엇인가?
• RQ4 제안된 알고리즘이 하위 최적의 리레이터 쌍을 동적으로 식별하고 교체하여 낮은 중단 확률을 유지할 수 있는가?
• RQ5 제안된 일반화된 모델은 기존의 리레이터 선택 방법과 비교해 정량적으로 어떤 성능 차이를 보이는가?

주요 결과

• 제안된 일반화된 모델은 A, B, C 세트의 값을 조정함으로써 다수의 고전적 리레이터 선택 알고리즘을 특수 케이스로 성공적으로 통합한다.
• 최적의 리레이터 세트 쌍지정(A, B, C)이 존재하며, 다른 방법에 비해 중단 확률을 크게 감소시킴을 발견하였다.
• 시뮬레이션 결과는 제안된 알고리즘이 기존의 리레이터 선택 방법보다 더 낮은 최소 중단 확률을 달성함을 확인한다.
• 알고리즘의 흐름도 기반 설계는 리레이터 세트의 동적 및 적응적 선택을 가능하게 하여 시스템의 강건성을 향상시킨다.
• 이론적 증명을 통해 (A, B, C) 쌍지정 구성이 다른 방법보다 더 높은 통신 신뢰성을 보장함을 확인하였다.
• 다소 유망한 결과에도 불구하고, 저자들이 발견된 결함으로 인해 논문을 철수하였으며, 이는 구현 또는 분석에 잠재적인 문제를 시사한다.