[논문 리뷰] On approximating Gaussian relay networks by deterministic networks

M. Anand, P. R. Kumar|ArXiv.org|2009. 04. 06.

Cooperative Communication and Network Coding참고 문헌 5인용 수 8

한 줄 요약

이 논문은 가우시안 리레이 네트워크를 결정론적 모델로 근사하는 것을 조사하며, 선형 결정론적 모델이 신호 위상을 반영하지 못해 유계가 아닌 용량 갭을 초래할 수 있음을 보여주고, 부호가 있는 정수 채널 이득을 가진 이산 초합 모델이 유계이면서 정확한 근사를 제공함을 밝힌다. 주요 기여는 MIMO 채널이 선형 결정론적 모델로는 잘 근사되지 않지만, 이산 초합 모델로는 잘 근사됨을 입증하는 것이다.

ABSTRACT

We examine the extent to which Gaussian relay networks can be approximated by deterministic networks, and present two results, one negative and one positive. The gap between the capacities of a Gaussian relay network and a corresponding linear deterministic network can be unbounded. The key reasons are that the linear deterministic model fails to capture the phase of received signals, and there is a loss in signal strength in the reduction to a linear deterministic network. On the positive side, Gaussian relay networks are indeed well approximated by certain discrete superposition networks, where the inputs and outputs to the channels are discrete, and channel gains are signed integers. As a corollary, MIMO channels cannot be approximated by the linear deterministic model but can be by the discrete superposition model.

연구 동기 및 목표

• 가우시안 리레이 네트워크가 결정론적 네트워크 모델로 얼마나 잘 근사될 수 있는지 평가하기.
• 선형 결정론적 모델이 위상과 진폭 스케일링과 같은 핵심 신호 특성을 반영하지 못하는 데서 비롯되는 한계를 규명하기.
• 이산 초합 모델을 제안하고, 이가 가우시안 네트워크를 더 정확하게 근사하는 데에 적합한지 검증하기.
• 가우시안 모델과 결정론적 모델 간의 근사 오차에 대한 이론적 한계를 설정하기.
• 특히 용량을 달성하는 코드 전략의 맥락에서 MIMO 채널 근사에 대한 영향을 검토하기.

제안 방법

• 채널 이득의 크기에 따라 유의미한 비트 수를 유지하는 이진 행렬로 각 가우시안 채널을 대체하여 선형 결정론적 네트워크를 구성하기.
• 유한체 위에서 컷-세트 한계를 사용하여 선형 결정론적 네트워크의 용량을 계산하기. 이때 전달 행렬의 랭크를 활용한다.
• 입력과 출력이 이산적이고 채널 이득이 부호가 있는 정수인 이산 초합 모델을 정의하여 신호를 정수 및 분수 부분으로 정확히 분해할 수 있도록 하기.
• 수신 신호를 정수 및 분수 성분으로 분해하여 가우시안 모델과 이산 초합 모델 간의 상호정보량 차이를 분석하기.
• 컷을 기준으로 상호정보량 오차를 유계화하기 위해 분수 부분과 노이즈 성분의 엔트로피를 측정하고, 채널 이득에 무관한 상수 추가 갭을 보여주기.
• 실수 및 허수 부분을 별개의 가우시안 변수로 간주하고 동일한 분해 및 엔트로피 유계화 기법을 복소수 MIMO 채널에 확장하기.

실험 결과

연구 질문

• RQ1 단일 소스-디스티네이션 쌍을 가진 가우시안 리레이 네트워크의 용량을 선형 결정론적 모델이 유의미하게 근사할 수 있는가?
• RQ2 선형 결정론적 모델이 가우시안 네트워크의 거동을 반영하는 데서 유달리 나타나는 근본적 한계는 무엇인가?
• RQ3 이산 입력과 부호가 있는 정수 채널 이득을 가진 이산 초합 모델이 가우시안 네트워크에 대해 유계 근사를 제공하는가?
• RQ4 MIMO 가우시안 채널은 결정론적 모델로 잘 근사될 수 있으며, 만약 그렇다면 어떤 유형의 모델인가?
• RQ5 이산 초합 모델에서 근사 오차는 네트워크 크기와 채널 파rameter에 따라 어떻게 변화하는가?

주요 결과

• 가우시안 리레이 네트워크와 그에 대응하는 선형 결정론적 네트워크 근사 간의 용량 갭은 신호 위상과 진폭 스케일링의 손실로 인해 유계가 아닐 수 있다.
• 양의 실수 채널 이득이 존재하더라도 선형 결정론적 모델은 위상 차이를 표현할 수 없어 유계 근사를 제공하지 못한다.
• 이산 입력과 부호가 있는 정수 채널 이득을 가진 이산 초합 모델은 가우시안 리레이 네트워크를 유계로 근사하며, 두 사용자 예제에서 어떤 컷에서도 상호정보량 갭이 최대 28비트 이내이다.
• 근사 오차는 채널 이득에 영향을 받지 않고 노드 수에만 의존하므로, 용량 갭에 대한 보편적인 유계가 존재함을 시사한다.
• MIMO 가우시안 채널은 위상과 진폭 민감도로 인해 선형 결정론적 모델로는 잘 근사되지 않지만, 이산 초합 모델로는 잘 근사된다.
• 이산 초합 모델의 임의의 동시 입력 분포에 대해, 해당하는 가우시안 채널의 상호정보량은 원래 값과 최대 28비트 이내의 상수 추가 갭 내에 있으며, 이는 모델의 정밀도를 확인한다.