[논문 리뷰] The Ginibre Point Process as a Model for Wireless Networks with Repulsion

Na Deng, Wuyang Zhou외 1명|arXiv (Cornell University)|2014. 01. 15.

Point processes and geometric inequalities참고 문헌 12인용 수 25

한 줄 요약

이 논문은 반발력을 갖는 무선 네트워크를 위한 분석적 접근이 가능한 모델로 $\beta$-Ginibre 점 과정($\beta$-GPP)을 제안한다. 이는 포아송 점 과정(PPP)과 하드코어 Ginibre 과정 사이의 격차를 메운다. 결정적 점 과정의 분석적 성질을 활용하여 간섭의 평균과 분산에 대한 폐쇄형 표현식을 유도하고, 간섭 분포를 감마, 역가우스, 역감마 분포를 사용하여 근사한다. 또한 $\beta$-GPP는 실제 셀룰러 이동국 배치를 정확하게 모델링하며 높은 커버리지 확률 정확도를 달성한다.

ABSTRACT

The spatial structure of transmitters in wireless networks plays a key role in evaluating the mutual interference and hence the performance. Although the Poisson point process (PPP) has been widely used to model the spatial configuration of wireless networks, it is not suitable for networks with repulsion. The Ginibre point process (GPP) is one of the main examples of determinantal point processes that can be used to model random phenomena where repulsion is observed. Considering the accuracy, tractability and practicability tradeoffs, we introduce and promote the $β$-GPP, an intermediate class between the PPP and the GPP, as a model for wireless networks when the nodes exhibit repulsion. To show that the model leads to analytically tractable results in several cases of interest, we derive the mean and variance of the interference using two different approaches: the Palm measure approach and the reduced second moment approach, and then provide approximations of the interference distribution by three known probability density functions. Besides, to show that the model is relevant for cellular systems, we derive the coverage probability of the typical user and also find that the fitted $β$-GPP can closely model the deployment of actual base stations in terms of the coverage probability and other statistics.

연구 동기 및 목표

• 실제 무선 네트워크의 공간 반발을 모델링하는 데 있어 반발성 점 과정의 분석적 접근성 부족 문제를 해결하기 위해.
• 포아송 점 과정(PPP)과 하드코어 Ginibre 과정 사이의 민감한 중간 모델로 $\beta$-Ginibre 점 과정($\beta$-GPP)을 제안하기 위해.
• 반발성 하에서 간섭과 커버리지 확률과 같은 핵심 성능 지표의 분석을 가능하게 하기 위해 $\beta$-GPP를 활용하기 위해.
• 실제 이동국 배치 데이터에 모델을 피팅하고 커버리지 확률 및 공간 통계에서의 높은 일치도를 보여줌으로써 모델을 검증하기 위해.

제안 방법

• Ginibre 점 과정(GPP)을 유지 확률 $\beta$와 스케일링 요소 $\sqrt{\beta}$로 희석 및 재스케일링하여 $\beta$-GPP를 구성함으로써 강도를 유지한다.
• 간섭의 평균과 분산에 대한 폐쇄형 표현식을 유도하기 위해 팔름 측도와 감소된 두 번째 모멘트 측도를 사용한다.
• 일치하는 모멘트 기반으로 감마, 역가우스, 역감마 분포를 사용하여 간섭 분포를 근사한다.
• 간섭의 라플라스 변환과 $\beta$-GPP의 모멘트 밀도를 포함하는 계산 가능한 표현식을 사용하여 셀룰러 네트워크에서의 커버리지 확률을 유도한다.
• 공개 데이터베이스에서 확보한 실제 이동국 데이터에 모델을 피팅하고 $K$, $L$, $J$ 함수를 사용하여 성능을 검증한다.
• 이론적 유도는 渐近 분석을 통해 지지되며, 간섭 임계치 $c \to \infty$일 때 평균 간섭이 약선형 함수로 수렴함을 보여준다.

실험 결과

연구 질문

• RQ1 Can the $\beta$-Ginibre point process provide a tractable yet accurate model for wireless networks with repulsion, bridging the gap between PPP and hard-core models?
• RQ2 What are the closed-form expressions for the mean and variance of interference under the $\beta$-GPP, and how do they compare to those under other point processes?
• RQ3 How well can the $\beta$-GPP approximate the interference distribution using standard probability distributions like gamma, inverse Gaussian, and inverse gamma?
• RQ4 To what extent does the $\beta$-GPP match real-world base station deployments in terms of spatial statistics and coverage probability?
• RQ5 What is the analytical expression for the coverage probability in a cellular network under the $\beta$-GPP, and how does it compare to the PPP?

주요 결과

• Palm 측도와 감소된 두 번째 모멘트 접근법을 사용하여 $\beta$-GPP 하에서 간섭의 평균이 유도되었으며, 비완전 감마 함수를 포함하는 폐쇄형 표현식을 제공한다.
• As $c \to \infty$, the mean interference approaches an affine function $a + bc$, with $a = -\beta r_0^{-\alpha}$ and $b = \frac{\alpha}{\alpha-2}r_0^{2-\alpha}$, indicating a linear asymptotic behavior.
• The variance of interference is derived in closed form, involving integrals of $\max\{r_0^2, q\}^{-\alpha}$ and sums over gamma-distributed random variables, with explicit expressions for $\alpha > 1$.
• The interference distribution is well-approximated by the gamma, inverse Gaussian, and inverse gamma distributions, based on matched mean and variance.
• The $\beta$-GPP fits real base station deployments with high accuracy, matching empirical coverage probability and spatial statistics such as $K$, $L$, and $J$ functions.
• The coverage probability expression is derived in a computable form involving integrals over the $\beta$-GPP's moment densities and Laplace transforms, enabling numerical evaluation.