[논문 리뷰] Massive Machine Type Communication with Data Aggregation and Resource Scheduling

Jing Guo, Salman Durrani외 2명|arXiv (Cornell University)|2016. 11. 10.

IoT Networks and Protocols참고 문헌 27인용 수 3

한 줄 요약

이 논문은 네트워크 혼잡도를 줄이고 신뢰성을 햖스키기 위해 데이터 집계와 자원 스케줄링을 포함한 이단계 셀룰러 mMTC 프레임워크를 제안한다. 스토하스틱 기하학을 사용하여 무작위 스케줄링(RRS)과 채널 인지 스케줄링(CRS) 하에서 신호 대 간섭비(SIR)와 성공 확률을 분석하며, RRS는 복잡도가 훨씬 낮음에도 불구하고 CRS에 비해 거의 동일한 성능을 보이며, 과도한 집계 단계 자원 할당이 항상 성능 향상으로 이어지지 않는다는 것을 보여준다.

ABSTRACT

To enable massive machine type communication (mMTC), data aggregation is a promising approach to reduce the congestion caused by a massive number of machine type devices (MTDs). In this work, we consider a two-phase cellular-based mMTC network where MTDs transmit to aggregators (i.e., aggregation phase) and the aggregated data is then relayed to base stations (i.e., relaying phase). Due to the limited resources, the aggregators not only aggregate data, but also schedule resources among MTDs. We consider two scheduling schemes: random resource scheduling (RRS) and channel-aware resource scheduling (CRS). By leveraging the stochastic geometry, we present a tractable analytical framework to investigate the signal-to-interference ratio (SIR) for each phase, thereby computing the MTD success probability, the average number of successful MTDs and probability of successful channel utilization, which are the key metrics characterizing the overall mMTC performance. Our numerical results show that, although the CRS outperforms the RRS in terms of SIR at the aggregation phase, the simpler RRS has almost the same performance as the CRS for most cases with regards to the overall mMTC performance. Furthermore, the provision of more resources at the aggregation phase is not always beneficial to the mMTC performance.

연구 동기 및 목표

• 저전력, 저복잡도의 장치 밀도가 높아서 발생하는 대량의 기계 유형 통신(mMTC) 환경에서의 네트워크 혼잡 문제를 해결하기 위해.
• MTD가 먼저 집계기기에게 전송하고, 이후 집계된 데이터가 기지국으로 릴레이되는 이단계 mMTC 아키텍처를 설계하기 위해.
• 특히 무작위(RRS)와 채널 인지(CRS) 스케줄링 방식을 포함한 자원 스케줄링이 시스템 성능에 미치는 영향을 평가하기 위해.
• 간섭을 모델링하고 성공 확률, 채널 이용률과 같은 핵심 성능 지표를 계산하기 위해 스토하스틱 기하학을 기반으로 분석 프레임워크를 개발하기 위해.
• 집계 단계에서의 자원 할당과 전체 mMTC 성능 간의 트레이드오프를 조사하기 위해.

제안 방법

• 포아송 분포를 따르는 기지국(BS)과 집계기기를 가진 대규모 셀룰러 네트워크를 모델링하며, 이를 포아송 점 프로세스로 표현한다.
• 스토하스틱 기하학을 적용하여 집계 단계와 릴레이 단계의 신호 대 간섭비(SIR) 분포를 유도한다.
• 모멘트 생성 함수(MGF) 기법과 캄벨의 정리를 사용하여 활성 집계기기와 기지국으로부터의 간섭을 계산한다.
• 무작위 자원 스케줄링(RRS)과 채널 인지 자원 스케줄링(CRS)이라는 두 가지 자원 스케줄링 방식을 구현하며, 후자는 채널 품질에 따라 링크 우선순위를 정한다.
• 핵심 지표인 MTD 성공 확률, 성공한 MTD 평균 수, 채널 이용률 성공 확률에 대한 폐쇄형 수식을 유도한다.
• 기지국에 활성 집계기가 없을 경우를 고려하기 위해 빈도 확률 모델을 적용하고, 샤프닝 fading에는 감마 분포를 사용한다.

실험 결과

연구 질문

• RQ1 mMTC 네트워크의 집계 단계에서 자원 스케줄링, 특히 RRS 대비 CRS가 SIR와 성공 확률에 어떤 영향을 미치는가?
• RQ2 집계 단계에서 자원 할당을 늘일 경우 전체 mMTC 성능에 어떤 영향을 미치며, 항상 성능 향상으로 이어지는가?
• RQ3 다수의 집계기기와 기지국으로부터 발생하는 간섭이 대규모 mMTC 환경에서의 데이터 전송 신뢰성에 어떤 영향을 미치는가?
• RQ4 실제 간섭과 자원 제약 조건 하에서도 더 단순한 RRS 방식이 더 복잡한 CRS 방식과 거의 동일한 성능을 달성할 수 있는가?
• RQ5 집계 단계에서의 자원 제공와 시스템 전체의 신뢰성 및 처리량 간 최적의 트레이드오프는 무엇인가?

주요 결과

• 채널 인지 자원 스케줄링(CRS) 방식은 무작위 자원 스케줄링(RRS)에 비해 집계 단계에서 더 높은 SIR를 달성하여 최적 스케줄링 하에서 더 나은 링크 품질을 보인다.
• SIR의 우월성에도 불구하고, RRS는 성공 확률과 성공한 MTD 수에서 CRS와 거의 동일한 전체 mMTC 성능을 달성하여 복잡도가 크게 감소함에도 불구하고 성능 손실가 매우 작다.
• 집계 단계에서 할당된 자원 수를 늘릴수록 성능 향상이 항상 이루어지는 것은 아니며, 특정 지점 이후에는 추가 자원이 간섭을 증가시켜 수익 감소 현상이 발생한다.
• 채널 이용률 성공 확률은 기지국당 활성 집계기기 수에 매우 민감하며, 동일한 자원 블록을 공유하는 집계기기가 너무 많아지면 성능이 떨어진다.
• 스토하스틱 기하학 기반 분석 프레임워크는 시스템 성능을 정확하게 예측할 수 있으며, 이론적 유도 결과와 일치하는 수치 결과로 검증되었다.
• 빈도 확률 모델은 기지국에 활성 집계기가 없을 경우를 효과적으로 반영하여 성능 평가의 정확도를 향상시켰다.