[论文解读] Meta Distribution of SIR in Ultra-Dense Networks with Bipartite Euclidean Matchings

Alexander P. Kartun-Giles, Konstantinos Koufos+1 more|arXiv (Cornell University)|Jan 1, 2019

Advanced MIMO Systems Optimization参考文献 33被引用 5

一句话总结

本文提出一种双分图欧几里得匹配框架，用于分析超密集网络中信干比（SIR）的元分布，通过两个二项点过程之间的最优匹配建模可变链路距离。推导了元分布的各阶矩，并表明与固定距离模型相比，可变链路距离显著改变了其统计特性，且与蒙特卡罗仿真结果高度一致。

ABSTRACT

In this paper we study how a bipartite Euclidean matching can be used to investigate the reliability of communication in interference-limited ultra-dense networks. We do this by studying the corresponding statistics of the meta distribution of the signal-to-interference ratio in a near-optimally short, perfect, Euclidean distance edge-weighted, bipartite matching between two binomial point processes. This gives the proportion of point processes which have a reliable link near the origin, or, due to ergodicity, the proportion of all links, in one randomly selected point pattern, which are reliable. The new matching idea effectively leads to variable link distances, a factor not typically incorporated in meta distribution studies. We ask how this effects its statistics, deriving the moments of the meta distribution, comparing with Monte Carlo simulations, and analysing the key differences which appear, particularly the effects of the significantly different link distance distribution.

研究动机与目标

• 研究通过最优双分图欧几里得匹配引入的可变链路距离，如何影响干扰受限的超密集网络中通信的可靠性。
• 利用信干比（SIR）的元分布，对典型网络实现中可靠链路的比例进行建模。
• 在该匹配框架下，推导元分布各阶矩的解析表达式。
• 将推导出的统计特性与蒙特卡罗仿真结果进行比较，识别由非均匀链路距离分布带来的关键差异。

提出的方法

• 将网络建模为两个独立的二项点过程，分别表示发送机和接收机。
• 应用完美、基于距离的、边权加权的双分图欧几里得匹配，根据最小欧几里得距离将发送机与接收机配对。
• 利用匹配后的链路计算每条链路的SIR，并推导单次网络实现中所有链路SIR的元分布。
• 基于匹配后链路距离的统计特性，解析推导元分布的各阶矩。
• 通过与相同网络模型的蒙特卡罗仿真结果对比，验证解析结果的准确性。
• 分析由匹配引入的非均匀链路距离分布对元分布形状和各阶矩的影响。

实验结果

研究问题

• RQ1 通过双分图欧几里得匹配引入可变链路距离后，对超密集网络中SIR的元分布有何影响？
• RQ2 在该基于匹配的模型下，元分布的解析矩是什么？
• RQ3 与假设链路距离固定或均匀分布的模型相比，所得统计特性有何差异？
• RQ4 在匹配网络中，非均匀链路距离分布引入了哪些关键的统计差异？
• RQ5 解析结果与经验蒙特卡罗仿真结果在多大程度上一致？

主要发现

• 双分图欧几里得匹配引入了非均匀的链路距离分布，与固定距离或均匀分布距离模型相比，显著改变了SIR的元分布。
• 元分布各阶矩的解析推导与蒙特卡罗仿真结果高度一致，验证了所提框架的有效性。
• 可变链路距离导致更真实且异质的链路可靠性分布，链路间SIR性能的变异性更高。
• 与传统模型相比，该匹配模型下的元分布表现出不同的尾部行为和集中程度，表明可靠性特征发生了变化。
• 结果表明，由最优匹配引起的链路距离异质性在元分布分析中不可忽视，因为它从根本上改变了网络可靠性的统计特性。