[论文解读] Mobile Geometric Graphs, and Detection and Communication Problems in Mobile Wireless Networks

Alistair Sinclair, Alexandre Stauffer|arXiv (Cornell University)|May 7, 2010

Opportunistic and Delay-Tolerant Networks参考文献 25被引用 11

一句话总结

本文提出了移动几何图（MGGs），这是一种扩展随机几何图框架的移动无线网络真实模型。在布朗运动下分析了检测时间和连通时间，结果表明：在二维中，检测时间尾部衰减为 exp(−Θ(t/log t))，在三维中为 exp(−Θ(t))；而连通时间尾部衰减为 exp(−Ω(t^{d/(d+2)}))，从而在高概率下实现 O(log^{1+2/d} n) 时间内的广播通信。

ABSTRACT

Static wireless networks are by now quite well understood mathematically through the random geometric graph model. By contrast, there are relatively few rigorous results on the practically important case of mobile networks, in which the nodes move over time; moreover, these results often make unrealistic assumptions about node mobility such as the ability to make very large jumps. In this paper we consider a realistic model for mobile wireless networks which we call mobile geometric graphs, and which is a natural extension of the random geometric graph model. We study two fundamental questions in this model: detection (the time until a given "target" point - which may be either fixed or moving - is detected by the network), and percolation (the time until a given node is able to communicate with the giant component of the network). For detection, we show that the probability that the detection time exceeds t is \exp(-Θ(t/\log t)) in two dimensions, and \exp(-Θ(t)) in three or more dimensions, under reasonable assumptions about the motion of the target. For percolation, we show that the probability that the percolation time exceeds t is \exp(-Ω(t^\frac{d}{d+2})) in all dimensions d\geq 2. We also give a sample application of this result by showing that the time required to broadcast a message through a mobile network with n nodes above the threshold density for existence of a giant component is O(\log^{1+2/d} n) with high probability.

研究动机与目标

• 通过引入具有连续节点运动的时间演化几何图模型，实现对移动无线网络的更真实建模。
• 在固定目标和移动目标两种情形下，分析网络首次感知目标所需时间（即检测时间）。
• 在布朗运动移动模型下，研究节点连接至最大连通分量所需时间（即连通时间）。
• 推导检测时间和连通时间的紧致尾部界限，以促进理论理解与实际应用。
• 将连通时间结果应用于推导移动网络中广播时间的高概率上界。

提出的方法

• 将移动网络建模为移动几何图（MGGs），其中节点在 R^d 中执行独立的布朗运动，方差恒为 s^2。
• 采用离散时间观测模型，每个时间步长内节点位置通过独立同分布的正态位移进行更新。
• 利用 Palm 理论与平移不变性，将连通时间分析简化为对原点处单个节点的分析。
• 结合连续渗流理论与维纳管理论，对检测时间尾部概率进行上界估计。
• 利用切尔诺夫不等式与并集界，将无限网络中的结果推广至包含 n 个节点的有限网络。
• 通过将连通时间与连通分量间的消息传播关联，推导广播时间的上界。

实验结果

研究问题

• RQ1 在布朗运动下，移动几何图中检测时间的尾部行为如何？
• RQ2 连通时间（即节点连接至最大连通分量的时间）如何随时间与维度变化？
• RQ3 能否利用连通时间的尾部界限推导出移动网络中广播时间的高概率上界？
• RQ4 检测时间与连通时间的行为在二维与更高维度之间有何差异？
• RQ5 所推导的尾部界限在何种最广泛的移动模型类中仍保持有效？

主要发现

• 在合理的目标运动假设下，二维中检测时间超过 t 的概率衰减为 exp(−Θ(t/log t))。
• 在三维或更高维度中，检测时间尾部衰减为 exp(−Θ(t))，表明其收敛速度优于二维情形。
• 在所有维度 d ≥ 2 中，连通时间尾部衰减为 exp(−Ω(t^{d/(d+2)}))，表明高维中收敛更慢。
• 在高于连通阈值的移动网络中，n 个节点的广播时间以高概率为 O(log^{1+2/d} n)。
• 当网络规模足够大时，连通时间尾部界限在有限区域内仍成立，确保其在实际场景中的适用性。
• 分析可推广至恰好包含 n 个节点的网络，此时广播时间以高概率仍为 O(log^{1+2/d} n)。