[論文レビュー] On approximating Gaussian relay networks by deterministic networks

M. Anand, P. R. Kumar|ArXiv.org|Apr 6, 2009

Cooperative Communication and Network Coding参考文献 5被引用数 8

ひとこと要約

本稿では、ガウス型リレーネットワークの決定的モデルによる近似について検討し、線形決定的モデルが信号位相を捉えられず、容量ギャップが有界でない可能性があることを示している。一方、符号付き整数のチャネルゲインを有する離散重ね合わせモデルは、有界で正確な近似を提供する。主な貢献は、MIMOチャネルが線形決定的モデルではうまく近似できないが、離散重ね合わせモデルではうまく近似できることを確立したことである。

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.

研究の動機と目的

• ガウス型リレーネットワークがどの程度決定的ネットワークモデルで近似可能かを評価すること。
• 線形決定的モデルが位相や振幅スケーリングといった重要な信号特性を捉えられない限界を特定すること。
• 離散重ね合わせモデルを提案・検証し、ガウス型ネットワークのより正確な代替近似としての有効性を示すこと。
• ガウス型モデルと決定的モデル間の近似誤差に理論的限界を確立すること。
• 特に容量を達成する符号化戦略の文脈において、MIMOチャネル近似に及ぼす影響を検討すること。

提案手法

• 各ガウス型チャネルを、チャネルゲインの大きさに基づいて有意義なビット数を保持するバイナリ行列に置き換えることにより、線形決定的ネットワークを構築する。
• 有限体上のカットセット境界を用いて、伝達行列のランクを活用し、線形決定的ネットワークの容量を計算する。
• 入力と出力を離散化し、チャネルゲインを符号付き整数とする離散重ね合わせモデルを定義し、信号を整数部と小数部に正確に分解可能にする。
• 受信信号を整数部と小数部に分解することで、ガウス型ネットワークと離散重ね合わせネットワーク間の相互情報量の差を分析する。
• 小数部とノイズ成分のエントロピーを測定することで、カットごとの相互情報量誤差を限定し、チャネルゲインに依存しない定数の加法的ギャップを示す。
• 実部と虚部を別々のガウス変数として扱い、同じ分解とエントロピーの限定技術を適用することで、複素数のMIMOチャネルへ分析を拡張する。

実験結果

リサーチクエスチョン

• RQ1 線形決定的モデルは、1つの送信者-受信者ペairを持つガウス型リレーネットワークの容量を、有界な誤差で正確に近似できるか？
• RQ2 線形決定的モデルがガウス型ネットワークの挙動を捉える際に、根本的な限界は何か？
• RQ3 離散入力と符号付き整数のチャネルゲインを有する離散重ね合わせモデルは、ガウス型ネットワークに対して有界な近似を提供するか？
• RQ4 MIMOガウス型チャネルは決定的モデルでうまく近似可能か？ もしそうなら、どのようなタイプか？
• RQ5 離散重ね合わせモデルにおいて、近似誤差はネットワークサイズやチャネルパラメータにどのように依存するか？

主な発見

• 信号位相と振幅スケーリングの損失により、ガウス型リレーネットワークとその線形決定的ネットワーク近似との間の容量ギャップは、無限大に達する可能性がある。
• 正の実数値のチャネルゲインであっても、線形決定的モデルは位相差を表現できないため、有界な近似を提供できない。
• 離散入力と符号付き整数のチャネルゲインを有する離散重ね合わせモデルは、ガウス型リレーネットワークに対して有界な近似を提供し、2ユーザー例では任意のカットにおける相互情報量ギャップが最大28ビットである。
• 近似誤差はチャネルゲインに依存せず、ノード数にのみ依存するため、容量ギャップに普遍的な限界が存在する。
• 位相と振幅に敏感なMIMOガウス型チャネルは、線形決定的モデルではうまく近似できないが、離散重ね合わせモデルではうまく近似できる。
• 離散重ね合わせモデルにおける任意の同時入力分布に対して、対応するガウス型チャネルの相互情報量は、元の値から定数の加法的ギャップ（例では28ビット以内）で抑えられ、モデルの忠実性が確認された。