[论文解读] Opportunistic Cooperation in Cognitive Femtocell Networks

Rahul Urgaonkar, Michael J. Neely|arXiv (Cornell University)|Mar 7, 2011

Cognitive Radio Networks and Spectrum Sensing参考文献 24被引用 5

一句话总结

本文提出了一种基于李雅普诺夫优化的在线控制算法，用于认知 femtocell 网络中的机会性协作，其中次用户协作协助主用户以提高其传输可靠性，作为交换，获得更多的接入机会。该方法在时间平均功率约束下实现了次用户吞吐量的可证明最优，克服了传统动态规划在受限马尔可夫决策过程中的局限性。

ABSTRACT

We investigate opportunistic cooperation between unlicensed secondary users and legacy primary users in a cognitive radio network. Specifically, we consider a model of a cognitive network where a secondary user can cooperatively transmit with the primary user in order to improve the latter's effective transmission rate. In return, the secondary user gets more opportunities for transmitting its own data when the primary user is idle. This kind of interaction between the primary and secondary users is different from the traditional dynamic spectrum access model in which the secondary users try to avoid interfering with the primary users while seeking transmission opportunities on vacant primary channels. In our model, the secondary users need to balance the desire to cooperate more (to create more transmission opportunities) with the need for maintaining sufficient energy levels for their own transmissions. Such a model is applicable in the emerging area of cognitive femtocell networks. We formulate the problem of maximizing the secondary user throughput subject to a time average power constraint under these settings. This is a constrained Markov Decision Problem and conventional solution techniques based on dynamic programming require either extensive knowledge of the system dynamics or learning based approaches that suffer from large convergence times. However, using the technique of Lyapunov optimization, we design a novel greedy and online control algorithm that overcomes these challenges and is provably optimal.

研究动机与目标

• 解决认知 femtocell 网络中资源分配的挑战，其中次用户可协作协助主用户以提高其可靠性。
• 将主用户与次用户之间的交互建模为受限马尔可夫决策过程（MDP），其中次用户的行为影响主用户信道占用情况。
• 设计一种低复杂度、在线控制算法，以在满足时间平均功率约束的前提下最大化次用户吞吐量。
• 克服传统动态规划和基于学习的方法的局限性，后者需要大量系统知识或存在收敛缓慢的问题。
• 利用李雅普诺夫优化技术建立可证明最优的解决方案，确保系统稳定性和性能保障。

提出的方法

• 将问题表述为受限 MDP，其中系统状态（主用户信道占用）依赖于次用户的行为。
• 应用李雅普诺夫优化框架，设计一种贪心的在线控制算法，以最小化漂移加惩罚表达式。
• 利用漂移加惩罚技术平衡队列稳定性和吞吐量效用，确保满足时间平均功率约束。
• 使用更新理论和利特尔定律推导关键性能指标的表达式，如预期忙期持续时间与到达间隔时间。
• 利用无记忆特性及到达和处理时间的独立同分布假设，计算忙期的二阶矩。
• 通过利用李雅普诺夫漂移方法，将原始 MDP 转化为可处理的优化问题，从而实现实时、与状态无关的控制决策。

实验结果

研究问题

• RQ1 在认知 femtocell 网络中，次用户如何协作协助主用户以提高其传输成功概率？
• RQ2 在功率约束下，次用户协作努力与自维持传输机会之间的最优权衡是什么？
• RQ3 次用户协作如何影响主用户的信道占用过程和队列动态？
• RQ4 一种低复杂度、在线算法能否在不依赖系统动态完整知识的前提下实现次用户吞吐量的可证明最优？
• RQ5 何种分析框架可用于推导性能边界，并在这样的协作式认知无线电系统中设计稳定高效的控制策略？

主要发现

• 所提出的基于李雅普诺夫的算法在时间平均功率约束下实现了次用户吞吐量的可证明最优，具有性能保障。
• 主用户传输之间的预期到达间隔时间推导为 $\mathbb{E}\{I\} = 1/\lambda_{pu}$，预期忙期持续时间为 $\mathbb{E}\{B\} = 1/(\phi_{nc} - \lambda_{pu})$。
• 忙期的二阶矩推导为 $\mathbb{E}\{B^2\} = \frac{(2-\phi_{nc})}{\phi_{nc}(\phi_{nc}-\lambda_{pu})} + \frac{2\lambda_{pu}}{\phi_{nc}(\phi_{nc}-\lambda_{pu})^2} + \frac{4\lambda_{pu}^2(1-\phi_{nc})}{\phi_{nc}(\phi_{nc}-\lambda_{pu})^3}$，从而实现精确的性能分析。
• 该算法避免了对动态规划或基于学习方法的需求，实现了快速收敛和低计算复杂度。
• 该模型捕捉了次用户协作影响主用户行为的反馈回路，这是与传统动态频谱接入模型的关键区别。
• 该框架通过支持实时、状态感知的控制决策并提供理论最优性保障，支持在认知 femtocell 网络中的实际部署。