[論文レビュー] Optimal Resource Allocation and Relay Selection in Bandwidth Exchange Based Cooperative Forwarding

Muhammad Nazmul Islam, Narayan B. Mandayam+1 more|arXiv (Cornell University)|Dec 24, 2011

Cooperative Communication and Network Coding参考文献 17被引用数 10

ひとこと要約

本稿は、協調無線ネットワークにおける最適リレーセレクションおよびリソース割り当てのための分散型帯域幅交換（BE）ベースのインcentiveメカニズムを提案する。問題を、利得を辺の重みとする非二部グラフ最大重みマッチング（MWM）としてモデル化することで、非協力的手法と比較してスルーレット効率が20–25%向上し、オフライン確率が90–98%低減される一方で、各ノードの初期利得を維持する。

ABSTRACT

In this paper, we investigate joint optimal relay selection and resource allocation under bandwidth exchange (BE) enabled incentivized cooperative forwarding in wireless networks. We consider an autonomous network where N nodes transmit data in the uplink to an access point (AP) / base station (BS). We consider the scenario where each node gets an initial amount (equal, optimal based on direct path or arbitrary) of bandwidth, and uses this bandwidth as a flexible incentive for two hop relaying. We focus on alpha-fair network utility maximization (NUM) and outage reduction in this environment. Our contribution is two-fold. First, we propose an incentivized forwarding based resource allocation algorithm which maximizes the global utility while preserving the initial utility of each cooperative node. Second, defining the link weight of each relay pair as the utility gain due to cooperation (over noncooperation), we show that the optimal relay selection in alpha-fair NUM reduces to the maximum weighted matching (MWM) problem in a non-bipartite graph. Numerical results show that the proposed algorithms provide 20- 25% gain in spectral efficiency and 90-98% reduction in outage probability.

研究の動機と目的

• 自律的無線ネットワークにおいて、ノードが帯域幅を交換することでリレーデータ転送サービスを提供し、分散型でインcentive駆動の協力転送を可能にすること。
• α-フェアなネットワーク利得最適化（NUM）とオフライン確率低減の下で、リレーセレクションとリソース割り当てを統合的に最適化すること。
• 帯域幅交換（BE）を用いて、グローバルシステム利得を最大化する一方で、各ノードの初期利得を維持すること。
• 動的で多数ノードを含む環境において、中央集権的ソリューションと比較して、シグナリングのオーバーヘッドと複雑さを低減すること。

提案手法

• 各ノードを頂点とし、各潜在的リレーペアを利得の増加に等しい重みを持つ辺として持つ非二部グラフとしてシステムをモデル化する。
• 最適リレーセレクション問題を、α-フェアなNUM問題の凸性を活用した解釈可能な最適化が可能な最大重みマッチング（MWM）問題に再定式化する。
• 分散型ローカルグリーディMWMアルゴリズムを用いて、中央集権的制御なしにスケーラブルで低オーバーヘッドのノード連携を実現する。
• デコードアンドフォワード（DF）リレーリングにおける実現可能レートを、コードブック分割と情報理論的原則を用いて定義し、基地局での信頼性の高い復元を保証する。
• MWM問題の線形計画緩和を適用して、理論的に最適解の少なくとも50%の性能を保証する整数解を効率的に得る。
• オフライン確率問題を二部グラフ最大マッチングに還元することで、効率的な分散実装を可能にする。

実験結果

リサーチクエスチョン

• RQ1 分散型でインcentive駆動の協調無線ネットワークにおいて、最適リレーセレクションとリソース割り当てをどのように統合的に達成できるか？
• RQ2 α-フェアネスを満たす条件下でシステム利得を最大化するためのマッチングベースのリレーセレクションフレームワークにおけるリンク重みを最適に定義する方法は何か？
• RQ3 外部経済に依存せずに、自己持続的で分散型のインcentiveメカニズムを帯域幅交換（BE）によって構築できるか？
• RQ4 提案手法は、非協力的またはヒューリスティック手法と比較して、スペクトル効率およびオフライン性能をどの程度向上させるか？

主な発見

• 提案されたBEベースのリソース割り当てアルゴリズムは、20ノードのネットワークにおいて、非協力的伝送と比較して20–25%のスペクトル効率向上を達成する。
• 直接伝送と比較して、オフライン確率を90–98%低減し、信頼性を著しく向上させる。
• α-フェアなNUM下での最適リレーセレクションは、利得を辺の重みとする非二部グラフ最大重みマッチング（MWM）問題に還元される。
• 分散型ローカルグリーディMWMアルゴリズムは、O(N²)のメッセージ複雑度で中央集権的最適マッチング性能の少なくとも50%を達成する。
• オフライン確率最小化問題は二部グラフ最大マッチングの定式化に還元され、効率的な分散展開が可能になる。
• 本システムは、グローバルネットワーク利得を最大化する一方で、各ノードの初期利得を維持し、自律ネットワークにおけるフェアネスと持続可能性を確保する。