[论文解读] Adaptive Spatial Aloha, Fairness and Stochastic Geometry

François Baccelli, Chandramani Singh|arXiv (Cornell University)|Mar 6, 2013

Cooperative Communication and Network Coding参考文献 19被引用 11

一句话总结

本文提出了一种分布式、空间自适应的Aloha协议，利用随机几何方法优化介质访问概率（MAP），以实现比例公平性、最大吞吐量或最大最小公平性。研究表明，在节点的泊松点场中，比例公平性下的最优MAP分布可由泊松噪声过程导出，从而实现对网络效用和吞吐量增益的可 tractable 分析，相较于传统Aloha协议具有优势。

ABSTRACT

This work aims at combining adaptive protocol design, utility maximization and stochastic geometry. We focus on a spatial adaptation of Aloha within the framework of ad hoc networks. We consider quasi-static networks in which mobiles learn the local topology and incorporate this information to adapt their medium access probability (MAP) selection to their local environment. We consider the cases where nodes cooperate in a distributed way to maximize the global throughput or to achieve either proportional fair or max-min fair medium access. In the proportional fair case, we show that nodes can compute their optimal MAPs as solutions to certain fixed point equations. In the maximum throughput case, the optimal MAPs are obtained through a Gibbs Sampling based algorithm. In the max min case, these are obtained as the solution of a convex optimization problem. The main performance analysis result of the paper is that this type of distributed adaptation can be analyzed using stochastic geometry in the proportional fair case. In this case, we show that, when the nodes form a homogeneous Poisson point process in the Euclidean plane, the distribution of the optimal MAP can be obtained from that of a certain shot noise process w.r.t. the node Poisson point process and that the mean utility can also be derived from this distribution. We discuss the difficulties to be faced for analyzing the performance of the other cases (maximum throughput and max-min fairness). Numerical results illustrate our findings and quantify the gains brought by spatial adaptation in such networks.

研究动机与目标

• 开发一种分布式介质访问控制协议，使其能够根据自Ad hoc网络中的局部拓扑和信道条件进行自适应调整。
• 通过本地节点决策优化网络性能，以最大化全局效用——包括吞吐量、比例公平性或最大最小公平性。
• 利用随机几何方法分析此类自适应协议的性能，尤其针对大规模随机网络。
• 量化空间自适应相较于传统Aloha在吞吐量和公平性方面的增益。
• 识别在何种条件下，随机几何方法能够为分布式自适应协议提供解析可 tractable 性。

提出的方法

• 将节点位置建模为欧几里得平面上的齐次泊松点过程，以实现空间平均。
• 利用泊松噪声过程刻画累积干扰，从而指导在比例公平性下最优MAP的选择。
• 通过不动点方程推导比例公平性下的最优MAP，利用Gibbs抽样方法求解最大吞吐量下的最优MAP，通过凸优化求解最大最小公平性下的最优MAP。
• 应用Campbell公式，从泊松噪声场的分布中计算平均网络效用。
• 采用数值积分方法评估最优MAP分布的非奇异轮廓积分表示。
• 比较不同方案的性能：传统Aloha、基于最近干扰节点的方案以及基于累积干扰的MAP自适应方案。

实验结果

研究问题

• RQ1 能否利用随机几何方法，对分布式、自适应Aloha协议中最优介质访问概率的分布进行解析表征？
• RQ2 在聚合吞吐量和公平性方面，空间自适应Aloha相较于传统Aloha的性能增益是多少？
• RQ3 在最优MAP分布和网络效用方面，考虑累积干扰与仅考虑最近干扰节点的影响有何不同？
• RQ4 将该方法扩展至最大吞吐量和最大最小公平性协议时，面临哪些解析挑战？
• RQ5 与最优集中式解决方案相比，去中心化在多大程度上限制了性能？

主要发现

• 在比例公平性下，最优MAP分布可由泊松噪声场的分布律导出，从而实现精确的解析表征。
• 可通过将Campbell公式应用于泊松噪声分布来计算平均效用，从而提供一个可 tractable 的性能度量指标。
• 基于累积干扰的、比例公平的方案显著优于传统Aloha和仅基于最近干扰节点的方案，尤其在节点密度增加时优势更为明显。
• 仅基于最近干扰节点的方法导致次优行为，约34%的节点在几乎所有时隙中都尝试接入，且该比例几乎不随网络规模变化。
• 通过Gibbs抽样实现的最大吞吐量方案在高节点数下仍保持高性能，优于传统Aloha和干扰近似方案。
• 只有在分析对数吞吐量时，累积干扰与最近干扰节点方案之间的性能差距才显现出来，而在原始吞吐量值上则不明显。