[论文解读] Analog Network Coding in General SNR Regime

Samar Agnihotri, Sidharth Jaggi+1 more|arXiv (Cornell University)|Feb 2, 2012

Cooperative Communication and Network Coding参考文献 9被引用 5

一句话总结

本文提出了一种用于分层无线中继网络中模拟网络编码（ANC）的逐层优化方法，表明通过最大化下一层的和速率，可以计算出全局最优的缩放因子。关键贡献在于一个引理，证明了按层顺序逐个获得速率最优的缩放因子，从而在无需高信噪比（high-SNR）或功率约束假设的前提下，精确计算出最大ANC速率。

ABSTRACT

The problem of maximum rate achievable with analog network coding for a unicast communication over a layered wireless relay network with directed links is considered. A relay node performing analog network coding scales and forwards the signals received at its input. Recently this problem has been considered under two assumptions: (A) each relay node scales its received signal to the upper bound of its transmit power constraint, (B) the relay nodes in specific subsets of the network operate in the high-SNR regime. We establish that assumption (A), in general, leads to suboptimal end-to-end rate. We also characterize the performance of analog network coding in class of symmetric layered networks without assumption (B). The key contribution of this work is a lemma that states that a globally optimal set of scaling factors for the nodes in a layered relay network that maximizes the end-to-end rate can be computed layer-by-layer. Specifically, a rate-optimal set of scaling factors for the nodes in a layer is the one that maximizes the sum-rate of the nodes in the next layer. This critical insight allows us to characterize analog network coding performance in network scenarios beyond those that can be analyzed using the existing approaches. We illustrate this by computing the maximum rate achievable with analog network coding in one particular layered network, in various communication scenarios.

研究动机与目标

• 解决先前研究中假设所有中继均以最大功率运行或处于高信噪比区域的局限性。
• 在不依赖这些限制性假设的前提下，刻画分层中继网络中模拟网络编码可实现的最大速率。
• 开发一种计算高效的算法，用于计算跨中继层的最优缩放因子。
• 在现有方法失效的场景中（如低信噪比或大层层数网络）证明该方法的有效性。

提出的方法

• 引入一种通用的分层无线中继网络模型，包含有向链路和全双工单天线节点。
• 推导出目的地端到端信噪比（SNR）作为中继缩放因子和信道增益的函数。
• 提出一个关键引理，指出某一层的最优缩放因子可使下一层的和速率最大化。
• 应用该引理，以逐层方式计算全局最优缩放因子，从而降低计算复杂度。
• 利用网络中的对称性简化优化过程，假设每层内缩放因子相同。
• 采用闭式表达式表示在最优缩放因子下的最大SNR和可实现速率，其推导基于功率约束和路径增益累积。

实验结果

研究问题

• RQ1 在不假设高信噪比或全功率传输的前提下，能否精确计算出模拟网络编码的端到端最大速率？
• RQ2 是否存在一组全局最优的中继缩放因子，能够以逐层方式而非全局方式计算？
• RQ3 当先前假设失效时（如低信噪比或大层层数网络），ANC的性能如何变化？
• RQ4 能否将下一层的和速率作为当前层最优缩放因子的代理指标？
• RQ5 在高信噪比区域，可实现的ANC速率与MAC割集界之间的差距是多少？

主要发现

• 假设（A）——即每个中继以最大功率传输——在一般网络中会导致次优的端到端速率。
• 所提出的逐层优化方法可在对称的分层网络中精确计算出最大可实现ANC速率。
• 对于每层含N个节点的对称网络，每层中每个中继的最优缩放因子相同，且设为其允许的最大值。
• 在低信噪比区域，最优端到端SNR按 $ \frac{N^2 P_s}{\rho^2} \frac{Nh^2P}{\rho^2} \frac{1}{1 + L/N} $ 缩放，表明随着层数增加，高信噪比假设可能不再成立。
• 在高信噪比区域，ANC速率与MAC割集界之间的差距为常数，且该差距随层数增加而增大。
• 该方法可对先前方法失效的网络（如层数众多或信噪比较低的网络）进行分析，因其避免了对高信噪比或全功率假设的依赖。