[论文解读] Correlation Coefficient Analysis of the Age of Information in Multi-Source Systems

Yukang Jiang, Kiichi Tokuyama+2 more|arXiv (Cornell University)|Sep 23, 2020

Age of Information Optimization参考文献 7被引用 4

一句话总结

本文提出了一种多源 M/M/1/1 队列系统中信息年龄（AoI）相关系数的闭式表达式，该系统支持抢占机制，多个源共享一个服务器。通过推导平稳 AoI 分布的拉普拉斯-史蒂尔杰斯变换（Laplace-Stieltjes transform）并分析两源系统，作者揭示了 AoI 过程之间非平凡的结构依赖关系，从而实现了对实时监控系统中信息新鲜度的更深层次系统级理解与管理。

ABSTRACT

This paper studies the age of information (AoI) on an information updating system such that multiple sources share one server to process packets of updated information. In such systems, packets from different sources compete for the server, and thus they may suffer from being interrupted, being backlogged, and becoming stale. Therefore, in order to grasp structures of such systems, it is crucially important to study a metric indicating a correlation of different sources. In this paper, we aim to analyze the correlation of AoIs on a single-server queueing system with multiple sources. As our contribution, we provide the closed-form expression of the correlation coefficient of the AoIs. To this end, we first derive the Laplace-Stieltjes transform of the stationary distribution of each AoI for the multiple sources. Some nontrivial properties on the systems are revealed from our analysis results.

研究动机与目标

• 分析共享服务器实时监控系统中不同源的信息年龄（AoI）值之间的相关性。
• 解决尽管在多源系统中对平均 AoI 有大量研究，但缺乏对 AoI 相关性的分析研究的问题。
• 通过随机分析方法，建立量化 AoI 动态中源间依赖关系的框架。
• 为带抢占机制的两源 M/M/1/1 系统提供 AoI 相关系数的闭式表达式。
• 通过 AoI 相关性与分布的分析结果，揭示非平凡的系统级特性。

提出的方法

• 将系统建模为具有多个源和抢占机制的 M/M/1/1 队列，其中一次仅处理一个分组。
• 利用更新理论和指数分布的无 memory 性质，推导每个源的平稳 AoI 分布的拉普拉斯-史蒂尔杰斯变换（LST）。
• 通过条件化有效分组传输前竞争分组的数量，分析到达间隔与服务时间的结构。
• 利用指数分布的无 memory 性质，计算分组间隔与服务时间的条件期望。
• 应用 LST 结果，计算每个源的 AoI 均值与方差。
• 推导两源 AoI 的联合分布，并利用协方差与边缘方差计算相关系数。

实验结果

研究问题

• RQ1 在具有抢占机制的共享服务器系统中，两个不同源的信息年龄之间的相关系数的解析表达式是什么？
• RQ2 不同源的到达率和服务率如何影响其各自 AoI 过程的相关性？
• RQ3 在平均 AoI 指标之外，通过分析 AoI 相关性，多源系统中揭示了哪些结构性特性？
• RQ4 M/M/1/1 队列中的抢占机制如何影响不同源之间 AoI 值的时间依赖性？
• RQ5 在多源环境下，是否可以使用拉普拉斯-史蒂尔杰斯变换完全表征 AoI 的平稳分布？

主要发现

• 在具有抢占机制的 M/M/1/1 系统中，两源 AoI 过程之间的相关系数以闭式表达式推导得出，为源间依赖性提供了精确度量。
• 对于源 $k$，平稳 AoI 分布的拉普拉斯-史蒂尔杰斯变换推导为 $\frac{\lambda_k \mu}{(s + \lambda)(s + \mu) - (\lambda - \lambda_k)\mu}$，从而可精确计算均值与方差。
• 对于两源系统，联合 AoI 过程被证明服从两个速率分别为 $\lambda$ 和 $\mu$ 的指数随机变量的卷积分布，表明其具有特定的记忆结构。
• 相关系数依赖于相对到达率 $\lambda_k$ 和服务率 $\mu$，在不同负载条件下表现出非单调行为。
• 分析揭示了非平凡的系统级特性，例如当源速率不同时，即使服务条件对称，也会出现非对称的相关性行为。
• 所推导的相关系数使实时监控系统能够通过量化源间的新鲜度依赖关系，实现更优的系统设计与优化。