[论文解读] Decoding Delay Controlled Reduction of Completion Time in Instantly Decodable Network Coding

Ahmed Douik, Sameh Sorour+2 more|arXiv (Cornell University)|Apr 14, 2014

Cooperative Communication and Network Coding参考文献 26被引用 4

一句话总结

本文提出了一种新颖的即时可解网络编码（IDNC）启发式算法，通过在持续删除信道中战略性地控制解码延迟，减少了完成时间。通过将完成时间建模为解码延迟的函数，并采用基于加权对数概率度量的分层、贪心团选择方法，该方法在高丢包场景下，相较于现有启发式算法，实现了更低的平均完成时间和解码延迟。

ABSTRACT

For several years, the completion time and the decoding delay problems in Instantly Decodable Network Coding (IDNC) were considered separately and were thought to completely act against each other. Recently, some works aimed to balance the effects of these two important IDNC metrics but none of them studied a further optimization of one by controlling the other. In this paper, we study the effect of controlling the decoding delay to reduce the completion time below its currently best known solution in persistent erasure channels. We first derive the decoding-delay-dependent expressions of the users' and overall completion times. Although using such expressions to find the optimal overall completion time is NP-hard, we design two novel heuristics that minimizes the probability of increasing the maximum of these decoding-delay-dependent completion time expressions after each transmission through a layered control of their decoding delays. We, then, extend our study to the limited feedback scenario. Simulation results show that our new algorithms achieves both a lower mean completion time and mean decoding delay compared to the best known heuristic for completion time reduction. The gap in performance becomes significant for harsh erasure scenarios.

研究动机与目标

• 通过联合优化两个指标，解决IDNC中完成时间与解码延迟之间长期存在的权衡问题。
• 探究是否通过控制解码延迟，可在现有最优解之外进一步减少完成时间。
• 设计一种实用的启发式算法，以最小化每次传输后最大解码延迟相关完成时间增加的概率。
• 将分析扩展至持续删除信道中反馈有限且存在丢包的实际情况。
• 提出一种分层贪心算法，在保持即时可解性的同时，优化整体完成时间的减少。

提出的方法

• 推导持续删除信道中个体和整体完成时间的依赖于解码延迟的表达式。
• 将完成时间最小化问题建模为IDNC图中的最大权团问题，其中顶点权重取决于用户特定的删除概率和解码延迟状态。
• 定义一种新颖的权重函数：$ w_{ij}^{*} = \text{log}\left(1 + \frac{p_{i,n}(j,t)}{\frac{e_i(t)}{1-e_i(t)} + p_{i,f}(t)} \right) $，以平衡创新概率与解码延迟的影响。
• 实现一种分层启发式算法，按完成时间关键性对用户进行分区，并选择编码数据包以最小化最大解码延迟增加的风险。
• 通过仅选择允许所有目标接收方在接收后立即解码的团，确保即时可解性。
• 通过在权重函数和完成时间表达式中引入反馈丢失概率，将框架扩展以处理丢包和间歇性反馈。

实验结果

研究问题

• RQ1 通过控制解码延迟，是否可在IDNC中实现超越当前最优解的总体完成时间减少？
• RQ2 在持续删除信道中，解码延迟如何影响单个用户和整个系统的完成时间？
• RQ3 每次传输后，最小化最大解码延迟相关完成时间增加概率的最优策略是什么？
• RQ4 在存在反馈丢包的情况下，如何有效管理完成时间与解码延迟之间的权衡？
• RQ5 基于加权团选择的分层贪心启发式算法是否能在完成时间和解码延迟两方面优于现有启发式算法？

主要发现

• 所提出的分层启发式算法在高删除率场景下，平均完成时间低于现有最优完成时间减少启发式算法。
• 该算法同时降低了平均完成时间和平均解码延迟，相较于现有方法展现出双重改进。
• 随着删除概率的增加，该方法与先前工作的性能差距愈发显著。
• 采用同时考虑数据包创新概率和解码延迟影响的加权对数概率度量，带来了更稳健的传输决策。
• 该方法在有效控制解码延迟的同时保持了即时可解性，确保了在实时系统中的实际部署可行性。
• 仿真结果证实，该启发式算法在完成时间和解码延迟两方面均优于现有方法，尤其在恶劣信道条件下表现更优。