[论文解读] Decoding Probability Analysis of Network-Coded Data Collection and Delivery by Relay Drones

Ioannis Chatzigeorgiou, Elena Manole|arXiv (Cornell University)|Apr 16, 2020

Cooperative Communication and Network Coding参考文献 17被引用 3

一句话总结

该论文提出了一套理论框架，用于分析在无反馈的延迟容忍网络中，中继无人机通过网络编码进行数据收集时的解码概率。比较了有限域上的数据循环和系统性随机线性网络编码（RLNC），结果表明：在较大域上使用RLNC可提高完整消息恢复的概率，而较小域则在部分恢复时更高效，性能高度依赖于域大小、无人机数量和删除概率。

ABSTRACT

Relay drones in delay-tolerant applications are dispatched to remote locations in order to gather data transmitted by a source node. Collected data are stored on the drones and delivered to one or multiple bases. This paper considers two schemes for broadcasting data to drones when feedback channels are not available: a data carousel and systematic random linear network coding (RLNC). We propose a theoretical framework for the calculation of the probability that a base will fully or partially recover the transmitted data and the probability that all involved bases will successfully obtain the data, when the bases are either isolated or interconnected. Theoretical results are validated through simulations. Design considerations are also discussed, including the relationship among the field size used by RLNC, the number of relay drones and the requirement for full data recovery or the retrieval of at least part of the data.

研究动机与目标

• 开发一个理论框架，用于计算在延迟容忍网络中，中继无人机对数据恢复的概率。
• 从单个或互联基站的角度，比较数据循环与系统性RLNC在解码成功率方面的性能。
• 识别在域大小、无人机数量和所需传输分组数之间，实现可靠数据传输的设计权衡。
• 通过在不同信道删除条件下进行仿真，验证理论模型。

提出的方法

• 建模一个源节点广播k个源分组，随后再广播nT −k个编码或重复分组，发送给N个无人机集群。
• 采用广播删除信道模型，每个无人机的链路删除概率为ǫi,j。
• 在GF(q)上应用系统性RLNC，其中系数从大小为q的有限域中随机选取。
• 推导出基站至少恢复µ个源分组或全部k个分组的概率的闭式表达式。
• 同时考虑孤立和互联基站配置，建模基站处的数据融合过程。
• 通过蒙特卡洛仿真验证理论结果，覆盖不同域大小、无人机数量和删除概率。

实验结果

研究问题

• RQ1 使用RLNC或数据循环时，单个基站完全或部分恢复源消息的概率是多少？
• RQ2 在给定无人机数量和删除概率的情况下，RLNC中的域大小q如何影响解码成功率？
• RQ3 每簇无人机数量如何影响成功恢复消息的概率？
• RQ4 在不同传输方案下，传输分组数nT与任务成功率之间的权衡是什么？
• RQ5 在数据恢复可靠性方面，互联基站与孤立基站相比如何？

主要发现

• 对于完整消息恢复（µ/k = 1），将域大小q从2增加到8可显著提高解码概率，尤其在高删除率下表现更明显。
• 当可接受部分恢复（µ/k = 0.8）时，较小的域如GF(2)在中等nT下优于较大的域（如GF(8)），因为其具有更高的分集增益。
• 当L1 = 8架无人机时，删除概率超过ǫ ≈ 0.7后性能急剧下降，表明可靠传输存在一个尖锐的阈值。
• 对于单个基站（N=1）和k=30个源分组，在ǫ=0.4时，使用L=9架无人机可实现nT = 30，从而最小化传输开销。
• 与GF(2)相比，系统性RLNC在GF(4)上仅略微减少nT，但在无人机数量有限时，其可靠性优于数据循环。
• 当优先考虑简单性而非传输效率时，数据循环依然可行，尤其在L ≥ 9架无人机可用时。