[论文解读] Dynamic Data Compression with Distortion Constraints for Wireless Transmission over a Fading Channel

Michael J. Neely, Abhishek Sharma|ArXiv.org|Jul 24, 2008

Advanced Wireless Network Optimization参考文献 15被引用 15

一句话总结

该论文提出了一种动态、在线算法，用于在衰落无线传感器网络中联合压缩与传输调度，采用李雅普诺夫优化和占位比特技术，在满足失真约束的前提下最小化平均时间能耗。该算法实现了接近最优的性能，具有明确的时延-能耗权衡，并且无需知晓到达或信道状态的概率分布。

ABSTRACT

We consider a wireless node that randomly receives data from different sensor units. The arriving data must be compressed, stored, and transmitted over a wireless link, where both the compression and transmission operations consume power. Specifically, the controller must choose from one of multiple compression options every timeslot. Each option requires a different amount of power and has different compression ratio properties. Further, the wireless link has potentially time-varying channels, and transmission rates depend on current channel states and transmission power allocations. We design a dynamic algorithm for joint compression and transmission, and prove that it comes arbitrarily close to minimizing average power expenditure, with an explicit tradeoff in average delay. Our approach uses stochastic network optimization together with a concept of place holder bits to provide efficient energy-delay performance. The algorithm is simple to implement and does not require knowledge of probability distributions for packet arrivals or channel states. Extensions that treat distortion constraints are also considered.

研究动机与目标

• 解决在具有相关性、可压缩数据的能效受限无线传感器网络中，最小化平均时间能耗的挑战。
• 设计一种能够适应时变信道条件和随机数据到达的联合压缩与传输调度策略。
• 确保算法以在线方式运行，且无需预先知晓分组到达或信道状态的概率分布。
• 将失真约束整合到优化框架中，以在最小化能耗的同时保持数据质量。
• 通过基于李雅普诺夫的控制方法，实现平均能耗与平均时延之间的可证明权衡。

提出的方法

• 将问题建模为使用李雅普诺夫漂移理论的随机网络优化任务，以平衡队列稳定性和能耗最小化。
• 引入一种新颖的“占位比特”概念，以改善具有成本约束的随机网络中的时延性能。
• 采用动态决策规则，根据当前信道状态和队列积压情况选择压缩与传输动作，且无需统计知识。
• 使用平均时间能耗最小化目标，对失真和传输速率施加约束，通过压缩比和传输速率函数的期望值进行建模。
• 推导出一种漂移加惩罚算法，通过最小化李雅普诺夫漂移与表示总能耗的惩罚项之和，确保系统稳定性和近似最优性。
• 分析对数速率-能耗曲线模型，推导出对偶变量的阈值，从而实现在速率约束下的高效能耗分配。

实验结果

研究问题

• RQ1 在具有时变信道和随机数据到达的无线传感器网络中，如何联合优化动态压缩与传输？
• RQ2 此类系统中，平均能耗与平均时延之间的最优权衡是什么？
• RQ3 能否设计一种低复杂度、在线算法，在不掌握信道或流量统计信息的前提下实现接近最优的性能？
• RQ4 如何将失真约束正式整合到可压缩传感器数据的能耗最小化框架中？
• RQ5 在具有成本约束的随机网络中，占位比特对时延性能有何影响？

主要发现

• 所提出的算法可将平均时间能耗逼近最优值，且可证明能耗与时延之间存在权衡关系。
• 该算法确保了虚拟队列的强稳定性，保证在失真约束下，平均数据到达速率不会超过传输速率。
• 对于对数速率-能耗模型，明确推导出阈值 $ U_{ ext{thresh}} $ 作为系统参数的函数，从而实现对偶变量的高效自适应。
• 该算法无需知晓分组到达或信道状态概率分布，因此对环境变化具有鲁棒性。
• 与标准李雅普诺夫方法相比，使用占位比特显著改善了时延性能，尤其在高波动性系统中表现更优。
• 理论分析证明，该算法可实现平均时间能耗与最优值相差 $ O(1/V) $，且平均时延被限制在 $ O(V) $ 以内，其中 $ V $ 为控制参数。