[论文解读] Information Aging through Queues: A Mutual Information Perspective

Yin Sun, Benjamin Cyr|arXiv (Cornell University)|Jun 16, 2018

Age of Information Optimization参考文献 14被引用 5

一句话总结

本文提出了一种基于互信息的实时信息新鲜度度量方法，其中接收到的样本价值随其与当前源状态互信息的减少而随时间衰减。该文推导出一种最优的基于阈值的采样策略，以最大化时间平均期望互信息，在马尔可夫源环境下被证明优于均匀采样和零等待策略。

ABSTRACT

In this paper, we propose a new measure for the freshness of information, which uses the mutual information between the real-time source value and the delivered samples at the receiver to quantify the freshness of the information contained in the delivered samples. Hence, the "aging" of the received information can be interpreted as a procedure that the above mutual information reduces as the age grows. In addition, we consider a sampling problem, where samples of a Markov source are taken and sent through a queue to the receiver. In order to optimize the freshness of information, we study the optimal sampling policy that maximizes the time-average expected mutual information. We prove that the optimal sampling policy is a threshold policy and find the optimal threshold exactly. Specifically, a new sample is taken once a conditional mutual information term reduces to a threshold, and the threshold is equal to the optimum value of the time-average expected mutual information that is being maximized. Numerical results are provided to compare different sampling policies.

研究动机与目标

• 为解决传统信息年龄（AoI）在捕捉源动态方面的局限性，提出一种基于信息论的更精确的新鲜度度量方法。
• 将信息老化建模为实时源值与接收样本之间互信息的单调递减过程。
• 设计一种最优采样策略，以最大化马尔可夫源的时间平均期望互信息。
• 将先前的年龄惩罚最小化框架推广至包含任意非递减年龄惩罚函数的情形。

提出的方法

• 使用当前源值与最近一次接收到的样本之间的互信息作为新鲜度度量，该度量随年龄增加而减少。
• 将源建模为马尔可夫过程，并利用数据处理不等式推导出互信息作为年龄的函数。
• 应用动态规划和最优停时理论求解采样优化问题。
• 证明最优采样策略为阈值策略，即当条件互信息低于等于时间平均最优互信息的阈值时，触发新采样。
• 通过求解任意非递减惩罚函数下的最优策略，推广了先前关于年龄惩罚最小化的结果。
• 利用独立同分布的服务时间与平稳随机策略，证明了阈值策略的最优性。

实验结果

研究问题

• RQ1 对于具有时间相关性的源，如何比传统信息年龄（AoI）更准确地衡量信息新鲜度？
• RQ2 对于马尔可夫源，如何设计最优采样策略以最大化源与接收方之间的时间平均期望互信息？
• RQ3 当前源状态与接收样本之间的互信息如何随年龄衰减？
• RQ4 所提出的最优采样策略能否被表征为阈值策略？如果是，阈值大小由什么决定？
• RQ5 在不同采样策略下，所提出的基于互信息的新鲜度度量与传统基于年龄的度量相比，性能表现如何？

主要发现

• 最优采样策略为阈值策略，当当前源与上次接收样本之间的条件互信息低于某一阈值时，触发新采样。
• 该阈值等于被最大化的时间平均期望互信息的最优值，从而确保策略的最优性。
• 所提出的最优策略在所有源相关性参数 q 的取值下，均优于均匀采样和零等待采样策略，实现更高的时间平均互信息。
• 对于具有独立同分布服务时间（1 或 11）的二元马尔可夫源，最优策略始终优于零等待和均匀采样策略，且随着源相关性增加，优势更加显著。
• 当源变为独立同分布（q = 0.5）时，所有策略下的互信息均降为零，证实此时已无信息新鲜度可言。
• 该框架通过求解任意非递减惩罚函数下的最优策略，推广了先前的年龄惩罚最小化结果，包括时间平均年龄和更复杂的依赖年龄的惩罚函数。