[论文解读] Linear-Complexity Overhead-Optimized Random Linear Network Codes

Kaveh Mahdaviani, Raman Yazdani+1 more|arXiv (Cornell University)|Nov 9, 2013

Cooperative Communication and Network Coding参考文献 22被引用 10

一句话总结

本文提出Gamma网络编码，一种新型稀疏随机线性网络编码（SRLNC）方案，可在保持线性编码/解码复杂度的同时实现近乎零的接收开销。通过将线性外码与SRLNC结合，并利用密度演化进行渐近分析，作者设计出开销在百分之几量级的编码方案，其有限长度性能显著优于现有SRLNC方案。

ABSTRACT

Sparse random linear network coding (SRLNC) is an attractive technique proposed in the literature to reduce the decoding complexity of random linear network coding. Recognizing the fact that the existing SRLNC schemes are not efficient in terms of the required reception overhead, we consider the problem of designing overhead-optimized SRLNC schemes. To this end, we introduce a new design of SRLNC scheme that enjoys very small reception overhead while maintaining the main benefit of SRLNC, i.e., its linear encoding/decoding complexity. We also provide a mathematical framework for the asymptotic analysis and design of this class of codes based on density evolution (DE) equations. To the best of our knowledge, this work introduces the first DE analysis in the context of network coding. Our analysis method then enables us to design network codes with reception overheads in the order of a few percent. We also investigate the finite-length performance of the proposed codes and through numerical examples we show that our proposed codes have significantly lower reception overheads compared to all existing linear-complexity random linear network coding schemes.

研究动机与目标

• 为解决现有稀疏随机线性网络编码（SRLNC）方案中因随机调度和接收分组线性相关性导致的高接收开销问题。
• 在保持SRLNC线性编码/解码复杂度的同时，大幅降低接收开销。
• 建立数学框架，利用密度演化（DE）方程对SRLNC方案进行渐近分析与设计。
• 优化编码参数以实现最小接收开销，并确立此类编码的根本极限。
• 通过稳健设计方法解决有限长度Gamma编码中的误码平台问题。

提出的方法

• 将线性外码与SRLNC结合，其中校验节点直接在编码分组上施加校验方程。
• 采用码率为0.99的右正则LDPC码作为预编码，以增强可靠性。
• 使用密度演化（DE）方程建模编码解码的渐近行为，并分析跨代的秩恢复情况。
• 将DE框架应用于在给定约束下优化编码参数，以实现最小接收开销。
• 提出一种稳健设计方法，通过调整编码结构来缓解有限长度性能中观察到的误码平台。
• 利用二项分布与秩分布模型分析在大域大小q极限下，各代中秩不足的概率。

实验结果

研究问题

• RQ1 能否在保持线性复杂度的同时，将SRLNC的接收开销降低至百分之几？
• RQ2 采用优化外码的SRLNC方案的接收开销根本极限是什么？
• RQ3 如何将密度演化应用于网络编码背景下分析与设计渐近网络编码？
• RQ4 为何高度优化的Gamma编码在有限长度范围内表现出误码平台？如何加以缓解？
• RQ5 外码的引入如何影响SRLNC中单一代的秩恢复概率？

主要发现

• 所提出的Gamma网络编码实现的接收开销在百分之几量级，显著低于现有SRLNC方案。
• 对于生成大小g=25、域大小q=256的编码，在接收开销为16,750分组时，失败概率降低至5.18%。
• 密度演化框架实现了对编码参数的精确渐近分析与优化，从而确立了最小可实现开销的根本极限。
• 有限长度仿真表明，Gamma编码在失败概率与开销的权衡上优于鲁棒Gamma编码和EC编码。
• 有限长度Gamma编码中观察到误码平台，并通过一种稳健设计方法有效缓解，该方法在低误码率下提升了性能。
• 当域大小q趋于无穷大时，单代中秩不足的概率收敛于该代接收分组数少于g的二项分布概率。