[论文解读] Minimizing the Age of Information of Cognitive Radio-Based IoT Systems Under A Collision Constraint

Qian Wang, He Chen+3 more|arXiv (Cornell University)|Jan 8, 2020

Age of Information Optimization参考文献 30被引用 22

一句话总结

本文提出了一种认知无线电物联网系统下的年龄最优传输策略，以在与主用户发生碰撞的约束下最小化信息年龄（AoI）。通过约束马尔可夫决策过程（CMDP），证明了存在一种最优的平稳策略，该策略在两种阈值结构的确定性策略之间进行随机化，并通过马尔可夫链分析推导出平均AoI和碰撞概率的闭式表达式。

ABSTRACT

This paper considers a cognitive radio-based IoT monitoring system, consisting of an IoT device that aims to update its measurement to a destination using cognitive radio technique. Specifically, the IoT device as a secondary user (SIoT), seeks and exploits the spectrum opportunities of the licensed band vacated by its primary user (PU) to deliver status updates without causing visible effects to the licensed operation. In this context, the SIoT should carefully make use of the licensed band and schedule when to transmit to maintain the timeliness of the status update. We adopt a recent metric, Age of Information (AoI), to characterize the timeliness of the status update of the SIoT. We aim to minimize the long-term average AoI of the SIoT while satisfying the collision constraint imposed by the PU by formulating a constrained Markov decision process (CMDP) problem. We first prove the existence of optimal stationary policy of the CMDP problem. The optimal stationary policy (termed age-optimal policy) is shown to be a randomized simple policy that randomizes between two deterministic policies with a fixed probability. We prove that the two deterministic policies have a threshold structure and further derive the closed-form expression of average AoI and collision probability for the deterministic threshold-structured policy by conducting Markov Chain analysis. The analytical expression offers an efficient way to calculate the threshold and randomization probability to form the age-optimal policy. For comparison, we also consider the throughput maximization policy (termed throughput-optimal policy) and analyze the average AoI performance under the throughput-optimal policy in the considered system. Numerical simulations show the superiority of the derived age-optimal policy over the throughput-optimal policy. We also unveil the impacts of various system parameters on the corresponding optimal policy and the resultant average AoI.

研究动机与目标

• 解决在具有主用户（PU）碰撞约束的认知无线电物联网系统中维持及时状态更新的挑战。
• 将问题形式化为约束马尔可夫决策过程（CMDP），以在AoI最小化与PU保护之间取得平衡。
• 表征最优策略的结构，并推导出平均AoI和碰撞概率的解析表达式。
• 将所提出的年龄最优策略与吞吐量最优策略进行比较，以评估性能权衡。
• 研究系统参数（如感知精度和传输概率）对最优策略及AoI性能的影响。

提出的方法

• 将物联网设备建模为次用户（SIoT），其在感知到频谱空闲时才进行传输，且需满足与主用户（PU）的碰撞约束。
• 将优化问题形式化为约束马尔可夫决策过程（CMDP），以最小化长期平均AoI，同时确保PU干扰低于某一阈值。
• 证明存在一种最优的平稳策略，该策略是两种阈值结构的确定性策略的随机组合。
• 通过系统状态演化过程的马尔可夫链分析，推导出平均AoI和碰撞概率的闭式表达式。
• 利用李雅普诺夫优化框架和子模性理论，建立最优策略的单调性和阈值结构。
• 通过数值仿真验证分析结果，将年龄最优策略与吞吐量最优策略进行比较。

实验结果

研究问题

• RQ1 在具有主用户碰撞约束的认知无线电物联网系统中，最小化平均信息年龄（AoI）的最优传输策略是什么？
• RQ2 最优策略的结构如何与系统状态相关联，特别是以基于阈值的决策形式体现？
• RQ3 在基于阈值的策略下，平均AoI和碰撞概率的闭式表达式是什么？
• RQ4 在AoI和碰撞约束方面，年龄最优策略与吞吐量最优策略的性能相比如何？
• RQ5 系统参数（如感知精度、传输概率和PU活动性）如何影响最优策略及相应的AoI性能？

主要发现

• 在碰撞约束下最小化平均AoI的最优平稳策略是一种随机化策略，通过固定概率组合两种阈值结构的确定性策略。
• 证明了这两种确定性策略具有单调的阈值结构，从而可实现高效的策略实施。
• 通过马尔可夫链分析推导出平均AoI和碰撞概率的闭式表达式，从而可直接计算最优阈值和随机化概率。
• 数值结果表明，在相同碰撞约束下，所提出的年龄最优策略相比吞吐量最优策略显著降低了平均AoI。
• 年龄最优策略对系统参数（如感知误码率和PU活动性）的变化具有鲁棒性，性能退化更加可预测且可控。
• 分析结果证实，吞吐量最大化并不一定导致AoI最小化，凸显了在CR-IoT系统中这两个指标之间存在显著不同的性能权衡。