[论文解读] Network Coding Capacity of Random Wireless Networks under a Signal-to-Interference-and-Noise Model

Zhenning Kong, Salah A. Aly+3 more|ArXiv.org|Aug 22, 2007

Cooperative Communication and Network Coding参考文献 15被引用 9

一句话总结

本文研究在信号干扰加噪声比（SINR）模型下随机无线网络中的网络编码容量，其中链路容量因干扰和噪声而相互依赖。通过耦合与鞅方法，证明了在网络规模足够大时，无论单源还是多源场景，网络编码容量均会强烈集中在期望最小割值附近，即使链路容量存在依赖关系，仿真结果验证了理论预测。

ABSTRACT

In this paper, we study network coding capacity for random wireless networks. Previous work on network coding capacity for wired and wireless networks have focused on the case where the capacities of links in the network are independent. In this paper, we consider a more realistic model, where wireless networks are modeled by random geometric graphs with interference and noise. In this model, the capacities of links are not independent. We consider two scenarios, single source multiple destinations and multiple sources multiple destinations. In the first scenario, employing coupling and martingale methods, we show that the network coding capacity for random wireless networks still exhibits a concentration behavior around the mean value of the minimum cut under some mild conditions. Furthermore, we establish upper and lower bounds on the network coding capacity for dependent and independent nodes. In the second one, we also show that the network coding capacity still follows a concentration behavior. Our simulation results confirm our theoretical predictions.

研究动机与目标

• 分析因干扰和噪声导致链路容量相互依赖的随机无线网络中的网络编码容量。
• 将先前针对独立链路容量的研究扩展至更具现实意义的基于SINR的模型，该模型具有空间相关的连通性。
• 在SINR模型下，为单源与多源多汇场景建立网络编码容量的集中行为。
• 推导容量的上下界，并通过仿真验证理论结果。

提出的方法

• 使用节点位置的齐次泊松点过程建模随机无线网络，并采用基于SINR的链路连通性模型。
• 当SINR ≥ β时定义链路容量为激活状态，确保在基于阈值的模型下实现无误码传输。
• 应用耦合与鞅方法，证明网络编码容量会集中在期望最小割值附近。
• 以最小割的期望容量作为网络编码容量的代理，其中E[C_k]基于节点分布与发射功率推导得出。
• 分析同质（恒定功率）与异质（随机功率）发射模型，以推广结果。
• 采用概率界分析，证明在多源场景下容量以高概率集中在E[C_m]附近。

实验结果

研究问题

• RQ1 当链路容量因干扰和噪声而相互依赖时，随机无线网络中的网络编码容量是否仍会集中在均值最小割附近？
• RQ2 在SINR模型下，单源与多源多汇场景中的容量集中行为有何差异？
• RQ3 当节点具有独立或依赖的发射功率时，网络编码容量的上下界是什么？
• RQ4 耦合与鞅方法如何在链路容量存在依赖关系的情况下实现集中性分析？
• RQ5 仿真结果在多大程度上验证了干扰与割容量的理论集中边界？

主要发现

• 在SINR模型下，随机无线网络中的网络编码容量在网络规模足够大时，会强烈集中在期望最小割值附近。
• 对于单源多汇网络，容量集中在E[C_0] = E[C_m] = m·C̄，其中C̄为链路的期望容量。
• 在多源多汇网络中，容量集中在E[C_m] = m·C̄，瓶颈仅出现在接收端。
• 理论边界表明：Pr(C ≥ (1−ε_α)E[C_m]) = 1 − O(l/m^α) 且 Pr(C ≤ (1+ε_α)E[C_m]) = 1 − O(1/m^α)，证实了高概率集中性。
• n=2000个节点的仿真结果验证了在恒定功率与随机功率发射模型下，干扰水平与割容量的集中行为。
• 无论同质还是异质发射功率分布，结果均成立，表明该集中现象具有鲁棒性。