[论文解读] On approximating Gaussian relay networks by deterministic networks

M. Anand, P. R. Kumar|ArXiv.org|Apr 6, 2009

Cooperative Communication and Network Coding参考文献 5被引用 8

一句话总结

本文研究了高斯中继网络由确定性模型近似的可行性，表明线性确定性模型无法捕捉信号相位，可能导致容量差距无界；而具有带符号整数信道增益的离散叠加模型可提供有界且精确的近似。关键贡献在于证明MIMO信道无法被线性确定性模型良好近似，但可被离散叠加模型良好近似。

ABSTRACT

We examine the extent to which Gaussian relay networks can be approximated by deterministic networks, and present two results, one negative and one positive. The gap between the capacities of a Gaussian relay network and a corresponding linear deterministic network can be unbounded. The key reasons are that the linear deterministic model fails to capture the phase of received signals, and there is a loss in signal strength in the reduction to a linear deterministic network. On the positive side, Gaussian relay networks are indeed well approximated by certain discrete superposition networks, where the inputs and outputs to the channels are discrete, and channel gains are signed integers. As a corollary, MIMO channels cannot be approximated by the linear deterministic model but can be by the discrete superposition model.

研究动机与目标

• 评估高斯中继网络在多大程度上可被确定性网络模型近似。
• 识别线性确定性模型在捕捉信号关键特性（如相位和幅度缩放）方面的局限性。
• 提出并验证一种离散叠加模型，作为近似高斯网络的更优替代方案。
• 建立高斯模型与确定性模型之间近似误差的理论界。
• 探讨MIMO信道近似的含义，特别是在容量达到编码策略背景下的影响。

提出的方法

• 通过将每个高斯信道替换为保持信道增益幅度所对应有效比特数的二值矩阵，构建线性确定性网络。
• 利用有限域上的割集界计算线性确定性网络的容量，借助信道转移矩阵的秩。
• 定义一种离散叠加模型，其中输入和输出为离散值，信道增益为带符号整数，从而实现信号精确分解为整数与小数部分。
• 通过将接收信号分解为整数与小数部分，分析高斯网络与离散叠加网络之间的互信息差异。
• 通过量化小数部分与噪声分量的熵，界定跨割集的互信息误差，证明其为与信道增益无关的常数加性差距。
• 通过将实部与虚部分别视为独立的高斯变量，并应用相同的分解与熵界技术，将分析扩展至复值MIMO信道。

实验结果

研究问题

• RQ1 线性确定性模型能否对单源-单宿的高斯中继网络容量提供准确近似？
• RQ2 线性确定性模型在捕捉高斯网络行为方面存在哪些根本性局限？
• RQ3 具有离散输入与带符号整数信道增益的离散叠加模型能否对高斯网络提供有界近似？
• RQ4 MIMO高斯信道能否被确定性模型良好近似？若能，是哪种类型？
• RQ5 在离散叠加模型中，近似误差如何随网络规模与信道参数变化？

主要发现

• 由于在简化过程中丢失了信号相位与幅度缩放，高斯中继网络与其对应线性确定性网络近似之间的容量差距可能无界。
• 即使信道增益为正实数，线性确定性模型仍无法提供有界近似，因其无法表示信道响应中的相位差异。
• 具有离散输入与带符号整数信道增益的离散叠加模型可对高斯中继网络提供有界近似，任意割集的互信息差距最多为28比特（以两用户为例）。
• 近似误差与信道增益无关，仅取决于节点数量，表明容量差距存在普遍有界性。
• 由于对相位与幅度的敏感性，MIMO高斯信道无法被线性确定性模型良好近似，但可被离散叠加模型良好近似。
• 对于离散叠加模型中的任意联合输入分布，其对应高斯信道的互信息与原始值之间的差距为常数加性项（示例中最多28比特），证实了该模型的保真度。