[论文解读] On the Packet Decoding Delay of Linear Network Coded Wireless Broadcast

Mingchao Yu, Alex Sprintson+1 more|arXiv (Cornell University)|Feb 8, 2018

Cooperative Communication and Network Coding参考文献 25被引用 3

一句话总结

本文提出了一种新型的吞吐量最优且平均包解码延迟（APDD）最小化的无线广播线性网络编码技术——超图线性网络编码（HLNC）。通过将接收方的包接收状态建模为超图，并应用超图着色，HLNC 实现了早期解码，在间歇性反馈条件下仍显著降低了 APDD，仿真结果表明在各种设置下性能提升一致。

ABSTRACT

We apply linear network coding (LNC) to broadcast a block of data packets from one sender to a set of receivers via lossy wireless channels, assuming each receiver already possesses a subset of these packets and wants the rest. We aim to characterize the average packet decoding delay (APDD), which reflects how soon each individual data packet can be decoded by each receiver on average, and to minimize it while achieving optimal throughput. To this end, we first derive closed-form lower bounds on the expected APDD of all LNC techniques under random packet erasures. We then prove that these bounds are NP-hard to achieve and, thus, that APDD minimization is an NP-hard problem. We then study the performance of some existing LNC techniques, including random linear network coding (RLNC) and instantly decodable network coding (IDNC). We proved that all throughput-optimal LNC techniques can approximate the minimum expected APDD with a ratio between 4/3 and 2. In particular, the ratio of RLNC is exactly 2. We then prove that all IDNC techniques are only heuristics in terms of throughput optimization and {cannot guarantee an APDD approximation ratio for at least a subset of the receivers}. Finally, we propose hyper-graphic linear network coding (HLNC), a novel throughput-optimal and APDD-approximating LNC technique based on a hypergraph model of receivers' packet reception state. We implement it under different availability of receiver feedback, and numerically compare its performance with RLNC and a heuristic general IDNC technique. The results show that the APDD performance of HLNC is better under all tested system settings, even if receiver feedback is only collected intermittently.

研究动机与目标

• 在随机包丢失条件下，表征并最小化线性网络编码无线广播中的平均包解码延迟（APDD）。
• 证明 APDD 最小化问题是 NP-难的，从而确立性能的理论极限。
• 评估现有 LNC 技术——RLNC 和 IDNC——在 APDD 近似比和吞吐量最优性方面的表现。
• 设计一种新型 LNC 技术 HLNC，通过接收方状态的超图建模，实现吞吐量最优性和低 APDD。
• 在各种反馈条件下（包括间歇性反馈）验证 HLNC 的性能。

提出的方法

• 推导在随机丢失下所有 LNC 技术的期望 APDD 的闭式下界。
• 通过从超图着色问题归约，证明最小化 APDD 是 NP-难的。
• 将接收方的包接收状态建模为超图，其中顶点表示接收方，超边表示共同缺失的包。
• 应用超图着色以选择能最大化即时解码接收方数量的编码包。
• 实现 HLNC，采用全反馈和间歇性反馈以评估其鲁棒性。
• 通过数值仿真在多种系统配置下对比 HLNC 与 RLNC 及启发式 IDNC 的性能。

实验结果

研究问题

• RQ1 在随机丢失条件下，任何线性网络编码技术的平均包解码延迟（APDD）的理论下界是什么？
• RQ2 吞吐量最优的 LNC 技术能否在有界比值内近似最小 APDD？该比值是多少？
• RQ3 即时可解码网络编码（IDNC）技术是否能够近似最优 APDD，即使吞吐量次优？
• RQ4 能否设计一种新型 LNC 方案，通过超图建模同时实现吞吐量最优性和低 APDD？
• RQ5 所提出的 HLNC 技术在有限或间歇性接收方反馈下的性能如何扩展？

主要发现

• 所有吞吐量最优的 LNC 技术（包括 RLNC）都能在 4/3 到 2 的比值范围内近似最小期望 APDD，其中 RLNC 恰好实现 2-近似。
• IDNC 技术并非 APDD 近似技术，因为其无法保证至少部分接收方的 APDD 性能有界。
• 在所有测试的系统配置下，所提出的 HLNC 技术的 APDD 显著低于 RLNC 和启发式 IDNC，即使在间歇性反馈下亦是如此。
• HLNC 在保持吞吐量最优性的同时，通过基于超图的编码决策实现早期解码。
• 理论分析证实 APDD 最小化问题是 NP-难的，从而证明了像 HLNC 这类近似技术的必要性。
• 数值结果表明，HLNC 的 APDD 性能始终优于 RLNC 和 IDNC，且在反馈受限条件下性能优势依然保持。