[论文解读] On the Transmission-Computation-Energy Tradeoff in Wireless and Fixed Networks

Peter Rost, Gerhard Fettweis|arXiv (Cornell University)|Aug 26, 2010

Advanced MIMO Systems Optimization参考文献 7被引用 5

一句话总结

本文提出一个统一框架，用于分析无线与固定网络中的传输-计算-能耗权衡，将计算能耗建模为与数据速率呈指数依赖关系。结果表明，在低速率时，更强（指数复杂度）的编码方案最优；而在高速率时，非编码（线性复杂度）传输占主导地位，多跳传输主要在高速率、低计算能耗场景（如固定网络）中具有显著优势。

ABSTRACT

In this paper, a framework for the analysis of the transmission-computation-energy tradeoff in wireless and fixed networks is introduced. The analysis of this tradeoff considers both the transmission energy as well as the energy consumed at the receiver to process the received signal. While previous work considers linear decoder complexity, which is only achieved by uncoded transmission, this paper claims that the average processing (or computation) energy per symbol depends exponentially on the information rate of the source message. The introduced framework is parametrized in a way that it reflects properties of fixed and wireless networks alike. The analysis of this paper shows that exponential complexity and therefore stronger codes are preferable at low data rates while linear complexity and therefore uncoded transmission becomes preferable at high data rates. The more the computation energy is emphasized (such as in fixed networks), the less hops are optimal and the lower is the benefit of multi-hopping. On the other hand, the higher the information rate of the single-hop network, the higher the benefits of multi-hopping. Both conclusions are underlined by analytical results.

研究动机与目标

• 解决多跳网络中传输与计算能耗之间的能效权衡问题，尤其针对传感器网络和固定网络等能量受限系统。
• 通过将计算能耗建模为与信息速率呈指数依赖关系，挑战以往研究中假设计算能耗随速率线性增长的常见假设。
• 在传输与计算能耗权衡不同的条件下，确定最优跳数与编码复杂度（线性 vs. 指数）。
• 量化网络架构（如跳数）与编码策略对无线与固定网络中总能耗的影响。

提出的方法

• 构建一个系统模型，包含一个源节点、N个中间中继节点和一个目的节点，假设节点等距部署，并采用存在路径损耗的加性白高斯噪声（AWGN）信道。
• 引入一种归一化能耗度量，用于比较不同网络配置与复杂度水平下的总能耗。
• 基于香农容量公式推导出的信噪比（SNR）间隙与编码复杂度的关系，将计算能耗建模为随数据速率指数增长。
• 推导出采用解码与转发策略的多跳网络的归一化传输与计算能耗表达式，整合路径损耗与功率控制机制。
• 利用参考系统模型，将计算能耗与传输能耗的比值（η_ref(R_ref)）定义为数据速率的函数，实现跨场景比较。
• 通过调节参考速率（R_ref）与计算能耗与传输能耗的比值（η_ref(1)），分析最优跳数（N）与能耗性能。

实验结果

研究问题

• RQ1 在编码传输系统中，计算能耗如何随数据速率变化？其关系是线性还是指数模型？
• RQ2 在同时考虑传输与计算能耗的情况下，多跳网络的最优跳数是多少？
• RQ3 在何种条件下，多跳传输比单跳传输更具能耗效率？
• RQ4 计算能耗与传输能耗的相对权重如何影响编码复杂度（线性 vs. 指数）的选择？
• RQ5 在固定网络与无线网络中，数据速率如何影响计算能耗与传输能耗之间的权衡？

主要发现

• 每个符号的计算能耗随数据速率呈指数增长，这否定了以往研究中假设的线性增长模型。
• 在低数据速率时，指数复杂度编码（如高性能前向纠错码）比非编码传输更节能，因为其传输能耗更低。
• 在高速率时，线性复杂度（非编码）传输更占优势，因为复杂编码带来的高计算成本超过了其传输能耗节省。
• 在固定网络中，当计算能耗占主导地位时（例如，η_ref(1) = 0 dB），较少的跳数更优，且多跳带来的增益较小。
• 在无线网络中，若传输能耗占主导地位（例如，η_ref(1) = -20 dB），多跳更具优势，尤其在高速率场景下。
• 当使用线性复杂度时，归一化总能耗在高参考速率（R_ref > 1.5）时达到最小；而指数复杂度在低速率时表现更优。