[论文解读] Optimal Detection for Diffusion-Based Molecular Timing Channels

Yonathan Murin, Nariman Farsad+2 more|arXiv (Cornell University)|Sep 9, 2017

Molecular Communication and Nanonetworks参考文献 36被引用 5

一句话总结

本文提出了一种用于扩散型分子定时信道的首次到达（FA）检测器，其中信息通过粒子的释放时间进行编码。与计算复杂度高的最大似然（ML）检测不同，FA检测器利用最先到达的粒子，以低复杂度实现近乎最优的性能。关键结果表明，当粒子数量较小时，FA检测的性能接近ML检测；但随着粒子数量的增加，两者的错误指数开始发散。

ABSTRACT

This work studies optimal detection for communication over diffusion-based molecular timing (DBMT) channels. The transmitter simultaneously releases multiple information particles, where the information is encoded in the time of release. The receiver decodes the transmitted information based on the random time of arrival of the information particles, which is modeled as an additive noise channel. For a DBMT channel without flow, this noise follows the Lévy distribution. Under this channel model, the maximum-likelihood (ML) detector is derived and shown to have high computational complexity. It is also shown that under ML detection, releasing multiple particles improves performance, while for any additive channel with $α$-stable noise where $α<1$ (such as the DBMT channel), under linear processing at the receiver, releasing multiple particles degrades performance relative to releasing a single particle. Hence, a new low-complexity detector, which is based on the first arrival (FA) among all the transmitted particles, is proposed. It is shown that for a small number of released particles, the performance of the FA detector is very close to that of the ML detector. On the other hand, error exponent analysis shows that the performance of the two detectors differ when the number of released particles is large.

研究动机与目标

• 解决具有Lévy分布噪声的扩散型分子定时（DBMT）信道中的最优检测挑战。
• 分析在α < 1的α稳定噪声（特别是Lévy分布）下的DBMT信道中线性处理的性能极限。
• 设计一种低复杂度的替代最大似然（ML）检测的方法，以在降低计算成本的同时保持高性能。
• 表征随着发射粒子数增加，FA检测器相对于ML检测的错误指数行为。

提出的方法

• 推导了DBMT信道的最大似然（ML）检测器，表明由于Lévy分布噪声的存在，其计算复杂度较高。
• 分析了在α < 1的α稳定噪声信道中线性处理的性能，证明当释放多个粒子时性能会下降。
• 提出一种首次到达（FA）检测器，选择第一个到达粒子的时间作为判决度量。
• 使用渐近分析和错误指数技术，比较不同粒子数量下FA检测与ML检测的性能。
• 应用大-M近似和涉及互补误差函数（erfc）的渐近展开，评估错误概率。
• 推导出确保错误概率随M增加而趋于零的比特数L与粒子数M之间的标度律。

实验结果

研究问题

• RQ1 在线性处理与最优ML检测在具有Lévy噪声的DBMT信道中的性能如何比较？
• RQ2 在具有α < 1的α稳定噪声的DBMT信道中，低复杂度检测器能否实现接近最优的性能？
• RQ3 随着发射粒子数的增加，首次到达检测器相对于ML检测的错误指数行为如何？
• RQ4 为确保FA检测器的错误概率趋于零，粒子数M与比特数L应如何标度？
• RQ5 在具有重尾噪声的分子定时信道中，检测复杂度与性能之间的根本权衡是什么？

主要发现

• 推导了DBMT信道的最大似然检测器，但其高计算复杂度限制了实际应用。
• 对于α < 1的α稳定噪声（如Lévy分布），在接收端采用线性处理在释放多个粒子时性能会下降，这与高斯噪声情况相反。
• 当释放的粒子数较小时，所提出的首次到达（FA）检测器性能非常接近ML检测。
• 错误指数分析表明，随着粒子数的增加，FA与ML检测之间的性能差距扩大，表明FA检测在渐近意义上并非最优。
• 为确保错误概率趋于零，比特数L必须按 log log M^(1−ε) 的方式标度，其中M为发射粒子数。
• FA检测器的渐近错误概率主要由错误表达式中的第二项主导，该分量随M增加而趋于零，而第一项决定了错误底限行为。