[论文解读] Optimizing Information Freshness in a Multiple Access Channel with Heterogeneous Devices

Zheng Chen, Νικόλαος Παππάς+2 more|arXiv (Cornell University)|Oct 10, 2019

Age of Information Optimization参考文献 44被引用 4

一句话总结

本文提出了一种针对单个电网供电源与一个能量采集（EH）传感器的多址接入信道（MAC）的年龄最优调度方案，在保证队列稳定性的前提下，最小化EH节点的平均信息年龄（AoI）。提出了一种具有闭式最优解的随机概率接入（PRA）策略，以及一种基于李雅普诺夫优化的漂移加惩罚（DPP）策略，结果表明DPP策略在多包接收能力较低时性能优于PRA策略。

ABSTRACT

In this work, we study age-optimal scheduling with stability constraints in a multiple access channel with two heterogeneous source nodes transmitting to a common destination. The first node is connected to a power grid and it has randomly arriving data packets. Another energy harvesting (EH) sensor monitors a stochastic process and sends status updates to the destination. We formulate an optimization problem that aims at minimizing the average age of information (AoI) of the EH node subject to the queue stability condition of the grid-connected node. First, we consider a Probabilistic Random Access (PRA) policy where both nodes make independent transmission decisions based on some fixed probability distributions. We show that with this policy, the average AoI is equal to the average peak AoI, if the EH node only sends freshly generated samples. In addition, we derive the optimal solution in closed form, which reveals some interesting properties of the considered system. Furthermore, we consider a Drift-Plus-Penalty (DPP) policy and develop AoI-optimal and peak-AoI-optimal scheduling algorithms using the Lyapunov optimization theory. Simulation results show that the DPP policy outperforms the PRA policy in various scenarios, especially when the destination node has low multi-packet reception capabilities.

研究动机与目标

• 最小化具有电网供电源的多址接入信道（MAC）中能量采集（EH）传感器的平均信息年龄（AoI）。
• 在随机数据到达条件下，确保电网供电源的队列稳定性。
• 设计兼顾新鲜度与可靠性的年龄最优调度策略，适用于混合流量类型的异构物联网网络。
• 评估在接收端多包接收（MPR）能力变化下的性能表现。

提出的方法

• 建立优化问题，以最小化EH节点的平均AoI，同时满足电网供电节点的队列稳定性约束。
• 提出一种随机概率接入（PRA）策略，其中两个节点独立地基于固定概率决定是否传输。
• 证明在PRA策略下，当EH节点仅传输最新样本时，平均AoI等于峰值AoI，从而可获得闭式最优解。
• 应用李雅普诺夫优化方法，设计一种漂移加惩罚（DPP）策略，联合最小化年龄并稳定队列。
• 通过最小化DPP上界条件期望，推导出适用于年龄最优与峰值AoI最优操作的调度算法。
• 采用两步决策规则：(1) 最大化 $ Z(t)H(t)p_2(t) + Q(t)p_1(t) $，(2) 若 $ Z(t) \leq V $，则设 $ \alpha(t) = \alpha_{\text{max}} $，否则设为0。

实验结果

研究问题

• RQ1 在具有一个EH传感器与一个电网供电源的MAC中，如何在队列稳定性约束下实现年龄最优调度？
• RQ2 在多包接收能力受限时，基于DPP的策略相比PRA策略在平均AoI方面有何性能增益？
• RQ3 在仅传输新鲜样本的PRA系统中，平均AoI何时等于峰值AoI？
• RQ4 基于李雅普诺夫的DPP策略如何在最小化AoI的同时确保队列稳定性？
• RQ5 在异构能量源存在的情况下，最优传输概率与能量分配的结构特性是什么？

主要发现

• DPP策略在接收端多包接收能力较低时，相比PRA策略表现出更优的平均AoI性能。
• 在PRA策略下，若EH节点仅传输新生成的样本，则平均AoI等于峰值AoI，从而可获得闭式最优解。
• 基于DPP的调度算法可稳定电网供电源的队列，长期来看队列积压被限制在 $ \frac{C + V}{\epsilon} $ 以内。
• DPP策略通过最小化漂移加惩罚表达式的上界，确保了系统稳定性与接近最优的年龄性能。
• 在PRA策略下，EH节点的最优传输概率与能量分配均以闭式形式推导得出，揭示了系统中的权衡关系。
• 理论分析证明，DPP策略实现了强队列稳定性，并在最小化年龄与满足稳定性约束方面具有渐近最优性。