[论文解读] Primary User-aware Network Coding for Multi-hop Cognitive Radio Networks

Arsany Guirguis, R.M. Guirguis+1 more|arXiv (Cornell University)|Aug 9, 2014

Cooperative Communication and Network Coding参考文献 22被引用 7

一句话总结

本文提出PUNCH，一种面向多跳认知无线电网络的主用户感知网络编码方案，通过智能组合次用户数据包，在尊重主用户活动和链路质量的前提下最大化吞吐量。通过将问题建模为受限图优化并应用启发式算法，PUNCH在不同网络条件下（包括主用户密度和流量负载变化）的吞吐量比传统协议高出150–200%。

ABSTRACT

Network coding has proved its efficiency in increasing the network performance for traditional ad-hoc networks. In this paper, we investigate using network coding for enhancing the throughput of multi-hop cognitive radio networks. We formulate the network coding throughput maximization problem as a graph theory problem, where different constraints and primary users' characteristics are mapped to the graph structure. We then show that the optimal solution to this problem in NP-hard and propose a heuristic algorithm to efficiently solve it. Evaluation of the proposed algorithm through NS2 simulations shows that we can increase the throughput of the constrained secondary users' network by 150\% to 200\% for a wide range of scenarios covering different primary users' densities, traffic loads, and spectrum availability.

研究动机与目标

• 通过网络编码提升次用户吞吐量，解决认知无线电网络中频谱利用率低的挑战。
• 将网络编码吞吐量最大化问题建模为在主用户活动和传输损伤约束下的图论优化问题。
• 设计一种高效的启发式算法（PUNCH），以实现实时部署中NP难编码问题的求解。
• 通过集成接收报告和数据包池机制，确保编码数据包在目的节点的可靠解码。
• 在多种场景下评估算法性能，包括不同的主用户密度、流量负载和频谱可用性。

提出的方法

• 将多跳认知无线电网络建模为有向图，其中节点代表次用户，边代表潜在的传输，约束条件源自主用户活动和链路质量。
• 将主用户活动和频谱可用性映射为图中的边权重和约束，以反映干扰和传输可靠性。
• 将吞吐量最大化问题建模为受限图优化问题，证明其为NP难问题，因此需要启发式解法。
• 设计PUNCH启发式算法，基于主用户活动模式和链路质量，识别最优的数据包组合进行编码，以最小化干扰并最大化编码增益。
• 集成实际机制，如接收报告和数据包池，以支持目的节点对异或编码数据包的可靠解码。
• 使用NS2仿真实现并评估算法，以CAODV等标准协议作为基线进行对比。

实验结果

研究问题

• RQ1 如何在多跳认知无线电网络中有效应用网络编码，以在尊重主用户频谱访问权利的前提下最大化次用户吞吐量？
• RQ2 在认知无线电网络的网络编码方案中，必须建模的关键约束因素有哪些？例如主用户活动、链路质量及频谱可用性？
• RQ3 在不同网络负载和主用户密度下，所提出的PUNCH算法与传统路由协议（如CAODV）在吞吐量、编码增益和队列管理方面有何比较优势？
• RQ4 在编码图构建中考虑主用户活动相较于忽略其活动，能在多大程度上提升性能？
• RQ5 PUNCH算法在不同网络拓扑和流量场景（包括具有多个并发流的随机拓扑）下的鲁棒性如何？

主要发现

• 在各种场景下，PUNCH在多跳认知无线电网络中的吞吐量相比标准CAODV路由提高了150%至200%。
• PUNCH的编码增益随流量负载增加和并发流增多而提升，尤其在编码机会丰富的大型随机拓扑中表现更显著。
• 每个节点的信道数量越多，频谱可用性越高，编码增益和吞吐量也越高；而主用户密度增加则因频谱稀缺导致性能下降。
• 主用户活动水平升高（以分组传输速率λ衡量）会降低网络性能，导致吞吐量和编码增益下降，同时队列长度增加和分组丢失率上升。
• 忽略主用户活动的算法尽管队列清空更快，但分组丢失率更高，证明主用户感知对于实现可靠高效编码至关重要。
• 在相同负载下，PUNCH的平均队列长度和分组丢失率均低于CAODV，表明有效编码带来了更高的效率和更低的拥塞。