[论文解读] Proactive Resource Allocation: Harnessing the Diversity and Multicast Gains

John Tadrous, Atilla Eryılmaz+1 more|arXiv (Cornell University)|Oct 21, 2011

Cognitive Radio Networks and Spectrum Sensing被引用 5

一句话总结

本文通过利用用户行为的可预测性，提出在无线网络中提前 T 个时隙提交请求的主动资源分配机制，显著降低了给定中断概率下的带宽需求。基于大偏差理论，证明了预测多样性增益随 T 线性增长，且主动组播实现了多样性增益的超线性扩展，从而在不牺牲主网络性能的前提下，显著提升了频谱效率。

ABSTRACT

This paper introduces the novel concept of proactive resource allocation through which the predictability of user behavior is exploited to balance the wireless traffic over time, and hence, significantly reduce the bandwidth required to achieve a given blocking/outage probability. We start with a simple model in which the smart wireless devices are assumed to predict the arrival of new requests and submit them to the network T time slots in advance. Using tools from large deviation theory, we quantify the resulting prediction diversity gain} to establish that the decay rate of the outage event probabilities increases with the prediction duration T. This model is then generalized to incorporate the effect of the randomness in the prediction look-ahead time T. Remarkably, we also show that, in the cognitive networking scenario, the appropriate use of proactive resource allocation by the primary users improves the diversity gain of the secondary network at no cost in the primary network diversity. We also shed lights on multicasting with predictable demands and show that the proactive multicast networks can achieve a significantly higher diversity gain that scales super-linearly with T. Finally, we conclude by a discussion of the new research questions posed under the umbrella of the proposed proactive (non-causal) wireless networking framework.

研究动机与目标

• 通过主动调度减少高峰与平均流量需求的差异，以应对日益严重的无线频谱稀缺问题。
• 利用智能设备对用户行为（如重复数据请求）的可预测性，预先提交请求以平滑网络负载。
• 使用大偏差理论量化无线网络中预测与组播带来的多样性增益。
• 证明主动分配可在不降低主网络可靠性的情况下提升认知无线电系统中次级网络的性能。
• 探索主动组播网络中多样性增益实现超线性扩展的潜力。

提出的方法

• 提出一种主动资源分配框架，用户根据预测行为在 T 个时隙前提交请求。
• 使用大偏差理论分析中断概率的衰减速率，并将多样性增益量化为预测时延 T 的函数。
• 建立系统模型，包含单播与组播流量，跟踪时隙内的请求到达与服务容量。
• 引入‘预测多样性增益’概念，并利用 Cramér 定理与矩生成函数推导中断概率的上下界。
• 分析随机预测前瞻时间 T 的影响，并引入组播对齐以提升频谱效率。
• 推导在各种调度策略（包括非因果与主动策略）下的中断概率上下界。

实验结果

研究问题

• RQ1 提前 T 个时隙预测用户请求，对无线网络中的多样性增益与中断概率有何影响？
• RQ2 在主动单播与组播系统中，多样性增益相对于预测时延 T 的扩展行为如何？
• RQ3 主动资源分配能否在不降低主网络可靠性的情况下提升认知无线电系统中次级网络的性能？
• RQ4 组播对齐与预测如何协同作用以实现超线性多样性增益扩展？
• RQ5 在随机预测前瞻时间下，主动调度的根本极限是什么？

主要发现

• 预测带来的多样性增益随预测时延 T 线性增长，显著提升了中断概率的衰减速率。
• 主动组播网络的多样性增益随 T 超线性扩展，其频谱效率优于单播。
• 在认知无线电场景中，主用户实施主动分配可提升次级网络的多样性增益，且不损害主网络性能。
• 基于大偏差理论推导的中断概率上下界表明，衰减速率随 T 增加，且在特定条件下上下界一致。
• 系统实现的多样性增益为 d = (T+1)log y2 − (T+1)γ̄u(y2−1) − θ̄log(1−ξTm + ξTmy2)，其中 y2 依赖于业务与预测参数。
• 分析证实 Q̄u(n) > C 是中断的充分条件，从而确立了多样性增益的理论下界。