[论文解读] The Ginibre Point Process as a Model for Wireless Networks with Repulsion

Na Deng, Wuyang Zhou+1 more|arXiv (Cornell University)|Jan 15, 2014

Point processes and geometric inequalities参考文献 12被引用 25

一句话总结

本文提出 $\beta$-Ginibre 点过程（$\beta$-GPP）作为一种可处理的模型，用于具有排斥特性的无线网络，弥合了泊松点过程（PPP）与硬核 Ginibre 过程之间的差距。通过利用行列式点过程的解析性质，作者推导出干扰的均值与方差的闭式表达式，采用伽马分布、逆高斯分布和逆伽马分布近似干扰分布，并证明 $\beta$-GPP 能够准确建模真实的蜂窝基站部署，实现高精度的覆盖概率。

ABSTRACT

The spatial structure of transmitters in wireless networks plays a key role in evaluating the mutual interference and hence the performance. Although the Poisson point process (PPP) has been widely used to model the spatial configuration of wireless networks, it is not suitable for networks with repulsion. The Ginibre point process (GPP) is one of the main examples of determinantal point processes that can be used to model random phenomena where repulsion is observed. Considering the accuracy, tractability and practicability tradeoffs, we introduce and promote the $β$-GPP, an intermediate class between the PPP and the GPP, as a model for wireless networks when the nodes exhibit repulsion. To show that the model leads to analytically tractable results in several cases of interest, we derive the mean and variance of the interference using two different approaches: the Palm measure approach and the reduced second moment approach, and then provide approximations of the interference distribution by three known probability density functions. Besides, to show that the model is relevant for cellular systems, we derive the coverage probability of the typical user and also find that the fitted $β$-GPP can closely model the deployment of actual base stations in terms of the coverage probability and other statistics.

研究动机与目标

• 解决在具有空间排斥特性的真实无线网络建模中，排斥点过程缺乏解析可处理性的问题。
• 提出 $\beta$-Ginibre 点过程（$\beta$-GPP）作为泊松点过程（PPP）与硬核 Ginibre 过程之间的灵活中间模型。
• 利用 $\beta$-GPP 实现对干扰与覆盖概率等关键性能指标在排斥条件下的可处理分析。
• 通过将模型拟合到真实基站部署数据，并验证其在覆盖概率与空间统计方面的高度一致性，完成模型验证。

提出的方法

• 通过保留概率 $\beta$ 和缩放因子 $\sqrt{\beta}$ 对 Ginibre 点过程（GPP）进行薄化与重标度，构建 $\beta$-GPP，以保持强度不变。
• 采用 Palm 测度方法与归一化二阶矩测度，推导出干扰均值与方差的闭式表达式。
• 基于匹配的矩，利用三种已知分布（伽马分布、逆高斯分布、逆伽马分布）对干扰分布进行近似。
• 通过涉及干扰的拉普拉斯变换与 $\beta$-GPP 的矩密度的可计算表示，推导出蜂窝网络中的覆盖概率。
• 将模型拟合到公开数据库中的真实基站数据，并利用 $K$、$L$ 和 $J$ 函数验证其性能。
• 理论推导得到渐近分析支持，表明当干扰阈值 $c \to \infty$ 时，均值干扰趋近于仿射函数。

实验结果

研究问题

• RQ1 能否使 $\beta$-Ginibre 点过程提供一种在保持准确性的同时具备可处理性的无线网络排斥模型，从而弥合 PPP 与硬核模型之间的差距？
• RQ2 在 $\beta$-GPP 下，干扰的均值与方差是否存在闭式表达式？其与其它点过程下的结果相比如何？
• RQ3 $\beta$-GPP 能在多大程度上通过标准概率分布（如伽马分布、逆高斯分布、逆伽马分布）近似干扰分布？
• RQ4 在空间统计与覆盖概率方面，$\beta$-GPP 与真实世界基站部署的匹配程度如何？
• RQ5 在 $\beta$-GPP 下，蜂窝网络的覆盖概率是否存在解析表达式？其与 PPP 的结果相比有何差异？

主要发现

• 通过 Palm 测度与归一化二阶矩方法，推导出 $\beta$-GPP 下的干扰均值，得到包含不完全伽马函数的闭式表达式。
• 当 $c \to \infty$ 时，均值干扰趋近于仿射函数 $a + bc$，其中 $a = -\beta r_0^{-\alpha}$ 且 $b = \frac{\alpha}{\alpha-2}r_0^{2-\alpha}$，表明其具有线性渐近行为。
• 方差以闭式表达，涉及 $\max\{r_0^2, q\}^{-\alpha}$ 的积分与伽马分布随机变量的求和，且对 $\alpha > 1$ 给出显式表达式。
• 基于匹配的均值与方差，干扰分布可被伽马分布、逆高斯分布与逆伽马分布良好近似。
• $\beta$-GPP 对真实基站部署具有高精度拟合，与经验覆盖概率及空间统计（如 $K$、$L$ 与 $J$ 函数）高度一致。
• 覆盖概率表达式以可计算形式推导，涉及 $\beta$-GPP 矩密度的积分与拉普拉斯变换，支持数值计算。