네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법 Frequency Allocation and Path Selection Scheme in Underlay Cognitive Radio Networks Using Network Coding원문보기
본 논문에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안한다. 네트워크 코딩 기법과 언더레이 인지 무선을 같이 고려하여 경로를 선택하고, 선택한 경로로 통신하는 SU들의 전체 시스템 처리율을 최대화 하는 최적화 문제를 제안한다. 제안한 최적화 문제를 다중 차원 다중 선택 배낭 문제로 변환한 후, 선형 계획 완화를 적용하여 전체 시스템 처리율에 대한 이론적인 상한 값을 제시하고, 주어진 환경에 대해서 SU들의 전체 시스템 처리율을 BFS를 통해 구한다. 성능 비교를 위해 링크 품질 기반의 LQF기법에 대한 SU들의 전체 시스템 처리율을 구하고, BFS를 사용한 경우의 SU들의 시스템 처리율과 비교 분석한다. 시뮬레이션을 통해, 네트워크 코딩 적용 시 네트워크 코딩을 적용하지 않는 경우보다 성능이 개선됨을 보이고, 언더레이 인지 무선 네트워크에서 제안한 기법에 대한 BFS를 사용한 SU들의 시스템 처리율이 LQF를 사용한 SU들의 시스템 처리율보다 더 높음을 보인다.
본 논문에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안한다. 네트워크 코딩 기법과 언더레이 인지 무선을 같이 고려하여 경로를 선택하고, 선택한 경로로 통신하는 SU들의 전체 시스템 처리율을 최대화 하는 최적화 문제를 제안한다. 제안한 최적화 문제를 다중 차원 다중 선택 배낭 문제로 변환한 후, 선형 계획 완화를 적용하여 전체 시스템 처리율에 대한 이론적인 상한 값을 제시하고, 주어진 환경에 대해서 SU들의 전체 시스템 처리율을 BFS를 통해 구한다. 성능 비교를 위해 링크 품질 기반의 LQF기법에 대한 SU들의 전체 시스템 처리율을 구하고, BFS를 사용한 경우의 SU들의 시스템 처리율과 비교 분석한다. 시뮬레이션을 통해, 네트워크 코딩 적용 시 네트워크 코딩을 적용하지 않는 경우보다 성능이 개선됨을 보이고, 언더레이 인지 무선 네트워크에서 제안한 기법에 대한 BFS를 사용한 SU들의 시스템 처리율이 LQF를 사용한 SU들의 시스템 처리율보다 더 높음을 보인다.
In this paper, we propose frequency allocation and path selection scheme in underlay cognitive radio (CR) networks using network coding. In the proposed scheme, we choose the path with consideration of network coding and interference temperature in underlay CR networks and propose an optimization pr...
In this paper, we propose frequency allocation and path selection scheme in underlay cognitive radio (CR) networks using network coding. In the proposed scheme, we choose the path with consideration of network coding and interference temperature in underlay CR networks and propose an optimization problem to maximize the system throughput of secondary users (SUs). Then, we represent the proposed optimization problem as the multi-dimensional multiple-choice knapsack problem and give the theoretical upper bound for the system throughput of SUs by using linear programming. Finally, we compute the system throughput of SUs by using brute-force search (BFS) and link quality first (LQF) scheme in underlay CR networks. Simulation results show that the system throughput of SUs with BFS is higher than that with LQF in underlay CR networks with and without application of network coding, respectively.
In this paper, we propose frequency allocation and path selection scheme in underlay cognitive radio (CR) networks using network coding. In the proposed scheme, we choose the path with consideration of network coding and interference temperature in underlay CR networks and propose an optimization problem to maximize the system throughput of secondary users (SUs). Then, we represent the proposed optimization problem as the multi-dimensional multiple-choice knapsack problem and give the theoretical upper bound for the system throughput of SUs by using linear programming. Finally, we compute the system throughput of SUs by using brute-force search (BFS) and link quality first (LQF) scheme in underlay CR networks. Simulation results show that the system throughput of SUs with BFS is higher than that with LQF in underlay CR networks with and without application of network coding, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
네트워크 코딩은 서로 다른 노드로부터 수신된 정보를 혼합하여 전송 효율을 늘리기 위하여 제안되었다. [9]에서는 XOR 연산을 이용해 수신된 정보를 혼합 하고 방송하는 방식으로 네트워크 코딩을 제안하였다.
본 논문에서는 경로의 링크 품질을 우선적으로 고려하여 경로를 선택하는 링크 품질 우선 탐색(Link Quality First, LQF) 알고리즘을 제시한다. 제시하는 알고리즘은 탐욕 알고리즘으로 최적의 값을 보장하진 않지만 문제에 대한 비교 가능한 값을 허용 가능한 시간 안에 구할 수 있다.
본 논문에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안하였다. 네트워크 코딩 기법과 언더레이 인지 무선을 같이 고려하여 경로를 선택하고, 선택한 경로로 통신하는 SU들의 전체 시스템 처리율을 최대화하는 최적화 문제를 제안하였다.
본 논문에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안한다. 본 시스템 모델에서는 TDD 기반 OFDMA를 사용한다.
가설 설정
xij의 값이 1이면 MS i가 경로 j로 통신하고, TDD 기반 통신을 고려하므로 상향 링크와 하향 링크의 종단 간 경로를 동일하게 가정한다.
제안 방법
본 논문에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안하였다. 네트워크 코딩 기법과 언더레이 인지 무선을 같이 고려하여 경로를 선택하고, 선택한 경로로 통신하는 SU들의 전체 시스템 처리율을 최대화하는 최적화 문제를 제안하였다. 제안한 최적화 문제를 다중 차원 다중 선택 배낭 문제로 변환하고, 선형 계획 완화를 이용하여 구한 전체 시스템 처리율의 이론적인 상한 값과 함께 주어진 환경에 대해서 SU들의 전체 시스템 처리율을 BFS를 통해 구했다.
인지 무선 시스템에서 SU들의 수율 효율을 최대화하기 위해 [13]는 기회주의적 스케줄링 알고리즘을 개발하였다. 또한 리아푸노프 최적화 기법을 사용하여 흐름 제어, 스케줄링, 자원 할당 알고리즘을 제안하였다. 인지 무선 시스템에서는 PU와 SU 사이의 주파수 공유를 위한 자원 할당 문제가 발생하는데, [14]은 언더레이 무선 인지 시스템에서 주파수 자원을 할당하는 수락 제어 알고리즘을 제시하였다.
본 장에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안한다. 네트워크 코딩을 쓰는 네트워크에서 각 구간은 상향 링크, 하향 링크, XOR 링크 구간으로 이루어지며, 각 구간의 OFDMA 심볼수는 Su, Sd, Sxor 로 표기한다.
본 장에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 제안하는 경로 선택 기법에 대해 선형 계획 완화를 적용하여 전체 시스템 처리율에 대한 이론적인 상한 값을 제시하고, 제안한 LQF 알고리즘과 BFS(Brute-Force Search) 알고리즘을 시뮬레이션을 통해 성능 평가 및 비교 분석한다. 시뮬레이션은 요구 전송 속도를 증가시키며 수행한 것과 인지 무선의 허용 가능한 간섭 한계치인 Ith를 증가시키며 수행한 것으로 구성된다.
본 절에서는 본론에서 제안한 기법들을 시뮬레이션하고 결과를 분석한다. 시뮬레이션은 언더레이 인지 무선 네트워크 환경에서 이루어지며, 선형 계획 완화율의 이론적인 상한 값과 BFS와 LQF를 사용하여 경로 선택 기법을 시뮬레이션한 성능을 비교 분석한다.
사용자의 통신 품질을 유지하면서 상·하향 통신의 전송률들의 가중치 합을 최대화하기 위한 최적화 문제를 제시하였다.
제안한 최적화 문제를 다중 차원 다중 선택 배낭 문제로 변환하고, 선형 계획 완화를 이용하여 구한 전체 시스템 처리율의 이론적인 상한 값과 함께 주어진 환경에 대해서 SU들의 전체 시스템 처리율을 BFS를 통해 구했다. 성능 비교를 위해 링크 품질 기반의 LQF 기법에 대한 SU들의 전체 시스템 처리율을 구하고, BFS를 사용한 경우의 SU들의 시스템 처리율과 비교 분석을 수행하였다. 시뮬레이션을 통해, 네트워크 코딩 적용 시 네트워크 코딩을 적용하지 않는 경우보다 성능이 개선됨을 보였고, 언더레이 인지 무선 네트워크에서 제안한 기법에 대한 BFS를 사용한 SU들의 시스템 처리율이 LQF를 사용한 SU들의 시스템 처리율보다 더 높음을 보였다.
본 장에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 제안하는 경로 선택 기법에 대해 선형 계획 완화를 적용하여 전체 시스템 처리율에 대한 이론적인 상한 값을 제시하고, 제안한 LQF 알고리즘과 BFS(Brute-Force Search) 알고리즘을 시뮬레이션을 통해 성능 평가 및 비교 분석한다. 시뮬레이션은 요구 전송 속도를 증가시키며 수행한 것과 인지 무선의 허용 가능한 간섭 한계치인 Ith를 증가시키며 수행한 것으로 구성된다.
[12]은 중계기 기반 OFDMA 시스템에서 효율적인 자원 할당을 위한 기회주의적 네트워크 코딩 기법을 제시하였다. 제안한 기법은 기지국, 중계기, 사용자를 고려하여 시간 슬롯을 3분할하고 이를 동적으로 할당하는 동적 TDD를 사용하였다. 사용자의 통신 품질을 유지하면서 상·하향 통신의 전송률들의 가중치 합을 최대화하기 위한 최적화 문제를 제시하였다.
네트워크 코딩 기법과 언더레이 인지 무선을 같이 고려하여 경로를 선택하고, 선택한 경로로 통신하는 SU들의 전체 시스템 처리율을 최대화하는 최적화 문제를 제안하였다. 제안한 최적화 문제를 다중 차원 다중 선택 배낭 문제로 변환하고, 선형 계획 완화를 이용하여 구한 전체 시스템 처리율의 이론적인 상한 값과 함께 주어진 환경에 대해서 SU들의 전체 시스템 처리율을 BFS를 통해 구했다. 성능 비교를 위해 링크 품질 기반의 LQF 기법에 대한 SU들의 전체 시스템 처리율을 구하고, BFS를 사용한 경우의 SU들의 시스템 처리율과 비교 분석을 수행하였다.
데이터처리
IV 장에서 선형 계획 완화 문제를 통해 구한 이론적인 상한 값을 제안하는 알고리즘 이용시의 성능과 비교 분석할 것이다.
본 절에서는 본론에서 제안한 기법들을 시뮬레이션하고 결과를 분석한다. 시뮬레이션은 언더레이 인지 무선 네트워크 환경에서 이루어지며, 선형 계획 완화율의 이론적인 상한 값과 BFS와 LQF를 사용하여 경로 선택 기법을 시뮬레이션한 성능을 비교 분석한다.
이론/모형
본 논문에서는 네트워크 코딩을 쓰는 언더레이 인지 무선 네트워크에서의 주파수 할당과 경로 선택 기법을 제안한다. 본 시스템 모델에서는 TDD 기반 OFDMA를 사용한다. 하나의 슬롯은 하나의 OFDMA 심볼과 하나의 부반송파로 구성되어있고, 사용자는 중계기를 거치는 통신을 하거나, 기지국과 직접 통신 할수 있다.
성능/효과
시뮬레이션에서 언더레이 간섭 한계치가 1.1nW보다 큰 구간에서 네트워크 코딩을 사용하는 경우의 LQF가 네트워크 코딩을 사용하지 않는 경우의 BFS보다 더 좋은 성능을 보인다.
성능 비교를 위해 링크 품질 기반의 LQF 기법에 대한 SU들의 전체 시스템 처리율을 구하고, BFS를 사용한 경우의 SU들의 시스템 처리율과 비교 분석을 수행하였다. 시뮬레이션을 통해, 네트워크 코딩 적용 시 네트워크 코딩을 적용하지 않는 경우보다 성능이 개선됨을 보였고, 언더레이 인지 무선 네트워크에서 제안한 기법에 대한 BFS를 사용한 SU들의 시스템 처리율이 LQF를 사용한 SU들의 시스템 처리율보다 더 높음을 보였다. 향후 연구로 네트워크 코딩에 의해 발생할 수 있는 추가적인 오버헤드를 고려하여 네트워크 코딩 적용시의 시스템 성능을 분석할 계획이다.
46nW로 고정하였다. 전체 구간에서 네트워크 코딩을 사용하지 않았을 때보다 네트워크 코딩을 사용했을 때 더 좋은 성능을 보이며, 네트워크 환경에 대한 제약들을 고려하여 최적 값을 얻는 BFS의 성능이 LQF의 성능보다 항상 좋거나 같음을 보인다. 요구 전송 속도가 0.
후속연구
향후 연구로 네트워크 코딩에 의해 발생할 수 있는 추가적인 오버헤드를 고려하여 네트워크 코딩 적용시의 시스템 성능을 분석할 계획이다. 네트워크 코딩 적용에 따른 추가 오버헤드에 의한 전체 시스템의 성능 열화를 분석하고, 네트워크 코딩을 적용하기에 적합한 시스템 환경에 대한 연구를 추후 진행할 계획이다.
시뮬레이션을 통해, 네트워크 코딩 적용 시 네트워크 코딩을 적용하지 않는 경우보다 성능이 개선됨을 보였고, 언더레이 인지 무선 네트워크에서 제안한 기법에 대한 BFS를 사용한 SU들의 시스템 처리율이 LQF를 사용한 SU들의 시스템 처리율보다 더 높음을 보였다. 향후 연구로 네트워크 코딩에 의해 발생할 수 있는 추가적인 오버헤드를 고려하여 네트워크 코딩 적용시의 시스템 성능을 분석할 계획이다. 네트워크 코딩 적용에 따른 추가 오버헤드에 의한 전체 시스템의 성능 열화를 분석하고, 네트워크 코딩을 적용하기에 적합한 시스템 환경에 대한 연구를 추후 진행할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
네트워크 코딩은 무엇인가?
기존의 라우터에서는 수신한 정보를 전달 방향으로 송신하는 역할만 수행했다. 반면에, 네트워크 코딩은 기지국(Base Station, BS)과 사용자(Mobile Station, MS) 사이에 중계기(Relay Station, RS)를 배치하고 수신된 정보들을 인코딩하여 방송(broadcast)하고, RS가 방송한 정보를 받은 수신자들이 디코딩을 통해 정보를 해석하는 기법이다. 그림 1은 네트워크 코딩 기반 통신을 도식화한 그림이다.
RLNC의 장점은 무엇인가?
RLNC는 노드들이 수신한 정보들을 독립적이고 랜덤하게 선형적으로 인코딩하여 전송하는 방식 으로 동작한다. 이는 네트워크 코딩을 분산적으로 동작시키고 링크 손실과 네트워크 구조 변화에 유동적으로 대처할 수 있다.
인지 무선 시스템은 무엇을 높이기 위해 고안되었는가?
인지 무선(Cognitive Radio, CR) 시스템은 유한한 스펙트럼 자원의 효율성을 높이기 위해 고안되었다[2]. 부차적인 사용자(Secondary User, SU)는 주 사용자 (Primary User, PU)가 사용하는 스펙트럼의 상태를 감지하고, 감지된 스펙트럼을 사용하는 방식에 따라, 언더레이(Underlay), 오버레이(Overlay), 인터위브 (Interweave) 모드로 나뉜다.
참고문헌 (19)
IEEE Standard 802.16m-2011, IEEE standard for local and metropolitan area networks, Part 16 : Air interface for broadband wireless access systems, Amendment 3 : Advanced air interface, 2011.
J. Mitola and G. Maguire, "Cognitive radio: making software radios more personal," IEEE Pers. Commun., vol. 6, no. 4, pp. 13-18, 1999.
J. Mitola, "Cognitive radio: An integrated agent architecture for software defined radio," Doctor of Technology, Royal Inst. Technol. (KTH), Stockholm, Sweden, 2000.
S. Srikanth, M. Pandian, and X. Fernando, "Orthogonal frequency division multiple access in WiMAX and LTE: a comparison," IEEE Commun. Mag., vol. 50, no. 9, pp. 153-161, Sept. 2012.
E. Choi, D.-H. Lee, M. Chen, and H. Y. Hwang, "Joint resource allocation and path selection in network coding-based OFDMA relay networks," in Proc. ICUFN, pp. 780- 784, Da Nang, Vietnam, Jul. 2013.
H. Y. Hwang, H. Lee, I. G. Jeong, I. S. Jung, B. S. Roh, and G. S. Park, "Joint bandwidth allocation and path selection scheme for uplink transmission in IEEE 802.16j networks with cooperative relays," J. KICS, vol. 38C, no. 1, pp. 64-77, Jan. 2013.
M. S. Park and W. S. Yoon, "Optimized multipath network coding in multirate multi-hop wireless network," J. KICS, vol. 37B, no. 9, pp. 734-740, Sept. 2012.
D. Lopez-Perez, X. Chu, A. V. Vasilakos, and H. Claussen, "Power minimization based resource allocation for interference mitigation in OFDMA femtocell networks," IEEE J. Sel. Areas in Commun., vol. 32, no. 2, pp. 333- 344, Feb. 2014.
S. Katti, H. Rahul, W. Hu, D. Katabi, M. Medard, and J. Crowcroft, "XORs in the air: Practical wireless network coding," IEEE/ACM Trans. Netw., vol. 16, no. 3, pp. 497-510, Jun. 2008.
S. Zhang, S. C. Liew, and P. P. Lam, "Hot topic: physical-layer network coding," in Proc. MobiCom, pp. 358-365, Los Angeles, USA, Sept. 2006.
T. Ho, M. Medard, R. Koetter, D. R. Karger, M. Effros, J. Shi, and B. Leong, "A random linear network coding approach to multicast," IEEE Trans. Inf. Theory, vol. 52, no. 10, pp. 4413-4430, Oct. 2006.
B. G. Kim and J. W. Lee, "Opportunistic resource scheduling for OFDMA networks with network coding at relay stations," IEEE Trans. Wirel. Commun., vol. 11, no. 1, pp. 210-221, Jan. 2012.
R. Urgaonkar and M. J. Neely, "Opportunistic scheduling with reliability guarantees in cognitive radio networks," IEEE Trans. Mob. Comput., vol. 8, no. 6, pp. 766-777, Jun. 2009.
L. B. Le and E. Hossain, "Resource allocation for spectrum underlay in cognitive radio networks," IEEE Trans. Wirel. Commun., vol. 7, no. 12, pp. 5306-5315, Dec. 2008.
D.-H. Lee, W. H. Lee, E. Choi, and H. Y. Hwang. "Subcarrier allocation and relay selection for uplink transmission in OFDMA-based cognitive radio systems," in Proc. ICTC, pp. 485-487, Jeju, Korea, Oct. 2013.
D.-H. Lee, W. H. Lee, and H. Y. Hwang. "Network coding-based relay selection in underlay cognitive radio networks," in Proc. KICS Conf., pp. 352-353, Daejeon, Korea, Nov. 2014.
K. H. Lee, S. H. Cho, and J. H. Kim, "Feasibility analysis of network coding applied to IEEE 802.11s wireless mesh networks," J. KICS, vol. 37B, no. 11, pp. 1014-1021, Nov. 2012.
Y. Lin, B. Liang, and B. Li, "Performance modeling of network coding in epidemic routing," in Proc. ACM MobiOpp, pp. 67-74, San Juan, Puerto Rico, Jun. 2007.
R. Mansia, C. Alvesa, J. M. Valerio de Carvalhoa, and S. Hanafi, "A hybrid heuristic for the multiple choice multidimensional knapsack problem," Engineering Optimization, vol 45, no. 8, pp. 983-1004, 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.