利用马尔科夫链模型求解稀疏网络编码的部分译码时延

利用马尔科夫链模型求解稀疏网络编码的部分译码时延

摘要

SNC对于分组的平均解码延迟(ADD)的性能仍然是未知的。提出了一个马尔可夫链模型来分析这种SNC度量,研究ADD的性能。该模型给出了一代译码延迟的下界和一代一部分译码延迟的下界。结果表明，虽然RLNC提供了更好的整个一代的解码延迟，但在每个包ADD方面，SNC优于RLNC。
SNC使用从有限域Fq的元素中随机选择的系数，将一代中的部分数据包进行随机线性组合。如果编码分组恰好包含w个非零编码系数，则该编码分组是w-稀疏的。

吸收马尔可夫链的数学分析

基于恢复源包的概念，即解码矩阵中的非零列，我们提出了一种吸收马尔可夫链。这使我们能够引入具有完全或部分解码一代的可能性的状态。该模型提供了一个代的解码时延和一个代的部分解码时延的下界(n个源数据包中至少解码x个)。

马尔可夫链模型

主要是提供一个马尔可夫链模型来评估SNC的解码延迟。
该过程可以通过具有状态(c，t)的马尔可夫链模型来建模，t是信宿节点接收到的覆盖c个分组的编码包数量。基于这些状态，我们可以定义一个离散马尔可夫链δq(w，n)。通过在信宿端接收，状态从(c，t)改变到(c+i，t+1)。对于w=2和代大小为n，状态(c，t)和(c+i，t+1)之间的转移概率定义如下，由表示：

其中A是吸收状态的集合，作为n个源分组中具有解码x的可能性的状态。在等式(1)中，由于w=2，所以组合两个源分组以构造编码分组。
我们利用组合数学，推导出任意w下吸收马尔可夫链的转移概率如下:

式中，对于w > c, I∈[w−c, n−c]，对于w≤c, I∈[0,n−c]。
状态(c, t)发生的概率，记为 prc,t，则可计算如下:

1.全部或部分解码时延的下界：

SNC方案的特点之一是部分译码，即在接收到几个编码包后能够译码一代的一部分数据包。提供一个对n个原包至少能够解码x个所需要的预期传输次数的下界。实际上，我们把注意力限制在马尔可夫链的参数上的某些条件，使我们能够在下面引理中确定一个好的下界。

引理1:为了解码n个源包中的至少x个，只有当具有的状态是吸收时。
证明:一个关键的观察结果是，要覆盖n个源数据包，则至少需要个已收到的编码数据包。对于要解码x个源数据包，目的地需要接收x个编码包。因此，x个收到的编码包需要覆盖x个源包。根据上述观察，为了覆盖(c−x)剩余的源数据包，目的地至少需要已接收的编码数据包。因此，如果c≥x且信宿端至少接收编码数据包，状态(c, t)是吸收态。

我们现在提供一个基于状态的下界，以便根据解码一代的一部分所需的传输次数来评估SNC性能如下:

其中t是为覆盖c个源包而收到的编码包数，Tx表示对n个源包中至少x个进行解码的预期传输次数。此外，为了解码整个一代，设x = n。在这种情况下，Tn表示解码一代所需的预期传输数。

2.每个包的平均传输时延（ADD）的下界

在SNC方案中，我们使用ADD度量对部分译码进行评估。设P = {p1,p2，…，pn}是源数据包的集合，数据包pi的解码时延用di表示。更准确地说，di是源包pi被解码成功的传输次数。所以ADD可以定义为:

Tx是对n个源包中至少x个进行解码的预期传输次数。因此，为了解码x个源包中的第x个包，需要接收Tx个编码包。另外，接收最多tx编码包来解码剩余的源包就足够了。因此，Ti被认为是解码时延di的下界。将di替换，得到SNC每包ADD的下界。

3.擦除信道模型的发展

到目前为止，我们假设发送方和接收方之间有一个无错误的无线信道。该模型可以很容易地扩展为无记忆擦除信道。为此，我们只需修改转移概率如下:

其中是无线链路的错误率。

仿真和仿真验证

在这一部分，我们使用广泛的模拟活动来确认所提出的模型的有效性。我们在Kodo库（Kodo是一个随机网络编码的C++库）中模拟SNC。每个配置预计有50000次独立运行，以确保相应结果的统计紧密性。这些实验是通过使用GF()进行编码/解码操作来进行的。仿真和理论值之间的偏差通过两个向量之间的平方平均来计算。使用第二向量作为计算平方平均值的参考向量来执行计算。比如“x和y的偏差为5 %”就是说如果x和y有n个条目，那么偏差为
由于t参数，马尔可夫模型中吸收态的数量是无限的。我们通过一个约束来限制这些状态的数量。因此，我们只考虑

表1说明了对不同w和n的一代进行解码的预期传输次数的仿真(Sim)和理论(Model)结果。仿真确认了模型并显示了6 %的偏差。表1中的结果表明，在稀疏码中，传输的分组数量很高。高度稀疏性（w小）增加了线性相关分组的传输概率。因此，SNC的一个缺点是额外的传输开销码。相反，如果稀疏度低(w大)，则线性独立分组的概率更高。因此，低稀疏性有助于减少所需传输次数。

在通过无错信道验证了所提出的模型后，我们使用等式将评估扩展到包括擦除信道的场景。如图1所示。我们设置n = 100，w = 2，3和5，我们还修改了信道丢包的错误率。
可以看出，一.w越小，编码包的传输次数越多，反之越少（w小，则编码包中存在更多的线性相关包） 二.由于信道可能存在差错，对于采取RLNC也不能保证存在固定的传输次数，三、信道错误率越大，则需要的传输次数越多。

图2(a)-©考虑对n个源数据包中至少x个进行解码的预期传输数。它描述了模拟结果(+标记)和提供的下限(–)之间的差异非常小(偏差7%)。对于w = 2的情况，接收器在接收到48个编码分组后开始解码分组。w = 5时达到97。对于w ≥ 5的情况，SNC性能非常接近RLNC，即几乎所有的包都是在一次接收n个编码包后解码的。通过解码一部分分组，每次下一次传输都有可能只包括已经解码的源分组（即存在线性相关编码包）。由于这个原因，w = 2的情况具有最高的传输次数。虽然w = 2比其他w具有最高的传输次数，但接收端在其接收开始时开始解码。因此w = 2有小的ADD。

表二描述了为不同配置解码一代的每个分组的ADD。我们可以观察到稀疏度对每个包的ADD的影响。因此，n相同时，最高稀疏度的每个数据包的ADD较低。稀疏度的影响还取决于代的大小，在这种意义上，对于n = 40，SNC的每个分组的ADD小于RLNC的每个分组的ADD，直到w = 1 1。对于n = 60，这个数字增加 到12，对于n = 8 0，这个数字增加到13。我们最终可以观察到，RLNC的每个数据包的ADD总是等于n，并且所提供的下限总是小于或等于n，并且可以得出结论，与RLNC相比，SNC提供了更好或相等的每个数据包的ADD。

结论

所提供的基于吸收马尔可夫链模型来导出主要度量性能，即恢复一代的预期传输数量、恢复一代的一部分的预期传输数量和恢复一代的每个分组的ADD。这个模型是SNC第一个部分解码的分析模型，通过利用所提出的模型，我们表明，就每个数据包的ADD而言，与RLNC相比，SNC提供了更好或相等的性能。并对擦除信道的模型进行拓展应用。