可调稀疏网络编码

Tunable sparse network coding

Int. Zurich Seminar on Communications (IZS), February 29 – March 2, 2012

摘要

对于固定稀疏度的稀疏网络编码，由于其主要的额外开销是由于最后数据分组的传输。因此我们的主要关注点是随着传输过程的进行提高编码的密度，这样就能在保持稀疏码复杂度优势的同时又能降低延迟开销。我们就提出了稀疏网络编码作为动态编码机制，它具有两个区域的编码结构：具有各种稀疏性的稀疏性的稀疏区域，以及根据RLNC产生分组的密集区域。我们在多播会话中描述这个问题并分析了在特殊情况下的利益权衡。同时对于系数矩阵我们也提出了一种对于新的高斯消元机制以保证有一个较高的线性解码概率。

可调稀疏网络编码中有三个关键思想：

（1）稀疏编码在传输会话开始时更有益。由于目的节点在开始时仅接收了较小的自由度（源包的线性无关的结合），任何稀疏编码包在信宿端将会以较高概率构成自由度（即构成再生包）。

（2）在传输会话快要结束时，需要传输较为密集的编码分组这样能够较快的完成解码，这是由于较为密集的编码包更高概率是再生包，较为稀疏的编码包为再生包概率较低。

（3）稀疏编码降低复杂性。解码端可以利用具有大量0系数的矩阵已改善解码复杂性。

本文提出了一种框架，用于研究我们的网络编码机制，通过数据包擦除网络来分析延迟性能（编码包传输次数）和多播网络中的解码复杂度之间的权衡。

模型

此模型是单源和多信宿的多播网络，我们将网络构建模型为具有独立的边缘擦除概率的图。网络最小割为m（最大流为m），因此，在传输期间，需要传输M个编码分组的多个传输轮次。每个传输轮都由t来索引。

利用线性网络编码的代数框架来建模我们的问题，对于信道没有错误的情况下，信宿i接收到，其中Ai是一个满秩的矩阵，x表示源分组列向量。

可调稀疏网络编码

定义为第i个信宿的解码矩阵的第t轮次的编码密度，即非零元素所占的比例。如果此比例是高的则此矩阵是稠密的，相反，比例小则是稀疏的。在可调稀疏网络编码中，密度的调整取决于传输轮次t。主要创新点就是：在传输会话开始时，以较小的密度传输编码包，在会话即将结束时，以较大密度传输编码包。

我们可以根据的控制方法来对TSNC进行分类。如果密度调整不依赖信宿端的反馈信息，我们称此编码机制为开环的密度调整方案，否则为闭环的密度调整方案。还可以通过不同的[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XGSt9EiD-1626677861865)(C:/Users/Administrator/AppData/Roaming/Typora/typora-user-images/image-20210715201228544.png)]元素的时间依赖来分类不同的编码机制，比如：基于窗口的编码、基于滑动窗口的编码、基于代的编码，可以用我们的框架来证明研究。

我们的工作更侧重于具有网络擦除概率的开环密度调整方案。我们从接收器的角度来描述了延迟和复杂性能，以及用于无错误的最小割m为1的特殊情况。

扩展：1. 模型中，最小割m(m>1)且信道无错误的多个接收者 2. 闭环密度调整策略，这是由于我们的分析依赖于根据接收方接收的编码包的数量和类型 来描述接收方的性能。

A.从一个接收者的角度

具有用于最小割m = 1的k-稀疏编码分组的可调稀疏网络编码方案可以描述如下：

源节点首先发送n个未编码的分组，其中一些分组因信道擦除概率而丢失，紧随着发送稀疏编码包。我们将研究两种不同的方法：1，发送个k-稀疏编码包，其中的k个非0系数分别区域有限域,这种叫做确定性密度。2，发送个具有高概率的k-稀疏的编码包，我们称它为随机密度。最后，传输个统一编码的数据包。

我们通过对几个级别的稀疏性编码包进行解码来分析的延迟性能和解码复杂度的效果。我们以某种稀疏编码包的情况，通过定理3来限制延迟性能的可实现性。

B. 延迟性能

这部分主要描述的在特定密度分布下接收到编码包是再生包的概率，此问题为关键。在每个传输轮次t都会有m（m为最小割）个编码包发送到接收端，在通用网络情况下，预编码的选择以及网络内的编码以及链路擦除概率决定了该在传输轮次t时接收端接收到的编码包的稀疏性。考虑一个具有多种稀疏性的方案，当个自由度之前被接收时，对于1个k-稀疏度编码包会产生个自由度，则将会发送稀疏度的编码包。下面的定理描述了在确定性密度以及随机密度下分别对应的和。

定理1：对于在多播回话中只有一个接收端且之前已经接受到了个自由度时：

其中代表为在确定性密度下在信宿端接收到的编码包为非再生包的概率，

其中为在随机密度下在信宿端接收到的编码包为非再生包的概率

下面的推论提供了方程1,2 的近似表达式，n足够大，且：

C 复杂度分析

我们提出了一种简单的算法，该算法将矩阵重新排序，可避免稀疏分组的额外的操作，矩阵排序算法可避免在稀疏包中创建额外的密度。我们的目标是延迟解码过程，直到我们有一个上三角矩阵。此时，执行后向传播进行消除。

该算法计算对应于右下角列的数据包(由虚线定义)参与线性组合的次数。在虚线以下的组合中涉及的数据包不被计算。将行和列重新组织，使单次出现的数据包位于左上角，如图2 (b)中虚线所定义。

重新排列矩阵的算法：其中：将稀疏包的向后传递中的操作数保持为O(dk)，为原始包中的第i数据包，代表从原始数据包子集Z中抽取的j-稀疏数据包的编码包集合，代表1-稀疏组合中数据包集合，代表在编码包集合F中仅仅用过一次原始数据包子集Z，为n个原始数据包的集合。

R0为: 在n个原始数据包中选取的k（k>1）稀疏的编码包集合           C0为：不在稀疏度为1的编码包中的数据包集合
if 在编码包集合R0中仅仅用过一次原始数据包子集C0 不为空
	则 R1为：
	（待完善）

性能评估

本节通过数值示例说明复杂性和延迟性能之间的权衡，并表明从稀疏码切换到密集码的阈值是决定这种权衡的关键。为简单起见，我们假设在传输开始时没有未编码的数据包被发送。我们比较了以下方案:

3-稀疏网络编码：该方案仅考虑3稀疏分组的传输。对于确定性延迟性能，我们使用等式(1)并使用算法1来确定复杂性。

RLNC：对于随机线性网络编码，其复杂度为O(n3)

TSNC：该方案依赖于稀疏区域和密集区域，具有可调阈值来决定何时从一个区域切换到另一个区域。在稀疏区域生成的包是k-稀疏的，每发送n/100个编码包，k就会增加。

结论

我们重新讨论了在延迟性能和解码复杂性之间进行权衡的问题，但是提供了一种新的框架，该框架使用稀疏和密集编码的分组，并且允许在中间节点对一般网络中的多播会话进行编码。更一般地说，我们建议稀疏度应该随着传输会话的进行而变化。为了实现这种编码灵活性，我们提出了一种高效直观的算法来重新排序矩阵的行和列，以便在稀疏矩阵中执行高效的高斯消除。