Stochastic modeling and analysis for performance optimization in wireless ad hoc networks

Abstract

지난 수년간 애드 혹 네트워크는 다양한 무선 기기를 효율적으로 연결하는 기술로써 많은 관심을 받아왔다. 특히, 높은 수준의 성능을 요구하는 무선 서비스들이 늘어나면서, 성능 요구 조건을 충족할 수 있도록 네트워크를 설계하는 것이 중요해졌다. 확률 모델은 네트워크의 특징을 분석하고 성능을 예측하는데 효율적이므로 애드 혹 네트워크의 확률적 양상을 예측할 수 있는 확률 모델을 개발하는 것은 매우 중요하다.

본 논문에서는 애드 혹 네트워크의 성능 최적화를 위한 확률 모델을 개발하고자 한다. 우리는 두 가지 중요한 네트워크인 무선 인지(cognitive radio, CR) 네트워크와 차량 애드 혹 네트워크 (vehicular ad hoc network, VANET)를 다루고자 한다. 첫 번째 주제로 다중 채널 무선 인지 네트워크를 생각한다. 확률 모델을 개발하는 데 있어 불완전한 채널 감지 기술로 인해 발생하는 사용자 사이의 상호작용을 고려한다. 우리의 모델을 바탕으로 무선 인지 네트워크에서 사용자들의 전송률(throughput)을 최대화하는 채널 감지 기술을 제안하고, 안정성 영역(stability region)을 향상시킬 수 있는 채널 접속 정책을 제안한다. 두 번째 주제는 ALOHA 프로토콜을 사용하는 차량 애드 혹 네트워크를 다루고자 한다. 노드에서 받는 간섭 사이의 상관관계를 고려할 수 있는 확률 모델을 개발하며 ALOHA 프로토콜의 접속 확률을 최적화하는 방법을 제시한다.

2장에서는 다중 채널 무선 인지 네트워크의 성능 분석을 위한 모델을 개발한다. 1차 사용자는 전송의 신뢰성을 위해 매체 접근 계층(medium access control layer)에서 ARQ 프로토콜을 사용한다. 2차 사용자의 채널 감지 오류로 인해 1차 사용자에게 주는 간섭과 1차 사용자의 ARQ로 인한 재전송을 고려해 교차 설계 기반의 성능 분석 모델을 개발한다. 확률 모델을 바탕으로 감지 오류가 2차 사용자의 전송률과 1차 사용자의 전송 지연에 미치는 영향을 분석하며, 1차 사용자의 전송 지연에 대한 요구 조건을 만족하면서 2차 사용자의 전송률을 최대로 하는 채널 감지 기술을 제안한다. 교차 설계 모델을 이용해 채널 감지 임계값에 대한 최적화 문제를 세우고 요구 조건을 만족하는 해를 찾는다. 수치 결과와 시뮬레이션 결과를 토대로 개발한 모델이 성능을 잘 예측함을 검증하고 또한 최적화된 채널 감지 기술의 성능을 살펴본다.

3장에서는 무선 인지 네트워크의 안정성 영역(stability region)을 분석한다. 분리 가정(decoupling assumption)을 통한 접근으로 큐 사이의 상관관계를 고려한 안정성 영역의 근사 방법을 제시하며, 수치 결과와 시뮬레이션 결과를 통해 우리의 분석이 실제 안정성 영역을 잘 나타내고 있음을 확인한다. 분석을 바탕으로 채널 감지 오류가 안정성에 미치는 영향을 분석할 뿐만 아니라 영역을 향상시킬 수 있는 채널 접속 정책을 제시한다. 또한, 이를 구현하기 위한 분리 알고리즘 개발하고 그 수렴성을 증명하고 시뮬레이션을 통해 성능을 살펴본다.

4장에서는 ALOHA 프로토콜을 사용하는 차량 애드 혹 네트워크에서 동보 패킷의 성능 분석을 한다. 우리는 성능 측도로써 전송 지연 요구 조건을 고려한 패킷 전달 확률(packet delivery probability)과 격리 확률(isolation probability)을 생각하고자 한다. 동보 패킷의 성능은 수신자에서 받는 간섭에 크게 영향을 받으며 이를 분석에 반영하기 위해 확률론적 기하(stochastic geometry)를 활용한다. 간섭들 사이에는 공간 상관관계가 존재한다. 정확한 성능 분석을 위해서는 상관관계를 확률 모델에 정확히 반영하는 것이 중요하지만, 이는 수치 계산이 매우 어렵다. 4장에서는 상관관계의 영향을 고려해 수치 계산이 가능한 근사 방법을 제시한다. 또한, 동보 패킷의 성능 향상을 위해 ALOHA 프로토콜에서 최적의 접속 확률을 찾는다. 마지막으로 수치 결과와 시뮬레이션 결과를 비교해 제시한 근사 방법이 성능을 잘 예측하는 것을 검증하고 최적화된 성능을 분석한다.

본 논문에서는 무선 인지 네트워크와 차량 애드 혹 네트워크의 중요한 특징을 반영한 확률 모델을 제시하였다. 물리 계층의 특성을 반영해 매체 접근 계층의 성능을 분석하는 확률 모델을 개발함으로써 네트워크의 근본적인 특성을 파악하고 성능을 최적화하는데 기여했다. 특히, 무선 인지 네트워크에서 2차 사용자의 채널 감지 오류의 역할을 새로운 관점에서 해석하는 등 시스템을 설계하는 데 있어 중요한 특징들을 규명하였다. 이러한 결과들은 급격히 수요가 증가하는 애드 혹 네트워크의 개발 및 구현에 기여할 것으로 기대한다.