to the PDF file. - Laboratoire des signaux et systèmes
Transcription
to the PDF file. - Laboratoire des signaux et systèmes
Routage efficace en puissance dans les réseaux sans fils Laboratoire des Signaux et Systèmes Pierre Gerold, Florence Alberge, Pierre Duhamel e-mail :[email protected], [email protected], [email protected] Proposer un routage Router dans un réseau sans fil Objectifs – Modéliser le routage et l’allocation de puissance dans un réseau sans fils – Trouver la route qui permet d’acheminer un flot de données à travers le réseau en utilisant le moins de puissance possible. Hypothèses – Utilisation de tous les liens disponibles via la division des flots entre plusieurs chemins. – Prise en compte exacte de l’interférence généré par chaque commnunication. Exemple de réseau: un graph pour les communications 12 Un modèle graph pour le routage 6 2 1 5 1 Source 4 2 Emetteur 1 }| 0 0 1 0 −1 0 0 1 −1 0 0 1 0 0 −1 Noeuds type 1 Noeuds type 2 5 Récepteur 2 r6 R -0.6 0 r5 0 -0.5 No solution area 0.5 iteration 0 -0.8 r6 -1 -1 Stratégies d’optimisations 2.5 2 -0.8 -0.6 -0.4 r -0.2 5 R 0 0.2 0.4 Optimisations approchés convexes successives Optimisations convexes itératives Principe à l’iteration i considérer l’interférence fixe SINR approché γ(rl ) = Gll pl nl + PL k=0 k6=l Gkl pl [i − 1] Expression de la puissance Le problème d’optimisation p[i] = Γ(r)H p[i − 1] + Γ(r)h Le vecteur de puissance correspondant à un routage lien i: gain Gii lnterférences Gij Communications 1 − G21 γ (r2 ) G22 .. . GL1 γ (rL ) − GLL G γ (r ) − 12G 1 11 ··· 1 ··· .. . .. GL2 γ (rL ) − GLL G γ (r1 ) − 1LG 11 G γ (r2 ) − 2LG 22 .. . . ··· p1 p2 . = . . . pL 1 n1 γ (r1 ) G11 n2 γ (r2 ) G22 Gain des liens et gains d’interférences !γ Gain de codage z}|{ d0 Fll si l = k Gll = Kc Ka dll γ d0 si l 6= k Gkl = Ka Fkl |{z} d kl | {z } Terme aléatoire du canal Atténuation par propogation (I − Γ(r)H) . p = Γ(r)h Le vecteur de puissance p associé à un routage r −1 p = (I − Γ(r).H) nl + k=0 k6=l Optimisations approchées successives convexes Principe trouver une approximation convexe du critère, en excès, égale au critère réel en un point arbitraire. Le critère approché Jˆw (r) = wT . I − Γ̂r̂ (r).H .Γ(r).h r̂1 −1 r̂2 .Γ̂r̂ (r).h Γ̂ (r) = diag γ̂ (r1 ), γ̂ (r2 ), . . . , γ̂ Le problème d’optimisation min T −1 w . (I − Γ(r).H) Ce problème n’est pas convexe Gkl pl sous la contrainte: r = ω(Ks[C|] + b) Gll pl PL Algorithme Résoudre le problème de minimisation avec l’expression approché de la puissance. p[i] est réglé à la valeur solution de l’optimisation. Passer à l’iteration i + 1 r̂ r,s Capacité des liens .. . nL γ (rL ) GLL Γ(r) = diag (γ(r1 ), γ(r2 ), . . . , γ(rL )) lien j: gain Gjj γ : r → er − 1 1 -1 1 r = ω(K s[C|] +b) |{z} Transmission CDMA asynchrones γ(rl ) = SIN Rl = 3 -1 L − N + 1 variables de routages Gji 3.5 -0.4 -0.5 Générer tout les routages respectant la contrainte Liens canal 1 Liens canal 2 4 -0.2 0.5 M.s = q | {z } N − 1 équations de contraintes indépendantes 3 Global minimum iteration 22 6 log 10kP~ k5 4 3 2 11 { s1 0.5 1 s2 0 0 s 3 = 0 0 s4 0 0 s5 −0.5 −1 s6 0 1 0 −1 0 4.5 0 Les L colonnes correspondent aux liens 7 4 5 4 Exprimer la conservation du débit 8 10 6 No solution area Sink 11 9 0.2 3 z 1 0 0 N noeuds −1 0 Simulations Optimisations convexes itératives 2 3 Critère à optimiser γ̂ r0 = r → (er0 − 1) .e r̂L (rL ) r−r0 1−e−r0 .Γ(r).h Algorithme Initialiser au hasard sur un routage. Résoudre le problème de minimisation pour le critère approché convexe. Le routage obtenu devient le nouveau point d’approximation. Recommencer jusqu’à la convergence. Réferences [1] L.O. Chua. Computer-aided analysis of electronic circuits. Prentice-Hall Series in Electrical and Computer Engineering, Englewood Cliffs: Prentice-Hall, 1975. [2] M. Johansson, L. Xiao, and S. Boyd. Simultaneous routing and power allocation in CDMA wireless data networks. In IEEE International Conference on Communications, volume 1, pages 51–55. IEEE, 2003. [3] D. Julian O’Neill and S. Boyd. Seeking Foschini’s genie: optimal rates and powers in wireless networks. IEEE Transactions on Vehicular Technology, 2004. [4] J. Papandriopoulos and J.S. Evans. SCALE: a lowcomplexity distributed protocol for spectrum balancing in multiuser DSL networks. Information Theory, IEEE Transactions on, 55(8):3711–3724, 2009.