Many emerging multimedia streaming applications involve multiple users communicating under strict latency constraints. In this paper we study streaming codes for a network involving two source nodes, one relay node and a destination node. In our setting, each source node transmits a stream of messages, through the relay, to a destination, who is required to decode the messages under a strict delay constraint. For the case of a single source node, a class of streaming codes has been proposed by Fong et al. [2], using the concept of {\em delay-spectrum}. In the present work we present an in-depth analysis of the properties of delay-spectrum and apply them to develop streaming codes for our proposed setting through a novel framework. Our first scheme involves greedily selecting the rate on the link from relay to destination and using properties of the delay-spectrum to find feasible streaming codes that satisfy the required delay constraints. We provide a closed form expression for the achievable rate region and identify conditions when the proposed scheme is optimal by establishing a natural outer bound. Our second scheme builds upon this approach, but uses a numerical optimization-based approach to improve the achievable rate region over the first scheme. We demonstrate that our proposed schemes achieve significant improvements over baseline schemes based on single-user codes.


翻译:许多新兴的多媒体流应用涉及在严格的隐蔽限制下进行沟通的多个用户。在本文中,我们研究涉及两个源节点、一个中继节点和一个目的地节点的网络流码。在我们设置的过程中,每个源节点通过中继将一串信息传递到一个目的地,该端点必须在严格的延迟限制下对电文进行解码。对于单一源节点的情况,Fong 等人(2)已经建议了一类流代码,使用“xem 延迟光谱”的概念。在目前的工作中,我们深入分析了延迟光谱的特性,并应用这些代码为我们拟议设置的新框架制定流码。我们的第一个方案涉及在从中继到目的地的链接上贪婪地选择电文流速率,并使用延迟光谱特性来寻找可行的流码,以满足所需的延迟限制。我们为可实现的速率区域提供了一个封闭的表达形式,并确定了拟议计划的最佳条件,即建立一个天然外层。我们的第二个方案以这一方法为基础,但利用一个重大的用户优化办法,我们提出的单一基线计划,从而改进了我们拟议的单一区域。

0
下载
关闭预览

相关内容

专知会员服务
27+阅读 · 2021年5月2日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
5+阅读 · 2018年2月28日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
17+阅读 · 2019年3月28日
Arxiv
3+阅读 · 2018年10月25日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Arxiv
4+阅读 · 2017年1月2日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
5+阅读 · 2018年2月28日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员