This paper considers a large-scale wireless network consisting of source-destination (SD) pairs, where the sources send time-sensitive information, termed status updates, to their corresponding destinations in a time-slotted fashion. We employ Age of information (AoI) for quantifying the freshness of the status updates measured at the destination nodes for two different queuing disciplines, namely Type I and II queues. Type I queue is assumed to transmit the status updates in a first-come-first-served (FCFS) fashion with no storage facility. However, Type I queue may not necessarily minimize AoI because a new update will not be allowed to enter a server until the current update has been successfully transmitted. To overcome this shortcoming, we consider Type II queue in which the most recent status update available at a given transmission slot is transmitted in order to minimize the AoI. As the update delivery rate for a given link is a function of the interference field seen from the receiver, the temporal mean AoI can be treated as a random variable over space. Our goal in this paper is to characterize the spatial distribution of the mean AoI observed by the SD pairs by modeling them as a Poisson bipolar process. Towards this objective, we first derive accurate bounds on the moments of success probability while efficiently capturing the interference-induced coupling in the activities of the SD pairs. Using this result, we then derive tight bounds on the moments as well as the spatial distribution of peak AoI. Our numerical results verify our analytical findings and demonstrate the impact of various system design parameters on the mean peak AoI.


翻译:本文考虑一个大型无线网络, 由源- 源- 目的地配对组成, 源- 源- 源- 目的地配对, 源- 源- 源- 源- 源- 目的地配对, 源- 源- 源- 源- 源- 目的地配对, 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 配对 配对, 源- 源- 源- 源- 源- 源- 配对 配对, 源- 源( 源- 源- 源- 源- 源- 源- 配对 配对 ) 发送时间敏感的信息, 被称为状态更新, 以时间- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 源- 共享- 共享- 源- 源- 源- 共享- 共享- 配置- 配置- 配置- 配置- 共享- 共享- 配置- 配置- 共享- 共享- 共享- 源- 源- 源- 源- 源- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置- 配置

0
下载
关闭预览

相关内容

Explanation:无线网。 Publisher:Springer。 SIT: http://dblp.uni-trier.de/db/journals/winet/
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年3月4日
Arxiv
19+阅读 · 2020年7月13日
VIP会员
相关资讯
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员