联合蜂窝与D2D链路的网络编码广播重传方案

伴随着多媒体业务的兴起以及智能终端设备的普及,移动数据流量将迎来爆发性增长[1]。海量的设备接入使得现有的蜂窝网络变得越来越拥挤,从而恶化服务质量(Quality of Service,QoS)和降低用户体验(Quality of Experience,QoE)。与此同时,随着终端设备在计算、存储与连接方面的能力不断提高,D2D(Device-to-Device)技术[2-3]有望满足下一代无线通信网络中不断增长的吞吐量需求。D2D技术允许终端设备配备双接口:一个接口使用远程无线通信技术(如WLAN、LTE等)与基站连接;另一个接口使用短距离无线通信技术(如WiFi、蓝牙等)与其他设备直接通信。鉴于蜂窝和D2D链路可以使用不同频段同时运行,这样的系统能够极大地减轻基站负载,增加网络的吞吐量和能量效率。

受益于无线通信的广播性质,通过对不同的源数据包进行编码合并,网络编码技术[4-5]可以有效地提高系统吞吐量和减少传输延迟。由于上述优势,无线广播网络中基于网络编码的数据传输已成为近年来的热门话题。目前主要的网络编码策略有如下两类:随机线性网络编码(Random Linear Network Coding,RLNC)[6- 8]与立即可译网络编码(Instantly Decodable Network Coding,IDNC)[9-11]。RLNC策略在提升吞吐量性能方面有着显著优势,但是其缺点也很明显:对于要求低译码时延的应用来说,RLNC难以满足要求,因为它不支持数据包的逐个解码。此外,译码过程(矩阵求逆)带来的的高复杂度也不可避免。相比之下,尽管在吞吐量方面的提升不如RLNC,IDNC策略的优势在于编解码操作简单,支持数据包逐个解码,能够极大地降低译码时延。

网络编码最初应用于基站集中式的广播/多播网络[12-14],现有文献表明,结合D2D技术可以进一步的提高系统性能[15-19]。文献[15-16]分别针对基于D2D的无线广播场景提出了随机性和确定性算法,以最小化传输次数。文献[17]结合IDNC 策略与D2D技术,旨在提高数据合作交换系统中的传输效率,降低译码时延。文献[18]考虑不同数据对于视频质量的贡献来设计编码策略,提出了一种联合发送设备与数据包的选择算法,使每个传输时隙后的整体视频质量达到最大。文献[19]研究了基于网络编码的实时视频序列广播问题,考虑数据传输具有截止时间的限制。然而,上述研究都是基于设备使用单个接口的场景,即在传输阶段每次只能收到一个数据包(通过蜂窝链路或者D2D链路),针对设备配备双接口,在数据包重传阶段联合使用蜂窝与D2D链路的研究很少。

综上所述,本文考虑设备配备有双接口的网络编码广播(Network coding for dual interfaces,NCDI)场景,重传阶段可以同时利用蜂窝与D2D链路恢复丢失数据包。在此场景下,结合网络编码技术可以提高系统吞吐量,联合利用蜂窝与D2D链路能够进一步的提高传输效率。然而,如何合理的进行编码调度,充分发挥网络编码的潜力显得至关重要。因此,文章旨在设计联合蜂窝与D2D链路进行调度的网络编码广播重传方案,主要贡献如下:

本文主要研究重传阶段NCDI方案的设计,通过分析与推导,我们首先给出了重传次数的理论下限。

其次,针对RLNC策略下的联合蜂窝与D2D链路调度,提出了NCDI-RLNC方案;针对IDNC策略下的联合蜂窝与D2D链路调度,构建了用于表示所有编码组合的IDNC图,并给出了基于最大权重团搜寻的NCDI-IDNC方案。

不同条件(设备数量、数据包数目、以及链路丢包概率)下的仿真结果表明所提方案能够极大地提高重传效率,减少重传次数。

2 系统模型

考虑图1所示的无线广播场景,基站(Broadcast Source,BS)向M个移动设备(定义集合

广播N个源数据包(定义集合

我们考虑所有移动设备均配备双接口,且两个接口使用不同频段,其中蜂窝接口通过蜂窝链路与基站相连,本地接口通过D2D链路与其余设备建立连接。系统采用集中控制的方式,所有传输决策都由基站做出,并且将决策广播给D2D发送设备。

假设设备之间彼此邻近,每个设备都属于其他设备的传输覆盖区域内,从而构成了一个完全连接的D2D网络。因此,为避免D2D链路产生干扰,每个时隙只允许单个设备在D2D通信频谱中进行广播传输,而其余设备都处于侦听状态。此外,文中将物理信道的条件(例如衰落,阴影,信道估计误差等)抽象为数据包能否成功接收,以擦除(丢包)概率来衡量信道条件,并假设各擦除信道之间彼此独立。其中,基站到设备Ri之间的丢包概率表示为δi,设备Ri与Rj之间的丢包概率表示为δi, j,且假设δi, j=δj,i。

传输过程分为两个阶段,即初始广播阶段与重传阶段。初始广播阶段,基站以固定时隙间隔将N个源数据包广播给所有设备。为减少能量消耗,此阶段设备仅通过蜂窝链路接收数据包,D2D接口处于关闭状态。由于无线衰落信道的“丢包”作用,设备只能接收到部分数据包,并且将数据包的状态信息(成功接收或丢失)通过控制帧(ACK/NAK)反馈给基站,假设反馈信息无损耗。其中,设备

成功接收到的数据包集合称为Has集合(定义为

丢失数据包集合称为Wants集合(定义为

且

重传阶段,为迅速恢复丢失数据包的同时减轻基站负载,设备同时使用双接口,联合利用蜂窝链路与D2D链路进行重传。换句话说,设备在每个重传时隙最多能收到两个编码包,分别来自于基站与发送设备。重复上述“编码—重传—更新状态信息”过程,直到所有设备都能正确接收到N个源数据包。

例 1 以图1为例说明联合蜂窝与D2D链路进行重传的优势。基站将四个数据包{P1,P2,P3,P4}广播给终端设备{A,B,C},设备将正确接收到的数据包放入缓存中。重传时假设无“丢包”的理想信道,考虑只使用蜂窝链路进行数据包恢复重传,基站依次重传编码包P1⊕P2⊕P3和P4,用户需要两个时隙能接收到完整数据;考虑只使用D2D链路进行合作恢复重传,设备A广播编码包P3⊕P4、设备B广播编码包P1⊕P2,两次重传后所有设备能够恢复丢失数据包。然而,考虑在重传阶段联合蜂窝与D2D链路进行调度,基站广播编码包P1⊕P2的同时用户A广播编码包P3⊕P4,则传输次数可以减少为一次,进一步提高了重传效率。

为了更有效地利用有限资源(如设备的能量、带宽等),减少重传次数,我们需要在每个时隙做出最佳的调度决策。因此,本文的重点是设计和开发高效的网络编码调度方案,并对其吞吐量性能进行研究。

定义 1 重传次数T—由于无线广播信道的“丢包”影响,广播阶段结束后,用户只能接收到部分数据包,我们将设备恢复所有数据包所需的传输时隙定义为重传次数。

定义 2 调度决策S—我们定义每个时隙的调度决策为

其中,

表示基站广播的编码包,

表示选择的发送设备,

表示发送设备通过D2D链路广播的编码包。

3 重传次数下界

本节我们将给出重传次数的下界,其反映了在理想情况下,设备同时利用蜂窝与D2D通信接口来恢复丢失数据包所需的最小重传次数Tlb。值得注意的是,文章推出的下限并不一定保证能够达到,但是它保证没有其他任何方案可以优于此下界。为了评估所提方案的有效性,可以将此下界视为一个很好的度量。

首先分析一个设备的情况。对于设备Rm而言,我们将其在NCDI场景下可获得的最小重传次数表示为Tm。在每个重传时隙,设备正确收到基站广播的编码包的概率为1-δm,正确收到发送设备Rs广播的编码包的概率为1-δs,m。因此,理想情况下Rm在每个时隙可接收到的数据包个数为(1-δm)+(1-δs,m)=2-δm-δs,m,从而恢复所有丢失数据包的平均重传次数为 width=73,height=49,dpi=110

每个时隙应合理选择发送设备Rs,使得重传次数Tm最小:

若系统中存在多个设备,那么系统总的重传次数由所需重传次数最大的设备决定,可表示为:

此外,定义

表示设备共同丢失的数据包集合,集合

中的数据包只能通过蜂窝链路由基站广播给移动设备。然而,只要有一个设备能够成功接收到该集合中的数据包,则其余设备可以通过D2D链路恢复该数据包。至少有一个设备正确接收到集合

中数据包的概率为

那么设备正确接收集合

中所有数据包所需的最小时隙为:

综上所述,且考虑重传次数为整数值,得出设备恢复所有丢失数据包的重传次数下界为:

4 方案描述

为充分发挥网络编码增益,最小化重传次数,基站需要充分利用收集到的数据包状态信息,在每个时隙做出最优调度决策。为此,本节针对随机线性网络编码(RLNC)与立即可译网络编码(IDNC)两种不同的编码策略,分别提出了NCDI-RLNC和NCDI-IDNC方案。

4.1 NCDI-RLNC方案

本小节,我们给出基于RLNC策略的NCDI-RLNC编码调度方案。对于RLNC,编码包可以看做是数据包的线性组合,即

其中αi表示从编码域F中随机选取的系数。文中假设编码域足够大,因此设备只需要收到任意N个线性独立的编码包就能够解码出N个源数据。

定义 3 有效编码包—当设备接收到一个编码包时,首先判断该编码包是否包含其丢失数据包的信息,我们将满足此条件的编码包称为有效编码包。换句话说,也就是判断该编码包是否与设备已有的数据包线性独立,能否帮助设备解码出丢失数据包。

正如第2节所提到的,重传阶段,基站与发送设备同时广播网络编码数据包,直到所有设备都能够恢复丢失数据包。因而,重传次数取决于在每个时隙设备能够正确接收到的有效编码包的数量。定义目标设备集合

表示发送的编码包对于设备

来说是有效编码包。因此,每个时隙蜂窝链路能够正确接收到的有效编码包数量为

D2D链路能够正确接收到的有效编码包数量为

表1中给出了NCDI-RLNC方案的调度流程,其核心思想在于确定蜂窝与D2D链路重传的编码包,使得每个时隙设备能够接收到的有效编码包数量最大化,从而达到减少重传次数的目的。具体步骤描述如下:

步骤 1 重传阶段,基站根据设备的状态信息,确定设备丢失的数据包,即确定每个设备的Has与Wants集合。每个时隙,基站通过蜂窝链路向设备广播所有丢失数据包的线性组合

由定义3可知,基站侧广播的编码包对于存在丢包的设备来说都是有效的,因为它们包含了所有丢失数据包的信息。

步骤 2 与此同时,对于D2D链路而言,基站选取能够提供最大有效编码包接收数量的设备Rs作为广播源,如表1中第5到第8行所示。如果存在多个这样的设备,则随机选取其中一个作为发送设备。发送设备Rs向其余设备广播该设备Has集合中数据包的线性组合

步骤 3 每次重传过后,设备最多能接收到两个编码包。若正确接收到的编码包对于设备来说是有效的,将其存入设备的缓存(Has集合)中,以等待收集到足够的编码包后进行解码。为成功解码丢失数据包,每个设备Rm都至少需要成功接收

个有效编码包。当所有设备都能满足此要求时,重传过程结束;若仍有设备存在丢失情况,即

继续进行重传,直到所有设备都能恢复丢失数据包。

例 2 考虑三个移动设备{A,B,C}想要获得六个源数据包{P1,P2,...,P6}。设备对应的Wants集合分别为

和

链路丢包概率分别为δA,B=0.1,δB,C=0.2,δA,C=0.3。方案首先确定基站端广播源数据包{P1,P2,...,P6}的线性组合,显然该编码包对于所有设备来说都是有效编码包。对D2D链路而言,当设备A作为发送设备时,其广播的编码包对于设备B、C来说都是有效编码包。因此,集合

且可提供的有效编码数量为(1-δA,B)+(1-δA,C)=1.6。同理可算出设备B、C作为发送设备时可提供的有效编码包数量为1.7和1.5,因而选择设备B作为D2D链路的发送设备。之后每个时隙都重复相同的步骤,直到所有设备都能收到三个有效编码包,从而解码出所有丢失的数据包。

4.2 NCDI-IDNC方案

针对IDNC策略,本小节给出了基于最大权重团搜寻的NCDI-IDNC编码调度方案。不同于RLNC,IDNC的核心思想为发送端对数据包采用简单的异或(XOR)操作,以接收端直接可译为目标进行编码,无法译码的编码包直接丢弃,不再用于后续译码过程中。因而,NCDI-IDNC方案更适用于要求数据包逐个解码的实时多媒体应用。

尽管IDNC的编译码操作简单,但是最佳编码包的选取十分复杂。为寻找最佳编码包,一个有效地方法是构建网络编码(IDNC)图

用于表示所有可能的编码机会。根据设备反馈的数据包接收状态信息,图

中任一顶点

表示设备Ri还没有正确接收数据包Pj,顶点νi, j和νk,l之间若满足以下两个条件之一,可以构成连接边εij,kl:

(1)j=l,设备Ri与设备Rk需要同一个数据包Pj=Pl;

且

即设备Ri与Rk分别拥有彼此需要的数据包。当正确接收编码包Pj⊕Pl时,设备Ri与Rk可分别恢复丢失数据包Pj和Pl。

定义 4 基站端IDNC图

根据所有设备反馈的数据包接收状态信息,即顶点集合为

基站端可构建IDNC图

定义 5 设备端IDNC图

对于每个设备

从基站侧IDNC图

中提取出顶点集

设备端可构建IDNC图

考虑图1所给的广播模型图,对应基站与设备A侧的IDNC图如图2所示。由IDNC图

的定义可知,图中的每一个团C={νi1, j1,νi2, j2,...,νin, jn}都表示一个网络编码包,即

综合链路丢包概率以及数据包接收状态信息等因素,通过赋予图中顶点不同权重,最佳编码包的选取可以转化为最大权重团搜寻问题。因此,我们可以通过找到最大权重团(Maximal Weight Clique)来确定最佳编码包。

对于NCDI场景下的广播重传,每个时隙我们需要确定两个最佳编码包,分别来自于蜂窝链路与D2D链路,使尽可能多的用户能够从中解码出丢失数据包。表2中给出了NCDI-IDNC方案的具体调度流程,其核心思想在于分两阶段依次找出基站端与设备端的最大权重团CB、CD。其中,CB对应的编码包由基站通过蜂窝链路广播给所有设备,CD对应的编码包由发送设备通过D2D链路广播给其余设备。具体步骤描述如下:

步骤 1 基站侧收集状态反馈信息,确定每个设备的Has与Wants集合,构建基站侧IDNC图

根据IDNC图

找出最大权重团CB并生成基站端需发送的最佳编码包PB。然而,最大权重团搜寻是一个NP-Hard问题,现有文献已存在许多寻找最大权重团的启发式算法。本文引用文献[9]提出的算法,该算法的基本思想为每个顶点赋予权重,通过迭代剪枝操作,贪婪地从IDNC图中添加顶点来创建最大权重团。

步骤 2 为降低算法复杂度的同时避免较大性能损失,方案选取Has集合最大的设备作为D2D链路中的发送设备。构建发送设备端的IDNC图

其中顶点集合可表示为

根据

找出最大权重团CD并生成D2D链路需发送的最佳编码包PD。需特别指出的是,系统采用基站中心控制的方式,因而以上所有传输决策均由基站做出,并广播给相应的D2D发送设备。

步骤 3 基站通过蜂窝链路向所有设备广播编码包,发送设备Rs通过D2D链路向其余设备广播编码包。基于IDNC策略,每收到一个编码包,设备可以根据已有数据包信息直接进行译码。更新设备的数据包状态信息,重新构建IDNC图

若图为空集,则表示所有丢失数据包都已成功恢复;若不为空集。则表示仍存在丢失,继续新一轮的重传。

5 开销与复杂度分析

5.1 通信开销

文中系统采用基站集中控制的方式,即在每个时隙,基站依据收集到的反馈信息做出调度决策,并且将决策广播给相应的D2D发送设备。因而,在实际环境下,重传阶段每个时隙的额外开销主要由三个部分组成:发送决策信息的开销,收集反馈信息的开销以及编码系数的包头开销。

对于NCDI-RLNC方案而言,重传阶段,基站选取一个设备作为D2D链路中的发送设备,该设备向其余设备广播其已有数据包的线性组合。因而决策信息仅需要1比特,以告知该设备是否作为发送设备。其次,两个RLNC编码包分别由基站与设备广播,编码系数的包头开销为2Nlog(F)比特。最后,由于基站需要根据各个设备反馈的数据包接收状态以便做出下一时隙的调度决策,设备需要向基站反馈接收状态信息,指示两个接口中的每一个接收/丢失数据包。每个设备需要使用2比特来确认两个接收/丢失的数据包,对于网络中的M个设备而言,收集反馈信息的开销为2M比特。因此,重传阶段采用NCDI-RLNC方案的通信开销为1+2Nlog(F)+2M比特每时隙。

对于NCDI-IDNC方案而言,每个时隙基站需要确定发送设备以及该设备需要广播的编码组合。实际上,一个IDNC编码包最多由N个数据包异或,因此发送的决策信息包含N比特。由于IDNC策略采用的是二进制编码,两个IDNC编码包的包头开销可视为2N比特。同样,用于收集反馈信息的开销为2M比特。综上,重传阶段采用NCDI-IDNC方案的通信开销为3N+2M比特每时隙。

5.2 计算复杂度

对于NCDI-RLNC方案来说,基站侧构建编码包的复杂度为O(N);计算设备作为发送设备时可提供的有效编码包数量,其复杂度为O(M-1);对每个设备都重复此操作,从而选出发送设备的复杂度为O(M(M-1));设备侧构建编码包的复杂度为O(N)。因此,NCDI-RLNC方案的计算复杂度为O(N+M(M-1)+N)=O(M2+N)。

文献[9]中的讨论结果表明构建IDNC图并求解最大权重团的复杂度为O(M2N)。为寻找最佳编码策略,NCDI-IDNC方案首先需要在基站侧构建IDNC图并确定最佳编码包,复杂度为O(M2N);其次,选择Has集合最大的设备作为发送设备的复杂度为O(M),构建设备侧IDNC图并确定最佳编码包,其复杂度最多为O((M-1)2N)。因此,NCDI-IDNC方案的计算复杂度为O(M2N+M+(M-1)2N)=O(M2N)。

6 仿真结果

为验证所提NCDI-RLNC与NCDI-IDNC方案的有效性,本节以重传次数T为性能指标进行了仿真实验。假设蜂窝链路与D2D链路的平均丢包率分别为

和

且基站至移动设备、各移动设备之间的链路丢包率在

范围内随机取值。文章主要与以下几种方案进行比较:(1)Cellular-IDNC方案[9],该方案仅考虑设备使用蜂窝接口,采用IDNC编码策略,每个时隙基站通过蜂窝链路广播编码包;(2)D2D-IDNC方案[18],该方案仅考虑设备使用D2D通信接口,采用IDNC策略,在每个时隙联合选择发送设备与最佳编码包。(3)不采用网络编码的(Uncoded Broadcast)方案,但是考虑设备同时使用蜂窝与D2D接口。表3中给出所有比较方案的计算复杂度对比。

假设蜂窝链路与D2D链路的平均丢包概率分别为

和

且同一信道的丢包概率在广播周期内保持不变。固定数据包数目N=15,图3给出了不同方案的重传次数随设备数目M的变化趋势。从图3中可以看出,与采用单个接口的方案相比,文章提出的NCDI-RLNC和NCDI-IDNC方案大大缩短了重传次数,更加接近于理论下界。这表明在设备配备有双接口的广播场景中,通过使用不同频段以及合理的调度方案设计,联合蜂窝与D2D链路进行广播重传能够极大地提高重传效率。相较于其他方案,不采用网络编码的方案性能最差,这说明采用网络编码技术可以显著地提高系统吞吐量。此外,正如预期的那样,NCDI-RLNC方案的性能优于NCDI-IDNC方案,这是因为相较于IDNC策略,RLNC策略的广播效率更高、对系统吞吐量的提升更为明显。

同样假设蜂窝链路与D2D链路的平均丢包概率为

和

且同一信道的丢包概率在广播周期内保持不变。固定设备数量M=15不变,图4给出了不同方案的重传次数随数据包数目N的变化趋势。从图4中可以看出,各种方案的重传次数都随着数据包数目的增加而线性增长。但是与其他方案相比, NCDI-RLNC和NCDI-IDNC方案能够极大地减少重传次数,并且更加接近于理论下界。此外,所提方案的重传次数增长率低于其他方案,因此当数据包数目N越来越大时,性能增益更加明显。

固定设备数量M=15,数据包数目N=20,且假设同一信道的丢包概率在广播周期内保持不变。图5给出了不同方案的重传次数随着蜂窝与D2D链路平均丢包概率

的变化趋势。从图5中可以看出,相比于其他方案,NCDI-RLNC和NCDI-IDNC方案在重传次数方面有了明显的降低,并且在丢包概率较低时非常接近于理论下限。此外,随着平均丢包概率的增大,丢失数据包越来越多,恢复所有数据包需要的重传次数也随之增长。由于重传次数的下界在推导过程中仅考虑理想情况,因而无论哪种方案,链路丢包概率越大越难以趋近于重传次数的理论下界。

7 结论

本文对联合蜂窝与D2D链路的网络编码广播重传方案进行了研究。考虑移动设备配备有双接口的无线网络编码广播场景,设备之间彼此靠近,因此在重传阶段可以同时利用蜂窝与D2D链路来恢复丢失内容。为最小化重传次数,合理的进行编码调度,文章针对RLNC策略下的联合蜂窝与D2D链路调度,提出了NCDI-RLNC方案;针对IDNC策略下的联合蜂窝与D2D链路调度,提出了基于最大权重团搜寻的NCDI-IDNC方案。仿真结果表明,与其他方案相比,提出的两种方案均能有效提高重传效率、减少重传次数。

[1] Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update (2016-2021)[R]. Cisco, San Jose, CA, USA, Feb. 7, 2017.

[2] Asadi A, Wang Q, Mancuso V. A survey on device-to-device communication in cellular networks[J]. IEEE Communications Surveys Tutorials, Fourth quarter 2014,16(4):1801-1819.

[3] Gu Y, Zhang Y, Pan M, et al. Matching and Cheating in Device to Device Communications Underlying Cellular Networks[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(10):2156-2166.

[4] Ahlswede R, Cai N, Li S Y R, et al. Network information flow[J]. IEEE Transactions on Information Theory, 2000, 46(4):1204-1216.

[5] Dong N, Tran T, Nguyen T, et al. Wireless Broadcast Using Network Coding[J]. IEEE Transactions on Vehicular Technology, 2009, 58(2):914-925.

[6] Swapna B T, Eryilmaz A, Shroff N B. Throughput-Delay Analysis of Random Linear Network Coding for Wireless Broadcasting[J]. IEEE Transactions on Information Theory, 2013, 59(10):6328- 6341.

[7] Esmaeilzadeh M, Sadeghi P, Aboutorab N. Random Linear Network Coding for Wireless Layered Video Broadcast: General Design Methods for Adaptive Feedback-Free Transmission[J]. IEEE Transactions on Communications, 2017, 65(2):790- 805.

[8] Seong J T. Bounds on Decoding Failure Probability in Linear Network Coding Schemes with Erasure Channels[J]. IEEE Communications Letters, 2014, 18(4):648- 651.

[9] Sorour S, Valaee S. Completion Delay Minimization for Instantly Decodable Network Codes[J]. IEEE/ACM Transactions on Networking, 2015, 23(5):1553-1567.

[10] Sorour S, Valaee S. On Minimizing Broadcast Completion Delay for Instantly Decodable Network Coding[C]∥IEEE International Conference on Communications. IEEE, 2010:1-5.

[11] Xu Y, Wang J, Xu K, et al. A BPPE Algorithm for Instantly Decodable Network Coding in Wireless Broadcasting[J]. IEEE Communications Letters, 2017, 21(11):2340-2343.

[12] Sorour S, Valaee S. Minimum Broadcast Decoding Delay for Generalized Instantly Decodable Network Coding[C]∥Global Telecommunications Conference. IEEE, 2011:1-5.

[13] 牛腾,张冬梅,许魁,等.最小化重传次数的无线网络编码广播重传算法[J].信号处理,2017,33(10):1368-1376.

Niu Teng, Zhang Dongmei, Xu kui, et al. On Minimizing Retransmission Times Based on C-IDNC for Wireless Broadcasting[J]. Journal of Signal Processing, 2017,33(10):1368-1376. (in Chinese)

[14] Karim M S,Sadeghi P, Aboutorab N, et al. In order packet delivery in instantly decodable network coded systems over wireless broadcast[C]∥In IEEE International Symposium on Network Coding (NetCod’ 2015), Sydney, Australia, 2015: 11-15.

[15] Sprintson A, Sadeghi P, Booker G, et al. A randomized algorithm and performance bounds for coded cooperative data exchange[C]∥IEEE International Symposium on Information Theory Proceedings. IEEE, 2010:1888-1892.

[16] Sprintson A, Sadeghi P, Booker G, et al. Deterministic Algorithm for Coded Cooperative Data Exchange[C]∥International Conference on Heterogeneous Networking for Quality, Reliability, Security and Robustness. Springer Berlin Heidelberg, 2010:282-289.

[17] Aboutorab N, Sadeghi P. Instantly Decodable Network Coding for Completion Time or Decoding Delay Reduction in Cooperative Data Exchange Systems[J]. IEEE Transactions on Vehicular Technology, 2016,65(3): 1212-1228.

[18] Keshtkarjahromi Y, Seferoglu H, Ansari R, et al. Content-Aware Network Coding Over Device-to-Device Networks[J]. IEEE Transactions on Mobile Computing, 2017,16(8): 2147-2158.

[19] Karim M S,Sorour S, Sadeghi P. Network Coding for Video Distortion Reduction in Device-to-Device Communications[J].IEEE Transactions on Vehicular Technology,2017, 66(6):4898- 4913.