Ginibre网络模型中干扰的大偏差

在衰落随机变量分布的不同假设下，我们推导了无线网络模型干扰尾部的大偏差估计，其中节点根据 $\beta$-Ginibre过程 ($0<\beta\leq 1$) 放置在平面的有界区域上。$\beta$-Ginibre过程族由具有不同排斥程度的行列式点过程构成，当 $\beta \to 0$ 时，它们在分布上收敛于齐次泊松过程。在此意义上，泊松网络模型可视为 $\beta$-Ginibre网络模型的极限无关联情形。我们的结果表明存在两种不同机制。当衰落随机变量有界或呈Weibull超指数分布时，干扰的大值通常由接收器附近多个等效干扰贡献之和引起。在此情形下，干扰尾部在对数尺度上对于任何 $0<\beta\le 1$ 具有相同的渐近行为，但（同样在对数尺度上）与泊松网络模型中的干扰尾部渐近行为不同。相反，当衰落随机变量呈指数或次指数分布时，干扰的大值通常由单个主导干扰节点引起，并且在对数尺度上，干扰尾部的渐近行为对节点分布基本不敏感。因此，在对数尺度上，任何 $\beta$-Ginibre网络模型 ($0<\beta\le 1$) 中干扰尾部的渐近行为与泊松网络模型相同。