数据驱动的无线信道可用吞吐量估计与预测方法.pdf
《数据驱动的无线信道可用吞吐量估计与预测方法.pdf》由会员分享,可在线阅读,更多相关《数据驱动的无线信道可用吞吐量估计与预测方法.pdf(10页珍藏版)》请在咨信网上搜索。
1、2023 年 9 月 Chinese Journal on Internet of Things September 2023 第 7 卷第 3 期 物 联 网 学 报 Vol.7 No.3数据驱动的无线信道可用吞吐量估计与预测方法 肖遥,刘峻铄,龙智夫,邱才明(华中科技大学电子信息与通信学院,湖北 武汉 430074)摘 要:无线局域网络技术正蓬勃发展,但随之而来的新问题严重影响了无线信道的通信质量。无线信道质量对指导路由器应对突发拥塞和选择合适信道具有重大意义。以信道可用吞吐量为指标设计了一套解决方案:首先,采用入侵式数据采集方法收集信道数据,使用人工神经网络训练并估计当前时刻的信道可用吞
2、吐量;然后,采用非入侵式数据采集方法收集信道数据,使用改进的递归神经网络模型预测未来一段时间的信道可用吞吐量。在真实数据上的实验表明,该方案可以有效地对信道可用吞吐量进行估计与预测,对路由器的决策有着指导意义。关键词:无线信道;数据驱动;神经网络;吞吐量估计与预测 中图分类号:TN925 文献标志码:A doi:10.11959/j.issn.20963750.2023.00341 A data-driven approach to wireless channel available throughput estimation and prediction XIAO Yao,LIU Juns
3、huo,LONG Zhifu,QIU Caiming School of Electronic Information and Communications,Huazhong University of Science and Technology,Wuhan 430074,China Abstract:The rapid development of wireless local area network technology has brought about new challenges that sig-nificantly affect the communication quali
4、ty of wireless channels.Wireless channel quality is crucial for guiding routers in managing sudden congestion and selecting appropriate channels.A set of solutions using channel available throughput as an indicator was designed.Firstly,invasive data collection methods were used to collect channel da
5、ta,and an artifical neural network was trained to estimate the available throughput of the channel at the current time.Subsequently,non-invasive data collection methods were utilized to collect channel data,and an improved recurrent neural network model was employed to predict the available throughp
6、ut of the channel for a future period.Experiments on the real data show that the scheme can effectively estimate and predict the available throughput of the channel,providing guidance for router decisions.Key words:wireless channel,data-driven,neural network,throughput estimation and prediction 0 引言
7、 对于无线用户而言,无线业务的服务质量至关重要。随着无线局域网(WLAN,wireless local area network)技术1-2的迅速发展,设备密集部署、新老协议共存、高质量无线业务需求增加等一系列问题,使得无线信道变得混乱和拥塞,严重影响了接入点(AP,access point)的业务服务质量,降低了用户站点(STA,station)的无线业务体验3。因此,对无线网络的服务质量进行定量的估计和预测,指导 AP 选择合适的信道,提升服务质量以提高 STA的无线业务体验是有意义和必要的。在 IEEE 802.11 协议中,已经有多个物理指标被用于评估无线网络信道的质量,如接收信号强度
8、收稿日期:20221214;修回日期:20230412 通信作者:邱才明, 基金项目:国家自然科学基金资助项目(No.12141107)Foundation Item:The National Natural Science Foundation of China(No.12141107)第 3 期 肖遥等:数据驱动的无线信道可用吞吐量估计与预测方法 33 指示(RSSI,received signal strength indicator)4、信干噪比(SINR,signal to interference plus noise ratio)5和误码率(BER,bit error rate)
9、6等,然而这些指标并不能直观全面地反映无线网络的服务质量。考虑无线业务的吞吐量可以直观地反映业务质量7-8,将信道的可用吞吐量作为衡量信道质量的指标具有其独特的意义。信道的可用吞吐量被定义为信道数据传输速率(理论最大值)与当前时刻无线业务所占用的吞吐量之差,该物理量定量地表示了信道当前能够承受无线业务的能力。当信道可用吞吐量较低时,信道业务繁忙或干扰严重,进行无线业务可能导致服务质量下降;反之,当信道可用吞吐量较高时,信道相对空闲或干扰较少,进行无线业务时可以获得更好的体验。目前,对于信道可用吞吐量的研究主要基于模型:通过构建数学模型对无线网络的物理原理和协议机制进行描述,并基于所构建的数学模
10、型对信道可用吞吐量进行估计。例如,Hu 等9建立了一个单跳间隙模型捕捉单跳网络的竞争流量吞吐量和包对间隙变化之间的关系;Jain 和 Dovrolis10基于端到端的思想,构建了自加载周期流(SLoPS,self-loading periodic streams)方法,在不对无线信道作出任何干扰的情况下估计信道可用吞吐量;Shah 等11直接对载波侦听多路访问/冲突避免(CSMA/CA,carrier sense multiple access with colli-sion avoid)机制进行细致地分析与数学建模,提出了信道可用吞吐量的估计方案12。基于模型的方法通过所构建的数学模型直观地
11、描述了无线网络的物理原理和协议机制,能够定量地分析各个物理量对整个系统的影响并作出针对性的改进和优化。然而,这类方法在构建模型的过程中往往需要进行一定程度的化简与假设,实际场景可能无法满足这些假设,进而导致模型性能的降低;同时,这类方法通常只针对某一类协议或者场景,在新环境中的表现可能不佳,具有一定的局限性。相比之下,基于数据驱动的深度学习方法凭借无须建模、自动学习特征、泛化能力好等特点,成为了解决问题的优先选择13-14。综上所述,本文提出了一种数据驱动的无线信道可用吞吐量估计与预测方法。具体而言,本文首先使用“打流”操作估计当前时刻信道的可用吞吐量;在这基础上设计并实施了一套入侵式数据采集
12、方法,用于构建数据集,从而训练人工神经网络(ANN,ar-tificial neural network)对当前时刻信道可用吞吐量进行估计。为了获得用于预测的连续信道可用吞吐量时间序列数据,本文提出并实现了一套非入侵式的数据采集方案,通过训练改进的递归神经网络(RNN,recurrent neural network)模型对信道可用吞吐量进行预测。在真实数据集上的实验结果表明,本文提出的方法可以更准确地估计和预测无线信道的可用吞吐量,从而为无线网络的优化和改进提供有力的支持。1 信道当前时刻可用吞吐量估计 为了完成对未来一段时间信道可用吞吐量的预测,首先需要对当前时刻信道可用吞吐量进行估计。因
13、此,本节提出了一种标定信道可用吞吐量的方法,在此基础上设计并实现了入侵式数据采集方案。详细阐述了方案中各模块的工作原理和配合方式,并利用该方案完成了数据集的构建。最后,具体说明了如何确定 ANN 结构并利用该模型对当前时刻的信道可用吞吐量进行估计。1.1 入侵式数据采集方案 为了使用 ANN 对当前时刻信道可用吞吐量进行估计,首先需要构造能够用以训练的数据集。入侵式信道可用吞吐量探测及数据采集方案结构示意图如图 1 所示,由打流模块、数据采集模块和实际业务模块构成。其中,实线表示有线链路,虚线表示无线链路。图 1 入侵式信道可用吞吐量探测及数据采集方案结构示意图 1.1.1 信道可用吞吐量标定
14、与打流模块 打流模块由两个 STA 分别设置为发送端与接收端并与 AP 进行连接。打流是一种测试无线网络性能的手段,一次打流过程为:发送端以固定的传输速率tS发送一段时间的数据,接收端则计算这段时间内平均的接收速率rS。根据打流结果可以得34 物 联 网 学 报 第 7 卷 出:如果rtSS,则认为此时无线信道具有支持这次打流的能力;如果rtSS,则认为此时无线信道不具有支持这次打流的能力。对于一个稳定的无线网络环境,应该存在一个上限速率0tS,当打流的传输速率0ttSS时,都有rtSS;当传输速率0ttSS时,都有rtSS。可以看出,上限速率0tS 直观地反映了该无线信道的质量和业务承载能力
15、,因此使用上限速率0tS 标定当前时刻信道可用吞吐量是合理的。为了进一步验证该想法,笔者于微波暗室中构造了一个稳定的无线网络环境,使用打流模块设置不同的传输速率进行打流,稳定无线网络环境中打流结果见表 1。表 1 稳定无线网络环境中打流结果 发送端传输速率/(Mbits1)接收端接收速率/(Mbits1)35 32.7 32 31.4 31 30.9 30 30.0 25 24.9 根据表 1 的结果可知,该稳定的无线网络具有上限速率 St0,其值约为 30.9 Mbit/s。这意味着,对于一个稳定的无线网络环境,可以通过设置不同的传输速率并进行打流,最终根据打流结果完成对该无线网络信道可用吞
16、吐量的标定。而在真实网络环境的信道可用吞吐量是时刻变化的,不存在固定不变的上限速率 St0。为了有效地完成对当前时刻信道可用吞吐量的标定,本文提出了使用多次打流并自适应地修改每次打流的传输速率的方法完成对信道可用吞吐量的一次逼近,传输速率自适应调整原理如图 2 所示。通过传输速率自适应调整原理,打流模块得以完成对真实网络环境中的信道可用吞吐量的标定。图 2 传输速率自适应调整原理 1.1.2 数据采集模块 数据采集模块由一个数据采集设备和一个数据接收与转存设备构成。前者能够分别采集无线网络中媒体接入控制(MAC,media access control)层和物理(PHY,physical)层数
17、据,物理层则将采集的数据分别保存为.pcap 文件和.csv 文件。.pcap 文件记录了 MAC 层的详细信息,包括帧的接收时刻、源地址、目的地址、帧控制字段类别、帧总长度和重传标志位等。其中,帧控制字段类别定义了帧的类型与功能,如 Data 帧、Qos_Data 帧、BA 帧、RTS 和 CTS 帧15等。该文件以帧为单位进行记录,.pcap 文件的数据结构如图 3 所示。图 3 .pcap 文件的数据结构.csv 文件则以秒为单位记录了 PHY 层的无线网络物理量,如.csv 文件部分 PHY 层特征及其含义见表 2。表 2.csv 文件部分 PHY 层特征及其含义 特征名称 含义 an
18、t_rssi 接收信号强度指示 ant_snr 下行信噪比 chload 信道同协议占空比 duty_ratio 信道非协议(干扰)占空比 Free_power 底噪 1.2 模块间配合及数据集构建 1.2.1 原始数据集采集与构建 在无线通信领域中,数据采集方式可以根据对第 3 期 肖遥等:数据驱动的无线信道可用吞吐量估计与预测方法 35 被采集环境造成干扰的程度分为非入侵式和入侵式两类。非入侵式数据采集通常无须对环境进行物理介入,能够在不干扰无线网络正常运行的情况下获取数据。然而,这类方法往往只能采集到相对简单的无线特征,如 RSSI、SINR 等。相比之下,入侵式数据采集通常需要对无线网
19、络环境进行物理介入,如使用额外的信号源等,可能在数据采集的过程中对通信系统或网络造成一定的干扰或影响。不过,相较于非入侵式数据采集,入侵式数据采集能够获得更为复杂的无线特征。根据上述定义,打流模块的打流操作本质上是一种入侵式的数据采集。因此,打流模块在进行工作时,数据采集模块采集的数据不能够有效地反映无线网络环境的真实信息。为了构造能够真实反映无线网络环境和吞吐量的数据集,打流模块与数据采集模块配合工作示意图如图 4 所示。当打流模块进行打流操作时,数据采集模块会暂时停止工作。这是因为此时采集的无线特征无法反映真实的无线网络环境状态。而打流模块在完成一次打流后,会进入一段时间的休眠,此时无线网
20、络未被物理介入,数据采集模块可以采集到能够准确、真实地反映无线网络环境状态的数据。因此,打流模块每完成一次打流,会记录下本次的传输速率和接收速率,并将这些数据与上一轮数据采集模块所采集到的数据一起构成一个原始样本点。所有的原始样本点将组成原始数据集。需要指出的是,打流持续时间和数据采集持续时间过长,将导致构造的数据集缺乏瞬态特征,而较短的持续时间和保护间隔可能会导致硬件设备无法正常工作。因此,如何选择合适的打流持续时间、数据采集持续时间和保护间隔是需要考虑的问题。通过大量实验研究,笔者得出结论:将打流持续时间和数据采集持续时间设置为 3 s、保护间隔设置为 0.5 s 是较为合理的。为了使训练
21、好的 ANN 能够具备较好的性能和泛化能力,本文在卖场、家庭和办公室 3 个典型场景中分别部署了入侵式数据采集方案进行数据采集。此外,为了进一步丰富数据集,本文还使用多台 AP 与 STA 人工构造了模拟场景。在模拟场景中,通过控制 STA 的数量、无线业务类型以及无线业务强度,尽可能地复现了不同繁忙程度的环境,从而丰富了数据集的多样性。1.2.2 特征提取与数据集构建 依照如图 4 所示的工作原理,本文得以使用入侵式数据采集方法构造原始数据集。该数据集包含了反映无线信道质量的特征,但并不适合直接用于训练 ANN,因此需要进行进一步的数据处理。1)冗余去除 为了完成对真实环境信道可用吞吐量的一
22、次标定,打流模块需要依照如图 2 所示的自适应调整原理和如图 4 所示的模块间配合原理进行多次打流。因此在原始数据集中,存在未能对当前时刻信道可用吞吐量进行标定的冗余。因此本文规定,如果某个原始样本点满足 trt0.9SSS(1)则认为该原始样本点完成了对当前时刻信道可用吞吐量标定,使用接收速率rS标定当前时刻的信道可用吞吐量。同时,保留所有满足式(1)的原始样本点并删除其余原始样本点。2)特征选择与提取 PHY 层的特征以每秒平均值的方式记录于.csv文件中,这种数据结构可以直接作为 ANN 的输入数据,因此无须额外处理。MAC 层的特征以帧的形式保存于.pcap 文件中,该数据结构不适合直
23、接作为 ANN 的输入数据,因此本文以秒为单位,提取了 9 个特征,MAC 层无线特征提取见表 3。图 4 打流模块与数据采集模块配合工作示意图 36 物 联 网 学 报 第 7 卷 表 3 MAC 层无线特征提取 特征名称 特征含义 num_of_frame 该秒内帧的总数 mun_of_mac 该秒内帧发送地址的个数 num_of_QosData 该秒内服务质量数据帧的总数num_of_Data num_of_BA 该秒内数据帧的总数 该秒内块确认帧的总数 num_of_CTS num_of_RTS data_length 该秒内 CTS 帧的总数 该秒内 RTS 帧的总数 该秒内帧的总长
24、度 retry_rate 该秒内重传帧占帧总数的比重 因此,对于每个持续时间为 3 s 的原始样本点,本文以表 2 所示的 5 个 PHY 层特征和表 3 所示的 9 个 MAC 层特征,以秒为间隔构建了一个数据集,其中每个样本点有 42 个输入特征和相应的信道可用吞吐量作为真值。本文构造了样本容量为 23 000 左右的数据集,信道可用吞吐量直方图如图 5 所示。图 5 信道可用吞吐量直方图 1.3 基于 ANN 的信道可用吞吐量估计 考虑具有非线性激活函数的多层神经网络可以拟合任何函数16,本文选择使用 ANN 模型完成对当前时刻信道可用吞吐量的估计。在构造 ANN的过程中,ANN 的层数
25、(包括输入层、隐藏层和输出层的总数)和每层感知机个数的选择对于 ANN整体性能至关重要:过少的层数和感知机个数将导致欠拟合现象,使 ANN 无法有效逼近和拟合复杂的映射函数;而过多的层数和感知机个数会导致过拟合现象,严重影响 ANN 的泛化能力。文献17-20提出了不同的方法来确定层数和感知机个数,但是不同方法的计算结果有时存在较大差异。此外,激活函数的选择也会对最终结果产生影响。目前常用的激活函数包括 Sigmoid 函数、Tanh 函数、ReLU函数及其变种,每种激活函数都有其独特的特点和优势,在特定问题中表现明显优于其他激活函数。因此,本文仅基于以下共通且宽松的约束条件,在第 1.2 节
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 驱动 无线 信道 可用 吞吐量 估计 预测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。