IEEE 802.11be多链路操作中的智能信道分配：当多址接入（MAB）与负载均衡（LLM）相结合时

《IEEE Journal on Selected Areas in Communications》：Intelligent Channel Allocation for IEEE 802.11be Multi-Link Operation: When MAB Meets LLM

WiFi 7通过MLO实现多频段并行通信，动态信道分配在密集网络中面临挑战，BAI-MCTS算法提升收敛速度50.44%，LLM-BAI-MCTS在密集网络中增速达63.32%。

　　

摘要：

WiFi网络在实现全球范围内的无缝通信和数据交换方面取得了显著成功。IEEE 802.11be标准（即WiFi 7）引入了多链路操作（Multi-Link Operation，简称MLO）这一突破性技术，该技术允许设备在不同频段和通道上同时建立多个连接。虽然MLO能够显著提升网络吞吐量和降低延迟，但在信道分配方面却面临诸多挑战，尤其是在密集网络环境中。目前的研究主要集中在静态WiFi 7网络配置下的性能分析和吞吐量优化上。相比之下，本文探讨了具有MLO功能的密集WiFi 7网络中的动态信道分配问题。我们将这一挑战建模为一个组合优化问题，并采用了一种新颖的网络性能分析方法。由于缺乏先验网络信息，我们利用多臂老虎机（Multi-Armed Bandit，简称MAB）框架来支持最优信道分配的在线学习。我们提出的基于最佳臂识别（Best-Arm Identification，简称BAI）的蒙特卡洛树搜索（Monte Carlo Tree Search，简称BAI-MCTS）算法包含了严格的理论分析，为样本复杂度和错误概率提供了上限。为了进一步降低样本复杂度并提高算法在多种网络场景下的泛化能力，我们引入了LLM-BAI-MCTS算法，该算法将大型语言模型（Large Language Model，简称LLM）集成到了BAI-MCTS中。数值实验表明，当达到最优值的98%时，BAI-MCTS算法的收敛速度比现有最先进算法快约50.44%。值得注意的是，在密集网络环境中，LLM-BAI-MCTS算法的收敛速度提高了63.32%以上。

引言

WiFi是全球最普遍的分布式无线网络技术，负责处理约70%的全球互联网流量，同时支持各种关键服务、经济活动和日常便利功能[2]。随着增强现实、云游戏和全息通信等新兴应用的无线需求持续增长，最近标准化的IEEE 802.11be（即WiFi 7）承诺在网络吞吐量和延迟降低方面带来显著提升[3]。WiFi 7引入了多项创新特性，包括320 MHz的信道带宽、4K正交幅度调制、多链路操作（MLO）以及改进的服务质量（Quality of Service，简称QoS）管理[4]。其中，MLO技术尤为引人注目，它使站点（Stations，简称STAs）和接入点（Access Points，简称APs）能够在2.4 GHz、5 GHz和6 GHz等多个频段和通道上同时运行，从而大幅提高网络吞吐量[5]。