一种以移动终端为中心的无线局域网空间复用优化方法

《Information》：A Mobile-Centric Approach to Improving the Performance of Decentralized Wireless Networks

　　无线设备和智能环境的日益普及，导致无线局域网（WLAN）部署密度不断攀升，且面临严重的干扰问题。近期的修正案（如IEEE 802.11ax/be）旨在通过优化频谱效率来提升空间复用（SR）能力。然而，当前的SR方案在部署中面临诸多挑战，包括与传统802.11版本的不兼容、缺乏集中协调、接入点（AP）在维持不间断服务的同时难以监控其邻域，以及监控范围有限等问题。我们认为这些局限性源于传统的以AP为中心的方法。与之相反，本文提出了一种以移动终端为中心的SR方法，以克服上述问题。该方法利用漫游的移动终端（MT）独立监控邻近AP的参数（信道、发射功率、载波侦听阈值），不受802.11版本或所属方的限制。在采集到本地拓扑信息后，MT执行两阶段优化：首先进行局部信道选择启发式算法，随后通过一个预训练神经网络快速评估并为每个覆盖范围内的AP选择最优的发射功率和载波侦听阈值。MT随后利用未关联的管理帧机会主义地广播这些推荐参数，使其可在飞行过程中进行修改。由于使用了预训练模型，我们的系统无需实时学习；因此，网络收敛速度主要取决于移动终端探索并覆盖部署区域的快慢，这受终端速度、移动终端数量、轨迹特征和停顿时间等因素影响。仿真结果表明，这种以移动终端为中心的方法能够快速识别近最优的AP配置，实现与本研究中所考虑的强化学习方法相当的吞吐量性能，同时表现出显著更短的收敛时间。