tutaj - Doktoraty Wydziału IET

AKADEMIA GÓRNICZO-HUTNICZA
IM. STANISŁAWA STASZICA W KRAKOWIE
WYDZIAŁ INFORMATYKI, ELEKTRONIKI I TELEKOMUNIKACJI
KATEDRA TELEKOMUNIKACJI
Autoreferat rozprawy doktorskiej
Optymalizacja algorytmów wyboru trybu pracy
stacji w sieciach standardu IEEE 802.11
łączności nomadycznej i ruchomej
Optimization of data rate selection algorithms in
IEEE 802.11 networks
for nomadic and mobile services
mgr inż. Marek Sikora
Promotor:
dr hab. inż. Wiesław Ludwin, prof. nz. AGH
Kraków 2014
1. Wstęp
Bezprzewodowe sieci lokalne WLAN (Wireless Local Area Networks) należą do najbardziej dynamicznie
rozwijających się obecnie systemów telekomunikacyjnych. Współczesne sieci WLAN umożliwiają stacjom
abonenckim pracę z infrastrukturą APN (Access Point Networks), tj. z wykorzystaniem punktów dostępu oraz
ad-hoc, czyli w sieci o strukturze okazjonalnej lub improwizowanej AHN (Ad Hoc Networks).
Standardy z grupy IEEE 802.11 a/b/g dopuszczają możliwość pracy stacji abonenckich w wielu różnych
trybach, w których przesył danych odbywa się ze zmienną przepływnością i odpornością na błędy transmisji.
Zmienną przepływność oraz odporność na błędy transmisji uzyskuje się dzięki zastosowaniu odpowiednich
technik modulacji wielopoziomowych oraz schematów kodowania nadmiarowego o różnych współczynnikach
sprawności użytego kodu korekcyjnego. Standardy IEEE 802.11 a/b/g określają sposoby łączenia technik
modulacji i kodowania korekcyjnego, definiując tym samym skończoną liczbę możliwych trybów pracy stacji
abonenckiej.
Dzięki istnieniu wielu różnych trybów pracy, możliwy jest w danej chwili wybór takiej kombinacji techniki
modulacji i metody kodowania korekcyjnego, która zapewni – z punktu widzenia warunków propagacyjnych
panujących w torze radiowym oraz możliwości technicznych stacji abonenckich biorących udział w wymianie
danych – najbardziej wydajną transmisję informacji. W sieciach standardu IEEE 802.11 a/b/g odpowiedzialność
za wybór odpowiedniego, to znaczy najlepszego z możliwych na daną chwilę czasu trybu pracy, spoczywa na
stacji abonenckiej. Przy czym ze względu na zmienność właściwości transmisyjnych toru radiowego wybór
optymalnego trybu pracy stacji odbywa się adaptacyjnie. Jedynym ograniczeniem wpływającym na szybkość
przejścia stacji abonenckiej z jednego trybu do następnego jest czas trwania pojedynczej ramki.
2. Cel i teza rozprawy
Celem niniejszej rozprawy było opracowanie takiego algorytmu doboru trybu pracy stacji abonenckiej, który
zapewniałby maksymalną przepływność pojedynczej stacji z punktu widzenia warstwy aplikacji. Ponadto
algorytm przystosowano do pracy zarówno w sieciach typu ad-hoc, jak i w sieciach z infrastrukturą. W celu
praktycznej implementacji algorytmu w już istniejących bezprzewodowych sieciach lokalnych WLAN jego
działanie oparto na danych pomiarowych dostępnych w typowych i łatwo osiągalnych na rynku urządzeniach
sieciowych zgodnych ze standardem IEEE 802.11.
W związku z tym sformułowano następującą tezę niniejszej rozprawy doktorskiej, mówiącą o tym, że:
Możliwe jest opracowanie bardziej wydajnego – od obecnie stosowanych – algorytmu wyboru trybu
pracy stacji abonenckiej w bezprzewodowej sieci lokalnej WLAN standardu IEEE 802.11, opartego
na znajomości rozmiaru przesyłanych ramek oraz na wynikach pomiarów czasu oczekiwania stacji
na dostęp do kanału radiowego i uśrednionego – na horyzoncie czasu trwania jednej ramki –
poziomu mocy sygnału nośnej RSSI na wejściu odbiornika.
W celu udowodnienia tak postawionej tezy dokonano szczegółowych rozważań teoretycznych, ważnych z
punktu widzenia poruszonych w rozprawie problemów. Ponadto zaprojektowano i wykonano odpowiednie
modele symulacyjne wybranych sieci WLAN standardu IEEE 802.11 i przeprowadzono za ich pomocą szereg
eksperymentów symulacyjnych.
W szczególności zaś:
1. Dokonano analizy teoretycznej problemu wykorzystania wyników pomiarów wielkości opisujących
stan kanału radiowego do wyznaczania optymalnej z punktu widzenia pojedynczej stacji
abonenckiej przepływności, której rezultatem było określenie, tzw. współczynnika korelacji
średnich mocy sygnałów sinusoidalnych, zmierzonych w kolejnych chwilach czasu na wejściu
odbiornika.
2. Dla potrzeb algorytmu optymalnego doboru trybu pracy stacji abonenckiej w sieci WLAN
sformułowano funkcję celu, którą oparto nie tylko na znajomości mocy sygnału RSSI na wejściu
odbiornika, lecz także na rozmiarach transmitowanych ramek oraz na czasie oczekiwania stacji na
dostęp do kanału radiowego.
3. Opracowano cztery nowe, oryginalne algorytmy RADIOMAN, SILESiA, EMIRATE i LATERAN
optymalnego doboru trybu pracy stacji abonenckiej w sieci WLAN wykorzystujące funkcję celu
uwzględniającą długości ramek oraz wyniki pomiarów poziomu mocy sygnału RSSI na wejściu
odbiornika i czasu oczekiwania stacji na dostęp do kanału.
4.
5.
6.
Zmodyfikowano i rozbudowano symulator pakietowy NS-2 o tryby pracy stacji oparte na wielu
przepływnościach oraz na modelach kanałów radiowych z zanikami, czyli na wszystkich tych
elementach, które były konieczne do przeprowadzenia wiarygodnych eksperymentów
symulacyjnych sieci WLAN standardu IEEE 802.11 dla znanych z literatury oraz opracowanych w
ramach niniejszej rozprawy czterech nowych algorytmów optymalnego doboru trybu pracy stacji.
Przeprowadzono szczegółowe symulacje komputerowe algorytmów optymalnego doboru trybu
pracy stacji abonenckiej w różnych konfiguracjach i scenariuszach pracy sieci bezprzewodowej
WLAN standardu IEEE 802.11 w wybranych środowiskach radiokomunikacyjnym, w tym w
szczególności badano sieci WLAN łączności nomadycznej i ruchomej we wnętrzu budynku oraz
sieci łączności ruchomej na wolnym powietrzu.
Dokonano analizy porównawczej, opracowanych w ramach rozprawy, czterech nowych,
oryginalnych algorytmów optymalnego doboru trybu pracy stacji w sieci WLAN standardu IEEE
802.11 pod kątem maksymalnej przepustowości osiąganej przez pojedynczą stację abonencką oraz
z punktu widzenia wpływu liczby kolizji ramek w sieci na przepustowość osiąganą przez
poszczególne stacje abonenckie.
3. Rozwiązania opisane w literaturze
W sieciach WLAN standardu IEEE 802.11, umożliwiających transmisję danych z więcej niż jedną
przepływnością, optymalne skonfigurowanie stacji abonenckiej decyduje o wydajności całej sieci, postrzeganej
jako zbiór maksymalnych przepustowości, osiąganych przez poszczególnych jej użytkowników.
Ponieważ standard IEEE 802.11 pozostawia wybór trybu pracy stacji kwestią otwartą, dlatego na rynku sieci
WLAN pojawiło się bardzo wiele różnych algorytmów wyboru optymalnego trybu pracy stacji, które
zaimplementowano w układach scalonych lub sterownikach kart sieci standardu IEEE 802.11.
Do najważniejszych zadań algorytmów odpowiedzialnych za optymalny wybór trybu pracy stacji
abonenckiej należy przede wszystkim ocena warunków propagacyjnych, panujących w kanale radiowym i
następnie na tej podstawie dokonanie wyboru właściwej metody modulacji i kodowania korekcyjnego
informacji, gwarantujących użytkownikowi osiągnięcie w danej chwili, jak największej przepustowości.
Opisane w literaturze przedmiotu algorytmy wyboru trybu pracy stacji, implementowane w sieciach WLAN,
można podzielić na trzy grupy. Pierwszą z nich, historycznie najstarszą, stanowią proste algorytmy heurystyczne
zmierzające do określenia optymalnego trybu pracy stacji metodą prób i błędów. Drugą grupę stanowią
algorytmy oparte na prowadzonych na bieżąco pomiarach kanału radiowego. Wprawdzie są one bardziej
skomplikowane, ale za to pozwalają osiągać wyższe przepustowości. Niestety, znaczna część cześć tych
algorytmów wymaga modyfikacji standardu IEEE 802.11, co sprawia, że nie doczekały się one praktycznego
zastosowania. Do trzeciej grupy należą algorytmy wymagające modyfikacji jedynie oprogramowania zawartego
w pamięci stałej karty bezprzewodowej. Grupa ta w rozprawie nie jest analizowana z uwagi na brak możliwości
zastosowania tych algorytmów w już istniejących kartach sieci WLAN standardu IEEE 802.11.
W opracowanych do tej pory i opisanych w literaturze algorytmach optymalnego doboru przepływności, wyboru
trybu pracy stacji abonenckich w sieci standardu IEEE 802.11 dokonywano na podstawie tylko jednej wielkości, którą
był albo poziom mocy sygnału odbieranego RSSI (Received Signal Strength Indicator) albo liczba utraconych ramek.
Żaden z dotychczas opracowanych algorytmów nie brał pod uwagę rozmiaru nadawanych ramek ani też wielkości
natężenia ruchu telekomunikacyjnego generowanego w sieci WLAN. Ponadto większość zaproponowanych
algorytmów była przystosowana jedynie do pracy w sieci z infrastrukturą, a dokładniej w sieci o architekturze gwiazdy
z wyróżnionym punktem dostępowym. Prawie wszystkie algorytmy doboru trybu pracy stacji abonenckiej w sieci
WLAN były przeznaczone dla systemów łączności nomadycznej, w których podczas trwania połączenia terminal
użytkownika nie zmieniał swojego położenia, tzn. pozostawał w bezruchu. A to oznacza, że dynamika zmian
parametrów kanału była niewielka.
Wraz z upowszechnieniem się urządzeń typu PDA (Personal Digital Assistant), wyposażonych w interfejsy
sieciowe zgodne ze standardem IEEE 802.11 a/b/g, jak również pojawieniem się łączności między pojazdami w ruchu,
tzw. łączności „car to car” (IEEE 802.11p), zaczęły rozwijać się nowe zastosowania sieci WLAN charakteryzujące się
większą ruchliwością stacji abonenckich, a to z kolei wiązało się z większą dynamiką zmian parametrów kanału
radiowego.
Ponieważ dotychczasowe, opisane w literaturze algorytmy doboru optymalnych przepływności stacji abonenckich
w sieci WLAN nie uwzględniają wyżej wymienionego zjawiska, dlatego dla potrzeb niniejszej rozprawy w celu jego
eliminacji zaproponowano nowe, oryginalne algorytmy doboru optymalnych przepływności dla stacji abonenckich.
Algorytmy te oparto na wynikach pomiarów poziomu mocy sygnału RSSI na wejściu odbiornika, rozmiaru
transmitowanych ramek oraz współczynnika rywalizacji o dostęp do kanału radiowego.
3.1. Algorytmy heurystyczne
Algorytmy heurystyczne w większości przypadków prowadzą do prostej, opartej na metodach
statystycznych, estymacji parametrów kanału radiowego. Do głównych wad tych algorytmów należy zbyt wolna
zbieżność procesu estymacji oraz ich podatność na wpływ czynników zakłócających, takich jak kolizje ramek
czy zakłócenia interferencyjne. Natomiast niekwestionowaną zaletą algorytmów heurystycznych jest ich
prostota, która sprawia, że to właśnie one są obecnie najczęściej stosowane w praktyce.
Najszerzej znanym heurystycznym algorytmem konfiguracji stacji bezprzewodowej pod kątem wyboru
optymalnej przepływności jest algorytm ARF (Auto Rate Fallback).
Stacja stosująca ten algorytm zwiększa swoją przepływność po określonej liczbie udanych transmisji lub
zmniejsza ja po dwóch kolejnych nieudanych próbach. Po dwóch nieudanych próbach przesłania ramki stacja
obniża przepływność i ustawia zegar. Po upływie czasu określonego przez zegar lub po odebraniu dziesięciu
kolejnych potwierdzeń oznaczających dziesięć udanych transmisji kolejnych ramek, przepływność zostaje
zwiększona. Przy czym pierwsza ramka nadawana z wyższą przepływnością jest traktowana jako próbna,
bowiem w przypadku jej nieudanej transmisji, przepływność jest natychmiast ponownie obniżana.
Oprócz wrażliwości na zmiany parametrów kanału radiowego, algorytmy z grupy ARF są bardzo czułe na
wszelkie wahania natężenia ruchu telekomunikacyjnego w sieci WLAN i związane z tym zmiany
prawdopodobieństwa kolizji ramek. Wraz ze wzrostem prawdopodobieństwa kolizji jednocześnie nadawanych
ramek wzrasta liczba nieudanych transmisji. W przypadku dużych wartości prawdopodobieństwa kolizji brak
metody pozwalającej określić przyczynę nie udania się transmisji może prowadzić do błędnej estymacji
parametrów kanału.
Algorytm ARF stał się bazą wyjściową dla wielu innych algorytmów mających wyeliminować jego
podstawowe wady. Większość modyfikacji tego algorytmu została przede wszystkim ukierunkowana na
poprawienie pracy stacji abonenckiej w sieci WLAN dla łączności nomadycznej, która cechuje się niewielką
dynamiką zmian funkcji przenoszenia kanału radiowego.
Algorytm CARA stanowi modyfikację algorytmu ARF. W algorytmie tym zastosowano selektywne
włączanie procedury RTS/CTS w celu zapobiegania obniżaniu przepływności z powodu kolizji ramek. W
przypadku wystąpienia kolizji ramek, oryginalny algorytm ARF nie był w stanie określić źródła błędów
transmisji, co zaburzało proces estymacji parametrów kanału. Zaburzenia te występowały szczególnie w
sieciach, w których o dostęp do kanału radiowego konkurowało zbyt wiele stacji. Twórcy algorytmu CARA
zaproponowali, aby w przypadku wystąpienia kolejnych n błędów transmisji (domyślnie n  1 ) zamiast
redukować przepływność, uruchomić procedurę RTS/CTS, dającą w tym wypadku możliwość określenia, czy
nieudana próba przesłania ramki jest wynikiem błędów w kanale (udana wymiana ramek RTS i CTS, przy braku
potwierdzenia ramki danych), czy też jest spowodowana kolizją ramek (nieudana wymiana ramek RTS i CTS).
Dysponując wiedzą na temat przyczyny nieudanej transmisji możliwa jest odpowiednia reakcja polegająca na
zmianie przejściu do transmisji z niższą przepływnością, wyłącznie w przypadku, gdy nieudana próba przesłania
ramki spowodowana jest wystąpieniem błędów w kanale radiowym. Przy czym wyłączenie procedury RTS/CTS
powinno następować natychmiast po przeprowadzeniu udanej transmisji ramki.
3.2. Algorytmy oparte na estymacji parametrów kanału
Drugą grupę algorytmów doboru trybu pracy stacji stanowią algorytmy oparte na analizie parametrów
transmisyjnych kanału radiowego. Charakteryzują się one znacznie wyższym stopniem komplikacji, oferując w
zamian, w porównaniu z algorytmami heurystycznymi, zdecydowanie wyższą wydajność. Największą wadą tych
algorytmów jest to, że bardzo często ich użycie wiąże się z koniecznością większych lub mniejszych
modyfikacji standardu IEEE 802.11.
Najbardziej znanym przykładem algorytmu, wykorzystującego estymację parametrów kanału, jest algorytm
RBAR. Algorytm RBAR (Receiver Based Autorate) jako jeden z niewielu algorytmów doboru trybu pracy stacji
bezprzewodowej działa w zamkniętej pętli sprzężenia zwrotnego. Jego zasadę działania oparto na prostej
estymacji parametrów kanału radiowego, przy założeniu krótkoterminowej stacjonarności warunków
propagacyjnych. Innymi słowy autorzy algorytmu przyjęli, że funkcja przenoszenia kanału nie ulega zmianie w
przypadku, gdy czas upływający między kolejnymi transmisjami ramek zmierza do zera. Estymacja parametrów
kanału jest dokonywana za pomocą ramek RTS/CTS przy założeniu, że w obu kierunkach transmisji, tzn. od
nadawcy do odbiorcy i vice versa kanał radiowy wykazuje takie same właściwości transmisyjne.
Stacja abonencka, stosująca algorytm RBAR, tuż przed nadaniem ramki z danymi wysyła krótką ramkę
RTS. Na podstawie ramki RTS, jej odbiorca określa stosunek mocy sygnał/szum SNR i wskazuje nadawcy
optymalną przepływność, z którą ten powinien przesłać ramkę z danymi. Optymalna przepływność jest
określana tylko i wyłącznie na podstawie wartości SNR . Następnie informacja o wybranej przez odbiorcę
przepływności jest przesyłana do nadawcy w ramce CTS (Clear To Send).
Z procedurą RTS/CTS oraz z wyborem przez odbiorcę trybu pracy dla stacji nadawczej wiąże się pewna
niedogodność. A mianowicie, nadawca, wysyłając ramkę RTS zakłada, że ramka z danymi zostanie nadana z
określoną przepływnością, a to oznacza, że jej transmisja zajmie kanał na ściśle określony czas, który jest
wpisywany w polu NAV ramki RTS. A ponieważ stacja odbiorcza może zdecydować, że ramkę z danymi należy
nadać z inną przepływnością, zatem faktycznie jej transmisja zajmie kanał radiowy przez inny czas niż ten, który
został zapisany w polu NAV ramki RTS. W związku z tym, aby ustalić poprawny czas zajętości kanału,
koniecznym okazało się dodanie do ramek RTS i CTS pól, zawierających informację o trybie pracy stacji oraz
rozmiarze ramki z danymi. Należało też dokonać modyfikacji zachowań pozostałych stacji abonenckich
pracujących w sieci WLAN. Stacje te powinny być przygotowane do samodzielnego obliczenia czasu zajętości
kanału na podstawie podanych w ramkach RTS/CTS wartości przepływności oraz rozmiarów ramki z danymi.
Tym samym z uwagi na konieczność modyfikacji standardu IEEE 802.11, algorytm RBAR nie doczekał się
zastosowań praktycznych.
Niezależnie od stopnia skomplikowania, wszystkie opisane literaturze algorytmy wyboru trybu pracy stacji
abonenckich w sieciach WLAN nie są pozbawione wad. W zdecydowanej swojej większości optymalny tryb
pracy stacji jest dobierany metodą prób i błędów lub na podstawie zależności empirycznych opracowanych dla
wybranego środowiska radiokomunikacyjnego.
Algorytmy korzystające z metod predykcji stanu kanału takie jak np. RBAR dokonują tej predykcji w
sposób uproszczony. Z reguły w procesie predykcji są pomijane charakterystyki procesu opisującego zmiany
transmitancji kanału radiowego w czasie, które w praktyce stanowią istotny element danego środowiska
radiokomunikacyjnego.
Większość algorytmów jest przystosowana jedynie do pracy w systemach łączności nomadycznej w sieciach
z infrastrukturą. Żaden z przedstawionych w literaturze algorytmów nie uwzględnia wpływu wartości natężenia
ruchu telekomunikacyjnego, generowanego w sieci WLAN, na proces doboru optymalnego trybu pracy stacji
abonenckiej.
4. Podstawy budowy nowego algorytmu wyznaczania trybu pracy
stacji w sieci WLAN łączności nomadycznej i ruchomej
Algorytm optymalizacji pracy stacji abonenckiej w sieci WLAN standardu IEEE 802.11, opracowany na
potrzeby niniejszej rozprawy, jest algorytmem umożliwiającym taki wybór trybu pracy stacji abonenckiej, który
zapewni maksymalną wartość przepływności dla danej aplikacji użytkownika. Zaproponowany algorytm
wykorzystuje w swoim działaniu wyniki pomiarów dwóch wielkości, a mianowicie poziomu mocy nośnej RSSI
na wejściu odbiornika oraz czasu TB dostępu stacji abonenckiej do kanału, tzn. czasu upływającego od chwili
zażądania przez stację dostępu do kanału radiowego do chwili nadania przez nią pierwszego bitu ramki
(backoff).
Obie te wielkości wybrano dlatego, że można bez problemu dokonać ich pomiarów za pomocą typowych
kart sieciowych WLAN standardu IEEE 802.11.
Z analizy wyników eksperymentów symulacyjnych przeprowadzonych przez autora rozprawy wynika, że
również rozmiar transmitowanej ramki, przy ustalonej odległości między stacjami wymieniającymi między sobą
dane, nie pozostaje bez wpływu na wartość poziomu mocy średniej RSSI sygnału nośnej na wejściu odbiornika,
dla którego zadany tryb pracy pozwala osiągnąć stacji abonenckiej maksymalną przepustowość.
Działanie algorytmu obejmuje dwa etapy. Najpierw, na podstawie wyników pomiarów, uzyskanych podczas
monitorowania pracy sieci WLAN, dokonuje się predykcji wartości RSSI poziomu mocy nośnej na wejściu
odbiornika stacji abonenckiej. Następnie za pomocą odpowiednio skonstruowanej funkcji celu, określającej
kryterium optymalizacji, dobiera się najlepszy z możliwych tryb pracy, czyli ustala optymalną na dany moment
przepływność stacji abonenckiej.
4.1. Kryterium wyboru optymalnego trybu pracy stacji w sieci WLAN
Na podstawie długości ramki oraz średniego czasu oczekiwania na dostęp do kanału radiowego,
zmierzonego jako czas upływający od chwili żądania wysłania ramki do chwili otrzymania potwierdzenia jej
odbioru, można pokusić się o skonstruowanie takiej funkcji celu, która umożliwiałaby wyznaczenie, z punktu
widzenia aktualnej sytuacji ruchowej i warunków propagacyjnych panujących w sieci WLAN, optymalnego
trybu pracy dla danej stacji abonenckiej. Przy czym przez optymalny rozumie się taki tryb pracy stacji, który
gwarantuje poprawne dostarczenie ramki do odbiorcy w jak najkrótszym czasie Tmin .
Przyjmując założenie o nieskończonej liczbie retransmisji ramek oraz zakładając, że czas oczekiwania na
dostęp do kanału radiowego wzrasta wykładniczo, to znaczy każdorazowo jego wartość jest podwajana wraz z
kolejnymi próbami retransmisji uzyskano funkcję celu algorytmu poszukiwania optymalnego trybu pracy stacji
abonenckiej w sieci WLAN w postaci:
Tmin =
 TSucc
TB 


,
p
2 p  1
... 54 Mbit/s  
(1)
min
1 Mbit/s
gdzie: p – prawdopodobieństwo bezbłędnego przesłania ramki, TS u cc – czas trwania zakończonej sukcesem
próby przesłania ramki, TB – czas dostępu stacji abonenckiej do kanału, tzn. czasu upływającego od chwili
zażądania przez stację dostępu do kanału radiowego do chwili nadania przez nią pierwszego bitu ramki
(backoff).
Dla potrzeb praktycznego wykorzystania kryterium optymalizacji (1) w sieciach WLAN konieczna jest
znajomość wartości czasów TSucc , TB oraz prawdopodobieństwa p . Wartość czasu TSucc można wyznaczyć
na podstawie: rozmiaru ramki, konkretnego trybu pracy stacji abonenckiej oraz czasów: TPLCP , THDR , TACK ,
TSIFS , zdefiniowanych w standardzie IEEE 802.11. Natomiast czas TB i wartość prawdopodobieństwa p
można określić na podstawie wyników pomiarów odpowiednio wielkości ruchu w sieci WLAN oraz poziomu
RSSI mocy nośnej.
O ile wyznaczenie czasów TSucc i TB jest zadaniem stosunkowo prostym, o tyle określenie wartości
prawdopodobieństwa p nie jest już takie łatwe czy oczywiste i wymaga przyjęcia szeregu szczegółowych
założeń. Głównym założeniem jest przyjęcie, że każde dwie stacje abonenckie współpracują ze sobą w kanale
radiowym z zanikami Rayleigha, wykazującym pełną symetrię w obu kierunkach transmisji.
Jeżeli przez FERRayleigh oznaczymy wartość ramkowej stopy błędów na wyjściu odbiornika stacji abonenckiej w
systemie z kanałem Rayleigha, to prawdopodobieństwo p bezbłędnego przesłania ramki wyniesie:
p 1  FERRayleigh ,
(2)
gdzie FERRayleigh może zostać obliczona na podstawie bitowej stopy błędów opisanej równaniem postaci:

BERRayleigh   f u | v   BER AWGN u  du
(3)
0
W pracy wykazano, że funkcję gęstości prawdopodobieństwa warunkowego f u | v  wystąpienia na wejściu
odbiornika w chwili t0 sygnału o mocy u , pod warunkiem, że w t0   wystąpił sygnał o mocy v , można
zapisać za pomocą następującego wyrażenia:

uv m τ 
u +  m  v  
1

exp


I 0  2
2
2
2 1   m  
 2 1   m    
 1   m  
2
gdzie średnia moc sygnału  jest równa:
f u | v  =
2=
1
RSSI ,
2





(4)
(5)
Aby umożliwić wykorzystanie wzoru (4) w praktyce, do wyznaczenia optymalnego – w danych warunkach
ruchowych i propagacyjnych – trybu pracy stacji w sieci WLAN, należało opracować metodę obliczania
wartości współczynnika korelacji m   na podstawie wyników pomiarów prowadzonych na poziomie karty
sieciowej konkretnej stacji abonenckiej.
Niestety wartość, występującego we wzorze (4) współczynnika  m τ  nie może być wprost szacowana za
pomocą zgodnego i nieobciążonego estymatora współczynnika korelacji z uwagi na charakter ruchu ramek
występujący w sieciach WLAN. W rzeczywistej sieci WLAN proces przybywania ramek do odbiornika, a co za
tym idzie i pomiarów mocy jest procesem losowym próbkowanym nierównomiernie, a zatem kolejne próbki
pojawiają się tylko w momencie odbioru ramki. Chcąc zastosować w praktyce estymator ˆ m   , należy dokonać
przekształcenia procesu prowadzenia pomiarów z próbkowanego nierównomiernie na próbkowany
równomiernie. W niniejszej rozprawie w badaniach symulacyjnych wybranych sieci WLAN standardu IEEE
802.11 zastosowano uproszczoną wersję algorytmu Sauera-Allebacha, ograniczoną do pojedynczej iteracji
składającej się z interpolacji odcinkowo-liniowej oraz filtracji dolnoprzepustowym filtrem Butterwortha
czwartego rzędu.
4.2. Procedura wyboru optymalnego trybu pracy stacji standardu IEEE
802.11
Kolejne kroki procedury wyboru optymalnego trybu pracy stacji abonenckiej standardu IEEE 802.11, którą
zaimplementowano w nowym algorytmie, opartym na znajomości długości ramki oraz na wynikach pomiarów
poziomu mocy nośnej RSSI i czasu TB dostępu stacji do kanału radiowego, przedstawiono na rysunku 1.
Wyznacz tr, m
oraz TB
T
Odebrano
ramkę?
N
Ramka
do
nadania?
N
T
Pobierz tr, m oraz TB
Wyznacz TSucc
Wyznacz f(u|v)
Dla trybów 1 .. 54 Mbit/s
Wyznacz p wg wzoru (2)
Dla trybów 1 .. 54 Mbit/s
Oblicz wg wzoru (1)
wartość funkcji celu
Wybierz tryb pracy odpowiadający
minimum funkcji celu
Nadaj ramkę
Rys. 1. Procedura wyznaczania najkrótszego czasu poprawnej transmisji ramki w sieci WLAN
standardu IEEE 802.11 łączności nomadycznej i ruchomej w zadanych warunkach propagacyjnych i
ruchowych.
W pierwszym kroku procedury (rys. 1) wyznacza się, na podstawie zmierzonych w chwili t R  t 0 wartości
RSSI oraz TB , najkrótszy czas Tmin (1) poprawnej transmisji ramki przygotowanej przez stację do wysłania.
Gdzie t R  t 0 odpowiada chwili odbioru ostatniej ramki od stacji, do której będzie adresowana transmisja
kolejnej ramki. Jeżeli nadawanie przez stację abonencka kolejnej ramki rozpocznie się w chwili t0  TB , to
wówczas czas  wyniesie:
 t 0  TB  t R
(6)
Następnie na podstawie historycznych wyników pomiarów RSSI wyznacza się estymatę współczynnika  m τ  ,
a w kolejnym kroku funkcję gęstości prawdopodobieństwa warunkowego f u | v  (4) wystąpienia na wejściu
odbiornika w chwili t0  TB sygnału o mocy u , pod warunkiem, że w t0  t R wystąpił sygnał o mocy v .
Wyznaczenie f u | v  pozwala na obliczenie za pomocą wzoru (3) i krzywych szumowych właściwych dla
danego trybu pracy stacji, bitowej stopy błędów. Na podstawie bitowej stopy błędów wyznaczane są: ramkowa
stopa błędów FER i prawdopodobieństwo bezbłędnego dostarczenia ramki p (2) w każdym z dwunastu trybów
pracy stacji abonenckiej. Po wyznaczeniu czasu TS u cc oraz na podstawie znajomości rozmiaru przeznaczonej do
nadania ramki jest wyliczana dla wszystkich trybów pracy stacji wartości funkcji celu. Ostatecznie kolejna
ramka jest nadawana przez stację abonencka w trybie, dla którego funkcja celu (1) osiągnęła najmniejszą
wartość.
5. Nowe algorytmy wyznaczania optymalnego trybu pracy stacji w
sieci WLAN łączności nomadycznej i ruchomej
Zaproponowane w rozprawie algorytmy, wykorzystujące wyniki pomiarów mocy nośnej, czasu dostępu stacji
abonenckiej do kanału radiowego oraz wiedzę o rozmiarach transmitowanych przez stację ramek, porównano z
najważniejszymi, znanymi z literatury algorytmami, takimi jak ARF, AARF, CARA i RBAR.
Ponadto rozważono i oceniono możliwość modyfikacji pełnej wersji algorytmu, zaproponowanego w rozdziale
4, pod kątem uproszenia metody liczenia najkrótszego czasu Tmin (1) dostarczenia ramki do odbiorcy. Metody,
która z punktu widzenia procedury wyznaczenia prawdopodobieństwa p (2) udanej transmisji ramki, opartej na
szacowaniu wartości estymatora współczynnika korelacji ̂m τ  może wymagać bardzo dużej liczby
czasochłonnych operacji.
5.1. Algorytm RADIOMAN (Rate ADaptatIon algOrithm for Mobile And
Nomadic Services)
W celu dokonania oceny porównawczej nowego, opartego na funkcji celu (5.6), algorytmu RADIOMAN
optymalnego doboru z punktu widzenia warunków ruchowych i propagacyjnych trybu pracy stacji abonenckiej
przeprowadzono szereg eksperymentów symulacyjnych. Do oceny porównawczej wybrano dwa algorytmy
heurystyczne: ARF i CARA oraz jeden oparty na estymacji parametrów kanału RBAR za pomocą ramek
RTS/CTS.
W pierwszym eksperymencie badania symulacyjne wykonano dla sieci WLAN standardu IEEE 802.11 łączności
nomadycznej złożonej z dwóch stacji pracujących we wnętrzu budynku. Stacja pierwsza nadawała przez 1200
sekund z maksymalną przepływnością strumień danych UDP składający się z ramek o długości 2114 bajtów.
Podczas kolejnych transmisji tego samego strumienia danych UDP zwiększano odległość między stacjami i
mierzono przepustowość stacji testowej. Przy czym wzrost odległości między stacjami przekładał się na spadek
wartości poziomu mocy nośnej RSSI na wejściu odbiornika stacji testowej. Szczegółowe wyniki tak
zaplanowanego i przeprowadzonego eksperymentu symulacyjnego przedstawiono na rysunku 2.
Przepustowość stacji abonenckiej [Mbit/s]
22
20
18
16
14
RADIOMAN
12
ARF
10
CARA
RBAR
8
6
4
2
0
-60
-65
-70
-75
-80
-85
-90
-95
-100
-105
Poziom sygnału na wejściu odbiornika RSSI [dBm]
Rys. 2. Maksymalna przepustowość stacji testowej, osiągana dla ruchu UDP dla dwóch stacji
abonenckich, wyrażona w funkcji poziomu mocy sygnału
W ramach drugiego eksperymentu symulacyjnego analizowano wpływ prawdopodobieństwa wystąpienia kolizji
ramek na wydajność nowego algorytmu RADIOMAN doboru optymalnego trybu pracy stacji w środowisku
wewnątrz budynku dla sieci WLAN łączności nomadycznej. W tym celu badaniom symulacyjnym poddano sieć
WLAN z infrastrukturą o jednym punkcie dostępu i wykorzystującą funkcję DCF. Stacje abonenckie znajdowały
się w stałej i jednakowej odległości od punktu dostępu, co gwarantowało każdej z nich pracę w kanale radiowym
o mniej więcej jednakowych parametrach. Podczas kolejnych eksperymentów zwiększano liczbę stacji
nadających ramki z maksymalną możliwą przepływnością i mierzono przepustowość stacji testowej. Przy czym
wzrost liczby stacji automatycznie przekładał się na wzrost prawdopodobieństwa kolizji ramek w kanale
radiowym.
Przepustowość stacji abonenckiej [Mbit/s]
14
RADIOMAN
12
RBAR
ARF
10
CARA
8
6
4
2
0
0
2
4
6
8
10
12
14
16
18
20
22
Liczba stacji abonenckich
Rys. 3. Zmiany przepustowości wybranej stacji abonenckiej wyrażone w funkcji liczby stacji
pracujących w sieci WLAN z infrastrukturą
Z analizy rysunku 3. wynika, że algorytm RBAR, ukierunkowany na estymację parametrów kanału za pomocą
ramek RTS/CTS, był nieczuły na wielkość natężenia ruchu ramek w sieci WLAN, utrzymując przepustowość
badanej stacji abonenckiej na stałym, lecz bardzo niskim poziomie (od 52 do 930 kbit/s). Natomiast algorytm
RADIOMAN, oparty na funkcji celu (5.6), podobnie jak algorytm CARA, okazał się być zdecydowanie mniej
wrażliwy na liczbę kolizji ramek w kanale radiowym niż algorytm ARF, który dla ponad 10 stacji w sieci
WLAN raptownie obniżał przepustowość badanej stacji abonenckiej. Ponadto w warunkach, w których
prowadzono badania symulacyjne, algorytmy RADIOMAN i CARA reagowały na zmieniającą się liczbę stacji
odwrotnie proporcjonalną zmianą przepustowości stacji testowej. Przy czym dla algorytmu CARA iloczyn
przepustowości badanej stacji i odpowiadającej jej liczby wszystkich stacji pracujących w sieci był mniej więcej
stały i wynosił około 16 Mbit/s. Podczas, gdy ten sam iloczyn dla algorytmu RADIOMAN, osiągał w całym
zakresie zmienności liczby stacji tworzących analizowaną sieć WLAN, tzn. od 2 do 20, wartość bliską 22
Mbit/s. Natomiast dla algorytmu ARF iloczyn przepustowości i liczby stacji dla sieci liczącej nie więcej niż 10
stacji utrzymywał się na poziomie około 16 Mbit/s, by dla liczby większej od 10 gwałtownie spaść do wartości
zaledwie 1,4 Mbit/s.
W kolejnych eksperymentach przebadano zachowanie się algorytmu RADIOMAN dla pozostałych środowisk
radiokomunikacyjnych, to znaczy dla sieci WLAN łączności ruchomej działających we wnętrzu budynku i na
wolnym powietrzu.
5.2. Algorytm SILESiA (recurSIve LEast Squares rate Adaptation)
Algorytm SILESiA stanowi pierwszą, uproszczoną wersję algorytmu RADIOMAN zaproponowanegow
niniejszej pracy, opartą na zmianie procedury liczenia prawdopodobieństwa p poprawnego dostarczenia ramki
do odbiorcy. W algorytmie SILESiA prawdopodobieństwo p jest wyznaczane dla kanału radiowego, który
pozostaje stacjonarnym przez czas potrzebny na przesłanie pojedynczej ramki. Przy założeniu krótkookresowej
stacjonarności kanału radiowego, p można wyznaczyć jako prawdopodobieństwo bezbłędnej transmisji ramki
dla prognozowanej wartości
w warunkach transmisji w kanale z szumem białym AWGN o stałej wartości
tłumienia i bez uwzględniania zaników wielodrogowych.
Jako predyktora poziomu nośnej na wejściu odbiornika użyto adaptacyjnego filtru liniowego o skończonej
odpowiedzi impulsowej którego wagi wyznaczono za pomocą algorytmu RLS (Recursive Least Squares) w taki
sposób by minimalizować błąd między sygnałem wzorcowym
a jego estymatą
wyrażony wzorem:
(7)
gdzie - stanowi rozmiar filtru
Algorytm RLS, w swej podstawowej wersji został przystosowany do pracy z sygnałami próbkowanymi
równomiernie. Podejście zaproponowane w niniejszej rozprawie opiera się na zastosowaniu algorytmu RLS do
sygnału o próbkowaniu równomiernym odtworzonego z sygnału próbkowanego nierównomiernie. W
zaproponowanym rozwiązaniu ograniczono się do pojedynczej iteracji
algorytmu Sauera-Allebacha
zrealizowanej z wykorzystaniem układu próbkująco-pamiętającego oraz filtru Butterwortha drugiego rzędu.
Schemat blokowy algorytmu SILESiA przedstawiono na rysunku 4.
Funkcja Celu
(5.6)
p(RSSI)
+
TB
-
S
Tryb nadawania
n0, t0
e
RSSI(ti)
Układ
monitorowania
Sieci WLAN
S
h1
S
h2
S
S
hN
hN-1
h3
Ramka do nadania
S
n-k
...
RSSI(ti)
...
z-1
z-1
z-1
z-1
...
Sample & hold
n-2
Algorytm
RLS(h,l)
n-1
n0
z-1
FDP
RSSI(tx+TB)
-1
z
Bufor nadajnika
Rys. 4. Zasada działania algorytmu opartego na predyktorze poziomu nośnej na wejściu odbiornika z
algorytmem RLS
W celu poprawnego zastosowania algorytmu RLS do predykcji wartości RSSI na wejściu odbiornika konieczne
było wyznaczenie dwóch parametrów: rozmiaru filtru N oraz współczynnika zapominania l. Jako funkcję celu
przyjęto przepustowość osiąganą przez stację abonencką w sieci złożonej z dwóch nieruchomych stacji.
Przepustowość stacji abonenckiej [Mbit/s]
20,5
15,5
SILESIA(30, 0.998)
SILESIA(32, 0.972)
SILESIA(5, 0.98)
SILESIA(59, 0.996)
RADIOMAN
ARF
10,5
5,5
0,5
-55
-60
-65
-70
-75
-80
-85
-90
Poziom mocy sygnału odbieranego RSSI [dBm]
-95
-100
-105
Rys. 5. Maksymalna przepustowość stacji testowej wyrażona w funkcji poziomu mocy sygnału i osiągana dla
ruchu UDP w scenariuszu nomadycznym w sieci WLAN złożonej z dwóch stacji
Z uwagi na znaczną liczbę ekstremów lokalnych funkcji celu zdecydowano się na optymalizację z
wykorzystaniem algorytmów genetycznych. Optymalizacji dokonano dla wszystkich trzech scenariuszy
radiokomunikacyjnych analizowanych w rozprawie. Wydajność wyznaczonych w ten sposób odmian algorytmu
SILESiA przebadano podobnie, jak w przypadku algorytmu RADIOMAN – zaczynając od analizy
symulacyjnej sieci WLAN standardu IEEE 802.11 łączności nomadycznej złożonej z dwóch stacji pracujących
we wnętrzu budynku. Wyniki tak wykonanych badań przedstawiono na rysunku 5.
Eksperymenty symulacyjne wykazały, że dla wszystkich trzech scenariuszy radiokomunikacyjnych i wszystkich
testowanych zestawów parametrów przepustowości uzyskiwane przez stację korzystającą z algorytmu SILESiA
przekraczają przepustowości uzyskane z wykorzystaniem pełnej wersji algorytmu RADIOMAN. Szczególnie
dobitnie widać to dla scenariusza na wolnym powietrzu charakteryzującego się największą szybkością zmian
transmitancji kanału radiowego. Zatem można przypuszczać, że powodem lepszych osiągów algorytmu
SILESiA jest krótszy horyzont czasu na którym dokonywana jest prognoza poziomu sygnału nośnej na wejściu
odbiornika.
W kolejnych eksperymentach symulacyjnych analizowano także wpływ kolizji ramek na wydajność algorytmu
SILESiA. Badania przeprowadzono dla sieci WLAN łączności nomadycznej i ruchomej w środowisku wewnątrz
budynku oraz dla sieci łączności ruchomej pracującej na wolnym powietrzu. Za wyjątkiem na wolnym powietrzu
dla sieci składającej się z więcej niż dwóch stacji wzrost średniej przepustowości, uzyskany dzięki zastosowaniu
algorytmu SILESiA, w stosunku do algorytmu RADIOMAN uzyskany dzięki zastosowaniu algorytmu
SILESiA, ulega widocznej redukcji. Wyjątek stanowi n wolnym powietrzu w którym zwiększenie
przepustowości wynikające z zastosowania krótkoterminowej prognozy stanu kanału radiowego owocuje
widocznym wzrostem średniej przepustowości osiąganej przez stację abonencką i to nawet dla sieci złożonej z
dziesięciu stacji.
5.3. Algorytm EMIRATE (Exponential MovIng aveRAge raTE
Adaptation)
Leżąca u podstaw działania algorytmu RADIOMAN, procedura obliczania estymatora współczynnika
korelacji ̂ m τ  i w konsekwencji wskazania najbardziej prawdopodobnej wartości poziomu mocy RSSI na
wejściu odbiornika, może wiązać się z dużymi nakładami obliczeniowymi i zajmować stacji bardzo dużo czasu.
Stąd w niniejszym podrozdziale zdecydowano się rozważyć możliwość użycia do wyznaczania optymalnego
trybu pracy stacji w sieci WLAN łączności nomadycznej i ruchomej, uproszczonej procedury prognozowania
wartości RSSI , stosującej metodę opartą na wykładniczej średniej ruchomej EMA (Exponential Moving
Averages).
Ponieważ założono, że podczas przesyłania jednej ramki kanał radiowy można uznać za stacjonarny, zatem
prognozowaną wartość mocy nośnej RSSI oparto na poszukiwaniu minimum funkcji celu (1) w warunkach
transmisji w kanale z szumem białym AWGN o stałej wartości tłumienia i bez uwzględniania zaników
wielodrogowych.
Prognozowana uśredniona wartość mocy nośnej RSSI t  , wyznaczana za pomocą wykładniczej średniej
ruchomej EMA. Dla przypadku próbkowania nierównomiernego, z którym mamy do czynienia podczas
prognozowania poziomu mocy nośnej RSSI w sieci WLAN standardu IEEE 802.11, oryginalny wzór
zmodyfikowano do postaci:
RSSI t  = e lt RSSI t + 1  e lt RSSI t  Δt  ,
(8)
gdzie: t – odstęp między kolejnymi ramkami, l  0 – liczba dodatnia.
W przypadku sieci standardu IEEE 802.11 dopuszczalne wartości l podlegają bardzo ścisłym ograniczeniom.
Minimalną wartość l należy bowiem dobrać w taki sposób, aby szybkość zmian wartości średniej RSSI –
redukując do minimum wpływ zaników szybkich – poprawnie odzwierciedlała zmiany funkcji przenoszenia
kanału, wynikające z ruchliwości stacji.
Schemat blokowy algorytmu EMIRATE, wykorzystującego wykładniczą średnią ruchomą do predykcji
wartości nośnej RSSI t  na wejściu odbiornika stacji abonenckiej, przedstawiono na rysunku 6.
Ramka do nadania
RSSI(ti), TB
Średnia
wykładnicza
t0
RSSI(tx+TB)
n-k
p(RSSI)
...
...
n-2
TB
Funkcja Celu
(1)
n0
n-1
Bufor nadajnika
...
Monitor Sieci
WLAN
n0
Tryb nadawania
Rys. 6. Schemat blokowy algorytmu EMIRATE
Badanie wydajności algorytmu EMIRATE rozpoczęto – podobnie, jak pozostałych opracowanych w ramach
rozprawy algorytmów – od analizy symulacyjnej sieci WLAN standardu IEEE 802.11 złożonej z dwóch stacji
pracujących w trzech środowiskach radiokomunikacyjnych: łączności nomadycznej, łączności ruchomej we
wnętrzu budynku i na wolnym powietrzu.
Przeprowadzone eksperymenty wykazały, że w sieci WLAN standardu IEEE 802.11 zastosowanie algorytmu
EMIRATE z odpowiednio dobraną do scenariusza radiokomunikacyjnego wartością l pozwala stacji
abonenckiej osiągać – w prawie całym zakresie zmian RSSI , tzn. od około 60 do 100 dBm – lepsze
przepustowości od tych, jakie mogą zapewnić jej takie algorytmy, jak ARF czy RBAR.
Analizie symulacyjnej poddano także wpływ kolizji ramek na wydajność algorytmu EMIRATE. Badania
przeprowadzono dla sieci WLAN łączności nomadycznej i ruchomej w środowisku wewnątrz budynku oraz dla
sieci łączności ruchomej pracującej na wolnym powietrzu. Można zauważyć, że w praktyce, na przykład w sieci
WLAN o więcej niż trzech stacjach, zmiany przepustowości stacji abonenckiej wykorzystującej prognozowanie
wartości RSSI oparte na wykładniczej średniej ruchomej, mieszczą się w granicach błędu statystycznego, i to w
bardzo dużym zakresie zmienności parametru l , bo od l  0,2 do l  200 . Ponadto niewątpliwą zaletą
predykcji opartej na wykładniczej średniej ruchomej jest możliwość uniknięcia problemu nierównomiernego
próbkowania danych pomiarowych. Tym samym, biorąc pod uwagę powyższe spostrzeżenia, można by – w
przypadku podjęcia się próby budowy uniwersalnej wersji algorytmu EMIRATE – tak dobierać parametr l , by
był on równy najmniejszej, jednak dopuszczalnej z punktu widzenia wszystkich scenariuszy
radiokomunikacyjnych, jakie mogą wystąpić w wybranej sieci WLAN standardu IEEE 802.11, wartości. W
prawdzie spowoduje to niewielkie pogorszenie maksymalnej przepustowości, możliwej do osiągnięcia przez
daną stację abonencką w przypadku małej liczby aktywnych stacji wchodzących w skład konkretnej sieci
WLAN, jednak prostota, szybkość działania oraz niewielka złożoność obliczeniowa i uniwersalność takiego
rozwiązania wydają się być tego warte.
5.4. Algorytm LATERAN (LAsT samplE Rate AdaptatioN algorithm)
W przypadku sieci WLAN ze stacjami działającymi zgodnie z modelem FBM, czyli takimi, które mają
zawsze pełny bufor nadawczy i chcą bez przerwy transmitować swoje ramki, współczynnik korelacji dwóch
kolejnych próbek RSSI przyjmuje wartości z przedziału od 0,98 do 1,00, nawet w sieci WLAN złożonej z 20
aktywnych stacji. Potwierdzałoby to przypuszczenie – tezę, że próba oparcia predykcji wartości RSSI sygnału
nośnej na wejściu odbiornika stacji abonenckiej na wyniku tylko i wyłącznie ostatniego jej pomiaru może okazać
się bardzo dobrym i nie tylko prostym, ale również bardzo skutecznym rozwiązaniem problemu
nierównomiernego próbkowania danych pomiarowych.
Ocenę algorytmu LATERAN oraz jego porównanie z algorytmami ARF, RBAR i RADIOMAN
przeprowadzono – za pomocą zmodyfikowanej wersji symulatora NS-2 – dla sieci WLAN składającej się z
dwóch stacji abonenckich. Badano sieci łączności nomadycznej i ruchomej działające we wnętrzu budynku oraz
sieć łączności ruchomej – na wolnym powietrzu.
W przypadku sieci łączności nomadycznej, pracującej we wnętrzu budynku, maksymalne przepustowości
stacji abonenckiej osiągane dla algorytmu LATERAN w ogóle nie różnią się od tych dla algorytmu
RADIOMAN. Przy czym algorytm LATERAN oparty na wartości ostatniej próbki cechuje się
nieporównywalnie mniejszą złożonością obliczeniową, co stanowi jego istotną zaletę, szczególnie w przypadku
urządzeń o ograniczonych zasobach energetycznych.
Wydajność algorytmu LATERAN ulega znacznemu pogorszeniu wraz ze wzrostem dynamiki zmian funkcji
przenoszenia kanału radiowego. Można zauważyć, że przepustowości stacji abonenckiej wykorzystującej
algorytm LATERAN są wtedy zbliżone do rezultatów osiąganych przy użyciu prostych algorytmów
heurystycznych. Na zakończenie rozważań dotyczących oceny algorytmu LATERAN, analizie symulacyjnej
poddano wpływ kolizji ramek na jego wydajność. Badania przeprowadzono – podobnie, jak robiono to już
wcześniej dla algorytmów RADIOMAN i EMIRATE – dla sieci WLAN z infrastrukturą i funkcją DCF z jednym
punktem dostępu, wokół którego stacje rozmieszczono w stałej i jednakowej odległości. Przepustowości stacji
testowej wyznaczano, zwiększając liczbę stacji nadających ramki do punktu dostępu z maksymalną możliwą
przepływnością, utrzymując przy tym średnią wartość RSSI na poziomie 85 dBm.
Można zaobserwować, że wraz ze wzrostem prawdopodobieństwa wystąpienia kolizji, spowodowanym
pojawianiem się w sieci kolejnych stacji, maleją różnice między wartościami przepustowości osiąganymi przez
stacje korzystające z algorytmu RADIOMAN oraz z uproszczonej jego wersji LATERAN. Jest to spowodowane
wydłużeniem się czasu oczekiwania stacji na dostęp do kanału radiowego, bezpośrednio związanym ze
wzrostem rozmiaru CW okna współzawodnictwa.
Sprawia to, że w konsekwencji oba algorytmy, zarówno RADIOMAN, jak i LATERAN wybierają te
konfiguracje pracy, które charakteryzują się mniejszą przepływnością, co z kolei ogranicza wpływ dokładności
predykcji poziomu mocy RSSI na prawdopodobieństwo błędnego odbioru ramki. Zjawisko to w sposób
najbardziej znaczący wystąpiło w sieci WLAN łączności ruchomej na wolnym powietrzu.
6. Wnioski i uwagi końcowe
W niniejszej rozprawie, opierając się na symulacjach komputerowych, udowodniono, że możliwe jest
opracowanie bardziej wydajnego od obecnie stosowanych, algorytmu wyboru trybu pracy stacji abonenckiej w
bezprzewodowej sieci lokalnej WLAN standardu IEEE 802.11. Na poparcie tak sformułowanej tezy opracowano
cztery algorytmy bazujące na znajomości rozmiaru przesyłanych ramek oraz na wynikach pomiarów czasu
oczekiwania stacji na dostęp do kanału radiowego, a także na uśrednionym – na horyzoncie czasu trwania jednej
ramki – poziomie mocy sygnału nośnej RSSI na wejściu odbiornika.
Ponadto wykazano, że dla różnorodnych scenariuszy radiokomunikacyjnych, dysponując jedynie
ogólnodostępnymi z poziomu typowej karty wi-fi i oprogramowania danymi pomiarowymi, możliwe jest
opracowanie uniwersalnego algorytmu doboru trybu pracy stacji bezprzewodowej pozwalającego na uzyskanie
znacznie wyższych przepustowości niż osiągane przez dotychczas stosowane algorytmy. Rozważane scenariusze
radiokomunikacyjne odzwierciedlały obecne i przyszłościowe zastosowania lokalnych sieci bezprzewodowych
wynikające z rosnącej liczby urządzeń łączności ruchomej typu PDA lub smartphone.
Dla sieci WLAN z infrastrukturą, w których stacja abonencka komunikuje się z jednym punktem
dostępowym, możliwe jest dalsze uproszczenie, opracowanych w ramach niniejszej rozprawy algorytmów
doboru trybu pracy, pozwalające na redukcję wymaganej mocy obliczeniowej. Ponadto z uwagi na potrzebę
śledzenia zmian parametrów tylko jednego kanału radiowego, możliwe jest także zmniejszenie zapotrzebowania
na pamięć operacyjną.
W niniejszej rozprawie rozważono i oceniono możliwość modyfikacji pełnej wersji algorytmu
RADIOMAN, pod kątem jego uproszenia, a dokładniej zredukowania liczby i czasu obliczeń związanych z
procedurą wyznaczania wartości estymatora współczynnika korelacji ̂ m τ  . Takie uproszczenie obliczeń i
skrócenie czasu pracy algorytmu powinno pozwolić na szersze jego zastosowanie we współczesnych sieciach
WLAN standardu IEEE 802.11, i to nie tylko w systemach łączności nomadycznej, ale także ruchomej, i to
zarówno we wnętrzach budynków, jak i na wolnym powietrzu.
W wyniku przeprowadzonych w rozprawie badań zaproponowano trzy uproszczone wersje algorytmu
RADIOMAN. Wykorzystując do predykcji wartości poziomu mocy sygnału RSSI rekurencyjną metodę
najmniejszych kwadratów RLS skonstruowano algorytm SILESiA. Następnie opierając predykcję wartości RSSI
na średniej ruchomej opracowano algorytm EMIRATE. I na zakończenie, używający do predykcji RSSI jedynie
ostatniej próbki sygnału odbieranego przez stację abonencką, zaproponowano algorytm LATERAN.
W przypadku ograniczenia się jedynie do scenariusza nomadycznego, w którym abonent pozostaje
nieruchomy lub przemieszcza się z prędkością do 9 km/h (tab.1) najlepszym rozwiązaniem wydaje się być
wybór optymalnego trybu pracy stacji WLAN za pomocą algorytmu LATERAN, opartego na predykcji wartości
poziomu mocy sygnału RSSI na wejściu odbiornika na podstawie wyniku ostatniego pomiaru. Z kolei w
zastosowaniach charakteryzujących się dużą ruchliwością stacji abonenckich w sieci WLAN, odpowiadających
scenariuszowi łączności ruchomej na wolnym powietrzu (tab. 1), najskuteczniejszym rozwiązaniem okazało się
użycie algorytmu SILESiA, wykorzystującego do predykcji wartości RSSI metodę RLS.
Tabela 1.
Nowe algorytmy optymalnego doboru trybu pracy stacji abonenckiej
Scenariusz 1
Łączność
nomadyczna
we wnętrzu
budynku
Model matematyczny
środowiska
radiokomunikacyjnego
Maksymalna szybkość
stacji lub obiektów
przemieszczających się
w ich otoczeniu
Model IEEE TGn
1,2 km/h
Algorytm
optymalnego doboru
trybu pracy stacji w
sieci WLAN
LATERAN
Scenariusz 2
Łączność ruchoma
we wnętrzu
budynku
Model oparty na
prostokątnej funkcji
rozpraszania Dopplera
9 km/h
Scenariusz 3
Łączność ruchoma
na wolnym
powietrzu
Model Jakesa
50 km/h
SILESiA
7. Spis literatury
[holl_01]
[mede_05]
[proa_06]
[hayk_04]
[chin_03]
[ranj_05]
[vand_01]
[heis_01]
[forn_98]
[vite_71]
[purs_87]
[kame_97]
[stan_99]
[hara_03]
[clar_68]
[rapp_02]
G. Holland, N. Vaidya, and P. Bahl, "A rate-adaptive MAC protocol for multiHop wireless networks," in Proceedings of the 7th annual international
conference on Mobile computing and networking, Rome, Italy, 2001, pp. 236251.
K. Medepalli and F. A. Tobagi, "Throughput analysis of IEEE 802.11 wireless
LANs using an average cycle time approach," in Global Telecommunications
Conference, 2005. GLOBECOM '05. IEEE, Dec. 2005, pp. 5-3011.
J. G. Proakis and D. K. Manolakis, Digital Signal Processing (4th Edition).
Prentice Hall, Apr. 2006.
S. Haykin, Systemy telekomunikacyjne. Wydaw. Komunikacji i Lacznosci,
2004.
A. Chindapol, A. Stephens, and J. Lansford, "IEEE P802.15-02/069r0,Change
request for 802.15 Recommended Practice PHY text," 2003.
A. Ranjan, "MAC issues in 4G," in Personal Wireless Communications, 2005.
ICPWC 2005. 2005 IEEE International Conference on, Jan. 2005, pp. 487490.
P. Vandenameele, L. Van Der Perre, and M. Engels, Space Division Multiple
Access for Wireless Local Area Networks. Springer, 2001.
J. Heiskala and P. D. Terry, OFDM Wireless LANs: A Theoretical and
Practical Guide. Sams, 2001.
G. D. Forney and G. Ungerboeck, "Modulation and coding for linear Gaussian
channels," Information Theory, IEEE Transactions on, pp. 2384-2415, Oct.
1998.
A. Viterbi, "Convolutional Codes and Their Performance in Communication
Systems," Communication Technology, IEEE Transactions on, pp. 751-772,
Oct. 1971.
M. Pursley and D. Taipale, "Error Probabilities for Spread-Spectrum Packet
Radio with Convolutional Codes and Viterbi Decoding," Communications,
IEEE Transactions on, pp. 1-12, Jan. 1987.
A. Kamerman and L. Monteban, "WaveLAN-II: A High-Performance
Wireless LAN for the Unlicensed Band," Bell Labs Technical Journal, pp.
118-133, Aug. 1997.
L. Standards, "Supplement to IEEE Standard for Information Technology Telecommunications and Information Exchange Between Systems - Local and
Metropolitan Area Networks - Specific Requirements. Part 11: Wireless LAN
Medium Access Control (MAC) and Physical Layer (PHY) Specifications:
High-Speed Physical Layer in the 5 GHz Band," IEEE Std 802.11a-1999, p. i,
1999.
S. Hara and R. Prasad, Multicarrier techniques for 4G mobile
communications. Artech House Publishers address , 2003.
R. H. Clarke, "A statistical theory of mobile radio reception," Bell Systems
Technical Journal, pp. 957-1000, 1968.
T. S. Rappaport, Wireless communications: principles and practice. Prentice
[skla_97]
[gans_72]
[jake_94]
[clar_97]
[erce_04]
[pahl_05]
[bick_05]
[hash_94]
[howa_90]
[athe_03]
[xiuc_04]
[ho_03]
[punn_00]
[patz_02]
[smit_75]
[siko_10]
[siko_08]
[chev_03]
[athp_03]
[3com_03]
Hall PTR, 2002.
B. Sklar, "Rayleigh fading channels in mobile digital communication systems
.I. Characterization," Communications Magazine, IEEE, pp. 90-100, Jul. 1997.
M. J. Gans, "A power-spectral theory of propagation in the mobile-radio
environment," Vehicular Technology, IEEE Transactions on, pp. 27-38, Feb.
1972.
W. C. Jakes, Microwave Mobile Communications. IEEE, 1994.
R. H. Clarke and W. Lin, "3-D mobile radio channel statistics," Vehicular
Technology, IEEE Transactions on, pp. 798-799, Aug. 1997.
V. Erceg and e. al., "TGn channel models," IEEE 802.11 document 03/940r4,
2004.
K. Pahlavan and A. H. Levesque, Wireless Information Networks. John Wiley
and Sons, 2005.
J. Bicket, "Bit-rate Selection in Wireless Networks," Feb. 2005.
H. Hashemi, "A study of temporal and spatial variations of the indoor radio
propagation channel," in Personal, Indoor and Mobile Radio
Communications, 1994. Wireless Networks - Catching the Mobile Future., 5th
IEEE International Symposium on, Sep. 1994, pp. 127-134vol1.
S. J. Howard and K. Pahlavan, "Doppler spread measurements of indoor radio
channel," Electronics Letters, pp. 107-109, Jan. 1990.
D. u. s. A. AR5001X. http://wikidevi.com. [Online].
http://www.wikidevi.com/files/Atheros/specsheets/AR5001X.pdf
W. Xiuchao, "Simulate 802.11b Channel within NS2," 2004.
M. .-J. Ho, J. Wang, K. Shelby, and H. Haisch, "IEEE 802.11g OFDM WLAN
throughput performance," in Vehicular Technology Conference, 2003. VTC
2003-Fall. 2003 IEEE 58th, Oct. 2003, pp. 2252-2256Vol4.
R. J. Punnoose, P. V. Nikitin, and D. D. Stancil, "Efficient simulation of
Ricean fading within a packet simulator," in Vehicular Technology
Conference, 2000. IEEE VTS-Fall VTC 2000. 52nd, 2000, pp. 764-767.
M. P\"atzold, Mobile Fading Channels. Wiley, 2002.
J. I. Smith, "A computer generated multipath fading simulation for mobile
radio," Vehicular Technology, IEEE Transactions on, pp. 39-40, Aug. 1975.
M. Sikora, K. Łoziak, and W. Ludwin, "Analiza symulacyjna wpływu
dopplerowskiego rozpraszania częstotliwości na pracę sieci WLAN standardu
IEEE 802.11," Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne,
vol. 6, p. 216, 2010.
M. Sikora, K. Łoziak, and J. Dańda, "Implementacja modelu sieci
bezprzewodowej IEEE 802.11b/g w symulatorze pakietowym NS-2,"
Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne, no. 4, p. 440–
443, 2008 .
P. Chevillat, J. Jelitto, A. N. Barreto, and H. L. Truong, "A dynamic link
adaptation algorithm for IEEE 802.11 a wireless LANs," in Communications,
2003. ICC '03. IEEE International Conference on, May 2003, pp. 1141-1145.
Atheros. (2003) www.atheros.com. [Online].
http://www.atheros.com/media/resource/resource_21_file2.pdf
3 COM. (2003) Nota katalogowa firmy 3COM. [Online].
[choij_07]
[brun_04]
[song_10]
[wong_06]
[madv_12]
[raya_08]
[sade_02]
[qiao_02]
[kim_07]
[judd_08]
[zhan_08]
[simo_06]
[jozw_01]
[marv_89]
http://www.amazon.com/3COM-Corp-WIRELESS-802-11A3CRPAG175/dp/B0000AOWY1
J. Choi, J. Na, K. Park, and C.-k. Kim, "Adaptive Optimization of Rate
Adaptation Algorithms in Multi-Rate WLANs," in ICNP 2007, Beijing,
China, Oct. 2007, pp. 144-153.
R. Bruno, M. Conti, and E. Gregori, "Analytical Modeling of TCP Clients in
Wi-Fi Hot Spot Networks," in Proceedings of Networking 2004, 2004, pp.
626-637.
Y. Song, X. Zhu, Y. Fang, and H. Zhang, "Threshold optimization for rate
adaptation algorithms in IEEE 802.11 WLANs," Wireless Communications,
IEEE Transactions on, pp. 318-327, Jan. 2010.
S. H. Y. Wong, H. Yang, S. Lu, and V. Bharghavan, "Robust rate adaptation
for 802.11 wireless networks," in Proceedings of the 12th annual
international conference on Mobile computing and networking, Los Angeles,
CA, USA, 2006, pp. 146-157.
Madwifi. Strona WWW projektu Madwifi. [Online]. http://madwifiproject.org/wiki
S. Rayanchu, A. Mishra, D. Agrawal, S. Saha, and S. Banerjee, "Diagnosing
Wireless Packet Losses in 802.11: Separating Collision from Weak Signal," in
INFOCOM 2008. The 27th Conference on Computer Communications. IEEE,
2008, pp. 735-743.
B. Sadeghi, V. Kanodia, A. Sabharwal, and E. Knightly, "Opportunistic media
access for multirate ad hoc networks," in Proceedings of the 8th annual
international conference on Mobile computing and networking, Atlanta,
Georgia, USA, 2002, pp. 24-35.
D. Qiao, S. Choi, and K. G. Shin, "Goodput analysis and link adaptation for
IEEE 802.11a wireless LANs," Mobile Computing, IEEE Transactions on, pp.
278-292, Oct. 2002.
J. Kim, S. Kim, S. Choi, and D. Qiao, "CARA: Collision-Aware Rate
Adaptation for IEEE 802.11 WLANs," in INFOCOM 2006. 25th IEEE
International Conference on Computer Communications. Proceedings, Apr.
2007, pp. 1-11.
G. Judd, X. Wang, and P. Steenkiste, "Efficient channel-aware rate adaptation
in dynamic environments," in Proceeding of the 6th international conference
on Mobile systems, applications, and services, Breckenridge, CO, USA, 2008,
pp. 118-131.
J. Zhang, K. Tan, J. Zhao, H. Wu, and Y. Zhang, "A Practical SNR-Guided
Rate Adaptation," in INFOCOM 2008. The 27th Conference on Computer
Communications. IEEE, 2008, pp. 2083-2091.
M. K. Simon, Probability Distributions Involving Gaussian Random
Variables: A Handbook for Engineers, Scientists and Mathematicians.
Springer-Verlag New York, Inc., 2006.
J. Jóźwiak and J. Podgórski, Statystyka od podstaw. Polskie Wydaw.
Ekonomiczne, 2001.
F. A. Marvasti and M. Analoui, "Recovery of signals from nonuniform
samples using iterative methods," in Circuits and Systems, 1989., IEEE
International Symposium on, 1989, pp. 1021-1024vol2.
[groc_92]
[stro_91]
[wile_78]
[saue_87]
[cenk_91]
[pavo_03]
[rutk_94]
[sanc_02]
[zghe_06]
[mich_03]
[papo_91]
[heus_03]
[gola_61]
[pear_00]
[half_99]
[van _00]
[qiao_05]
[choi_07]
K. Grochenig, "Reconstruction algorithms in irregular sampling,"
Mathematics of Computation, pp. 181-194, 1992.
T. Strohmer, "Irregular sampling, frames and pseudoinverse," Master's thesis,
University of Vienna, 1991.
R. G. Wiley, "Recovery of Bandlimited Signals from Unequally Spaced
Samples," Communications, IEEE Transactions on, pp. 135-137, Jan. 1978.
K. D. Sauer and J. P. Allebach, "Iterative reconstruction of bandlimited
images from nonuniformly spaced samples," Circuits and Systems, IEEE
Transactions on, pp. 1497-1506, Dec. 1987.
C. Cenker, H. G. Feichtinger, and M. Herrmann, "Iterative algorithms in
irregular sampling: a first comparison of methods," in Computers and
Communications, 1991. Conference Proceedings., Tenth Annual International
Phoenix Conference on, 1991, pp. 483-489.
J. P. Pavon and S. Choi, "Link adaptation strategy for IEEE 802.11 WLAN
via received signal strength measurement," in Communications, 2003. ICC
'03. IEEE International Conference on, May 2003, pp. 1108-1113vol2.
L. Rutkowski, Filtry adaptacyjne i adaptacyjne przetwarzanie sygnałów:
teoria i zastosowania. Wydaw. Naukowo-Techniczne, 1994.
R. Sanchis and P. Albertos, "Recursive identification under scarce
measurements - convergence analysis," Automatica, pp. 535-544, 2002.
R. Zgheib, G. Fleury, and E. Lahalle, "New Fast Algorithm for Simultaneous
Identification and Optimal Reconstruction of Non Stationary AR Processes
with Missing Observations," in Digital Signal Processing Workshop, 12th Signal Processing Education Workshop, 4th, 2006, pp. 371-376.
Z. Michalewicz and Z. Nahorski, Algorytmy genetyczne+struktury danych.
WNT, 2003.
A. Papoulis, Probability, Random Variables and Stochastic Processes.
McGraw-Hill Companies, Feb. 1991.
M. Heusse, F. Rousseau, G. Berger-Sabbatel, and A. Duda, "Performance
anomaly of 802.11b," in INFOCOM 2003. Twenty-Second Annual Joint
Conference of the IEEE Computer and Communications. IEEE Societies, Mar.
2003, pp. 836-843vol2.
M. Golay, "Complementary series," Information Theory, IRE Transactions on,
pp. 82-87, 1961.
B. Pearson, "Complementary code keying made simple," Intersil Application
Note AN9850.1, month, 2000.
K. Halford, S. Halford, M. Webster, and C. Andren, "Complementary code
keying for RAKE-based indoor wireless communication," in Circuits and
Systems, 1999. ISCAS '99. Proceedings of the 1999 IEEE International
Symposium on, Jul. 1999, pp. 427-430vol4.
R. van Nee and R. Prasad, OFDM for wireless multimedia communications.
Artech House, 2000.
D. Qiao and S. Choi, "Fast-Responsive Link Adaptation for IEEE 802.11
WLANs," in Proc. IEEE ICC'05, May 2005, pp. 3583-3588.
J. Choi, K. Park, and C.-K. Kim, "Cross-Layer Analysis of Rate Adaptation,
DCF and TCP in Multi-Rate WLANs," in INFOCOM 2007. 26th IEEE
[andr_00]
[bian_00]
[laca_04]
[acha_08]
International Conference on Computer Communications. IEEE, May 2007,
pp. 1055-1063.
C. Andren, K. Halford, and M. Webster, "CCK, the new IEEE 802.11
standard for 2.4 GHz wireless LANs," in Intl IC - Taipei Conference, Taipei,
TaiWan, May 2000.
G. Bianchi, "Performance analysis of the IEEE 802.11 distributed
coordination function," Selected Areas in Communications, IEEE Journal on,
pp. 535-547, 2000.
M. Lacage, M. H. Manshaei, and T. Turletti, "IEEE 802.11 rate adaptation: a
practical approach," in Proceedings of the 7th ACM international symposium
on Modeling, analysis and simulation of wireless and mobile systems, Venice,
Italy, 2004, pp. 126-134.
P. A. K. Acharya, A. Sharma, E. M. Belding, K. C. Almeroth, and K.
Papagiannaki, "Congestion-Aware Rate Adaptation in Wireless Networks: A
Measurement-Driven Approach," in Sensor, Mesh and Ad Hoc
Communications and Networks, 2008. SECON '08. 5th Annual IEEE
Communications Society Conference on, Jun. 2008, pp. 1-9.