【摘 要】
：
近年来,随着网络技术的发展,智能家居技术逐渐进入家家户户。然而与传统Wi-Fi家庭业务场景不同,智能家居是典型的密集用户接入场景。在该场景中,大量终端设备竞争信道导致网络接入冲突概率增大,这给Wi-Fi信道接入带来极大的压力,从而损害了吞吐量性能,降低了用户体验。因此解决智能家居场景下的用户接入问题至关重要。针对单接入点、密集终端设备的智能家居WLAN场景,本文使用数值分析和NS-3仿真分析了Wi
论文部分内容阅读
近年来,随着网络技术的发展,智能家居技术逐渐进入家家户户。然而与传统Wi-Fi家庭业务场景不同,智能家居是典型的密集用户接入场景。在该场景中,大量终端设备竞争信道导致网络接入冲突概率增大,这给Wi-Fi信道接入带来极大的压力,从而损害了吞吐量性能,降低了用户体验。因此解决智能家居场景下的用户接入问题至关重要。针对单接入点、密集终端设备的智能家居WLAN场景,本文使用数值分析和NS-3仿真分析了Wi-Fi网络在密集终端场景下系统吞吐量低下的原因,指出现有信道接入机制所存在的不足,并考虑隐藏终端对系统性能的影响,提出了应对信道接入风暴和隐藏终端问题的改进优化策略:1、基于802.11协议,对传统信道接入机制（DCF,Distributed Coordination Function）进行改进,受控并行随机接入机制。首先为了应对信道接入风暴,引入了基于流量预测的分组策略以限制直接参与信道竞争的终端规模,使得信道接入有序化,降低终端间的碰撞概率。然后基于Bianchi模型提出了改进的二阶离散马尔科夫模型,基于该模型对改进后DCF机制性能进行分析,证实了该方案能有效降低冲突概率,提升系统吞吐量。最后在此基础上提出了Linux平台上的两种具体软件实现方案;2、基于本文所提出的分组策略,进一步提出了基于位置信息分区的隐藏终端问题解决方案。该方案将接入点的覆盖区域划分为若干扇形,每个扇形区域内的终端分配为一组,不同组内的成员禁止同时竞争信道资源,打破了隐藏终端问题发生的条件。NS-3仿真结果表明,本文提出优化方案在减少隐藏终端问题上有明显的优势,并且适用于密集用户场景。
其他文献
随着5G技术引领的万物智联时代到来,物联网中终端设备数量不断增加,网络边缘的待处理数据规模也急剧增长。传统云计算架构存在服务延迟高和开销大等问题。边缘计算通过在网络边缘部署小型服务器,在靠近终端设备的网络边缘进行数据处理,有效解决云计算存在的上述问题。联邦学习在隐私保护和分布式处理数据等方面有独特优势,能够在数据隐私不被泄露的前提下,联合多个边缘服务器分布式协同训练机器学习模型。现有研究大都关注如
智能反射面（Intelligent Reflecting Surface,IRS）使得不可控的无线传输环境变得智能可控,给无线通信系统带来了全新的设计自由度。然而,现有IRS研究大都局限于窄带平坦衰落信道下的场景。超宽带IRS无线通信系统中的时延扩展会造成符号间干扰（Inter-Symbol Interference,ISI）问题,影响系统性能。时间反演（Time Reversal,TR）技术可通
随着海量设备的不断接入以及无线网络服务需求的不断增长,流量数据在网络边缘中呈现爆发式增长。在边缘节点处理信息能力的提高以及人工智能（Artificial Intelligence,AI）的快速发展下,智能服务不断嵌入各种应用以及终端设备,边缘计算逐步发展为边缘智能。在边缘智能模式下,集中式的网络流量分析和管理架构在分类边缘计算网络中庞大而分散的流量数据上面临着巨大的挑战,如通信资源占用多、数据泄露
车联网是智慧城市提供通信服务的重要补充。由于车联网的空时波动,稀缺路边单元有访问受限和切换频繁等问题。鉴于城市海量车辆,将车辆资源作为移动接入点具有巨大机会和价值,当前研究预留了可拓展空间,包括引入车载接入点时忽略了其社会移动性特征和容量受限问题,将其作为感知资源代替路边单元时未考虑隐藏节点,以及将其作为通信资源时未考虑容量界限。本文针对性地开展以下工作:（1）基于车辆行驶轨迹的车载多接入点选择方
近年来,可重构智能超表面（Reconfigurable Intelligent Surface,RIS）的提出与发展给毫米波的覆盖问题带来了解决希望。然而,由于RIS具有大量的无源反射单元等特点,其信道估计非常具有挑战性;其潜力高的定位性能未得到充分发挥。所以,本文对RIS辅助毫米波通信系统的三维定位与信道估计进行研究,利用RIS的拓扑结构与毫米波信道稀疏性等提出了一种高性能的三维定位方法和一种高
蜂窝车用无线通信技术（Cellular-Vehicle to Everything,C-V2X）是实现智慧交通和智能驾驶的关键推动力,其在使能一系列智能应用的同时也对信息新鲜度提出了高要求。近年提出的信息年龄（Age-of-Information,Ao I）是衡量信息新鲜度的一个重要指标,与数据流的传输间隔以及数据包的传输时延密切相关。相比于过去长期使用的数据包传输时延,信息年龄更关注在整个信息流
近年来,网络边缘中数据量的爆发式增长以及各类实时性智能应用的涌现,给实时机器学习（Real-time Machine Learning）在网络系统中的应用提出了挑战。云计算架构,由于海量数据集中传输导致的网络时延以及数据隐私问题,逐渐无法满足用户需求。在上述趋势推动下,亟需将边缘服务器部署于靠近数据产生的地方,让数据直接在网络边缘得到处理,边缘计算应运而生。基于联邦学习（Federated Lea
多用户多输入多输出（Multi-User Multiple-Input Multiple-Output,MU-MIMO）技术能有效提高复用增益,显著提升系统吞吐量,是目前Wi-Fi系统的关键技术之一。随着无线业务需求的日益增加,采用单个AP（Access Point）进行部署已无法满足需求,越来越多的场景需要采用多AP部署来提高无线局域网覆盖范围和容量。然而多个AP同时运行势必会导致同频干扰的增加
随着工业物联网技术和通信技术的快速发展,全球工业互联网经济呈现飞速增长的趋势。但由于工业物联网中的设备资源受限,日益增加的能耗问题以及安全问题限制了工业物联网的发展。为了解决上述问题,本文针对工业物联网中两种具体的应用场景,结合无人机技术和区块链技术,在保证数据安全的同时,降低系统能耗。对于工业物联网中采用传感器网络的数据采集场景,本文采用无人机作为簇头来汇聚数据,从而降低传感器设备的通信能耗。传
下一代移动通信系统将不仅具备组网能力,还拥有感知和计算能力,真正迎来万物感知、互联和智能的时代。在这一必然趋势的驱动下,感知集群拥有单感知设备无法覆盖的优势:强大的探测能力、良好的可扩展性、强大的装载能力以及较长的整体电池寿命。作为感知集群联合工作的重要分支,协同感知将成为未来的研究热点之一。本文主要研究群体节点协同目标探测和高实时信息感知问题。本文主要利用随机几何工具来建模感知节点空间位置分布,