АНАЛИЗ АЛГОРИТМОВ ПЕРЕДАЧИ СИГНАЛОВ И АДАПТАЦИИ СКОРОСТИ В СЕТЯХ IEEE 802.11 Текст научной статьи по специальности «Компьютерные и информационные науки»

DOI 10.36622/VSTU.2023.19.1.011 УДК 621.3.049.77

АНАЛИЗ АЛГОРИТМОВ ПЕРЕДАЧИ СИГНАЛОВ И АДАПТАЦИИ СКОРОСТИ

В СЕТЯХ IEEE 802.11

И.В. Свиридова, М.В. Хорошайлова, Д.В. Лялин Воронежский государственный технический университет, г. Воронеж, Россия

Аннотация: проведен анализ схем с адаптированными скоростями и обобщенными их характеристиками. Устройства разделяются на различные категории в соответствии с их схемным моделированием и функциональными возможностями с точки зрения стратегий, которые используются для оценки состояния канала и принятия решений. Реализованы некоторые алгоритмы из разных категорий в сетевом симуляторе NS-3, чтобы оценить их производительность в различных протоколах и режимах. Представлены данные для будущих исследований, которые помогут улучшить существующие подходы адаптации скорости. Беспроводные технологии используются в различных современных устройствах благодаря простоте их использования и присущей им мобильности. Большинство беспроводных стандартов поддерживает несколько параметров скорости передачи данных, которые могут варьироваться от нескольких Мбит/с до нескольких Гбит/с. Достижение максимальной поддерживаемой скорости передачи данных - это то, к чему стремится большинство современных устройств. Стандарт IEEE 802.11 ввел многоскоростную передачу данных, с тех пор было проведено много исследований по адаптации скорости, рассматриваются различные параметры, которые приводят к оценке качества и правильности работы алгоритма адаптации

Ключевые слова: алгоритмы адаптации скорости, wifi, мобильность, помехи

Введение

Технологии беспроводной связи являются очень привлекательным решением для установления связи между мобильными узлами при минимальном использовании сетевого кабеля. Большинство из этих приложений требуют поддержки мобильных узлов при максимизации пропускной способности. Максимальная пропускная способность достигается при максимально возможной физической скорости передачи данных. Для достижения таких скоростей передачи данных каналы связи должны быть очень качественными и стабильными. Это очень сложный аспект для обеспечения мобильности и наличия помех. Действительно, мобильность негативно влияет на уровень принимаемого сигнала (RSS), когда расстояние между передатчиком и приемником увеличивается. При увеличении расстояния между источником и приемником увеличивается количество и качество помех, что, в свою очередь, уменьшает соотношение сигнал -шум. Из чего следует, что большинство коммуникационных технологий используют алгоритмы динамической адаптации скорости. Данные алгоритмы нужны для того, чтобы выбрать наилучшую возможную скорость передачи данных, которая позволяет установить

© Свиридова И.В., Хорошайлова М.В., Лялин Д.В., 2023

связь. Адаптация скорости является одним из ключевых аспектов функциональных возможностей физического уровня IEEE 802.11. Она работает путем оценки условий канала и принятия решения об адаптации скорости передачи данных, выбирая комбинации характеристик передачи, таких как схемы модуляции и кодирования (MCS), защитный интервал и ширина канала. Эти характеристики могут быть выбраны в зависимости от версии используемого стандарта. Когда сигнал является стабильным по сравнению с уровнем шума и помех, алгоритм может выбрать высокую скорость передачи, что приводит к меньшему заполнению канала и более высокой пропускной способности. С другой стороны, когда сигнал нестабильный по сравнению с уровнем шума и помех, более низкая скорость передачи обеспечит доставку пакетов, но приведет к увеличению времени занятости канала. Выбор подходящей скорости передачи после оценки состояния канала является важной задачей в улучшении производительности беспроводных каналов. Схемы адаптации скорости опираются на определенные метрики, такие как коэффициент потери кадров (FLR) и отношение сигнал/шум (SNR). Хорошая схема адаптации скорости определяется ее реакцией на быстрые изменения канала и достижением максимально возможной пропускной способности. Схемы адаптации скорости являются актуальной те-

мой исследований уже около двух десятилетий, в литературе было предложено множество алгоритмов. Очень немногие из них были протестированы в полностью мобильных сетях IEEE 802.11. Основными вкладами данной работы являются классификация схем адаптации скорости, оценка с помощью моделирования производительности четырех различных алгоритмов адаптации скорости при различных сценариях.

Оценка эффективности алгоритмов адаптации

Для анализа были выбраны репрезентативные алгоритмы из каждой категории, чтобы оценить их производительность в сценариях мобильности. Выбранные алгоритмы следующие: Ideal, Stale, MinstrelHT и MutFed. Они охватывают различные категории, MinstrelHT и Strale - оба алгоритма с неявной обратной связью, MinstrelH - является широко используемым алгоритмом, поскольку он реализован в ядре Linux, может выбирать частоту дискретизации, которая приводит к наибольшей пропускной способности и наибольшей вероятности успешной передачи данных. Основное отличие заключается в том, что Strale может быть использован как алгоритм расширения. Он может быть помещен поверх MinstrelHT и это перспективный алгоритм, который пытается адаптировать количество блоков данных, переданных с MAC-уровня на уровень PHY (MPDU), в соответствии со стандартом 802.11n, размер MPDU ограничен значением в 4095 байт в агрегированных кадрах без снижения скорости передачи данных. Схема MutFed является наиболее универсальным решением в своей категории по сравнению с другими гибридными алгоритмами, предложенными для конкретных сценариев. Идея, лежащая в основе MutFed, является многообещающей благодаря ее способности различать причину потери пакетов. Эти алгоритмы дают полное понимание RAA потому, что они опираются на множество различных метрик и подходов, которые обычно используются в RAA в литературе. Был использован сетевой симулятор NS-3 для сравнения и оценки производительности этих алгоритмов. Алгоритмы адаптации скорости Ideal и Minstrel-Ht уже реализованы в симуля-торе. Были выбраны следующие метрики для оценки производительности: пропускная способность, которая рассчитывается на физическом уровне, она дает глобальное представле-

ние о достигнутой производительности RAA. Выбранный MCS показывает значения MCS выбранными узлами, это дает представление о различных вариантах выбора, сделанного RAA. FLR на основе MPDUs, он рассчитывается на основе информации BlockAck и дает представление об общем количестве потерянных MPDU. Он рассчитывается на основе количества раз, когда передатчик должен был повторно передать свой кадр, это дает представление об эффективности RAA в выборе MCS, который позволяет избежать потери кадров. Действительно, выбор высокого MCS приведет к потере кадров A-MPDU на приемнике. Высокая потеря кадров A-MPDU означает, что RAA принимает неправильное решение по увеличению MCS. Все эти показатели эффективности оцениваются в зависимости от количества узлов в сети, также они оцениваются в трех различных сценариях: сценарий с одним каналом, который является полезным для выявления влияния деградации связи из-за мобильности на RAA. Это позволяет нам оценить его эффективность при адаптации скорости передачи данных в соответствии со значениями RSSI, только без помех. Сеть в режиме инфраструктуры, которая представляет собой наиболее широко используемый режим развертывания. Этот сценарий позволяет нам оценить поведение RAA в стандартном развертывании с одной точкой доступа, через которую должен проходить весь сетевой трафик для ретрансляции в проводную сеть. В таком сценарии у нас есть только один приемник, на котором значения SNR для каждого канала связи с другими мобильными узлами сети будут варьироваться в зависимости от их мобильности. Adhoc - режим сети, который является наиболее сложным развертыванием с точки зрения помех. В этом сценарии приемники распределены в сети случайным образом, и уровни помех будут очень нестабильными из-за сценариев мобильности. Все узлы должны адаптировать свои скорости в зависимости от условий канала и динамики сети (плотность и мобильность узлов). Во втором и третьем сценариях все узлы размещаются в радиусе действия связи друг с другом, чтобы избежать влияния протокола маршрутизации и случаев, когда приемники становятся передатчиками. Это позволяет сконцентрировать исследование на влиянии помех и мобильности на RAA.

При первом сценарии используется один канал связи. У нас есть одна точка доступа (AP) и одна станция. Точка доступа неподвиж-

на, а станция удаляется со скоростью 6 м/с. Основная цель этого сценария - оценить эффективность RAA под влиянием мобильности в сети без помех. Измерения пропускной способности четырех алгоритмов при постепенном удалении станции от точки доступа показали, что Ideal и Mutfed RAA работают немного лучше, чем MinstrelHT и Stale. Благодаря быстрой обратной связи и принятию решений алгоритм Ideal может обнаружить изменения канала быстрее, чем другие алгоритмы, и соответствующим образом адаптирует скорость. Как видно из рис. 1, MutFed имеет немного меньшую пропускную способность, чем Ideal, из-за того, что MutFed при ухудшении условий канала принимает решение не сразу, что приводит к потере кадров. MinstrelHT и Strale имеют более низкую достигнутую пропускную способность. Этим двум алгоритмам требуется некоторое время для снижения скорости, поскольку решение принимается на основе случайного зондирования и FLR в случае MinstrelHT и на основе адаптации размера A-MPDU -Strale.

тает немного лучше, чем Mmstrel-HT, потому что вместо снижения скорости он пытается найти оптимальный размер A-MPDU, при котором обеспечивает лучшую пропускную способность при текущей скорости по сравнению с переходом на более низкую скорость. Были обнаружены высокие значения MPDU FLR, потому что все станции находятся в диапазоне передачи друг другу, как показано на рис. 2.

■ Ид^.чл—~ - Mutfed

я Minstrel-Ht ■

45 ЧтйШы

Количество узлов

Рис. 2. Общая пропускная способность, полученная в точке доступа

Расстояние (метры)

Рнс. 1. Пропускная способность станции, удаляющейся от точки доступа со скоростью 6 м/c

Инфраструктурная сеть

В этом случае рассматриваем сеть с инфраструктурным режимом. Имеется стационарная точка доступа, которая размещена в центре квадратного поля, а все станции движутся случайным образом, посылая постоянный трафик 60 Мб/с на точку доступа. Количество станций постепенно увеличивается от 5 до 50. Идеальный RAA работает лучше других алгоритмов благодаря своей быстрой реакции на изменения канала, в то время как двум алгоритмам с неявной обратной связью (Strale и Minstrel-HT) требуется больше времени для восстановления после изменения условий канала. С другой стороны, алгоритм Strale рабо-

Это повышает уровень помех при увеличении плотности узлов. A-MPDU FLR - это увеличение частоты ложных срабатываний в быстро меняющемся канале. Это происходит, когда передатчик решает увеличить скорость для следующей передачи, но условия канала ухудшаются перед отправкой кадра. Это условие также применяется в MPDU FLR, когда условия канала ухудшаются во время передачи пакета, что можно увидеть, изучив положение потерь MPDU в BlockAck. Средние значения индекса MCS, выбранные станциями, показывают, что станции, использующие идеальный RAA, выбирают более высокие значения индекса MCS при почти одинаковом MPDU FLR и более низком A-MPDU FLR, что объясняет более высокую достигнутую пропускную способность. Все эти потери кадров приводят к тому, что MutFed имеет худшую производительность среди протестированных алгоритмов, каждые 2 потери кадра снижают скорость, что приводит к большему заполнению канала и меньшему объему передаваемых данных. Как показано на рис. 3 - 5, при увеличении плотности узлов (например, >20) происходит увеличение уровня помех, разрыв A-MPDU FLR между RAA, полагающимися на SNR, и другими RAA увеличивается. Это связано с тем, что значения SNR лучше отражают состояние канала.

—Й— Ideal -С- Murted U r.stre!--1 —¿—strale

Количества узлов

Рис. 3. Коэффициент потери кадров в блоке данных протокола MAC (MPDU)

—е— Ideat —Mürfed -о- MinstrekHt —D— strale

Количество узлов

Рис. 4. Коэффициент потери кадров A-MPDU

—'— Ideal Mutfed М n5trcl--t —*—strale

Количество узлов

Рис. 5. Среднее значение схем модуляции и кодирования (МСБ), используемых узлами

Сеть Adhoc

Большинство подходов с явной обратной связью опираются на метрики физического уровня, в основном SNR. Для использования этого подхода на реальных устройствах необходимо соблюдение нескольких условий, таких как аппаратное обеспечение, предоставляющее значения SNR, или метод отправки

обратной связи передатчику, который не изменяет стандарт. Кроме того, как показывают результаты моделирования, для принятия решения может быть недостаточно полагаться только на значения SNR. В некоторых случаях отсутствие обратной связи может привести к потере многих кадров, пока качество канала не станет подходящим для текущей скорости. Возможное решение этой проблемы может быть реализовано на стороне передатчика. Хотя алгоритмы с явной обратной связью, такие как Ideal RAA, показали лучшие результаты по сравнению с другими алгоритмами в плотной среде, как в режиме Adhoc, так и в режиме инфраструктуры, необходимо проделать большую работу, чтобы минимизировать FLR, что приведет к улучшению общих характеристик. Результаты моделирования сети Adhoc показаны на рис. 6 - 9.

Количество узлов

Рис. 6. Средняя пропускная способность узлов поглотителя в сети Adhoc

«к— Идеал^^ Mutfed н- Minstiel-Ht —strale

Количество узлов

Рис. 7. Коэффициент потери кадров MPDU

Идеала— Mutfed -о- Hinbtrel-Ht —*— strale

Количество узлов

Рис. 8. Коэффициент потери кадров A-MPDU

[deal Mutfed ——Mlnstrel-Ht Strale

Количество узлов

Рис. 9. Среднее значение MCS, выбранное узлами-

отправителями Явная обратная связь

Большинство подходов с явной обратной связью опираются на метрики физического уровня, в основном SNR. Для использования этого подхода на реальных устройствах необходимо соблюдение нескольких условий, таких как аппаратное обеспечение, предоставляющее значения SNR, или метод отправки обратной связи передатчику, который не изменяет стандарт. Кроме того, как показывают результаты моделирования, для принятия решения может быть недостаточно полагаться только на значения SNR. В некоторых случаях отсутствие обратной связи может привести к потере многих кадров, пока качество канала не станет подходящим для текущей скорости. Возможное решение этой проблемы может быть реализовано на стороне передатчика. Хотя алгоритмы с явной обратной связью, такие как Ideal RAA, показали лучшие результаты по сравнению с другими алгоритмами в плотной среде, как в режиме Adhoc, так и в режиме инфраструктуры, необходимо проделать большую работу, чтобы минимизировать FLR, что

приведет к улучшению общих характеристик. Можно рассмотреть различные подходы к минимизации FLR, сочетая текущий явный подход с неявными подходами, такими как изменение размера A-MPDU, что приводит к меньшему заполнению канала, и сбор статистической информации на передатчике, которая поможет в принятии решений о будущих передачах.

Неявная обратная связь

Опора на коэффициент потери кадров и зондирование с частотой, отличной от выбранной, являются общими подходами алгоритмов с неявной обратной связью. Выбор случайной скорости зондирования должен осуществляться очень осторожно при рассмотрении длительности зондирования, поскольку выбор скорости, превышающей выбранную, может привести к большому количеству потерь кадров. Случайное зондирование приводит к медленной сходимости алгоритма к оптимальной скорости. Алгоритмы с неявной обратной связью дали многообещающие результаты в мобильной среде без столкновений, но не показали себя лучше, чем другие категории. Это можно улучшить, попытавшись определить степень мобильности и изучив прямое влияние мобильности на результат передачи кадров. Однако в плотной среде RAA должны уметь оценивать причину потери кадров и, желательно, опираться на различные метрики, что приведет к более точному решению о скорости. В сочетании с методом изменения скорости, который обеспечивает увеличение скорости для достижения максимальной пропускной способности, когда условия канала улучшаются, и уменьшение скорости, когда условия канала ухудшаются. Это непростая задача, для ее решения алгоритм должен иметь возможность в реальном времени оценивать условия, например, SNR.

Гибридный подход

Результаты моделирования показали, что в плотной среде снижение скорости после неудачных передач приводит к увеличению времени передачи и снижению пропускной способности, что, в свою очередь, увеличивает время занятости канала, влияя на все узлы сети. Одним из возможных подходов для решения этой проблемы может быть использование метода, который поможет предсказать буду-

щие условия канала и действовать соответствующим образом. Разработка эффективного гибридного подхода является сложной задачей, на которой сконцентрировано лишь несколько существующих работ. Результаты моделирования показали, что выбранный гибридный алгоритм (а именно Mutfed) хуже, чем другие алгоритмы, это в основном связано с тем, как Mutfed уменьшает скорость передачи данных, что, в свою очередь, снижает пропускную способность и увеличивает помехи и потерю кадров. В идеале, гибридный алгоритм может быть построен на основе явного алгоритма путем включения дополнительных метрик, например, сбор статистики о FLR, которая может быть использована для адаптации количества MPDU в A-MPDU.

Заключение

Алгоритмы адаптации скорости помогают беспроводным сетям повысить производительность за счет выбора наиболее подходящей схемы модуляции и кодирования (MCS) в зависимости от состояния канала. Эти алгоритмы редко указываются в стандартах беспроводной связи, и их реализация остается за разработчиками. Здесь проведен анализ нескольких алгоритмов адаптации скорости, сгруппированных в разные категории в зависимости от того, как они работают. Также проведен анализ этих алгоритмов, выделив их функциональные возможности и недостатки. Реализованы алгоритмы разных категорий в симуляторе NS-3, и проведено сравнительное исследование для режима Adhoc.

Исследование состояло из оценки влияния помех и мобильности на RAA в различных сценариях. Проанализированы несколько показателей, таких как пропускная способность, коэффициент потери кадров и выбранный MCS. Результаты моделирования показывают, что использование метрик, которые дают хорошее представление о состоянии канала, таких как SNR и мгновенное реагирование, как в случае идеального RAA, приводит к выбору скорости, обеспечивающей наилучшую до-

стижимую пропускную способность. В противном случае, полагаясь на коэффициент потери кадров или принимая решения о скорости без определения причины потери кадров, процесс достижения наилучшей скорости будет медленным.

Анализ результатов моделирования показывает, что необходимо иметь возможность оценить состояние канала, чтобы повысить успешность доставки следующей передачи, чтобы иметь надежный RAA. Это достигается путем выбора MCS, которая максимизирует пропускную способность при текущем состоянии канала. Кроме того, наличие процесса, предсказывающего будущее состояние канала, может помочь предотвратить потерю передаваемых сообщений.

Литература

1. Эффективный адаптивный фильтр со скользящим окном для оценки канала связи с ортогональным частотным мультиплексированием / О.Н. Чирков, М.А. Ромащенко, И.В. Свиридова, Н.В. Ципина // Радиотехника. 2022. Т. 86. № 7. С. 50-55.

2. Улучшенный алгоритм распространения доверия на графах с циклами / И.В. Свиридова, А.В. Башкиров, С.Ю. Белецкая и др. // Радиотехника. 2020. Т. 84. № 6(12). С. 37-41.

3. Применение стохастического кодирования в системах с решающей обратной связью / А.В. Башкиров, И.В. Свиридова, Д.А. Пухов, А.С. Демихова // Вестник Воронежского государственного технического университета. 2019. Т. 15. № 6. С. 72-76.

4. Свиридова И.В. Сравнение сложности аппаратной реализации и исправляющей способности стохастических декодеров с памятью отслеживания прогнозов (TFM) и внешней памятью (EM) // Вестник Воронежского государственного технического университета. 2018. Т. 14. № 3. С. 120-124.

5. Хорошайлова М.В. Архитектура канального кодирования на основе ПЛИС для 5G беспроводной сети с использованием высокоуровневого синтеза // Вестник Воронежского государственного технического университета. 2018. Т. 14. № 2. С. 99-105.

6. Хорошайлова М.В. Разработка и реализация симметричного самоорганизующегося нейросетевого декодера // Вестник Воронежского государственного технического университета. 2020. Т. 16. № 3. С. 60-64.

Поступила 16.12.2022; принята к публикации 15.02.2023 Информация об авторах

Свиридова Ирина Владимировна - старший преподаватель, Воронежский государственный технический университет (394006, Россия, г. Воронеж, ул. 20-летия Октября, 84), e-mail: ri-ss-ka@mail.ru, ORCID: https://orcid.org/ 0000-0001-52790807

Хорошайлова Марина Владимировна - канд. техн. наук, старший преподаватель, Воронежский государственный технический университет (394006, Россия, г. Воронеж, ул. 20-летия Октября, 84), e-mail: pmv2205@mail.ru, ORCID ID: https://orcid.org/0000-0001-9167-9538

Лялин Дмитрий Витальевич - студент, Воронежский государственный технический университет (394006, Россия, г. Воронеж, ул. 20-летия Октября, 84), e-mail: dmitrylialin95@gmail.com

ANALYSIS OF SIGNAL TRANSMISSION ALGORITHMS AND SPEED ADAPTATION

IN IEEE 802.11 NETWORKS

I.V. Sviridova, M.V. Khoroshaylova, D.V. Lyalin

Voronezh State Technical University, Voronezh, Russia

Abstract: the article analyzes schemes with adapted speeds and their generalized characteristics. Devices are divided into different categories according to their circuit modeling and functional capabilities in terms of strategies that are used to assess the state of the channel and make decisions. Some algorithms from different categories are implemented in the NS-3 network simulator to evaluate their performance in various protocols and modes. The article presents data for future research that will help improve existing approaches to speed adaptation. Wireless technologies are used in various modern devices due to their ease of use and inherent mobility. Most wireless standards support several data transfer rate parameters that can range from several Mbit/s to several Gbit/s. Achieving the maximum supported data transfer rate is what most modern devices strive for. The IEEE 802.11 standard introduced multi-speed data transmission, since then a lot of research has been conducted on speed adaptation, various parameters are considered that lead to an assessment of the quality and correctness of the adaptation algorithm

Key words: speed adaptation algorithms, Wi-Fi, mobility, interference

References

1. Chirkov O.N., Romashchenko M.A., Sviridova I.V., Tsipina N.V. "Efficient adaptive filter with a sliding window for estimating a communication channel with orthogonal frequency multiplexing", Radio Engineering (Radiotrkhnika), 2022, vol. 86, no. 7, pp. 50-55.

2. Sviridova I.V., Bashkirov A.V., Beletskaya S.Yu. et al. "Improved algorithm for trust propagation on graphs with cycles", Radio Engineering (Radiotrkhnika), 2020, vol. 84, no. 6 (12), pp. 37-41.

3. Bashkirov A.V., Sviridova I.V., Pukhov D.A., Demikhova A.S. "Application of stochastic coding in systems with decision feedback", Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2019, vol. 15, no. 6, pp. 72-76.

4. Sviridova I.V. "Comparison of difficulty of hardware implementation and corrective capacity of stochastic decoders with TFM and EM memory", Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2018, vol. 14, no. 3, pp. 120-124.

5.Khoroshaylova M.V. "FPGA-based channel coding architecture for a 5G wireless network using high-level synthesis", Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2018, vol. 14, no. 2, pp. 99-105.

6. Khoroshaylova M.V. "Development and implementation of a symmetrical self-organizing neural network decoder", Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2020, vol. 16, no. 3, pp. 60-64.

Submitted 16.12.2022; revised 15.02.2023

Information about the authors

Irina V. Sviridova, Assistant Professor, Voronezh State Technical University (84 20-letiya Oktyabrya str., Voronezh 394006, Russia), e-mail: ri-ss-ka@mail.ru, ORCID: https://orcid.org / 0000-0001-5279-0807

Marina V. Khoroshaylova, Cand. Sc. (Technical), Assistant Professor, Voronezh State Technical University (84 20-letiya Oktyabrya str., Voronezh 394006, Russia), e-mail: pmv2205@mail.ru, ORCID: orcid.org/0000-0001-9167-9538 Dmitriy V. Lyalin, student, Voronezh State Technical University (84 20-letiya Oktyabrya str., Voronezh 394006, Russia), e-mail: dmitrylialin95@gmail.com