802.11b中业务源基于隐马尔可夫的测量与分析

王建全，孙远欣，王心仪，唐万斌，李少谦

(电子科技大学 通信抗干扰技术国家级重点实验室，四川 成都 611731)



802.11b中业务源基于隐马尔可夫的测量与分析

王建全，孙远欣，王心仪，唐万斌，李少谦

(电子科技大学 通信抗干扰技术国家级重点实验室，四川 成都 611731)

摘要：出于经济方面的考虑，分析通信系统中的频谱资源并对其进行建模是极其重要的。在大多数时候，能通过空口测量来捕获各类无线通信系统中授权用户的业务参数，从802.11b的物理层结构开始研究，建立相关的隐马尔可夫模型(HMM)。为了分析业务源的行为，使用BW算法来估计业务源的参数，而业务是用D-ITG软件来产生的，因此可以将结果与真实模型进行比较。实验结果表明，在802.11b协议下，使用隐马尔可夫模型和BW算法来对信道占用行为进行模拟是不准确的，但是分析业务源的特性是可行的。

关键词：隐马尔可夫模型；空口测量；参数估计；业务特性参数

0引言

分析用户行为的特性对通信系统的经济性考虑是极其重要的。在无线通信系统中，能够通过空中接口接受无线信号，不管是否有该系统的先验知识，都可以从中获取用户的行为。在研究认知无线电的频谱使用特性时，这一方法也同样适用。

本文假定观察符号保持连续并且服从高斯分布，同时认为背景噪声是高斯白噪声。受文献[1]的启发，本文用HMM建立由测量的时域数据验证后的模型。BW算法用于估计模型的参数，以便将模型参数转换为用户特性。为了验证这个模型，在应用层控制业务源，如果它被底层改变了则会被标记，因此从空中接口抽取的数据也会不同。

在WLAN中有许多协议，这些协议速率由1～600Mbps，甚至可以达到1Gbps。考虑到器材的局限性，本文采用传统的802.11b版本来代替其他高速版本。

1测量设置

802.11b有14个可用信道，都处于ISM 2.4GHz频段左右的范围。每个使用802.11b协议的无线网络在同一时刻只能使用一个固定信道。在ISM频段中，多个平行信道的无线通信会干扰测量。为了避免该情况，将测量环境置于MAC层。目标频段是802.11b中心频率为2.472Hz，带宽为22MHz的13号信道。802.11b中业务则通过分布式网络流量发生器(D-ITG)软件来实现[2]，该软件允许统计特征参数。从示波器中获取时域电压参数，运用HMM 方法来分析数据，并用相应模型进行验证。更多具体细节由表1给出。

表1　测量配置

在表1中，全部采样时间为T=500ms×10=5s。如图1所示，业务由具有相同的传输参数的PC1、PC2和PC3产生，PC0通过以太网链接无线路由器，这些信号被PC0接收。

图1　802.11b数据传输和接收场景

2基于隐马尔可夫的系统模型

2.1HMM和BW算法

(1)

(2)

式中，Ωj是矢量，Σj是对角线的协方差矩阵。HMM的所有参数被描述为Θ=(π,A,Ω,Σ)。

(3)

(4)

βT(i)=1,i=0,1，

(5)

(6)

据此，计算2个重要的中间变量：

(7)

(8)

根据之前定义的变量，通过BW算法能够估计HMM参数。这个方法如下所示：

(9)

(10)

(11)

(12)

2.2基于时隙的信道模型

获取的数据为时域电压，为了更好地匹配模型，将其转换为功率序列(dBm)，作为观察序列。方法如下：

(13)

式中，I代表实部，Q代表虚部。将功率序列分为具有相同长度l的小段，称为时隙。在每个时隙中，使用平均功率来代表时序的功率。大体上说，就是802.11b物理层数据包的长度大约为数十或数百微秒，同时分离一个数据包的传输并且得到确认的短帧间距离(SIFS)大概为10 μs[5]。所以，为了方便，设l=1μs来追踪信道状态。

当传输信道被占据时，设定信道状态为“忙碌”；在其他情况下，信道状态为“空闲”。基于时隙的信道状态转换图如图2所示。

图2　802.11b时隙化的频谱状态转移模型

使用HMM来模拟802.11b的无线频谱上的业务源，为了实现这个目的，不直接使用测量数据。原因主要集中在3个方面： ① 尽管被业务源发送的包在上层服从泊松分布，在被MAC和PHY处理后，其行为发生了改变，尤其是信道占用行为；② 重点关注业务源的特征用来代表用户的行为，而不是关注ACK包。当ACK包的数量几乎与数据包相同时，将强烈地干扰分析结果； ③ 根据测量，ACK的功率总是与数据功率不同，这会导致出现3个明显分离的状态，而不仅仅是2个。因此，Ω将有3个元素。这对分析结果是不利的。

在文献中，作者将Data、SIFS和ACK合并在一起看作一个叫做“传输”的整体状态来解决这个问题，如图3(a)所示。将这个方法标记为方法A，这种方法从本质上模拟了信道占据行为。但如原因①所述，这个结果是没有意义的。为了运用HMM，本文提出了方法B，主要思想是分离数据包，削弱ACK带来的干扰，如图3(b)所示。

“业务传输状态”仅仅在数据包传输时发生，对于SIFS、DIFS或ACK，这个状态被认为是“业务未传输状态”。得到解调结果后，就能将ACK包定位为测量数据，用背景噪声来替代它们，进而得到所需要的观察序列。这种做法能够将802.11b的频谱占用明显地分割开来，但和真实情况中业务对频谱的占用模型有所不同。因此，希望尽量独立出Data数据包对频谱资源的占用，同时尽量弱化ACK数据包对频谱的占用。在此基础上，继续对频谱状态使用HMM估计方法。

(a)数据包传输状态示意图

(b)业务传输状态示意图图3　802.11b 业务状态模型

图3(b)的状态转移模型中，Data的传输作为业务对频谱资源占用，其余的状态一并作为与业务无关的状态合集。这样一来，频谱占用状态就分为了业务传输状态和非业务传输状态。

3结果和性能分析

首先，根据解调结果得到业务源的统计特性。然后，将设置在PC上的参数与结果进行比较来保证数据传输的正确性。最后，选择确定的参数来获取测量数据，用上文提到的方法来处理它。通过使用HMM和BW算法，来计算模型的参数。

3.1解调和统计分析

图4为802.11b物理层长PHY协议数据单元(PPDU)的数据包结构[6]。数据包前导码和包头包含了需要的全部信息，同时采用符号率为1 Mbit/s的差分相移键控(DPSK)来调制，通过同步和解调来抽取包头。

图4　物理层长型PPDU数据包结构图

每个PPDU数据包的传输时间通过解调结果获得，单位为μs。在实验环境下，得到一个持续时间的统计结果如表2所示。设置PLCP服务数据单元(PSDU)数据长度为512bits。PPDU数据包长度等于PSDU的数据长度加上数据包前导码和包头的长度。

表2　数据包长度与包间间隔的驻留时间统计结果

周期性的信标被路由器以每100 ms的时间间隔广播。根据表2可知，通过包的长度将包进行不同的分组。如果以共计5 s的时间对数据进行解调和驻留时间统计，就会得到不同场景下，不同发包业务的驻留时间的统计结果，如图5所示。

图5　数据包驻留时间结果统计

图5(a)、(c)是2种不同状态下数据包驻留时间长度的统计图。可以看出，虽然业务不同，但是Data(623μs)和ACK(203μs)始终处于较高的统计水平，并且数值基本相等。另外，在驻留时间为1 160μs的地方，存在统计值为50的较高峰值，这代表的是802.11b中的周期性信标，每10ms出现一次。因此，在共计5 s的数据中，信标一共出现50次。

图5(b)、(d)为2种情况下包间间隔的驻留时间统计，图5(b)是高速泊松发包情况下，包间间隔的统计，可以看到统计呈现明显的指数分布，这能间接的验证泊松发包的事实，图5(d)是低速泊松发包时的包间间隔，由于发包极慢，此时的驻留时间已经趋于ms的数量级，但还是能看出，其统计特性有指数分布的趋势。

图6给出了统计和似然估计2种方法的分析结果，真实的包传输数率表明在D-ITG中设置的数率。因为在同一个时刻有3台PC传输数据，所以总的包传输数率λ总=3λ泊松。与真实的包传输速率相比，被解调结果所估计的包传输速率是正确的，但是当λ泊松≥350packet/s时,数据不会再增加，因为数据已经达到无线路由器的上限。

图6　数据包业务的统计与似然估计结果

3.2HMM分析

表3　HMM估计参数

图7(a)中可以看到，实际功率序列的分布与HMM生成的序列存在较大差异，尤其是在“0”状态，仿真序列的峰值很低，说明在理论业务下，所描述的频谱占用模型是不太合理的。图7(b)中测量功率序列与HMM生成序列吻合较好。802.11b的状态功率分布较GSM来说，方差较小，分布非常集中，这说明WLAN的传输对信号的稳定性要求更高。业务传输态和非业务传输态的峰值都非常明显，并且高度几乎一致，说明802.11b的实际业务对信道的占用率大约为50%。

(a)方法A所产生的结果

(b)方法A所产生的结果图7　　　　802.11 b实际测量数据与HMM产生的仿真数据的功率分布图比较

另外的方法是计算数据包传输的速率，然后将其与D-ITG中的比较。采用文献[8]中的方法，包的传输速率的计算为：

(14)

(15)

在软件中设置的包的传输速率为λ总=3λ泊松=1 050packet/s。

尽管如此，这个结果表明了在802.11b中，用HMM来仿真业务源的行为是可行的，但是仿真信道占用行为是不合适的。

4结束语

在802.11b实际的测量中，发现了一种从空中接口获取802.11b业务源的方法。解调结果确认了我们的统计分析是可信的，并且对HMM估计是有用的。通过将连续时间域的数据转化为基于时隙的功率序列，建立了基于HMM的模型，使用BW算法来估计业务源参数。最后比较2种方法的测量数据的仿真结果，得出HMM不适用于仿真信道占用行为，但是在仿真业务源的行为上是有效的。

参考文献

[1]Xie H,Tang W B,Wen Y J,et al.HMM-based Primary User Activity in GSM via Spectrum Measurements[C]∥ Wireless Communications& Signal Processing (WCSP),2013 International Conference on.IEEE,2013:1-6.

[2]Avallone S,Botta A,Emma D S,et al.D-ITG V.2.4Manual[R].University of Napoli “Federio II”,Tech.Rep,2004:1-24.

[3]Rabiner L.A Tutorial Oon Hidden Markov Models and Selected Applications in Speech Recognition[J].Proceedings of the IEEE,1989,77(2):257-286.

[4]Banjade V R S,Rajatheva N.Primary User Capacity Maximization in Cooperative Detection Network Using m out of N fusion Rule[C]∥Wireless Communication Systems (ISWCS),2011 8th International Symposium on.IEEE,2011:482-486.

[5]IEEE Standard 802.11b-1999 (R2003),Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications:Higher-Speed Physical Layer Extension in the 2.4GHz Band[S].

[6]IEEE Standard 802.11TM-2012,Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications[S].

[7]Xu Q Z,Lv S.Probability Theory And Mathematical Statistics[M].Beijing:Higher Education Press,2004.

[8]Choi K.W,Hossain E.Opportunistic Access to Spectrum Holes Between Packet Bursts:a Learning-based Approach[J].Wireless Communications,IEEE Transactions on,2011,10(8):2497-2509.

Measurement and Analysis on Traffic Source in 802.11b Based on Hidden-markov-model

WANG Jian-quan,SUN Yuan-xin,WANG Xin-yi,TANG Wan-bin,LI Shao-qian

(National Key Lab of Communications,University of Electronic Science and Technology of China,Chengdu Sichuan 611731,China)

Abstract：In view of economic factors,the analysis and modeling for spectrum resource in communication system are always important.In most of the time,the traffic parameters of authorized user can be gotten through air interface measurement.Firstly the physical structure of 802.11b is studied,and then the model based on Hidden-Markov-Model (HMM) is built.To analyze the behavior of the traffic source,the Baum-Welch algorithm (BW algorithm) is used to estimate the parameters of traffic source.The traffic is generated by using software named D-ITG,so it’s practicable to compare the model result with the real one.The experimental results show that,in 802.11b,using HMM-based model and BW algorithm to simulate the channel occupancy behavior is not proper,but it is feasible to traffic source characteristics analysis.

Key words：Hidden Markov Model;air interface measurement;parameters estimation;traffic character parameters

中图分类号：TN92

文献标志码：A

文章编号：1003-3114(2016)03-37-5

作者简介：王建全(1990—)，男，博士在读，主要研究方向：无线与移动通信。唐万斌(1973—)，男，博士，研究员，博士生导师。主要研究方向：无线与移动通信、通信信号与信息处理、抗干扰与安全通信。李少谦(1957—)，男，教授,博士生导师,主要研究方向:无线与移动通信、抗干扰与安全通信。

基金项目：国家自然科学基金项目(61271169)；中国国家电网公司基金项目(SGSCXTOOGCKT1300563)

收稿日期：2016-01-04

doi:10.3969/j.issn.1003-3114.2016.03.10

引用格式：王建全，孙远欣，王心仪，等.802.11b中业务源基于隐马尔可夫的测量与分析[J].无线电通信技术,2016,42(3):37-41.