大规模无线网络联合解包的AP选择问题* 1

石　磊，杨盘隆，闫宇博，李　平，刘晓玥

(1.解放军理工大学 通信工程学院,江苏 南京 210007；2.国网盐城供电公司,江苏 盐城 224000)



大规模无线网络联合解包的AP选择问题* 1

石磊1，杨盘隆1，闫宇博1，李平1，刘晓玥2

(1.解放军理工大学 通信工程学院,江苏 南京 210007；2.国网盐城供电公司,江苏 盐城 224000)

摘要：对于无线MIMO系统，协作式的网络设计十分重要，而协作式的网络设计中如何选择合适的无线接入点(Access Point，AP)进行联合解包是一个重要问题。减少网络开销的同时，选择合适的AP进行解包，得到较好的解包率。在设计系统的过程中，对协作式MIMO系统的码元解码性能进行了全面的评估，并且探索了对于不同的AP选择方式与系统解码性能之间的关系。然后提出了简单有效的AP选择算法，该方法在MIMO网络中有着近似最优的性能表现。最后在USRP实验平台上对该算法进行了实现并验证了算法的效果。

关键词：软件无线电网络；联合解包；MIMO;网络设计

0引言

近年来，软件无线电技术在无线网络领域出现并因其部署灵活等优势得到了空前的发展。但是正是因为其对自定义的标准和灵活性使得其在设计和使用时需要耗费大量的计算和通信资源。尤其是在协作式的无线网络设计中，对于网络的调度和协同操作要求更高。这点在SYMPHONY[1]，JMB[2]，BigStation[3]和MOZART[4]系统中都有很明显的体现。同时多用户的无线MIMO系统已经证明了通过增加计算资源，实现多AP的联合解包，是能够有效提高系统的解码效率的[3]。

之前一些的研究已经对单AP网络的容量和可用性获得了较成熟的成果。而在新的协作式的网络系统中，多AP的联合使得网络的通信容量得以再次提升。但是一个好的AP联合系统对AP间的协同能力要求很高，这也就意味着需要很大的网络开销。在本文中我们对如何有效的降低协同式MIMO系统的开销进行了研究，传统的多AP联合解包机制是存在缺陷的。主要因为传统的协同解包机制会占用网络大量的回程带宽。在我们前期的工作中，提出了一种协同解包方案，该方案在精确的信道参数估算[5]的基础上，实现了对相互干扰的混合信号中的目标信号信噪比的增强。其基本思想是，在分布式网络中不同位置上的AP所接收到的同一信号的角度是不同的，通过对这些信号样本进行旋转、叠加，使目标信号的强度得以增加。而另一方面，非目标信号因为其映射方向的随机性，在旋转后其方向仍是随机的，因此其信号强度无法像目标信号那样通过叠加增强。，随着联合的AP数量的增多，目标信号的强度得以进一步加强，相对的对干扰信号的抑制也就越强。

本文中我们对联合解包中不同的AP组合的解包效果进行评估，实验结果表明在不同的AP组合之间的解包效果存在着明显的差别。我们分别使用了解包率(PDR，Packet Delivery Ratio)和信号干扰噪声比(SINR，Signal to Interference and Noise Ratio)来对不同的AP组合下联合解包的性能进行了对比分析。通过这些统计对比分析，我们认为当多个用户同时进行信号传输时，必须充分考虑AP组合对整个网络性能的影响。同时，我们提出了一种用于多AP联合解包系统的AP选择算法，实验证明，通过使用该算法，能够有效降低网络的计算和通信开销。

1系统设计

本文将企业无线网作为研究目标，企业网中部署有大量的AP，这些AP彼此之间通过骨干网相连接。每个AP和用户均通过单根天线进行数据的发送和接收。通常为了避免用户之间相互干扰，网络中在一个时刻只允许一个用户进行数据的发送。这样显然浪费了已有的AP资源。因此，为了实现多用户的同时信号传输，人们进行了很多的研究[1，4]，在本文中，我们利用了企业网中广泛存在的AP在空间上的多样性，实现了多个通信链接同时存在的目标。

(1)联合解包

假设网络中有i(i= 1，2，…，N)个用户同时发送信号，每个用户发送的信号为Xi，而Xi能够同时被j(j= 1，2，…，M)个AP接收到，每个AP接收到的信号为Yj。用Hji表示用户i到APj之间的信道参数，于是有：

(1)

(2)

(3)

(4)

其中：

(5)

(6)

因此对于信号X1来说，其信号干扰噪声比(SINR)是增大的，AP对于信号X1的解码正确的可能性也相应的增大。同样的对于信号Xi也可以用相同的方法增大SINR。

(2)AP选择

上节所介绍的信号解包算法将所有AP接收到的信号进行叠加，这种不加选择的方法极大的增加了以太网中的开销。因此在本节中我们将提出一种更加合理且有效的AP选择方法，在尽可能提高对信号正确解码的情况下减小网络的开销。经过分析，我们发现使用贪婪算法(greedy algorithm)来解决联合解包中合适AP的选择问题，在大多数情况下都能取得非常好的效果。算法具体的步骤如表1所示。贪婪算法是一种探索式的算法，其基本思想是通过对每一个步骤选择最优解以获得全局的最优解。在本文中我们对于联合解包AP的选择正是遵循这种思想。我们的选择标准为，当我们将被选AP所接收到的信号与已有的AP的接收信号进行叠加时，如果目标信号的SINR增大，则保留此AP为解包使用。如表1所示，我们首先选择所有AP中目标信号SINR最大的那个。并将剩余AP按照目标信号SINR的大小进行排序，依次与已选的第一个AP上的信号进行叠加。如果叠加后目标信号SINR增大则保留该AP，否则丢弃此AP，再将下一AP上的信号与已选AP上的信号进行叠加，以此类推。通过这种方式，对于每一个信号我们都能获得一组叠加之后信号干扰噪声比(SINR)最好的AP组合。通过将这些AP用于信号的联合解包，可以最大程度地恢复出目标信号。AP选择算法如下：

算法1： MIMO网络中的AP选择算法

贪婪算法

输入：

所有AP接收到信号的SINR

AP数量：Nap

输出：

AP的编号：AP_idx1，AP_idx2，…，AP_idxi

1：初始化{AP_idx1，AP_idx2，…，AP_idxi}=0，

n=Nap

2：载入所有AP的SINR的原始数据

3：插入排序法

4：根据SINR值对AP进行排序

5：排序完成

6：贪婪算法挑选AP

7： Fori=1 tondo

8： 计算叠加APi后的SINR

9：If SINRcom>=SINRorgthen

10：AP_idxi=APi

11：Else 删除APi

12：End

13： Endfor

14：贪婪算法结束

15：返回值：AP_idx1，AP_idx2，…，AP_idxi

2实验仿真

2.1实验平台

为了检验我们所提出的算法的性能，我们使用装载SBX子板的GNURadio/USRP N210软件无线电平台进行实验。为了保证各个AP之间时钟的严格同步，我们使用了额外的GPS时钟源。我们将16个单天线的AP随机部署在办公室环境中，并用两台单天线USRP作为用户进行信号的发送。我们使用了带宽为20 MHz的WiFi信号进行通信，中心频率设置为2.45 GHz。用户每次都发送100个数据包，每个数据包的长度为1 500 bytes，数据包之间的间隔为0.2 ms。我们让每个用户发送不同的信号，并且当用户出于不同位置时，都进行收发实验，每次实验重复进行5次收发。

2.2实验结果

我们通过每个用户信号的解包率对算法性能进行评估。我们一共考虑了三种不同的AP联合解包算法。在第一种算法中，我们不加区分地把所有AP上的接收信号都用于解包；在第二种算法中，我们使用穷举法，选择所有AP组合中目标信号SINR最高的组合用于联合解包，因为使用了穷举法，所以该算法一定会得到最优解；而在最后一种算法中，我们使用本文所提出的算法进行AP选择，并进行联合解包。

首先，我们考察AP数量对联合解包性能的影响。实验结果如图1所示，当参与解包的AP数量大于8个时，使用本文中的方法和最优解的方法的解包率(PDR)都接近于1，而简单使用全部AP信号的方法即使在16个AP的情况下其PDR也低于0.8。图1(c)所示，用户在第二个位置发送信号时，再次比较三种方法。同样的使用全部AP进行PDR计算时，PDR的值甚至低于0.6，而我们提出的使用贪婪算法选择AP联合解包时的PDR和最优情况均接近于1。接下来，我们考察了不同的用户位置对联合解包算法性能的影响。从图3中我们可以看出使用的贪婪算法选择AP进行联合解包所得到的PDR与最优解基本一致。而简单使用全部AP进行解包的算法时在位置5处的PDR低于0.6。而在图3(a)中用户在位置3处传送的信号1的PDR甚至低于0.1。

(a)位置1&信号1

(b)位置1&信号2

(c)位置2&信号1

(d)位置2&信号2

我们也观察了使用三种算法所获得的目标信号的SINR情况。结果显示，我们所提出的算法在SINR方面取得了与最优解一样的效果。如图2所示，随着接收到信号的AP数量的增多，使用贪婪算法挑选AP获得的SINR要比简单使用全部AP的联合算法高出10 dB，基本接近最优解的水平。在图2(a)和图2(c)中甚至与最优解基本一致。但是所有AP联合解包时在SINR方面的表现要比另外两种方法糟糕很多。从图2中可以明显的看出当用户在位置2发送信号时使用全部AP联合的方法是SINR甚至低于0 dB，但是我们的方法选择的AP的组合表现良好依然高于15 dB。当我们比较使用16个AP在5个不同位置进行接收的情况时，如图3(c)、图3(d)所示，贪婪算法选择的AP的组合在SINR方面与最优解的差别非常小，并且在不同的位置均表现良好。而作为对比，使用全部16个AP进行联合时，信号的SINR表现受到位置的影响非常大。

(a)位置1&信号1

(c)位置2&信号1

(d)位置2&信号2

(a)信号1的PDR

(b)信号2的PDR

(c)信号1的SINR

(d)信号2的SINR

3相关工作

智能高效的对企业网中的解包机制进行管理能够有效的提高无线网络的吞吐量。目前人们普遍认为，通过利用灵活智能的频谱分配、时域调度和天线阵列技术实现对网络资源的优化，能够获取更高的自由度[6-7]。FliuidNet[8]提出的无线接入网络架构需要对网络回程重新配置，相比而言我们的系统提出的基于信道参数联合解包的过程则不需要这样的操作。针对网络回传特性的资源最优配置的考虑，其他的一些需要对网络重新配置的方法也被提了出来。如OpenRF[9]和Odin[10]能够对移动接入网络抽象出较高层的接入能力。我们的工作很好的对之前的研究进行了补充，使用创新性的信号解包方法提高网络的接入能力。

4结语

在本文中，我们评估了企业网中不同的AP选择机制对联合解包效果的影响。提出了一种基于贪婪算法的AP选择算法，通过在联合解包中使用该算法不仅可以获得与最优解相同的性能，还大大降低了网络开销。实验表明通过使用该算法，我们可以将目标信号的SINR提升至原先的两倍，并且将网络开销削减为原先的1/5。同时发现高度耦合的信号可以通过对不同AP上接收信号的样本进行对齐处理，从而使目标信号得以增强。而且这种增强的效果会随着使用AP数目的增加而增加。

参考文献：

[1]Bansal T,CHEN B,Sinha P,et al.Symphony:Cooperative Packet Recovery over the Wired Backbone in Enterprise WLANs[C]//Proceedings of the 19th Annual International Conference on Mobile Computing & Networking.ACM,2013:351-362.

[2]Rahul H S,Kumar S,Katabi D.JMB:Scaling Wireless Capacity with User Demands[C]//Proceedings of the ACM SIGCOMM 2012 Conference on Applications,Technologies,Architectures,and Protocols for Computer Communication.ACM,2012:235-246.

[3]YANG Q,LI X,YAO H,et al.Big Station:Enabling Scalable Real-Time Signal Processing in Large mu-mimo Systems[C]//ACM SIGCOMM Computer Communication Review.ACM,2013,43(4):399-410.

[4]王圆晨,袁雪莲,段红光.MIMO 信道模型分析[J].通信技术,2013，46 (04):71-73.

WANG Yuan-chen,YUAN Xue-lian,DUAN Hong-guang.Analysis on MIMO Channel Model[J].Communications Technology,2013，46(04):71-73.

[5]Bansal T,Chen B,Srinivasan K,et al.Mozart:Orchestrating Collisions in Wireless Networks[C]//Proceedings of the IEEE International Conference on Computer Communications (INFOCOM 2013)(April 2013).2005.

[6]Gowda M,SEN S,Choudhury R R,et al.Cooperative Packet Recovery in Enterprise Wlans[C]//INFOCOM,2013 Proceedings IEEE.IEEE,2013:1348-1356.

[7]Murty R,Padhye J,Chandra R,et al.Designing High Performance Enterprise Wi-Fi Networks[C]/NSDI.2008,8:73-88.

[8]Sundaresan K,Arslan M Y,Singh S,et al.Fluid Net:a Flexible Cloud-based Radio Access Network for Small Cells[C]//Proceedings of the 19th Annual International Conference on Mobile Computing & Networking.ACM,2013:99-110.

[9]Kumar S,Cifuentes D,Gollakota S,et al.Bringing Cross-Layer MIMO to Today's Wireless LANs[C]//ACM SIGCOMM Computer Communication Review.ACM,2013,43(4):387-398.

[10]Suresh L,Schulz-Zander J,Merz R,et al.TowardsProgrammable Enterprise WLANS with Odin[C]// Proceedings of the First Workshop on Hot Topics in Software Defined Networks.ACM,2012:115-120.

Access-Point Selection for Large-Scale Wireless Network

SHI Lei1,YANG Pan-long1,YAN Yu-bo1,LI Ping1,LIU Xiao-yue2

(1.College of Communication Engineering，PLA University of Science and Technology,Nanjing Jiangsu 210007,China;2.State Grid Yancheng Power Supply Company,Yancheng Jiangsu 224000,China)

Abstract：For wireless MIMO system,the design of collaborative network is very important.Meanwhile,a critical issue for this design is how to choose appropriate wireless access points (AP) for collaborative decoding.To reduce the network overhead,proper selection of APs for a better package delivery rate is absolutely.In the process of system design,the symbol-decoding performance of collaborative MIMO system is comprehensively evaluated,and the differences of between the AP selection methods also explored.Then a simple and effective AP selection algorithm is proposed,and this algorithm has a nearly-optimal performance in MIMO network.Finally,the algorithm is implemented on USRP platform and the experiment results indicate the effectiveness of the proposed method.

Key words：software radio network;cooperative decode;MIMO;network design

doi:10.3969/j.issn.1002-0802.2016.05.015

* 收稿日期：2016-01-02；修回日期：2016-04-05Received date:2016-01-02；Revised date：2016-04-05

基金项目：国家自然科学基金(No.61272487)

Foundation Item:National Natural Science Foundation of China(No.61272487)

中图分类号：TP393

文献标志码：A

文章编号：1002-0802(2016)05-0587-06

作者简介：

石磊(1989—)，男，硕士研究生，主要研究方向为MIMO无线网络;

杨盘隆(1977—)，男，教授，主要研究方向为物联网;

闫宇博(1985—)，男，博士研究生，主要研究方向为MIMO无线网络;

李平(1985—)，男，硕士研究生，主要研究方向为MIMO无线网络;

刘晓玥(1991—)，女，助理工程师，主要研究方向为MIMO无线网络。