当前位置:网站首页>Scheduling_Channel_Access_Based_on_Target_Wake_Time_Mechanism_in_802.11ax_WLANs
Scheduling_Channel_Access_Based_on_Target_Wake_Time_Mechanism_in_802.11ax_WLANs
2022-07-30 15:43:00 【madkeyboard】
一、基本信息
题目:Scheduling_Channel_Access_Based_on_Target_Wake_Time_Mechanism_in_802.11ax_WLANs
作者:Qinghua Chen Yi-Hua Zhu (Zhejiang University of Technology)
发布:IEEE Transaction On Wireless Communications(VOL.20,No.3March 2021)
背景:802.11无线局域网密集部署的趋势使得设计一个有效、高效的信道接入方案迫在眉睫。下一代无线局域网的IEE 802.11ax标准引入了OFDMA(正交频分多值),支持在RUs(多资源单位)的下行和上行多用户传输。
目的:将多用户传输与目标唤醒时间机制相结合,提出了基于TWT的调度信道接入(SCAT)方案。
结论:该方案在吞吐量、信道利用率和能量效率等方面均优于现有方案。
关键词: IEEE 802.11ax standard, WLANs, target wake time, orthogonal frequency division multiple access (OFDMA).
二、介绍
传统的电源管理:IEEE802.11引入的电源管理机制,允许不参与数据传输的基站(STAs)通过关闭收发器的电源,在省电模式(PSM)或休眠模式下运行。
TWT机制:IEEE802.11ah标准引入,大大改进了传统的电源管理。在此机制下,用户可以与AP协商TWT会话,在此期间,用户保持清醒状态来发送/接收数据。
广播TWT协议(broadcast TWT):支持AP对一组用户共享的TWT会话进行调度,使得多个用户可以在每个TWT会话中通过不同的RUs同时向AP传输数据。
目标信标(Target beacon):一种特殊类型的信标帧,用于通知STA使用了TWT协议。
单行的TWT和广播TWT包含一组通用的参数:TWT(STA在TWT会话中下一次唤醒的时间)、最小唤醒持续时间和TWT唤醒间隔时间。此外,广播协议使用下一个目标信标(NTB)和收听间隔(LI)参数。
下图是AP和sta之间广播TWT协议操作的例子。
协议包含如下参数:STA1的NTB1指向第二个信标,LI1 = 2;STA2的NTB2指向第四个信标,LI2 = 2;STA3的NTB3指向第六个信标,LI3= 3;所有STA1会在2、4、6醒来,STA2会在4、6、8醒来,STA3会在6、9、12醒来。
如图所示,STA1在第二个信标被唤醒,得到TWT的参数,记为t1,TWT唤醒间隔记为t2(这两个参数表示下一个TWT会话会从当前目标信标的t1的偏移量开始,连续会话的时间间隔为t2)。因此,STA1在(t0 + t1)加入会话,这个会话结束后,STA1会在t0 + t1 + it2 (i = 1, 2, …)唤醒,为了在AP宣布新的目标信号(图中的第四个)之前加入连续的会话。后续STA2在第四个目标信标醒来,与STA1共享会话,在第六个目标信标,STA3醒来,也加入共享。
从结果来看,在第二个信标之后的会话,由于只有STA1被唤醒,所以只有Ru2被使用;在第4个信标后,此时STA1和STA2使用相同的RU,导致了Ru2的冲突,在第六个目标信标后的会话中,三个STA都被唤醒,而RU1又存在冲突。当STA的数量大于Rus时,碰撞是不可避免的,所以本文提出方案的主要思想就是设计一个合理的LI、RU分配方案,避免碰撞的发生,提高吞吐量。

贡献
- 提出了一种基于TWT的信道调度接入方案(SCAT),支持AP为STA找到最佳的NTB和LIS,以便能按时访问信道,提高吞吐量。(在SCAT中,AP的目标就是让每个目标信标唤醒的STA数量不超过但是要很接近RUs的数量),SCAT通过将OFDMA机制中的多用户传输能力与TWT机制相结合,实现了无争用信道接入。
- 建立了一个数学模型来推导由休眠(DAFS)引起的延迟、在一段时间内到达STA的数据包的期望数量和被研究802.11ax的吞吐量。
三、相关工作
为了节省能源,人们使用过各种各样的方法。比如优化调度信号源的唤醒时间,使同一信标下的最大STA数量最小;利用中国剩余定理提出了一种异步省电协议产生唤醒频率,同时唤醒所有接收组播消息的STA。但是上面的方法只考虑使用一个信道,而802.11ax标准引入OFDMA支持多个子信道(RUs),因此,上面这些方案应用到802.11ax中的效果就不好。
目前,在基于802.11ax无线局域网新MU功能的TWT机制中,为TWT机制设置合适的NTB和LIS的研究进展甚微,本文提出的SCAT填补了在这一方面的空白。
四、SCAT方案的提出
1 概念
假设AP最多可以给STA分配m个可用的RUs,那么在每一个会话中唤醒的STA不能超过m个。因此,让STA将其LI设置为下面集合中的一个元素。

下面举个例子:假设有11个STA和4个RUs。STA请求LIs如下表所示。根据下表的配对方式生成了一个树状图,可以看见一个目标信标不是所有的STA都被唤醒。

如果让AP优先分配自己的资源,重新分配NTB和Li如下表。再从生成的树状图来看,所有的目标信标都有唤醒的STA,从而提高了通道的利用率。

2 时间表的树形表示
本文用T来表示表示LI调度树,Ti(i = 1,2,…)表示它的m字树,sk在调度树中位置(lk)由下面公式计算,yk 是请求的LI。

在表1中,Ru1被分配给了S4和S2,通过上面公式计算,它们分别为与第二层和第四层

表2也一样。

公式4,对于Li为yk的sk,它每yk个信标唤醒一次,因此平均每个信标唤醒1/yk次,反映了所有STA的唤醒时间不超过1的事实。这就保证了将一个STA分配到调度树的一个子树叶子上,可以保证在每个信标上,子树中不超过一个STA被唤醒。
公式5保证了每个信标传输时间不超过m个sta被唤醒,使得信道被无争用访问。

3 LI调度优化问题
睡眠延迟(DAFS)
当两个数据包在相同的LI到达,那么后一个数据的睡眠延迟可以由下列公式求出。


剩余到达时间(RAT)
当两个数据包在不同的LI到达,那么可以将后一个数据包剩余到达时间定义为从前一个LI失效的瞬间到后一个数据包到达STA的瞬间的时间周期。


假设
一个数据包的RAT可能跨过不止一个LI,做出以下两个假设
- sk 具有概率密度函数(pdf)a(K) 和累积分布函数A(k) (x),k = 1, 2, ……,n
- 报文到达两个sta的时间是独立的,也就是说,当k1 ≠ k2,TiK1 与Ti(k2) 独立。

第一个数据包pdf和cdf的推导

综上,对于第一个数据包DAFS的cdf如下

由此推导出pdf

后面数据包pdf和cdf的推导
这时我们需要考虑到式6和7的情况

分别对两种情况进行推导,并给出两个命题
- 第j个数据包DAFS的CDF
- 在δ时间内有i个数据包到达sta

综上,我们可以求出cdf,并推导出pdf


通过上面推导出来的pdf和cdf,我们可以计算第j个数据包期望的DAFS。在给定的时间δ,每个数据包到达sta的平均DAFS如下。

命题2
在δ时间内有i个数据包到达sta的概率
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v4eiqOPN-1658973971500)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220722162947704.png)]
推导过程
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8iROh80w-1658973971500)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220722163932927.png)]
综上,在时间段δ到达STA sk的预期包数为
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-S6dusLlT-1658973971500)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220722164030000.png)]
802.11ax标准中的UORA机制支持无竞争的信道访问,发送过程如下图所示。
首先AP向STA发送一个TF帧,其中携带者Ru的各种信息(包括定时RUs和随机访问RUs);其次STA在收到TF后,等待一个SIFS,然后通过不同的RUs向AP发送一个数据包;最后AP等待SIFS向STA发送一个ACK确认收到了报文
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-F37699yN-1658973971501)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220722165638288.png)]
那么总共经历的时间Γ如下。其中tTF (m)、tSIFS 和tACK 分别代表TF、SISF和ACK的持续时间。tPHY 表示序文与物理层头部的一段时间。L为MPDU的长度(Mac protocol data unit)。r是STA的应用数据率
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7H4GdKKO-1658973971501)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220725151208318.png)]
为了让下一个TWT会话在LI交付期间到达STA的所有数据包,需要满足以下条件。h(K) (yk σ)是在 LI yk 期间到达sk 的数据包数,θ表示一个TWT会话周期
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SkcDrAOQ-1658973971501)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220725152411828.png)]
因此,从sk发送到AP的总比特数:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RxHOo6WA-1658973971501)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220725152924120.png)]
我们可以计算在一个TWT会话时间(θ),网络的吞吐量。
接下来我们的目标就是去解决吞吐率最大化的问题。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IKlcUq2d-1658973971501)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220725153058248.png)]
4 优化问题的解
种群初始化
随机生成M染色体,每条染色体是由一棵由m棵二叉子树组成的调度树,调度数中的所有叶子节点满足下面约束。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nhycvHQE-1658973971501)(C:%5CUsers%5C14645%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20220725155121517.png)]
生成初试调度树的算法:

选择操作
采用Roulette Whee轮转法,按照一定的概率选取M条染色体,这些染色体将[0, 1]区间按照一定的间隔分开。然后在这[0,1]区间中产生M个随机数,第i个区间的随机数将第i条染色体复制到下一代,从而使M条染色体复制到下一代。(为了在进化的过程中逐步提高适应度,可以将一代中适应度最大的染色体直接传递给下一代,称为精英染色体)
交叉操作
在两棵调度数中T1、T2中,各随机随机选取一个子树TA、TB,子树的节点记为c1、c2,然后根据一定的规则交换这两个子树,生成新的两棵调度树T1’、T2’。
交叉规则: 如果c1 不等于 c2,假如c1 > c2,那么从c1所属子树TA中随机选取c2个结点组合成TB的格式放在T1’中;T2’中新的子树则是从TB中选取c1个结点(这时TB中的节点数量肯定不够,所以空位由不在T2’中的STA自动补齐)组合成TA的格式放在T2’中。如果c1等于c2,就是互相交换位置即可。
注意:如果最后的产生的新树不满足TMP中的约束条件,就直接替换成算法1中生成的树。变异操作
在每一代中我们从[0,1]随机选择一个数字,如果该数小于0.01,那么就用算法1随机生成树进行替代。
5 性能评估
仿真设置
假设一个WLAN由一个AP和n个sta组成,在物理层和MAC层均采用IEEE 802.11ax协议,提供支持MU功能的OFDMA机制,sta工作在TWT模式下,传输、接收、闲置和休眠模式下运行时的功率分别设置为1400、1340、1270和220 mw。
假设到达STA sk的数据包服从概率为λk的泊松分布,第j个包DAFS的pdf如下

性能比较
参数对SCAT性能影响
参数包括STAs的数量、RUs的数量、到达sta包的速率、TWT会话持续的时间以及包的延迟界限
n(sta的数量)
下图可以看出,SCAT在吞吐量、EE和信道的利用率方面均优于其他方案;SCAT的吞吐量随着n的增加而增加(在n <40时,存在吞吐量急剧增加的情况,这因为在sta较少的情况下SCAT努力唤醒信标内活跃的STA,但是不会超过RU的数量,保证了上行MU传输不存在信道争用);当n > 20,SCAT占用最小的DAFS,反映了SCAT优化问题中约束条件中的包延迟约束的有效性。

m(RUs的数量)
SCAT在各种情况下的性能依然是最好的,当m较小时(m < 9)吞吐量显著增加的原因是是因为更多的sta可以一次访问信道(SCAT是自适应的,当更多的RUs可用时,在TWT会话中调度更多活动sta,而其他方案没有这样的适应性,所以它们的吞吐量不能从RUs数量的增加中受益);当m较大时,SCAT的吞吐量无法进一步提高,这是因为SCAT的sta已经成功的交付了它们的包,当m足够让sta交付包时,由于sta的缓冲区没有更多的包,即使还有更多的可用RUs,吞吐量也无法进一步提高,信道利用率也因此降低。

λ(包到stas的概率)
随着λ增大,吞吐率呈波动状态增加,因为一个较大的λ意味着更高的吞吐量,当RUs的数量足够时就可以交付,但是如果λ过大就会造成吞吐量下降。

五、结论
本文针对信道接入的调度问题,提出了将目标唤醒时间(TWT)机制与IEEE 802.11ax标准提供的多用户传输能力相结合的SCAT。
利用遗传算法,得到了SCAT优化问题的解决方案,使得AP能够唤醒不超过接近每个目标信标上的终端数量的sta,从而这些终端可以在不同终端上同时向AP传输而不发生争用,提高了吞吐量、通道利用率和能源效率。
边栏推荐
- 影像信息提取DEM
- How to use Redis for distributed applications in Golang
- 70 lines of code, a desktop automatic translation artifact
- Flask introductory learning tutorial
- STM32F407定时器输入捕获
- TiUP 故障排查
- 【C语言】指针和数组的深入理解(第二期)
- Placement Rules usage documentation
- [flutter] What is MaterialApp and Material design
- tiup completion
猜你喜欢

nodejs environment variable settings
![[flutter]什么是MaterialApp和Material design](/img/72/d0845467b33b2291f47e7f54171088.jpg)
[flutter]什么是MaterialApp和Material design

涨姿势了!原来这才是多线程正确实现方式

【HMS core】【Media】【视频编辑服务】 在线素材无法展示,一直Loading状态或是网络异常

PCIE入门

【AGC】质量服务2-性能管理示例

【HMS core】【FAQ】push kit, WisePlay DRM, Location Kit, Health Kit, 3D Modeling Kit, SignPal Kit Typical Questions Collection 4

Shell脚本的概念

应用OPC解决方案实现控制系统数据的安全交换

【HMS core】【FAQ】Account、IAP、Location Kit and HarmonyOS典型问题合集1
随机推荐
Flask之路由(app.route)详解
详解最实用的几种dll注入方式
70 lines of code, a desktop automatic translation artifact
游戏窗口化的逆向分析
C#西门子S7 协议通过偏移量的方式读写PLC DB块
[Developers must see] [push kit] Collection of typical problems of push service 2
[HMS core] [FAQ] Collection of typical problems of push kit, AR Engine, advertising service, scanning service 2
AI遮天传 DL-CNN
Why is there no data reported when the application is connected to Huawei Analytics in the application debugging mode?
Back waves are coming!Ali produced the "second generation" container technical manual and brain map, which is too fragrant
PCIE下载的驱动安装
围绕用户思维,木鸟与途家如何实现乡村民宿下的用户运营
游戏显示分辨率的逆向分析
在树莓派上驱动CSI摄像头
yarn的安装及使用教程
Pytorch 训练技巧
Jetpack Compose 到底优秀在哪里?| 开发者说·DTalk
FME realizes the method of converting CAD with attribute to SHP data
Image information extraction DEM
How to remove last character from string in php