数据驱动的无线信道可用吞吐量估计与预测方法

摘要:

无线局域网络技术正蓬勃发展，但随之而来的新问题严重影响了无线信道的通信质量。无线信道质量对指导路由器应对突发拥塞和选择合适信道具有重大意义。以信道可用吞吐量为指标设计了一套解决方案：首先，采用入侵式数据采集方法收集信道数据，使用人工神经网络训练并估计当前时刻的信道可用吞吐量；然后，采用非入侵式数据采集方法收集信道数据，使用改进的递归神经网络模型预测未来一段时间的信道可用吞吐量。在真实数据上的实验表明，该方案可以有效地对信道可用吞吐量进行估计与预测，对路由器的决策有着指导意义。编码方案；最后，仿真比较这3种编码方案的性能并总结优缺点。

关键词： 无线信道 ; 数据驱动 ; 神经网络 ; 吞吐量估计与预测

0 引言

对于无线用户而言，无线业务的服务质量至关重要。随着无线局域网（WLAN, wireless local area network）技术的迅速发展，设备密集部署、新老协议共存、高质量无线业务需求增加等一系列问题，使得无线信道变得混乱和拥塞，严重影响了接入点（AP, access point）的业务服务质量，降低了用户站点（STA, station）的无线业务体验。因此，对无线网络的服务质量进行定量的估计和预测，指导AP选择合适的信道，提升服务质量以提高STA的无线业务体验是有意义和必要的。

在IEEE 802.11协议中，已经有多个物理指标被用于评估无线网络信道的质量，如接收信号强度指示（RSSI, received signal strength indicator）、信干噪比（SINR, signal to interference plus noise ratio）和误码率（BER, b