【2024华为杯B题】WLAN组网中网络吞吐量建模思路、代码、论文助攻

最新推荐文章于 2024-09-22 08:45:55 发布

宇哥预测优化代码学习

最新推荐文章于 2024-09-22 08:45:55 发布

阅读量1k

点赞数 23

文章标签：华为网络

本文链接：https://blog.csdn.net/w56782888/article/details/142410395

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️研赛及概况

💥1 找程序网站推荐

📚2 公式编辑器、流程图、论文排版

🎉3 24年研赛B题资源下载

🌈4 2024华为杯B题思路、代码、论文

⛳️研赛及概况

详细内容请看文末卡片，有即将开始的研赛思路、配套Python、Matlab代码及成品论文等，研赛论文模版和数模资料。

一、背景

无线局域网（Wireless Local Area Network，WLAN）是一种无线计算机网络，使用无线信道作为传输介质连接两个或多个设备。WLAN基于IEEE 802.11标准不断演进，驱动力是人们的业务诉求，从语音/邮件到网页和视频以及更加复杂的虚拟现实/增强现实，WLAN的部署场景也从家庭场景迅速覆盖到无线化办公、教育、医疗、工业制造、仓储等场景。下一代Wi-Fi 7标准支持峰值速率30Gbps，但在高密部署场景下，节点密集度增加，相邻小区覆盖范围重叠使得干扰、碰撞等问题突出，实际部署带宽和数据传输速率大幅下降，因此可支持系统吞吐量仍然有限，需要对WLAN系统进一步优化。

WLAN优化问题的基础问题是吞吐量预测，吞吐量指节点单位时间内成功发送的比特数。精准和快速的吞吐量预测能够为设计鲁棒性和高性能WLAN系统提供很大的技术提升空间。最近一些研究利用机器学习的方法，通过特征提取，如信道、带宽、流量、发送功率、信道接入机制等基本信息、各个节点之间的接收信号强度（Received Signal Strength Indication, RSSI）、信干噪比（Signal to Interference and Noise Ratio, SINR）、传输时间等架构信息、以及节点动态位置、动态干扰等临时信息，进行训练和建模，从而预测系统的吞吐量。这些研究大多通过与仿真结果对比，来验证模型的预测精度。然而实际部署中，WLAN系统的通信行为受到信道环境、干扰的快速变化，业务流量复杂多样的影响，仿真结果并不精确，因此依靠仿真所训练的模型无法真正商用。

本赛题期望能够基于WLAN实测数据，分析WLAN网络拓扑、节点间RSSI、信道接入机制、干扰等因素对WLAN数据发送、速率的影响，进一步地，对WLAN系统吞吐量进行精确预测。基于该吞吐量预测模型，对WLAN进行优化，有望突破工业、教育、医疗等新场景，为用户提供极致的业务体验。

二、WLAN网络

2.1 组网架构

基本服务集（Basic Service Set, BSS）是WLAN的基本组成部分。在WLAN组网架构中（见图2.1），处于某一区域内的站点（Station, STA）与一个无线接入点（Access point, AP）组成一个BSS，该AP专职管理这些STA，称这些STA关联到这个AP，每个时刻STA只能关联到一个AP。常见的AP有无线路由器、WiFi热点等，常见STA有手机、笔记本、物联设备等。AP给STA发送数据称为下行；反之是上行，每个节点发送和接收数据不能同时发生。

图2.1 WLAN组网架构

2.2 接入机制

WLAN中工作在同一信道的各节点共享信道，节点通过载波侦听多址接入/退避的机制避免冲突。接入过程可分为以下3个步骤：

1. 信道可用评估（Clear Channel Assessment，CCA）：节点有数据要发送时，首先对工作信道进行固定时长的载波侦听，这个固定时长被称为分布式协调帧间距（Distributed Coordination Function Inter-frame Space, DIFS）。如果DIFS时段内接收到的信号强度RSSI低于CCA门限，判断信道为空闲，否则判断信道为繁忙。

2. 随机回退：判断信道为空闲时，为避免节点间碰撞，每个节点根据其竞争窗口（Contention Window, CW），从[0, CW–1]的整数均匀分布选取一个随机整数作为回退数，将其乘以时隙slotTime（9μs），称为随机回退时段。如果信道在随机回退时段保持空闲，则节点开始一次数据传输。如果期间信道变繁忙，节点将暂停回退，直到信道重新在DIFS内空闲，再继续前面的回退。随机回退采用二进制指数退避算法确定，具体见附录。

3. 数据传输：回退到0的节点发送一个数据帧，接收节点在成功接收到数据之后等待短帧帧间距（Short Inter-frame Space, SIFS）16μs，回复确认帧（Acknowledgement, ACK）32μs。

2.3 CCA门限

WLAN有两层协议栈，即物理（Physical, PHY）层和媒体接入控制（Medium Access Control, MAC）层。数据字段首先在MAC层封装MAC头，携带源MAC地址和目的MAC地址，接着在PHY层封装上PHY头，用于调制和解码，形成一个完整的Wi-Fi帧被发送出去。信道中传输的数据可以被一定区域内的任何其他节点接收，节点首先对PHY头解码，将解封装的数据帧上送到MAC层，节点通过MAC头携带的目的地址识别发送给自己的数据。AP通常配8根不同角度的天线接收信号，所有天线接收RSSI的和用于解码。

WLAN引入包检测（Packet Detection, PD）门限和能量检测（Energy Detection, ED）门限这两个CCA门限，典型值分别是–82dBm和–62dBm。若节点PHY层接收机检测到完整的数据包的PHY头的前导（Preamble），则判定为Wi-Fi报文，采用PD门限；若未检测到Preamble，判定为非Wi-Fi报文，则采用ED门限判断信道忙闲。

AP通常配8根不同角度的天线接收信号，各天线所接收RSSI的和就是所接收信号的RSSI。然而，在进行PD和ED门限判决时，仅采用各天线所接收RSSI中的最大值。

2.4 NAV机制

为保障低延时等高优先级业务，WLAN支持在MAC头携带网络分配矢量（Network Allocator Vector, NAV）字段，指示其它节点在该NAV时段内静默来为自己清空信道。NAV时段为该节点从发送数据帧到接收完ACK的时长。一个节点若处于其它节点指示的NAV静默期，则不竞争信道。在组网中，当AP PHY层接收到来自相邻BSS的数据帧时，若RSSI低于NAV门限（通常为–82dBm），则停止接收，直接丢弃；若RSSI高于NAV门限，则完成接收，并将其上送到MAC层，更新MAC头中携带的NAV时段。关于信道忙闲按CCA门限判断并结合静默期决定。AP采用各天线所接收RSSI的平均值用于NAV门限判决。

2.5同步传输和异步传输

当两个节点间的RSSI>ED时，一个节点传输数据时，另一节点检测信道为繁忙，称两个节点能“听”到。那么多数情况下二者的数据传输将交替进行，只在偶然同时回退到0时同时开始数据传输。节点同时发送数据时产生碰撞，可能导致传输失败。这种在节点间可侦听情况下发生的传输称为同步传输，包括交替进行和同时发生的传输。

WLAN实际部署中，受覆盖范围和可用信道数约束，工作在相同信道的同频AP间RSSI大多处于[PD, ED]区间，一个区域内同频AP数量通常为3~5个。受业务类型影响，包长差异较大，如图2.2所示，在某次同步传输过程中，先结束传输的AP2进行CCA时，由于已经错过侦听AP1的Preamble，将采用ED作为CCA门限，从而判定信道为空闲，在回退到0时开始一次新的传输。称为异步传输。若AP1结束传输时，AP2的第二次传输已开始，则AP1同样原因可能会开始第二次传输，那么两个AP可能进入长时间的异步传输状态。

图2.2 一次异步传输和异步传输状态示意图

此外，NAV门限也对AP的传输方式有影响。如果AP间RSSI小于NAV门限，则相邻小区的数据被丢弃，NAV静默期不更新，两个AP总是不互“听”，每个AP独立收发数据。如果AP间RSSI大于NAV门限，当相邻小区发送数据时，若能检测到其Preamble，则NAV时段内需要静默，否则由于无法解码致使NAV不更新。因此，在异步传输发生概率高时，NAV失效。

2.6 自适应调制编码算法

发送数据的PHY层速率（PHY Rate）由调制编码方案（Modulation and Coding Scheme, MCS）和空间流数（Number of Spatial Stream, NSS）表征，一组（MCS, NSS）对应一个PHY Rate（见4.2节）。MCS和NSS越高，发送时携带的有效比特数越多，即PHY Rate越高。节点的PHY层对信号进行解调时，要求一定的SINR，其SINR越高，可支持成功解调的MCS和NSS越高。WLAN采用经典的自适应调制解调（Adaptive Modulation and Coding, AMC）算法，根据信道条件动态调整发送数据使用的（MCS, NSS）。具体地，初始化时采用默认值（如MCS6, NSS2）发送数据，并持续统计和更新丢包率（Packet Error Rate, PER）。当PER高于一定阈值时，代表当前SINR下，以该（MCS, NSS）发送数据的解调成功率低，需要降低MCS和NSS；否则提高MCS和NSS。AMC算法自适应寻找最优的PHY Rate发送数据，使得吞吐量最大。

三、WLAN系统吞吐量建模

赛题附件提供了WLAN组网场景下的实测数据，测试拓扑如图3.1所示，同频AP数量为2或3，AP向各自关联的STA发送下行数据。数据集提供了包括网络拓扑、业务流量、门限、节点间RSSI的测试基本信息，以及测试中收集的数据帧相关统计信息，即各节点发送时长、（MCS, NSS）、PER、吞吐量。测试基本信息即为模型输入，所收集统计信息为模型输出。

图3.1 测试拓扑

赛题目标是根据实测数据集中的测试基本信息，分析影响WLAN系统吞吐量的关键信息，并对系统吞吐量进行建模和预测。附件数据集中，训练集以“training_set_xx”命名，测试集“test_set_xx”命名。

WLAN部署后，节点基于信道竞争接入机制进行CCA和随机回退，并发送数据。在节点间RSSI、信道竞争接入机制、CCA门限、NAV机制等共同影响下，节点以一定的概率发送数据。在测试中，每个AP竞争到信道发送下行数据的机会，可以用每个AP发送数据帧序列的总时长来表征，帧序列时长从开始发送一个数据帧到接收ACK结束。以两个AP传输一段时间为例，仅有同步传输时，每个AP交替抢到信道，偶然同时发送，发送时长基本上各占一半。两个AP总是不互听时，每个AP独立持续抢到信道，发送时长基本占满。当异步传输和同步传输混合时，每个AP的发送时长介于前述二者之间。

问题1. 请根据附件WLAN网络实测训练集中所提供的网络拓扑、业务流量、门限、节点间RSSI的测试基本信息，分析其中各参数对AP发送机会的影响，并给出影响性强弱的顺序。通过训练的模型，预测每个AP的发送机会，即发送数据帧序列的总时长（seq_time），并通过测试集 test_set_1_2ap和test_set_1_3ap（仅提供模型输入信息）预测AP发送数据帧序列的总时长。可按照同频AP个数分类分析和分别建模，也可统一分析和建模。

除了发送机会外，WLAN网络吞吐量还取决于发送时所选用的PHY Rate以及数据帧的比特数。AP给不同STA发送数据所选用的（MCS, NSS），即PHY Rate，受传输方式和干扰情况影响。以两个AP传输一段时间为例，有以下三种情形：

a）仅有同步传输时，两个AP交替抢到信道，偶然同时发送。因此，STA接收数据时的干扰主要来自环境底噪，因而SINR高，AP选用的（MCS, NSS）较高，PHY Rate高。

b）当两个AP总是不互听时，STA接收数据时可能受到较小的邻区干扰和环境底噪。分析时，假设环境底噪可忽略，则STA的SINR为关联AP到该STA的RSSI与邻区AP到该STA的RSSI之差。以图3.1中AP1与AP2为例，AP1发送数据给STA1-2，AP2发送数据给STA2-1，那么STA1-2在接收来自AP1的信号时，受到来自AP2的干扰，其SINR为AP1到STA1-2的RSSI与AP2到STA1-2的RSSI之差，STA2-1同理。AP发送数据选用的（MCS, NSS）与SINR相关。

c）当两个AP的RSSI处于[PD, ED]或[NAV, PD]时，传输中出现由于错过Preamble而导致的异步传输，与同步传输混合。那么在同步传输阶段，STA接收数据时受到的干扰只有环境底噪，在异步传输阶段，干扰来自邻区AP和环境底噪。

可见，AP的AMC所选用的（MCS, NSS）不仅与SINR相关，同时也与AP的传输方式相关。

问题2. 请根据附件提供的实测训练集中的测试基本信息，特别是节点间RSSI信息和门限信息，结合问题1中对AP发送机会的分析，对测试中AP发送数据选用最多次数的（MCS, NSS）进行建模，并通过测试集 test_set_2_2ap和test_set_2_3ap（仅提供模型输入信息）预测（MCS, NSS）。（AP在AMC算法下自适应调节发送速率，过程中可能采用多个（MCS, NSS）,AMC算法收敛速度快，故其中选用最多次数的（MCS, NSS）反映了SINR水平）

问题3. 请结合问题1和问题2的分析，对系统吞吐量进行建模，并通过测试集test_set_1_2ap和test_set_1_3ap预测网络吞吐量。可按照同频AP个数分类建模，也可统一建模。无线信道具有瞬息万变的特点，实测中所测量的RSSI信息属于大尺度信息，不足以完全反应真实信道变化，因而问题2对（MCS, NSS）的建模可能无法获得很高精度。本问题允许采用实测中统计的数据帧真实（MCS, NSS）作为模型输入变量。