0 概述

随着信息技术的发展和移动智能终端的普及, 越来越多的终端设备需要通过IEEE 802.11无线局域网(Wireless Local Area Network, WLAN)接入因特网以实现互联互通^[1]。IEEE 802.11n协议通过引入多输入多输出(Multi-Input Multi-Output, MIMO)、信道绑定、帧聚合以及块确认(Block ACK)等技术, 提供了更高效的物理层和介质访问控制(Media Access Control, MAC)层, 支持6.5 Mb/s~600 Mb/s范围内的300多种比特速率^[2]。速率自适应^[3]是指节点根据当前信道的状态信息选择最佳传输速率, 从而提高网络的传输性能。由于图片、音频等多媒体数据流的出现, 有限的无线带宽资源面临着严峻的考验^[4]。目前, 为IEEE 802.11n协议设计速率自适应算法成为学术界和工业界关注的热点之一, 并已取得了一定的研究成果。

文献[5]基于MIMO技术提出一种MiRA算法, 该算法在不同速率下发送探测包, 以测量链路的质量并选择合适的比特速率, 然后在单数据流(Single Stream, SS)和双数据流(Double Stream, DS)2种模式之间进行有效切换。文献[6]提出的MinstrelHT算法是ath9k^[7]网卡驱动中使用的默认速率自适应机制, 该算法通过在不同的调制与编码方案(Modulation and Coding Scheme, MCS)下进行随机采样, 获取对应方案下的吞吐量与丢包率, 为数据选择最高期望吞吐量的传输方案。但是, MiRA算法和MinstrelHT算法的速率调整具有滞后性, 无法实时追踪信道状况的快速变化, 尤其不适用于快衰落时变信道。

为提高速率调整的实时性, 文献[8]通过大量实验得出发送端的接收信号强度指示(Received Signal Strength Indicator, RSSI)与MCS索引值^[9]、信道带宽及数据流模式^[10]的最佳设置之间的关系, 提出一种混合速率自适应算法SampleLite。但是, 在不同类型的硬件中, RSSI与各参数最佳设置之间的关系具有差别, 需要针对特定的设备进行校准。文献[11]从能效最优的角度设计速率自适应算法, 实现了吞吐量与能耗之间的平衡。文献[12-13]针对视频流的特性对速率自适应算法进行优化, 以提升视频数据的传输质量。

帧聚合机制会增加速率自适应算法对信道变化的反应时间, 为解决该问题, 受文献[14]启发, 本文提出一种联合动态聚合帧长机制的速率自适应算法JodaRA。引入权重思想统计聚合帧的发送情况, 并将其作为速率调整的依据, 设计基于子帧丢失加权和(Sub-Frame Loss Weight Sum, SFLWS)的速率选择方案。为提升速率选择的实时性和精确性, 设计混合型速率选择策略, 结合发送端的RSSI和接收端的传感器信息(Sensor-hints)^[15]来感知链路的变化情况, 根据链路状态选取合适的速率选择方案。在此基础上, 联合动态聚合帧长机制, 根据链路通信质量自适应调整聚合帧的最大长度, 以缩短JodaRA算法对信道变化的反应时间。

1 帧聚合机制下的速率自适应算法

对于IEEE 802.11a/b/g标准而言, 基于分组统计信息的速率自适应算法RRAA^[16]能够通过统计分组的发送或接收情况, 以估计无线链路的质量并据此来提高或降低比特速率, 最终使系统达到最优。但是在IEEE 802.11n无线网络中, 由于帧聚合和Block ACK机制的引入, 一个协议数据单元A-MPDU(Aggregate-MAC Protocol Data Unit)包含多个协议数据单元MPDU^[17], 在传输整个A-MPDU的过程中无法进行速率调整, 这增加了算法对信道变化的反应时间, 最终对网络的吞吐量产生影响。

1.1 实验参数配置

本节利用NS-3^[18]网络系统仿真软件模拟IEEE 802.11n和IEEE 802.11g^[19]2种协议, 并在2种协议下分别对RRAA算法进行仿真分析。NS-3的参数配置如表 1所示, 其采用UDP单向传输协议, 以54 Mb/s的恒定比特率(Constant Bit Rate, CBR)发送UDP数据流。

1.2 RRAA算法性能分析

经实验测得, RRAA算法在IEEE 802.11n、IEEE 802.11g中的UDP吞吐量分别为25.767 2 Mb/s、28.437 6 Mb/s, 该算法在2种协议下的速率选择情况如图 1所示。

由图 1(a)可以看出, 在IEEE 802.11n网络中, RRAA算法多次出现比特速率跨越式增降的问题, 比如在78 ms时, 速率从39 Mb/s直接降至13 Mb/s, 跨越幅度为26 Mb/s。由图 1(b)可以看出, RRAA算法在IEEE 802.11g网络中每次只提高或降低一档比特速率, 并未出现跨越式增降的现象。

在帧聚合情况下, 由于发送站点需要以同一速率连续发送一个A-MPDU中的多个MPDU, 在发送过程中不能调节速率。因此, 基于分组统计信息的速率自适应算法对信道变化的反应时间将大幅增加。

2 JodaRA算法

帧聚合机制会增加基于分组统计信息的速率自适应算法对信道变化的反应时间, 针对该问题, 本文首先引入权重思想来统计A-MPDU中每个MPDU的发送情况, 将子帧丢失加权和作为速率调整的依据, 设计一种速率选择方案; 其次, 采取混合型速率选择策略, 根据链路的动态变化情况选取合适的速率选择方案; 最后, 为进一步降低帧聚合机制对JodaRA算法的影响, 引入动态聚合帧长机制, 根据子帧丢失率评定链路等级并设定聚合帧的最大长度。

2.1 基于子帧丢失加权和的速率选择方案

与传统分组统计信息不同, 为缩短信道反应时间, JodaRA算法只统计分析一个A-MPDU中最后10个MPDU的发送情况, 如果A-MPDU中MPDU的数量不足10, 则统计全部MPDU的发送情况。用一个首项为1、公比为0.9的等比数列为这10个MPDU分配相应的权重值, 越靠后的MPDU对应的权重值越大。此时统计子帧丢失加权和如下:

$ SFLWS = \sum\limits_{i = 0}^{n - 1} {{s_i}} \times {0.9^n} $

(1)

其中, s_i为倒数第i个MPDU的状态, 若该MPDU发送成功即Block ACK帧的bitmap对应位为1, 则s_i为0;若该MPDU发送失败即bitmap对应位为0, 则s_i为1。n为统计的MPDU数量, 若聚合帧的数量小于10, 则n为具体的聚合帧数, 若聚合帧的数量大于10, 则n为10。

在基于子帧丢失加权和的速率选择方案中, 速率调整流程如下:若SFLWS>2, 则向下调低一档速率; 若SFLWS < 1, 则向上提升一档速率; 若发送端未成功接收到Block ACK帧, 说明链路质量较差, 无法根据Block ACK来统计链路质量的相关信息, 则默认降速一档。

2.2 混合型速率选择策略

为适应无线链路的高度动态变化, JodaRA算法将基于发送端RSSI的速率选择方案与基于子帧丢失加权和的速率选择方案相结合, 提出一种混合型速率选择策略。当链路高度动态变化时选取基于发送端RSSI的速率选择方案, 当链路状态稳定时选取基于子帧丢失加权和的速率选择方案, 从而提升速率选择的实时性和准确性并最大化网络的吞吐量。

2.2.1 链路状态变化感知

JodaRA算法根据接收端提供的Sensor-hints和发送端的RSSI来感知链路状态的变化情况。当发送端RSSI的变化幅度大于3或接收端以高于Speed_threshold的速度移动时, 可判断该节点处的链路状态在高度动态变化。图 2(a)、图 2(b)分别是节点静止和移动(速度为3 m/s)2种状态下RSSI的变化情况, 可以看出, 当节点的移动速度为3 m/s时, 其RSSI动态变化明显, 因此, 本文设定速度阈值Speed_threshold为3 m/s。

2.2.2 基于发送端RSSI的速率选择方案

文献[8]通过实验得出发送端RSSI与最佳MCS索引值、最佳带宽以及最佳数据流数之间的关系。JodaRA算法通过发送端收到的Block ACK帧来统计发送端RSSI_b, 选择对应的MCS索引值、带宽和数据流数, 从而选出合适的比特速率。发送端RSSI与最佳MCS索引值、最佳带宽以及最佳数据流数之间的关系分别如表 2~表 4所示。

由于RSSI值受到硬件设备本身及通信环境的影响, 单个RSSI值不能准确反映链路的实际通信状态, 因此本文采用基于误差的滤波器(Error-based Filter, EF)^[20]对RSSI值进行估计, 如下:

$ R S S I_{b}=\gamma R S S I_{b-1}+(1-\gamma) R S S I_{\text {current }} $

(2)

其中, RSSI_current是当前Block ACK帧的RSSI值, RSSI_b是当前Block ACK帧的RSSI估计值, RSSI_b-1是上一个Block ACK帧的RSSI估计值, γ是滤波器的平滑因子。

EF滤波器是对指数加权移动平均(EWMA)滤波器的一种改进, 其中, γ不再是一个固定值, 而是随着滤波器的预测能力自适应地变化。γ计算公式如下:

$ \gamma=1-\frac{\delta_{b}}{\delta_{\max }} $

(3)

其中, δ_b表示估计误差, 单个观察值的误差是当前Block ACK帧的测量值RSSI_current与上一个Block ACK帧的估计值RSSI_b-1差值的绝对值, δ_max是当前观测到的m个δ_b中的最大值。在EF滤波器的每一步计算中, 都通过二次指数加权移动平均对绝对误差值进行平滑过滤。δ_b的计算公式如下:

$ \delta_{b}=\sigma \delta_{b-1}+(1-\sigma)\left|R S S I_{b-1}-R S S I_{\text {current }}\right| $

(4)

其中, σ是一个经验值, 通过实验分析, 本文设置σ的值为0.7。

2.2.3 混合型速率选择策略描述

本文混合型速率选择策略的伪代码描述如下:

算法1   混合型速率选择算法

1.while 1 do

2.if Speed>Speed_threshold‖ |RSSI_b－RSSI_b-1| ≥3 then

3.for MCS_i=7 to 0 do

4.if RSSI_b≥Threshold(MCS_i) then

5.n=MCS_i;

6.end if

7.end for

8.if RSSI_b≥Threshold(ChannelBonding) then

9.bandwidth=40;

10.else then

11.bandwidth=20;

12.end if

13.if RSSI_b≥Threshold(NumberOfStreams) then

14.streams=2;

15.else then

16.streams=1;

17.end if

18.bitrate=Rate_{mcs, cw, nos};

19.else then

20.if None Block ACK then

21.bitrate=bitrate-1;

22.else if SFLWS>2 then

23.bitrate=bitrate-1;

24.else if SFLWS < 1 then

25.bitrate=bitrate+1;

26.else then

27.bitrate=bitrate;

28.end if

29.end if

30.return bitrate;

算法1首先根据发送端的RSSI或接收端的Sensor-hints进行链路状态变化判断(第2行), 当链路高度动态变化时, 选取基于发送端RSSI的速率选择方案(第3行~第18行), 根据发送端RSSI依次选择合适的MCS值(第3行~第7行)、信道带宽(第8行~第12行)和数据流数量(第13行~第17行); 当链路质量稳定时, 选取基于子帧丢失加权和的速率选择方案(第19行~第29行), 根据SFLWS来调整速率。

2.3 动态聚合帧长机制

JodaRA算法定义子帧丢失率(Sub-Frame Loss Rate, SFLR)来辅助调整聚合帧的最大长度。SFLR计算公式如下:

$ S F L R=\frac{n_{\text {sfloss }}}{n_{\text {sf }}} $

(5)

其中, n_sfloss为A-MPDU中发送失败的MPDU数量, n_sf为A-MPDU中总的MPDU数量。

JodaRA算法根据SFLR将链路分为A、B、C、D4个等级, A级别最好, B、C次之, D最差, 每个等级所对应的最大聚合帧长度如表 5所示。JodaRA算法初始时将链路等级定为B级, 对应的聚合帧最大长度为(2¹⁵-1)Byte。

链路等级转换过程如图 3所示, 其中, p为系统允许的最大子帧丢失率, q为链路升级后系统允许的最大子帧丢失率。

若当前链路等级对应的最大聚合帧长度为l, 则链路升级后聚合帧的最大长度变为2l+1, 因此, q值可由p值计算得到:

$ \begin{array}{l}{1-p=\alpha^{2 l+1}} \end{array} $

(6)

$ {1-q=\alpha^{l}} $

(7)

其中, α为本文定义的中间变量, 以更直观地表示p与q之间的关系。当链路质量发生变化时, 若SFLR>p, 即SFLR已经超过系统允许的最高子帧丢失率, 则链路等级下降一级; 若SFLR < q, 即SFLR低于链路升级后系统允许的最高子帧丢失率, 则链路等级上升一级; 若当前链路已处于最高(最低)等级时, 则等级不上升(下降)。

3 JodaRA算法性能分析

本文采用NS-3软件搭建基于IEEE 802.11n的网络仿真平台, 并在此平台上对JodaRA算法进行性能分析。在4种不同的节点移动状态下进行实验, 选择RRAA、MinstrelHT和SampleLite 3种速率自适应算法作为参考, 对比各算法的吞吐量和平均子帧丢失率性能差异。

3.1 仿真环境搭建

图 4所示为基于NS-3搭建的IEEE 802.11n网络仿真平台, 该平台采用基本的网络拓扑结构, 在AP与STA节点之间建立一对一的基础网络。

IEEE 802.11n网络仿真平台中的AP和STA节点需要对PHY层、MAC层和无线信道中的参数进行配置, 具体如表 6所示。仿真时采用UDP单向传输协议, 绑定200 Mb/s的CBR数据流。

通过配置STA的RandomWalk2dMobilityModel模型参数, 模拟4种不同的节点移动状态。其中, 运动速度0.0 m/s、0.5 m/s、1.5 m/s和5.0 m/s分别模拟了节点静止、缓慢移动、正常移动和快速移动的状态。同时, 引入LogDistancePropagationLossModel和JakesPropagationLossModel 2种模型, 分别模拟无线信道中的小尺度衰落和大尺度衰落。

3.2 UDP吞吐量性能分析

在无干扰环境中, 递增AP与STA节点的间距, 在不同的节点移动速度下各速率自适应算法的UDP吞吐量性能对比结果如图 5所示。由图 5(a)、图 5(b)及图 5(c)可以看出, 在节点静止或慢速移动的情况下, 即信道状态相对稳定, 当节点间距为5 m、15 m和25 m时, JodaRA算法的UDP吞吐量明显高于SampleLite、MinstrelHT和RRAA 3种算法。这是由于在信道稳定时, JodaRA算法先采用基于发送端RSSI的方案初步选择合适的比特速率, 然后再通过基于子帧丢失加权和的速率选择方案选择出更准确的比特速率。当节点间距增大到30 m时, JodaRA算法的UDP吞吐量较MinstrelHT算法有小幅提升, 因为MinstrelHT算法具备速率探测功能, 会尝试以更高的发送速率去传输数据帧, 更高的发送速率虽然导致了更高的误比特率, 但相同时间内可以成功传输更多的数据帧, 使得吞吐量得到提升。由图 5(d)可以看出, 在节点高速移动的情况下, JodaRA算法的UDP吞吐量略高于SampleLite算法, 此时JodaRA与SampleLite算法都采用基于发送端RSSI的速率选择方案以提升速率选择的实时性。对图 5的实验数据进行统计, 可以得出, 相对RRAA、MinstrelHT和SampleLite 3种算法, JodaRA算法的UDP吞吐量分别提高了90 %、57 %和22 %。

3.3 平均子帧丢失率性能分析

除UDP吞吐量以外, 子帧丢失率SFLR也能很好地反映速率选择的效果。图 6所示为节点不同运动状态下JodaRA、SampleLite和MinstrelHT 3种算法的平均SFLR对比结果。从图 6可以看出, JodaRA算法的平均SFLR在各种运动状态下均优于其他2种算法, 尤其是在节点快速移动的情况下。这是因为JodaRA算法联合了动态聚合帧长机制, 根据链路状态自适应地设定聚合帧的最大长度, 能够大幅提高A-MPDU中MPDU的传输成功率, 最终有效降低系统的SFLR。

4 结束语

本文提出一种联合动态聚合帧长机制的速率自适应算法JodaRA。为缩短算法在帧聚合机制下对信道变化的反应时间, 引入权重思想统计A-MPDU的发送情况, 设计基于子帧丢失加权和的速率选择方案, 并根据链路状态动态设置聚合帧的最大长度。采取基于发送端RSSI与子帧丢失加权和的混合型速率选择策略, 对链路状态变化情况进行感知, 选用适合当前链路状态的速率选择方案, 以提高算法的实时性和准确性。仿真结果表明, 在不同的节点移动状态下, 该算法的UDP吞吐量和平均SFLR性能均优于MinstrelHT和SampleLite算法。下一步将在实际IEEE 802.11n硬件系统平台上实现JodaRA算法, 以验证该算法的可行性和高效性。