一种受社会学启发的 CALM 方法用于信道分配性能预测与 WMN 容量估计
网络与互联网体系结构
2018-08-20 v1
摘要
大量研究文献致力于无线网状网络（WMNs）中的干扰缓解，特别侧重于设计缓解干扰对 WMN 性能影响的信道分配（CA）方案。但面对海量可用的 CA 方案，为给定 WMN 选择合适的 CA 变得极其繁琐且耗时。本工作中，我们提出一种受社会理论启发的新型干扰估计与 CA 性能预测算法 CALM。我们借鉴“sui generis”社会实在这一社会学思想，并将其应用于 WMN，取得了显著成功。为此，我们设计了一种新颖的社会学思想借鉴机制，便于在其他领域中对社会学概念进行操作化。进一步，我们构建了一个称为 NETCAP 的启发式混合整数规划（MIP）模型，该模型利用 CALM 生成的链路质量估计，为网络容量预测提供可靠框架。我们通过在 ns-3 802.11g 环境下进行详尽仿真获得实验数据，针对包含四十种 CA 方案的全面 CA 测试集评估其理论估计，从而证明了 CALM 的有效性。我们将 CALM 与三种现有干扰估计度量进行比较，证明其始终更为可靠。CALM 在性能测试中准确率超过 90%，在压力测试中也达到 88% 的准确率，而其他度量的准确率降至 75% 以下。与其他度量相比，它将 CA 性能预测误差最多降低 75%。最后，我们验证了 NETCAP 生成的预期网络容量估计，表明其相当准确，在性能测试中与实验记录结果相比平均偏差低至 6.4%。
引用
@article{arxiv.1808.05640,
title = {A Socio-inspired CALM Approach to Channel Assignment Performance Prediction and WMN Capacity Estimation},
author = {Srikant Manas Kala and Vanlin Sathya and M Pavan Kumar Reddy and Betty Lala and Bheemarjuna Reddy Tamma},
journal= {arXiv preprint arXiv:1808.05640},
year = {2018}
}