面向 Legacy Wi-Fi 的公平 AI-STA：基于深度 Q 学习的感知与功率管理
网络与互联网体系结构
2025-01-22 v2
摘要
随着 Wi-Fi 网络复杂度的增加和 802.11 协议的迭代演进，载波侦听多路访问带冲突避免 (CSMA/CA) 协议面临在 legacy 与现代 Wi-Fi 设备之间实现公平信道访问和高效资源分配的重大挑战。为解决这些挑战，我们提出一种基于深度 Q 学习 (DQN) 模块的 AI 驱动站点 (AI-STA)，该模块动态调整其接收灵敏度阈值和发射功率。AI-STA 算法旨在最大化资源分配的公平性，同时满足多样化的质量服务 (QoS) 要求。通过在 Wi-Fi 网络中的离散事件仿真评估了 AI-STA 的性能，结果表明其在公平性和 QoS 指标方面优于传统站点。尽管 AI-STA 并未表现出异常卓越的性能，但它在满足 QoS 和公平性要求方面具有重要潜力，前提是纳入额外的 MAC 参数。所提出的 AI 驱动的灵敏度和功率算法为在 legacy Wi-Fi 网络中的 AI-STA 设备优化灵敏度和功率控制提供了稳健的框架。
引用
@article{arxiv.2412.10874,
title = {Fair AI-STA for Legacy Wi-Fi: Enhancing Sensing and Power Management with Deep Q-Learning},
author = {Peini Yi and Wenchi Cheng and Zhanyu Ju and Jingqing Wang and Jinzhe Pan and Yuehui Ouyang and Wei Zhang},
journal= {arXiv preprint arXiv:2412.10874},
year = {2025}
}