INSPIRE：用于改善密集 WLAN 中空间复用的分布式贝叶斯优化
网络与互联网体系结构
2023-10-31 v3 机器学习
摘要
WLAN 已超越有线网络成为设备连接互联网的主要方式，但由于无线电频谱空间稀缺，容易出现性能问题。对此，IEEE 802.11ax 及后续修订旨在通过允许动态更新无线传输中的两个关键参数：发射功率（TX_POWER）和灵敏度阈值（OBSS_PD），来提高无线电信道的空间复用。在本文中，我们提出 INSPIRE，一种基于高斯过程执行本地贝叶斯优化的分布式解决方案，用于改善 WLAN 中的空间复用。INSPIRE 对 WLAN 的拓扑不做明确假设，并倾向于接入点的利他行为，引导它们为 WLAN 的“更大利益”找到合适的 TX_POWER 和 OBSS_PD 参数配置。我们使用 ns-3 模拟器以及两个受真实密集 WLAN 部署启发的示例，证明了 INSPIRE 优于其他最先进策略。我们的结果表明，仅在几秒内，INSPIRE 就能通过改善公平性和吞吐量大幅提高运行 WLAN 的服务质量。
引用
@article{arxiv.2204.10184,
title = {INSPIRE: Distributed Bayesian Optimization for ImproviNg SPatIal REuse in Dense WLANs},
author = {Anthony Bardou and Thomas Begin},
journal= {arXiv preprint arXiv:2204.10184},
year = {2023}
}