利用多路径TCP学习Wi-Fi连接丢失预测以实现无缝垂直切换
网络与互联网体系结构
2020-06-16 v1 机器学习
摘要
我们提出一种新颖的数据驱动方法，在智能手机上执行平滑的Wi-Fi/蜂窝切换。我们的方法依赖多个智能手机传感器（如Wi-Fi RSSI、加速度、指南针、计步器、气压）提供的数据来预测Wi-Fi连接丢失，并使用多路径TCP（Multipath TCP）在不同连接模式间动态切换。我们在五名智能手机用户三个月内收集的真实传感器数据上训练了随机森林分类器与人工神经网络。训练好的模型在智能手机上运行，可提前15秒可靠预测Wi-Fi连接丢失，精确率高达0.97，召回率高达0.98。此外，我们给出了在Nexus 5智能手机上使用可用Wi-Fi/蜂窝网络运行的四个DASH视频流实验的结果。对Wi-Fi连接丢失的神经网络预测被用于建立蜂窝链路上的MPTCP子流。实验表明，我们的方法提供无缝无线连接，改善DASH视频流体验质量，且相比无Wi-Fi连接丢失预测的切换方法所需蜂窝数据更少。
引用
@article{arxiv.1907.10493,
title = {Learning Wi-Fi Connection Loss Predictions for Seamless Vertical Handovers Using Multipath TCP},
author = {Jonas Höchst and Artur Sterz and Alexander Frömmgen and Denny Stohr and Ralf Steinmetz and Bernd Freisleben},
journal= {arXiv preprint arXiv:1907.10493},
year = {2020}
}
备注
LCN 2019 Cam Ready Version