面向实时应用的 MU-MIMO 分组
网络与互联网体系结构
2021-07-28 v2 机器学习
多媒体
摘要
在过去十年中，带宽扩展与 MU-MIMO 频谱效率有望通过允许一个接入点与多个用户之间并发通信来提高数据吞吐量。然而，由于异构信道条件与设备、不可靠传输，以及底层与上层需求之间缺乏有用的反馈交换，在实用的 WiFi 网络环境中，对于视频流等带宽饥渴型应用，我们仍远未享受到此类 MU-MIMO MAC 协议改进带来的好处。本文提出 MuViS，一种新颖的双阶段优化框架，其针对 IEEE 802.11ac 上的多用户视频流提出了体验质量(Quality of Experience, QoE)感知的 MU-MIMO 优化。MuViS 首先利用强化学习，基于用户的 PHY/MAC 层特征优化 MU-MIMO 用户组与模式选择。随后根据用户模式（多用户(Multi-User, MU)或单用户(Single-User, SU)）优化视频码率。我们给出了基于智能手机与笔记本电脑使用 802.11ac WiFi 的设计与评估。我们在多种室内环境与配置下的实验结果表明，该框架可扩展，能够支持大量用户以高视频速率流式传输并满足 QoE 需求。
引用
@article{arxiv.2106.15262,
title = {MU-MIMO Grouping For Real-time Applications},
author = {Hannaneh Barahouei Pasandi and Tamer Nadeem and Hadi Amirpour},
journal= {arXiv preprint arXiv:2106.15262},
year = {2021}
}