802.11ad 中波束赋形训练的绩效分析与增强
系统与控制
2023-01-04 v1 信息论
系统与控制
math.IT
摘要
波束赋形（BF）训练对于在站点（STA）与接入点之间建立可靠的毫米波通信连接至关重要。在 IEEE 802.11ad BF 训练协议中，所有 STA 竞争有限的 BF 训练机会，即关联的 BF 训练（A-BFT）时隙，这导致严重的冲突和显著的 BF 训练时延，尤其在密集用户场景中。本文中，我们首先建立解析模型来评估 BF 训练协议性能。我们的解析模型考虑了多种协议组件，包括用户密度、A-BFT 时隙数量以及协议参数，即重试限制和竞争窗口大小。随后我们推导了平均成功 BF 训练概率、BF 训练效率与时延。由于推导出的 BF 训练效率为隐函数，为揭示系统参数与 BF 训练性能之间的关系，我们还推导了 BF 训练效率的近似表达式。理论分析表明，BF 训练效率在密集用户场景中急剧下降。为解决该问题，我们提出了一种增强方案，根据用户密度自适应调整协议参数，以改善密集用户场景中的 BF 训练性能。我们进行了大量仿真以验证所建解析模型的准确性。此外，仿真结果表明，所提增强方案在密集用户场景中可将 BF 训练效率提升 35%。
引用
@article{arxiv.2301.01140,
title = {Performance Analysis and Enhancement of Beamforming Training in 802.11ad},
author = {Wen Wu and Nan Cheng and Ning Zhang and Peng Yang and Khalid Aldubaikhy and Xuemin and Shen},
journal= {arXiv preprint arXiv:2301.01140},
year = {2023}
}
备注
The paper is accepted by IEEE Transactions on Vehicular Technology (TVT)