使用一种简单深度强化学习方法的 Wi-Fi 速率自适应
网络与互联网体系结构
2022-02-14 v2
摘要
近期 Wi-Fi 修正案日益复杂，使得最优速率自适应（RA）成为一项挑战。由于配置参数组合庞大以及无线信道的时变性，使用经典算法或启发式模型来解决 RA 已变得不可行。现有文献中已提出基于机器学习的解决方案以应对这种复杂性。然而，它们通常使用复杂模型，且难以在真实场景中实现。我们提出了一种用于 Wi-Fi 网络自动 RA 的简单深度强化学习方法，名为数据驱动速率自适应算法（DARA）。DARA 符合标准。它仅基于发送端所接收帧的信噪比（SNR）观测，动态调整 Wi-Fi 调制与编码方案（MCS）。我们的仿真结果表明，与 Minstrel High Throughput (HT) 相比，DARA 实现了高达 15% 的吞吐量提升，并等同于 Ideal Wi-Fi RA 算法的性能。
引用
@article{arxiv.2202.03997,
title = {Wi-Fi Rate Adaptation using a Simple Deep Reinforcement Learning Approach},
author = {Ruben Queiros and Eduardo Nuno Almeida and Helder Fontes and Jose Ruela and Rui Campos},
journal= {arXiv preprint arXiv:2202.03997},
year = {2022}
}