基于卷积神经网络的高速无线局域网分组丢失和错误原因识别方法

摘要：

无线网络中分组丢失和错误是由信道错误和冲突所导致的.有效识别分组丢失和错误的原因是实现高性能IEEE 802.11n协议的基础.本文主要研究分组丢失和错误原因的识别方法,提高识别原因的准确率,降低识别开销.本文基于监督学习理论提出MPLEC,它是一种轻量级的、准确的分组丢失和错误识别分类方法.MPLEC通过大量实地场景统计实验对分组接收情况进行分析,提取链路层RSSI(Received Signal Strength Indication)、CSI(Channel State Information)组成的特征向量作为监督学习模型的输入.通过监督学习方法对多类MPLEC分类模型进行离线训练和检验,结果表明MPLEC获得至少87％的准确率.最后基于MPLEC的CSMA/CA协议验证了MPLEC的识别性能.实验结果表明,与原有退避算法相比,本文方法可以将重传成功的概率提高25％,时间利用率提高7.8％.

关键词：无线局域网、冲突、信道衰落、监督学习

分类号：TP393.2(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;中央高校基本科研专项资金资助项目

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：14-21