超密集WiFi網絡下的干擾消除算法

趙 鋮，閆劍龍，康 凱，張婷婷，俞 涵

（1.上海微系統與信息技術研究所 上海 200050；2.上海無線通信研究中心 上海 201210；3.上海科技大學 上海 201210）

超密集WiFi網絡下的干擾消除算法

趙 鋮1，3，閆劍龍2，康 凱2，張婷婷1，3，俞 涵1，3

（1.上海微系統與信息技術研究所 上海 200050；2.上海無線通信研究中心 上海 201210；3.上海科技大學 上海 201210）

如今無線數據的爆炸式發展給現有的無線網絡帶來了嚴重的挑戰。針對超密集網絡下，來自相鄰AP（無線訪問接入點）的干擾會嚴重影響本地網絡的通信性能的問題，本篇文章采用了一種動態F-CSMA/CA（分布式載波偵聽多路訪問/沖突避免）算法，通過MATLAB的仿真，發現該算法能有效地提高系統和邊緣小區用戶的吞吐量，且在超密集網絡中的效果要比常規的F-CSMA/CA算法在系統吞吐量上有20%的增益提高，在邊緣小區的吞吐量上有15%的增益提高。

通信與信息系統；干擾消除；動態分布CSMA/CA算法；WiFi

受到移動終端和多媒體服務快速增長的刺激，整個通信網絡的數據量到2017年將達到了3×1019比特/每月的規模[1]。其中40%的數據量是通過WiFi來傳輸的[2]，大約是通過蜂窩網絡傳輸的數據量的20倍[3]。

為了滿足數據量的爆炸增長，越來越多的AP（無線訪問點）被部署到網絡中，導致了來自相鄰BSS（基本服務集）的干擾非常嚴重。文中基于的假設是相鄰AP使用相同的頻帶。相鄰的兩個AP1和AP2使用相同的頻帶，當位于BSS1邊緣的STA1（用戶1）發起和AP1的通信，若此時STA3（用戶3）正在和AP2通信，將會產生對STA1的干擾。

蜂窩網中成熟的減少干擾的機制[4-6]不能直接用在WiFi網絡中。在現有應用中[7]，作者提出使用波束成形技術來提升性能，但是這項技術帶來了很高的算法復雜度且在交換控制信息的時候帶來了較大的信令開銷[8]。 的作者提出按照RSSI（接收信號強度指示）將AP進行分簇來通信，但是該方法受限于無線終端較低的傳輸功率[9]。中的作者提出使用分布式CSMA/CA算法，然而網絡資源在網絡配置初期的時候就預先設置好了，極大的限制了算法潛在的性能增益。

文中通過聯合優化網絡中的時隙和功率來最大化網絡的吞吐量。其中時隙和功率是動態分配的。

1 系統模型

現有的802.11協議中，一個AP同一時間只能服務一個STA。所以同一個AP服務區內的干擾是可以忽略的。所以在超密集WiFi網絡中，來自其他AP及其服務區內STA的干擾才是最主要的因素。

SINR（信號與干擾加噪聲比）可以用來評估干擾帶來的影響。假設某個WiFi網絡中部署有C個BSS，在BSSi（i∈C）中的STAs的SINR可以表示成：

其中pi表示APi的傳輸功率，gi表示來自對應服務 AP的信道增益，gi，m表示來自相鄰APm對位于BSSi中STA的信道增益。表示與BSSi相鄰的會產生干擾的AP的集合，No表示加性高斯白噪聲的功率。其中信道增益gi，gi，m主要由路徑損耗和衰落來決定的[10]。假設整個系統的帶寬是B，位于APi中的STA能達到的極限速率可以表示如下[11]，

從（2）可以清晰的看到由于服務區重疊引入的干擾，使得SINR的下降并導致了速率的下降。

下面將詳細的分析802.11網絡的資源分配。802.11網絡中的STA通過時分復用來分享網絡的資源。調度資源的單位被稱為“時隙”。一個時隙單位表示的是成功傳輸一個數據包所消耗的時間。

盡管有效載荷包的大小是隨機的，但是我們仍然可以通過統計數據的方式來估測出調度時隙單位的值。由于STA無法同時共享一個BSS內的資源，所以將一個BSS內的STA按照地理位置分為兩個群組。那些遠離 AP容易受到相鄰BSS干擾的STAs被稱為BSS-edge STAs（邊緣區用戶）。RSSI或者路徑損耗可以被用來進行STA的分類。

假設單位時間內有N個時隙資源，將這些時隙資源分為“major”時隙和“minor”時隙。如圖1所示。

圖1 F-CSMA/CA的系統模型

定義major時隙可以被BSS-center/BSS-edge STAs使用，但是minor時隙的功率較低只能被BSS-center STAs使用。將分配給major、minor時隙的數目分別表示為Tmajor和Tminor。這樣的配置意味著，在minor時隙期間，AP對相鄰BSSs造成的干擾較小，在major時隙期間，可以服務所有的STA，對相鄰BSSs的干擾可能就會比較顯著。major和minor時隙對應的傳輸功率分別被稱為 poi和 pini。

在這個框架下，BSSi中的STA在第j個時隙的SINR可以表示如下：

從圖1可以看出來，在major時隙j時，對于BSSi中的STA來說，其受到的干擾主要是來自于相鄰APs在minor時隙j的干擾。對于在APi的BSS-edge STA來說，其能達到的速率可表示如下：

對于一個與BSSi關聯的BSS-center STA來說，在minor時隙時，其受到的干擾主要來自于相鄰AP在相應major和minor時隙的干擾。從簡化計算的角度出發將所有時隙的干擾傳輸功率都設置成最大的值在這個條件下，在時隙j，位于BSSi中的BSS-center STA可以達到的速率如下：

為了減少干擾的影響，我們選擇優化整個系統能達到的整體速率。核心思路是聯合調度BSS-center

STA和BSS-edge STA的時隙和傳輸功率。下一節，將用數學公式來描述這個優化問題。

2 動態分布式CSMA/CA算法

文中提出的算法的假設是AP能在時隙的精度上來進行資源調度。major時隙可以被BSS-edge和BSS-center的STA調用，minor時隙時只能被BSS-edge的STA調用。此外對于BSS-edge和BSS-center的STA存在一個最小的吞吐量的需求。同時調度資源：時隙和傳輸功率是有限的。所以最大化系統整體的吞吐量的目標函數可以表示成：

我們的目標是在滿足BSS-edge和BSS-center區域的STA的最小的速率需求的前提下，最大化（6）的吞吐量。

文中并不是直接找出上述優化問題的最優解決方法，而是利用迭代算法將上述的優化問題分解成個單獨BSS的優化問題。下面將概述下本文算法的核心。首先我們要用最小的傳輸功率來滿足BSS-edge和BSS-center區域的速率需求。然后，通過給每個區域分配合適的時隙和功率來優化系統的吞吐量。第二步，計算出第一步得到的時隙和功率所對應的BSS-center區域的速率，并將這個速率作為新的速率要求，重復整個優化過程。上述的迭代過程不斷地重復直到系統整體的吞吐量不在增長。

具體的算法步驟如下所示：

Step1.首先估算BSS-edge和BSS-center區域的最低速率需求，分別表示為和最優的major/minor時隙數目和功率的組合可以表示為

為了得到最小的傳輸功率，我們可以假定核心區和邊緣區的最低速率需求，由于和的數目是整數，我們可以窮舉和所有的組合，確定了后和可以由下式得到：

Step2.一旦Pmin確定后，可以計算得到剩余的功率還有PMAX-Pmin。由于超密集802.11網絡是一個干擾受限的網絡，系統吞吐量可以通過減少BSS間的干擾來得到提升。從統計學的角度來說，減少major時隙的數目能夠減小與相鄰BSS碰撞的概率。所以將盡可能多的時隙數目分配給minor區域來減小BSS間的干擾。本算法減少major時隙的數目并增加minor時隙的數目。作為補償可以將剩余的傳輸功率PMAX-Pmin分配給major區域來補償由于時隙數目改變引起的速率的下降。

由于時隙的數目是整數，我們一個一個的減少major的時隙數目并相應的增加minor的時隙數。在滿足BSS-edge區域最低速率需求的前提下利用下降法[11]來窮舉所有的可能。這個迭代過程直到整個系統傳輸功率資源耗盡時終止。

當此進程終止時，我們計算出最新的BSS-center的速率Rin1，并將其設為新的Rtarin。然后我們重復Step 1.的步驟來更新滿足（8）要求的新的（Tmajor1，Tminor1，Pin1，Po1）組合，重復 Step 2.來得到最佳的速率Rin1。以上的迭代步驟當整個BSS的吞吐量不再增加時停止。可以證明使用這個優化算法，可以使BSS的吞吐量在單調遞增中達到最大[13-15]。

3 仿真結果

為了驗證提出的算法的性能，進行了下述針對802.11超密集網絡的仿真。網絡的拓撲結構是圖2所示的3個相鄰的BSS的典型場景。其中STA均勻的分布在BSS內，表格1中列舉了基本的仿真參數。

表1 仿真參數

為了仿真超密集的場景，我們把AP間的距離設置成50 m（嚴重的交疊），75 m，100 m（最小的交疊）3種情況。在下行鏈路傳輸中對比常規的CSMA/CA，F-CAMA/CA和動態 FCSMA/CA。對于常規的CSMA/CA算法，傳輸功率被設置成30 dBm，對于常規的F-CSMA/CA算法，major時隙的功率被設置為30 dBm，minor的功率被設置為27 dBm。（以上對比項的功率設置值都是基于各自最優情況下的取值。）

為了對比的公正性，我們使用歸一化的能量吞吐量（成功傳輸的數據量與網絡時隙和能量的比值）作為度量標準。這個度量標準是吞吐量和消耗的功率的聯合判別標準。

圖2 整個系統的下行吞吐量

圖2展示了AP間隔50 m，75 m，100 m時候的系統下行吞吐量的仿真結果。圖3展示了AP間隔50 m，75 m，100 m時候的邊緣小區BSS-edge區域STA的下行吞吐量。

圖3 BSS-edge區域的下行吞吐量

圖2和圖3均說明了文中提出的動態F-CSMA/CA和常規的CSMA/CA和F-CSMA/CA相比不管在系統整體的吞吐量還是在邊緣區域的吞吐量上都有著顯著的性能增益。同時我們發現系統的性能隨著AP間間隔的增大而得到改善。當AP間隔50 m的時候，由仿真結果可以看出動態F-CSMA/CA算法和常規的F-CSMA/CA算法相比，在系統吞吐量上有20%的增益提高，在BSS-edge區域上也有大概15%的增益提高，同時隨著AP間距的增加，本算法的優勢也在逐漸減小。所以本算法非常適合超密集WiFi組網架構下的環境。

仿真結果驗證了我們前面的分析，在超密集802.11網絡中，網絡的性能主要受限于相鄰BSSs的干擾。動態F-CSMA/ CA算法在滿足BSS-edge區域用戶最低的速率需求的基礎上，將更多的時隙資源分配給BSS-center區域的用戶，如此相鄰BSSs對BSS-edge區域的干擾得到了抑制。

4 結 論

超密集網絡是應對未來爆炸式增長的無線數據傳輸的潛在解決方案。然而WiFi在這個密集網絡下的干擾十分嚴重。文中針對超密集WiFi網絡提出了一種新型的動態F-CSMA/ CA算法，應用該算法后，網絡整體的吞吐量和邊緣用戶的吞吐量相對常規的F-CSMA/CA算法都得到了顯著的提升。

[1]Forecast C V.Cisco visual networking index:global mobile data traffic forecast update 2014-2019 [J].Cisco Public Information，2015（9）：22-30.

[2]Oteri O.Advanced power control techniques for interference mitigation in dense 802.11 networks[J].Wireless Personal Multimedia Communications（WPMC），2013（21）：1-7.

[3]Smith C，P X.Review of overlapping 802.11 networks（OBSS）status and IEEE 802.11 Solutions[R].IEEE 802.11-12/ 936r0，2012.

[4]HuangM， XuW.Macro-femtointer-cellinterference mitigation for 3GPP LTE-A downlink[C]//Wireless Communications and Networking Conference Workshops（WCNCW），2012（21）：75-80.

[5]Kafafy M，Elsayed K M F.Autonomous uplink intercell interference coordination in LTE systems with adaptivelytuned interference limits[C]//Wireless Communications and Networking Conference（WCNC），2014（8）：1815-1820.

[6]Zhou G，Xu W，Bauch G.Network assisted inter-cell codeword cancellation for interference-limited LTE-A and beyond [C]//Wireless Communications and Networking Confe-rence Workshops（WCNCW），2014（21）：52-57.

[7]Naghibi M，Ghaderi M.Characterizing the performance of beamforming WiFi access points[C]//Local Computer Networks（LCN），2014:434-437.

[8]Fan Y，Li H，Sun W.Modeling AP's substitutability in dense-deployed WLANs[C]//Progress in Informatics and Computing（PIC），2014:525-528.

[9]Oteri O，Xia P，LaSita F，et al.Advanced power control techniques for interference mitigation in dense 802.11 networks[C]//2013 16th International Symposium on Wireless Personal Multimedia Communications（WPMC），2013:1-7.

[10]Breit G，Sampath H，Vermani S.TGac channel model addendum[M].Institute of Electronic，2010.

[11]Rappaport T S.Wireless communications:principles and practice[M].New Jersey:prentice hall PTR，1996.

[12]SBoyd S，Vandenberghe L.Convex optimization[M].Cambridge university press，2004.

[13]Sankaran C B.Data offloading techniques in 3GPP Rel-10 networks:A tutorial[J].Communications Magazine，IEEE，2012，50（6）:46-53.

[14]Andreev S，Pyattaev A，Johnsson K，et al.Cellular traffic offloading onto network-assisted device-to-device connections [J].Communications Magazine，IEEE，2014，52（4）:20-31.

[15]Andrews J G.Seven ways that HetNets are a cellular paradigm shift[J].Communications Magazine，2013，51（3）: 136-144.

Interference mitigation in ultra dense WiFi networks

ZHAO Cheng1，3，YAN Jian-long2，KANG Kai2，ZHANG Ting-ting1，3，YU Han1，3
（1.Shanghai Institute of Microsystem and Information Technology，Shanghai 200050，China；2.Shanghai Research Center for Wireless Communications，Shanghai 201210，China；3.Shanghai Tech University，Shanghai 201210，China）

The explosion of wireless data traffic posts a significant challenge to the wireless networks.In the ultra dense WiFi networks，the interference introduced by the neighbors'access points can degrade the network throughput dramatically.In this paper，we propose a dynamic fractional carrier sense multiple access with collision avoidance （F-CSMA/CA）scheme that can improve the throughput of the overall system as well as that of the users located at the basic service set edges by the simulation of MATLAB.Numerical results show that the proposed algorithm works better than the conventional F-CSMA/CA algorithm in ultra dense scenarios by 20%gain in overall system throughput and 15%gain in edge throughput.

communication and information system；interference mitigation；F-CSMA/CA；WiFi

TN99

A

1674－6236（2016）23-0166-04

2015-11-11稿件編號：201511112

國家自然科學基金資助項目（61231009）；國家科技重大項目（2014ZX03001024）；上海市科教委項目（14511100200）

趙 鋮（1991—），男，江蘇揚州人，碩士研究生。研究方向：超密集WiFi網絡下的干擾協調。