EWMA算法在無線通信協議速率選擇中的應用

楊永鵬 楊真真

摘 要：如何根據無線環境的變化實時選擇一個可靠的發送速率，進而保證數據傳輸的可靠性是無線通信研究的熱點。針對傳統累積和平均法（Cumulative Sum Average，CUSUMA）由于計算機存儲數據位數的有限性可能導致的數據值超過計算機最大數據類型表示范圍，進而造成統計數據丟失的問題，提出基于指數加權移動平均（Exponentially Weighted Moving Average， EWMA）算法，計算對應速率下的數據發送成功率，并根據計算出的成功率實現動態速率選擇。該算法可用于解決通用平均值算法導致的因數據過大造成的統計數據丟失問題。

關鍵詞：指數加權移動平均;無線通信網絡協議;速率;累積和平均法;均方誤差

DOI：10. 11907/rjdk. 182663

中圖分類號：TP393

文獻標識碼：A文章編號：1672-7800（2019）006-0192-04

Abstract： According to the change of the wireless environment， how to select a reliable transmission rate to ensure the reliability of data transmission in real time is a hot topic in current research. Due to the limited number of bits in computer storage data， the Cumulative Sum Average （CUSUMA） method may cause the statistical data to exceed the maximum data range of the computer， resulting in the loss of statistical data. In this paper， the exponential weighted moving average algorithm （EWMA） is used to calculate the success rate of data transmission. At the same time， the EWMA algorithm is used to solve the loss of statistical data during data storage processing in the Cumulative Sum Average （CUSUMA） method.

Key Words： Exponentially Weighted Moving Average; Wireless communication network protocol; Rate; Cumulative Sum Average; Mean square error

0 引言

信息時代基于通信技術的網絡技術[1]已成為人們生活不可或缺的一部分。基于IEEE 802.11標準的WiFi設備是數據通信的主流設備，數據發送速率可達到數百兆乃至上千兆。無線網絡技術[2]憑借成本低、易配置、可擴展性、移動性和網絡架構靈活等特點成為研究熱點，廣泛應用于智能機器人[3]、醫療保健、生物醫學 [4]和工業控制自動化[5]等領域。IEEE 802.11工作組先后制定了IEEE 802.11a、b、g、n、ac、ax等標準，近年來又提出了基于電視未使用空白頻段的IEEE 802.11af無線網絡通訊協議標準。

基于IEEE 802.11協議標準的無線網絡由于其靈活性、簡單性、速度多樣性和快速性等特點得到廣泛應用，其中速率多樣性能保證在無線環境變化的情況下選擇一個合適的速率，進而保證數據傳輸的可靠性。如何根據無線環境變化實時選擇一個可靠的速率是研究的關鍵。基于調制方式、碼率、長前導、短前導、空間流個數、長間隔和短間隔組合，IEEE 802.11標準規定了多種數據傳輸速率。IEEE 802.11標準由最初傳統的1M、2M、5.5M、6M速率發展到現在MCS0、MCS1等高吞吐量速率。理論上，使用IEEE 802.11標準中的最高傳輸速率對無線數據進行傳輸，數據傳輸的吞吐量將達到最佳。但是，由于用于傳輸無線數據的信道存在眾多電磁波干擾（比如雷達信號或其它無線設備發出的無線信號等），并且這種干擾不可控，導致數據傳輸環境惡劣，這種情況下選擇高速率進行無線信號傳輸會使數據傳輸的錯誤率和丟包率增加，不利于數據傳輸的穩定性和正確性。

針對該問題，無線網絡傳輸系統需要引入一種動態速率選擇算法，該算法可以根據周邊無線信道環境實時動態選擇合適的速率。目前，基于IEEE 802.11無線網絡標準的速率自適應算法主要有兩種：①基于信道直接測量的方法，例如基于接收端的動態速率選擇算法[6-7]（Receiver-Based Auto Rate，RBAR）。該算法使用接收端估計當前信道質量，并通過修改RTS/CTS幀實現速率信息的交互。移動環境的速率自適應算法[8]（Rate Adaptation in Mobile environments，RAM），通過控制反饋幀速率決定發送側是否改變傳輸速率。該算法雖然無需改變協議，但無法實時改變速率;②基于數據發送成功率統計的方法，即統計一段時間內的吞吐量，從而判斷信道的傳輸質量。例如自適應動態速率反饋算法[9]（Adaptive Auto Rate Feedback，AARF）統計發送連續成功或失敗的幀個數，ONOE算法[10]（Only Openly Available Bit-rate Selection Algorithm，ONOE）維持當前傳輸速率的信用度，SampleRate算法[11]統計各速率下數據幀的平均傳輸時間，Minstrel算法[12]則統計各速率對應的傳輸吞吐率。第1種方法主要依賴于硬件，導致設備成本較高，另外需要修改協議，導致協議兼容性有一定的局限性。因此，基于統計信息的方法成為當前動態選擇速率的首選。本文主要通過統計各速率對應的傳輸成功率進行動態速率選擇，在IEEE 802.11協議[13]中沒有一個成功率計算的統一標準。傳統的累積和平均法（Cumulative Sum Average，CUSUMA）[14]可通過記錄設備長時間運行過程中的發送成功次數和總的發送次數計算出發送成功率，該方法雖然簡單，但由于計算機存儲數據位數的有限性，可能導致數據值超過計算機最大數據類型表示范圍，造成統計數據丟失。

本文針對計算機存儲數據位數的有限性，基于成功率統計方法，提出指數加權移動平均（Exponentially Weighted Moving Average，EWMA）算法[15-16]。該算法可以實時統計不同速率下無線數據發送成功率，解決平均值算法引起的統計數據丟失問題。

1 EWMA原理及設計方法

工業領域尤其是在數據通信領域，需要實時統計數據發送的成功率，并根據統計的成功率作出相應決策，如在無線數據通信領域中決策發送速率[17]的選取。傳統統計成功率的方法為累積和平均法（CUSUMA），該方法首先將發送成功的數據包個數累計求和，然后統計總共發送數據包的個數，最后將兩個值的比值作為數據發送成功率。

從圖2可以看出，在[λ=0.75]的情況下，EWMA算法與累積計算出來的概率值差值是最小的，并且隨著時間的推移兩個值趨于重合，充分證明了EWMA算法的合理性。

假設在600ms時數據出現翻轉，由于位寬的限制，前600ms數據丟失，則計算出來的CUSUMA值為0.11，在[λ=0.75]的情況下，EWMA的值為0.21，而實際成功率為0.29。所以，在數據出現丟失的情況下，EWMA算法獲取的成功率值更為準確。

4 結語

在綜合分析IEEE 802.11 協議簇的速率動態選擇算法之后，本文針對IEEE 802.11標準的無線網絡通信動態速率選擇過程中的統計成功率計算方法，提出了一種基于EWMA算法的數據成功率統計方法。該方法克服了傳統CUSUMA方法對數據位寬依賴的缺陷，能夠解決由于數據位寬限制導致的統計數據丟失問題，及由此造成的成功率誤差較大的問題，從而滿足統計數據成功率和實時選取發送速率的需求，能夠很好地屏蔽由于無線環境可變性導致的速率不穩定現象。實驗表明，EWMA算法一方面能夠實現IEEE 80211標準的無線數據發送成功率統計，另一方面能夠解決位寬限制造成的統計信息丟失問題。

參考文獻：

[1] 覃慶國，楊亞培，蔣寧，等. 依托學科優勢構建電子信息類創新人才培養體系[J]. 電子科技大學報：社會科學版，2010，12（5）：103-106.

[2] 李二兵，徐偉強. 基于信道信息統計的WLAN速率自適應算法[J]. 無線電通信技術，2018，44（1）：55-59.

[3] HAN S，MOK A K，MENG J， et al. Architecture of a cyberphysical avatar[C]. ACM/IEEE International Conference on Cyber-Physical Systems， IEEE， 2013：189-198.

[4] ZHANG W，ZHU X，HAN S，et al. Design of a network-based mobile gait rehabilitation system[M]. Monterey：IEEE， 2012.

[5] SONG J，HAN S，MOK A，et al. Wirelesshart： applying wireless technology in real-time industrial process control[C]. Real-Time and Embedded Technology and Applications Symposium， 2008. RTAS '08，IEEE， 2008：377-386.

[6] HOLLAND G，VAIDYA N，BAHL P. A rate-adaptive mac protocol for multi-hop wireless networks[C]. ACM International Conference on Mobile Computing and NETWORKING，2001：236-251.

[7] HITHNAWI A. An on-demand rate-adaptation mechanism for IEEE 802.11 networks[D]. Achen： RWTH Aachen University， 2011.

[8] CHEN X，GANGWAL P，QIAO D. Ram： rate adaptation in mobile environments[J]. IEEE Transactions on Mobile Computing， 2012， 11（3）：464-477.

[9] LACAGE M，MANSHAEI M H，TURLETTI T. IEEE 802.11 rate adaptation：a practical approach[C]. ACM International Symposium on Modeling， Analysis and Simulation of Wireless and Mobile Systems，ACM， 2004：126-134.

[10] PEFKIANAKIS I，LEE S B，LU S. Towards mimo-aware 802.11n rate adaptation[J]. IEEE/ACM Transactions on Networking，2013， 21（3）：692-705.

[11] NI B，SANTHAPURI N，GRAY C，et al. Selection of bit-rate for wireless network coding[C]. Sensor， Mesh and Ad Hoc Communications and Networks Workshops， 2008，SECON Workshops '08. IEEE Communications Society Conference on. IEEE， 2008：1-6.

[12] XIA D，HART J，FU Q. Evaluation of the minstrel rate adaptation algorithm in ieee 802.11g wlans[C]. IEEE International Conference on Communications. IEEE， 2013：2223-2228.

[13] 胡智群. 層次網絡中高效WLAN的性能分析與優化研究[D]. 北京：北京郵電大學， 2018.

[14] ABBAS，NASIR，RIAZ，et al. Mixed exponentially weighted moving average-cumulative sum charts for process monitoring[J]. Quality and Reliability Engineering International， 2013， 29（3）：345-356.

[15] MURRAY N B，GABBETT T J，TOWNSHEND A D，et al. Calculating acute： chronic workload ratios using exponentially weighted moving averages provides a more sensitive indicator of injury likelihood than rolling averages[J]. British Journal of Sports Medicine， 2017， 51（9）：749-755.

[16] ANDRé LUCAS，ZHANG X. Score-driven exponentially weighted moving averages and value-at-risk forecasting[J]. International Journal of Forecasting，2016，32（2）：293-302.

[17] 李二兵，徐偉強. 基于信道信息統計的WLAN速率自適應算法[J]. 無線電通信技術，2018， 44（1）：55-59.

[18] 李二兵. 無線局域網中基于數據鏈路層增強的傳輸可靠性研究[D]. 杭州：浙江理工大學， 2018.

[19] 楊國華. 802.11無線局域網標準與安全[J]. 計算機工程與設計， 2004，25（8）：1349-1352.

[20] 辛艷，梁建坤，修長虹. 無線局域網IEEE802.11ac協議的研究及應用[J]. 網絡安全技術與應用，2016，25（9）：80-81.

[21] 王峰. 基于EWMA-GARCH（1，2）模型的統計套利策略研究[J]. ?科技經濟導刊， 2018，10（8）：34-35.

[22] 王蘊紅，劉國歲. LMS算法中穩態均方誤差的研究[J]. 南京理工大學學報，1996，20（5）：469-472.

[23] 徐天河，楊元喜. 均方誤差意義下正則化解優于最小二乘解的條件[J]. 武漢大學學報：信息科學版， 2004， 29（3）：223-226.

（責任編輯：杜能鋼）