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

• 作者: 张宁 李世宝 蔡丽萍 黄庭培
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 无线局域网 冲突 信道衰落 监督学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 网络与通信
• 页码范围: 14-21
• 页数: 8页
• 分类号: TP393.2
• 字数: 6830字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.06.003

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％.