超密集WiFi网络下的干扰消除算法

赵 铖，闫剑龙，康 凯，张婷婷，俞 涵

（1.上海微系统与信息技术研究所 上海 200050；2.上海无线通信研究中心 上海 201210；3.上海科技大学 上海 201210）

超密集WiFi网络下的干扰消除算法

赵 铖1，3，闫剑龙2，康 凯2，张婷婷1，3，俞 涵1，3

（1.上海微系统与信息技术研究所 上海 200050；2.上海无线通信研究中心 上海 201210；3.上海科技大学 上海 201210）

如今无线数据的爆炸式发展给现有的无线网络带来了严重的挑战。针对超密集网络下，来自相邻AP（无线访问接入点）的干扰会严重影响本地网络的通信性能的问题，本篇文章采用了一种动态F-CSMA/CA（分布式载波侦听多路访问/冲突避免）算法，通过MATLAB的仿真，发现该算法能有效地提高系统和边缘小区用户的吞吐量，且在超密集网络中的效果要比常规的F-CSMA/CA算法在系统吞吐量上有20%的增益提高，在边缘小区的吞吐量上有15%的增益提高。

通信与信息系统；干扰消除；动态分布CSMA/CA算法；WiFi

受到移动终端和多媒体服务快速增长的刺激，整个通信网络的数据量到2017年将达到了3×1019比特/每月的规模[1]。其中40%的数据量是通过WiFi来传输的[2]，大约是通过蜂窝网络传输的数据量的20倍[3]。

为了满足数据量的爆炸增长，越来越多的AP（无线访问点）被部署到网络中，导致了来自相邻BSS（基本服务集）的干扰非常严重。文中基于的假设是相邻AP使用相同的频带。相邻的两个AP1和AP2使用相同的频带，当位于BSS1边缘的STA1（用户1）发起和AP1的通信，若此时STA3（用户3）正在和AP2通信，将会产生对STA1的干扰。

蜂窝网中成熟的减少干扰的机制[4-6]不能直接用在WiFi网络中。在现有应用中[7]，作者提出使用波束成形技术来提升性能，但是这项技术带来了很高的算法复杂度且在交换控制信息的时候带来了较大的信令开销[8]。 的作者提出按照RSSI（接收信号强度指示）将AP进行分簇来通信，但是该方法受限于无线终端较低的传输功率[9]。中的作者提出使用分布式CSMA/CA算法，然而网络资源在网络配置初期的时候就预先设置好了，极大的限制了算法潜在的性能增益。

文中通过联合优化网络中的时隙和功率来最大化网络的吞吐量。其中时隙和功率是动态分配的。

1 系统模型

现有的802.11协议中，一个AP同一时间只能服务一个STA。所以同一个AP服务区内的干扰是可以忽略的。所以在超密集WiFi网络中，来自其他AP及其服务区内STA的干扰才是最主要的因素。

SINR（信号与干扰加噪声比）可以用来评估干扰带来的影响。假设某个WiFi网络中部署有C个BSS，在BSSi（i∈C）中的STAs的SINR可以表示成：

其中pi表示APi的传输功率，gi表示来自对应服务 AP的信道增益，gi，m表示来自相邻APm对位于BSSi中STA的信道增益。表示与BSSi相邻的会产生干扰的AP的集合，No表示加性高斯白噪声的功率。其中信道增益gi，gi，m主要由路径损耗和衰落来决定的[10]。假设整个系统的带宽是B，位于APi中的STA能达到的极限速率可以表示如下[11]，

从（2）可以清晰的看到由于服务区重叠引入的干扰，使得SINR的下降并导致了速率的下降。

下面将详细的分析802.11网络的资源分配。802.11网络中的STA通过时分复用来分享网络的资源。调度资源的单位被称为“时隙”。一个时隙单位表示的是成功传输一个数据包所消耗的时间。

尽管有效载荷包的大小是随机的，但是我们仍然可以通过统计数据的方式来估测出调度时隙单位的值。由于STA无法同时共享一个BSS内的资源，所以将一个BSS内的STA按照地理位置分为两个群组。那些远离 AP容易受到相邻BSS干扰的STAs被称为BSS-edge STAs（边缘区用户）。RSSI或者路径损耗可以被用来进行STA的分类。

假设单位时间内有N个时隙资源，将这些时隙资源分为“major”时隙和“minor”时隙。如图1所示。

图1 F-CSMA/CA的系统模型

定义major时隙可以被BSS-center/BSS-edge STAs使用，但是minor时隙的功率较低只能被BSS-center STAs使用。将分配给major、minor时隙的数目分别表示为Tmajor和Tminor。这样的配置意味着，在minor时隙期间，AP对相邻BSSs造成的干扰较小，在major时隙期间，可以服务所有的STA，对相邻BSSs的干扰可能就会比较显著。major和minor时隙对应的传输功率分别被称为 poi和 pini。

在这个框架下，BSSi中的STA在第j个时隙的SINR可以表示如下：

从图1可以看出来，在major时隙j时，对于BSSi中的STA来说，其受到的干扰主要是来自于相邻APs在minor时隙j的干扰。对于在APi的BSS-edge STA来说，其能达到的速率可表示如下：

对于一个与BSSi关联的BSS-center STA来说，在minor时隙时，其受到的干扰主要来自于相邻AP在相应major和minor时隙的干扰。从简化计算的角度出发将所有时隙的干扰传输功率都设置成最大的值在这个条件下，在时隙j，位于BSSi中的BSS-center STA可以达到的速率如下：

为了减少干扰的影响，我们选择优化整个系统能达到的整体速率。核心思路是联合调度BSS-center

STA和BSS-edge STA的时隙和传输功率。下一节，将用数学公式来描述这个优化问题。

2 动态分布式CSMA/CA算法

文中提出的算法的假设是AP能在时隙的精度上来进行资源调度。major时隙可以被BSS-edge和BSS-center的STA调用，minor时隙时只能被BSS-edge的STA调用。此外对于BSS-edge和BSS-center的STA存在一个最小的吞吐量的需求。同时调度资源：时隙和传输功率是有限的。所以最大化系统整体的吞吐量的目标函数可以表示成：

我们的目标是在满足BSS-edge和BSS-center区域的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优化问题的最优解决方法，而是利用迭代算法将上述的优化问题分解成个单独BSS的优化问题。下面将概述下本文算法的核心。首先我们要用最小的传输功率来满足BSS-edge和BSS-center区域的速率需求。然后，通过给每个区域分配合适的时隙和功率来优化系统的吞吐量。第二步，计算出第一步得到的时隙和功率所对应的BSS-center区域的速率，并将这个速率作为新的速率要求，重复整个优化过程。上述的迭代过程不断地重复直到系统整体的吞吐量不在增长。

具体的算法步骤如下所示：

Step1.首先估算BSS-edge和BSS-center区域的最低速率需求，分别表示为和最优的major/minor时隙数目和功率的组合可以表示为

为了得到最小的传输功率，我们可以假定核心区和边缘区的最低速率需求，由于和的数目是整数，我们可以穷举和所有的组合，确定了后和可以由下式得到：

Step2.一旦Pmin确定后，可以计算得到剩余的功率还有PMAX-Pmin。由于超密集802.11网络是一个干扰受限的网络，系统吞吐量可以通过减少BSS间的干扰来得到提升。从统计学的角度来说，减少major时隙的数目能够减小与相邻BSS碰撞的概率。所以将尽可能多的时隙数目分配给minor区域来减小BSS间的干扰。本算法减少major时隙的数目并增加minor时隙的数目。作为补偿可以将剩余的传输功率PMAX-Pmin分配给major区域来补偿由于时隙数目改变引起的速率的下降。

由于时隙的数目是整数，我们一个一个的减少major的时隙数目并相应的增加minor的时隙数。在满足BSS-edge区域最低速率需求的前提下利用下降法[11]来穷举所有的可能。这个迭代过程直到整个系统传输功率资源耗尽时终止。

当此进程终止时，我们计算出最新的BSS-center的速率Rin1，并将其设为新的Rtarin。然后我们重复Step 1.的步骤来更新满足（8）要求的新的（Tmajor1，Tminor1，Pin1，Po1）组合，重复 Step 2.来得到最佳的速率Rin1。以上的迭代步骤当整个BSS的吞吐量不再增加时停止。可以证明使用这个优化算法，可以使BSS的吞吐量在单调递增中达到最大[13-15]。

3 仿真结果

为了验证提出的算法的性能，进行了下述针对802.11超密集网络的仿真。网络的拓扑结构是图2所示的3个相邻的BSS的典型场景。其中STA均匀的分布在BSS内，表格1中列举了基本的仿真参数。

表1 仿真参数

为了仿真超密集的场景，我们把AP间的距离设置成50 m（严重的交叠），75 m，100 m（最小的交叠）3种情况。在下行链路传输中对比常规的CSMA/CA，F-CAMA/CA和动态 FCSMA/CA。对于常规的CSMA/CA算法，传输功率被设置成30 dBm，对于常规的F-CSMA/CA算法，major时隙的功率被设置为30 dBm，minor的功率被设置为27 dBm。（以上对比项的功率设置值都是基于各自最优情况下的取值。）

为了对比的公正性，我们使用归一化的能量吞吐量（成功传输的数据量与网络时隙和能量的比值）作为度量标准。这个度量标准是吞吐量和消耗的功率的联合判别标准。

图2 整个系统的下行吞吐量

图2展示了AP间隔50 m，75 m，100 m时候的系统下行吞吐量的仿真结果。图3展示了AP间隔50 m，75 m，100 m时候的边缘小区BSS-edge区域STA的下行吞吐量。

图3 BSS-edge区域的下行吞吐量

图2和图3均说明了文中提出的动态F-CSMA/CA和常规的CSMA/CA和F-CSMA/CA相比不管在系统整体的吞吐量还是在边缘区域的吞吐量上都有着显著的性能增益。同时我们发现系统的性能随着AP间间隔的增大而得到改善。当AP间隔50 m的时候，由仿真结果可以看出动态F-CSMA/CA算法和常规的F-CSMA/CA算法相比，在系统吞吐量上有20%的增益提高，在BSS-edge区域上也有大概15%的增益提高，同时随着AP间距的增加，本算法的优势也在逐渐减小。所以本算法非常适合超密集WiFi组网架构下的环境。

仿真结果验证了我们前面的分析，在超密集802.11网络中，网络的性能主要受限于相邻BSSs的干扰。动态F-CSMA/ CA算法在满足BSS-edge区域用户最低的速率需求的基础上，将更多的时隙资源分配给BSS-center区域的用户，如此相邻BSSs对BSS-edge区域的干扰得到了抑制。

4 结 论

超密集网络是应对未来爆炸式增长的无线数据传输的潜在解决方案。然而WiFi在这个密集网络下的干扰十分严重。文中针对超密集WiFi网络提出了一种新型的动态F-CSMA/ CA算法，应用该算法后，网络整体的吞吐量和边缘用户的吞吐量相对常规的F-CSMA/CA算法都得到了显著的提升。

[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稿件编号：201511112

国家自然科学基金资助项目（61231009）；国家科技重大项目（2014ZX03001024）；上海市科教委项目（14511100200）

赵 铖（1991—），男，江苏扬州人，硕士研究生。研究方向：超密集WiFi网络下的干扰协调。