一種基于誤碼特征的802.11 WLAN 包丟失原因推斷方法

王濤 ，黎文偉，雷婷

(1. 湖南城市學院 信息科學與工程學院，湖南 益陽，413000；2. 湖南大學 信息科學與工程學院，湖南 長沙，410082；3. 成都工業學院 通信工程系，四川 成都，611730)

近年來，基于國際電氣與電子工程學會(IEEE)802.11 的無線局域網(wireless local area network,WLAN)得到快速發展，被廣泛應用于需要提供互聯網接入但又不方便采用有線接入方式的場所，如校園、機場、車站等。由于受信號衰減或信號干擾等因素的影響，與有線網絡相比，IEEE 802.11 WLAN 鏈路質量較差，存在較高誤碼率，且往往由此引起數據包頻繁丟棄[1-2]，使得發送端需多次重傳數據包，導致信道利用效率不高，性能下降。總體而言，IEEE 802.11 WLAN 的頻繁丟包是因為無線鏈路有較高誤碼率，而具體到每一個數據包，主要有2 類不同原因的誤碼可導致丟包：第1 類是由于數據包傳輸出現了沖突(collision)或無線信號受到干擾而產生誤碼，由此引起的丟包稱為沖突丟包；第2 類是信號衰減、信道衰弱等使得接收端收到的信號太弱而導致的誤碼，由此引起的丟包稱為弱信號丟包。誤碼丟包的原因反映了當前的無線信道狀態。但IEEE 802.11 標準未考慮區分誤碼丟包的原因，對誤碼丟包亦采取較保守的處置方案[3-4]：標準規定接收端需對每個收到的單播數據包以ACK (acknowledgement)包進行確認，若發送端超時未收到ACK 包則指示出現丟包。首次出現丟包時，發送端會保守地將其歸結為沖突丟包，執行二進制指數退避(binary exponential back-off, BEB)算法以原速率進行若干次重傳；若重傳數據包仍被丟棄，則歸結為弱信號丟包，觸發速率自適應(rate adaptation, RA)調整算法調整傳輸速率[5]。此方案主要在沖突丟包的靜態WLAN 環境下可以工作良好，但無線用戶的移動性增強[6-7]。在用戶移動較頻繁的環境下，丟包更可能是由于傳輸速率過度優化或傳輸距離太遠而引起弱信號丟包，顯然，該方案會產生大量不必要的包重傳，使WLAN性能明顯惡化，如Kolar等[2]發現在實際WLAN中有26%的數據發生重傳。因此，在出現誤碼丟包時，有必要對誤碼的原因進行推斷，使發送端可采取正確的丟包處置措施。若為沖突丟包，則發送端運行BEB算法重傳數據包；若為弱信號丟包，則根據RA 算法適當降低發送速率后重傳，從而保證發送端選取最佳傳輸速率并避免不必要的包重傳和速率調整，提高系統吞吐量并優化WLAN 性能[8]。目前，已有一些802.11誤碼丟包原因推斷方法的研究，如：Seongkwan 等[9]提出了通過發送方、接收方交換RTS(request-to-send)/CTS(clear-to-send)控制報文的誤碼原因推斷方法；Khan 等[10]提出了RTS/CTS 與數據分段相結合的方法來推斷誤碼丟包和擁塞丟包。這些方法均需要多次交換RTS/CTS 控制報文，通信開銷大，且不能在出現丟包后實時地推斷原因。Rayanchu 等[11]提出了一種COLLIE(collision inferencing engine)推斷方法，主要通過分析丟包時的誤碼特征來判別丟包原因，具有實現簡單、可實時推斷丟包原因等特點。但COLLIE 需要接收端將整個誤碼包作為誤碼數據回送至發送端來分析誤碼特征，開銷較大；雖然分析了多種誤碼特征，但判別丟包原因時實際上只參考了任一指示沖突丟包的誤碼特征，故判別準確性不高。為進行實時、準確地推斷誤碼丟包原因，本文作者對COLLIE 方法進行改進，通過對丟包時誤碼特征進行分析，減少接收端回送的數據量；通過理論分析和實驗驗證，引入新的區分指標誤差向量幅度；綜合考慮誤碼特征，采用貝葉斯方法對丟包原因進行推斷。

1 COLLIE 方法分析

COLLIE 進行誤碼丟包原因推斷的基礎是在實驗中發現的現象：出現誤碼丟包時，沖突丟包和弱信號丟包的誤碼特征具有明顯不同的統計分布特征。COLLIE 進行丟包原因推斷過程如圖1 所示。發送端發送數據包后保存1 個備份。若接收端收到的數據包出現誤碼包，則將其作為誤碼數據全部回送反饋至發送端。發送端將其與之前保存的數據包備份進行比較得出誤碼位圖，以計算誤碼特征指標集。發送端再采用Metric-Vote 策略檢查計算的誤碼特征指標集來推斷丟包原因，該策略只要發現任一誤碼特征指標指示是沖突引起的誤碼，則判別為沖突丟包。

圖1 COLLIE 工作過程示意圖Fig.1 Illustration of COLLIE

COLLIE 所用的誤碼特征指標有接收信號強度(IRSS)、誤碼率(RBE)、符號誤碼率(SEP)以及符號累積誤碼率(RAE)。符號(symbol)是指經物理層編碼和調制后同時傳輸的bit 序列，如正交頻分復用(OFDM)技術中，若有48 個子載波(sub-carry)傳輸數據，則符號為48 bit的序列。SEP是誤碼包中所有出現誤碼的符號的平均誤碼率。記誤碼包中第i 次連續出現的誤碼符號個數為Bi，則RAE是所有Bi的平方和。

在有額外的COLLIE 服務器輔助及多個接入點(access point, AP)回送誤碼數據時，COLLIE 的判別準確度可高達95%。顯然，這種方式成本太高，且與802.11 WLAN 的實際應用場景不符。在實際應用中，絕大多數無線終端僅連接了1 個AP，此時，COLLIE的準確度不超過60%，故有必要對COLLIE 進行改進。

2 改進的丟包原因推斷方法

對COLLIE 方法進行分析，可知其主要有3 個可改進之處。首先，接收端將整個誤碼包作為誤碼數據回送發送端帶來了較大的通信開銷；其次，在已有誤碼特征指標基礎上若能補充區分性能好的指標，則可提高推斷精度；最后，推斷丟包原因的Metric-Vote 策略未能充分利用誤碼特征指標集對誤碼原因的指示作用，導致判別準確度低。為此，下面從這3 個方面對COLLIE 進行改進。

2.1 誤碼比特回送量分析

獲取誤碼特征時，COLLIE 實際隱含了1 個假設，即認為誤碼包中任一比特出錯的概率是相等的，所以，將整個誤碼包回送發送端來計算誤碼特征指標集。而Bo 等[12]的研究表明，數據包中bit 數出錯的概率并不相等，而是與比特數在數據包中的位置線性相關，越靠近數據包末尾的比特，出錯概率越高。根據這一結果，若僅使用誤碼包末尾的部分比特即可計算出能明顯區分沖突或弱信號的誤碼特征指標，則與接收端回送誤碼數據時，完全可以只回送誤碼包末尾的部分比特，而不是回送整個誤碼包，從而降低通信開銷。

為驗證誤碼包末尾的部分比特是否具有與整個誤碼包類似的、足以區分沖突或弱信號的誤碼特征，同時為確定恰當的誤碼包末尾比特回送數量，使得回送比特數盡量少且保持足夠的丟包原因區分能力，設計了與COLLIE 類似的實驗，對截取誤碼包末尾不同比特數的誤碼特征進行比較分析。Bo 等[12]的研究結果表明誤碼包末尾1 000～2 000 bit 誤碼概率較大，故本文選取全部誤碼包、誤碼包末尾1 000，1 500 和2 000 bit進行分析。

2.1.1 誤碼特征分析實驗設置

用于測量分析誤碼特征的實驗環境如圖2 所示。Tx1 和Tx2 為2 臺帶無線網卡的筆記本電腦，安裝Red Hat Linux 操作系統，內核版本為2.6.26。Tx1 和Tx2之間為AP(PC)。因為實驗需對AP 的無線網卡驅動進行修改，而通用AP 修改較困難，故圖2 中以1 臺裝有無線、以太雙網卡的普通PC 代替AP。其無線網卡選型及驅動程序與Tx1 和Tx2 相同，工作模式為AP模式，并自行編寫了實驗所需的程序。為避免其他802.11 無線信號的干擾，實驗在較空曠的操場進行，且每次實驗前均測試是否存在其他同頻的無線信號。

圖2 誤碼特征分析實驗環境Fig.2 Experiment setup for analyzing bit errors

測量沖突誤碼特征時，Tx1 和Tx2 工作于STA 模式即一般的客戶模式，以指定速率發送數據包，并記錄每個數據包的發送時間戳和包內容。Tx1 和Tx2 與AP 的距離稍遠，但保證了單獨發送時AP 不會出現誤碼丟包，以避免信號衰減影響沖突誤碼特征的準確測量。為保證在AP 有較高概率出現沖突，Tx1 和Tx2關閉了BEB 算法，且發送的是廣播包，以避免AP 對接收的包響應ACK 包而影響實驗結果。

弱信號誤碼特征的測量實驗設置更簡單。將圖2中的Tx2 移除，Tx1 向PC 發生單播數據包。Tx1 與AP 之間的距離從1 m 開始，逐步增大，直至AP 接收到較頻繁的錯誤包時才開始記錄數據，并繼續增大距離至丟包率為100%。

PC 除充當AP 外，亦工作于monitor 模式。在該模式下，PC 將忽略循環冗余校驗，無論數據包正確與否，都會捕獲下來。PC 記錄包接收時間戳、包內容、接收信號強度以及該包是否應丟棄等信息。

2.1.2 數據處理

由于不同傳輸速率可能有不同誤碼特征，選擇了最大的54 Mbit/s，中等的24 Mbit/s 以及最低的6 Mbit/s進行實驗。實驗時，Tx1 和Tx2 是隨機地發送任意長度的廣播包,每次試驗發送的包數量為10 000 個。

分析數據時，需要將發送端數據包與接收端數據包進行匹配。處理時，直接使用誤碼數據包中的源MAC 地址來確定其發送者。這是因為：由于包接收時接收端使用了前導碼(preamble)進行包同步，使得緊隨前導碼之后的數據包括源MAC 地址、目的MAC 地址等很少出現誤碼，因此，雖然數據包存在誤碼，但使用源MAC 地址來確定其發送者仍較準確。而Bo等[12]的研究也表明，比特出錯的概率與比特在包中所處的位置存在一定的線性關系，在起始位置的比特出錯的概率極小，故接收端雖然收到的是存在誤碼的數據包，但其源MAC 地址、目的MAC 地址部分一般能正確解碼，從而能保證正確地確定誤碼數據包的發送者。

確定發送者后，需將誤碼數據包與正確的發送數據包匹配。由于接收端數據包的其他部分很可能出現誤碼，顯然在包內設置序列號等標識不能輔助包匹配，故確定了包的發送者后，根據接收、發送時間戳及估計的包傳輸時間來進行接收包、發送包的匹配。為此，需要Tx1，Tx2 和AP 有較精確的時鐘同步，故每次實驗前將Tx1 和Tx2 接入以太網，以AP 為基準進行時鐘同步，以保證準確的包匹配。

2.1.3 不同末尾比特數的誤碼特征

指示誤碼特征的指標有接收信號強度IRSS、誤碼率RBE、符號誤碼率SEP及符號累計誤碼率RAE等。其中IRSS是在接收端直接讀取的，與誤碼包比特數無關，不在分析比較范圍內，故主要考慮RBE，SEP及RAE的分析比較。由于試驗時隨機選擇包長，可能會出現包長度不足指定比特數的情況，故使用全部誤碼包比特進行分析。

圖3 所示為不同傳輸速率下，分別使用全部誤碼包以及僅使用末尾2 000，1 500 和1 000 bit 計算得出的誤碼率累計分布函數圖。其中，WS 表示弱信號丟包，CL 表示沖突丟包。

由圖3 可知：若使用全部比特計算，弱信號丟包時約有98%的包誤碼率小于10%，沖突丟包時最多約有42%的包誤碼率小于10%；使用末尾2 000 bit 計算，弱信號丟包時約有95%的包誤碼率小于10%，沖突丟包時最多約有40%的包誤碼率小于10%；使用末尾1 500 bit 計算，弱信號丟包時約有90%的包誤碼率小于10%，沖突丟包時最多約有38%的包誤碼率小于10%；而使用末尾1 000 bit 計算，弱信號丟包時約有76%的包誤碼率小于10%，沖突丟包時最多約有36%的包誤碼率小于10%。可見：使用不同比特數計算的誤碼率累計分布函數存在差別，但使用全部比特或末尾2 000 bit 或1 500 bit 計算的誤碼率對丟包原因區分效果較好，而使用末尾1 000 bit 計算的誤碼率對丟包原因區分效果則不理想。

圖3 誤碼率RBE 的累計分布函數Fig.3 CDF of RBE

圖4 24 Mbit/s 的RBE 累計分布函數Fig.4 CDF of RBE at 24 Mbit/s

圖4 所示為24 Mbit/s 時，使用不同比特數計算得出的誤碼率累計分布函數圖。從圖4 可以看到：對于4 種計算方式，在同種原因下，同一傳輸速率的誤碼率累計分布函數有所不同。但據圖3 和圖4，無論傳輸速率多大，對于沖突丟包和弱信號丟包，使用全部誤碼包或末尾2 000 bit 或1 500 bit 計算的誤碼率累計分布函數有明顯區別，故根據計算的誤碼率，丟包原因是統計可分的；而使用末尾1 000 bit 計算的誤碼率累計分布函數雖有區別，但用于誤碼原因的統計推斷時可能誤差較大。綜合考慮推斷的通信開銷和推斷精度，選擇末尾1 500 bit 較合適。在實驗中，上述4 種使用不同比特數進行計算的方式所得出的符號誤碼率和符號累積誤碼的結果與誤碼率類似。

2.1.4 末尾1 500 bit 的誤碼特征

圖3 和圖4 給出了末尾1 500 bit 的誤碼率累計分布函數，發現2 種原因的誤碼率特征是統計可分的。下面對末尾1 500 bit 的其他指標進行分析。

圖5 和圖6 所示分別為根據誤碼包末尾1 500 bit計算得出的SEP累計分布函數圖及RAE的累計分布函數圖。從圖5 可見：約98%的弱信號丟包SEP小于36%，而只有約40%的沖突丟包SEP小于36%。從圖6 可見：約98%的弱信號丟包RAE小于320，而只有約63%的沖突丟包RAE小于320。這表明僅使用末尾1 500 bit計算SEP和RAE，同樣在統計意義上可以判別誤碼丟包原因。

綜合圖3～6 可知：使用誤碼包末尾1 500 bit 計算的RBE，SEP和RAE指標在統計意義上已經足夠判別丟包原因，故不必要使用更多比特，如2 000 bit 或全部誤碼包。但若小于1 500 bit 如1 000 bit，則可能區分效果不理想。因此，根據這一結果，當接收端出現誤碼丟包時，僅將誤碼包的末尾1 500 bit 反饋回發送端，這樣極大地降低了丟包原因判別的傳輸開銷。

圖5 SEP 的累計分布函數(末尾1 500 bit)Fig.5 CDF of SEP (1 500 bit in ending)

圖6 RAE 的累計分布函數(末尾1 500 bit)Fig.6 CDF of RAE (1 500 bit in ending)

2.2 誤差向量幅度指標分析

為進一步提高丟包原因的推斷精度，可以考慮補充更多區分效果好的誤碼特征指標。現代無線通信系統中，誤差向量幅度(error vector magnitude, EVM)是評價數字調制質量的指標之一。

2.2.1 MEV的理論分析

對于IEEE 802.11 的無線通信，下面分析約定采用OFDM 技術，并假設使用二進制相移鍵控BPSK 調制技術(其他調制技術的分析類似)。

對于第n 個發送的信號，設In表示發送端發送的信號，Rn表示接受端收到的信號，誤差向量En可表示為En=Rn-In，則MEV定義為誤差向量的均方根[13]，即

式中：T 為接收的符號數量；P0為給定調制技術下所有符號的平均功率。

對于OFDM 系統，根據文獻[14]，式(1)可變換為

式中：N 為子載波的數量；rn,k為第k 個子載波上接收的第n 個OFDM 時域符號；in,k為第k 個子載波上發送的第n 個OFDM 時域符號，en,k=rn,k-in,k。假設信道為多徑衰落信道，有

式中：Hn為頻域的信道失真系數；ηn,k為第k 個子載波的第n 個OFDM 符號的高斯白噪聲；ζn,k為其由于沖突而受到的干擾。

當信號傳輸沒有受到沖突干擾時，式(3)可變為

將式(4)代入式(2)可得信號傳輸沒有受到沖突干擾時的MEV計算公式為

而當信號傳輸受到沖突干擾時，將式(3)代入式(2)可得信號傳輸受到沖突干擾時的MEV計算公式為

比較式(5)和式(6)可知：若數據包在傳輸過程中出現了沖突，則其MEV將要比其他沒有誤碼的數據包或因弱信號而出現誤碼的數據包的高。這說明可以考慮將MEV作為丟包原因區分指標之一。

2.2.2 MEV的試驗分析

圖7 所示為不同速率下，沖突丟包及弱信號丟包的MEV累計分布函數。由圖7 可知：在相同原因丟包下，不同速率的MEV累計分布函數較接近，區別不大；而不同原因丟包的MEV累計分布函數則有較大區別，如約90%的沖突丟包MEV小于10 dB，有約90%的弱信號丟包MEV小于-18 dB，在統計意義上，沖突丟包的MEV要明顯大于弱信號丟包的MEV，這也與前面的分析結果相一致。因此，從累計分布函數可知，丟包原因根據MEV是統計可分的，故可將MEV作為一個丟包原因區分指標。

圖7 MEV 的累計分布函數Fig.7 CDF of MEV

2.3 判別算法

對于丟包原因判別而言，僅將誤碼包的末尾1 500 bit 反饋回發送端后，利用計算的RBE，SEP和RAE等誤碼特征指標已足夠進行判別，而且實際判別時，還會加上IRSS指標以及MEV指標。但需要注意的是：這種判別是統計意義上的，即不能根據計算的誤碼特征指標簡單地直接判別，而是需要采用適當的統計學判別方法。

從本質上看，丟包原因判別問題其實就是統計學中常見的分類問題，目前已有很多經典的算法。由于每次誤碼丟包都需要對丟包原因進行判別，算法不能太復雜，故本文選擇結構較簡單但準確、快速的貝葉斯分類算法進行丟包原因判別。具體應用過程如下。

令C 為表示丟包原因的類變量，則

令屬性變量X1，X2，X3，X4和X5分別表示誤碼包的IRSS，MEV及根據末尾1 500 bit 計算的BER，EPS和S-Score，則由貝葉斯公式可得

式中：P 為概率。設IRSS，RBE和SEP等屬性均獨立，則

又由于P(X1，X2，X3，X4，X5)對任何C 均為常數，故由式(8)可得：

則對任意給定的屬性值x1，x2，x3，x4和x5，C 為

為使用式(11)對丟包原因進行判別，首先對貝葉斯分類方法進行訓練，即根據實驗數據獲得先驗概率P(Xi|C)(i=1, 2, 3, 4, 5)的估計值。此外，屬性變量X1，X2，X3，X4和X5均為連續隨機變量，為方便處理，采用等區間法將各個屬性變量進行離散化。

2.4 丟包原因判別方法

改進的丟包原因判別方法步驟如下。

(1) 發送端發生數據包時，備份數據包末尾的1 500 bit，記為Ps，并等待接收端的ACK。若誤碼包包長較小，不足1 500 bit，則備份全部比特。

(2) 接收端收到誤碼包需丟棄時，以ACK 的形式向發送端回送反饋IRSS，MEV和誤碼包末尾1 500 bit。若誤碼包包長較小，小于1 500 bit，則返回全部比特。

(3) 發送端收到接收端ACK 反饋的信息，記誤碼包末尾1 500 bit 為Pe，將Ps和Pe按位進行異或運算，得出誤碼位圖。

(4) 發送端根據誤碼位圖計算RBE，SEP和RAE等誤碼特征指標。

3 實驗評估

通過實際網絡的實驗對本文方法進行評估，并與COLLIE 方法進行比較。實驗環境見圖2，實驗設置與前面所述的類似。

評估的指標有準確性ra、假陽性率rfp、假陰性率rfn和通信開銷c。定義ra為被正確推斷丟包原因的誤碼包占全部誤碼丟包中的百分比，rfp為丟包原因為弱信號但被誤判為沖突的誤碼包占所有弱信號丟包的百分比，rfn為丟包原因為沖突但被誤判為弱信號的誤碼包占所有沖突丟包的百分比，c 為所有誤碼包的接收端回送比特數占原數據包比特數百分比的平均值。

3.1 方法準確性

采用本文方法BeInf 與COLLIE 的評估結果如表1 所示。由表1 可知：本文方法比COLLIE 的丟包原因推斷性能有較大提高。首先是準確性、假陽性率、假陰性率等精度得到較大提高。這是因為所使用的貝葉斯分類算法比COLLIE 所用的Metric-Vote 策略更適合對丟包原因進行統計意義上的推斷，且考慮了更多的推斷指標。具體地說，本文方法與COLLIE 相比，準確率ra提高5.3%，假陽性率rfp降低4.8%，假陰性率rfn降低10.5%。rfp降低表明丟包原因為弱信號但被誤判為沖突的誤碼包減少，因此，發送端可減少等待不必要的指數退避時間，及時重傳，提高信道利用效率；rfn降低意味著丟包原因為沖突但被誤判為弱信號的誤碼包減少，因此，發送端可以避免更多不必要的、無效的以原速率重傳，減少信道帶寬浪費。故這2 個指標的改善對提高WLAN 的性能有重要作用。

表1 2 種方法的評估結果Table 1 Evaluation results of two methods

其次，本文方法用于原因推斷的通信開銷也大幅度降低。COLLIE 需要回送全部誤碼包比特，故相對原數據包比特數，其通信開銷為100%。而本文方法最多只需回送末尾1 500 bit，故通信開銷能大幅度降低。在極端情況下，若原數據包包長為1 500 字節，則本文方法通信開銷僅為12.5%，在表1 中本文方法通信開銷降低近50%。

3.2 干擾端距離的影響

干擾端距離AP 不同，對AP 接收發送端數據包存在的干擾作用也不同，沖突程度也不一樣。為評估此因素對方法推斷準確性的影響，設置數據發送端Tx1 與AP 的距離固定為d1=5 m，干擾端Tx2 與AP的距離d2從5 m 遞增至40 m(增幅為5 m)進行實驗。

隨著干擾端與AP 間距離d2的變化，本文方法及COLLIE 這2 種方法的準確率比較見圖8。隨著d2的變化，這2 種方法的rfp和rfn的比較見圖9 和圖10。由圖8～10 可知：隨著d2的增大，這2 種方法的準確率均下降，而rfp和rfn提高。這是因為隨著d2的增大，干擾端在AP 對發送端數據包的干擾作用變小，故在AP 的沖突程度也變小。此時，對于AP 收到誤碼包，雖然其誤碼原因是沖突，但沖突對誤碼原因區分指標的影響程度減弱，誤碼原因區分指標取值甚至與弱信號誤碼時的相似，從而使得2 種方法識別的準確率降低，rfp和rfn提高。

圖8 2 種方法的準確率ra 比較Fig.8 Accuracy comparison of two methods

圖9 2 種方法的假陽性率rfp 比較Fig.9 FPR comparison of two methods

圖10 2 種方法的假陰性率rfn 比較Fig.10 FNR comparison of two methods

從圖8～10 還可看到：在任意的d2取值下，本文方法的準確率均比COLLIE 的準確率高，而rfp和rfn均比COLLIE 的低。實驗中，在最差情況下，本文方法準確率約為79%，比COLLIE 高近12%；rfp約為18%，比COLLIE 低近5%；rfn約為20%，比COLLIE低近20%。這表明本文方法比COLLIE 更能適應沖突程度的變化，在進行誤碼丟包原因識別時，本文方法具有更好的性能。

4 結論

(1) 在實驗基礎上，主要對WLAN 誤碼丟包原因判別的COLLIE 方法進行了改進。改進措施為：利用誤碼包末尾比特誤碼概率更高的特點，只回送末尾1 500 bit 而不是全部誤碼包來分析誤碼特征，以降低通信開銷；通過理論分析和實驗比較引入新的具有較好區分效果的誤差向量幅度指標；使用更適于統計分類的貝葉斯分類算法對誤碼原因進行判別，以提高判別準確度。這些改進措施取得了預期的效果，與COLLIE 相比，本文方法的判別精度提高，而通信開銷則降低近一半。此外，本文方法仍保持了出現誤碼丟包時可實時判別丟包原因的特點，故是較合適的WLAN 丟包原因的判別方法。

(2) 在本文基礎上，對WLAN 的指數退避算法及速率自適應調整算法進行改進，可有效地提高WLAN的性能和吞吐量。

[1] Pathak P, Utta R. A survey of network design problems and joint design approaches in wireless mesh networks[J]. IEEE Communications Surveys & Tutorials, 2011, 13(3): 396-428.

[2] Kolar V, Razak S, Mahonen P, et al. Measurement and analysis of link quality in wireless networks: An application perspective[C]// 2010 IEEE International Conference on Computer Communications. New York: IEEE, 2010: 15-19.

[3] Kong Z, Tsang D, Bensaou B. Adaptive RTS/CTS mechanism for IEEE 802.11 WLANs to achieve optimal performance[C]//2004 IEEE International Conference on Communications. New York: IEEE, 2004: 185-190.

[4] Chieochan S, Hossain E, Diamond J. Channel assignment schemes for infrastructure-based 802.11 WLANs: A survey[J].IEEE Communications Surveys & Tutorials, 2010, 12(1):124-136.

[5] Huang D, Duffy R, Malone D. H-RCA:802.11 collision-aware rate control[J]. IEEE/ACM Transactions on Networking, 2013,21(4): 1021-1034.

[6] Waleed A, Weihua Z. Mobility impact in IEEE 802.11p infrastructureless vehicular networks[J]. Ad Hoc Networks, 2012,10(2): 222-230.

[7] Bychkovsky V, Hull B, Miu A, et al. A measurement study of vehicular internet access using in situ wi-fi networks[C]// 2006 ACM International Conference on Mobile Computing and Networking. New York: ACM, 2006: 50-61.

[8] Paul U, Kashyap A, Maheshwari R, et al. Passive measurement of interference in WiFi networks with application in misbehavior detection[J]. IEEE Transactions on Mobile Computing, 2013,12(3): 434-446.

[9] Seongkwan K, Lochan V, Sunghyun C, et al. Collision-aware rate adaptation in multi-rate WLANs: Design and implementation[J]. Computer Networks, 2010, 54(17):3011-3030.

[10] Khan M, Veitch D. Isolating physical per for smart rate selection in 802.11[C]// 2009 IEEE International Conference on Computer Communications. New York: IEEE, 2009: 1080-1088.

[11] Rayanchu S, Mishra A, Agrawal D, et al. Diagnosing wireless packet losses in 802.11:Separating collision from weak signal[C]// 2008 IEEE International Conference on Computer Communications. New York: IEEE, 2008: 735-743.

[12] Bo H, Lusheng J, Seungjoon L, et al. Are all bits equal?:Experimental study of IEEE 802.11 communication bit errors[J].IEEE/ACM Transactions on Networking, 2012, 20(6):1695-1706.

[13] Forestier S, Bouysse P, Quere R, et al. Joint optimization of the power-added efficiency and the error-vector measurement of 20-GHz pHEMT amplifier through a new dynamic bias-control method[J]. IEEE Transactions on Microwave Theory Technology,2004, 52(4): 1132-1141.

[14] McKinley M, Remley K, Myslinski M, et al. EVM calculation for broadband modulated signals[C]// 64th ARFTG Conference on Digital. Orlando: ARFTG, 2004: 45-52.