[論文レビュー] A deep-learning-based MAC for integrating channel access, rate adaptation and channel switch

Jiantao Xin, Wei Xu+3 more|arXiv (Cornell University)|Jun 4, 2024

IoT Networks and Protocols被引用数 7

ひとこと要約

DL-MAC は、深層学習ベースの MAC で、マルチチャンネル・密集した未認可無線環境向けにチャネルアクセス、レート適応、チャネル切替を共同で処理し、実世界の 2.4 GHz データで検証された。

ABSTRACT

With increasing density and heterogeneity in unlicensed wireless networks, traditional MAC protocols, such as carrier-sense multiple access with collision avoidance (CSMA/CA) in Wi-Fi networks, are experiencing performance degradation. This is manifested in increased collisions and extended backoff times, leading to diminished spectrum efficiency and protocol coordination. Addressing these issues, this paper proposes a deep-learning-based MAC paradigm, dubbed DL-MAC, which leverages spectrum sensing data readily available from energy detection modules in wireless devices to achieve the MAC functionalities of channel access, rate adaptation and channel switch. First, we utilize DL-MAC to realize a joint design of channel access and rate adaptation. Subsequently, we integrate the capability of channel switch into DL-MAC, enhancing its functionality from single-channel to multi-channel operation. Specifically, the DL-MAC protocol incorporates a deep neural network (DNN) for channel selection and a recurrent neural network (RNN) for the joint design of channel access and rate adaptation. We conducted real-world data collection within the 2.4 GHz frequency band to validate the effectiveness of DL-MAC, and our experiments reveal that DL-MAC exhibits superior performance over traditional algorithms in both single and multi-channel environments and also outperforms single-function approaches in terms of overall performance. Additionally, the performance of DL-MAC remains robust, unaffected by channel switch overhead within the evaluated range.

研究の動機と目的

• CSMA/CA が困難な密集・異種混在の未認可帯で、統合的な MAC 設計の必要性を動機づける。
• 選択されたチャネル上で、チャネルアクセスとレート適応を共同最適化する統一的な DL-MAC プロトコルを提案する。
• 複数チャネルにまたがる動的なチャネル切替をサポートするよう、DL-MAC を拡張する。
• 実世界の 2.4 GHz RSSI データで DL-MAC を検証し、チャネル切替オーバーヘッドへの堅牢性を評価する。

提案手法

• 2.4 GHz 帯の 79 サブバンドにわたるエネルギー検出モジュールから取得した SINR の代理として RSSI を用いる。
• 時系列補間と周波数領域のチャネルマッピングを用いてデータを前処理し、13 Wi-Fi チャンネルにマッピングする。
• LSTM をもつリカレントニューラルネットワーク（RNN）と SoftMax 出力を適用し、チャネル固有の共同アクセスとレート適応の最適 MCS を予測する。
• チャネル間の SINR 推定値に基づき、将来の送信に最適なチャネルを選択するために、DNN（全結合）を訓練する。
• SINR を計算し、ターゲット PER に応じて MCS を選択し、RNN の TXOP ベース入力にマッピングすることで、教師あり学習によりデータにラベルを付ける。
• 過去および予測条件に基づき、今後の TXOP に最適なチャネルを予測する DNN を用いたチャネル切替機構を統合する。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニングベースの MAC は、従来手法よりも単一チャネル上でのチャネルアクセスとレート適応を同時に最適化できるのか。
• RQ2 複数チャネルにまたがるチャネル切替を統合することで、スループットとレイテンシが過度なオーバーヘッドを伴わずに改善されるのか。
• RQ3 マルチチャネル動作におけるチャネル切替オーバーヘッドに対する DL-MAC の堅牢性はどの程度か。
• RQ4 実世界の 2.4 GHz 環境において、学習ベースの MAC の意思決定に RSSI を SINR の代理として用いることの影響は何か。

主な発見

• DL-MAC は、単一チャネルおよびマルチチャネルのいずれの設定においても、従来アルゴリズムよりも優れたスループットと低いレイテンシを示す（提供されたテキストには数値は報告されていない）。
• チャネルアクセスとレート適応の結合設計は、単一機能設計を単一チャネルのシナリオで上回る。
• 評価対象範囲内のチャネル切替オーバーヘッドは、マルチチャネル設定における DL-MAC の性能を著しく低下させない。
• DL-MAC は実世界の 2.4 GHz RSSI データとニューラルネットワークベースのフレームワークを用いて、チャネルアクセスと MCS の選択を予測する。
• 検証に使用された実世界データセットは GitHub で公開されている。