【标题】Multi-Access Point Coordination for Next-Gen Wi-Fi Networks Aided by Deep Reinforcement Learning
【作者团队】Lyutianyang Zhang, Hao Yin, Sumit Roy, Liu Cao
【发表日期】2022.6.22
【论文链接】https://arxiv.org/pdf/2206.11378.pdf
【推荐理由】企业中的Wi-Fi（以重叠Wi-Fi单元为特征）构成了下一代网络的设计挑战。最近启动的IEEE 802.11be（Wi-Fi 7）工作组的标准化工作重点关注媒体访问控制层的重大变化，这些更改强调了接入点（AP）在无线资源管理（RRM）中的作用，以协调信道访问，因为它与分布式协调功能（DCF）的冲突概率很高，尤其是在密集重叠的Wi-Fi网络中。本文提出了由集中AP控制器（APC）辅助的多AP协调系统结构。并通过深度强化学习信道接入（DLCA）协议，以取代DCF中的二进制指数退避机制，以支持AP之间的协调来提高网络吞吐量。随后提出了一种贪心算法来保持多个AP之间的比例公平性（PF）。通过仿真，验证了DLCA协议在密集重叠Wi-Fi网络中的性能具有很强的稳定性，其网络吞吐量分别比共享传输机会（SH-TXOP）和请求发送/清除发送（RTS/CTS）等基线高10%和3%，考虑比例公平性的网络效用分别高28.3%和13.8%。
