杨永鹏 杨真真

摘 要：如何根据无线环境的变化实时选擇一个可靠的发送速率，进而保证数据传输的可靠性是无线通信研究的热点。针对传统累积和平均法（Cumulative Sum Average，CUSUMA）由于计算机存储数据位数的有限性可能导致的数据值超过计算机最大数据类型表示范围，进而造成统计数据丢失的问题，提出基于指数加权移动平均（Exponentially Weighted Moving Average， EWMA）算法，计算对应速率下的数据发送成功率，并根据计算出的成功率实现动态速率选择。该算法可用于解决通用平均值算法导致的因数据过大造成的统计数据丢失问题。

关键词：指数加权移动平均;无线通信网络协议;速率;累积和平均法;均方误差

DOI：10. 11907/rjdk. 182663

中图分类号：TP393

文献标识码：A文章编号：1672-7800（2019）006-0192-04

Abstract： According to the change of the wireless environment， how to select a reliable transmission rate to ensure the reliability of data transmission in real time is a hot topic in current research. Due to the limited number of bits in computer storage data， the Cumulative Sum Average （CUSUMA） method may cause the statistical data to exceed the maximum data range of the computer， resulting in the loss of statistical data. In this paper， the exponential weighted moving average algorithm （EWMA） is used to calculate the success rate of data transmission. At the same time， the EWMA algorithm is used to solve the loss of statistical data during data storage processing in the Cumulative Sum Average （CUSUMA） method.

Key Words： Exponentially Weighted Moving Average; Wireless communication network protocol; Rate; Cumulative Sum Average; Mean square error

0 引言

信息时代基于通信技术的网络技术[1]已成为人们生活不可或缺的一部分。基于IEEE 802.11标准的WiFi设备是数据通信的主流设备，数据发送速率可达到数百兆乃至上千兆。无线网络技术[2]凭借成本低、易配置、可扩展性、移动性和网络架构灵活等特点成为研究热点，广泛应用于智能机器人[3]、医疗保健、生物医学 [4]和工业控制自动化[5]等领域。IEEE 802.11工作组先后制定了IEEE 802.11a、b、g、n、ac、ax等标准，近年来又提出了基于电视未使用空白频段的IEEE 802.11af无线网络通讯协议标准。

基于IEEE 802.11协议标准的无线网络由于其灵活性、简单性、速度多样性和快速性等特点得到广泛应用，其中速率多样性能保证在无线环境变化的情况下选择一个合适的速率，进而保证数据传输的可靠性。如何根据无线环境变化实时选择一个可靠的速率是研究的关键。基于调制方式、码率、长前导、短前导、空间流个数、长间隔和短间隔组合，IEEE 802.11标准规定了多种数据传输速率。IEEE 802.11标准由最初传统的1M、2M、5.5M、6M速率发展到现在MCS0、MCS1等高吞吐量速率。理论上，使用IEEE 802.11标准中的最高传输速率对无线数据进行传输，数据传输的吞吐量将达到最佳。但是，由于用于传输无线数据的信道存在众多电磁波干扰（比如雷达信号或其它无线设备发出的无线信号等），并且这种干扰不可控，导致数据传输环境恶劣，这种情况下选择高速率进行无线信号传输会使数据传输的错误率和丢包率增加，不利于数据传输的稳定性和正确性。

针对该问题，无线网络传输系统需要引入一种动态速率选择算法，该算法可以根据周边无线信道环境实时动态选择合适的速率。目前，基于IEEE 802.11无线网络标准的速率自适应算法主要有两种：①基于信道直接测量的方法，例如基于接收端的动态速率选择算法[6-7]（Receiver-Based Auto Rate，RBAR）。该算法使用接收端估计当前信道质量，并通过修改RTS/CTS帧实现速率信息的交互。移动环境的速率自适应算法[8]（Rate Adaptation in Mobile environments，RAM），通过控制反馈帧速率决定发送侧是否改变传输速率。该算法虽然无需改变协议，但无法实时改变速率;②基于数据发送成功率统计的方法，即统计一段时间内的吞吐量，从而判断信道的传输质量。例如自适应动态速率反馈算法[9]（Adaptive Auto Rate Feedback，AARF）统计发送连续成功或失败的帧个数，ONOE算法[10]（Only Openly Available Bit-rate Selection Algorithm，ONOE）维持当前传输速率的信用度，SampleRate算法[11]统计各速率下数据帧的平均传输时间，Minstrel算法[12]则统计各速率对应的传输吞吐率。第1种方法主要依赖于硬件，导致设备成本较高，另外需要修改协议，导致协议兼容性有一定的局限性。因此，基于统计信息的方法成为当前动态选择速率的首选。本文主要通过统计各速率对应的传输成功率进行动态速率选择，在IEEE 802.11协议[13]中没有一个成功率计算的统一标准。传统的累积和平均法（Cumulative Sum Average，CUSUMA）[14]可通过记录设备长时间运行过程中的发送成功次数和总的发送次数计算出发送成功率，该方法虽然简单，但由于计算机存储数据位数的有限性，可能导致数据值超过计算机最大数据类型表示范围，造成统计数据丢失。

本文针对计算机存储数据位数的有限性，基于成功率统计方法，提出指数加权移动平均（Exponentially Weighted Moving Average，EWMA）算法[15-16]。该算法可以实时统计不同速率下无线数据发送成功率，解决平均值算法引起的统计数据丢失问题。

1 EWMA原理及设计方法

工业领域尤其是在数据通信领域，需要实时统计数据发送的成功率，并根据统计的成功率作出相应决策，如在无线数据通信领域中决策发送速率[17]的选取。传统统计成功率的方法为累积和平均法（CUSUMA），该方法首先将发送成功的数据包个数累计求和，然后统计总共发送数据包的个数，最后将两个值的比值作为数据发送成功率。

从图2可以看出，在[λ=0.75]的情况下，EWMA算法与累积计算出来的概率值差值是最小的，并且随着时间的推移两个值趋于重合，充分证明了EWMA算法的合理性。

假设在600ms时数据出现翻转，由于位宽的限制，前600ms数据丢失，则计算出来的CUSUMA值为0.11，在[λ=0.75]的情况下，EWMA的值为0.21，而实际成功率为0.29。所以，在数据出现丢失的情况下，EWMA算法獲取的成功率值更为准确。

4 结语

在综合分析IEEE 802.11 协议簇的速率动态选择算法之后，本文针对IEEE 802.11标准的无线网络通信动态速率选择过程中的统计成功率计算方法，提出了一种基于EWMA算法的数据成功率统计方法。该方法克服了传统CUSUMA方法对数据位宽依赖的缺陷，能够解决由于数据位宽限制导致的统计数据丢失问题，及由此造成的成功率误差较大的问题，从而满足统计数据成功率和实时选取发送速率的需求，能够很好地屏蔽由于无线环境可变性导致的速率不稳定现象。实验表明，EWMA算法一方面能够实现IEEE 80211标准的无线数据发送成功率统计，另一方面能够解决位宽限制造成的统计信息丢失问题。

参考文献：

[1] 覃庆国，杨亚培，蒋宁，等. 依托学科优势构建电子信息类创新人才培养体系[J]. 电子科技大学报：社会科学版，2010，12（5）：103-106.

[2] 李二兵，徐伟强. 基于信道信息统计的WLAN速率自适应算法[J]. 无线电通信技术，2018，44（1）：55-59.

[3] HAN S，MOK A K，MENG J， et al. Architecture of a cyberphysical avatar[C]. ACM/IEEE International Conference on Cyber-Physical Systems， IEEE， 2013：189-198.

[4] ZHANG W，ZHU X，HAN S，et al. Design of a network-based mobile gait rehabilitation system[M]. Monterey：IEEE， 2012.

[5] SONG J，HAN S，MOK A，et al. Wirelesshart： applying wireless technology in real-time industrial process control[C]. Real-Time and Embedded Technology and Applications Symposium， 2008. RTAS '08，IEEE， 2008：377-386.

[6] HOLLAND G，VAIDYA N，BAHL P. A rate-adaptive mac protocol for multi-hop wireless networks[C]. ACM International Conference on Mobile Computing and NETWORKING，2001：236-251.

[7] HITHNAWI A. An on-demand rate-adaptation mechanism for IEEE 802.11 networks[D]. Achen： RWTH Aachen University， 2011.

[8] CHEN X，GANGWAL P，QIAO D. Ram： rate adaptation in mobile environments[J]. IEEE Transactions on Mobile Computing， 2012， 11（3）：464-477.

[9] LACAGE M，MANSHAEI M H，TURLETTI T. IEEE 802.11 rate adaptation：a practical approach[C]. ACM International Symposium on Modeling， Analysis and Simulation of Wireless and Mobile Systems，ACM， 2004：126-134.

[10] PEFKIANAKIS I，LEE S B，LU S. Towards mimo-aware 802.11n rate adaptation[J]. IEEE/ACM Transactions on Networking，2013， 21（3）：692-705.

[11] NI B，SANTHAPURI N，GRAY C，et al. Selection of bit-rate for wireless network coding[C]. Sensor， Mesh and Ad Hoc Communications and Networks Workshops， 2008，SECON Workshops '08. IEEE Communications Society Conference on. IEEE， 2008：1-6.

[12] XIA D，HART J，FU Q. Evaluation of the minstrel rate adaptation algorithm in ieee 802.11g wlans[C]. IEEE International Conference on Communications. IEEE， 2013：2223-2228.

[13] 胡智群. 层次网络中高效WLAN的性能分析与优化研究[D]. 北京：北京邮电大学， 2018.

[14] ABBAS，NASIR，RIAZ，et al. Mixed exponentially weighted moving average-cumulative sum charts for process monitoring[J]. Quality and Reliability Engineering International， 2013， 29（3）：345-356.

[15] MURRAY N B，GABBETT T J，TOWNSHEND A D，et al. Calculating acute： chronic workload ratios using exponentially weighted moving averages provides a more sensitive indicator of injury likelihood than rolling averages[J]. British Journal of Sports Medicine， 2017， 51（9）：749-755.

[16] ANDRé LUCAS，ZHANG X. Score-driven exponentially weighted moving averages and value-at-risk forecasting[J]. International Journal of Forecasting，2016，32（2）：293-302.

[17] 李二兵，徐偉强. 基于信道信息统计的WLAN速率自适应算法[J]. 无线电通信技术，2018， 44（1）：55-59.

[18] 李二兵. 无线局域网中基于数据链路层增强的传输可靠性研究[D]. 杭州：浙江理工大学， 2018.

[19] 杨国华. 802.11无线局域网标准与安全[J]. 计算机工程与设计， 2004，25（8）：1349-1352.

[20] 辛艳，梁建坤，修长虹. 无线局域网IEEE802.11ac协议的研究及应用[J]. 网络安全技术与应用，2016，25（9）：80-81.

[21] 王峰. 基于EWMA-GARCH（1，2）模型的统计套利策略研究[J].  科技经济导刊， 2018，10（8）：34-35.

[22] 王蕴红，刘国岁. LMS算法中稳态均方误差的研究[J]. 南京理工大学学报，1996，20（5）：469-472.

[23] 徐天河，杨元喜. 均方误差意义下正则化解优于最小二乘解的条件[J]. 武汉大学学报：信息科学版， 2004， 29（3）：223-226.

（责任编辑：杜能钢）