Estimating the number of receiving nodes in 802.11 networks via machine learning

來源：IEEE International Conference on Communications 做者：Matteo Maria 年份：2016

摘要： 現現在不少移動設備都配有多個無線接口，好比藍牙、WIFI、NFC等等，創建兩個移動設備的鏈接能夠不通過網絡基礎設施，而是能夠經過這些無線接口直接相連，咱們稱之爲D2D。與此相關的一個問題就是：在什麼時候激活D2D的鏈接並管理這種鏈接？這就須要一個控制器來管理。 SDN起到的做用：咱們能夠利用SDN來處理設備之間的數據流，並與每一個設備直接交互。 設想一種場景，有多個設備，其中一個設備做爲主設備用做SDN控制器，目的是成爲WIFI直連網絡的主節點。其他的節點（又稱客戶端）利用主節點與其餘節點交換數據。 機器學習方法在這裏面起到的做用：推斷主動參與接收數據節點的數量（用戶下載文件是預測多久完成時會用到），只利用客戶端可用的信息，而不用修改任何標準通訊協議。

• 什麼是D2D通訊技術（Device—to—Device Communication）

點此詳細瞭解：D2D通訊技術.

D2D通訊技術是指兩個對等的用戶節點之間直接進行通訊的一種通訊方式。在由D2D通訊用戶組成的分佈式網絡中，每一個用戶節點都能發送和接收信號，並具備自動路由(轉發消息)的功能。網絡的參與者共享它們所擁有的一部分硬件資源，包括信息處理、存儲以及網絡鏈接能力等。這些共享資源向網絡提供服務和資源，能被其它用戶直接訪問而不須要通過中間實體。在D2D通訊網絡中，用戶節點同時扮演服務器和客戶端的角色，用戶可以意識到彼此的存在，自組織地構成一個虛擬或者實際的羣體。
當前的蜂窩網絡通訊中，用戶之間相互通訊也必須通過中央節點基站來轉接相互之間的消息。而在將來的5G網絡中，也將普及D2D通訊，以適當地緩解無線通訊系統頻譜資源匱乏的問題。

論文整體架構：
本文介紹瞭如何經過接收節點、機器學習(ML)技術和僅以客戶端可用的網絡參數做爲輸入來準確估計活動UE的數目，以知足不修改任何協議的要求。爲了實現這一點，咱們測量從AP到接收節點傳輸文件的第一部分所需的時間，以及其餘信息，例如，每一個節點到AP的距離及其傳輸功率。論文的其他部分組織以下。
在第二節中，咱們描述了在咱們的實驗中使用的實驗牀和數據集。在第三節中，咱們概述了估計活動節點數量的ML技術。第四節介紹了用於預測活動節點數目的ML技術的實驗評估。最後，第五節對全文進行了總結，並提出了從此的工做方向。

Conclusion: 本文研究瞭如何僅利用無線網絡中每一個節點的可用數據，有效地推斷出一個重要的SDN參數-主動節點N的個數。咱們研究了在WIFI傳輸的ETA上偏差的分佈，給出了該參數的錯誤預測，以及如何使用ML技術來分析從第一次傳輸的文件塊中獲得的信息並返回𝑁的值。在這項工做的基礎上，進一步的步驟能夠是預測活躍節點的數量，做爲已經接收到的數據量的函數。這能夠同時更新ETA估計和傳輸期間的節點數。