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

来源：IEEE International Conference on Communications 作者：Matteo Maria 年份：2016

摘要： 现如今很多移动设备都配有多个无线接口，比如蓝牙、WIFI、NFC等等，建立两个移动设备的连接可以不经过网络基础设施，而是可以通过这些无线接口直接相连，我们称之为D2D。与此相关的一个问题就是：在何时激活D2D的连接并管理这种连接？这就需要一个控制器来管理。 SDN起到的作用：我们可以利用SDN来处理设备之间的数据流，并与每个设备直接交互。 设想一种场景，有多个设备，其中一个设备作为主设备用作SDN控制器，目的是成为WIFI直连网络的主节点。其余的节点（又称客户端）利用主节点与其他节点交换数据。 机器学习方法在这里面起到的作用：推断主动参与接收数据节点的数量（用户下载文件是预测多久完成时会用到），只利用客户端可用的信息，而不用修改任何标准通信协议。

• 什么是D2D通信技术（Device—to—Device Communication）

点此详细了解：D2D通信技术.

D2D通信技术是指两个对等的用户节点之间直接进行通信的一种通信方式。在由D2D通信用户组成的分布式网络中，每个用户节点都能发送和接收信号，并具有自动路由(转发消息)的功能。网络的参与者共享它们所拥有的一部分硬件资源，包括信息处理、存储以及网络连接能力等。这些共享资源向网络提供服务和资源，能被其它用户直接访问而不需要经过中间实体。在D2D通信网络中，用户节点同时扮演服务器和客户端的角色，用户能够意识到彼此的存在，自组织地构成一个虚拟或者实际的群体。
当前的蜂窝网络通信中，用户之间相互通信也必须经过中央节点基站来转接相互之间的消息。而在未来的5G网络中，也将普及D2D通信，以适当地缓解无线通信系统频谱资源匮乏的问题。

论文总体架构：
本文介绍了如何通过接收节点、机器学习(ML)技术和仅以客户端可用的网络参数作为输入来准确估计活动UE的数目，以满足不修改任何协议的要求。为了实现这一点，我们测量从AP到接收节点传输文件的第一部分所需的时间，以及其他信息，例如，每个节点到AP的距离及其传输功率。论文的其余部分组织如下。
在第二节中，我们描述了在我们的实验中使用的实验床和数据集。在第三节中，我们概述了估计活动节点数量的ML技术。第四节介绍了用于预测活动节点数目的ML技术的实验评估。最后，第五节对全文进行了总结，并提出了今后的工作方向。

Conclusion: 本文研究了如何仅利用无线网络中每个节点的可用数据，有效地推断出一个重要的SDN参数-主动节点N的个数。我们研究了在WIFI传输的ETA上误差的分布，给出了该参数的错误预测，以及如何使用ML技术来分析从第一次传输的文件块中得到的信息并返回