为了解决密集无线局域网(WLAN)中干扰严重、能耗高、网络性能难以优化等问题, 提出了一种分布式接入点功率调整算法.终端周期性扫描获得备用接入点集合, 并计算关联到备用接入点的功率等级信息.各接入点收集本地关联终端的上述信息, 以降低发射功率为准则独立地计算终端的最优接入点.本算法能够在满足终端吞吐量需求的条件下, 自适应地完成接入点功率调整和关联接入点的切换, 降低WLAN在非高峰时段的整体能耗.
A dense wireless local area network (WLAN) has the problems of severe interference, high energy consumption and difficulty on network performance optimization. An energy saving algorithm, which features the adaptive power adjustment of access points in a distributed fashion, is proposed. In this algorithm, each access point collects the distribution information about local terminals, and adjusts its transmission power or active handoff under the condition that the lower power can satisfy the service requirements of terminals, especially in non-busy hours. The simulation results show that this algorithm actually takes effect in reducing the energy consumption in dense WLAN.
为了保证无线局域网(WLAN, wireless local area network)能提供足够的接入能力，接入点(AP, access point)是根据某一区域用户的峰值业务来进行布置的，密集WLAN应运而生.相关研究表明[1-2]，峰值业务持续的时间非常短，这就导致网络中出现了不必要的能耗.随着AP数目指数增长，导致WLAN在非峰值业务期间产生的非必要能耗越来越高.
在优化密集WLAN接入网能耗方面，目前主要有资源按需(RoD, resource on demand)和整数线性规划(ILP, integer linear programming)2种方法.在RoD[3]优化方法中，AP有ON和OFF 2种工作状态，在满足用户性能的要求下，调整AP的工作状态，按照其实现的方式不同又分为基于终端数目[4-6]和终端业务[7-11]2种类型. ILP[12-14]方法将处于ON状态的AP的发射功率划分为多个不同的等级，将整个网络的需求和资源利用线性规划的求解分配方案，从而求得某个业务分布下网络AP能耗的最小值.
当网络规模较大时，ILP为一个NP-hard问题，求解复杂度变高，很难求得最优解. RoD算法中，AP只有ON和OFF 2种状态，能耗仍然较高.针对上述问题，笔者提出了一种分布式动态调整AP发射功率的方法.该方法在满足终端业务需求的前提下，允许AP根据覆盖范围内终端的分布，自适应地调整发射功率.此外，为了避免单节点决策的自私性，实现对某一个区域内整个WLAN能耗的优化，在动态调整过程中引入主动切换机制.
1 分布式动态功率调整1.1 AP发射功率的初始化AP发射功率的初始化过程是指基本服务集的初始建立过程，主要考虑2个方面：① 终端如何选择合适的AP；② AP如何根据当前基本服务集中终端的分布确定自己的状态或者发射功率等级.
由AP的能耗分析可知[8]，AP所产生的能耗是与它的发射功率密切相关的，即AP的发射功率越高，其功耗越大.所以，为了优化网络能耗，应降低AP的发射功率.基于上述原因，本方法中终端结合最小覆盖思想，根据接入选择策略，选择最优的AP接入.
IEEE 802.11协议定义了多种不同的物理层速率.在终端和AP进行通信时，可以根据信道条件(如信干比)选择合适的传输速率.因此，在信道条件已知的情况下，不同的发射功率将对应不同的传输速率，从而影响用户的服务质量.假设终端接收机的接收灵敏度为rth dBm，根据信道衰落模型，就可以计算出AP能够满足终端传输速率需求的最小发射功率为
|
(1) |
其中χ为信道衰落(单位为dB).将pmin定义为AP最小覆盖发射功率.
根据文献[13]，同样将AP的发射功率设置为若干个离散值.假设网络中有n个终端，m个AP.将网络中第i个AP记为ai，第j个终端记为tj.因此，ai的实际发射功率pi按照式(2) 进行修正，其中k∈{0, 1, 2, …, K}为AP的发射功率等级，pik为ai等级k的实际发射功率.
|
(2) |
终端tj在扫描所有信道之后，检测到若干AP可用，这些AP构成tj可接入AP集合Aj，其中ai(ai∈j)覆盖终端tj的最小发射功率等级为pi, jk.集合Aj和{pi, jk, ai∈j}构成终端tj的AP选择的依据.因此，终端tj的最优AP即as满足
|
(3) |
式(3) 表明，终端tj接入的最优AP为Aj中具有最小发射功率等级的那些AP，而且可能不止1个.因此，终端tj可以选择其中的任意1个接入.此外，将Aj中除去被关联AP以外的其他AP定义为终端tj的备用AP集合，用Bj表示.
1.2 AP功率的动态调整1.2.1 基于时间触发的功率调整基于时间触发的动态调整过程包含以下步骤.
1) 在等待的时间段D内，如果网络中的AP即ai收到连接请求，则重新等待D时间段；
2) 如果在该时间段内收到解除连接请求，则直接跳过该功率调整过程；
3) 如果在该时间段内既没有收到连接请求也没有收到解除连接请求，则对AP进行切换判别，对满足切换判别条件的终端进行主动切换.
定义Ti为接入到ai的终端集合，在这些终端中，某些终端距离AP较远，或者与AP间存在障碍物，使得该AP与这些终端通信是成为影响AP能耗的最大因素，如图 1中的STA2、STA5和STA6.切换判别主要是针对这些让AP处于当前发射功率等级的终端，定义为最远终端集合Ui={tj|pi, jk=pi, tj∈Ti}. Ui代表了那些让ai工作在当前发射功率等级的那些终端，如果这些终端离开网络或者切换到其他AP，ai可以在不影响当前关联终端服务速率的情况下降低发射功率等级.而切换判别的核心思想就是，如果当Ui中的终端切换到邻居AP能够降低网络的整体能耗，就对该终端进行主动切换，如图 1中的STA6.
|
图 1 AP功率调整的示意图 |
对于ai，集合Ui中的任一终端tj(tj∈Ui)，在其备用AP集合Bj中计算.若tj切换到某个an∈Bj上，则an发射功率的变化值为
|
(4) |
由式(4) 可见，cn, j为非负值.如果cn, j为0，表示终端tj接入到an上不会增大an的发射功率等级；否则，需要增大an的发射功率等级.
轮询Bj中的所有AP，可以找到那个具有最小功率等级变化的AP，如式(5) 所示.
|
(5) |
如果最远终端集合Ui中的终端全部切换，则网络整体发射功率的变化值Ci如式(6) 所示.其中pi+为Ui中所有终端均切换到邻居AP后，ai所选择的新的发射功率等级.
|
(6) |
显然，当Ci>0时，表明切换可以使得整体发射功率下降，对Ui中的所有终端进行主动切换；反之，则不对该Ui中的终端进行切换处理.
1.2.2 基于事件触发的功率调整在基于事件的动态调整过程中，根据AP的状态变化，可将基于事件的动态调整分为两种类型：基于连接请求的动态调整和基于解除连接请求的动态调整.动态调整AP的发射功率由两种事件驱动，为了保证网络的服务性能，定义连接请求事件的优先级高于解除连接请求，则基于事件的动态调整AP发射功率的步骤如下.
1) AP等待连接请求帧和解除连接请求帧的到来.如果收到连接请求帧，则执行2)；如果收到解除连接请求帧，则执行3).
2) 如果ai收到来自终端tj的连接请求，ai响应该请求，并调整它的发射功率等级.如果ai覆盖终端tj的最小发射功率等级pi, jk大于ai当前发射功率pi，则调整ai当前发射功率pi=pi, jk；如果ai覆盖终端tj的最小发射功率等级小于或等于ai当前发射功率pi，则不调整ai当前发射功率pi.执行完成之后，跳转到1)，继续等待连接请求帧和解除连接请求帧的到来.
3) 如果ai收到解除连接请求，响应该请求，然后对ai做切换判别，从而判断ai的发射功率是否有进一步降低的可能性.执行完成之后，跳转到1)，继续等待连接请求帧和解除连接请求帧的到来.
1.3 算法复杂度分析本分布式AP功率调整算法的复杂性包括协议开销和计算开销.在终端上，对收集的信息进行筛选和排序，能够有效降低AP和终端间协议开销的计算复杂度.
每个AP定期地发送信标(Beacon)帧，而各终端在其业务空闲期通过定期地扫描信道可以获得备用AP集合，并通过Beacon帧接收信号强度，计算自己是否属于关联AP的最远终端集合，以及备用AP覆盖自己所需的功率等级.
只有当一个终端确定自己属于当前关联AP的最远终端集合时，它对备用AP进行排序和筛选.首先，将那些业务负载较重的AP排除，然后依据式(4) 的功率增加值从低到高进行排序，并且最多只记录3个备用AP的数据.然后，使用自定义的MAC帧将筛选和排序后的备用AP信息反馈给当前关联的AP.该反馈信息使用帧类型11，该类型在IEEE 802.11帧格式[3]中未被定义，能够实现向前的协议兼容.通过这种筛选和排序，可以降低最远终端集合中的终端与AP间的通信开销.
因为终端反馈的备用AP集合的信息是经过排序的，当AP采用式(5) 进行切换判决的计算时，不必轮询备用AP集合中的所有AP.如果式(5) 中cn, j为0，表明已经找到1个不需要增大发射功率的AP，可以停止计算.降低了AP进行切换判断的计算开销.
2 仿真结果与分析仿真模型中，在500 m×500 m的区域内布置81个AP.对AP采用ON/OFF 2种状态、3种发射功率等级，其对应的覆盖范围和瞬时能耗如表 1所示[11].
|
表 1 AP发射功率等级模型 |
为了验证动态节能算法对网络能耗的影响，本仿真模型中根据网络中终端的数目建立多种网络负载模型，网络中节点的分布如表 2所示.
|
|
表 2 网络负载模型 |
由图 2~4可知，相对于接入控制方法，本算法能够有效地降低整个网络的能耗，并且其能耗的优化性能表现为从上升到下降的趋势，在网络负载量为40%时，优化性能达到峰值.网络中的瞬时能耗不仅与AP的工作状态相关，而且与AP的发射功率等级也是密切相联系的，特别是在业务量较低和业务量较高这2种极端情况时，即使工作AP的数目基本上没有差别，但是采用主动切换的策略能够有效地降低整个WLAN的能耗.
|
图 2 20%负载时网络的瞬时能耗随时间的变化曲线 |
|
图 3 40%负载时网络的瞬时能耗随时间的变化曲线 |
|
图 4 80%负载时网络的瞬时能耗随时间的变化曲线 |
相对于ILP方法，本算法在优化网络能耗方面存在一定差距，特别在高业务量时差距比较小.因为本算法是在AP覆盖范围进行功率调整的，对于整个网络来讲是1个局部最优解，所以其优化效果相对于ILP的全局最优解肯定有一定的差距.由图 4可知，在不同的网络时刻，ILP求解的全局最低能耗值在随时间波动，这是由于移动终端的数目增多，使得网络的状态随时间波动较大导致的.相反的，本算法相对于ILP方法表现出了一定的稳定性.
在相同的负载下，虽然ILP方法性能较优，但它存在2个问题：① 计算开销大，难以应用于较大规模的密集WLAN.在本仿真场景下，使用LinGo软件求解ILP算法的分配结果需要近30 min. ② 由于ILP算法需要获取所有AP和终端的状态信息进行优化方案的计算，并将计算结果分发到每个AP上，这会引入大量的通信开销.如果将上述2个过程的能耗考虑进来，那么ILP算法就不再具有能耗上的优势.笔者提出的算法采用分布式策略，使得AP能够根据网络中终端的变化对其发射功率自适应地进行调整，相对于ILP有效地降低了功率配置的时间复杂度，因此本算法具有更高的实际应用的可能性.
3 结束语为了优化密集WLAN的能耗，提出了一种动态调整AP功率的方法.该方法中AP能够根据当前的网络状态主动地调整自己的发射功率值，并且通过主动切换策略，使得计算结果接近全局优化结果.本方法分布式执行，链路开销小，适合在工程中应用.
| [1] | Jardosh A P, Papagiannaki K, Belding E M, et al. Green WLAN: on-demand WLAN infrastructures[J].Mobile Networks and Applications, 2009, 14(6): 798–814. doi: 10.1007/s11036-008-0123-8 |
| [2] | Sun Wenqi, Li Hewu, Wu Jianping. Study on real energy consumption of large-scale campus wireless network[C]//IEEE International Conference on Computing, Networking and Communications. Jakarta: IEEE, 2013: 605-609. |
| [3] | Marsan M A, Chiaraviglio L, Ciullo D, et al. A simple analytical model for the energy-efficient activation of access points in dense WLANs[C]//ACM Proceedings of the 1st International Conference on Energy-Efficient Computing and Networking. New York:ACM, 2010: 159-168. |
| [4] | Marsan M A, Meo M. Energy efficient management of two cellular access networks[J].ACM SIGMETRICS Performance Evaluation Review, 2010, 37(4): 69–73. doi: 10.1145/1773394 |
| [5] | Marsan M A, Chiaraviglio L, Ciullo D, et al. Switch-off transients in cellular access networks with sleep modes[C]//IEEE International Conference on Communications. Kyoto:IEEE, 2011: 1-6. |
| [6] | Marsan M A, Chiaraviglio L, Ciullo D, et al. Optimal energy savings in cellular access networks[C]//IEEE International Conference on Communications. Dresten:IEEE, 2009: 1-5. |
| [7] | Tang S, Yomo H, Kondo Y, et al. Wake-up receiver for radio-on-demand wireless LANs[J].EURASIP Journal on Wireless Communications and Networking, 2012, 2012(42): 1–13. |
| [8] | Tanaka T, Abe K, Aust S, et al. Automatic and cooperative sleep control strategies for power-saving in radio-on-demand WLANs[C]//IEEE Green Technologies Conference. Denver: IEEE, 2013: 293-300. |
| [9] | Nagareda R, Hasegawa A, Shibata T, et al. A proposal of power saving scheme for wireless access networks with access point sharing[C]//IEEE International Conference on Computing, Networking and Communications. Hawaii: IEEE, 2012: 1128-1132. |
| [10] | Saito F, Yomo H, Abe K, et al. A probability-based wake-up mechanism for radio-on-demand wireless LAN[C]//IEEE International Symposium on Personal, Indoor, and Mobile Radio Communications. London: IEEE, 2013: 2120-2124. |
| [11] | Abinader F M, Almeida E P L, Choudhury S, et al. Performance evaluation of IEEE 802.11n WLAN in dense deployment scenarios[C]//IEEE Vehicular Technology Conference Fall. Las Vegas: IEEE, 2014: 1-5. |
| [12] | Lorincz J, Bogarelli M, Capone A, et al. Heuristic approach for optimized energy savings in wireless access networks[C]//IEEE International Conference on Software, Telecommunications and Computer Networks. Split Bol: IEEE, 2010: 60-65. |
| [13] | Lorincz J, Capone A, Bogarelli M. Energy savings in wireless access networks through optimized network management[C]//IEEE International Symposium on Wireless Pervasive Computing. Modena: IEEE, 2010: 449-454. |
| [14] | Lorincz J, Capone A, Begušić D. Optimized network management for energy savings of wireless access networks[J].Computer Networks, 2011, 55(3): 514–540. doi: 10.1016/j.comnet.2010.09.013 |