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

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

摘要： 现现在不少移动设备都配有多个无线接口，好比蓝牙、WIFI、NFC等等，创建两个移动设备的链接能够不通过网络基础设施，而是能够经过这些无线接口直接相连，咱们称之为D2D。与此相关的一个问题就是：在什么时候激活D2D的链接并管理这种链接？这就须要一个控制器来管理。 SDN起到的做用：咱们能够利用SDN来处理设备之间的数据流，并与每一个设备直接交互。 设想一种场景，有多个设备，其中一个设备做为主设备用做SDN控制器，目的是成为WIFI直连网络的主节点。其他的节点（又称客户端）利用主节点与其余节点交换数据。 机器学习方法在这里面起到的做用：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讯协议。

• 什么是D2D通讯技术（Device—to—Device Communication）

点此详细了解：D2D通讯技术.

D2D通讯技术是指两个对等的用户节点之间直接进行通讯的一种通讯方式。在由D2D通讯用户组成的分布式网络中，每一个用户节点都能发送和接收信号，并具备自动路由(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、存储以及网络链接能力等。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须要通过中间实体。在D2D通讯网络中，用户节点同时扮演服务器和客户端的角色，用户可以意识到彼此的存在，自组织地构成一个虚拟或者实际的群体。
当前的蜂窝网络通讯中，用户之间相互通讯也必须通过中央节点基站来转接相互之间的消息。而在将来的5G网络中，也将普及D2D通讯，以适当地缓解无线通讯系统频谱资源匮乏的问题。

论文整体架构：
本文介绍了如何经过接收节点、机器学习(ML)技术和仅以客户端可用的网络参数做为输入来准确估计活动UE的数目，以知足不修改任何协议的要求。为了实现这一点，咱们测量从AP到接收节点传输文件的第一部分所需的时间，以及其余信息，例如，每一个节点到AP的距离及其传输功率。论文的其他部分组织以下。
在第二节中，咱们描述了在咱们的实验中使用的实验床和数据集。在第三节中，咱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，并提出了从此的工做方向。

Conclusion: 本文研究了如何仅利用无线网络中每一个节点的可用数据，有效地推断出一个重要的SDN参数-主动节点N的个数。咱们研究了在WIFI传输的ETA上偏差的分布，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获得的信息并返回𝑁的值。在这项工做的基础上，进一步的步骤能够是预测活跃节点的数量，做为已经接收到的数据量的函数。这能够同时更新ETA估计和传输期间的节点数。