Измерение и анализ качества связи в беспроводных сетях: перспектива приложения

Аннотация

Vinay Kolar, Nael Abu–Ghazaleh, Saquib Razak, Petri Mahonen Измерение и анализ качества связи в беспроводных сетях: перспектива приложения Оценка качества беспроводной связи жизненно важна для оптимизации нескольких протоколов и приложений в беспроводных сетях. В реалистичных беспроводных сетях качество связи обычно прогнозируется путем измерения уровня принимаемого сигнала и частоты ошибок. Понимание временных свойств этих параметров важно для того, чтобы измеренные значения были репрезентативными, а также для точного прогнозирования производительности системы. В этой статье мы анализируем уровень принимаемого сигнала и частоту появления ошибок во внутренней беспроводной ячеистой сети IEEE 802.11, уделяя особое внимание пониманию его полезности для протоколов, основанных на измерениях. Мы показываем, что статистическое распределение и свойства памяти различаются в разных ссылках, но предсказуемы. Наши экспериментальные измерения также показывают, что из–за эффекта замирания частота ошибок пакетов не всегда монотонно уменьшается при уменьшении скорости передачи. Это имеет серьезные последствия для многих протоколов, основанных на измерениях, таких как алгоритмы адаптации скорости. Наконец, мы опишем среду измерения в реальном времени, которая позволяет нескольким приложениям на беспроводном испытательном стенде, и обсудим результаты из примеров приложений, которые используют измерение уровня сигнала и частоты ошибок.

I. Введение

В беспроводных сетях несколько приложений и протоколов используют оценки качества связи для повышения производительности системы. Тем не менее, точная характеристика беспроводных линий в реалистичных беспроводных сетях является сложной проблемой, так как линии испытывают частые изменения каналов и сложные схемы помех. Симуляторы и аналитические модели отражают влияние беспроводного распространения и помех для прогнозирования качества связи. Тем не менее, такие методы оценки качества связи не могут быть непосредственно использованы в реалистичных сетях, поскольку беспроводная среда изменяется динамически. Даже если изменения относительно медленнее, для оценки качества линии связи требуются подробные данные о беспроводной среде и информация физического уровня более низкого уровня, такая как точная информация о местности и время когерентности канала. Такие данные, как правило, недоступны – или даже недоступны – для протоколов более высокого уровня. Следовательно, оценка качества линии связи является важной и сложной проблемой в реалистичных операционных беспроводных сетях.

В реалистичных беспроводных сетях модели [1], [2] и протоколы [3], [4] используют более прямой и приблизительный подход для оценки качества линии. Они измеряют доступные параметры, которые приближают качество связи, и используют их для моделирования или оптимизации системы. В дальнейшем мы будем называть такие модели, протоколы и приложения, основанные на измерениях, общим термином: Приложения, основанные на измерениях (MBA). Примеры MBA в беспроводных сетях включают в себя ассоциацию AP, управление скоростью передачи и маршрутизацию. Существующие исследования показали, что MBA более устойчивы к динамическим изменениям в топологии сети и трафике и с большим отрывом превосходят аналогов, не основанных на измерениях [3], [4]. MBA фиксируют эффективность беспроводной линии, измеряя важные параметры уровня PHY и MAC, которые предоставляются беспроводными картами.

В большом количестве MBA измеренные значения силы принимаемого сигнала (RSS) и частоты ошибок используются в качестве параметров решения для оптимизации системы. RSS пакета доступна непосредственно с беспроводных карт IEEE 802.11, которые используются в большинстве коммерческих беспроводных сетей, таких как WLAN и ячеистая сеть. Частота ошибок пакетов/битов (PER/BER) измеряется, как правило, путем введения дополнительных пакетов измерений. В то время как текущие MBA используют эти значения для прогнозирования или повышения производительности сети, в существующих исследованиях не анализируются характеристики RSS и частоты ошибок, которые имеют непосредственное отношение к MBA. Существует общее разногласие относительно временных вариаций и распределений RSS и PER, которые не были полностью подтверждены экспериментами. В то время как некоторые исследования предполагают, что эти параметры являются константами [5], [6], другие аппроксимируют их как последовательность независимых и одинаково распределенных (т.е. распределенных) случайных величин из некоторого известного статистического распределения [1], [7].

Основное внимание в статье уделяется изучению характеристик RSS и PER с особым акцентом на MBA и разработке основанной на измерениях среды в реальном времени, которая обеспечивает эффективную разработку MBA. Наш первый вклад заключается в том, чтобы эмпирически изучить статистические свойства RSS и PER. Мы проверяем предположения о RSS и PER, анализируя независимость и распространение RSS и частоту появления ошибок для разных ссылок. Мы показываем, что распределение значений RSS и PER сильно зависит от частоты ошибок ссылки. Сильные и слабые звенья разделены слоем переходной серой зоны, где замирание канала приводит к неожиданному и интересному распределению частоты ошибок. Мы анализируем изменение частоты ошибок по отношению к скорости передачи. Вопреки общепринятому соглашению, наши следы показывают, что частота ошибок не всегда уменьшается, когда мы переключаемся на более низкую скорость передачи. Фактически, в некоторых случаях переключение на более высокую скорость передачи приводит к более стабильной линии связи с более низкой частотой ошибок в переходной серой зоне. Приведенный выше анализ и выводы имеют серьезные последствия для MBA. Мы обсудим статистический анализ в разделе II.

Следующий вклад статьи – это система измерения в реальном времени, которая постоянно контролирует качество связи. В разделе III описывается наш испытательный стенд, архитектура системы и измерительные модули, которые облегчают статистический мониторинг качества связи. Затем мы кратко обсудим примеры MBA, которые используют систему измерения для прогнозирования и оптимизации производительности сети (Раздел IV). Наконец, мы завершаем работу и обсуждаем нашу будущую работу в разделе VI.

II. Эмпирический анализ RSS и PER

В этом разделе мы изучим статистические свойства уровня сигнала и частоты ошибок. Сначала мы опишем инфраструктуру испытательного стенда, а затем проанализируем PER в широком диапазоне RSS. Этот анализ полезен для классификации различных типов ссылок. Затем мы выполняем тесты подгонки распределения и независимости для наблюдаемых значений RSS и PER по одной ссылке.

А. Методология измерения

Эксперименты проводились с использованием нашего внутреннего испытательного стенда, который состоит из шести узлов, расположенных в офисах вдоль коридора, как показано на рисунке 1. Каждый узел состоит из платы Soekris [8] с беспроводной картой mini–PCMCIA, работающей на чипсете Atheros [9], и модифицированной водитель MadWifi [10]. Беспроводные карты работают на 802.11a, чтобы избежать помех в сети 802.11b/g в здании, а анализаторы спектра использовались для обеспечения отсутствия внешних помех. Паразитное разнесение при передаче антенн [11] отключено, а модули управления скоростью отключены.

B. Категории ссылок на основе RSS и PER

Мы используем существующую классификацию ссылок, которая классифицировала ссылки на три зоны на основе наблюдаемого PER [12]: (1) зона с низкими потерями, где ссылки наблюдают очень мало потерь пакетов; (2) зона с высокими потерями, где в канале очень высокий уровень ошибок пакетов; и (3) промежуточная серая зона, где качество связи колеблется между низкими и высокими потерями. Мы используем термины сильное, среднее и слабое звено для обозначения ссылок в зонах с низким, серым и высоким уровнем потерь, соответственно. Мы используем эти категории, чтобы суммировать свойства ссылок, поскольку, как мы покажем позже, ссылки в каждой категории демонстрируют похожее статистическое поведение.

На рисунке 2 показан коэффициент ошибок пакетов (PER) в сравнении с измеренными значениями RSS для различных типов каналов со скоростью передачи 6 Мбит/с. Теоретические кривые BER были рассчитаны для модуляции BPSK с помощью сверточных кодов (согласно спецификациям 802.11a) по каналам AWGN и Рэлея. Как отмечалось в других исследованиях [13], теоретические кривые не совпадают с полученным PER. Он недооценивает PER сильных ссылок и переоценивает PER слабых связей. Следовательно, теоретические модели не могут быть непосредственно использованы для точного прогнозирования. Рис. 2. PER против RSS: PER постоянен для сильных ссылок и имеет высокую дисперсию для ссылок серой зоны.

Разделение PER на три кусочных зоны четко идентифицируется путем наблюдения экспериментальных кривых PER, а среднее и отклонение каждой категории звеньев варьируются. Сильные ссылки имеют низкий и постоянный PER с небольшой дисперсией. PER в серой зоне колеблется в широких пределах (от 0,2 до 0,9). PER слабых звеньев приближается к 1 с приемлемым отклонением. В серой зоне мы наблюдаем, что агрегированные показатели, такие как среднее значение PER, недостаточны для определения частоты ошибок из–за ее огромного изменения. Раздел II–D исследует этот регион подробно.

C. Распространение и независимость RSS

Аппроксимация RSS как константы или последовательности из i.i.d. случайные величины из некоторого распределения широко используются в литературе [1], [5]. Тем не менее, обоснованность этих предположений не была тщательно проверена, хотя i.i.d. Предположение оказывает большое влияние на эффективность модели. В этом разделе мы анализируем эмпирические значения RSS, чтобы сделать вывод о независимости и распределении.

Независимые и распределительные тесты применяются для значений RSS, собранных с интервалом 1,5 секунды. Проверка независимости проводится путем наблюдения за затуханием функции автокорреляции (ACF) при разных задержках 1. Мы проводим тесты подгонки распределения с использованием тестов Колмогорова–Смирнова (KS) и логарифмического правдоподобия (и теста Лиллифора, если применимо). Тесты подгонки распределений были проведены для 10 известных распределений, и мы представляем результаты для распределений, которые обычно используются для моделирования RSS.

Таблица 1 – Тест распределения и независимости для RSS: r показаны результаты normal (N), log–normal (LN), gamma (G) и weibull (W). Результаты тестов KS и независимости показывают, что слабая ссылка может быть аппроксимирована как i.i.d. случайная величина из журнала – нормальное распределение. Тест KS отклоняет все эти распределения для сильных и средних ссылок.

Мы суммируем результаты в Таблице I. Только слабые связи могут быть грубо аппроксимированы как лог–нормальное распределение, предполагая, что подход, используемый Qiu et al. [1] действует только для слабых ссылок. Визуальные наблюдения гистограмм показывают, что RSS для сильной ссылки хорошо аппроксимируется как константа, так как дисперсия очень мала (как наблюдали Reis et al. [2]). Подробные результаты можно найти в техническом отчете [14].

D. Определение перекрестных значений RSS

Точки перехода от зоны с низкими потерями к серой зоне (далее называемой точкой перехода) различны для разных линий. Следовательно, постоянные точки пересечения не могут быть приняты для оценки категории ссылки. Как мы видели в разделе II–C, дисперсия RSS невелика и постепенно уменьшается от постоянного к логарифмически нормальному распределению по мере уменьшения RSS. Следовательно, точка пересечения не может быть заключена из измеренных значений RSS.

На рисунке 3 показаны гистограммы значений PER и RSS для ссылки с узла 2 на 5 в нашем испытательном стенде. Мы изменяем мощность передачи у отправителя и наблюдаем ее влияние на PER и RSS. PER является унимодальным и низким для высоких мощностей передачи (рисунок 3 (а)) и имеет более высокие значения с унимодальным распределением для низких мощностей передачи (рисунок 3 (с)).

Интуитивно мы ожидаем, что гистограмма PER изменится с 0 до 1 (возможно, с большей дисперсией) по мере уменьшения мощности передачи. Однако рисунок 3 (b) показывает, что при определенном промежуточном значении RSS, PER колеблется между низкими и высокими значениями в очень небольшом диапазоне RSS (даже на временной шкале доли секунды). Это становится бимодальным с большим разделением между этими двумя модами. Небольшая разница в уровнях сигнала, которая может быть вызвана замиранием канала, резко изменяет PER [15]. Это указывает на то, что ссылка должна знать не только о значениях RSS, но и о точном характере канала между ними для количественной оценки качества ссылки. Распространение или измерение информации о канале (например, PER для большого диапазона значений RSS) полезно, когда существует высокая вероятность того, что ссылка работает в этой серой зоне.

E. PER распределение

В этом параграфе мы статистически анализируем эмпирические значения PER во всех зонах, чтобы проверить, можно ли их считать i.i.d. случайные величины из некоторого распределения. Мы измеряем PER один раз каждые 50 мс. Поскольку мы заинтересованы в анализе распределения в одном периоде измерения, мы группируем PER в один период измерения (1,5 секунды) и проводим тесты подгонки распределения, аналогично разделу II–C, на данных, и результаты представлены в таблице II. Было замечено, что ACF связи в серой зоне медленно распадается, что указывает на сильную память.

Таблица 2 – Тест распределения и независимости для PER: показаны результаты нормального (N), логарифмического (LN), gamma (G), beta (B) и weibull (W). Слабые – ссылки могут быть аппроксимированы как i.i.d. случайные величины из беты или журнала – нормальное распределение и средние ссылки имеют память

Таким образом, наблюдая результаты независимости и распределения PER в течение нескольких секунд, мы можем сделать вывод, что: (i) PER сильных связей лучше всего аппроксимировать как константу (рис. 3 (а)); (ii) PER ссылок серой зоны непредсказуем, имеет память и является бимодальным распределением; и (iii) PER ссылок с высокими потерями может быть аппроксимирован с помощью i.i.d. случайная величина из логарифмически нормального, бета–распределения или распределения Вейбулла.

F. влияние модуляции и скорости передачи

В этом разделе мы анализируем результаты для разных скоростей передачи по данной ссылке. Измерения были проведены для всех стандартных скоростей передачи, и было выбрано репрезентативное подмножество, чтобы проиллюстрировать эффект простым и лаконичным образом.

На рисунке 4 изучается влияние скорости передачи на наблюдаемый PER для подмножества скоростей передачи 802.11a. Существует неопределенность в прогнозировании влияния скорости передачи на PER. Общим и неинтуитивным результатом, наблюдаемым на различных трассах, которые мы исследовали, было отсутствие монотонной тенденции, когда PER увеличивался при выборе более высокой скорости передачи. Кроме того, точки пересечения для некоторых более высоких скоростей передачи встречаются при меньшей RSS, чем точки с более низкими скоростями передачи. Приведенные выше результаты имеют серьезные последствия для модулей управления скоростью, поскольку большинство модулей уменьшают скорость передачи при наличии ошибок пакетов, что, как показывают наши результаты, неэффективно. Большие преимущества в производительности модулей управления скоростью, которые не всегда следуют этой традиционной схеме (например, [3]), можно объяснить из наших результатов.

III. Рамка измерения в реальном времени

Анализ, приведенный в предыдущем разделе, демонстрирует необходимость измерения RSS и PER для ссылок в беспроводной сети, а также описывает механизмы для определения нескольких важных параметров, таких как категория канала и точки пересечения. Хотя оценка этих параметров помогает протоколам более высокого уровня, процесс измерения и оценки в реальном времени создает практические проблемы с точки зрения координации между узлами и накладных расходов на измерения. В этом разделе мы кратко опишем компоненты системы, которые позволяют в реальном времени измерять качество связи на нашем испытательном стенде.

А. Системная архитектура

На рисунке 5 показана системная архитектура существующего испытательного стенда. Беспроводные узлы представлены как N i. Модифицированный драйвер Madwifi записывает информацию для всех пакетов, где заголовок получен правильно. В настоящее время мы записываем время на чипсете (в микросекундах), RSSI, шум, отправитель, получатель, порядковый номер и ошибку. Информация о недавнем приеме пакетов доступна в пользовательском пространстве через файловую систему/proc.

В пользовательском пространстве каждый беспроводной узел запускает сервер управления с открытым сокетом для отправки и получения управляющих сообщений и запросов. Команды конфигурации (например, установка мощности передачи, скорости) и операции измерения (например, считывание информации принятого пакета, измерение PER) на беспроводных узлах могут выполняться удаленно путем выдачи команд серверу управления. Этот интерфейс сервера управления обеспечивает как распределенное, так и централизованное управление беспроводными узлами.

В текущей версии центральный координатор контролирует нашу беспроводную ячеистую сеть для обеспечения качества связи в реальном времени.

B. Протокол измерений

Протокол измерений, который в настоящее время инициируется узлом–координатором, выполняет две основные функции: (a) опрос трассировок приемника и (b) измерение PER.

Опрос трассировки приемника отслеживает динамические изменения качества линии связи путем опроса каждого узла на предмет получения информации о принятом пакете по проводному каналу управления. Этот процесс является относительно ненавязчивым, простым и легким. Удаленный запрос к управляющему серверу на каждом узле для передачи трассировок пакетов извлекает текущую трассировку. Для каждого узла он обновляет статистические показатели RSSI (среднее значение, медиана и дисперсия) из других узлов.

Протокол измерения PER является более сложным и навязчивым. Значения PER варьируются в зависимости от различных параметров передачи, таких как мощность передачи, используемая схема модуляции (скорость передачи) и размер пакета. Следовательно, измерение значений PER для каждой комбинации параметра передачи и каждой линии связи имеет высокую сложность. Мы внедрили модуль PER с низкими издержками, где каждый узел вещает только один раз для набора репрезентативных параметров передачи. Остальные узлы распознают и сообщают о наблюдаемой трассировке MAC координатору. Координатор создает таблицу PER, которая предоставляет статистику о наблюдаемой статистике RSSI и PER. Поскольку этот модуль имеет важные управляющие сообщения, следует проявлять осторожность, чтобы инициировать, когда трафик данных меньше (например, ночью и в выходные дни).

Использование широковещательной рассылки вместо одноадресной передачи выгодно по двум причинам. Во–первых, каждый узел должен транслировать только один раз вместо одноадресной рассылки для каждого получателя канала. Следовательно, это уменьшает сложность протокола с O (n 2) до O (n), где n – количество узлов. Во–вторых, это позволяет избежать влияния протоколов MAC, таких как повторные попытки и экспоненциальное отключение. Эффект протокола MAC можно предсказать, используя существующие модели MAC с измеренными данными PER [16], [17].

Хотя текущая реализация протокола измерений инициируется центральным координатором, протокол может быть оптимизирован и реализован распределенным образом с использованием адаптивных механизмов. Это область нашей будущей работы.

IV Применение реально–временного измерения

Как мы заключили в разделе II, теоретическая оценка принятого сигнала и PER не соответствует наблюдаемым значениям, а реалистичные протоколы измерений улучшают различные модули более высокого уровня, такие как оценка пропускной способности и адаптация скорости. Протокол измерения в реальном времени формирует фундаментальную сущность для обеспечения возможности таких приложений более высокого уровня в беспроводных системах. Мы обсудим наши основные результаты двух приложений, которые используют протокол измерений в нашей беспроводной сети в режиме реального времени: инструмент управления питанием и мониторинг сети.

а) Контроль мощности: в разделе II–B мы показали, что коэффициент ошибок пакетов (PER) является стабильным и постоянным для сильной связи (значения RSS выше точки перехода). Таким образом, эффективность сильной ссылки остается одинаковой независимо от того, насколько высоко значение RSS выше точки пересечения. Передача с более низкой мощностью – при обеспечении того, что RSS находится выше точки пересечения&nbps;– уменьшает количество помех, которые источник создает для соседних узлов. Это позволяет увеличить повторное использование канала и увеличить пропускную способность сети.

Как описано в разделе III–B, протокол измерений поддерживает таблицу PER на контроллере. В этой таблице указана точка пересечения (минимальное значение RSS для сильной ссылки) для каждой ссылки и частоты модуляции. Передача по каждому каналу начинается с максимальной мощности передачи по умолчанию. RSS на приемнике постоянно сообщается координатору через канал управления. Канал управления адаптивно инструктирует отправителя изменить свою мощность передачи на основе разницы между наблюдаемым RSS и самым низким RSS, который должен быть выше точки перехода. Наконец, отправитель сходится к мощности передачи, которая дает низкую RSS для сильной ссылки.

Мы запускаем этот протокол в нескольких различных сценариях, где в каждом сценарии выбирается пара случайных ссылок. На рисунке 6 показано изменение пропускной способности, когда алгоритм управления мощностью адаптируется к идеальной мощности передачи. Мы видим, что открытые терминалы исключены (сценарии 1, 2 и 3). В других случаях общая пропускная способность сети не изменяется. Из 13 сценариев мы наблюдали, как протокол измерений представил скрытый терминал только в одном сценарии. Это демонстрирует, что адаптация мощности, основанная на измерении PER, в целом, приводит к большей пропускной способности системы.

b) Мониторинг сети: периодические результаты протоколов измерений полезны для визуального мониторинга качества линии. Мы разработали прототип этого инструмента, который мы используем для обобщения и анализа трасс приемника и данных измерений PER. Этот инструмент отображает данные в реальном времени для графиков качества ссылок, таких как график RSSI, статистика PER и их распределения. Пример вывода инструмента мониторинга сети доступен на нашем сайте [18]. Такой инструмент предоставляет визуально интуитивно понятные и в реальном времени показатели качества сети, которые позволяют исследователям и сетевым администраторам получать сводные данные об обширных собранных данных.

V. Связанные работы

Несколько эмпирических исследований и MBA проанализировали данные, собранные из беспроводных сетей IEEE 802.11. Для ясности мы изучаем соответствующую работу по следующим трем категориям.

Временная стабильность RSS: Некоторые исследования показывают, что RSS быстро колеблется в течение доли секунды [19], в то время как другие исследования [2], [20], [21] согласуются с нашим наблюдением, что значения RSS остаются репрезентативными в порядке секунд. В отличие от вышеупомянутых работ, мы измеряем стабильность RSS более детально: мы показываем изменение RSS для разных категорий ссылок и отображаем стабильность RSS в отношении эмпирической частоты ошибок и зоны ссылки. Мы считаем, что это имеет прямое применение при разработке МВА.

Вывод статистического распределения: в литературе преобладают разногласия по поводу распределения RSS и PER. Некоторые исследования предполагают большие вариации в наблюдаемых RSS [20], в то время как другие наблюдают меньшие вариации [2], [21]. Подтверждено, что RSS является постоянным в некоторых экспериментах [2] и логически нормально распределенным в других [1]. В дополнение к сравнению RSS с несколькими дистрибутивами и выполнению тестов для проверки независимости, мы показываем, что распространение RSS может следовать постоянному или логически нормальному поведению в зависимости от рабочей зоны ссылки. Следовательно, наш вклад решает противоречие, объединяя противоречивые выводы. Мы также изучаем статистические тесты, чтобы вывести независимость и распределение PER, который предполагается постоянным [5], как логарифмически нормальное или нормальное значение, т.е. случайная величина [1], [7]. Гуха и соавт. [13] изучают изменение SNR во времени для разных звеньев. Однако их цель состоит в том, чтобы количественно определить объем памяти для различных типов ссылок, и они не делают вывод о распределении этих переменных. Кроме того, в большинстве существующих исследований [13], [20], [22] используется полоса 2,4 ГГц, которая подвержена сильным внешним помехам от трафика Wi–Fi, что приводит к ложным выводам об эффектах распространения. Мы избегаем этого, используя полосу 5 ГГц, и обеспечиваем отсутствие внешних помех с помощью анализаторов спектра.

Эффект замирания и серая зона. В существующих исследованиях [2], [12] ссылки были отнесены к зонам с высоким уровнем потерь, низким уровнем потерь и серой зоной. Однако они не проанализировали объединяющие статистические свойства для этих зон. Бимодальное распределение PER из–за эффекта замирания наблюдается в некоторых существующих исследованиях [12], [15]. Однако исследование в [15] основано на моделировании, а Zuniga et al. [12] измерять, используя датчики, которые не используют протокол IEEE 802.11.

VI. Заключение и будущая работа

В этом документе представлен эмпирический анализ RSS и частоты ошибок с акцентом на требованиях к приложениям на основе измерений, развернутым в сетях на основе IEEE 802.11. Мы вносим вклад в существующие исследования, основанные на измерениях, анализируя временные свойства, независимость и распределение уровня принимаемого сигнала и частоты ошибок. Мы пришли к выводу, что эти статистические свойства зависят от зоны, в которой работает ссылка, и похожи для ссылок, принадлежащих к той же категории. Мы также наблюдали бимодальное распределение PER в звеньях серой зоны, которое является результатом замирания. Наши результаты PER показали важность выявления переходов между сильным и слабым звеном, и мы наметили механизмы для выявления такого перехода. Влияние скоростей передачи на PER не является монотонным, и эта тенденция не предсказуема для данных, доступных с беспроводных карт. Мы продемонстрировали протокол измерений в реальном времени и обсудили примеры приложений, которые могут использовать измеренные значения RSS и PER.

В будущем мы планируем провести более подробные эксперименты с программно–определяемыми радиостанциями, которые способны предоставлять данные с более высокой степенью детализации. Обнаружение и учет внешних помех с помощью измеренных значений является частью нашей будущей работы. Долгосрочная цель этого направления работы заключается в создании реалистичных, с минимальными издержками и точных механизмов измерения, которые можно использовать для планирования сети, обеспечения и оптимизации протоколов более высокого уровня.

ССЫЛКИ

1. L. Qiu, Y. Zhang, F. Wang, M.K. Han, and R. Mahajan, A general model of wireless interference, in MobiCom ’07: Proceedings of the 13th annual ACM international conference on Mobile computing and networking. New York, NY, USA: ACM, 2007, pp. 171–182.
2. C. Reis, R. Mahajan, M. Rodrig, D. Wetherall, and J. Zahorjan, Measurement–based models of delivery and interference in static wireless networks, SIGCOMM Comput. Commun. Rev., vol. 36, no. 4, pp. 51–62, 2006.
3. S.H.Y. Wong, H. Yang, S. Lu, and V. Bharghavan, Robust rate adaptation for 802.11 wireless networks, in MobiCom ’06: Proceedings of the 12th annual international conference on Mobile computing and networking. New York, NY, USA: ACM, 2006, pp. 146–157.
4. R. Draves, J. Padhye, and B. Zill, Comparison of routing metrics for static multi–hop wireless networks, in SIGCOMM, 2004.
5. D. Lal, A. Manjeshwar, F. Herrmann, E. Uysal–Biyikoglu, and A. Keshavarzian, Measurement and characterization of link quality metrics in energy constrained wireless sensor networks, Global Telecommunications Conference, 2003. GLOBECOM ’03. IEEE, vol. 1, pp. 446–452 Vol.1, Dec. 2003.
6. K. Jain, J. Padhye, V.N. Padmanabhan, and L. Qiu, Impact of interference on multi–hop wireless network performance, in MobiCom, 2003.
7. A. Woo, T. Tong, and D. Culler, Taming the underlying challenges of reliable multihop routing in sensor networks, in SenSys ’03: Proceedings of the 1st international conference on Embedded networked sensor systems. New York, NY, USA: ACM Press, 2003, pp. 14–27.
8. Soekris4826. [Online]. Available: http://www.soekris.com/net4826.htm
9. Atheros/AR5006chipset. [Online]. Available: http://www.atheros.com/pt/AR5006Bulletins.htm
10. Madwifi: Linux driver for atheros cards, http://madwifi.org/.
11. D. Giustiniano, I. Tinnirello, L. Scalia, and A. Levanti, Revealing transmit diversity mechanisms and their side–effects in commercial ieee 802.11 cards, Telecommunication Networking Workshop on QoS in Multiservice IP Networks, 2008. IT–NEWS 2008. 4th International, pp. 135–141, Feb. 2008.
12. M. Zuniga and B. Krishnamachari, Analyzing the transitional region in low power wireless links, Sensor and Ad Hoc Communications and Networks, 2004. IEEE SECON 2004. 2004 First Annual IEEE Communications Society Conference on, pp. 517–526, Oct. 2004.
13. R.K. Guha and S. Sarkar, Characterizing Temporal SNR Variation in 802.11 Networks, Vehicular Technology, IEEE Transactions on, vol. 57, no. 4, pp. 2002–2013, July 2008.
14. V. Kolar, S. Razak, P. Mahonen, and N. Abu–Ghazaleh, Empirical validation of the modeling assumptions about signal strengh and error rates under a fading wireless channel, Dept. of Computer Science, SUNY, Binghamton, Tech. Rep. R–09–02 (http://www.cs.binghamton.edu/%7Evinkolar/pubs/kolarR0902.pdf), Dec. 2009.
15. O. Awoniyi and F. Tobagi, Effect of fading on the performance of voip in ieee 802.11 a wlans, Communications, 2004 IEEE International Conference on, vol. 6, pp. 3712–3717 Vol.6, June 2004.
16. S. Razak, N. Abu–Ghazaleh, and V. Kolar, Modeling of two–flow interactions under sinr model in multi–hop wireless networks, in 33rd IEEE Conference on Local Computer Networks(LCN) 2008., Oct., pp. 297–304.
17. V. Kolar, K. Bharath, N.B. Abu–Ghazaleh, and J. Riihijarvi, Contention in multi–hop wireless networks: model and fairness analysis, in MSWiM’09: Proceedings of the 12th ACM international conference on Modeling, analysis and simulation of wireless and mobile systems. New York, NY, USA: ACM, 2009, pp. 21–29.
18. Network Monitoring Framework in Wireless Networks. [Online]. Available: \url{http://www.cs.binghamton.edu/%7Evinkolar/research/netmon/}
19. A. Keshavarzian, E. Uysal–Biyikoglu, D. Lal, and K. Chintalapudi, From experience with indoor wireless networks: A link quality metric that captures channel memory, Communications Letters, IEEE, vol. 11, no. 9, pp. 729–731, September 2007.
20. V. Shrivastava, D. Agrawal, A. Mishra, S. Banerjee, and T. Nadeem, Understanding the limitations of transmit power control for indoor wlans, in IMC ’07: Proceedings of the 7th ACM SIGCOMM conference on Internet measurement. New York, NY, USA: ACM, 2007, pp. 351– 364.
21. K. Srinivasan and P. Levis, RSSI is Under Appreciated, Third Workshop on Embedded Networked Sensors (EmNets 2006), May 2006.
22. D. Aguayo, J. Bicket, S. Biswas, G. Judd, and R. Morris, Link–level measurements from an 802.11b mesh network, in SIGCOMM’04: Proceedings of the 2004 conference on Applications, technologies, architectures, and protocols for computer communications. New York, NY, USA: ACM Press, 2004, pp. 121–132.