Ajuste adaptativo de parâmetros de acesso ao meio do tipo CSMA/CA usando aprendizado de máquina

Em diversos lugares no Brasil e no mundo, onde não há infraestrutura de rede cabeada, usam-se redes de acesso sem-fio para fornecer serviços de dados para clientes [Simó et al. 2007]. Suas estruturas são formadas por estações base, que se situam nas dependências do provedor de acesso, e estações clientes, que ficam nas localidades dos clientes. As distâncias entre estação base e clientes tipicamente são de alguns quilômetros. As estações clientes se associam à estação base, usando-a para enviar e receber quadros de dados. A topologia resultante é denominada PTMP (Point-To-MultiPoint), e centralizada
na estação base.

Essas redes se baseiam na tecnologia IEEE 802.11 [ieee 2016], porém com algumas modificações para obter melhor eficiência no uso do canal sem-fio [Patra et al. 2007]. Com as distâncias envolvidas, interferências entre estações clientes e estação base, e por transmissões de outras redes, são frequentes. Equipamentos para esse tipo de rede incluem um protocolo MAC modificado, com a finalidade de coordenar as transmissões dos clientes na rede sem-fio. Como exemplos, citam-se iPoll da empresa LigoWave, AirMax da empresa Ubiquiti, e NV2 da empresa Mikrotik. A abordagem comumente adotada envolve uma forma de polling, com a estação base concedendo ciclicamente tempos de acesso aos clientes [Panigrahi and Raman 2009]. Essa forma de operação melhora a utilização do canal sem-fio, evitando a ocorrência de colisões entre transmissões de clientes e da base.

O acesso ao meio sem-disputa, na forma de polling, pode ser ineficiente em momentos em que poucos clientes transmitem, ou se as transmissões de clientes são esporádicas [Israr et al. 2012] [Wang et al. 2016]. A consequência é uma maior latência percebida por clientes para transmitirem seus quadros de dados, pois precisam esperar receberem autorização da estação base. Assim, mesmo estando a rede ociosa, um cliente não pode transmitir enquanto a estação base não o autorizar. Nesse caso, o MAC mais adequado seria o CSMA/CA usual, ao invés de TDMA. Devido a essa questão, alguns fabricantes implementam protocolos MAC hı́bridos capazes de comutar de um modo CSMA/CA para polling e vice-versa, como iPollv3 da LigoWave, dependendo da carga de tráfego na rede sem-fio.

Tanto em modo de acesso com e sem-disputa, a interferência por outras redes penaliza o desempenho das comunicações, provocando colisões e outros erros de transmissão. Isso é agravado por interferências devido a transmissões em canais adjacentes, em que há sobreposição parcial da banda do canal. Em ambientes poluídos com essas características, alguns parâmetros poderiam ser ajustados para reduzir os erros e melhorar a eficiência do acesso ao meio. No caso dessas redes baseadas em IEEE 802.11, é possível alterar dinamicamente os parâmetros do MAC CSMA/CA AIFS (intervalo entre quadros), Cwmin e Cwmax (tamanhos mínimo e máximo da janela de disputa para fins de backoff).

Neste tema de TCC, propõe-se um método para que o MAC CSMA/CA seja capaz de aprender a escolher dinamicamente os melhores valores para os parâmetros AIFS, Cwmin e CWmax em função de características das transmissões recentes. Isso deve ser obtido com uma técnica de Aprendizado de Máquina (ML) do tipo Aprendizado por Reforço (Reinforcemed Learning), fazendo com que o MAC melhore seu desempenho com a experiência obtida com os resultados de escolhas anteriores.

Referências

• Simó, J., Figuera, C., Seoane, J., and Mart’inez, A. (2007). Distance limits in IEEE 802.11 for Rural Networks in Developing Countries. proc. IEEE WRECOM
• Patra, R., Nedevschi, S., Surana, S., Sheth, A., Subramanian, L., and Brewer, E. (2007). Wildnet: Design and implementation of high performance wifi based long distance networks. In 4th USENIX Symposium on Networked Systems Design & Implementation (NSDI 07), Cambridge, MA. USENIX Association
• ieee 2016. Ieee standard for information technology—telecommunications and information exchange between systems local and metropolitan area networks—specific requirements - part 11: Wireless lan medium access control (mac) and physical layer (phy)specifications. IEEE Std 802.11-2016 (Revision of IEEE Std 802.11-2012), pages 1–3534

• Ali, Rashid et al. "Deep Reinforcement Learning Paradigm for Performance Optimization of Channel Observation–Based MAC Protocols in Dense WLANs". IEEE Access, vol. 7, pp. 3500-3511, 2019, doi: 10.1109/ACCESS.2018.2886216

• Edalat, Y., Obraczka, K. "Dynamically Tuning IEEE 802.11's Contention Window Using Machine Learning". In 22nd Int’l ACM Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems (MSWiM
  ’19), November 25–29, 2019. USA.
• R. Sanchez-Iborra and A. F. Skarmeta, "TinyML-Enabled Frugal Smart Objects: Challenges and Opportunities", in IEEE Circuits and Systems Magazine, vol. 20, no. 3, pp. 4-18, thirdquarter 2020, doi: 10.1109/MCAS.2020.3005467.