文献类型：期刊文章

作　　者：陈剑[1] 李贺武[2] 张晓岩[3,4] 周俊[1]

机构地区：[1]解放军理工大学指挥信息系统学院,江苏南京210007 [2]清华大学信息网络工程研究中心,北京100084 [3]Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente, Enschede 7500, Netherland [4]南京师范大学数学科学学院数学研究所,江苏南京200023

出　　处：《软件学报》

基　　金：国家自然科学基金(61301159;61273047;61161140454);江苏省教育厅自然科学基金(13KJB1100188);国家科技重大专项(2012ZX01039-003;2012ZX03002015-003);国家高技术研究发展计划(863)(2014AA01A701)

年　　份：2015

卷　　号：26

期　　号：1

起止页码：98-108

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20151200650552)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对IEEE 802.11n无线网络中的速率、MIMO模式与信道宽度的联合自适应问题,提出了一种基于非静态Multi-Armed Bandit学习方法的联合自适应算法,并设计了一种新颖的报酬函数.为解决该算法收敛时间较慢的问题,基于分类回归树设计了MCS、MIMO模式以及信道宽度预测算法,其能够有效利用无线网卡驱动程序采集的相关统计数据预测不同MCS、MIMO模式以及信道宽度组合的报酬函数,大幅度缩小联合自适应算法的搜索空间.该算法具有易实现、近似最优及计算复杂度低的特点.真实实验结果表明:在无干扰和不同干扰环境下,联合自适应算法都能够有效地提高UDP吞吐量.

关 键 词：速率 模式  信道宽度  联合自适应  预测算法  

分 类 号：TP393]