Demands for high throughput and stable service quality are increasing even in high-stressed networks. Frame aggregation mechanisms in IEEE 802.11n can provide improved throughput, but throughput decreases significantly in error-prone channels. Adaptive frame size estimation (FSE) depending on the channel condition is required. In this paper, we proposed frame error rate (FER) based FSE scheme in both error-prone and time-varying channel. A tight FER bound is derived to obtain instantaneous link condition, and extended Kalman filter (EKF) is used to estimate frame size optimally for next transmission with current channel information. Our simulation results show that the proposed FSE scheme improves the throughput maximally twice higher than a non-adaptation approach in high-stressed network condition.
무선통신 분야에서도 다양한 형태의 멀티미디어 수요가 증가하면서 고속의 데이터 전송속도 및 증가된 커버리지 영역에 대한 연구가 빠른 속도로 진행되고 있다. 이동 통신 장비의 급증과 멀티미디어 스트리밍 어플리케이션의 발전은 다수의 이동성을 가진 사용자가 존재하는 혼잡한 네트워크 환경에서도 고속 데이터 전송과 Quality of Service (QoS) 보장을 요구하고 있다. 이런 요구조건을 만족하기 위해, IEEE 802.11n에서는 Medium Access Control (MAC) 계층에서 여러 개의 프레임을 하나로 묶어 전송하는데 드는 오버헤드를 줄이는 프레임 집적 (Frame aggregation) 메커니즘이 새롭게 도입되었다. 이상적인 채널 환경에서는 A-MSDU가 A-MPDU보다 전송 효율을 더욱 효과적으로 향상시킬 수 있지만, 일반적인 환경에서는 채널의 의해 하나의 서브프레임만 손상되어도 전체 프레임을 재전송해야기 때문에, 실제 전송 성능이 열화되는 문제점을 가지고 있다. 전송 효율과 프레임 손상률이 서로 trade-off 관계에 있기 때문에, 채널 상태에 따라 성능 저하를 최소화 하는 프레임 길이를 찾는 문제는 항상 중요한 문제로 인식이 되었고, 많은 연구가 진행되고 있다. 하지만 대부분의 적응형 전송 기법들은 Quasi-static을 가정하고 있어서 혼잡한 채널 환경에는 적합하지 않다는 단점을 가지고 있다. 칼만 필터 (KF)는 1차원 마르코브 체인을 기반으로 하여 현재 상태를 이용하여 미래 상태를 예측하기 때문에, 혼잡한 채널 환경에서 적합한 전송 파라미터를 예측하는데 유용하게 이용될 수 있다. 이 논문에서는 확장형 칼만 필터 (EKF) 를 이용하여 혼잡한 채널 환경에서 목표 패킷 손상 확률 (FER)를 만족시키는 프레임 길이를 예측하는 방법에 대해 제안하였다. 링크 상태를 빠르게 알기 위해 FER 상계 (bound)가 사용되었고, EKF를 이용하여 다음 채널 상태에 적합한 프레임 길이를 예측하였다. 효과적으로 EKF가 동작하게 하기 위해 상태-관측 방정식 (state-observation equation)과 주요 파라미터들을 구성하였다. 고정된 값이 아닌 채널 상태에 따라 적합한 칼만 필터 파라미터를 선택하였고, 선택 과정에 있어, 복잡도를 감소시키기 위해 추정 중간 과정에서 계산되는 값을 활용하였다. 모의 실험을 통해 제안된 알고리즘이 기존의 방법에 비해 throughput을 최대 2배 가까이 향상시키는 것을 확인하였다.