Modelagem analítica da vazão de redes sem fio baseadas na norma IEEE 802.11ah

Abstract

Inúmeras tecnologias promissoras foram desenvolvidas desde a concepção da Internet das Coisas (IoT, do inglês Internet of Things) que poderão modificar diferentes aspectos em nosso cotidiano. Tendo em vista o rápido crescimento da IoT, foi criado o grupo de tarefa IEEE 802.11ah para o desenvolvimento de uma nova norma Wi-Fi para lidar com os principais desafios da IoT, que são a conectividade de muitos dispositivos com recursos de energia limitados a um único ponto de acesso e o aumento do alcance das transmissões para distâncias muito maiores do que aquelas tipicamente utilizadas em redes locais sem fio. Assim, esse padrão traz novos mecanismos nas camadas física e de enlace para atender aos requisitos da IoT. Na camada física, houve modificações para operação em faixas de frequências abaixo de 1 GHz e, na camada MAC, o padrão traz novos mecanismos de economia de energia para ter um melhor desempenho em redes densas, sendo um deles o acesso restrito ao canal (RAW, do inglês Restricted Access Window). Recentemente, há muitos trabalhos sobre o IEEE 802.11ah, entretanto, a maior parte deles trazem ideias de agrupamento ou modelagem analítica para descobrirem o tamanho ótimo do RAW para obter maior desempenho da rede. No entanto, para um melhor entendimento dos efeitos dos diversos parâmetros e mecanismos do IEEE 802.11ah, esta dissertação apresenta um modelo analítico da função de coordenação distribuída do IEEE 802.11ah para o caso em que as estações estão distribuídas uniformemente em diversos slots RAW e possuem a mesma prioridade de tráfego, sob condições de tráfego saturado e canal ideal. Em nosso modelo, consideramos que cada intervalo de beacon possui somente um RAW o qual é dividido em slots RAW, e estudamos o impacto no desempenho da vazão ao variar o número de slots RAW e o número de estações na rede. Além disto, introduzimos ao modelo Markoviano uma probabilidade de término do slot RAW e propomos duas expressões empíricas para o cálculo desta probabilidade. Por fim validamos o modelo analítico com simulações no simulador de redes NS3 e, a partir das simulações computacionais, encontramos uma constante de ajuste para aproximar o modelo das simulações.