跨技术干扰下无线传输特征与关键技术研究

In Internet-of-Things, a large number of sensing devices are connected to the Internet through wireless transmission, including WiFi, Bluetooth, ZigBee, and etc. They usually work in the 2.4GHz frequency which is for public use, easily causing interference to each other, i.e., Cross-Technology Interference (CTI). Traditional methods cannot avoid CTI effectively, degrading the performance of wireless transmission protocols. Therefore, in this project, we will conduct research on wireless transmission characteristics and key technologies under cross-technology interference. First, we will start from the time series characteristics of the signal reception strength at the physical layer, and study the construction of the CTI characteristics. Based on the CTI characteristics and the pilot bytes extraction method using protocol fingerprinting, we will study the online in-packet error prediction algorithm based on logistic regression. Then we will study adaptive coding methods at the link layer based on the in-packet error prediction, and design reliable retransmission protocols at the link layer. Further, we will study coding-overhead-aware routing metrics, and design efficient routing protocols at the network layer. Finally, we will conduct system integration and evaluation in real CTI scenarios. The research of this project will deepen our understandings of the essential characteristics of CTI, and improve the performance of wireless transmissions significantly.

在物联网场景中，大量感知设备通过无线连接到因特网中,包括WiFi, 蓝牙, ZigBee等。它们通常工作在2.4GHz公共频段，容易造成相互之间的干扰，即跨技术干扰(Cross-Technology Interference, CTI)。传统方法不能有效避免跨技术干扰，因此造成无线通信协议性能下降。因此，本项目拟展开跨技术干扰下无线传输特征与关键技术研究。首先，从物理层接收信号强度的时间序列特征出发，研究跨技术干扰特征的构建。以此为基础，结合链路层向导字节与协议指纹，研究基于逻辑回归模型的在线误码预测算法。基于该预测算法，研究链路层自适应性编解码方法，设计高可靠链路层自适应性重传协议；进一步研究编码感知的路由指标，设计高效的网络层路由协议。最后，将针对跨技术干扰下的实际场景做系统集成和实验验证。本项目的研究将有助于从根本上了解跨技术干扰的本质特征，从而大幅提高无线传输的性能。

近年来，物联网场景中大量感知设备通过无线（如WiFi、蓝牙、ZigBee等）连接到因特网中。由于通常工作在2.4GHz公共频段，不同技术之间容易形成干扰，即跨技术干扰(Cross-Technology Interference, CTI)。传统方法不能有效避免此类干扰。针对上述问题，本项目开展跨技术干扰下无线传输特征与关键技术研究，以提高跨技术干扰下的无线传输性能。..在跨技术干扰下干扰特征的构建方面，本项目分别从“包间（Inter-packet）”和“包内（Intra-packet）”两个角度展开研究。从包间角度，系统研究了干扰对丢包等链路级别行为的影响，提出了结合无线链路质量与无线链路相关性特征的无线网络性能建模方法，大幅提升了无线网络仿真的可重复性。从包内角度，针对强、弱信号共存场景下的信道特征，提出一种基于随机共振理论的弱信号干扰特征检测方法LoFi，实现极低信噪比下LoRa信号的精准感知，有效解决了强信号传输无法感知弱信号传输，而无法进行MAC退避的情况。结果表明，LoFi可在SNR为-10的情况下，将现有最好方法的检测精度从低于10%提高到95%以上；在占用的WiFi信道上，将LoRa的数据包接收率提升到98％。..在基于干扰特征及协议指纹的包内误码预测方法方面，提出了基于物理层信号特征和协议指纹的包内误码预测方法AccuEst。结果表明，AccuEst在高度嘈杂的环境中与最先进的方法相比，将误码检测精度提高了78.6%。在基于自适应纠错码的传输协议方面，提出了基于无速率编码的传输协议eLoRa，自适应地匹配LoRa信道链路质量的特性，提升误码恢复效率。相比现有技术，eLoRa增加55.7%的通信距离、46.6%的网络使用寿命。..项目组搭建了ZigBee、BLE、LoRa等测试环境，并将这些环境融入了LinkLab远程物联网实验平台。LinkLab平台不仅支撑了项目的部分研究成果，而且为国内多所高校提供了远程实验服务。据不完全统计，自2019年12月上线以来，已服务超过一千个用户，超过一万小时实验，超过一万次物联网实验。.项目共计发表论文40篇，其中 IEEE/ACM Transactions长文13篇， CCF A类论文17篇， CCF B类论文14篇。本项目研究对解决跨技术干扰下协议性能、能耗等问题具有重要的参考价值，拥有广泛的应用场景。