다이버시티를 이용하기 위해서는 변화하는 무선채널의 상태를 측정해야 한다. 하지만 채널 상태 측정은 데이터전송에 사용되어야 하는 시간/주파수 자원을 사용해야 하므로, 정확한 채널상태를 얻는 것은 프로토콜 측면에서 오버헤드를 야기한다. 본 논문에서는, 프로토콜 효율성을 유지한 채로 채널상태를 측정할 수 있는 무선랜 프로토콜인 D-Fi를 제안한다. 제안하는 프로토콜 D-Fi는 채널경쟁을 하는 동안 OFDM기반 블룸필터를 이용하여 채널상태를 측정한다. 블룸필터가 가지는 내재적 약점을 해결하기 위해서, 분석기반 멀티채널 백오프 알고리즘을 제안하고 나아가서 기계학습을 블룸필터에 적용하였다. 우리는 D-Fi 프로토콜을 USRP/GNURadio 플랫폼에 실제로 구현함으로써, 제안하는 프로토콜이 매우 실용적이며, 다이버시티를 효율적으로 이용함을 보였다.
To exploit frequency diversity in Wi-Fi channels, instantaneous channel quality must be estimated. However, there is a trade-off between acquiring channel quality information and improving protocol efficiency because channel estimation consumes time and frequency resource that ideally should be used for data transfer. In this paper, we present D-Fi (Diversity-aware Wi-Fi), a novel Wi-Fi PHY/MAC protocol, that capitalizes on frequency diversity gains while sustaining protocol efficiency. The D-Fi design allows to estimate channel quality while D-Fi is performing channel contention using an OFDM-based Bloom filter. To resolve the ambiguity caused by the Bloom filter, we adopt two methods: (i) An analysis-based multi-channel backoff method enables to explore/exploit frequency diversity while reducing the occurrence of the ambiguity. (ii) Applying machine learning (ML) methods to the D-Fi PHY/MAC protocol corrects the ambiguity taken place already and makes our protocol reliable. We have shown the feasibility of D-Fi by implementing it on the USRP/GNURadio platform. Experiments and trace-driven simulations show that D-Fi successfully achieves frequency.
