Airtime- and QoS-Penalty-Aware Measurement Coordination in Multi-Router Wi-Fi Sensing Networks

Resumo Técnico: Coordenação de Medição Consciente de Tempo de Transmissão e Penalidade de QoS em Redes de Sensoriamento Wi-Fi Multi-Roteador

Definição do Problema
O sensoriamento Wi-Fi utiliza Informação de Estado de Canal (CSI), Indicador de Força de Sinal Recebido (RSSI) e descritores de nível de pacote para detectar movimento, presença e mudanças ambientais sem sensores acoplados. Embora sistemas multi-roteador (múltiplos pontos de acesso) possam melhorar a robustez do sensoriamento através da fusão de dados de múltiplos caminhos de rádio, existe uma lacuna operacional crítica: como coordenar o subconjunto ativo de nós de sensoriamento e suas taxas de medição sem degradar o tráfego comum de Rede Local Sem Fio (WLAN).

Os métodos existentes de sensoriamento conscientes de recursos focam em compressão, redução da taxa de pacotes ou seleção específica de links, mas não definem uma regra de admissão ao nível do controlador que equilibre explicitamente a utilidade do sensoriamento contra duas restrições estritas: tempo de transmissão de sensoriamento (airtime) e penalidade de Qualidade de Serviço (QoS) ponderada pela carga. Em redes operacionais, os pacotes de sensoriamento compartilham o meio com o tráfego de clientes; um aumento não gerenciado na atividade de sensoriamento pode violar acordos de nível de serviço ou degradar a experiência do usuário. O artigo aborda o problema específico de admitir uma configuração de sensoriamento ativa apenas se ela permanecer dentro de orçamentos pré-configurados de tempo de transmissão e QoS.

Metodologia: AQ-MC
O artigo propõe a Coordenação de Medição Consciente de Tempo de Transmissão e Penalidade de QoS (AQ-MC), um mecanismo de admissão baseado em controlador para sensoriamento Wi-Fi multi-roteador. O AQ-MC opera como um loop de admissão curto em intervalos de decisão fixos (ex: a cada 2 segundos) e funciona da seguinte forma:

1. Estado e Entradas: O controlador recebe janelas de características do lado do nó (variação de RSSI, dispersão de RSSI no domínio da frequência e confiança do nó) e o perfil de carga atual da rede.
2. Pontuação de Utilidade e Atribuição de Camadas (Tiers):
   • Os nós são pontuados usando uma função de utilidade ponderada: $u_{i,t} = 0.45\sigma_{i,t} + 0.35\tilde{\rho}_{i,t} + 0.20\gamma_{i,t}$.
   • Com base nas pontuações de utilidade e gatilhos binários do lado do nó, os nós são atribuídos a uma camada de taxa de medição: Desligado (Off), Baixa (Low) (2 Hz), Média (Medium) (5 Hz) ou Alta (High) (10 Hz).
3. Predição de Orçamento:
   • Tempo de Transmissão ($A$): Predito como uma porcentagem do tempo de transmissão PHY baseada no número de nós ativos, suas taxas atribuídas, tamanho da amostra (512 bytes) e taxa PHY (ex: 54 Mbps).
   • Penalidade de QoS ($D$): Calculada como $D(ct) = w(L_t) \times A(ct)$, onde $w(L_t)$ é um peso adimensional (0.20 a 0.85) correspondente à carga atual da rede (Leve a Alta). Isso garante que o tempo de transmissão de sensoriamento seja penalizado mais severamente quando a rede já está sob alta carga.
4. Decisão de Admissão: O controlador verifica se a configuração candidata satisfaz tanto $A(ct) \le A_{max}$ quanto $D(ct) \le D_{max}$.
   • O controlador utiliza uma abordagem gulosa (greedy), ordenada por utilidade: ele ordena os candidatos por utilidade e os ativa tentativamente. Se um candidato violar um orçamento, ele é rejeitado (ou rebaixado), e o próximo candidato é testado.
   • Apenas configurações que satisfaçam ambos os orçamentos são admitidas. Se nenhuma configuração for viável, o sensoriamento é efetivamente desativado para aquele intervalo.

Principais Contribuições

1. Estrutura AQ-MC: Um método formal para coordenar subconjuntos de sensoriamento ativos e camadas de taxa de medição sob orçamentos explícitos de tempo de transmissão e penalidade de QoS ponderada pela carga.
2. Lógica de Admissão do Controlador: Uma regra de decisão que trata o sensoriamento como um processo gerenciado, fornecendo a viabilidade de admissão, o tempo de transmissão previsto, a penalidade de QoS prevista e o motivo específico da rejeição (limite de tempo de transmissão vs. limite de QoS), em vez de otimizar a precisão do sensoriamento.
3. Avaliação Empírica:
   • Experimento de Subconjunto Ativo: Demonstrou uma redução de 33,33% nos nós ativos (selecionando 2 de 3) para manter a viabilidade.
   • Experimentos de Tráfego Protegido: Dois experimentos (carga moderada e alta carga) produziram 1.483 decisões aceitas com alta retenção do conjunto de nós selecionado (razão de manutenção/hold ratio > 99,86%).
   • Grade de Estresse Determinística: Uma simulação de 25.088 casos variando número de nós, taxas PHY e orçamentos.
4. Análise de Fronteira: Identificação de fronteiras operacionais onde políticas alheias aos recursos falham (ex: uma política "todos-altos" foi viável em apenas 25,29% dos casos de estresse).

Resultados

• Viabilidade: Na grade de estresse determinística, uma política multi-nó "todos-altos" alheia aos recursos foi viável em apenas 25,29% dos casos. O AQ-MC rejeitou com sucesso os 74,71% das tentativas acima do orçamento antes da atuação.
• Desempenho do Tráfego Protegido: Em experimentos com um orçamento de tempo de transmissão de 10% e um orçamento de penalidade de QoS de 5%:
  • Carga Moderada (2 nós): Tempo de transmissão médio previsto foi de 0,151% (1,51% do orçamento); Penalidade de QoS média foi de 0,053% (1,06% do orçamento).
  • Carga Mais Alta (3 nós): Tempo de transmissão médio previsto foi de 0,227% (2,27% do orçamento); Penalidade de QoS média foi de 0,125% (2,50% do orçamento).
  • O controlador manteve configurações estáveis com mudanças mínimas de camada (0,257–0,409 mudanças por minuto).
• Sensibilidade à Carga: Aumentar o peso da carga de "Leve" para "Alta" reduziu a parcela viável de configurações de 41,76% para 30,61%, demonstrando a necessidade da métrica de penalidade ponderada pela carga.
• Impacto da Taxa PHY: Em taxas PHY mais baixas (ex: 6 Mbps) e orçamentos apertados (0,2%), a viabilidade caiu significativamente (3,12%), destacando a sensibilidade do método às restrições da camada física.

Significância e Alegações
O artigo enquadra explicitamente sua contribuição como um método de admissão de controlador, e não como uma melhoria de classificação de sensoriamento ou uma técnica de redução de latência.

• Escopo: O trabalho é motivado pelo sensoriamento WLAN IEEE 802.11bf, mas permanece um método local de admissão de controlador, não uma implementação de Controle de Acesso ao Meio (MAC) ou de Camada Física (PHY) em conformidade com os padrões.
• Alegação Principal: O AQ-MC fornece um mecanismo de admissão limitado que permite a coexistência do sensoriamento Wi-Fi cooperativo com o tráfego WLAN comum ao impor limites explícitos de tempo de transmissão e de penalidade de QoS.
• Modéstia das Alegações: Os autores afirmam que o resultado relatado é a viabilidade de admissão do controlador, não a precisão do classificador de sensoriamento, melhoria de latência medida, robustez cross-domain ou qualidade de otimização global. O método garante que o sensoriamento não exceda os orçamentos de recursos configurados, sacrificando a cobertura de sensoriamento (ao reduzir os nós ativos) para preservar a qualidade de serviço da rede.
• Limitações: O estudo reconhece que a admissão gulosa pode perder subconjuntos viáveis de maior utilidade e que a simulação de estresse é derivada de fórmulas, não modelando dinâmicas de rede complexas como retransmissões ou enfileiramento. Sugere-se como trabalho futuro parear o AQ-MC com métricas específicas de tarefas e calibração de QoS medida.