АНАЛИТИЧЕСКАЯ МОДЕЛЬ МЕХАНИЗМОВ TWT И R-TWT В ГЕТЕРОГЕННЫХ СЕТЯХ ИНДУСТРИАЛЬНОГО ИНТЕРНЕТА ВЕЩЕЙ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Одной из целей разработки стандартов Wi-Fi 6 и Wi-Fi 7 является поддержка приложений реального времени (англ.: Real-Time Applications, RTA), предъявляющих строгие требования к задержке и надежности доставки данных, а также энергопотреблению передающих такие данные RTA-станций. Для обеспечения описанных выше требований к качеству обслуживания (англ.: Quality of Service, QoS) Wi-Fi 7 предлагает использовать механизм R-TWT – усовершенствованную версию широко используемого в сетях Wi-Fi 6 механизма TWT, который способен обеспечить более строгие QoS-требования, но отличается сложностью реализации и ограниченной поддержкой реальными устройствами. В статье разрабатывается аналитическая модель доставки данных с помощью механизмов TWT и R-TWT, впервые позволяющая оценить вероятность доставки кадров RTA-станций за заданное время и пропускную способность обычных устройств в гетерогенных сетях индустриального Интернета вещей. С помощью разработанной модели находятся параметры, максимизирующие пропускную способность для обычных станций при выполнении QoS-требований RTA-станций.

Об авторах

М. В Шлапак

Институт проблем передачи информации им. А.А. Харкевича Российской академии наук; Московский независимый исследовательский институт искусственного интеллекта (МНИИ НИ)

Email: shlapak@wnlab.ru
Москва, Россия; Москва, Россия

Е. А Степанова

Институт проблем передачи информации им. А.А. Харкевича Российской академии наук; Московский независимый исследовательский институт искусственного интеллекта (МНИИ НИ)

Email: stepanova@wnlab.ru
Москва, Россия; Москва, Россия

А. И Ляхов

Институт проблем передачи информации им. А.А. Харкевича Российской академии наук

Email: lyakhov@wnlab.ru
Москва, Россия

Список литературы

  1. ˚Akerberg J., Gidlund M., Bj¨orkman M. Future Research Challenges in Wireless Sensor and Actuator Networks Targeting Industrial Automation // Proc. IEEE 9th Int. Conf. on Industrial Informatics (INDIN’2011). Lisbon, Portugal. July 26–29, 2011. P. 410–415. https://doi.org/10.1109/INDIN.2011.6034912
  2. Sisinni E., Saifullah A., Han S., Jennehag U., Gidlund M. Industrial Internet of Things: Challenges, Opportunities, and Directions // IEEE Trans. Industr. Inform. 2018. V. 14. № 11. P. 4724–4734. https://doi.org/10.1109/TII.2018.2852491
  3. Karimi M., Wang Y., Kim H. Energy-Adaptive Real-Time Sensing for Batteryless Devices // Proc. IEEE 28th Int. Conf. on Embedded and Real-Time Computing Systems and Applications (RTCSA’2022). Taipei, Taiwan. Aug. 23–25, 2022. P. 205–211. https://doi.org/10.1109/RTCSA55878.2022.00028
  4. Venkateswaran S.K., Tai C., Ahmed A., Sivakumar R. Target Wake Time in IEEE 802.11 WLANs: Survey, Challenges, and Opportunities // Comput. Commun. 2025. V. 236. P. 108127. https://doi.org/10.1016/j.comcom.2025.108127
  5. Venkateswaran S.K., Tai C.-L., Garnayak R., Ben-Yehezkel Y., Alpert Y., Sivakumar R., IEEE 802.11ax Target Wake Time: Design and Performance Analysis in ns-3 // Proc. 2024 Workshop on ns-3 (WNS3’24). Barcelona, Spain. June 5–6, 2024. New York: ACM, 2024. P. 10–18. https://doi.org/10.1145/3659111.3659115
  6. Shlapak M.V., Stepanova E.A., Lyakhov A.I. Efficiency Analysis of TWT and R-TWTMechanisms while Serving Delay-Sensitive Traffic // Probl. Inf. Transm. 2025. V. 61. № 3 (to appear).
  7. Geraci G., Meneghello F., Wilhelmi F., Lopez-Perez D., Val I., Galati Giordano L., Cordeiro C., Ghosh M., Knightly E., Bellalta B. Wi-Fi: Twenty-Five Years and Counting, https://arXiv.org/abs/2507.09613 [cs.NI], 2025.
  8. Charfi E., Saddoud A., Fourati L.C. From Wi-Fi 7 to Wi-Fi 8: A Survey of Technological Evolution, Emerging Applications, Challenges, and Future Aspects // Comput. Netw. 2025. V. 271. P. 111590. https://doi.org/10.1016/j.comnet.2025.111590
  9. Adame T., Carrascosa-Zamacois M., Bellalta B. Time-Sensitive Networking in IEEE 802.11be: On the Way to Low-Latency WiFi 7 // Sensors. 2021. V. 21. № 15. P. 4954 (20 pp.). https://doi.org/10.3390/s21154954
  10. John J., Noor-A-Rahim Md., Vijayan A., Poor H.V., Pesch D. Industry 4.0 and Beyond: The Role of 5G, WiFi 7, and Time-Sensitive Networking (TSN) in Enabling Smart Manufacturing // Future Internet. 2024. V. 16. № 9. P. 345 (19 pp.). https://doi.org/10.3390/fi16090345
  11. Chen C., Chen X., Das D., Akhmetov D., Cordeiro C. Overview and Performance Evaluation of Wi-Fi 7 // IEEE Commun. Stand. Mag. 2022. V. 6. № 2. P. 12–18. https://doi.org/10.1109/MCOMSTD.0001.2100082
  12. Barroso-Fern´andez C., Mart´ın-P´erez J., Ayimba C., De La Oliva A. Aligning rTWT with 802.1Qbv: A Network Calculus Approach // Proc. 24th Int. Symp. on Theory, Algorithmic Foundations, and Protocol Design for Mobile Networks and Mobile Computing (MobiHoc’23). Washington, DC, USA. Oct. 23–26, 2023. P. 352–354. https://doi.org/10.1145/3565287.3617606
  13. Belogaev A., Shen X., Pan C., Jiang X., Blondia C., Famaey J. Dedicated Restricted Target Wake Time for Real-Time Applications in Wi-Fi 7 // Proc. 2024 IEEE Wireless Communications and Networking Conf. (WCNC 2024). Dubai, United Arab Emirates. Apr. 21–24, 2024. P. 1–6. https://doi.org/10.1109/WCNC57260.2024.10571278
  14. Mozaffariahrar E., Wilhelmi F., Galati-Giordano L., Imputato P., Menth M., Avallone S. R-TWT in Wi-Fi 7 and Beyond: Enabling Bounded Latency, Energy Efficiency, and Reliability. Proc. IEEE 30th Int. Conf. on Emerging Technologies and Factory Automation (ETFA 2025). Porto, Portugal. Sept. 9–12, 2025. https://doi.org/10.1109/ETFA65518.2025.11205686
  15. Barroso-Fern´andez C., Mart´ın-P´erez J., Ayimba C., De La Oliva A. Time-Sensitive IIoT Flows over Wi-Fi: A Network Calculus Approach // IEEE Internet Things J. 2025. Early Access. https://doi.org/10.1109/JIOT.2025.3623878
  16. Haxhibeqiri J., Jiao X., Shen X., Pan C., Jiang X., Hoebeke J. Coordinated SR and Restricted TWT for Time Sensitive Applications in WiFi 7 Networks // IEEE Commun. Mag. 2024. V. 62. № 8. P. 118–124. https://doi.org/10.1109/MCOM.001.2300431
  17. Gu Z., Park J., Choi J. ScNeuGM: Scalable Neural Graph Modeling for Coloring-Based Contention and Interference Management in Wi-Fi 7, https://arXiv.org/abs/2502.03300[eess.SP], 2025.
  18. Bankov D.V., Lyakhov A.I., Stepanova E.A., Khorov E.M. Performance Evaluation of Wi-Fi 7 Networks with Restricted Target Wake Time // Probl. Inf. Transm. 2024. V. 60. № 3. P. 233–254. https://doi.org/10.1134/S0032946024030062
  19. Chemrov K., Bankov D., Khorov E., Lyakhov A. Smart Preliminary Channel Access to Support Real-Time Traffic in Wi-Fi Networks // Future Internet. 2022. V. 14. № 10. P. 296 (14 pp.). https://doi.org/10.3390/fi14100296
  20. Zanbouri K., Noor-A-Rahim Md., John J., Sreenan C.J., Poor H.V., Pesch D. A Comprehensive Survey of Wireless Time-Sensitive Networking (TSN): Architecture, Technologies, Applications, and Open Issues // IEEE Commun. Surv. Tutor. 2024. V. 27. № 4. P. 2129–2155. https://doi.org/10.1109/COMST.2024.3486618
  21. Vishnevsky V.M., Lyakhov A.I. IEEE 802.11 Wireless LAN: Saturation Throughput Analysis with Seizing Effect Consideration // Cluster Comput. 2002. V. 5. P. 133–144. https://doi.org/10.1023/A:1013977425774
  22. Bianchi G. Performance Analysis of the IEEE 802.11 Distributed Coordination Function // IEEE J. Sel. Areas Commun. 2000. V. 18. № 3. P. 535–547. https://doi.org/10.1109/49.840210
  23. Bankov D., Chemrov K., Khorov E. Tuning Channel Access to Enable Real-Time Applications in Wi-Fi 7 // 12th Int. Congr. on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT 2020). Brno, Czech Republic. Oct. 5–7, 2020. P. 20–25. https://doi.org/10.1109/ICUMT51630.2020.9222409
  24. IEEE 802.11ax-2021: IEEE Standard for Information Technology—Telecommunications and Information Exchange between Systems Local and Metropolitan Area Networks—Specific Requirements—Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications Amendment 1: Enhancements for High-EfficiencyWLAN. IEEE, 2021. https://doi.org/10.1109/IEEESTD.2021.9442429
  25. Schneider B., Richerzhagen B., Bahr M., Carle G. Scheduled Trigger Frames: Enabling Worst-case Latency Bounds for Wi-Fi Industrial Use // Proc. 10th Int. Wireless Communications and Mobile Computing Conf. (IWCMC 2024). Ayia Napa, Cyprus. May 27–31, 2024. P. 1080–1085. https://doi.org/10.1109/IWCMC61514.2024.10592355

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».