From Heuristic-based Policies to Machine Learning: Advancing Multi-Access Point Coordination for Future Wi-Fi Networks

La proliferació d’aplicacions sense fils exigents, com ara la realitat augmentada i virtual (AR/VR), l’internet industrial de les coses (IIoT) i la salut digital, planteja importants reptes per a les xarxes Wi-Fi tradicionals, especialment en entorns d’alta densitat on l’espectre és escàs i la interferència està estesa. Aquestes aplicacions requereixen un alt rendiment, una latència ultra baixa i una connectivitat fiable, que són cada vegada més difícils de garantir amb els mecanismes tradicionals d’accés al medi basats en contenció. Per afrontar aquestes limitacions, l’esmena IEEE 802.11bn introdueix la coordinació multi-AP (MAPC), destinada a millorar l’eficiència del canal i reduir la latència mitjançant transmissions coordinades entre múltiples punts d'accés (APs). Entre els esquemes candidats, l’accés múltiple per divisió temporal coordinada (Co-TDMA) i la reutilització espacial coordinada (Co-SR) s’han consolidat com les principals propostes. El Co-TDMA garanteix un accés al canal lliure de contencions, reduint col·lisions i millorant la predictibilitat, mentre que el Co-SR augmenta l’eficiència espectral permetent transmissions concurrents entre conjunts de serveis bàsics superposats (OBSSs). Aquesta tesi investiga el rendiment i la viabilitat dels esquemes MAPC en xarxes local sense fils (WLANs) denses. Es dissenyen estratègies de coordinació que aprofiten oportunitats de transmissió compartides i la reutilització espacial (SR), amb noves tècniques de formació de grups per identificar parells AP-estació (STA) que puguin transmetre simultàniament amb seguretat. També es proposa un algoritme pràctic que redueix l’espai de cerca en la selecció de grups sense comprometre el rendiment. Es presenta un model analític que caracteritza xarxes MAPC coordinades amb Co-SR, aportant una visió teòrica del rendiment assolible. A més, explorem polítiques de planificació conscients de la cua, aconseguint fins a un 82% de reducció en el retard extrem per a les estratègies MAPC respecte al mecanisme heretat de funcionament bàsic distribuït (DCF). Per optimitzar encara més el rendiment, proposem un marc d’aprenentatge reforçat profund (DRL) on un agent, entrenat amb optimització de política pròpia (PPO), selecciona dinàmicament els grups de SR. Aquest enfocament basat en aprenentatge redueix addicionalment el retard màxim en un 30% respecte a les polítiques heurístiques de planificació. Aquestes contribucions ofereixen una exploració integral de MAPC com a element clau per a les futures tecnologies Wi-Fi, analitzant compromisos com la càrrega de coordinació versus els guanys en rendiment, o la mida del grup versus la qualitat de transmissió. També es destaquen les consideracions de disseny i els avantatges dels enfocaments heurístics i dels basats en aprenentatge per a la planificació de transmissions coordinades en WLANs de nova generació.