更改Wi-Fi到WiFi
This commit is contained in:
+6
-6
@@ -4,23 +4,23 @@
|
||||
\section{前期工作与研究基础}
|
||||
本研究已经开展了一系列前期工作,包括实验平台搭建以及研究设备的采购等。
|
||||
|
||||
在Wi-Fi研究和ns-3仿真平台的使用上,本文作者已经有了一定的研究基础,在ICNS3 2025会议上发表了题为“ns3-WiMacStat: Enabling In-Depth WiFi MAC Performance Analysis via RadioTap-Based Statistics”的论文,介绍了一个基于ns-3的Wi-Fi性能分析工具,能够提供丰富的MAC层统计信息,为本研究中Wi-Fi状态感知和优化提供了技术积累\cite{ns3_wimac}。
|
||||
在WiFi研究和ns-3仿真平台的使用上,本文作者已经有了一定的研究基础,在ICNS3 2025会议上发表了题为“ns3-WiMacStat: Enabling In-Depth WiFi MAC Performance Analysis via RadioTap-Based Statistics”的论文,介绍了一个基于ns-3的WiFi性能分析工具,能够提供丰富的MAC层统计信息,为本研究中WiFi状态感知和优化提供了技术积累\cite{ns3_wimac}。
|
||||
|
||||
另外,本文作者已经设计并完成了本文研究内容中说明的联合仿真平台的初步版本,能够支持真实视觉模型业务的闭环仿真,并实现了基于前瞻量的保守时间同步机制,确保了仿真过程中事件的时序因果一致性。这为后续的跨层关联分析和联合优化方法设计提供了坚实的实验基础。
|
||||
|
||||
最后,本课题组已经专门采购了边缘算力平台和Wi-Fi开发板,为本课题的实验提供了必要的硬件支持。这些设备将用于部署和测试实时视觉模型推理业务,并验证所提出的WebRTC–Wi-Fi联合优化方法在实际场景中的效果。
|
||||
最后,本课题组已经专门采购了边缘算力平台和WiFi开发板,为本课题的实验提供了必要的硬件支持。这些设备将用于部署和测试实时视觉模型推理业务,并验证所提出的WebRTC–WiFi联合优化方法在实际场景中的效果。
|
||||
|
||||
综上所述,本文在研究基础与实验准备方面已具备扎实条件,且在 ns-3 仿真平台与 Wi‑Fi 研究上取得了阶段性成果,足以支撑本课题的开展。
|
||||
|
||||
\section{预期成果}
|
||||
本研究的预期成果主要包括以下几个方面:
|
||||
\begin{itemize}
|
||||
\item 本文预期形成一套面向GenAI业务无线网络分析的通用闭环联合仿真平台。该平台能够在ns-3仿真Wi-Fi网络中接入真实视频客户端和实际部署的VLM/VLA服务,支持视频流上传、模型推理和结果返回的完整业务闭环。与传统使用预设流量模型的网络仿真相比,该平台能够直接观察无线网络状态变化对真实智能业务性能的影响,可为后续研究GenAI业务、实时视觉模型推理、具身智能和边缘多模态服务的无线网络性能提供可靠实验基础。
|
||||
\item 本文预期形成一套面向GenAI业务无线网络分析的通用闭环联合仿真平台。该平台能够在ns-3仿真WiFi网络中接入真实视频客户端和实际部署的VLM/VLA服务,支持视频流上传、模型推理和结果返回的完整业务闭环。与传统使用预设流量模型的网络仿真相比,该平台能够直接观察无线网络状态变化对真实智能业务性能的影响,可为后续研究GenAI业务、实时视觉模型推理、具身智能和边缘多模态服务的无线网络性能提供可靠实验基础。
|
||||
|
||||
\item 本文预期形成面向实时视觉模型推理业务的跨层传输优化研究成果。相关成果有望推动无线网络优化目标从传统网络QoS和视频QoE进一步扩展到模型服务质量层面,为实时视觉模型、具身智能和多模态智能体等新型GenAI业务提供更加有效的网络支撑。同时,相关研究将有助于揭示Wi-Fi网络状态、实时视频传输行为与模型任务性能之间的关系,为后续开展面向智能业务的跨层协同优化研究提供参考。
|
||||
\item 本文预期形成面向实时视觉模型推理业务的跨层传输优化研究成果。相关成果有望推动无线网络优化目标从传统网络QoS和视频QoE进一步扩展到模型服务质量层面,为实时视觉模型、具身智能和多模态智能体等新型GenAI业务提供更加有效的网络支撑。同时,相关研究将有助于揭示WiFi网络状态、实时视频传输行为与模型任务性能之间的关系,为后续开展面向智能业务的跨层协同优化研究提供参考。
|
||||
|
||||
\item 本课题预期完成两篇学术论文。其中一篇围绕面向实时视觉模型业务的联合仿真平台展开,重点介绍平台设计、时间同步机制、闭环业务接入和无线网络实验能力;另一篇围绕WebRTC–Wi-Fi双向跨层协同优化方法展开,重点介绍跨层信息交互机制、模型QoE驱动的传输控制方法以及多场景实验验证结果。
|
||||
\item 本课题预期完成两篇学术论文。其中一篇围绕面向实时视觉模型业务的联合仿真平台展开,重点介绍平台设计、时间同步机制、闭环业务接入和无线网络实验能力;另一篇围绕WebRTC–WiFi双向跨层协同优化方法展开,重点介绍跨层信息交互机制、模型QoE驱动的传输控制方法以及多场景实验验证结果。
|
||||
|
||||
\item 本文预期申请发明专利一项,内容可围绕面向实时视觉模型推理的WebRTC–Wi-Fi跨层协同传输方法。
|
||||
\item 本文预期申请发明专利一项,内容可围绕面向实时视觉模型推理的WebRTC–WiFi跨层协同传输方法。
|
||||
\end{itemize}
|
||||
|
||||
|
||||
Reference in New Issue
Block a user