这篇文档属于类型a，即报告了一项原创研究。以下是针对该研究的学术报告：
研究作者与机构
本研究的作者为刘曼和方旭明，均来自西南交通大学信息科学与技术学院。该研究于2023年9月发表在《Chinese Journal on Internet of Things》第7卷第3期。
学术背景
本研究的主要科学领域为无线通信网络，特别是密集Wi-Fi网络中的多接入点（AP, Access Point）联合传输技术。随着Wi-Fi终端设备数量的逐年增加，尤其是增强现实、虚拟现实和4K/8K视频等数据密集型应用的出现，未来无线网络需要部署大量AP以应对不断增长的数据流量需求。然而，AP的密集化部署导致了相邻AP之间的覆盖区域重叠，尤其是在有限的频谱资源下，部分相邻AP不可避免地使用相同频段，从而引发严重的同频干扰。这种干扰尤其影响了重叠基本服务集（OBSS, Overlapping Basic Service Set）用户的通信质量，导致其接收信号的信干噪比（SINR, Signal to Interference plus Noise Ratio）降低，数据传输速率下降甚至无法传输。
为了解决这一问题，IEEE 802.11be任务组提出了多AP协调技术，其中包括联合传输（JT, Joint Transmission）技术。JT技术通过多个AP之间的协作，将干扰信号转化为有用信号，从而提高频谱利用率和用户通信质量。然而，现有的Wi-Fi网络中关于多AP协调传输的研究仍处于起步阶段，尤其是如何为每个用户选择最佳的AP协作集以最大化JT技术的潜在增益，仍是一个亟待解决的问题。
本研究旨在提出一种基于改进遗传算法（IGA, Improved Genetic Algorithm）的多AP联合传输方案，通过为每个边缘用户选择最优的AP协作集，减少基本服务集（BSS, Basic Service Set）间的同频干扰，提升边缘用户的吞吐量和通信质量。
研究流程
本研究的主要流程包括以下几个步骤：
系统初始化与边缘用户判定
首先，系统内所有AP和站点（STA, Station）完成初始化操作，如AP扫描信道、发送信标帧（Beacon）、STA侦听信标帧并进行认证关联等。接着，利用SINR阈值法将所有STA分为中心用户和边缘用户。具体而言，根据预先设定的SINR阈值（SINRth），计算每个STA的SINR值，若SINR值低于阈值，则判定为边缘用户，否则为中心用户。中心用户由于远离干扰AP且信道状况较好，无需采用JT技术，而边缘用户则需要通过JT技术提升通信质量。
多AP准备与探测阶段
在多AP准备阶段，AP之间通过增强的管理帧或新定义的请求帧（Request Frame）获取邻近AP的状态信息，包括链路状态、负载状态、多AP能力等。这些信息用于确定哪些AP具备参与多AP协作传输的条件，成为备选AP。在多AP探测阶段，主AP触发各个从AP进行信道探测（Sounding），收集各AP与STA之间的信道状态信息（CSI, Channel State Information）。
确定AP协作集
基于上一阶段获取的CSI信息，以最大化边缘用户吞吐量为目标，利用改进遗传算法（IGA）为每个边缘用户确定其专属的AP协作集。具体而言，首先为系统建立数学模型，目标函数为最大化边缘用户的总吞吐量，约束条件包括每个STA的协作AP数目限制、AP的功率预算限制等。接着，利用IGA对传输状态矩阵进行搜索，找到满足约束条件且使目标函数最大的AP协作集。
多AP联合传输
在确定AP协作集后，AP协作集内的AP共享用户数据和调度信息，主AP向从AP发送触发帧（Trigger Frame）启动JT过程。采用基于块对角化（BD, Block Diagonalization）预编码技术的多输入多输出（MIMO, Multiple-Input Multiple-Output）传输方式，同时向用户发送下行数据。通过BD预编码技术，消除用户间的干扰，提升接收信号的质量。
主要结果
本研究的仿真结果表明，所提出的基于IGA的多AP联合传输方案在密集Wi-Fi网络场景下能够有效减小BSS间的同频干扰，提升边缘用户的吞吐量和通信质量。具体而言：
边缘用户吞吐量提升
与单AP传输方案（Non-Cooperative）和基于N-Best的JT方案相比，IGA JT方案能够显著提升边缘用户的吞吐量。这是因为IGA JT方案通过为每个边缘用户选择最优的AP协作集，最大限度地利用了JT技术的潜在增益。
算法收敛性
IGA算法在较少的迭代次数内即可实现收敛，表明该算法具有较低的计算复杂度。仿真结果显示，当种群规模为100时，经过约60次迭代即可达到稳定的性能指标。
用户数与SINR阈值的影响
随着系统中用户数的增加，边缘用户吞吐量逐渐增大。在不同用户数和SINR阈值下，IGA JT方案始终能够获得最佳的吞吐量性能。这表明所提方案在不同网络条件下均具有较好的适应性。
结论
本研究针对密集Wi-Fi网络中AP间覆盖范围重叠导致的同频干扰问题，提出了一种基于改进遗传算法的多AP联合传输方案。通过为每个边缘用户选择最优的AP协作集，利用JT技术将干扰信号转化为有用信号，显著提升了边缘用户的吞吐量和通信质量。仿真结果表明，所提方案能够有效减小相邻BSS间的干扰，提高系统整体性能。
研究亮点
1. 创新性
本研究首次将改进遗传算法应用于多AP联合传输中，通过动态调整交叉概率和变异概率，避免了传统遗传算法的“早熟”问题，提高了算法的收敛性和搜索效率。
实用性
所提方案在密集Wi-Fi网络场景下具有广泛的应用前景，能够有效提升边缘用户的通信质量，为未来Wi-Fi网络的部署和优化提供了理论支持。
技术先进性
本研究结合了BD预编码技术和JT技术，通过消除用户间干扰，进一步提升了系统的频谱利用率和传输效率。
其他有价值的内容
本研究还详细讨论了多AP协作传输中的信道探测、预编码技术以及AP协作集的选择策略，为后续研究提供了重要的参考依据。此外，仿真部分的参数设置和结果分析也为实际网络部署提供了可行的技术方案。