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：

作者及研究机构
本研究由Phillip B. Oni和Steven D. Blostein完成，两位作者均来自加拿大皇后大学（Queen’s University）的电气与计算机工程系。该研究发表于2017年国际计算、网络与通信会议（International Conference on Computing, Networking and Communications, ICNC）的无线网络专题中。

学术背景
随着无线局域网（Wireless Local Area Networks, WLANs）中接入点（Access Points, APs）的密集部署，多个基本服务集（Basic Service Sets, BSSs）之间的重叠导致了严重的干扰和竞争问题，从而降低了系统性能。传统的AP选择方法，如最强信号优先（Strongest Signal First, SSF），仅基于接收信号强度（Received Signal Strength, RSS）进行选择，而未考虑干扰和负载，容易导致网络性能下降。为了解决这一问题，本研究提出了一种基于下行链路信号与干扰加噪声比（Signal-to-Interference-plus-Noise Ratio, SINR）的分布式AP选择方案，旨在提高密集WLAN中的系统性能。

研究流程
1. 问题建模与系统设计
研究首先构建了一个下行链路（Downlink, DL）传输的系统模型，其中AP向关联的站点（Stations, STAs）传输数据。模型假设所有AP以相同的功率传输，并考虑了信道竞争、干扰和接收灵敏度等因素。研究还定义了关键符号和参数，如信道占用阈值（Carrier Sense Multiple Access with Collision Avoidance, CSMA/CA）和SINR阈值。

1. AP选择算法设计
   研究提出了两种算法：

   • 分布式SINR AP选择算法（DASA）：该算法通过STA在候选AP中估计下行SINR，并选择提供最佳SINR的AP。具体步骤包括STA监听AP的信标帧、排序RSS、筛选候选AP、发送探测请求帧（Probe Request, P_REQ）并接收探测响应帧（Probe Response, P_RES），最终基于估计的SINR进行关联。
     
   • 最优AP选择算法（OPASA）：该算法通过线性规划（Linear Programming, LP）求解最大化总吞吐量的优化问题，考虑了SINR、接收灵敏度和信道占用阈值等约束条件。

2. 仿真实验与性能评估
   研究在MATLAB中模拟了一个包含50个AP和400个STA的随机部署网络，使用了IEEE 802.11b标准的物理层参数。仿真中比较了DASA、SSF和平均探测延迟（Mean Probe Delay, MPD）算法的性能，主要评估指标包括总吞吐量、单链路吞吐量和帧延迟。

主要结果
1. 总吞吐量提升
DASA在不同网络规模下均显著提高了总吞吐量。例如，在300个STA的场景中，DASA相比MPD和SSF分别实现了43%和99%的吞吐量增益。随着网络规模增加，DASA的性能逐渐接近最优基准OPASA。

1. 单链路吞吐量分布
   DASA在20%至90%的百分位数区间内，单链路吞吐量显著高于MPD和SSF。在90%百分位数处，DASA的吞吐量是SSF的5倍，比MPD高出96.6%。

2. 帧延迟
   在400个STA的场景中，SSF的平均帧延迟为9.19毫秒，而DASA和MPD分别为5.7毫秒和5.4毫秒。对于较小的网络规模（50至150个STA），DASA、MPD和OPASA的延迟性能相近。

结论
本研究提出了一种基于SINR的分布式AP选择方案，有效减少了密集WLAN中的干扰问题，显著提高了网络性能。DASA算法在实际部署中易于实现，且不需要修改现有的802.11管理帧。研究结果表明，选择提供最佳SINR的AP可以显著提升吞吐量并降低延迟，为未来密集WLAN的设计和优化提供了重要参考。

研究亮点
1. 创新性：首次在AP选择中全面考虑下行SINR，解决了传统方法忽视干扰的问题。
2. 实用性：DASA算法易于部署，且与现有802.11标准兼容。
3. 性能提升：通过仿真验证，DASA在吞吐量和延迟方面均显著优于现有方法。

其他价值
本研究还为未来密集WLAN的研究提供了新的方向，例如进一步优化SINR估计方法或结合机器学习技术实现动态AP选择。

这篇报告详细介绍了研究的背景、方法、结果和意义，旨在为其他研究人员提供全面的参考。