本文档属于类型a，即报告了一项原创研究。以下是针对该研究的学术报告：
该研究由Xiping Wu（都柏林大学电气与电子工程学院）和Dominic C. O’Brien（牛津大学工程科学系）共同完成，发表于2022年4月的IEEE Transactions on Wireless Communications期刊，题目为《QoS-Driven Load Balancing in Hybrid LiFi and WiFi Networks》。
该研究的主要科学领域是无线通信网络，特别是混合光保真（LiFi）和无线保真（WiFi）网络（HLWNets）。随着第六代（6G）无线通信技术的发展，LiFi作为一种新兴技术，具有高数据速率、无射频干扰等优势，但其覆盖范围有限且易受遮挡。WiFi则具有广泛的覆盖范围，但数据速率较低。因此，将LiFi和WiFi结合的混合网络被认为是提升网络性能的有效方案。然而，由于LiFi和WiFi的异构性，负载均衡成为混合网络中的关键挑战。以往的研究主要关注在网络容量最大化，而忽略了服务质量（QoS）指标（如丢包率和延迟）的重要性。该研究旨在通过QoS驱动的负载均衡方法，优化混合网络的性能。
研究分为以下几个步骤：
系统模型建立
研究首先构建了室内混合LiFi和WiFi网络的系统模型。网络包括一个WiFi接入点（AP）和多个LiFi AP，LiFi AP嵌入在天花板的LED灯中，覆盖特定区域。WiFi AP位于房间中心，覆盖整个房间。用户均匀分布在房间内，采用时分多址（TDMA）技术为多个用户提供服务。LiFi和WiFi的信道模型分别基于视距（LOS）和非视距（NLOS）路径建立，并推导了链路容量的表达式。
QoS指标推导
研究推导了丢包率和延迟的闭式表达式。丢包率主要由网络拥塞引起，而延迟则包括数据包处理时间和传播时间。通过分析缓冲区的容量限制，研究得出了丢包率和延迟与数据到达率之间的关系。
单AP关联（SA）负载均衡
在单AP关联场景下，每个用户仅连接到一个AP。研究提出了一个多目标优化问题，目标是最小化丢包率和延迟。为了解决该问题，研究设计了一种低复杂度的迭代算法。该算法首先让每个用户选择信道质量最好的AP，然后根据QoS性能逐步调整AP关联，直到无法进一步优化。
多AP关联（MA）负载均衡
在多AP关联场景下，每个用户同时连接到多个AP，每个AP提供一个子流。研究采用“水填充”算法将用户的流量负载分配到多个子流中，以实现负载均衡。同样，研究设计了一种迭代算法，通过逐步优化子流的分配来最小化丢包率和延迟。
仿真验证
研究通过蒙特卡洛仿真验证了所提方法的性能。仿真场景包括不同数据到达率和用户数量的情况，并与信号强度策略（SSS）和比例公平（PF）负载均衡方法进行了对比。此外，研究还分析了缓冲区大小和光路遮挡对网络性能的影响。
单AP关联（SA）结果
在单AP关联场景下，所提算法能够有效平衡流量负载，显著降低丢包率和延迟。随着用户数量的增加，SA算法的性能优于SSS和PF方法。例如，在16个用户的情况下，SA的吞吐量是SSS的两倍。
多AP关联（MA）结果
在多AP关联场景下，MA算法进一步提升了QoS性能，特别是在用户数量较少的情况下。随着子流数量的增加，MA的性能显著提升。例如，当数据到达率为500 Mbps时，MA（3个子流）的丢包率仅为1%，而SA的丢包率为20%。
仿真结果
仿真结果表明，MA算法在QoS性能和吞吐量方面均优于SA、SSS和PF方法。例如，在相同的QoS水平下，MA的系统吞吐量比SSS高160%，比PF高130%。此外，MA对光路遮挡具有更强的鲁棒性。
该研究首次在混合LiFi和WiFi网络中提出了QoS驱动的负载均衡方法，并通过单AP关联和多AP关联两种场景进行了优化。所提的低复杂度迭代算法能够在保证QoS性能的同时，显著提升网络吞吐量。研究结果表明，多AP关联方法在用户数量较少的情况下表现尤为突出，且子流数量越多，性能越好。该研究为未来无线通信网络的负载均衡提供了重要的理论和实践指导。
研究还探讨了缓冲区大小和光路遮挡对网络性能的影响，为实际网络部署提供了重要参考。例如，研究指出，缓冲区大小的选择需要在丢包率和延迟之间进行权衡，而过大的缓冲区可能会显著增加延迟。此外，MA算法在光路遮挡概率较高的情况下仍能保持较高的吞吐量，表明其对网络环境的鲁棒性。