802_15_4_MAC_perf

该数据集存储了从Ghent的wilab2测试床设施收集的关于IEEE 802.15.4网络MAC层性能的测量数据，可用于不同的统计学习方法。数据集包括两个部分：一个细粒度数据集，包含5秒测量周期的短期MAC统计数据；一个粗粒度数据集，包含30秒观察间隔的长期MAC统计数据。

This dataset stores measurement data on the MAC layer performance of IEEE 802.15.4 networks collected from the wilab2 testbed facility in Ghent, which can be used for various statistical learning methods. The dataset consists of two parts: a fine-grained dataset containing short-term MAC statistics measured over 5-second intervals, and a coarse-grained dataset containing long-term MAC statistics observed over 30-second intervals.

原始信息汇总

数据集概述

数据集名称

802.15.4 MAC layer performance dataset

数据集目的

用于评估IEEE 802.15.4网络中MAC层的性能，适用于多种统计学习方法。

实验设置

• 网络拓扑：星型网络
• 节点数量：28个RM090节点
• MAC协议：CSMA/CA
• 消息大小：100字节
• 传输功率：5dBm
• 发送节点数量变化：2至28个
• 应用流量负载变化：1pckt/2s, 1pckt/s, 2pckts/s, 4pckts/s, 8pckts/s, 16pckts/s, 64pckts/s
• 干扰生成：使用USRP B210生成周期性干扰模式

数据集描述

• 数据集类型：

  • 细粒度数据集：5秒测量周期内的MAC统计数据
  • 粗粒度数据集：30秒观察周期内的MAC统计数据

• 数据集内容：

  • 环境参数：节点密度、干扰指示、流量负载
  • 性能指标：吞吐量、数据包丢失、数据包丢失率（PLR）、数据包接收率（PRR）

• 数据集格式：

  • 列信息：
    • NumOfReceived：观察间隔内接收的帧数
    • PRR：数据包接收率
    • packetLoss：观察间隔内错误帧数
    • PLR：数据包丢失率
    • throughput：发送节点的总吞吐量
    • IPI：发射机的数据包间隔时间
    • Density：实验观察间隔内活跃节点数
    • COR：信道占用比率

数据集使用方法

• 使用Python和Pandas库加载数据集，示例脚本提供了加载数据集到Pandas数据框的方法。

数据集存储位置

• 细粒度数据集：./datasets/Training_data/802_15_4_MACperf_5s.csv
• 粗粒度数据集：./datasets/Testing_data/802_15_4_perf_30s.csv

数据集详细信息

• 详细信息和实验细节可参考数据集仓库：802_15_4MACperf dataset repository

搜集汇总

数据集介绍

构建方式

802_15_4_MAC_perf数据集的构建基于wilab2测试平台的实际实验数据，旨在研究IEEE 802.15.4网络的MAC层性能。实验中，28个RM090节点以星型拓扑结构组织，采用CSMA/CA协议，并定期向中心接收器发送100字节的消息。实验通过调整发送节点数量（2至28个）和应用流量负载（1pckt/2s至64pckts/s），并结合可控干扰模式（使用USRP B210生成），全面捕捉影响MAC性能的各种因素。数据分为5秒和30秒两种粒度，分别记录短时和长时的MAC统计信息。

特点

该数据集提供了丰富的MAC层性能指标，包括节点密度、干扰指示、流量负载、吞吐量、丢包数、丢包率（PLR）、包接收率（PRR）等。数据集以CSV格式存储，包含8列数据，分别对应接收帧数、PRR、丢包数、PLR、吞吐量、包间隔（IPI）、节点密度和信道占用率（COR）。这些指标为研究低功耗无线传感器网络的MAC层性能提供了全面的数据支持。

使用方法

用户可通过Python脚本将数据集加载到Pandas数据框中，以便进行进一步的数据分析和处理。数据集文件路径作为输入参数传递给加载函数，数据框的格式便于用户进行统计学习和机器学习算法的应用。具体使用方法可参考GitHub仓库中的示例脚本，该脚本展示了如何读取和处理数据集文件。

背景与挑战

背景概述

802_15_4_MAC_perf数据集创建于2017年，由比利时根特大学的wilab2测试平台的研究团队开发，主要研究人员包括Merima Kulin等。该数据集专注于IEEE 802.15.4网络中的MAC层性能研究，旨在通过实验数据揭示低功耗无线传感器网络中MAC层的包传输性能。数据集通过在不同节点密度和流量负载条件下进行实验，收集了包括吞吐量、丢包率、包接收率等关键性能指标。这些数据为研究低功耗无线网络的可靠性和性能优化提供了重要支持，尤其在物联网和工业自动化领域具有广泛的应用前景。

当前挑战

802_15_4_MAC_perf数据集面临的挑战主要包括两个方面。首先，在解决领域问题上，低功耗无线传感器网络的MAC层性能受多种因素影响，如节点密度、干扰模式和流量负载等，如何在这些复杂条件下实现可预测的网络性能是一个核心难题。其次，在数据集构建过程中，研究人员需要精确控制实验环境，包括节点配置、干扰生成和数据采集，以确保数据的准确性和可重复性。此外，数据集的粒度选择（如5秒和30秒的统计间隔）也对后续分析和模型训练提出了挑战，需要在数据精细度和计算复杂度之间找到平衡。

常用场景

经典使用场景

在低功耗无线传感器网络（WSN）领域，802_15_4_MAC_perf数据集被广泛应用于研究IEEE 802.15.4协议的MAC层性能。通过该数据集，研究人员可以深入分析不同节点密度、干扰模式和流量负载下的数据包传输效率、丢包率以及吞吐量等关键性能指标。这一数据集为优化网络协议设计、提升网络可靠性提供了重要的实验依据。

实际应用

在实际应用中，802_15_4_MAC_perf数据集为工业物联网、智能家居和农业监测等领域的低功耗无线网络部署提供了重要参考。通过分析数据集中的性能指标，工程师能够优化网络配置，提升数据传输的可靠性和实时性，从而满足不同应用场景的需求。例如，在智能农业中，该数据集可用于设计高效的传感器网络，确保环境数据的实时采集与传输。

衍生相关工作

基于802_15_4_MAC_perf数据集，许多经典研究工作得以展开。例如，研究人员利用该数据集开发了基于机器学习的MAC层性能预测模型，显著提升了网络性能的预测精度。此外，该数据集还被用于验证新型MAC协议的有效性，推动了低功耗无线传感器网络协议的创新与优化。这些衍生工作进一步拓展了数据集的应用范围，为相关领域的研究提供了重要支持。