| IEEE 802.11ac 標準中引進了許多新技術，使得無
線網路卡中可調適的速率模式增加了至少1.5倍。
由於速率大幅增加，基於舊標準所設計的傳統速
率調適演算法(RA)將面臨擴展性的挑戰。在案例
探討中，我們觀察到兩個著名的802.11ac 速率調適
演算法，Minstrel 與 Iwlwifi，在某些情形下表現較
差，原因為缺乏對速率模式大幅增加的設計。有
鑑於此，我們設計了一個基於機器學習且全面性
的速率調適演算法 MLRA，並實際使用於802.11ac
的網路卡中。我們使用類神經網路模型讓其自動
學習速率參數、Goodput 表現與連線品質之間的相
關性。在執行時，我們只要給定速率參數與連線
品質資訊，該模型即可提供候選速率，並且排名
前面的候選速率即包含或接近最佳速率，MLRA
只需探測這些速率而不用整體搜尋，進而降低大
量負擔並能及時回應環境變化。我們使用 Intel 開
源驅動程式 Iwlwifi 與 Google Tensorflow 實作
MLRA。我們的實驗結果顯示 MLRA在 Goodput的
表現上勝過其他三種 RA，在不同狀況下，最高增
益可達175.0%-392.8% |
