一种高密度AP分布的无线局域网络吞吐量估计方法及系统与流程

一种高密度ap分布的无线局域网络吞吐量估计方法及系统
技术领域
1.本发明提供一种针对高密度ap分布的无线局域网络场景基于bianchi改进模型对无线局网络内所有ap总的饱和吞吐量的估计方法及系统，属于无线通信、数学建模领域的，是基于工作基础上的改进方法。


背景技术：

2.近几年无线通信技术发展十分迅速，ieee 802.11标准下的无线局域网络更新换代也愈加频繁，无线局域网络的性能也逐年增加。无线局域网络因为其结构简单组网方便，可移动性强和拓展性高等优势，在社会的各个领域都有应用。也因此无线局域网络在各领域的工作环境下的性能表现成为了研究人员关注的焦点，其中无线局域网络的饱和吞吐量是其关键性能指标之一。无线局域网络的最大承受能力就是无线局域网络的饱和吞吐量，和无线局域网络的实时吞吐量预测相较而言，饱和吞吐量的估计更难，但是饱和吞吐量是更能体现无线局域网络性能的指标。因为无线局域网络是使用无线信道作为传播信号的介质，其具备上述的优势，但无线传输信道的不可靠性决定了无线局域网络容易受到冲突、干扰等各种环境因素的影响，因此无线局域网络性能研究很有价值。但是真实的无线网络环境过于复杂，难以得到一个普适性的算法，因此需要基于数学模型加以仿真估算。
3.目前有许多研究者投入这方面研究，hamamoto在论文中假设在无线局域网络中用户连接的 ap始终服从特定的概率分布，然后根据概率分布计算出所有ap能够产生的吞吐量的总和，但该方案需要的先验知识太强，因此很难具备普适价值。zorzi在论文中使用了支持向量机算法(support vector regression，svr)对无线局域网络的吞吐量进行估计，不过该方案仅仅使用了无线局域网络的参数信息，并没有考虑环境中用户的分布，因此仅具备参考价值。bianchi 在论文中将单ap场景下dcf方案情况建模成为二维马尔科夫链，并且分析了基本接入方法和rts/cts接入方法下的饱和吞吐量，然而对于高密度ap的场景下，情况就大不相同，尤其是考虑隐藏节点和暴露节点的问题。
4.为了改进上述的方案，本发明基于bianchi的数学模型提出了一种高密度ap分布下无线局域网络饱和吞吐量估计的改进方案。不是估计单个ap的饱和吞吐量，而是对整个无线局域网络进行整体的估计与建模，因此可以节省大量的人力物力获得一个较为准确的结果。


技术实现要素：

5.发明目的：本发明提供一种针对高密度ap分布的无线局域网络场景基于bianchi改进模型对无线局网络内所有ap总的饱和吞吐量的估计方法，基于改进模型对无线局域网络整体的饱和吞吐量进行估计。
6.上述目的通过以下技术方案来实现：
7.本发明所述一种针对高密度ap分布的无线局域网络场景的饱和吞吐量估计方法，包括步骤：
8.(1)划定需要估计的环境，建立三维坐标空间。采集无线局域网络参数。
9.(2)将获得的无线局域网络参数经过规格化，标准化处理，送入构建的bianchi改进模型。
10.(3)通过构建的bianchi改进模型对每一个ap与ue的链路进行饱和吞吐量估计，然后对网络中所有的链路的估计值求和求和，便可以获得整体无线局域网络的饱和吞吐量。
11.优选地，步骤(1)中，所述无线局域网络参数包括：
12.(1.1)人工划定需要估计的无线局域网络区域环境，对空间中的ap位置进行标定，包括位置以及高度；
13.(1.2)通过ac控制终端，获得每个ap的信号发射功率、空闲信道评估阈值以及所处信道的信息。
14.(1.3)根据无线局域网络所使用的802.11协议标准，获得整个无线局域网络的固有网络参数，包括最大包长，mac(媒介访问控制层)帧头长度、phy(物理层)帧头长度、ack(确认帧)、rts(ready to send，请求发送帧)、cts(clear to send，准许发送帧)帧长度、短帧间隔(short inter-frame space，sifs)、dcf帧间隔(dcf inter-frame space，difs)、最大随机退避窗口cwmax和最小随机退避窗口cwmin。
15.(1.4)收集连续若干周的ap之间的路损信息表，并对这若干周的数据进行筛选处理，去除异常数据，制成稳定的ap路损参考矩阵。
16.优选地，步骤(2)中，对无线局域网络参数进行规格化处理的具体步骤包括：
17.(2.1)将ap的发射信号功率以及空闲信道评估阈值归一化为(0,1)之间的参数值，其他数值原样输入模型；
18.(2.2)统一最大包长l，mac帧头、phy帧头、ack、rts、cts、sifs、dcf帧长度，cwmax，cwmin等参数单位。
19.(2.3)完成bianchi改进模型参数的初始化。
20.优选地，步骤(3)中，步骤(3)的具体步骤包括：
21.(3.1)输入无线局域网络参数，通过bianchi改进模型的源代码，构建出无线局域网络仿真模型。利用随机函数随机生成ap数量10倍数量的ue的位置信息。
22.(3.2)根据采集的ap之间的路损信息表，获得出ap与ap之间的干扰(ap1在ap2位置的信号强度，就认为是干扰值)；假设ap与ue的距离是n米，使用2.4ghz频段传输信号，利用无线信号自由空间路径损耗公式(通信领域经验公式，路损＝32.4 20log(n/1000) 20log(2400))计算出ap对ue产生的干扰，同上ap在ue位置的信号强度就是干扰。
23.(3.3)利用吞吐量估算公式计算出无线局域网络当前状态的饱和吞吐量。
24.(3.4)重置n次ue位置信息，每次重置计算一次当前状态下无线局域网络的饱和吞吐量，最后求n次平均，n的数量越大估计值越准确。
25.优选地，步骤(3.2)的具体步骤包括：
26.(3.2.1)利用ap路损信息表计算ap之间的干扰关系；用ap的信号发射功率减去其与其它ap之间的路损，得到该ap在其它ap的干扰强度的大小，建立一个ap到ap信号强度矩阵；
27.(3.2.2)根据ap和ue的位置信息，计算ue到每个ap的距离的大小，根据这个距离和无线信号自由空间路径损耗公式计算出每一个ap的信号发射到ue的位置后的信号强度，建
立成一个ap到ue信号强度矩阵；
28.(3.2.3)根据步骤(3.2.1)和(3.2.2)计算出的信号强度矩阵，计算出每一个ap，在ue处的位置的信噪比；ue根据信噪比排序，选择信噪比最大的ap进行连接；
29.(3.2.4)利用步骤(3.2.1)和(3.2.2)计算出的两个信号强度矩阵计算出ap在当前位置的信干噪比，并根据信干噪比选择信号传输速率。
30.优选地，步骤(3.3)的具体步骤包括：
31.(3.3.1)根据步骤s201计算出ap与ap之间的信号强度矩阵，假设ue1的空闲信道评估阈值是c1，将其它ap对ue1的干扰与这个值比较，如果大于c1，则认为是该ap是ue1的一阶干扰；用同样的方法计算出其它ue的一阶干扰ap；
32.(3.3.2)从ap组中删除ue1的一阶干扰ap，然后将剩下的ap两两组合，将它们的信号强度相加如果大于c1，则认为该组ap是ue1的二阶干扰ap；用同样的方法计算其他ue的二阶干扰ap；
33.(3.3.3)计算出当前时刻信号传输的概率p
tr
和信号传输成功的概率ps；然后用上述两个概率计算出ap节点状态，分别是ap处于空闲状态概率、传输状态概率以及冲突状态概率；
34.(3.3.4)最后利用吞吐量估算公式，计算出无线局网络模型的饱和吞吐量。
35.一种高密度ap分布的无线局域网络吞吐量估计系统，包括：
36.环境初始化模块：将上一阶段采集的ap参数以及无线局域网络参数按照bianchi改进模型需求进行规格化处理，然后随机生成大量ue位置信息，并将这些信息送入bianchi改进模型；
37.干扰计算模块：首先利用采集到的ap路损参考矩阵获得ap之间的干扰强度，然后根据 ap与ue之间位置信息计算出所有ue连接的是那一个位置的ap，最后计算ap与ue之间的干扰强度；
38.吞吐量计算模块：首先根据ap与ap，ap与ue之间的干扰强度，计算出每一个ue的一阶干扰源；然后利用ap之间两两组合计算出每一个ue的二阶干扰源，最后利用吞吐量估算公式计算出无线局域网络的饱和吞吐量。
39.本发明对比现有技术的有益性在于：针对高密度ap分布的无线局域网络场景的饱和吞吐量估计方法，所研究的高密度ap分布场景依旧属于学术界的一个难题，本发明给出了一个参考方法；并且本发明可以在使用较少人工和计算资源的基础上，获得对整个无线局域网络的饱和吞吐量较好的估计。
附图说明
40.图1为本发明实施例基于bianchi改进模型的饱和吞吐量估计架构图。
41.图2为本发明实施例环境初始化模块的细节流程图。
42.图3为本发明实施例使用的无线局域络参数图。
43.图4为本发明实施例干扰计算模块的细节流程图。
44.图5为本发明实施例ap信号传输速率参数图。
45.图6为本发明实施例吞吐量计算模块的细节流程图。
46.图7为本发明实施无线局域网络吞吐量估计结果图。
具体实施方式
47.下面结合附图和实施例对本发明的技术方案作进一步的说明。
48.本实施例提供了一种针对高密度ap分布的无线局域网络场景的饱和吞吐量估计方法，解决了传统方法难以对高密度ap分布下无线局网络饱和吞吐量估计的难题。图1展示了本发明基于bianchi改进模型的饱和吞吐量估计的整体架构图，包括：
49.环境初始化模块：将上一阶段采集的ap参数以及无线局域网络参数按照模型需求进行规格化处理，然后随机生成大量ue(使用者)位置信息，并将这些信息送入模型。
50.干扰计算模块：首先利用采集到的ap路损信息表获得ap之间的干扰强度，然后根据 ap与ue之间位置信息计算出所有ue连接的是哪一个位置的ap，最后计算ap与ue之间的干扰强度。
51.吞吐量计算模块：首先根据ap与ap，ap与ue之间的干扰强度，计算出每一个ue的一阶干扰源。然后利用ap之间两两组合计算出每一个ue的二阶干扰源，最后利用吞吐量估算公式计算出无线局域网络的饱和吞吐量。
52.图2展示了环境初始化模块的细节流程图，包括：
53.步骤s101、首先用矩形圈定真实的无线局域网络场景，并以其中一个角为坐标原点，建立二维坐标系。然后标出ap在该坐标系中的位置，假设为(x,y)。最后利用高度作为第三维，建立三维空间坐标系，标出ap距离地面的高度z，可以得到ap的三维坐标(x,y,z)。需要注意的是ue(用户)是在地面活动，因此ue的z值恒为0。
54.步骤s102、将所有的ap的信号发射功率以及空闲信道评估阈值进行归一化步骤s102、将所有的ap的信号发射功率以及空闲信道评估阈值进行归一化其中p
max
、p
min
等，是所有ap的信号发射功率的最大值合最小值，空闲信道评估阈值也是一样的操作。
55.步骤s103、将获得诸如最大包长l，mac帧头长度、phy帧头长度、ack、rts、cts 帧、cwmax，cwmin长度等参数的信息，送入估计模型计算各类参数。本实施例参数如图3。
56.步骤s104、利用模型中的计算公式，将上述参数带入，计算出数据包顺利传输时所用平均时间ts、数据包传输失败所用平均时间tc，以及数据发送概率τ和冲突概率p计算公式如下：
[0057][0058]
其中h为mac帧头长度、phy帧头长度的总和，其中各个符号代表传输该帧需要的时间长度
[0059][0060]
其中n为ap的个数。
[0061]
步骤s105、利用随机函数生成ap数量10倍的ue的位置信息。
[0062]
图4展示了干扰计算模块的细节流程图，包括：
[0063]
步骤s201、利用ap路损信息表计算ap之间的干扰关系。因为ap1与ap2的干扰关系是
相互的，因此ap1到ap2和ap2到ap1的路损是一致的。因此用ap1的信号发射功率减去二者之间的路损，便可以得到ap1在ap2的信号强度是多少，也就是干扰强度的大小，建立成一个ap 到ap信号强度矩阵。
[0064]
步骤s202、一旦获得了ap和ue的位置信息，便可以计算ue到每个ap的距离的大小，根据这个距离和无线信号的无线信号自由空间路径损耗公式便可以计算出每一个ap的信号发射到ue的位置后的信号强度，建立成一个ap到ue信号强度矩阵，便于下一步计算。
[0065]
步骤s203、因此根据上面两步计算出的信号强度矩阵，很容易计算出每一个ap，在ur 所处的位置的信噪比。ue根据信噪比排序，选择信噪比最大的ap进行连接。但因为在ue 的位置，所有ap经受的噪声强度是一致的，因此在实际操作中，只需要选择信号强度最大的ap连接即可。
[0066]
步骤s204、然后利用两个信号强度矩阵计算出该ap在当前位置的信干噪比，并根据信干噪比选择信号传输速率，具体参数如图5所示。信干噪比的计算方式，假设ue连接的ap 是ap1，它的信号强度为p。可以求出剩余ap的信号强度p
sum
，而则信干噪比＝log(p/p
sum
)
[0067]
图6展示了吞吐量计算模块的细节流程图，包括：
[0068]
步骤s301、根据步骤s201计算出ap与ap之间的信号强度矩阵，假设ue1的空闲信道评估阈值是c1，那么将其他ap对ue1的干扰与这个值比较，如果大于c1，则认为是该ap是 ue1的一阶干扰。用同样的方法计算出其他ue的一阶干扰ap。
[0069]
步骤s302、从ap组中删除ue1的一阶干扰ap，然后将剩下的ap两两组合，将它们的信号强度相加如果大于c1，则认为该组是ue1二阶干扰ap。用同样的方法计算其他ue的二阶干扰ap。
[0070]
步骤s303、利用模型公式可以计算出一个ue和ap链路当前时刻信号传输的概率p
tr
和信号传输成功的概率ps。公式如下：
[0071][0072]
其中n1和n2表示该ap的一个干扰ap数量个二阶ap干扰数量。
[0073]
然后可以用上述两个概率计算出ap节点状态，分别是ap处于空闲状态p
idle
、传输状态 p
data
以及冲突状态p
coll
公式，计算公式如下：
[0074][0075]
步骤s304、最后利用改进模型的计算公式，计算出单个ap和ue链路的饱和吞吐量，计算公式如下：
[0076][0077]
δ是传播时延，为1us，rate是ue的传输速度。最后对所有ue链路的饱和吞吐量估计值求和，就可得到无线局域网络总的饱和吞吐量估计值，单位是mb。
[0078]
采用上述算法对实施例的其中一次训练的结果进行展示，其中每个ap和部分ue的饱和吞吐量如图7所示。从图中可以看出，本模型可以对无线局域网络整体进行仿真建模，
输出每个ap和ue的饱和吞吐量估计值。
[0079]
本发明实现了针对高密度ap分布下，无线局域网络饱和吞吐量的快速估计。和传统的吞吐量预测方法相比，本发明提出的方法可以使用少量的人力资源和计算资源的情况下快速对无线局域网络的饱和吞吐量进行估计。这不仅仅有利于无线局网络性能的评估，还有利于无线局域网络性能的调整。通过不断改变无线局域网络参数，可以大致估计出无线局域网络在当前参数下的性能，这对学术界是很有意义的
[0080]
本发明已以较佳实施例揭示如上，但并非用以限定相关领域技术方案。本领域的技术人员可以对本发明的技术方案进行修改或者完善，而不脱离本发明技术方案的精神和范围，均涵盖在本发明的权利要求范围当中。