文摘
针对效率低下的问题,无线局域网(WLAN)接入点(AP)部署在城市环境中,一个新的AP算法部署基于物理距离和通道隔离(DPDCI)提出。首先,它检测到部署APs的位置信息,然后计算出干扰惩罚因子结合物理距离和通道隔离,最后得到最优的位置和通道新的美联社通过遗传算法。与NOOCA算法和NOFA-2算法相比,数值模拟的结果表明,新算法可以减少相互干扰的基本服务集(BSS),可以确保最大的吞吐量在BSS的服务质量(QoS),并能有效地改善系统性能。
1。介绍
随着信息时代的发展,越来越多的无线局域网(WLAN)的重要性越来越明显。由于WLAN具有灵活性,简单,容易扩展,等等,它广泛应用于热等地市场,休闲俱乐部,和公司。然而,并没有权威的商业WLAN标准部署和信道分配和管理标准,导致当前形势,每个主要的电信运营商部署自己的WLAN设备在同一热点为了提供自己的高速宽带的多媒体业务,分别导致重复建设覆盖的无线接入点(AP),与此同时,大量的通道干扰在有限的频带由于高密度部署美联社。因此,如何有效地配置和优化美联社渠道成为要解决的主要问题之一,WLAN的大规模商用。
针对美联社信道干扰问题,已经有一些研究结果,其中大多数是主要通过图形着色(1)、整数线性规划(2),和启发式方法(3分配渠道APs在ISM(工业、科学、医疗)乐队使整个干扰最小。文献[4)使用认知无线电技术,结合服务条件的主要用户的乐队,分配主用户的访问渠道。然而,上述算法提高系统吞吐量,减少干扰,既考虑了影响从不同的业务吞吐量也保证了系统的服务质量(QoS)。为了保证不同业务的QoS和公平在WLAN,基于Hsum算法(5),文献[6]介绍了公平指数,提出了CAOTR(信道分配基于吞吐量降低的顺序)算法,但算法的复杂度较高。文献[7)提出了干扰因素结合物理距离和通道隔离,但这只是适合固定地点美联社的信道分配和不考虑改变美联社的部署位置。(8],它给出了self-adapted算法基于神经网络,适应撤退参数在实时数据链路层根据QoS请求应用程序层和物理层的信道状态信息。在[9,10),基于博弈理论算法,寻求最优解决方案吞吐量的限制条件下,QoS,公平,等等。然而,(8- - - - - -10不涉及美联社的信道分配。
本文综合考虑之间的物理距离和通道隔离APs和已经部署美联社在检测区域的位置信息;美联社部署的新算法基于物理距离和通道隔离(DPDCI)提出,可有效降低干扰和提高系统整体吞吐量。
2。系统模型
2.1。网络模型
如图1,每个在美联社AP和相关的终端的通信范围包括基本服务集(BSS)。BSS,终端与美联社通过媒体访问控制(MAC)协议,而APs之间的通信是通过IAPP [11),其工作原理如下:美联社监测邻美联社信标,包括信噪比信息和接收到的信号强度等等,然后美联社会将自己的信息发送到控制器,包括终端在BSS的数量。控制器后从每个美联社获得的所有信息,它将测量整体吞吐量和分配渠道。因为美联社位置的不确定性,可能导致重叠APs的BSS的范围不同。在重叠区域,如果信道分配不合理,会引起干扰问题当重叠区域的终端交换数据与相应的美联社,尤其是当cochannel干扰出现;它甚至可能导致客户端之间的通信中断和美联社。
2.2。干扰模型
如图2,每个AP拥有两个区域是通信领域,另一个是干扰区域。通信领域与发射机功率和路径损耗和接收机灵敏度与真正的通信物理层速率。而干扰面积与发射机功率,路径损耗和接收机灵敏度与minimum-supported通信物理层。显然,干扰面积大于或等于通信区域。
的通信半径(干扰半径)的定义是12] 在哪里发射功率,接收功率;是信道衰减因子,是1米的通道衰减距离接收器。的通信半径获得基于最低有效的接收功率和干扰半径根据获得的最小接收功率受到干扰。为了简化分析,我们假设每个AP的通信半径半径和干扰和,分别。
2.2.1。信道干扰因素
信道干扰因素之间APs是定义如下; 在哪里通道分配指数吗,通道分配指数吗,,是美联社的传输功率分布,美联社的接收功率分布,频率是胶版印刷。
为了方便分析,本文使用IEEE 802.11 b无线网络分析,和通道隔离设置为5兆赫和信道带宽设置为22 MHz。发送功率分布是定义如下7]: 在哪里是中央的频率。
很明显,,特别是,当两个APs的渠道是完全正交的。
2.2.2。物理距离干扰
当之间的距离和比的总和和,它的重叠区域如图2,相邻之间的距离和是,即AB、通信半径,即长度交流,是和干扰半径,即长度公元前,是;在Δ美国广播公司,我们可以获得和根据余弦定理: 在哪里不同的值,对应部门的吗在通信领域负号Δ的面积重获,是不同的值,对应部门的吗在通信领域负号Δ的面积中行: 根据对称性,区域的表达是 因此,可以表示为
2.2.3。在BSS信号干扰比
为了便于分析,我们做出这样的假设:美联社从客户端和客户端接收相同的权力服从泊松分布在通信领域,和每个客户端传输数据等概率的。因此,忽略了噪音,APi的爵士13可以表示为
保证通信质量,先生必须满足以下条件: 在哪里的值是先生阈下吗。
3所示。部署APs的检测
在城市环境中,很多的APs位于某个地方不能被直接观察到,美联社的物理距离信息很难直接测量,所以介绍了无线定位方法14]。假设的位置已经部署的美联社的位置th测点是,接收到的信号强度测量th测点是,美联社和测点之间的数值关系可以表示为 为简单起见,假设
根据最小二乘估计,我们可以获得
所以,部署美联社可以计算出的位置信息和位置信息的APs可以测量领域。
4所示。在授权频段访问策略
我们定义作为主要用户信道状态在时间槽,表明主用户的信道忙,代表的主要用户的通道,代表繁忙的概率主要用户的通道,和代表可用概率的主要用户的通道。代表的检测结果主要从用户二次用户的通道,代表的检测主用户的信道忙碌,代表的检测主用户的通道可用,代表概率检测主用户的信道繁忙,和代表概率检测主用户的通道。二级用户检测结果的准确性主要表达了与检测概率 和假警报概率 。授权频段的访问策略可以表示为(15] 在哪里和代表二级用户的授权频段的状态当通道状态。是二级用户之间的信道功率增益的发射机和接收机。之间的获得主要用户发射机和次要用户接收机。是二级用户发射机之间的增益和主用户接收机。代表授权频道的忙碌状态。代表授权频率通道的可用状态。的情况,在授权之后,真正的频带的状态是什么和检测结果的后验概率。Γ1二级用户的最大力量。Γ2是主用户的干扰阈值对应的二级用户。
5。遗传美联社的部署算法
为了解决目标的最优解信道分配功能合理,我们引入遗传算法(16解决最优信道分配问题的美联社。
遗传算法被视为一个典型的仿生算法,模仿生物本性的选择过程和选择更适应个体繁殖适者生存的法则以形成一个新的解决方案空间通过交叉和变异,最终得到问题的最优解。据美联社部署各种被视为一个个体,和一种有限的美联社部署人口构成。
5.1。适应度函数
为了获得最优的解决方案,我们首先构建适应度函数。适应度函数自适应地一个人如何回应反映了限制条件,和个人更大更好的适应函数值。
假设的位置和是和分别,所以之间的距离和是
被定义为整个区域的干扰因素,然后呢,所以可以表示为 在哪里在该地区是APs的数量。
整个系统干扰时最小面积最小的干扰因素。使影响整个地区最低的吞吐量,适应度函数被定义为
一个个体被选中的概率进行交叉和变异的定义是 在哪里是人群中个体的数量。
5.2。算法的伪代码
该算法在算法的伪代码1。
|
||||||||||||||||||||||||||||||
算法的输入是部署的位置信息,新的美联社的数量,和信息的AP-usable位置。首先,它为美联社然后分配渠道随机分配部署点新APs使用部署位置和生成一个不完全相同的分配结果构成人口,并计算每个个体的适应性函数值的人口,和迭代初始化为0。当迭代的数量小于预定义的最大迭代数,计算选择概率根据(18),使用轮盘赌方法选择个人对混合处理,使用轮盘赌方法选择单个个体变异处理摆脱个体适应性个体少,最后它刷新人口和迭代的数量。
6。模拟
为了说明算法的性能,DPDCI算法要比NOFA-2算法(17)和NOOCA算法(18]。
仿真参数如表所示1。
估计信道分配算法对系统性能的干扰,我们定义平均干扰比率系统用户的信道干扰如下:
仿真结果如图3。
在图3,水平坐标表示访问数量美联社和垂直坐标表示的平均干扰所有的系统用户由于信道干扰。在第一个部分的三个算法,平均干涉的倾向是相同的;这是由于这样的事实,ISM波段资源相对丰富的情况下,美联社的数量很小。特别是,当通道数量少于3,系统平均干扰是0自ISM乐队拥有三个正交通道(1/6/11)。当美联社正交通道,没有相互干扰。
美联社的数目的增加,平均干扰NOFA-2总是高于NOOCA和DPDCI NOFA-2只在ISM波段分配信道,同时,在下方的ISM波段,美联社的先生对其阈值;如果AP这个基础上增加数量,这将增加信道干扰,导致平均干扰的增加。此外,平均干扰NOOCA大于DPDCI,这是因为这样一个事实,当混合带NOOCA算法分配频道,不能认为美联社在未经授权的通道不能干扰美联社在ISM波段,从而导致次优的结果分配特定的ISM波段通道。
归一化吞吐量的比较的三个算法如图4。NOOCA和DPDCI算法引入授权频带通道。当沟通渠道数量的增加,它降低了APs之间的干扰。因此,他们比NOFA-2算法在归一化吞吐量。DPDCI算法认为美联社在未经授权的通道不能干扰美联社在ISM波段ISM波段更优的信道分配。因此,它有一个更高的归一化吞吐量在NOOCA算法。随着访问客户的增加,DPDCI和NOOCA算法的优点是强调,他们明显高于NOFA-2算法。
图5显示DPDCI算法的归一化吞吐量的情况下检测已经部署的APs而不是检测已经部署的APs。因为检测已经部署AP能有效避免新AP之间的强干扰和已部署美联社由于物理距离太近,这种情况下的优化结果比的情况下检测已经部署的美联社。从整体的角度来看,归一化吞吐量提高了3.7%左右。
7所示。结论
本文给出了深度讨论的新的美联社部署在城市地区部署APs和使用无线定位方法探测的位置已经部署了APs,不能直接观察到。采用遗传算法部署新的美联社AP和分配渠道;美联社部署的新算法提出了基于物理距离和通道隔离。仿真结果表明,新算法能够减少BSS之间的相互干扰,确保最大的吞吐量基于QoS的BSS,也可以有效地提高系统的性能。为了实现面向更实际的结果,如美联社实现动态配置部署,未来的研究将考虑数据驱动(测量)框架(19- - - - - -22]。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
作者要感谢编辑和匿名裁判的建议和意见。这项工作是支持部分由中国国家自然科学基金(批准号61263030),CQCSTC的自然科学基金项目(批准号2010 bb2240),中央大学的基础研究基金(赠款。CDJZR12160018,不。CDJZR12160019)。