基于干扰矩阵的高密WLAN场景下集中式功率控制*

王 薇，王 静，陈小坡，高 峰，高泽华(北京邮电大学信息与通信工程学院,北京100876)



基于干扰矩阵的高密WLAN场景下集中式功率控制*

王 薇**，王 静，陈小坡，高 峰，高泽华
(北京邮电大学信息与通信工程学院,北京100876)

Foundation Item:Huawei Innovation Research Program(YB2014030048)；The Director Fund of Laboratory of Network System Architecture and Convergence(2014BKL-NSAC-ZJ-09)

**通信作者:ixiaoxi13@163. com Corresponding author:ixiaoxi13@163. com

摘 要:针对高密无线局域网(WLAN)场景中系统干扰严重导致吞吐量降低的问题,提出了一种集中式动态发射功率控制算法(CDTPC)。接入控制器(AC)依据接入点(AP)定时上报的信道扫描报告和邻居报告建立干扰矩阵,通过分析干扰矩阵确定干扰源AP集和覆盖漏洞AP集,并对干扰源AP和覆盖漏洞AP进行动态功率控制,在保障覆盖的情况下减小WLAN系统内干扰、提高网络整体吞吐量。仿真表明:在高密WLAN场景中,使用CDTPC算法进行功率控制前后各AP吞吐对量均有所提高,系统整体吞吐量提高了41. 5%。

关键词:无线局域网；集中式功率控制；干扰矩阵；高密部署

1 引 言

随着移动互联网的快速发展以及数据业务需求不断提升,以IEEE 802. 11协议[1]为基础的无线局域网(Wireless Local Access Network,WLAN)得到了广泛部署。在大会议室、体育馆、金融交易大厅等高密场景中,大量终端设备集中在一个特定区域内。因此,必须高密度地部署接入点(Access Point,AP),以解决容量问题。

在普通场景下,AP布放以最大化覆盖范围为目标,其限制因素通常为无线传输损耗;而高密场景下,需要提供更高的容量,AP间距大大缩短,主要限制因素由无线传输损耗转变为AP间干扰。因此,通过调整AP的发射功率来控制其覆盖范围,从而减小系统干扰,已成为高密WLAN覆盖的一个研究课题。

文献[2]利用发送确认( Acknowledgement, ACK)信息,引入效率因子和加权因子,使移动终端根据信道环境自适应地调整发射功率。文献[3]利用请求发送/允许发送(Request to Send/ Clear to Send,RTS/ CTS)信息估计路径损耗,通过给定系统误码率(Bit Error Rate,BER)要求下,不同调制方案与所需信噪比(Signal to Noise Ratio,SNR)之间存在一定对应关系的特点,利用所定义的功率效率来控制移动终端的发射功率。文献[4]以丢包率和平均时延定义信道质量公式,并根据信道的自身干扰情况,自适应地优化算法参数,动态控制AP发射功率。文献[5]提出了一种将传输功率控制与空闲信道评估(Clear Channel Assessment,CCA)阈值调节结合起来的功率控制算法。文献[6]在满足一定的传输延迟的条件下,通过功率控制来实现最小化网络总能量消耗。文献[7]中提出了一种改进的低能耗MAC协议,即PCCA(Power Control and Collision A-voidance)协议,通过接收节点计算发送节点所需的最佳发射功率,降低数据发送的能耗。

现有算法在进行功率控制时不能定位干扰源AP,也未区分重点干扰源AP。为了能够快速地定位干扰源AP,本文提出了一种基于干扰矩阵的集中式动态功率控制(Centralized Dynamic Transmit Power Control,CDTPC)算法。在该方案中,接入控制器(Access Control,AC)通过分析AP上报的信息生成干扰矩阵,迅速地定位干扰源AP,对其进行功率控制。仿真表明:在高密场景下,该算法能较大幅度提高网络的整体吞吐量。

2 集中式动态功率控制算法

2. 1 算法基础

CDTPC算法适用于瘦AP加AC的组网模式, 由AC对AP进行集中管理,其组网模式如图1所示。

图1 CDTPC适用的组网模式Fig. 1 Networking mode for CDTPC

无线接入点的控制和配置协议(Control and Provisioning of Wireless Access Points,CAPWAP)[8-9]定义了AP与AC间的通信方式,为实现两者之间的互通性提供了一个通用的封装和传输机制。根据CAPWAP协议特性,初始功率控制简单地将AP发射功率设置为最大,尽量增加信号的覆盖范围;然后,AP定期上报测量报告,触发下一步的功率控制算法。

2. 1. 1 AP与AC交互过程

AP上线后发现关联至AC,然后由AP向AC发送配置状态请求(Configuration Status Request)报文, AC向AP回复配置状态回应(Configuration Status Response)报文,完成对AP初始上电功率的配置。其中,发射功率配置信息包含在IEEE 802. 11 Tx Power消息元素中,初始化时将功率设置为最大,以增加信号覆盖范围,其报文交互流程如图2所示。

图2 AP初始化过程的报文交互Fig. 2 Packet switching in AP initialization process

初始化功率控制完成后,AP定期向AC上报信道扫描报告,AC在AP第一次上报信道扫描报告后对AP完成信道分配,CDTPC算法假定信道分配已完成,只研究功率控制部分。随后,根据AP定期上报的测量报告,触发下一步功率控制算法。

AP周期性地进行信道质量扫描,并将测量报告通过事件请求(AP Event Request)报文发送给AC, AC回复事件回应(AP Event Response)报文给AP后再下发配置更新请求(Configuration Update Request)报文,将工作信道、发射功率等配置信息下发给AP,此时下发的功率仍然为最大功率,AP回复配置更新回应(Configuration Update Response)报文后,完成这个AP状态的初始配置。自此,功率控制算法初始功率控制过程结束,开始进入周期性的正常功率控制阶段。

正常功率控制阶段AP周期性地上报信道质量扫描报告以及邻居报告[8]。CAPWAP协议中规定两次信道质量扫描报告及邻居报告上报的时间间隔默认为120 s,其报文交互流程如图3所示。

图3 信道扫描报文交互Fig. 3 Packet switching in channel scanning

2. 1. 2 信道扫描机制

在正常的工作模式下,AP进行扫描需要依赖于3个参数,即工作信道服务时间和工作信道扫描时间、非工作信道扫描时间。整个过程是:AP在工作信道上提供报文收发服务,时长为工作信道服务时间,然后扫描当前工作信道,时长为工作信道扫描时间,重新在工作信道上提供接入服务;离开当前工作信道,扫描下一个信道,时长为非工作信道扫描时间,重新在工作信道上提供接入服务;再次离开当前工作信道,扫描下下一个信道。依此循环,直到扫描完所有的信道。信道扫描过程如图4所示。

图4 信道扫描过程Fig. 4 Process of channel scanning

在扫描期间,AP周期性地上报RRM测量结果,并通过AP Event Request报文向AC报告各个信道的扫描结果以及邻居AP扫描结果,结果包含在信道质量扫描报告和邻居AP报告[9]中。

2. 1. 3 建立干扰情况信息表

CDTPC算法通过获取AP向AC上报的信道扫描报告来收集信息。在信道质量扫描报告中可以获取该AP工作的信道号、信道测量时长、监听到报文的平均信号强度、该信道的平均噪声以及干扰情况等信息。通过邻居报告可以获得邻居AP的编号、其工作信道号、平均信号强度以及该邻居作为AP的占用权值等信息。AC对这些信息集中处理,评估各个AP周围的信道状况,完成信道信息的收集。

由AP上报的信道质量扫描报告和邻居报告经过AC分析整合后可得到干扰情况信息表[10],如表1所示。

表1 干扰情况信息Tab. 1 Interference information

在AP的邻居报告中,Mean RSSI表示当前AP检测到邻居AP的平均信号强度。以AP1的干扰情况表为例,在AC进行分析整合的过程中,会将AP2的邻居报告中接收到AP1的平均信号强度复制到AP1的干扰情况信息表中,表示AP1发出的信号在AP2端接收到的信号强度,在CDTPC算法中以该信号强度作为AP1对AP2的干扰值。

2. 2 干扰矩阵的建立及参数定义

CDTPC算法相比于文献[2-7]中所提算法的优势在于其可以准确快速地定位干扰源AP,然后对其进行功率控制,以达到迅速降低系统内干扰的目的,而不是去检测受到严重干扰的AP。定位干扰源AP的主要依据为AC根据干扰情况信息表所建立的干扰矩阵。AC从干扰情况信息表中提取出当前AP对邻居AP产生的干扰值,并以矩阵的形式进行存储,建立起干扰矩阵I,如式(1)所示:

式中:矩阵元素Iij表示APi对APj所产生的干扰;对角线上各元素表示AP对自身干扰,可令Iij= 0(当i=j时)。

在CDTPC算法中定义了如下几个参数。

Imin最小干扰门限,CDTPC算法中将此门限作为判断相邻两AP间是否存在覆盖漏洞的标准。为了保证良好覆盖,要求在覆盖区域内任意点的信号强度均大于接收端灵敏度,即在AP覆盖边缘检测到周围AP的信号强度需大于此值。依据传播模型[11]可计算出在满足此条件时当前AP收到邻居AP的信号强度,并以该强度作为最小干扰门限。

Imax最大干扰门限,为了避免AP间同频干扰,AP间互相可见信号强度的最大值,CDTPC算法中将其作为检测干扰的标准。

Zi干扰矩阵中第i行所有数值相加的和,表示APi对邻居AP产生的所有干扰的总和,即

N 表示接入当前AC的AP总数。

n 表示干扰矩阵每一行中大于最大干扰门限的数值有n个。

m 表示干扰矩阵每一行中大于最小干扰门限且小于最大干扰门限的数值有m个。

干扰源AP集 当n≥2时,表示该AP对周围至少两个AP产生了干扰,考虑实际中AP在部署时会存在两种情形:一是长廊型,即各个AP成一字型排开,这种情况常见于道路、楼道等,该情形下每个AP周围存在两个AP,若当前AP对周围两个AP均产生了干扰,则需降低其发射功率以减小干扰;二是平铺型,即各个AP平铺在一个平面中,这种情况常见于会议大厅、体育场等,该情形下每个AP周围最近的AP至少有3个,若AP对其周围3个AP均产生了干扰,则需降低其发射功率以减小干扰,若AP对其周围两个AP产生了干扰,也可认为此AP对周围部分AP产生了干扰,需降低其发射功率以减小干扰。综合考虑上述两种情况,故将干扰矩阵中所有n≥2的行所对应的AP组成的集合定义为干扰源AP集,AC负责维持并更新干扰源AP集。

覆盖漏洞AP集 当n=0且m≤2时,表示该AP和周围AP之间存在覆盖漏洞,需要增加发射功率来增强覆盖。综合考虑上述长廊型和平铺型两种情形,将干扰矩阵中所有n=0且m≤2的行所对应的AP组成的集合定义为覆盖漏洞AP集,AC负责维持并更新覆盖漏洞AP集。

2. 3 CDTPC算法流程

功率控制算法执行前需要维护相关的信息,包括干扰情况信息表、干扰矩阵、干扰源AP集以及覆盖漏洞AP集。干扰情况信息表是以单个AP为单位构建的,通过各个AP定期上报测量报告,对每个表进行及时更新维护;其余3个是以AC为单位进行构建,由AC对AP上报的测量报告进行分析计算得来,其构建方法详见2. 2节。

CDTPC算法中将AP的发射功率分为3个等级,分别为20 dBm、17 dBm、14 dBm[12]。在该算法中由AC对AP进行功率控制,使其在这3个等级之间选择较优的发射功率进行切换。初始功率控制为整个算法的初始化,其简单地将AP的发射功率设定为最大值。

CDTPC算法的流程图如图5所示。

图5 CDTPC算法流程图Fig. 5 CDTPC algorithm flowchart

CDTPC算法的处理过程如下:

(1)AP上电时对发射功率进行初始化,集中式动态功率控制算法中将初始功率设置为最大发射功率,默认为20 dBm,转至步骤2;

(2)AP定期向AC上报信道扫描报告以及邻居报告,默认两次上报的时间间隔采用CAPWAP协议中的默认值120 s;AC根据AP上报的信道扫描报告以及邻居报告来建立并维护AP间干扰情况信息表、干扰矩阵、干扰源AP集以及覆盖漏洞AP集,为功率调整提供依据,其具体构建方法详见2. 1和2. 2 节,完成信息收集与整理后转至步骤3;

(3)判断干扰源AP集是否为空,若是则直接转至步骤4,否则,选取其中Zi最大的一行所对应的AP,将其发射功率降低一个等级后转至步骤4;

(4)判断覆盖漏洞AP集是否为空,若是则返回步骤2进入下一个循环,否则,选取其中Zi最小的一行所对应的AP,将其发射功率升高一个等级后返回步骤2,进入下一个循环。

3 算法仿真

为了验证算法的有效性,利用NS-2. 35平台进行了以IEEE 802. 11b为标准的高密WLAN网络下CDTPC算法的仿真。仿真场景为在50 m×50 m的区域中均匀部署5个AP,其密度为AP/500 m2,符合目前业界以AP密度超过AP/225～500 m2的覆盖标准定义的高密场景。每个AP周围随机分布3个站点,各AP工作在同一信道。仿真场景参数配置如表2所示。

表2 仿真参数配置Tab. 2 Simulation parameter setting

在任意覆盖区域内检测到的信号强度大于-75 dBm时,可认为是覆盖情况良好,即无覆盖漏洞。采用文献[11]中的传播模型可计算得,在当前AP覆盖边缘检测到邻居AP的信号大于-75 dBm 时,当前AP所接收到邻居AP的信号强度为-83 dBm,即只有当前AP接收到邻居AP的信号强度大于-83 dBm时才满足两个AP之间没有覆盖漏洞,故在对CDTPC算法的仿真中将最小干扰门限设定为-83 dBm。参考现有WLAN工程验收标准中为了避免AP间同频干扰,要求AP互相可见信号强度保持在-80 dBm以下这一规定,在对CDTPC算法仿真中将最大干扰门限设定为-80 dBm,作为干扰检测标准。

在仿真中,分别对进行CDTPC之前和之后的各个AP的吞吐量进行了统计,并通过改变网络负载来对网络的整体吞吐量进行仿真,验证不同网络负载条件下CDTPC算法的有效性。仿真结果如图6和图7所示。

图6 CDTPC算法执行前后各AP吞吐量对比Fig. 6 Throughput of each AP before and after CDTPC

图7 系统吞吐量随网络负载变化图Fig. 7 System throughput vs. the network load

仿真结果表明,CDTPC算法能有效提高高密场景下系统的整体吞吐量。由图6可以看出,在对干扰源AP进行功率控制之后,由于系统内干扰减小,各个AP的吞吐量均有所提高,单个AP吞吐量最大可提高56. 4%,最小也提高了20. 2%,系统整体吞吐量提高了41. 5%,相对于同样以吞吐量为优化目标的文献[4]中所提TPC算法,进行功率控制前后吞吐量的提高约增加了5%。由图7中实际吞吐量趋于平稳的部分可以看出,在网络负载较大的场景下,相比进行CDTPC算法之前,网络总体吞吐量大约提升40%。从图7中吞吐量的变化趋势可以看出随着网络负载的增大,CDTPC执行后系统的吞吐量有更明显的提升。可见,在网络负载大的场景下, CDTPC能够发挥出更大的优势。

为了验证CDTPC算法在不同AP密度场景下的有效性,在上述仿真参数不变的情况下,通过减小仿真区域面积,对AP密度不同的场景进行仿真。分别设定仿真区域为50 m×50 m、45 m×45 m、40 m ×40 m、35 m×35 m,对各场景开启功率控制前后AP的吞吐量进行仿真,结果如图8所示。图8表明,在不同AP密度下,CDTPC算法均有效。

图8 不同密度下CDTPC算法执行前后AP平均吞吐量Fig. 8 Average throughput of AP before vs. after CDTPC with different densities

4 结束语

在高密度WLAN场景下,AP之间的干扰成为限制系统容量的主要因素。CDTPC算法通过分析AP上报的扫描报告和邻居AP报告建立干扰矩阵,然后对干扰矩阵进行分析计算以快速定位干扰源AP和覆盖漏洞AP,通过动态功率控制,在保障覆盖的情况下减小高密WLAN场景下系统内干扰。对算法的仿真证明,CDTPC算法能有效提高高密WLAN场景下系统的整体吞吐量。对不同AP密度场景的仿真可以证明,CDTPC算法在不同场景中均可有效提高系统的整体吞吐量,可见该算法具有普遍适用性。与文献[2-7]中算法不同,文献中算法为检测受到干扰严重的AP,对其进行功率控制,而CDTPC算法通过建立干扰情况信息表和干扰矩阵来迅速准确的定位干扰源AP和覆盖漏洞AP,并对其进行功率控制。考虑到目前数据业务需求不断提升,AP大量部署,且高密WLAN场景中存在系统干扰严重导致吞吐量降低的问题,故该算法在实际应用中具有重要意义。在下一步工作中,可将系统的功耗作为优化目标之一,研究如何在提高系统整体吞吐量的同时降低系统功耗。

参考文献:

[1] IEEE Std 802. 11,Wireless LAN medium access control (MAC) and physical layer(PHY) specifications[S].

[2] 方明科,李蕾.一种用于WLAN的自适应发射功率控制方案[J].计算机工程,2012,38(13):86-88.

FANG Mingke,LI Lei. Adaptive transmitting power control scheme for WLAN[J]. Computer Engineering,2012, 38(13):86-88. (in Chinese)

[3] 吴明慧,严正香.基于自适应调制与发射功率控制的WLAN功耗降低解决方案[J].华中师范大学学报(自然科学版),2008,41(4):533-536.

WU Minghui,YAN Zhengxiang. Combined adaptive modulation with TPC to reduce the consumption of WLAN[J]. Journal of Huazhong Normal University ( Natural Sciences),2008,41(4):533-536. (in Chinese)

[4] 徐雅静,闫晓东,徐惠民.高密度WLAN环境下传输功率控制算法的研究[J].微电子学与计算机,2007, 24(5):19-21.

XU Yajing, YAN Xiaodong, XU Huimin. Research on TPC algorithm in a dense WLAN environment[J]. Microelectronics & Computer, 2007, 24 ( 5 ): 19 - 21. (in Chinese)

[5] MHATRE V P,PAPAGIANNAKI K,BACCELLI F. Inter-ference mitigation through power control in high density 802. 11 WLANs[C] / / Proceedings of 2007 IEEE International Conference on Computer Communications. Anchorage,AK:IEEE,2007:535- 543.

[6] 王帅,李治军,姜守旭. WLAN中合作式功率控制算法研究[J].智能计算机与应用,2014(4):88-90.

WANG Shuai,LI Zhijun,JIANG Shouxu. Research on cooperative power control algorithm in WLAN[J]. Intelligent Computer and Applications, 2014 ( 4 ): 88 - 90. (in Chinese)

[7] 李丹,葛志辉.基于功率控制和冲突避免的无线Mesh网络低能耗MAC协议[J].计算机应用,2013,33(4): 912-915.

LI Dan,GE Zhihui. Energy efficient MAC protocol with power control and collision avoidance for wireless Mesh network[J]. Journal of Computer Applications,2013,33 (4):912-915. (in Chinese)

[8] IETF RFC 5415,Control and provisioning of wireless access points(CAPWAP) protocol specification[S].

[9] IETF RFC 5416,Control and provisioning of wireless access points(CAPWAP) protocol binding for IEEE 802.11[S].

[10] 郑聪毅.基于WLAN系统无线资源管理自动功率控制算法研究[D] .广州:华南理工大学,2013.

ZHENG Congyi. The algorithm research of automatic power control system based on WLAN wireless resource [D]. Guangzhou:South China University of Technology, 2013. (in Chinese)

[11] GREEN D B,OBAIDAT A S. An accurate line of sight propagation performance model for ad-hoc 802. 11 wireless LAN(WLAN) devices[C] / / Proceedings of 2002 IEEE International Conference on Communications. Singapore:IEEE,2002:3424-3428.

[12] 张琦,赵林靖,李建东.基于QoS保障的密集WLAN多维资源分配算法[J].通信学报,2014(3):150-156.

ZHANG Qi,ZHAO Linjing,LI Jiandong. Multi-dimension resource allocation algorithm based on QoS guarantee in dense WLAN[J]. Journal on Communications, 2014(3):150-156. (in Chinese)

王 薇(1992—),女,河北沧州人,硕士研究生,主要研究方向为无线局域网;

WANG Wei was born in Cangzhou,Hebei Province, in 1992. She is now a graduate student. Her research direction is WLAN.

Email:ixiaoxi13@163. com

王 静(1991—),女,河南许昌人,硕士研究生,主要研究方向为下一代无线局域网、移动通信;

WANG Jing was born in Xuchang, Henan Province, in 1991. She is now a graduate student. Her research concerns next generation WLAN and mobile communication.

陈小坡(1991—),男,江苏徐州人,硕士研究生,主要研究方向为无线通信;

CHEN Xiaopo was born in Xuzhou, Jiangsu Province, in 1991. He is now a graduate student. His research direction is wireless communication.

高 峰(1982—),男,黑龙江齐齐哈尔人,2010年于北京邮电大学获博士学位,主要研究方向为移动通信与无线宽带技术;

GAO Feng was born in Qiqihaer,Heilongjiang Province,in 1982. He received the Ph. D. degree from Beijing University of Posts and Telecommunications in 2010. His research concerns mobile communication and wireless wideband technology.

高泽华(1971—),男,山东临沂人,博士,副教授,主要研究方向为移动通信、物联网、移动互联网。

GAO Zehua was born in Linyi,Shandong Province,in 1971. He is now an associate professor with the Ph. D. degree. His research concerns mobile communication,Internet of Things,mobile Internet.

Centralized Transmit Power Control Based on Interference Matrix in High-density WLAN Environment

WANG Wei,WANG Jing,CHEN Xiaopo,GAO Feng,GAO Zehua
(School of Information and Communication Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,China)

Abstract:In view of the widespread interference problem in high-density Wireless Local Area Network (WLAN) which may reduce throughput,a centralized transmit power control algorithm called Centralized Dynamic Transmit Power Control(CDTPC) is proposed. Access point(AP) is managed centrally by access control(AC). AP regularly reports the channel scan report and neighbor AP report to AC. AC establishes the interference matrix according to the information reported by AP. AC will analyze the interference matrix to find out the AP which produces interference to others and which has less signal coverage than it should have. Then,AC will control the power of that AP in order to reduce interference and improve the system capacity. The result of simulation indicates that the algorithm can improve the total throughput in highdensity WLAN environment. The total throughput improved about 41. 5%.

Key words:wireless local area network;centralized transmit power control;interference matrix;high-density deployment

doi:10. 3969/ j. issn. 1001-893x. 2016. 02. 017引用格式:宋晓敏,赵红东,卢俏,等.雾霾天气下降质图像的清晰化处理[J].电讯技术,2016,56(2):208 -211. [SONG Xiaomin,ZHAO Hongdong,LU Qiao,et al. Clearness processing of haze-degraded images[J]. Telecommunication Engineering,2016,56(2):208-211. ]

作者简介:

中图分类号:TN929. 5

文献标志码:A

文章编号:1001-893X(2016)02-0201-07

基金项目:华为公司创新研究计划项目(YB2014030048)；2014年网络体系构建与融合北京市重点实验室主任基金项目(2014BKLNSAC-ZJ-09)

*收稿日期:2015-07-13;修回日期:2015-10-13 Received date:2015-07-13;Revised date:2015-10-13