WLAN中电磁波传播模型及AP信道分配算法研究

陆增青，李　筠

(上海理工大学 光电信息与计算机工程学院，上海 200093)



WLAN中电磁波传播模型及AP信道分配算法研究

陆增青，李筠

(上海理工大学 光电信息与计算机工程学院，上海 200093)

摘要针对室内环境下WLAN网络中选点不合理、AP干扰大等问题进行网络优化研究。总结了几种常见的室内电磁波传播模型，研究了信道分配算法—遗传算法，并在遗传算法的选择操作步骤中引入精英机制，仿真结果表明，其收敛速度更快，可提高智能计算速度。采用精英机制可比传统的轮盘法提高79.3%的速度。

关键词无线局域网；无线访问节点；信道分配；遗传算法；精英机制

无线局域网(Wireless Local Area Network，WLAN)，是指以无线信道作为传输媒介的计算机局域网络。其采用无线传送方式提供传统有线局域网的所有功能，从而使网络的构建和终端的移动更加灵活。WLAN网络主要有WLAN终端设备、无线访问节点(Access Point，AP)、无线控制器(Access Controller，AC)、Portal服务器、RADIUS认证服务器、用户认证信息数据库、BOSS系统组成。无线局域网的拓扑结构有两种，即中心拓扑和对等式拓扑[1-2]。

WLAN的主要标准有IEEE802.11b/a/g/n和蓝牙、HomeRF等标准。虽标准众多，但基本可分为两大发展方向：以IEEE802.11a，802.11b为标准的高速率传输应用。以蓝牙、HomeRF为代表的低速率短距离的应用。随着用户对高速数据量业务的需求日益迫切，WLAN网络中的问题也不断凸显，如选点不合理、AP铺设过多、干扰大等。为了对网络进行优化，有必要对电传播模型和信道分配算法进行研究[3]。

1电磁波传播模型

电传播模型是AP场强衰减计算、AP定位的基础，精确且适用性强的电波传播模型对优化网络较为关键。

1.1扩展单斜率模型

扩展单斜率模型的频率差异主要体现在L0的取值不同，在单斜率模型的基础上考虑了同层房屋间隔信息。下面公式为扩展单斜率模型

L=L0+10×(2+fp(N))×log10(d)

(1)

式中，L0为离发射天线1 m处的自由空间损耗；N为发射端到接收端(Tx～Rx)直射路径上穿透墙壁的数目；d为发射端与接收端之间的距离。其中fp(N)取值与墙体厚度、材料有关。在实际应用模型时需要实际测得。

1.2Chan传播模型

Chan模型适用于室内微蜂窝区的场强预测，该模型认为电播在室内传播时的路径损耗L近似于自由空间直接传播时的路径损耗Lp加上室内墙壁的穿透损耗Lw，其中Lw与工作频率以及墙体材料有关。其公式如下

L=Lp+Lw=32.4+20×log(f)+20×log(d)+Lw

(2)

式中，Lp为自由空间传播时的路径损耗；Lw为室内墙壁的穿透损耗；f为工作频率；d为发射端与接收端距离，其中Lw与工作频率以及墙体材料有关。

1.3衰减因子模型

建筑物内传播模型包括，建筑物类型影响以及阻挡物引起的变化，这一模型灵活性强，预测路径损耗与测量值的标准差约为4 dB，而对数距离模型的偏差达到13 dB。

衰减因子模型为

(3)

式中，nsf表示同层测试的指数值；FAF表示楼层衰减因子。如果对同层存在很好的估计，则不同路径损耗可通过附加FAF值获得。

1.4Keenan-Motley模型

室内传播模型路径损耗公式

(4)

式中，d是传播距离，单位m；Nwj、NFi分别表示信号穿透不同类型的墙和地板的数量；Lwj、LFi则为对应的损耗因子，单位dB。J和I分别表示墙和地板的类型，一般LFi=20 dB(对所有地板)，Lwj=3 dB(对所有墙体)。

1.5修正的K-M模型

为了能更好地拟合数据，对K-M模型进行修正，路径损耗可表示为

(5)

式中，Lc为常数；Lwj为穿过首发天线之间j类墙体的衰减；Kwj为收发天线之间j类墙体数目；Lf表示穿透相邻地板的衰减；Kf表示楼层数目，即穿透地板数目。

典型参考值为：Lf=18.3 dB，软隔墙的损耗Lw1=3.4 dB，硬隔墙的损耗Lw2=6.9 dB。文献[4]提出了一种适用于机场、车站、写字楼等场景的修正模型。在这种特定的场景中，为便于工程上实现，将涉及地板衰减的那一项去掉，模型变为

(6)

对以上的4个模型可看出，在建立模型时，对信号的衰减均基于以下两方面考虑：自由空间电磁波的衰减和墙体对电磁波的衰减。

2AP信道分配算法研究

在WLAN 系统中，如何科学合理的设置各AP 的信道，使得各AP 间的整体干扰最小是重要的内容[5]。在2.4 GHz频段，每个AP 可用的信道有1，6和11共3个，这3个信道互不干扰，相互正交。每个AP 信道可任意分配这3个信道中的一个，假如有N个AP，若采用遍历的方法，则AP 的分配方案有3N种可能。若要在这3N种可能中找到干扰最小的方案，需要庞大的计算量，而一般的计算机无法满足这样的计算要求。基于这种情况，文献[6～7]采用遗传算法可快速完成对AP 的信道进行分配。遗传算法是一个局部最优解，并不是全局最优解。使用遗传算法特别适应于AP 数量比较多的情况。

2.1遗传算法简介

2.2遗传算法

2.2.1编码

假设某一参数的取值范围是[Xmin,Xmax]，用长度为L的二进制编码符号串来表示该参数，则其总共能产生2L种不同的编码，参数编码时的对应关系如下

其中，δ为二进制编码的编码精度，其公式为

(7)

在WLAN系统中，工作在2.4 GHz频段上的AP只有1，6和11这3个正交的信道。其间干扰最小，利用二进制给这3个信道进行编码，00代表1信道，01代表6信道，10代表11信道。假设场所中AP数量为n，则每个个体的染色体为2n位的二进制编码，每个个体代表了一种信道分配方案。

2.2.2初始化染色体种群

在解集U中，随机产生N个个体，将它们分别表示为s1，s2，…sN，并且满足条件si∈U(i为1～N之间任意整数) 。这些个体即为初始化染色体的种群s1={s1,s2,…,sn},设T为代数计数器，初始化为1。

在本程序中，设种群大小为pop_size，每个染色体或个体的长度为chromo_size，种群的大小决定了种群的多样性，而染色体的长度则由上述编码过程决定。一般随机生成初始种群，但若了解种群的实际分布，也可按照此分布来生成初始种群。假设生成的初始种群为(v1,v2, …,vpop_size)。初始化程序如下：

国家提出的“互联网+”及“大数据”发展战略，使得传统的包装及印刷行业主动或被动地融入其中，为这个古老的加工产业带来了生机与希望。其优势主要体现在遥远的距离被拉近，且囊括了整个加工行业的方方面面。当然，实现“互联网+”及“大数据”战略转型的基础平台之一就是网络搜索引擎的应用。

function initilize(pop_size, chromo_size)

global pop;

for i=1:pop_size

for j=1:chromo_size

pop(i,j) = round(rand);

end

end

2.2.3计算个体适应度

由AP的功率、现场的墙体环境，利用电波传播模型可得到该AP的覆盖情况。若工作在同一信道的AP1和AP2覆盖范围有重叠时，可通过计算得到该重叠区域的面积。所有本网AP之间，本网AP和已知的异网AP之间均可能存在重叠区域，将这些重叠区域面积的加和定为适度函数f。已确定适度函数后，计算第一代种群中各个个体的适应度f(si)。

2.2.4根据适应度赋值

得到个体的适应度f(si)，通过这N个个体的赋值，计算出种群S1中每个个体的选择概率。

选择概率的表达式如下

(8)

选择操作即从前代种群中选择个体到下一代种群的过程。一般根据个体适应度的分布来选择个体。一般适应度可按照解码的过程进行计算，以轮盘的方式选择个体。随机转动一下轮盘，当轮盘停止转动时，若指针指向某个个体，则该个体被选中。明显，具有较高适应度的个体比具有较低适应度的个体更有机会被选中。但这种选择具有随机性，在选择的过程中可能会丢失掉比较好的个体，所以可使用精英机制，将前代最优个体直接选到下一代中。

2.2.5交叉和变异

由以上方法得到包含N个染色体的种群，按预设定的交叉概率Pc，选择进行交叉操作的染色体。这些染色体进行交叉运算，即染色体最后四位交换，然后生成包含N个染色体的中区[9-10]。设定变异概率pm，种群中的部分染色体基因参加变异操作，即对某一个基因进行操作，比如互换任意两位编码的位置等。最后得到一个新的染色体。

2.2.6迭代计算

染色体经过选择复制、交叉和变异这3种操作后，便可得到新一代包含N个个体的种群，新一代种群中可能会出现新的染色体，某个个体可能具有较高的适应度，同时迭代器T加1。循环进行以上过程，直到达到终止条件。由于适应度函数f可能永远达不到设定要求，可将T定为1 000。

2.2.7解码

找出种群中适应度最高的那个个体的染色体，利用编码规则进行解码，即可得到各个AP被分配的信道。这就是最佳的信道分配方案。解码公式为

(9)

2.3仿真

仿真时，参数设计如下：种群大小为20；染色体大小为16；迭代次数200；交叉概率0.6；变异概率0.1。然后选择操作中分别使用轮盘法和引入精英机制。采用遗传算法，仿真结果如图1所示。若在在选择操作中可引入精英机制，仿真结果如图2所示。明显，轮盘法具有较高适应度的个体比具有较低适应度的个体更有机会被选中。但这种选择具有随机性，在选择的过程中可能会丢失掉较好的个体，所以可使用精英机制，将前代最优个体直接选到下一代中，这样效果会更好。很明显，精英机制的收敛速度更快，仿真结果显示精英机制的最优适应度为4.000 0，得到最优结果的迭代次数为59，而轮盘法的迭代次数为162次。

图1　轮盘法

图2　引入精英机制

再次修改仿真参数：其他参数保持不变，修改迭代次数为2 000，分别采用传统的轮盘法和精英机制进行仿真，得到结果如图3和图4所示，明显可看出精英机制的迭代效果要好于轮盘法。

仿真计算的结果如图3和图4所示，采用轮盘法迭代了1 083次得到最后结果，采用精英机制迭代了224次得到结果。相比之下，精英机制比轮盘法提高计算效率达79.3%。

图3　轮盘法仿真结果

图4　精英机制仿真结果

3结束语

本文主要针对WLAN 网络优化问题进行研究，总结了电磁波的各种传播模型，并对AP 信道分配算法进行了研究。电磁传播模型可分析AP 信号强弱，从而更好的布设AP。信道分配是为了使各AP 间的整体干扰最小。本文中信道分配采用遗传算法，在选择操作中可引入精英机制，将前代最优的个体直接引入后代，通过仿真可看出其收敛速度更快，这对于智能计算比较有帮助。此外，关于WLAN 优化仍有诸多方面可以研究，例如直放型AP 和合路型AP 优化方案等。

参考文献

[1]姜乐水.浅谈无线局域网(WLAN)技术[J].信息技术与信息化,2012(5):64-67.

[2]刘乃安.无线局域网(WLAN)原理、技术与应用[M].西安:西安电子科技大学出版社,2004.

[3]张攀东,闵娟娟.WLAN规划和设计时需要考虑的问题[J].福建电脑,2011(6):76-77.

[4]王振亚.WLAN优化系统的设计与实现[D].武汉:华中师范大学,2014.

[5]杨宁.WLAN规划监测优化系统的设计与实现[J].计算机时代,2013(9):11-14.

[6]赵俊.IEEE 802.11无线局域网性能分析和优化[D].合肥:中国科学院计算技术研究所,2003.

[7]冯志强,许国军,邓磊,等.基于改进并行遗传算法的蜂窝网络信道分配[J].计算机工程与应用,2014(3): 89-92.

[8]文柳.WLAN无线接入网络规划[D].北京:北京邮电大学,2010.

[9]张青凤.遗传算法在最优化问题中的应用研究[J].山西师范大学学报:自然科学版,2014(1):34-42.

[10] 武兴亮,丁根宏.改进小生境遗传算法在求解多峰函数优化问题[J].信息技术,2013(1):73-76.

Research on Electromagnetic Propagation Model and AP Channel Assignment Algorithm in WLAN

LU Zengqing, LI Yun

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology,

Shanghai 200093, China)

AbstractThe optimization of WLAN network is proposed to solve the problem of the unreasonable point selection of strong interference in indoor environment. This paper summarizes several common propagation models in WLAN network and presents the genetic algorithm in channel allocation, respectively. Then this paper gives a simulation of the algorithm and introduces the elite mechanism during the operation steps, which is capable of faster convergence and intelligent computing. The use of elite mechanism improves the speed by 79.3% over the traditional roulette method.

KeywordsWLAN; AP; channel allocation; genetic algorithm; elite mechanism

收稿日期:2015- 11- 5

基金项目:全国大学生科技创新重点资助基金项目(N201310252012)；江苏省创新创业重点基金资助项目(201310292020)

作者简介:陆增青(1991-)，男，硕士研究生。研究方向：计算机应用等。

doi:10.16180/j.cnki.issn1007-7820.2016.07.003

中图分类号TN926+.3

文献标识码A

文章编号1007-7820(2016)07-008-04