因用户的游移和喜好集会活动,用户在无线局域网(wireless local area network,WLAN)中的分布是非常不均匀的且是动态变化的.当1个WLAN的用户数量很大时,整个网络和每个用户的吞吐量都会大幅下降.对于1个WLAN范围内的间歇拥塞问题,已有...因用户的游移和喜好集会活动,用户在无线局域网(wireless local area network,WLAN)中的分布是非常不均匀的且是动态变化的.当1个WLAN的用户数量很大时,整个网络和每个用户的吞吐量都会大幅下降.对于1个WLAN范围内的间歇拥塞问题,已有的性能改进方法存在一些不足.因此,提出了1套WLAN动态切分与重构的方案SRD(splitting and restructuring dynamically),引入了影子AP(shadow access point,SAP)和终端映射2个概念,并对终端映射和方案的整体性能进行了形式化分析,设计了最优映射的计算方法.该方案能根据网络负载及状态的变化,动态地将1个拥挤的WLAN切分成若干子网,并重构成1个微型的集中式架构的WLAN,从而对各子网中的终端分布进行监控.因此,该方案能大幅减少1个子网中的终端数量,提高用户吞吐量,缓解冲突和异构速率的影响.仿真结果表明,该方案能成倍地提高网络及每个用户的吞吐量,此外,该方案的部署不需要用户终端设备作任何的更改.展开更多
室内定位技术在多领域有着重要的应用,而传统的无线局域网(Wireless Local Area Network,WLAN)指纹定位方法通常很少考虑WLAN接收信号强度(Received Signal Strength,RSS)特征的多样性以及来自不同接入点(Access Point,AP)的RSS特征位...室内定位技术在多领域有着重要的应用,而传统的无线局域网(Wireless Local Area Network,WLAN)指纹定位方法通常很少考虑WLAN接收信号强度(Received Signal Strength,RSS)特征的多样性以及来自不同接入点(Access Point,AP)的RSS特征位置分辨力的差异性问题,从而导致WLAN定位精度不高且定位效率较低.对此,本文提出一种基于多维模糊映射AP优化的WLAN室内定位方法.在离线阶段通过多次采集RSS数据提取多维RSS特征,计算AP信息增益比及相应的离线模糊隶属度,并利用模糊关系方程求解多维RSS特征模糊权重;而在在线阶段,则通过多维模糊映射构造模糊判定矩阵并计算AP在线模糊隶属度,同时结合K近邻(K-Nearest Neighbor,KNN)算法完成对目标的位置坐标计算.实验结果表明,相较于传统的AP优化定位方法,所提方法在线阶段的定位计算开销最高减少了4.12 s,定位误差4 m内的置信概率为91.91%.展开更多
文摘因用户的游移和喜好集会活动,用户在无线局域网(wireless local area network,WLAN)中的分布是非常不均匀的且是动态变化的.当1个WLAN的用户数量很大时,整个网络和每个用户的吞吐量都会大幅下降.对于1个WLAN范围内的间歇拥塞问题,已有的性能改进方法存在一些不足.因此,提出了1套WLAN动态切分与重构的方案SRD(splitting and restructuring dynamically),引入了影子AP(shadow access point,SAP)和终端映射2个概念,并对终端映射和方案的整体性能进行了形式化分析,设计了最优映射的计算方法.该方案能根据网络负载及状态的变化,动态地将1个拥挤的WLAN切分成若干子网,并重构成1个微型的集中式架构的WLAN,从而对各子网中的终端分布进行监控.因此,该方案能大幅减少1个子网中的终端数量,提高用户吞吐量,缓解冲突和异构速率的影响.仿真结果表明,该方案能成倍地提高网络及每个用户的吞吐量,此外,该方案的部署不需要用户终端设备作任何的更改.
文摘室内定位技术在多领域有着重要的应用,而传统的无线局域网(Wireless Local Area Network,WLAN)指纹定位方法通常很少考虑WLAN接收信号强度(Received Signal Strength,RSS)特征的多样性以及来自不同接入点(Access Point,AP)的RSS特征位置分辨力的差异性问题,从而导致WLAN定位精度不高且定位效率较低.对此,本文提出一种基于多维模糊映射AP优化的WLAN室内定位方法.在离线阶段通过多次采集RSS数据提取多维RSS特征,计算AP信息增益比及相应的离线模糊隶属度,并利用模糊关系方程求解多维RSS特征模糊权重;而在在线阶段,则通过多维模糊映射构造模糊判定矩阵并计算AP在线模糊隶属度,同时结合K近邻(K-Nearest Neighbor,KNN)算法完成对目标的位置坐标计算.实验结果表明,相较于传统的AP优化定位方法,所提方法在线阶段的定位计算开销最高减少了4.12 s,定位误差4 m内的置信概率为91.91%.
