CN102946611B - 基于禁忌搜索的密集无线局域网多维资源分配方法 - Google Patents

Abstract

本发明提出了一种密集无线局域网中的多维资源分配方法，主要解决现有算法没有联合AP组合、AP信道和AP功率进行分配，以及联合分配复杂度高、难以实用的问题。其实现方法是：由网络当前使用的AP组合向量开始，给向量所表示使用的AP分配信道、确定关联用户、在候选功率向量的邻域向量中进行禁忌搜索得到当前AP组合向量的最佳功率向量，在AP组合向量使用最佳功率向量的基础上，再在候选AP组合向量的邻域向量中进行禁忌搜索得到最优AP组合向量，由此得到网络的最优资源分配向量。本发明提高了网络的吞吐量和能效，可用于无线局域网部署规划和网络优化中确定所使用的AP组合、信道和功率。

Description

基于禁忌搜索的密集无线局域网多维资源分配方法

技术领域

本发明属于通信技术领域，涉及无线局域网中的资源分配技术，特别涉及一种基于禁忌搜索的密集无线局域网多维资源分配方法，可用于无线局域网部署规划和网络优化。

背景技术

近几年来，无线局域网WLAN技术发展迅猛，由于其具有数据速率高和成本低的特点，WLAN被广泛部署在公司、机场、会议中心等热点区域，为用户提供高速的数据传输。随着WLAN接入点AP的覆盖越来越密集，造成接入点AP之间的干扰越来越大，使得WLAN网络的性能下降很大。为了提升WLAN网络的性能，满足用户的业务需求，对WLAN网络进行合理的资源分配就显得极为重要。

WLAN网络的资源分配方法包括确定网络中使用的接入点AP组合、接入点AP所使用的信道和接入点AP所使用的功率这三个方面。确定使用的接入点AP组合时，最基本的要求是保证接入点AP覆盖区域内的用户都能够接入网络，在此之上接入点AP的部署还应随着用户密度的变化而变化，在用户密集的区域增加接入点AP以保证服务质量，在用户稀少的区域关闭一些闲置接入点AP以节省能量，降低干扰；在确定了所使用的接入点AP组合的基础上，通过规划信道和分配功率，可以进一步降低网络间干扰，提升网络的性能。因此，最优的WLAN资源分配方案应该是在基于用户需求和密度等动态变化的信息基础上，联合考虑使用的接入点AP组合、信道分配和功率分配这三个方面得出的。

目前，关于无线局域网联合资源分配技术的研究大多只关注接入点AP组合确定、信道分配、功率分配这三个方面中的两个方面。如Jia-Liang Lu等在Wireless andMobile Computing,Networking and Communications,2006《Indoor WLAN Planning witha QoS constraint based on a Markovian Performance Evaluation Model》一文中，提出了一种基于多目标准则优化的联合接入点AP个数和信道分配算法，此方法将保证无线覆盖，降低干扰和保证用户QoS需求三个目标准则结合在一起，相比其他单目标的资源分配算法，能从多个方面指引网络的资源分配，提升网络的性能，但此方法的不足是所有接入点AP都是等功率发射，没有将功率控制加入其中，整个网络的能效较低；又如Jun Zhang等在IEEE Transactions on wireless communication，2011《MinimizingCost of Placement of Multi-Radio and Multi-Power-Level Access Points with RateAdaptation in Indoor Environment》提出了一种在给定用户位置和用户业务需求的场景下，通过合并邻近接入点AP，并进行功率分配的方法，使得网络使用的接入点AP数目和造价最小，但此方法的不足是所有的用户都工作在同一信道下，未将信道分配问题考虑其中，在实际网络中由于同频干扰较大导致系统吞吐量不高，因而该方法仍有提升的空间。

发明内容

本发明针对现有技术的不足，提出一种基于禁忌搜索的密集无线局域网多维资源分配方法，联合确定接入点AP组合、接入点AP信道和接入点AP功率，在保证网络覆盖、降低用户干扰和保证用户业务需求的前提下，提高了网络的吞吐量和能效。

实现本发明的技术关键在于准确的衡量网络性能，建立网络资源与网络性能之间的关系，从而得到网络资源分配的优化目标函数，并能以较低的复杂度得到目标的最优解，在此过程中实现对接入点AP组合、信道和功率的联合分配。具体实现步骤如下：

（1）统计得到网络中所有接入点AP个数M和当前使用的接入点AP个数L，L≤M，将所有接入点AP依次编号为AP₁,AP₂...AP_i...AP_M，i∈{1,2...M}，根据网络当前使用的接入点AP初始化候选接入点AP组合向量a=(a′₁,a′₂...a′_M)，其中a′_i＝1表示选中使用AP_i，a′_i＝0表示未选中使用AP_i，初始化最优值f_opt为正无穷大，初始化迭代次数上限NI=1000，初始化迭代次数计数器iter=0；

（2）给候选接入点AP组合向量a选中使用的每个接入点AP分配信道，得到信道分配向量c_opt；

（3）利用上述信道分配向量c_opt，确定每个用户所连接的接入点AP；

（4）利用上述每个用户和接入点AP的连接关系，得到候选接入点AP组合向量对应的最佳功率向量：

（4a）初始化当前功率向量p=(p′₁,p′₂...p′_i...p′_M)，p′_i表示AP_i所用功率，i∈{1,2,...,M}，初始时各接入点AP均使用最大功率；

（4b）计算网络使用当前功率向量时，每个用户所受到的最大干扰I_n和每个用户的信干噪比SINR_n：

$I_n=\underset{i\∈A_k,i\≠k}{\mathrm{\Σ}}{p}_i^{\′}{H}_{\mathrm{in}}$

${\mathrm{SINR}}_n=\frac{p_k^{\′}{H}_{\mathrm{kn}}}{{\mathrm{\σ}}^2+I_n}$

其中，AP_k代表用户n所连接的接入点AP，A_k表示所有与AP_k同信道的接入点AP集合，H_in表示AP_i与用户n之间的信道损耗，p′_i表示AP_i所用功率，p′_k表示AP_k所用功率，H_kn表示AP_k与用户n之间的信道损耗，σ²表示背景噪声的功率大小；

（4c）计算取当前功率向量和信道向量时，用户n所获得的吞吐量d_n；

（4d）根据用户所受到的最大干扰I_n，每个用户的信干噪比SINR_n和用户n所获得的吞吐量d_n，构建目标函数f：

$f=\frac{w_1}{N}\sqrt{\underset{n\∈N}{\mathrm{\Σ}}Q{\left({\mathrm{SINR}}_n\right)}^2}+\frac{w_2}{N}\sqrt{\underset{n\∈N}{\mathrm{\Σ}}\max {(I_n-{\mathrm{\σ}}^2,0)}^2}+\frac{w_3}{N}\sqrt{\underset{n\∈N}{\mathrm{\Σ}}\max {(10\log \left({D^{*}}_n\right)-10\log \left(d_n\right),0)}^2}$

其中，w₁、w₂和w₃分别表示三个权重因子，并且满足0≤w_i≤1,i＝1,2,3，N表示总用户数，Q(SINR)表示以信干噪比SINR为参数的罚函数值，σ²表示背景噪声功率的大小，表示用户n的需求吞吐量；

（4e）利用禁忌搜索方法，在功率向量p的邻域向量中搜索目标函数的最小值f_min，目标函数最小值对应的功率向量即为候选接入点AP组合向量对应的最优功率向量p_opt；

（5）若目标函数的最小值f_min小于最优值f_opt，则令f_opt=f_min；

（6）若迭代次数计数器iter等于迭代次数上限NI，或最优值f_opt等于0，则当前候选接入点AP组合向量a即为最优AP组合向量a_opt，从而得到网络最优资源分配向量S_opt=(a_opt,c_opt,p_opt)，否则，用候选接入点AP组合向量a的邻域向量更新a，转步骤（2）执行下一次迭代，迭代次数计数器iter自增1；

（7）网络中每个接入点AP依照网络最优资源分配向量S_opt重构其配置参数。

本发明与现有技术相比具有如下主要优点：

（1）本发明联合网络覆盖情况、用户干扰情况和用户QoS不满意度情况三个角度对网络性能进行了衡量，以提升网络性能为导向，通过联合接入点AP组合选择、信道分配和功率调整降低了网络中的干扰，提升了网络的吞吐量和能效，即单位能量所能成功传输的比特数。

（2）在联合考虑接入点AP组合选择、接入点AP信道分配和接入点AP功率分配三个因素后，现有算法复杂度呈指数增长，通过遍历每种可能的组合得到最优解是难以实现的，而本发明通过采用禁忌搜索的方法，在当前解的邻域迭代执行连续的搜索，通过选取合理的邻域，设置恰当的禁忌参数，降低了复杂度，可在有限时间内逼近全局最优解，使得本方法具有很好的实用性。

附图说明

图1是本发明适用的应用场景图；

图2是本发明的流程图；

图3是本发明中得到候选接入点AP组合向量对应的最佳功率向量的子流程图；

图4是本发明与现有资源分配方法关于网络性能的比较图；

图5是本发明与现有资源分配方法关于网络吞吐量的比较图；

图6是本发明与现有资源分配方法关于网络能效的比较图。

具体实施方式

以下对本发明的原理以及技术方案做进一步的描述：

参照图1，本发明的实现场景为一接入点AP密集覆盖的办公室区域，区域内共有N个用户，每个接入点AP可以选择h个离散功率等级中的一个，各接入点AP和用户间通信采用的是无线局域网的802.11g协议，为了方便统计，区域被以栅格为单位进行了划分。

参照图2，本发明的具体实现流程包括以下步骤：

步骤1，统计得到网络中所有接入点AP个数M和当前使用的接入点AP个数L，L≤M，将所有接入点AP依次编号为AP₁,AP₂...AP_i...AP_M，i∈{1,2...M}，根据网络当前使用的接入点AP初始化候选接入点AP组合向量a=(a′₁,a′₂...a′_M)，其中a′_i＝1表示选中使用AP_i，a′_i＝0表示未选中使用AP_i，初始化最优值f_opt为正无穷大，初始化迭代次数上限NI=1000，初始化迭代次数计数器iter=0。

步骤2，利用Riihijarvi J.在Wireless On-demand Network Systems and Services,2005《Frequency allocation for WLANs using graph coloring techniques》一文中提出的基于图论着色的方法，给候选接入点AP组合向量a选中使用的每个接入点AP分配信道，得到信道分配向量c_opt。

步骤3，利用信道分配向量c_opt，根据Mohamed H.Ahmed在IEEE CommunicationsLetters，2005《SINR Threshold Lower Bound for SINR-based Call Admission Control inCDMANetworks with Imperfect Power Control》一文中使用的基于最大信干噪比的接入选择方法，确定每个用户所连接的接入点AP。

步骤4，利用上述每个用户和接入点AP的连接关系，得到候选接入点AP组合向量对应的最佳功率向量。

参照图3，本步骤的具体实现如下：

4.1）初始化当前功率向量p=(p′₁,p′₂...p′_i...p′_M)，p′_i表示AP_i所用功率，i∈{1,2,...,M}，p′_i可以取h个功率等级中的任一等级功率值，初始时各接入点AP均使用最大功率；

4.2）计算网络使用当前功率向量时，每个用户所受到的最大干扰I_n和每个用户的信干噪比SINR_n：

$I_n=\underset{i\∈A_k,i\≠k}{\mathrm{\Σ}}{p}_i^{\′}{H}_{\mathrm{in}}$

${\mathrm{SINR}}_n=\frac{p_k^{\′}{H}_{\mathrm{kn}}}{{\mathrm{\σ}}^2+I_n}$

其中，AP_k代表用户n所连接的接入点AP，A_k表示所有与AP_k同信道的接入点AP集合，H_in表示AP_i与用户n之间的信道损耗，p′_i表示AP_i所用功率，p′_k表示AP_k所用功率，H_kn表示AP_k与用户n之间的信道损耗，σ²表示背景噪声的功率大小；

4.3）利用Xiang Ling等在IEEE Transactions on wireless communications,October2006《Joint Access Point Placement and Channel Assignment for 802.11Wireless LANs》一文中提出的方法，估计取当前功率向量和信道向量时，用户所能获得的吞吐量d_n；

4.4）根据用户所受到的最大干扰I_n，每个用户的信干噪比SINR_n和用户n所获得的吞吐量d_n，构建目标函数f：

$f=\frac{w_1}{N}\sqrt{\underset{n\∈N}{\mathrm{\Σ}}Q{\left({\mathrm{SINR}}_n\right)}^2}+\frac{w_2}{N}\sqrt{\underset{n\∈N}{\mathrm{\Σ}}\max {(I_n-{\mathrm{\σ}}^2,0)}^2}+\frac{w_3}{N}\sqrt{\underset{n\∈N}{\mathrm{\Σ}}\max {(10\log \left({D^{*}}_n\right)-10\log \left(d_n\right),0)}^2}$

其中，代表网络覆盖情况衡量参数，代表用户干扰情况衡量参数，代表用户QoS不满意度衡量参数，w₁、w₂和w₃分别表示网络覆盖情况衡量参数、用户干扰情况衡量参数和用户QoS不满意度衡量参数的权重因子，并且满足0≤w_i≤1,i＝1,2,3，N表示总用户数，σ²表示背景噪声功率的大小，表示用户n的需求吞吐量，根据用户实际运行的业务确定的大小，Q(SINR)表示以信干噪比SINR为参数的罚函数值，其按照信干噪比SINR的范围确定如下：

$Q\left(\mathrm{SINR}\right)=\left\{\begin{array}{cc}18.54& \mathrm{SINR}<6.02\\ \mathrm{SINR}-6.02& 6.02\&le;\mathrm{SINR}<7.78\\ \mathrm{SIRN}-7.78& 7.78\&le;\mathrm{SINR}<9.03\\ \mathrm{SINR}-9.03& 9.03\&le;\mathrm{SINR}<10.79\\ \mathrm{SINR}-10.79& 10.79\&le;\mathrm{SINR}<17.04\\ \mathrm{SINR}-17.04& 17.04\&le;\mathrm{SINR}<18.80\\ \mathrm{SINR}-18.80& 18.80\&le;\mathrm{SINR}<24.05\\ \mathrm{SINR}-24.05& 24.05\&le;\mathrm{SINR}<24.56\\ 0& \mathrm{SINR}\&GreaterEqual;24.56\end{array}\right.$

其中6.02、7.78、9.03、10.79、17.04、18.80、24.05、24.56这八个值分别代表802.11g系统中要达到6Mbps、9Mbps、12Mbps、18Mbps、24Mbps、36Mbps、48Mbps、54Mbps这八个速率传输所需的最小信干噪比；

4.5）利用Fred Glover在ORSA Journal on Computing 1989《Tabu Search——Part 1》提出的禁忌搜索算法，在功率向量p的邻域向量中搜索目标函数的最小值f_min，目标函数最小值对应的功率向量即为候选接入点AP组合向量对应的最优功率向量p_opt，其中，功率向量p的邻域向量，是通过对当前选中使用的一个接入点AP进行功率调整后得到的新功率向量，功率向量p共含有L(h-1)个邻域向量，其中L表示当前使用的接入点AP个数，h表示接入点AP可选的功率等级数目。

步骤5，若目标函数的最小值f_min小于最优值f_mit，则更新最优值f_opt，令f_opt=f_min。

步骤6，若迭代次数计数器iter等于迭代次数上限NI，或最优值f_opt等于0，则当前候选接入点AP组合向量a即为最优接入点AP组合向量a_opt，从而得到网络最优资源分配向量S_opt=(a_opt,c_opt,p_opt)，否则，用候选接入点AP组合向量a的邻域向量更新a，转步骤（2）执行下一次迭代，迭代次数计数器iter自增1，其中，AP组合向量a的邻域向量，是通过对a选中使用的接入点AP执行替换操作、或者增加操作、或者删除操作后，形成的新候选接入点AP组合向量，其中替换操作是指用一个未选中使用的接入点AP替换当前选中使用的一个接入点AP，增加操作是指增加一个接入点AP选中使用，删除操作是指去掉一个选中使用的接入点AP。

步骤7，网络中每个接入点AP依照网络最优资源分配向量S_opt重构其配置参数，即根据候选接入点AP组合向量a_opt得到网络选中使用的接入点AP组合，根据信道向量c_opt配置选中使用的接入点AP的信道，根据功率向量p_opt配置选中使用的接入点AP的功率。

本发明的效果可通过仿真进一步说明：

1)仿真参数

仿真场景如图1所示，设区域内共含有M＝12个接入点AP，各接入点AP位置如图所标，考虑网络的下行链路场景，每个栅格内随机分布着0~3个用户，每个栅格的大小为15m×15m，权重因子w₁、w₂、w₃都等于1，在仿真中认为用户的QoS需求为用户的吞吐量需求，设区域内各用户的吞吐量需求为512Kbps，接入点AP存在三个功率等级可选，即h=3，分别为20dBm，17dBm和14dBm，背景噪声功率大小σ²=-94dBm，接入点AP和用户之间的信道衰减模型采用改进的Two-Ray GroundReflection模型：

P_r=P_t+10log₁₀(G_tG_r)+20log₁₀(h_th_r)-40log₁₀(x)-ψ₁-ψ₂

其中，G_t和G_r分别表示发射机增益和接收机增益，h_t和h_r分别表示发射机天线高度和接收机天线高度，x表示接收机距发射机的距离，ψ₁和ψ₂分别表示无线信号的穿墙损耗和在转角处的损耗。在仿真中G_t=1，G_r=1，h_t=1，h_r=1，ψ₁取15dB，ψ₂取10dB。

2)仿真内容与结果

仿真1，对本发明方法与联合接入点AP个数和信道分配方法随着接入点AP数目的变化所能达到的最优目标函数值进行仿真，得到仿真图4。如图4所示，目标函数值越小，表示网络的性能越优。由图4可以看出，在使用不同数目的接入点AP时，采用本方法进行资源分配后的网络性能优于采用联合接入点AP个数和信道分配方法进行资源分配后的网络性能，还可以看出整个网络使用6个接入点AP时目标函数值最小，网络性能最优，由此也可以确定使网络性能最优所使用的接入点AP个数。

仿真2，对本发明方法与联合接入点AP个数和信道分配方法随着用户吞吐量需求的不同所能达到的网络总吞吐量进行仿真，得到仿真图5。由图5可以看出，在不同的用户吞吐量需求下，与联合接入点AP个数和信道分配方法相比，本发明方法均可以提升网络的总吞吐量。

仿真3，对本发明方法与联合接入点AP个数和信道分配方法随着用户吞吐量需求的不同所能达到的网络能效进行仿真，得到仿真图6。由图6可以看出，在不同的用户吞吐量需求下，与联合接入点AP个数和信道分配方法相比，本发明方法均可以提高整个网络的能效。通过仿真可以看出使用本发明方法在对网络进行资源分配时可以更好的提升网络的性能，不仅可以提高网络的吞吐量，还可以提高网络的能效，达到节能环保的效果。

Claims (3)

1.一种基于禁忌搜索的密集无线局域网多维资源分配方法，包括如下步骤：

(1)统计得到网络中所有接入点AP个数M和当前使用的接入点AP个数L，L≤M，将所有接入点AP依次编号为AP₁,AP₂...AP_i...AP_M，i∈{1,2...M}，根据网络当前使用的接入点AP初始化候选接入点AP组合向量a＝(a′₁,a′₂...a′_M)，其中a′_i＝1表示选中使用AP_i，a′_i＝0表示未选中使用AP_i，初始化最优值f_opt为正无穷大，初始化迭代次数上限NI＝1000，初始化迭代次数计数器iter＝0；

(2)给候选接入点AP组合向量a选中使用的每个接入点AP分配信道，得到信道分配向量c_opt；

(3)利用上述信道分配向量c_opt，确定每个用户所连接的接入点AP；

(4)利用上述每个用户和接入点AP的连接关系，得到候选接入点AP组合向量对应的最佳功率向量：

(4a)初始化当前功率向量p＝(p′₁,p′₂...p′_i...p′_M)，p′_i表示AP_i所用功率，i∈{1,2,...,M}，初始时各接入点AP均使用最大功率；

(4b)计算网络使用当前功率向量时，每个用户所受到的最大干扰I_n和每个用户的信干噪比SINR_n：

$I_n=\underset{i\&Element;A_k,i\&NotEqual;k}{\mathrm{\&Sigma;}}{p}_i^{\&prime;}{H}_{\mathrm{in}}$

${\mathrm{SINR}}_n=\frac{p_k^{\&prime;}{H}_{\mathrm{kn}}}{{\mathrm{\&sigma;}}^2+I_n}$

其中，AP_k代表用户n所连接的接入点AP，A_k表示所有与AP_k同信道的接入点AP集合，H_in表示AP_i与用户n之间的信道损耗，p′_k表示AP_k所用功率，H_kn表示AP_k与用户n之间的信道损耗，σ²表示背景噪声的功率大小；

(4c)计算取当前功率向量和信道向量时，用户n所获得的吞吐量d_n；

(4d)根据用户所受到的最大干扰I_n，每个用户的信干噪比SINR_n和用户n所获得的吞吐量d_n，构建目标函数f：

$f=\frac{w_1}{N}\sqrt{\underset{n\&Element;N}{\mathrm{\&Sigma;}}Q{\left({\mathrm{SINR}}_n\right)}^2}+\frac{w_2}{N}\sqrt{\underset{n\&Element;N}{\mathrm{\&Sigma;}}\max {(I_n-{\mathrm{\&sigma;}}^2,0)}^2}+\frac{w_3}{N}\sqrt{\underset{n\&Element;N}{\mathrm{\&Sigma;}}\max {(10\log \left({D^{*}}_n\right)-10\log \left(d_n\right),0)}^2}$

其中，w₁、w₂和w₃分别表示三个权重因子，并且满足0≤w_i≤1,i＝1,2,3，N表示总用户数，表示用户n的需求吞吐量，Q(SINR)表示以信干噪比SINR为参数的罚函数值，其按照信干噪比SINR的范围确定如下：

$Q\left(\mathrm{SINR}\right)=\left\{\begin{array}{cc}18.54& \mathrm{SINR}<6.02\\ \mathrm{SINR}-6.02& 6.02\&le;\mathrm{SINR}<7.78\\ \mathrm{SINR}-7.78& 7.78\&le;\mathrm{SINR}<9.03\\ \mathrm{SINR}-9.03& 9.03\&le;\mathrm{SINR}<10.79\\ \mathrm{SINR}-10.79& 10.79\&le;\mathrm{SINR}<17.04\\ \mathrm{SINR}-17.04& 17.04\&le;\mathrm{SINR}<18.80\\ \mathrm{SINR}-18.80& 18.80\&le;\mathrm{SINR}<24.05\\ \mathrm{SINR}-24.05& 24.05\&le;\mathrm{SINR}<24.56\\ 0& \mathrm{SINR}\&GreaterEqual;24.56\end{array}\right.$

其中6.02、7.78、9.03、10.79、17.04、18.80、24.05、24.56这八个值分别代表802.11g系统中要达到6Mbps、9Mbps、12Mbps、18Mbps、24Mbps、36Mbps、48Mbps、54Mbps这八个速率传输所需的最小信干噪比；

(4e)利用禁忌搜索方法，在功率向量p的邻域向量中搜索目标函数的最小值f_min，目标函数最小值对应的功率向量即为候选接入点AP组合向量对应的最优功率向量p_opt；

(5)若目标函数的最小值f_min小于最优值f_opt，则令f_opt＝f_min；

(6)若迭代次数计数器iter等于迭代次数上限NI，或最优值f_opt等于0，则当前候选接入点AP组合向量a即为最优AP组合向量a_opt，从而得到网络最优资源分配向量S_opt＝(a_opt,c_opt,p_opt)，否则，用候选接入点AP组合向量a的邻域向量更新a，转步骤(2)执行下一次迭代，迭代次数计数器iter自增1；

(7)网络中每个接入点AP依照网络最优资源分配向量S_opt重构其配置参数。

2.根据权利要求1所述的基于禁忌搜索的密集无线局域网多维资源分配方法，其中所述步骤(4e)中的功率向量p的邻域向量，是通过对当前选中使用的一个接入点AP进行功率调整后得到的新功率向量，功率向量p共含有L(h-1)个邻域向量，其中h表示接入点AP可选的功率等级数目。

3.根据权利要求1所述的基于禁忌搜索的密集无线局域网多维资源分配方法，其中所述步骤(6)中的候选接入点AP组合向量a的邻域向量，是通过对a选中使用的接入点AP执行替换操作、或者增加操作、或者删除操作后，形成的新候选接入点AP组合向量，其中替换操作是指用一个未选中使用的接入点AP替换当前选中使用的一个接入点AP，增加操作是指增加一个接入点AP选中使用，删除操作是指去掉一个选中使用的接入点AP。