CN104363604A - 基于快速注水算法的室内wlan接入点布置方法 - Google Patents

Abstract

本发明公开了一种基于快速注水算法的室内WLAN接入点布置方法，它基于模拟无线通信中根据信道状况对发送功率进行自适应分配的方法，构造注水优化问题模型，通过分析不同AP摆放位置对参考点指纹差异性的影响，利用快速注水算法，获得每个AP备选位置处应该分配的AP权重，根据指纹差异性对位置指纹定位方法精度的影响，实现对AP位置的快速优化，并显著降低系统的计算时间开销。

Description

基于快速注水算法的室内WLAN接入点布置方法

技术领域

本发明属于无线电通信技术，具体涉及一种基于快速注水算法的室内WLAN接入点布置方法。 

背景技术

随着可移动设备得到越来越广泛的应用以及无线网络的普及，用户对信息即时性和就地性的需求越来越强烈，因此基于位置的服务也备受关注。目前较为流行的无线定位系统有全球定位系统(GPS)、蜂窝定位系统、蓝牙定位系统、射频识别(RFID)定位系统、ZigBee定位系统以及WLAN定位系统。其中，GPS定位系统的应用最为广泛，室外定位精度较高，然而在障碍物较多的遮蔽或室内环境下，如：高楼林立的城市街道或室内停车场，卫星信号会急剧减弱，导致GPS定位系统难以工作；蜂窝无线定位系统的定位精度较低，室外定位误差通常大于50米，对于定位精度要求较高的室内场景则无法适用；蓝牙、RFID和ZigBee等定位技术一般较为适用于近距离定位环境。因此，上述定位技术不具有较好的普适性，而需要寻找一种新的定位技术来代替或弥补各自的不足。同时，无线局域网的不断普及给了WLAN定位技术很大的发展机会。 

在WLAN定位系统中，位置指纹定位方法的精度较高且不需要添加额外的设备，从而得到了较为广泛的应用。基于位置指纹的定位方法主要分为两个阶段：离线阶段和在线阶段。离线阶段，在目标区域内选择合适的参考点，并在参考点处测量来自每个AP的信号强度值，建立位置指纹数据库。在线阶段，通过利用定位算法对接收端实时测量得到的信号值与位置指纹数据库中已保存的信号数据进行匹配，来估计终端位置。 

由于室内环境的复杂多变，因此位置指纹定位方法的精度性能受多种因素的影响。通过分析对比影响位置指纹定位方法精度性能的因素中，AP摆放位置对于定位精度有较大影响。在现有方法中，为了优化AP摆放位置，其主要关注的有信号覆盖范围，服务质量，网络吞吐量，信号传输速率以及覆盖范围内的信号差异性等因素。针对提高信号差异性这一因素的各项研究中，现有方法都集中在使用某种搜索算法，去搜索一个使得与信号差异性相关的目标函数达到最大或最小值的组合解，但这类方法的主要缺陷是对搜索算法的依赖程度较高，且时间开销较大。因此，有必要开发一种新的室内WLAN接入点布置方法。 

发明内容

本发明的目的是提供一种基于快速注水算法的室内WLAN接入点布置方法，在确保位置指纹定位精度的前提下，以实现AP位置的快速优化，降低系统的计算时间开销。 

本发明所述的基于快速注水算法的室内WLAN接入点布置方法，包括以下步骤： 

步骤一、计算各备选AP摆放位置处的γ_n，其中γ_n表示第n个备选AP位置处两两参考点间信号强度平方欧式距离之和； 

步骤二、令AP个数为W_T，构造目标函数f， $\left\{\begin{array}{c}\max f=\underset{n\∈N}{\mathrm{\Σ}}{\log }_2(1+{\mathrm{\γ}}_n{w}_n)\\ \underset{n\∈N}{\mathrm{\Σ}}{w}_n=W_T,w_n\≥0,\∀n\∈N\end{array}\right.;$ 其中γ_n表示第n个备选AP位置处两两参考点间信号强度平方欧式距离之和；w_n表示需要得到的解，即第n个AP备选位置处放置1个AP的权重；N为AP备选位置的个数； 

步骤三、根据 计算出w_n(n∈{1,…,N})，其中w_n表示第n个AP备选位置处放置1个AP的权重；N表示AP备选位置个数；γ_n表示第n个备选AP位置处两两参考点间信号强度最大平方欧式距离之和；w_n代表第n个AP备选位置处放置一个AP的权重；W_T表示总的AP个数； 

步骤四、降序排列w_n，把降序后的值储存为{W₁,W₂,…，W_N}，W₁>W₂>…>W_N，并把{W₁,W₂,…,W_N}各值对应的w_n的下标序号存储到序列index中； 

步骤五、令计数参量r＝0，其中r为计算每一次注水过程中使得W_n<0(n∈{1,…,N})的AP备选位置个数； 

步骤六、判断W_N是否小于0；若是，则进入步骤七；若否，则进入步骤十六； 

步骤七、令Δ＝0或Δ为满足条件W_T≥NΔ的任意正数，Δ为用来调整注水线的量；且令S＝0，i＝N，r＝0，其中i，r为计数量，S将用于存储{W₁,W₂,…W_k+1}应减少的总量；N为AP备选位置的个数； 

步骤八、令S＝S+Δ-W_i； 

步骤九、令W_i＝0； 

步骤十、令r＝r+1，i＝i-1； 

步骤十一、判断W_i是否小于等于0，且i是否大于等于1；若是，则进入步骤七；若否，则进入步骤十二； 

步骤十二、计算其中Δ'表示W_n≥0(n∈{1,…,k})的减少量； 

步骤十三、令j＝1；其中，j为计数量； 

步骤十四、计算W_j＝W_j-Δ'； 

步骤十五、令j＝j+1； 

步骤十六、判断j是否小于等于N-r；若是，则进入步骤十三；若否，则进入步骤十七； 

步骤十七、返回注水算法分配后的{W₁,…,W_N}； 

步骤十八、对照序列index，把{W₁,…,W_N}值存入相应的w_n(n∈{1,…,N})中，得到最终分配后的权重w_n(n∈{1,…,N})后，根据AP总个数按照权重获得最优AP布置方式。 

所述步骤一中，根据 ${\mathrm{\&gamma;}}_n=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=i+1}{\overset{M}{\mathrm{\&Sigma;}}}{[P_i\left(n\right)-P_j]}^2$ 计算出γ_n； 

其中，M为实验环境中总的参考点个数；i、j分别为第i、j个参考点；P_i(n)、P_j(n)为参考点i，j从第n个AP备选位置处获得的信号强度值。 

所述步骤二中，根据多AP目标函数及注水优化问题模型，构造出所述目标函数f。 

本发明具有以下优点：能够在较高位置指纹定位精度条件下，实现室内WLAN接入点的快速优化布置，通过分析每个AP备选位置对于两两参考点间信号强度平方欧式距离之和的影响，构造注水优化问题模型，利用快速注水算法，获得每个AP备选位置处应分配的AP权重，即每个AP备选位置处的重要性，从而实现了AP位置的快速优化，大大降低了系统的计算时间开销，并能够保证较高的位置指纹定位精度。本发明能够运用于室内无线电通信网络环境。 

附图说明

图1是本发明中步骤一到步骤十的流程图； 

图2是本发明中步骤十一至步骤十八的流程图； 

图3是本发明的真实实验环境示意图； 

图4是本发明的仿真环境示意图； 

图5、图6和图7是在真实实验环境下，当AP个数为2、3和4时，本发明提出的基于快速注水算法得到的AP布置方式与其它AP布置方式的定位误差对比图； 

图8、图9和图10是在仿真实验环境下，当AP个数为2、3和4时，本发明提出的基于快速注水算法得到的AP布置方式与其它布置方式的定位误差对比图； 

图11是本发明提出的基于快速注水算法得到的AP布置方法与基于模拟退火算法得到的AP布置方法的时间开销对比图。 

具体实施方式

下面结合附图对本发明作进一步说明。 

如图1和图2所示的基于快速注水算法的室内WLAN接入点布置方法，包括以下步骤： 

步骤一、计算各备选AP摆放位置处的γ_n，其中γ_n表示第n个备选AP位置处两两参考点间信号强度平方欧式距离之和。 

各备选AP摆放位置处的γ_n的计算公式如下： 

${\mathrm{\&gamma;}}_n=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=i+1}{\overset{M}{\mathrm{\&Sigma;}}}{[P_i\left(n\right)-P_j]}^2---\left(1\right)$

其中，M为实验环境中的参考点总数；i和j分别为第i和第j个参考点；P_i(n)和P_j(n)分别为参考点i和j处采集的来自第n个AP备选位置处发射的信号强度值，单位为dBm。 

在基于信号强度最大平方欧式距离之和的AP布置方法中，对于单个AP的目标函数可表示为基于此，构造对于多个AP的目标函数 其中，W_T为总的AP总的个数，因此，γ_n表征各备选位置对目标函数获得最大值所作的贡献的多少。 

在仿真环境中，P_i(n)和P_j(n)均由信号传播模型计算得到；本发明假定信号传播特性服从Keenan-Motley多墙传播模型，即接收端接收到的信号强度值P的计算表达式如下： 

P＝P(d₀)-10βlog₁₀(d)-N_w·L_w-N_f·L_f-χ  (2) 

其中，d₀为参考距离，令d₀＝1m；β表示路径损耗指数，其反映了信号强度损耗与信号传播距离的关系；d为信号接收端与AP之间的距离；N_w和N_f分别表示信号在从AP到接收端的整个传播路径中，信号所穿过的墙和地板的个数；L_w和L_f分别表示墙壁和地板的损耗系数，在本发明选择的实验、仿真环境中，由于定位目标区域在同一楼层，于是不考虑地板损耗，即令L_w＝3、L_f＝0；χ为服从高斯分布N(u,δ²)的随机变量。 

在真实实验环境中，P_i(n)和P_j(n)分别为参考点i和j处从第n个AP实际接收的信号强度值。 

步骤二、令AP个数为W_T。根据多AP目标函数及注水优化问题模型，构造本发明对于发送功率进行自适应分配相对应的目标函数： 

$\left\{\begin{array}{c}\max f=\underset{n\&Element;N}{\mathrm{\&Sigma;}}{\log }_2(1+{\mathrm{\&gamma;}}_n{w}_n)\\ \underset{n\&Element;N}{\mathrm{\&Sigma;}}{w}_n=W_T,w_n\&GreaterEqual;0,\&ForAll;n\&Element;N\end{array}\right.---\left(3\right)$

其中，对数函数为单调递增函数，系数w_n≥0，由此可知，求解构造出的目标函数与求解函数是一致的。f为目标函数；N为AP备选位置的个数；_γn为第n个备选AP位置处两两参考点间信号强度最大平方欧式距离之和；w_n代表第n个AP备选位置处放置一个AP的权重；W_T为总的AP个数。 

步骤三、根据公式(4)，计算w_n(n∈{1,…,N})；公式(4)的由来详见快速注水原理说明1。 

$w_n=\frac{1}{N}(W_T+\underset{n\&Element;N}{\mathrm{\&Sigma;}}\frac{1}{{\mathrm{\&gamma;}}_n})-\frac{1}{{\mathrm{\&gamma;}}_n},\&ForAll;n\&Element;N---\left(4\right)$

其中，N为AP备选位置的个数；γ_n为第n个备选AP位置处两两参考点间信号强度最大平方欧式距离之和；w_n代表第n个AP备选位置处放置一个AP的权重；W_T为总的AP个数。 

由于根据公式(4)计算出的w_n,有可能不满足条件w_n≥0,因此需要重 新调整分配w_n的值，以下步骤四至步骤十七为重新调整w_n,的过程，其原理详见快速注水原理说明2。 

步骤四、降序排列w_n，把降序后的值储存为{W₁,W₂,…,W_N}，W₁>W₂>…>W_N，并把{W₁,W₂,…,W_N}各值对应的w_n的下标序号存储为到序列index中。 

步骤五、令计数参量r＝0，其中r为计算每一次注水过程中使得W_n<0(n∈{1,…,N})的AP备选位置个数。 

步骤六、判断W_N是否小于0；若是，则进入步骤七；若否，则进入步骤十六。 

步骤七、令Δ＝0或Δ为满足条件W_T≥NΔ的任意正数，Δ为用来调整注水线的量；且令S＝0，i＝N，r＝0；其中i，r为计数量；S将存储{W′₁,W′₂,…W′_k+1}应减少的总量；N为AP备选位置的个数。 

步骤八、令S＝S+Δ-W_i。 

步骤九、令W_i＝0。 

步骤十、令r＝r+1；i＝i-1。 

步骤十一、判断W_i是否小于等于0且i是否大于等于1；若是，则进入步骤七；若否，则进入步骤十二。 

步骤十二、计算其中Δ'表示W_n≥0(n∈{1,…,k})的减少量。 

步骤十三、令j＝1；其中，j为计数量。 

步骤十四、计算W_j＝W_j-Δ'。 

步骤十五、令j＝j+1。 

步骤十六、判断j是否小于等于N-r；若是，则进入步骤十三；若否，则进入步骤十七。 

步骤十七、返回注水算法分配后的{W₁,…,W_N}。 

步骤十八、对照序列index，把{W₁,…,W_N}值存入相应的w_n(n∈{1,…,N})中，得到最终分配后的权重w_n(n∈{1,…,N})后，根据AP总个数按照权重获得最优AP布置方式。 

(1)快速注水原理说明1： 

目标函数 $\left\{\begin{array}{c}\max f=\underset{n\&Element;N}{\mathrm{\&Sigma;}}{\log }_2(1+{\mathrm{\&gamma;}}_n{w}_n)\\ \underset{n\&Element;N}{\mathrm{\&Sigma;}}{w}_n=W_T,w_n\&GreaterEqual;0,\&ForAll;n\&Element;N\end{array}\right.$ 构成了注水优化问题。其中γ_n对应于无线通信中的信道状况的好坏(在无线信道中此衡量标准为信噪比SNR，本发明方法中此衡量标准为不同AP备选位置处两两参考点间获得的信号强度最大平方欧式距离之和)；w_n对应于无线通信中各信道应该分配的功率，本算法中代表第n个AP备选位置处放置一个AP的权重。 

根据拉格朗日求极值的方法求得解： 

$w_n={[\frac{1}{\ln 2}\&times;\frac{1}{\mathrm{\&mu;}}-\frac{1}{{\mathrm{\&gamma;}}_n}]}^2,\&ForAll;n\&Element;N---\left(5\right)$

其中，w_n代表第n个AP备选位置处放置一个AP的权重；μ为拉格朗日乘子；N为AP备选位置的个数；γ_n为第n个备选AP位置处两两参考点间获得的信号强度最大平方欧式距离之和；[·]⁺＝max(·,0)，算子max表示取最大值。 

根据公式(5)，求解w_n必须求得拉格朗日乘子μ，传统的注水算法通过搜索来求得一个合适的μ(如迭代注水算法)。本文使用快速注水算法，能避免μ的计算，理由如下：对于一个给定的正数Δ(假定W_T≥NΔ)，设w＝{w_n,n∈N}＝WF(W_T)和w'＝{w'_n,n∈N}＝WF(W_T-NΔ)分别为AP个数等于W_T和W_T-NΔ条件下的注水优化问题的解。其中，WF代表公式(3)所描述的注水优化问题。 

引理1：若对w_n≥Δ,w＝{w_n,n∈N}＝WF(W_T)，w'＝{w'_n,n∈N}＝WF(W_T-NΔ)，则对有w'_n＝w_n-Δ。 

证明：因为对w_n≥Δ，根据公式(5)得到： 

$\frac{1}{\ln 2}\&times;\frac{1}{\mathrm{\&mu;}}=w_n+\frac{1}{{\mathrm{\&gamma;}}_n},\&ForAll;n\&Element;N---\left(6\right)$

因为μ是满足的一个常数，得到： 

$\frac{1}{\ln 2}\&times;\frac{1}{\mathrm{\&mu;}}=\frac{1}{N}\underset{n\&Element;N}{\mathrm{\&Sigma;}}(w_n+\frac{1}{{\mathrm{\&gamma;}}_n})=\frac{1}{N}(W_T+\underset{n\&Element;N}{\mathrm{\&Sigma;}}\frac{1}{{\mathrm{\&gamma;}}_n})---\left(7\right)$

把公式(5)代入公式(6)中，得到： 

$w_n=\frac{1}{N}(W_T+\underset{n\&Element;N}{\mathrm{\&Sigma;}}\frac{1}{{\mathrm{\&gamma;}}_n})-\frac{1}{{\mathrm{\&gamma;}}_n},\&ForAll;n\&Element;N---\left(4\right)$

同样地，如果AP个数为W_T-NΔ，得到： 

${{w^{\&prime;}}_n}^{}=\frac{1}{N}(W_T-\mathrm{N\&Delta;}+\underset{n\&Element;N}{\mathrm{\&Sigma;}}\frac{1}{{\mathrm{\&gamma;}}_n})-\frac{1}{{\mathrm{\&gamma;}}_n},\&ForAll;n\&Element;N---\left(8\right)$

结合公式(4)和公式(8)得到：若w_n≥Δ,w＝{w_n,n∈N}＝WF(W_T)，w'＝{w'_n,n∈N}＝WF(W_T-NΔ)，则有w_n'＝w_n-Δ。 

证毕。 

(2)快速注水原理说明2： 

然而，引理1适用于w_n≥Δ的情况，而不适用于任意的w_n。假设我们按照公式(4)得出w_n的值，并且从大到小排列且存储入{W₁,W₂,…,W_N}中，{W₁,W₂,…,W_N}各值在直角坐标轴上连成的线我们称为注水线。若有W_n≥Δ,且W_n<Δ,由于Δ为一个给定的正数，因此有W_n≥0,且W_n<0,由于W_n<0不符合条件，因此需要调整注水线。定义其中Δ'代表对于W_n≥0,W_n应该减少的量，则根据引理2注水线调整为：W'_n＝W_n-Δ-Δ',W'_n＝0,{W'₁,W'₂,…,W'_N}为新的注水线。 

引理2：若有W_n≥Δ+Δ',W_n<Δ,则有W'_n＝W_n-Δ-Δ',W'_n＝0,

证明：若不考虑[·]⁺＝max(·,0)，则公式(4)与公式(5)相等，当AP个数从W_T减少到W_T-NΔ时，由引理1，得到对w_n'＝w_n-Δ，从大到小排列w_n，w_n'，并分别存储入{W₁,W₂,…,W_N}，{W'₁,W'₂,…,W'_N}中。因此，对于W_n<Δ，有{W_k+1,W_k+2,…W_N}<0。 

若考虑条件[·]+＝max(·,0)，则原有{W'_k+1,W'_k+2,…W'_N}<0应调整为{W_k+1,W_k+2,…W_N}＝0，且注水问题解W'_n对应的AP个数W_T-NΔ保持不变。因此，为使W_T-NΔ保持不变，{W′₁,W′₂,…W′_k+1}应减少总量由引理1可得，对W'_n,应减少Δ'，其中

因此，我们得到：若W_n≥Δ+Δ',W_n<Δ,则有W'_n＝W_n-Δ-Δ',W'_n＝0,

证毕。 

经过第一次注水线的调整之后，可能出现W_n<0,因此这是一个迭代的调整注水线的过程，注水过程结束时，W_n≥0,

本发明实验分为真实实验环境和仿真实验环境两种。图3为真实实验环境，图4为仿真环境，均为64.6m×18.5m的多墙环境，真实实验环境中的数据库由各参考点处实际采集的信号强度值所构成，仿真环境中的数据库由利用Keenan-Motley多墙传播模型计算得到的信号强度值所构成，两种实验环境下的参考点间距均为0.8m，黑点表示参考点位置，该区域划分为4个子区域，AP(1)、AP(2)、AP(3)、AP(4)、AP(5)分别表示5个AP可能的布置位置。在真实实验环境中，采用真实场景下实际获得的信号强度值，其中，AP型号为D-linkDAP-2310。在仿真环境中，各点处的信号强度值利用Keenan-Motley多墙模型计算得到，其中P(d₀)＝-28dB，β＝2.2。 

为了验证本发明提出的一种基于快速注水算法的室内WLAN接入点布置方法的有效性和可靠性，将其与穷举法(根据AP的个数和AP的备选位置数穷举AP布置方式)进行性能对比。具体来讲，当AP个数为2时，共有种可能的AP布置方式；当AP个数为3时，共有种可能的AP布置方式；当AP个数为4时，共有种可能的AP布置方式。表一给出了本实验中具体的AP布置方式(由于快速注水算法获得的AP布置方式属于穷举算法中的一种，因此，共有种方式与快速注水算法获得的AP布置方式进行性能对比。) 

如图5、图6和图7所示，分别给出了在真实实验环境下，当AP数量W_T为2、3、4时，利用本发明的基于快速注水算法得到的AP布置方式与其它所有可能的AP布置方式(即 种AP布置方式)的误差性能对比。可见，在真实实验环境下，利用快速注水算法得到的AP布置方式具有较高的定位精度。 

如图8、图9和图10所示，分别给出了在仿真环境下，当AP数量W_T为2、3、4时，利用本发明的基于快速注水算法得到的AP布置方式与其它所有可能的AP布置方式(即 种AP布置方式)的误差性能对比。可见，在仿真环境下，利用快速注水算法得到的AP布置方式同样具有较高的定位精度。 

如图5、图6、图7、图8、图9和图10所示，本发明所述的基于快速注水算法得到的AP布置方式不是性能最优的，劣于通过穷举法得到的最优AP布置方式(即在种AP布置方式中性能最优的AP布置方式)，而当AP备选位置较多时，较大，从而通过穷举法得到最优AP布置方式的时间开销将非常大，因此，本发明在保证较高定位精度的同时，也降低了系统的计算时间开销。 

如图11所示，给出了本发明的基于快速注水算法的AP布置方法和基于传统模拟退火算法(其优化目标函数亦为信号强度的最大欧式距离和)的AP布置方法之间的计算时间开销对比。从对比结果看出，在同一优化目标函数条件下，基于快速注水算法的AP布置方法相对于基于模拟退火算法的AP布置方法，前者的AP布置优化搜索过程具有更低的计算时间开销。 

从对比图5、图6、图7、图8、图9、图10和图11的结果能看出，在真实实验环境和仿真环境下，基于快速注水算法得到的AP布置方式均能获得较高的定位精度，且具有较低的计算时间开销。 

表一给出了在真实实验环境和仿真环境下，基于快速注水算法得到的AP布置方式与其它所有可能的AP布置方式下的AP位置选择结果。其中，1、2、3、4和5分别表示图3、图4中的AP备选位置AP(1)、AP(2)、AP(3)、AP(4)和AP(5)。 

表一 

AP数	方式1	方式2	方式3	方式4	方式5	方式6	方式7	方式8	方式9	注水解
											2	1,2	1,3	1,4	1,5	2,3	2,5	3,4	3,5	4,5	2,4
3	1,2,3	1,2,4	1,2,5	1,3,4	1,3,5	1,4,5	2,3,4	2,3,5	3,4,5	2,4,5
											4	1,2,3,4	1,2,3,5	1,3,4,5	1,2,4,5						2,3,4,5

Claims (3)

1.一种基于快速注水算法的室内WLAN接入点布置方法，其特征在于，包括以下步骤：

步骤一、计算各备选AP摆放位置处的γ_n，其中γ_n表示第n个备选AP位置处两两参考点间信号强度平方欧式距离之和；

步骤二、令AP个数为W_T，构造目标函数f， $\left\{\begin{array}{c}\max f=\underset{n\&Element;N}{\mathrm{\&Sigma;}}{\log }_2(1+{\mathrm{\&gamma;}}_n{w}_n)\\ \underset{n\&Element;N}{\mathrm{\&Sigma;}}{w}_n=W_T,w_n\&GreaterEqual;0,\&ForAll;n\&Element;N\end{array}\right.;$ 其中γ_n表示第n个备选AP位置处两两参考点间信号强度平方欧式距离之和；w_n表示需要得到的解，即第n个AP备选位置处放置1个AP的权重；N为AP备选位置的个数；

步骤三、根据计算出w_n(n∈{1,…,N})，其中w_n表示第n个AP备选位置处放置1个AP的权重；N表示AP备选位置个数；γ_n表示第n个备选AP位置处两两参考点间信号强度最大平方欧式距离之和；w_n代表第n个AP备选位置处放置一个AP的权重；W_T表示总的AP个数；

步骤四、降序排列w_n，把降序后的值储存为{W₁,W₂,…,W_N}，W₁>W₂>…>W_N，并把{W₁,W₂,…,W_N}各值对应的w_n的下标序号存储到序列index中；

步骤五、令计数参量r＝0，其中r为计算每一次注水过程中使得W_n<0(n∈{1,…,N})的AP备选位置个数；

步骤六、判断W_N是否小于0；若是，则进入步骤七；若否，则进入步骤十六；

步骤七、令Δ＝0或Δ为满足条件W_T≥NΔ的任意正数，Δ为用来调整注水线的量；且令S＝0，i＝N，r＝0，其中i，r为计数量，S将用于存储{W₁,W₂,…W _k+1}应减少的总量；N为AP备选位置的个数；

步骤八、令S＝S+Δ-W_i；

步骤九、令W_i＝0；

步骤十、令r＝r+1，i＝i-1；

步骤十一、判断W_i是否小于等于0，且i是否大于等于1；若是，则进入步骤七；若否，则进入步骤十二；

步骤十二、计算其中Δ'表示W_n≥0(n∈{1,…,k})的减少量；

步骤十三、令j＝1；其中，j为计数量；

步骤十四、计算W_j＝W_j-Δ'；

步骤十五、令j＝j+1；

步骤十六、判断j是否小于等于N-r；若是，则进入步骤十三；若否，则进入步骤十七；

步骤十七、返回注水算法分配后的{W₁,…,W_N}；

步骤十八、对照序列index，把{W₁,…,W_N}值存入相应的w_n(n∈{1,…,N})中，得到最终分配后的权重w_n(n∈{1,…,N})后，根据AP总个数按照权重获得最优AP布置方式。

2.根据权利要求1所述的基于快速注水算法的室内WLAN接入点布置方法，其特征在于：所述步骤一中，根据 ${\mathrm{\&gamma;}}_n=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=i+1}{\overset{M}{\mathrm{\&Sigma;}}}{[P_i\left(n\right)-P_j\left(n\right)]}^2$ 计算出γ_n；

其中，M为实验环境中总的参考点个数；i、j分别为第i、j个参考点；P_i(n)、P_j(n)为参考点i，j从第n个AP备选位置处获得的信号强度值。

3.根据权利要求1或2所述的基于快速注水算法的室内WLAN接入点布置方法，其特征在于：所述步骤二中，根据多AP目标函数 $\max \underset{n=1}{\overset{W_T}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=i+1}{\overset{M}{\mathrm{\&Sigma;}}}{[P_i\left(n\right)-P_j\left(n\right)]}^2=\underset{n=1}{\overset{W_T}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_n$ 及注水优化问题模型，构造出所述目标函数f。