CN104507095B - 基于用户位置分布的室内ap部署方法 - Google Patents

Abstract

基于用户位置分布的室内AP部署方法，涉及一种室内AP部署方法。本发明是为了提高室内AP部署的网络覆盖率，以及为了增加所支持用户数的数量。本方法中AP部署方法分为用户位置分布数据处理和基于FCM聚类算法AP位置部署两步，首先将用户的位置分布特性抽象为若干位置点与及对应的用户的概率，而后采用聚类算法求取满足条件的AP部署方案。本方法简单易行，不需要严格的信号强度模型以及用户分布模型，适用于建筑结构复杂、用户分布不均的室内环境中的AP部署。

Description

基于用户位置分布的室内AP部署方法

技术领域

本发明涉及一种室内AP部署方法。

背景技术

随着无线局域网(Wireless Location Access Network，WLAN)技术的飞速发展，WLAN以其易部署，设备简单，资费低廉等优势，已经成为室内环境下用户实现通信的应用最为广泛的主流手段。如何部署AP，使得目标区域满足一定的覆盖率，一直都是室内WLAN研究的热点之一。然而，随着支持WLAN接入的设备的普及，而WLAN的接入点(Access Point，AP)在所能同时支持的用户数是受限的。因此，在考虑某区域内的AP部署时，除了要使得部署后的AP能够实现信号的覆盖率要求，还应满足该区域内支持用户数的要求。

现阶段的研究中，对于AP的部署，主要有两类方案，一种是现场调研的方法，即部署方案将在针对目标环境进行的实际调查和测量后，再根据设计者的目标来进行设计和建设，该方法的人力、财力以及时间成本都较高，而且方案对于建筑物结构的依赖性较强；另一种为计算机辅助设计的方法，通过建立数学模型来找到AP的最佳数目和放置位置，该方法相对于现场调研的方法而言，开销较少，且可以根据建筑物结构进行结果调整，无需在架设之前进行实际调研，已经成为现阶段AP部署的主流方案。采用计算机辅助设计的诸多方案中，根据数学模型的不同又可分为离散数学规划法和连续数学规划法，其中前者在AP部署时将目标区域划分为若干网格，AP的位置则被离散在各个中心位置，该方法在AP位置较多的情况下，若对于部署的位置精度要求较高，则计算难度和计算量都会严重加大；而后者，除了由于室内环境的复杂性，在接收信号强度模型的建模方面存在较大的难度外，连续的数学模型在求解方面自身也具有较大的难度。

发明内容

本发明是为了提高室内AP部署的网络覆盖率，以及为了增加所支持用户数的数量，从而提供一种基于用户位置分布的室内AP部署方法。

基于用户位置分布的室内AP部署方法，它由以下步骤实现：

步骤一、将室内可能存在的每个等待接入WLAN的用户均采用描述为一个位置点，其中，为该区域所在位置坐标，P为该位置存在用户的概率；

步骤二、在所有位置点中进行N倍抽样，获得用户抽样位置点集合，每个用户位置点的概率均为1/N；N为等待接入WLAN的用户总数；

将待部署的AP的限制条件根据室内地图抽样为AP位置点集合L_AP，其中：抽样频率根据预设的精度δ进行选取，且抽样后相邻两个AP位置点的间距Δd<δ；

步骤三、对FCM聚类算法的隶属度矩阵进行初始化，并将用户抽样位置点集合作为FCM聚类算法的输入样本，更新隶属度矩阵，获得聚类中心；

步骤四、选取AP位置点集合L_AP中与步骤三中所获取的聚类中心点欧式距离最小的点，作为更新后的聚类中心；

步骤五、计算当前更新后的聚类中心相对于前一次更新的聚类中心的差值，并判断该差值是否大于预设门限值且迭代次数小于预设的最大迭代次数，如果判断结果为是，则返回执行步骤三；如果判断结果为否，则执行步骤六；

步骤六、按照当前的聚类中心在室内部署AP。

步骤一中室内可能存在的每个用户满足累计概率分布函数：

F(X,Y)＝P(x<X,y<Y)，(X,Y)∈C；

(X,Y)为AP位置坐标；C为当前进行的室内AP部署的区域范围；

所有用户的概率密度函数f(x,y)满足：

∫_Cf(x,y)dxdy＝1。

步骤六获得的当前的聚类中心同时满足以下条件：

条件(1)、每个类中的平均用户数小于等于最大用户数N_max；

条件(2)、用户位置点距离聚类中心的最大距离小于AP所能覆盖的最大半径d_max；

条件(3)、在满足条件(1)和条件(2)的同时，聚类数为最小。

本发明能够获得以下有益效果：1、本发明相对于现有的基于RSS的AP部署方法，当架设AP数相同的情况下，能够承载更多的接入用户。2、本发明适用于用户分布不均匀情况下的室内环境，且能够有效的利用网络资源，各子网络间的系统均衡性更优，网络覆盖率更高。

附图说明

图1是为基于用户位置分布的室内AP部署方法架构示意图；

图2为基于用户位置分布的室内AP部署方法流程示意图。

图3为验证试验的室内仿真场景图，其中房间1的最大用户数为10人，房间2与房间4的最大用户数均为30人，房间3的最大用户数为20人，纵向走廊最大用户数为10人，横向走廊最大用户数为5人。

图4为本发明的方法与基于RSS的AP部署法当所部署的AP数变化时，系统所能承载的用户数性能。

图5为两种方法在AP数目不同时，系统的均衡度性能对比仿真示意图。

具体实施方式

具体实施方式一、结合图1和图2说明本具体实施方式，基于用户位置分布的室内AP部署方法，假设在一个多墙限制的室内场景下，有N个用户等待接入WLAN网络。若某区域内的可能存在用户的位置可以用来描述，其中为该区域所在位置坐标，P为该位置存在用户的概率，且满足其累计概率分布函数为F(X,Y)＝P(x<X,y<Y)，(X,Y)∈C，概率密度函数f(x,y)满足∫_Cf(x,y)dxdy＝1。各用户的位置分布为独立同分布，因此当AP位置为(X_AP,Y_AP)时，用户在区域内接收到的RSS值如式(1)所示：

RSS(X_AP,Y_AP)＝∫_C(P_t+G_t+G_r-S(0,σ)-L(||x-X_AP,y-Y_AP||₂))·f(x,y)dxdy (1)

其中，L(x,y)为信道衰减。

因此最佳的AP位置(X,Y)，应满足使得RSS(X,Y)最大，即为使得式(2)取得最小值。

L(X,Y)＝∫_CL(||x-X,y-Y||₂)·f(x,y)dxdy (2)

在实际情况中，区域C的范围和用户的分布往往十分复杂，且AP的位置(X,Y)受到外界条件的限制，可以架设的位置具有约束性，无法直接通过公式计算给出简单的最优解。

为了简便计算，可对区域C上的用户位置进行抽样，则式(2)可化为：

由假设条件中，用户分布为独立同分布，因此，若AP的覆盖范围已确定为C_AP，则其覆盖的用户数如式(4)所示：

其中，N为区域C内所能容纳的最大用户数。若抽样频率足够大，则P(x,y)＜＜1，故式(4)可化为式(5)：

结合公式(3)和公式(5)可知，覆盖问题即可抽象为以下问题：将可能存在用户的区域，按照用户的分布以及房间平均用户数，抽样出多个“位置点”，每个“位置点”的概率，即为该点附近有用户出现的概率。则，AP部署问题将转化为聚类问题，AP的部署位置则为合适的聚类中心，且需要满足以下条件：

(1)每个类中的平均用户数小于等于N_max；

(2)位置点距离聚类中心的最大距离小于AP所能覆盖的最大半径d_max；

(3)在满足(1)(2)的同时，实现聚类数的最小化。

因此，由式(4)及式(5)，若P(x,y)为定值，则AP部署问题将即为求解式(6)的过程：

因此，本发明所提出的AP部署方法的基本实施步骤如下：

步骤一：数据处理

将用户位置抽象为若干位置点，分别对应位置坐标(x,y)以及该点存在用户的概率p，若仅可获取用户数信息，则采用N倍抽样，各点概率为1/N；同时，将AP的限制条件抽象为位置点集合L_AP，抽样频率可根据所要求的精度δ来进行选取，要求抽样后各点间距Δd<δ；

步骤二：FCM聚类算法初始化：

对隶属度矩阵进行初始化；

步骤三：样本输入及聚类中心搜索：

输入样本，并根据输入样本来更新隶属度矩阵，求取聚类的中心；

步骤四：更新聚类中心

选取L_AP中与步骤三中所获取的聚类中心点欧式距离最小的点，作为更新后的新的聚类中心；

步骤五：迭代：

计算更新后目标函数相对于上一次迭代的目标函数的差值，若差值大于门限值且迭代次数小于最大迭代次数，则重复步骤三；

步骤六：训练结束，输出结果

本发明方法的流程图如图2所示：

通过以下试验验证本发明的有益效果：

为了验证本发明所提出的基于用户位置分布的室内AP部署方法的性能，建立如图3的仿真环境：其中房间1的最大用户数为10人，房间2与房间4的最大用户数均为30人，房间3的最大用户数为20人，纵向走廊最大用户数为10人，横向走廊最大用户数为5人。在仿真时，用户位置点的抽样倍数N＝50，AP位置精度要求为δ＝0.1m，根据第3小节中提出的AP部署方法，对于图3环境下的AP进行部署。表1为不同AP数下所提方法的AP位置。

表1 AP位置坐标

图4为本发明所提笔法与基于RSS的AP部署法当所部署的AP数变化时，系统所能承载的用户数性能。为了验证各AP承载的用户均衡度，本发明定义参量δ＝std(N_i)，即各AP所能承载的用户数的标准差，作为衡量网络均衡度的参量。图5则为两种方法在AP数目不同时，系统的均衡度性能对比。

由图4可知：

(1)当所覆盖的AP数较少时(本发明试验场景中为AP数目小于3时)，本发明所提出的AP部署方法与经典的基于RSS的AP部署方法，所能承载的用户数将受所部署AP数能承载的用户数限制，系统所能承载的平均用户数性能没有显著差异；

(2)然而当AP数目增加时(本发明中AP数目大于3时)，本发明所提方法所能承载的用户数将大于基于RSS的AP部署方法，这是由于后者依赖于室内环境约束，而没有考虑用户的分布，因此可能出现部分AP已达到容量饱和，无法继续承载所覆盖区域下的新用户的业务需求，而本发明所提方法由于充分考虑了用户的分布，因此系统的均衡性更好，所能承载的用户数更多；

(3)当AP数达到6时，在图3的仿真场景下，本发明所提方法已经能够承载该场景下的全部用户(80人)，用户承载率为100％；而此时基于RSS的部署方法，所能承载的平均用户数则为70.51人，用户的承载率仅为88.41％，低于本发明所提方法。

结合图5所示系统的均衡性能可知：

(1)当所覆盖的AP数较少时(本发明试验场景中为AP数目小于3时)，本发明所提出的AP部署方法与经典的基于RSS的AP部署方法，所部属的AP将均达到饱和状态，因此各网络承载的用户数标准差为0；

(2)然而当AP数目增加时(本发明中AP数目大于3时)，本发明所提方法的网络承载用户的标准差将远远低于基于RSS的AP部署方法，系统的均衡性更好，这一点与图4中的性能分析结果是相吻合的。

Claims (3)

1.基于用户位置分布的室内AP部署方法，其特征是：它由以下步骤实现：

步骤一、将室内可能存在的每个等待接入WLAN的用户均采用描述为一个位置点，其中，为该区域所在位置坐标，P为该位置存在用户的概率；

步骤二、在所有位置点中进行N倍抽样，获得用户抽样位置点集合，每个用户位置点的概率均为1/N；N为等待接入WLAN的用户总数；

将待部署的AP的限制条件根据室内地图抽样为AP位置点集合L_AP，其中：抽样频率根据预设的精度δ进行选取，且抽样后相邻两个AP位置点的间距Δd<δ；

步骤三、对FCM聚类算法的隶属度矩阵进行初始化，并将用户抽样位置点集合作为FCM聚类算法的输入样本，更新隶属度矩阵，获得聚类中心；

步骤四、选取AP位置点集合L_AP中与步骤三中所获取的聚类中心点欧式距离最小的点，作为更新后的聚类中心；

步骤五、计算当前更新后的聚类中心相对于前一次更新的聚类中心的差值，并判断该差值是否大于预设门限值且迭代次数小于预设的最大迭代次数，如果判断结果为是，则返回执行步骤三；如果判断结果为否，则执行步骤六；

步骤六、按照当前的聚类中心在室内部署AP。

2.根据权利要求1所述的基于用户位置分布的室内AP部署方法，其特征在于步骤一中室内可能存在的每个用户满足累计概率分布函数：

F(X,Y)＝P(x<X,y<Y)，(X,Y)∈C；

(X,Y)为AP位置坐标；C为当前进行的室内AP部署的区域范围；

所有用户的概率密度函数f(x,y)满足：

∫_Cf(x,y)dxdy＝1。

3.根据权利要求1所述的基于用户位置分布的室内AP部署方法，其特征在于步骤六获得的当前的聚类中心同时满足以下条件：

条件(1)、每个类中的平均用户数小于等于最大用户数N_max；

条件(2)、用户位置点距离聚类中心的最大距离小于AP所能覆盖的最大半径d_max；

条件(3)、在满足条件(1)和条件(2)的同时，聚类数为最小。