CN109845308A

CN109845308A - 用于无线局域网的可扩展无线电资源管理的系统和方法

Info

Publication number: CN109845308A
Application number: CN201780065026.6A
Authority: CN
Inventors: 哈桑·哈拉比安; 阿夫申·萨哈比; 迈克·什科夫
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 2016-10-21
Filing date: 2017-10-20
Publication date: 2019-06-04
Anticipated expiration: 2037-10-20
Also published as: EP3501197B1; US11122448B2; CN109845308B; US20190320332A1; WO2018073810A1; EP3501197A1

Abstract

提供了一种用于在无线局域网WLAN中提供可扩展无线电资源管理RRM的方法和节点。根据一个方面，自组织网络SON管理器节点中的方法包括：从无线接入点AP接收射频RF扫描数据，基于RF扫描数据创建有限大小的网络区段，以及在每个连续RRM周期中的RRM时隙中周期性地执行RRM优化算法。

Description

用于无线局域网的可扩展无线电资源管理的系统和方法

技术领域

本公开涉及无线通信，尤其涉及用于无线局域网(WLAN)的可扩展无线电资源管理。

背景技术

无线局域网(WLAN)基于IEEE 802.11标准向网络用户提供短程(本地)无线接入。IEEE 802.11标准为WLAN客户端定义了两种网络接入模式，即ad hoc和基础设施模式。在adhoc模式中，无线站以对等方式彼此连接。在基础设施模式下，通过使用无线接入点(AP)提供无线连接。基础设施模式是用于向无线用户设备(非AP站)提供互联网接入的更适当的模式。在此模式下，AP负责向无线用户设备分发互联网接入。互联网提供商部署的大多数WLAN网络都在基础设施模式下操作。在本公开的一些实施例中，假设WLAN在基础设施模式下操作。

WLAN由一组基本服务集(BSS)组成，其被定义为具有其关联客户端(例如，无线用户设备)的一个AP。通过BSSID(BSS标识符)得知每个BSS，BSS标识符是BSS中AP的MAC地址。扩展服务集(ESS)是一组连接的BSS。ESS中的AP通过公共分发系统连接。每个ESS具有一个名为SSID(服务集标识符)的ID。WLAN互联网提供商通过在期望的覆盖区域上部署ESS(BSS)来部署其网络。例如，购物中心中的所有AP(B SS)以相同SSID构建购物中心的ESS。服务提供商通过部署的ESS向其客户端提供互联网接入。

如上所述，WLAN基于IEEE 802.11标准操作，因此它们被称为802.11WLAN。IEEE802.11标准定义了WLAN站(AP和无线设备用户)的PH Y(物理)和MAC(媒体访问控制)规范。通过改变AP中以及无线设备用户中的PHY和MAC层参数和功能来控制从AP到客户端的接入性能。在一个BSS中，AP负责控制和优化PHY和MAC层参数。AP可以基于来自BSS的本地信息来进行该操作。MAC和PHY层参数和功能的示例包括工作信道、传输功率、速率适配、信标速率和功率等。虽然MAC和PHY性能优化可以由每个BSS中的每个AP在本地分发和完成，但另一策略是在所有BSS上全局和集中地执行网络优化。

后一种方法提供了用于优化WLAN网络的集中式网络管理框架。注意，集中式解决方案将导致更好的网络范围的性能优化，而不是像分布式方法那样。这是因为集中式解决方案可以将BSS对于彼此的相关性和影响考虑在内以用于网络优化，因此将导致更好的网络资源分配。为了说明该问题，考虑例如WLAN网络中的信道分配问题。在本地信道选择方案中，每个AP基于每个信道上的RSSI(接收信号强度标识符)来选择工作信道。例如，AP选择具有最小RSSI的信道。在该本地信道选择方案中，AP不具有其他AP观察到的RSSI，并且它仅基于其本地信息动作。AP选择的信道可能会改进其BSS性能，但也可能会使相邻BSS的性能劣化。

相邻BSS中的信道改变也会影响该BSS的性能。该行为将不导致RF邻区中的对BSS的全局最优信道分配。本地信道分配还可能导致循环中捕获的信道改变。更好的方法是在所有BSS上采集所有需求的信息，然后在中央节点中选择网络的最佳信道规划。集中式信道选择将考虑所有BSS相互之间的影响。在WLAN网络中，共信道BSS的传输通过与接收信号冲突或增加对接收信号的干扰而相互影响。此外，共信道AP需要公平地共享信道时间。考虑到所有这些影响，可以得出结论，中央信道选择可以为网络提供更好和更健壮的信道规划。

最近，Wi-Fi互联网提供商已经显示出他们对开发用于控制和优化其WLAN网络的自组织网络(SON)管理器的兴趣。SON管理器负责优化WLAN中的BSS的PHY和MAC层参数和网络设置。Wi-Fi管理器节点的主要目标是在各种业务条件下，在存在大量且动态改变的AP的情况下，提供有效且供应商不可知的Wi-Fi无线电资源管理服务。供应商不可知的Wi-FiSON管理器可以通过从网络读取一些输入参数以及将输出参数(Wi-Fi RRM配置设置)写入网络中的AP来运行多个Wi-Fi无线电资源管理(RRM)算法。这些算法的输入和输出应该得到支持，并在WLA N网络中的所有AP中可用。Wi-Fi RRM配置设置包括PHY层参数，例如功率、信道、信道带宽、MIMO和MU-MIMO配置、数据速率等，以及还包括MAC层参数，例如CSMA/CA设置、空闲信道评估阈值、吞吐量、负载均衡、业务调度、QoS参数、安全参数、关联和解除关联参数等。SON管理器节点可以放置在云服务器中以向WLAN提供基于云的SON服务。SON管理器节点不仅提供RRM服务，而且还可以用于性能监视和管理的目的。

现有的Wi-Fi RRM解决方案存在两个主要问题：

1)它们不能扩展到大量AP(例如，数百万个AP)；以及

2)它们是反应式解决方案而不是主动式解决方案。

这将这些方法限制在仅在小型网络(少于数百个AP)上工作。

用于Wi-Fi SON管理器节点的现有解决方案大部分是反应式解决方案，即，SON管理器节点在网络中的事件发生之后立即对它们进行反应。这些解决方案通过在RF调查和业务负载/吞吐量数据方面采集有关网络状态的所需信息来观察网络的行为，然后通过优化WLAN PHY和MA C参数和其他RRM配置设置来对网络的最新状态做出反应。虽然反应式方法甚至可以对网络性能的微小改变做出反应，但这些解决方案的性能存在一些问题：

·对于网络动态较高的大型网络，反应式RRM方法可能反应过于频繁。这将使RRM配置改变过于频繁，可能导致服务中断和无线设备用户不满意。

·在大型网络中，RRM配置改变太多可能不可行，因为其将巨大信令和控制负载施加于网络上。

·反应式方法向运行RRM优化框架的SON管理器节点施加巨大的处理和存储器开销。

·反应式方法可能引起RRM信令和控制消息的延迟。因此，在接收到从SON管理器到AP的这些控制消息之后，网络情况可能已经再次改变，新的网络改变将无效。换句话说，RRM优化器可能无法跟踪网络的动态。

·反应式方法需要不断监视网络和向SON管理器节点不断报告网络改变，这再次向网络施加了巨大的监视信令开销。

·目前大多数反应式解决方案都不是供应商不可知的。

·目前大多数反应式解决方案依赖于使用Wi-Fi控制器节点。

·这种解决方案中的优化决策可能破坏客户方法。

可以基于SON节点处理、存储器和接口能力(带宽)来调整RRM信令、监视和控制负载。然而，这伴随着降低网络监视或网络优化频率的成本。在这种情况下，网络优化仅基于网络的最新状态。换句话说，这些解决方案可能无法跟随网络改变，特别是对于具有高动态业务和RF改变的网络，大型WLAN网络就是这种情况。

发明内容

一些实施例有利地提供了一种用于在无线局域网WLAN中提供可扩展无线电资源管理RRM的方法和节点。根据一个方面，自组织网络S ON管理器节点中的方法包括：从无线接入点AP接收射频RF扫描数据，基于RF扫描数据创建有限大小的网络区段，以及在每个连续RRM周期中的RRM时隙中周期性地执行RRM优化算法。

根据该方面，在一些实施例中，网络区段的大小小于预定阈值。在一些实施例中，预定阈值基于执行RRM优化算法的AP的数量。在一些实施例中，预定阈值基于连续RRM时隙之间的时间量。在一些实施例中，SON管理器节点是云服务器。在一些实施例中，云服务器与配置为向A P发送工作参数的配置接口以及配置为从AP接收RF扫描数据的数据接口连接。

根据另一方面，提供了一种自组织网络SON管理器节点，该节点被配置为在无线局域网WLAN中提供可扩展无线电资源管理RRM。该节点包括处理电路，处理电路包括存储器和处理器。存储器被配置为存储RF扫描数据。处理器被配置为从无线接入点AP接收射频RF扫描数据，基于RF扫描数据创建有限大小的网络区段，调度RRM优化算法在连续R RM周期中的RRM时隙中的周期性执行，并且在每个连续RRM周期中被调度的RRM时隙期间执行RRM优化算法。

根据该方面，在一些实施例中，网络区段的大小小于预定阈值。在一些实施例中，预定阈值基于连续RRM时隙之间的时间量。在一些实施例中，SON管理器节点是云服务器。在一些实施例中，SON管理器节点还包括：配置接口，被配置为向AP发送工作参数；以及数据接口，被配置为从AP接收RF扫描数据。

根据又一方面，一种SON管理器节点，被配置为在无线局域网WLA N中提供可扩展无线电资源管理RRM。该节点包括：数据采集器模块，被配置为从无线接入点AP接收射频RF扫描数据；网络切片器模块，被配置为基于RF扫描数据创建有限大小的网络区段；RRM调度器模块，被配置为调度RRM优化算法在连续RRM周期中的RRM时隙中的周期性执行；以及RRM优化器模块，被配置为在被调度的RRM时隙期间执行RRM优化算法。

附图说明

当结合附图考虑时，通过参考以下详细描述，将更容易理解对本发明实施例以及其所伴随的优点和特征的更完整的理解，其中：

图1是SON管理器节点的框图；

图2是示出RRM周期和时隙的时序图；

图3是SON管理器节点位于运营商云中的系统图；

图4是SON管理器节点的框图；

图5是SON管理器节点的备选实施例的框图；以及

图6是用于在WLAN中提供可扩展RRM的示例性过程的流程图。

具体实施方式

在详细描述示例性实施例之前，应注意，实施例主要在于与无线局域网(WLAN)的可扩展无线电资源管理有关的装置组件和处理步骤的组合。因此，在附图中通过常规符号适当地表示了组件，仅示出了与理解实施例相关的那些特定细节，以便不会使具有本文描述的益处的本公开与对于本领域普通技术人员而言显而易见的细节相混淆。

本文中所使用的关系术语(如“第一”和“第二”，“顶”和“底”等)可以仅用于将一个实体或元素与另一实体或元素进行区分，而不一定要求或暗示这些实体或元素之间的任何物理或逻辑关系或顺序。

实施例提供了供应商不可知的可扩展RRM解决方案。该解决方案是可扩展的，以支持数千万个AP。与用于Wi-Fi SON管理器节点的反应式RRM算法相比，本文中所描述的实施例使用基于预测和学习原理操作的主动式RRM优化算法，尽管该架构足够广泛以覆盖反应式和主动式算法。在SON架构的一个实现方式中，使用来自每个AP的RF调查数据以及网络负载数据。

为了可扩展到数千万个AP，SON管理器是模块化架构。在模块化架构中，网络切片器算法首先基于SON管理器节点采集的RF扫描数据来执行网络聚集和分段。RF扫描数据是由AP创建的RF扫描报告，其中使用主动或被动的信道扫描，AP识别所有信道上的相邻AP。切片器算法使用这些扫描报告并创建有限大小的网络区段。形成这些区段使得它们对彼此的RF影响(干扰)最小。区段大小都小于最大阈值，该最大阈值标记了及时(即，在下一个RRM调度时间之前准备好RRM结果)运行RRM优化算法的AP数量的最终大小。切片器算法的目标是保持更新A P区段和集群，使得RRM优化可以单独且独立地在每个区段上运行。

在一个实施例中，RRM算法在调度的时间处、在每个区段上运行。RRM调度时间由调度器算法确定。RRM优化动作的粒度定义为RRM时隙。换句话说，RRM时隙是两个连续RRM优化的最小时间差。例如，如果每小时执行一次RRM优化，则时隙被定义为一小时。本文中所描述的解决方案独立于优化器中使用的RRM算法。换句话说，任何主动式或反应式RRM优化都可以在RRM优化器中使用，但由于这些算法具有预测性质以及它们的可扩展性，因此主动式方法可能更适合。向RRM优化器输入从网络采集的各种网络参数和统计信息，包括来自AP的RF扫描报告、AP负载值以及空中时间利用率统计等。然而，向RRM优化器的输入不限于前述参数和度量。基本上，可以将任何网络可观察参数和统计信息都用作向RRM优化器的输入。

在一个实现方式中，预测的业务负载值以及最新的RF扫描报告用于在网络的AP上进行信道分配。对于业务和网络负载(需求)数据，使用预测式方法，其中采集和平滑针对每个时隙所采集的网络负载信息，然后基于下一个RRM周期的相同时隙的预测网络负载进行预测。通过获得最新的RF调查数据以及预测的业务负载，可以针对每个RRM时隙执行RRM优化算法。注意，通过执行预测式RRM，可以实施主动式RRM解决方案。换句话说，在采集RRM RF调查的同时，获得直到下一个RF调查时间的优化的RRM配置设置。注意，网络切片器使用RF扫描数据以及RRM优化算法。

如上所述，SON解决方案还包含调度器，该调度器调度RRM优化任务。调度器可以用于控制效率和提高RRM解决方案的有效性。切片器算法以及调度器和优化多线程将产生可扩展的RRM解决方案。

本文中所讨论的预测式RRM解决方案具有至少一些以下优点。

·基于网络学习原则进行操作，并通过使用最新的RF调查数据以及从网络采集的网络性能统计信息来优化网络。

·真正是供应商不可知的。

·可以容易地部署在云服务器中。

·它是水平可扩展的(数千万个AP)。

·低信令和控制开销。

·模块化和可扩展架构。

·灵活用于不同的网络场地和业务条件。

提出了可扩展的预测式RRM Wi-Fi SON管理器和实现供应商不可知的RRM的系统架构。该解决方案的可扩展性来自解决方案的模块化设计，包括网络切片器、预测式RRM优化器和调度器。

RRM解决方案遵循模块化和可扩展架构，包括以下构建块：

·网络切片器

·数据采集器

·RRM调度器

·RRM优化器

图1示出了Wi-Fi SON 2管理器架构及其构建组件。网络切片器4负责将网络聚集和分段为更小的集群和区段。每个区段可以包含有限数量的受控BSS。然后，RRM优化器8优化每个网络区段的RRM配置设置(例如，tx功率或工作信道)。进行分段使得不同的区段对彼此的RF影响最小。切片器4是Wi-Fi SON解决方案的主要组件，其提供高达数千万AP级别的可扩展性。切片器功能是将受控Wi-Fi网络切片为可由R RM优化器管理的多个区段。

该算法被设计为维持与RRM目标的区段相关性。在这方面，基于RRM优化和RRM优化器8的能力，确定最大区段大小。该值是可以由RRM优化线程处理的区段的最大大小。这是一个输入参数，可以使用配置文件或命令行接口(CLI)进行配置。

切片功能可以仅依赖于来自AP的背景信道扫描(BCS)报告。BCS报告包含AP的邻居列表和与每个邻居关联的RSSI值以及它们的工作信道。AP可以通过被动扫描所有可能的信道并监听来自其他相邻AP的信标帧来得到该信息。另一种可能性是通过发送探测帧来主动扫描信道。

数据采集器12负责为每个段和每个RRM时隙采集和平滑来自网络的网络统计信息、业务和网络负载数据，以及采集来自每个AP的RF调查数据。

RRM时隙被定义为RRM优化的粒度。例如，如果RRM执行每小时优化，则时隙定义为一小时。RRM周期和RRM时隙的示例概念在图2中给出。RRM周期是假设网络行为在业务负载和模式方面是周期性的时间段。R RM时隙是可以运行RRM优化的时间。这是可以优化网络的最佳时间粒度。通常，可以从AP采集其他网络参数和统计信息，并且使用适当的低通滤波器对其进行平滑并将其保存在数据采集器中。然后，RRM优化器8可以使用该网络信息来运行RRM优化算法并确定最优RRM配置。

RRM优化器8由一组RRM算法组成，其目标是对不同的RRM配置参数执行RRM优化。虽然RRM优化器不限于所调用的优化算法类型，但是在RRM优化器8中使用主动式算法将提供更可扩展的Wi-Fi SON解决方案。

预测式和主动式RRM的概念来自于在WLAN的AP上具有周期性业务负载的想法。因此，RRM周期在网络中定义，并且认为业务模式(例如，容量、类型和分布)在不同的RRM周期上高度相关。例如，在办公楼中，员工每个上午8点上班，下午12点至下午1点之间去吃午餐，下午5点左右离开办公室。该模式每天重复，因此可以将RRM周期定义为一天。然而，可以将RRM周期定义为一周，因为工作日和周末的业务模式不同。

如在图2中观察到，在每个RRM周期期间定义RRM时隙，RRM时隙确定执行RRM优化的时间粒度。基于RRM优化器8的处理能力以及SON管理器接口的带宽、系统延迟要求以及业务一致性时间来定义时隙，业务一致性时间是假设业务是相关的(没有剧烈改变)的持续时间。注意，选择时隙持续时间可以基于上述因素之间的权衡。RRM周期的一个示例是一星期，即假设业务模式是周期性的，周期为一星期。时隙的示例是一小时，即每小时执行一次RRM。在该示例中，假设在不同星期的一星期中的同一天的每小时上的业务模式是相关的。图2示出了RRM周期、RRM时隙和时隙之间的相关性。

RRM调度器6负责调度由RRM优化器执行的RRM优化。RRM调度器6可以通过避免执行不必要的RRM优化(其施加处理开销)并且还通过限制每个AP的改变的数量来控制整个RRM解决方案的效率。一个AP上的RRM改变太频繁是不利的，因为这可能导致停机以及无线设备用户服务中断。

调度器6是在SON管理器节点架构中提供可扩展性的另一单元。调度器6的功能是在所有可用RRM时隙中选择RRM时隙的子集。在一个实施例中，调度器6基于可从先前RRM周期获得的成本值来执行RRM调度。它挑选之前RRM周期中成本较高的时隙。这通过在网络上定义成本函数来完成。在另一实施例中，基于最近的RF扫描结果以及预测的负载值来做出调度决策。

Wi-Fi SON架构包括两个主要接口：

·网络数据或其他大数据接口16：SON管理器从运行RRM优化算法所需的网络(AP)采集网络数据。这包括但不限于来自AP的RF扫描报告、业务负载统计信息、信道利用率统计信息、AP静态配置参数等。如本文中所使用的“大数据”指代可以计算分析以揭示模式、趋势和关联的大数据集。这样，大数据接口16指代用于在预定大小阈值上采集大数据集的接口，其中阈值不是固定的并且取决于特定的实现方式和设计需求。

·批量配置接口14：在运行优化算法后，需要将最优RRM配置参数发送给AP，使得AP可以更新其参数。SON管理器使用该接口发送批量RRM配置参数。

这两个接口可以连接到中间层，该中间层存储网络数据和网络AP要使用的RRM配置参数。

参考图3描述在“云”服务器实施例中的预测式RRM解决方案的实现。在该实施例中，Wi-Fi SON管理器2安装在云服务器18中，云服务器18从大数据服务器20获得RF调查和业务负载数据。大数据服务器20使用运营商中间层24来采集RF调查以及来自运营商网络的业务负载数据。Wi-Fi SON管理器将RRM配置参数写入运营商配置接口22，运营商配置接口22的职责是改变运营商网络中AP的RRM配置设置。注意，本文中所描述的功能和过程预计可以分布在若干物理节点和/或设备上。例如，SON管理器2的功能可以分布在多个物理节点之间，并且不限于在单个物理节点或云服务器设备中实现。

在另一实施例中，整个Wi-Fi SON管理器2可以被定义为托管的Wi-Fi SON管理器节点，其为不同网络的AP提供RRM服务。在该实现方式中，RRM服务被出售给运营商。这意味着所有维护、支持和升级均由R RM服务提供商而非移动运营商执行。该实现方式的有益之处是将更多受管理的AP一起优化，即，不受管理的节点对受管理器节点的性能的影响将最小化，并且更多AP可以得到RRM服务的益处。此外，在单个S ON管理器内本地提供升级、维护和支持，而不是用操作不协调且有时相互矛盾的具有不同架构、目标和要求的多个SON管理器。最后，这种实现方式提供了更有效的RRM服务，因为网络功能虚拟化技术可以在硬件、存储和处理方面提供更有效的SON服务的实现方式。

因此，提供了一种用于Wi-Fi网络中的无线电资源管理的基于预测的RRM解决方案。本文中所描述的结构架构可以包括数据采集器12、RRM优化器8、网络切片器4和RRM调度器6。在预测式RRM的上下文中，RRM周期和RRM时隙的概念对于描述该架构是有用的。一些实施例包括基于云的解决方案的实现方式。

图4是具有处理电路32的SON管理器节点2的框图。在一些实施例中，处理电路32可包括存储器34和处理器36，存储器34包含指令，当指令由处理器36执行时，配置处理器36以执行本文所描述的关于数据采集器12、RRM优化器8、网络切片器4和RRM调度器6的一个或多个功能。除了传统的处理器和存储器之外，处理电路32可以包括用于处理和/或控制的集成电路，例如一个或多个处理器和/或处理器内核和/或FP GA(现场可编程门阵列)和/或ASIC(专用集成电路)。

处理电路32可以包括和/或连接到和/或被配置用于访问(例如，写入和/或读取)存储器34，存储器34可以包括任何类型的易失性和/或非易失性存储器，例如高速缓存和/或缓冲存储器和/或RAM(随机存取存储器)和/或ROM(只读存储器)和/或光存储器和/或EPROM(可擦除可编程只读存储器)。这种存储器34可以被配置用于存储可由控制电路执行的代码和/或其它数据，例如与通信有关的数据，例如节点的配置和/或地址数据等。处理电路32可以被配置为控制本文中所描述的任何方法和/或使这些方法例如由处理器36执行。对应的指令可以存储在存储器34中，存储器34可以是可读的和/或可读地连接到处理电路32。换句话说，处理电路32可以包括控制器，该控制器可以包括微处理器和/或微控制器和/或FPGA(现场可编程门阵列)器件和/或ASIC(专用集成电路)器件。可以认为处理电路32包括或可以连接或可连接到存储器，存储器可以被配置为可由控制器和/或处理电路32访问以便读取和/或写入。

存储器34被配置为存储由处理器36使用以创建网络区段的射频(RF)扫描数据。在一个实施例中，处理器36执行软件以执行可扩展的RRM功能。处理器36经由数据采集器12从无线接入点AP接收RF扫描数据。如上所述，网络区段切片器4基于RF扫描数据创建有限大小的网络区段，并且RRM调度器6在连续的RRM周期中的RRM时隙中调度周期性运行的RRM优化算法。RRM优化器8在被调度的RRM时隙期间执行RRM优化算法。

在一些实施例中网络区段的大小小于预定阈值。在一些实施例中，预定阈值基于运行RRM优化算法的AP的数量。在一些实施例中，预定阈值基于连续RRM时隙之间的时间量。在一些实施例中，SON管理器节点2在由运营商托管的云中。在一些实施例中，SON管理器节点2还包括配置接口和大数据接口，配置接口被配置为向AP发送工作参数，大数据接口被配置为从AP接收RF扫描数据。

图5是具有存储器模块34的SON管理器节点2的备选实施例的框图，存储器模块34存储RF扫描数据48，并且还包括当由处理器执行时，执行SON管理器节点2的功能的软件模块。数据采集器模块41被配置为从无线接入点AP接收射频RF扫描数据。网络切片器模块43被配置为基于RF扫描数据来创建有限大小的网络区段。RRM调度器模块45被配置为在连续RRM周期中的RRM时隙中调度周期性运行的RRM优化算法。RRM优化器模块47被配置为在被调度的RRM时隙期间执行RRM优化算法。

图6是在WLAN中提供可扩展RRM的SON管理器节点2中的示例性过程的流程图。该过程包括从无线接入点AP 25接收射频RF扫描数据(框S100)。该过程包括基于RF扫描数据创建有限大小的网络区段(框S102)。该过程还包括在每个连续RRM周期中的RRM时隙中周期性地运行RR M优化器算法(框S104)。

缩略语解释

·AP 接入点

·CSMA/CA 载波侦听多址接入/冲突避免

·DL 下行链路

·MAC 媒体访问控制

·PHY 物理层

·STA IEEE 802.11站

·UL 上行链路

·WLAN 无线局域网

·RRM 无线电资源管理

·SON 自组织网络

·ACC AP信道容量

·KPI 关键性能指标

·Tx 发送

·Rx 接收

·BSS 基本服务集

·RF 射频

·RSSI 接收信号强度标识符

一些实施例包括：

实施例1.一种自组织网络SON管理器节点中的方法，所述方法在无线局域网WLAN中提供可扩展无线电资源管理RRM，该方法包括：

从无线接入点AP接收射频RF扫描数据；

基于RF扫描数据创建有限大小的网络区段；以及

在每个连续的RRM周期中的RRM时隙中周期性地执行RRM优化算法。

实施例2.根据实施例1的方法，其中，网络区段的大小小于预定阈值。

实施例3.根据实施例2的方法，其中，所述预定阈值基于执行RRM优化算法的AP的数量。

实施例4.根据实施例3的方法，其中，所述预定阈值基于连续RRM时隙之间的时间量。

实施例5.根据实施例1的方法，其中，所述SON管理器节点是云服务器。

实施例6.根据实施例5的方法，其中，所述云服务器与如下接口连接：

配置接口，被配置为向AP发送工作参数；以及

数据接口，被配置为从AP接收RF扫描数据。

实施例7.一种自组织网络SON管理器节点，被配置为在无线局域网WLAN中提供可扩展的无线电资源管理RRM，所述节点包括：

处理电路，包括存储器和处理器；

存储器，被配置为存储RF扫描数据；

处理器被配置为：

从无线接入点AP接收射频RF扫描数据；

基于所述RF扫描数据创建有限大小的网络区段；

调度RRM优化算法在连续的RRM周期中的RRM时隙中的周期性执行；以及

在每个连续RRM周期中被调度的RRM时隙期间周期性地执行RRM优化算法。

实施例8.根据实施例7的节点，其中，网络区段的大小小于预定阈值。

实施例9.根据实施例8的节点，其中，所述预定阈值基于运行RRM优化算法的AP的数量。

实施例10.根据实施例9的节点，其中，所述预定阈值基于连续的RRM时隙之间的时间量。

实施例11.根据实施例1的节点，其中，所述SON管理器节点是云服务器。

实施例12.根据实施例11的节点，还包括：

配置接口，被配置为向AP发送工作参数；以及

数据接口，被配置为从AP接收RF扫描数据。

实施例13.一种自组织网络SON管理器节点，被配置为在无线局域网WLAN中提供可扩展的无线电资源管理RRM，所述节点包括：

数据采集器模块，被配置为从无线接入点AP接收射频RF扫描数据；

网络切片器模块，被配置为基于所述RF扫描数据来创建有限大小的网络区段；

RRM调度器模块，被配置为调度RRM优化算法在连续RRM周期中的RRM时隙中的周期性执行；以及

RRM优化器模块，被配置为在被调度的RRM时隙期间执行RRM优化算法。

如本领域技术人员所意识到的：本文中所描述的构思可以体现为方法、数据处理系统和/或计算机程序产品。因此，本文中所描述的构思可以采取全硬件实施例、全软件实施例或组合了软硬件方面的实施例的形式，它们在本文中都被统称为“电路”或“模块”。此外，本公开的一些实施例可以采取有形计算机可用存储介质上的计算机程序产品的形式，该计算机可用存储介质具有包含在可由计算机执行的介质中的计算机程序代码。可以利用任何合适的有形计算机可读介质，包括硬盘、CD-ROM、电存储设备、光存储设备或磁存储设备。

在本文中，参考方法、系统和计算机程序产品的流程图图示和/或框图描述了一些实施例。应理解，流程图图示和/或框图中的每一个框，以及流程图图示和/或框图中的多个框的组合可以通过计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机的处理器(从而创建专用计算机)、专用计算机或用来产生机器的其他可编程数据处理装置，使得该指令(经由计算机的处理器或其他可编程数据处理装置执行)创建用来实现流程图和/或一个或多个框图方框中指定的功能/动作的装置。

这些计算机程序指令也可以存储在能指导计算机或其他可编程数据处理装置以特定方式运行的计算机可读存储器或存储介质中，使得计算机可读存储器中存储的指令产生包括实现流程图和/或一个或多个框图方框中指定的功能/动作的指令装置的制品。

计算机程序指令也可以装载在计算机或其他可编程数据处理装置中，使一系列可操作步骤在计算机或其他可编程装置上执行以生成计算机实现的处理，使得在计算机或其他可编程装置上执行的指令提供用于实现流程图和/或一个或多个框图方框中指定的功能/动作的步骤。

应当理解，方框中标注的功能/动作可以不按操作说明中标注的顺序发生。例如，根据所涉及的功能/动作，连续示出的两个方框实际上可以基本同时执行，或者方框有时候可以按照相反的顺序执行。尽管一些图包括通信路径上的箭头来指示通信的主要方向，但应理解可以在与所指示的箭头的相反方向上进行通信。

用于执行本文中所描述的构思的操作的计算机程序代码可以用诸如或C++之类的面向对象的编程语言来编写。然而，用于执行本公开的一些实施例的操作的计算机程序代码也可以用诸如“C”编程语言之类的传统过程编程语言来编写。程序代码可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立软件包来执行，部分在用户计算机上且部分在远程计算机上执行，或完全在远程计算机上执行。在后一种情况下，远程计算机可以通过局域网(LAN)或广域网(WAN)连接到用户的计算机，或者可以连接外部计算机(例如，使用互联网服务提供商通过互联网)。

结合以上描述和附图，本文中公开了许多不同的实施例。应理解，逐字地描述和说明这些实施例的每个组合和子组合将会过分冗余和混淆。因此，可以用任何方式和/或组合来组合全部实施例，并且包括附图的本说明书将被解释以构建本文所描述的实施例的全部组合和子组合以及制造和使用它们的方式和过程的完整书面说明，并且将支持要求任意这种组合或子组合的权益。

本领域技术人员应认识到，本文中所描述的实施例不限于以上已经在本文中具体示出和描述的内容。另外，除非在上面相反地提及，否则应该注意的是，所有附图都不是按比例绘制的。在仅由所附权利要求限定的上述教导的启发下，可以进行各种修改和变化。

Claims

1.一种自组织网络SON管理器节点中的方法，所述方法在无线局域网WLAN中提供可扩展无线电资源管理RRM，所述方法包括：

从无线接入点AP接收射频RF扫描数据；

基于所述RF扫描数据创建有限大小的网络区段；以及

2.根据权利要求1所述的方法，其中，所述网络区段的大小小于预定阈值。

3.根据权利要求2所述的方法，其中，所述预定阈值基于执行所述RRM优化算法的AP的数量。

4.根据权利要求3所述的方法，其中，所述预定阈值基于连续RRM时隙之间的时间量。

5.根据权利要求1所述的方法，其中，所述SON管理器节点是云服务器。

6.根据权利要求5所述的方法，其中，所述云服务器与以下接口连接：

配置接口，被配置为向AP发送工作参数；以及

数据接口，被配置为从所述AP接收所述RF扫描数据。

7.一种自组织网络SON管理器节点，被配置为在无线局域网WLAN中提供可扩展的无线电资源管理RRM，所述节点包括：

处理电路，被配置为：

存储RF扫描数据；

从无线接入点AP接收射频RF扫描数据；

基于所述RF扫描数据创建有限大小的网络区段；

在每个连续的RRM周期中被调度的RRM时隙期间周期性地执行所述RRM优化算法。

8.根据权利要求7所述的节点，其中，所述网络区段的大小小于预定阈值。

9.根据权利要求8所述的节点，其中，所述预定阈值基于运行所述RRM优化算法的AP的数量。

10.根据权利要求9所述的节点，其中，所述预定阈值基于连续的RRM时隙之间的时间量。

11.根据权利要求1所述的节点，其中，所述SON管理器节点是云服务器。

12.根据权利要求11所述的节点，还包括：

配置接口，被配置为向AP发送工作参数；以及

数据接口，被配置为从所述AP接收所述RF扫描数据。

13.一种自组织网络SON管理器节点，被配置为在无线局域网WLAN中提供可扩展的无线电资源管理RRM，所述节点包括：

RRM调度器模块，被配置为调度RRM优化算法在连续的RRM周期中的RRM时隙中的周期性执行；以及

RRM优化器模块，被配置为在被调度的RRM时隙期间执行所述RRM优化算法。