CN110557773B - 使用从集中式存储库接收到的分类器对干扰设备分类 - Google Patents
使用从集中式存储库接收到的分类器对干扰设备分类 Download PDFInfo
- Publication number
- CN110557773B CN110557773B CN201810558153.6A CN201810558153A CN110557773B CN 110557773 B CN110557773 B CN 110557773B CN 201810558153 A CN201810558153 A CN 201810558153A CN 110557773 B CN110557773 B CN 110557773B
- Authority
- CN
- China
- Prior art keywords
- fft
- classifier
- access point
- repository
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J11/00—Orthogonal multiplex systems, e.g. using WALSH codes
- H04J11/0023—Interference mitigation or co-ordination
- H04J11/0066—Interference mitigation or co-ordination of narrowband interference
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
- H04B1/707—Spread spectrum techniques using direct sequence modulation
- H04B1/7097—Interference-related aspects
- H04B1/71—Interference-related aspects the interference being narrowband interference
- H04B1/7102—Interference-related aspects the interference being narrowband interference with transform to frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及使用从集中式存储库接收到的分类器对干扰设备分类。示例方法包括:通过无线局域网(WLAN)中的接入点,从干扰设备接收多个无线干扰信号;通过接入点,根据从干扰设备接收到的多个无线干扰信号导出快速傅立叶变换(FFT)模型;通过接入点,将FFT模型传送到远离接入点的集中式存储库;通过接入点,从集中式存储库接收分类器;以及通过接入点,基于FFT模型、使用从集中式存储库接收到的分类器将干扰设备分类为特定的设备类型。
Description
背景技术
无线局域网(WLAN)中的接入点(AP)可以通过周期性地使用其一个或多个无线电设备扫描无线操作频带中的不同无线通信信道达到预定持续时间,来支持频谱监测。在每个频谱扫描持续时间之后,一个或多个无线电设备可以被配置成是空闲的或者提供无线服务,直到下一个频谱扫描持续时间开始。在频谱扫描期间,在多个离散采样窗口内,可以对通过一个或多个无线电设备检测到的干扰信号进行采样,并且可以对测量结果进行记录。在每个采样窗口之后,可以产生包含与对该采样窗口记录的测量结果相关联的数据的频谱报告。与测量结果相关联的这些数据可以使用例如快速傅立叶变换(FFT)来处理。AP可以使用一组预定义分类器对干扰的类型进行分类。
附图说明
以下详细说明参照附图,其中:
图1是用于使用从集中式存储库接收到的分类器对干扰设备进行分类的示例网联网环境的框图;
图2是使用从集中式存储库接收到的分类器对干扰设备进行分类的示例通信交换的序列图;
图3是使用从集中式存储库接收到的分类器对干扰设备进行分类的示例过程的流程图;和
图4是使用从集中式存储库接收到的分类器对干扰设备进行分类的示例网络设备的框图。
具体实施方式
WLAN中的AP可以周期性地扫描在无线操作频谱中的不同无线通信信道。在频谱扫描期间,可以对通过AP检测到的干扰信号进行采样,并且可以记录一组测量结果。可以生成包含与对该采样窗口记录的测量结果相关联的数据的频谱报告。与测量结果相关联的这些数据可以使用例如快速傅立叶变换(FFT)来处理。此外,AP可以使用本地存储在AP上的一组预定义分类器来对干扰的类型进行分类。具体地,可以识别与分类器唯一相关联的FFT模型。
由于AP的有限存储器容量,本地存储在AP中的分类器数量受限。在新的干扰设备类型未被一组预定义分类器覆盖时,则不能正确地对该新的干扰设备类型进行分类。此外,可以在实验室情境中从采样设备中学习或生成本地存储在AP上的一组预定义分类器。因此,在与通过AP接收到的干扰信号相关联的FFT模型和与该干扰信号所对应的干扰设备类型相匹配的FFT模型之间可能存在差异。这可能导致预定义分类器不能正确地识别分类该干扰信号。
如本文所使用的,“接入点”(AP)通常指的是用于任何已知的无线接入技术或者以后可能成为已知的方便的无线接入技术的接收点。具体地,术语AP不旨在限于基于IEEE802.11的AP。AP通常用作电子设备,该电子设备适于允许无线设备经由各种通信标准连接到有线网络。
如本文所使用的,“网络设备”通常包括适于传送和/或接收信令以及处理在信令内的信息的设备,例如站点(例如,诸如计算机、蜂窝电话、个人数字助理、平板设备等任何数据处理装置)、接入点、数据转送设备(例如网络交换机、路由器、控制器等)等。例如,“网络设备”可以指网络控制器,该网络控制器包括使客户端设备和计算机网络之间的连接成为可能的硬件或者硬件和软件的组合。在一些实施方式中,网络设备可以指服务器计算设备(例如,预置服务器,私有、公共或混合云服务器),该服务器计算设备包括能够处理和/或显示网络相关的信息的硬件或者硬件和软件的组合。在一些实施方式中,网络设备可以指在接入点集群之间用作虚拟主网络控制器的接入点。
图1是用于使用从集中式存储库接收到的分类器对干扰设备进行分类的示例联网环境的框图。具体地,图1包括至少一个WLAN 100和云平台110。WLAN 100可以包括多个网络设备(包括但不限于接入点AP1 141、AP2 142、…、APN 149)和多个客户端设备(包括但不限于客户端1 151、客户端2 152、…、客户端N 159)。WLAN 100中的每个AP可以向一个或多个客户端设备提供无线网络接入和服务。在示例WLAN 100中,仅为了说明的目的,假设客户端1 151和客户端2 152二者都与AP1 141相关联;客户端N 159与APN 149相关联;等等。除了WLAN 100中的AP(例如,AP1 141到APN 149)服务客户端设备之外,其他设备也可以以特定频率传送无线信号,该特定频率与WLAN中的AP的至少一个操作信道中的频率重叠。在一些示例中,AP可以选择在多个支持的无线通信信道中的一个通信信道中操作。在一些示例中,干扰信号的频率可能不与AP的当前操作信道的频率重叠,但是该干扰信号的频率仍然可以与该多个支持的无线通信信道中的一个通信信道的频率重叠。AP可以在关闭其操作信道时检测这些干扰信号并且对AP所支持的多个无线通信信道执行周期频谱扫描。
可以生成包含与对干扰信号记录的测量结果相关联的数据的频谱报告。可以使用快速傅立叶变换(FFT)处理与测量结果相关联的这些数据。FFT通常可以指在一段时间或空间上采样信号并将该信号划分成多个频率分量的机制,该频率分量也可以称为FFT窗口(bin)。这些分量或窗口是不同频率的单正弦振荡,每个振荡具有各自的振幅和相位。所测量的时间段上的变换可以被图形化,并且可以识别与干扰设备类型相关联的FFT模型。FFT模型可以包括在每个FFT窗口中的一组振幅和相位。AP(例如,AP1 141至APN 149)可以使用多个分类器来基于FFT模型对干扰信号进行分类。虽然这里使用FFT样本来说明,但是与测量结果相关联的数据可以通过使用任何其他合适的信号处理方法(例如,诸如分数傅立叶变换(FRFT)、线性正则变换(LCT)、拉普拉斯变换(LT)等)来处理。
在一些示例中,分类器是预先定义的并且本地存储在AP上。AP中的无线接收器可以对应于受控环境(例如,实验室情境)中的已知干扰源来校准无线信号。校准过程可以捕获由特定类型的接收器所看到的干扰特征,并且该特征例如可以包括相对峰值振幅、峰均值比、中心频率、脉冲重复频率、跳频图、带宽、本底噪声(noise floor)等。AP可以校准最佳和最坏情况下干扰源的识别参数。这些校准值可以统称为干扰分类器(或“分类器”)。分类器可用于匹配在AP的频谱监测过程期间捕获到的干扰特征。
在一些示例中,AP可能具有有限的存储器容量,并且因此无法存储多个分类器。在这样的场景中,每个AP可以选择与过去在AP的操作信道中频繁可见的干扰信号相对应的一组预先定义的分类器。
在AP执行频谱监测时,AP可以扫描指定的信道并收集FFT窗口。然后,可以使用预定义分类器来检查收集到的FFT窗口,以确定FFT窗口是否可以被分类为干扰,原因在于FFT窗口与已知的干扰FFT模型匹配。用于对收集到的FFT窗口进行分类的特定的预定义分类器还可以提供与干扰设备类型、供应商等有关的信息。
在检测到的信号与不被一组预定义分类器覆盖的新干扰源类型相关联时,AP可能无法正确地对干扰设备类型进行分类。此外,可以在实验室情境而不是工业情境中从采样设备中学习或生成本地存储在AP上的一组预定义分类器。因此,在与通过AP接收到的干扰信号相关联的FFT模型和与该干扰信号所对应的干扰设备类型相匹配的FFT模型之间可能存在差异。这种差异可以防止干扰信号被预先定义的分类器正确地分类。
按照惯例,为了对新的干扰源类型进行分类,将生成新的分类器并将其包括在接入点的更新版本的操作系统(OS)映像中。在AP下载并安装更新版本的OS映像时,AP将使新的分类器本地存储,并且能够对新的干扰源类型的任何未来干扰信号进行分类。然而,更新版本的OS映像周期性地发布,而不是按需发布。因此,WLAN 100的管理员和/或运营商在能够安装和使用新的分类器之前可能需要等待很长一段时间。注意,在AP没有安装更新版本的OS映像的情况下,AP没有办法使用新的分类器。
根据本公开的示例,集中式频谱监测服务(CSM)120可以被部署到云平台110。在一些示例中,CSM 120可以位于分离的设备中。与WLAN 100中的接入点(AP1 141至APN 149)相比,在云平台110中运行CSM 120的设备可能具有更大的存储器容量。在一些示例中,CSM120可以以分布式方式同时在多个设备上运行,并且利用来自云平台110中的多个设备的存储器。因此,CSM 120能够维护多个分类器130,例如,分类器1 131、分类器2 132、分类器3133、分类器4 134、…、分类器N 139等,这些分类器对网络供应商是已知的。
在AP(例如,AP1 141)不能使用本地存储在AP上的一组预定义分类器对干扰信号进行分类时,AP可以通过云平台110将FFT模型转发到CSM 120。FFT模型可以包括干扰特征,包括但不限于,在不同的FFT窗口中的相对峰值振幅、峰均值比、中心频率、脉冲重复频率、跳频图、带宽、本地噪声等。预定义分类器的示例可以包括能够识别干扰源类型(例如,微波、视频桥接器、无绳电话等)的分类器。
在CSM 120从AP接收到FFT模型之后,CSM 120可以在集中式存储库中执行查找。集中式存储库可以存储多个分类器130。分类器130可以基于由网络供应商支持的多个不同网络中的多个AP收集到的干扰特征(例如,FFT模型)来生成。在一些示例中,与同一类干扰源(例如,微波)相关联的分类器对于不同的供应商可能是不同的。利用云平台110提供的大存储器容量,CSM 120能够存储与不同类型的干扰源相关的不同分类器,这些干扰源对应于干扰设备的不同供应商。
如果CSM 120识别到集中式存储库130中的与干扰特征匹配的分类器,则CSM 120可以在响应中将识别到的分类器传送到AP。然后,AP可以更新本地存储的一组分类器,以包括识别到的分类器,该识别到的分类器能够用于对新的干扰源类型进行分类。在一些示例中,AP可以基于在其操作信道上接收到的干扰信号来维护AP最常用的分类器的子集。在一些示例中,AP可以基于在其操作信道上接收到的干扰信号来维护AP最近使用的分类器的子集。在一些示例中,代替传送分类器,CSM 120可以通过将识别到的分类器应用到从AP接收到的一个或多个干扰特征和/或一个或多个FFT模型来将分类结果传送到AP。
在一些示例中,有时即使在集中式存储库中存储大量的分类器,CSM 120仍然可能无法识别与从WLAN 100中的AP接收到的干扰特征相匹配的分类器。换言之,干扰信号仍然不能被CSM 120可访问的现有分类器130识别。在这种情况下,CSM 120可以保存未知的干扰特征,并将未知状态返回到WLAN 100中的AP。此外,CSM 120可以将未知干扰特征划分成簇,并将机器学习机制周期性地应用在未知的干扰特征上以生成新的分类器或更新现有分类器。因此,通过CSM 120从多个WLAN中的多个网络设备收集未知干扰特征能够加速新的分类器的开发或与新干扰源类型相对应的现有分类器的调整。注意,这里的干扰特征可以从多个WLAN中的多个AP收集。
在一些示例中,在AP(例如,AP1 141)连接到CSM 120时,AP1 141和CSM 120可以交换每个分类器的版本。如果CSM 120中的特定分类器的版本比AP1 141中相同分类器的版本更新,则AP1 141能够自己下载新版本的特定分类器。可选择地,CSM 120可以将包括新版本的特定分类器的更新推送到WLAN 100中的AP(包括AP1141)。每当AP从CSM 120接收到更新,则每个AP中的相关内部分类器可以被更新。
CSM 120通常可以指在云平台110中运行的任何高级服务,该CSM 120能够维护对于大量和多种类型的无线干扰的分类器130。在一些示例中,可以从新的干扰FFT模型学习新的分类器。可以使用更多的新的干扰特征数据来刷新和调整现有的分类器。新的分类器和现有分类器二者可以在不中断WLAN 100中的现有网络设备和服务的情况下从AP动态地更新到CSM 120。
在一些示例中,可以将新的分类器动态地下载到WLAN 100中的AP。例如,假设AP的射频(RF)环境改变,原因在于新的微波被放置在AP附近,导致AP的操作信道上的周期性干扰。微波可以来自与任何已知的微波干扰特征不相关联的新品牌(brand)。响应于该RF环境改变,在AP确定其已经检测到未知的微波干扰信号达到阈值次数和/或已经从CSM 120接收到对于新品牌的微波干扰源的新的分类器达到阈值次数时,AP可以更新其本地存储的分类器组以包括新的分类器。
同时,可以基于通过WLAN 100中的AP所报告的干扰特征和/或FFT模型来提供云平台110中的频谱监测服务。这些服务可以被许可在软件即服务(SaaS)模型中。在一些示例中,云平台110可以提供多个级别的频谱监测服务。具体地,高级别的频谱监测服务可以使用CSM 120中的高度综合的分类器数据库来匹配干扰特征,并且可以收取高额的许可费来消费该服务。另一方面,低级别的频谱监测服务可以使用CSM 120中的简化分类器数据库来匹配干扰特征,并且可以收取低许可费来消费该服务。
在一些示例中,存储分类器130的集中式存储库可以进一步被划分为子组。每个子组可以存储与特定类型的WLAN部署相对应的分类器。例如,在图1中,分类器1131和分类器3133可以属于第一子组,而分类器2 132和分类器N 138可以属于第二子组。第一子组可以与基于控制器的WLAN部署相对应。此外,第二子组可以与无控制器的WLAN部署相对应。对分类器进行子分组可以提高CSM 120提供的频谱监测服务的效率,原因在于相同类型的WLAN部署可以观察到干扰信号的相似的干扰特征和/或FFT模型。
图2示出了使用从集中式存储库接收到的分类器对干扰设备进行分类的示例通信交换的序列图。具体地,图2包括至少一个干扰设备210、CSM 220和AP 230。干扰设备210可以是能够在包括AP 230的WLAN中的至少一个网络设备的操作无线通信信道上传送无线信号的任何电子设备。干扰设备210的示例可以包括微波、无绳电话等。在图2所示的示例中,在时间点t1,AP 230开始信道扫描250。在时间点t2,干扰设备210传送在扫描特定无线信道时通过AP 230检测到的干扰信号240。然后,AP 230可以例如通过在一段时间内采样干扰信号240并将干扰信号240划分成在特定无线信道中的不同频率的多个FFT窗口来确定FFT模型252。接着,在时间点t3,AP 230可以在一组内部存储的预定义分类器中本地查找干扰特征254。仅为了说明的目的,假设AP 230确定干扰信号240包含未知特征242。在时间点t4,AP230可以将未知特征242传送到CSM 220。随后,在时间点t5,CSM 220可以查找260接收到的未知特征242。如果找到匹配分类器,则在时间点t6,CSM可以将分类器和/或分类结果244返回到AP 230。如果AP 230接收到新的分类器或者更新版本的现有分类器,则在时间点t7,AP230可以更新其本地分类器256。此外,如果分类器而不是分类结果被传送到AP 230,则在时间点t8,AP 230可以使用分类器对FFT模型258进行分类。
图3是使用从集中式存储库接收到的分类器对干扰设备进行分类的示例过程的流程图。在操作期间,示例网络设备(例如,WLAN中的接入点)能够从干扰设备接收多个无线干扰信号(操作310)。然后,网络设备可以根据从干扰设备接收到的多个无线干扰信号导出快速傅立叶变换(FFT)模型(操作320)。此外,网络设备可以将FFT模型传送到远离接入点的集中式存储库(操作330)。随后,网络设备能够从集中式存储库接收分类器(操作340)。此外,网络设备能够基于FFT模型、使用从集中式存储库接收到的分类器将干扰设备分类为特定的设备类型(操作350)。
在一些示例中,在接入点被提供在WLAN中时,本地存储库可以与被安装在接入点上的初始版本的操作系统映像相对应。分类器可以被包括在未被安装在网络设备(例如,接入点)上的后续版本的操作系统映像中。网络设备(例如,接入点)可以在未安装后续版本的操作系统映像的情况下使用分类器。
在一些示例中,网络设备可以进一步查找其本地存储库中的FFT模型,并确定本地存储库是否包括FFT模型。如果本地存储库不包括FFT模型,则网络设备(例如,接入点)可以将FFT模型传送到集中式存储库。
在一些示例中,网络设备(例如,接入点)可以响应于从集中式存储库接收到分类器来更新本地存储库以包括该分类器。
在一些示例中,不管本地存储库是否包括FFT模型,网络设备(例如,接入点)都可以以旁通模式将FFT模型传送到集中式存储库。
在一些示例中,云平台能够至少通知位于WLAN中的网络设备(例如,接入点)的射频(RF)邻域内的第二网络设备(例如,第二接入点)切换到旁通模式,并且不管第二网络设备(例如,第二接入点)处的第二本地存储库是否包括第二FFT模型,都将第二FFT模型传送到集中式存储库。第二FFT模型基于通过第二接入点接收到的多个无线干扰信号在第二接入点处被导出。
在一些示例中,集中式存储库能够从WLAN中的多个接入点收集FFT模型。
在一些示例中,集中式存储库能够使用机器学习机制来生成新的分类器或更新现有分类器,以对通过网络设备(例如,接入点)导出的FFT模型进行分类。
图4是使用从集中式存储库接收到的分类器对干扰设备进行分类的示例网络设备的框图。如本文所使用的,网络设备可以至少部分地通过硬件和编程的组合来实施。例如,硬件可以包含至少一个处理器(例如,处理器410),以及编程可以包含存储在至少一个机器可读存储介质(例如,420)上并且可由一个或多个处理器执行的指令。此外,网络设备还可以包括嵌入式存储器以及能够在主机系统中执行并用作该嵌入式存储器的驱动器的软件。如本文所使用的,“处理器”可以是集中式处理单元(CPU)、基于半导体的微处理器、图形处理单元(GPU)、被配置为检索和执行指令的现场可编程门阵列(FPGA)、适于检索和执行存储在机器可读存储介质上的指令的其它电子电路中的至少一种,或者它们的组合。
至少一个处理器410可以获取、解码和执行存储在存储介质420上的指令,以执行下面关于接收指令430、传送指令440、模型导出指令450和分类指令460描述的功能。在其他示例中,存储介质420中的任何指令的功能可以以电子电路的形式实施,以被编码在机器可读存储介质上的可执行指令的形式实施,或者以它们的组合的形式实施。存储介质可以位于执行机器可读指令的计算设备中,或者可以远离计算设备但可以(例如,经由计算机网络)由计算设备访问以执行。在图4的示例中,存储介质420可以通过一种机器可读存储介质或者多种机器可读存储介质实施。
虽然网络设备400包括至少一个处理器410和机器可读存储介质420,但是该网络设备400也可以包括其他合适的组件,例如附加处理组件(例如,一个或多个处理器、一个或多个ASIC等)、储存器(例如,一个或多个存储驱动器等)或者它们的组合。
如本文所使用的,“机器可读存储介质”可以是用于包含或存储诸如可执行指令、数据等信息的任何电子、磁、光或其他物理存储装置。例如,本文描述的任何机器可读存储介质可以是随机存取存储器(RAM)、易失性存储器、非易失性存储器、闪存、存储驱动器(例如,硬盘驱动器)、固态驱动器、任何类型的存储盘(例如,光盘、DVD等)中的任何一种,或者它们的组合。此外,本文描述的任何机器可读存储介质可以是非暂时性的。在本文描述的示例中,一种或多种机器可读存储介质可以是物品(或制品)的一部分。物品或制品可以指任何制造的单个组件或多个组件。
具体地,指令430-460可以由处理器410执行以:从干扰设备接收多个无线干扰信号;根据从干扰设备接收到的多个无线干扰信号导出快速傅立叶变换(FFT)模型;将FFT模型传送到远离接入点的集中式存储库;从集中式存储库接收分类器;基于FFT模型、使用从集中式存储库接收到的分类器将干扰设备分类为特定的设备类型;查找本地存储库中的FFT模型;确定本地存储库不包括FFT模型;响应于本地存储库不包括FFT模型,将FFT模型传送到集中式存储库;响应于从集中式存储库接收到分类器来更新本地存储库以包括分类器;等等。
Claims (20)
1.一种用于分类的方法,包括:
通过无线局域网WLAN中的接入点,从干扰设备接收多个无线干扰信号;
通过所述接入点,根据从所述干扰设备接收到的所述多个无线干扰信号导出快速傅立叶变换FFT模型;
通过所述接入点,将所述FFT模型传送到远离所述接入点的集中式存储库;
通过所述接入点,从所述集中式存储库接收分类器或分类结果;以及
通过所述接入点,基于所述FFT模型、使用从所述集中式存储库接收到的所述分类器将所述干扰设备分类为特定的设备类型。
2.根据权利要求1所述的方法,还包括针对所述FFT模型查找本地存储库,其中在所述接入点被提供在所述WLAN中时,所述本地存储库与被安装在所述接入点上的初始版本的操作系统映像相对应。
3.根据权利要求2所述的方法,其中所述分类器被包括在未被安装在所述接入点上的后续版本的操作系统映像中,并且其中所述接入点在未安装所述后续版本的操作系统影像的情况下使用所述分类器。
4.根据权利要求1所述的方法,进一步包括:
通过所述接入点,查找本地存储库中的所述FFT模型;以及
确定所述本地存储库不包括所述FFT模型,其中将所述FFT模型传送到所述集中式存储库是响应于所述本地存储库不包括所述FFT模型。
5.根据权利要求4所述的方法,进一步包括:
通过所述接入点,响应于从所述集中式存储库接收到所述分类器来更新所述本地存储库以包括所述分类器。
6.根据权利要求4所述的方法,其中不管所述本地存储库是否包括所述FFT模型,所述接入点以旁通模式将所述FFT模型传送到所述集中式存储库。
7.根据权利要求6所述的方法,其中云平台至少通知位于所述接入点的射频RF邻域内的第二接入点切换到所述旁通模式,并且不管所述第二接入点处的第二本地存储库是否包括第二FFT模型,将所述第二FFT模型传送到所述集中式存储库,其中所述第二FFT模型基于所述第二接入点接收到的所述多个无线干扰信号在所述第二接入点处被导出。
8.根据权利要求1所述的方法,其中所述集中式存储库收集包括所述接入点的所述WLAN中的多个接入点的FFT模型。
9.根据权利要求1所述的方法,其中所述集中式存储库使用机器学习机制来生成用于对通过所述接入点导出的所述FFT模型进行分类的分类器。
10.一种网络设备,至少包括:
存储器;
处理器,执行被存储在所述存储器中的指令以:
从干扰设备接收多个无线干扰信号;
根据从所述干扰设备接收到的所述多个无线干扰信号导出快速傅立叶变换FFT模型;
将所述FFT模型传送到远离网络设备的集中式存储库;
从所述集中式存储库接收分类器或分类结果;以及
基于所述FFT模型、使用从所述集中式存储库接收到的所述分类器将所述干扰设备分类为特定的设备类型。
11.根据权利要求10所述的网络设备,其中所述指令还用于针对所述FFT模型查找本地存储库,并且在所述网络设备被提供在WLAN中时,所述本地存储库与被安装在所述网络设备上的初始版本的操作系统映像相对应。
12.根据权利要求11所述的网络设备,其中所述分类器被包括在未被安装在所述网络设备上的后续版本的操作系统映像中,并且其中所述网络设备在未安装所述后续版本的操作系统映像的情况下使用所述分类器。
13.根据权利要求10所述的网络设备,其中所述处理器进一步执行被存储在所述存储器中的所述指令以:
查找本地存储库中的所述FFT模型;以及
确定所述本地存储库不包括所述FFT模型,其中将所述FFT模型传送到所述集中式存储库是响应于所述本地存储库不包括所述FFT模型。
14.根据权利要求13所述的网络设备,其中所述处理器进一步执行被存储在所述存储器中的所述指令以:
响应于从所述集中式存储库接收到所述分类器来更新所述本地存储库以包括所述分类器。
15.根据权利要求13所述的网络设备,其中不管所述本地存储库是否包括所述FFT模型,所述网络设备以旁通模式将所述FFT模型传送到所述集中式存储库。
16.根据权利要求15所述的网络设备,其中云平台至少通知位于所述网络设备的射频RF邻域内的第二网络设备切换到所述旁通模式,并且不管所述第二网络设备处的第二本地存储库是否包括第二FFT模型,将所述第二FFT模型传送到所述集中式存储库,其中所述第二FFT模型基于所述第二网络设备接收到的所述多个无线干扰信号在所述第二网络设备处被导出。
17.根据权利要求10所述的网络设备,其中所述集中式存储库收集在包括所述网络设备的WLAN中的多个网络设备的FFT模型。
18.根据权利要求10所述的网络设备,其中所述集中式存储库使用机器学习机制来生成用于对通过所述网络设备导出的所述FFT模型进行分类的分类器。
19.一种使用能由网络设备的至少一个硬件处理器执行的指令进行编码的非暂时性机器可读存储介质,所述机器可读存储介质存储指令以:
从干扰设备接收多个无线干扰信号;
根据从所述干扰设备接收到的所述多个无线干扰信号导出快速傅立叶变换FFT模型;
将所述FFT模型传送到远离接入点的集中式存储库;
从所述集中式存储库接收分类器或分类结果;以及
基于所述FFT模型、使用从所述集中式存储库接收到的所述分类器将所述干扰设备分类为特定的设备类型,其中所述分类器被包括在未被安装在所述接入点上的后续版本的操作系统映像中,并且其中所述接入点在未安装所述后续版本的操作系统映像的情况下使用所述分类器。
20.根据权利要求19所述的非暂时性机器可读存储介质,进一步存储指令以:
查找本地存储库中的所述FFT模型;
确定所述本地存储库不包括所述FFT模型,其中将所述FFT模型传送到所述集中式存储库是响应于所述本地存储库不包括所述FFT模型;以及
响应于从所述集中式存储库接收到所述分类器来更新所述本地存储库以包括所述分类器。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558153.6A CN110557773B (zh) | 2018-06-01 | 2018-06-01 | 使用从集中式存储库接收到的分类器对干扰设备分类 |
EP19177482.7A EP3584967B1 (en) | 2018-06-01 | 2019-05-30 | Classifying interfering devices using classifiers received from a centralized repository |
US16/427,744 US11171731B2 (en) | 2018-06-01 | 2019-05-31 | Classifying interfering devices using classifiers received from a centralized repository |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558153.6A CN110557773B (zh) | 2018-06-01 | 2018-06-01 | 使用从集中式存储库接收到的分类器对干扰设备分类 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110557773A CN110557773A (zh) | 2019-12-10 |
CN110557773B true CN110557773B (zh) | 2023-04-21 |
Family
ID=66999547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810558153.6A Active CN110557773B (zh) | 2018-06-01 | 2018-06-01 | 使用从集中式存储库接收到的分类器对干扰设备分类 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11171731B2 (zh) |
EP (1) | EP3584967B1 (zh) |
CN (1) | CN110557773B (zh) |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7424268B2 (en) | 2002-04-22 | 2008-09-09 | Cisco Technology, Inc. | System and method for management of a shared frequency band |
US9538388B2 (en) | 2006-05-12 | 2017-01-03 | Shared Spectrum Company | Method and system for dynamic spectrum access |
US8515473B2 (en) | 2007-03-08 | 2013-08-20 | Bae Systems Information And Electronic Systems Integration Inc. | Cognitive radio methodology, physical layer policies and machine learning |
US7929508B1 (en) * | 2008-06-11 | 2011-04-19 | Atheros Communications, Inc. | Radio frequency signal analysis and classification using time-frequency information |
US8660212B2 (en) | 2010-01-29 | 2014-02-25 | Aruba Networks, Inc. | Interference classification with minimal or incomplete information |
US8625436B2 (en) * | 2010-04-06 | 2014-01-07 | Aruba Networks, Inc. | Displaying a wideband spectrum using a narrowband receiver |
US8799263B2 (en) * | 2011-09-04 | 2014-08-05 | Leigh M Rothschild | Systems, devices, and methods for providing multidimensional search results |
US8938785B2 (en) * | 2012-06-08 | 2015-01-20 | Time Warner Cable Enterprises Llc | Wireless session configuration persistence |
US10123212B2 (en) | 2014-04-04 | 2018-11-06 | Shared Spectrum Company | DSA radio policy-controlled classifier restriction |
CN104092634B (zh) * | 2014-07-29 | 2017-08-01 | 中国民航大学 | 联合doa估计与主波束成型的测距仪脉冲干扰抑制方法 |
CN104158611B (zh) * | 2014-08-20 | 2016-10-26 | 西安电子科技大学 | 基于频谱分析的无线信号干扰检测系统及方法 |
US10320529B2 (en) * | 2014-10-01 | 2019-06-11 | Lg Electronics Inc. | Data transmission method in wireless communication system and device therefor |
US10425187B2 (en) * | 2014-10-03 | 2019-09-24 | Qualcomm Incorporated | UE assisted interference learning |
-
2018
- 2018-06-01 CN CN201810558153.6A patent/CN110557773B/zh active Active
-
2019
- 2019-05-30 EP EP19177482.7A patent/EP3584967B1/en active Active
- 2019-05-31 US US16/427,744 patent/US11171731B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3584967A1 (en) | 2019-12-25 |
EP3584967B1 (en) | 2023-09-27 |
CN110557773A (zh) | 2019-12-10 |
US20190372691A1 (en) | 2019-12-05 |
US11171731B2 (en) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rayanchu et al. | Airshark: Detecting non-WiFi RF devices using commodity WiFi hardware | |
US10705178B2 (en) | Localization calibration and refinement in high-speed mobile wireless systems | |
US8660212B2 (en) | Interference classification with minimal or incomplete information | |
US20210234622A1 (en) | Systems and methods for mobile network interference analysis | |
US9485746B2 (en) | Location classification accuracy for devices inside and outside of a deployment area | |
US8599767B2 (en) | Method and apparatus for scanning multi-mode wireless communication environments | |
Al Homssi et al. | Machine learning framework for sensing and modeling interference in IoT frequency bands | |
CN110603801A (zh) | 具有软件定义的无线电保护的网络集线器的分层开发者解锁 | |
EP2332271A1 (en) | Methods and apparatus for sensing the presence of a transmission signal in a wireless channel | |
US20170293012A1 (en) | Location determination system and location determination program | |
US20220095120A1 (en) | Using machine learning to develop client device test point identify a new position for an access point (ap) | |
WO2017201621A1 (en) | Determining a location of a wireless device using fingerprinting | |
CN110557773B (zh) | 使用从集中式存储库接收到的分类器对干扰设备分类 | |
JP6354104B2 (ja) | 無線通信方式検出装置、無線通信方式検出方法、及びプログラム | |
CN115668786A (zh) | 无线网络中的自适应无线电配置 | |
KR20160085804A (ko) | 무선 채널 활용 | |
CN106028458B (zh) | 用于选择跳转的目标信道的方法和设备 | |
JP2017143407A (ja) | 通信管理装置、通信管理方法及び通信管理プログラム | |
KR20170087729A (ko) | 위치 기반 무선간섭 탐지방법 및 그 방법을 이용하는 사용자단말장치 | |
JP7432724B2 (ja) | 誘導結合システムにおける動的周波数同調 | |
JP2010103650A (ja) | 信号検出方法,プログラム,情報記憶媒体,及びセンサー | |
JP7160455B2 (ja) | 無線lan装置、チャネル制御方法、及びプログラム | |
EP3457670A1 (en) | Methods and apparatus to control architectural coverings | |
US10708916B2 (en) | Air-time capacities | |
US20230021063A1 (en) | Method and apparatus for transmitting mobile edge computing application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |