CN113301625B - 一种WiFi信道推荐方法、装置、存储介质及网络设备 - Google Patents

一种WiFi信道推荐方法、装置、存储介质及网络设备 Download PDF

Info

Publication number
CN113301625B
CN113301625B CN202110392855.3A CN202110392855A CN113301625B CN 113301625 B CN113301625 B CN 113301625B CN 202110392855 A CN202110392855 A CN 202110392855A CN 113301625 B CN113301625 B CN 113301625B
Authority
CN
China
Prior art keywords
channel
membership
noise signal
preset
working
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
Application number
CN202110392855.3A
Other languages
English (en)
Other versions
CN113301625A (zh
Inventor
谢沛民
余楚伟
彭锦锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Lianzhou International Technology Co Ltd
Original Assignee
Shenzhen Lianzhou International Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Lianzhou International Technology Co Ltd filed Critical Shenzhen Lianzhou International Technology Co Ltd
Priority to CN202110392855.3A priority Critical patent/CN113301625B/zh
Publication of CN113301625A publication Critical patent/CN113301625A/zh
Application granted granted Critical
Publication of CN113301625B publication Critical patent/CN113301625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H04W36/0085—Hand-off measurements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种WiFi信道推荐方法、装置、存储介质及网络设备，包括：根据预设的时间周期获取当前工作信道的噪声信号；根据预设的模糊集合论域获取所述噪声信号的隶属度；当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；根据所述信道评估结果获取待推荐工作信道。采用本发明的技术方案能够提高信道评估的准确性，并且能够根据不同的应用场景动态的进行信道推荐策略的选择，大大提高用户体验。

Description

一种WiFi信道推荐方法、装置、存储介质及网络设备
技术领域
本发明涉及无线通信技术领域，尤其涉及一种WiFi信道推荐方法、装置、计算机可读存储介质及网络设备。
背景技术
随着无线技术的发展，WiFi已经成为人们生活中不可缺少的一部分了，多数路由器等网络设备由于环境的干扰和信道的带宽设置，不同环境往往会对其造成不同的干扰。
信道的干扰是影响WiFi通信质量的重要因素，目前，市面上的大部分的路由器设备并不能对信道进行动态调节，以至于将实际的信道情况忽略了，少部分的路由器设备虽然能够对当前信道进行检测，但是存在以下不足：信道评估的因素过少，没有根据不同的场景对策略进行动态调节，也没有对不同因素的重要程度进行衡量，从而导致信道评估的准确性较差，信道推荐策略无法自动适应不同的应用场景，用户体验较差。
发明内容
本发明实施例所要解决的技术问题在于，提供一种WiFi信道推荐方法、装置、计算机可读存储介质及网络设备，能够提高信道评估的准确性，并且能够根据不同的应用场景动态的进行信道推荐策略的选择，大大提高用户体验。
为了解决上述技术问题，本发明实施例提供了一种WiFi信道推荐方法，包括：
根据预设的时间周期获取当前工作信道的噪声信号；
根据预设的模糊集合论域获取所述噪声信号的隶属度；
当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；
对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；
根据所述信道评估结果获取待推荐工作信道。
进一步地，所述噪声信号包括背景噪声信号和干扰噪声信号，所述模糊集合论域包括第一模糊集合论域和第二模糊集合论域；
则，所述根据预设的模糊集合论域获取所述噪声信号的隶属度，具体包括：
根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度；
根据所述第二模糊集合论域和预设的第二隶属度函数，获取所述干扰噪声信号的第二隶属度；
将所述第一隶属度与所述第二隶属度的和值作为所述噪声信号的隶属度。
进一步地，所述第一隶属度函数表示为f(xbgn)＝fNB(xbgn)+fNS(xbgn)+fO(xbgn)+fPS(xbgn)+fPB(xbgn)；其中，
Figure BDA0003019448730000021
Figure BDA0003019448730000022
Figure BDA0003019448730000031
Figure BDA0003019448730000032
Figure BDA0003019448730000033
xbgn表示背景噪声，NB、NS、O、PS、PB分别表示将所述第一模糊集合论域划分为5个档位后每一个档位所对应的背景噪声阈值，NB<NS<O<PS<PB；
则，所述根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度，具体包括：
将所述背景噪声信号作为所述第一隶属度函数的输入，相应计算获得所述第一隶属度。
进一步地，所述当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息，具体包括：
当所述噪声信号的隶属度满足
Figure BDA0003019448730000034
时，获取当前信道环境的多模态信息；其中，Tthreshold表示预设的隶属度阈值；T(ti)表示第i次获取的噪声信号的隶属度，i＝1，2，…，n；
Figure BDA0003019448730000035
表示n次获取的噪声信号的隶属度的平均值，n＞1。
进一步地，所述对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果，具体包括：
初始化信道环境的初始聚类中心；
根据所述多模态信息对所述初始聚类中心进行更新；
当更新后的聚类中心满足预设的收敛条件时，将所述更新后的聚类中心作为索引，查询预设的矩阵数据库，获取权重矩阵；
根据所述多模态信息和所述权重矩阵，计算获得所述信道评估结果；其中，所述信道评估结果包括当前信道环境中的所有工作信道以及每一个工作信道对应的分值。
进一步地，所述方法还包括：
将当前信道环境中的所有工作信道与预设的频段范围进行比较；
将工作频段超出预设的频段范围的工作信道从所述信道评估结果中剔除。
进一步地，所述根据所述信道评估结果获取待推荐工作信道，具体包括：
根据所述信道评估结果获取最优工作信道；
将所述最优工作信道与所述当前工作信道进行比较；
当所述最优工作信道与所述当前工作信道不相同时，将所述最优工作信道作为所述待推荐工作信道。
为了解决上述技术问题，本发明实施例还提供了一种WiFi信道推荐装置，包括：
噪声信号获取模块，用于根据预设的时间周期获取当前工作信道的噪声信号；
噪声隶属度获取模块，用于根据预设的模糊集合论域获取所述噪声信号的隶属度；
多模态信息获取模块，用于当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；
信道评估模块，用于对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；
信道推荐模块，用于根据所述信道评估结果获取待推荐工作信道。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的WiFi信道推荐方法。
本发明实施例还提供了一种网络设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一项所述的WiFi信道推荐方法。
与现有技术相比，本发明实施例提供了一种WiFi信道推荐方法、装置、计算机可读存储介质及网络设备，根据预设的时间周期获取当前工作信道的噪声信号，并根据预设的模糊集合论域获取所述噪声信号的隶属度，当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估，通过对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果，从而根据所述信道评估结果获取待推荐工作信道，本发明实施例能够提高信道评估的准确性，并且能够根据不同的应用场景动态的进行信道推荐策略的选择，大大提高用户体验。
附图说明
图1是本发明提供的一种WiFi信道推荐方法的一个优选实施例的流程图；
图2是本发明提供的一种WiFi信道推荐装置的一个优选实施例的结构框图；
图3是本发明提供的一种网络设备的一个优选实施例的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本技术领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种WiFi信道推荐方法，参见图1所示，是本发明提供的一种WiFi信道推荐方法的一个优选实施例的流程图，所述方法包括步骤S11至步骤S15：
步骤S11、根据预设的时间周期获取当前工作信道的噪声信号；
步骤S12、根据预设的模糊集合论域获取所述噪声信号的隶属度；
步骤S13、当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；
步骤S14、对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；
步骤S15、根据所述信道评估结果获取待推荐工作信道。
具体的，首先，根据预先设置的时间周期采集获取当前工作信道中的噪声信号，并根据预先设置的模糊集合论域计算获得采集到的噪声信号的隶属度，接着，将计算获得的噪声信号的隶属度与预先设置的比较阈值进行比较，当噪声信号的隶属度远小于比较阈值时，说明当前工作信道的信道环境干净，无需进行工作信道的选择及切换，当噪声信号的隶属度满足预先设置的阈值条件时，通过相应的硬件芯片扫描工作信道，并读取对应寄存器来获取当前信道环境的多模态信息，并对获得的多模态信息进行聚类分析，相应获得当前信道环境中的所有工作信道所对应的信道评估结果，最后，根据所有工作信道所对应的信道评估结果选择相应的待推荐工作信道以进行信道切换。
其中，当前信道环境中的多模态信息包括但不限于基本服务集ybss(t)、信道空闲程度ybusy(t)、基本服务集的重叠状况yobss(t)、邻近干扰yitf_adj(t)(interferenceadjacent)、校验序列yfcs(t)(frame check sequence)、传输概率ytxop(t)(transmissionopportunity)和综合噪声评估ycns(t)(composite noise assessment)，基本服务集ybss(t)包括当前工作信道以及扩展工作信道，用来表示有多少个station在当前工作信道和扩展工作信道上，校验序列yfcs(t)是为了检验数据传输时是否发生错误。
本发明实施例所提供的一种WiFi信道推荐方法，当当前工作信道中的噪声信号的隶属度满足预先设置的阈值条件时，通过采集当前信道环境的多模态信息，可以准确检测当前信道环境，大大提高了信道环境的检测精度；同时，根据采集获得的多模态信息对当前信道环境中的所有工作信道进行信道评估，以根据信道评估结果选择相应的待推荐工作信道进行信道切换，能够提高信道评估的准确性，并且能够根据不同的应用场景动态的进行信道推荐策略的选择，从而更好地适应不同的情景环境；此外，还可以提高WiFi的抗干扰能力和吞吐量，从而提高了信道资源的利用率，增强了设备WiFi的综合性能，大大提高了客户的用户体验。
在另一个优选实施例中，所述噪声信号包括背景噪声信号和干扰噪声信号，所述模糊集合论域包括第一模糊集合论域和第二模糊集合论域；
则，所述根据预设的模糊集合论域获取所述噪声信号的隶属度，具体包括：
根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度；
根据所述第二模糊集合论域和预设的第二隶属度函数，获取所述干扰噪声信号的第二隶属度；
将所述第一隶属度与所述第二隶属度的和值作为所述噪声信号的隶属度。
具体的，结合上述实施例，当前工作信道中的噪声信号主要包括背景噪声信号xbgn(t)(background noise signal)和干扰噪声信号xitf(t)(interference noise signal)，在根据预先设置的模糊集合论域计算获得采集到的噪声信号的隶属度时，为背景噪声信号预先设置了对应的第一模糊集合论域以及第一隶属度函数，为干扰噪声信号预先设置了对应的第二模糊集合论域以及第二隶属度函数，则在具体实施时，可以根据预先设置的第一模糊集合论域和第一隶属度函数，相应计算获得当前工作信道中的背景噪声信号的第一隶属度，根据预先设置的第二模糊集合论域和第二隶属度函数，相应计算获得当前工作信道中的干扰噪声信号的第二隶属度。
作为上述方案的改进，所述第一隶属度函数表示为f(xbgn)＝fNB(xbgn)+fNS(xbgn)+fO(xbgn)+fPS(xbgn)+fPB(xbgn)；其中，
Figure BDA0003019448730000081
Figure BDA0003019448730000082
Figure BDA0003019448730000083
Figure BDA0003019448730000084
Figure BDA0003019448730000085
xbgn表示背景噪声，NB、NS、O、PS、PB分别表示将所述第一模糊集合论域划分为5个档位后每一个档位所对应的背景噪声阈值，NB<NS<O<PS<PB；
则，所述根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度，具体包括：
将所述背景噪声信号作为所述第一隶属度函数的输入，相应计算获得所述第一隶属度。
具体的，结合上述实施例，可以将背景噪声信号所对应的第一模糊集合论域划分为5个档位{NB，NS，O，PS，PB}，NB、NS、O、PS、PB分别表示每一个档位所对应的背景噪声阈值，O具体表示预先设置的标准背景噪声阈值，NB具体表示该档位对应的背景噪声阈值距离标准背景噪声阈值“负大”，NS具体表示该档位对应的背景噪声阈值距离标准背景噪声阈值“负小”，PS具体表示该档位对应的背景噪声阈值距离标准背景噪声阈值“正小”，PB具体表示该档位对应的背景噪声阈值距离标准背景噪声阈值“正大”，例如，设置NB＝-85dbm，NS＝-75dbm，O＝-65dbm，PS＝-55dbm，PB＝-45dbm；背景噪声信号所对应的第一隶属度函数具体表示为f(xbgn)＝fNB(xbgn)+fNS(xbgn)+fO(xbgn)+fPS(xbgn)+fPB(xbgn)，xbgn表示背景噪声的大小，则将当前工作信道中的背景噪声信号xbgn(t)所对应的背景噪声的大小作为第一隶属度函数的输入进行计算，即可相应获得当前工作信道中的背景噪声信号xbgn(t)的第一隶属度
Figure BDA0003019448730000091
同理，对于当前工作信道中的干扰噪声信号，也可以采用与背景噪声信号类似的处理方法计算其第二隶属度，将干扰噪声信号xitf(t)所对应的干扰噪声的大小作为第二隶属度函数的输入进行计算，即可相应获得当前工作信道中的干扰噪声信号xitf(t)的第二隶属度
Figure BDA0003019448730000092
可以理解的，当前工作信道中的噪声信号的隶属度T(t)为背景噪声信号的第一隶属度
Figure BDA0003019448730000093
与干扰噪声信号的第二隶属度
Figure BDA0003019448730000094
的和值，即
Figure BDA0003019448730000095
在又一个优选实施例中，所述当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息，具体包括：
当所述噪声信号的隶属度满足
Figure BDA0003019448730000096
时，获取当前信道环境的多模态信息；其中，Tthreshold表示预设的隶属度阈值；T(ti)表示第i次获取的噪声信号的隶属度，i＝1，2，…，n；
Figure BDA0003019448730000097
表示n次获取的噪声信号的隶属度的平均值，n＞1。
具体的，结合上述实施例，预先设置的阈值条件具体为
Figure BDA0003019448730000101
Tthreshold表示预先设置的隶属度阈值，T(ti)表示第i次获取的当前信道环境中的噪声信号的隶属度，
Figure BDA0003019448730000102
表示n次获取的当前信道环境中的噪声信号的隶属度的平均值，i＝1，2，…，n，n＞1，例如，n＝15；相应的，若当前信道环境中噪声信号的隶属度满足
Figure BDA0003019448730000103
则通过扫描获取当前信道环境的多模态信息。
可以理解的，最后一次(即第n次)获取的当前信道环境中的噪声信号的隶属度可以为当前次获取的当前信道环境中的噪声信号的隶属度。
在又一个优选实施例中，所述对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果，具体包括：
初始化信道环境的初始聚类中心；
根据所述多模态信息对所述初始聚类中心进行更新；
当更新后的聚类中心满足预设的收敛条件时，将所述更新后的聚类中心作为索引，查询预设的矩阵数据库，获取权重矩阵；
根据所述多模态信息和所述权重矩阵，计算获得所述信道评估结果；其中，所述信道评估结果包括当前信道环境中的所有工作信道以及每一个工作信道对应的分值。
具体的，结合上述实施例，可以记当前信道环境为z(t)＝(ybss(t),ybusy(t),yobss(t),yitf_adj(t),yfcs(t),ytxop(t),ycns(t))T，并连续记录一段时间，以此作为动态聚类的基本信息集，用于将当前的用户环境更好的进行分类，给不同用户环境提供更准确更合适的信道推荐服务；在对当前信道环境的多模态信息进行聚类分析时，具体过程如下：
(1)初始化信道环境的初始聚类中心，初始化时，每隔40s做一次均值计算，持续两分钟，假设初始聚类中心有3个(初始聚类中心可以设置为3个，也可以根据实际需要设置为其他个数，但是过多的初始聚类中心会相应增加计算量，增加成本)，设为
Figure BDA0003019448730000111
和
Figure BDA0003019448730000112
且
Figure BDA0003019448730000113
和
Figure BDA0003019448730000114
的表达式分别表示如下：
Figure BDA0003019448730000115
Figure BDA0003019448730000116
Figure BDA0003019448730000117
式中的n、m、p均表示获取多模态信息的时间点的个数，也可以对应表示获取多模态信息的次数；
(2)采集15min的信道环境数据作为样本数据，以对当前信道环境进行分析，分别计算每个样本数据对象与初始聚类中心
Figure BDA0003019448730000118
和
Figure BDA0003019448730000119
的距离，对应为
Figure BDA00030194487300001110
和
Figure BDA00030194487300001111
并进行分类；
(3)根据当前信道环境多模态信息对初始聚类中心进行更新，根据目标函数
Figure BDA00030194487300001112
重新计算聚类中心，对应得到更新后的聚类中心为
Figure BDA00030194487300001113
和
Figure BDA00030194487300001114
其中，N表示采集多模态信息的总次数；
(4)对更新后的聚类中心为
Figure BDA00030194487300001115
和
Figure BDA00030194487300001116
进行收敛性判断，当更新后的聚类中心
Figure BDA00030194487300001117
和
Figure BDA00030194487300001118
满足预先设置的收敛条件时，聚类过程结束，可以理解的，当更新后的聚类中心
Figure BDA00030194487300001119
和
Figure BDA00030194487300001120
不满足预先设置的收敛条件时，返回第(1)步骤重新执行聚类过程，以此类推，直至更新后的聚类中心满足预先设置的收敛条件时为止，则将最终获得的更新后的聚类中心为聚类结果
Figure BDA00030194487300001121
和
Figure BDA00030194487300001122
进行输出，其中，预先设置的收敛条件具体为|J(o+1)-J(o)|<θ，o表示第o次迭代，J(o)表示第o次迭代时的目标函数值，J(o+1)表示第o+1次迭代时的目标函数值，θ表示收敛阈值。
在对当前信道环境的多模态信息进行聚类分析结束后，将获得的聚类结果
Figure BDA00030194487300001123
和
Figure BDA00030194487300001124
作为索引，根据索引查询预先设置的矩阵数据库，相应获取权重矩阵(选择最接近的聚类中心所对应的权重矩阵)，并根据当前信道环境的多模态信息和查询获得的权重矩阵进行相乘运算，计算获得当前信道环境中的所有工作信道所对应的信道评估结果，该信道评估结果包括当前信道环境中的所有工作信道以及每一个工作信道所对应的分值。
需要说明的是，上述预先设置的矩阵数据库具体通过以下步骤进行建立：
(1)获取多模态信息中的各参数与吞吐量之间的相关关系，以多模态信息中的参数基本服务集ybss(t)为例，记吞吐量为W(t)，扫描信道环境可得n个样本，分别为(ybss(t1),W(t1))，(ybss(t2),W(t2))，...，(ybss(tn),W(tn))，将ybss(t1)，ybss(t2)，...，ybss(tn)按照从小到大的顺序排列，记ybss(ti)的排序名次为ri，记对应的W(ti)的排序名次为si；如果ybss(t)和W(t)的变化是一致的，|ri-si|就应该很小，所以
Figure BDA0003019448730000121
反映了ybss(t)和W(t)的变化不一致的程度，相应的，
Figure BDA0003019448730000122
就反映了相反变化不一致的程度，则ybss(t)和W(t)之间的相关系数为
Figure BDA0003019448730000123
同理，可以获得信道空闲程度ybusy(t)和W(t)之间的相关系数δbusy、基本服务集的重叠状况yobss(t)和W(t)之间的相关系数δobss、邻近干扰yitf_adj(t)和W(t)之间的相关系数δitf_adj、校验序列yfcs(t)和W(t)之间的相关系数δfcs、传输概率ytxop(t)和W(t)之间的相关系数δtxop、综合噪声评估ycns(t)和W(t)之间的相关系数δcns；
(2)根据获得的多模态信息中的各参数与吞吐量之间的相关系数进行定量分析，先构造矩阵为
Figure BDA0003019448730000131
再求得该矩阵得到的最大特征值所对应的归一化特征向量为w＝{wbss,wbusy,wobss,witf_adj,wfcs,wtxop,wcns}，这就作为一组特定信道环境所对应的权重矩阵。同理，每一种信道环境对应一种权重矩阵，不同的信道环境所对应的权重矩阵均可以通过上述步骤构建获得，则将不同的信道环境所对应的权重矩阵集合在一起，相应形成了矩阵数据库。
可以理解的，结合上述实施例，对当前信道环境进行分类，相应获得当前信道环境所对应的聚类结果，将当前信道环境所对应的聚类结果作为索引，查询矩阵数据库，即可在矩阵数据库中找到与当前信道环境所对应的聚类结果最接近的聚类中心所对应的权重矩阵。
在又一个优选实施例中，所述方法还包括：
将当前信道环境中的所有工作信道与预设的频段范围进行比较；
将工作频段超出预设的频段范围的工作信道从所述信道评估结果中剔除。
具体的，结合上述实施例，在获得当前信道环境中的所有工作信道所对应的信道评估结果之后，由于不同地区、不同国家对应的频段设置有所不同，某些工作信道所对应的信道评估结果虽然很好，但是实际上并不能使用，因此，需要对工作信道信息筛选，在具体实施时，可以将当前信道环境中的所有工作信道所对应的工作频段与预先设置的频段范围进行比较，将工作频段超出预先设置的频段范围的工作信道从信道评估结果中剔除，保留工作频段未超出预先设置的频段范围的工作信道作为最终的信道评估结果以进行信道工作信道的选择与切换。
在又一个优选实施例中，所述根据所述信道评估结果获取待推荐工作信道，具体包括：
根据所述信道评估结果获取最优工作信道；
将所述最优工作信道与所述当前工作信道进行比较；
当所述最优工作信道与所述当前工作信道不相同时，将所述最优工作信道作为所述待推荐工作信道。
具体的，结合上述实施例，在根据所有工作信道所对应的信道评估结果确定待推荐工作信道时，可以先根据所有工作信道所对应的信道评估结果确定其中的最优工作信道(即信道评估结果分值最高的工作信道)，再将选出的最优工作信道与当前工作信道进行比对，当最优工作信道与当前工作信道不相同时，将最优工作信道作为待推荐工作信道以进行信道切换，当最优工作信道与当前工作信道相同时，当前无需进行信道切换。
需要说明的是，如果在根据所有工作信道所对应的信道评估结果确定待推荐工作信道之前，采用了上述实施例中的信道剔除方案对信道评估结果进行相应处理，则在实际确定待推荐工作信道时，应该从信道剔除后的信道评估结果中选择合适的工作信道作为待推荐工作信道。
本发明实施例还提供了一种WiFi信道推荐装置，参见图2所示，是本发明提供的一种WiFi信道推荐装置的一个优选实施例的结构框图，所述装置包括：
噪声信号获取模块11，用于根据预设的时间周期获取当前工作信道的噪声信号；
噪声隶属度获取模块12，用于根据预设的模糊集合论域获取所述噪声信号的隶属度；
多模态信息获取模块13，用于当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；
信道评估模块14，用于对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；
信道推荐模块15，用于根据所述信道评估结果获取待推荐工作信道。
优选地，所述噪声信号包括背景噪声信号和干扰噪声信号，所述模糊集合论域包括第一模糊集合论域和第二模糊集合论域；
则，所述噪声隶属度获取模块12具体包括：
背景噪声隶属度获取单元，用于根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度；
干扰噪声隶属度获取单元，用于根据所述第二模糊集合论域和预设的第二隶属度函数，获取所述干扰噪声信号的第二隶属度；
噪声隶属度获取单元，用于将所述第一隶属度与所述第二隶属度的和值作为所述噪声信号的隶属度。
优选地，所述第一隶属度函数表示为f(xbgn)＝fNB(xbgn)+fNS(xbgn)+fO(xbgn)+fPS(xbgn)+fPB(xbgn)；其中，
Figure BDA0003019448730000151
Figure BDA0003019448730000152
Figure BDA0003019448730000161
Figure BDA0003019448730000162
Figure BDA0003019448730000163
xbgn表示背景噪声，NB、NS、O、PS、PB分别表示将所述第一模糊集合论域划分为5个档位后每一个档位所对应的背景噪声阈值，NB<NS<O<PS<PB；
则，所述背景噪声隶属度获取单元具体用于：
将所述背景噪声信号作为所述第一隶属度函数的输入，相应计算获得所述第一隶属度。
优选地，所述多模态信息获取模块13具体用于：
当所述噪声信号的隶属度满足
Figure BDA0003019448730000164
时，获取当前信道环境的多模态信息；其中，Tthreshold表示预设的隶属度阈值；T(ti)表示第i次获取的噪声信号的隶属度，i＝1，2，…，n；
Figure BDA0003019448730000165
表示n次获取的噪声信号的隶属度的平均值，n＞1。
优选地，所述信道评估模块14具体包括：
初始化单元，用于初始化信道环境的初始聚类中心；
聚类中心更新单元，用于根据所述多模态信息对所述初始聚类中心进行更新；
权重矩阵查询单元，用于当更新后的聚类中心满足预设的收敛条件时，将所述更新后的聚类中心作为索引，查询预设的矩阵数据库，获取权重矩阵；
信道评估单元，用于根据所述多模态信息和所述权重矩阵，计算获得所述信道评估结果；其中，所述信道评估结果包括当前信道环境中的所有工作信道以及每一个工作信道对应的分值。
优选地，所述装置还包括：
信道频段比较模块，用于将当前信道环境中的所有工作信道与预设的频段范围进行比较；
信道剔除模块，用于将工作频段超出预设的频段范围的工作信道从所述信道评估结果中剔除。
优选地，所述信道推荐模块15具体包括：
最优信道确定单元，用于根据所述信道评估结果获取最优工作信道；
信道比较单元，用于将所述最优工作信道与所述当前工作信道进行比较；
信道推荐单元，用于当所述最优工作信道与所述当前工作信道不相同时，将所述最优工作信道作为所述待推荐工作信道。
需要说明的是，本发明实施例所提供的一种WiFi信道推荐装置，能够实现上述任一实施例所述的WiFi信道推荐方法的所有流程，装置中的各个模块、单元的作用以及实现的技术效果分别与上述实施例所述的WiFi信道推荐方法的作用以及实现的技术效果对应相同，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的WiFi信道推荐方法。
本发明实施例还提供了一种网络设备，参见图3所示，是本发明提供的一种网络设备的一个优选实施例的结构框图，所述网络设备包括处理器10、存储器20以及存储在所述存储器20中且被配置为由所述处理器10执行的计算机程序，所述处理器10在执行所述计算机程序时实现上述任一实施例所述的WiFi信道推荐方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序1、计算机程序2、······)，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器10执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述网络设备中的执行过程。
所述处理器10可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器10也可以是任何常规的处理器，所述处理器10是所述网络设备的控制中心，利用各种接口和线路连接所述网络设备的各个部分。
所述存储器20主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器20可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器20也可以是其他易失性固态存储器件。
需要说明的是，上述网络设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图3结构框图仅仅是上述网络设备的示例，并不构成对网络设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
综上，本发明实施例所提供的一种WiFi信道推荐方法、装置、计算机可读存储介质及网络设备，当当前工作信道中的噪声信号的隶属度满足预先设置的阈值条件时，通过采集当前信道环境的多模态信息，可以准确检测当前信道环境，大大提高了信道环境的检测精度；同时，根据采集获得的多模态信息对当前信道环境中的所有工作信道进行信道评估，以根据信道评估结果选择相应的待推荐工作信道进行信道切换，能够提高信道评估的准确性，并且能够根据不同的应用场景动态的进行信道推荐策略的选择，从而更好地适应不同的情景环境；此外，还可以提高WiFi的抗干扰能力和吞吐量，从而提高了信道资源的利用率，增强了设备WiFi的综合性能，大大提高了客户的用户体验。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种WiFi信道推荐方法，其特征在于，包括：
根据预设的时间周期获取当前工作信道的噪声信号；
根据预设的模糊集合论域获取所述噪声信号的隶属度；
当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；
对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；
根据所述信道评估结果获取待推荐工作信道；
所述当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息，具体包括：
当所述噪声信号的隶属度满足
Figure FDA0003649035590000011
时，获取当前信道环境的多模态信息；其中，Tthreshold表示预设的隶属度阈值；T(ti)表示第i次获取的噪声信号的隶属度，i＝1，2，…，n；
Figure FDA0003649035590000012
表示n次获取的噪声信号的隶属度的平均值，n＞1。
2.如权利要求1所述的WiFi信道推荐方法，其特征在于，所述噪声信号包括背景噪声信号和干扰噪声信号，所述模糊集合论域包括第一模糊集合论域和第二模糊集合论域；
则，所述根据预设的模糊集合论域获取所述噪声信号的隶属度，具体包括：
根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度；
根据所述第二模糊集合论域和预设的第二隶属度函数，获取所述干扰噪声信号的第二隶属度；
将所述第一隶属度与所述第二隶属度的和值作为所述噪声信号的隶属度。
3.如权利要求2所述的WiFi信道推荐方法，其特征在于，所述第一隶属度函数表示为f(xbgn)＝fNB(xbgn)+fNS(xbgn)+fO(xbgn)+fPS(xbgn)+fPB(xbgn)；其中，
Figure FDA0003649035590000021
Figure FDA0003649035590000022
Figure FDA0003649035590000023
Figure FDA0003649035590000024
Figure FDA0003649035590000025
xbgn表示背景噪声，NB、NS、O、PS、PB分别表示将所述第一模糊集合论域划分为5个档位后每一个档位所对应的背景噪声阈值，NB<NS<O<PS<PB；
则，所述根据所述第一模糊集合论域和预设的第一隶属度函数，获取所述背景噪声信号的第一隶属度，具体包括：
将所述背景噪声信号作为所述第一隶属度函数的输入，相应计算获得所述第一隶属度。
4.如权利要求1所述的WiFi信道推荐方法，其特征在于，所述对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果，具体包括：
初始化信道环境的初始聚类中心；
根据所述多模态信息对所述初始聚类中心进行更新；
当更新后的聚类中心满足预设的收敛条件时，将所述更新后的聚类中心作为索引，查询预设的矩阵数据库，获取权重矩阵；
根据所述多模态信息和所述权重矩阵，计算获得所述信道评估结果；其中，所述信道评估结果包括当前信道环境中的所有工作信道以及每一个工作信道对应的分值。
5.如权利要求1所述的WiFi信道推荐方法，其特征在于，所述方法还包括：
将当前信道环境中的所有工作信道与预设的频段范围进行比较；
将工作频段超出预设的频段范围的工作信道从所述信道评估结果中剔除。
6.如权利要求1～5任一项所述的WiFi信道推荐方法，其特征在于，所述根据所述信道评估结果获取待推荐工作信道，具体包括：
根据所述信道评估结果获取最优工作信道；
将所述最优工作信道与所述当前工作信道进行比较；
当所述最优工作信道与所述当前工作信道不相同时，将所述最优工作信道作为所述待推荐工作信道。
7.一种WiFi信道推荐装置，其特征在于，包括：
噪声信号获取模块，用于根据预设的时间周期获取当前工作信道的噪声信号；
噪声隶属度获取模块，用于根据预设的模糊集合论域获取所述噪声信号的隶属度；
多模态信息获取模块，用于当所述噪声信号的隶属度满足预设的阈值条件时，获取当前信道环境的多模态信息；其中，所述多模态信息包括基本服务集、信道空闲程度、基本服务集的重叠状况、邻近干扰、校验序列、传输概率和综合噪声评估；
信道评估模块，用于对所述多模态信息进行聚类分析，获取当前信道环境中的所有工作信道的信道评估结果；
信道推荐模块，用于根据所述信道评估结果获取待推荐工作信道；
所述多模态信息获取模块具体用于：
当所述噪声信号的隶属度满足
Figure FDA0003649035590000041
时，获取当前信道环境的多模态信息；其中，Tthreshold表示预设的隶属度阈值；T(ti)表示第i次获取的噪声信号的隶属度，i＝1，2，…，n；
Figure FDA0003649035590000042
表示n次获取的噪声信号的隶属度的平均值，n＞1。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～6任一项所述的WiFi信道推荐方法。
9.一种网络设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～6任一项所述的WiFi信道推荐方法。
CN202110392855.3A 2021-04-14 2021-04-14 一种WiFi信道推荐方法、装置、存储介质及网络设备 Active CN113301625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110392855.3A CN113301625B (zh) 2021-04-14 2021-04-14 一种WiFi信道推荐方法、装置、存储介质及网络设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110392855.3A CN113301625B (zh) 2021-04-14 2021-04-14 一种WiFi信道推荐方法、装置、存储介质及网络设备

Publications (2)

Publication Number Publication Date
CN113301625A CN113301625A (zh) 2021-08-24
CN113301625B true CN113301625B (zh) 2022-08-30

Family

ID=77319686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110392855.3A Active CN113301625B (zh) 2021-04-14 2021-04-14 一种WiFi信道推荐方法、装置、存储介质及网络设备

Country Status (1)

Country Link
CN (1) CN113301625B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE50214039D1 (de) * 2001-02-27 2010-01-14 Siemens Ag Verfahren und vorrichtung zum abschätzen der zugehörigkeit von signalen aus einem datenstrom zu den entsprechenden übertragungskanälen mittels cluster-analyse
CN110278590A (zh) * 2019-06-21 2019-09-24 合肥工业大学智能制造技术研究院 一种智能照明灯具通信传输信道选择方法
CN111200856A (zh) * 2020-02-19 2020-05-26 重庆邮电大学 一种无线传感器的多跳最优路径选择方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8054784B2 (en) * 2006-08-16 2011-11-08 Tropos Networks, Inc. Wireless mesh network channel selection

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE50214039D1 (de) * 2001-02-27 2010-01-14 Siemens Ag Verfahren und vorrichtung zum abschätzen der zugehörigkeit von signalen aus einem datenstrom zu den entsprechenden übertragungskanälen mittels cluster-analyse
CN110278590A (zh) * 2019-06-21 2019-09-24 合肥工业大学智能制造技术研究院 一种智能照明灯具通信传输信道选择方法
CN111200856A (zh) * 2020-02-19 2020-05-26 重庆邮电大学 一种无线传感器的多跳最优路径选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZigBee网络中基于信道状态预测的WiFi干扰避免方法;冉君军等;《计算机测量与控制》;20170625;第25卷(第06期);第130-133页 *
联合改进核FCM与智能优化SVR的WSNs链路质量预测;刘洲洲等;《电子学报》;20180115;第46卷(第01期);第93-100页 *

Also Published As

Publication number Publication date
CN113301625A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN108921206B (zh) 一种图像分类方法、装置、电子设备及存储介质
CN111177505A (zh) 指标异常检测模型的训练方法、推荐的方法及装置
CN105956628B (zh) 数据分类方法和用于数据分类的装置
CN102722577B (zh) 指标动态权重的确定方法及装置
TWI729606B (zh) 用於一邊緣運算網路的負載平衡裝置及方法
CN106294508A (zh) 一种刷量工具检测方法及装置
CN111327377A (zh) 场强预测方法、装置、设备及存储介质
CN103262118A (zh) 属性值估计装置、属性值估计方法、程序和记录介质
WO2017113774A1 (zh) 一种无线通讯系统用户优先级的判别方法及装置
WO2017156994A1 (zh) 多媒体资源的质量评估方法和装置
WO2018006631A1 (zh) 一种用户等级自动划分方法及系统
CN109104257B (zh) 一种无线信号检测方法及装置
CN111640099A (zh) 一种确定图像质量的方法、装置、电子设备及存储介质
CN112434717B (zh) 一种模型训练方法及装置
CN110348717B (zh) 基于栅格粒度的基站价值评分方法和装置
CN113301625B (zh) 一种WiFi信道推荐方法、装置、存储介质及网络设备
CN111064719A (zh) 文件异常下载行为的检测方法及装置
JP2004030694A (ja) デジタル映像テクスチャー分析方法
CN111783107B (zh) 一种多源可信数据接入方法、装置及设备
WO2024037113A1 (zh) 状态检测方法、装置、终端及存储介质
CN116468102A (zh) 刀具图像分类模型剪枝方法、装置、计算机设备
CN112241820A (zh) 资金流动中关键节点的风险识别方法、装置及计算设备
CN111679791B (zh) 存储位置选取方法、装置、终端设备及存储介质
CN112926991B (zh) 一种套现团伙严重等级划分方法及系统
CN109241421B (zh) Id数据网处理方法、装置、计算设备及计算机存储介质

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