为了满足用户在各类场景下对无线业务日益增长的要求,高密集部署的无线局域网(wireless local area network,WLAN)是未来发展的趋势。但由于频率资源有限,相同信道必然存在多个WLAN无线接入点(access point,AP),然而处于同一信道的AP会...为了满足用户在各类场景下对无线业务日益增长的要求,高密集部署的无线局域网(wireless local area network,WLAN)是未来发展的趋势。但由于频率资源有限,相同信道必然存在多个WLAN无线接入点(access point,AP),然而处于同一信道的AP会互相干扰,造成网络中小区间吞吐量的公平性下降,无法为用户提供良好的服务质量。为了提高网络公平性,改善用户体验,需要制定合理的网络参数调优方法,给出了一种基于神经网络和遗传算法对WLAN参数优化的方法。采用神经网络构建网络参数与网络吞吐量公平性之间的映射,将训练完成的模型作为遗传算法的适应度评估函数,通过遗传算法求解优化参数组合配置来改善WLAN吞吐量公平性问题。仿真结果表明所提出算法能够使得高密集WLAN吞吐量公平性得到提升。展开更多
文摘为了满足用户在各类场景下对无线业务日益增长的要求,高密集部署的无线局域网(wireless local area network,WLAN)是未来发展的趋势。但由于频率资源有限,相同信道必然存在多个WLAN无线接入点(access point,AP),然而处于同一信道的AP会互相干扰,造成网络中小区间吞吐量的公平性下降,无法为用户提供良好的服务质量。为了提高网络公平性,改善用户体验,需要制定合理的网络参数调优方法,给出了一种基于神经网络和遗传算法对WLAN参数优化的方法。采用神经网络构建网络参数与网络吞吐量公平性之间的映射,将训练完成的模型作为遗传算法的适应度评估函数,通过遗传算法求解优化参数组合配置来改善WLAN吞吐量公平性问题。仿真结果表明所提出算法能够使得高密集WLAN吞吐量公平性得到提升。
