[发明专利]一种无线局域网优化方法及装置

说明书

技术领域

本发明涉及通信技术领域，尤指一种无线局域网(Wireless Local Area Network，WLAN)优化方法及装置。

背景技术

近年来，基于IEEE802.11协议的WLAN以其突出的优点和成熟的技术迅猛发展，被广泛用于商场、企业、医院、学校以及会场等网络构建。

在规模应用的企业级WLAN网络中，受限于有限的不重叠通信信道，使得网络干扰、负载均衡、终端接入等网络优化问题变得更为复杂。由于无线访问接入点(AP)设备规模庞大，在信道规划方面，单纯靠人工规划需要耗费大量的人力成本，而利用AC的自动信道调整，又存在收敛时间过长的问题。

目前WLAN网络优化，在功率规划方面，需要平衡干扰和覆盖，且因为各AP存在不同的区域物理环境，无法完全复制；在漫游和接入方面，大量复杂的漫游相关射频参数需要控制调整；在效果验收方面，也需要大量人力进行点位测试验收。现有主要通过射频资源自动优化管理，解决无线通信信道频谱干扰的问题，通过无线接入点对周围的网络进行扫描，获取射频环境信息并进行网络干扰评估，然后自动进行网络规划，提升网络性能。然而，信道自动化调整需要采集大量环境信息，根据采集信息区分本网络和非本网络的干扰信息，计算WLAN实际干扰程度和信道饱和度，这里，若采用接入控制器(AC)的集中计算方式将引起控制器的存储和计算瓶颈；若采用AP的分布式计算方式，则会引起优化收敛时间过长和局部最佳替代整网最佳的误差；而且频繁的动态调整也会引起终端设备频繁的切换接入信道而导致实际应用体验不佳。

发明内容

本发明实施例提供一种WLAN优化方法和装置，用以解决现有技术中WLAN网络优化效果差、用户实际体验不好的问题。

一种无线局域网WLAN优化方法，所述方法包括：

接收WLAN网络设备采集的数据；

通过机器学习的智能算法建立分析模型，利用分析模型对所述数据进行分析；

根据所述分析的结果确定网络优化策略并下发执行。

可选的，所述接收WLAN网络设备采集的数据，包括：

接收WLAN网络设备采集的网络设备运行状态数据、无线环境数据、用户体验数据，其中，所述数据为无线控制器AC、无线接入点AP进行数据采集并进行压缩操作发送的。

可选的，所述通过机器学习的智能算法建立分析模型，利用分析模型对所述数据进行分析，包括：

通过机器学习的智能算法，建立无线环境感知趋势模型、用户体验感知模型；

基于所述数据，利用无线环境感知趋势模型分析得到整网WLAN无线环境覆盖情况、干扰情况和网络运行状态趋势，还原无线网络状态，利用用户体验感知模型分析度量用户体验情况，并将所述无线网络状态和整网所有所述用户体验情况进行可视化。

可选的，所述确定网络优化策略并下发执行，包括：

根据无线WLAN环境及设备运行状态和分析得到的所述用户体验情况，对所述无线网络状态进行诊断，分析存在的无线网络问题，针对所述无线网络问题确定网络优化策略并下发执行，其中，所述无线网络问题包括干扰、接入、漫游的一种或多种。

可选的，所述方法，还包括：

网络优化策略下发执行后，通过所述分析模型分析得到无线网络状态反馈，并参照网络优化策略执行前后的用户体验情况和无线网络状态差异，进行网络优化策略的调整，实现闭环收敛。

一种WLAN优化装置，包括：接收单元、分析单元、策略单元；其中，

接收单元，用于接收WLAN网络设备采集的数据；

分析单元，用于通过机器学习的智能算法建立分析模型，利用分析模型对所述数据进行分析；

策略单元，用于根据所述分析的结果确定网络优化策略并下发执行。

可选的，所述接收单元，具体用于接收WLAN网络设备采集的网络设备运行状态数据、无线环境数据、用户体验数据，其中，所述数据为无线控制器AC、无线接入点AP进行数据采集并进行压缩操作发送的。

可选的，所述分析单元，具体用于通过机器学习的智能算法，建立无线环境感知趋势模型、用户体验感知模型；基于所述数据，利用无线环境感知趋势模型分析得到整网WLAN无线环境覆盖情况、干扰情况和网络运行状态趋势，还原无线网络状态，利用用户体验感知模型分析度量用户体验情况，并将所述无线网络状态和整网所有所述用户体验情况进行可视化。