本發明涉及網絡通信，尤其涉及一種基于大數據的無線漫游網絡ap和extender選擇優化方法。

背景技術：

1、目前的漫游方案雖然保證了無線終端在移動過程中的業務不中斷，但在實際使用中仍然面臨著一些問題；

2、首先，無線終端的漫游行為是由無線終端觸發，但是由于不同廠家的無線終端實現存在差異，信號門限值和評判標準不同，無線終端漫游效果差別很大，而且有些無線終端對漫游很遲鈍，這種遲鈍表現在無線終端會優先保持已經關聯的ap，只要當前關聯的ap信號沒有衰減到不能用的地步，即使周圍有信號更好的ap可以接入，無線終端仍然會保持掛在原來接入的ap，不會進行主動切換，這種現象也被稱為粘性；

3、其次，無線終端沒有整個無線網絡的視角，無線終端在決策漫游到哪個ap的時候，這些決定完全由ap進行決策，目前ap的做法基本是根據rssi來做判定，哪個ap信號好就引導sta作為首選項優先進行連接，這種情況可能會導致某一個信號最好的ap連接過多終端，切換后的無線網絡質量仍舊體驗不佳，而其他信號稍弱的ap利用率低的情況，從而整個網絡的性能降低。

4、綜上所述，在現有技術中，無線漫游方案雖然確保了無線終端在移動過程中的業務連續性，但仍存在顯著不足，具體表現在：

5、1)由于不同廠商無線終端的漫游觸發機制及信號評估標準不一致，導致漫游效果參差不齊，部分終端表現出明顯的“粘性”特征，即便周圍存在更優的接入點(ap)，也不會自動切換，影響了用戶體驗和網絡資源的有效利用；

6、2)無線終端缺乏全局網絡視角，漫游決策完全依賴于接入點(ap)基于接收信號強度指示(rssi)的簡單判斷，這往往導致網絡負載不均衡，優質ap過載而性能下降，而其他ap則資源閑置，整體網絡性能受限。

7、因此，我們提出一種基于大數據的無線漫游網絡ap和extender選擇優化方法。

技術實現思路

1、有鑒于此，本發明實施例提供了一種基于大數據的無線漫游網絡ap和extender選擇優化方法，以達到提高網絡優化的效果的目的。

2、為了實現上述目的，本發明采用了如下技術方案：

3、一種基于大數據的無線漫游網絡ap和extender選擇優化方法，包括：

4、根據修改漫游觸發機制，將原來的sta觸發改為sta或大數據觸發；

5、ap收集sta?rssi、信道負載和周圍ap?list信息周期性提交給大數據平臺；

6、大數據平臺引入機器學習技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來驅動何時觸發漫游；其中，sta收到大數據推薦的首選ap后，可以再結合自身邏輯，選擇最佳時機觸發漫游；

7、大數據決定是否漫游，包括是，開始漫游，sta向ap發送漫游請求；

8、根據ap發向大數據請求漫游優先級列表；

9、大數據返回漫游優先級列表；

10、sta連接目標ap是否成功，包括是，則漫游結束。

11、進一步的，所述修改目標ap選擇機制，將原來的基于最佳rssi選擇目標ap的方式改為大數據選擇，解決ap選擇不是最佳的問題。

12、進一步的，信號強度并不是決定無線鏈路質量的唯一因素，還需要考慮ap的負載、信道負載和周圍信號干擾情況。

13、進一步的，所述大數據決定是否漫游，還包括否，sta重復接入無線網絡周期性將鏈路信息上報給ap，重復漫游觸發。

14、進一步的，所述ap定期將收集的rssi、ap負載、信道負載，訪問和回程鏈路的負載信息，以及其他從信標幀中獲取的信息，提交給大數據平臺。

15、進一步的，所述大數據平臺通過機器學習技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來驅動選擇最合適的ap。

16、進一步的，所述sta連接目標ap是否成功，還包括否，重復大數據返回漫游優先級列表，進行目標連接。

17、與現有技術相比，本技術方案主要解決了：

18、1、粘性性終端問題，目前無線終端對漫游遲鈍導致的漫游觸發時機不合理；將原來的sta觸發改為sta或大數據觸發；ap收集sta?rssi、信道負載、周圍ap?list信息周期性提交給大數據平臺，大數據平臺引入機器學習(ml)技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來選擇最佳時機觸發漫游，徹底解決粘性終端問題；

19、2、目標ap的選擇不是最佳的問題，將原來的基于最佳rssi選擇目標ap的方式改為大數據選擇，rssi并不是決定無線鏈路質量的最佳因素，還需要考慮ap的負載、信道負載、周圍信號干擾等情況；通過ap定期將收集的rssi、ap負載、信道負載，訪問和回程鏈路的負載信息，以及其他從信標幀中獲取的信息，提交給大數據平臺，大數據平臺引入機器學習(ml)技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來驅動選擇最合適的ap。

20、綜上所述，本技術方案帶來的有益效果如下：

21、1、確保終端在最合適的時機觸發漫游：漫游時機由sta和大數據共同決策，避免移動數據中斷，提升了漫游切換成功率和用戶體驗；

22、2、確保終端選擇最合理的目標ap：將原來的基于最佳rssi選擇目標ap的方式改為大數據選擇，大數據平臺引入機器學習(ml)技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來驅動選擇最合適的ap，從而提高了網絡的整體吞吐量和用戶體驗，相對于現有技術，本技術方案提高了漫游過程中的切換成功率和用戶體驗，具有明顯的優越性。

技術特征：

1.一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于，包括：

2.根據權利要求1所述的一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于：所述修改目標ap選擇機制，將原來的基于最佳rssi選擇目標ap的方式改為大數據選擇，解決ap選擇不是最佳的問題。

3.根據權利要求1所述的一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于：信號強度并不是決定無線鏈路質量的唯一因素，還需要考慮ap的負載、信道負載和周圍信號干擾情況。

4.根據權利要求1所述的一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于：所述大數據決定是否漫游，還包括否，sta重復接入無線網絡周期性將鏈路信息上報給ap，重復漫游觸發。

5.根據權利要求1所述的一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于：所述ap定期將收集的rssi、ap負載、信道負載，訪問和回程鏈路的負載信息，以及其他從信標幀中獲取的信息，提交給大數據平臺。

6.根據權利要求5所述的一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于：所述大數據平臺通過機器學習技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來驅動選擇最合適的ap。

7.根據權利要求1所述的一種基于大數據的無線漫游網絡ap和extender選擇優化方法，其特征在于：所述sta連接目標ap是否成功，還包括否，重復大數據返回漫游優先級列表，進行目標連接。

技術總結
本發明提供一種基于大數據的無線漫游網絡AP和Extender選擇優化方法，涉及網絡通信技術領域，根據修改漫游觸發機制，將原來的STA觸發改為STA或大數據觸發；AP收集STA?RSSI、信道負載和周圍AP?list信息周期性提交給大數據平臺；大數據平臺引入機器學習技術將之前收集的無線信道鏈路參數和吞吐量性能數據進行訓練，來驅動何時觸發漫游；大數據決定是否漫游，包括是，開始漫游，STA向AP發送漫游請求；根據AP發向大數據請求漫游優先級列表；大數據返回漫游優先級列表；STA連接目標AP是否成功，包括是，則漫游結束；本發明介紹了一種基于大數據的無線漫游網絡AP、Extender選擇優化方法來提升STA漫游切換的穩定性和漫游后的用戶體驗。

技術研發人員：魏釩,孫建
受保護的技術使用者：太倉市同維電子有限公司
技術研發日：
技術公布日：2025/3/20