一种基于用户感知的WLAN网络质量评估方法

【摘要】中国移动通信集团广东有限公司（以下简称广东移动）的WLAN（无线局域网络，Wireless Local Area Networks）网络的质量评估通常有多种评估指标，单一评估指标容易导致结果不客观。本文通过对WLAN网络质量评估各种指标进行分析，设计了一套不以单一的某项指标来评估WLAN的网络质量，而是用一套新的评估方案，整合6个影响用户使用感知的关键指标，通过层次分析法和神经网络算法的计算，逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度的评估算法。能够较全面地评估WLAN网络质量，有效地指导WLAN网络优化。

【关键词】WLAN网络质量评估用户感知BP神经网络

An evaluation method of WLAN network based on user perceived quality Huangguowen Linwenfeng （China Mobile Group Guangdong Co.Ltd， NMC Guangzhou 510623，China）[Abstract]Quality evaluation of wireless local area networks usually has a variety of evaluation index in GMCC， and a single evaluation index is easy to cause the results not objective.In this paper，through the analysis of various indicators to assess WLAN network quality，design a set of not a single index to evaluate the quality of WLAN network，but with a new evaluation scheme，integrating the 6 key factors to affect the user’s perception，through the analytic calculation method and the neural network algorithm，step by step to obtain quantitative value evaluation algorithm for WLAN network quality and user satisfaction.To comprehensively evaluate the quality of WLAN network，effectively guide the WLAN network optimization.[

Key words]WLAN；network quality assessment；user perception；BP neural network

无线局域网络（Wireless Local Area Networks；WLAN）是相当便利的数据传输系统，它利用射频（Radio Frequency；RF）的技术，使得无线局域网络能利用简单的存取架构让用户透过它，达到“信息随身化、便利走天下”的理想境界。随着国内3大运营商逐步向综合运营商转变，WLAN网络的好坏对TD网络尚未完全成熟的中国移动来说至关重要。

网络质量评估是WLAN网络优化的第一步，承担着找问题和检验优化效果两个重要作用。评估指标往往是从WLAN设备（无线控制器或无线AP）获取到的各种性能统计数据，可以通过设备的命令行获取，也可以通过SNMP网络管理协议从设备获取。建立一种关注用户感受的、可量化的、多维度的WLAN网络质量评估体系至关重要，因为只有通过合理的网络质量评估体系，才能准确地了解WLAN网络空口的基本运行状况，才能协助网络优化人员发现薄弱区域，确认需要补点的位置；也才能协助网优人员确认体验差用户及可能原因，最终为后续的网络优化指明方向。

本文通过对现有WLAN网络的的各种评估指标进行分析，通过整合6个影响用户使用感知的关键指标，利用层次分析法和神经网络算法的计算，逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度。

一、现状分析

目前广东移动在日常的WLAN网络优化中，通过以下几种不同的测量指标评估WLAN的网络质量[1，2]：

（1）信号强度：无线适配器接收到的信号的强度，即值WLAN网络信号的强弱，以decibel-milliwatts（DBm）计量，绝对值越大，表示信号越强。在实际中可以用百分率来比较信号的强度，100%即为满信号，0%为无信号。（2）带宽：又叫频宽，是指在固定的的时间可传输的资料数量，亦即在传输管道中可以传递数据的能力。在数字设备中，频宽通常以bps表示，即每秒可传输之位数。在模拟设备中，频宽通常以每秒传送周期或赫兹（Hz）来表示。（3）连接耗时：搜索到WLAN信号后，开始连接到连接上AP的耗时，单位为毫秒或者秒，时间越长用户感知越差。（4）掉线次数：是指在使用WLAN过程中因网络原因掉线的次数，次数越多，用户感知越差。（5）在网时长：使用WLAN在网的时间，计算用户感知时，掉线次数要与在网时间结合考虑，即掉线频率。（6）重连成功率：在因意外原因与网络断连后自动成功建立连接的比率，比率越低，人们对网络的感知越差。（7）平均速率：使用WLAN时的平均下载速率，速率越高表明用户对带宽的需求越高。

2.2运用层次分析法估算准则层对于目标层的权重初始值

（1）构造成对比较矩阵

对四类准则：速度、稳定性、易用性、其他因素，进行成对比较，对用户质量感知进行相对评估，得出相对评估值，确定它们对于质量感知影响的优劣顺序，然后运用成对比较的结果构造矩阵A。

注：是通过大量问卷调查得出来的。具体方法是：1）受调查人员对速度（S）、稳定性（P）、易用性（C）、其他因素（O）四个准则对于质量感知影响的优劣程度进行一个排序。例如：某位受访用户认为，最影响WLAN上网感知的因素是速度（S），其次是稳定性（P），易用性（C），则S>P>C>O。2）按上述方式，对大量用户进行调查，可以得出N个调查的结果，例如，调查5个用户得到的结果：表15个用户结果。3）对上述调查结果，进行准则的成对比较，得出相对评估值，即。例如，即速度（S）和稳定性（P）的成对比较结果，为4：1。

（2）对矩阵A进行一致性检验

对于的成对比较矩阵，将它的一致性指标与同阶（指n相同）的随机一致性指标之比称为一致性比率，当时，认为矩阵A通过一致性检验。

通过一次性检验。即此特征向量可作为各项准则在综合评估中的权重。

2.3运用BP神经网络算法估算指标层对于准则层的权重

根据BP神经网络三层结构[3，4]，输入层、隐含层、输出层映射到指标层、准则层及目标层，即

指标层———输入层；

准则层———隐含层；

目标层———输出层。

BP网络的学习过程主要由输入信息的正向传播和误差的反向传播组成。在正向传播过程中，输入信息从输入层到隐含层再到输出层经过逐层求解，得到一个实际输入，如果实际输入与期望输出不一致，则计算输出误差，转入误差的反向传播过程，反向修正各个神经元的连接权值，以使误差达到最小。

根据调查得到的用户数据，可以把用户体验WLAN的感知划分为四类输入出：差、一般、好、很好，按数值划分为为差，为一般，为好，为很好。

BP网络的输入层有6个参数，分别为信号强度、平均速率、带宽、掉线频率、连接耗时、重连成功率。需要对这些参数进行归一化处理。

设为样本矩阵；为样本组数；为隐含层与输入层的权值矩阵；为隐含层与输入出层的权值矩阵；为迭代次数，取值10000；为期望值；为实际输出值；为输出层误差；为每组输入节点；为隐含层节点；为输出层节点；为sigmoid函数。

采用BP网络计算各层的权值矩阵的步聚为：

（1）对网络进行初始化。初始化，其中可以取一组之间的随机数，而已经由第二节利用调查问卷的方式通过层次分析方法估算到初始值。（2）初始化隐含层神经元个数，根据公式，其中，取，因此隐含层个数为4。另外，取学习效率为，精度要求取。

2.4定义指标的等级标准

将指标层的各项实采数据进行归一化处理：

信号强度：这里信号强度以百分率来表示，100%即表示满信号，此时信号最强，0%表示无信号，信号最弱，我们用0—1的区间来表示信号强度的0%—100%，即0=0%的信号强度，1=100%的信号强度，0.65=65%的信号强度，以此类推。

带宽：以B表示即时的带宽，Bmax表示使用的网络技术标准最大带宽，如802.11b/g技术的最大带宽为54Mbps，即Bmax=54Mbps，B=0表示无带宽，我们同样用0—1的区间表示带宽大小，即1=Bmax，0=0Mbps，0.5=0.5Bmax，以此类推。

连接耗时：假设连接耗时为T，Tmax为一般人无法忍受的最长耗时，即超过这个时间用户就会认为已经无法连接，同样用0—1的区间表示来接耗时的大小，即1=连接耗时T趋向于0，0=实际耗时≥Tmax，0.5=0.5Tmax，以此类推。

掉线频率：假设掉线频率为F，Fmax为一般人无法忍受的最大掉线频率，如12次/小时，即超过这个极限用户就不会使用WLAN网络，用0—1的区间表示掉线频率，则1=掉线频率为0，0=实际掉线频率≥Fmax，0.5=0.5Fmax，以此类推。

重连成功率：重连成功率用百分比表示，并且跟掉线频率相关，如果掉线频率为0，我们认为重连成功率为100%。用0—1区间表示重连成功率，则1=100%，0=0%，0.5=50%，以此类推。

平均速率：我们假设使用时最大的平均速率可以达到理论值带宽，即Vmax=Bmax，同样用0—1的区间表示平均速率的大小，即1=Vmax，0=平均速率为0，0.5=0.5Vmax，以此类推。

其它特性：直接用0—1区间的数值表示。

2.5计算绝对评估值

将待评估方案的指标数值乘以各准则在综合评估中的权重并求和，即为待评估方案综合绝对评价的分值，即用户质量感知。

三、模型训练与验证

根据BP神经网络建立的WLAN网络质量评估模型[5]，利用MATLAB的神经网络工具箱建立一个输入层、隐含层和输出层的节点数分别为7、4、1的BP神经网络模型，用于进行网络训练和检验。

本文事先采集到20个WLAN覆盖点的用户网络感知评价的实际数据和结果，通过对指标的归一化处理整理成为训练和检验的基本数据（表2）。

将其中第1、2、3、4、6、7、8、10、11、12、13、15、16、17、18、20个WLAN覆盖点的数据作为训练样本进行网络中权值的训练，可以得到输入层与隐含层、隐含层与输出层之间的权值和阈值。该网络经初始化，预设误差为0.01，当训练到3509步之后，网络误差达到了设定的误差要求。

当网络训练完成之后，将第5、9、14、19个WLAN覆盖点作为验证样本，输入验证样本以验证网络的适应性，网络输出的结果如表3所示，网络验证的结果和预期评价结果比较为表4所示。

从验证及比较的结果可以看出，模型评估的结果和实际评估的结果基本上是一致的，这标志着基于用户感知的WLAN网络质量评估模型已经成功建成，学习样本的训练也已结束。以后在对WLAN覆盖点采集的数据进行评估时，只需输入被评估样本的标准化指标数据，就可以得到的输出结果逼近真实用户感知。

四、应用效果

选择广东移动某地市公司，把本文提出的算法结合到windows、iphone、ipad、Anroid、Windows Mobile、Symbiam等平台的WLAN客户端软件进行试点应用，经过一段时间的监测，发现目前WLAN覆盖点多数问题点主要集中在下载速率慢和设备故障类等，经过反馈及处理，目前已全部解决。

通过以上测试结果分析，网络质量评估模型提供了一套新的的模型（算法），整合影响用户使用感知的关键指标，通过层次分析法和神经网络算法的计算，逐步得出量化的值来评估WLAN网络的质量，为网优提供可靠数据进行网络优化，及时优化升级存在的问题，提升用户满意度。

五、结束语

本文通过对WLAN网络质量评估各种指标进行分析，设计了一套不以单一的某项指标来评估WLAN的网络质量，而是用一套新的评估方案，整合6个影响用户使用感知的关键指标，通过层次分析法和神经网络算法的计算，逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度的评估算法。本文所提出的评估方案和指标评估体系，能够较全面地评估WLAN网络质量，有效地指导WLAN网络优化。本文提出的评估算法也具备一定的通用性，根据不同无线网络的各项评估指标，对评估算法进行适当调整，可应用于其他无线网络的质量评估，为无线网络优化提供一定的技术参考。

参考文献

[1]《中国移动WLAN业务手机端认证研究项目说明书》

[2]《关于WLAN手机接入认证与质量管理的研究_河源公司-科技项目申报书》

[3]（加）Simon Haykin.神经网络与机器学习[M].北京：机械工业出版社，2011.3.

[4]吕俊，张兴华，几种快速BP算法的比较研究[J].现代电子技术，2003，24：96-99

[5]丛爽，面向Matlab工具箱的神经网络理论与应用[M].第2版.合肥：中国科学技术大学出版社，2003