基于网络感知的WLAN漫游优化方案：提高效率与吞吐量

随着WiFi智能终端的普及，诸如智能手机、平板电脑等设备对无线网络的依赖性日益增强，使得WLAN（Wireless Local Area Network）在各种公共场所得到广泛应用。然而，当终端设备（STA，Station）在不同的AP（Access Point）覆盖区域移动时，遇到的一个常见问题是“粘性漫游”问题。粘性漫游指的是某些STA即使在移动过程中能接收到信号更强的AP，但仍会选择保持连接原AP，导致传输速率下降和网络性能受损。 针对这一问题，本文提出了一种基于网络信息感知的漫游方案。该方案的核心是通过周期性地监测和分析关联终端的接收信号强度，即RSSI（Received Signal Strength Indicator），来识别出那些表现出粘性行为的STA。方案不仅关注终端自身的状态，还结合AP收集的终端状态信息以及网络的整体运行情况，构建一个权重模型。这个模型能够根据实时的信号强度、负载均衡等因素动态评估各个AP的适配度，从而为粘性STA推荐最佳的目标AP，指导其进行漫游切换。 在Mininet-WiFi仿真环境中，该方案经过验证展现出显著的效果。它能够有效提高粘性STA的漫游切换效率，减少切换过程中的延迟，进而提升终端的传输速率。同时，通过优化网络资源分配，整体系统吞吐量也得到了提升。这对于提升用户体验和优化网络资源利用具有重要意义，特别是在高密度用户场景下，如商场、机场或大型会议中心等地方。 总结来说，该研究针对WiFi漫游中的粘性问题，创新性地运用了网络信息感知技术，通过智能化的决策机制，实现了无缝漫游切换，为WLAN网络的高效运维和用户体验提供了有力支持。这项工作对于无线网络技术的发展具有理论价值和实际应用价值，值得进一步深入研究和推广。