Авторитетность издания
Добавить в закладки
Следующий номер на сайте
Автоматизированная система проектирования беспроводной сети IEEE 802.11
Аннотация:Рассматривается проблема автоматизированного проектирования беспроводных локально-вычислительных сетей IEEE 801.11, заключающаяся в выборе оптимального соотношения характеристик активного сетевого оборудования, его настроек и размещения для обеспечения максимальной скорости доступа клиентов к сети внутри помещения и минимизации мощности сигнала за его пределами. Выполнение последнего требования необходимо не только с точки зрения информационной безопасности, но и для соблюдения норм, установленных законодательством Российской Федерации. Описываются правовые акты, действующие в данной области, и условия использования беспроводного оборудования IEEE 801.11. Для решения задачи автоматизации проектирования сети доработана и формализована модель распространения радиосигнала. С ее помощью на основе входных характеристик, зависящих от используемого оборудования, рассчитывается мощность сигнала в любой точке помещения с учетом различных препятствий, ослабляющих его. В результате можно давать интегральную оценку варианта сети по критериям отклонения скорости передачи внутри и мощности сигнала вне помещения от заданных пользователем. При этом оптимальная сеть будет характеризоваться максимальным значением оценки, следовательно, имеет место задача оптимизации. Для ее решения предлагается использовать разработанный дифференцированный адаптивный генетический алгоритм. Кроме того, в работе приводится описание программной системы, реализующей модель и алгоритм и предоставляющей удобный графический интерфейс для работы с ними. По результатам измерений спрогнозированная мощность сигнала отличалась от реальной не более чем на 15 %.
Abstract:The article considers automation design issue related to wireless local computational IEEE 801.11 networks. The problem involves selection of optimal ratio of active network equipment parameters, its settings and location in order to provide maximum access rate for a client to the network in the building and minimize the signal outside the building. Last requirement concerns not only information security but meeting requirement of the Russian law. The article describes legislative and regulatory acts that regulate this field; it also describes the use of the wireless equipment IEEE 801.11. Transmission signal model was improved and formalized to solve the problem of automation design of the network. Based on input parameters that depend on equipment, it makes computation of the signal power in any place of the room, taking into consideration obstacles reducing the power. This helps to make integral estimation of the network type according to assigned deviation of speed inside the room and signal power outside the room. Ideal network shall be characterized by maximum value and, therefore, optimization shall be required. It is recommended to use differential adaptive genetic algorithm. The article describes software system that implements model and algorithm, and it also provides easy graphic interface to work with them. The measurement result revealed that calculated signal power differed from the real power less than for fifteen per cent.
Авторы: Жуков В.Г. (vadimzhukov@mail.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева, г. Красноярск (доцент), Красноярск, Россия, кандидат технических наук, Паротькин Н.Ю. (U-571_sos@mail.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева, г. Красноярск, Красноярск, Россия, Аспирант | |
Ключевые слова: автоматизированное проектирова¬ние., генетический алгоритм, беспроводные сети, ieee 802.11 |
|
Keywords: computer-aided design, generic algorithm, wireless network, ieee 802.11 |
|
Количество просмотров: 10436 |
Версия для печати Выпуск в формате PDF (7.64Мб) Скачать обложку в формате PDF (1.33Мб) |
В настоящее время беспроводные локально-вычислительные сети (БЛВС) IEEE 802.11 получили широкое распространение в повседневной жизни, начиная с организации беспроводного доступа к ресурсам корпоративной сети предприятия на рабочем месте и заканчивая предоставлением доступа к глобальной сети Интернет в торговом центре или дома. Такая популярность обусловлена предоставлением конечным пользователям мобильного доступа к ресурсам и сравнительно низкой стоимостью сетевого оборудования начального класса. Для развертывания беспроводной сети с помощью встроенных мастеров настройки требуется ответить на несколько вопросов, при этом пользователь чаще всего не задумывается о других немаловажных аспектах настройки сетевого оборудования, например, о рациональном выборе местоположения точки доступа. Ошибки при построении могут привести к следующим проблемам: – невозможность подключиться к сети или низкая скорость доступа в определенных местах помещения; – высокая мощность сигнала сети вне периметра помещения; – сложность выбора конкретной модели оборудования и его размещения при проектировании сети; – высокие затраты на оборудование в силу его неоптимальной настройки, компоновки и размещения. Для решения подобных проблем необходимо использовать системы автоматизированного проектирования беспроводной сети, например, коммерческие продукты, разработанные в США (EkahauSiteSurvey и AirMagnetSurveyPlanner), входящие в дорогостоящие программные комплексы для управления беспроводными сетями и их мониторинга. Однако при всех своих возможностях они обладают рядом существенных недостатков, делающих их применение неспециалистами при проектировании сети затруднительным: - отсутствие русскоязычного интерфейса; - малый перечень оборудования, доступного и разрешенного к эксплуатации в России; - проектирование сетей без учета требований законодательства РФ; - несоблюдение ограничений зоны распространения радиосигнала и установки оборудования; - отсутствие возможности минимизации стоимости сети и т.п. Рассматриваемая в данной статье программная система для автоматизированного проектирования беспроводной сети лишена перечисленных недостатков и позволяет избежать описанных ранее проблем. Главной ее особенностью является применение интеллектуальной информационной технологии на базе дифференцированного генетического алгоритма для контроля зоны распространения радиосигнала, необходимого для соблюдения требований законодательства РФ и информационной безопасности. Анализ требований законодательства и информационной безопасности к беспроводным сетям Поскольку частотный диапазон 2,4 ГГц в России является регулируемым, для него действует строгий порядок выделения и назначения частот. Эксплуатация беспроводного оборудования, работающего в этих диапазонах, без его дополнительной регистрации в надзирающих органах будет законной, если оно удовлетворяет определенным ограничениям по характеристикам и способу эксплуатации. В соответствии с решениями Государственной комиссии по радиочастотам (ГКРЧ) оборудование беспроводных локальных сетей малого радиуса действия стандартов 802.11b и 802.11g разрешено использовать внутри закрытых помещений в диапазоне частот 2400–2483,5 МГц без оформления отдельных решений и разрешений на использование радиочастот или радиочастотных каналов, если - технические характеристики, условия использования и типы устройств малого радиуса действия соответствуют основным техническим характеристикам, условиям использования и типам, указанным в приложениях к Решению ГКРЧ; - устройства малого радиуса действия не создают недопустимых помех и не требуют защиты от помех со стороны радиоэлектронных средств, работающих в соответствии с «Таблицей распределения полос частот между радиослужбами Российской Федерации»; - устройства малого радиуса действия зарегистрированы в установленном в Российской Федерации порядке. Устройство малого радиуса действия – техническое средство, предназначенное для передачи и/или приема радиоволн на короткие расстояния. Условие применения данных устройств внутри закрытых помещений предусматривает дополнительное ослабление радиосигнала от них в направлении других радиоэлектронных средств (РЭС), вносимое конструкциями помещений. Допускается применение без оформления отдельных решений ГКРЧ и разрешений на использование радиочастот или радиочастотных каналов РЭС вне закрытых помещений только для сбора информации телеметрии в составе автоматизированных систем контроля и учета ресурсов или систем охраны, то есть, например, для организации внешнего видеонаблюдения на базе беспроводных камер. За несоблюдение приведенных требований законодательство предусматривает уголовную, административную и гражданско-правовую ответственность. При эксплуатации беспроводных сетей особое внимание необходимо уделять защите данного сегмента корпоративной сети, так как она является сетью с низким уровнем доверия, поскольку более уязвима с точки зрения информационной безопасности из-за природы носителя информации, являющегося радиоволной, свободно распространяющейся в пространстве. Следовательно, БЛВС имеют наибольший риск несанкционированного подключения и перехвата трафика. Обычно для решения данной проблемы используют методы сетевой аутентификации клиентов беспроводной сети и криптографической защиты трафика, например IEEE 802.11i, 802.1x. Для повышения эффективности данных методов целесообразно на этапе проектирования беспроводной сети уделить внимание ограничению зоны распространения радиосигнала. Это позволяет снизить вероятность обнаружения беспроводной сети и уменьшить расстояние, с которого злоумышленник может провести активные или пассивные информационные атаки. Следовательно, при проектировании и развертывании БЛВС обязательно стоит учитывать минимизацию уровня сигнала вне периметра помещения для повышения уровня информационной безопасности и соблюдения требований законодательства. Модель зоны распространения радиосигнала БЛВС При рассмотрении задачи выбора и размещения сетевого оборудования возникают две противоположные по сути подзадачи: уменьшение мощности сигнала вне помещения и ее максимизация внутри него для обеспечения наибольшей скорости доступа к сети. Совместное решение этих подзадач позволяет говорить об оптимальном размещении и настройке сетевого оборудования БЛВС, удовлетворяющего требованиям пользователя, законодательства и информационной безопасности. Зона покрытия, скорость доступа к БЛВС, то есть ее итоговые характеристики с точки зрения пользователя, определяются техническими характеристиками используемого сетевого оборудования и местом его размещения. При этом мощность сигнала, излучаемого в определенном направлении, будет зависеть от удаленности источника, его выходной мощности и диаграммы направленности используемой антенны, которая определяет коэффициент усиления в определенном направлении. При приеме сигнала клиентским оборудованием скорость доступа к сети будет зависеть от чувствительности приемника абонента и коэффициента усиления принимающей антенны. Следовательно, итоговые характеристики БЛВС будут задаваться следующей совокупностью параметров: x1 – модель точки доступа (определяет максимальную мощность передатчика); x2, x3 – первая и вторая координаты места размещения точки доступа; x4 – уровень мощности сигнала точки доступа (определяет, какая часть от максимальной мощности передатчика будет использована {0,25; 0,5; 0,75; 1}); x5 – модель антенны точки доступа (определяет диаграмму направленности передающей антенны); x6 – угол поворота антенны точки доступа; x7 – модель сетевой карты (определяет чувствительность приемника); x8 – модель антенны сетевой карты (определяет коэффициент усиления принимающей антенны). В дальнейшем данную совокупность будем называть вектором входных характеристик (X). Переменная, соответствующая модели оборудования, представляется номинальной шкалой, значения которой соответствуют записям в таблице БД, содержащей характеристики конкретной модели оборудования, необходимые для вычисления целевой функции. В бинарной строке она представляется порядковым номером записи. Кодирование угла поворота антенны осуществляется указанием одного из 24 секторов (длина дуги равна 15°), на середину которого должен приходиться главный лепесток диаграммы направленности. На текущий момент вектор X описывается битовой строкой, состоящей из 33 бит, то есть данный вектор может принимать порядка 8,6´109 значений. Формальная постановка рассмотренной задачи будет следующей: y=f(x)=(f1(x), f2(x))®opt, (1) где x=(x1, x2, …, x8)ÎX – вектор решений; f1(x) – функция, отражающая суммарное отклонение мощности сигнала на границе БЛВС от заданного значения; f2(x) – суммарное отклонение скорости от заданных значений в определенных местах помещения. Ограничения на значения вектора X – g(x)=(g1(x), g2(x), …, gM(x))³0 – задаются исходя из физической природы xi, например, место расположения точки доступа ограничивается размерами помещения, существует ограниченное количество моделей оборудования и т.д. Для расчета мощности сигнала сети в определенной точке и, следовательно, скорости доступа в ней были использованы соотношения из типового метода расчета БЛВС [1], определяющего не расстояние при заданных характеристиках сети, а мощность сигнала в точке, находящейся на определенном расстоянии от точки доступа. После некоторых преобразований они имеют вид Pi,дБмВт=Pt,дБмВт+Gt,дБи+Gr,дБи–YдБ– LSUM, (2) где Pt,дБмВт – мощность передатчика; Gt,дБи – коэффициент усиления передающей антенны в рассматриваемом направлении; Gr,дБи– коэффициент усиления приемной антенны; Pi,дБмВт– чувствительность приемника на данной скорости; YдБ – потери в свободном пространстве (дБ); LSUM – суммарные потери при распространении радиоволн (дБ). Параметр LSUM определяется типом и характеристиками материала, который необходимо преодолеть сигналу по прямой линии от точки, где вычисляется мощность сигнала, до передающего устройства. Величина YдБ определяется дальностью передачи радиосигнала (D, км) в свободном пространстве и центральной частотой канала, на котором работает система связи (F, МГц): YдБ=43+20(lgD+lgF). В качестве функции f1(x) будем рассматривать суммарное нормированное отклонение мощности сигнала относительно заданного пользователем уровня. Функцию f2(x) выразим через метод статических штрафов и представим как суммарное отклонение от заданной величины. Тогда функцию f(x) в формуле (1) можно записать в следующем виде:
где F(X) – целевая функция; N – количество точек вне и внутри помещения, в котором мощность сигнала не должна превышать заданный порог; Pi – мощность сигнала в точке, рассчитываемая по формуле (2); T – максимально допустимый уровень мощности сигнала, задаваемый пользователем; R – количество точек помещения, местоположение которых определяется выделением областей на плане пользователем, в которых необходим доступ к сети с заданной скоростью; r – коэффициент, определяющий критичность уменьшения скорости передачи относительно заданной, задаваемый пользователем (рекомендованное значение – 0,4); V – требуемая скорость передачи данных для сетевой карты; vi – предполагаемая скорость доступа в i-й точке при данных настройках сети, определяемая на основании чувствительности приемника выбранной модели сетевой карты и мощности сигнала в точке по формуле (2). Под задачей оптимизации будем понимать нахождение такого значения вектора X, при котором функция (3) принимает значение глобального максимума. Исходя из постановки задачи (1) и вида целевой функции (3) задача оптимизации рассматриваемой модели относится к многомерной условной задаче оптимизации с алгоритмически заданной целевой функцией и разнородными входными переменными на множестве натуральных чисел. Поскольку в рассматриваемой задаче целевая функция задается алгоритмически, поиск оптимального решения возможен только методами, не требующими алгебраических действий над функцией. К ним, например, относятся полный перебор, покоординатный спуск, аппарат эволюционных алгоритмов и ряд других. По результатам программной реализации единичное вычисление целевой функции для вектора X занимает 0,001 сек. на одном ядре процессора с частотой 3,3 ГГц, следовательно, на полный перебор всех вариантов значений вектора X потребуется около 100 дней. При использовании методов покоординатного спуска велика вероятность найти только локальный экстремум, поскольку нет никаких данных о ландшафте функции и метод не обеспечивает выход из области локального экстремума. Другим способом поиска оптимального значения функции является применение аппарата эволюционных алгоритмов, основанных на теории эволюции Ч. Дарвина. Он позволяет за несколько тысяч вычислений целевой функции найти ее оптимальное значение. В основе работы данного метода лежит идея о том, что случайно найденные векторы X, кодирующие решения, находящиеся ближе к глобальному экстремуму оптимизируемой функции и являющиеся хорошими с точки зрения решения задачи оптимизации, при неоднократных специальных преобразованиях между собой накапливают информацию об оптимальном решении задачи. Алгоритм, основанный на данной идее, впервые был предложен Голландом [2] и позднее получил название классического генетического алгоритма (ГА). Классический ГА, обладая рядом особенностей, направленных на увеличение скорости и точности поиска оптимального решения, имеет ряд существенных недостатков: сильное влияние выбора параметров ГА на его эффективность, низкая надежность нахождения глобального экстремума для функций с проблемой плато. Данные факторы характерны для решаемой задачи, так как ландшафт функции неизвестен и изменяется в зависимости от входных данных, в частности, от плана помещения. Для устранения этих недостатков был применен дифференцированный адаптивный ГА (ДАГА), разработанный на основании дополнения к эволюционной теории, объясняющего наличие полового диморфизма у живых организмов [3]. Кратко изложим алгоритм работы ДАГА, схема которого дана на рисунке 1. 1. Формирование первоначального множества решений X размером N (N=СÈИ). Сначала значения битов в векторах X заполняются случайными числами, распределенными по равномерному закону (используется BBS-генератор), которые преобразуются в код Грея. После этого множество решений сортируется по значению целевой функции. В подмножество С отбираются решения, показавшие наилучшее значение целевой функции, остальные формируют подмножество И. 2. Раунд алгоритма. В каждом раунде необходимо И раз сформировать новое решение. a. Селекция. Выбираем случайное решение из подмножества С, а второе – по турнирной схеме из подмножества И, то есть k раз выбираем случайное решение и среди данной выборки находим то, у которого значение целевой функции лучше. Если значения равны, выбираем то, у которого больше время жизни. b. Рекомбинация. На основании отобранных векторов формируется новый вектор путем обмена некоторым количеством битов по определенному закону: одноточечному, двухточечному или равномерному. При этом рассматриваются различные комбинации битов, полученные от С и в ходе скрещивания битовых строк, и из них выбирается лучшая по значению целевой функции. После этого потомок сравнивается по значению целевой функции с И-родителем. Если лучше потомок, он замещает И-родителя, а его время жизни обнуляется. Если лучше родитель, потомок отбрасывается, а время жизни родителя увеличивается на 1. c. Вычисление нового соотношения подмножеств С и И. При недостатке индивидов в С их добавляют из И, выбирая те, что имеют большее время жизни, а при избытке их переносят из С в И, при этом время жизни у перенесенных индивидов сбрасывается. 3. Для представленного алгоритма был проведен сравнительный анализ эффективности поиска экстремума четырех тестовых функций с классическим ГА. Критериями, по которым оценивались алгоритмы, были надежность (n) и скорость (S) поиска решения. Результаты сравнительного анализа приведены в таблице [3]. Эти данные позволяют сделать вывод о предпочтительности использования ДАГА для поиска оптимального решения рассмотренной модели БЛВС. Результаты сравнительного тестирования
Программная система автоматического оптимального проектирования БЛВС В основе программной реализации автоматизированного средства проектирования БЛВС лежат модель зоны распространения радиосигнала и ДАГА для автоматического поиска оптимальных параметров сетевого оборудования. Структурная схема программной системы приведена на рисунке 2. В качестве источника данных о характеристиках сетевого оборудования используются три БД под управлением СУБД Firebird, имеющие свободный доступ для редактирования и пополнения через сторонние средства либо через специальный графический интерфейс, входящий в програм- мную систему. Он также позволяет изменять список и характеристики различных строительных материалов, встречающихся в помещениях, где установлены БЛВС. Существует возможность графического редактирования диаграмм направленности антенн путем перемещения опорных точек (рис. 3).
Возможны два варианта работы программной системы: – автоматический выбор моделей сетевого оборудования из БД, его размещение и настройка для максимального соответствия требованиям пользователя к БЛВС; – ввод пользователем всех начальных характеристик БЛВС для расчета ее итоговых характеристик.
На основании изложенного можно сделать следующие выводы. Рассмотренная программная система имеет ряд преимуществ по сравнению с коммерческими аналогами. Автоматическое соблюдение ограничений на зону распространения радиосигнала и выбор только сертифицированного оборудования позволяют использовать ее на территории РФ для проектирования БЛВС, соответствующих законодательству. По результатам исследований мощность сигнала по периметру помещения отличалась от спрогнозированной не более чем на 15 %. Кроме того, использование собственной открытой модели позволяет специалисту проверить корректность получаемых данных, а применение интеллектуальных технологий (ДАГА) дает возможность неспециалисту построить БЛВС, максимально соответствующую различным требованиям, и получить результат в наглядном графическом виде. Литература 1. Пролетарский А.В., Баскаков И.В., Чирков Д.Н. Беспроводные сети Wi-Fi: учеб. пособие. М.: БИНОМ. Лаборатория знания, 2007. 215 с. 2. Holland J.H. Adaptation in natural and artificial systems. Ann Arbor: University of Michigan Press, 1975. 3. Жуков В.Г., Паротькин Н.Ю Дифференцированный адаптивный генетический алгоритм // Вестн. НГУ. Новосибирск: 2011. Т. 9. Вып. 1. С. 5–11. |
Постоянный адрес статьи: http://swsys.ru/index.php?id=3243&page=article |
Версия для печати Выпуск в формате PDF (7.64Мб) Скачать обложку в формате PDF (1.33Мб) |
Статья опубликована в выпуске журнала № 3 за 2012 год. [ на стр. 202-207 ] |
Возможно, Вас заинтересуют следующие статьи схожих тематик:
- Интеллектуальная система прогнозирования на основе методов искусственного интеллекта и статистики
- Генетический алгоритм автоматизированного проектирования подготовительных переходов ковки
- Программный комплекс решения задачи кластеризации
- Решение расширенной логистической задачи с использованием эволюционного алгоритма
- Пчелиный алгоритм оптимизации для решения задачи планирования беспроводной сети
Назад, к списку статей