(2)、单独新建AP 对于热点区域需求量很大的特殊地区,可采用单独新建AP的方式进行覆盖:在热点区域单独放置AP,采用全向吸顶天线来实现重点区域的覆盖。AP布放的位置要利于维护和防盗。 覆盖区域大时,可以布置多个AP实现覆盖要求,各AP间通过以太网线同交换机相连,走线长度控制在100m以内,超过100m可设置多个交换机互连。 覆盖区域不大,可以考虑单个AP完成无线覆盖,AP采用小功率设备。在较空旷的办公环境下,每个AP覆盖半径约为12M,覆盖面积450m2左右。 AP数量应约等于覆盖热点区域的数量,当热点面积超过450平米,可适当增加AP数量。 一般来说,单独布放点位选择比较灵活,可以选择适合WLAN覆盖的最佳位置;并且由于使用了较多的AP,可以获得较大的网络容量。 四、WLAN覆盖目标及策略 2、WLAN网络项目建设策略 单独布放AP示意图
2023-12-10 20:54:12 3.42MB WIFI WLAN
1
802.11 Wlan 协议, 分享给大家学习WIFI协议,来自wifi联盟
2023-06-15 11:53:50 14.91MB 80211 wlan
1
IEEE 802.11 标准以及单独修订版合集;包括1999;2003;2007;2012;2016;11a;11aa;11ac;11ad;11ae;11af;11ah;11b;11e;11F;11g;11h;11i;11j;11k;11n;11p;11r;11s;11u;11v;11w;11y;11z
2023-06-05 14:34:26 95.64MB WLAN 802.11 协议 IEEE
1
笔记本无法搜索WiFi,诊断提示windows服务没有启动,在服务项中却发现WLAN AutoConfig不存在。解决的方法是通过好的电脑导出注册表,然后再问题电脑导入。本资源为win8.1 64位操作系统的注册表。其它操作系统请按照方法导出文件再导入。
2023-03-26 22:21:01 22KB 无线网络 WLAN AutoConfig WlanSvc
1
无线mesh网络教程,对MESH网状网学习有很好的作用
2023-03-20 14:46:05 968KB mesh wlan
1
介绍: 这是网络模拟器ns-3中用于开发WLAN IEEE 802.11ad / ay标准的存储库。 11ad和11ay标准都支持未经许可的60 GHz频带中的无线网络。 我们的实现为大型密集无线网络(包括具有异类功能和约束的设备组成)执行高保真度仿真铺平了道路。 有关该项目的更多信息,请参阅下面的出版物。 新版本: 我们很高兴在网络模拟器ns-3中共享我们的IEEE 802.11ay模块的第一个预发布版本。 我们在这里列出了一些新功能: IEEE 802.11ay PHY帧结构,新的MAC帧格式和新的信息元素。 先进的波束成形技术(EDMG BRP PPDU和短SSW帧)。 通道绑定最多四个通道。 IEEE 802.11ay中所有通道配置的通道传输掩码。 SU-MIMO波束成形训练和信道访问过程。 MU-MIMO波束成形训练程序。 MIMO QD通道接口。 MIMO通
2023-03-14 12:29:14 43.88MB wlan mmwave ns3 millimetre-wave
1
针对传统WLAN指纹定位算法中存在的定位精度低、稳定性差、实时性不高等问题,提出一种基于CMAES-SVR的WLAN室内定位算法。该算法首先对接入点(AP)的接收信号强度(RSS)进行统计分析,采用高斯滤波对信号进行预处理,然后利用K-means聚类算法将原始指纹数据库中的定位区域进行聚类分块;其次采用协方差矩阵自适应进化策略(CMAES)优化支持向量回归机(SVR)参数,从而建立CMAES-SVR室内定位学习模型,通过该模型分别构建各定位子区域中RSS信号与物理位置非线性映射关系;最后判断测试点所属类簇,根据该类簇中训练好的CMAES-SVR模型进行回归预测。实验结果表明,与WKNN、传统SVR以及PSO-SVR算法相比,该算法在定位精度、稳定性以及实时性方面均有所提高。
2023-03-02 11:26:02 1.18MB 室内定位 位置指纹 聚类分析
1
本文来谈谈WLAN测试, 这几乎是所有的无线终端设备测试中必要环节。此文着重谈一下WLAN射频部分测试基本要点,希望对刚刚涉及WLAN领域的朋友有一 定的帮助。另外此文主要着重于WLAN芯片的初期射频测试,关于工程大规模自动化测试(类似batch处理等)不在此文讨论范围。
2023-03-01 18:07:54 98KB Wlan 射频(RF) 测试环境 测试设置
1
学习笔记、学习手册、WLAN、H3C的WLAN、所使用的学习笔记手册
2023-02-28 00:55:05 3.79MB WLAN
1
针对RSS(接收信号强度)时变性以及不同终端信号接收能力的差异性,导致WLAN位置指纹定位不稳定的问题,基于RSS空间线性相关性提出一种新颖的位置指纹定位算法。在每个参考点分别采集多组RSS样本形成特征矩阵,并构建离线位置指纹数据库。定位时,通过计算实时RSS矩阵与指纹库参考点相关性,得到最相关的k个参考点,利用二次加权质心算法计算用户的最终位置。为了有效降低信号时变性的影响,采样时进行了滤波、排序等处理,构建离线指纹数据库时尽量增加采样次数,但需要对样本进行聚合处理以适应定位相关性计算。实验结果表明,该算法在保证较高定位准确度的同时,针对不同终端有更好的定位稳定性。
1