随着无线局域网相关技术的诞生及发展,以及智能手机、平板电脑、笔记本电脑等移动式无线终端的普及,同时为了满足日益增长的移动数据业务需求,电信运营商、学校及公司等都在全球范围内大量地布设大规模无线局域网。这些大规模的公共无线局域网具有明显的特点：1)覆盖范围广；2)面向移动终端；3)用户数量大且分布广；4)数据业务为主等。大规模无线局域网除了面临传统无线局域网所遭遇的问题,还有一些特有的问题,如资源更加稀缺、网络覆盖重叠、用户流量大、传输错误多和缺乏公平性等。这些问题严重地阻碍了大规模无线局域网的发展。为了推动无线局域网技术向大规模高密度应用方面发展,本文针对大规模无线局域网的特性,提出了一套发现问题、分析问题、解决问题的无线局域网优化方法。本文研究中,无线局域网的错误源诊断,流量特性分析,以及网络性能优化是解决大规模无线局域网所面临问题的关键技术。首先,人们要对大规模无线局域网的性能进行优化,需要分析错误原因和定位错误源。大规模无线局域的特点会导致低信噪比、冲突以及严重小尺度衰落这三类传输错误的大量产生,严重地降低网络性能。因此,分析和定位这三类错误是必要的,低信噪比和冲突这两类错误可以通过相应的方法避免,而小尺度衰落没有有效的方法避免,所以在优化时必须区分不同的传输错误。本文实现了一种物理层信道能量抽样与媒体接入子层信息提取相结合的跨层设计方法,用于诊断无线传输过程中错误帧产生的原因,并且精确地识别错误帧的发送方与接收方的物理地址,从而为无线局域网性能优化提供依据。这种方法通过在物理层记录小时间尺度上的信道能量抽样,采用粒子滤波联合似然比算法检测接收信道能量变化的时域特征进行模式匹配来确定错误原因。同时在媒体接入子层通过解析错误帧的物理地址来确定产生错误的源地址及目的地址,定位错误源。其次,对大规模无线局域网流量特性进行研究、建模和预测,使得网络优化的研究可以针对流量的变化规律,也可以更有效地设计网络模型和优化方法。本文研究了多个接入点数量大于150个的大规模无线局域网的流量数据,发现了不同接入点间的流量分布不均衡,存在着格兰杰因果关系的现象,并且存在格兰杰因果关系的接入点位置集中在它们的二阶邻居中。格兰杰因果关系说明,可以通过存在因果关系的接入点的历史流量来提高对目标接入点的当前流量预测的准确性。为了利用格兰杰因果关系,本文引入贝叶斯网络,这种多层的概率推断网络,对存在因果关系的接入点流量进行建模,并通过高斯混合模型利用多个接入点的历史流量对目标接入点的流量进行预测,提高了预测的准确性。通过仿真利用经典数据集对比了该预测方法和小波分析与整合移动平均自回归混合模型的预测结果,验证了该方法的准确性。再通过两个大规模无线局域网的实际流量数据,验证了该方法在实际数据集上的有效性及准确性,建立了一套完整的流量特征分析、建模及预测的流程,为后续基于用户流量的优化算法的设计打下了基础。最后,在研究过无线局域网的错误源定位及流量特性这些基础之上,本文提出了基于用户流量的比例公平模型,采用功率控制及频率选择的资源分配手段对大规模无线局域网进行优化,最大化无线局域网性能,同时保证每个用户的带宽分配公平性。在网络建模时,依据之前无线局域网流量特性研究的结果同时考虑上下行链路流量,建立了更加符合实际情况的基于用户流量的比例公平模型。通过数学方法证明了该模型的理论上限及达到该上限的条件。本文采用功率控制及频率选择手段改进了传统的比例公平优化算法。依据前面描述的实际流量数据,通过多方面的仿真实验,验证了相比相关的多种优化方法,本文描述的方法针对大规模无线局域网在吞吐量、延时及带宽分配三个方面更加有效。本文通过对以上三个关键技术的研究,针对大规模无线局域网自身特点和面临的问题,为系统性的无线局域网性能优化提供了研究基础。本文通过对这三个关键技术的研究,在不改变现有IEEE802.11协议的前提下,充分利用贫瘠的无线频谱资源,提升了网络性能。