KR102586751B1 - Tstp 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템 - Google Patents
Tstp 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템 Download PDFInfo
- Publication number
- KR102586751B1 KR102586751B1 KR1020220019981A KR20220019981A KR102586751B1 KR 102586751 B1 KR102586751 B1 KR 102586751B1 KR 1020220019981 A KR1020220019981 A KR 1020220019981A KR 20220019981 A KR20220019981 A KR 20220019981A KR 102586751 B1 KR102586751 B1 KR 102586751B1
- Authority
- KR
- South Korea
- Prior art keywords
- channel
- tstp
- backup channel
- user activity
- user
- Prior art date
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000000694 effects Effects 0.000 claims abstract description 68
- 230000007704 transition Effects 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템이 개시된다. 본 발명에 따른 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법은, CR 네트워크망을 구성하는 적어도 하나 이상의 CR 유저노드와 CR 마스터노드를 포함하는 시스템에서의 지능형 동적 스펙트럼 핸드오프 수행 방법으로서, 상기 CR 유저노드에서, 상기 CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 상기 CR 마스터노드 측으로 전달하고, 상기 CR 마스터노드에서, 미리 설정된 제 1 주기동안 수집된 센싱데이터를 기초로 상기 CR 네트워크 망에서의 사용자 활동패턴을 모델링하고, 상기 모델링된 사용자 활동패턴을 기초로 백업채널 정보를 생성하며, 상기 CR 유저노드에서, 상기 제 1 주기 이후의 제 2 주기동안 상기 CR 마스터노드로부터 백업채널 정보를 전달받아 이를 기초로 스펙트럼 핸드오프를 수행한다. 따라서, 상술한 본 발명에 따르면, TSTP 기반의 백업채널 정보를 이용한 반응형 스펙트럼 핸드오프 기법을 제공함으로써, 불필요한 스펙트럼 핸드오프 동작으로 인한 에너지 소비를 최소화할 수 있다. 또한, 백업채널 목록 기반의 스펙트럼 감지를 통해 신속 정확하게 유휴 채널을 선택함으로써, 부족한 주파수 자원이 효율적으로 관리될 수 있다.
Description
본 발명은 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템에 관한 것으로서, 보다 상세하게는, 백업채널 정보를 기반으로 동적으로 스펙트럼 핸드오프를 수행하는, TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템이다.
최근 사물인터넷(IoT)의 발전을 바탕으로 다양한 IoT 기기에서 생성되는 방대한 양의 데이터를 효과적으로 처리하는 컴퓨팅 기술의 패러다임 전환이 빠르게 일어나고 있다. International data Corporation 에 따르면 2025년에는 인터넷에 연결되는 IoT 기기가 79.4 제타바이트에 육박하는 데이터를 생성하며, 이러한 기기가 무려 441억개에 달할 것으로 예측하며, 이로 인해 IoT 를 구성하는 스마트 기기, 센서, 카메라에 이르기까지 주요 엔드 단말기에 상당한 변화를 가져올 것으로 예측하고 있다.
한편, 기존에는 이러한 방대한 양의 데이터를 중앙 집중화된 데이터센터나 외부의 클라우드 시스템에서 처리하고 있으나, 이러한 기존의 중앙 집중식 컴퓨팅 시스템은 실시간 처리가 필요한 스마트 공장, 스마트팜, 자율주행차 등 다양한 IoT 서비스를 수용하는데 그 한계가 있다. 따라서, 기하급수적으로 증가하는 데이터 볼륨과 네트워크 트래픽에 기반한 클라우드 서버 과부화 위험으로 인해 기존의 중앙 집중식 컴퓨팅 시스템에서 무선접속망 내 네트워크 에지로의 컴퓨팅 전환이 새로운 패러다임이 될 전망이다. 이러한 에지 컴퓨팅은 연산과 데이터 스토리지를 데이터 소스에 더 가깝게하는 분산 컴퓨팅 시스템으로서, 사용자가 사용하는 단말기와 가까운 위치에서 컴퓨팅 서비스를 처리하므로 보다 빠르고 안정적인 서비스를 받을 수 있고 유연한 하이브리드 클라우드 컴퓨팅을 수행할 수 있는 이점을 갖는다.
그러나, 이러한 에지 컴퓨팅의 제한된 주파수 자원은 실시간으로 기계형 장치(MTD) 작동이 필요한 동적 스펙트럼 환경에서 빈번한 주파수 핸드오프를 유발하며, 다른 동종 네트워크와의 간섭으로 인해 심각한 성능 저하가 발생될 수 있다. 따라서, 채널 상태 정보와 같은 시간 변동 파라미터에 따라 주파수 자원의 분배가 동적으로 최적화될 필요성이 있다.
이를 위해, 종래에는 동적 주파수 환경에서 유휴 채널을 추론하기 위해 주파수 통계를 나타내는 이력 데이터를 기반으로 점유 확률 및 상태 전환 확률을 사용하여 기존 사용자의 사용 패턴을 학습했다. 또한 현재 사용자에 대한 간섭없이 지속적인 커뮤니케이션이 가능하도록 주파수 감지에 기반한 반응형 핸드오프 방법과 백업 채널 목록을 이용한 사전 핸드오프 방법이 사용되었다. 그러나, 이러한 핸드오프 방법은 인접한 채널과 위치에 현재 사용자가 존재할 경우 간섭의 영향으로 현재 사용자의 성능이 저하될 수 있으며, 이로 인해 유휴 채널 사용 제한으로 인해 주파수 효율성이 저하되고 주파수 핸드오프 수가 증가될 수 있다.
따라서, 기존 사용자에게 간섭영향을 주지 않고 주파수 핸드오프 수를 최적으로 하는 지능형 동적 스펙트럼 핸드오프 수행 방법의 개발이 필요한 실정이다.
본 발명의 일 측면에 따르면, 일정주기동안 수집된 센싱데이터를 기초로 CR 네트워크 망에서의 사용자 활동패턴을 모델링하고 이를 기초로 백업채널 정보를 생성하며 상기 백업채널 정보를 기초로 스펙트럼 핸드오프를 수행하는 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템을 제공하는데 그 목적이 있다.
본 발명의 일 실시예에 따른 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법은, CR 네트워크망을 구성하는 적어도 하나 이상의 CR 유저노드와 CR 마스터노드를 포함하는 시스템에서의 지능형 동적 스펙트럼 핸드오프 수행 방법으로서, 상기 CR 유저노드에서, 상기 CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 상기 CR 마스터노드 측으로 전달하고, 상기 CR 마스터노드에서, 미리 설정된 제 1 주기동안 수집된 센싱데이터를 기초로 상기 CR 네트워크 망에서의 사용자 활동패턴을 모델링하고, 상기 모델링된 사용자 활동패턴을 기초로 백업채널 정보를 생성하며, 상기 CR 유저노드에서, 상기 제 1 주기 이후의 제 2 주기동안 상기 CR 마스터노드로부터 백업채널 정보를 전달받아 이를 기초로 스펙트럼 핸드오프를 수행한다.
삭제
한편, 사용자 활동패턴을 모델링하는 것은, 각 채널에 대해, 사용자가 채널을 사용하는 점유상태 확률을 상기 제 1 주기를 일정간격으로 구획한 타임슬롯(time slot) 별로 산출하고, 상기 산출된 점유상태 확률이 기설정된 값 이상인지 여부에 따라 바이너리(binary) 값의 형태로 모델링하는 것일 수 있다.
또한, 상기 점유상태 확률은, 사용자가 채널을 사용하는 온(ON)상태 유지시간의 평균값과 상기 사용자가 채널을 사용하지 않는 오프(OFF)상태 유지시간의 평균값을 기초로 산출될 수 있다.
또한, 백업채널 정보를 생성하는 것은, 특정시간 및 위치에서의 사용자가 사용하지 않는 유휴채널의 목록을 생성하는 것일 수 있다.
또한, 백업채널 정보를 생성하는 것은, 시간과 주파수 영역 모두에서 상기 사용자 활동패턴과 겹치지 않으면서 상기 스펙트럼 핸드오프를 최소화하기 위한 TSTP(Two State Transition Probability) 채널 선택 기법에 기초하여 상기 백업채널 정보를 생성하는 것일 수 있다.
또한, TSTP 채널 선택기법은, 시간영역에서의 사용자 활동패턴을 확인하되, 상기 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 타임 슬롯 값을 선택하고, 주파수 영역에서의 사용자 활동패턴을 확인하되, 상호 인접한 두 개의 채널에서의 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 채널 슬롯 값을 선택할 수 있다.
또한, 백업채널 정보를 생성하는 것은, 각 채널별로 상기 타임 슬롯 값을 누적 카운팅하여 미리 설정된 관계식에 따라 TSTP를 산출하고, 상기 산출된 TSTP에 기초하여 채널들을 정렬한 백업채널 목록인 상기 백업채널 정보를 생성하는 것일 수 있다.
또한, 스펙트럼 핸드오프를 수행하는 것은, 상기 백업채널 정보에서 선순위 채널의 스펙트럼을 센싱하여 유휴 채널인지 확인하고, 상기 유휴 채널이 아니면 차순위 채널로 변경하여 상기 스펙트럼 핸드오프를 수행하는 것이고, 상기 제 2 주기동안 기설정된 횟수까지 반복되는 것일 수 있다.
본 발명의 다른 실시예에 따른 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 시스템은 CR 네트워크 망을 구성하는 적어도 하나 이상의 CR 유저노드와 CR 마스터노드를 포함하는 지능형 동적 스펙트럼 핸드오프 수행 시스템으로서, 상기 CR 유저노드는 상기 CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 상기 CR 마스터노드 측으로 전달하고, 상기 CR 마스터노드는 미리 설정된 제 1 주기동안 수집된 상기 센싱데이터를 기초로 상기 CR 네트워크 망에서의 사용자 활동패턴을 모델링하고, 상기 모델링된 사용자 활동패턴을 기초로 백업채널 정보를 생성하며, 상기 CR 유저노드는 상기 제 1 주기 이후의 제 2 주기동안 상기 CR 마스터노드로부터 백업채널 정보를 전달받아 이를 기초로 스펙트럼 핸드오프를 수행할 수 있다.
한편, CR 마스터노드는, 각 채널에 대해, 사용자가 채널을 사용하는 점유상태 확률을 상기 제 1 주기를 일정간격으로 구획한 타임슬롯(time slot) 별로 산출하고, 상기 산출된 점유상태 확률이 기설정된 값 이상인지 여부에 따라 바이너리(binary) 값의 형태로 모델링하는 사용자 활동패턴 모델링부 및 시간과 주파수 영역 모두에서 상기 사용자 활동패턴과 겹치지 않으면서 상기 스펙트럼 핸드오프를 최소화하기 위한 TSTP(Two State Transition Probability) 채널 선택 기법에 기초하여 상기 백업채널 정보를 생성하는 백업채널 정보 생성부를 포함할 수 있다.
또한, TSTP 채널 선택기법은, 시간영역에서의 사용자 활동패턴을 확인하되, 상기 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 타임 슬롯 값을 선택하고, 주파수 영역에서의 사용자 활동패턴을 확인하되, 상호 인접한 두 개의 채널에서의 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 채널 슬롯 값을 선택할 수 있다.
또한, 백업채널 정보 생성부는, 각 채널별로 상기 타임 슬롯 값을 누적 카운팅하여 미리 설정된 관계식에 따라 TSTP를 산출하고, 상기 산출된 TSTP에 기초하여 채널들을 정렬한 백업채널 목록인 상기 백업채널 정보를 생성하는 것일 수 있다.
또한, CR 유저노드는, 상기 백업채널 정보에서 선순위 채널의 스펙트럼을 센싱하여 유휴 채널인지 확인하고, 상기 유휴 채널이 아니면 차순위 채널로 변경하여 상기 스펙트럼 핸드오프를 수행하는 스펙트럼 핸드오프 수행부를 포함할 수 있다.
상술한 본 발명에 따르면, TSTP 기반의 백업채널 정보를 이용한 반응형 스펙트럼 핸드오프 기법을 제공함으로써, 불필요한 스펙트럼 핸드오프 동작으로 인한 에너지 소비를 최소화할 수 있다. 또한, 백업채널 목록 기반의 스펙트럼 감지를 통해 신속 정확하게 유휴 채널을 선택함으로써, 부족한 주파수 자원이 효율적으로 관리될 수 있다.
도 1 은 본 발명의 일 실시예에 따른 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 시스템의 구성도이다.
도 2 는 도 1 에 도시된 CR 마스터노드의 구체적인 구성을 도시한 블록도이다.
도 3 은 도 1 에 도시된 CR 유저노드의 구체적인 구성을 도시한 블록도이다.
도 4 는 도 2 에 도시된 사용자 활동패턴 모델링부에서 모델링한 사용자 활동패턴의 일 예를 도시한 도면이다.
도 5 는 도 2 에 도시된 백업채널정보 생성부에서 TSTP 채널 선택기법에 기반하여 백업채널 정보를 생성하는 일 과정을 도시한 도면이다.
도 6 은 도 1 에 도시된 CR 유저노드와 CR 마스터노드에서 일정 주기를 갖고 백업채널 정보를 생성하고, 백업채널 정보를 기초로 스펙트럼 핸드오프를 수행하는 과정을 모식화한 도면이다.
도 7 은 본 발명의 다른 실시예에 따른 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법을 도시한 도면이다.
도 8 은 도 7 에 도시된 스펙트럼 핸드오프 수행과정을 구체적으로 도시한 도면이다.
도 2 는 도 1 에 도시된 CR 마스터노드의 구체적인 구성을 도시한 블록도이다.
도 3 은 도 1 에 도시된 CR 유저노드의 구체적인 구성을 도시한 블록도이다.
도 4 는 도 2 에 도시된 사용자 활동패턴 모델링부에서 모델링한 사용자 활동패턴의 일 예를 도시한 도면이다.
도 5 는 도 2 에 도시된 백업채널정보 생성부에서 TSTP 채널 선택기법에 기반하여 백업채널 정보를 생성하는 일 과정을 도시한 도면이다.
도 6 은 도 1 에 도시된 CR 유저노드와 CR 마스터노드에서 일정 주기를 갖고 백업채널 정보를 생성하고, 백업채널 정보를 기초로 스펙트럼 핸드오프를 수행하는 과정을 모식화한 도면이다.
도 7 은 본 발명의 다른 실시예에 따른 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법을 도시한 도면이다.
도 8 은 도 7 에 도시된 스펙트럼 핸드오프 수행과정을 구체적으로 도시한 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1 은 본 발명의 일 실시예에 따른 지능형 동적 스펙트럼 핸드오프 시스템의 구성도이다.
본 실시예에 따른 지능형 동적 스펙트럼 핸드오프 수행 시스템은 적어도 하나 이상의 CR 유저노드(CR User, 200)와 CR 마스터노드(CR Master, 100)를 포함하여, CR(Cognitive Radio) 네트워크 망을 구성한다.
여기서, CR 네트워크 망은 IEEE 802.22. 무선지역통신망(WRAN) 표준에 따라 TV 화이트스페이스(TVWS) 대역을 사용하는 기지국이 광대역 접속 지원이 어려운 교회지역의 IoT 기기를 제어하는 인프라 기반의 CR 망일 수 있으며, 이에 한정되지 않는다.
이때, 단일 무선망을 구성하는 각 기지국인 CR 마스터노드(100)는 인접채널과 위치에 존재하는 동일한 유형의 셀 간 자체 공존을 위해 데이터베이스 접촉을 통해 CR 네트워크 망 내 주파수 자원을 독립적으로 관리하며, CR 유저노드(200)는 CR 마스터노드(100)의 관리 하에 있는 단말기로서, CR 네트워크 망 내 유휴 주파수 자원을 기회주의적으로 사용할 수 있다.
이를 위해, CR 유저노드(200)는 각각 CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 CR 마스터노드(100) 측으로 전달(① sensing data)하고, CR 마스터노드(100)는 이를 데이터베이스(Database)에 전달하여 저장시킨다. 또한, CR 마스터노드(100)는 일정 주기동안의 CR 네트워크에서의 통계 정보를 나타내는 히스토리 데이터를 데이터베이스 측으로부터 전달받아(② History data) 이를 기초로 백업채널 정보를 생성하고, 이를 CR 유저노드(200) 측에 전달(Backup channel)한다. 또한, CR 유저노드(200)는 일정 주기동안 CR 마스터노드(100)로부터의 백업채널 정보에 기초하여 스펙트럼 센싱(Spectrum sensing) 및 스펙트럼 핸드오프를 수행한다.
이하에서는, 도 2 내지 도 6 을 참조하여, 각 CR 마스터노드(100)와 CR 유저노드(200)의 구체적인 구성에 대해 설명한다.
도 2 는 도 1 에 도시된 CR 마스터노드의 구체적인 구성을 도시한 블록도이고, 도 3 은 도 1 에 도시된 CR 유저노드의 구체적인 구성을 도시한 블록도이며, 도 4 는 도 2 에 도시된 사용자 활동패턴 모델링부에서 모델링한 사용자 활동패턴의 일 예를 도시한 도면이고, 도 5 는 도 2 에 도시된 백업채널정보 생성부에서 TSTP 채널 선택기법에 기반하여 백업채널 정보를 생성하는 일 과정을 도시한 도면이며, 도 6 은 도 1 에 도시된 CR 유저노드와 CR 마스터노드에서 일정 주기를 갖고 백업채널 정보를 생성하고, 백업채널 정보를 기초로 스펙트럼 핸드오프를 수행하는 과정을 모식화한 도면이다.
CR 마스터노드(100)는 통신부(110) 및 학습 엔진(120)를 포함한다.
통신부(110)는 CR 네트워크 내의 적어도 하나 이상의 CR 유저노드(200) 와 통신하여 CR 유저노드(200)로부터의 채널상태 센싱 데이터를 수신하고, 백업채널 정보를 CR 유저노드(200) 측으로 전송한다.
또한, 통신부(110)는 CR 네트워크와 연계된 데이터베이스와 통신하여 CR 유저노드(200)로부터의 채널상태 센싱 데이터를 데이터베이스에 전달하고, 일정기간동안 수집된 센싱 데이터를 히스토리 데이터로서 데이터베이스로부터 수신할 수 있다.
특히, 본 실시예에 따른 CR 마스터노드(100)는, 학습 엔진(120)을 구비하여 로컬 네트워크인 CR 네트워크의 통계 정보를 나타내는 히스토리 데이터를 기반으로 특성화, 주파수 결정 및 분류를 통해 백업 채널 목록을 생성하여 CR 유저노드(200)의 유휴 채널로의 적시전환을 용이하게 할 수 있다. 이러한 학습 엔진(120)은 도 6 에 도시된 바와 같이, 제 1 주기(학습주기, Learning periond) 동안 동작하여 CR 유저노드(200) 측에 백업채널 리스트(Backup channel list) 를 제공할 수 있다.
이를 위해, 학습 엔진(120)은 사용자 활동패턴 모델링부(121)와 백업채널 정보 생성부(122)를 포함한다.
먼저, 사용자 활동패턴 모델링부(121)는 시간과 주파수 영역에서 현재 사용자의 통계적 특성에 기초하여 사용자 활동패턴을 모델링한다.
이를 위해, 사용자 활동패턴 모델링부(121)는 먼저, 현재 사용자가 채널을 사용하여 CR 유저노드(200)가 해당 채널을 사용할 수 없음을 나타내는 'On'상태와 현재 사용자가 채널을 사용하지 않아 CR 유저노드(200)가 해당 채널을 기회주의적으로 사용할 수 있음을 나타내는 'Off'상태로 현재 사용자 활동상태를 모사한다.
또한, 사용자 활동패턴 모델링부(121)는 각 채널의 On 및 Off 상태를 나타내는 점유 상태 확률을 아래 수학식 1 에 기초하여 산출한다.
여기서, 은 j번째 채널에서의 점유 상태 확률을 의미하며, 는 j번째 채널의 on 상태 유지 시간의 평균 값을 의미하고, 는 j번째 채널의 off 상태 유지 시간의 평균 값을 의미한다.
즉, 사용자 활동패턴 모델링부(121)는 제 1 주기 내에서 과거부터 현재까지 일정 간격으로 구획한 타임슬롯 별로 점유상태 확률을 구하며, 이러한 점유상태 확률은 각 채널에 대해 모두 산출될 수 있다.
사용자 활동패턴 모델링부(121)는 이렇게 산출된 각 채널별 각 타임슬롯별 점유상태 확률값이 기설정된 값 이상인지 여부를 판단하여 아래 수학식 2 에서와 같이 사용자 활동패턴을 바이너리 값의 형태로 모델링할 수 있다.
여기서, 는 j 번째 채널의 의 타임슬롯에서의 사용자 활동패턴 값으로서, 기 설정된 k 값보다 작거나 같으면 '0', 기 설정된 k 값보다 크면 '1'로 모델링된다. 한편, k 값은 0 부터 1 사이의 임의의 값으로 설정될 수 있다.
즉, 사용자 활동패턴 모델링부(121)는 시간과 주파수 영역별로 점유상태 확률 값을 산출하고, 산출된 점유상태 확률값이 기설정된 값 보다 작으면 해당 채널에 해당 타임슬롯에서는 기존 사용자가 점유할 확률이 낮은 상태임을 바이너리 값의 형태로서 모델링하는 것이다.
이렇게 모델링된 사용자 활동패턴의 일 예는 도 4 와 같다. 도 4 를 참조하면, x 축은 시간축으로서 과거(Past)부터 현재(Current)까지의 제 1 주기를 일정 개수의 구획으로 나눈 복수의 타임슬롯(Time slots(~))을 의미하고, y축은 주파수축으로서 복수의 채널들(Channel(~))을 의미한다, 즉, 사용자 활동패턴은 이러한 x축과 y축에 대응하는 각각의 채널에 대한 타임슬롯 별 사용자 활동 패턴 값을 배열한 2차원 사용자 활동패턴 평면일 수 있다.
백업채널 정보 생성부(122)는 사용자 활동패턴 모델링부(121)에서 모델링된 사용자 활동패턴에 기초하여 특정시간 및 위치에서의 사용자가 사용하지 않는 유휴채널의 목록인 백업채널 정보를 생성한다.
이를 위해, 본 실시예에 따른 백업채널 정보 생성부(122)는 시간과 주파수 영역 모두에서 상기 사용자 활동패턴과 겹치지 않으면서 스펙트럼 핸드오프를 최소화하기 위한 TSTP(Two State Transition Probability) 채널 선택 기법에 기초하여 백업채널 정보를 생성할 수 있다.
먼저, 백업채널 정보 생성부(122)는 시간영역에서의 사용자 활동패턴을 확인한다. 백업채널 정보 생성부(122)는 상기 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 타임 슬롯 값을 선택한다.
이러한 타임 슬롯 값은 아래 수학식 3 에 따라 선택될 수 있다.
즉, 백업채널 정보 생성부(122)는 도 5 에서와 같이, 시간축 상에서 연속하는 타임슬롯에서의 사용자 활동 패턴 값을 확인하여 해당 값이 '0'인 'off state'를 나타내는지에 따라 타임 슬롯 값을 선택하는 것으로서, 보다 상세하게는, 제 1 타임슬롯과 상기 제 1 타임슬롯에 연속된 제 2 타임슬롯에서의 사용자 활동패턴 값이 모두 '0'이거나, 상기 제 2 타임슬롯에서의 사용자 활동패턴 값이 '0'이면, 해당 타임슬롯 값을 '1'로 정의하는 것이다.
또한, 백업채널 정보 생성부(122)는 주파수 영역에서의 사용자 활동패턴을 확인한다. 백업채널 정보 생성부(122)는 상호 인접한 두 개의 채널에서의 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 채널 슬롯 값을 선택한다
이러한 채널 슬롯 값은 아래 수학식 4 에 따라 선택될 수 있다.
즉, 백업채널 정보 생성부(122)는 도 5 에서와 같이, 주파수축 상에서 인접한 채널 상태가 모두 '1' 상태일 때, 해당 채널 슬롯 값을 '1'로 선택한다. 이때, 채널 상태가 '1' 이란 시간 영역에서 두 개의 연속한 타임슬롯이 모두 유휴 또는 유휴 상태로 전환될 가능성이 있음을 의미한다.
백업채널 정보 생성부(122)는 이렇게 선택된 타임 슬롯 값과 채널 슬롯 값에 기초하여 TSTP 를 산출한다.
TSTP 를 산출하는 관계식은 아래 수학식 5 를 따른다.
즉, TSTP()는 m-1 개의 타임 슬롯 구간동안 타임 슬롯 값()이 '1'인 타임 슬롯을 누적 카운팅하여 각 채널별로 산출되는 것이다.
백업채널 정보 생성부(122)는 이렇게 산출된 각 채널별 TSTP 값에 기초하여 채널들을 정렬하여 백업채널 정보를 생성한다. 이때, 백업채널 정보 생성부(122)는 오름차순으로 채널들을 정렬하여 백업채널 목록을 생성할 수 있는데, 여기서 1순위 채널은 다수의 유휴채널이 존재하는 트래픽 상황에서도 스펙트럼 핸드오프 동작이 가장 적고 인접한 채널에 기존 사용자가 없는 채널임을 의미한다.
CR 유저노드(200)는 도 3 에서와 같이, 통신부(210), 스펙트럼 센싱부(221) 및 스펙트럼 핸드오프 수행부(222)를 포함한다.
통신부(210)는 스펙트럼 센싱부(221)로부터의 센싱데이터를 CR 마스터노드(100) 측에 전송하고, CR 마스터 노드(100)로부터 백업채널 정보를 수신한다.
스펙트럼 센싱부(221)는 일정 주기동안 스펙트럼을 감지하여 채널 상태 정보인 센싱데이터를 생성한다. 이렇게 생성된 센싱데이터는 시간과 주파수 영역에서의 사용자의 통계적 특성을 나타내는 사용자 활동패턴을 생성하는데 사용될 수 있다.
특히, 본 실시예에 따른 CR 유저노드(200)는 추론엔진으로 구성된 스펙트럼 핸드오프 수행부(222)를 더 포함하여, 다른 유휴 채널로 스펙트럼 핸드오프 연산을 수행함으로써 기존 사용자를 방해하지 않고 지속적인 통신이 가능하게 제어한다.
보다 구체적으로, 스펙트럼 핸드오프 수행부(222)는 백업채널 정보에서 선순위 채널의 스펙트럼을 센싱하여 유휴 채널인지 확인하고, 유휴 채널이면 해당 채널을 유지하지만 상기 유휴 채널이 아니면 차순위 채널로 변경하여 상기 스펙트럼 핸드오프를 수행한다. 이때, 스펙트럼 핸드오프 수행부(222)는 도 6 에서와 같이, CR 마스터 노드(100)가 백업채널 정보를 생성하기 위한 제 1 주기(학습 주기) 에 후속하는 제 2 주기(추론주기, Reasoning period) 동안 기설정된 횟수까지 상술한 과정을 반복하여 수행할 수 있다.
도 7 은 본 발명의 다른 실시예에 따른 지능형 동적 스펙트럼 핸드오프 수행방법을 도시한 도면이고, 도 8 은 도 7 에 도시된 스펙트럼 핸드오프 수행과정을 구체적으로 도시한 도면이다.
본 실시예에 따른 지능형 동적 스펙트럼 핸드오프 수행 방법은, CR 네트워크망을 구성하는 적어도 하나 이상의 CR 유저노드(200)와 CR 마스터노드(100)를 포함하는 시스템에서의 지능형 동적 스펙트럼 핸드오프 수행 방법으로서, CR 유저노드(200)에서, CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 CR 마스터노드(100) 측으로 전달(S100, S200)하고, CR 마스터노드(100)에서, 미리 설정된 제 1 주기동안 센싱데이터를 수집하여 히스토리 데이터를 생성(S300)하고 이를 기초로 CR 네트워크 망에서의 사용자 활동패턴을 모델링(S400)하고, 상기 모델링된 사용자 활동패턴을 기초로 백업채널 정보를 생성(S500)하며, CR 유저노드(200)에서, 상기 제 1 주기 이후의 제 2 주기동안 CR 마스터노드(100)로부터 백업채널 정보를 전달(S600)받아 이를 기초로 스펙트럼 핸드오프를 수행(S700)한다.
또한, 스펙트럼 핸드오프를 수행(S700)하는 것은, 상기 백업채널 정보에 따라 먼저 채널을 선택(S710)하여 선택된 채널의 스펙트럼을 센싱(S720)하고 해당 채널이 유휴채널이면(S730) 채널을 유지(S740)하되, 그렇지 아니하면(S730) 다시 백업채널 정보에 따라 채널을 선택하는 과정을 반복하여 스펙트럼 핸드오프를 수행한다.
구체적으로, 스펙트럼 핸드오프를 수행(S700)하는 것은, 백업채널을 오름차순으로 정렬한 백업채널 목록정보인 백업채널 정보에 따라 먼저 선순위 채널의 스펙트럼을 센싱하여 유휴 채널인지 확인하고, 해당 선순위 채널이 유휴 채널이면 해당 채널을 유지하되, 유휴채널이 아니면 차순위 채널로 변경하여 상기 스펙트럼 핸드오프를 수행하는 것이다.
또한, 이러한 스펙트럼 핸드오프를 수행하는 과정은 CR 유저노드에게 할당된 스펙트럼 핸드오프를 수행하는 제 2 주기동안 기설정된 횟수까지 반복되는 것일 수 있다.
그 밖의 특징은 상술한 도 1 내지 도 6 의 내용과 동일한바, 이에 대한 설명은 생략한다.
상술한 본 발명에 따르면, TSTP 기반의 백업채널 정보를 이용한 반응형 스펙트럼 핸드오프 기법을 제공함으로써, 불필요한 스펙트럼 핸드오프 동작으로 인한 에너지 소비를 최소화할 수 있다. 또한, 백업채널 목록 기반의 스펙트럼 감지를 통해 신속 정확하게 유휴 채널을 선택함으로써, 부족한 주파수 자원이 효율적으로 관리될 수 있다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: CR 마스터노드
200: CR 유저노드
200: CR 유저노드
Claims (13)
- CR 네트워크망을 구성하는 적어도 하나 이상의 CR 유저노드와 CR 마스터노드를 포함하는 시스템에서의 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법으로서,
상기 CR 유저노드에서, 상기 CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 상기 CR 마스터노드 측으로 전달하고,
상기 CR 마스터노드에서, 미리 설정된 제 1 주기동안 수집된 센싱데이터를 기초로 상기 CR 네트워크 망에서의 사용자 활동패턴을 모델링하고, 상기 모델링된 사용자 활동패턴을 기초로 백업채널 정보를 생성하며,
상기 CR 유저노드에서, 상기 제 1 주기 이후의 제 2 주기동안 상기 CR 마스터노드로부터 백업채널 정보를 전달받아 이를 기초로 스펙트럼 핸드오프를 수행하고,
상기 사용자 활동패턴을 모델링하는 것은,
각 채널에 대해, 사용자가 채널을 사용하는 점유상태 확률을 상기 제 1 주기를 일정간격으로 구획한 타임슬롯(time slot) 별로 산출하고, 상기 산출된 점유상태 확률이 기설정된 값 이상인지 여부에 따라 바이너리(binary) 값의 형태로 모델링하는 것이고,
상기 백업채널 정보를 생성하는 것은,
특정시간 및 위치에서의 사용자가 사용하지 않는 유휴채널의 목록을 생성하는 것이며,
상기 백업채널 정보를 생성하는 것은,
시간과 주파수 영역 모두에서 상기 사용자 활동패턴과 겹치지 않으면서 상기 스펙트럼 핸드오프를 최소화하기 위한 TSTP(Two State Transition Probability) 채널 선택 기법에 기초하여 상기 백업채널 정보를 생성하는 것이고,
상기 TSTP 채널 선택기법은,
시간영역에서의 사용자 활동패턴을 확인하되, 상기 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 타임 슬롯 값을 선택하고,
주파수 영역에서의 사용자 활동패턴을 확인하되, 상호 인접한 두 개의 채널에서의 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 채널 슬롯 값을 선택하며,
상기 백업채널 정보를 생성하는 것은,
각 채널별로 상기 타임 슬롯 값을 누적 카운팅하여 미리 설정된 관계식에 따라 TSTP를 산출하고, 상기 산출된 TSTP에 기초하여 채널들을 정렬한 백업채널 목록인 상기 백업채널 정보를 생성하는, TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법. - 삭제
- 제 1 항에 있어서,
상기 점유상태 확률은,
사용자가 채널을 사용하는 온(ON)상태 유지시간의 평균값과 상기 사용자가 채널을 사용하지 않는 오프(OFF)상태 유지시간의 평균값을 기초로 산출되는, TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 스펙트럼 핸드오프를 수행하는 것은,
상기 백업채널 정보에서 선순위 채널의 스펙트럼을 센싱하여 유휴 채널인지 확인하고, 상기 유휴 채널이 아니면 차순위 채널로 변경하여 상기 스펙트럼 핸드오프를 수행하는 것이고,
상기 제 2 주기동안 기설정된 횟수까지 반복되는 것인, TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법. - CR 네트워크 망을 구성하는 적어도 하나 이상의 CR 유저노드와 CR 마스터노드를 포함하는 TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 시스템으로서,
상기 CR 유저노드는 상기 CR 네트워크 망에서의 채널상태를 센싱한 센싱 데이터를 상기 CR 마스터노드 측으로 전달하고,
상기 CR 마스터노드는 미리 설정된 제 1 주기동안 수집된 상기 센싱데이터를 기초로 상기 CR 네트워크 망에서의 사용자 활동패턴을 모델링하고, 상기 모델링된 사용자 활동패턴을 기초로 백업채널 정보를 생성하며,
상기 CR 유저노드는 상기 제 1 주기 이후의 제 2 주기동안 상기 CR 마스터노드로부터 백업채널 정보를 전달받아 이를 기초로 스펙트럼 핸드오프를 수행하고,
상기 CR 마스터노드는,
각 채널에 대해, 사용자가 채널을 사용하는 점유상태 확률을 상기 제 1 주기를 일정간격으로 구획한 타임슬롯(time slot) 별로 산출하고, 상기 산출된 점유상태 확률이 기설정된 값 이상인지 여부에 따라 바이너리(binary) 값의 형태로 모델링하는 사용자 활동패턴 모델링부; 및
시간과 주파수 영역 모두에서 상기 사용자 활동패턴과 겹치지 않으면서 상기 스펙트럼 핸드오프를 최소화하기 위한 TSTP(Two State Transition Probability) 채널 선택 기법에 기초하여 상기 백업채널 정보를 생성하는 백업채널 정보 생성부를 포함하고,
상기 TSTP 채널 선택기법은,
시간영역에서의 사용자 활동패턴을 확인하되, 상기 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 타임 슬롯 값을 선택하고,
주파수 영역에서의 사용자 활동패턴을 확인하되, 상호 인접한 두 개의 채널에서의 사용자 활동패턴이 인접하는 타임슬롯 내에서 모두 유휴상태이거나 유휴상태로 전환될 가능성이 있는지 여부에 따라 채널 슬롯 값을 선택하고,
상기 백업채널 정보 생성부는,
각 채널별로 상기 타임 슬롯 값을 누적 카운팅하여 미리 설정된 관계식에 따라 TSTP를 산출하고, 상기 산출된 TSTP에 기초하여 채널들을 정렬한 백업채널 목록인 상기 백업채널 정보를 생성하는, TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 시스템. - 삭제
- 삭제
- 삭제
- 제 9 항에 있어서,
상기 CR 유저노드는,
상기 백업채널 정보에서 선순위 채널의 스펙트럼을 센싱하여 유휴 채널인지 확인하고, 상기 유휴 채널이 아니면 차순위 채널로 변경하여 상기 스펙트럼 핸드오프를 수행하는 스펙트럼 핸드오프 수행부를 포함하는, TSTP 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210178404 | 2021-12-14 | ||
| KR20210178404 | 2021-12-14 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| KR20230090205A KR20230090205A (ko) | 2023-06-21 |
| KR102586751B1 true KR102586751B1 (ko) | 2023-10-10 |
| KR102586751B9 KR102586751B9 (ko) | 2024-02-08 |
Family
ID=86989891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220019981A KR102586751B1 (ko) | 2021-12-14 | 2022-02-16 | Tstp 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102586751B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100291478B1 (ko) | 1998-09-08 | 2001-06-01 | 윤종용 | 셀룰러시스템에서유휴상태핸드오프방법및시스템 |
| KR100881743B1 (ko) | 2001-05-01 | 2009-02-06 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 현재 무선 접속된 슬레이브 유닛의 핸드오프를 수행하는 방법 및 무선 통신 장치, 및 통신 유닛 |
| KR102282836B1 (ko) | 2018-10-04 | 2021-07-28 | 모토로라 솔루션즈, 인크. | 동적 스펙트럼 할당들을 갖는 통신 시스템들을 위한 주파수간 이동성 지원 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6816472B1 (en) | 2000-07-14 | 2004-11-09 | Motorola, Inc. | Method and apparatus for selecting a best link for supplemental channel assignment during a handoff period in a spread spectrum communication system |
| KR101133263B1 (ko) * | 2009-12-31 | 2012-04-09 | 서울대학교산학협력단 | 인지라디오 시스템을 위한 적응 감지 스케줄링방법 |
| KR101306838B1 (ko) * | 2011-09-14 | 2013-09-10 | 세종대학교산학협력단 | 협력적 스펙트럼 감지 방법 및 장치 |
| KR101453202B1 (ko) * | 2013-04-08 | 2014-10-22 | 경희대학교 산학협력단 | 무선인지네트워크에서 부사용자 단말기에 채널을 예측하여 할당하는 방법 |
| KR101549120B1 (ko) * | 2014-02-12 | 2015-09-04 | 부산대학교 산학협력단 | 무선랜 환경에서 성능 이상 현상을 고려한 핸드오프 결정 시스템 및 방법 |
-
2022
- 2022-02-16 KR KR1020220019981A patent/KR102586751B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100291478B1 (ko) | 1998-09-08 | 2001-06-01 | 윤종용 | 셀룰러시스템에서유휴상태핸드오프방법및시스템 |
| KR100881743B1 (ko) | 2001-05-01 | 2009-02-06 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 현재 무선 접속된 슬레이브 유닛의 핸드오프를 수행하는 방법 및 무선 통신 장치, 및 통신 유닛 |
| KR102282836B1 (ko) | 2018-10-04 | 2021-07-28 | 모토로라 솔루션즈, 인크. | 동적 스펙트럼 할당들을 갖는 통신 시스템들을 위한 주파수간 이동성 지원 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102586751B9 (ko) | 2024-02-08 |
| KR20230090205A (ko) | 2023-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Learning-based energy-efficient resource management by heterogeneous RF/VLC for ultra-reliable low-latency industrial IoT networks | |
| Konstantinidis et al. | Multi-objective k-connected deployment and power assignment in wsns using a problem-specific constrained evolutionary algorithm based on decomposition | |
| Konstantinidis et al. | A multi-objective evolutionary algorithm for the deployment and power assignment problem in wireless sensor networks | |
| EP3000204B1 (en) | System and methods for multi-objective cell switch-off in wireless networks | |
| Matinmikko et al. | Fuzzy-logic based framework for spectrum availability assessment in cognitive radio systems | |
| Sesto-Castilla et al. | Use of Machine Learning for energy efficiency in present and future mobile networks | |
| Balieiro et al. | A multi-objective genetic optimization for spectrum sensing in cognitive radio | |
| CN113382477B (zh) | 应用于无线网络用户间上行干扰建模的方法 | |
| Hlophe et al. | QoS provisioning and energy saving scheme for distributed cognitive radio networks using deep learning | |
| Naveen Raj et al. | A survey and performance evaluation of reinforcement learning based spectrum aware routing in cognitive radio ad hoc networks | |
| Mirzaei Somarin et al. | Big data based self-optimization networking in next generation mobile networks | |
| Hu et al. | A study of LTE network performance based on data analytics and statistical modeling | |
| Xia et al. | Digital twin and artificial intelligence for intelligent planning and energy-efficient deployment of 6G networks in smart factories | |
| KR102586751B1 (ko) | Tstp 기반의 백업채널 목록을 이용한 반응형 스펙트럼 핸드오프 수행 방법 및 이를 이용하는 시스템 | |
| Hanif et al. | Traffic pattern based adaptive spectrum handoff strategy for cognitive radio networks | |
| Arnous et al. | ILFCS: an intelligent learning fuzzy-based channel selection framework for cognitive radio networks | |
| Zhang et al. | A self-supervised learning approach for accelerating wireless network optimization | |
| Khan et al. | Fuzzy inference based adaptive channel allocation for IEEE 802.22 compliant smart grid network | |
| Meng et al. | Bayesian network prediction of mobile user throughput in 5g wireless networks | |
| Höyhtyä et al. | Cognitive engine: design aspects for mobile clouds | |
| Balieiro et al. | A fuzzy-genetic approach for 5g/6g opportunistic slicing | |
| Alozie et al. | Intelligent process of spectrum handoff in cognitive radio network | |
| Devi et al. | Machine Learning Based Traffic Prediction System in Green Cellular Networks | |
| WO2024062717A1 (ja) | 無線アクセスネットワークの制御装置 | |
| Wang et al. | Joint frequency and time resource partitioning for OFDM-based small cell networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] | ||
| G170 | Re-publication after modification of scope of protection [patent] |