DE102020129317A1 - Betriebsverfahren für ein Endgerät und Endgerät - Google Patents

Betriebsverfahren für ein Endgerät und Endgerät Download PDF

Info

Publication number
DE102020129317A1
DE102020129317A1 DE102020129317.8A DE102020129317A DE102020129317A1 DE 102020129317 A1 DE102020129317 A1 DE 102020129317A1 DE 102020129317 A DE102020129317 A DE 102020129317A DE 102020129317 A1 DE102020129317 A1 DE 102020129317A1
Authority
DE
Germany
Prior art keywords
cell
terminal
cells
classification
cell search
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE102020129317.8A
Other languages
English (en)
Other versions
DE102020129317B4 (de
Inventor
Joohyun DO
Sungyoon CHO
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of DE102020129317A1 publication Critical patent/DE102020129317A1/de
Application granted granted Critical
Publication of DE102020129317B4 publication Critical patent/DE102020129317B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04JMULTIPLEX COMMUNICATION
    • H04J11/00Orthogonal multiplex systems, e.g. using WALSH codes
    • H04J11/0069Cell search, i.e. determining cell identity [cell-ID]
    • H04J11/0079Acquisition of downlink reference signals, e.g. detection of cell-ID
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04JMULTIPLEX COMMUNICATION
    • H04J11/00Orthogonal multiplex systems, e.g. using WALSH codes
    • H04J11/0069Cell search, i.e. determining cell identity [cell-ID]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • G06N20/10Machine learning using kernel methods, e.g. support vector machines [SVM]
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04JMULTIPLEX COMMUNICATION
    • H04J11/00Orthogonal multiplex systems, e.g. using WALSH codes
    • H04J11/0069Cell search, i.e. determining cell identity [cell-ID]
    • H04J11/0086Search parameters, e.g. search strategy, accumulation length, range of search, thresholds
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W48/00Access restriction; Network selection; Access point selection
    • H04W48/16Discovering, processing access restriction or access information
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/02Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04Large scale networks; Deep hierarchical networks
    • H04W84/042Public Land Mobile systems, e.g. cellular systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

Ein Betriebsverfahren für ein Endgerät das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, beinhaltet ein Erzeugen von ersten Zellensuchtrainingsdaten für die Mehrzahl von Zellen, ein Bestimmen von zumindest einer Trainingskandidatenzelle basierend auf den ersten Zellensuchtrainingsdaten, ein Aktualisieren einer Klassifizierung basierend auf zweiten Zellensuchtrainingsdaten unter den ersten Zellensuchtrainingsdaten und Netzwerkinformationen über das Endgerät, um eine aktualisierte Klassifizierung zu erhalten, wobei die zweiten Zellensuchtrainingsdaten der zumindest einen Trainingskandidatenzelle entsprechen, und ein Bestimmen einer gültigen Zelle aus der Mehrzahl von Zellen basierend auf der aktualisierten Klassifizierung.

Description

  • Querverweis auf eine verwandte Anmeldung
  • Die vorliegende Anmeldung nimmt die Priorität der am 24. März 2020 beim Koreanischen Patentamt eingereichten koreanischen Patentanmeldung Nr. 10-2020-0035817 in Anspruch, deren Offenbarung hierin durch Bezugnahme vollinhaltlich aufgenommen ist.
  • Hintergrund
  • Eine beispielhafte Ausführungsform betriff ein Betriebsverfahren für ein Endgerät zur Verbesserung einer Zellenerfassungsleistung und das Endgerät.
  • Für eine Netzwerkkommunikation mit einer optimalen oder gewünschten Zelle (oder einer Basisstation) kann ein Endgerät einen Zellensuchvorgang für eine Mehrzahl von Zellen durchführen. Das Endgerät berechnet eine Korrelation zwischen einem empfangenen Signal und einem Referenzsignal durch Verwendung eines Synchronisierungssignals, das von einer jeweiligen von der Mehrzahl von Zellen empfangen wird, und bestimmt eine gültige Zelle von der Mehrzahl von Zellen basierend auf der Korrelation. Wenn jedoch ein Verfahren für die vorstehend beschriebene Bestimmung einer gültigen Zelle auf das Endgerät angewendet wird, wird die Genauigkeit in einer Maßzahl, wie z. B. eine Korrelation, in einer störgeräuschbehafteten Umgebung gemindert, in der ein elektrisches Signalfeld schwach ist. Wenn, in anderen Worten, ein Korrelationsreferenzwert für die gültige Zellenbestimmung hoch eingestellt ist, verringert sich die Wahrscheinlichkeit, dass eine gültige Zelle fälschlicherweise als eine falsche Zelle bestimmt wird, jedoch erhöht sich die Wahrscheinlichkeit, dass Kandidatenzellen, die als gültige Zellen bestimmt worden sind, verloren gehen. Wenn andererseits der Korrelationsreferenzwert für die gültige Zellenbestimmung niedrig eingestellt ist, verringert sich die Wahrscheinlichkeit, dass eine gültige Zelle fälschlicherweise als falsche Zelle bestimmt wird, jedoch erhöht sich die Wahrscheinlichkeit, dass die falsche Zelle als eine gültige Zelle bestimmt wird. Ein Referenzkonzept für die Bestimmung gültiger Zellen, das eine verbesserte Bestimmungsleistung für gültige Zellen konstant beibehält, ohne durch die Kommunikationsumgebung des Endgeräts beeinträchtigt zu werden, wäre daher wünschenswert.
  • Kurzfassung
  • Eine beispielhafte Ausführungsform stellt ein Endgerät bereit, das in der Lage ist, eine verbesserte Zellensuchleistung in verschiedenen Kommunikationsumgebungen desselben konstant beizubehalten, indem eine Bestimmungsreferenz für ein gültige Zelle basierend auf einem maschinellen Lernen sowie ein Betriebsverfahren für das Endgerät konzipiert wird.
  • Gemäß einer beispielhaften Ausführungsform ist ein Betriebsverfahren für ein Endgerät bereitgestellt, das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, wobei das Verfahren beinhaltet: ein Erzeugen von ersten Zellensuchtrainingsdaten für die Mehrzahl von Zellen, ein Bestimmen von zumindest einer Trainingskandidatenzelle basierend auf den ersten Zellensuchtrainingsdaten, ein Aktualisieren einer Klassifizierung basierend auf zweiten Zellensuchtrainingsdaten unter den ersten Zellensuchtrainingsdaten und Netzwerkinformationen über das Endgerät, um eine aktualisierte Klassifizierung zu ermitteln, wobei die zweiten Zellensuchtrainingsdaten der zumindest einen Trainingskandidatenzelle entsprechen, und ein Bestimmen einer gültigen Zelle aus der Mehrzahl von Zellen basierend auf der aktualisierten Klassifizierung.
  • Gemäß einer beispielhaften Ausführungsform ist ein Betriebsverfahren für ein Endgerät bereitgestellt, das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, wobei das Verfahren beinhaltet: ein Erzeugen von ersten Zellensuchtrainingsdaten für die Mehrzahl von Zellen, ein Bestimmen einer Mehrzahl von Trainingskandidatenzellen basierend auf den ersten Zellensuchtrainingsdaten, ein Klassifizieren von zweiten Zellensuchtrainingsdaten aus den ersten Zellensuchtrainingsdaten zu einem gültigen Zellendatensatz und einem falschen Zellendatensatz basierend auf Netzwerkinformationen über das Endgerät, wobei die zweiten Zellensuchtrainingsdaten der Mehrzahl von Trainingskandidatenzellen entsprechen, und ein Aktualisieren einer Klassifizierung basierend auf einer linearen Separation zwischen dem gültigen Zellendatensatz und dem falschen Zellendatensatz, um eine aktualisierte Klassifizierung zu ermitteln.
  • Gemäß einer beispielhaften Ausführungsform ist ein Endgerät bereitgestellt, das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, wobei das Endgerät aufweist: eine Mehrzahl von Antennen, die konfiguriert sind, um hohe Frequenzsignale von einer jeweiligen von der Mehrzahl von Zellen zu empfangen, eine integrierte Hochfrequenzschaltung, die konfiguriert ist, um die Hochfrequenzsignale in Basisbandsignale zu verarbeiten, und ein Verarbeitungsschaltungsaufbau, der konfiguriert ist zum Erfassen einer Mehrzahl von Synchronisierungssignalen von der Mehrzahl von Zellen anhand der Basisbandsignale, zum Erzeugen von ersten Zellensuchtrainingsdaten unter Verwendung der Mehrzahl von Synchronisierungssignalen, zum Bestimmen einer trainierenden gültigen Zellenkandidatengruppe aus der Mehrzahl von Zellen basierend auf den ersten Zellensuchtrainingsdaten, und zum Aktualisieren einer Klassifizierung basierend auf zweiten Zellensuchtrainingsdaten aus den ersten Zellensuchtrainingsdaten und Netzwerkinformationen über das Endgerät, wobei die zweiten Zellensuchtrainingsdaten der trainierenden gültigen Zellenkandidatengruppe entsprechen.
  • Figurenliste
  • Eine beispielhafte Ausführungsform wird anhand der nachstehenden, ausführlichen Beschreibung unter Bezugnahme auf die beigefügte Zeichnung näher erläutert. Es zeigen:
    • 1 ein Diagramm, das ein drahtloses Kommunikationssystem gemäß einer beispielhaften Ausführungsform darstellt;
    • 2 ein Blockdiagramm, das ein Endgerät gemäß einer beispielhaften Ausführungsform darstellt;
    • 3 ein Blockdiagramm, das einen Zellensuch-Controller gemäß einer beispielhaften Ausführungsform darstellt;
    • 4 ein Flussdiagram für ein Zellensuchverfahren für ein Endgerät gemäß einer beispielhaften Ausführungsform;
    • 5 ein Flussdiagramm, das Verfahrensschritt S100 in 4 gemäß einer beispielhaften Ausführungsform ausführlich darstellt;
    • 6 ein Flussdiagramm, das Verfahrensschritt S200 in 4 gemäß einer beispielhaften Ausführungsform ausführlich darstellt;
    • 7A und7B Flussdiagramme, die Verfahrensschritt S300 in 4 gemäß einer beispielhaften Ausführungsform ausführlich darstellen;
    • 8A einen Graphen zur Erläuterung eines Klassifizierers basierend auf SVM gemäß einer beispielhaften Ausführungsform, und
    • 8B ein ausführliches Flussdiagramm von Verfahrensschritt S300 in 4 basierend auf der Beschreibung unter Bezugnahme auf 8A;
    • 9 ein ausführliches Flussdiagramm von Verfahrensschritt S300 in 4 gemäß einer beispielhaften Ausführungsform;
    • 10A ein ausführliches Flussdiagramm von Verfahrensschritt S328 in 9 gemäß einer beispielhaften Ausführungsform und
    • 10B einen Graphen zur Erläuterung einer in 10A offenbarten, beispielhaften Ausführungsform;
    • 11A und 11B Flussdiagramme zur Erläuterung eines Speicherverfahrens für jeweils einen gültigen Zellendatensatz und einen falschen Zellendatensatz für ein Endgerät unter Berücksichtigung einer begrenzten Speicherkapazität eines Speichers, gemäß einer beispielhaften Ausführungsform;
    • 12 ein Diagramm zur ausführlichen Erläuterung eines Datenspeicherverfahrens für ein Endgerät gemäß einer beispielhaften Ausführungsform;
    • 13 ein Diagramm zur Erläuterung eines Zellensuchverfahrens für ein Endgerät gemäß einer beispielhaften Ausführungsform; und
    • 14 ein Blockdiagramm einer elektronischen Vorrichtung gemäß einer beispielhaften Ausführungsform.
  • Ausführliche Beschreibung
  • Eine Basisstation kann mit einem Endgerät kommunizieren und dem Endgerät Kommunikationsnetzwerkressourcen zuordnen. Die Basisstation kann eine Zelle, eine Basisstation (BS), einen NodeB (NB), einen eNodB (eNB), ein Next-Generation-Radio-Access-Network (NG RAN), eine drahtlose Verbindungseinheit, einen BS-Controller und/oder einen Knoten auf einem Netzwerk beinhalten. Nachstehend kann eine BS der Einfachheit halber als die Zelle bezeichnet werden.
  • Das Endgerät (oder ein Kommunikationsendgerät) kann mit einer Zelle oder einem anderen Endgerät kommunizieren. Das Endgerät kann als ein Knoten, eine Benutzervorrichtung (UE), eine Next-Generation-UE (NG-UE), eine mobile Station (MS), eine mobile Vorrichtung(ME), eine Vorrichtung oder ein Endgerät bezeichnet werden.
  • Darüber hinaus kann das Endgerät ein Smart-Phone, einen Tablet-Personal-Computer (PC), ein Mobiltelephon, ein Fernsehtelefon, einen E-Book-Reader, einen Desktop-PC, einen Laptop-PC, einen Netbook-Computer, einen Personal-Digital-Assistant (PDA), einen tragbaren Multimedia-Player (PMP), einen MP3-Player, eine medizinische Vorrichtung, eine Kamera und/oder eine tragbare Vorrichtung beinhalten. Darüber hinaus kann das Endgerät ein Fernsehgerät, einen Digital-Video-Disk- (DVD-) Spieler, eine Audiovorrichtung, einen Kühlschrank, eine Klimaanlage, einen Staubsauger, einen Backofen, eine Mikrowelle, eine Waschmaschine, eine Luftreinigungsvorrichtung, eine Set-Top-Box, eine Gebäudeautomations-Steuertafel, eine Sicherheitssteuertafel, eine Medienbox (z. B. Samsung HomeSync™, AppleTV™ oder Google TV™), eine Spielekonsole (z. B. Xbox™ oder Playstation™), ein elektronisches Wörterbuch, eine elektronische Taste, einen Camcorder und/oder einen elektronischen Bilderrahmen beinhalten. Darüber hinaus kann das Endgerät verschiedene medizinische Vorrichtungen (z. B. verschiedene tragbare medizinische Messvorrichtungen (ein Blutzuckermessgerät, ein Herzfrequenzmessgerät, ein Blutdruckmessgerät, ein Körpertemperaturmessgerät oder dergleichen)), eine Magnetresonanzangiographie (MRA), eine Magnetresonanztomographie (MRI), eine Computertomographie (CT), eine Kamera und/oder eine Ultraschallvorrichtung, eine Navigationsvorrichtung, ein globales Satellitennavigationssystem (GNSS), einen Unfalldatenspeicher (DER), einen Flugdatenschreiber (FDR), eine Bord-Infotainment-Vorrichtung, eine elektronische Ausrüstung für Schiffe (z. B. eine Seenavigationsvorrichtung, eine Kreiselkompassanlage oder dergleichen), eine Avionik, eine Sicherheitsvorrichtung, ein Autoradio, einen Industrie- oder Haushaltsroboter, eine Drone, einen Geldausgabeautomaten (ATM) (z. B. in Bankinstituten), Kassen (POS) (z. B. in Warenhäusern) und/oder Internet der Dinge (IoT-) Vorrichtungen (z. B. eine Glühbirne, verschiedene Sensoren, eine Sprinklervorrichtung, ein Feueralarm, ein Thermostat, eine Straßenlaterne, ein Toaster, Fitnessgeräte, ein Warmwassertank, ein Heizgerät, ein Warmwasserboiler und dergleichen) beinhalten. Darüber hinaus kann das Endgerät verschiedene Arten von Multimediasystem beinhalten, die Kommunikationsfunktionen ausführen können.
  • Nachstehend wird eine beispielhafte Ausführungsform unter Bezugnahme auf die beigefügte Zeichnung näher erläutert.
  • 1 ist ein Diagramm für ein drahtloses Kommunikationssystem 1 gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 1 kann das drahtlose Kommunikationssystem 1 erste bis siebente Zellen 10 bis 70 (z. B. eine erste Zelle 10, eine zweite Zelle 20, eine dritte Zelle 30, eine vierte Zelle 40, eine fünfte Zelle 50, eine sechste Zelle 60 und/oder eine siebente Zelle 70) und/oder ein Endgerät 100 beinhalten.
  • Das Endgerät 100 kann durch Empfangen/Senden von Signalen an und von den ersten bis siebenten Zellen 10 bis 70 auf das drahtlose Kommunikationssystem 1 zugreifen. Das drahtlose Kommunikationssystem 1, mit dem das Endgerät 100 verbunden werden kann, kann als eine Funkzugangstechnik (RAT) bezeichnet werden und kann rein beispielhaft ein drahtloses Kommunikationssystem unter Verwendung eines Mobilfunknetzes, z. B. eines Kommunikationssystem der fünften Generation (5G), ein Long-Term-Evolution- (LTE-) Kommunikationssystem, ein LTE-Advanced (A)- (LTE-A-) Kommunikationssystem, ein Code-Division-Multiple-Access- (CDMA-) Kommunikationssystem und ein Global-System-For-Mobile-Communications (GSM)- Kommunikationssystem und/oder ein Wireless-Local-Area-Network- (WLAN-) Kommunikationssystem oder ein anderes beliebiges drahtloses Kommunikationssystem beinhalten.
  • Ein drahtloses Kommunikationsnetzwerk für das drahtlose Kommunikationssystem 1 kann eine Kommunikation von einer Mehrzahl von drahtlosen Kommunikationsvorrichtungen einschließlich des Endgeräts 100 unterstützen, indem verfügbare Netzwerkressourcen geteilt werden. Zum Beispiel können in dem drahtlosen Kommunikationsnetzwerk Informationen in vielen verschiedenen Verbindungsverfahren übertragen werden, wie z. B. CDMA, Frequency-Division-Multiple-Access (FDMA), Time-Division-Multiple-Access (TDMA), Orthogonal-Frequency-Division-Multiple-Access (OFDMA), Single-Carrier-Frequency-Division-Multiple-Access (SC-FDMA), Orthogonal-Frequency-Division-Multiplexing (OFDM)-FDMA, OFDM-TDMA und OFD-CDMA.
  • Die ersten bis siebenten Zellen 10 bis 70 können allgemein als feststehende Stationen in Kommunikation mit dem Endgerät 100 und/oder anderen Zellen bezeichnet werden und können Daten austauschen und Informationen steuern, indem sie mit dem Endgerät 100 und anderen Zellen kommunizieren. Zum Beispiel kann jede von den ersten bis siebenten Zellen 10 bis 70 als eine Basisstation, ein Node B, ein evolved-Node B (eNB), ein Next-Generation-Node B (gNB), ein Sektor, ein Standort, eine Base-Transceiver-Station (BTS), ein Access-Point bzw. Zugangspunkt (AP), ein Weiterleitungsknoten, ein Remote-Radio-Head (RRH), eine Radio-Unit (RU) oder eine Small-Cell bezeichnet werden. Der Begriff einer Zelle ist hierin umfassend auslegbar und kann einen bestimmten Bereich oder eine Funktion kennzeichnen, der/die durch einen Base-Station-Controller (BSC) in einem CDMA, einen Node-B in einem Wideband-CDMA (WCDMA), einen eNB in einem LTE, einen Sektor oder dergleichen abgedeckt wird, und kann sämtliche unterschiedliche Empfangsgebiete beinhalten, wie z. B. Kommunikationsbereiche einer Megazelle, einer Makrozelle, einer Mikrozelle, einer Pikozelle, einer Femtozelle, eines Weiterleitungsknotens, eines RRH, einer RU und einer Small-Cell.
  • Die ersten bis siebten Zellen 10 bis 70 können mit dem Endgerät 100 über einen drahtlosen Kanal verbunden sein und verschiedene Kommunikationsdienste bereitstellen. Die ersten bis siebten Zellen 10 bis 70 können den gesamten Benutzerverkehr über einen gemeinsam genutzten Kanal bedienen und eine zeitliche Einteilung durchführen, indem Statusinformationen gesammelt werden, wie z. B. ein Pufferstatus, ein verfügbarer Übertragungsleistungsstatus und/oder ein Kanalstatus des Endgeräts 100. Das drahtlose Kommunikationssystem 1 kann eine Strahlformungstechnologie durch Verwendung eines Orthogonalen Frequenzmultiplexverfahrens (OFDM) als die Radiozugriffstechnologie unterstützen. Darüber hinaus kann das drahtlose Kommunikationssystem 1 ein Adaptive-Modulation-and-Coding- (AMC-) Verfahren zum Bestimmen eines Modulationsschemas und/oder einer Kanalcodierungsrate gemäß dem Kanalzustand des Endgeräts 100 unterstützen.
  • Die ersten bis siebenten Zellen 10 bis 70 können benachbarte Zellen sein, die das Endgerät 100 umgeben, und/oder benachbart zu dem Endgerät 100 sein, und können entsprechend einer Position des Endgeräts 100 variieren. Das Endgerät 100 kann einen Zellensuchvorgang durchführen, so dass es mit einer beliebigen von den ersten bis siebten Zellen 10 bi 70 verbunden sein und kommunizieren kann. Der Zellensuchvorgang kann eine Zellenidentifizierung und eine Zellenmessung beinhalten. Das Endgerät 100 kann z. B. die ersten bis siebten Zellen 10 bis 70 (z. B. die Zellenidentifizierung (ID) von einer jeweiligen von den ersten bis siebten Zellen 10 bis 70) erfassen und aufzeichnen, währen die Zellenidentifizierung durchgeführt wird, und kann eine Signalleistung und dergleichen entsprechend einer jeweiligen von den ersten bis sieben Zellen 10 bis 70 messen, die während der Durchführung der Zellenmessung identifiziert worden sind.
  • Auf den Zellensuchvorgang des Endgeräts 100 wird nachstehend ausführlicher eingegangen. Das Endgerät 100 kann Zellensuchdaten durch Verwendung von Signalen erzeugen, die von den ersten bis siebten Zellen 10 bis 70 empfangen werden. Das Endgerät 100 kann z. B. ein Synchronisierungssignal von einer jeweiligen von den ersten bis siebten Zellen 10 bis 70 empfangen und die Zellensuchdaten basierend auf einem Erfassungsergebnis des Synchronisierungssignals erzeugen. Das Endgerät 100 kann eine gültige Zellenkandidatengruppe aus den ersten bis siebten Zellen 10 bis 70 basierend auf den Zellensuchdaten und einem Klassifizierer bestimmen. Der Klassifizierer kann Zellen, die aus den ersten bis siebten Zellen 10 bis 70 wahrscheinlich als gültige Zellen bestimmt werden, als Kandidatenzellen klassifizieren. Der Klassifizierer kann z. B. eine dementsprechende Klassifizierungsfunktion einstellen, kann Ausgaben, die durch Anwenden der Zellensuchdaten auf die Klassifizierungsfunktion erzeugt werden, mit einem Referenzwert vergleichen, und die gültige Zellenkandidatengruppe basierend auf dem Vergleichsergebnis bestimmen. Wenn z. B. die Ausgabe der Klassifizierungsfunktion, die durch Eingeben der Zellensuchdaten entsprechend der ersten Zelle erzeugt wird, einen Referenzwert erfüllt, kann das Endgerät 100 die erste Zelle als die Kandidatenzelle klassifizieren und kann, wenn die Ausgabe einen zweiten Referenzwert erfüllt, die erste Zelle als eine falsche Zelle klassifizieren. Die Zellensuchdaten können eine Korrelation zwischen einem empfangenen Signal aus den ersten bis siebten Zellen 10 bis 70 und einem Referenzsignal, einer Größe der Korrelation und einer Phase, die anhand der Korrelation ermittelt wird, beinhalten, und der Klassifizierer kann eine jeweilige von den Ausgaben, die durch Anwenden der Zellensuchdaten erzeugt werden, die die vorstehend beschriebenen, auf die Korrelation bezogenen Daten beinhalten, mit dem Referenziert vergleichen und kann die gültige Zellenkandidatengruppe basierend auf dem Vergleichsergebnis bestimmen.
  • Wie vorstehend beschrieben, kann jedoch, da die Genauigkeit in einem Index, wie z. B. der Korrelation, in einer störgeräuschbehafteten Umgebung variiert, in der ein elektrisches Signalfeld schwach oder stark ist, ein Konzept für einen nichtfestgelegten Klassifizierer (oder Klassifizierungsfunktionen und Klassifizierungsreferenzen) wünschenswert sein, um die gültige Zelle selbst in unterschiedlichen störgeräuschbehafteten Umgebungen genau bestimmen zu können.
  • Das Endgerät 100 gemäß einer beispielhaften Ausführungsform kann die verbesserte Zellensuchleistung durch kontinuierliches Aktualisieren des Klassifizierers selbst in einer variierenden störgeräuschbehafteten Umgebung konstant beibehalten. Als eine beispielhafte Ausführungsform kann das Endgerät 100 erste Zellensuchtrainingsdaten für die ersten bis siebten Zellen 10 bis 70 erzeugen. Die ersten Zellensuchtrainingsdaten können den Klassifizierer aktualisieren, und das Endgerät 100 kann die ersten Zellensuchtrainingsdaten gesondert von dem Zellensuchvorgang periodisch erzeugen. Zudem kann das Endgerät 100 die ersten Zellensuchtrainingsdaten erzeugen, um den Klassifizierer parallel (z. B. simultan oder zeitnah) mit dem Zellensuchvorgang zu aktualisieren, und ferner kann das Endgerät 100 den Klassifizierer durch Verwendung der Zellensuchdaten aktualisieren, die in dem Zellensuchvorgang erzeugt werden. In einer beispielhaften Ausführungsform können hingegen die ersten bis siebten Zellen 10 bis 70 Zellen, die tatsächlich nicht existieren, oder gefälschte Zellen beinhalten, und das Endgerät 100 kann die ersten Zellensuchtrainingsdaten für die Zellen, die tatsächlich nicht existieren, oder für die gefälschten Zellen erzeugen.
  • Als eine beispielhafte Ausführungsform kann das Endgerät 100 eine trainierende gültige Zellenkandidatengruppe, die zumindest eine Trainingskandidatenzelle beinhaltet, basierend auf den ersten Zellensuchtrainingsdaten bestimmen. Die Trainingskandidatenzelle kann als eine Zelle definiert sein, die zum Aktualisieren des Klassifizierers verwendet wird. Das Endgerät 100 kann die Größe der Korrelation zwischen dem empfangen Signal von einer jeweiligen Zelle, die in den ersten Zellensuchtrainingsdaten enthalten ist, und dem Referenzsignal mit einem Korrelationsreferenzwert vergleichen und die trainierende gültige Zellenkandidatengruppe basierend auf dem Vergleichsergebnis bestimmen. Die ersten Zellensuchtrainingsdaten können z. B. eine Korrelation zwischen dem empfangenen Signal von den ersten bis siebten Zellen 10 bis 70 und dem Referenzsignal, die Größe der Korrelation und/oder die Phase beinhalten, die anhand der Korrelation erfasst wird. Ferner können die ersten Zellensuchtrainingsdaten zudem eine Zellenidentifizierungsnummer (ID), eine Signalsteuerzeit und/oder eine empfangene Leistung von einer jeweiligen von den ersten bis siebten Zellen 10 bis 70 beinhalten.
  • Das Endgerät 100 kann den Klassifizierer aktualisieren (z. B. eine Klassifizierungsfunktion und/oder eine Klassifizierung aktualisieren), indem zweite Zellensuchtrainingsdaten (die hierin, gemäß einer beispielhaften Ausführungsform, auch als die zweiten Trainingszellensuchdaten bezeichnet werden können) entsprechend der trainierenden gültigen Zellenkandidatengruppe aus den ersten Zellensuchtrainingsdaten selektiv verwendet werden. Als eine beispielhafte Ausführungsform kann das Endgerät 100 den Klassifizierer basierend auf den zweiten Zellensuchtrainingsdaten und Netzwerkinformationen über das Endgerät 100 aktualisieren. Die Netzwerkinformationen über das Endgerät 100 können Informationen über eine Zelle, die aktuell mit dem Endgerät 100 verbunden ist, und/oder Informationen über einen aktuellen Netzwerkverbindungszustand des Endgeräts 100 (der hierin, entsprechend einer beispielhaften Ausführungsform, auch als ein aktueller Netzwerkzustand bezeichnet werden kann) beinhalten. Einzelheiten über den Aktualisierungsvorgang des Klassifizierers des Endgeräts 100 durch Verwendung der zweiten Zellensuchtrainingsdaten und der Netzwerkinformationen werden nachstehend erläutert. Das Endgerät 100 kann z. B. den Aktualisierungsvorgang auf dem Klassifizierer basierend auf verschiedenen maschinellen Lerntechniken durchführen.
  • Für eine Initialisierung vor der Durchführung des Zellensuchvorgangs kann das Endgerät die initialen ersten Zellensuchtrainingsdaten verwenden, die erzeugt werden, wenn ein gültiges Signal anliegt, und die initialen ersten Zellensuchtrainingsdaten, die erzeugt werden, wenn ein falsches Signal anliegt, in einer zuvor intendierten störgeräuschbehafteten Umgebung verwenden. Das Endgerät kann eine Initialeinstellung des Klassifizierer durch Durchführen eines initialen Lernens unter Verwendung der initialen ersten Zellensuchtrainingsdaten vornehmen. Gemäß einer beispielhaften Ausführungsform können die initialen ersten Zellensuchtrainingsdaten in einem Speicher des Endgeräts zur Verwendung bei der Initialisierung des Klassifizierers gespeichert werden.
  • Das Endgerät 100 gemäß einer beispielhaften Ausführungsform kann eine verbesserte Zellensuchleistung in verschiedenen störgeräuschbehafteten Umgebungen stabil bereitstellen, indem der Klassifizierer kontinuierlich aktualisiert wird, der zum Bestimmen der gültigen Zelle von den ersten bis siebten Zellen 10 bis 70 verwendet wird, welche zueinander benachbart sein können. Zudem kann das Endgerät 100 darüber hinaus einen übermäßigen Ressourcenverbrauch mindern, indem eine Frequenz eines Verbindungsvorgangs mit einer ungültigen Zelle reduziert wird.
  • 2 ist ein Blockdiagramm, das ein Endgerät 100 gemäß einer beispielhaften Ausführungsform darstellt.
  • Bezugnehmend auf 2 kann das Endgerät 100 eine Mehrzahl von Antennen 110, eine integrierte Hochfrequenzschaltung (RFIC) 120, einen Signaldetektor 130, einen Zellensuch-Controller 140, einen Klassifizierer 150, einen Speicher 160 und/oder einen Prozessor 170 beinhalten. In einer beispielhaften Ausführungsform können die Mehrzahl von Antennen 110 und die RFIC 120 als ein Front-End-Modul konfiguriert sein, und der Signaldetektor 130, der Zellensuch-Controller 140, der Klassifizierer 150, der Speicher 160 und der Prozessor 170 können als ein Back-End-Modul konfiguriert sein. Zudem sind in 2 der Signaldetektor 130, der Zellensuch-Controller 140, der Klassifizierer 150 und der Prozessor 170 in einer in Rollen unterteilten Konfiguration dargestellt, sind aber nicht darauf beschränkt, wobei der Signaldetektor 130, der Zellensuch-Controller 140, der Klassifizierer 150 und/oder der Prozessor 170 mit einem Basisbandprozessor implementiert sein können.
  • Die Antennen 110 können ein durch die RFIC 120 verarbeitetes Signal über einen drahtlosen Kanal übertragen und/oder ein von einer Zelle über den drahtlosen Kanal übertragenes Signal empfangen. Die RFIC 120 kann ein von den Antennen 110 empfangenes Signal bei Rauscharmut verstärken und auf dem verstärkten Signal eine Frequenz-Abwärtsumwandlung auf ein Basisbandsignal durchführen.
  • Der Signaldetektor 130 kann Synchronisierungssignale erfassen, die von Zellen empfangen werden, die zu dem Endgerät 100 benachbart sind. Das Synchronisierungssignal kann z. B. ein primäres Synchronisierungssignal (PSS) und ein sekundäres Synchronisierungssignal (SSS) beinhalten, und der Signaldetektor 130 kann das PSS und das SSS sequenziell detektieren und die ersten Zellensuchtrainingsdaten für benachbarte Zellen erzeugen. Der Signaldetektor 130 kann das PSS einer beliebigen benachbarten Zelle erfassen, bestimmte Zeitsteuerungsinformationen (z. B. 5 Millisekunden) der Zelle von dem erfassten PSS ermitteln und eine Position des SSS und der Zellen-ID in der Zellen-ID-Gruppe der Zelle ermitteln. Anschließend kann der Signaldetektor 130 das SSS erfassen, eine Rahmenzeitsteuerung der Zelle von dem erfassten SSS ermitteln und die Zellengruppen-ID, zu der die Zelle gehört, und das Referenzsignal entsprechend der Zelle ermitteln. Der Signaldetektor 130 kann die ersten Zellensuchtrainingsdaten, die die Korrelation, die durch Berechnen einer Korrelation zwischen dem von der Zelle empfangenen Signal und dem Referenzsignal erzeugt wird, die Größe der Korrelation und/oder die Phase beinhalten, die anhand der Korrelation ermittelt wird, an den Zellensuch-Controllers 140 ausgeben.
  • Der Zellensuch-Controller 140 kann eine trainierende gültige Zellenkandidatengruppe, die zumindest eine Trainingskandidatenzelle enthält, durch Verwenden der ersten Zellensuchtrainingsdaten bestimmen. Der Zellensuch-Controller 140 kann z. B. die trainierende gültige Zellenkandidatengruppe basierend auf der Größe der Korrelation zwischen dem empfangenen Signal für eine jeweilige Zelle, die in den ersten Zellensuchtrainingsdaten enthalten ist, und dem Referenzsignal bestimmen.
  • Der Zellensuch-Controller 140 kann die zweiten Zellensuchtrainingsdaten entsprechend der trainierenden gültigen Zellenkandidatengruppe von den ersten Zellensuchtrainingsdaten extrahieren. Der Zellensuch-Controller 140 kann die zweiten Zellensuchtrainingsdaten in einen gültigen Zellendatensatz und einen falschen Zellendatensatz basierend auf den Netzwerkinformationen des Endgeräts 100 klassifizieren. Als eine beispielhafte Ausführungsform können die Netzwerkinformationen des Endgeräts 100 Informationen über eine Zelle beinhalten, mit der das Endgerät 100 aktuell verbunden ist, z. B. die aktuell verbundene Zellen-ID, und der Zellensuch-Controller 140 kann die zweiten Trainingszellensuchdaten, die der Trainingskandidatenzelle mit der ID entsprechen, die mit der aktuell verbundenen Zellen-ID übereinstimmt, in den gültigen Zellendatensatz einordnen, und die zweiten Trainingszellensuchdaten, die der Trainingskandidatenzelle mit einer ID entsprechen, die mit der aktuell verbundenen Zellen-ID nicht übereinstimmt, in den falschen Zellendatensatz einordnen. Nachstehend kann die falsche Zelle als eine schwache Zelle definiert sein, die für eine Verbindung mit dem Endgerät 100 nicht geeignet ist. Ferner kann die falsche Zelle eine nicht existierende Zelle beinhalten und als einer Geisterzelle bezeichnet werden.
  • In einer beispielhaften Ausführungsform kann der Zellensuch-Controller 140 den Klassifizierer 150 basierend auf einer linearen Separation zwischen dem gültigen Zellendatensatz und dem falschen Zellendatensatz aktualisieren. Wenn der gültige Zellendatensatz und der falsche Zellendatensatz auf die Klassifizierungsfunktion entsprechend dem Klassifizierer 150 (z. B. die Klassifikation) angewendet werden, können die Ausgabeergebnisse eine lineare Separation aufweisen, wobei diesbezügliche Einzelheiten später erläutert werden.
  • Weil der gültige Zellendatensatz basierend auf Informationen über die aktuell verbundene Zelle eingeordnet wird, wenn der gültige Zellendatensatz in den Klassifizierer 150 eingegeben wird (z. B. auf die Klassifizierung angewendet wird und/oder in die Klassifizierungsfunktion eingegeben wird), ist damit zu rechnen, dass das durch den Klassifizierer 150 ausgegebene Eingabeergebnis die erste Referenz erfüllt. Die erste Referenz kann eine voreingestellte oder, alternativ, eine gegebene Referenz sein, um auf der Suche nach einer Zelle zumindest eine Zelle aus einer Mehrzahl von Zellen in die Kandidatenzelle oder die gültige Zelle einzuordnen. Der Zellensuch-Controller 140 kann den Klassifizierer 150 angemessen aktualisieren, wenn das Eingabeergebnis des Klassifizierers 150, das dem gültigen Zellendatensatz entspricht, die erste Referenz nicht erfüllt. Weil darüber hinaus der falsche Zellendatensatz basierend auf Informationen über die aktuell verbundene Zelle eingeordnet wird, wenn der falsche Zellendatensatz in den Klassifizierer 150 eingegeben wird (z. B. auf die Klassifizierung angewendet und/oder in die Klassifizierungsfunktion eingegeben wird), ist damit zu rechnen, dass das Eingabeergebnis, das durch den Klassifizierer 150 ausgegeben wird, die zweite Referenz erfüllt. Während nach einer Zelle gesucht wird, kann die zweite Referenz eine voreingestellte oder, alternativ, eine gegebene Referenz zum Entfernen der falschen Zelle aus der Mehrzahl von Zellen sein. Der Zellensuch-Controller 140 kann den Klassifizierer 150 angemessen aktualisieren, wenn das Eingabeergebnis des Klassifizierers 150, das dem falschen Zellendatensatz entspricht, die zweite Referenz nicht erfüllt. Gemäß einer beispielhaften Ausführungsform können die erste Referenz und/oder die zweite Referenz ein durch empirische Studien bestimmter Konstruktionsparameter sein.
  • In einer beispielhaften Ausführungsform kann der Aktualisierungsvorgang des Zellensuch-Controllers 140 in Bezug auf den Klassifizierer 150 einen Vorgang zum Anpassen von zumindest einem Parameter der Klassifizierungsfunktion (z. B. Anpassen einer Klassifizierung und/oder von Klassifizierungskriterien) entsprechend dem Klassifizierer 150 beinhalten. Als ein Beispiel kann die Klassifizierungsfunktion Werte für eine Steigung und/oder Tendenz beinhalten und einer linearen Funktion entsprechen. Rein beispielhaft kann die Klassifizierungsfunktion eine Support-Vector-Machine- (SVM-) Klassifizierungsfunktion sein. Außerdem kann der Zellensuch-Controller 140 eine Maschine für maschinelles Lernen zum kontinuierlichen Aktualisieren des Klassifizierers 150 in der vorstehend genannten Weise beinhalten.
  • In einer beispielhaften Ausführungsform kann der Zellensuch-Controller 140 den gültigen Zellendatensatz und den falschen Zellendatensatz, unter Berücksichtigung der Speicherkapazität des Speichers 160 vor dem Eingeben des gültigen Zellendatensatzes und des falschen Zellendatensatzes in den Klassifizierer 150, in dem Speicher 160 selektiv speichern. Der Speicher 160 kann einen ersten Speicherbereich und einen zweiten Speicherbereich beinhalten, der gültige Zellendatensatz kann in dem ersten Speicherbereich gespeichert werden, und der falsche Zellendatensatz kann in dem zweiten Speicherbereich gespeichert werden. Weil der erste Speicherbereich und der zweite Speicherbereich hingegen eine begrenzte Speicherkapazität aufweisen, und sowohl der gültige Zellendatensatz als auch der falschen Zellendatensatz, die periodisch sowie neu erzeugt werden, nicht gespeichert werden können, kann der Zellensuch-Controller 140 zu einem bestimmten gültigen Bereich aus dem gültigen Zellendatensatz und dem falschen Zellendatensatz gehören, Daten auswählen, die benachbart zu der Klassifizierungsreferenz des Klassifizierers 150 sind, und die ausgewählten Daten in jeweils dem ersten Speicherbereich und dem zweiten Speicherbereich speichern. Einzelheiten dazu folgen später. Der Zellensuch-Controller 140 kann den Zellensuchvorgang durch Verwendung des aktualisierten Klassifizierers 150 durchführen und die gültige Zelle aus der Mehrzahl von Zellen bestimmen.
  • Als eine beispielhafte Ausführungsform kann der Klassifizierer 150 die gültige Zellenkandidatengruppe basierend auf dem Eingabeergebnis bestimmen, wenn die Zellensuchdaten von dem Zellensuch-Controller 140 während der Suche nach einer Zelle eingegeben werden. In einer beispielhaften Ausführungsform kann der Klassifizierer 150 die falsche Zelle, die in der gültigen Zellenkandidatengruppe enthalten ist, basierend auf dem Eingabeergebnis entfernen, wenn die Zellensuchdaten, die der gültigen Zellenkandidatengruppe entsprechen, die anhand des Zellensuch-Controllers 140 bestimmt wird, eingegeben werden. In einer beispielhaften Ausführungsform kann der Klassifizier 150 die gültige Zelle basierend auf dem Eingabeergebnis unmittelbar oder umgehend bestimmen, wenn die Zellensuchdaten von dem Zellensuch-Controller 140 eingegeben werden. Nachstehend befasst sich die Beschreibung vorwiegend mit einer beispielhaften Ausführungsform, in der die genaue gültige Zellenkandidatengruppe durch Verwendung des Klassifizierers 150 bestimmt wird, wobei diese jedoch nicht darauf beschränkt ist. In einer beispielhaften Ausführungsform kann die falsche Zelle, die in der durch Verwendung des Klassifizierers 150 bestimmten gültigen Zellenkandidatengruppe enthalten ist, entfernt werden, oder es kann ein Vorgang zum Bestimmen der gültige Zelle durch Verwendung der Zellensuchdaten durchgeführt werden. Der Prozessor 170 kann verschiedene Vorgänge für eine drahtlose Kommunikation mit der gültigen Zelle steuern, die durch den Zellensuch-Controller 140 bestimmt wird.
  • 3 ist ein Blockdiagramm, das den Zellensuch-Controller 140 gemäß einer beispielhaften Ausführungsform darstellt. In 3 ist eine Konfiguration gemäß den speziellen Rollen des Zellensuch-Controllers 140 unterteilt, wobei diese jedoch nur dem besseren Verständnis der Beschreibung dient, eine beispielhafte Ausführungsform darauf nicht beschränkt ist, und unmissverständlich darauf hingewiesen wird, dass der Zellensuch-Controller 140 unterschiedlich implementiert sein kann, wie z. B. eine Hardware oder eine Kombination aus Software und Hardware.
  • Bezugnehmend auf 3 kann der Zellensuch-Controller 140 einen Trainingsdatensammler 142, einen Daten-Vorprozessor 144, eine Lernmaschine 146 und/oder einen Klassifizierer-Aktualisierer 148 beinhalten. Der Trainingsdatensammler 143 kann die ersten Zellensuchtrainingsdaten durch Verwendung von Signalen sammeln, die von der Mehrzahl von Zellen empfangen werden. In einer beispielhaften Ausführungsform können die ersten Zellensuchtrainingsdaten die Korrelation zwischen dem empfangenen Signal und dem Referenzsignal von einer jeweiligen von der Mehrzahl von Zellen, die Größe der Korrelation und/oder die Phase beinhalten, die anhand der Korrelation ermittelt wird, und können zudem die Zellen-ID, die Signalzeitsteuerung und/oder die empfangene Leistung beinhalten. Die Größe der Korrelation für eine jeweilige von der Mehrzahl von Zellen der ersten Zellensuchtrainingsdaten und/oder die Phase, die anhand der Korrelation ermittelt wird, können hingegen Variablen entsprechen, die auf die Klassifizierungsfunktion entsprechend einem nachstehend beschriebenen Klassifizierer angewendet werden. Einzelheiten dazu sind der Beschreibung an späterer Stelle zu entnehmen.
  • Der Trainingsdatensammler 142 kann die trainierende gültige Zellenkandidatengruppe anhand der ersten Zellensuchtrainingsdaten bestimmen und durch Verwendung der Informationen über die Zelle, die aktuell mit dem Endgerät verbunden ist, die zweiten Zellensuchtrainingsdaten in den gültigen Zellendatensatz und den falschen Zellendatensatz einordnen. Der Trainingsdatensammler 142 kann den Vorgang zum Klassifizieren des falschen Zellendatensatzes nur dann durchführen, wenn das elektrische Netzwerkfeld zwischen dem Endgerät und der aktuell verbundenen Zelle größer oder gleich einem elektrischen Referenzfeld ist. Wenn in anderen Worten das elektrische Netzwerkfeld kleiner als ein elektrisches Referenzfeld ist, kann die gültige Zelle mit der falschen Zelle verwechselt werden und sich somit die Zuverlässigkeit des falschen Zellendatensatzes verschlechtern, und der Trainingsdatenkollektor 142 kann den Klassifizierungsvorgang des falschen Zellendatensatzes basierend auf der vorstehend beschriebenen Bedingung durchführen. Der Vorgang zum Klassifizieren des gültigen Zellendatensatzes kann ungeachtet eines Zustands des elektrischen Netzwerkfeldes durchgeführt werden. Gemäß einer beispielhaften Ausführungsform kann das elektrische Referenzfeld ein durch empirische Studien bestimmter Konstruktionsparameter sein.
  • Der Datenvorprozessor 144 kann einen Vorverarbeitungsvorgang an dem gültigen Zellendatensatz und dem falschen Zellendatensatz (z. B. den zweiten Zellensuchtrainingsdaten) basierend auf dem aktuellen Netzwerkzustand des Endgeräts vor dem Aktualisieren des Klassifizierers durch Verwendung des gültigen Zellendatensatzes und des falschen Zellendatensatzes durchführen. Der aktuelle Netzwerkzustand des Endgeräts kann z. B. einen Netzwerkverbindungs-Startzustand des Endgeräts (z. B. einen Netzwerkverbindungszustand des Endgeräts) und/oder einen Handover-Zustand des Endgeräts beinhalten. Unter dem Netzwerkverbindungs-Startzustand des Endgeräts kann ein Netzwerkzustand zum erstmaligen Starten einer Verbindung mit einer Zelle verstanden werden, wenn das Endgerät eingeschaltet ist. Der Handover- bzw. Verbindungsübergabezustand des Endgeräts kann sich auf einen Netzwerkzustand zum Schalten einer Verbindung von einer Zelle mit einer anderen aufgrund einer Bewegung des Endgeräts oder dergleichen beziehen. Der Daten-Vorprozessor 144 kann dem Klassifizierer den aktuellen Netzwerkzustand des Endgeräts zeigen (z. B. kann er den Klassifizierer basierend auf dem aktuellen Netzwerkzustand des Endgeräts aktualisieren), indem eine Vorverarbeitung an dem gültigen Zellendatensatz und dem falschen Zellendatensatz durchgeführt wird. Der Datenvorprozessor 144 kann z. B. den Vorverarbeitungsvorgang durch Anwenden einer bestimmten Rotationsmatrix auf den gültigen Zellendatensatz und den falschen Zellendatensatz durchführen. Einzelheiten dazu folgten an späterer Stelle. In einer beispielhaften Ausführungsform kann hingegen auf den Betrieb des Vorprozessors 144 verzichtet werden. Gemäß einer beispielhaften Ausführungsform können die hierin verwendeten Begriffe „Vorprozessor“ und „Vorverarbeitungsbetrieb“ eine Bedeutung haben, die eine Zeitsteuerung oder Reihenfolge des Vorverarbeitungsvorgangs und/oder von Betriebsvorgängen des Vorprozessors in Bezug auf andere Betriebsvorgänge des Endgeräts 100 nicht wiedergeben.
  • Die Lernmaschine 146 kann die gültigen Zellendatensätze und die falschen Zellendatensätze in den Klassifizierer eingeben und ein mechanisches Lernen (z. B. maschinelles Lernen) auf der dem Klassifizierer entsprechenden Klassifizierungsfunktion basierend auf dem von dem Klassifizierer ausgegebenen Eingabeergebnis durchführen. Die Lernmaschine 146 kann die lineare Separation des gültigen Zellendatensatzes und des falschen Zellendatensatzes basierend auf der Klassifizierungsfunktion des Klassifizierers lernen und kann eine optimale oder gewünschte Klassifizierungsfunktion herleiten, die den gültigen Zellendatensatz von dem falschen Zellendatensatz unterscheiden kann. Gemäß einer beispielhaften Ausführungsform kann die Lernmaschine 146 die lineare Separation durch Eingeben des gültigen Zellendatensatzes in den Klassifizierer und Vergleichen der Ausgabe mit einer ersten Referenz und durch Eingeben des falschen Zellendatensatzes in den Klassifizierer und Vergleichen der Ausgabe mit einer zweiten Referenz bestimmen. In einer beispielhaften Ausführungsform kann eine Verarbeitungsschaltung des Endgeräts 100 einige Vorgänge (z. B. die hierin als durch die Lernmaschine 146 durchgeführt beschriebenen Vorgänge) durch eine künstliche Intelligenz und/oder maschinelles Lernen durchführen. Als ein Beispiel kann die Verarbeitungsschaltung ein künstliches neuronales Netzwerk implementieren, das auf einem Satz von Trainingsdaten (z. B. den gültigen Zellendatensätzen und/oder den falschen Zellendatensätzen) durch beispielsweise ein überwachtes, nicht überwachtes und/oder verstärkendes Lernmodell trainiert wird, und wobei die Verarbeitungsschaltung einen Merkmalsvektor verarbeiten kann, um eine Ausgabe basierend auf dem Training bereitzustellen. Solche künstlichen neuronalen Netzwerke können viele verschiedene organisatorische und verarbeitungstechnische Modelle von künstlichen neuronalen Netzwerken verwenden, wie z. B. Convolutional-Neural-Networks (CNN), rekurrente neuronale Netze (RNN), die optional lange Kurzzeitspeicher- (LSTM-) Einheiten und/oder Gated-Recurrent-Units (GRU) beinhalten, stapelungsbasierte Deep-Neural Networks (S-DNN), Dynamical State-Space-Neural-Networks (S-SDNN), Deconvolution-Networks, Deep-Belief-Networks (DBN) und/oder Restricted-Boltzmann-Machines (RBM). Alternativ oder zusätzlich kann die Verarbeitungsschaltung andere Formen von künstlicher Intelligenz und/oder maschinellem Lernen beinhalten, wie z.B. eine lineare oder logistische Regression, ein statistisches Clustern, eine naive Bayes-Klassifikation, Entscheidungsbäume, eine Dimensionalitätsreduktion, wie z. B. eine Hauptkomponentenanalyse, und Expertensysteme; und/oder Kombinationen aus denselben, die Ensembles beinhalten, wie z. B. Random-Forests. Unter dem Begriff „Verarbeitungsschaltung“, wie er in der vorliegenden Offenbarung verwendet wird, ist beispielsweise eine logische Schaltungen beinhaltende Hardware, eine Hardware/Software-Kombination, wie z. B. ein eine Software ausführender Prozessor; oder eine Kombination aus denselben zu verstehen. Die Verarbeitungsschaltung kann beispielsweise insbesondere eine zentrale Verarbeitungseinheit (CPU), eine arithmetische logische Einheit (ALU), einen digitalen Signalprozessor, einen Mikrocomputer, ein feldprogrammierbares Gate-Array (FPGA), ein System-on-Chip (SoC), eine programmierbare logische Einheit, einen Mikroprozessor, eine anwendungsspezifische integrierte Schaltung (ASIC) etc. beinhalten, ist aber nicht auf dieselben beschränkt.
  • Der Klassifizierer-Aktualisierer 148 kann zumindest einen Parameter der Klassifizierungsfunktion des Klassifizierers basierend auf den Lernergebnissen der Lernmaschine 146 anpassen. Die Klassifizierungsfunktion kann als eine lineare Funktion implementiert sein, wobei Parameter der Klassifizierungsfunktion Werte für eine Steigung und/oder Verzerrung der Klassifizierungsfunktion beinhalten können.
  • 4 ist ein Flussdiagramm für ein Zellensuchverfahren des Endgeräts gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 4 kann das Endgerät 100 die ersten Zellensuchtrainingsdaten für die Mehrzahl von Zellen erzeugen (S100). Das Endgerät kann z. B. Synchronisierungssignale, die von der Mehrzahl von Zellen empfangen werden, erfassen und die ersten Zellensuchtrainingsdaten erzeugen, die eindeutige Informationen einschließlich der Zellen-ID und eine Korrelation zwischen einem empfangenen Signal und einem Referenzsignal für eine jeweilige Zelle beinhalten. Das Endgerät kann die trainierende gültige Zellenkandidatengruppe einschließlich zumindest einer Trainingskandidatenzelle durch Verwendung der ersten Zellensuchtrainingsdaten bestimmen (S200). Das Endgerät kann z. B. die Größe der Korrelation zwischen dem empfangenen Signal für eine jeweilige Zelle der ersten Zellensuchtrainingsdaten und dem Referenzsignal mit dem Korrelationsreferenzwert vergleichen und, nach dem Überprüfen des Vergleichsergebnisses für eine jeweilige Zelle, die Trainingskandidatenzelle von der Mehrzahl von Zellen bestimmen. Das Endgerät kann den Klassifizierer basierend auf den zweiten Zellensuchtrainingsdaten entsprechend der trainierenden gültigen Zellenkandidatengruppe und den Netzwerkinformationen des Endgeräts aktualisieren (S300). Das Endgerät kann z. B. die zweiten Zellensuchtrainingsdaten in den gültigen Zellendatensatz und den falschen Zellendatensatz basierend auf den Informationen über die Zellen, die mit demselben verbunden sind, in die Netzwerkinformationen einordnen. Darüber hinaus kann das Endgerät dem Klassifizierer Informationen über den aktuellen Netzwerkverbindungszustand desselben aus den Netzwerkinformationen zeigen. Weil die passende Klassifizierungsfunktion entsprechend dem aktuellen Netzwerkverbindungszustand des Endgeräts variiert, kann dadurch, dass ein Vorverarbeitungsvorgang des gültigen Zellendatensatzes und des falschen Zellendatensatzes, die in den Klassifizierer gemäß dem aktuellen Netzwerkverbindungszustand eingetragen werden sollen, durchgeführt wird, das Endgerät eine indirekt Anpassung vornehmen, so dass zumindest ein Parameter der Klassifizierungsfunktion des Klassifizierers den aktuellen Netzwerkverbindungszustand des Endgerät erfüllt. Das Endgerät kann den gültigen Zellendatensatz und den falschen Zellendatensatz in den Klassifizierer eingeben und den Klassifizierer basierend auf dem von dem Klassifizierer ausgegebenen Eingabeergebnis aktualisieren. Wenn z. B. der gültige Zellendatensatz auf die Klassifizierungsfunktion des Klassifizierers angewendet wird und ein Ergebnis, das die erste Referenz nicht erfüllt, ausgegeben wird, oder wenn der falsche Zellendatensatz auf die Klassifizierungsfunktion des Klassifizierers angewendet wird und ein Ergebnis, das die zweite Referenz nicht erfüllt, ausgegeben wird, kann das Endgerät den Klassifizierer durch Anpassen von zumindest einem Parameter der Klassifizierungsfunktion aktualisieren. Das Endgerät kann den Zellensuchvorgang basierend auf dem aktualisierten Klassifizierer durchführen (S400). Das Endgerät kann z. B. Zellensuchdaten für die Mehrzahl von Zellen während der Zellensuche erzeugen und kann, indem die Zellensuchdaten auf den aktualisierten Klassifizierer angewendet werden, die gültige Zellenkandidatengruppe bestimmen. Das Endgerät kann eine Kandidatenzelle als eine gültige Zelle bestimmen, die von den gemessenen empfangenen Teilen einer Leistung von einer jeweiligen der Kandidatenzellen in der gültigen Zellenkandidatengruppe die größte empfangene Leistung aufweist. Die empfangene Leistung kann z. B. einer Reference-Signal-Received-Power (RSRP), die einem zellenspezifischen Referenzsignal zugeordnet ist, einer Synchronization-Received-Power (SCH RP), die einem Synchronisierungssignal zugeordnet ist, einer Reference-Signal-Received-Quality (RSRQ), einem Signal-to-Interference-and-Noise-Ratio (SINR) und/oder einem Received-Signal-Strength-Indicator (RSSI) und dergleichen entsprechen.
  • In einer beispielhaften Ausführungsform des Verfahrensschritts S400 kann das Endgerät die Zellensuchdaten für die Mehrzahl von Zellen während des Zellensuchvorgangs erzeugen und die gültige Zellenkandidatengruppe basierend auf den Zellensuchdaten bestimmen. Das Endgerät kann die in der gültigen Zellenkandidatengruppe enthaltenen falschen Zellen entfernen, indem die der gültigen Zellenkandidatengruppe entsprechenden Zellensuchdaten auf den aktualisierten Klassifizierer angewendet werden. Wenn in einer beispielhaften Ausführungsform des Verfahrensschritts S400 die Zellensuchdaten, die der gültigen Zellenkandidatengruppe entsprechen, die basierend auf den Zellensuchdaten bestimmt wird, auf den aktualisierten Klassifizierer angewendet werden, kann das Endgerät die gültige Zelle basierend auf dem Eingabeergebnis des Klassifizierers unmittelbar oder umgehend bestimmen. Gemäß einer beispielhaften Ausführungsform kann sich das Endgerät 100 im Anschluss an den Verfahrensschritt S400 mit einer gültigen Zelle, die in der gültigen Zellenkandidatengruppe enthalten ist, verbinden und eine Kommunikation mit der gültigen Zelle durchführen (z. B. Daten übertragen und/oder empfangen).
  • 5 ist ein ausführliches Flussdiagramm eines in 4 gezeigten Verfahrensschritts S 100 gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 5 kann das Endgerät Synchronisierungssignale von der Mehrzahl von Zellen empfangen und das PSS in den Synchronisierungssignalen für eine jeweilige Zelle erfassen (S110). Das Endgerät kann das SSS für eine jeweilige Zelle durch Verwendung des PSS-Erfassungsergebnisses für eine jeweilige Zelle erfassen (S120). Das Endgerät kann die ersten Zellensuchtrainingsdaten durch Verwendung des PSS-Erfassungsergebnisses und des SSS-Erfassungsergebnisses für eine jeweilige Zelle erzeugen (S130). Die ersten Zellensuchtrainingsdaten können z. B. ein Datenformat aufweisen, das für eine Anwendung auf den Klassifizierer geeignet ist, wobei die ersten Zellensuchtrainingsdaten eindeutige Informationen für die Mehrzahl von Zellen enthalten können.
  • 6 ist ein ausführliches Flussdiagramm eines in 4 gezeigten Verfahrensschritts S200 gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 6 kann nach dem Verfahrensschritt S100 in 4 bestimmt werden, ob die Größe der Korrelation zwischen einem empfangenen Signal entsprechend einer n. (wobei n eine Ganzzahl größer gleich 1 ist) Zelle aus der Mehrzahl von Zellen größer ist als der Referenzwert (S210). Gemäß einer beispielhaften Ausführungsform wird „n“ vor der Durchführung der Verfahrensschritte, die in 6 dargestellt sind, auf den initialen Wert „1“ zurückgesetzt. Wenn ein Ergebnis für den Verfahrensschritt S210 „Ja“ lautet, kann das Endgerät die n. Zelle als die Trainingskandidatenzelle einordnen bzw. klassifizieren (S220) und das Verfahren bei Verfahrensschritt S230 fortsetzen. Wenn hingegen das Ergebnis des Verfahrensschritts S210 „Nein“ lautet, kann entsprechend einer Gesamtanzahl von zu dem Endgerät benachbarten Zellen bestimmt werden, ob „n“ gleich „m“ ist (S230). Wenn ein Ergebnis von Verfahrensschritt S230 „Nein“ lautet, kann das Endgerät „n“ zusammenzählen (z. B. inkrementieren) und den Verfahrensschritt S210 durchführen (z. B. wiederholen) (S240). Wenn ansonsten das Ergebnis des Verfahrensschritts S230 „Ja“ lautet, kann das Endgerät die trainierende gültige Zellenkandidatengruppe einschließlich zumindest einer zuvor eingeordneten bzw. klassifizierten Trainingskandidatenzelle bestimmen (S250).
  • 7A und 7B sind ausführliche Flussdiagramme für einen in 4 gezeigten Verfahrensschritt S300 gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 7A kann das Endgerät die zweiten Trainingszellensuchdaten (z. B. einen ersten Abschnitt der zweiten Trainingssuchdaten) der Trainingskandidatenzelle mit einer ID, die mit der ID von einer Zelle übereinstimmt, die mit dem aktuellen Endgerät verbunden ist, als einen gültigen Zellendatensatz klassifizieren (S310). Das Endgerät kann die zweiten Trainingszellensuchdaten (z. B. einen zweiten Abschnitt der zweiten Trainingszellensuchdaten) der Trainingskandidatenzelle mit einer ID, die mit einer ID einer Zelle, die mit dem aktuellen Endgerät verbunden ist, nicht übereinstimmt, als den falschen Zellendatensatz klassifizieren (S320). Das Endgerät kann den Klassifizierer basierend auf dem gültigen Zellendatensatz und dem falschen Zellendatensatz aktualisieren (S330).
  • Bezugnehmend auf 7B kann das Endgerät nach dem Verfahrensschritt S310 von 7A bestimmen, ob ein aktuelles elektrisches Netzwerkfeld größer ist als das elektrische Referenzfeld (S315). Wenn ein Ergebnis eines Verfahrensschritts S315 „Ja“ lautet, kann sich der Verfahrensschritt S320 in 7A daran anschließen. Wenn ansonsten das Ergebnis des Verfahrensschritts S315 „Nein“ lautet, kann der Verfahrensschritt S320 in 7A ausgelassen werden und der Verfahrensschritt S330 unmittelbar oder im Anschluss daran folgen. Wenn in anderen Worten das Ergebnis des Verfahrensschritts S315 „Nein“ lautet, kann das Endgerät den Aktualisierungsvorgang an dem Klassifizierer durchführen, indem nur der gültige Zellendatensatz mit Ausnahme des (d. h. ohne den) falschen Zellendatensatze(s) verwendet wird.
  • 8A ist ein Graph zur Erläuterung eines Klassifizierers basierend auf der SVM gemäß einer beispielhaften Ausführungsform, und 8B ist ein ausführliches Flussdiagramm des Verfahrensschritts S300 in 4 basierend auf der mit Bezugnahme auf 8 erfolgten Beschreibung. Nachstehend wird der Klassifizierer vorwiegend basierend auf einer beispielhaften Ausführungsform beschrieben, die basierend auf der SVM implementiert ist, dies jedoch nur beispielhaft, und wobei eine beispielhafte Ausführungsform nicht darauf beschränkt ist. Es ist klar, dass verschiedene Klassifizierungstechniken, die die dem gültigen Zellendatensatz entsprechenden Zellen von den dem falschen Zellendatensatz entsprechenden Zellen trennen können, auf den Klassifizierer angewendet werden können. Gemäß einer beispielhaften Ausführungsform bezieht sich der hierin verwendete Begriff Klassifizierer auf eine Verarbeitungsschaltung, die konfiguriert ist, um eine Klassifizierungsfunktion (z. B. eine Klassifizierung und/oder Klassifizierungskriterien) anzupassen (d. h. zu aktualisieren) und/oder zu verwalten, und/oder eine Klassifizierung unter Verwendung der Klassifizierungsfunktion zu berechnen. Gemäß einer beispielhaften Ausführungsform können sich die hierin erwähnten Hinweise auf das Eingeben von Daten in den Klassifizierer auf ein Berechnen einer Lösung und/oder einer Klassifizierung unter Verwendung der Eingabedaten als Parameter in die Klassifizierungsfunktion beziehen. Gemäß einer beispielhaften Ausführungsform können sich die hierin erwähnten Hinweise auf eine Datenausgabe durch den Klassifizierer auf eine Lösung der Klassifizierungsfunktion und/oder eine Klassifizierung beziehen, die unter Verwendung der Klassifizierungsfunktion berechnet wird.
  • Der Klassifizierer gemäß einer beispielhaften Ausführungsform kann auf der SVM basieren. Die SVM kann eine Maschine für maschinelles Lernen sein, die einen Klassifizierer bereitstellt, der den Trainingsdatensatz in beliebige zwei Gruppen klassifizieren kann. Unter der Annahme, dass ein Klassifizierer vorhanden ist, der eine lineare Separation zwischen den beiden Gruppen vornehmen kann, indem eine Lösung (z. B. für ein Optimierungsproblem) bereitgestellt wird, kann sich eine Spanne zwischen den beiden Gruppen (z. B. zwischen dem gültigen Zellendatensatz und dem falschen Zellendatensatz) vergrößern. Die Klassifizierungsfunktion entsprechend dem SVM-basierten Klassifizierer (oder einem SVM-Klassifizierer) kann durch eine Formel 1 definiert sein. Gemäß einer beispielhaften Ausführungsform kann der Klassifizierer Parameter der Klassifizierungsfunktion (z. B. Werte einer Steigung und/oder einer Verzerrung der Klassifizierungsfunktion) bestimmen und/oder anpassen, die eine größte und/oder eine bestimmte lineare Separation (z. B. Spanne) zwischen dem gültigen Zellendatensatz und dem falschen Zellendatensatz bereitstellt (z. B. den Klassifizierer basierend auf der linearen Separation aktualisieren kann). f ( x i ) = W T x i + b
    Figure DE102020129317A1_0001
  • In Formel 1, kann wT, als eine Steigung der Klassifizierungsfunktion, ein symmetrischer Matrixparameter mit einer Ungenauigkeit sein, und xi kann als ein in die Klassifizierungsfunktion eingegebener Parameter, beliebigen von den ersten Zellensuchtrainingsdaten, dem gültigen Zellendatensatz und/oder dem falschen Zellendatensatz entsprechen. b kann eine Verzerrung der Klassifizierungsfunktion sein, xi kann durch eine Formel 2 definiert sein. x i = ( θ i , ρ i ) T
    Figure DE102020129317A1_0002
    pi kann die Größe der Korrelation zwischen einem empfangenen Signal entsprechend der i. Zelle darstellen (wobei i eine Ganzzahl größer gleich 1 ist), und θi kann eine Phase sein, die durch eine reelle Komponente und eine imaginäre Komponente der Korrelation entsprechend der i. Zelle bestimmt wird. xi kann pro Zelle und Eingabe in die Klassifizierungsfunktion klassifiziert werden. Das Endgerät kann den gültigen Zellendatensatz und den falschen Zellendatensatz in die Klassifizierungsfunktion eingeben und kann eine Steigung und/oder der Verzerrung der Klassifizierungsfunktion durch Vergleichen des Eingabeergebnisses anpassen, das von der Klassifikationsunktion bei einer bestimmten Referenz ausgegeben wird.
  • Wie in 8A dargestellt, können die gültigen Zellen, die dem gültigen Zellendatensatz entsprechen, und die falschen Zellen, die dem falschen Zellendatensatz entsprechen, eine lineare Separation voneinander aufweisen, wobei eine Steigung und/oder Verzerrung entsprechend dem SVM-basierten Klassifizierer so angepasst werden kann, dass die gültigen Zellen und die falschen Zellen in optimale oder erwünschte Spannen klassifiziert werden können.
  • In einer beispielhaften Ausführungsform kann das Endgerät den gültigen Zellendatensatz in die Klassifizierungsfunktion eingeben und bestimmen, ob eine Bedingung von Formel 3 erfüllt ist. f ( x κ ) > T H
    Figure DE102020129317A1_0003
  • Wenn xκ, k. Daten entsprechend einer k. Trainingskandidatenzelle (wobei keine Ganzzahl größer gleich 1 ist) in die Klassifizierungsfunktion in dem gültigen Zellendatensatz eingegeben werden und wenn das Eingabeergebnis größer ist als ein bestimmter Referenzwert TH, kann das Endgerät bestimmen, dass die Klassifizierungsfunktion eigentlich ist. Wenn hingegen das Eingabeergebnis kleiner oder gleich TH ist, kann das Endgerät bestimmen, dass die Klassifizierungsfunktion uneigentlich ist, und kann eine Steigung und/oder Verzerrung der Klassifizierungsfunktion anpassen. Das Endgerät kann z. B. die Werte für eine Steigung und/oder Verzerrung der Klassifizierungsfunktion niedriger einstellen als zuvor.
  • In einer beispielhaften Ausführungsform kann das Endgerät den falschen Zellendatensatz in die Klassifizierungsfunktion eingeben und bestimmen, ob eine Bedingung von Formel 4 erfüllt ist. f ( x j ) < T H
    Figure DE102020129317A1_0004
  • Wenn xj, j. Daten entsprechend einer j. (wobei j eine Ganzzahl größer gleich 1 ist) Trainingskandidatenzelle in die Klassifizierungsfunktion in dem gültigen Zellendatensatz eingegeben wird, und wenn das Eingabeergebnis kleiner als ein bestimmter Referenzwert TH ist, kann das Endgerät bestimmen, das die Klassifizierungsfunktion eigentlich ist. Wenn hingegen das Eingabeergebnis größer oder gleich TH ist, kann das Endgerät bestimmen, dass die Klassifizierungsfunktion uneigentlich ist, und eine Steigung und/oder Verzerrung der Klassifizierungsfunktion anpassen. Das Endgerät kann z. B. die Werte für eine Steigung und/oder Verzerrung der Klassifizierungsfunktion höher einstellen als zuvor.
  • Unter weiterer Bezugnahme auf 8B kann das Endgerät die k. Daten entsprechend der k. Trainingskandidatenzelle in den gültigen Zellendatensatz in den Klassifizierer eingeben (S321a). Gemäß einer beispielhaften Ausführungsform werden „k“ und „j“ vor einer Durchführung der in 8B gezeigten Verfahrensschritte auf einen initialen Wert von „1“ zurückgesetzt. Das Endgerät kann bestimmen, ob die Ausgabe des Klassifizierers in Reaktion auf die k. Daten der ersten Referenz entspricht (z. b. diese erfüllt) (S322a). Wenn ein Ergebnis des Verfahrensschritts S322A „Nein“ lautet, kann das Endgerät zumindest einen Parameter in der Klassifizierungsfunktion anpassen (S322a) und den Vorgang bei Verfahrensschritt S324a fortsetzen. Wenn hingegen das Ergebnis des Verfahrensschritts S322a „JA“ lautet, kann das Endgerät bestimmen, ob „p1“, wobei es sich hier um eine Gesamtanzahl von Trainingskandidatenzellen entsprechend dem gültigen Zellendatensatz handelt, mit „k“ identisch ist (S324a). Wenn ein Ergebnis des Verfahrensschritts S324a „Nein“ lautet, kann das Endgerät „k“ zusammenzählen (z. B. inkrementieren) (S325a), woraufhin sich Verfahrensschritt S321a anschließen (z. B. wiederholen) kann. Wenn hingegen das Ergebnis des Verfahrensschritts S324a „Ja“ lautet, kann das Endgerät die j. Daten entsprechend der j. Trainingskandidatenzelle in dem falschen Zellendatensatz in den Klassifizierer eingeben (S321b). Das Endgerät kann bestimmen, ob die Ausgabe des Klassifizierers in Reaktion auf die j. Daten der zweiten Referenz entspricht (z. B. diese erfüllt) (S322b). Wenn ein Ergebnis des Verfahrensschritts S322b „Nein“ lautet, kann das Endgerät zumindest einen Parameter in der Klassifizierungsfunktion anpassen (S323b) und den Vorgang bei Verfahrensschritt S324b fortsetzen. Wenn hingegen das Ergebnis des Verfahrensschritts S322b „Ja“ lautet, kann das Endgerät bestimmen, ob „p2“, wobei es sich hier um eine Gesamtanzahl von Trainingskandidatenzellen entsprechend dem falschen Zellendatensatz handelt, mit „j“ identisch ist (S324b). Wenn ein Ergebnis des Verfahrensschritts S324b „Nein“ lautet, kann das Endgerät „j“ zusammenzählen (z. B. inkrementieren) (S325b), woraufhin sich dann der Verfahrensschritt S321b anschließen kann. Wenn hingegen das Ergebnis des Verfahrensschritts S324b „Ja“ lautet, kann das Endgerät den Aktualisierungsvorgang des Klassifizierers abschließen (S326).
  • 9 ist ein ausführliches Flussdiagramm des in 4 gezeigten Verfahrensschritts S300 gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 9 kann das Endgerät einen aktuellen Netzwerkverbindungszustand ermitteln (S327). Das Endgerät kann z. B. erkennen, ob der aktuelle Netzwerkverbindungszustand ein Netzwerkverbindungs-Startzustand ist oder ein Handover- bzw. Verbindungsübergabezustand. Das Endgerät kann dem Klassifizierer z. B. den aktuellen Netzwerkverbindungszustand zeigen (S328). Das Endgerät kann dem Klassifizierer z. B. den aktuellen Netzwerkverbindungszustand des Endgeräts zeigen, indem der Vorverarbeitungsvorgang an dem gültigen Zellendatensatz und dem falschen Zellendatensatz gemäß dem aktuellen Netzwerkverbindungszustand durchgeführt wird.
  • 10A ist ein ausführliches Flussdiagramm des in 9 gezeigten Verfahrensschritts S328 gemäß einer beispielhaften Ausführungsform, und 10A ist ein Graph zur Erläuterung einer in 10A offenbarten, beispielhaften Ausführungsform.
  • Bezugnehmend auf 10A kann nach Verfahrensschritt S327 in 9 das Endgerät bestimmen, ob der aktuelle Netzwerkverbindungszustand der Netzwerkverbindungs-Startzustand ist (S328a). Wenn ein Ergebnis des Verfahrensschritts S328a „Ja“ lautet, kann das Endgerät einen Vorverarbeitungsvorgang auf dem gültigen Zellendatensatz und dem falschen Zellendatensatz durchführen, um die Werte der Steigung der Klassifizierungsfunktion indirekt und höher einzustellen (S328b). Wenn hingegen das Ergebnis des Verfahrensschritts S328a „Nein“ lautet, kann das Endgerät bestimmen, ob der aktuelle Netzwerkverbindungszustand der Handover-Zustand ist (S328c). Wenn ein Ergebnis des Verfahrensschritts S328c „Ja“ lautet, kann das Endgerät den Vorverarbeitungsvorgang an dem gültigen Zellendatensatz und dem falschen Zellendatensatz durchführen, um die Werte der Steigung der Klassifizierungsfunktion indirekt und niedriger einzustellen (S328d). Wenn hingegen das Ergebnis des Verfahrensschritts S328c „Nein“ lautet, kann das Endgerät den Vorverarbeitungsvorgang auslassen (S328e). Danach kann sich der Verfahrensschritt S321a in 8B anschließen.
  • Unter weiterer Bezugnahme auf 10B kann das Endgerät die Werte der Steigung der Klassifizierungsfunktion entsprechend dem SVM-Klassifizierer gemäß dem aktuellen Netzwerkverbindungszustand indirekt anpassen. Wenn sich das Endgerät, wie in dem ersten Fall (Fall 1), z. B. in einem Netzwerkverbindungs-Startzustand befindet, kann das Endgerät einen ersten Vorverarbeitungsvorgang auf dem gültigen Zellendatensatz und dem falschen Zellendatensatz durchführen, so dass die Werte der Steigung der Klassifizierungsfunktion entsprechend dem SVM-Klassifizierer indirekt erhöht werden können. Wenn sich darüber hinaus das Endgerät, wie in dem zweiten Fall (Fall 2), in einem Handover-Zustand befindet, kann das Endgerät einen zweiten Vorverarbeitungsvorgang an dem gültigen Zellendatensatz und dem falschen Zellendatensatz durchführen, so dass die Werte der Steigung der Klassifizierungsfunktion entsprechend dem SVM-Klassifizierer indirekt gemindert werden kann.
  • Auch wenn eine beispielhafte Ausführungsform beschrieben worden ist, in der das Endgerät zumindest einen Parameter der Klassifizierungsfunktion des Klassifizierers durch Vorverarbeitung des gültigen Zellendatensatzes und des falschen Zellendatensatzes basierend auf dem aktuellen Netzwerkverbindungszustand indirekt anpasst, handelt es sich hierbei lediglich um eine beispielhafte Ausführungsform, und eine solche ist nicht auf sich selbst beschränkt. In einer beispielhaften Ausführungsform kann das Endgerät zumindest einen Parameter der Klassifizierungsfunktion basierend auf dem aktuellen Netzwerkverbindungszustand indirekt anpassen.
  • 11A und 11B sind Flussdiagramme für ein Speicherungsverfahren von jeweils dem gültigen Zellendatensatz und dem falschen Zellendatensatz eines Endgeräts unter Berücksichtigung einer begrenzten Speicherkapazität eines Speichers gemäß einer beispielhaften Ausführungsform.
  • Unter Bezugnahme auf 11A kann das Endgerät einen gültigen Bereich des gültigen Zellendatensatzes einstellen (S500a). Wie vorstehend unter Bezugnahme auf 8A beschrieben, kann z. B. der gültige Bereich basierend auf einer Phase eingestellt werden, wenn der gültige Zellendatensatz die Größe der Korrelation zwischen dem empfangenen Signal und dem Referenzsignal sowie die anhand der realen Komponente und der imaginären Komponente der Korrelation bestimmte Phase beinhaltet. Das Endgerät kann den gültigen Bereich in z (wobei z eine Ganzzahl größer gleich 1 ist) Bereiche (z.B. Zonen) unterteilen (S510a). Das Endgerät kann Daten entsprechend einem jeweiligen Bereich aus dem gültigen Zellendatensatz extrahieren (S520a). Gemäß einer beispielhaften Ausführungsform kann das Endgerät die Daten einschließlich Erfassungsdaten in einem jeweiligen Bereich aus dem gültigen Zellendatensatz extrahieren, der einen Referenzwert erfüllt. Das Endgerät kann die extrahierten Daten in einem ersten Speicherbereich, der für einen jeweiligen Bereich eine Unterteilung aufweist, in einem ersten Verfahren selektiv speichern (S530a).
  • Bezugnehmend auf 11B kann das Endgerät einen gültigen Bereich des falschen Zellendatensatzes einstellen (S500b). Das Endgerät kann den gültigen Bereich in z Bereiche unterteilen (S510b). Die Verfahrensschritte S500b und S510b können jedoch ausgelassen werden, wenn Ergebnisse der Verfahrensschritte S500a und S510a in 11A herangezogen werden. Das Endgerät kann einem jeweiligen Bereich entsprechende Daten aus dem falschen Zelldatensatz extrahieren (S520b). Gemäß einer beispielhaften Ausführungsform kann das Endgerät die Erfassungsdaten beinhaltenden Daten in einem jeweiligen Bereich aus dem falschen Zellendatensatz extrahieren, der einen Referenzwert erfüllt. Das Endgerät kann die extrahierten Daten in einem zweiten Speicherbereich, der für einen jeweiligen Bereich eine Unterteilung aufweist, in einem zweiten Verfahren speichern (S530b).
  • Die Verfahrensschritte S500a bis S530a und die Verfahrensschritte S500b bis S530b können nach Verfahrensschritt S320 in 7A durchgeführt werden, wobei das Endgerät den Verfahrensschritt S330 in 7A durch Verwendung des gültigen Zellendatensatzes und des falschen Zellendatensatzes, die jeweils in dem ersten Speicherbereich und dem zweiten Speicherbereich gespeichert sind, durchführen kann.
  • Unter weiterer Bezugnahme auf 12 kann, wenn das Endgerät einen gültigen Zellendatensatz VCDS in einem ersten Speicherbereich MA1 speichert, der erste Speicherbereich MA1 in z Bereiche unterteilt werden, oder er kann in erste bis z. Bereiche R1 bis Rz, unterteilt werden, wobei der gültige Zellendatensatz VCDS als Datenzellendaten gespeichert werden kann, d. h. C_11a bis C_1ta, C_21a bis C_2ta, ..., C_z1a bis C_zta, die jeweils einer jeweiligen Zone (d. h. Bereich) entsprechen. Zum Beispiel kann jede von den ersten bis z. Zonen (d. h. Bereichen) R1 bis R7 einen begrenzten Raum aufweisen, der nur „t“ Daten (z. B. Bits, Bytes etc. von Daten) speichert (wobei t eine Ganzzahl größer gleich 2 ist), Daten mit hoher Priorität zuerst speichern, indem eine bestimmte Priorität angewendet wird, und Daten mit einer relativ niedrigen Priorität löschen, ohne diese zu speichern. Wenn z. B. die Daten in dem gültigen Zellendatensatz VCDS in die Klassifizierungsfunktion eingegeben werden, kann das Endgerät einen Grad der Näherung zwischen dem Eingabeergebnis, das ausgegeben wird, und dem Referenzwert TH in Formel 3 in 8A veranschlagen und eine Speicherpriorität der Daten bestimmen. Das Endgerät kann z. B. die Speicherpriorität in der Ordnung einer geringen Korrelationsgröße einstellen, die in den Daten in einer jeweiligen von den ersten bis z. Zonen beinhaltet ist, d. h. den ersten bis z. Zonen R1 bis Rz, und den gültigen Zellendatensatz VCDS in dem ersten Speicherbereich MA1 speichern.
  • Das Endgerät kann auf den gültigen Zellendatensatz VCDS, der in dem ersten Speicherbereich MA1 gespeichert ist, unter Bezugnahme auf die ersten bis t. Indizes Index_11 bis Index_1t des ersten Speicherbereichs MA1 zugreifen und den gültigen Zellendatensatz VCDS, auf den zugegriffen wurde, während des maschinellen Lernens zur Aktualisierung des Klassifizierers heranziehen.
  • Wenn das Endgerät einen falschen Zellendatensatz FCDS in einem zweiten Speicherbereich MA2 speichert, kann der zweite Speicherbereich MA2 in z Zonen (die hierin auch als Bereiche bezeichnet werden können), d. h. die ersten bis z. Zonen R1 bis Rz, unterteilt werden, wobei jeder von den falschen Zellendatensätzen FCDS als Daten, d. h. C_11b bis C_1tb, C_21b bis C_2tb, ... C_z1b bis C_ztb, die jeweils einer jeweiligen Zone entsprechen, gespeichert werden kann. Jede von den ersten bis z. Zonen R1 bis Rz kann z. B. einen begrenzten Raum aufweisen, der nur „t“ Daten speichert (z. B. Bits, Bytes etc. der Daten) (wobei t eine Ganzzahl größer gleich 2 ist), Daten mit einer hohen Priorität zuerst speichern, indem eine bestimmte Priorität angewendet wird, und Daten mit einer relativ niedrigen Priorität löschen, ohne diese zu speichern. Wenn z. B. die Daten in dem falschen Zellendatensatz FCDS in die Klassifizierungsfunktion eingegeben werden, kann das Endgerät einen Grad der Näherung zwischen dem Eingabeergebnis, das ausgegeben wird, und dem Referenzwert TH in Formel 4 in 8A veranschlagen und eine Speicherpriorität der Daten bestimmen. Das Endgerät kann z. B. die Speicherkapazität in der Ordnung einer großen Korrelationsgröße, die in den Daten in einer jeweiligen der z Zonen, d. h. den ersten bis z. Zonen R1 bis Rz, beinhaltet ist, einstellen und den gültigen Zellendatensatz FCDS in dem zweiten Speicherbereich MA2 speichern.
  • Das Endgerät kann auf den falschen Zellendatensatz FCDS, der in dem zweiten Speicherbereich MA2 gespeichert ist, unter Bezugnahme auf die ersten bis t. Indizes Index_21 bis Index_2t des zweiten Speicherbereichs MA2 zugreifen, und den falschen Zellendatensatz FCDS, auf den zugegriffen wurde, während des maschinellen Lernens zur Aktualisierung des Klassifizierers heranziehen.
  • 13 ist ein Diagramm eines Zellensuchverfahrens für ein Endgerät gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 13 kann das Endgerät Zellensuchdaten für eine Zellensuche erzeugen (S600). Das Endgerät kann z. B. Synchronisierungssignale von einer Mehrzahl von Zellen empfangen und Zellensuchdaten entsprechen einer jeweiligen von der Mehrzahl von Zellen erzeugen. Das Endgerät kann die gültige Zellenkandidatengruppe basierend auf dem aktualisierten Klassifizierer durch Anwenden einer beispielhaften Ausführungsform bestimmen, die unter Bezugnahme auf 1 bis 12 beschrieben ist (S610). Das Endgerät kann beispielsweise die Zellensuchdaten auf den aktualisierten Klassifizierer anwenden und die gültige Zellenkandidatengruppe bestimmen, indem es jene, die die Bedingung der der 8A zugeordneten Formel 3 erfüllen, als die Kandidatenzellen klassifiziert, und jene, die die Bedingung der der 8A zugeordneten Formel 4 erfüllen, als die falschen Zellen klassifiziert. Das Endgerät kann eine gültige Zelle basierend auf einer empfangenen Leistung entsprechend einer jeweiligen Kandidatenzelle von der gültigen Zellenkandidatengruppe bestimmen (S620).
  • In einer beispielhaften Ausführungsform kann das Endgerät den Zellensuchvorgang einschließlich der Verfahrensschritte S600 bis S620 parallel zu dem Klassifiziereraktualisierungsvorgang durchführen und die in Verfahrensschritt S600 erzeugten Zellensuchdaten als die ersten Zellensuchtrainingsdaten zum Aktualisieren des Klassifizierers verwenden.
  • 14 ist ein Blockdiagramm einer elektronischen Vorrichtung 1000 gemäß einer beispielhaften Ausführungsform.
  • Bezugnehmend auf 14 kann die elektronische Vorrichtung 1000 einen Speicher 1010, eine Prozessoreinheit 1020, einen Eingabe-/Ausgabe-Controller 1040, eine Anzeigeeinheit 1050, eine Eingabevorrichtung 1060 und/oder eine Kommunikationsverarbeitungseinheit 1090 beinhalten. Der Speicher 1010 kann mehrzählig existieren. Die Komponenten sind folgende:
    • Der Speicher 1010 kann eine Programmspeichereinheit 1011 zum Speichern von Programmen zum Steuern eines Betriebs der elektronischen Vorrichtung 1000 und eine Datenspeichereinheit 1012 zum Speichern von während einer Programmausführung erzeugten Daten beinhalten. Die Datenspeichereinheit 1012 kann Daten speichern, die für Verfahrensschritte eines Anwendungsprogramms 1013 und eines Gültige-Zellen-Bestimmungsprogramms 1014 verwendet werden. Eine Programmspeichereinheit 1011 kann das Anwendungsprogramm 1013 und das Gültige-Zellen-Differenzierungsprogramm 1014 beinhalten. Hier können Programme, die in der Programmspeichereinheit 1011 enthalten sind, Sätze von Anweisungen beinhalten und als Anweisungssätze ausgedrückt werden.
  • Das Anwendungsprogramm 1013 kann Anwendungsprogramme beinhalten, die in der elektronischen Vorrichtung 1000 betreibbar sind. In anderen Worten kann das Anwendungsprogramm 1013 Anwendungsanweisungen beinhalten, die durch einen Prozessor 1022 ausgeführt werden. Das Gültige-Zellen-Differenzierungsprogramm 1014 kann einen Klassifiziereraktualisierungsvorgang gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung steuern. In anderen Worten kann die elektronische Vorrichtung 1000 die Zellensuchtrainingsdaten durch Verwendung des Gültige-Zellen-Differenzierungsprogramms 1014 erzeugen und, durch Verwendung desselben, ein maschinelles Lernen an einem Klassifizierer durchführen, der eine optimale oder erwünschte gültige Zelle sogar in verschiedenen störgeräuschbehafteten Umgebungen differenzieren kann.
  • Eine Peripherievorrichtungs-Schnittstelle 1023 kann eine Verbindung von einer Eingabe-/Ausgabe-Peripherievorrichtung einer Basisstation mit dem Prozessor 1022 und einer Speicherschnittstelle 1021 steuern. Der Prozessor 1022 kann die Basisstation steuern, um einen anwendbaren Dienst durch Verwendung von zumindest einem Softwareprogramm bereitzustellen. In diesem Fall kann der Prozessor 1022 zumindest ein Programm ausführen, das in dem Speicher 1010 gespeichert ist, um einen Dienst bereitzustellen, der einem anwendbaren Programm entspricht.
  • Der Eingabe-/Ausgabe-Controller 1040 kann eine Schnittstelle zwischen einer Eingabe-/Ausgabe-Vorrichtung, wie z. B. die Anzeigeeinheit 1050 und die Eingabevorrichtung 1060, und die Peripherievorrichtungs-Schnittstelle 1023 bereitstellen. Die Anzeigeeinheit 1050 kann Statusinformationen, eingegebene Schriftzeichen, bewegte Bilder, Standbilder etc. anzeigen. Die Anzeigeeinheit 1050 kann z. B. Informationen über ein durch den Prozessor 1022 ausgeführtes Anwendungsprogramm anzeigen.
  • Die Eingabevorrichtung 1060 kann eingegebene Daten, die durch eine Auswahl der elektronischen Vorrichtung 1000 erzeugt werden, der Prozessoreinheit 1020 über den Eingabe-/Ausgabe-Controller 1040 bereitstellen. In diesem Fall kann die Eingabevorrichtung 1060 ein Tastenfeld beinhalten, das zumindest eine Hardwaretaste und ein Touchpad zum Erfassen von Berührungsinformationen beinhaltet. Die Eingabevorrichtung 1060 kann z. B. über den Eingabe-/Ausgabe-Controller 1040 die Berührungsinformationen, wie z. B. eine Berührung, eine Berührungsbewegung und eine Berührungsfreigabe, die durch das Touchpad erfasst worden sind, dem Prozessor 1022 bereitstellen. Die elektronische Vorrichtung 1000 kann die Kommunikationsverarbeitungseinheit 1090 beinhalten, die Kommunikationsfunktionen für eine Sprachkommunikation und Datenkommunikation durchführt.
  • Herkömmliche Vorrichtungen und Verfahren zum Kommunizieren mit einer Mehrzahl von Zellen bestimmen eine gültige Zelle basierend auf einem feststehenden Korrelationsreferenzwert. Derart feststehende Korrelationsreferenzwerte sind jedoch in verschiedenen störgeräuschbehafteten Umgebungen (z. B. einer eine erhöhte Störgeräuschbehaftung aufweisenden Umgebung eines elektrischen Felds mit einem schwachen Signal) unzuverlässig und ungenau. Aufgrund der mangelnden Betriebssicherheit und Genauigkeit dieser herkömmlichen Vorrichtungen und Verfahren erhöht sich Aufkommen von Verbindungsversuchen mit ungültigen Zellen, was einen übermäßigen Ressourcenverbrauch (z. B. Leistung, Prozessor, Speicher, Verzögerung etc.) zur Folge hat.
  • Eine beispielhafte Ausführungsform stellt jedoch verbesserte Endgeräte und Verfahren zum Kommunizieren mit einer Mehrzahl von Zellen bereit, die eine gültige Zelle unter Verwendung eines aktualisierbaren Klassifizierers bestimmen. Der Klassifizierer kann aktualisiert werden, um eine verbesserte Leistung in verschiedenen störgeräuschbehafteten Umgebungen (einschließlich einer eine erhöhte Störgeräuschbehaftung aufweisenden Umgebung eines elektrischen Felds mit einem schwachen Signal) bereitzustellen. Dementsprechend überwinden die verbesserten Endgeräte und Verfahren die Mängel der herkömmlichen Vorrichtungen und Verfahren, um eine verbesserte Betriebssicherheit und Genauigkeit bereitzustellen, und ermöglichen somit gegenüber den herkömmlichen Vorrichtungen und Verfahren eine Reduktion des übermäßigen Ressourcenverbrauchs (z. B. Leistung, Prozessor, Speicher, Verzögerung, etc.).
  • Gemäß einer beispielhaften Ausführungsform können die Vorgänge, die hierin als durch das drahtlose Kommunikationssystem 1, die ersten bis siebten Zellen 10 bis 70, das Endgerät 100, das RFIC 120, den Signaldetektor 130, den Zellensuch-Controller 140, den Klassifizierer 150, den Prozessor 170, den Trainingsdatensammler 142, den Daten-Vorprozessor 144, die Lernmaschine 146, den Klassifizierer-Aktualisierer 148, die elektronische Vorrichtung 1000, die Prozessoreinheit 1020, den Eingabe-/Ausgabe-Controller 1040, die Kommunikationsverarbeitungseinheit 1090, den Prozessor 1022, die Peripherievorrichtungs-Schnittstelle 1023 und/oder die Speicherschnittstelle durchgeführt beschrieben sind, durch eine Verarbeitungsschaltung durchgeführt werden.
  • Gemäß einer beispielhaften Ausführungsform kann einer von dem Klassifizierer 150 und/oder der Lernmaschine 146 oder beide unter Verwendung einer von der zum Implementieren des Endgeräts 100, der RFIC 120, des Signaldetektors 130, des Zellensuch-Controllers 140, des Prozessors 170, des Trainingsdatenkollektors 142, des Daten-Vorprozessors 144, des Klassifizierer-Aktualisierer 148, der elektronischen Vorrichtung 1000, der Prozessoreinheit 1020, des Eingabe-/Ausgabe-Controllers 1040, der Kommunikationsverarbeitungseinheit 1090, des Prozessors 1022, der Peripherievorrichtungs-Schnittstelle 1023 und/oder der Speicherschnittstelle 1021 verwendeten Verarbeitungsschaltung separaten Verarbeitungsschaltung implementiert werden. Der Klassifizierer 150 kann z. B. unter Verwendung einer Klassifizierverarbeitungsschaltung implementiert werden und/oder die Lernmaschine 145 kann unter Verwendung einer Lernmaschinen-Verarbeitungsschaltung implementiert werden. Gemäß einer beispielhaften Ausführungsform können das Endgerät 100, die RFIC 120, der Signaldetektor 130, der Zellensuch-Controller 140, der Klassifizierer 150, der Prozessor 170, der Trainingsdatensammler 142, der Daten-Vorprozessor 144, die Lernmaschine 146, der Klassifizierer-Aktualisierer 148, die elektronische Vorrichtung 1000, die Prozessoreinheit 1020, der Eingabe-/Ausgabe-Controller 1040, die Kommunikationsverarbeitungseinheit 1090, der Prozessor 1022, die Peripherievorrichtungs-Schnittstelle 1023 und die Speicherschnittstelle 1021 allesamt durch die selbe Verarbeitungsschaltung (z. B. eine Verarbeitungsschaltung innerhalb des Endgeräts 100) implementiert sein.
  • Die verschiedenen Vorgänge der vorstehend beschriebenen Verfahren können durch eine beliebige geeignete Vorrichtung durchgeführt werden, die die Vorgänge durchführen kann, wie z. B. die vorstehend erläuterte Verarbeitungsschaltung. Wie vorstehend erläutert, können die vorstehend beschriebenen Verfahrensabläufe durch verschiedene Hardware und/oder Software durchgeführt werden, die in einer beliebigen Form von Hardware (z. B. Prozessor, ASIC etc.) implementiert sind.
  • Die Software kann eine geordnete Aufstellung von ausführbaren Anweisungen zum Implementieren logischer Funktionen aufweisen und in einem beliebigen „prozessorlesbaren Medium“ zur Verwendung durch oder in Verbindung mit einem/r Anweisungsausführungssystem, -Vorrichtung oder -Gerät, wie z. B. einem Einkern- oder Mehrkernprozessor oder einem prozessorhaltigen System, verkörpert sein.
  • Die Blöcke oder Verfahrensschritte für ein Verfahren oder einen Algorithmus und Funktionen, die in Verbindung mit einer hierin offenbarten beispielhaften Ausführungsform beschrieben sind, können direkt in einer Hardware, in einem Softwaremodule, das durch einen Prozessor ausgeführt wird, oder in einer Kombination aus beiden verkörpert sein. Wenn sie in einer Software implementiert sind, können die Funktionen als eine oder mehrere Funktionen oder Code(s) auf einem berührbaren, nichttransitorischen computerlesbaren Medium gespeichert oder übertragen werden. Ein Softwaremodul kann in einem Random-Access-Memory (RAM), einem Flash-Memory, einen Read-Only-Memory (ROM), einem Electrically-Programmable ROM (EPROM), einem Electrically-Erasable-Programmable-ROM (EEPROM), Registern, einer Festplatte, einem Wechseldatenträger, einer CD-ROM oder einer beliebigen anderen Form eines in der Technik bekanntem Speichermediums untergebracht sein.
  • Eine beispielhaften Ausführungsform kann unter Bezugnahme auf Handlungen und symbolische Darstellungen von Verfahrensschritten beschrieben sein (z. B. in der Form von Ablaufdiagrammen, Flussdiagrammen, Datenflussdiagrammen, Strukturdiagrammen, Blockdiagrammen etc.), die in Verbindung mit Einheiten und/oder Vorrichtungen, die nachstehend ausführlicher erläutert werden, implementiert sind. Selbst wenn sie in besonderer Weise erläutert worden sind, kann eine Funktion oder ein Vorgang, die in einem spezifischen Block spezifiziert sind, in Unterscheidung zu dem in einem Flussdiagramm, Flussdiagramm etc. spezifizierten Fluss durchgeführt werden. Funktionen oder Vorgänge, die in zwei aufeinanderfolgenden Blöcken als seriell durchgeführt dargestellt sind, können tatsächlich gleichzeitig, zeitgleich, überschneidend oder in einigen Fällen in umgekehrter Reihenfolge durchgeführt werden.
  • Wenngleich eine beispielhafte Ausführungsform unter Bezugnahme auf Beispiele derselben im Speziellen gezeigt und beschrieben worden ist, wird darauf hingewiesen, dass an derselben verschiedene Veränderungen an Form und Detail vorgenommen werden können, ohne vom Erfindungsgedanken und dem Schutzbereich der nachstehenden Ansprüche abzuweichen
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • KR 1020200035817 [0001]

Claims (20)

  1. Betriebsverfahren für ein Endgerät, das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, wobei das Verfahren beinhaltet: ein Erzeugen von ersten Zellensuchtrainingsdaten für die Mehrzahl von Zellen; ein Bestimmen von zumindest einer Trainingskandidatenzelle basierend auf den ersten Zellensuchtrainingsdaten; ein Aktualisieren einer Klassifizierung basierend auf zweiten Zellensuchtrainingsdaten unter den ersten Zellensuchtrainingsdaten und Netzwerkinformationen über das Endgerät, um eine aktualisierte Klassifizierung zu erhalten, wobei die zweiten Zellensuchtrainingsdaten der zumindest einen Trainingskandidatenzelle entsprechen; und ein Bestimmen einer gültigen Zelle aus der Mehrzahl von Zellen basierend auf der aktualisierten Klassifizierung.
  2. Verfahren nach Anspruch 1, wobei die ersten Zellensuchtrainingsdaten aufweisen: eine Korrelation zwischen einem empfangenen Signal von einer jeweiligen von der Mehrzahl von Zellen und einem Referenzsignal, eine Größenordnung der Korrelation, und einer Phase, die anhand der Korrelation erhalten wird.
  3. Verfahren nach Anspruch 1, wobei das Bestimmen der zumindest einen Trainingskandidatenzelle beinhaltet: ein Bestimmen, ob eine Größenordnung einer Korrelation zwischen einem empfangen Signal von einer jeweiligen von der Mehrzahl von Zellen und einem Referenzsignal einen Referenzwert erfüllt, um ein Bestimmungsergebnis zu erhalten, wobei die Korrelation zwischen dem empfangenen Signal von einer jeweiligen von der Mehrzahl von Zellen und dem Referenzsignal in den ersten Zellensuchtrainingsdaten beinhaltet ist; und ein Bestimmen der zumindest einen Trainingskandidatenzelle aus der Mehrzahl von Zellen basierend auf dem Bestimmungsergebnis.
  4. Verfahren nach Anspruch 1, wobei die Netzwerkinformationen über das Endgerät Informationen über eine aktuell mit dem Endgerät verbundene Zelle von der Mehrzahl von Zellen beinhalten; und das Aktualisieren der Klassifizierung beinhaltet ein Klassifizieren der zweiten Zellensuchtrainingsdaten in einen gültigen Zellendatensatz und einen falschen Zellendatensatz basierend auf den Informationen über die Zelle, die aktuell mit dem Endgerät verbunden ist, ein Anwenden des gültigen Zellendatensatzes und des falschen Zellendatensatzes auf die Klassifizierung, um ein Anwendungsergebnis zu erhalten, und ein Aktualisieren der Klassifizierung basierend auf dem Anwendungsergebnis.
  5. Verfahren nach Anspruch 4, wobei die zumindest eine Trainingskandidatenzelle eine Mehrzahl von Trainingskandidatenzellen beinhaltet; und das Klassifizieren der zweiten Zellensuchtrainingsdaten beinhaltet: ein Klassifizieren eines ersten Abschnitts der zweiten Zellensuchtrainingsdaten entsprechend einer ersten Trainingskandidatenzelle von der Mehrzahl von Trainingskandidatenzellen mit einer ID, die mit einer ID der Zelle übereinstimmt, die aktuell mit dem Endgerät verbunden ist, in den gültigen Zellendatensatz, oder ein Klassifizieren eines zweiten Abschnitts der zweiten Zellensuchtrainingsdaten entsprechend einer zweiten Trainingskandidatenzelle von der Mehrzahl von Trainingskandidatenzellen mit einer ID, die nicht mit einer ID der Zelle übereinstimmt, die aktuell mit dem Endgerät verbunden ist, in den falschen Zellendatensatz.
  6. Verfahren nach Anspruch 4, wobei das Anwenden des gültigen Zellendatensatzes und des falschen Zellendatensatzes auf die Klassifizierung beinhaltet: ein Erzeugen einer ersten Ausgabe durch Eingeben des gültigen Zellendatensatzes in die Klassifizierungsfunktion entsprechend der Klassifizierung; und ein Erzeugen einer zweiten Ausgabe durch Eingeben des falschen Zellendatensatzes in die Klassifizierungsfunktion.
  7. Verfahren nach Anspruch 6, wobei die Aktualisierung der Klassifizierung basierend auf dem Anwendungsergebnis beinhaltet: ein Anpassen von zumindest einem Parameter der Klassifizierungsfunktion basierend darauf, ob die erste Ausgabe eine erste Referenz erfüllt; und ein Anpassen des zumindest einen Parameters der Klassifizierungsfunktion basierend darauf, ob die zweite Ausgabe eine zweite Referenz erfüllt.
  8. Verfahren nach Anspruch 7, wobei der zumindest eine Parameter der Klassifizierungsfunktion eine Flanke der Klassifizierungsfunktion und/oder einen Bias der Klassifizierungsfunktion aufweist.
  9. Verfahren nach Anspruch 4, wobei das Klassifizieren der zweiten Zellensuchtrainingsdaten die zweiten Zellensuchtrainingsdaten in den falschen Zellendatensatz basierend auf einem elektrischen Netzwerkfeld zwischen dem Endgerät und der aktuell mit dem Endgerät verbundenen Zelle, das größer oder gleich einem elektrischen Referenzfeld ist, klassifiziert.
  10. Verfahren nach Anspruch 4, ferner beinhaltend: ein Speichern von Daten aus dem gültigen Zellendatensatz in einem ersten Speicherbereich des Endgeräts basierend auf einer Nähe zu einer Klassifizierungsreferenz der Klassifizierung; und ein Speichern von Daten aus dem falschen Zellendatensatz in einem zweiten Speicherbereich des Endgeräts basierend auf der Nähe zu der Klassifizierungsreferenz.
  11. Verfahren nach Anspruch 1, wobei die Netzwerkinformationen über das Endgerät einen aktuellen Netzwerkverbindungszustand des Endgeräts beinhalten; und das Aktualisieren der Klassifizierung die Klassifizierung basierend auf dem aktuellen Netzwerkverbindungszustand des Endgeräts aktualisiert.
  12. Verfahren nach Anspruch 1, wobei das Bestimmen einer gültigen Zelle aus der Mehrzahl von Zellen beinhaltet: ein Erzeugen von Zellensuchdaten für die Mehrzahl von Zellen; ein Bestimmen einer gültigen Zellenkandidatengruppe aus der Mehrzahl von Zellen basierend auf den Zellensuchdaten und der aktualisierten Klassifizierung; und ein Bestimmen der gültigen Zelle aus der gültigen Zellenkandidatengruppe.
  13. Verfahren nach Anspruch 12, wobei die Zellensuchdaten als aktualisierte erste Zellensuchtrainingsdaten zum Aktualisieren der Klassifizierung verwendet werden.
  14. Verfahren nach Anspruch 12, wobei das Erzeugen der ersten Zellensuchsuchtrainingsdaten getrennt von der Erzeugung der Zellensuchdaten periodisch durchgeführt wird.
  15. Verfahren nach Anspruch 1, ferner beinhaltend: ein Initialisieren der Klassifizierung basierend auf initialen Zellensuchtrainingsdaten, die in einem Speicher des Endgeräts gespeichert sind.
  16. Betriebsverfahren für ein Endgerät, das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, wobei das Verfahren beinhaltet: ein Erzeugen von ersten Zellensuchtrainingsdaten für die Mehrzahl von Zellen; ein Bestimmen einer Mehrzahl von Trainingskandidatenzellen basierend auf den ersten Zellensuchtrainingsdaten; ein Klassifizieren von zweiten Zellensuchtrainingsdaten aus den ersten Zellensuchtrainingsdaten zu einem gültigen Zellendatensatz und einem falschen Zellendatensatz basierend auf Netzwerkinformationen über das Endgerät, wobei die zweiten Zellensuchtrainingsdaten der Mehrzahl von Trainingskandidatenzellen entsprechen; und ein Aktualisieren einer Klassifizierung basierend auf einer linearen Separation zwischen dem gültigen Zellendatensatz und dem falschen Zellendatensatz, um eine aktualisierte Klassifizierung zu erhalten.
  17. Verfahren nach Anspruch 16, wobei die Netzwerkinformationen über das Endgerät Informationen über eine aktuell mit dem Endgerät verbundene Zelle aus der Mehrzahl von Zellen beinhalten; und das Klassifizieren der zweiten Zellensuchtrainingsdaten beinhaltet: ein Klassifizieren eines ersten Abschnitts der zweiten Zellensuchtrainingsdaten entsprechend einer ersten Trainingskandidatenzelle aus der Mehrzahl von Trainingskandidatenzellen mit einer ID, die mit einer ID der Zelle übereinstimmt, die aktuell mit dem Endgerät verbunden ist, in den gültigen Zellendatensatz, und Klassifizieren eines zweiten Abschnitts der zweiten Zellensuchtrainingsdaten entsprechend einer zweiten Trainingskandidatenzelle aus der Mehrzahl von Trainingskandidatenzellen mit einer ID, die nicht mit der ID der Zelle übereinstimmt, die aktuell mit dem Endgerät verbunden ist, in den falschen Zellendatensatz.
  18. Verfahren nach Anspruch 16, wobei das Aktualisieren der Klassifizierung aufweist: ein Erzeugen einer ersten Ausgabe durch Eingeben des gültigen Zellendatensatzes in eine Klassifizierungsfunktion entsprechend der Klassifizierungsfunktion ein Erzeugen einer zweiten Ausgabe durch Eingeben des falschen Zellendatensatzes in die Klassifizierungsfunktion; und ein Bestimmen der linearen Separation durch Vergleichen von jeweils der ersten Ausgabe und der zweiten Ausgabe mit einer jeweiligen Referenzausgabe.
  19. Verfahren nach Anspruch 18, wobei die Aktualisierung der Klassifizierung beinhaltet: ein Anpassen von einer Flanke der Klassifizierungsfunktion und/oder einem Bias der Klassifizierungsfunktion basierend auf der linearen Separation.
  20. Endgerät, das konfiguriert ist, um mit zumindest einer von einer Mehrzahl von Zellen zu kommunizieren, wobei das Endgerät aufweist: eine Mehrzahl von Antennen, die konfiguriert sind, um hohe Frequenzsignale von jeder von der Mehrzahl von Zellen zu empfangen; eine integrierte Hochfrequenzschaltung, die konfiguriert ist, um die Hochfrequenzsignale in Basisbandsignale zu verarbeiten; und ein Verarbeitungsschaltungsaufbau, der konfiguriert ist zum Erfassen einer Mehrzahl von Synchronisierungssignalen von der Mehrzahl von Zellen anhand der Basisbandsignale, Erzeugen von ersten Zellensuchtrainingsdaten unter Verwendung der Mehrzahl von Synchronisierungssignalen, Bestimmen einer trainierenden gültigen Zellenkandidatengruppe aus der Mehrzahl von Zellen basierend auf den ersten Zellensuchtrainingsdaten, und Aktualisieren einer Klassifizierung basierend auf zweiten Zellensuchtrainingsdaten aus den ersten Zellensuchtrainingsdaten und Netzwerkinformationen über das Endgerät, wobei die zweiten Zellensuchtrainingsdaten der trainierenden gültigen Zellenkandidatengruppe entsprechen.
DE102020129317.8A 2020-03-24 2020-11-06 Betriebsverfahren für ein Endgerät und Endgerät Active DE102020129317B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200035817A KR20210119202A (ko) 2020-03-24 2020-03-24 단말의 동작 방법 및 이를 위한 단말
KR10-2020-0035817 2020-03-24

Publications (2)

Publication Number Publication Date
DE102020129317A1 true DE102020129317A1 (de) 2021-09-30
DE102020129317B4 DE102020129317B4 (de) 2023-01-26

Family

ID=77659331

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020129317.8A Active DE102020129317B4 (de) 2020-03-24 2020-11-06 Betriebsverfahren für ein Endgerät und Endgerät

Country Status (5)

Country Link
US (1) US20210306935A1 (de)
KR (1) KR20210119202A (de)
CN (1) CN113452467A (de)
DE (1) DE102020129317B4 (de)
TW (1) TW202145047A (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200035817A (ko) 2019-02-18 2020-04-06 권혁준 단열패널유닛 및 이에 초슬림석재판과 결합된 외장용 복합패널을 이용한 벽체의 하부 결합구조

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8897772B2 (en) * 2009-06-26 2014-11-25 Electronics And Telecommunications Research Institute Terminal and method for controlling cell searching thereof
DE102013015167B4 (de) * 2013-09-11 2017-04-27 Intel IP Corporation Verfahren zum Filtern von Kandidatenzellen
US9763177B1 (en) 2016-02-08 2017-09-12 Mbit Wireless, Inc. False cell filtering during cell search
US9609585B1 (en) * 2016-03-30 2017-03-28 Intel IP Corporation Devices and method for cell search and detection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200035817A (ko) 2019-02-18 2020-04-06 권혁준 단열패널유닛 및 이에 초슬림석재판과 결합된 외장용 복합패널을 이용한 벽체의 하부 결합구조

Also Published As

Publication number Publication date
DE102020129317B4 (de) 2023-01-26
CN113452467A (zh) 2021-09-28
TW202145047A (zh) 2021-12-01
US20210306935A1 (en) 2021-09-30
KR20210119202A (ko) 2021-10-05

Similar Documents

Publication Publication Date Title
Kwok Moderating the outputs of support vector machine classifiers
CN112070781B (zh) 颅脑断层扫描图像的处理方法、装置、存储介质及电子设备
Viji et al. RETRACTED ARTICLE: An improved approach for automatic spine canal segmentation using probabilistic boosting tree (PBT) with fuzzy support vector machine
US20150016699A1 (en) Phantom image classification
KR20190107610A (ko) 지능형 세탁기 및 이를 이용한 세탁 타이밍 제어방법
CN104361345A (zh) 基于约束极速学习机的脑电信号分类方法
CN113255447B (zh) 脑电信号解码方法、装置、设备及计算机可读存储介质
Demidova et al. A novel SVM-kNN technique for data classification
Arish et al. Extraction of active regions and coronal holes from EUV images using the unsupervised segmentation method in the Bayesian framework
JP5244438B2 (ja) データ分類装置、データ分類方法、データ分類プログラムおよび電子機器
Chlebus et al. Robust segmentation models using an uncertainty slice sampling-based annotation workflow
DE102020129317B4 (de) Betriebsverfahren für ein Endgerät und Endgerät
CN115953430B (zh) 基于改进的批量样本损失函数的视频单目标跟踪方法及系统
Lian et al. Outcome prediction in tumour therapy based on Dempster-Shafer theory
Li et al. Improving fuzzy rule interpolation performance with information gain-guided antecedent weighting
CN115410250A (zh) 阵列式人脸美丽预测方法、设备及存储介质
CN114445679A (zh) 模型训练方法及相关装置、设备和存储介质
Demidova et al. Improving the accuracy of the SVM classification using the Parzen classifier
CN114495114A (zh) 基于ctc解码器的文本序列识别模型校准方法
CN113723540A (zh) 一种基于多视图的无人驾驶场景聚类方法及系统
Lakshman et al. Identification of breast cancer from thermal imaging using SVM and random forest method
Gupta et al. Grade identification of astrocytoma using image processing—a literature review
Okuno et al. Extrapolation towards imaginary 0-nearest neighbour and its improved convergence rate
KR102592762B1 (ko) 합성곱 신경망 기반의 덴스넷을 통한 부정맥 분류 방법
CN115661815B (zh) 基于全局特征映射的病理图像分类方法、图像分类装置

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final