EP4789130A1 - Procédé, dispositif et système d'adaptation d'une transmission de données à la suite d'un changement d'attachement - Google Patents

Procédé, dispositif et système d'adaptation d'une transmission de données à la suite d'un changement d'attachement

Info

Publication number
EP4789130A1
EP4789130A1 EP24776519.1A EP24776519A EP4789130A1 EP 4789130 A1 EP4789130 A1 EP 4789130A1 EP 24776519 A EP24776519 A EP 24776519A EP 4789130 A1 EP4789130 A1 EP 4789130A1
Authority
EP
European Patent Office
Prior art keywords
access device
terminal
session
transmission
characteristic
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.)
Pending
Application number
EP24776519.1A
Other languages
German (de)
English (en)
Inventor
Jean Schwoerer
Louis Adrien DUFRENE
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.)
Orange SA
Original Assignee
Orange SA
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 Orange SA filed Critical Orange SA
Publication of EP4789130A1 publication Critical patent/EP4789130A1/fr
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/02—Buffering or recovering information during reselection ; Modification of the traffic flow during hand-off
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0011—Control or signalling for completing the hand-off for data sessions of end-to-end connection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/08—Reselecting an access point

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Computer And Data Communications (AREA)

Abstract

L'invention concerne un procédé d'adaptation d'une transmission d'un flux de données d'une session entre un deuxième dispositif d'accès (STB) et un terminal (Term), les données précédentes du flux étant transmises entre ledit terminal (Term) et un premier dispositif d'accès (STA), ledit procédé étant mis en œuvre par ledit deuxième dispositif d'accès (STB) et comprenant une obtention en provenance du premier dispositif d'accès (STA) d'au moins une caractéristique dynamique de transmission (Caract) des dites précédentes données entre le premier dispositif d'accès (STA) et le terminal (Term), ladite caractéristique (Caract) étant représentée dans un premier fichier associé à un réseau de neurones (RN_STA_Em, RN_STA_Rec) propre à la session et au premier dispositif d'accès (STA), un attachement dudit terminal (Term) au deuxième dispositif d'accès (STB) à la suite de l'obtention de l'au moins une caractéristique (Caract), une adaptation de la transmission des données suivantes du flux entre le terminal (Term) et le deuxième dispositif d'accès (STB) auquel le terminal est attaché en modifiant un deuxième fichier associé à un réseau de neurones (RN_STB_Em, RN_STB_Rec) propre à la session et au deuxième dispositif d'accès (STB) en fonction de l'au moins une caractéristique reçue.

Description

    Procédé, dispositif et système d’adaptation d’une transmission de données à la suite d’un changement d’attachement
  • La présente divulgation appartient au domaine des réseaux de communication et plus particulièrement aux techniques de transfert d’un terminal d’un premier dispositif d’accès vers un deuxième dispositif d’accès d’un réseau de communication. Elle vise plus particulièrement à optimiser la transmission de données à la suite du transfert du terminal en tirant parti de l’attachement du terminal avec le premier dispositif d’accès.
  • Les progrès réalisés dans le domaine de l’Intelligence Artificielle (IA) ont ouvert de nombreuses portes et permis l’application de ces techniques à de nombreux domaines. Parmi ceux-ci, se trouve notamment le domaine du traitement numérique du signal pour les télécommunications.
  • Une première approche d’utilisation de techniques d’intelligence artificielle dans le domaine des télécommunications consiste à implémenter des fonctions de la couche physique avec des techniques issues de l’IA, telles que des réseaux de neurones. Dans cette approche par blocs fonctionnels (codage, estimation canal de communication, décodage…), on vient donc remplacer de l’algorithmie classique utilisée dans les réseaux actuels de télécommunications, par un élément issu de l’IA. Ainsi, un même algorithme de correction d’erreur et d’optimisation peut être implémenté soit par un algorithme standard, soit par le biais d’un réseau de neurones. Cela permet de bénéficier des avantages d’une telle approche (performance, complexité, flexibilité d’implémentation) tout en restant transparent du point de vue de l’architecture de la chaine de traitement du signal, ainsi que des protocoles utilisés. Dans cette approche, les fonctions usuelles de lutte contre les effets délétères du canal de propagation grâce à l’égalisation ou à la correction d’erreur demeurent, seule change la manière de les implémenter, la nouvelle méthode se basant sur des techniques d’IA.
  • Une seconde approche, plus disruptive, renonce à l’objectif de s’insérer de manière transparente dans une chaine de traitement du signal déterministe. Il ne s’agit plus de conserver les blocs tel que décrit dans la première approche mais bien de considérer un canal de communication global, et d’agir sur une communication sans distinction des différents blocs. Les degrés de liberté dont bénéficie alors l’IA sont plus importants, ainsi que, par conséquent, son potentiel d’optimisation. Dans un schéma d’échange de données bidirectionnel entre deux systèmes apprenants, communicant à travers un canal de propagation donné, cette caractéristique d’apprentissage leurs permet d’apprendre progressivement la méthode la plus efficace pour communiquer. En suivant des métriques d’optimisation communes, les deux systèmes apprennent à exploiter au mieux le canal de propagation partagé et définissent ainsi un système de communication optimisé. Dans cette perspective, il ne s’agit pas juste d’annuler les effets nocifs du canal pour se rapprocher autant que possible d’un canal parfait (canal gaussien), mais bien de trouver la manière optimale d’exploiter un canal donné. Si l’on va au bout de la démarche, on aboutit à ce que l’état de l’art désigne comme une communication entre deux auto codeurs ayant mis au point leur propre « langage ».
  • Cette seconde approche, bien que prometteuse, fait toutefois face à deux limitations :
  • Elle ne peut être mise en œuvre qu’entre deux systèmes ayant des capacités d’apprentissage similaire, et bénéficiant d’une première capacité de communication bidirectionnelle « primaire » afin de permettre la mise en place de la boucle de rétroaction nécessaire à l’apprentissage.
  • Le principe d’une optimisation spécifique à un canal de propagation donné a pour conséquence directe que cette optimisation n’est pertinente que pour cette réalisation spécifique. Or dans certains contextes, comme celui des radiocommunications mobiles, le canal de propagation n’est pas stable, mais évolue régulièrement ce qui nécessite une forme d’apprentissage continu.
  • Dans le contexte des réseaux mobiles, ces évolutions du canal de propagation de données peuvent prendre deux formes :
  • Évolution continue : liée aux phénomènes naturels du canal, tel que les mouvements d’équipements, ou les changements dans l’environnement de propagation. Ces évolutions sont progressives et ont lieu par exemple entre le terminal et une station de base. Elles sont détectées et suivies, en général grâce à l’utilisation de signaux de références qui permettent d’actualiser la connaissance du canal. Dans le cas d’un système de communication ayant appris à communiquer sur le canal en question, deux cas de figure peuvent se poser :
    • Soit les évolutions sont très rapides par rapport au temps nécessaire à l’apprentissage sur un canal statique. Dans ce cas, cette variabilité sera intégrée au sein d’un apprentissage, quitte à limiter les performances de la configuration qui en découlera, car mal adaptée au canal courant.
    • Soit les évolutions sont lentes, c’est-à-dire que le phénomène concerné peut être considéré comme statique sur le temps d’apprentissage. La survenue de telles variation va donc nécessiter une mise à jour de l’apprentissage, pour adapter le modèle retenu à la nouvelle configuration du canal. Suivant l’ampleur de cette évolution, la remise en question de l’apprentissage existant sera plus ou moins profonde.
  • Évolution discontinue : ici, l’évolution du canal radio est soudaine et ne présente pas de continuité avec la situation précédente. Il ne s’agit plus d’une évolution du canal existant mais plutôt d’un changement vers un nouveau canal de propagation. Dans le contexte d’un réseau de télécommunications, de telles évolutions sont typiquement provoquées par un changement de dispositif d’accès de rattachement en cours de communication (aussi appelé handover en anglais).
  • Il découle d’une telle évolution la remise à zéro du protocole d’apprentissage avec un repli vers le mode de communication primaire lors du handover d’un dispositif d’accès vers un autre dispositif d’accès.
  • Dans le cas d’un changement de dispositif d’accès de rattachement, la reprise à zéro du processus d’apprentissage est, selon la technique connue, inévitable puisque le couple terminal <-> dispositif d’accès a changé.
  • Le retour au mode de communication primaire impliquera le plus souvent une dégradation conséquente de l’efficacité du lien radio et donc de la qualité de service fournie par le réseau. De plus, le processus d’apprentissage nécessite du temps, ne garantissant pas une bonne qualité de transmission durant ce délai. Enfin, ce processus d’apprentissage implique la consommation de ressources radio et donc une perte de capacité momentanée.
  • On s’aperçoit donc que les évolutions discontinues peuvent être fréquentes et impacter négativement l’efficacité du réseau et la qualité de l’expérience utilisateur, notamment lorsqu’il est impossible d’anticiper le handover lors de la déconnexion du terminal du dispositif d’accès de départ.
    •
  • La présente divulgation a pour objectif de remédier à tout ou partie des limitations des solutions de l’art antérieur, notamment celles exposées ci-avant, en proposant une solution qui permette de pouvoir optimiser la transmission de données entre un terminal et un nouveau dispositif d’accès en utilisant des techniques relatives aux réseaux de neurones, en tirant parti d’une transmission de données du terminal avec un précédent dispositif d’accès, cette transmission utilisant également les techniques liées aux réseaux de neurones.
  • A cet effet, il est proposé un procédé d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit procédé étant mis en œuvre par ledit deuxième dispositif d’accès et comprenant :
    - une obtention en provenance du premier dispositif d’accès d’au moins une caractéristique dynamique de transmission des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant représentée dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès,
    - un attachement dudit terminal au deuxième dispositif d’accès à la suite de l’obtention de l’au moins une caractéristique,
    - une adaptation de la transmission des données suivantes du flux entre le terminal et le deuxième dispositif d’accès auquel le terminal est attaché en modifiant un deuxième fichier associé à un réseau de neurones propre à la session et au deuxième dispositif d’accès en fonction de l’au moins une caractéristique reçue.
  • Selon la technique antérieure, lorsqu’il y a une discontinuité d’un canal de communication, par exemple lors d’un changement d’attachement d’un terminal, le terminal s’attachant successivement à un premier dispositif puis à un deuxième dispositif d’accès, le terminal doit réinitialiser un processus d’apprentissage de son réseau de neurones pour optimiser la transmission de données d’une session en cours entre le terminal et le nouveau dispositif d’accès auquel il est désormais attaché. Il en est de même pour les réseaux de neurones du dispositif d’accès accueillant le terminal. Plus précisément, selon un exemple, le terminal doit réinitialiser un réseau de neurones pour l’émission de données à destination du deuxième dispositif d’accès, et un réseau de neurones pour la réception de données en provenance du deuxième dispositif d’accès. De façon correspondante, dans ce cas, le deuxième dispositif d’accès doit initialiser un réseau de neurones d’émission et un réseau de neurones de réception. Dans un contexte de handover où le terminal ne bénéficie à aucun moment d’un double attachement simultané avec les deux dispositifs d’accès, le précédent dispositif et le nouveau dispositif, le procédé d’adaptation permet d’améliorer le processus d’apprentissage du réseau de neurone du deuxième dispositif d’accès, ou dispositif d’accueil, et plus précisément les fichiers associés aux réseaux de neurones d’émission et de réception, ces fichiers comprenant des caractéristiques dynamiques de transmission des données de la session. Ainsi, le premier dispositif d’accès auquel le terminal était attaché avant le handover peut avantageusement transmettre une ou plusieurs caractéristiques de ses propres fichiers (d’émission et de réception) au deuxième dispositif auquel le terminal s’attache après le handover. Ainsi le deuxième dispositif n’a pas besoin de mener un processus d’apprentissage complet de son ou ses réseaux de neurones, et il lui est possible de réutiliser ou exploiter une ou plusieurs des caractéristiques transmises, telles que par exemple des caractéristiques relatives aux données transmises, à la qualité de service requise pour la session, aux conditions de propagation probablement équivalentes pour les deux dispositifs ainsi que des paramètres du terminal. Ce procédé permet ainsi au deuxième dispositif d’accès de comprendre un réseau de neurones préparé à la continuité de la session lors du handover et cela permet d’accélérer la montée en qualité de la transmission de données après le handover tout en économisant des ressources du réseau de communication en permettant de mettre en œuvre un processus d’apprentissage plus rapide, y compris dans un contexte où le terminal n’est jamais attaché simultanément aux deux dispositifs d’accès.
  • Selon un mode de réalisation, le procédé d’adaptation est caractérisé en ce que la modification du deuxième fichier est initialisée préalablement à l’attachement dudit terminal au deuxième dispositif.
  • Dans un mode de réalisation particulier, le deuxième dispositif d’accès peut avantageusement prendre en compte la réception d’une caractéristique d’un fichier associé à un réseau de neurones du premier dispositif pour adapter son propre réseau de neurones, ou ses propres réseaux de neurones, avant que le terminal ne s’attache au deuxième dispositif d’accès. Cela permet d’accélérer encore d’avantage le processus d’apprentissage du réseau de neurones du deuxième dispositif pour la ou les sessions en cours du terminal. Le premier dispositif peut par exemple transmettre la caractéristique aux dispositifs de son entourage au niveau radio, qui sont donc susceptibles d’accueillir le terminal.
  • Selon un mode particulier de réalisation, le procédé d’adaptation est caractérisé en ce que le premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès est spécifique à la réception des données en provenance dudit terminal.
  • Le deuxième dispositif peut avantageusement comprendre deux réseaux de neurones, un réseau d’émission et un réseau de réception et donc deux fichiers associés, et le paramètre reçu peut alors être propre à des conditions de réception ou d’émission. Cela permet d’adapter plus rapidement des conditions d’acheminement propres à l’émission ou la réception de données de la session.
  • Selon un aspect de l’invention, le procédé d’adaptation est caractérisé en ce que l’au moins une caractéristique comprend une caractéristique à optimiser en fonction d’un paramètre de transmission de données entre le deuxième dispositif et le terminal.
  • Une caractéristique du fichier de données peut correspondre à paramètre de transmission, tel qu’une puissance d’émission ou de réception, une vitesse de propagation ou bien encore un niveau de signal. Cette caractéristique pourra être réutilisée ou adaptée par le deuxième dispositif sachant que le deuxième dispositif, probablement proche du premier dispositif d’accès, aura probablement des paramètres de transmission proches de celles du premier dispositif d’accès.
  • Selon un aspect de l’invention, le procédé d’adaptation est caractérisé en ce que l’au moins une caractéristique comprend une caractéristique à transférer sans modification du premier fichier de données vers le deuxième fichier.
  • Sachant que certaines caractéristiques du fichier associé au réseau de neurones du premier dispositif ne sont pas liées à ce premier dispositif d’accès, mais à la session en cours et au terminal, voire à des conditions de propagation, ces caractéristiques peuvent être reprises sans modification dans le deuxième fichier, associé au deuxième dispositif d’accès, et ne pas donner lieu à un processus d’apprentissage, accélérant ainsi l’optimisation du (ou des) réseau(x) de neurones du deuxième dispositif d’accès.
  • Selon un aspect de l’invention, le procédé d’adaptation est caractérisé en ce que l’au moins une caractéristique comprend une information relative à une couche du réseau de neurones ou à un paramètre scalaire associé à un neurone d’une couche.
  • Avantageusement, une caractéristique dynamique de transmission comprend une information, par exemple représentée dans le fichier, d’une couche du réseau de neurones propre au premier dispositif et à la session en cours, cette couche pouvant être complétée par une information indiquant si celle-ci doit être modifiée ou bien conservée telle quelle pour l’entrainement du réseau de neurones du deuxième dispositif conduisant à la mise à jour du deuxième fichier. En remplacement ou en complément à cette information sur la couche, la caractéristique peut comprendre une information relative à un paramètre scalaire associé à un neurone d’une couche. Ce paramètre scalaire peut correspondre à un poids ou à un biais associé au neurone et peut également comprendre une information indiquant si ce paramètre peut être conservé inchangé ou bien à modifier pour l’entrainement du réseau de neurones du deuxième dispositif et consécutivement, pour la modification du deuxième fichier.
  • Les différents aspects du procédé d’adaptation qui viennent d'être décrits peuvent être mis en œuvre indépendamment les uns des autres ou en combinaison les uns avec les autres.
  • L’invention concerne également un procédé d’optimisation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit procédé étant mis en œuvre par ledit premier dispositif d’accès et comprenant :
    - une détection du deuxième dispositif d’accès dans le voisinage du premier dispositif d’accès,
    - une émission à destination du deuxième dispositif d’accès d’au moins une caractéristique dynamique de transmission des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant comprise dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès.
  • Le procédé d’optimisation vise à ce qu’un premier dispositif d’accès puisse permettre l’adaptation d’un réseau de neurones d’un deuxième dispositif d’accès, auquel le terminal est susceptible de s’attacher. En transmettant au moins une caractéristique d’un fichier associé à un réseau de neurones à un ou plus d’un dispositif d’accès qu’il a détecté, donc se trouvant probablement dans son entourage, il permet une optimisation de transmission des données d’une session avec un terminal bien que le terminal change son attachement au cours de la session, cette session n’étant pas interrompue. Cette optimisation permet ainsi de garantir une meilleure qualité de service au terminal, alors qu’en l’absence de ce procédé, le processus d’apprentissage du réseau de neurones associé au deuxième dispositif aurait inévitablement détérioré la qualité de service d’acheminement des données de la session pendant la période d’apprentissage.
  • Selon un aspect du procédé d’optimisation, le procédé d’optimisation est caractérisé en ce que l’émission est effectuée par l’intermédiaire d’un équipement connecté au premier dispositif d’accès et au deuxième dispositif d’accès.
  • L’émission du paramètre peut avantageusement être effectuée par l’intermédiaire d’un ou plusieurs équipements intermédiaires permettant une architecture du réseau de communications qui ne serait pas complètement maillée entre les dispositifs d’accès impliqués.
  • Selon un aspect du procédé d’optimisation, le procédé d’adaptation est caractérisé en ce que l’émission à destination du premier dispositif d’accès d’au moins une caractéristique dynamique de transmission est effectuée à la suite du détachement du terminal du premier dispositif d’accès.
  • Selon un mode de réalisation, l’émission de la caractéristique est effectuée à la suite du détachement du terminal, permettant ainsi un juste emploi des ressources et un envoi de la caractéristique qu’à la condition que le terminal se détache effectivement du premier dispositif d’accès.
  • Les différents aspects du procédé d’optimisation qui viennent d'être décrits peuvent être mis en œuvre indépendamment les uns des autres ou en combinaison les uns avec les autres.
  • L’invention concerne également un dispositif d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit dispositif d’adaptation comprenant un processeur et une mémoire couplée au processeur et comprenant en outre:
    - un module d’obtention, configuré pour obtenir en provenance du premier dispositif d’accès d’au moins une caractéristique dynamique de transmission des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant représentée dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès,
    - un module d’attachement, configuré pour attacher ledit terminal au deuxième dispositif d’accès à la suite de l’obtention de l’au moins une caractéristique,
    - un module d’adaptation, configuré pour adapter la transmission des données suivantes du flux entre le terminal et le deuxième dispositif d’accès auquel le terminal est attaché en modifiant un deuxième fichier associé à un réseau de neurones propre à la session et au deuxième dispositif d’accès en fonction de l’au moins une caractéristique reçue.
  • Ce dispositif d’adaptation est configuré pour mettre en œuvre dans tous ses modes de réalisation le procédé d’adaptation qui vient d'être décrit.
  • L’invention concerne également un dispositif d’optimisation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, comprenant un processeur et une mémoire couplée au processeur et comprenant en outre :
    - un module de détection, configuré pour détecter le deuxième dispositif d’accès dans le voisinage du premier dispositif d’accès,
    - un émetteur, configuré pour émettre à destination du deuxième dispositif d’accès au moins une caractéristique dynamique de transmission des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant comprise dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès.
  • Ce dispositif d’optimisation est configuré pour mettre en œuvre dans tous ses modes de réalisation le procédé d’optimisation qui vient d'être décrit.
  • L’invention concerne également un terminal ayant établi une session avec un dispositif distant par l’intermédiaire d’un premier dispositif d’accès, le terminal étant adapté pour s’attacher successivement à un premier dispositif d’accès puis à un deuxième dispositif d’accès, ledit terminal comprenant un processeur et une mémoire couplée au processeur et comprenant en outre :
    - au moins un module d’attachement, configuré pour que le terminal se détache du premier dispositif d’accès puis s’attache successivement aux deux dispositifs d’accès,
    - un module de modification, configuré pour modifier une caractéristique, relative au changement d’attachement du terminal, d’un fichier de données associé à un réseau de neurones propre à la session et au terminal, ledit fichier étant géré par le terminal et associé à la transmission d’un flux de données d’une session entre le terminal et le deuxième dispositif d’accès, préalablement à l’attachement du terminal audit deuxième dispositif,
    - un module de transmission des données des données suivantes de la session à destination du deuxième dispositif d’accès conformément à la caractéristique modifiée suite à l’attachement au deuxième dispositif d’accès.
  • L’invention concerne également un système d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit système comprenant :
    - un dispositif d’adaptation tel que décrit ci-dessus,
    - un dispositif d’optimisation tel que décrit ci-dessus,
    - un terminal tel que décrit précédemment.
  • L’invention concerne également des produits programmes d’ordinateur comportant un ensemble d’instructions de code de programme qui, lorsqu’elles sont exécutées par au moins un processeur, configurent ledit au moins un processeur pour mettre en œuvre les procédés respectifs de d’adaptation et d’optimisation selon l’un quelconque des modes de mise en œuvre de la présente divulgation.
  • L’invention concerne également un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un ensemble d’instructions de code de programme qui, lorsqu’elles sont exécutées par au moins un processeur, configurent ledit au moins un processeur pour mettre en œuvre un procédé d’adaptation ou un procédé d’optimisation selon l’un quelconque des modes de mise en œuvre de la présente divulgation.
    •
  • L’invention sera mieux comprise à la lecture de la description suivante, donnée à titre d’exemple nullement limitatif, et faite en se référant aux figures qui représentent :
    •  : une représentation schématique d’un réseau de communication comprenant deux dispositifs d’accès dans lequel est mis en œuvre un procédé d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, selon un mode de réalisation,
    • : une représentation d’un réseau de neurones selon un mode de réalisation,
    •  : un diagramme illustrant les principales étapes d’un procédé d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, selon un mode de réalisation,
    •  : une représentation d’un dispositif d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal selon un exemple,
    •  : une représentation d’un dispositif d’optimisation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal selon un exemple,
    •  : une représentation d’un terminal adapté pour s’attacher successivement à un premier dispositif d’accès puis à un deuxième dispositif d’accès selon un exemple.
  • Dans ces figures, des références identiques d’une figure à une autre désignent des éléments identiques ou analogues. Pour des raisons de clarté, les éléments représentés ne sont pas à l’échelle, sauf mention contraire.
    •
  • De manière plus générale, il est à noter que les modes de mise en œuvre et de réalisation considérés ci-dessus ont été décrits à titre d’exemples non limitatifs, et que d’autres variantes sont par conséquent envisageables.
  • Dans la suite de la description, on présente un réseau de communication comprenant des dispositifs d’accès (stations d’accès de réseau cellulaire, station d’accès de type satellitaire, station d’accès Wi-Fi par exemple de type Box ou tout autre station d’accès offrant un accès au réseau de communication, par exemple de type Internet). Les stations et les équipements du réseau peuvent être instanciés sous forme d’équipements spécifiques ou sous forme de fonctions virtualisées.
  • On se réfère tout d’abord à la qui propose une représentation schématique d’un réseau de communication comprenant deux dispositifs d’accès dans lequel est mis en œuvre un procédé d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, selon un mode de réalisation. Cette présente un réseau de communications comprenant deux dispositifs d’accès, STA et STB, donnant un accès à un réseau Res de communication de type cellulaire, indépendamment de la technologie du réseau (3G, 4G, 5G, xG) à un terminal Term. Le terminal Term (terminal mobile, ordinateur portable, équipement d’accès d’un réseau local par exemple de type box…) dispose, selon ce mode de réalisation, d’un réseau de neurones d’émission RN_Term_Em et d’un réseau de neurones de réception RN_Term_Rec permettant d’optimiser la communication, respectivement en émission et en réception de données d’une session avec un dispositif distant (terminal, serveur, machine…) non représenté sur la .
  • Ces réseaux de neurones sont ainsi constitués d’une succession de couches, telles que présentées dans la , représentant de manière plus ou moins abstraite des fonctions de traitement du signal lié au canal de propagation des données de la session, des fonctions de codage et décodage, des fonctions de compensation des imperfections hardware, etc. Chaque couche est constituée d’un ensemble de neurones auxquels sont associés des paramètres scalaires apprenables (poids et biais). Le processus d’apprentissage permet de modifier ces poids et biais pour optimiser la fonction globale réalisée par le réseau de neurones.
  • Le terminal Term stocke deux fichiers contenant respectivement les données relatives aux réseaux de neurones RN_Term_Em et RN_Term_Rec. Ces fichiers décrivent l’architecture et les paramètres (poids et biais apprenables) des réseaux de neurones, de sorte que le contenu d’un fichier permet de reproduire à l’identique le réseau de neurones en question. Ce fichier de données peut être indifféremment dénommé comme un format de fichier standardisé ou un standard de représentation d’un réseau de neurones.
  • De façon similaire, les stations d’accès STA et STB disposent respectivement d’un réseau de neurones d’émission (RN_STA_Em et RN_STB_Em) et d’un réseau de neurones de réception (RN_STA_Rec et RN_STB_Rec) ayant pour rôle d’optimiser la session de données par les stations STA et STB. Ces réseaux de neurones sont également transcrits dans un ou plusieurs fichiers de données dont les données, telles que les caractéristiques dynamiques de transmission, varient au fur et à mesure que le canal de propagation évolue et que la session est de plus en plus optimisée, améliorant ainsi la transmission des données de la session, en émission et en réception.
  • Une session de données est établie entre le terminal Term et un dispositif distant (terminal, serveur, machine…) non représenté par l’intermédiaire du dispositif STA du réseau de communication Res, les données de la session étant acheminées via la communication Comm_A entre le terminal Term et le dispositif d’accès STA. Il peut s’agir d’une initialisation d’une session ou bien d’une continuation d’une session initialisée par l’intermédiaire d’un autre dispositif d’accès. Les réseaux de neurones respectifs du terminal Term, RN_Term_Em et RN_Term_Rec, et du dispositif STA, RN_STA_Em et RN_STA_Rec mènent un processus d’apprentissage conjoint par rapport à cette session permettant une bonne émission et réception des données par le Terminal Term et le dispositif STA. En voie montante, le réseau de neurones émetteur RN_Term_Em est entrainé conjointement avec le réseau de neurones récepteur RN_STA_Rec. De même, en voie descendante, le réseau de neurones émetteur RN_STA_Em est entrainé conjointement avec le réseau de neurones récepteur RN_Term_Rec. Ainsi, les neurones représentatifs d’une caractéristique dynamique de transmission propre à la session, au canal de propagation ou encore à une interface hardware d’un dispositif se voient attribuer des poids (et biais) initiaux qui vont être modifiés au fur et à mesure de l’apprentissage jusqu’à une valeur optimale permettant un acheminement des données de la session avec une meilleure qualité de service, voire la meilleure qualité de service possible. Les réseaux de neurones RN_Term_Em, RN_Term_Rec, RN_STA_Em et RN_STA_Rec sont ainsi possiblement différents et sont propres au terminal Term et au dispositif STA, à l’émission et à la réception des données, et sont en outre spécifiques à la session établie. De fait, ils ne sont pas directement transposables ou adaptés, à une communication établie par exemple entre le terminal Term et le dispositif d’accès STB, pour une même session ou une session distincte.
  • Lorsqu’un transfert, aussi appelé handover, HDVR de la session en cours se produit depuis le dispositif STA vers le dispositif STB, une communication Comm_B est établie entre le terminal Term et le dispositif STB pour l’acheminement des données de la session via le dispositif STB. Ce handover est mis en œuvre sans que le terminal Term ne soit à un moment donné attaché simultanément aux deux dispositifs STA et STB, ne permettant pas de préparer le handover, selon les techniques connues (en anglais « Make before Break »). Dans le cas présent, il s’agit plutôt d’un mécanisme de Handover (en anglais « Break before Make ») où la communication Comma_A entre le terminal Term et le dispositif STA est rompue avant que la communication Comm_B ne soit établie.
  • Le handover HDVR peut se produire pour différentes raisons telles qu’une perte de connectivité avec le dispositif STA, une détection d’une meilleure connectivité du terminal avec le dispositif STB, un déplacement du terminal Term le rapprochant du dispositif STB, une configuration, par exemple dynalique, du terminal Term préférant une connexion avec le dispositif STB. Sachant que les réseaux de neurones du terminal Term sont optimisés pour la communication Comm_A et que les réseaux de neurones du dispositif STB RN_STB_Em et RN_STB_Rec ne sont pas optimisés pour la communication Comm_B établie pour l’acheminement des données de la session, un processus d’apprentissage de ces réseaux de neurones doit être initialisé, en l’absence de tout procédé d’adaptation.
  • En effet, en l’absence de tout procédé d’adaptation d’une transmission d’un flux de données d’une session entre le dispositif STB d’accès et le terminal Term, lorsque le terminal Term s’attache ou se connecte au dispositif STB, le terminal et le dispositif STB doivent mener un processus d’apprentissage conjoint de leurs réseaux de neurones RN_Term_Em, RN_Term_Rec, RN_STB_Em et RN_STB_Rec pour que la transmission des données de la session entre le terminal Term et la dispositif STB par l’intermédiaire de la communication Comm_B soit optimisée. Le but de l’apprentissage est toujours ici de permettre la transmission des données de la session en garantissant une bonne qualité de service par rapport au canal de propagation établi entre le terminal Term et la dispositif STB.
  • Le procédé d’adaptation d’une transmission d’un flux de données d’une session entre le dispositif STB d’accès et le terminal permet ainsi au dispositif STA de transmettre au dispositif STB, par exemple préalablement à l’attachement du terminal Term au dispositif STB, une ou plusieurs caractéristiques dynamiques de transmission, représentées dans le fichier Fich associé au réseau de neurone RN_STA_Em et/ou RN_STA_Rec, à la station STB. Le dispositif STA peut ainsi émettre aux dispositifs qui lui sont voisins, et donc au dispositif STB, une ou plusieurs caractéristiques dynamiques de transmission. Ces caractéristiques peuvent être transmises sous forme d’un fichier ou d’un flux ou dans un protocole par exemple. Selon un exemple, le dispositif STA peut également transmettre l’ensemble du fichier ou des fichiers associés à son ou ses réseaux de neurones. Ainsi, le dispositif STB disposera des caractéristiques transmises, voire du fichier de données, préalablement à l’attachement du terminal Term et pourra éviter un apprentissage complet de ses réseaux de neurones pour la communication Comm_B à établir.
  • En effet, certaines caractéristiques dynamiques de transmission du fichier, relatives à la session, au dispositif STA, à des conditions d’acheminement pourront être ré-utilisées au sein des réseaux de neurones RN_STB_Em et RN_STB_Rec. Le temps d’optimisation s’en trouvera réduit et les caractéristiques de transmission, propres à la session par l’intermédiaire de la station STB seront plus rapidement adaptés à cette communication Comm_B que si un processus complet d’apprentissage de ces caractéristiques avait dû être mené. Ainsi, par exemple, les modifications relatives aux caractéristiques du canal de propagation entre le terminal et le dispositif STB et des caractéristiques relatives au hardware du dispositif STB impliqueront un apprentissage des réseaux de neurones mais celui-ci sera moins important que si un apprentissage complet de ces réseaux de neurones avait dû être mené car tous les neurones ou les caractéristiques n’ont pas à reprendre un processus d’apprentissage complet. Le dispositif STA peut décider de transmettre l’ensemble du fichier Fich représentant le réseau de neurones RN_STA_Em et/ou RN_STA_Rec ou bien ne transmettre qu’une partie du fichier, et ne transmettre par exemple que certaines caractéristiques dynamiques de transmission qui n’auront peu ou pas besoin d’être modifiées pour l’optimisation, cet envoi pouvant être effectué via un échange de fichier issu du fichier comprenant les caractéristiques de transmission associé à un réseau de neurones, ou bien par tout autre moyen (flux, protocole).
  • Ainsi, le dispositif STA peut transmettre une ou plusieurs caractéristiques Caract au dispositif STB, ces caractéristiques pouvant être transmises dans un fichier, tel que celui associé aux réseaux de neurones du dispositif STA ou dans deux fichiers associés à chaque réseau de neurones (propre à l’émission et à la réception) du dispositif STA, ou bien encore dans un fichier extrait du fichier associé au réseau de neurones, ou bien encore dans un flux ou un protocole ou tout autre moyen de transmission de la caractéristique. Le dispositif STA peut ainsi transmettre une caractéristique au dispositif STB ou bien un ensemble de caractéristiques dynamiques de transmission représentées, c’est à dire comprises ou traduites dans des informations exploitables par le dispositif STB, dans un fichier ou un flux. Selon un exemple, des paramètres apprenables aussi appelés paramètres scalaires, représentés par exemple par des poids associés à des neurones, peuvent correspondre à certaines caractéristiques dynamiques de transmission transmises, et ces paramètres apprenables pourront être conservés tels quels ou modifiés lors du procédé d’adaptation ou d’apprentissage mis en œuvre par le dispositif STB. Dans le cas où les dispositifs d’accès sont des dispositifs d’accès satellitaires, les caractéristiques, notamment de transmission, peuvent comprendre des données de navigation des satellites (vecteur vitesse, position...) ces données pouvant être exploitées pour déterminer des paramètres radio (dopler, angle d’élévation, configuration MIMO...). Ces caractéristiques satellitaires et paramètres radio peuvent être utilisées pour la mise à jour du deuxième fichier associé au réseau de réseau de neurones du terminal pour la communication avec le deuxième dispositif d’accès STB.
  • Une fois qu’il a reçu des caractéristiques dynamiques de transmission Caract, par exemple dans un fichier en provenance du dispositif STA, le dispositif STB se crée ou met à jour son propre fichier représentatif d’un réseau de neurones, et modifie notamment les neurones et les poids des neurones de son réseau de neurones pour l’adapter à la communication Comm_B. Le deuxième fichier, associé à son réseau de neurones, peut être identique au premier fichier, associé au réseau de neurones du premier dispositif STA, ou bien comprendre une ou plusieurs caractéristiques transmises par le dispositif STA et peut être associé spécifiquement à un réseau de neurones d’émission et de réception des données (RN_STB_Em ou RN_STB_Rec) ou bien le fichier peut être commun aux deux réseaux de neurones d’émission et de réception (RN_STB_Em et RN_STB_Rec).
  • On se réfère ensuite à la qui décrit une représentation d’un réseau de neurones selon un mode de réalisation.
  • Le réseau de neurones représenté dans la est par exemple le réseau de neurones (RN_STA_Em) d’émission du dispositif d’accès STA présenté dans la . Des éléments binaires (e.b) 15 émis par une interface de sortie du dispositif STA à destination du terminal Term sont convertis en signal (sig) adapté aux conditions de propagation d’un canal établi entre le dispositif STA et le terminal Term. Ce signal est optimisé en modifiant progressivement des caractéristiques dynamiques de transmission associées au réseau de neurones RN_STA_Em et représentées dans un fichier de données associé à ce réseau de neurones RN_STA_Em. Le réseau de neurones RN_STA_Em est ainsi composé de plusieurs couches C1, C2....,,C7, chacune des couches intervenant pour l’émission des données via le signal sig optimisé, c’est à dire adapté au canal de propagation entre le dispositif STA et le terminal pour que les données acheminées entre le dispositif STA et le terminal Term garantissent une bonne qualité de service pour la session et consécutivement pour le service associé aux données. Chaque couche est composée de neurones comme représenté pour la couche C1 composé des neurones n1, n2, n3. En sortie d'un neurone, la donnée générée peut être représentée par la valeur y qui est ici égale à une somme pondérée des entrées du neurone à laquelle on ajoute un biais b_i La pondération se fait par un ensemble de poids w_i, chaque entrée se voyant associée à un poids. Chaque neurone n1, n2, n3 se voit donc affecter des ensembles de poids w_i différent, qui vont évoluer au cours du processus d’apprentissage tout comme les biais b_i, ces informations w_i et b_i pouvant être dénommés paramètres scalaires. Par exemple, la donnée y est calculée selon la formule suivante y= phi(somme w_i x_i + b_i) où x_i sont des valeurs d’entrée du neurone n1. Dans les couches suivantes, C2 à C7, ces entrées sont les sorties des neurones des couches antérieures, telle que la couche C1 pour la couche C2. D’autres équations sont possibles pour représenter le calcul effectué par un neurone. L'ensemble des couches du réseau de neurones RN_STA_Em sont ainsi optimisées, via neurones, les poids et les biais, pour l’émission des données à destination du terminal, garantissant une bonne qualité de service pour cette transmission en fonction du canal de propagation entre le dispositif STA et le terminal Term.
  • Par ailleurs, s’agissant d’une transmission de données depuis le dispositif STA vers un terminal, selon un exemple, le réseau de neurones RN_STA_Em est entrainé de façon conjointe avec le réseau de neurones de réception RN_Term_Rec du terminal pour que la qualité de transmission bénéficie effectivement d’une bonne qualité de service. Le terminal peut de son côté accélérer son processus d’apprentissage en tirant parti par exemple d’un réseau de neurones de réception utilisé pour la réception de données en provenance d’un autre dispositif distinct du dispositif STA. Selon un mode de réalisation, les différentes couches C1, C2,....., C7 et/ou les paramètres scalaires représentent de manière indépendante des caractéristiques dynamiques de traitement des données et ces caractéristiques sont elles-mêmes représentées dans un fichier associé au réseau de neurones. Selon un autre mode, la correspondance entre les caractéristiques dynamiques de traitement et les couches C1,...,C7 n’est pas aussi directe et plusieurs couches de neurones voire plusieurs neurones interviennent pour une seule caractéristique. Le procédé d’adaptation tel que décrit permet que des poids et/ou des biais voire une ou plusieurs couches d’un réseau de neurones, ces caractéristiques représentant des modes de réalisation particuliers, puissent être transférés. Des caractéristiques dynamiques de transmission associées à un réseau de neurones d’un dispositif, par exemple STA, sont ainsi transmises et exploitées par un autre dispositif ,tel que le dispositif STB, permettant ainsi de réduire le processus d’apprentissage d’un certain nombre de poids et de biais voire de couches de neurones dans le réseau de neurones de cet autre dispositif STB pour une session de données en cours.
  • On se réfère ensuite à la qui présente un diagramme illustrant les principales étapes d’un procédé d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, selon un mode de réalisation.
  • Lors d’une étape 200, un processus d’optimisation Optim d’un réseau de neurones est mis en œuvre pour une communication entre un terminal et un premier dispositif d’accès. Ce processus vise à pondérer les n caractéristiques dynamiques de transmission de telle façon que le réseau de neurones optimisé comprenne des couches de neurones ainsi que des paramètres scalaires tels que des poids et/ou des biais permettant une bonne transmission des données de la communication acheminées. Le processus vise à ce que chaque réseau de neurones du terminal, pour l’émission et la réception des données de la session, et du premier dispositif d’accès soient optimisés, chaque fichier associé à un réseau de neurones comprenant possiblement des neurones et des valeurs de paramètres scalaires différents.
  • Lors d’une étape 201, un deuxième dispositif d’accès obtient, lors d’une procédure Obt en provenance du premier dispositif d’accès au moins une caractéristique dynamique de transmission des précédentes données de la session entre le premier dispositif d’accès et le terminal, ladite caractéristique étant, selon ce mode de réalisation, comprise dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès. Le deuxième dispositif est voisin du premier dispositif dans un réseau de communication et pourra possiblement accueillir le terminal lors d’un prochain handover. Le premier dispositif transmet ainsi au deuxième dispositif une ou plusieurs caractéristiques dynamiques, c’est-à-dire des neurones ou couches de neurones ou bien encore des paramètres scalaires voire des formules de calcul associées aux réseaux de neurones, correspondant à des caractéristiques dans les réseaux de neurones utilisées pour la réalisation des différentes fonctions de la chaine de traitement du signal en voie montante (émission des données par le terminal) et descendante (réception des données en provenance du terminal). Selon un exemple, pour accélérer l'apprentissage par le deuxième dispositif, le premier dispositif peut indiquer l'ensemble des couches du réseau de neurones ou plus généralement les poids associés aux neurones, que l’on peut généraliser comme des caractéristiques dynamiques de transmission, devant nécessiter une optimisation, et ceux pouvant être réutilisés sans modification par le deuxième dispositif. La transmission du fichier par le premier dispositif peut être effectuée directement, en utilisant une interface directe entre les deux dispositifs ou bien par l’intermédiaire d’un équipement distinct attaché au premier et au deuxième dispositif. Il est à noter que selon un mode de réalisation, ce transfert est effectué à la suite de la détection du détachement du terminal au premier dispositif.
  • Selon un exemple, lors d’une étape 202, le deuxième dispositif initie une optimisation Init de la réception en voix montante avant même que le terminal ne s’attache au deuxième dispositif. Le deuxième dispositif optimise donc son réseau de neurones associé à la réception avec des paramètres, qu’il peut récupérer en se mettant en écoute des transmissions de données du terminal à destination du premier dispositif ou du premier dispositif à destination du terminal. Cette procédure, mise en œuvre selon un mode de réalisation, permet d’accélérer le processus d’apprentissage du deuxième dispositif, au moins pour ce qui concerne le réseau de neurones de réception. Le fait que le terminal n’utilise qu’un réseau de neurones d’émission, indépendamment du dispositif auquel il s’attache, permet en outre cette initialisation précoce de l’apprentissage du réseau de neurones de réception du deuxième dispositif, puisque, dans ce cas, les caractéristiques liées au terminal et au réseau de neurones associé ne diffèrent pas lors d’un handover .
  • Lors d’une étape 203, le terminal s’attache, lors d’une procédure Attach, au deuxième dispositif, après s’être détaché du premier dispositif. Cette procédure d’attachement ne diffère pas d’un attachement selon les techniques de l’art antérieur. Ainsi, le terminal s’authentifie auprès d’une entité d’un réseau de communication et obtient des paramètres de configuration pour pouvoir se connecter au réseau de communication.
  • Lors d’une étape 204, le deuxième dispositif adapte, lors d’une procédure Adapt, la transmission des données suivantes du flux de la session entre le terminal et le deuxième dispositif d’accès en modifiant un deuxième fichier associé à un réseau de neurones propre à la session et au deuxième dispositif d’accès en fonction de caractéristiques dynamiques de transmission qu’il a reçu lors de l’étape 201, par exemple transmises dans un fichier. Dans le cas où le deuxième dispositif a déjà initié le processus d’optimisation lors de l’étape 202, cette étape d’adaptation comprend la poursuite de l’optimisation du réseau de neurones de réception et l’initialisation de la procédure d’optimisation du réseau de neurones d’émission et la mise à jour ou la création du ou des fichiers associés aux réseaux de neurones correspondants. Dans le cas où la caractéristique dynamique de transmission reçue n’a pas à être modifiée, celle-ci est simplement recopiée du premier fichier (relatif au premier dispositif) vers le deuxième fichier (relatif au deuxième dispositif). Cela peut se produire si la caractéristique dynamique de transmission concerne la session en cours (identifiants, paramètres relatifs au terminal ou à une de ses interfaces, contexte du handover en zone rurale ou urbaine). Certaines caractéristiques relatives par exemple au deuxième dispositif ou au canal de propagation et des perturbations ne seront pas simplement copiées mais mises à jour en fonction de l’attachement du terminal au deuxième dispositif. Cette mise à jour comprend la création de nouveaux neurones ou de nouvelles couches de neurones, par exemple propres au deuxième dispositif, et la modification d’un ou plusieurs poids du neurone dans le réseau de neurones et donc à son importance dans le processus d’optimisation du réseau de neurones, propre à la session en cours et au deuxième dispositif assurant l’acheminement des données de la session en lieu et place du premier dispositif. Dans le cas où un fichier associé au réseau de neurones du premier dispositif a été transféré, cette modification comprend en outre la suppression de neurones qui ne seraient plus utiles dans le deuxième fichier, tel que par exemple les caractéristiques intrinsèquement liées au premier dispositif. Ainsi les poids de neurones représentatifs d’une qualité de signal, d’une distance par rapport au terminal, d’un nombre de paquets perdus, de latence, de routage, représentant certaines caractéristiques dynamiques de transmission, peuvent être modifiés en fonction de l’attachement au deuxième dispositif.
  • On se réfère ensuite à la qui propose une représentation d’un dispositif d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal selon un exemple, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès.
  • Par exemple, le dispositif d’adaptation 100 comprend une unité de traitement 130, équipée par exemple d'un microprocesseur μP, et pilotée par un programme d'ordinateur 110, stocké dans une mémoire 120 et mettant en œuvre le procédé d’adaptation selon l'invention. A l’initialisation, les instructions de code du programme d’ordinateur 110 sont par exemple chargées dans une mémoire RAM, avant d’être exécutées par le processeur de l’unité de traitement 130. Le processeur de l’unité de traitement 130 commande les opérations du dispositif 100. Un tel dispositif 100 d’adaptation, pouvant être instancié dans un dispositif d’accès telle qu’une station d’accès Wi-Fi (hot Spot, box…) ou cellulaire (eNodeB, passerelle 5G….) ou bien encore satellitaire comprend
  • - un module d’obtention 101, configuré pour obtenir en provenance du premier dispositif d’accès au moins une caractéristique dynamique de transmission des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant représentée dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès,
    - un module d’attachement 102, configuré pour attacher ledit terminal au deuxième dispositif d’accès à la suite de l’obtention de l’au moins une caractéristique,
    - un module d’adaptation 103, configuré pour adapter la transmission des données suivantes du flux entre le terminal et le deuxième dispositif d’accès auquel le terminal est attaché en modifiant un deuxième fichier associé à un réseau de neurones propre à la session et au deuxième dispositif d’accès en fonction de l’au moins une caractéristique reçue.
  • On se réfère ensuite à la qui propose une représentation d’un dispositif d’optimisation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès.
  • Par exemple, le dispositif d’optimisation 400 comprend une unité de traitement 430, équipée par exemple d'un microprocesseur μP, et pilotée par un programme d'ordinateur 410, stocké dans une mémoire 420 et mettant en œuvre le procédé d’optimisation selon l'invention. A l’initialisation, les instructions de code du programme d’ordinateur 410 sont par exemple chargées dans une mémoire RAM, avant d’être exécutées par le processeur de l’unité de traitement 430. Le processeur de l’unité de traitement 430 commande les opérations du dispositif 400. Un tel dispositif 400 d’optimisation pouvant être instancié dans un dispositif d’accès telle qu’une station d’accès Wi-Fi (hot Spot, box…) ou cellulaire (eNodeB, passerelle 5G….) ou bien encore satellitaire comprend
  • - un module de détection 401, configuré pour détecter le deuxième dispositif d’accès dans le voisinage du premier dispositif d’accès,
    - un émetteur 402, configuré pour émettre à destination du deuxième dispositif d’accès au moins une caractéristique dynamique de transmission des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant comprise dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès.
  • On se réfère ensuite à la qui propose une représentation d’un terminal adapté pour s’attacher successivement à un premier dispositif d’accès puis à un deuxième dispositif d’accès.
  • Par exemple, le terminal 300 comprend une unité de traitement 330, équipée par exemple d'un microprocesseur μP, et pilotée par un programme d'ordinateur 310, stocké dans une mémoire 320. A l’initialisation, les instructions de code du programme d’ordinateur 310 sont par exemple chargées dans une mémoire RAM, avant d’être exécutées par le processeur de l’unité de traitement 330. Le processeur de l’unité de traitement 330 commande les opérations du terminal 300. Un tel terminal 300 peut être par exemple un smartphone, un PC ou un équipement d’accès d’un réseau local tel qu’une passerelle domestique, adapté pour s’attacher successivement à un premier dispositif d’accès puis à un deuxième dispositif d’accès, le terminal ayant établi une session avec un dispositif distant par l’intermédiaire d’un premier dispositif d’accès, et comprend :
    - au moins un module d’attachement 301, configuré pour que le terminal se détache du premier dispositif d’accès puis s’attache successivement aux deux dispositifs d’accès,
    - un module de modification 302, configuré pour modifier modifier une caractéristique, relative au changement d’attachement du terminal, d’un fichier de données associé à un réseau de neurones propre à la session et au terminal, ledit fichier étant géré par le terminal et associé à la transmission d’un flux de données d’une session entre le terminal et le deuxième dispositif d’accès, préalablement à l’attachement du terminal audit deuxième dispositif,
    - un module (303) de transmission des données suivantes de la session à destination du deuxième dispositif d’accès conformément à la caractéristique modifiée suite à l’attachement au deuxième dispositif d’accès.
  • Les entités décrites et comprises dans les dispositifs décrits en relation avec les figures 4, 5 et 6 peuvent être matérielles ou logicielles. Les figures 4, 5 et 6 illustrent seulement une manière particulière, parmi plusieurs possibles, de réaliser le procédé détaillé ci-dessus, en relation avec les figures précédentes. En effet, la technique de l’invention se réalise indifféremment sur une machine de calcul reprogrammable (un ordinateur PC, un processeur DSP ou un microcontrôleur) exécutant un programme comprenant une séquence d’instructions, ou sur une machine de calcul dédiée (par exemple un ensemble de portes logiques comme un FPGA ou un ASIC, ou tout autre module matériel).
  • Dans le cas où l’invention est implantée sur une machine de calcul reprogrammable, le programme correspondant (c'est-à-dire la séquence d’instructions) pourra être stocké dans un médium de stockage amovible (tel que par exemple une clé USB, une disquette, un CD-ROM ou un DVD-ROM) ou non, ce médium de stockage étant lisible partiellement ou totalement par un ordinateur ou un processeur.

Claims (15)

  1. Procédé d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès (STB) et un terminal (Term), les données précédentes du flux étant transmises entre ledit terminal (Term) et un premier dispositif d’accès (STA), ledit procédé étant mis en œuvre par ledit deuxième dispositif d’accès (STB) et comprenant :
    - une obtention (Obt) en provenance du premier dispositif d’accès (STA) d’au moins une caractéristique dynamique de transmission (Caract) des dites précédentes données entre le premier dispositif d’accès (STA) et le terminal (Term), ladite caractéristique (Caract) étant représentée dans un premier fichier associé à un réseau de neurones (RN_STA_Em, RN_STA_Rec) propre à la session et au premier dispositif d’accès (STA),
    - un attachement (Attach) dudit terminal (Term) au deuxième dispositif d’accès (STB) à la suite de l’obtention de l’au moins une caractéristique (Caract),
    - une adaptation (Adapt) de la transmission des données suivantes du flux entre le terminal (Term) et le deuxième dispositif d’accès (STB) auquel le terminal est attaché en modifiant un deuxième fichier associé à un réseau de neurones (RN_STB_Em, RN_STB_Rec) propre à la session et au deuxième dispositif d’accès (STB) en fonction de l’au moins une caractéristique reçue.
  2. Procédé d’adaptation, selon la revendication 1, dans lequel la modification du deuxième fichier est initialisée préalablement à l’attachement dudit terminal au deuxième dispositif.
  3. Procédé d’adaptation, selon l’une des revendications 1 ou 2, dans lequel le premier fichier associé à un réseau de neurones (RN_STA_Rec) propre à la session et au premier dispositif d’accès est spécifique à la réception des données en provenance dudit terminal.
  4. Procédé d’adaptation, selon l’une des revendications 1 à 3, dans lequel l’au moins une caractéristique comprend une caractéristique à optimiser en fonction d’un paramètre de transmission de données entre le deuxième dispositif et le terminal.
  5. Procédé d’adaptation, selon l’une des revendications 1 à 4, dans lequel l’au moins une caractéristique comprend une caractéristique à transférer sans modification du premier fichier de données vers le deuxième fichier.
  6. Procédé d’adaptation, selon l’une des revendications 1 à 5, dans lequel l’au moins une caractéristique comprend une information relative à une couche du réseau de neurones ou à un paramètre scalaire associé à un neurone d’une couche.
  7. Procédé d’optimisation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès (STB) et un terminal (Term), les données précédentes du flux étant transmises entre ledit terminal (Term) et un premier dispositif d’accès (STA), ledit procédé étant mis en œuvre par ledit premier dispositif d’accès (STA) et comprenant :
    - une détection du deuxième dispositif d’accès (STB) dans le voisinage du premier dispositif d’accès (STA),
    - une émission à destination du deuxième dispositif d’accès (STB) d’au moins une caractéristique dynamique de transmission (Caract) des dites précédentes données entre le premier dispositif d’accès (STA) et le terminal (Term), ladite caractéristique (Caract) étant comprise dans un premier fichier associé à un réseau de neurones (RN_STA_Em, RN_STA_Rec) propre à la session et au premier dispositif d’accès.
  8. Procédé d’optimisation, selon la revendication 7, dans lequel l’émission est effectuée par l’intermédiaire d’un équipement connecté au premier dispositif d’accès et au deuxième dispositif d’accès.
  9. Procédé d’optimisation, selon la revendication 7 ou la revendication 8, dans lequel l’émission à destination du premier dispositif d’accès d’au moins une caractéristique dynamique de transmission est effectuée à la suite du détachement du terminal du premier dispositif d’accès.
  10. Dispositif (100) d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit dispositif d’adaptation comprenant un processeur (130) et une mémoire (110) couplée au processeur (130) et comprenant en outre :
    - un module (101) d’obtention, configuré pour obtenir en provenance du premier dispositif d’accès d’au moins une caractéristique dynamique de transmission (Caract) des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant représentée dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès,
    - un module (102) d’attachement, configuré pour attacher ledit terminal au deuxième dispositif d’accès à la suite de l’obtention de l’au moins une caractéristique,
    - un module (103) d’adaptation, configuré pour adapter la transmission des données suivantes du flux entre le terminal et le deuxième dispositif d’accès auquel le terminal est attaché en modifiant un deuxième fichier associé à un réseau de neurones propre à la session et au deuxième dispositif d’accès en fonction de l’au moins une caractéristique reçue.
  11. Dispositif (400) d’optimisation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit dispositif d’optimisation comprenant un processeur (430) et une mémoire (410) couplée au processeur (430) et comprenant en outre :
    - un module (401) de détection, configuré pour détecter le deuxième dispositif d’accès dans le voisinage du premier dispositif d’accès,
    - un émetteur (402), configuré pour émettre à destination du deuxième dispositif d’accès au moins une caractéristique dynamique de transmission (Caract) des dites précédentes données entre le premier dispositif d’accès et le terminal, ladite caractéristique étant comprise dans un premier fichier associé à un réseau de neurones propre à la session et au premier dispositif d’accès.
  12. Terminal (Term) adapté pour s’attacher successivement à un premier dispositif d’accès puis à un deuxième dispositif d’accès, le terminal ayant établi une session avec un dispositif distant par l’intermédiaire d’un premier dispositif d’accès, ledit terminal comprenant un processeur (330) et une mémoire (310) couplée au processeur (330) et comprenant en outre :
    - au moins un module (301) d’attachement, configuré pour que le terminal se détache du premier dispositif d’accès (STA) puis s’attache successivement aux deux dispositifs d’accès (STB),
    - un module (302) de modification, configuré pour modifier une caractéristique, relative au changement d’attachement du terminal, d’un fichier de données associé à un réseau de neurones propre à la session et au terminal, ledit fichier étant géré par le terminal et associé à la transmission d’un flux de données d’une session entre le terminal et le deuxième dispositif d’accès, préalablement à l’attachement du terminal audit deuxième dispositif,
    - un module (303) de transmission des données suivantes de la session à destination du deuxième dispositif d’accès conformément à la caractéristique modifiée suite à l’attachement au deuxième dispositif d’accès.
  13. Système d’adaptation d’une transmission d’un flux de données d’une session entre un deuxième dispositif d’accès et un terminal, les données précédentes du flux étant transmises entre ledit terminal et un premier dispositif d’accès, ledit système comprenant :
    - un dispositif d’adaptation selon la revendication 9,
    - un dispositif d’optimisation selon la revendication 10,
    - un terminal selon la revendication 12.
  14. Programme comprenant des instructions qui, lorsque le programme est mis en œuvre par un processeur, conduisent à mettre en œuvre le procédé d’adaptation selon l’une des revendications 1 à 6.
  15. Programme comprenant des instructions qui, lorsque le programme est mis en œuvre par un processeur, conduisent à mettre en œuvre le procédé d’optimisation selon l’une des revendications 7 à 9.
EP24776519.1A 2023-10-06 2024-09-20 Procédé, dispositif et système d'adaptation d'une transmission de données à la suite d'un changement d'attachement Pending EP4789130A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2310717A FR3153960A1 (fr) 2023-10-06 2023-10-06 Procédé, dispositif et système d’adaptation d’une transmission de données à la suite d’un changement d’attachement
PCT/EP2024/076401 WO2025073504A1 (fr) 2023-10-06 2024-09-20 Procédé, dispositif et système d'adaptation d'une transmission de données à la suite d'un changement d'attachement

Publications (1)

Publication Number Publication Date
EP4789130A1 true EP4789130A1 (fr) 2026-08-12

Family

ID=89308116

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24776519.1A Pending EP4789130A1 (fr) 2023-10-06 2024-09-20 Procédé, dispositif et système d'adaptation d'une transmission de données à la suite d'un changement d'attachement

Country Status (5)

Country Link
EP (1) EP4789130A1 (fr)
KR (1) KR20260086031A (fr)
CN (1) CN121970065A (fr)
FR (1) FR3153960A1 (fr)
WO (1) WO2025073504A1 (fr)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12192820B2 (en) * 2021-03-22 2025-01-07 Intel Corporation Reinforcement learning for multi-access traffic management
US12089291B2 (en) * 2021-06-15 2024-09-10 Qualcomm Incorporated Machine learning model configuration in wireless networks

Also Published As

Publication number Publication date
WO2025073504A1 (fr) 2025-04-10
KR20260086031A (ko) 2026-06-09
FR3153960A1 (fr) 2025-04-11
CN121970065A (zh) 2026-05-01

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20260430

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR