JP2022534176A - ワイヤレス無線アクセスネットワークに機械学習技術を適用するための無線マッピングアーキテクチャ - Google Patents
ワイヤレス無線アクセスネットワークに機械学習技術を適用するための無線マッピングアーキテクチャ Download PDFInfo
- Publication number
- JP2022534176A JP2022534176A JP2021560218A JP2021560218A JP2022534176A JP 2022534176 A JP2022534176 A JP 2022534176A JP 2021560218 A JP2021560218 A JP 2021560218A JP 2021560218 A JP2021560218 A JP 2021560218A JP 2022534176 A JP2022534176 A JP 2022534176A
- Authority
- JP
- Japan
- Prior art keywords
- radio
- parameter
- mapping database
- parameters
- machine learning
- 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
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 186
- 238000010801 machine learning Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 87
- 238000001228 spectrum Methods 0.000 claims abstract description 77
- 230000001413 cellular effect Effects 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000006854 communication Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000013213 extrapolation Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 241000700159 Rattus Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 description 1
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
Description
本出願は、2019年5月20日に出願されたインド仮特許出願第201941019899号に対する優先権を主張し、その完全な開示はすべて、参照により本明細書に組み込まれる。
本明細書の実施形態は、一般に、無線マッピングアーキテクチャに関し、より詳細には、機械学習(ML)技術をワイヤレス無線アクセスネットワークに適用するための無線マッピングアーキテクチャに関する。
1.チャネル状態情報CSI/CQI、信号対雑音比SNRなどの無線周波数RFパラメータをマッピングするために利用可能な大きなデータセットがないこと。
2.さらなる利用のためにデータが構造化(例えば、正確なジオタギング)されていないこと。
3.モデムが測定する広範囲のパラメータ(物理層およびMAC層)が、さらなるネットワーク最適化に使用できる形式で利用可能ではない場合が多いこと。
Claims (24)
- ワイヤレスネットワークのための無線マッピングアーキテクチャ(400)であって、
少なくとも1つの無線パラメータの測定を実行するユーザ機器(UE)(104)、または
スペクトル監視ユニット(210)であって、
少なくとも1つの無線パラメータを取り込み、
前記少なくとも1つの無線パラメータを継続的に監視し、前記少なくとも1つの無線パラメータを無線マッピングデータベース(402)に格納し、
少なくとも1つの基地局および前記ユーザ機器(UE)(104)に対応する前記少なくとも1つの無線パラメータを抽出して、前記無線マッピングデータベース(402)の入力スキーマ(500)にデータ入力し、前記無線マッピングデータベース(402)内の抽出されたパラメータを定期的に更新し、ここで、前記入力スキーマ(500)は、前記無線マッピングデータベース(402)のデータベーススキーマであり、前記無線マッピングデータベース(402)の構造を記述する、スペクトル監視ユニット(210)と、
前記UE(104)および前記スペクトル監視ユニット(210)から前記少なくとも1つの無線パラメータを定期的に取り込む前記無線マッピングデータベース(402)を含むサーバ(212)であって、前記無線マッピングデータベース(402)は、前記抽出されたパラメータおよびジオタグ付き結果を前記スペクトル監視ユニット(210)から定期的に取り込み、前記無線マッピングデータベース(402)の前記入力スキーマ(500)は、(i)前記スペクトル監視ユニット(210)および(ii)前記UE(104)のうちの少なくとも1つによって検知された前記少なくとも1つの無線パラメータを用いて更新される、サーバ(212)と、
機械学習(ML)モジュール(404)であって、
前記無線マッピングデータベース(402)内に格納された前記少なくとも1つの無線パラメータに基づいて機械学習モデルを訓練し、
前記MLモデルに基づいて出力スキーマ(501)を導出するために、前記無線マッピングデータベース(402)内に格納された前記入力スキーマ(500)から少なくとも1つの動的に変更されるパラメータを予測し、
前記無線マッピングデータベース(402)の前記MLモデルによって予測される前記少なくとも1つの動的に変更されたパラメータを更新し、
前記少なくとも1つの無線パラメータまたは前記抽出されたパラメータに基づいて前記MLモデルを動的に改良し、
前記無線マッピングデータベース(402)内に格納された前記少なくとも1つの無線パラメータを更新するために、前記スペクトル監視ユニット(210)および前記UE(104)に対するトリガを生成するために使用する機械学習(ML)モジュール(404)と
を備える、無線マッピングアーキテクチャ(400)。 - 前記少なくとも1つの無線パラメータから前記スペクトル監視ユニット(210)によって導出された前記入力スキーマ(500)が、少なくとも1つの位置パラメータと、少なくとも1つのRFパラメータと、少なくとも1つのネットワークパラメータと、少なくとも1つの物理層パラメータとを含む、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記少なくとも1つの位置パラメータが、測定タイム(502)、緯度(504)、経度(506)、高度(508)、および精度低下率(DoP)(510)を含み、前記少なくとも1つのRFパラメータが、チャネルインパルス応答(CIR)、受信信号強度インジケータ(RSSI)(516)、基準信号受信電力(RSRP)(518)、基準信号受信品質(RSRQ)(520)、信号対干渉雑音比(SINR)(522)、隣接チャネル干渉元レベル、チャネルモデル(524)、送信機電力(526)、およびキャリア周波数(528)を含み、前記少なくとも1つのRFパラメータが、ジオタグ付きであり、タイムスタンプ付きであり、前記少なくとも1つのネットワークパラメータが、前記UE(104)のモデル(512)、前記UE(104)に見える基地局(BTS)(514)、公衆陸上移動体通信網(PLMN)識別情報(530)、タイプ割り当てコード(TAC)(532)、キャリアアグリゲーション(CA)設定(534)、および物理セルID(PCI)(536)を含み、前記少なくとも1つの物理層パラメータが、ハイブリッド自動再送要求(HARQ)(538)、ランク(540)、ブロック誤り率(BLER)(542)、ジッタ(544)、および呼出しミュート(545)を含む、請求項2に記載の無線マッピングアーキテクチャ(400)。
- 前記基地局(BTS)(514)が、物理セルID(PCI)(546A~546N)と、基地局から前記スペクトル監視ユニット(210)への伝搬時間に関連付けられた遅延(550A~550N)とを含む基地局の数を示し、前記基地局(514)が、マルチユーザ多入力多出力(MU-MIMO)機能(548A~548N)を備える、請求項3に記載の無線マッピングアーキテクチャ(400)。
- 前記少なくとも1つの動的に変更されたパラメータから導出された前記出力スキーマ(501)が、緯度(504A)、経度(506A)、高度(508A)、および予測された無線パラメータ(552)を含み、
前記予測された無線パラメータ(552)が、RSRP(518A)、RSRQ(520A)、SINR(522A)、チャネルモデル(524A)、およびチャネル行列(554)を含む、請求項1に記載の無線マッピングアーキテクチャ(400)。 - 前記機械学習モジュール(404)が、前記動的に予測された無線パラメータと、前記無線マッピングデータベース(402)に格納された前記UE(104)の位置に対応する前記少なくとも1つの無線パラメータとに基づいて、前記位置において前記UE(104)に最適な性能を提供するための信号波形のグループを設計する、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記機械学習モジュール(404)が、前記UE(104)に前記トリガを定期的に送信して、前記位置に対応する現在チャネル状態情報(CSI)が送信され、前記UE(104)から受信した前記現在チャネル状態情報を用いて前記無線マッピングデータベース(402)を更新する、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記UE(104)が移動していることを前記基地局(102)が識別すると、前記機械学習モジュール(404)がドップラーシフトを推定する、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記機械学習モジュール(404)が、前記UE(104)においてGPS座標が利用可能である場合、(i)グローバルナビゲーション衛星システム(GNSS)座標の変化、(ii)前記予測された無線パラメータ(552)、または(iii)前記UE(104)に関連付けられた慣性センサのうちの少なくとも1つを使用して、前記UE(104)の移動を決定する、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記UE(104)においてGPS座標が利用可能でない場合、前記機械学習モジュール(404)が、観測到着時間差(OTDOA)アルゴリズムと利用可能なBluetooth Low Energy(BLE)またはWi-Fiベースのビーコンとの組み合わせに基づいて、前記UE(104)の位置を決定する、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記基地局(102)が前記UE(104)にビームフォームを行う必要がある場合、前記基地局(102)が、(i)前記UE(104)の位置情報を送信するように前記UE(104)に要求し、(ii)前記UE(104)によって共有された前記位置情報に基づいて前記現在状態情報(CSI)を前記無線マッピングデータベース(402)に問い合わせ、(iii)前記無線マッピングデータベース(402)から取得した前記CSIを使用してビームフォームを行う、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記無線マッピングデータベース(402)が、サービスエリア内の各地点において精細な解像度になるように外挿されたCSIを含み、前記CSIの外挿は、
(i)1又は2以上のサンプリング地点の周りの前記サービスエリアをサンプリングし、
(ii)前記無線マッピングデータベース(402)内に格納された前記少なくとも1つのRFパラメータの性質に基づいて1つのサンプリング地点を選択し、
(iii)選択されたサンプリング地点が前記1又は2以上のサンプリング地点の内側にある場合には前記CSIを内挿し、前記選択されたサンプリング地点が前記1又は2以上のサンプリング地点の内側にない場合には前記CSIを外挿することによって行われる、請求項1に記載の無線マッピングアーキテクチャ(400)。 - 前記機械学習モジュール(404)が、前記サービスエリアをグリッドに細分することによって前記サービスエリアをサンプリングし、グリッドのサイズが、(i)対象周波数、および(ii)無線伝搬に影響を及ぼす地形のうちの少なくとも1つに基づいて、設定可能であり、決定される、請求項12に記載の無線マッピングアーキテクチャ(400)。
- セルラコアネットワークが、前記UE(104)にサービスを提供する予測された基地局を前記無線マッピングデータベース(402)に問い合わせる、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記機械学習モジュール(404)が、前記UE(104)にサービスを提供する前記基地局(102)を予測し、前記予測された基地局を前記無線マッピングデータベース(402)に格納し、
前記機械学習モジュール(404)が、(i)無線アクセス技術、(ii)前記基地局(102)によって合成された最適ビーム形状、または(iii)前記位置にサービスを提供するためのアクセスポイント、のうちの少なくとも1つを使用して、前記UE(104)にサービスを提供する前記基地局(102)を予測する、請求項1に記載の無線マッピングアーキテクチャ(400)。 - 前記UE(104)が前記位置から移動する場合、前記機械学習モジュール(404)が、前記機械学習モジュール(404)によって予測された新しい基地局に前記UE(104)を割り当てて、前記UE(104)にサービスを提供し、前記機械学習モジュール(404)が、前記機械学習モジュール(404)によって予測されたアクセスポイントに対応するアクセス情報を、超高周波(UHL)ブロードキャストリンクを介して前記UE(104)に通信する、請求項1に記載の無線マッピングアーキテクチャ(400)。
- 前記スペクトル監視ユニット(210)が、
共通周波数およびタイミング基準(605)を含む複数のREダウンコンバータ(620A~620N)と、
IサンプルおよびQサンプルの形態で、無線フレームの多くの部分を取り込む複数のソフトウェア定義復調器(604A~604N)と、
スタンドアロンモードで使用して、(i)異なるキャリア周波数でRF信号を取り込み、(ii)チャネル漏洩を決定するアジャイルREダウンコンバータ(606)であって、異なるRF通信規格を並行して分析する、アジャイルREダウンコンバータ(606)と、
高度ソフトウェア定義復調器(608)が所与の位置において広範囲の周波数を走査することを可能にする、前記アジャイルRFダウンコンバータ(606)に関連付けられた周波数掃引源(610)と
を備える、請求項1に記載の無線マッピングアーキテクチャ(400)。 - 前記スペクトル監視ユニット(210)が、
前記位置の緯度(504)、経度(506)、および高度(508)を決定するGNSSモジュール(614)であって、GPS値の推定誤差を示す精度低下率(DoP)(510)を提供する、GNSSモジュール(614)と、
ネットワークに音声通話およびデータ通話を行い、受信信号強度インジケータ(RSSI)(516)、基準信号受信電力(RSRP)(518)、基準信号受信品質(RSRQ)(520)、信号対干渉雑音比(SINR)(522)、ブロック誤り率(BLER)(542)、パケットジッタ(544)、および呼出しミュート(545)を測定することが可能なセルラモデム(622)と、
アップリンク制御シグナリングをスヌープして、スケジュール要求、確認応答(ACK)の発生、否定応答(NACK)、およびハイブリッド自動再送要求(HARQ)(538)を含むイベントを検出する監視回路(624)と、
前記監視回路(624)から前記検出されたイベントを取り込み、前記トリガを生成して、前記イベントの特定の組み合わせの発生に基づいて前記無線マッピングデータベース(402)内に格納された前記少なくとも1つの無線パラメータを更新するイベントロガーであって、前記イベントの前記特定の組み合わせが、ネットワーク中断、故障の検出、干渉検出、または予想より多い通信量に関連する、イベントロガーと、
を備える、請求項1に記載の無線マッピングアーキテクチャ(400)。 - 無線マッピングアーキテクチャ(400)の無線マッピングデータベース(402)にデータ入力し、前記無線マッピングデータベース(402)の予測された無線パラメータ(552)を更新された無線パラメータを用いて更新するための方法であって、
(i)ユーザ機器(UE)(104)および(ii)スペクトル監視ユニット(210)のうちの少なくとも1つが、少なくとも1つの無線パラメータを抽出することを可能にし、
前記スペクトル監視ユニット(210)および前記UE(104)の機能に基づいて、(i)前記スペクトル監視ユニット(210)および(ii)前記UE(104)のうちの少なくとも1つから、前記少なくとも1つの無線パラメータを取り込み、
前記少なくとも1つの無線パラメータを前記無線マッピングデータベース(402)に定期的に格納し、
前記無線マッピングデータベース(402)とセルラコアネットワークとの間で、前記少なくとも1つの無線パラメータを交換し、
機械学習モジュール(404)によって生成された機械学習モデルに基づいて無線パラメータ予測モデルを生成し、
前記UE(104)の位置、または前記UE(104)によって検知されたRF環境の少なくとも1つに変化があった場合に、前記更新された無線パラメータを受け入れ、
前記更新された無線パラメータに基づいて前記無線パラメータ予測モデルを改良し、
改良された無線パラメータ予測モデルを使用して、前記UE(104)の所与の位置に対して前記無線マッピングデータベース(402)の前記予測された無線パラメータ(552)を更新する、方法。 - 前記セルラコアネットワーク、無線アクセスネットワーク、およびスケジューラが、事前定義されたアプリケーションプログラミングインタフェース(API)を介して前記無線マッピングデータベース(402)にアクセスする、請求項19に記載の方法。
- 前記基地局(102)と連動する前記セルラコアネットワークが、前記基地局(102)と連動する前記セルラコアネットワークと、前記チャネル推定、および前記UE(104)からの前記アップリンク信号の到来角との関連付けを含む情報の大きなリポジトリを備え、前記無線マッピングデータベース(402)が、前記基地局(102)と連動する前記セルラコアネットワークから前記情報を取り込む、請求項19に記載の方法。
- 前記無線パラメータ予測モデルが、
(i)3D地形マップをインポートし、
(ii)前記3D地形マップをセグメント化し、類似のRF環境を有する少なくとも1つのエリアを含むセグメントを決定し、
(iii)前記セグメントを統計的にサンプリングし、
(iv)サンプリングされたセグメントについて、前記セグメントに対応する最適な無線パラメータ予測モデルに基づいて選択された事前予測された無線パラメータを実行し、
(v)前記セグメントのフィールド測定データを収集し、
(vi)前記少なくとも1つの無線パラメータを用いて前記無線パラメータ予測モデルを調整し、前記セグメントに基づいてアップグレードされた無線パラメータ予測モデルを取得し、
(vii)前記アップグレードされた無線パラメータ予測モデルを使用し、類似の形態を含むセグメントについて前記無線パラメータ予測を実行する、請求項19に記載の方法。 - 前記無線パラメータ予測モデルが、前記無線マッピングデータベース(402)の所与の位置に対する、3D地形データ上にオーバーレイされたデータのレイヤを格納し、前記データのレイヤが、第1レイヤ(902)、第2レイヤ(904)、第3レイヤ(906)、および第4レイヤ(908)を含み、前記第1レイヤ(902)が前記3D地形データを表し、前記第2レイヤ(904)が前記少なくとも1つの無線パラメータ予測の第1のレベルを表し、前記第3レイヤ(906)がサンプル地点の測定値を表し、前記第4レイヤ(908)が前記アップグレードされた無線パラメータ予測モデルに基づく前記予測された無線パラメータを表す、請求項22に記載の方法。
- 無線マッピングアーキテクチャ(400)を使用して少なくとも1つの動的に変更されたパラメータを予測する方法であって、
ユーザ機器(UE)(104)またはスペクトル監視ユニット(210)の少なくとも1つを使用して、少なくとも1つの無線パラメータを取り込み、
前記スペクトル監視ユニット(210)を使用して、前記少なくとも1つの無線パラメータを継続的に監視し、前記少なくとも1つの無線パラメータを無線マッピングデータベース(402)に格納し、
前記スペクトル監視ユニット(210)を使用して、少なくとも1つの基地局および前記ユーザ機器(UE)(104)に対応する前記少なくとも1つの無線パラメータを抽出し、前記無線マッピングデータベース(402)の入力スキーマ(500)にデータ入力し、前記無線マッピングデータベース(402)の抽出されたパラメータを定期的に更新し、
サーバー(212)に関連付けられた機械学習モジュール(404)を使用して、前記無線マッピングデータベース(402)に格納された前記少なくとも1つの無線パラメータに基づいて機械学習モデルを訓練し、
前記機械学習モデルに基づいて出力スキーマ(501)を導出するために、前記無線マッピングデータベース(402)に格納された前記入力スキーマ(500)から、前記少なくとも1つの動的に変更されたパラメータを予測し、
前記無線マッピングデータベース(402)の前記機械学習モデルによって予測された、前記少なくとも1つの動的に変更されたパラメータを更新し、
前記少なくとも1つの無線パラメータまたは前記抽出されたパラメータに基づいて、前記機械学習モデルを動的に改良し、
前記無線マッピングデータベース(402)内に格納された前記少なくとも1つの無線パラメータを更新するために、前記スペクトル監視ユニット(210)および前記UE(104)に対するトリガを生成する、方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201941019899 | 2019-05-20 | ||
IN201941019899 | 2019-05-20 | ||
PCT/IN2020/050456 WO2020234902A1 (en) | 2019-05-20 | 2020-05-20 | Radio mapping architecture for applying machine learning techniques to wireless radio access networks |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022534176A true JP2022534176A (ja) | 2022-07-28 |
Family
ID=73458595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021560218A Pending JP2022534176A (ja) | 2019-05-20 | 2020-05-20 | ワイヤレス無線アクセスネットワークに機械学習技術を適用するための無線マッピングアーキテクチャ |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230062443A1 (ja) |
EP (1) | EP3973726A4 (ja) |
JP (1) | JP2022534176A (ja) |
KR (1) | KR102654497B1 (ja) |
WO (1) | WO2020234902A1 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021016770A1 (zh) * | 2019-07-26 | 2021-02-04 | Oppo广东移动通信有限公司 | 一种信息处理方法、网络设备、用户设备 |
KR102392913B1 (ko) * | 2020-09-09 | 2022-04-29 | 고려대학교 산학협력단 | 의도적인 무선 자원 충돌 회피 방법 및 그 장치 |
DE102020212301A1 (de) | 2020-09-29 | 2022-03-31 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und Verfahren zur Bewertung eines Zustands eines Funkkanals |
US11627549B2 (en) | 2020-12-10 | 2023-04-11 | Nokia Technologies Oy | Associating sensing information with a user |
US11902894B2 (en) | 2020-12-10 | 2024-02-13 | Nokia Technologies Oy | Determining radio frequency (RF) conditions using sensing information |
US11949465B2 (en) * | 2021-02-19 | 2024-04-02 | Nokia Technologies Oy | Machine learning based channel state information estimation and feedback configuration |
US11595835B2 (en) * | 2021-04-20 | 2023-02-28 | Cisco Technology, Inc. | Service cognizant radio role assignments |
US20220405602A1 (en) * | 2021-06-21 | 2022-12-22 | Qualcomm Incorporated | Channel feature extraction via model-based neural networks |
WO2023287075A1 (en) * | 2021-07-13 | 2023-01-19 | Samsung Electronics Co., Ltd. | Method and device of enabling multi-connectivity in wireless network for improving qos of ue |
CN113726462A (zh) * | 2021-07-30 | 2021-11-30 | 浪潮电子信息产业股份有限公司 | 一种PCIe虚拟信道选择方法、装置、系统及介质 |
US11758351B2 (en) | 2021-08-12 | 2023-09-12 | Netscout Systems Texas, Llc | Determining geolocation of devices in a communication network |
AU2022327109A1 (en) * | 2021-08-12 | 2024-03-07 | Netscout Systems Texas, Llc | Determining geolocation of devices in a communication network |
US11743856B2 (en) | 2021-08-12 | 2023-08-29 | Netscout Systems Texas, Llc | Determining geolocation of devices in a communication network |
US20230058324A1 (en) * | 2021-08-17 | 2023-02-23 | Litepoint Corporation | System and Method for using a Single Radio Frequency (RF) Data Packet Signal Receiver to Perform Time-Switched Multiple Input, Multiple Output (MIMO) Data Packet Signal Analysis |
US20230217295A1 (en) * | 2021-12-13 | 2023-07-06 | Worcester Polytechnic Institute | Wireless spectrum sharing database |
WO2023245515A1 (en) * | 2022-06-22 | 2023-12-28 | Shenzhen Tcl New Technology Co., Ltd. | Monitoring method and wireless communication device |
CN116980855B (zh) * | 2023-09-20 | 2024-02-13 | 天津七一二移动通信有限公司 | 依托网络的集中型铁路cir线路定位系统及实现方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5901142A (en) * | 1996-09-18 | 1999-05-04 | Motorola, Inc. | Method and apparatus for providing packet data communications to a communication unit in a radio communication system |
US7945212B2 (en) * | 2002-10-16 | 2011-05-17 | Andrew, Llc | Network overlay geo-location system with smart antennas and method of operation |
CN102164375A (zh) * | 2010-02-22 | 2011-08-24 | 华为技术有限公司 | 一种收集终端测量数据的方法和系统 |
KR101397985B1 (ko) * | 2010-07-22 | 2014-05-27 | 한국전자통신연구원 | 무선 통신 장치 및 방법 |
EP3028388B1 (en) * | 2013-07-30 | 2019-08-07 | LG Electronics Inc. | Method for reporting channel state information for partial antenna array based beamforming in wireless communication system |
WO2016001473A1 (en) * | 2014-06-30 | 2016-01-07 | Nokia Technologies Oy | System and method for radio and other parameter estimation based on maps |
US10440503B2 (en) * | 2014-07-16 | 2019-10-08 | TUPL, Inc. | Machine learning-based geolocation and hotspot area identification |
US10320462B2 (en) * | 2016-06-07 | 2019-06-11 | Telefonaktiebolaget Lm Ericsson (Publ) | Doppler shift or doppler spread as input for beam-switching or node-switching in wireless networks |
WO2018068857A1 (en) * | 2016-10-13 | 2018-04-19 | Huawei Technologies Co., Ltd. | Method and unit for radio resource management using reinforcement learning |
US10791221B1 (en) * | 2017-04-25 | 2020-09-29 | Michael Vislocky | NG9-1-1 test call system |
US10785101B2 (en) | 2017-08-23 | 2020-09-22 | Futurewei Technologies, Inc. | Automatically optimize parameters via machine learning |
US10599205B2 (en) | 2017-09-18 | 2020-03-24 | Verizon Patent And Licensing Inc. | Methods and systems for managing machine learning involving mobile devices |
WO2020092561A1 (en) * | 2018-10-30 | 2020-05-07 | Idac Holdings, Inc. | Methods and apparatus for mobility in moving networks |
BR112021020060A2 (pt) * | 2019-04-05 | 2021-12-14 | Idac Holdings Inc | Método implementado por uma primeira unidade de transmissão/recepção sem fio, e, primeira unidade de transmissão/recepção sem fio |
CN113661738B (zh) * | 2019-04-09 | 2024-05-14 | 日产自动车株式会社 | 信息处理装置、信息处理方法以及服务器 |
-
2020
- 2020-05-20 EP EP20810204.6A patent/EP3973726A4/en active Pending
- 2020-05-20 US US17/281,218 patent/US20230062443A1/en active Pending
- 2020-05-20 KR KR1020217031457A patent/KR102654497B1/ko active IP Right Grant
- 2020-05-20 JP JP2021560218A patent/JP2022534176A/ja active Pending
- 2020-05-20 WO PCT/IN2020/050456 patent/WO2020234902A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2020234902A1 (en) | 2020-11-26 |
EP3973726A1 (en) | 2022-03-30 |
EP3973726A4 (en) | 2023-05-31 |
US20230062443A1 (en) | 2023-03-02 |
KR20210128486A (ko) | 2021-10-26 |
KR102654497B1 (ko) | 2024-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102654497B1 (ko) | 무선 라디오 액세스 네트워크들 (wireless radio access networks) 에 머신 러닝 기법들을 적용하기 위한 라디오 맵핑 아키텍처 (radio mapping architecture) | |
EP3890361B1 (en) | Cell longitude and latitude prediction method and device, server, base station, and storage medium | |
US10616774B2 (en) | Method and device for communications in millimeter-wave networks | |
CN104838687B (zh) | 用于请求并行上行链路无线信号测量的方法 | |
US8248997B2 (en) | Apparatus and method for positioning a wireless user equipment | |
US9762421B2 (en) | Method and device for determining available spectrums | |
WO2021183777A1 (en) | Enhanced system and method for detecting non-cellular rf interference sources to cellular networks | |
US20120214512A1 (en) | Positioning Devices and Methods in Cellular Communication Systems | |
WO2020117930A1 (en) | Locating external interference in a wireless network | |
US20150195805A1 (en) | Method and evolved node-b for geographic bin data collection and reporting | |
US10555184B2 (en) | Cell shaping in wireless communications networks | |
CN102883262A (zh) | 一种基于指纹匹配的Wi-Fi室内定位方法 | |
JP2010533391A (ja) | アンテナパターンを調整することにより移動体無線通信システムのパフォーマンスを改善するための方法と装置 | |
KR20170042280A (ko) | 무선 통신에 사용하기 위한 장치 및 방법, 전자 디바이스, 및 그 방법 | |
CN109803273B (zh) | 天馈系统调整方法、装置、电子设备及存储介质 | |
US10314039B2 (en) | Interference and traffic pattern database | |
CN105491586B (zh) | 小区基站天线方位角度测量方法与系统 | |
US10390180B1 (en) | Geolocation determination with power fingerprinting | |
CN112511198A (zh) | 用于波束图案优化的高效数据生成 | |
Ojaniemi et al. | Effect of geolocation database update algorithms to the use of TV white spaces | |
Muraoka et al. | Monitoring-based spectrum management for expanding opportunities of white space utilization | |
Janakaraj et al. | Towards cloud-based crowd-augmented spectrum mapping for dynamic spectrum access | |
EP2596657B1 (en) | Methods and arrangements for estimating signal strength in a sub-region | |
CN106796277B (zh) | 移动通信网络中的位置调整 | |
JP7310033B2 (ja) | 関数ベースのマッチングパターンを使用するフィンガープリンティングのための方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220719 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230306 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230824 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240229 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240520 |