KR101099355B1 - 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법 - Google Patents

이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법 Download PDF

Info

Publication number
KR101099355B1
KR101099355B1 KR1020100038785A KR20100038785A KR101099355B1 KR 101099355 B1 KR101099355 B1 KR 101099355B1 KR 1020100038785 A KR1020100038785 A KR 1020100038785A KR 20100038785 A KR20100038785 A KR 20100038785A KR 101099355 B1 KR101099355 B1 KR 101099355B1
Authority
KR
South Korea
Prior art keywords
fuzzy
handover
data mining
network
vertical handover
Prior art date
Application number
KR1020100038785A
Other languages
English (en)
Other versions
KR20110119201A (ko
Inventor
조충호
류승완
김태섭
오용
김이강
윤석호
이상준
Original Assignee
고려대학교 산학협력단
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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020100038785A priority Critical patent/KR101099355B1/ko
Publication of KR20110119201A publication Critical patent/KR20110119201A/ko
Application granted granted Critical
Publication of KR101099355B1 publication Critical patent/KR101099355B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/14—Reselecting a network or an air interface
    • 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
    • H04W36/0033—Control or signalling for completing the hand-off for data sessions of end-to-end connection with transfer of context information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/26—Reselection being triggered by specific parameters by agreed or negotiated communication parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/18—Selecting a network or a communication service

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 이종망 환경에서 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법으로서 수직적 핸드오버가 개시되면 이종망 환경에서 상태정보값을 하나의 단일화 된 형태로 재조정하는 변환부; 이종망의 통합적인 자원관리를 위한 통합무선자원관리장치(CRRM)로 상태정보값을 전송하는 전송부; 적응적 핸드오버 시점을 결정하는데 퍼지로직 제어기(FLC) 또는 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 포함하는 제어부; 상태정보값은 다수의 네트워크 관련요소를 포함하고 있으며, 이종망 환경에서 네트워크 관련요소들로부터 정책과 다기준 의사결정법을 병행하여 네트워크를 결정하는 선택부를 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법에 관한 발명이다.

Description

이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법{ADAPTIVE VERTICAL HANDOVER SYSTEM AND METHOD OF HETEROGENEOUS SYSTEMS USING FUZZY LOGIC CONTROL AND DATA MINING}
본 발명은 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법에 관한 것으로서, 보다 상세하게는 퍼지로직 제어기(FLC) 또는 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 사용하여 핸드오버 시점을 결정할 수 있는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법에 관한 것이다.
이동통신 시스템 환경에서는 중첩된 다양한 이기종 네트워크 환경에서의 통합이 이루어지면서 수직 핸드오버의 요구가 증가하게 되어 현재 세계적으로 수직 핸드오버를 효율적으로 지원해 주기 위한 연구 및 표준화가 활발히 진행되고 있다.
중첩된 이기종 무선 네트워크 환경에서는 수직 핸드오버 기능을 제공하는 것과 동시에 다양한 무선네트워크 중에서 사용할 네트워크를 선택하거나 이동할 네트워크를 결정하여야 하지만 각각의 네트워크들이 별도로 서비스되어 전체 시스템의 성능을 최적화하기 위한 네트워크 자원의 통합적인 관리가 요구되고 있는 실정이다.
이기종 무선 네트워크 환경에서 수직 핸드오버를 제공하기 위해 고려되고 있는 방안은 첫번째 방법으로 IP 계층에서 IETF에서의 표준 기술인 Mobile IP나 Proxy Mobile IP 등을 이용하여 수직 핸드오버를 지원하는 방법이다. 이 경우 링크 계층에서의 이동성 관리는 일반적으로 고려되지 않고 링크 계층에서 독립적으로 수행된다고 가정한다. 두 번째 방법으로는 IEEE 802.21에서 연구되고 있는 MIH(Media Independent Handover) 기술을 들 수 있다. MIH의 경우 일반적으로 링크 계층과 IP 계층 사이에 위치하여 서로 다른 네트워크 간의 이동성 제공을 위해 계층 간의 상호 정보 교환 및 제어 신호를 규정하는 일반적인 프레임워크와 관련된 절차를 기술한다. 또 다른 하나의 방법은 범용링크계층(Generic Link Layer: GLL)과 통합무선자원관리 (Common Radio Resource Management: CRRM) 방법으로 링크 계층에서 수행되는 무선자원관리 기능의 일부를 서로 다른 액세스 네트워크에서 통합적으로 구현함으로써 수직 핸드오버를 지원하는 방식이다.
전술한 세 가지 방법은 나름대로의 장단점으로 가진다고 할 수 있다. 그러나 일반적으로 상위 계층의 방법일수록 융통성에 장점을 가지며, 하위 계층으로 갈수록 수직 핸드오버 성능 면에서 장점을 가지는 특징이 있다.
수직 핸드오버 지원을 위한 알고리즘들은 신호세기만을 고려한 알고리즘을 기본으로 제시하고 있는데 사용할 네트워크의 선택 문제에 있어서 단말의 신호가 어느 수준 이하로 떨어지게 될 경우 주변의 신호세기에 따른 핸드오버 결정을 하는 알고리즘에서는 중복된 네트워크에서 Ping-pong 현상이 나타나 불필요한 핸드오버가 반복될 수 있는 문제점을 가지고 있다. 이를 해결하기 위해 일정한 Throughput을 사용하여 Upward와 Downward를 고려해서 핸드오버를 결정하는 방법을 제안하고 있으나 동작하는 응용계층에서의 서비스 타입이나 단말의 이동 속도를 고려하지 않고 있다. 또한 Policy-enabled 핸드오버 방법에서는 비용과 경로에 대한 통계를 이용해서 예측이 가능한 Stability를 정의하여 성능이 좋은 네트워크를 탐색하는 주기를 조절하여 통계에 따른 우선순위를 통해 핸드오버를 결정하는 방법 등이 있으나 이것 또한 응용계층의 서비스 타입이나 속도를 고려하지 않고 있다. 또한 다기준의사결정법(MCDM)에서는 핸드오버 결정과 네트워크 선택의 문제를 다기준의사결정법(MCDM)을 통해 다양한 요소의 가중치와 정규화 과정을 통하여 해결하고 있으나 네트워크와 단말에 대한 오버헤드와 많은 요소의 상대적 가치에 따른 결과분석이 부족한 실정이다.
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 핸드오버를 결정하는 다양한 상태정보를 고려할 수 있으며, 상황에 따라 적응적으로 threshold line을 결정할 수 있는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법을 제공함에 있다.
상기 목적은, 본 발명인 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템에 의해서 달성된다. 본 발명인 시스템은 수직적 핸드오버가 개시되면 이종망 환경에서 네트워크 상태정보값을 하나의 단일화 된 형태로 재조정하는 변환부, 이종망의 통합적인 자원관리를 위한 통합무선자원관리장치(CRRM)로 네트워크 상태정보값을 전송하는 전송부, 적응적 핸드오버 시점을 결정하는데 퍼지로직 제어기(FLC) 또는 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 포함하는 제어부 및 네트워크 상태정보값은 다수의 네트워크 관련요소를 포함하고 있으며, 이종망 환경에서 네트워크 관련요소들로부터 정책과 다기준 의사결정법을 병행하여 네트워크를 결정하는 선택부를 포함하는 것을 특징으로 한다.
변환부은 이종망의 시스템에서 범용링크계층으로 올라오는 네트워크의 신호값을 단일화하고, 범용링크계층에서 AMC(Adaptive Modulation and Coding)기법으로 레벨을 나누는 것을 특징으로 하고, 제어부의 퍼지로직 제어기(FLC)는 trigger line과 threshold line의 상태정보(Cost, Available Bandwidth, RSSI 등)값에 따라 핸드오버 시점을 결정하는 것을 특징으로 한다.
제어부의 퍼지로직 제어기(FLC)는 단말과 네트워크 상태정보값을 membership value로 변환하는 Fuzzification 모듈, 상태정보의 변화에 적용하기 위한 퍼지규칙을 생성하는 퍼지룰 베이스 모듈, 퍼지규칙에 의한 수직핸드오버 결정범위의 퍼지추론제어량을 결정하는 퍼지 추론 엔진 모듈, 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수값으로 변환하여 실제 제어 가능한 양을 만드는 Defuzzification 모듈을 포함하는 것을 특징으로 한다.
제어부의 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템은 핸드오버 성공여부를 미리 예측하는 방법으로 다양한 핸드오버 성공결정 요인들에 대한 데이터의 학습을 실시하는 데이터마이닝트레이닝 모듈, 실시간으로 핸드오버 시점에서 데이터들을 모으는 HIC모듈, 데이터마이닝 트레이닝 모듈에서 학습된 내용을 생성된 규칙을 이용하여 trigger line과 threshold line에 대한 결정을 통해 최적의 수직핸드오버 시점을 찾는 HTHD모듈을 포함하는 것을 특징으로 한다.
선택부에서 요소에 따른 네트워크 선택이 명확할 때는 정책에 의해 결정하게 되고, 네트워크의 선택이 모호한 경우에는 다기준 의사결정법을 사용하여 네트워크를 선택하게 되는 것을 특징으로 한다.
이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 방법으로 CRRM(통합무선자원관리)는 네트워크 영역내에 trigger line과 threshold line을 두어 상기 trigger line에 단말이 닿았을 경우 핸드오버를 요청받는 단계, 변환부은 핸드오버가 개시되었을 때 이종망에서 네트워크 상태정보값을 단일화하는 단계, 전송부는 단일화된 상기 네트워크 상태정보값을 CRRM(통합무선자원관리)에 전송하는 단계, 제어부는 네트워크 상태정보값에 포함되어 있는 다수의 네트워크 관련 요소에 퍼지로직 제어기(FLC) 또는 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 이용하여 수직핸드오버 범위를 결정하는 단계, 선택부는 다수의 네트워크 관련 요소로부터 정책과 다기준의사결정법(MCDM)에 의해서 네트워크를 선택하는 단계를 포함하는 것을 특징으로 한다.
퍼지로직 제어기를 이용한 수직핸드오버 범위를 결정하는 단계는 Fuzzification 모듈이 단말과 네트워크 상태정보값을 퍼지룰 베이스 모듈이 인식할 수 있는 membership value로 변환하는 단계, 퍼지룰 베이스 모듈이 상기 상태정보의 변화에 적용하기 위한 퍼지규칙을 생성하는 단계, 퍼지 추론 엔진 모듈이 상기 퍼지규칙에 의한 수직핸드오버 결정범위의 퍼지추론제어량을 결정하는 단계, Defuzzification 모듈은 상기 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수값으로 변환하여 실제 제어 가능한 양을 만드는 단계를 포함하는 것을 특징으로 한다.
데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 이용하여 수직핸드오버 범위를 결정하는 단계는 데이터마이닝트레이닝 모듈이 상기 제어모듈의 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템은 핸드오버 성공여부를 미리 예측하는 방법으로 다양한 핸드오버 성공결정 요인들에 대한 데이터의 학습을 실시하는 단계, HIC모듈이 실시간으로 핸드오버 시점에서 데이터들을 모으는 단계, HTHD모듈이 데이터마이닝 트레이닝 모듈에서 학습된 내용을 생성된 규칙을 이용하여 trigger line과 threshold line에 대한 결정을 통해 최적의 수직핸드오버 시점을 찾는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 핸드오버 시점을 결정하기 위해서 퍼지로직 제어기 또는 데이터 마이닝을 이용한 수직 핸드오버 결정요소 분석시스템을 통해 다수의 요소에 의해서 이종망 환경에서 적응적 핸드오버 시점을 결정 할 수 있는 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법이 제공된다.
도1은 적응적 수직 핸드오버 시스템의 개략도이다.
도2는 범용링크계층(GLL)의 개념도이다.
도3은 trigger line과 threshold line의 개념도이다.
도4는 적응적 핸드오버 퍼지 제어기 블록도이다.
도5a는 Cost에 대한 소속함수의 사용율 퍼센트를 도시한 그래프이다.
도5b는 LTE에서 WLAN으로 이동시 Bandwidth에 대한 소속함수의 사용율 퍼센트를 도시한 그래프이다.
도5c는 WLAN에서 LTE로 이동시 Bandwidth에 대한 소속함수의 사용율 퍼센트를 도시한 그래프이다.
도5d는 RSSI에 대한 소속함수의 사용율 퍼센트를 도시한 그래프이다.
도6은 적응적 핸드오버 시점을 위한 Range튜닝에 대한 소속함수그래프이다.
도7은 WLAN에서 LTE로 이동시 VHO요청이 들어왔을 경우의 알고리즘이다.
도8은 LTE에서 WLAN으로 이동시 VHO요청이 들어왔을 경우의 알고리즘이다
도9은 13개의 속성 샘플데이터의 예제이다.
도10은 실제 샘플데이터를 이용하여 C4.5알고리즘을 통해 나온 TREE FLOW를 통해 분석된 규칙의 예이다.(LTE에서 WLAN1진입시)
도11는 VHO 성공결정요소 분석시스템의 개략도이다.
도12은 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직핸드오버 동작 순서도이다.
도13은 퍼지로직 제어기를 이용한 수직핸드오버 동작 순서도이다.
도14는 데이터마이닝 기법을 이용한 수직 핸드오버 결정요소 분석 시스템 동작 순서도이다.
본 발명은 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법에 대한 것이다. 이하 첨부한 도면을 참조하여 본 발명에 따른 적응적 수직 핸드오버 시스템 및 방법에 대해 설명한다.
먼저 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직 핸드오버 시스템에 대해 살펴본다.
제1실시예에서는 제어부에서 핸드오버 시점을 결정하는데 있어서 퍼지로직 제어기(FLC)를 이용하여 적응적 핸드오버 시점을 결정하는 시스템에 대해서 살펴본다.
도1은 적응적 수직 핸드오버 시스템의 개략도이다.
도1에 도시된 바와 같이 적응적 수직 핸드오버 시스템은 수직적 핸드오버가 개시되면 이종망 환경에서 네트워크 상태정보값을 하나의 단일화 된 형태로 재조정하는 변환부, 이종망의 통합적인 자원관리를 위한 통합무선자원관리장치(CRRM)로 상기 네트워크 상태정보값을 전송하는 전송부, 적응적 핸드오버 시점을 결정하는데 퍼지로직 제어기(FLC) 또는 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 포함하는 제어부 및 상기 네트워크 상태정보값은 다수의 네트워크 관련요소를 포함하고 있으며, 이종망 환경에서 상기 네트워크 관련요소들로부터 정책과 다기준 의사결정법을 병행하여 네트워크를 결정하는 선택부를 포함한다.
상기 변환부는 서로 다른 이종망 환경에서 물리계층으로 올라오는 각각의 다른 특성의 네트워크 네트워크 상태정보값을 하나의 단일화된 형태로 재조정하여 네트워크 선택과 적응적 핸드오버 시점 결정을 위한 데이터 값으로 사용한다.
통합무선자원관리장치(CRRM)와 각 액세서 망의 기지국, 단말에 위치하는 범용링크계층(GLL)이 상태정보값을 재조정하는 기능을 한다.
도2는 범용링크계층(GLL)의 개념도이다.
LTE(300)와 WLAN(400)에서 올라오는 상태정보값을 단일화된 형태로 재조정한다.
LTE(300)는 HSDPA(고속하향패킷접속)보다 12배 이상 빠른 고속 무선데이터 패킷통신 규격을 가리킨다.
롱텀에볼루션(long term evolution)의 머리글자를 딴 것으로, 3세대 이동통신(3G)을 장기적으로 진화시킨 기술이라는 뜻에서 붙여진 명칭이다. WCDMA(광대역부호분할다중접속)와 CDMA(코드분할다중접속)2000으로 대별되는 3세대 이동통신과 4세대 이동통신(4G)의 중간에 해당하는 기술이라 하여 3.9세대 이동통신(3.9G)라고도 하며, 와이브로 에볼루션과 더불어 4세대 이동통신 기술의 유력한 후보 가운데 하나로 꼽힌다.
3세대이동통신 무선표준화 단체인 3GPP(3rd Generation Partnership Project；3세대 파트너십 프로젝트)가 2008년 12월 확정한 표준규격 '릴리스(Release) 8'을 기반으로 한다. 이에 따라 채널 대역폭은 1.25~20㎒이며, 20㎒ 대역폭을 기준으로 하향링크의 최대 전송속도는 100Mbps, 상향링크의 최대 전송속도는 50Mbps이다. 무선 다중접속 및 다중화 방식은 OFDM(직교주파수분할), 고속 패킷데이터 전송 방식은 MIMO(다중 입출력)를 기반으로 한다.
이를 이용하여 3세대 이동통신의 HSDPA보다 12배 이상 빠른 속도로 통신할 수 있고, 다운로드 속도도 최대 173Mbps에 이르러 700MB 용량의 영화 1편을 1분 안에 내려받을 수 있으며, 고화질 영상과 네트워크 게임 등 온라인 환경에서 즐길 수 있는 모든 서비스를 이동중에도 편리하게 이용할 수 있다.
이 기술은 3세대 이동통신인 WCDMA에서 진화한 것이기 때문에 기존의 네트워크망과 연동할 수 있어 기지국 설치 등의 투자비와 운용비를 크게 줄일 수 있는 장점이 있다
WLAN(400)은 무선접속장치(AP)가 설치된 곳의 일정 거리 안에서 초고속 인터넷을 할 수 있는 근거리통신망(LAN)이다. 전파나 적외선 전송방식을 이용하며, 와이어리스랜이라고도 한다.
무선접속장치(AP)가 설치된 곳을 중심으로 일정 거리 이내에서 PDA나 노트북 컴퓨터를 통해 초고속 인터넷을 이용할 수 있다. 무선주파수를 이용하므로 전화선이나 전용선이 필요없으나 PDA나 노트북 컴퓨터에는 무선랜카드가 장착되어 있어야 한다.
LTE(300)와 WLAN(400) 시스템에서 셀반경 1000m와 250m인 경우를 가정하고 Path loss와 신호세기를 계산해보면 각 시스템에서 정의 내린 레벨값을 신호세기에 의해 같은 비율로 나누었을 때 차이를 볼 수 있다.
WLAN 거리 Path loss
(dB)		 신호세기
in dBm		 레벨 및
가중치		 LTE 거리 Path loss
(dB)		 신호세기
in dBm
25 88.928 -57.928 1레벨
가중치 7		 100 90.502 -41.502
62.5 102.856 -71.856 2레벨
가중치 6		 250 105.465 -56.465
100 110.000 -79.000 3레벨
가중치 5		 400 113.139 -64.139
137.5 114.841 -83.841 4레벨
가중치 4		 550 118.340 -69.340
175 118.506 -87.506 5레벨
가중치 3		 700 122.278 -73.278
212.5 121.458 -90.458 6레벨
가중치 2		 850 125.448 -76.448
250 123.928 -92.925 7레벨
가중치 1		 1000 128.102 -79.102
표1은 신호세기에 따른 단계 정의를 나타내고 있다.
상기 범용링크계층(GLL)(200)에서 AMC(Adaptive Modulation and Coding)기법으로 레벨을 나눈다. AMC는 채널 상황에 따라 변조방법과 채널 코딩 레이트를 바꾸어 주는 방법을 말한다. 이동통신에서 무선링크의 효율적인 사용을 위해서 링크 적응기법이 사용되고 대표적인 링크적응 기법은 전력제어 기법이 있다. 전력제어 기법은 무선링크에 따라 전력을 제어하여 전송 품질을 유지시키는 방법으로 음성과 같이 고정된 전송률 상황에서 링크의 품질을 보장하기 위한 시스템에 효율적인 방식이다. 반면, 멀티미디어 데이터는 서비스 종류에 따라 다양한 전송률, 다양한 전송품질 등을 요구하므로 기존의 음성 위주의 서비스 제공과는 다른 개념의 링크 적응 기법이 요구된다. AMC기법은 이러한 데이터 전송에 효율적인 링크 적응 기법으로 전송전력이 아니라 전송률을 채널 환경에 맞게 변화시키는 적응방식으로서 채널의 특성에 따라 적절한 전송률을 결정하여 전송한다. 전송률은 MCS(Modulation and Coding Selection)레벨에 의해 결정되는데, MCS는 미리 정의된 변조 및 채널 코딩 조합에 대한 레벨이다. 각 네트워크 환경에 대한 신호값을 하나의 단일화된 레벨값으로 재조정해서 앞서 살펴본 AMC기법에 의해서 각 레벨로 나누어 줄 수 있고, 이 값을 이용하여 적응적 핸드오버시에 사용하는 가중치와 수치값으로 이용한다.
상기 전송부는 상기 변환부에서 단일화된 상태정보값을 통합무선자원관리장치 (CRRM)로 전송한다.
상기 제어부는 퍼지로직 제어기(FLC) 통해 적응적 핸드오버 시점을 결정하게 된다. 상기 퍼지로직 제어기(FLC)는 trigger line(600)과 threshold line(500)의 상태정보(Cost, Available Bandwidth, RSSI 등) 값에 따라 핸드오버 시점을 결정한다.
도3은 trigger line(600)과 threshold line(500)의 개념도이다.
도3에 도시된 바와 같이 상기 trigger line(600)에 단말이 닿았을 경우에 핸드오버를 요청하게 되고, 네트워크 알고리즘으로 선택된 네트워크를 단말이 알고 있어 threshold line(500)에서 효율적인 핸드오버를 실행 할 수 있게 한다.
도4는 적응적 핸드오버 퍼지 제어기 블록도 이다.
도4에 도시된 바와 같이 상기 퍼지로직 제어기(FLC)는 단말과 네트워크 상태정보값을 membership value(low, middle, high)로 변환하는 Fuzzification 모듈과 상기 상태정보값의 변화에 적용하기 위한 퍼지규칙을 생성하는 퍼지룰 베이스 모듈, 상기 퍼지규칙에 의한 수직 핸드오버 결정범위의 퍼지추론제어량을 결정하는 퍼지 추론 엔진모듈, 상기 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수값으로 변환하여 실제 제어 가능한 양을 만드는 Defuzzification 모듈을 포함한다.
도5a는 Cost에 대한 소속함수의 사용율 퍼센트를 도시한 그래프이며 도5b는 LTE(300)에서 WLAN(400)으로 이동시 Bandwidth에 대한 소속함수의 사용율 퍼센트이며, 도5c는 WLAN(400)에서 LTE(300)로 이동시 Bandwidth에 대한 소속함수의 사용율 퍼센트이고, 도5d는 RSSI에 대한 소속함수의 사용율 퍼센트이다.
상기 Fuzzification 모듈은 단말과 네트워크 상태정보를 소속함수를 통해서 membership value(low, middle, high)로 변환한다. 퍼지집합에서의 원소는 소속함수 μ에 의해 이 집합의 소속정도를 나타낸다. 예를 들어 μA(x)는 퍼지집합 A에 대한 원소x의 관계를 나타낸다. 소속함수는 일반적으로 0과 1사이의 값을 취하며, 도5a, 도5b, 도5c, 도5d에서는 제1실시예에서 사용되어진 소속 함수들이며, 사용율 퍼센트로 표현하였다.
상기 퍼지롤 베이스 모듈은 핸드오버 될 때의 각 네트워크의 Cost, Bandwidth, RSSI을 고려한 표2와 같은 퍼지규칙을 생성하게 된다.
Rule number IF cost and Bandwidth and RSSI then VHO decision Range(W→L) then VHO decision
Range(L→W)
1 low low low negative high positive very low
2 middle low low negative high positive very low
3 high low low negative high positive very low
4 low low middle negative low negative low
5 middle low middle negative low negative low
6 high low middle negative low negative low
7 low low high positive very low negative high
8 middle low high positive very low negative high
9 high low high positive very low negative high
10 low middle low negative middle positive middle
11 middle middle low negative middle positive middle
12 high middle low negative middle positive middle
13 low middle middle zero zero
14 middle middle middle zero zero
15 high middle middle zero zero
16 low middle high positive middle negative middle
17 middle middle high positive middle negative middle
18 high middle high positive middle negative middle
19 low high low negative very low positive high
20 middle high low negative very low positive high
21 high high low negative very low positive high
22 low high middle positive low positive low
23 middle high middle positive low positive low
24 high high middle positive low positive low
25 low high high positive high negative very low
26 middle high high positive high negative very low
27 high high high positive high negative very low
예를들어 규칙번호 27에서 WLAN(400)에서 LTE(300)로 핸드오버 될 때 단말의 서비스 이용 비용(Cost), WLAN(400)의 이용 가능한 대역폭(Bandwidth), WLAN(400)의 신호세기가 모두 high이면 threshold line을 positive high만큼 늘려주도록 되어 있다.
도6은 적응적 핸드오버 시점을 위한 Range튜닝에 대한 소속함수그래프이다.
도6에 보는 바와 같이 상기 퍼지추론엔진 모듈은 퍼지룰에 의해 나온 VHO Decision Range의 제어량을 결정하는데 있어서 퍼지추론 엔진의 퍼지 출력 소속함수에 의하여 결정된다.
퍼지 조건부명제의 조건이 주어지면 결론이 유추되는데 일반적으로 n-퍼지 변수들에 대한 소속함수들의 ANDing(intersection)으로 표현된다.
상기 Defuzzification 모듈은 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수 값으로 변환하여 실제 제어 가능한 양을 만든다. 비퍼지화 방법으로 무게중심법 등을 사용한다.
상기 선택부는 상태정보값이 다수의 네트워크 관련요소를 포함하고 있으므로 이종망 환경에서 상기 네트워크 관련요소들로부터 정책과 다기준 의사결정법을 병행하여 네트워크를 결정한다.
도7은 WLAN(400)에서 LTE(300)로 이동시 VHO요청이 들어왔을 경우의 알고리즘이다.
도7에 도시된 바와 같이 WLAN(400)에서 서비스 받는 도중에 VHO 요청이 통합무선자원관리장치(CRRM)(100)로 들어오면 가장 먼저 서비스의 타입을 확인한다. 서비스의 타입이 음성이고 고속일 경우 LTE(300)망의 네트워크 사용가능 용량을 확인한 후 용량이 남아 있으면 LTE(300)망으로 VHO가 발생하고,용량이 없으면 VHO가 실패하게 된다. 또한 서비스 타입이 음성이고 저속일 경우, 서비스 타입이 Web테이터일 경우에 LTE(300)망에 사용 가능 대역 용량이 없으면 VHO를 실패하게 되고, LTE(300)망에 사용가능 용량이 있으면 다기준의사결정법(MCDM) 알고리즘을 이용하여 네트워크를 선택하게 된다.
여기서 다기준의사결정법(MCDM)방법은 네트워크와 단말에 얻을 수 있는 정보를 정규화하고, 적합한 네트워크를 선택하기 위해 다기준의사결정법(MCDM)에서 가장 잘 알려진 단순 부가 가중치법(simple additive weighting ; SAW)을 사용하여 미리 정해 놓은 각 요소별 score로 계층화 분석법(Analytic Hierarchy Process ; AHP)인 AHP방법을 통해 가중치를 계산한다.
도8은 LTE(300)에서 WLAN(400)으로 이동시 VHO요청이 들어왔을 경우의 알고리즘이다.
도8에 도시된 바와 같이 LTE(300)에서 서비스 받는 도중에 VHO요청이 통합무선자원관리장치(CRRM)(100)로 들어왔을 때 우선 단말의 속도를 확인한다. 단말의 속도가 고속일 경우 핸드오버가 자주 발생하게 되기 때문에 정책적으로 LTE(300)에서 계속 서비스 받게 한다. 이와 달리 단말의 속도가 저속일 경우에는 서비스 타입을 고려하여 그 종류가 web이고 WLAN(400)의 가용용량이 있을 경우 비 실시간 서비스이고 음성과 비교하여 데이터의 크기가 크기 때문에 가능한 비용이 작고 가용용량이 큰 WLAN(400)으로 VHO가 발생하게 되고, 가용용량이 없을 때는 계속 LTE(300)의 연결을 유지하게 된다. 속도가 저속이고 서비스의 종류가 음성일 경우에는 신호세기, 비용, 가용용량을 고려하여 다기준의사결정법(MCDM) 알고리즘으로 네트워크를 선택하게 된다.
전술한 제1실시예에서는 적응적 핸드오버 시점을 결정하는데 제어부의 퍼지로직 제어기(FLC)를 이용하였으나 제2실시예에서는 적응적 핸드오버 시점을 결정하는데 있어서 제어부의 데이터마이닝 기법을 이용한 수직핸드오버 결정요소 분석시스템을 이용하게 된다.
이하 제1실시예에 개시된 내용과 중복되는 구성 및 작동에 관한 설명은 생략하기로 한다.
데이터마이닝 기법은 대량의 데이터로부터 유용한 정보를 찾는 작업으로 데이터마이닝의 대표적인 분석 방법인 의사결정트리에서 일반적으로 사용되는 C4.5알고리즘이다. 상기 의사결정트리는 데이터집합이 주어졌을 때 데이터들을 분석하여 특정 속성값으로 분류하는 트리형태의 모델을 생성하는 분석기법이다.
본 실시예는 C4.5를 이용한 VHO 성공요소 요인분석을 위해 데이터 마이닝 프로그램인 Weka도구를 이용하여 앞서 제안한 VHO 알고리즘에 적용시켜 분석하였다. 핸드오버 성공 결정의 요소로 가중치 값, 동시사용자수, Voice과 Data(Web) 비율, 속도, 서비스 종류, WLAN(400)과 LTE(300)에서의 진입여부, WLAN(400)과 LTE(300) 각각에서의 Cost, Bandwidth, RSSI값, VHO 성공여부의 총 13개의 요소를 가지고 샘플데이터를 생성하였다. 샘플데이터는 각 단말 수에 따른 Voice와 Data데이터 단말의 비율 데이터가 각 500개씩 총 31,500개의 데이터를 이용하였다.
도9은 13개의 속성 샘플데이터의 예제이다.
도10은 실제 샘플데이터를 이용하여 C4.5알고리즘을 통해 나온 TREE FLOW를 통해 분석된 규칙의 예이다.(LTE에서 WLAN1진입시)
도11는 VHO 성공결정요소 분석시스템의 개략도이다.
도11에 도시된 바와 같이 본 실시예에서 제안하는 수직핸드오버 성공 결정요소 분석 시스템은 핸드오버 성공여부를 미리 예측하는 방법으로 다양한 핸드오버 성공결정 요인들에 대한 데이터의 학습을 실시하는 데이터 마이닝 트레이닝 모듈(C4.5 Training), 실시간으로 핸드오버 시점에서 데이터들을 모으는 HIC모듈, 데이터 마이닝 트레이닝 모듈에서 학습된 내용을 생성된 규칙을 이용하여 상기 trigger line(600)과 상기 threshold line(500)에 대한 결정을 통해 최적의 수직 핸드오버 시점을 찾는 HTHD모듈을 포함하고 있고, 핸드오버 성공여부를 미리 예측하여 적응적인 핸드오버 시점 결정을 통해 효율적인 핸드오버를 실행할 수 있게 한다.
이하 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직 핸드오버 방법에 대해 살펴본다.
도12은 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직핸드오버 동작 순서도이다.
도12에 도시한 바와 같이 CRRM(통합무선자원관리)는 네트워크 영역내에 trigger line(600)과 threshold line(500)을 두어 상기 trigger line(600)에 단말이 닿았을 경우 핸드오버를 요청받는 단계(S100); 변환부가 핸드오버가 개시되었을 때 이종망에서 네트워크 상태정보값을 단일화하는 단계(S200); 전송부는 단일화된 상기 네트워크 상태정보값을 CRRM(통합무선자원관리)에 전송하는 단계(S300); 제어부는 상기 네트워크 상태정보값에 포함되어 있는 다수의 네트워크 관련 요소에 퍼지로직 제어기(FLC) 또는 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 이용하여 수직핸드오버 범위를 결정하는 단계를 이용하여 수직핸드오버 범위를 결정하는 단계(S400); 선택부는 다수의 네트워크 관련 요소로부터 정책과 다기준의사결정법에 의해서 네트워크를 선택하는 단계(S500)를 통해서 핸드오버가 실현된다.
도13은 퍼지로직 제어기를 이용한 수직핸드오버 동작 순서도이다.
도13에 도시한 바와 같이 상기 퍼지로직 제어기를 이용한 수직핸드오버 범위를 결정하는 단계는 Fuzzification 모듈이 단말과 네트워크 상태정보값을 퍼지룰 베이스 모듈이 인식할 수 있는 membership value(low, middle, high)로 변환하는 단계(S411); 퍼지룰 베이스 모듈이 상기 상태정보의 변화에 적용하기 위한 퍼지규칙을 생성하는 단계(S412); 퍼지 추론 엔진 모듈이 상기 퍼지규칙에 의한 수직핸드오버 결정범위의 퍼지추론제어량을 결정하는 단계(S413); Defuzzification 모듈은 상기 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수값으로 변환하여 실제 제어 가능한 양을 만드는 단계(S414)를 거치게 된다.
도14는 데이터마이닝 기법을 이용한 수직 핸드오버 결정요소 분석 시스템 동작 순서도이다.
도14에 도시한 바와 같이 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 이용하여 수직핸드오버 범위를 결정하는 단계는 데이터마이닝트레이닝(C4.5 training)모듈이 상기 제어부의 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템은 핸드오버 성공여부를 미리 예측하는 방법으로 다양한 핸드오버 성공결정 요인들에 대한 데이터의 학습을 실시하는 단계(S421); HIC모듈이 실시간으로 핸드오버 시점에서 데이터들을 모으는 단계(S422); HTHD모듈이 데이터마이닝 트레이닝 모듈에서 학습된 내용을 생성된 규칙을 이용하여 trigger line(600)과 threshold line(500)에 대한 결정을 통해 최적의 수직핸드오버 시점을 찾는 단계(S423)를 통해서 수직적 핸드오버 시점이 결정된다.
이상에서 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 본 발명의 보호범위는 상기 실시예에 한정되는 것이 아니며, 해당 기술분야의 통상의 지식을 갖는 자라면 본 발명의 사상 및 기술영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 통합무선자원관리 200 범용링크계층(GLL)
300 LTE(long term evolution) 400 WLAN(wireless lan)
500 threshold line 600 trigger line

Claims (9)

  1. 수직적 핸드오버가 개시되면 이종망 환경에서 네트워크 상태정보값을 하나의 단일화 된 형태로 재조정하는 변환부;
    이종망의 통합적인 자원관리를 위한 통합무선자원관리장치(CRRM)로 상기 네트워크 상태정보값을 전송하는 전송부;
    적응적 핸드오버 시점을 결정하는데 데이터마이닝 기법을 이용하거나, 퍼지로직 제어기(FLC)와 상기 데이터마이닝 기법을 함께 이용하는 수직 핸드오버 결정요소 분석시스템을 포함하는 제어부;및
    상기 네트워크 상태정보값은 다수의 네트워크 관련요소를 포함하고 있으며, 이종망 환경에서 상기 네트워크 관련요소들로부터 정책과 다기준 의사결정법을 병행하여 네트워크를 결정하는 선택부를 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템.
  2. 제1항에 있어서,
    상기 변환부은 이종망의 시스템에서 범용링크계층으로 올라오는 네트워크의 상태정보값을 단일화하고, 상기 범용링크계층에서 AMC(Adaptive Modulation and Coding)기법으로 레벨을 나누는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터 마이닝을 이용한 적응적 수직 핸드오버 시스템.
  3. 제1항에 있어서,
    상기 제어부의 상기 퍼지로직 제어기(FLC)는 trigger line과 threshold line의 상태정보(Cost, Available Bandwidth, RSSI 등)값에 따라 핸드오버 시점을 결정하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템
  4. 제1항에 있어서,
    상기 제어부의 상기 퍼지로직 제어기(FLC)는 단말과 네트워크 상태정보값을 membership value로 변환하는 Fuzzification 모듈;
    상기 상태정보의 변화에 적용하기 위한 퍼지규칙을 생성하는 퍼지룰 베이스 모듈;
    상기 퍼지규칙에 의한 수직핸드오버 결정범위의 퍼지추론제어량을 결정하는 퍼지 추론 엔진 모듈; 및
    상기 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수값으로 변환하여 실제 제어 가능한 양을 만드는 Defuzzification 모듈을 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템
  5. 제1항에 있어서,
    상기 제어부의 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템은 핸드오버 성공여부를 미리 예측하는 방법으로 다양한 핸드오버 성공결정 요인들에 대한 데이터의 학습을 실시하는 데이터마이닝트레이닝 모듈;
    실시간으로 핸드오버 시점에서 데이터들을 모으는 HIC모듈; 및
    데이터마이닝 트레이닝 모듈에서 학습된 내용을 생성된 규칙을 이용하여 trigger line과 threshold line에 대한 결정을 통해 최적의 수직핸드오버 시점을 찾는 HTHD모듈을 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템.
  6. 제1항에 있어서,
    상기 선택부에서 요소에 따른 네트워크 선택이 명확할 때는 정책에 의해 결정하게 되고, 네트워크의 선택이 모호한 경우에는 다기준 의사결정법을 사용하여 네트워크를 선택하게 되는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템.
  7. CRRM(통합무선자원관리)는 네트워크 영역내에 trigger line과 threshold line을 두어 상기 trigger line에 단말이 닿았을 경우 핸드오버를 요청받는 단계;
    변환부가 핸드오버가 개시되었을 때 이종망에서 네트워크 상태정보값을 단일화하는 단계;
    전송부는 단일화된 상기 네트워크 상태정보값을 CRRM(통합무선자원관리)에 전송하는 단계;
    제어부는 상기 네트워크 상태정보값에 포함되어 있는 다수의 네트워크 관련 요소에 데이터마이닝 기법을 이용하거나, 퍼지로직 제어기(FLC)와 상기 데이터마이닝 기법을 함께 이용하는 수직 핸드오버 결정요소 분석시스템을 이용하여 수직핸드오버 범위를 결정하는 단계;
    선택부는 다수의 네트워크 관련 요소로부터 정책과 다기준의사결정법에 의해서 네트워크를 선택하는 단계를 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 방법
  8. 제7항에 있어서,
    상기 퍼지로직 제어기를 이용한 수직핸드오버 범위를 결정하는 단계는
    Fuzzification 모듈이 단말과 네트워크 상태정보값을 퍼지룰 베이스 모듈이 인식할 수 있는 membership value(low, middle, high)로 변환하는 단계;
    퍼지룰 베이스 모듈이 상기 상태정보의 변화에 적용하기 위한 퍼지규칙을 생성하는 단계;
    퍼지 추론 엔진 모듈이 상기 퍼지규칙에 의한 수직핸드오버 결정범위의 퍼지추론제어량을 결정하는 단계; 및
    Defuzzification 모듈은 상기 퍼지추론 엔진에 의해 얻어진 퍼지추론 제어량을 다시 명확한 실수값으로 변환하여 실제 제어 가능한 양을 만드는 단계를 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 방법.
  9. 제7항에 있어서,
    상기 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템을 이용하여 수직핸드오버 범위를 결정하는 단계는
    데이터마이닝트레이닝 모듈이 상기 제어부의 데이터마이닝 기법을 이용하는 수직 핸드오버 결정요소 분석시스템은 핸드오버 성공여부를 미리 예측하는 방법으로 다양한 핸드오버 성공결정 요인들에 대한 데이터의 학습을 실시하는 단계;
    HIC모듈이 실시간으로 핸드오버 시점에서 데이터들을 모으는 단계;및
    HTHD모듈이 데이터마이닝 트레이닝 모듈에서 학습된 내용을 생성된 규칙을 이용하여 trigger line과 threshold line에 대한 결정을 통해 최적의 수직핸드오버 시점을 찾는 단계를 포함하는 것을 특징으로 하는 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 방법.
KR1020100038785A 2010-04-27 2010-04-27 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법 KR101099355B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100038785A KR101099355B1 (ko) 2010-04-27 2010-04-27 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100038785A KR101099355B1 (ko) 2010-04-27 2010-04-27 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20110119201A KR20110119201A (ko) 2011-11-02
KR101099355B1 true KR101099355B1 (ko) 2011-12-26

Family

ID=45390830

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100038785A KR101099355B1 (ko) 2010-04-27 2010-04-27 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101099355B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101538072B1 (ko) * 2014-03-25 2015-07-22 서강대학교산학협력단 수직적 핸드오버를 위한 모바일 노드와 기지국의 매칭 방법 및 시스템
CN113543220B (zh) * 2021-07-20 2022-05-17 重庆邮电大学 一种基于5g异构网络融合的智能平台接入方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A FUZZY DECISION MAKING STRATEGY FOR VERTICAL HANDOFFS

Also Published As

Publication number Publication date
KR20110119201A (ko) 2011-11-02

Similar Documents

Publication Publication Date Title
Silva et al. Adaptive hysteresis margin based on fuzzy logic for handover in mobile networks with dense small cells
Nasser et al. Handoffs in fourth generation heterogeneous networks
Gu et al. Deep multiagent reinforcement-learning-based resource allocation for internet of controllable things
Muñoz et al. Optimization of load balancing using fuzzy Q-learning for next generation wireless networks
Vasu et al. QoS aware fuzzy rule based vertical handoff decision algorithm for wireless heterogeneous networks
Marí-Altozano et al. A service-centric Q-learning algorithm for mobility robustness optimization in LTE
Zhao et al. Transfer learning and cooperation management: balancing the quality of service and information exchange overhead in cognitive radio networks
Horrich et al. Adaptive vertical mobility decision in heterogeneous networks
Lee et al. Machine learning based RATs selection supporting multi-connectivity for reliability
Muñoz et al. Dynamic traffic steering based on fuzzy q-learning approach in a multi-rat multi-layer wireless network
Bhute et al. A vertical handover decision approaches in next generation wireless networks: a survey
KR101099355B1 (ko) 이종망 환경에서 퍼지제어와 데이터마이닝을 이용한 적응적 수직 핸드오버 시스템 및 방법
Dhand et al. Handoff optimization for wireless and mobile networks using fuzzy logic
Kaur et al. Intelligent spectrum management based on reinforcement learning schemes in cooperative cognitive radio networks
Elias et al. Optimal split bearer control and resource allocation for multi-connectivity in 5G new radio
Rajinikanth et al. Interoperability in heterogeneous wireless networks using fis-enn vertical handover model
Tinkhede et al. Survey of handover decision for next generation
Thantharate et al. Balanced5G-Fair Traffic Steering Technique using Data-Driven Learning in Beyond 5G Systems
Pahal et al. Cross layer based dynamic handover decision in heterogeneous wireless networks
Selvi et al. Fuzzy based Mobility management in 4G wireless Networks
Bhute et al. Vertical handover decision strategies in heterogeneous wireless networks
Malarkkan et al. Performance analysis of call admission control in WCDMA system with adaptive multi class traffic based on fuzzy logic
Wang et al. Handoff algorithms in dynamic spreading WCDMA system supporting multimedia traffic
Chen et al. Deep Q-learning for intelligent band coordination in 5g heterogeneous network supporting v2x communication
Lee et al. Intelligent cell selection satisfying user requirements for inter-system handover in heterogeneous networks

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20151030

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160928

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee