KR102039650B1 - 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치 - Google Patents

인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치 Download PDF

Info

Publication number
KR102039650B1
KR102039650B1 KR1020180041358A KR20180041358A KR102039650B1 KR 102039650 B1 KR102039650 B1 KR 102039650B1 KR 1020180041358 A KR1020180041358 A KR 1020180041358A KR 20180041358 A KR20180041358 A KR 20180041358A KR 102039650 B1 KR102039650 B1 KR 102039650B1
Authority
KR
South Korea
Prior art keywords
channel
compensation function
rate
hoc network
frequency resource
Prior art date
Application number
KR1020180041358A
Other languages
English (en)
Other versions
KR20190118243A (ko
Inventor
음수빈
최증원
이광억
노봉수
박민호
박휘성
유상조
장성진
최재각
김정식
서명환
한철희
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020180041358A priority Critical patent/KR102039650B1/ko
Publication of KR20190118243A publication Critical patent/KR20190118243A/ko
Application granted granted Critical
Publication of KR102039650B1 publication Critical patent/KR102039650B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/02—Selection of wireless resources by user or terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Abstract

본 발명은 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 기술에 관한 것으로, 클러스터 그룹 내의 노드들의 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 데이터 메모리부; 상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하고, 상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 보상함수 계산부; 상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하고, 상기 Q-값에 대한 Q-테이블을 작성하는 강화 학습부; 및 상기 Q-테이블을 기초로 상기 클러스터 그룹 내의 채널을 선택하는 채널 선택부를 포함할 수 있다.

Description

인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치 {METHOD AND APPARATUS FOR ALLOCATING FREQUENCY RESOURCE IN COGNITIVE RADIO AD HOC NETWORK}
본 발명은 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 기술에 관한 것이다.
인지 무선 애드혹 네트워크는 기 할당되지 않은 채널을 검색하여 유선 백본망(backbone network) 기반의 기지국 없이 라우팅을 수행하여 무선으로 네트워크를 구성할 수 있는 기술이다.
이러한 인지 무선 애드혹 네트워크에서는 인증된 주파수 대역을 사용하는 주 사용자(primary user)들의 유휴 주파수 대역(white space)을 활용하여 주 사용자들의 통신에 방해를 주지 않는 한도 내에서 부 사용자(secondary user)들이 통신을 수행할 수 있도록 한다.
이를 위해, 인지 무선 애드혹 네트워크에서는 유휴 주파수 대역을 감지한 이후에 사용 가능한 주파수 자원(예를 들어, 특정 주파수 대역 그룹의 주파수 채널)을 효율적으로 선택하기 위한 다양한 기법들이 활용되고 있다. 일 예로, 개별 네트워크가 보상함수를 최대화하는 방식을 사용하여 주파수 자원을 선택하거나, 센터 노드가 개별 네트워크들의 정보를 수집하여 주파수 자원을 선택하는 방식들을 활용하고 있다.
기존의 인지 무선 애드혹 네트워크에서는 다른 네트워크들을 고려하지 않고 개별 네트워크가 보상함수를 최대화하는 방식으로 주파수 자원을 사용하거나, 개별적으로 주파수 자원을 할당하고 있다.
따라서, 인지 무선 애드혹 네트워크에서 개별 네트워크가 주파수 자원으로부터 얻는 이득을 최대화하면서도 다른 네트워크들에게도 주파수 자원을 공평하게 할당할 수 있는 기술이 요구되고 있다.
한국등록특허 10-1136641호, 클러스터 헤드를 위한 주파수 채널 할당 방법, 2012.04.06 등록
본 발명의 실시예에서는, 인지 무선 애드혹 네트워크 환경에서 부 사용자가 속하는 클러스터(cluster) 그룹의 헤드 노드와 멤버 노드들간의 간섭 회피 방식을 통한 원활한 통신을 위해 클러스터 그룹이 사용할 주파수 자원을 할당하는 기술을 제안하고자 한다.
또한, 인지 무선 애드혹 네트워크 환경에서 채널 가용 시간 및 채널(데이터) 전송률을 최대화하고, 주파수 자원을 효율적으로 공평하게 분배하면서 주파수 대역 변환에 소요되는 오버헤드(overhead)를 고려할 수 있는 주파수 자원 할당 기술을 제안하고자 한다.
본 발명이 해결하고자 하는 과제는 상기에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재들로부터 본 발명이 속하는 통상의 지식을 가진 자에 의해 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따르면, 클러스터 그룹 내의 채널들의 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 데이터 메모리부; 상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하고, 상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 보상함수 계산부; 상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하고, 상기 Q-값에 대한 Q-테이블을 작성하는 강화 학습부; 및 상기 Q-테이블을 기초로 상기 클러스터 그룹 내의 채널을 선택하는 채널 선택부를 포함하는 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치를 제공할 수 있다.
여기서, 상기 데이터 메모리부는, 상기 채널 가용 시간의 최대값과, 상기 사용 가능한 채널 전송률의 평균 채널 전송률 및 상기 평균 채널 전송률의 최대값을 저장할 수 있다.
또한, 상기 보상함수 계산부는, 상기 채널 가용 시간의 최대값에 대한 상기 채널 가용 시간의 비, 상기 평균 채널 전송률의 최대값에 대한 상기 평균 채널 전송률의 비, 상기 채널 사용 효율 보상함수 및 오버헤드를 이용하여 상기 총 보상함수를 계산할 수 있다.
또한, 상기 보상함수 계산부는, 상기 채널 가용 시간의 최대값에 대한 상기 채널 가용 시간의 비, 상기 평균 채널 전송률의 최대값에 대한 상기 평균 채널 전송률의 비, 상기 채널 사용 효율 보상함수 및 상기 오버헤드에 대해 각각 가중치를 부여하여 상기 총 보상함수를 계산할 수 있다.
또한, 상기 강화 학습부는, 상기 노드들의 채널 환경을 지역 영역과 시간 영역으로 구분하여 상기 Q-테이블을 작성할 수 있다.
또한, 상기 채널 선택부는, 상기 Q-테이블을 기초로 상기 노드들의 데이터 전송률 활용도에 따라 상기 노드들이 서로 다른 대역 그룹으로 이동하도록 상기 클러스터 그룹 내의 채널을 선택할 수 있다.
또한, 상기 강화 학습부는, Q-러닝 알고리즘을 적용하여 상기 Q-테이블을 작성할 수 있다.
본 발명의 실시예에 따르면, 제1 노드와 복수 개의 제2 노드가 클러스터 단위로 구성된 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법에 있어서, 상기 제1 노드와 상기 복수 개의 제2 노드 간의 채널 정보 교환을 통해 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 단계; 상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하는 단계; 상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 단계; 상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하는 단계; 상기 Q-값에 대한 Q-테이블을 작성하는 단계; 및 상기 Q-테이블을 기초로 상기 클러스터 그룹 내의 채널을 선택하는 단계를 포함하는 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법을 제공할 수 있다.
본 발명의 실시예에 의하면, 클러스터 그룹 내에서 사용 가능한 채널 정보를 수집하여 채널 가용 시간(사용 가능한 동작 시간) 및 채널 가용 시간의 최대값(채널 그룹별 동작 시간에 대한 최대값), 평균 채널 전송률(데이터 리스트) 및 평균 채널 전송률의 최대값(채널 그룹별 평균 데이터 전송률의 최대값)을 설정하고, 이를 통해 적합한 대역의 채널을 사용하여 통신하게 함으로써, 인지 무선 애드혹 네트워크 시스템의 성능을 최대화할 수 있다.
또한, 본 발명의 실시예에 의하면, 강화학습의 일종인 Q-러닝(Q-learning)을 이용하여 총 보상함수에서 채널 사용에 대한 보상함수 값을 적용함으로써, 불필요하게 높은 전송률의 채널은 배제하고 적합한 전송률을 제공하는 채널을 선택할 수 있다. 따라서, 다른 인지 무선 애드혹 네트워크들에 대한 정보교환 없이 네트워크들간의 자원을 공평하게 분배할 수 있다.
또한, 본 발명의 실시예에 의하면, Q-러닝의 총 보상함수에서 채널 가용 시간, 채널 가용 전송률, 채널 이용률의 보상 함수값에 대한 가중치 값을 조절하여 인지 무선 애드혹 네트워크가 선호하는 변수에 대한 보상을 최대화할 수 있다.
또한, 본 발명의 실시예에 의하면, 연속적인 Q-러닝을 통해 주파수 자원을 할당함으로써, 원하는 데이터 전송률인 DDR(Desired Data Rate)이 변화하더라도 그에 적합한 채널을 효율적으로 선택할 수 있다.
도 1은 본 발명의 실시예에 따른 주파수 자원 할당 기술이 적용되는 인지 무선 네트워크, 예컨대 클러스터 기반 인지 무선 애드혹 네트워크를 예시적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치에 대한 블록도이다.
도 3은 본 발명의 실시예에 따른 인지 무선 애드혹 네트워크에서의 주파수 자원 할당을 위한 채널 선택 과정을 시계열적으로 표현한 도면이다.
도 4는 본 발명의 실시예에 따른 인지 무선 애드혹 네트워크 환경에서 강화학습의 일 형태인 Q-러닝에 활용되는 Q-테이블에 대한 예시 도면이다.
도 5는 본 발명의 실시예에 따른 주파수 자원 할당 과정에서 고려되어야 할 채널 대역 사용 효율에 대한 개념을 도시한 도면이다.
도 6은 본 발명의 실시예에 따른 주파수 자원 할당 과정에서 채널 사용 효율에 대한 보상함수를 구하는 경우를 예시적으로 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 주파수 자원 할당 과정에서 채널 사용 효율에 대한 보상함수를 구하는 과정의 구체적인 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 범주는 청구항에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명함에 있어 실제로 필요한 경우 외에는 생략될 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 실시예에서는, 인지 무선 네트워크 환경에서 우선 사용자의 등장으로 인해 사용하고 있던 채널을 변경하는 경우, 강화학습을 통해 채널 가용 시간, 채널 전송률, 평균 채널 전송률 등을 고려하여 채널을 선택하고, 대역 변환의 경우 오버헤드를 고려하여 채널을 선택할 수 있는 주파수 자원 할당 기술을 제공하고자 한다.
본 발명의 실시예에서 사용되는 용어와 그 의미는 다음과 같이 정의될 수 있다.
먼저, 헤드 노드는, 클러스터(cluster) 내의 멤버 노드(member node)들로부터 보고되는 센싱 결과를 기초로 가용 채널들의 집합을 구성하는 클러스터 헤드(cluster head)로서, 멤버 노드들에게 채널 선택 결과를 전달하는 단말로 정의될 수 있다.
클러스터는, 헤드 노드 및, 헤드 노드가 자신의 통신 가능 반경인 1홉(hop) 거리에 있는 관리 가능한 멤버 노드들의 집합으로 정의될 수 있다.
클러스터 채널 리스트(Cluster Channel List, CCL)라 함은, 클러스터 내의 노드들이 센싱을 통해 획득한 주사용자의 신호가 없는 채널들의 리스트로서, 클러스터 내의 모든 노드들이 통신을 수행할 수 있는 채널 리스트로 정의될 수 있다.
현재 대역 그룹(Current Band Group, CBG)이라 함은, 헤드 노드가 선택한 채널이 속한 대역 그룹으로 정의될 수 있다.
요구 데이터 전송률(Desired Data Rate, DDR)이라 함은, 클러스터 내에서 요구되는 데이터 전송률로 정의될 수 있다.
데이터 전송률 활용도(Data Rate Efficiency, DRE)라 함은, 요구 데이터 전송률(DDR)에 대해 선택한 채널이 제공하는 전송률의 비로 정의될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대해 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 주파수 자원 할당 기술이 적용되는 인지 무선 네트워크, 예컨대 클러스터 기반 인지 무선 애드혹 네트워크를 예시적으로 나타낸 도면이다.
도 1에 도시한 바와 같이, 클러스터 기반 인지 무선 애드혹 네트워크는, 계층적 구조의 네트워크 필드를 클러스터 그룹(A, B, C)으로 구분하고, 각각의 클러스터 그룹(A, B, C)은 단일 헤드 노드와 복수 개의 멤버 노드들로 구성된다. 예컨대, 도 1에서 클러스터 그룹(A)은 하나의 헤드 노드(10)와 세 개의 멤버 노드(20, 22, 24)로 구성될 수 있다.
헤드 노드(10)와 멤버 노드(20, 22, 24)는 광대역 신호를 수신할 수 있으며, 멤버 노드(20, 22, 24)는 광대역 신호를 수신한 후 수신 신호에 대한 샘플링, FFT(Fast Fourier Transform) 등을 수행하여 광대역 센싱 정보를 검출하고, 검출된 광대역 센싱 정보를 헤드 노드(10)로 전송할 수 있다.
헤드 노드(10)는 멤버 노드(20, 22, 24)로부터 전송된 광대역 센싱 정보를 기초로 주파수 자원을 할당할 수 있다. 이러한 주파수 자원을 할당하는 구체적인 내용은 하기에 보다 상세히 기술하기로 한다. 다만, 주파수 자원을 할당하는 주체를 헤드 노드(10)로 명시한 것은 실시예일뿐이며, 복수의 멤버 노드(20, 22, 24)들 중 임의의 멤버 노드가 헤드 노드로 변경될 수 있고, 반대로 헤드 노드가 멤버 노드로 변경될 수도 있음을 주지할 필요가 있다.
도 2는 본 발명의 실시예에 따른 인지 무선 네트워크에서의 주파수 자원 할당 장치(100)에 대한 블록도이다.
도 2에 도시한 바와 같이, 본 발명의 실시예에 따른 주파수 자원 할당 장치(100)는, 데이터 메모리부(110), 보상 함수 계산부(120), 강화 학습부(130), 채널 선택부(140) 및 대역 변환 판단부(150)를 포함할 수 있다.
데이터 메모리부(110)는 선택된 채널을 사용한 후 각각의 후보 채널들에 대해 채널 가용 시간(111), 채널 가용 시간의 최대값(112), 채널 전송률(113), 평균 채널 전송률(114) 및 평균 채널 전송률의 최대값(115)을 저장한다.
보상함수 계산부(120)는 선택된 채널로부터 얻을 수 있는 보상값을 총 보상함수로 계산하는 총 보상함수 계산부(121)와, 총 보상함수 계산부(121)에서 사용될 채널 사용 효율 보상함수(reward for channel utilization)를 제공하는 채널 사용 효율 보상함수 제공부(122)를 포함할 수 있다.
총 보상함수 계산부(121)는 다음 [수학식 1]에 의해 총 보상함수(R)를 계산할 수 있다.
Figure 112018035411670-pat00001
여기서,
Figure 112018035411670-pat00002
는 채널 가용 시간, max(
Figure 112018035411670-pat00003
)는 채널 가용 시간의 최대값, E[
Figure 112018035411670-pat00004
]은 평균 채널 전송률, max E(
Figure 112018035411670-pat00005
)는 평균 채널 전송률의 최대값,
Figure 112018035411670-pat00006
은 채널 사용 효율 보상함수,
Figure 112018035411670-pat00007
는 오버헤드(overhead),
Figure 112018035411670-pat00008
~
Figure 112018035411670-pat00009
는 가중치를 각각 나타낸다.
[수학식 1]에서 알 수 있듯이, 총 보상함수(R)는 선택한 채널의 정규화된 동작 시간(
Figure 112018035411670-pat00010
), 정규화된 평균 데이터 전송률(.
Figure 112018035411670-pat00011
), 선택한 채널이 제공하는 전송률을 충분히 사용하는지에 대한 채널 사용 효율 보상함수(reward for channel utilization,
Figure 112018035411670-pat00012
), 대역을 변환하여 동작할 때 시스템에서 소요되는 오버헤드(
Figure 112018035411670-pat00013
) 각각에 대해 가중치(
Figure 112018035411670-pat00014
~
Figure 112018035411670-pat00015
)를 부여하고, 이들을 합산하여 계산될 수 있다.
정규화된 동작 시간(
Figure 112018035411670-pat00016
)은, 선택한 채널의 가용 시간(
Figure 112018035411670-pat00017
)을 선택한 채널이 속한 대역 그룹(channel band group, cbg)에서 채널의 가용 시간들(
Figure 112018035411670-pat00018
) 중 최대값으로 나누어 계산될 수 있다.
정규화된 평균 데이터 전송률(
Figure 112018035411670-pat00019
)은, 선택한 채널의 평균 채널 률전송률(E[
Figure 112018035411670-pat00020
])을 선택한 채널이 속한 대역 그룹(cbg)에서 채널의 평균 데이터 전송들(
Figure 112018035411670-pat00021
) 중 최대값으로 나누어 계산될 수 있다.
채널 사용 효율 보상함수(
Figure 112018035411670-pat00022
)는, 선택한 채널이 제공하는 전송률을 클러스터가 요구하는 채널 전송률(DDR)에 대한 효율로 평가하여 계산될 수 있다. 이러한 채널 사용 효율 보상함수(
Figure 112018035411670-pat00023
)는 채널 사용 효율 보상함수 제공부(122)에 의해 제공될 수 있으며, 이에 대해서는 도 7에서 상세히 다루기로 한다.
대역 변환에 대한 오버헤드(
Figure 112018035411670-pat00024
)는, 클러스터가 대역을 변환하여 동작할 때 시스템의 RF, 물리계층, MAC계층의 구성 요소들이 그에 맞게 변환하는데 소요되는 비용을 의미하며, 이러한 오버헤드(
Figure 112018035411670-pat00025
)는 다음 [수학식 2]와 같이 표현될 수 있다.
Figure 112018035411670-pat00026
여기서,
Figure 112018035411670-pat00027
는 현재 선택한 채널,
Figure 112018035411670-pat00028
는 이전에 선택한 채널,
Figure 112018035411670-pat00029
는 현재 선택한 채널(
Figure 112018035411670-pat00030
)이 속한 채널 대역,
Figure 112018035411670-pat00031
는 이전에 선택한 채널(
Figure 112018035411670-pat00032
)이 속한 채널 대역을 각각 나타낸다.
[수학식 2]를 참조하면, 이전에 선택한 채널(
Figure 112018035411670-pat00033
)이 속한 채널대역(
Figure 112018035411670-pat00034
)과, 현재 선택한 채널(
Figure 112018035411670-pat00035
)이 속한 채널대역(
Figure 112018035411670-pat00036
)이 서로 상이하여 대역 변환이 발생하면,
Figure 112018035411670-pat00037
의 값으로 오버헤드가 발생하고, 그렇지 않으면 오버헤드가 발생하지 않음을 알 수 있다. 이러한 대역 변환 발생 여부는 대역 변환 판단부(150)에 의해 판단될 수 있다.
강화 학습부(130)는 보상함수 계산부(120)를 통해 계산되는 총 보상함수를 기초로 강화학습 알고리즘을 수행하고, 강화학습 알고리즘 수행 결과를 채널 선택부(140)로 제공할 수 있다. 이러한 강화 학습부(130)는, 예를 들어 Q-러닝(Q-learning)을 적용하여 강화학습을 위한 Q-값을 계산하고, 계산된 Q-값에 대한 Q-테이블을 작성할 수 있다.
Q-러닝이 적용된 강화 학습부(130)는, 도 2에 도시한 바와 같이, Q-테이블(131)과 Q-값 계산부(132)를 포함할 수 있다.
Q-테이블(131)은 시간 영역(t) 및 지역 영역(g)으로 구분될 수 있으며, Q-값 계산부(132)는 시간 영역(t) 및 지역 영역(g)으로 구분된 Q-테이블(131)에 기록하기 위한 Q-값을 계산할 수 있다. 이러한 시간 영역(t)과 지역 영역(g)에 대해 존재하는 Q-테이블(131)은 Q-값 계산부(132)와 함께 하기 도 4에서 상세히 설명하기로 한다.
채널 선택부(140)는 강화 학습부(130)의 Q-테이블(131)을 기초로 클러스터 그룹 내의 채널을 선택할 수 있다.
도 3은 이러한 채널 선택부(140)의 채널 선택 과정을 시계열적으로 표현한 도면이다.
도 3을 참조하면, 우선 사용자가 검출되어(301) 다른 채널로 이동할 필요가 있을 때, 강화 학습(Q-러닝)을 사용하여 채널 대역 그룹 j의 i번째 채널(
Figure 112018035411670-pat00038
)을 선택한다. 그리고, 선택한 채널에 대한 정보를 갱신하고 보상함수를 계산하기 위해, (n)번째 동작 구간(303)에서 채널 대역 그룹 j의 i번째 채널(
Figure 112018035411670-pat00039
)에 대한 평균 가용 데이터 전송률을 계산하고, 채널(
Figure 112018035411670-pat00040
)의 채널 운영 시간(
Figure 112018035411670-pat00041
)을 측정한다.
그리고, (n)번째 동작에 대해 데이터 전송률에 대한 데이터 전송률 활용도(DRE)와 현재 선택한 채널이 속한 대역(cbg)으로 현재 상태를 정의할 수 있다. 이러한 현재 상태는 Q-테이블(131)에 기록될 수 있으며, 이에 대해서는 도 4에서 설명하기로 한다.
현재 상태를 정의한 뒤, 채널(
Figure 112018035411670-pat00042
)의 채널 선택에 대한 총 보상값(total reward) (도 2의 총 보상함수 계산부(121)에 의한 계산 결과)을 계산하고, 이전 상태((n-1)번째 동작(302))에서 이전 선택 채널(
Figure 112018035411670-pat00043
)에 대한 Q-테이블(131)을 갱신한다.
마지막으로 대역 외 센싱 결과로부터 가용한 모든 채널들의 클러스터 채널 리스트를 확보하고, 사용하던 채널에 등장한 우선 사용자를 회피하기 위해 Q-러닝 알고리즘을 사용하여 다음 채널을 선택(306)한 뒤 마지막으로 채널을 변경한다.
이러한 일련의 과정들을 반복적으로 수행하면서 동적으로 채널을 선택할 수 있다.
도 4는 본 발명의 실시예에 따른 인지 무선 애드혹 네트워크 환경에서 강화학습을 사용하는 데에 있어 활용되는 Q-테이블(131)에 대한 예시 도면이다.
도 4에 도시한 바와 같이, Q-테이블(131)은 채널 환경이 지역적, 시간적으로 다른 것을 반영하여 첫 번째 행은 지역 영역(g)으로 구분되고(401), 각 지역 영역(g)은 시간 영역(t)으로 구분(402)될 수 있다. 그리고, 선택한 채널이 속한 대역 그룹으로 구분(403)되고, 마지막으로 현재 채널이 제공하는 데이터 전송률을 클러스터가 요구하는 데이터 전송률(DDR)이 소모하는 비율인 데이터 전송률 활용도(DRE)(404)로 구분될 수 있다.
도 4를 참조하여 Q-테이블(131)의 열은 채널이 속하는 대역의 대역 그룹1로 (405)로 구분되고 이는 다시 대역 그룹1에 속한 채널로 구분(406)된다.
도 4의 Q-테이블(131)의 값을 사용하여 도 2의 Q-값 계산부(132)에서 수행되는 Q-값 계산 과정은 다음 [수학식 3]으로 나타낼 수 있다.
Figure 112018035411670-pat00044
[수학식 3]에서
Figure 112018035411670-pat00045
와 γ는 각각 학습률과, 할인 계수를 나타내며, 이러한 Q- 계산부(132)의 Q-값 계산 과정은 강화학습 알고리즘 분야에서 통상의 지식을 가진 자라면 용이하게 이해할 수 있는 바, 구체적인 설명은 생략하기로 한다.
도 5는 본 발명의 실시예에 따른 주파수 자원 할당 과정에서 고려되어야 할 채널 대역 사용 효율에 대한 개념을 도시한 도면이다.
도 5를 참조하여, 채널이 속한 대역 그룹들, 예컨대 대역 그룹1(HF)(511), 대역 그룹2(VHF)(512) 및 대역 그룹3(UHF)(513)은, 낮은 주파수 대역에 속한 대역폭(514)보다 높은 주파수 대역에 속한 대역폭(516)이 더 넓다. 따라서, 클러스터에서 요구되는 데이터 전송률(DDR)이 충족되는 대역폭이 대역 그룹1(HF)(511)의 대역폭(514)이라고 할 때, 이보다 불필요하게 높은 데이터 전송률을 제공하는 채널인 대역 그룹3(UHF)(513)의 대역폭(516)을 선택하면, 높은 데이터 전송률을 요구하는 다른 클러스터가 선택할 채널을 소모하여 클러스터간의 자원 형평성을 낮추게 된다.
도 5를 참조하여 클러스터에서 요구되는 데이터 전송률(DDR)에 대해 선택한 채널이 제공하는 평균 데이터 전송률을 활용하는 데이터 전송률 활용도(DRE)는 다음 [수학식 4]와 같이 U 로 표현될 수 있다.
Figure 112018035411670-pat00046
여기서, D DDR 은 특정 클러스터의 요구 데이터 전송률, E[
Figure 112018035411670-pat00047
]은 평균 데이터 전송률을 나타낸다.
[수학식 4]를 참조하면, 선택한 채널이 제공하는 평균 데이터 전송률(E[
Figure 112018035411670-pat00048
])에 비해 클러스터에서 요구되는 데이터 전송률(D DDR )이 작으면 낮은 데이터 전송률 활용도를 나타내고, 반대로 데이터 전송률(D DDR )이 높으면 높은 데이터 전송률 활용도를 나타낸다.
도 5에 도시한 바와 같이, 대역 그룹1(W1)(521)에 대해 데이터 전송률 활용도(DRE)를 보면,
Figure 112018035411670-pat00049
구간은 낮은 채널 활용률(524)을 나타내고,
Figure 112018035411670-pat00050
구간은 중간 정도의 채널 활용률(525)을 나타내며,
Figure 112018035411670-pat00051
구간은 높은 채널 활용률(526)을 나타냄을 알 수 있다.
따라서, 낮은 채널 활용률을 갖게 되면 낮은 데이터 전송률을 제공하는 낮은 대역 그룹으로 이동하도록 주파수 자원을 할당하고(533), 중간 정도의 채널 활용률을 갖게 되면 사용 대역을 유지하도록 한다(534). 반면, 높은 채널 활용률을 갖게 되면 높은 데이터 전송률을 제공하는 높은 대역 그룹(532)으로 이동하도록 주파수 자원을 할당할 수 있다.
한편, 대역 그룹1(W1)(521)에서 낮은 채널 활용률을 가질 때에는 더 낮은 채널 대역 그룹이 없기 때문에 사용 대역을 유지하는 구간(531)이 된다. 또한, 대역 그룹3(W3)(523)에서 높은 채널 활용률을 가질 때에는 더 높은 채널 대역 그룹이 없기 때문에 이 또한 사용 대역을 유지하는 구간(535)이 된다.
도 6은 본 발명의 실시예에 따른 주파수 자원 할당 과정에서 채널 사용 효율에 대한 보상함수를 구하는 경우를 예시적으로 나타낸 도면으로서, 도 5를 병행 참조하면서 상세히 설명하기로 한다.
먼저, 도 5에서 사용 대역을 유지해야 하는 데이터 전송 활용도 구간, 예컨대 (531), (534) 및 (535) 구간은, 도 6에 도시한 바와 같이 채널 사용 효율 보상함수(
Figure 112018035411670-pat00052
)에 0을 할당하여 총 보상함수에 영향을 주지 않도록 설계한다. 이는 도 6의 (621), (625) 및 (629) 구간으로 표현될 수 있다.
반면, 높은 채널 대역으로 변경해야 하는 데이터 전송 활용도 구간, 예컨대 도 5의 (532) 구간은, 도 6에 도시한 바와 같이 데이터 전송 활용도가 높아질수록 증가하는 채널 사용 효율 보상함수(
Figure 112018035411670-pat00053
)를 설계할 수 있다. 이는 도 6의 (624) 및 (628) 구간으로 표현될 수 있다.
또한, 낮은 채널 대역으로 변경해야 하는 데이터 전송 활용도 구간, 예컨대 도 5의 (533) 구간은, 도 6에 도시한 바와 같이 데이터 전송 활용도가 높아질수록 감소하는 채널 사용 효율 보상함수(
Figure 112018035411670-pat00054
)를 설계할 수 있다. 이는 도 6의 (622), (623), (626) 및 (627) 구간으로 표현될 수 있다.
한편, 클러스터에서 선택한 채널이 제공하는 데이터 전송률이 (624) 및 (628) 구간(데이터 전송률이 불필요하게 큰 구간)보다 부족한 경우, (623) 및 (627) 구간에서는 클러스터 네트워크에 심각한 통신 불능을 야기할 수 있으므로, (623) 및 (627) 구간의 채널 사용 효율 보상함수 값은 (624) 및 (628) 구간보다 낮게 설계할 필요가 있다.
또한, 데이터 전송률 활용도(DRE)가 높은 채널 활용률을 나타내는 문턱값을 초과하게 될 경우, 총 보상함수가 Q-러닝에 충분히 영향을 줄 수 있도록 (622) 및 (626) 구간의 채널 사용 효율 보상함수는 불연속 지점인
Figure 112018035411670-pat00055
에서 시작한다.
도 7은 본 발명의 실시예에 따른 주파수 자원 할당 과정에서 채널 사용 효율에 대한 보상함수를 구하는 과정의 구체적인 흐름도이다.
도 7에 도시한 바와 같이, 각각의 데이터 전송 활용도 구간에 대해 단계 (702), (707), (709) 및 (714)로 데이터 전송률 활용도(U)를 분류한다.
먼저, 채널 사용 효율 평가 후(701), 단계(702)와 같이 낮은 데이터 전송률 활용도(
Figure 112018035411670-pat00056
)로 판단될 경우, 현재 대역 그룹(CBG)이 대역 그룹1(W1)에 포함되어 있다면(703), 현재 사용 대역을 유지하도록 채널 사용 효율 보상함수(
Figure 112018035411670-pat00057
)에 0을 할당할 수 있다(704).
이때, 단계(702)에서 낮은 데이터 전송률 활용도로 분류된 현재 대역 그룹(CBG)이 대역 그룹2(W2) 또는 대역 그룹3(W3)에 포함되어 있으면(705), 단계(706)와 같은 채널 사용 효율 보상함수(
Figure 112018035411670-pat00058
)를 할당할 수 있다.
반면, 단계(707)와 같이, 중간 정도의 데이터 전송률 활용도(
Figure 112018035411670-pat00059
)로 판단될 경우, 대역 그룹에 관계없이 채널 사용 효율 보상함수에 0을 할당할 수 있다(708).
또한, 단계(709)와 같이, 높은 데이터 전송률 활용도(
Figure 112018035411670-pat00060
)로 판단될 경우, 현재 대역 그룹(CBG)이 대역 그룹1(W1) 또는 대역 그룹2(W2)에 포함되어 있다면(710), 단계(711)와 같은 채널 사용 효율 보상함수(
Figure 112018035411670-pat00061
)를 할당할 수 있다.
이때, 단계(709)에서 높은 데이터 전송률 활용도로 분류된 현재 대역 그룹(CBG)이 대역 그룹3(W3)에 포함되어 있다면(712), 단계(713)와 같은 채널 사용 효율 보상함수(
Figure 112018035411670-pat00062
)를 할당할 수 있다.
또한, 단계(714)와 같이, 데이터 전송률 활용도가 1을 초과할 경우(
Figure 112018035411670-pat00063
)(714), 현재 대역 그룹(CBG)이 대역 그룹1(W1) 또는 대역 그룹2(W2)에 포함되어 있으면(715), 단계(716)와 같은 채널 사용 효율 보상함수(
Figure 112018035411670-pat00064
)를 할당할 수 있다.
이때, 단계(714)에서데이터 전송률 활용도가 1을 초과한 것으로 분류된 현재 대역 그룹(CBG)이 대역 그룹3(W3)에 포함되어 있으면(717), 단계(718)와 같은 채널 사용 효율 보상함수를 할당할 수 있다.
이상 설명한 바와 같은 본 발명의 실시예에 의하면, 인지 무선 네트워크 환경에서 강화학습을 통해 채널 가용 시간, 채널 전송률, 평균 채널 전송률, 오버헤드 등을 고려하여 주파수 자원을 할당함으로써, 인지 무선 애드혹 네트워크 시스템의 성능을 최대화하고 다른 네트워크들과의 정보교환 없이도 네트워크들 간의 자원을 공평하게 분배하도록 구현하였다.
한편, 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록에서 설명된 기능들을 수행하는 수단을 생성하게 된다.
이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 기록매체(또는 메모리) 등에 저장되는 것도 가능하므로, 그 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 기록매체(또는 메모리)에 저장된 인스트럭션들은 블록도의 각 블록에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다.
그리고, 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 적어도 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
110: 데이터 메모리부
120: 보상함수 계산부
130: 강화 학습부
140: 채널 선택부
150: 대역 변환 판단부

Claims (16)

  1. 클러스터 그룹 내의 노드들의 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 데이터 메모리부;
    상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하고, 상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 보상함수 계산부;
    상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하고, 상기 Q-값에 대한 Q-테이블을 작성하는 강화 학습부; 및
    상기 Q-테이블을 기초로 상기 클러스터 그룹 내의 채널을 선택하는 채널 선택부를 포함하고,
    상기 데이터 메모리부는,
    상기 채널 가용 시간의 최대값과, 상기 사용 가능한 채널 전송률의 평균 채널 전송률 및 상기 평균 채널 전송률의 최대값을 저장하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 보상함수 계산부는,
    상기 채널 가용 시간의 최대값에 대한 상기 채널 가용 시간의 비, 상기 평균 채널 전송률의 최대값에 대한 상기 평균 채널 전송률의 비, 상기 채널 사용 효율 보상함수 및 오버헤드를 이용하여 상기 총 보상함수를 계산하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치.
  4. 제 3 항에 있어서,
    상기 보상함수 계산부는,
    상기 채널 가용 시간의 최대값에 대한 상기 채널 가용 시간의 비, 상기 평균 채널 전송률의 최대값에 대한 상기 평균 채널 전송률의 비, 상기 채널 사용 효율 보상함수 및 상기 오버헤드에 대해 각각 가중치를 부여하여 상기 총 보상함수를 계산하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치.
  5. 클러스터 그룹 내의 노드들의 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 데이터 메모리부;
    상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하고, 상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 보상함수 계산부;
    상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하고, 상기 Q-값에 대한 Q-테이블을 작성하는 강화 학습부; 및
    상기 Q-테이블을 기초로 상기 클러스터 그룹 내의 채널을 선택하는 채널 선택부를 포함하고,
    상기 강화 학습부는,
    상기 노드들의 채널 환경을 지역 영역과 시간 영역으로 구분하여 상기 Q-테이블을 작성하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치.
  6. 클러스터 그룹 내의 노드들의 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 데이터 메모리부;
    상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하고, 상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 보상함수 계산부;
    상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하고, 상기 Q-값에 대한 Q-테이블을 작성하는 강화 학습부; 및
    상기 Q-테이블을 기초로 상기 클러스터 그룹 내의 채널을 선택하는 채널 선택부를 포함하고,
    상기 채널 선택부는,
    상기 Q-테이블을 기초로 상기 노드들의 데이터 전송률 활용도에 따라 상기 노드들이 서로 다른 대역 그룹으로 이동하도록 상기 클러스터 그룹 내의 채널을 선택하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치.
  7. 제 1 항에 있어서,
    상기 강화 학습부는,
    Q-러닝 알고리즘을 적용하여 상기 Q-테이블을 작성하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 장치.
  8. 제1 노드와 복수 개의 제2 노드가 클러스터 단위로 구성된 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법에 있어서,
    상기 제1 노드와 상기 복수 개의 제2 노드 간의 채널 정보 교환을 통해 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 단계;
    상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하는 단계;
    상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 단계;
    상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하는 단계;
    상기 Q-값에 대한 Q-테이블을 작성하는 단계; 및
    상기 Q-테이블을 기초로 클러스터 그룹 내의 채널을 선택하는 단계를 포함하고,
    상기 저장하는 단계는,
    상기 채널 가용 시간의 최대값과, 상기 사용 가능한 채널 전송률의 평균 채널 전송률 및 상기 평균 채널 전송률의 최대값을 저장하는 단계를 포함하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법.
  9. 삭제
  10. 제 8 항에 있어서,
    상기 총 보상함수를 계산하는 단계는,
    상기 채널 가용 시간의 최대값에 대한 상기 채널 가용 시간의 비, 상기 평균 채널 전송률의 최대값에 대한 상기 평균 채널 전송률의 비, 상기 채널 사용 효율 보상함수 및 오버헤드를 이용하여 상기 총 보상함수를 계산하는 단계를 포함하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법.
  11. 제 10 항에 있어서,
    상기 총 보상함수를 계산하는 단계는,
    상기 채널 가용 시간의 최대값에 대한 상기 채널 가용 시간의 비, 상기 평균 채널 전송률의 최대값에 대한 상기 평균 채널 전송률의 비, 상기 채널 사용 효율 보상함수 및 상기 오버헤드에 대해 각각 가중치를 부여하여 상기 총 보상함수를 계산하는 단계를 포함하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법.
  12. 제1 노드와 복수 개의 제2 노드가 클러스터 단위로 구성된 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법에 있어서,
    상기 제1 노드와 상기 복수 개의 제2 노드 간의 채널 정보 교환을 통해 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 단계;
    상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하는 단계;
    상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 단계;
    상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하는 단계;
    상기 Q-값에 대한 Q-테이블을 작성하는 단계; 및
    상기 Q-테이블을 기초로 클러스터 그룹 내의 채널을 선택하는 단계를 포함하고,
    상기 Q-테이블을 작성하는 단계는,
    상기 노드들의 채널 환경을 지역 영역과 시간 영역으로 구분하여 상기 Q-테이블을 작성하는 단계를 포함하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법.
  13. 제 12 항에 있어서,
    상기 Q-테이블을 작성하는 단계는,
    상기 지역 영역과 상기 시간 영역으로 구분된 Q-테이블을 상기 노드들의 현재 대역 그룹 및 데이터 전송률 활용도로 나누어 작성하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법.
  14. 제1 노드와 복수 개의 제2 노드가 클러스터 단위로 구성된 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법에 있어서,
    상기 제1 노드와 상기 복수 개의 제2 노드 간의 채널 정보 교환을 통해 사용 가능한 채널 가용 시간과 사용 가능한 채널 전송률을 저장하는 단계;
    상기 채널 가용 시간과 상기 채널 전송률을 기초로 채널 사용 효율 보상함수를 계산하는 단계;
    상기 채널 사용 효율 보상함수를 기초로 총 보상함수를 계산하는 단계;
    상기 총 보상함수를 기초로 강화학습을 위한 Q-값을 계산하는 단계;
    상기 Q-값에 대한 Q-테이블을 작성하는 단계; 및
    상기 Q-테이블을 기초로 클러스터 그룹 내의 채널을 선택하는 단계를 포함하고,
    상기 채널을 선택하는 단계는,
    상기 Q-테이블을 기초로 상기 노드들의 데이터 전송률 활용도에 따라 상기 노드들이 서로 다른 대역 그룹으로 이동하도록 상기 클러스터 그룹 내의 채널을 선택하는 단계를 포함하는
    인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법.
  15. 제 8 항, 제 10 항 내지 제 14 항 중 어느 한 항의 상기 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법을 수행하는 명령어를 포함하는 프로그램이 기록된 기록매체.
  16. 제 8 항, 제 10 항 내지 제 14 항 중 어느 한 항의 상기 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법을 수행하는 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램.
KR1020180041358A 2018-04-10 2018-04-10 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치 KR102039650B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180041358A KR102039650B1 (ko) 2018-04-10 2018-04-10 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180041358A KR102039650B1 (ko) 2018-04-10 2018-04-10 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190118243A KR20190118243A (ko) 2019-10-18
KR102039650B1 true KR102039650B1 (ko) 2019-11-01

Family

ID=68462549

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180041358A KR102039650B1 (ko) 2018-04-10 2018-04-10 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102039650B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022014916A1 (ko) * 2020-07-15 2022-01-20 한양대학교 에리카산학협력단 패킷전송 결정 장치 및 패킷전송 스케줄 결정 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111669832B (zh) * 2020-05-25 2023-09-12 湖南智领通信科技有限公司 一种用于无线自组网的自动信道选择方法和装置
CN113448425B (zh) * 2021-07-19 2022-09-09 哈尔滨工业大学 一种基于强化学习的动态并行应用程序能耗运行时优化方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101136641B1 (ko) 2008-09-09 2012-04-18 주식회사 케이티 클러스터 헤드를 위한 주파수 채널 할당 방법
KR101571899B1 (ko) * 2009-03-29 2015-11-26 연세대학교 산학협력단 인지 무선 시스템에서의 채널 선택 장치 및 방법
KR101603431B1 (ko) * 2014-09-11 2016-03-15 성균관대학교산학협력단 동적 스펙트럼 액세스를 구현하기 위한 유전자 알고리즘 기반의 전송 파라미터 및 가중치 벡터 최적화 방법, 이를 이용한 인지 엔진 장치 및 인지 통신 무선 시스템
KR101879930B1 (ko) * 2016-05-03 2018-07-18 인하대학교 산학협력단 인지 무선 네트워크에서 유전자 알고리즘을 이용하여 효율적으로 주파수를 센싱하고 채널을 할당하는 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Xinran Chen et al, "Predictive and Recommendatory Spectrum Decision for Cognitive Radio", arXiv.org, Networking and Internet Architecture (2017.03.09.) 1부.*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022014916A1 (ko) * 2020-07-15 2022-01-20 한양대학교 에리카산학협력단 패킷전송 결정 장치 및 패킷전송 스케줄 결정 방법

Also Published As

Publication number Publication date
KR20190118243A (ko) 2019-10-18

Similar Documents

Publication Publication Date Title
Tarek et al. Survey on spectrum sharing/allocation for cognitive radio networks Internet of Things
KR102030128B1 (ko) 기계학습을 이용한 무선 백홀망 자원할당방법 및 자원할당 장치
KR102039650B1 (ko) 인지 무선 애드혹 네트워크에서의 주파수 자원 할당 방법 및 장치
Jouini et al. Upper confidence bound based decision making strategies and dynamic spectrum access
CN112383922B (zh) 一种基于优先经验重放的深度强化学习频谱共享方法
Chen et al. Swarm intelligence based dynamic control channel assignment in CogMesh
Berthold et al. Detection of spectral resources in cognitive radios using reinforcement learning
Pham et al. Spectrum handoff model based on hidden markov model in cognitive radio networks
Park et al. Network resource optimization with reinforcement learning for low power wide area networks
RU2593761C2 (ru) Способ и система управления спектром
CN110062017A (zh) 一种车联网中基于大数据与联盟博弈方法的内容分发方案
Balakrishnan et al. Deep reinforcement learning based traffic-and channel-aware OFDMA resource allocation
KR20170035375A (ko) 와이파이 네트워크에서 중앙 집중형 컨트롤러를 이용한 액세스 포인트 관리 방법
Liu et al. RtDS: real-time distributed strategy for multi-period task offloading in vehicular edge computing environment
CN103618674B (zh) 基于自适应服务模型的联合分组调度和信道分配路由方法
CN101730230B (zh) 一种频谱分配方法及装置
US20110058543A1 (en) Frequency block allocation apparatus and method, and computer program
CN114205317A (zh) 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备
CN101360319A (zh) 一种基于业务量的资源预留方法及装置
Bozkaya et al. Robust and continuous connectivity maintenance for vehicular dynamic spectrum access networks
CN113543065B (zh) 一种基于强化学习的通信资源分配方法及其相关设备
Jiang et al. On searching available channels with asynchronous MAC-layer spectrum sensing
CN105491573B (zh) 一种认知无线电干扰预测方法及系统
Christian et al. A low-interference channel status prediction algorithm for instantaneous spectrum access in cognitive radio networks
Hossain et al. Prioritized medium access control in cognitive radio ad hoc networks: protocol and analysis

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