KR20130018692A

KR20130018692A - 통신 네트워크에서의 데이터 전송을 위한 방법

Info

Publication number: KR20130018692A
Application number: KR1020127024279A
Authority: KR
Inventors: 파라그 모그레; 기욤 베르네트; 안드레아스 칠러
Original assignee: 지멘스 악티엔게젤샤프트
Priority date: 2010-02-16
Filing date: 2011-01-28
Publication date: 2013-02-25
Also published as: US20120307674A1; US8811427B2; ES2397571T3; EP2378722A1; CN102754398A; EP2378722B1; WO2011101221A1; CN102754398B

Abstract

본 발명은, 복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법을 지칭하고, 여기서, 상기 네트워크에서 제1 노드(SS1)로부터 제2 노드(SS2)로의 데이터 전송은, a) 과거 시간 기간에 걸쳐서 데이터 버퍼(BF)에 도착하는 데이터의 양들(A)을 설명하는 도착 히스토리 곡선(I)이 생성되도록, 상기 제1 노드(SS1)의 상기 데이터 버퍼(BF)에 도착하는 데이터를 분석하는 단계; b) 상기 도착 히스토리 곡선(I)을 프로세싱하는 단계 ― 상기 프로세싱은, 상기 도착 히스토리 곡선(I) 상에서의 웨이브릿 변환을 포함하고 그리고 복수 개의 신호들(CF1, CF2, ..., CF8)을 야기하고, 각각의 신호(CF1, CF2, ..., CF8)는 상기 웨이브릿 변환의 필터링된 컴포넌트(F1, F2, ..., F8)에 대응함 ―; c) 과거에 상기 버퍼(BF)에 도착된 데이터에 기초하는 트레이닝 패턴들로 트레이닝된 별도의 뉴럴 네트워크(NN)에서 각각의 신호(CF1, CF2, ..., CF8)를 프로세싱하여, 미래에 데이터 도착들을 위한 예보 신호들(FO1, FO2, ..., FO8)을 야기하는 단계; d) 미래 시간 기간에 상기 버퍼(BF)에 도착하는 데이터의 양(A)을 설명하는 도착 예보 곡선(FI)을 야기하는 예보 신호들(FO1, FO2, ..., FO8)을 재결합시키는 단계; e) 상기 제1 노드(SS1)에 의해, 도착 예보 곡선(FI)에 기초하여 대역폭을 예약하기 위한 대역폭 요청들(RE)을 생성하고, 그리고 상기 제1 노드(SS1)로부터 상기 제2 노드(SS2)로 상기 대역폭 요청들(RE)을 전송하는 단계; f) 상기 제2 노드(SS2)에 의해, 상기 대역폭 요청들(RE)에 기초하여 대역폭을 할당하는 단계; 및 g) 상기 할당된 대역폭 내에서, 상기 제1 노드(SS1)로부터 상기 제2 노드(SS2)로 데이터를 전송하는 단계를 포함한다.

Description

통신 네트워크에서의 데이터 전송을 위한 방법{A METHOD FOR DATA TRANSMISSION IN A COMMUNICATION NETWORK}

본 발명은, 대역폭 요청들을 생성하기 위한 방법뿐만 아니라, 통신 네트워크에서의 데이터 전송을 위한 방법을 지칭한다. 또한, 본 발명은 네트워크 노드 및 통신 네트워크를 지칭한다.

데이터를 전송하기 위해 대역폭 예약들을 이용하는 통신 네트워크들에는, 최적 대역폭 예약 방식을 제공하기 위한 바람이 있다. 이러한 최적 방식은 단지, 전송을 위한 충분한 대역폭을 적절한 시간에 예약한다, 즉 요구되는 대역폭은, 부가적인 지연 없이, 필요할 때, 전송들을 위해 통신 네트워크 내의 노드에 이용가능하다. 특히 TDMA(Time Division Multiple Access) 네트워크들에서, 네트워크의 런-타임 동안 대역폭 요건들의 온라인 추정에 대한 필요가 있다. 그 이유는, 대역폭을 예약하고 그리고 충돌이 없는 전송 스케줄들을 계산하기 위해 요구되는 제어 메커니즘들이 몇몇의 내재적 지연을 수반하기 때문이다. 미래에서의 대역폭 요구의 예측(prediction)은 도전적인데, 그 이유는 신속하게 변하는 부하를 갖는 복잡한 트래픽 패턴들이 고려되어야 하기 때문이다. 새로운 대역폭의 예약 프로세스가 시간 제약되므로, 근래에 대역폭 요구의 전개를 잘 보는 것이 필수적이다.

대역폭 요건 추정 그리고 더욱 일반적으로 트래픽 예측의 문제점은, 많은 상이한 분야들의 기술들, 예컨대 통신 네트워크들, 대중교통, 전기 및 유압 네트워크들에서 연구되어왔다. 문헌 [1]에서, 백본 상에서의 대역폭 요건을 예측하기 위해 소위 ARIMA(Auto Regressive Integrated Moving Average) 모델이 사용된다. 이러한 모델에서, 시계열(time series)은 상기 시계열이 고정 상태가 될 때까지 도출되고, 그런 다음에 가중치 계수(weight coefficient)들이 계산되고 그리고 예보(forecast)는 과거 이동 평균들의 가중된 합을 이용한다. 문헌 [2]에서, 대역폭을 예보하고 그리고 데이터 공급자들이 상기 데이터 공급자들의 대역폭 할당을 조절하는 것을 돕기 위해, ARCH(Auto Regressive Conditional Heteroskedasticity) 모델이 사용된다. 이러한 방법은, 대역폭 양자(quantum)를 상이한 정책들로 할당하고 그리고 할당해제하기 위한 양자화된 접근법에 기초한다.

문헌 [3]에서, 비디오 흐름의 전송을 위해 필요한 대역폭을 예측하기 위한 뉴럴(neural) 네트워크 접근법이 설명된다. 공보 [4]는 평균된 웹 세션 측정들의 시계열에 기초하여 웹 트래픽을 예보하기 위한 방법을 설명한다. 이러한 문헌에서, 웨이브릿 분해(wavelet decomposition)가 예측을 위한 뉴럴 네트워크들과 결합된다. 이러한 문헌의 방법은 통신 네트워크 내의 두 개의 노드들 사이의 데이터 전송을 위한 대역폭 예약 메커니즘을 설명하지 않는다. 문헌 [5]는, 네트워크 트래픽 이상(anomaly)들을 검출하기 위한 정보 추출을 용이하게 하기 위하여, 다수 개의 스케일들의 신호를 분해하기 위한 웨이브릿 필터링의 사용을 기재한다.

본 발명의 목적은, 통신 네트워크에서의 대역폭 예약 메커니즘을 제공하기 위한 것이고, 상기 대역폭 예약 메커니즘은 예상된 네트워크 트래픽에 기초한 정확하고 그리고 신뢰성 있는 대역폭 할당을 가능케 한다.

이러한 목적은 각각의 독립 청구항들의 방법들 및 디바이스들에 의해 해결된다. 본 발명의 바람직한 실시예들은 종속 청구항들에 설명된다.

본 발명에 따른 데이터 전송을 위한 방법은, 복수 개의 노드들을 포함하는 통신 네트워크에서 사용된다. 네트워크 내의 제1 노드로부터 제2 노드로의 데이터 전송을 위해, 여러 단계들이 수행된다. 단계 a)에서, 과거 시간 기간에 걸쳐 버퍼에 도착하는 데이터의 양들을 설명하는 도착 히스토리 곡선이 생성되도록, 제1 노드의 데이터 버퍼에 도착하는 데이터가 분석된다. 단계 b)에서, 도착 히스토리 곡선의 프로세싱이 수행되고, 여기서 상기 프로세싱은 도착 히스토리 곡선에 대한 웨이브릿 변환을 포함하고 그리고 복수 개의 신호들을 야기하고, 각각의 신호는 웨이브릿 변환의 필터링된 컴포넌트에 대응한다. 단계 c)에서, 웨이브릿 변환에 의해 생성된 각각의 신호는, 트레이닝 패턴들로 트레이닝된 별도의 뉴럴 네트워크 내에서 프로세싱되고, 상기 트레이닝 패턴들은 과거에 버퍼에 도착된 데이터에 기초한다. 이는, 미래, 즉 미래 시간 기간에 데이터 도착들에 대한 예보 신호들을 야기한다.

단계 d)에서, 생성된 예보 신호들은 재결합되어, 미래 시간 기간에 버퍼에 도착하는 데이터의 양들을 설명하는 도착 예보 곡선을 야기한다. 다시 그 이후에, 단계 e)에서, 도착 예보 곡선에 기초하여 대역폭을 예약하기 위한 대역폭 요청들이 제1 노드에 의해 생성되고 그리고 제1 노드로부터 제2 노드로 전송된다. 단계 f)에서, 대역폭 요청들에 기초한 대역폭이 제2 노드에 의해 할당된다. 최종 단계 g)에서, 제1 노드로부터 제2 노드로의 데이터가 제2 노드에 의해 할당된 대역폭 내에서 전송된다.

본 발명의 방법은 통신 네트워크들에서 데이터 전송을 위해 대역폭을 예약하기 위한 새로운 메커니즘을 제공한다. 이러한 메커니즘은, 웨이브릿 변환, 그리고 미래에서의 요구를 이용하여 대역폭의 예보를 생성하는 뉴럴 네트워크들에 기초한 예측 프레임워크를 사용한다. 상기 방법은 데이터 전송을 가능케 하고, 여기서 실제 이용가능한 대역폭은 전송될 데이터 스트림들을 위해 요구되는 대역폭과 더욱 잘 매칭된다. 이는, 지연 및 스루풋에 관하여 더욱 우수한 전송 품질을 유도한다. 특히, 상기 방법은 노드에 도착하는 트래픽에 의해 필요한 대로 유연성 있는 형태로 사전의 대역폭의 정확한 예약을 이용하는 데이터 전송을 가능케 한다.

본 발명의 바람직한 실시예에서, 데이터는, L2 계층으로 또한 불리는 잘-알려진 MAC 계층 상에서 MAC 프로토콜 데이터 유닛들/패킷들로서 전송된다.

다른 바람직한 실시예에서, 상기 방법은 데이터 및 제어 메시지들을 전송하기 위해 미리결정된 시간 인터벌들을 사용한다. 특히, 미리결정된 시간 인터벌은 데이터 서브프레임 ― 상기 데이터 서브프레임 내에서 데이터가 전송됨 ― 및 제어 서브프레임 ― 상기 제어 서브프레임 내에서 위에 언급된 대역폭 요청들을 포함하는 제어 메시지들이 전송됨 ― 을 포함한다.

본 발명의 방법은, 잘-알려진 표준 IEEE 802.16, 특히 표준 IEEE 802.16-2004의 소위 MeSH 모드로 동작되는 무선 네트워크에서 바람직하게 사용된다.

상이한 마더(mother) 웨이브릿들에 기초한 다양한 웨이브릿 변환들이 본 발명의 방법에서 사용될 수 있다. 바람직한 실시예에서, 웨이브릿 변환은, 마더 웨이브릿으로서 종래 기술에 잘-알려진 소위 Haar 웨이브릿에 기초한다. 이러한 마더 웨이브릿에 기초한 웨이브릿 변환은 본 출원의 상세한 설명에서 설명된다.

본 발명의 다른 바람직한 실시예에서, 웨이브릿 변환의 각각의 필터링된 컴포넌트는 복수 개의 (웨이브릿) 계수들을 포함하고, 각각의 계수는 과거 시간 기간 내의 시간 계단(step)과 연관되고, 상기 시간 계단들은 각각의 필터링된 컴포넌트에 대해 상이하다. 이러한 실시예의 바람직한 변형예에서, 과거 시간 기간 내의 인접한 시간 계단들 내에서 동일한 값을 갖는 계수들을 합침으로써, 각각의 필터링된 컴포넌트는 압축(compact)되고, 압축된 신호는 단계 b)에서 생성되는 신호이다. 바람직하게, 각각의 뉴럴 네트워크는 복수 개의 입력 뉴런들 및 출력 뉴런들을 포함하고, 여기서 각각의 입력 뉴런은 과거에 합쳐진 계수를 수신하고 그리고 각각의 출력 뉴런은 미래에 합쳐지는 계수를 제공한다.

예보 품질을 향상시키기 위하여, 본 발명의 일 실시예는, 이전(earlier) 트레이닝 패턴들의 값들에 기초하여 뉴럴 네트워크들의 출력들 상에 단계 c)에서의 신호 정정을 적용시킨다. 뉴럴 네트워크들을 실제 도착 히스토리에 적응시키기 위하여, 뉴럴 네트워크들은 규칙적인 시간 인터벌들로 또는 지속적으로 데이터 전송 동안 바람직하게 트레이닝된다.

본 발명의 다른 바람직한 실시예에서, 단계 e)에서 생성된 대역폭 요청들은 전송을 위해 예약될 데이터의 양 그리고 시간 길이 ― 상기 시간 길이에 대해, 상기 데이터의 양이 예약될 것임 ― 를 정의하는 지속 값을 특정한다. 이러한 실시예에서, 대역폭 요청들은 단계 e)에서 아래와 같이 바람직하게 생성된다:

- 도착 예보 곡선을 양자화된 예보 곡선으로 전이(transfer)시키고, 상기 양자화된 예보 곡선은, 대역폭을 예약하기 위해 사용되는 데이터 사이즈 유닛에 기초하여 양자화된다;

- 양자화된 예보 곡선 아래의 구역을 직사각형들에 의해 표현되어 있는 대역폭 요청들로 채우기 위한 채움 절차를 적용시키고, 상기 직사각형들은 대역폭 요청의 지속 값에 따른 시간 길이에 대응하는 시간 방향으로의 길이를 갖고 그리고 대역폭 요청 내에 특정된 데이터의 양에 대응하는 높이를 갖는다.

바람직하게, 위에 언급된 데이터 사이즈 유닛은 전술된 표준 IEEE 802.16에서의 미니슬롯에 대응한다.

위에 설명된 채움 절차는, 바람직한 실시예에서, 아래의 단계들을 포함한다:

ⅰ) 양자화된 예보 곡선을 시간 방향으로 연속적 스캔들로 스캐닝함으로써, 좌우 경계들을 검출하는 단계 ― 여기서, 하나의 스캔 내에서 좌측 경계와 우측 경계 사이에 커버되는 구역들은 제1 직사각형과 연관됨 ―;

ⅱ) 동일한 좌우측 경계들을 갖는 제1 직사각형들을 제2 직사각형들로 합치는 단계;

ⅲ) 직사각형들의 최소 개수가 각각의 제2 직사각형 내에 포함되도록, 시간 방향으로의 제2 직사각형들을 대역폭 요청들의 직사각형들로 채우는 단계.

위에 정의된 단계 ⅱ)에서, 예컨대 다수 개의 여분의 미니슬롯들 내의 데이터의 여분의 양이 제1 직사각형에 의해 커버되도록 허용함으로써 그리고 두 개 또는 그보다 많은 개수의 직사각형들을 합치기 위해 그렇게 함으로써, 제1 직사각형들 사이를 합치는 것이 바람직하게 수행된다. 또한, 직사각형들의 개수를 추가로 감소시키기 위하여, 단계 ⅱ)에서, 부가적인 과적합(overfitting) 절차가 사용될 수 있다. 이러한 부가적인 과적합 절차에 따라, 각각의 제2 직사각형의 길이는 미리결정된 값만큼 증가되고, 그리고 이러한 증가가 새로운 제2 직사각형에 합쳐질 수 있는 인접하거나 또는 겹쳐지는 제2 직사각형들을 야기하는 경우에, 상기 새로운 제2 직사각형은 상기 인접하거나 또는 겹쳐지는 제2 직사각형들을 대체한다.

또한, 본 발명의 다른 실시예에서, 동일한 좌우측 경계들을 갖는 대역폭 요청들의 직사각형들은 하나의 대역폭 요청으로 합쳐진다. 이러한 메커니즘은 또한 대역폭 요청들의 개수를 감소시킨다. 본 발명의 방법에서의 잘못된 예보들을 설명(account for)하기 위하여, 제1 노드 내의 버퍼의 상태가 바람직하게 모니터링되고 그리고 이들 에러들을 정정하기 위해 버퍼의 상태에 기초하여 부가적인 대역폭 요청들이 전송된다.

위의 데이터 전송 방법 외에, 본 발명은 또한 복수 개의 노드들을 포함하는 통신 네트워크에서 대역폭 요청들을 전송하기 위한 방법을 지칭하고, 상기 방법은 위의 데이터 전송 방법에서 특히 사용하기 좋다. 이러한 방법에서, 네트워크 내의 노드에 의해 발행되는 대역폭 요청은, 원하는 시작 시간을 표시하는 필드를 포함하고, 대역폭 요청에 따른 대역폭은 상기 원하는 시작 시간에 할당되어야 한다. 이러한 방법은, 위에 설명된 데이터 전송 방법에서 대역폭을 할당하기 위한 쉽고 그리고 간단한 메커니즘을 가능케 한다. 바람직하게, 대역폭 요청들을 전송하기 위한 방법은 표준 IEEE 802.16의 MeSH 모드로 동작되는 무선 통신 네트워크에서 사용되고, 여기서 원하는 시작 시간에 대한 필드를 포함하는 대역폭 요청은 소위 MSH-DSCH 메시지 내에 포함된다. 원하는 시작 프레임을 표시하는 필드에 대한 길이는 바람직하게 8 비트 필드이다.

위에 특정된 방법 외에, 본 발명은 또한 위에 설명된 바와 같은 데이터 전송 방법에서 사용하기 위한 네트워크 노드를 지칭한다. 이러한 노드는 아래의 컴포넌트들을 포함한다:

- 과거 시간 인터벌에 걸쳐서 버퍼에 도착하는 데이터의 양들을 설명하는 도착 히스토리 곡선이 생성되도록, 노드의 데이터 버퍼에 도착하는 데이터를 분석하기 위한 분석 수단;

- 도착 히스토리 곡선을 프로세싱하기 위한 프로세싱 수단 ― 여기서, 상기 프로세싱은 도착 히스토리 곡선에 대한 웨이브릿 변환을 수행하고 그리고 복수 개의 신호들을 생성하고, 각각의 신호는 웨이브릿 변환의 필터링된 컴포넌트에 대응함 ―;

- 트레이닝 패턴들 ― 상기 트레이닝 패턴들은 과거에 버퍼에 도착된 데이터에 기초함 ― 상에서 트레이닝된 별도의 뉴럴 네트워크 내에서 각각의 신호를 프로세싱하여, 미래에 데이터 도착들에 대한 예보 신호들을 야기시키기 위한 뉴럴 네트워크 프로세싱 수단;

- 미래 시간 기간에 버퍼에 도착하는 데이터의 양들을 설명하는 도착 예보 곡선을 야기하는 예보 신호들을 재결합시키기 위한 재결합 수단;

- 도착 예보 곡선에 기초하여 대역폭을 예약하기 위한 대역폭 요청들을 생성하고 그리고 대역폭 요청들을 제2 노드에 전송하기 위한 생성 수단;

- 대역폭 요청들에 응답하여 제2 노드에 의해 할당된 대역폭에 기초하여 데이터를 제2 노드에 전송하기 위한 스케줄링 수단.

또한, 본 발명은 대역폭 요청들을 전송하기 위한 위에 설명된 방법에서 사용하기 위한 네트워크 노드를 포함한다. 이러한 노드는 원하는 시작 시간을 표시하는 필드를 포함하는 대역폭 요청들을 전송하기 위한 전송 수단을 포함하고, 대역폭 요청에 따른 대역폭은 상기 원하는 시작 시간에 할당되어야 한다. 부가하여 또는 대안적으로, 상기 노드는, 원하는 시작 시간을 표시하는 필드를 포함하는 대역폭 요청들을 수신하고, 그리고 각각의 대역폭 요청에 따른 대역폭을 상기 원하는 시작 시간에 할당하기 위한 프로세싱 수단을 포함한다.

본 발명은, 복수 개의 노드들을 포함하는 통신 네트워크를 더 포함하고, 여기서 통신 네트워크는 본 발명에 따른 위에 설명된 방법들 중 임의의 방법을 수행하기 위해 적응된다.

본 발명의 실시예들이 동반된 도면들에 관하여 이제 설명될 것이다.

도 1은 무선 통신 표준 IEEE 802.16에서의 MeSH 모드 동작에서의 토폴로지를 나타낸다.
도 2는 본 발명의 실시예를 구현하기 위한 아키텍처의 개략도를 나타낸다.
도 3은 도 2에 도시된 뉴럴 웨이브릿 예보기에 대한 상세도를 나타낸다.
도 4는 본 발명에 따라 사용되는 웨이브릿 변환을 설명하는 도면이다.
도 5는 본 발명에 따라 사용되는 웨이브릿 변환의 예를 설명하는 도면들을 나타낸다.
도 6은 본 발명의 실시예에 따른 뉴럴 네트워크들의 트레이닝을 도시한다.
도 7은 본 발명의 실시예에 따라 대역폭을 예약하는 프로세스를 나타낸다.
도 8은 본 발명의 실시예에 따라 대역폭 요청들의 생성을 도시한다.
도 9는 본 발명의 실시예에 따라 생성된 바와 같은 대역폭 요청들을 포함하는 도면을 나타낸다.

본 발명의 실시예가 IEEE 표준 802.16의 소위 MeSH 모드로 동작되고 있는 무선 통신 네트워크에 관하여 이제 설명될 것이다. 이러한 표준은 도시권 통신망(metropolitan area network)들, 농어촌 지역망(rural network)들 또는 전사적 네트워크(enterprise-wide network)들을 지원하는 무선 통신 표준이다. 도 1은 MeSH 모드로 동작되고 있는 이러한 무선 통신 네트워크를 나타낸다. 네트워크는 복수 개의 노드들을 포함하고, 상기 복수 개의 노드들은 서로 통신하는 기지국들뿐만 아니라 가입자국들을 포함한다. 도 1에 도시된 MeSH 모드에서, 가입자국들(SS)은, 이웃 노드들 사이에 통신 링크들을 구축하도록 허용받고 그리고 대응하는 통신 링크들(CL')에 의해 표시된 바와 같이 직접적으로 서로 통신할 수 있다. 또한, 네트워크 내의 노드들 사이에 발생하는 장애물들이 참조 부호들 O에 의해 지시된다. 또한 가입자국들(SS)이 트래픽을 대응하는 기지국들(BS)에 전송할 수 있고 그리고 대응하는 기지국들(BS)로부터 트래픽을 수신할 수 있으며, 여기서 MeSH 모드 내의 기지국은 백홀(backhaul) 서비스들을 MeSH 네트워크에 제공하는 가입자국(SS)으로서 취급된다. IEEE 표준 802.16의 MeSH 모드는 MeSH 네트워크의 커버리지 내에서의 유연한 성장을 허용하고 그리고 노드들 사이의 통신을 위한 다수 개의 대안 패스(pass)들의 제공으로 인해 네트워크의 견고함(robustness)을 증가시킨다.

표준 IEEE 802.16은 TDMA(Time Division Multiple Access)-기반 전송을 설명하고, 여기서 MAC(medium access control) 프로토콜 데이터 유닛들은 데이터 서브프레임들로 전송되고, 그리고 데이터 전송을 제어하는 메시지들을 지칭하는 제어 데이터는 제어 서브프레임들로 전송된다. 데이터 서브프레임들 및 제어 서브프레임들 둘 다는 전체 시간 프레임의 부분이다. 이러한 시간 프레임은 복수 개의 시간 슬롯들로 나누어진다. 이들 시간 슬롯들로 전송되는 데이터는 소위 미니슬롯들 내에서 나누어진다. MeSH 모드에서 사용되는 제어 메시지들은 소위 MSH-DSCH 메시지들이다.

아래에서 설명되는 바와 같은 본 발명의 실시예에서, 노드들(SS 및 BS) 각각은 미래에 필요한 대역폭들의 예보들에 기초하여 대역폭을 예약하기 위한 아키텍처를 포함하고, 여기서 예보는 노드의 대응하는 버퍼에 도착하는 데이터에 의해 도출된다.

도 2는 본 발명의 실시예에 따른 대역폭 예약을 도시하는 아키텍처를 나타낸다. 도 2에서, 라인(L)으로부터 좌측의 컴포넌트들은 무선 통신 네트워크 내의 제1 노드/가입자국(SS1)을 지칭하고, 상기 제1 노드/가입자국(SS1)은 라인(L)의 우측에 위치된 제2 노드/가입자국(SS2)에 데이터를 전송하길 원한다. 도 2에 따라, MAC 데이터 패킷들 형태의 데이터(D)는 노드(SS1)의 버퍼(BF)에 도착한다. 이러한 데이터는 데이터 서브프레임 내의 미니슬롯들에 기초하여 제2 노드(SS2)에 전송될 것이다. 그렇게 하기 위해, 대역폭은 제2 노드(SS2)에 의해 예약되어야 하고 그리고 할당되어야 한다. 종래 기술에 따라, 대역폭은 버퍼(BF) 내에서의 현재 데이터 도착에 의하여 예약되었고, 제2 노드 내에서 대역폭을 예약하기 위해 사용된 소위 쓰리-웨이 핸드쉐이크 프로세스로 인해 데이터 전송에서의 지연을 야기했다. 핸드쉐이크 프로세스는 표준 IEEE 802.16에 잘-알려져 있고 그리고 대역폭이 어떻게 예약되는지를 설명한다. 이러한 프로세스는 아래에 더욱 상세하게 설명될 것이다.

종래 기술과 반대로, 도 2에 도시된 시스템은, 버퍼(BF)에 기초하여 미래 대역폭 요구들을 예보함으로써 사전 대역폭 예약을 제공한다. 그렇게 하기 위해, 버퍼(BF) 내에서의 데이터 도착들로부터 분석 수단(AM)에 의해 도착 히스토리가 생성된다. 이러한 도착 히스토리는 뉴럴 웨이브릿 예보기(NWF)에 대한 입력 신호(I)를 형성한다. 예보기(NWF) 및 분석 수단(AM)은 기준 생성기(RG)의 부분이다. 입력 신호(I)는, 과거 시간 인터벌 내에서 각각의 시간 프레임에서 버퍼(BF)에 진입했던 바이트 단위의 데이터의 양으로 특정된다. 또한, 버퍼 상태들을 특정하는 신호(BS)는 분석 수단(AM)에 의해 생성되고 그리고 버퍼 상태 프로세서(BSP)에 입력되고, 상기 버퍼 상태 프로세서(BSP)는 또한 기준 생성기(RG)의 부분이다. 버퍼 상태 프로세서의 출력은 요청 생성기(RQ)로 불리는 컴포넌트의 부분인 소위 버퍼 드레이너(drainer)(BD)에 입력된다. 컴포넌트들(BSP 및 BD)의 기능들이 추후에 설명될 것이다.

요청 생성기(RQ)는, 뉴럴 웨이브릿 예보기(NWF)의 출력을 수신하고 그리고 대역폭 요청들(RE)을 생성하는 요청 패커(packer)(RP)를 더 포함하고, 상기 대역폭 요청들(RE)은 요청 전송기(RS)에 의해 제2 노드(SS2)에 전송된다. 또한, 대역폭 요청들이 또한 버퍼 드레이너(drainer)(BD)에 의해 생성된다. 이들 대역폭 요청들은 또한 요청 전송기(RS)에 의해 제2 노드(SS2)에 전송된다. 대역폭 요청들(RE)은 제2 노드 내에서 대역폭 할당기(BA) 내에 수신되고, 상기 대역폭 할당기(BA)는 대역폭 요청(RE) 내에 특정된 바와 같이 대역폭을 할당한다. 대역폭 할당은, 도 2에서 MI로서 지시된 대응하는 미니슬롯들에 기초하여 이루어진다. 대역폭 할당의 프로세스에서, 대역폭 할당기(BA)는, 대역폭 요청(RE)에 응답하여, 승인(GR)을 제1 노드(SS1)의 데이터 스케줄러(DS)에 전송한다. 이러한 데이터 스케줄러는 승인들에 기초하여 데이터 전송을 스케줄링하는 것을 담당한다. 승인(GR)을 수신한 이후, 승인 확인(GC)이 데이터 스케줄러(DS)로부터 제2 노드(SS2)로 역으로 전송된다. 표준 IEEE 802.16에 따라, 승인 확인을 전송한 이후, 제1 노드에 의해서만 할당된 대역폭이 사용될 수 있다. 충돌들을 방지하기 위하여 이러한 제약이 구현되는데, 그 이유는 위의 제어 메시지들(RE, GR 및 GC)이 네트워크 내에서 브로드캐스팅되기 때문이다. 대역폭 요청(RE), 승인 메시지(GR) 및 승인 확인(GC)의 설명된 교환은 위에 언급된 쓰리-웨이 핸드쉐이크에 대응한다.

아래에서는, 도 2의 아키텍처에 기초한 특정 예가 이제 상세히 설명될 것이다. 이러한 예에서, 도착 히스토리는 과거 512(회) 프레임들로 버퍼(BF)에 도착된 데이터 양들을 포함한다. 따라서, 입력(I)은 2-차원 도면으로 곡선을 설명하고, 여기서 가로 좌표는 프레임들(f)에 대응하고 그리고 세로 좌표는 바이트 단위의 데이터 양들(A)에 대응한다. 이러한 입력 신호의 예가 도 5의 도면들(D1 내지 D4)에 도시된다. 대응하는 대역폭 요청들을 생성시키기 위해 사용되는 미래 데이터 도착들의 예보는 기준 생성기(RG)의 뉴럴 웨이브릿 예보기(NWF)에 의해 계산된다. 도 3은, 아래에서 상세히 설명될 이러한 예보기의 서브컴포넌트들을 나타낸다.

도 3에 도시된 예보기는 데이터 도착 히스토리 곡선에 대응하는 위에 설명된 입력(I)을 수신하는 웨이브릿 필터 뱅크(WFB)를 포함한다. 웨이브릿 필터 뱅크는 입력 신호(I)에 대한 웨이브릿 변환을 수행하고, 여기서 웨이브릿 변환들 자체는 종래 기술로부터 알려진다. 웨이브릿 변환은 입력 신호의 시간 및 주파수 도메인 둘 다에 관한 정보를 제공한다. 웨이브릿 변환은 신호의 세부(detail) 레벨들을 고려하는 여러 패스들로 상기 신호를 필터링한다. 도 4는 본 명세서에 설명되는 실시예에 사용되는 웨이브릿 변환의 재귀적(recursive) 계산에 대한 예를 나타낸다. 이러한 예에서, 입력 신호(I)는 상이한 별개 시간 프레임들에 있는 복수 개의 값들 s(i)을 포함하고, 여기서 256개 프레임들이 고려된다. 세 개의 패스들(P1, P2 및 PN)이 도시되고, 여기서 제1 패스는 P1으로서 지시되고, 제2 패스는 P2로서 지시되고 그리고 변환 내에서의 최종 패스인 제3 패스는 PN으로서 지시된다. 각각의 패스에서, 인접한 시간 인터벌들의 값들 사이의 차이 (s(i) - s(i+1))/2를 계산함으로써, 선행 패스로부터의 입력 신호(I) 또는 스무딩(smoothing)된 신호(S)가 분석되고, 여기서 하나의 패스로부터 다음 차례의 패스로의 시간 인터벌의 길이는 두 배가 된다. 또한, 스무딩된 신호(S)는 평균 값 (s(i) + s(i+1))/2으로서 계산된다.

도 4의 웨이브릿 변환은 마더 웨이브릿으로서 잘-알려진 Haar 웨이브릿에 기초한다. 이러한 웨이브릿은 아래와 같이 정의된다:

Haar 마더 웨이브릿의 장점들은, 상기 Haar 마더 웨이브릿의 계산적 단순성, 그리고 상기 Haar 마더 웨이브릿이 계단 함수의 형상을 갖는 필터링된 컴포넌트들을 산출한다는 사실이다. 이는, 직사각형들로서 그래픽적으로 표현될 수 있는 요청들을 추출하기에 실용적이다.

도 4에 따라, 입력 신호(I)에 대한 웨이브릿 변환의 각각의 패스는 특정 레벨의 세부들을 포착한다. 제1 패스는 일-프레임 너비 세부들, 즉 고주파수들을 드러내고, 제2 패스는 두 개의 프레임들의 세부들을 드러내고, 제3 패스는 네 개의 프레임들의 세부들을 드러내고 등이다. i번째 패스는 웨이브릿 계수들(Ci)의 세트를 생성한다. 도 4는 패스들(P1, P2 및 PN)에 대한 계수들(C1, C2 및 CN)을 각각 나타낸다. 도 4의 실시예에서, 입력 신호(I)는 256회 프레임들의 사이즈로 시작한다. 웨이브릿 변환의 제1 패스(P1)는, 도 4의 C1에 대응하여, 사이즈 128의 스무딩된 신호 그리고 또한 사이즈 128의 웨이브릿 계수들의 어레이를 리턴한다. 도 4에 도시된 바와 같이, 프로세스는 스무딩된 신호에 대하여 재귀적으로(recursively) 반복된다. 매번, 결과적 스무딩된 신호의 길이 및 계수들의 개수가 2로 나누어진다. 마지막 패스(PN) 이후, 단일 웨이브릿 계수(CN)(N = 8) 및 Haar 값(HV)이 수신되고, 상기 Haar 값(HV)은 실제로 입력 신호 평균(샘플들의 쌍의 재귀적 평균)이다. 따라서, 전체 웨이브릿 변환은 감소하는 길이의 계수 행들의 세트를 리턴하고, 여기서 각각의 행은 특정 세부 레벨에 대응한다. 리버스(reverse) 웨이브릿 변환은 웨이브릿 계수들로부터 본래 신호를 재구성시킨다.

특정 레벨의 세부들만을 유지하기 위해, 관심대상 행을 제외한 계수들 전부를 삭제시키고 그리고 계수들의 이러한 변경된 세트에 기초하여 역(inverse) 웨이브릿 변환을 이용하여 신호를 재구성시키는 것이 필요하다. 이는, 초기 신호로부터, 어느 계수들(Ci)이 유지되었는지에 따라, 너비가 2의 거듭제곱(power)인 계단들을 갖는 상기 초기 신호의 계단 함수 컴포넌트들을 효과적으로 추출한다.

아래의 표는, 길이 256의 입력 신호에 대해, 웨이브릿 계수 어레이들의 사이즈 및 대응하는 세부들(시간 프레임들의 개수가 단위인 계단 사이즈/너비)을 열거한다:

결과로, 신호 길이가 2의 다른 거듭제곱이라면 값들은 변한다. 256의 이러한 값이 선택되었는데, 그 이유는 상기 값이 128개까지의 프레임들의 너비의 세부들을 유도하기 때문이다. 이러한 세부들은, 128개의 프레임들에 또한 대응하는 소위 지속(P6)에 매칭된다. 더 작은 너비의 세부들은 더 작은 지속들에 매칭된다. 본 명세서에 설명된 실시예에서, 지속 값은 프레임 단위의 시간 길이를 설명하고, 상기 시간 길이 동안에, 추후에 설명되는 바와 같은 대역폭 요청이 유효하다. 지속 값(P1)은 하나의 프레임을 지칭하고, 지속 값(P2)은 두 개의 프레임들을 지칭하고, 지속 값(P3)은 네 개의 프레임들을 지칭하고, 지속 값(P4)은 여덟 개의 프레임들을 지칭하고, 지속 값(P5)은 32개의 프레임들을 지칭하고, 지속 값(P6)은 128개의 프레임들을 지칭하고 그리고 지속 값(P7)은 무한 개수의 프레임들을 지칭한다.

도 5는 네 개의 도면들(D1 내지 D4)에 기초한 웨이브릿 필터링의 결과들의 예를 나타낸다. 각각의 도면(D1 내지 D4)은, 가로 좌표를 따라서 프레임 개수(f) 그리고 세로 좌표를 따라서 바이트 단위의 데이터의 양(A)을 나타낸다. 본래 신호(I)는 변조된 사인 함수에 대응하는 실선에 의해 도시된다. 각각의 도면은, 개별 웨이브릿 계수들(C1, ..., C8)에 기초하고 있는 필터링된 신호들/컴포넌트들(F1, F2, ..., F8)(점선들)을 포함한다. 또한, 신호(I)의 평균(AV)은 도면(D1)에 도시된다. 도면들로부터 볼 수 있는 바와 같이, 각각의 컴포넌트(F1 내지 F8)는 계단 함수에 대응하고, 여기서 세부의 레벨은 F1로부터 F8로 떨어진다. 함수(F1)는, 계수 어레이(C1)로부터 추출된 필터링된 컴포넌트이고, 그리고 따라서 하나의 프레임(고주파수)의 세부 너비를 갖는다. 그와 반대로, 필터링된 컴포넌트(F8)는 웨이브릿 계수 어레이(C8)로부터 추출되고 그리고 128개의 프레임들(저주파수)의 세부 너비를 갖는다.

도 5에 도시된 도면들은 다중레벨 분해를 도시하는데, 그 이유는 다중레벨 분해가 본 명세서에 설명되는 바와 같이 대역폭 예약 프레임워크에서 사용되기 때문이다. 도 5에 도시된 필터링된 컴포넌트들로부터 본래 신호를 재구성시키기 위해, 단지, 여덟 개의 컴포넌트들을 합해야 하고, 그리고 최종 합에서 단 한 번 평균 값을 유지시키기 위하여 평균 값을 7회 차감해야 한다.

도 3으로 돌아가면, 웨이브릿 필터 뱅크(WFB)는 대응하는 필터링된 컴포넌트들(F1 내지 F8)을 야기하고, 상기 대응하는 필터링된 컴포넌트들(F1 내지 F8)은 그런 이후에 소위 프레임 애그리게이션(aggregation) 모듈(FA)로 입력되고, 상기 프레임 애그리게이션 모듈(FA)은 아래에서 설명될 것이다. 추후에 설명되는 바와 같은 예보를 수행하는 뉴럴 네트워크들을 위한 트레이닝 패턴들을 추출하기 위해 웨이브릿 필터 뱅크(WFB)에 따른 필터링 프로세스의 결과가 사용된다. 입력 층의 사이즈, 즉 입력 뉴런들의 개수는, 뉴럴 네트워크 트레이닝을 위해 필요한 계산 시간에 영향을 주는 엘리먼트들 중 하나이다. 트레이닝을 위해 사용되는 신호의 각각의 샘플은 본 명세서에 설명된 실시예에서 하나의 입력 뉴런에 할당된다. 웨이브릿 필터링 프로세스로부터의 각각의 필터링된 컴포넌트는 256-프레임 길이의 계단 신호이고, 상기 256-프레임 길이의 계단 신호로부터, 뉴럴 네트워크에 대한 입력으로서 128-프레임 길이의 부분이 사용될 것이다. 각각의 컴포넌트에 대하여, 별도의 뉴럴 네트워크가 사용되고, 여덟 개의 뉴럴 네트워크들을 야기한다. 이는, 여덟 개의 뉴럴 네트워크들 각각에 대해 128개의 입력 뉴런들을 시사한다. 그러나, 필터링된 신호들이 계단 너비에 대해 2의 특정 거듭제곱을 갖는 계단 함수들이므로, 몇몇의 정보는 중복적이다. 하나의 뉴런에 대한 입력으로서 필터링된 신호 내의 각각의 프레임에 대한 값을 사용하는 대신에, 각각의 계단의 진폭이 본 명세서에 설명된 실시예에서 사용된다. 이는, 정보를 잃어버리지 않고서, 입력 뉴런들의 개수를 줄이는 것을 허용하고, 그리고 그에 따라, 뉴럴 네트워크들의 트레이닝 페이즈(phase)를 가속시키는 것을 허용한다. 이러한 절차는 프레임 애그리게이션을 지칭하고, 여기서, 각각의 계단의 진폭을 단 한 번 유지시킴으로써 프레임들이 애그리게이팅된다. 이러한 프레임 애그리게이션은 도 3의 프레임 애그리게이션 모듈(FA)에 의해 수행된다.

예컨대, 4번째 필터링된 컴포넌트(F4)는 2³ = 8개의 프레임들의 계단 너비를 갖는 계단 함수이다. 프레임 애그리게이션은 단지 1번째 샘플, 9번째 샘플, 17번째 샘플, ... 만을 유지시킬 것이다. 실로, 1번째 여덟 개의 샘플들은 동일한 값(계단 진폭)을 갖는다. 이어지는 여덟 개에 대해서도 마찬가지이고 등이다. 4번째 뉴럴 네트워크에 피딩하기 위해, 이러한 애그리게이팅된 신호가 사용될 것이다. 이러한 경우에, 중복 정보를 제거시키는 것은, 입력 뉴런들의 개수를 1/8배로 감소시킨다. 따라서, 1번째 필터링된 컴포넌트와 연관된 뉴럴 네트워크를 제외하고서, 예보를 위해 사용되는 각각의 뉴럴 네트워크는 프레임 애그리게이션으로부터 이득을 얻을 것이다. 그 이유는, 1번째 필터링된 컴포넌트가 하나의 프레임의 계단 너비를 갖고 그리고 따라서 프레임 애그리게이션이 효과를 갖지 않기 때문이다.

각각의 뉴럴 네트워크의 출력 층은 또한 위에 설명된 프레임 애그리게이션의 사용에 의해 동일한 비율로 감소된다. 추후에 설명되는 바와 같이 초기 계단 형상을 복원시키기 위해 각각의 뉴럴 네트워크의 출력이 디애그리게이팅(deaggregating)될 것이다. 도 3으로 돌아가면, 프레임 애그리게이션 모듈(FA)은 애그리게이팅된/압축된 신호들(CF1, CF2, ..., CF8)을 각각의 필터링된 컴포넌트(F1, F2, ..., F8)에 제공한다. 미래에서의 데이터 도착들을 예보하기 위해, 이들 압축된 신호들은 여덟 개의 뉴럴 네트워크들을 포함하는 모듈에 피딩될 것이다. 뉴럴 네트워크들은 도 3에서 NN으로서 지시된다. 여덟 개의 필터링된 신호들을 예보하기 위해, 뉴럴 네트워크들(NN)이 트레이닝된다. 뉴럴 네트워크들(NN)은 시그모이드(sigmoid) 활성화 함수들을 사용한다. 뉴럴 네트워크들은, 입력 패턴들을 인지하고 그리고 대응하는 출력 패턴들을 리턴하기 위해 점진적으로 학습한다. 위에 설명된 웨이브릿 변환을 첫 번째로 수행하고 그리고 그런 다음에 필터링된 컴포넌트들로부터 실제 패턴을 추출함으로써, 두 개의 계단들에서의 도착 데이터 신호로부터 패턴들이 추출된다.

본 명세서에 설명된 실시예에서, 도착 히스토리는 512개의 프레임들의 사이즈를 갖는다. 이러한 히스토리는 길이 256의 두 개의 부분들로 나누어진다. 반 쪽들 둘 다는, 위에 설명된 웨이브릿 필터 뱅크(WFB)로 필터링되고, 상기 웨이브릿 필터 뱅크(WFB)는 상기 반 쪽들 둘 다를 길이 256개 프레임들의 여덟 개의 필터링된 신호들의 두 개의 세트들로 변환시킨다. 대응하는 필터링된 신호들의 각각의 커플을 결합시킴으로써, 도착 히스토리에 대한 512개 프레임들의 결과적 길이가 획득된다.

본 명세서에 설명된 실시예에서, 뉴럴 네트워크들은 규칙적인 인터벌들로 트레이닝되고, 여기서 트레이닝 패턴들은, 아래의 두 개의 파라미터들에 따라, 필터링된 신호들로부터 추출된다:

- window: window는, 입력으로서 사용된 샘플들의 개수를 특정한다.

- lookAhead: lookAhead는, 예보된 프레임들의 개수이다.

일 예에서, 파라미터들 window 및 lookAhead는 128 및 150으로 각각 설정되었다. 이들 두 개의 파라미터들은, 각각의 뉴럴 네트워크의 입력 및 출력 층의 구성을 위한 기초로서 사용되지만, 위에 설명된 프레임 애그리게이션으로 인해 2로 연속으로 나누어진다. 여덟 개의 뉴럴 네트워크들(NN1, NN2, ..., NN8) ― 여덟 개의 필터링되는 컴포넌트들을 필터링함 ― 각각에 대한 입력 및 출력 층들에 대한 뉴런들의 개수가 아래의 표에 열거된다:

프레임 애그리게이션 없이 제1 뉴럴 네트워크(NN1)의 경우를 고려하면, 이러한 네트워크는 278개 샘플들을 포함하는 트레이닝 패턴을 필요로 하고, 128개 샘플은 입력을 위한 것이고 그리고 150개 샘플은 원하는 출력을 위한 것이다. 따라서, (길이 512의) 제1 필터링된 컴포넌트로부터, 512 - (128 + 150) + 1 = 235개 트레이닝 패턴들이 추출된다. 제2 뉴럴 네트워크(NN2)의 경우에, 필터링된 신호는 프레임 애그리게이션으로 인해 256의 길이를 갖는다. 2로의 나눔은 입력 및 출력 뉴런들의 개수에 대해서 또한 마찬가지이다. 결과적으로, 256 - (64 + 75) + 1 = 118개 트레이닝 패턴들이 추출될 수 있다. 각각의 뉴럴 네트워크에 대해, 추출은, 최신 이용가능 패턴에 의해, 즉 패턴의 원하는 결과가 마지막 완료된 프레임에서 종료되는 상기 패턴에 의해 시작한다. 과거의 시간에 하나의 프레임을 이동시킴으로써 트래이닝 패턴들은 추가로 추출된다. 이러한 패턴 추출 프로세스는 도 6에 도시된다. 이러한 도면은 수평 바(AH)로서 512개 프레임들의 도착 히스토리를 나타내고, 여기서 현재 프레임은 f'로서 지시된다. 후속 트레이닝 패턴들(TP1, TP2, TP3, TP4, ..., TPN)이 프레임 히스토리(AH) 아래에 수평 바들로서 표시된다. 트레이닝 패턴들은 화살표(AR)에 의해 분할되고, 여기서 화살표의 좌측에 있는 각각의 트레이닝 패턴의 바는 트레이닝을 위해 입력되는 프레임들을 지칭하고, 그리고 화살표의 우측에 있는 각각의 트레이닝 패턴의 바는 트레이닝 동안에 사용되는 원하는 출력을 지칭한다.

뉴럴 네트워크 트레이닝은 계산적으로 값비싼 작업이다. 본 발명의 방법에서는, 뉴럴 네트워크들의 인지 성능들을 도착 데이터 신호에 적응시키기 위해 상기 뉴럴 네트워크들에 대해 트레이닝이 반복적으로 이루어져야 한다. 그러나, 트레이닝 시간은 합리적으로 유지되어야 한다. 그렇게 하기 위해, 본 명세서에 설명된 실시예에서, 트레이닝은 (트레이닝 인터벌 파라미터에 의해 특정되는) 규칙적인 인터벌들로 이루어지고, 그리고 추출된 트레이닝 패턴들의 최대 개수는 트레이닝 제한 파라미터에 의해 제한된다.

도 3에 따른 뉴럴 네트워크들(NN)은, 각각의 필터링되고 그리고 압축된 신호(CF1, CF2, ..., CF8)에 대해 예보들(FO1, FO2, ..., FO8)의 형태로 출력을 생성한다. 이들 예보들은, 신호 레벨 정정을 수행하는 모듈(SLC)에 피딩된다. 이러한 선택적 정정이 이루어지는데, 그 이유는 심지어 패턴이 정확하게 인지되더라도, 뉴럴 네트워크의 출력이 정확한 예상된 값을 거의 갖지 않기 때문이다. 예컨대, 이진 XOR 문제를 풀기 위해 트레이닝된 뉴럴 네트워크는 값 1 대신에 값 0.97을 리턴할 수 있거나, 또는 값 0 대신에 값 0.02를 리턴할 수 있다. 가능한 출력 값들의 세트를 아는 것은, 1과 0을 갖는 전자(former) 출력들을 각각 정정시키는 것을 가능케 한다. 본 명세서에 설명된 실시예에서, 신호 레벨 정정은, 마지막 n개 트레이닝들에 대해 레코딩된 값들의 세트를 이용하여, 출력을 정정하기를 시도하고, 여기서 n은 구성 파라미터이다.

신호 레벨 정정 모듈(SLC)에 의해 출력된 정정된 신호들(FO1', FO2', ..., FO8')은, 여전히 애그리게이팅된 신호들(FO1', FO2', ..., FO8')의 프레임 애그리게이션을 수행하는 모듈(FD)에 피딩된다. 이는, 각각의 필터링된 컴포넌트에 대해 확장된 신호(EF1, EF2, ..., EF8)를 야기한다. 그런 이후에, 이들 확장된 신호들은, 입력 신호(I)에 기초하여 전체 예보된 도착 히스토리(FI)를 야기하는 모듈(REC) 내에서 재결합된다. 이러한 신호는 도 2에 도시된 뉴럴 웨이브릿 예보기(NWF)의 출력을 형성하고 그리고 요청 생성기(RQ)의 요청 패커(RP)에 피딩된다.

위에 설명된 바와 같이, 프레임 애그리게이션은 뉴럴 네트워크들 내의 뉴런들의 개수를 감소시키는 것을 허용하고, 따라서 감소된 계산 시간을 야기한다. 표준 IEEE 802.16에서의 대역폭 요청의 프레임 개수에 대한 필드 길이는, 요청이 전송된 이후 상기 요청이 128개보다 많은 개수의 프레임들을 시작시킬 수 없도록 하는 것이다. 그는, P6 요청들에 대한 유용 구역이 미래에 256개 프레임들까지 가고 그리고 P5 요청들에 대한 유용 구역이 미래에 160개 프레임들까지 가고 등을 의미한다. 이는, 뉴럴 네트워크들의 위에 특정된 lookAhead 파라미터에 제1 경계를 제공한다.

본 명세서에 설명된 실시예에 따라 전송된 요청들은, 원하는 시작 프레임, 즉 미래에서의 프레임 개수를 표시하는 부가적인 필드를 포함하고, 여기서 대역폭 할당이 바람직하게 시작되어야 한다. 그러나, 다음 차례의 τ개 프레임들 내에서 다른 전송 기회가 있다면, τ개 이후에 원하는 시작 프레임을 갖는 요청을 발행할 필요가 없다. 실로, 다음 차례의 전송 기회 동안, 더 나은 예보를 위해 더 새로운 입력 데이터가 있을 것이다. 사실, 승인 확인 때문에 다음 차례 이후이지만 추리(reasoning)가 동일하게 유지되는 기회에 대해서 또한 마찬가지이다.

도 7은 본 발명에 따라 사용되는 바와 같이 대역폭을 예약하고 그리고 데이터를 전송하는 프로세스를 나타낸다. 이러한 도면에서, 시간축은 후속 프레임들(f)에 의해 수평 방향으로 표현된다. 대역폭 예약은 위에 설명된 쓰리-웨이 핸드쉐이크에 의해 이루어지고, 여기서 대역폭을 요청하는 제1 노드가 대응하는 요청(RE)을 제2 노드에 전송한다. 제2 노드는, 승인 메시지(GR)를 전송함으로써, 상기 요청에 기초하여 대역폭을 승인한다. 그런 이후에, 제1 노드는, 승인 확인(GC)에 의해 승인 메시지(GR)에 답한다. 승인 확인이 전송된 이후에 시간 인터벌들 내에서 제1 노드에 의해서만 대역폭이 사용될 수 있다. 따라서, 0과 t1(t1을 배제) 사이의 시간 인터벌(UNG) 내의 승인된 대역폭은 사용하기 좋지 않다. 도 7은 제1 노드의 전송 기회들(TO)을 추가로 나타내고, 상기 전송 기회들(TO)은 개별 시간 슬롯들(0, t1, t2, t3 및 t4)에 발생한다. 쓰리-웨이 핸드쉐이크 메커니즘으로 인해, 가장 이른 사용하기 좋은 슬롯들은 t1, t2, t3, t4 등이다. 이들 슬롯들은, 사용하기 좋은 승인된 대역폭의 시간 인터벌을 지시하는 바(USG) 내에 위치된다.

대역폭 요청의 각각의 지속 레벨에 대해 그리고 그에 따라 웨이브릿 필터링에 관한 각각의 세부 레벨에 대해, 상이한 관심대상 타임 존(zone)들이 특정 예보 구역들 형태로 있다. 필터링된 컴포넌트들(F1 내지 F5)에 대해, 이들 예보 구역들의 예들은 도 7에서 수평 바들에 의해 표시된다. 대역폭 요청들은 표준 IEEE 802.16에서 대응하는 MSH-DSCH 메시지들로 전송된다. 요청들의 개수는 이들 메시지들 내에서 제한된다. 따라서, 대역폭을 예약하기 위한 요청들은 규칙적인 인터벌들로 전송된다. 새로운 MSH-DSCH 메시지로 전송되는 요청들은 데이터 도착들의 업데이트된 예보에 기초한다. 결과로서, 이미 존재하는 요청들은 새롭게 이용가능한 예보들에 기초하여 업데이트된다.

본 발명의 바람직한 실시예들에 따라, 뉴럴 네트워크들의 출력들의 선택된 타입의 포스트(post)-프로세싱이 사용될 수 있다. 이러한 포스트-프로세싱은 청구항 제1항에 따른 프로세싱 단계 c)의 부분으로서 구현된다. 바람직한 포스트-프로세싱 방법들이 아래에 설명된다.

제1 포스트-프로세싱 방법으로서, 예보된 신호를 스무딩하기 위해 스파이크(spike)들이 제거될 수 있다. 주어진 임계치보다 더 큰 신호 상승 및 신호 하강이 특정 개수 미만의 프레임들(스파이크 너비)로 분리될 때 스파이크가 검출된다. 다른 포스트-프로세싱 방법으로서, 리스케일링(rescaling)이 사용될 수 있다. 그렇게 하기 위해, 예보된 신호는, 상기 예보된 신호의 최소치 및 최대치가 입력 신호의 최소치 및 최대치에 매칭되도록 선형으로 리스케일링된다. 이러한 리스케일링은, 예보된 신호의 시간 윈도우가 신호 변형(variation)들 전부를 유지시키기에 충분히 크다는 가정에 의존한다. 다른 포스트-프로세싱 방법으로서, 댐핑(damping)이 수행될 수 있다. 그렇게 하기 위해, 예보는 오프셋만큼 시프트되고, 상기 오프셋은 피드백에 의해 조절된다. 피드백은, 과거 n개 프레임들에 걸쳐서 도착 데이터 및 예약된 대역폭의 평균 차이로서 계산된다. 피드백은 각각의 예보된 프레임의 값에 더해진다. 이러한 방식으로, 예보기가 너무 많은 예약을 사전에 유발했다면, 피드백은 네거티브가 될 것이고 그리고 예보 신호는 감소될 것이다. 반대로, 포지티브 피드백을 더함으로써, 너무 적은 예약이 예보 신호를 증가시키는 경향이 있을 것이다.

아래에서는, 도 2에 도시된 요청 패커(RP) 내에 입력된 예보된 신호(FI)에 기초한 대역폭 요청들의 생성이 설명될 것이다. 요청 패커의 작업은, 뉴럴 웨이브릿 예보기에 의해 예보되는 미래 도착들을 커버하는 대역폭 요청들을 발행하는 것이다. 요청 패커에 의해 수행되는 방법은 직사각형들에 기초한다. 각각의 직사각형은 대역폭 요청을 표현한다. 직사각형의 높이는 요구 레벨, 즉 대역폭 요청의 미니슬롯들 내의 데이터의 양에 대응하고, 그리고 직사각형의 너비는 대역폭 요청의 지속 레벨에 대응하는 프레임들의 개수를 지칭한다. 요청 패커는 도착 데이터의 예보된 곡선 아래의 구역을 직사각형들의 이러한 타일들로 채울 것이다. 실제로, 요청 패커에 대한 입력 신호는 예보된 신호이고, 상기 예보된 신호로부터 이미 예약된 미니슬롯들은 차감되었다. 실로, (1보다 더 큰 지속의) 사전 승인된 요청들은 여전히 활성 상태일 것이고 그리고 예보된 도착들의 부분을 주의할 것이다. 지금까지, 예보된 신호의 유닛은 바이트 단위의 데이터의 양이었다. 그와 반대로, 요청 패커에 의해 사용되는 유닛은, 전송된 데이터의 특정된 양을 지칭하는 미니슬롯일 것이다. 초과량(excess)으로 반올림된 샘플들의 개수가 디폴트로 반올림된 샘플들을 보상할 것이라고 가정하여, 바이트로부터 미니슬롯들로 전환하기 위해, 각각의 샘플을 반올림함으로써(그리고 하한(floor) 값 또는 상한(ceiling) 값을 취하지 않음으로써) 예보된 신호의 양자화가 수행된다.

요청 패커에 의해 사용되는 패킹 방법은, 양자화된 예보된 신호에서 경계들을 검출하기 위해 연속적인 수평 스캔들을 수행한다. 경계들은, 직사각형들로 커버하기 위한 도메인과 나머지(각각, 입력 신호 위 그리고 아래임) 사이의 가장자리 상의 지점들이다. 경계들은 좌측 또는 우측 경계들일 수 있다. 신호 곡선이 증가할 때 좌측 경계가 발생하고, 감소는 우측 경계에 대응한다. 그런 다음에, 좌측 경계점과 우측 경계점 사이에 직사각형들이 생성된다. 이는, 너비를 먼저 발생시킨다, 즉 직사각형은 가능한 최대 너비를 항상 갖고 그리고 그런 다음에만 높이가 경계에 의해 허용된 최대치로 설정된다. 실제 방법에서는, 효율성을 향상시키기 위해, 경계 및 직사각형 검출은 동시에 수행된다. 요청들은, 검출된 직사각형들의 결과적 세트로부터 최종적으로 추출된다.

도메인을 패킹하는데 필요한 요청들의 개수를 감소시키기 위하여, 몇몇의 과적합 기술들이 사용된다. 첫째로, 주어진 너비(w)에 대해, 몇몇의 여분의 미니슬롯들이 이러한 직사각형에 의해 커버되도록 허용함으로써 그리고 그렇게 하여 두 개 또는 그보다 많은 개수의 직사각형들이 서로 합쳐지도록 함으로써, 요구 레벨을 증가시키는 것이 가능할 수 있다. 둘째로, 직사각형 너비를 조금 증가시키는 것은, 이러한 직사각형에 대한 요청들의 개수를 감소시킬 수 있다, 예컨대 너비 30의 직사각형에 대해, 지속 레벨들에 관한 상기 너비의 번역(translation)이 다섯 개의 요청들을 유도할 것이다: 세 개의 요청은 P4이고, 하나의 요청은 P3이고, 그리고 하나의 요청은 P2이다(30 = 3*8 + 4 + 2). 두 개의 여분의 시간 프레임들을 허용하는 것은 요청들의 세트를 단지 P5로 감소시킨다. 허용된 여분의 프레임들에서의 최대 여분 미니슬롯들은 패킹 방법의 파라미터들이다. 요청들이 시작될 수 있는 영역을 제한시키기 위해 제3 파라미터가 사용된다. 이는 타당한데, 그 이유는 더 작은 lookAhead에 대해 상기 예보된 신호가 더욱 정확하기가 쉽고, 그래서 다음 차례의 전송 기회 동안 더 나은 요청이 전송될 수 있기 때문이다.

위에 설명된 패킹 방법의 그래픽적인 설명이 도 8에 도시된다. 도면 DI1은 다섯 개의 연속적인 수평 스캔들(1, 2, ...5) 동안 좌우측 경계들의 검출을 나타낸다. 좌측 경계들의 검출들이 이중 화살표 헤드들에 의해 표시되는 반면에, 우측 경계들의 검출들은 단일 화살표 헤드들에 의해 표시된다. 도면 DI1에 따른 각각의 수평 스캔 동안에, 발견된 경계들을 이용하여 높이 1의 직사각형들이 생성된다. 이들 직사각형들은 사전에 발견된 직사각형들과 합쳐진다. 합쳐짐은, 유도된 과적합이 허용된 바운드(bound)들 내에 있다면 발생한다. 도 8의 도면 DI2는, 다섯 번째 수평 스캔 이후에 수직 방향으로 직사각형들의 합쳐짐을 나타낸다. 이러한 도면에 따라, 직사각형(R1) 및 직사각형(R2)은 너비에서의 차이로 인해 합쳐지지 않을 것이다. 그와 반대로, 직사각형(R3) 및 직사각형(R4)은 하나의 직사각형으로 합쳐질 것이다. 도면 DI3은, 하나의 직사각형에 대한 요청들의 개수를 감소시키기 위하여 그리고/또는 수평 방향으로 직사각형들을 합치기 위하여, 수평 방향으로 직사각형들의 너비를 가변시키는 예를 나타낸다. 도면 DI3은, 점선으로서 표시된 하나의 프레임의 직사각형들(R5 및 R6)의 너비의 증가를 나타낸다. 직사각형(R6)에 대해, 너비의 증가는, 직사각형(R6 및 R7)을 결합시키는 합쳐진 직사각형을 야기할 것이다.

위에 설명된 패킹 방법의 의사코드가 아래에 열거된다:

정의들:

d: 현재 요구 레벨, 수직 스캔에 대한 인덱스

f: 현재 프레임, 수평 스캔에 대한 인덱스

window: 수평 스캔의 제한

L: 검출된 좌측 경계들의 세트

R: 검출된 우측 경계들의 세트

Rect: 검출된 직사각형들의 세트

Req: Rect로부터 변환된 요청들의 세트

직사각형 검출 페이즈는 의사코드의 라인 1에서 시작한다. 수직 스캔은 라인 2에서 반복 루프에 의해 시작한다. 수평 스캔은 라인 5에서 반복 루프에 의해 시작한다. 의사코드의 라인 6에 따라, 직사각형의 좌측이 검출된다. 의사코드의 라인 9에 따라, 직사각형의 우측이 검출된다. 의사코드의 라인 12에서, 수평 스캔 인덱스가 업데이트된다. 의사코드의 라인 13에서, 수평 제한에 도달된다는 것이 검출된다. 의사코드의 라인 14에서, 직사각형들의 융합(fusion)이 이루어진다. 의사코드의 라인 16에서, 수직 제한에 도달된다는 것이 검출된다. 직사각형들의 요청 추출 페이즈는 라인 17에서 시작한다. 라인 18에서, 요청들의 개수가 길이 과적합에 의해 최소화된다. 라인 21에서, 경계들로부터의 새로운 직사각형들을 기존 직사각형들과 합치기 위한 함수가 시작한다. 라인 25에서, 허용된 바운드들 내에서 과적합이 합쳐진다. 라인 26에서, 합쳐침이 유지된다. 라인 28에서, 합쳐짐이 폐기되고 그리고 직사각형 rect가 더해진다.

도 9는 위에 설명된 패킹 방법의 결과의 예이다. 도 9는 이러한 도면에 도시된 직사각형들의 최외곽 경계들에 사실상 대응하는 데이터 도착들의 양자화된 예보 곡선을 나타낸다. 명확성 이유들로, 도 9에 도시된 직사각형들 중 몇몇만이 참조 부호들 R에 의해 지시된다. 도 9의 도면에서의 가로 좌표는 프레임 개수(f)에 대응하고 그리고 세로 좌표는 바이트 단위의 데이터의 양(A)에 대응한다. 이러한 곡선은, 상이한 해칭(hatching)들/필링(filling)들에 의해 표시된 직사각형들로 채워지고, 여기서 각각의 해칭/필링은 요청들의 지속 레벨들(P1, ..., P7) 중 하나에 대응한다. 각각의 직사각형의 높이는, 직사각형에 의해 표현된 대응하는 요청에 의해 예약될 데이터의 양을 지칭한다. 도 9로부터 볼 수 있는 바와 같이, 방법의 결과는, 지속 레벨들에 따른 직사각형들의 최소 개수를 이용한, 예보 곡선 아래의 구역의 채움이고, 여기서 각각의 직사각형은 대역폭 요청에 대응한다. 또한 요청들의 개수를 감소시키기 위해, 도 9의 도면에서 동일한 좌우측 경계들을 갖는 직사각형들이 하나의 직사각형으로 합쳐질 수 있다. 이러한 직사각형들은 도 9에서 R' 및 R''로서 지시된다. 이들 직사각형들의 합쳐짐은 상기 직사각형들에 대한 단일 대역폭 요청을 야기한다.

본 명세서에 설명된 방법에 따라, 대역폭 요청들은 또한 소위 P0 요청들을 포함하고, 상기 P0 요청들은 특별하게 취급된다. 지속 레벨(P1 내지 P7)의 요청들에 대해, 방법은 지속 길이에 걸쳐 검출된 직사각형들의 너비를 분할할 필요만 있으며, 여기서 파라미터 lengthForP7은 지속(P7)에 대해 임의의 길이를 설정한다. 이러한 파라미터는 명백하게 128개 프레임들보다 더 커야 한다. 너무 많은 미니슬롯들이 P7 요청에 의해 예약될 때, 상기 P7 요청, 즉 장-시간 예약을 감소시키거나 또는 취소시키기 위해 P0 요청들이 사용된다. 위에 설명된 바와 같이, 요청 패커 입력은 예보된 도착 곡선이고, 여기서 이미 예약된 미니슬롯들은 차감되었다. 이러한 방식으로, 프레임 내에서의 너무 많은 예약된 대역폭은 네거티브 값으로서 나타날 것이다. "P0 직사각형들"의 검출은, lengthForP0 파라미터를 통해, P7 직사각형들의 검출과 상당히 유사하게, 그러나 네거티브 도메인으로 동작한다. 이러한 파라미터에 기초한 길이의 선택은 너무 작아서는 안되며, 너무 작은 길이는 더 작은 지속들에 의해 유발되는 과-예약들을 검출하기 쉽게 할 것이고 그리고 P7 요청에 기초한 우수한 진행중인 예약을 강등시킬 수 있어, 오실레이션을 유발한다. 다른 한편으로, 길이는 너무 길어서는 안되며, 너무 긴 길이는 P7 요청들에 기초한 예약들을 감소시킬 때 지연을 유발시킬 것이다.

잘못된 예보들을 설명(account for)하기 위하여, 노드의 버퍼(BF)는 도 2에 도시된 버퍼 상태 프로세서(BSP)에 의해 모니터링된다. 실제로, 완벽한 예보들의 이상적인 시나리오에서, 버퍼는 항상 비어있을 것이다. 그러나, 에러들이 예보들에서 발생할 것이므로, 예보 에러들 때문에 누적된 패킷들의 버퍼를 비우기 위한 메커니즘이 필요하다. 버퍼는 또한, 단일 프레임에서 전송될 수 있는 것보다 더 많은 데이터가 하나의 프레임에서 도착하면 가득찰 수 있다. 버퍼 상태 프로세서(BSP)에 의해 모니터링되는 버퍼 상태(BS)에 기초하여, 버퍼 상태 프로세서와 통신하는 버퍼 드레이너(BD)는 버퍼 내에 현재 있는 데이터에 기초하여 요청을 발행할 것이다. 본 명세서에 설명된 실시예에서, 버퍼 점유의 변형 레이트는 마지막 두 개의 프레임들에 걸쳐서 자동-재귀적 방식으로 계산된다. 상기 버퍼 점유의 변형 레이트는, 버퍼 드레이너가 다음 차례의 몇몇 프레임들을 전송해야 하는지를 예상하는 프레임당 데이터를 표현한다. 그런 다음에, 상기 버퍼 점유의 변형 레이트는, 두 가지들을 구별한다: 계산된 레이트에 관련된 데이터, 그리고 레이트 부분에 대응하는 대역폭이 효과적으로 예약될 때까지 도착할 데이터의 양. 두 개의 요청들이 전송되고, 하나의 요청은 중간 지속 레벨을 갖는 레이트 부분을 위한 것이고, 다른 요청은 너무 큰 요구 레벨 및 승인될 수 없는 요청의 위험을 방지하기 위해 하나의 프레임 내에서 전송될 수 있거나 또는 더 많은 개수의 프레임들에 걸쳐서 소비될 수 있는 나머지 부분을 위한 것이다. 나머지 부분과 레이트 부분을 위해 사용되는 지속은 방법의 구성 파라미터들이다.

대역폭을 예약하기 위한 위에 설명된 방법은, 미래에 대역폭의 예보를 가능케 하고 그리고 이들 예보들에 기초하여 대응하는 대역폭 요청들을 생성시킨다. 상기 방법은, 통신 네트워크에서 하나의 노드로부터 다른 노드로 데이터를 전송하기 위한 지연을 감소시키고 그리고 상기 방법은 IEEE 표준 802.16의 MeSH 모드에 기초하여 설명되었다. 발명자들은, 하나의 노드로부터 다른 노드로의 데이터 전송에서의 감소된 지연에 관하여 우수한 결과들을 유도하는 본 발명의 방법에 기초하여 여러 시뮬레이션들을 수행했다.

문헌들

[1] N.Groschwitz와 G.Polyzos: "A Time Series Model of Long-term NSFNET Backbone Traffic", IEEE ICC'94 볼륨 3, 1400-1404쪽, 1994년.

[2] B.Krithikaivasan, Y.Zeng, K.Deka와 D.Medhi: "ARCH-based Traffic Forecasting and Dynamic Bandwidth Provisioning for Periodically Measured Nonstationary Traffic", IEEE/ACM Transactions on Networking, 볼륨 15, 2007년.

[3] S.Chong, S-Q. Li와 J.Ghosh: "Dynamic Bandwidth Allocation for Efficient Transport of Real-time VBR Video over ATM", IEEE Journal on Selected Areas in Communications, 13:12-23, 1995년.

[4] A.Aussem과 F.Murtagh: "Web Traffic Demand Forecasting using Wavelet-Based Multiscale Decomposition", International Journal of Intelligent Systems, 16:215-236.

[5] P.Barford, J.Kline, D.Plonka와 A.Ron: "A Signal Analysis of Network Traffic Anomalies", Internet Measurement Workshop 2002, 2002년.

Claims

복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법으로서,
여기서, 상기 네트워크 내의 제1 노드(SS1)로부터 제2 노드(SS2)로의 데이터 전송은 :
a) 과거 시간 기간에 걸쳐서 데이터 버퍼(BF)에 도착하는 데이터의 양들(A)을 설명하는 도착 히스토리 곡선(I)이 생성되도록, 상기 제1 노드(SS1)의 상기 데이터 버퍼(BF)에 도착하는 데이터를 분석하는 단계;
b) 상기 도착 히스토리 곡선(I)을 프로세싱하는 단계 ― 상기 프로세싱은, 상기 도착 히스토리 곡선(I)에 대한 웨이브릿 변환을 포함하고 그리고 복수 개의 신호들(CF1, CF2, ..., CF8)을 야기하고, 각각의 신호(CF1, CF2, ..., CF8)는 상기 웨이브릿 변환의 필터링된 컴포넌트(F1, F2, ..., F8)에 대응함 ―;
c) 과거에 상기 버퍼(BF)에 도착된 데이터에 기초하는 트레이닝 패턴들로 트레이닝된 별도의 뉴럴 네트워크(NN)에서 각각의 신호(CF1, CF2, ..., CF8)를 프로세싱하여, 미래에서의 데이터 도착들에 대한 예보 신호들(FO1, FO2, ..., FO8)을 야기하는 단계;
d) 미래 시간 기간에 상기 버퍼(BF)에 도착하는 데이터의 양(A)을 설명하는 도착 예보 곡선(FI)을 야기하는 상기 예보 신호들(FO1, FO2, ..., FO8)을 재결합시키는 단계;
e) 상기 제1 노드(SS1)에 의해 상기 도착 예보 곡선(FI)에 기초하여 대역폭을 예약하기 위한 대역폭 요청들(RE)을 생성하고, 그리고 상기 제1 노드(SS1)로부터 상기 제2 노드(SS2)로 상기 대역폭 요청들(RE)을 전송하는 단계;
f) 상기 제2 노드(SS2)에 의해 상기 대역폭 요청들(RE)에 기초하여 대역폭을 할당하는 단계; 및
g) 상기 할당된 대역폭 내에서, 상기 제1 노드(SS1)로부터 상기 제2 노드(SS2)로 데이터를 전송하는 단계
를 포함하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항에 있어서,
데이터는 MAC 층 상에서 MAC 프로토콜 데이터 유닛들로서 전송되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 또는 제 2 항에 있어서,
데이터는 미리결정된 시간 인터벌의 데이터 서브프레임에서 전송되고, 그리고 대역폭 요청들(RE)을 포함하는 제어 메시지들은 상기 미리결정된 시간 인터벌의 제어 서브프레임에서 전송되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
상기 통신 네트워크는 표준 IEEE 802.16의 MeSH 모드로 동작되는 무선 네트워크인,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
상기 단계 b)의 웨이브릿 변환은 마더(mother) 웨이브릿으로서 Haar 웨이브릿에 기초하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 웨이브릿 변환의 각각의 필터링된 컴포넌트(F1, F2, ..., F8)는 복수 개의 계수들(C1, C2, CN)을 포함하고, 각각의 계수는 상기 과거 시간 기간 내에서의 시간 계단(step)과 연관되고, 상기 시간 계단들은 각각의 필터링된 컴포넌트(F1, F2, ..., F8)에 대해 상이한,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 6 항에 있어서,
상기 과거 시간 기간 내에서의 인접한 시간 계단들 내의 동일한 값을 갖는 계수들(C1, C2, CN)을 합침으로써 각각의 필터링된 컴포넌트(F1, F2, ..., F8)가 압축되고, 상기 압축된 신호(CF1, CF2, ..., CF8)는 단계 b)에서 생성된 신호인,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 7 항에 있어서,
각각의 뉴럴 네트워크(NN)는 복수 개의 입력 뉴런들 및 출력 뉴런들을 포함하고, 여기서 각각의 입력 뉴런은 과거에 합쳐진 계수를 수신하고, 그리고 각각의 출력 뉴런은 미래에 합쳐지는 계수들을 제공하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
이전(earlier) 트레이닝 패턴들의 값들에 기초하여 단계 c)에서 상기 뉴럴 네트워크들(NN)의 출력들에 대해 신호 정정이 적용되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
상기 뉴럴 네트워크들(NN)은 데이터 전송 동안에 규칙적인 시간 인터벌들로 또는 지속적으로 트레이닝되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
단계 e)에서 생성되는 상기 대역폭 요청들(RE)은 전송을 위해 예약될 데이터의 양(A) 그리고 시간 길이 ― 상기 시간 길이에 대해 상기 데이터의 양(A)이 예약될 것임 ― 를 정의하는 지속 값(P1, P2, ..., P7)을 특정하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 11 항에 있어서,
단계 e)에서 상기 대역폭 요청들은,
상기 도착 예보 곡선(FI)을 양자화된 예보 곡선으로 전이(transfer)시킴으로써 ― 상기 양자화된 예보 곡선은, 대역폭을 예약하기 위해 사용되는 데이터 사이즈 유닛(MI)에 기초하여 양자화됨 ―,
상기 양자화된 예보 곡선 아래의 구역을 직사각형들(R, R', R'')에 의해 표현되어 있는 대역폭 요청들로 채우기 위한 채움 절차를 적용시킴으로써 ― 상기 직사각형들(R, R', R'')은 상기 대역폭 요청(RE)의 상기 지속 값에 따른 시간 길이에 대응하는 시간 방향으로의 길이를 갖고 그리고 상기 대역폭 요청(RE) 내에 특정된 데이터의 양(A)에 대응하는 높이를 가짐 ―,
생성되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 12 항에 있어서,
상기 채움 절차는,
ⅰ) 상기 양자화된 예보 곡선을 연속적 스캔들(1, 2, ..., 5)로 시간 방향으로 스캐닝함으로써, 좌우 경계들을 검출하는 단계 ― 여기서 스캔 내에서 좌측 경계와 우측 경계 사이에 커버되는 구역들은 제1 직사각형과 연관됨 ―;
ⅱ) 동일한 좌우측 경계들을 갖는 제1 직사각형들을 제2 직사각형들로 합치는 단계;
ⅲ) 직사각형들(R, R', R'')의 최소 개수가 각각의 제2 직사각형 내에 포함되도록, 시간 방향으로의 상기 제2 직사각형들을 대역폭 요청들(RE)의 직사각형들(R, R', R'')로 채우는 단계
를 포함하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 13 항에 있어서,
단계 ⅱ)는 과적합(overfitting) 절차를 포함하고, 여기서 각각의 제2 직사각형의 길이는 미리결정된 값만큼 증가되고, 그리고 이러한 증가가 새로운 제2 직사각형에 합쳐질 수 있는 인접하거나 또는 겹쳐지는 제2 직사각형들을 야기하는 경우에, 상기 새로운 제2 직사각형은 상기 인접하거나 또는 겹쳐지는 제2 직사각형들을 대체하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 13 항 또는 제 14 항에 있어서,
동일한 좌우측 경계들을 갖는 대역폭 요청들(RE)의 상기 직사각형들(R', R'')은 하나의 대역폭 요청(RE)에 합쳐지는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
제 1 항 내지 제 15 항 중 어느 한 항에 있어서,
상기 제1 노드(SS1)의 상기 버퍼(BF)의 상태는 모니터링되고, 그리고 상기 도착 예보 곡선(FI) 내의 에러들을 정정하기 위해 상기 버퍼(BF)의 상태에 기초하여 부가적인 대역폭 요청들(RE)이 전송되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서의 데이터 전송을 위한 방법.
특히 제 1 항 내지 제 16 항 중 어느 한 항에 따른 방법에서의 사용을 위해, 복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서 대역폭 요청들(RE)을 전송하기 위한 방법으로서,
상기 네트워크 내의 노드(SS1)에 의해 발행되는 대역폭 요청(RE)은 원하는 시작 시간을 표시하는 필드를 포함하고, 상기 대역폭 요청(RE)에 따른 대역폭은 상기 원하는 시작 시간에 할당되어야 하는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서 대역폭 요청들(RE)을 전송하기 위한 방법.
제 17 항에 있어서,
상기 통신 네트워크는 표준 IEEE 802.16의 MeSH 모드로 동작되는 무선 통신 네트워크이고, 여기서 상기 대역폭 요청(RE)은 MSH-DSCH 메시지 내에 포함되는,
복수 개의 노드들(SS, BS, SS1, SS2)을 포함하는 통신 네트워크에서 대역폭 요청들(RE)을 전송하기 위한 방법.
제 1 항 내지 제 16 항 중 어느 한 항에 따른 데이터 전송을 위한 방법에서 사용하기 위한 네트워크 노드로서,
과거 시간 기간에 걸쳐서 데이터 버퍼(BF)에 도착하는 데이터의 양들(A)을 설명하는 도착 히스토리 곡선(I)이 생성되도록, 노드(SS1)의 상기 데이터 버퍼(BF)에 도착하는 데이터를 분석하기 위한 분석 수단(AM);
상기 도착 히스토리 곡선(I)을 프로세싱하기 위한 프로세싱 수단(WFB, FA) ― 상기 프로세싱 수단(WFB, FA)은 상기 도착 히스토리 곡선(I)에 대한 웨이브릿 변환을 수행하고 그리고 복수 개의 신호들(CF1, CF2, ..., CF8)을 생성하고, 각각의 신호(CF1, CF2, ..., CF8)는 상기 웨이브릿 변환의 필터링된 컴포넌트(F1, F2, ..., F8)에 대응함 ―;
트레이닝 패턴들 ― 상기 트레이닝 패턴들은 과거에 상기 버퍼(BF)에 도착된 데이터에 기초함 ― 로 트레이닝된 별도의 뉴럴 네트워크(NN)에서 각각의 신호(CF1, CF2, ..., CF8)를 프로세싱하여, 미래에 데이터 도착들에 대한 예보 신호들(FO1, FO2, ..., FO8)을 야기시키기 위한 뉴럴 네트워크 프로세싱 수단(NN);
미래 시간 기간에 상기 버퍼(BF)에 도착하는 데이터의 양들(A)을 설명하는 도착 예보 곡선(FI)을 야기하는 상기 예보 신호들(FO1, FO2, ..., FO8)을 재결합시키기 위한 재결합 수단(FD, REC);
상기 도착 예보 곡선(FI)에 기초하여 대역폭을 예약하기 위한 대역폭 요청들(RE)을 생성하고 그리고 상기 대역폭 요청들(RE)을 제2 노드(SS1, SS2)에 전송하기 위한 생성 수단(RQ);
상기 대역폭 요청들(RE)에 응답하여 상기 제2 노드에 의해 할당된 대역폭에 기초하여 데이터를 상기 제2 노드(SS2)에 전송하기 위한 스케줄링 수단(DS)
을 포함하는,
네트워크 노드.
제 17 항 또는 제 18 항에 따라 대역폭 요청들을 생성시키기 위한 방법에서 사용하기 위한 네트워크 노드로서,
원하는 시작 시간을 표시하는 필드를 포함하는 대역폭 요청들(RE)을 전송하기 위한 전송 수단(RS) ― 상기 대역폭 요청(RE)에 따른 대역폭은 상기 원하는 시작 시간에 할당되어야 함 ―; 및/또는
원하는 시작 시간을 표시하는 필드를 포함하는 대역폭 요청들을 수신하고, 그리고 각각의 대역폭 요청(RE)에 따른 대역폭을 상기 원하는 시작 시간에 할당하기 위한 프로세싱 수단(BA)
을 포함하는,
네트워크 노드.
복수 개의 노드들을 포함하는 통신 네트워크로서,
상기 통신 네트워크는 제 1 항 내지 제 18 항 중 어느 한 항에 따른 방법을 수행하도록 적응되는,
통신 네트워크.