KR20150039198A

KR20150039198A - 통신 링크의 성능 추정을 위한 방법 및 시스템

Info

Publication number: KR20150039198A
Application number: KR1020157002178A
Authority: KR
Inventors: 람야 바가바툴라; 궈총 송; 케니스 케르페즈; 이원종
Original assignee: 어댑티브 스펙트럼 앤드 시그널 얼라인먼트, 인크.
Priority date: 2012-07-13
Filing date: 2012-07-13
Publication date: 2015-04-09
Also published as: US20160007218A1; BR112015000810A2; US11943644B2; US20190342781A1; US11166181B2; WO2014011191A1; US10375590B2; KR101677404B1; CN110266565B; CA2879060A1; US20200245169A1; AU2016204112B2; CN104756474A; EP2873223A1; AU2016204112A1; US20220053352A1; JP2015530774A; CN110266565A; CN104756474B; AU2012384930A1

Abstract

통신 디바이스의 성능 추정을 위한 방법이 설명된다. 본 방법은: 액티브 프로빙 데이터를 결정하기 위하여 액티브 프로빙을 실행하는 단계; 작동 데이터를 판독하는 단계; 및 액티브 프로빙 데이터 및 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 단계;를 포함하고, 작동 데이터는 채널과 그것의 노이즈 상태와 관련된 데이터 및 통신 디바이스와 다른 통신 디바이스 다른 사이의 사용자 데이터 트래픽과 관련된 카운터 값들을 포함하고, 작동 데이터는 통신 디바이스의 현재 설정들과 관련이 있다.

Description

통신 링크의 성능 추정을 위한 방법 및 시스템{METHOD AND SYSTEM FOR PERFORMANCE ESTIMATION OF A COMMUNICATION LINK}

본 발명은 통신 링크(communication link)의 성능 추정을 위한 방법 및 시스템에 관한 것이다.

통신 링크의 성능을 모니터링하는 것은, 예컨대, 사용자 불평을 사전에 처리하고 방지하기 위하여, 통신 링크와 연관된 하드웨어를 업그레드할 때를 결정하기 위하여, 최적화 알고리즘을 트리거링(trigger)할 때를 결정하기 위하여, 최적화 알고리즘이 향상된 성능을 가진다는 것을 확인하기 위하여 수행된다.

통신 시스템 성능은 iperf, netperf, ttcp 등과 같은 종래의 테스트 소프트웨어 애플리케이션(testing software application)들을 이용해서 평가될 수 있다. 이러한 소프트웨어 애플리케이션들은 두 개의 통신 디바이스(communication device)들에 설치될 필요가 있고, 여기서 하나의 디바이스 상에서의 애플리케이션은 테스트 데이터를 생성해서 전송하고, 다른 디바이스 상에서의 애플리케이션은 테스트 데이터를 수신한다. 테스트가 완료된 후에, 데이터 전송의 통계가 평가되어, 두 디바이스들 간의 통신 링크의 성능을 평가한다.

본 명세서에서 용어 "성능(performance)"은 일반적으로 네트워크 처리량(throughput)(예컨대, TCP/UDP), 레이턴시(latency), 지터(jitter), 연결성(connectivity), 에러율(error rate)들, 전력 소모(power consumption), 송신 전력(transmit power) 등을 지칭한다. 통신 시스템의 성능을 향상시키는 것은 통신 시스템에 대하여 처리량을 증가시키는 것, 에러율 및 레이턴시를 감소시키는 것, 지터를 향상시키는 것(즉, 감소시키는 것), 전력 소모를 감소시키는 것 등을 포함한다. 용어 "TCP"는 전송 제어 프로토콜(transmission control protocol)을 나타낸다. 용어 "UDP"는 사용자 데이터그램 프로토콜(user datagram protocol)을 지칭한다.

하지만, 이러한 종래의 테스트 소프트웨어 애플리케이션들을 통해 성능을 측정하기 위하여 통신 시스템 또는 네트워크를 테스트하는 것은 고객 네트워크 서비스에 개입적(intrusive)이다. 이러한 종래의 테스트들은 네트워크에 테스트 트래픽을 부과하고, 이것은 고객의 트래픽에 해로운 영향을 가질 수 있다.

본 발명은 상술한 종래의 문제점들을 해결하는 통신 링크의 성능 추정을 위한 방법 및 시스템을 제공하는 것을 목적으로 한다.

사용자 네트워크 서비스에 개입적(intrusive)인, 네트워크 트래픽을 테스트하기 위한 종래의 방법은 "액티브 프로빙(active probing)"이라고 지칭된다. 본 명세서에서 용어 "액티브 프로빙"은 일반적으로 하나의 통신 디바이스로부터 다른 통신 디바이스로 네트워크를 통하여 테스트 패턴/데이터를 전송한 후 전송된 테스트 패턴으로부터의 응답을 측정함으로써 통신 네트워크를 테스트하는 것을 지칭한다. 이러한 응답 데이터는 본 명세서에서 "액티브 데이터(active data)" 또는 "액티브 측정 데이터(active measurement data)"라고도 지칭되며, 이것은 통신 네트워크의 액티브 프로빙과 연관된 데이터이다.

iperf, netperf, ttcp와 같은 종래의 액티브 프로빙 소프트웨어는 애플리케이션 계층(application layers)에서 실행되는 데, 여기서 두 개의 전송 및 수신 디바이스들 간의 성능을 정확하게 측정하기 위하여 데이터 전송 애플리케이션 소프트웨어와 데이터 수신 애플리케이션 소프트웨어가 함께 이용된다. 종래의 액티브 프로빙은 사용자 트래픽이 네트워크를 통하여 전송되는 것과 동일한 방식으로 실제 테스트 데이터가 전송되기 때문에 정확하다. 빈번한 액티브 프로빙은 사용자 트래픽을 지연시킬 수 있기 때문에 사용자에게 방해가 될 수 있다. 사용자 트래픽을 막지 않으면서 액티브 프로빙을 실행하는 것이 가능하지만, 이러한 측정은 테스트 트래픽이 사용자 트래픽과 경쟁하기 때문에 정확하지 않고, 게다가 액티브 프로빙은 더 낮은 처리량 및/또는 더 높은 레이턴시로 인하여 사용자 경험을 상당히 손상시킬 수 있다. 이러한 한계들 및 다른 한계들을 극복하기 위하여 고객의 트래픽에 영향을 주지 않으면서 성능을 측정하기 위한 방법 및 시스템이 본 명세서에서 설명된다.

진보적인 액티브 프로빙 방법이 대리인 도켓(Attorney Docket) No. P067PCT(이것은 Redwood City, California, 94065, USA.에 소재한 ASSIA Inc.에 의해 소유되는, 2012년 7월 13일에 본 출원과 함께 동시에 출원된 "Method and System for Performance Measurement of a Communication Link"라는 명칭의 PCT 출원에 해당하는 것이며, 그 내용 전체가 본 명세서에 참조에 의해 통합(incorporated by reference)됨)에서 기술되며, 이것은 사용자 트래픽뿐만 아니라 테스트 트래픽을 처리하는 작동 데이터(operational data)를 고려함으로써 사용자 트래픽 문제를 피할 수 있다.

통신 링크 및/또는 통신 디바이스의 성능을 측정하기 위한 다른 메카니즘은 통신 디바이스와 연관된 작동 데이터를 모니터링하는 것이다. 작동 데이터는 여러 가지 목적을 위해서 생성된다. 예를 들어, 작동 데이터는 때때로 통신 디바이스의 정상적인 작동의 부산물로서 생성된다. 다른 예에서, 작동 데이터는 통신 디바이스와 연관된 기본적인 성능 또는 작동 정보를 제공하기 위하여 생성된다. 이러한 작동 데이터의 판독 또는 수집은 사용자 네트워크 서비스에 개입적이지 않다. 이러한 통신 데이터(작동 데이터)의 모니터링(monitoring) 또는 판독(reading)은 본 명세서에서 때때로 "패시브 프로빙(passive probing)"이라고 지칭된다. 통상적으로, 통신 디바이스들의 작동 데이터는 처리량 또는 레이턴시와 같은 가장 중요하고 진보된 성능 계량(the most important and advanced performance metrics)을 포함하지는 않지만, 작동 데이터를 이용해서 진보된 계량의 개략적인 추정(rough estimation)이 가능하게 될 수 있다.

예를 들어, 얼마나 많은 비트들이 데이터 심벌(data symbol) 당 전송되고 있는 지를 나타내는, 패킷 에러 카운트(packet error count)들 및 물리 계층 성상 정보(PHY-layer constellation information)와 같은, 전형적인 작동 데이터로부터 처리량이 개략적으로 추정될 수 있다. 하지만, 이용되는 작동 데이터가 처리량에 대한 충분한 정보를 포함하지 않을 수 있기 때문에, 그리고 작동 데이터와 처리량 간의 관계가 상이한 장소들 및 상이한 시간에 대하여 급격하게 변하는 노이즈(간섭을 포함함) 및 채널 특성에 흔히 의존적이기 때문에, 이러한 추정은 정확하지 않을 수 있다.

본 발명의 실시예들에서, 작동 데이터는 통신 링크의 성능의 신뢰할만한 추정(reliable estimate)을 얻기 위하여 액티브 프로빙 데이터(active probing data)와 함께 이용된다. 하나의 실시예에 있어서, 액티브 프로빙 데이터가 이용되지만, 작동 데이터가 함께 수집될 수 있다. 작동 데이터와 액티브 프로빙 데이터의 완전 세트(complete set)에 있어서, 액티브 프로빙 데이터 결과들은 통신 링크의 성능의 정확한 추정으로서 고려되고, 작동 데이터만(operational-data-only)의 추정 알고리즘들을 트레이닝(training)시키기 위해 이용된다.

하나의 실시예에 있어서, 일단 트레이닝이 완료되면, 작동 데이터만의 추정의 정확도(accuracy)가 완전히 파악되고, 시스템은 서비스 개입적(service intrusive)인 빈번한 액티브 프로빙이 없이 작동 데이터를 가지고 모니터링된다. 하나의 실시예에 있어서, 액티브 프로빙은 드물게 호출되거나, 혹은 심지어 정확한 성능 추정에 대한 필요성 및 작동 데이터만의 추정기(operational-data-only estimator)를 갱신하기 위한 데이터를 트레이닝시키기 위한 필요성에 의존하여 동적으로 호출된다.

본 발명의 실시예들은 몇 가지 상이한 방법으로 이용될 수 있다. 예를 들어, 상위 레벨 추출(higher level abstraction)에 있어서, 액티브 프로빙 및 작동 데이터는 대규모 통신 네트워크(예컨대, 100개 이상의 통신 디바이스들이 네트워크를 형성함)로부터 수집될 수 있고, 양호한 정확도를 가진 패시브 추정기(passive estimator)들을 개발하기 위하여 전체 데이터에 대해 분석이 수행될 수 있다. 하나의 실시예에 있어서, 이러한 패시브 추정(passive estimation)들은 SVM(Support Vector Machine)과 같은 임의의 잘 알려진 기계 학습(machine learning) 기술들을 가지고 수행된다.

다른 예에서, 하위 레벨 추출(lower level abstraction)에 있어서, 패시브 추정기는 통신 네트워크 내의 각각의 통신 링크에 대해서 적응적으로 튜닝될(adaptively tuned) 수 있다. 각각의 환경(environment)은 고유하고, 최상의 추정기는 환경에 의존적(dependent)일 수 있다. 하나의 실시예에 있어서, 기계 학습(machine learning) 또는 임의의 학습은 통신 시스템 내의 각각의 통신 디바이스에 대해 수행되고, 그래서 패시브 추정기는 주어진 환경에 대해서 최상의 성능을 제공한다.

하나의 실시예에 있어서, 성능 추정 알고리즘은 다음과 같이 갱신을 수행한다. 우선, 최초의 스텝 사이즈(initial step size)가 정의된다. 만일 패시브 데이터를 이용한 처리량 추정이 액티브 프로빙 데이터에 의해 너무 낮다고 판단되면, 이 처리량 추정은 스텝 사이즈에 비례해서 증가된다. 만일 패시브 데이터를 이용한 처리량 추정이 액티브 프로빙 데이터에 의해 너무 높다고 판단되면, 이 처리량 추정은 스텝 사이즈에 비례해서 감소된다. 용어 "낮다(low)" 및 "높다(high)"는 서로 구별되는 프로그램가능한(programmable) 또는 미리 결정된(predetermined) 기준치(threshold)들과 관련이 있다. 만일 처리량 추정이 감소된 후 다음 번 이터레이션(iteration)에서 증가되거나, 처리량 추정이 증가된 후 다음 번 이터레이션에서 감소된다면, 스텝 사이즈가 낮추어진다(lowered).

하나의 실시예에 있어서, 작동 데이터는 성공적으로 배달된 패킷들에 대해 카운트 값(count value)이 증가하는 카운터(본 명세서에서는 통신 디바이스와 연관된 작동 카운터(operational counter)라고도 지칭됨)로부터 판독된다. 본 명세서에서 용어 "성공적인(successful)"은 흔히 ACK(acknowledge) 메시지 패킷에 의해 컨펌되는(confirmed), 통신 디바이스에 의한 패킷의 안착(safe receipt)을 나타내는 인디케이션(indication)과 관련이 있다. 다른 실시예에 있어서, 에러 카운트(error count)들, 재전송 카운트(retransmission count)들, 모듈레이션(modulation), 신호 강도(signal strength) 등과 같은 작동 데이터가 통신 링크의 처리량을 추정하기 위해 이용된다.

패시브 프로빙의 과정 동안, 즉, 작동 데이터의 판독 동안, 고객 네트워크 서비스는 방해받지 않는다. 작동 데이터는 일반적으로 사용자가 볼 수 있거나(visible) 액세스할 수 있는(accessible) 데이터이고, 일반적으로 통신 시스템들의 디버깅 및 기본적인 성능 모니터링을 위해 이용되지만, 일반적으로 진보된 성능 추정을 위해 이용되지는 않는데, 그 이유는 이러한 데이터가 성능 모니터링을 위해 설계된 것이 아니고, 성능과 관련된 충분한 정보를 실어 나르지 않으며, 높은 정확도를 가진 공지의 추정 알고리즘들이 존재하는 것도 아니기 때문이다. 그러므로, 패시브 프로빙만으로는 통신 시스템의 진보된 성능을 판단하기에 충분하지 않을 수 있으며, 작동 데이터는 일반적으로 통신 시스템의 현재 성능과 단지 약하게 연관된 카운터 값(counter value)들을 포함한다.

본 명세서의 실시예들은 성능 추정 알고리즘을 트레이닝시키기 위하여 액티브 프로빙 데이터와 함께 작동 데이터를 이용함으로써 통신 디바이스의 성능 추정을 향상시키기 위한 방법 및 시스템을 공개한다. 하나의 실시예에 있어서, 정확한 액티브 프로빙 데이터와 개입적이지 않은 패시브 프로빙 데이터 양쪽 모두를 이용해서 성능 추정 알고리즘을 트레이닝시킨 후에, 정기적으로 작동 데이터가 모니터링되고, 네트워크를 통하여 고객 트래픽을 방해하지 않으면서 성능 추정을 정확하게 갱신하기 위하여 작동 데이터가 이용된다.

하나의 실시예에 있어서, 성능 추정 알고리즘을 갱신할 필요성이 있을 때, 액티브 프로빙이 개시된다(initiated). 이후에, 성능 추정 알고리즘은 패시브 작동 프로빙 데이터(passive operational probing data)를 통해서 트레이닝된다. 다른 실시예에서, 패시브 프로빙 데이터만을 이용하는 성능 추정 알고리즘이 액티브 프로빙 데이터의 알고리즘에 필적하는(comparable) 정확도를 가지고 성능을 추정하고 있는지 여부를 체크하기 위하여 정기적으로(즉, 규칙적인 간격으로) 액티브 프로빙이 개시된다. 본 명세서에서 실시예들은, 네트워크의 사용자들을 거의 방해하지 않거나 전혀 방해하지 않으면서 네트워크 시스템을 관리하기 위한 그리고 통신 디바이스의 성능을 추정하기 위한 효율적이고 거의 비개입적(non-intrusive) 방법을 제공한다.

도 1은 본 발명의 일 실시예에 따라서, 통신 시스템 성능 알고리즘을 평가하고 향상시키도록 작동가능한(operable) 통신 네트워크이다.
도 2는 본 발명의 일 실시예에 따라서, 성능 알고리즘을 트레이닝(training)시키기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따라서, 서버(server)에 의해 통신 디바이스에 대한 성능 알고리즘을 트레이닝시키기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따라서, 통신 시스템 성능 알고리즘을 추정하고 향상시키도록 작동가능한 컴퓨터 실행가능 명령어(computer executable instruction)들을 가진 기계 판독가능 저장 매체(machine-readable storage medium)를 구비한 프로세서 기반 시스템(processor-based system)이다.

본 발명의 실시예들은 본 발명의 다양한 실시예들에 대한 첨부 도면들 및 이하의 상세한 설명으로부터 더욱 완전하게 이해되겠지만, 첨부 도면들 및 이하의 상세한 설명은 본 발명을 특정 실시예들로 한정하기 위해 취해진 것이 아니라 단지 설명과 이해를 위한 것이다.

이하의 설명에서, 본 발명의 실시예들의 더욱 완벽한 설명을 제공하기 위하여 다수의 세부사항들이 설명된다. 하지만, 이러한 구체적인 세부사항들 없이도 본 발명의 실시예들이 구현될 수 있다는 점은 통상의 기술자에게 명백할 것이다. 다른 예들에 있어서, 본 발명의 실시예들을 모호하게 하는 것을 피하기 위하여, 주지의 구조들 및 디바이스들은 상세하게 도시되는 것이 아니라 블록도 형태로 도시된다.

실시예들의 해당 도면들에서, 신호는 선으로 표시된다는 점에 유의해야 한다. 몇몇 선들은 더욱 기본구성을 이루는(constituent) 신호 경로들을 표시하기 위하여 더 두꺼울 수 있고, 및/또는 주된(primary) 정보 흐름 방향을 표시하기 위하여 하나 이상의 끝부분에 화살표를 가질 수 있다. 이러한 표시들은 제한으로 의도된 것이 아니다. 오히려, 선들은 회로 또는 논리 유닛(logical unit)의 용이한 이해를 가능하게 하기 위하여 하나 이상의 예시적인 실시예들과 관련해서 이용된다. 설계적인 필요 또는 선호에 의해 도시된 바와 같은, 임의의 표현된 신호는 실제로 어느 방향으로든 이동할 수 있는 하나 이상의 신호들을 포함할 수 있고, 신호 체계(scheme)의 임의의 적절한 타입을 가지고 구현될 수 있다.

이하의 설명 및 청구항들에서, 용어 "결합된(coupled)" 및 그 파생어들이 사용될 수 있다. 본 명세서에서 용어 "결합된(coupled)"은 (물리적으로, 전기적으로, 자기적으로, 광학적으로 등) 직접 접촉하고 있는 둘 이상의 엘리먼트(element)들을 지칭한다. 본 명세서에서 용어 "결합된(coupled)"은 또한 서로 직접 접촉하고 있지 않은 둘 이상의 엘리먼트들을 지칭할 수 있지만, 여전히 서로 협동하거나 상호작용할 수 있다.

본 명세서에서 사용될 때, 달리 명시되지 않는다면, 공통된 객체를 기술하기 위하여 "제1(first)", "제2(second)", 및 "제3(third)"이라는 용어를 사용하는 것은 단지 동일한 객체(object)들의 상이한 실체(instance)들이 지칭되고 있다는 것을 나타내며, 이렇게 기술된 객체들이 시간적으로(temporally), 공간적으로(spatially), 순위적으로(in ranking), 또는 임의의 다른 방식으로 주어진 순서대로 존재해야 한다는 것을 암시하기 위하여 의도된 것이 아니다. 용어 "실질적으로(substantially)", "근사적으로(approximately)", "거의(nearly)", "약(about)", "가까이(close)", 및 이와 유사한 용어는 타겟값(target value)의 +/-20% 내에 있는 양을 지칭한다.

도 1은 본 발명의 하나의 실시예에 따라서, 통신 시스템 성능 알고리즘을 평가하고 향상시키도록 작동가능한 통신 네트워크(100)이다. 하나의 실시예에 있어서, 통신 네트워크는 하나 이상의 통신 디바이스들(103_1-N)에 통신가능하게 결합된(communicatively coupled) 최적화 센터(optimization center)(101)(예컨대, 서버)를 포함하고, 여기서 'N'은 양의 정수이다. 하나의 실시예에 있어서, 통신 디바이스(103₂)는 DSL(Digital Subscriber Line) 링크를 통하여 CPE(Customer Premises Equipment) 모뎀(104)에 결합된다. 하나의 실시예에 있어서, CPE 모뎀(104)은 AP(access point)(105)에 결합된다. 하나의 실시예에 있어서, AP(105)는 하나 이상의 스테이션(station)들(STAs)(106_1-M)에 결합되고, 여기서 'M'은 양의 정수이다.

하나의 실시예에 있어서, 성능 추정 알고리즘(102)은 패시브 프로빙 데이터인 입력 변수들을 가진 방정식이다. 하나의 실시예에 있어서, 성능 추정 알고리즘(102)은 패시브 프로빙 데이터에 비례하여 증가하거나 감소한다.

하나의 실시예에 있어서, 성능 추정 알고리즘(102)을 갱신(developing) 및/또는 발전(developing)시키기 위한 명령어들은 최적화 서버(101) 및/또는 통신 디바이스들(103_1-N) 중의 하나 이상에 저장된다. 도 1의 실시예는 다른 디바이스들(104, 105, 및 106_1-M)이 성능 추정 알고리즘(102)을 갱신 및/또는 발전시키기 위한 명령어들을 포함하는 것을 도시하지 않지만, 하나의 실시에에 있어서, 네트워크(유선 또는 무선)에 직접적으로 또는 간접적으로 결합된 임의의 통신 디바이스가 성능 추정 알고리즘(102)을 갱신 및/또는 발전시키기 위한 명령어들을 가질 수 있다. 하나의 실시예에 있어서, 성능 추정 알고리즘(102)은 통신 디바이스의 데이터 및 환경들에 따라서 각각의 통신 디바이스마다 튜닝될(tuned) 수 있다. 하나의 실시예에 있어서, 결과적으로 얻어지는 성능 추정 알고리즘(102)은 통신 디바이스들(103_1-N)에 대해서 서로 다를 수 있다.

하나의 실시예에 있어서, 통신 디바이스들(103_1-N)은: AP(access point); 기지국(base station); 무선 LAN 디바이스(wireless local area network device); DSLAM(digital subscriber line access multiplexer); 게이트웨이(gateway); 성능 향상 디바이스(performance enhancement device); DSL(Digital Subscriber Line) CPE(Customer Premises Equipment) 모뎀; 댁내 파워라인 디바이스(in-home powerline device); HPNA(Home Phoneline Network Alliance) 기반(based) 디바이스; 댁내 동축 분배 디바이스(in-home coax distribution device); G.hn(Global Home Networking Standard) 호환가능(compatible) 디바이스; 댁내 계량 통신 디바이스(in-home metering communication device); LAN과 통신가능하게 인터페이스된 댁내 기기(in-home appliance communicatively interfaced with the LAN); 무선 펨토셀 기지국(wireless femtocell base station); 무선 WiFi 호환가능 기지국(wireless WiFi compatible base station); 무선 모바일 디바이스 리피터(wireless mobile device repeater); 무선 모바일 디바이스 기지국(wireless mobile device base station); 애드혹/메쉬 네트워크 내의 노드들(nodes within an ad-hoc/mesh network); STB(set-top box)/STU(set-top unit) 고객 전자 장치(customer electronics device); IP(Internet Protocol) 이용가능 텔레비전(IP enabled television); IP 이용가능 미디어 플레이어(IP enabled media player); IP 이용가능 게이밍 콘솔(IP enabled gaming console); 이더넷 게이트웨이(Ethernet gateway); LAN에 연결된 컴퓨팅 디바이스(computing device connected to the LAN); 이더넷 연결 컴퓨터 주변 장치(Ethernet connected computer peripheral device); 이더넷 연결 라우터(Ethernet connected router); 이더넷 연결 무선 브릿지(Ethernet connected wireless bridge); 이더넷 연결 네트워크 브릿지(Ethernet connected network bridge); 및 이더넷 연결 네트워크 스위치(Ethernet connected network switch);를 포함한다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 액티브 프로빙 데이터를 결정하기 위하여 액티브 프로빙을 실행하도록 작동가능하다. 이러한 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 최적화 센터(101)로의 이들 각각의 통신 링크들(107_1-N) 상에서 트래픽을 범람시킨다(flood). 이러한 실시예에 있어서, 통신 링크들(107_1-N)을 통하여 최적화 센터(101)로부터 하나 이상의 통신 디바이스들(103_1-N)에 의해 수신된 응답은 액티브 데이터이고, 이것은 성능 추정 알고리즘들을 트레이닝시키기 위하여 해당하는 하나 이상의 통신 디바이스들(103_1-N) 내의 각각의 성능 추정 알고리즘들(102)에 의해 이용된다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 하나의 통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송함으로써 액티브 프로빙을 실행하도록 작동가능하다. 예를 들어, 통신 디바이스(103₁)는 통신 디바이스(106₁)에 액티브 프로빙 데이터를 전송하고, 및/또는 통신 디바이스(103₂)는 DSL 링크를 통하여 CPE(104)에 액티브 프로빙 데이터를 전송한다. 다른 예에서, 통신 디바이스(106₁)는 107₁을 포함하는 통신 링크들을 통하여 최적화 센터(101)에 액티브 프로빙 데이터를 전송한다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 통신 링크들(107_1-N) 상에서 사용자 데이터 트래픽(user data traffic)과 관련된 카운터 값들을 포함하는 작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기하도록(wait) 추가로 작동가능하다. 하나의 실시예에 있어서, 미리 결정된 시간은 0.001초 내지 60초의 범위 내에 존재한다. 다른 실시예들에서, 다른 대기 기간(waiting period)들이 이용될 수 있다. 하나의 실시예에 있어서, 대기 기간은 소프트웨어 또는 하드웨어에 의해 프로그램가능하다.

본 발명의 실시예들을 모호하지 않게 하기 위해서, 통신 디바이스들(103₁, 103₂, 104) 및 최적화 센터(101)가 논의된다. 이와 동일한 논의는 다른 통신 디바이스들에 적용가능하다. 하나의 실시예에 있어서, 통신 디바이스(103₁)는 다른 통신 디바이스(예컨대, 최적화 센터(101), 및/또는 통신 디바이스(103₂))에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트(report)를 수신하도록 추가로 작동가능하다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 작동 데이터를 판독하도록 작동가능하고, 작동 데이터는 채널(예컨대, 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 103₁과 106_1-M 사이의 링크들, 및/또는 103₂와 104 사이의 DSL 링크들)과 그것의 노이즈 상태(noise condition)와 관련된 데이터, 통신 디바이스들(103_1-N)의 현재 설정(current setting)과 관련된 데이터, 및 통신 디바이스들(103_1-N)과 다른 통신 디바이스(예컨대, 최적화 센터(101), 105, 106_1-M, 104 등) 사이의 사용자 데이터 트래픽과 관련된 카운터 값들을 포함하며, 작동 데이터는 통신 디바이스의 현재 설정들과 관련이 있다. 이러한 작동 데이터의 예들은 성공적인 전송 패킷 카운트들, 성공적인 수신 패킷 카운트들, ACK 패킷 카운트들, 에러 패킷 카운트들, 폐기된(discarded) 패킷 카운트들, 재전송 카운트들 등이다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은 패시브 프로빙을 실행하는 것보다 더 적은 횟수로 액티브 프로빙을 실행하도록 작동가능하다. 예를 들어, 액티브 프로빙은 그것의 개입적인 프로세스로 인하여 하루에 최대 5번 실행되고, 패시브 프로빙은 하루에 1440번(예컨대, 1 분마다) 실행된다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 액티브 프로빙 데이터 및 작동 데이터에 따라서 그들 각각의 성능 추정 알고리즘들(102)을 트레이닝하도록 작동가능하다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 액티브 프로빙을 실행하기 전에 통신 링크들, 예를 들어, 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 103₁과 106_1-M 사이의 링크들, 및/또는 103₂와 104 사이의 DSL 링크들 상에서 사용자 데이터 트래픽과 관련된 카운터 값들로부터 작동 데이터를 판독(즉, 패시브 프로빙)하도록 작동가능하다.

하나의 실시예에 있어서, 카운터 값들은 패킷 에러 카운트들, 패킷 재전송 카운트들, 성공적인 ACK 메시지 카운트들 등 중의 적어도 하나를 포함한다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 액티브 프로빙을 실행하는 동안 또는 실행한 후에 작동 데이터를 판독하도록(즉, 패시브 프로빙을 실행하도록) 작동가능하다.

성능 추정 알고리즘의 정확도는 사용자의 트래픽 패턴들의 특성 및 노이즈 및 채널 환경들의 특성에 의존적일 수 있다. 하나의 환경에서, 노이즈 및 채널은 빈번하게 변할 수 있다. 다른 환경에서, 노이즈 및 채널은 매우 드물게 변할 수 있다. 또 다른 환경에서, 노이즈 및 채널은 빈번하게 변하되, 주로 두 개의 상태들 사이에서만 빈번하게 변할 수 있다.

하나의 실시예에 있어서, 각각의 디바이스에 대한 성능 추정 알고리즘(102)은 적응적으로 튜닝된다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 하나 이상의 기준(criteria)으로 이루어진 함수로서 성능 추정 알고리즘(102)을 갱신함으로써 성능 추정 알고리즘(102)을 트레이닝시키도록 작동가능하고, 하나 이상의 기준은: 하루 중의 시간(time of day); 주 중의 시간(time of the week); 통신 디바이스의 타입(type of communication device); 장비의 제조사 및 모델(manufacturer and model of equipment); 장비 특성(equipment characteristics); 펌웨어(firmware); 백본 리미테이션(backbone limitations); 사용자의 네트워크 사용 패턴(user's network usage pattern); 신호 파워(signal power), 주파수 대역(frequency bands), 및 작동 모드(mode of operation) 중의 적어도 하나를 포함하는 RF(radio-frequency) 특성(characteristics); 환경 통계(environment statistics); 또는 통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터; 중의 적어도 하나를 포함한다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 성능 추정 알고리즘을 트레이닝시키기 위하여 액티브 프로빙 데이터를 이용해서 통신 디바이스들(103_1-N)의 처리량을 계산하도록 작동가능하다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들(103_1-N)은 액티브 프로빙 데이터 및 판독된 작동 데이터를 통신 링크들(107_1-N)을 통하여 최적화 센터(101)(예컨대, 서버)에 전송하도록 작동가능하고, 여기서 작동 데이터는 액티브 프로빙을 실행하기 전, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후의 하나 이상의 통신 디바이스들(103_1-N)로부터의 사용자 데이터 트래픽과 관련이 있다. 하나의 실시예에 있어서, 최적화 센터(101)는 하나 이상의 통신 디바이스들(103_1-N)로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘(102)을 트레이닝시키도록 작동가능하다.

하나의 실시예에 있어서, 최적화 센터(101)는 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키기 위해 기계 학습 알고리즘을 적용하도록 작동가능하다. 이러한 실시예에 있어서, 기계 학습을 위해 패시브 프로빙 데이터와 함께 정확한 액티브 프로빙 데이터가 이용되고, 패시브 데이터만을 입력으로서 이용하는 성능 추정 알고리즘(102)이 이에 맞춰 결정된다(determined).

예를 들어, 최적화 센터(101)(또는 임의의 다른 통신 디바이스)는: 의사결정 트리 학습(decision tree learning), 연관 규칙 학습(associated rule learning), 인공 신경망 학습 알고리즘(artificial neural networks learning algorithm), 유전자 프로그래밍 알고리즘(genetic programming algorithm), 귀납 논리 프로그래밍 접근법(inductive logic programming approach), 서포트 벡터 머신 접근법(support vector machine approach), 클러스터링(clustering), 베이지안 네트워크 기반 확률 그래프 모델(Bayesian network based probabilistic graphical model), 강화 학습(reinforcement learning), 표현 학습(representation learning), 희소 사전 학습(sparse dictionary learning) 등 중의 하나 이상을 적용할 수 있다. 다른 실시예들에 있어서, 다른 기계 학습 알고리즘들이 이용될 수 있다. 본 명세서에서 실시예들은 최적화 센터(101)에 의해 적용되는 기계 학습 알고리즘을 기술하지만, 임의의 통신 디바이스가 성능 추정 알고리즘을 트레이닝하기 위한 기계 학습을 적용 및 수행하기 위하여 실행가능 명령어들 및 연관된 하드웨어를 가질 수 있다.

하나의 실시예에 있어서, 성능 추정 알고리즘에 대한 트레이닝 프로세스를 완료한 후에, 네트워크(100)는 사용자 트래픽에 대한 임의의 방해 없이 작동 데이터(패시브 프로빙으로부터의 데이터)를 가지고 모니터링될 수 있다. 하나의 실시예에 있어서, 액티브 프로빙은 정확한 성능 추정에 대한 필요성 및 작동 데이터 추정기를 갱신하기 위한 트레이닝 데이터에 대한 필요성에 따라서 동적으로 및/또는 드물게 임의의 통신 디바이스에 의해 개시될 수 있다. 예를 들어, 네트워크의 성능이 기준치(threshold) 밑으로 떨어지고, 성능 추정이 정확한 데이터를 제공하지 않는 경우에, 통신 디바이스(103₂)는 성능 추정 알고리즘을 트레이닝시키기 위하여 액티브 프로빙을 호출할 수 있고, 그래서, 네트워크(100)는 장차(in future) 작동 데이터를 통해서 모니터링될 수 있다.

도 2는 본 발명의 일 실시예에 따라서, 성능 알고리즘을 트레이닝시키기 위한 흐름도(200)이다. 도 2와 관련하여 흐름도의 블록들이 특정 순서로 도시되지만, 동작(action)의 순서는 변경될 수 있다. 그래서, 도시된 실시예들은 상이한 순서로 수행될 수 있고, 몇몇 동작들/블록들은 병렬적으로 수행될 수 있다. 도 2의 흐름도는 도 1의 실시예들을 참조하여 도시된다. 이 흐름도의 실시예를 모호하지 않게 하기 위해서, 각각의 방법 단계들의 세부사항들이 반복해서 언급되지는 않는다.

하나의 실시예에 있어서, 본 방법은 통신 링크들, 예를 들어, 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 103₁과 106_1-M 사이의 링크들, 및/또는 103₂와 104 사이의 DSL 링크들 상의 데이터 트래픽과 관련된 카운터들의 실행 중인 값(running value)들을 기록하는 것(recording)을 포함한다. 하나의 실시예에 있어서, 카운터들의 실행 중인 값들은 패킷 에러 카운트들, 패킷 재전송 카운트들, 성공적인 ACK 메시지 카운트들 등 중의 적어도 하나를 포함한다. 예를 들어, B1은 카운터들에 의해 기록된 총 전송 바이트(total transmitted byte)이다. 이러한 실시예에 있어서, 작동 카운터들은 성공적으로 배달된 패킷들에 대해 카운트 값이 증가한다. 하나의 실시예에 있어서, 통신 디바이스(예컨대, 103₁ 또는 최적화 센터(101))는 액티브 프로빙을 실행하기 시작한다. 이러한 실시예에 있어서, 액티브 프로빙 데이터는 각각의 통신 링크들(예컨대, 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 및/또는 103₂와 104 사이의 링크들)을 통해서 통신 디바이스(예컨대, 103₁, 105, 103₂, 또는 최적화 센터(101))로부터 다른 통신 디바이스(예컨대, 101, 106_1-M, 또는 104)로 전송된다.

하나의 실시예에 있어서, 't' 초(예컨대, 0.001초 내지 60초) 대기 후에, 작동 카운터 값들이 다시 판독되는데, 예를 들어, 이제 B2라는 총 전송 바이트가 작동 카운터들로부터 기록된다. 하나의 실시예에 있어서, 처리량(throughput)이 계산되는데, 여기서 처리량=(B2-B1)/t이고, 단위는 바이트/초(bytes/seconds)이다. 계산된 처리량은 사용된 실제 사용자 데이터 바이트(actual user data bytes)와 비교하여 작동 데이터로부터의 리포트된 바이트(reported bytes)에서의 임의의 바이어스(bias)로 인하여 정확하지 않을 수 있다. 부정확한 계산된 처리량에 대한 다른 이유는 단순히 사용자가 링크를 충분히 부담이 가게(heavily) 이용하지 않거나 카운터가 전속력(full speed)으로 그 값을 증가시키는 것을 초래할 만큼 충분한 트래픽을 생성하지 않아서 리포트된 바이트가 링크의 용량(capacity)보다 훨씬 더 낮을 수 있기 때문이다. 하나의 실시예에 있어서, 계산된 처리량에 있어서의 이러한 바이어스 및 부정확성은 작동 데이터로부터 계산된 처리량을 액티브 프로빙 데이터를 가지고 계산된 처리량과 비교함으로써 검출될 수 있다. 이러한 실시예에 있어서, 본 명세서에서 설명되는 방법은 (B2-B1)/t을 이용하는 부정확한 방법이 아니라 직접적인 방법과 비교하여 더욱 정확한 처리량 추정 알고리즘을 내놓는 데에 이용될 수 있다.

블록 201에서, 통신 디바이스(예컨대, 103_1-N, 105, 및/또는 최적화 센터(101) 중의 하나 이상)는 통신 디바이스의 물리적 또는 MAC(Media Access Control) 어드레스 계층(예컨대, 게이트웨이)과 연관된 작동 데이터를 판독한다. 예를 들어, 통신 디바이스(1032)는 통신 디바이스(103₂)와 CPE(104) 사이의 DSL 링크와 연관된 작동 데이터를 판독한다.

블록 202에서, 통신 디바이스는 액티브 프로빙을 실행한다. 예를 들어, 테스트 데이터는 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 103₁과 106_1-M 사이의 링크들을 통하여 전송되고 수신된다. 다른 예에 있어서, 테스트 데이터는 103₂와 104 사이의 링크들을 통하여 전송되고 수신된다. 다른 실시예들에 있어서, 액티브 프로빙으로부터의 테스트 데이터는 다른 링크들 및 다른 통신 디바이스들을 통하여 전송되고 수신된다.

블록 203에서, 통신 디바이스(103₂)는 다시 작동 데이터를 판독하고, 액티브 프로빙을 수행하는 것이 이어진다. 이러한 실시예에 있어서, 패시브 데이터 또는 작동 데이터에 상응하는 카운터 값들은 다시 판독되고, 이제 이들의 내용(카운터 값들)은 네트워크 성능의 스냅샷(snapshot)을 나타낸다. 카운터 값들은 링크에 대한 트레이닝된 성능 추정 알고리즘이 없는 경우에는 액티브 프로빙 데이터를 이용해서 네트워크 성능의 정확한 스냅샷을 제공하지 못할 수 있다.

블록 204에서, 최적화 센터(101)는 성능 추정 알고리즘(102)을 트레이닝시키기 위하여 액티브 프로빙을 실행함으로써 결정된 액티브 데이터와 함께 카운터 값들(패시브 데이터 즉, 작동 데이터)을 이용한다. 본 명세서에서 실시예들은 성능 추정 알고리즘(102)을 트레이닝시키기 위하여 최적화 센터(101)를 이용하는 것으로 설명되지만, 네트워크 내의 (도 1의) 임의의 다른 통신 디바이스가 성능 추정 알고리즘(102)을 트레이닝시키는 데에 이용될 수 있다. 하나의 실시예에 있어서, 통신 디바이스(103₂)는 성능 알고리즘(102)을 트레이닝시키기 위하여 데이터를 이용하고 있을 수 있다.

하나의 실시예에 있어서, 통상적으로 (예컨대, 링크들을 범람시킴으로써) 풀 트래픽(full traffic)을 생성하는 액티브 프로빙을 실행한 후에 작동 데이터는 이제 더 많은 관련 데이터를 가지기 때문에, 최적화 센터(101)는 작동 데이터를 이용해서 성능 추정 알고리즘(102)을 계속해서 개선한다(refine). 이러한 실시예에 있어서, 액티브 프로빙의 실행은 데이터 트래픽이 방해받지 않도록 제한될 수 있다. 예를 들어, 성능 추정 알고리즘(102)은 네트워크 성능의 정확한 추정을 이제 제공하는 작동 데이터를 이용해서 갱신된다.

도 3은 본 발명의 일 실시예에 따라서, 서버에 의해 통신 디바이스에 대한 성능 알고리즘을 트레이닝시키기 위한 흐름도(300)이다. 상술한 바와 같이, 통신 디바이스들(103_1-N) 중의 임의의 것이 서버일 수도 있다. 도 3과 관련하여 흐름도의 블록들이 특정 순서로 도시되지만, 동작의 순서는 변경될 수 있다. 그래서, 도시된 실시예들은 상이한 순서로 수행될 수 있고, 몇몇 동작들/블록들은 병렬적으로 수행될 수 있다. 도 3의 흐름도는 도 1 및 도 2의 실시예들을 참조하여 도시된다.

흐름도(300)는 서버단(server end)(301)에서 수행되는 동작들 및 통신단(communication end)(302)에서 수행되는 동작들과 관련하여 도시된다. 블록 303에서, 통신 디바이스(103₂)는 액티브 프로빙을 실행한다. 예를 들어, 통신 디바이스(103₂)는 통신 링크(107₂)를 통하여 테스트 데이터를 서버(101)에 보내고, 이후 서버(101)로부터 액티브 데이터를 수신한다. 다른 예에 있어서, 통신 디바이스(103₂)는 DSL 링크를 통하여 테스트 데이터를, 서버처럼 거동하는 CPE(104)에 보내고, 이후 CPE(104)로부터 액티브 데이터를 수신한다. 상술한 실시예들에서, 통신 디바이스 중의 임의의 것이 성능 추정 알고리즘을 갱신하기 위한 데이터(액티브 및/또는 패시브)를 처리하기 위하여 서버로서 거동할 수 있다.

블록 304에서, 통신 디바이스(103₂)는 패시브 프로빙을 실행하는데, 즉, 작동 데이터를 판독한다. 블록 305에서, 통신 디바이스(103₂)는 작동 데이터를 서버단(301)에 전송한다. 예를 들어, 통신 디바이스(103₂)는 통신 링크(107₂)를 통하여 작동 데이터를 서버(101)에 전송한다. 다른 예에 있어서, 통신 디바이스(103₂)는 DSL 링크를 통하여 작동 데이터를, 서버처럼 거동하는 CPE(104)에 전송한다.

블록 306에서, 작동 데이터는 서버단(301)에서 수신된다. 예를 들어, 작동 데이터는 서버(101)에 의해 수신된다. 다른 예에 있어서, 작동 데이터는 DSL 링크를 통하여, 서버처럼 거동하는 CPE(104)로 수신된다.

블록 307에서, 서버단(301)에서의 통신 디바이스는 작동 데이터(패시브 프로빙 데이터) 및/또는 액티브 프로빙으로부터 수신된 데이터에 따라서 성능 추정 알고리즘(102)을 트레이닝시킨다. 블록 308에서, 트레이닝된 알고리즘은 통신 디바이스(103₂)에 보내지고, 통신 디바이스(103₂)는 통신 디바이스(103₂)의 성능을 측정하기 위하여 이 트레이닝 알고리즘을 이용할 수 있다.

상술한 바와 같이, 작동 데이터를 이용한 성능 추정은 액티브 프로빙을 가진 종래의 네트워크 모니터링 유틸러티들(traditional network monitoring utilities: NMU들)과는 달리 개입적이지 않다. 작동 데이터는 일반적으로 즉시(readily) 이용가능하고, 성능 추정 알고리즘을 계속적으로 갱신하고 트레이닝시키는 데에 이용될 수 있으며 네트워크 성능을 평가하는 데이 이용될 수 있다. 하나의 실시예에 있어서, 정확한 NMU들은 작동 데이터 기반 성능 추정 방법들을 캘리브레이팅(calibrate)하거나, 향상시키거나(enhance), 미세 조정하기(fine-tune) 위해서 간헐적으로(예컨대, 일주일에 한 번) 이용된다. 이러한 실시예에 있어서, 작동 데이터는 네트워크를 계속적으로 모니터링하기 위해서 이용되지만, NMU들은 성능 추정 방법들을 캘리브레이팅하기 위하여 간헐적으로 이용된다. NMU들 및 작동 데이터로부터 획득된 결과들은 학습 기반 알고리즘을 이용해서 함께 결합될 수 있다. 예를 들어, 작동 데이터를 이용해서 획득된 네트워크의 처리량 추정들은 NMU 기반 기술들을 이용하여 네트워크의 액티브 프로빙에 의해서 캘리브레이팅될 수 있다.

각각의 통신 링크, 예를 들어, 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 103₁과 106_1-M 사이의 링크들, 및/또는 103₂와 104 사이의 DSL 링크들이 고유한 상황에서, NMU들 및 작동 데이터로부터의 결과들은 링크맞춤형(link-tailored) 알고리즘들에서 이용될 수 있다.

예를 들어, 특정한 링크, 예컨대, 링크들(107_1-N), 105와 106_1-M 사이의 링크들, 103₁과 106_1-M 사이의 링크들, 및/또는 103₂와 104 사이의 DSL 링크들은 NMU들을 실행하는 것이 사용자 트래픽을 방해하기 때문에 NMU들을 이용해서 빈번한 캘리브레이션(calibration)들을 허용하지 않는 매우 높은 데이터 트래픽을 가질 수 있다. 이러한 실시예에 있어서, 학습 알고리즘은 특정한 링크들의 작동 데이터 특성에 맞게 성능 추정 알고리즘을 튜닝하기 위해서 NMU로부터의 가끔의(occasional) 결과와 작동 데이터(패시브 프로빙으로부터의 패시브 데이터)로부터의 더욱 빈번한(frequent) 결과들을 결합할 수 있다. 몇몇 실시예들에서, 관련 작동 데이터 필드(field)들이 이용가능하지 않을 수 있지만, 이들의 부재는 관련 작동 데이터 필드들의 이용가능하지 않음으로부터의 임의의 제약을 극복하기 위해서 NMU 측정을 이용한 가끔의 링크당(per-link) 캘리브레이션에 의해서 조정된다(accommodated).

하나의 예에 있어서, 전송 및 수신 특성들에서의 패턴들은 작동 데이터(즉, 패시브 프로빙 데이터)를 이용해서 식별될 수 있고, NMU들(즉, 액티브 프로빙)을 이용해서 컨펌될(또는 캘리브레이팅될) 수 있다. 하나의 실시예에 있어서, 전송 및 수신 특성에서의 이러한 패턴들은 시간, 트래픽, 채널, 애플리케이션 등을 기초로 할 수 있다. 이러한 패턴들은 또한 성능 추정을 위해서 이용될 수 있다.

다른 예에 있어서, 네트워크의 성능 추정 또는 성능 평가는 통신 디바이스(103₂)의 사용자의 실시간 데이터를 이용해서 실시간으로 수행될 수 있다. 예를 들어, 통신 디바이스(103₂)의 자기 진단(self-diagnosis)을 수행하길 원하는 사용자는, 액티브 프로빙을 실행하고 작동 데이터를 판독하는 성능 추정을 개시할 수 있다. 다른 예에서, 서비스 제공자는 고객으로부터의 도움 요청에 응답하여 네트워크에서의 통신 링크를 진단하고 네트워크의 성능을 모니터링할 수 있다.

도 4는 본 발명의 일 실시예에 따라서, 통신 시스템 성능 알고리즘을 추정하고 향상시키도록 작동가능한 컴퓨터 실행가능 명령어들(102/404a)을 가진 기계 판독가능 저장 매체(404)를 구비한 프로세서 기반 시스템(400)이다. 저장 매체 및 연관된 컴퓨터 실행가능 명령어들은 본 명세서에서 설명된 통신 디바이스들 및/또는 서버들 중의 임의의 것일 수 있다. 컴퓨터-기계-판독가능/실행가능(computer-machine-readable/executable) 명령어들(102/404a)은 프로세서(401)에 의해서 실행된다. 실시예들의 엘리먼트들은 컴퓨터 실행가능 명령어들(예컨대, 도 2 및 도 3의 흐름도들 및 상세한 설명에서 설명된 다른 프로세스들을 구현하기 위한 명령어들)을 저장하기 위한 기계 판독가능 매체로서 제공된다.

하나의 실시예에 있어서, 프로세서 기반 시스템(400)은 명령어들(102/404a)에 의해 이용되는 데이터를 저장하기 위하여 데이터베이스(database)(402)를 더 포함한다. 하나의 실시예에 있어서, 프로세서 기반 시스템(400)은 다른 디바이스들과 통신하기 위하여 네트워크 인터페이스(network interface)(405)를 포함한다. 하나의 실시예에 있어서, 프로세서 기반 시스템(400)의 구성요소들은 네트워크 버스(network bus)(403)를 통하여 서로 통신한다.

기계 판독가능 저장 매체(404)는 플래시 메모리(flash memory), 광학적 디스크(optical disk), HDD(hard disk drive), SSD(Solid State Drive), CD-ROM(CD-Read Only Memory), DVD ROM, RAM, EPROM, EEPROM, 자기적 또는 광학적 카드(magnetic or optical card), 또는 전자적 또는 컴퓨터 실행가능 명령어를 저장하기에 적합한 다른 타입의 기계 판독가능 매체를 포함할 수 있되, 이에 한정되지는 않는다. 예를 들어, 본 발명의 실시예들은, 통신 링크(예컨대, 모뎀 또는 네트워크 연결)를 통하여 데이터 신호들에 의해서 원격 컴퓨터(remote computer)(예컨대, 서버)로부터 요청 컴퓨터(requesting computer)(예컨대, 클라이언트)로 전송될 수 있는 컴퓨터 프로그램(예컨대, BIOS)으로서 다운로드될(downloaded) 수 있다.

"실시예", "하나의 실시예", "몇몇 실시예들", 또는 "다른 실시예들"이라는 명세서에서의 언급은 실시예들과 관련하여 설명된 구체적인 특징, 구조, 또는 특성이 모든 실시예들에서 필수적인 것은 아니지만 적어도 몇몇 실시예들에 포함된다는 것을 의미한다. "실시예", "하나의 실시예", 또는 "몇몇 실시예들"의 다양한 출현이 반드시 모두가 동일한 실시예들을 지칭하는 것이 아니다. 명세서에서 "~일 수 있다(may)", "~일 수 있다(might)", "~할 수 있다(could)"의 의미가 포함된 구성요소, 특징, 구조, 또는 특성이 언급된다면, 이러한 구체적인 구성요소, 특징, 구조, 또는 특성이 포함되는 것이 필수적인 것은 아니다. 만일 명세서 또는 청구항이 영어의 부정관사("a" 또는 "an")의 수식을 받는 엘리먼트를 지칭한다면, 이것은 엘리먼트들 중에서 하나만이 존재한다는 것을 의미하는 것이 아니다. 만일 명세서 또는 청구항이 "추가적(an additional)" 엘리먼트라고 지칭한다면, 이것은 추가적 엘리먼트가 하나보다 많이 존재하는 것을 배제하는 것이 아니다.

게다가, 구체적인 특징들, 구조들, 기능들, 또는 특성들은 하나 이상의 실시예들에서 임의의 적절한 방식으로 결합될 수 있다. 예를 들어, 두 개의 실시예들과 연관된 구체적인 특징들, 구조들, 기능들, 또는 특성들이 상호 배타적이지 않은 어느 곳에서든 제1 실시예가 제2 실시예와 결합될 수 있다.

본 발명은 그 구체적인 실시예들과 함께 설명되었지만, 이러한 실시예들의 다수의 대안들, 변경들, 및 변형들이 상술한 설명의 관점에서 통상의 기술자에게 명백할 것이다. 본 발명의 실시예들은 모든 이러한 대안들, 변경들, 및 변형들이 첨부된 청구항의 넓은 범위에 들어가도록 포괄하는 것으로 의도된다.

이하의 예들은 추가적인 실시예들과 관련이 있다. 이 예들에서의 세부내용들은 하나 이상의 실시예들에서 어디에서나 이용될 수 있다. 본 명세서에서 설명된 장치의 모든 선택적인 특징들은 또한 방법 또는 프로세스(process)의 관점에서 구현될 수 있다.

예를 들어, 하나의 실시예에 있어서, 통신 디바이스의 성능 추정을 위한 방법이 제공되고, 이 방법은: 액티브 프로빙 데이터를 결정하기 위하여 액티브 프로빙을 실행하는(executing) 단계; 작동 데이터를 판독하는(reading) 단계; 및 액티브 프로빙 데이터 및 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는(training) 단계;를 포함하고, 작동 데이터는 채널과 그것의 노이즈 상태와 관련된 데이터, 그리고 통신 디바이스와 다른 통신 디바이스 사이의 사용자 데이터 트래픽과 관련된 카운터 값들을 포함하고, 작동 데이터는 통신 디바이스의 현재 설정들과 관련이 있다.

하나의 실시예에 있어서, 본 방법은 액티브 프로빙을 실행하기 전에 작동 데이터를 판독하는 것을 더 포함한다. 하나의 실시예에 있어서, 작동 데이터를 판독하는 것은 액티브 프로빙을 실행하는 동안이나 액티브 프로빙을 실행한 후에 수행된다. 하나의 실시예에 있어서, 성능 추정 알고리즘을 트레이닝하는 것은 하나 이상의 기준으로 이루어진 함수로서 성능 추정 알고리즘을 갱신하는 것을 포함하고, 하나 이상의 기준은: 하루 중의 시간; 주 중의 시간; 통신 디바이스의 타입; 장비의 제조사 및 모델; 장비 특성; 펌웨어; 백본 리미테이션; 사용자의 네트워크 사용 패턴; 신호 파워, 경로 손실(path loss), 노이즈 레벨(noise level), 주파수 대역, 및 작동 모드 중의 적어도 하나를 포함하는 RF 특성; 환경 통계; 또는 통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터 중의 적어도 하나를 포함한다.

하나의 실시예에 있어서, 액티브 프로빙을 실행하는 것은: 통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및 작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기하는 것;을 포함한다. 하나의 실시예에 있어서, 액티브 프로빙을 실행하는 것은: 통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및 다른 통신 디바이스에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트를 수신하는 것;을 포함한다. 하나의 실시예에 있어서, 액티브 프로빙을 실행하는 것은: 통신 디바이스로부터 다른 통신 디바이스로 트래픽을 전송하는 것; 및 전송된 트래픽과 연관이 있는 측정된 데이터를 기록하는 것;을 포함한다.

하나의 실시예에 있어서, 본 방법은: 성능 추정 알고리즘을 트레이닝시키기 위한 액티브 프로빙 데이터를 이용해서 통신 디바이스의 처리량, 연결성, 레이턴시, 지터, 또는 에러율 중 적어도 하나를 계산하는 것을 더 포함한다. 하나의 실시예에 있어서, 액티브 프로빙을 실행하는 것은 패시브 프로빙을 실행하는 것보다 더 적은 횟수로 수행된다.

하나의 실시예에 있어서, 본 방법은: 액티브 프로빙을 실행하기 전에, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후에, 액티브 프로빙 데이터 및 판독된 작동 데이터를 서버에 전송하는 것을 더 포함한다. 하나의 실시예에 있어서, 서버는 통신 디바이스 및 다른 통신 디바이스들로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시킨다. 하나의 실시예에 있어서, 서버는 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키기 위하여 기계 학습 알고리즘을 적용한다.

하나의 실시예에 있어서, 통신 디바이스는: AP(access point); 기지국; 무선 LAN(local area network) 디바이스; DSLAM(digital subscriber line access multiplexer); 게이트웨이; 성능 향상 디바이스; DSL(Digital Subscriber Line) CPE(Customer Premises Equipment) 모뎀; 댁내 파워라인 디바이스; HPNA(Home Phoneline Network Alliance) 기반 디바이스; 댁내 동축 분배 디바이스; G.hn(Global Home Networking Standard) 호환가능 디바이스; 댁내 계량 통신 디바이스; LAN과 통신가능하게 인터페이스된 댁내 기기; 무선 펨토셀 기지국; 무선 WiFi 호환가능 기지국; 무선 모바일 디바이스 리피터; 무선 모바일 디바이스 기지국; 애드혹/메쉬 네트워크 내의 노드들; STB(set-top box)/STU(set-top unit) 고객 전자 장치; IP(Internet Protocol) 이용가능 텔레비전; IP 이용가능 미디어 플레이어; IP 이용가능 게이밍 콘솔; 이더넷 게이트웨이; LAN에 연결된 컴퓨팅 디바이스; 이더넷 연결 컴퓨터 주변 장치; 이더넷 연결 라우터; 이더넷 연결 무선 브릿지; 이더넷 연결 네트워크 브릿지; 및 이더넷 연결 네트워크 스위치; 중의 적어도 하나를 포함한다.

다른 예에서, 하나의 실시예에 있어서, 실행시 프로세서로 하여금 본 명세서에서 설명된 방법에 따른 방법을 수행하도록 초래하는 기계 실행가능(machine-executable) 명령어들을 저장하기 위한 기계 판독가능 저장 매체가 제공된다.

다른 예에서, 시스템이 제공되고, 이 시스템은 하나 이상의 통신 디바이스들에 통신가능하게 결합된 최적화 센터를 포함하고, 하나 이상의 통신 디바이스들은: 액티브 프로빙 데이터를 결정하기 위하여 액티브 프로빙을 실행하도록 작동가능하고; 채널과 그것의 노이즈 상태와 관련된 데이터 및 통신 디바이스와 다른 통신 디바이스 사이의 사용자 데이터 트래픽과 관련된 카운터 값들을 포함하는 작동 데이터를 판독하도록 작동가능하고; 액티브 프로빙 데이터 및 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키도록 작동가능하고; 작동 데이터는 통신 디바이스의 현재 설정들과 관련이 있다.

하나의 실시예에 있어서, 최적화 센터는 하나 이상의 통신 디바이스들 중에서 서버로서 또는 통신 디바이스로서 구현된다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은 액티브 프로빙을 실행하기 전에 작동 데이터를 판독하도록 작동가능하다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은 액티브 프로빙을 실행하는 동안 또는 액티브 프로빙을 실행한 후에 작동 데이터를 판독하도록 작동가능하다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은 하나 이상의 기준으로 이루어진 함수로서 성능 추정 알고리즘을 갱신함으로써 성능 추정 알고리즘을 트레이닝시키도록 작동가능하고, 하나 이상의 기준은: 하루 중의 시간; 주 중의 시간; 통신 디바이스의 타입; 장비의 제조사 및 모델; 장비 특성; 펌웨어; 백본 리미테이션; 사용자의 네트워크 사용 패턴; 신호 파워, 경로 손실, 노이즈 레벨, 주파수 대역, 및 작동 모드 중의 적어도 하나를 포함하는 RF 특성; 환경 통계; 또는 통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터; 중의 적어도 하나를 포함한다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은: 통신 디바이스로부터 다른 다른 통신 디바이스로 액티브 프로빙 데이터를 전송함으로써; 그리고 작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기함으로써; 액티브 프로빙을 실행하도록 작동가능하다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은: 통신 디바이스에서 다른 통신 디바이스로 액티브 프로빙 데이터를 전송함으로써; 그리고 다른 통신 디바이스에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트를 수신함으로써; 액티브 프로빙을 실행하도록 작동가능하다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은: 통신 디바이스로부터 다른 통신 디바이스로 트래픽을 전송함으로써; 그리고 전송된 트래픽과 연관이 있는 측정된 데이터를 기록함으로써; 액티브 프로빙을 실행하도록 작동가능하다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은 성능 추정 알고리즘을 트레이닝시키기 위한 액티브 프로빙 데이터를 이용해서 통신 디바이스의 처리량, 연결성, 레이턴시, 지터, 또는 에러율 중 적어도 하나를 계산하도록 작동가능하다. 하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은 패시브 프로빙을 실행하는 것보다 더 적은 횟수로 액티브 프로빙을 실행하도록 작동가능하다.

하나의 실시예에 있어서, 하나 이상의 통신 디바이스들은: 액티브 프로빙을 실행하기 전에, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후에 액티브 프로빙 데이터 및 판독된 작동 데이터를 서버에 전송하도록 작동가능하다. 하나의 실시예에 있어서, 서버는 통신 디바이스 및 다른 통신 디바이스들로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트래이닝시키도록 작동가능하다. 하나의 실시예에 있어서, 서버는 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키기 위하여 기계 학습 알고리즘을 적용하도록 작동가능하다.

다른 예에서, 하나의 실시예에 있어서, 통신 디바이스의 성능 추정을 위한 방법이 제공되고, 이 방법은: 액티브 프로빙 및 패시브 프로빙을 실행한 후에 통신 디바이스로부터 카운터 값들을 포함하는 작동 데이터를 수신하는 단계; 및 액티브 프로빙을 실행하기 전 또는 액티브 프로빙을 실행한 후에 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 단계;를 포함하고, 카운터 값들은 통신 디바이스로부터 다른 통신 디바이스로의 사용자 데이터 트래픽과 관련이 있다.

하나의 실시예에 있어서, 본 방법은: 액티브 프로빙을 실행하기 전에 작동 데이터를 수신하는 것을 더 포함한다. 하나의 실시예에 있어서, 작동 데이터는 액티브 프로빙을 실행하는 동안 또는 액티브 프로빙을 실행한 후에 수신된다.

하나의 실시예에 있어서, 성능 추정 알고리즘을 트레이닝하는 것은 하나 이상의 기준으로 이루어진 함수로서 성능 추정 알고리즘을 갱신하는 것을 포함하고, 하나 이상의 기준은: 하루 중의 시간; 주 중의 시간; 통신 디바이스의 타입; 장비의 제조사 및 모델; 장비 특성; 펌웨어; 백본 리미테이션; 사용자의 네트워크 사용 패턴; 신호 파워, 경로 손실, 노이즈 레벨, 주파수 대역, 및 작동 모드 중의 적어도 하나를 포함하는 RF 특성; 환경 통계; 또는 통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터; 중의 적어도 하나를 포함한다.

하나의 실시예에 있어서, 액티브 프로빙을 실행하는 것은: 통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및 작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기하는 것;을 포함한다. 하나의 실시예에 있어서, 액티브 프로빙을 실행하는 것은: 통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및 다른 통신 디바이스에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트를 수신하는 것;을 포함한다.

하나의 실시예에 있어서, 본 방법은: 액티브 프로빙 데이터 및 판독된 작동 데이터를 수신하는 것을 더 포함하고, 작동 데이터는 액티브 프로빙을 실행하기 전에, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후의 통신 디바이스로부터의 사용자 데이터 트래픽과 관련이 있다. 하나의 실시예에 있어서, 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 것은 통신 디바이스 및 다른 통신 디바이스들로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 수행된다. 하나의 실시예에 있어서, 성능 추정 알고리즘을 트레이닝하는 것은 기계 학습 알고리즘을 적용하는 것을 포함한다.

또 다른 예에 있어서, 실행시 프로세서로 하여금 본 명세서에서 설명된 방법을 수행하도록 초래하는 기계 실행가능 명령어들을 저장하기 위한 기계 판독가능 저장 매체가 제공된다.

독자로 하여금 본 발명의 본질 및 요지를 확인할 수 있도록 하는 요약서가 제공된다. 요약서는 청구항들의 범위 및 의미를 제한하는 데에 이용되지 않을 것이라는 이해 하에서 제출된다. 이하의 청구항들은 이로써 상세한 설명에 통합되며, 각각의 청구항은 그 자신을 별도의 실시예로서 주장한다.

Claims

통신 디바이스(communication device)의 성능 추정을 위한 방법으로서,
액티브 프로빙 데이터(active probing data)를 결정하기 위하여 액티브 프로빙을 실행하는 단계;
작동 데이터(operational data)를 판독하는 단계; 및
액티브 프로빙 데이터 및 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 단계;를 포함하고,
작동 데이터는 채널(channel)과 그것의 노이즈 상태(noise condition)와 관련된 데이터 및 상기 통신 디바이스와 다른 통신 디바이스 사이의 사용자 데이터 트래픽(user data traffic)과 관련된 카운터 값(counter value)들을 포함하고,
작동 데이터는 통신 디바이스의 현재 설정(current setting)들과 관련이 있는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
액티브 프로빙을 실행하기 전에 작동 데이터를 판독하는 것을 더 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
작동 데이터를 판독하는 것은 액티브 프로빙을 실행하는 동안 또는 액티브 프로빙을 실행한 후에 수행되는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
성능 추정 알고리즘을 트레이닝하는 것은: 하나 이상의 기준으로 이루어진 함수로서 성능 추정 알고리즘을 갱신하는 것을 포함하고, 상기 하나 이상의 기준은:
하루 중의 시간(time of day);
주 중의 시간(time of the week);
통신 디바이스의 타입(type of communication device);
장비의 제조사 및 모델(manufacturer and model of equipment);
장비 특성(equipment characteristics);
펌웨어(firmware);
백본 리미테이션(backbone limitations);
사용자의 네트워크 사용 패턴(user's network usage pattern);
신호 파워(signal power), 경로 손실(path loss), 노이즈 레벨(noise level), 주파수 대역(frequency bands), 및 작동 모드(mode of operation) 중의 적어도 하나를 포함하는 RF 특성(RF characteristics);
환경 통계(environment statistics); 또는
통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터;
중의 적어도 하나를 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
액티브 프로빙을 실행하는 것은:
통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및
작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기하는 것;을 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
액티브 프로빙을 실행하는 것은:
통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및
다른 통신 디바이스에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트(report)를 수신하는 것;을 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
액티브 프로빙을 실행하는 것은:
통신 디바이스로부터 다른 통신 디바이스로 트래픽을 전송하는 것; 및
전송된 트래픽과 연관이 있는 측정된 데이터를 판독하는 것;을 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
성능 추정 알고리즘을 트레이닝시키기 위한 액티브 프로빙 데이터를 이용해서 통신 디바이스의 처리량(throughput), 연결성(connectivity), 레이턴시(latency), 지터(jitter), 또는 에러율(error rate) 중 적어도 하나를 계산하는 것을 더 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
액티브 프로빙을 실행하는 것은 패시브 프로빙을 실행하는 것보다 더 적은 횟수로 수행되는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
액티브 프로빙을 실행하기 전에, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후에 액티브 프로빙 데이터 및 판독된 작동 데이터를 서버(server)에 전송하는 것을 더 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 10에 있어서,
서버는 통신 디바이스 및 다른 통신 디바이스들로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 11에 있어서,
서버는 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키기 위해 기계 학습(machine learning) 알고리즘을 적용하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 1에 있어서,
통신 디바이스는:
AP(access point);
기지국(base station);
무선 LAN 디바이스(wireless local area network device);
DSLAM(digital subscriber line access multiplexer);
게이트웨이(gateway);
성능 향상 디바이스(performance enhancement device);
DSL(Digital Subscriber Line) CPE(Customer Premises Equipment) 모뎀;
댁내 파워라인 디바이스(in-home powerline device);
HPNA(Home Phoneline Network Alliance) 기반(based) 디바이스;
댁내 동축 분배 디바이스(in-home coax distribution device);
G.hn(Global Home Networking Standard) 호환가능(compatible) 디바이스;
댁내 계량 통신 디바이스(in-home metering communication device);
LAN과 통신가능하게 인터페이스된 댁내 기기(in-home appliance communicatively interfaced with the LAN);
무선 펨토셀 기지국(wireless femtocell base station);
무선 WiFi 호환가능 기지국(wireless WiFi compatible base station);
무선 모바일 디바이스 리피터(wireless mobile device repeater);
무선 모바일 디바이스 기지국(wireless mobile device base station);
애드혹/메쉬 네트워크 내의 노드들(nodes within an ad-hoc/mesh network);
STB(set-top box)/STU(set-top unit) 고객 전자 장치(customer electronics device);
IP(Internet Protocol) 이용가능 텔레비전(IP enabled television);
IP 이용가능 미디어 플레이어(IP enabled media player);
IP 이용가능 게이밍 콘솔(IP enabled gaming console);
이더넷 게이트웨이(Ethernet gateway);
LAN에 연결된 컴퓨팅 디바이스(computing device connected to the LAN);
이더넷 연결 컴퓨터 주변 장치(Ethernet connected computer peripheral device);
이더넷 연결 라우터(Ethernet connected router);
이더넷 연결 무선 브릿지(Ethernet connected wireless bridge);
이더넷 연결 네트워크 브릿지(Ethernet connected network bridge); 및
이더넷 연결 네트워크 스위치(Ethernet connected network switch);
중의 적어도 하나를 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
하나 이상의 통신 디바이스들에 통신가능하게 결합된 최적화 센터(optimization center)를 포함하고,
하나 이상의 통신 디바이스들은:
액티브 프로빙 데이터를 결정하기 위한 액티브 프로빙을 실행하도록 작동가능(operable)하고;
작동 데이터를 판독하도록 작동가능하고; 그리고
액티브 프로빙 데이터 및 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키도록 작동가능하고;
작동 데이터는 채널과 그것의 노이즈 상태와 관련된 데이터 및 통신 디바이스와 다른 통신 디바이스 사이의 사용자 데이터 트래픽과 관련된 카운터 값들을 포함하고,
작동 데이터는 통신 디바이스의 현재 설정들과 관련이 있는 것을 특징으로 하는 시스템.
청구항 14에 있어서,
최적화 센터는 하나 이상의 통신 디바이스들 중에서 서버로서 또는 통신 디바이스로서 구현되는 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은 액티브 프로빙을 실행하기 전에 작동 데이터를 판독하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은 액티브 프로빙을 실행하는 동안 또는 액티브 프로빙을 실행한 후에 작동 데이터를 판독하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은 하나 이상의 기준으로 이루어진 함수로서 성능 추정 알고리즘을 갱신함으로써 성능 추정 알고리즘을 트레이닝시키도록 작동가능하고, 상기 하나 이상의 기준은:
하루 중의 시간;
주 중의 시간;
통신 디바이스의 타입;
장비의 제조사 및 모델;
장비 특성;
펌웨어;
백본 리미테이션;
사용자의 네트워크 사용 패턴;
신호 파워, 경로 손실, 노이즈 레벨, 주파수 대역, 및 작동 모드 중의 적어도 하나를 포함하는 RF 특성;
환경 통계; 또는
통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터;
중의 적어도 하나를 포함하는 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은:
통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송함으로써; 그리고
작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기함으로써;
액티브 프로빙을 실행하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은:
통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송함으로써; 그리고
다른 통신 디바이스에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트를 수신함으로써;
액티브 프로빙을 실행하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은:
통신 디바이스로부터 다른 통신 디바이스로 트래픽을 전송함으로써; 그리고
전송된 트래픽과 연관이 있는 측정된 데이터를 기록함으로써;
액티브 프로빙을 실행하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은 성능 추정 알고리즘을 트레이닝시키기 위한 액티브 프로빙 데이터를 이용해서 통신 디바이스의 처리량, 연결성, 레이턴시, 지터, 또는 에러율 중 적어도 하나를 계산하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은 패시브 프로빙을 실행하는 것보다 더 적은 횟수로 액티브 프로빙을 실행하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
하나 이상의 통신 디바이스들은 액티브 프로빙을 실행하기 전에, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후에 액티브 프로빙 데이터 및 판독된 작동 데이터를 서버에 전송하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 24에 있어서,
서버는 통신 디바이스 및 다른 통신 디바이스들로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키도록 작동가능한 것을 특징으로 하는 시스템.
청구항 25에 있어서,
서버는 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키기 위해 기계 학습 알고리즘을 적용하도록 작동가능한 것을 특징으로 하는 시스템.
청구항 14에 있어서,
통신 디바이스는:
AP(access point);
기지국;
무선 LAN(local area network) 디바이스;
DSLAM(digital subscriber line access multiplexer);
게이트웨이;
성능 향상 디바이스;
DSL(Digital Subscriber Line) CPE(Customer Premises Equipment) 모뎀;
댁내 파워라인 디바이스;
HPNA(Home Phoneline Network Alliance) 기반 디바이스;
댁내 동축 분배 디바이스;
G.hn(Global Home Networking Standard) 호환가능 디바이스;
댁내 계량 통신 디바이스;
LAN과 통신가능하게 인터페이스된 댁내 기기;
무선 펨토셀 기지국;
무선 WiFi 호환가능 기지국;
무선 모바일 디바이스 리피터;
무선 모바일 디바이스 기지국;
애드혹/메쉬 네트워크 내의 노드들;
STB(set-top box)/STU(set-top unit) 고객 전자 장치;
IP(Internet Protocol) 이용가능 텔레비전;
IP 이용가능 미디어 플레이어;
IP 이용가능 게이밍 콘솔;
이더넷 게이트웨이;
LAN에 연결된 컴퓨팅 디바이스;
이더넷 연결 컴퓨터 주변 장치;
이더넷 연결 라우터;
이더넷 연결 무선 브릿지;
이더넷 연결 네트워크 브릿지; 및
이더넷 연결 네트워크 스위치;
중의 적어도 하나를 포함하는 것을 특징으로 하는 시스템.
실행시 프로세서로 하여금 청구항 1 내지 13 중 어느 하나의 청구항에 따른 방법을 수행하도록 초래하는 기계 실행가능(machine-executable) 명령어들을 저장하기 위한 기계 판독가능 저장 매체(machine-readable storage medium).
통신 디바이스의 성능 추정을 위한 방법으로서,
액티브 프로빙 및 패시브 프로빙을 실행한 후에 통신 디바이스로부터 카운터 값들을 포함하는 작동 데이터를 수신하는 단계; 및
액티브 프로빙을 실행하기 전 또는 액티브 프로빙을 실행한 후에 작동 데이터에 따라서 통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 단계;를 포함하고,
카운터 값들은 통신 디바이스로부터 다른 통신 디바이스로의 사용자 데이터 트래픽과 관련이 있는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
액티브 프로빙을 실행하기 전에 작동 데이터를 수신하는 것을 더 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
작동 데이터는 액티브 프로빙을 실행하는 동안 또는 액티브 프로빙을 실행한 후에 수신되는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
성능 추정 알고리즘을 트레이닝시키는 것은 하나 이상의 기준으로 이루어진 함수로서 성능 추정 알고리즘을 갱신하는 것을 포함하고, 상기 하나 이상의 기준은:
하루 중의 시간;
주 중의 시간;
통신 디바이스의 타입;
장비의 제조사 및 모델;
장비 특성;
펌웨어;
백본 리미테이션;
사용자의 네트워크 사용 패턴;
신호 파워, 경로 손실, 노이즈 레벨, 주파수 대역, 및 작동 모드 중의 적어도 하나를 포함하는 RF 특성;
환경 통계; 또는
통신 디바이스에 인접한 통신 디바이스들의 작동에 관한 데이터로서 간섭 채널들 및 레벨들 중의 적어도 하나를 포함하는 데이터;
중의 적어도 하나를 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
액티브 프로빙을 실행하는 것은:
통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및
작동 데이터를 판독하기 전에 미리 결정된 시간 동안 대기하는 것;을 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
액티브 프로빙을 실행하는 것은:
통신 디바이스로부터 다른 통신 디바이스로 액티브 프로빙 데이터를 전송하는 것; 및
다른 통신 디바이스에 의해 수신된 데이터 또는 데이터의 양을 나타내는 리포트를 수신하는 것;을 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
성능 추정 알고리즘을 트레이닝시키기 위한 액티브 프로빙 데이터를 이용해서 통신 디바이스의 처리량, 연결성, 레이턴시, 지터, 또는 에러율 중 적어도 하나를 계산하는 것을 더 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
액티브 프로빙을 실행하는 것은 패시브 프로빙을 실행하는 것보다 더 적은 횟수로 수행되는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 29에 있어서,
액티브 프로빙 데이터 및 판독된 작동 데이터를 수신하는 것을 더 포함하고, 작동 데이터는 액티브 프로빙을 실행하기 전에, 액티브 프로빙을 실행하는 동안, 및/또는 액티브 프로빙을 실행한 후의 통신 디바이스로부터의 사용자 데이터 트래픽과 관련이 있는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 37에 있어서,
통신 디바이스에 대한 성능 추정 알고리즘을 트레이닝시키는 것은 통신 디바이스 및 다른 통신 디바이스들로부터의 액티브 프로빙 데이터 및 판독된 작동 데이터에 따라서 수행되는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 38에 있어서,
성능 추정 알고리즘을 트레이닝시키는 것은 기계 학습 알고리즘을 적용하는 것을 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
청구항 38에 있어서,
통신 디바이스는:
AP(access point);
기지국;
무선 LAN(local area network) 디바이스;
DSLAM(digital subscriber line access multiplexer);
게이트웨이;
성능 향상 디바이스;
DSL(Digital Subscriber Line) CPE(Customer Premises Equipment) 모뎀;
댁내 파워라인 디바이스;
HPNA(Home Phoneline Network Alliance) 기반 디바이스;
댁내 동축 분배 디바이스;
G.hn(Global Home Networking Standard) 호환가능 디바이스;
댁내 계량 통신 디바이스;
LAN과 통신가능하게 인터페이스된 댁내 기기;
무선 펨토셀 기지국;
무선 WiFi 호환가능 기지국;
무선 모바일 디바이스 리피터;
무선 모바일 디바이스 기지국;
애드혹/메쉬 네트워크 내의 노드들;
STB(set-top box)/STU(set-top unit) 고객 전자 장치;
IP(Internet Protocol) 이용가능 텔레비전;
IP 이용가능 미디어 플레이어;
IP 이용가능 게이밍 콘솔;
이더넷 게이트웨이;
LAN에 연결된 컴퓨팅 디바이스;
이더넷 연결 컴퓨터 주변 장치;
이더넷 연결 라우터;
이더넷 연결 무선 브릿지;
이더넷 연결 네트워크 브릿지; 및
이더넷 연결 네트워크 스위치;
중의 적어도 하나를 포함하는 것을 특징으로 하는 통신 디바이스의 성능 추정을 위한 방법.
실행시 프로세서로 하여금 청구항 29 내지 40 중 어느 하나의 청구항에 따른 방법을 수행하도록 초래하는 기계 실행가능 명령어들을 저장하기 위한 기계 판독가능 저장 매체.