KR20230062206A - Method for decision of handover and device of decision of handover - Google Patents

Method for decision of handover and device of decision of handover Download PDF

Info

Publication number
KR20230062206A
KR20230062206A KR1020210147224A KR20210147224A KR20230062206A KR 20230062206 A KR20230062206 A KR 20230062206A KR 1020210147224 A KR1020210147224 A KR 1020210147224A KR 20210147224 A KR20210147224 A KR 20210147224A KR 20230062206 A KR20230062206 A KR 20230062206A
Authority
KR
South Korea
Prior art keywords
handover
target cell
data transmission
transmission rate
parameter
Prior art date
Application number
KR1020210147224A
Other languages
Korean (ko)
Inventor
김동현
Original Assignee
에스케이텔레콤 주식회사
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 에스케이텔레콤 주식회사 filed Critical 에스케이텔레콤 주식회사
Priority to KR1020210147224A priority Critical patent/KR20230062206A/en
Publication of KR20230062206A publication Critical patent/KR20230062206A/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H04W36/00837—Determination of triggering parameters for hand-off
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H04W36/0085—Hand-off measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/08—Reselecting an access point
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/16—Performing reselection for specific purposes
    • H04W36/165—Performing reselection for specific purposes for reducing network power consumption

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

A method for determining handover performed by an apparatus for determining handover according to one embodiment of the present invention comprises the steps of: obtaining a parameter related to a data transmission speed in a serving cell of a mobile communication terminal measured by data communication with a base station of the serving cell; extracting reference signal received power (RSRP) and a delay spread of a target cell from a received signal of the target cell received by the mobile communication terminal; predicting a parameter related to data transmission speed of the target cell by inputting the extracted RSRP and delay spread of the target cell to a pre-trained artificial neural network model; and determining whether to perform handover on the mobile communication terminal from the serving cell to the target cell based on the parameter related to the data transmission speed of the serving cell and the predicted parameter related to the data transmission speed of the target cell. According to the embodiment of the present invention, it is possible to maintain optimal performance of the mobile communication terminal.

Description

핸드오버 결정 방법 및 장치{METHOD FOR DECISION OF HANDOVER AND DEVICE OF DECISION OF HANDOVER}Handover decision method and apparatus {METHOD FOR DECISION OF HANDOVER AND DEVICE OF DECISION OF HANDOVER}

본 발명은 핸드오버 결정 방법 및 장치에 관한 것이다.The present invention relates to a handover decision method and apparatus.

종래 LTE 시스템은 서로 상이한 RAT (Radio Access Technology)과 동시에 운용되거나 서로 상이한 RAT간의 변경되는 상황이 드물었으나, 5G 통신은 LTE와 5G가 동시에 접속되는 EN-DC (E-UTRAN New Radio - Dual Connectivity)가 가능하며, 상황에 따라서는 LTE와 5G를 서로 변경하거나, 5G에서도 상대적으로 낮은 주파수 대역인 Sub-6GHz대역과 고주파인 28GHz이상의 대역을 변경하는 경우도 가능하다.In the conventional LTE system, situations in which different RATs (Radio Access Technology) were simultaneously operated or changed between different RATs were rare. is possible, and depending on circumstances, it is also possible to change between LTE and 5G or to change the Sub-6GHz band, which is a relatively low frequency band, and the high-frequency band of 28GHz or higher even in 5G.

여기서, RAT변경이나 주파수 변경을 위한 핸드오버(handover)는 대부분 수신 신호 세기 (RSRP) 기반으로 결정된다. 이 때, RAT이 다르거나 Sub-6GHz과 28GHz와 같이 채널 특성이 다른 경우에는 수신신호 세기를 기초로 핸드오버를 결정하는 방식은 링크의 최소 성능은 보장해 줄 수 있지만, 최적 성능을 보장하지 않는다.Here, handover for RAT change or frequency change is mostly determined based on received signal strength (RSRP). At this time, if the RAT is different or the channel characteristics are different, such as Sub-6 GHz and 28 GHz, the method of determining handover based on the received signal strength can guarantee the minimum performance of the link, but does not guarantee the optimal performance.

예를 들어, 동일한 -60dB의 강전계 수신신호 세기라도 LTE나 Sub-6GHz의 5G에서보다 28GHz(또는 그 이상 주파수)에서의 대역폭이 넓기 때문에, 28GHz에서 더 좋은 성능을 보이게 된다. 반대로 -100dB의 수신신호세기에서는 28GHz가 대역폭이 더 넓지만, 무선 채널의 안정성 측면에서는 LTE나 Sub-6GHz의 5G보다 크게 떨어지므로, 링크가 28GHz에서 상대적으로 쉽게 끊길 수 있다. For example, even with the same strong field reception signal strength of -60 dB, better performance is shown at 28 GHz because the bandwidth is wider at 28 GHz (or higher frequency) than in 5G of LTE or Sub-6 GHz. Conversely, at -100dB received signal strength, 28GHz has a wider bandwidth, but in terms of radio channel stability, it is significantly lower than LTE or Sub-6GHz 5G, so the link can be broken relatively easily at 28GHz.

따라서, 핸드오버 여부 결정은 최적 성능을 유지하면서 이동성을 지원하기 위하여 수신신호세기뿐만 아니라 채널의 주파수 범위, 대역폭 및 무선 채널 상황 (Channel State Information), 지연 확산 및 도플러 확산 등의 무선 지표를 함께 고려하여 데이터 전송속도(throughput)를 비교할 필요가 있으나, Target RAT이나 셀에 접속하기 전에 정확한 데이터 전송속도(throughput)를 파악하기 어렵다는 문제가 있다.Therefore, in order to support mobility while maintaining optimal performance, handover decision is made considering not only received signal strength but also radio parameters such as frequency range, bandwidth and radio channel state information (Channel State Information), delay spread and Doppler spread. Therefore, it is necessary to compare the data transfer rate (throughput), but there is a problem that it is difficult to determine the exact data transfer rate (throughput) before accessing the target RAT or cell.

본 발명이 해결하고자 하는 과제는, 인공신경망을 이용하여 예측된 데이터 전송속도 관련 파라미터를 이용하여, 핸드오버 여부를 결정하는 방법을 제공하는 것이다.An object to be solved by the present invention is to provide a method for determining whether to perform a handover using parameters related to a data transmission rate predicted using an artificial neural network.

다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.However, the problem to be solved by the present invention is not limited to those mentioned above, and another problem to be solved that is not mentioned can be clearly understood by those skilled in the art from the description below. will be.

본 발명의 일 실시예에 따른 핸드오버 결정 장치에 의해 수행되는 핸드오버 결정 방법은 서빙 셀(serving cell)의 기지국과의 데이터 통신에 의해 측정된 이동통신 단말의 상기 서빙 셀에서의 데이터 전송속도 관련 파라미터를 획득하는 단계; 상기 이동통신 단말이 수신한 타겟 셀(target cell)의 수신 신호로부터, 상기 타겟 셀의 수신신호 세기(RSRP) 및 지연 확산(delay spread)을 추출하는 단계; 상기 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계; 및 상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀에서 상기 타겟 셀로의 핸드오버 여부를 결정하는 단계를 포함한다.A handover decision method performed by a handover decision apparatus according to an embodiment of the present invention relates to a data transmission rate in a serving cell of a mobile communication terminal measured by data communication with a base station of a serving cell. obtaining parameters; extracting a received signal strength (RSRP) and a delay spread of the target cell from the received signal of the target cell received by the mobile communication terminal; predicting parameters related to the data transmission rate of the target cell by inputting the extracted received signal strength and delay spread of the target cell to a pre-learned artificial neural network model; and determining whether or not to perform handover of the mobile communication terminal from the serving cell to the target cell based on the parameter related to the data transmission rate of the serving cell and the predicted parameter related to the data transmission rate of the target cell.

상기 인공신경망 모델은 학습용 입력 데이터로서 상기 서빙 셀의 학습용 수신신호 세기 및 지연 확산을 이용하고, 학습용 정답 데이터로서 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이용하여 업데이트될 수 있다.The artificial neural network model may be updated using received signal strength and delay spread for learning of the serving cell as input data for learning, and using a parameter related to a data transmission rate of the serving cell as answer data for learning.

상기 데이터 전송속도 관련 파라미터는, MCS(modulation coding scheme) 및 랭크(rank)로 이루어진 제 1 속도 파라미터 그룹 및 스루풋(throughput)을 포함하는 제 2 속도 파라미터 그룹 중 적어도 하나를 포함할 수 있다.The parameters related to the data transmission rate may include at least one of a first rate parameter group including a modulation coding scheme (MCS) and a rank, and a second rate parameter group including throughput.

상기 타겟 셀의 수신 신호로부터 도플러 확산(Doppler spread)을 추출하는 단계를 더 포함하고, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계는, 상기 추출된 도플러 확산(Doppler spread)을 기학습된 인공신경망에 더 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계를 포함할 수 있다.Further comprising extracting a Doppler spread from the received signal of the target cell, and predicting a data rate related parameter of the target cell, the extracted Doppler spread is pre-learned. The method may further include predicting a parameter related to a data transmission rate of the target cell by inputting the input to an artificial neural network.

상기 핸드오버 여부를 결정하는 단계는, 상기 예측된 타겟 셀의 데이터 전송속도 관련 파라미터가 상기 획득된 서빙 셀의 데이터 전송속도 관련 파라미터를 초과하는 경우, 핸드오버를 수행하기로 결정하는 단계를 포함하되 상기 데이터 전송속도 관련 파라미터는 스루풋일 수 있다.The step of determining whether to perform handover includes determining to perform handover when the predicted parameter related to the data transmission rate of the target cell exceeds the obtained parameter related to the data transmission rate of the serving cell; The parameter related to the data transmission rate may be throughput.

상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계는, 상기 타겟 셀의 수신신호 세기 및 지연 확산을 각각 0부터 1사이의 값을 갖도록 정규화하는 단계; 및 상기 정규화된 타겟 셀의 수신신호 세기 및 지연 확산을 상기 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계를 포함할 수 있다.The predicting of the parameter related to the data transmission rate of the target cell may include normalizing the received signal strength and the delay spread of the target cell to have a value between 0 and 1; and predicting parameters related to the data transmission rate of the target cell by inputting the normalized received signal strength and delay spread of the target cell to the pre-learned artificial neural network model.

상기 핸드오버 결정 방법은 상기 서빙 셀의 수신신호 세기를 획득하는 단계; 및 상기 서빙 셀의 기지국으로부터 핸드오버 관련 이벤트를 수신받는 단계를 더 포함하고, 상기 핸드오버 여부를 결정하는 단계는 상기 수신된 핸드오버 관련 이벤트를 더 고려하여 핸드오버 여부를 결정하는 단계를 포함할 수 있다.The handover decision method may include obtaining a received signal strength of the serving cell; and receiving a handover-related event from a base station of the serving cell, wherein the determining whether to perform handover may include determining whether to perform handover by further considering the received handover-related event. can

상기 핸드오버 여부를 결정하는 단계는 상기 서빙 셀의 수신신호 세기 및 상기 타겟 셀의 수신신호 세기에 기초하여, 상기 수신된 핸드오버 관련 이벤트의 충족도를 판단하는 단계; 상기 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 대한 상기 획득된 서빙 셀의 데이터 전송속도 관련 파라미터의 데이터 전송속도 관련 파라미터 비를 획득하는 단계; 및 상기 핸드오버 관련 이벤트 충족도 및 상기 데이터 전송속도 관련 파라미터 비에 각각 가중치를 적용함으로써 획득한 값에 기초하여, 상기 핸드오버를 결정하는 단계를 포함하되, 상기 데이터 전송속도 관련 파라미터는 스루풋일 수 있다.The step of determining whether to perform the handover may include determining a degree of satisfaction of the received handover-related event based on the received signal strength of the serving cell and the received signal strength of the target cell; obtaining a data transmission rate related parameter ratio of the obtained data transmission rate related parameter of the serving cell to the predicted data transmission rate related parameter of the target cell; and determining the handover based on a value obtained by applying a weight to each of the handover-related event satisfaction and the data rate-related parameter ratio, wherein the data rate-related parameter may be throughput. there is.

상기 데이터 전송속도 관련 파라미터는 상기 이동통신 단말과 각 셀의 기지국 사이의 스루풋을 포함하고, 상기 핸드오버를 결정하는 단계는, 상기 수신된 핸드오버 이벤트가 만족된다고 판단되고, 상기 타겟 셀의 스루풋이 상기 서빙 셀의 스루풋을 초과하는 경우, 핸드오버를 수행할 수 있다.The parameter related to the data transmission rate includes throughput between the mobile communication terminal and the base station of each cell, and in the step of determining the handover, it is determined that the received handover event is satisfied, and the throughput of the target cell is When the throughput of the serving cell is exceeded, handover may be performed.

본 발명의 다른 측면에 따른 핸드오버 결정 장치는 서빙 셀(serving cell)의 기지국으로부터 수신된 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이동통신 단말로부터 획득하고, 상기 이동통신 단말이 수신한 타겟 셀(target cell)의 수신 신호를 획득하는 송수신장치; 및 상기 획득한 수신 신호로부터, 상기 타겟 셀의 수신신호 세기(RSRP) 및 지연 확산(delay spread)을 추출하고, 상기 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하며, 상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀에서 상기 타겟 셀로의 핸드오버 여부를 결정하는 프로세서를 포함할 수 있다.An apparatus for determining handover according to another aspect of the present invention obtains a parameter related to a data transmission rate of a serving cell received from a base station of a serving cell from a mobile communication terminal, and the target cell received by the mobile communication terminal ( a transceiver for acquiring a received signal of a target cell); And extracting the received signal strength (RSRP) and delay spread of the target cell from the obtained received signal, and inputting the extracted received signal strength and delay spread of the target cell to the pre-learned artificial neural network model. The data transmission rate related parameter of the target cell is predicted, and based on the data transmission rate related parameter of the serving cell and the predicted data transmission rate related parameter of the target cell, in the serving cell for the mobile communication terminal A processor for determining whether to perform handover to a target cell may be included.

본 발명의 다른 실시예에 따른 컴퓨터 판독 가능한 기록 매체에 저장되어 있는 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은, 핸드오버 결정 장치에 의해 수행되는 핸드오버 결정 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하고, 상기 방법은, 서빙 셀(serving cell)의 기지국으로부터 수신된 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이동통신 단말로부터 획득하는 단계; 상기 이동통신 단말이 수신한 타겟 셀(target cell)의 수신 신호로부터, 상기 타겟 셀의 수신신호 세기(RSRP) 및 지연 확산(delay spread)을 추출하는 단계; 상기 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계; 및 상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀에서 상기 타겟 셀로의 핸드오버 여부를 결정하는 단계를 포함하여 수행된다.A computer program stored in a computer readable recording medium according to another embodiment of the present invention, wherein the computer program includes instructions for causing a processor to perform a handover decision method performed by a handover decision device, The method includes the steps of obtaining, from a mobile communication terminal, a parameter related to a data transmission rate of a serving cell received from a base station of a serving cell; extracting a received signal strength (RSRP) and a delay spread of the target cell from the received signal of the target cell received by the mobile communication terminal; predicting parameters related to the data transmission rate of the target cell by inputting the extracted received signal strength and delay spread of the target cell to a pre-learned artificial neural network model; and determining whether to perform handover of the mobile communication terminal from the serving cell to the target cell based on the parameter related to the data transmission rate of the serving cell and the predicted parameter related to the data transmission rate of the target cell. do.

본 발명의 또 다른 실시예에 따른 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서, 상기 컴퓨터 프로그램은, 핸드오버 결정 장치에 의해 수행되는 핸드오버 결정 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하고, 상기 방법은, 서빙 셀(serving cell)의 기지국으로부터 수신된 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이동통신 단말로부터 획득하는 단계; 상기 이동통신 단말이 수신한 타겟 셀(target cell)의 수신 신호로부터, 상기 타겟 셀의 수신신호 세기(RSRP) 및 지연 확산(delay spread)을 추출하는 단계; 상기 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계; 및 상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀에서 상기 타겟 셀로의 핸드오버 여부를 결정하는 단계를 포함하여 수행된다.A computer-readable recording medium storing a computer program according to another embodiment of the present invention, wherein the computer program includes instructions for causing a processor to perform a handover decision method performed by a handover decision device, , The method comprises: obtaining, from a mobile communication terminal, a parameter related to a data transmission rate of a serving cell received from a base station of the serving cell; extracting a received signal strength (RSRP) and a delay spread of the target cell from the received signal of the target cell received by the mobile communication terminal; predicting parameters related to the data transmission rate of the target cell by inputting the extracted received signal strength and delay spread of the target cell to a pre-learned artificial neural network model; and determining whether to perform handover of the mobile communication terminal from the serving cell to the target cell based on the parameter related to the data transmission rate of the serving cell and the predicted parameter related to the data transmission rate of the target cell. do.

본 발명의 실시 예에 의하면, 인공신경망을 이용하여 예측된 데이터 전송속도 관련 파라미터를 이용하여, 현재 셀에서의 데이터 전송속도 관련 파라미터와 다른 셀에서의 데이터 전송속도 관련 파라미터를 비교하여 핸드오버여부를 결정하므로, 다른 셀에 직접 접속하지 않고도 다른 셀의 데이터 전송속도를 예측할 수 있어 다른 셀로 핸드오버가 수행되는 경우에도 이동통신 단말의 이동성을 보장하면서, 이동통신 단말의 최적 성능을 유지할 수 있다.According to an embodiment of the present invention, by using the parameters related to the data transmission rate predicted using the artificial neural network, the parameter related to the data transmission rate in the current cell is compared with the parameter related to the data transmission rate in another cell to determine whether or not to hand over. Therefore, it is possible to predict the data transmission rate of another cell without directly accessing the other cell, thereby maintaining the optimal performance of the mobile communication terminal while guaranteeing the mobility of the mobile communication terminal even when handover is performed to another cell.

도 1은 이동 통신 시스템에서 이동통신 단말이 이동함에 따라 기지국을 변경하는 일례를 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 핸드오버 결정 장치를 설명하기 위한 기능별 블록 구성도이다.
도 3은 본 발명의 실시예에 따른 전송속도 관련 파라미터 예측부의 입력 및 출력을 나타낸다.
도 4는 본 발명의 실시예에 따른 이동통신 단말을 하드웨어적 측면에서 설명하기 위한 블록 구성도이다.
도 5는 본 발명의 실시예에 따른 이동통신 단말의 핸드오버 절차를 나타낸다.
도 6은 본 발명의 실시예에 따른 핸드오버 결정 방법의 순서도이다.1 is a diagram illustrating an example of changing a base station as a mobile communication terminal moves in a mobile communication system.
2 is a functional block diagram for explaining a handover decision apparatus according to an embodiment of the present invention.
3 shows inputs and outputs of a parameter prediction unit related to transmission rate according to an embodiment of the present invention.
4 is a block diagram illustrating a mobile communication terminal according to an embodiment of the present invention in terms of hardware.
5 shows a handover procedure of a mobile communication terminal according to an embodiment of the present invention.
6 is a flowchart of a handover decision method according to an embodiment of the present invention.

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 서로 다른 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 발명은 청구항의 범주에 의해 정의될 뿐이다.Advantages and features of the present invention, and methods of achieving them, will become clear with reference to the detailed description of the following embodiments taken in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only these embodiments make the disclosure of the present invention complete, and common knowledge in the art to which the present invention belongs. It is provided to completely inform the person who has the scope of the invention, and the present invention is only defined by the scope of the claims.

본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 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.In describing the embodiments of the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted. In addition, terms to be described later are terms defined in consideration of functions in the embodiment of the present invention, which may vary according to the intention or custom of a user or operator. Therefore, the definition should be made based on the contents throughout this specification.

도 1은 이동 통신 시스템에서 이동통신 단말이 이동함에 따라 기지국을 변경하는 일례를 도시한 도면이다.1 is a diagram illustrating an example of changing a base station as a mobile communication terminal moves in a mobile communication system.

도 1을 참조하면, 기지국들(BS, base station)(110, 120)은 서로 연결될 수 있고, 상기 기지국들(110,120)은 EPC(evolved packet core) 또는 5GC(5G core network) 등 이동통신 코어망(CN: Core Network)(130)과 연결될 수 있다. 상기 기지국들(110,120)의 무선 접속 기술(RAT, radio access technology)은 LTE 또는 NR, WiFi 등이 될 수 있으며, 이러한 실시예에 제한되지 않는다. Referring to FIG. 1, base stations (BS, base stations) 110 and 120 may be connected to each other, and the base stations 110 and 120 may be connected to a mobile communication core network such as an evolved packet core (EPC) or a 5G core network (5GC). (CN: Core Network) 130 may be connected. A radio access technology (RAT) of the base stations 110 and 120 may be LTE, NR, WiFi, etc., but is not limited to this embodiment.

여기서, 서빙 셀(115)의 기지국(110)은 서빙 셀(115)을 커버리지로 갖고, 이동통신 단말(100)은 서빙 셀(115)의 기지국(110)에 연결되어 이동통신 서비스를 제공받을 수 있다. 이동통신 단말(100)이 이동함에 따라, 이동통신 단말(100)은 연결 기지국이 타겟 셀(125)을 커버리지로 갖는 타겟 셀(125)의 기지국(120)과 연결되는 핸드오버(hand over)가 수행될 수 있고, 이에 따라, 이동통신 단말(100)은 이동통신 서비스를 끊김 없이 제공 받을 수 있다. 핸드오버가 수행되는 경우, 이동통신 단말(100)은 제 1 기지국(110)과 연결을 끊고, 제 2 기지국(120)과 연결된다.Here, the base station 110 of the serving cell 115 has the serving cell 115 as a coverage, and the mobile communication terminal 100 is connected to the base station 110 of the serving cell 115 to receive a mobile communication service. there is. As the mobile communication terminal 100 moves, the mobile communication terminal 100 performs a handover in which the connected base station is connected to the base station 120 of the target cell 125 having the target cell 125 as its coverage. This can be performed, and accordingly, the mobile communication terminal 100 can receive the mobile communication service without interruption. When handover is performed, the mobile communication terminal 100 disconnects from the first base station 110 and connects to the second base station 120.

여기서, 핸드오버는 RAT가 변경되는 경우, 주파수 범위가 변경되는 경우 및 셀을 다시 선택하는 경우를 포함할 수 있다. Here, handover may include a case in which a RAT is changed, a case in which a frequency range is changed, and a case in which a cell is reselected.

일 실시예에 따라, 상기 서빙 셀(115)과 타겟 셀(125)은 서로 인접할 수 있다. 다시 말해, 이동통신 단말(100)이 서빙 셀(115)에서 타겟 셀(125)로 핸드오버가 수행되기 위해서, 서빙 셀(115)과 타겟 셀(125)은 서로 중첩 영역이 있는 셀일 수 있다.According to an embodiment, the serving cell 115 and the target cell 125 may be adjacent to each other. In other words, in order for the mobile communication terminal 100 to perform handover from the serving cell 115 to the target cell 125, the serving cell 115 and the target cell 125 may be cells having an overlapping area.

이동통신 단말(100)은 서빙 셀(115)과 타겟 셀(125)의 중첩 영역에서, 타겟 셀(125)의 수신 신호를 획득할 수 있다. 타겟 셀(125)의 수신 신호는 5G 통신의 SSB(synchronization signal block) 신호 및 LTE 통신의 CRS(cell-specific reference signal)를 포함할 수 있다.The mobile communication terminal 100 may obtain a received signal of the target cell 125 in an overlapping area between the serving cell 115 and the target cell 125 . The received signal of the target cell 125 may include a synchronization signal block (SSB) signal of 5G communication and a cell-specific reference signal (CRS) of LTE communication.

도 2는 본 발명의 실시예에 따른 핸드오버 결정 장치를 설명하기 위한 기능별 블록 구성도이다.2 is a functional block diagram for explaining a handover decision apparatus according to an embodiment of the present invention.

도 2를 더 참조하면, 핸드오버 결정 장치(1000)는 송수신부(1100), 전처리부(1200), 데이터 전송속도 관련 파라미터 예측부(1300) 및 핸드오버 판단부(1400)를 포함할 수 있다.Referring further to FIG. 2 , the handover decision apparatus 1000 may include a transmission/reception unit 1100, a pre-processing unit 1200, a data transmission rate related parameter estimation unit 1300, and a handover determination unit 1400. .

본 명세서에서는 설명의 편의를 위해, 핸드오버 결정 장치(1000)가 이동통신 단말(100)과 분리된 별개의 장치로 설명하지만, 실시예에 따라, 이동통신 단말(100)에 포함된 장치로 핸드오버 결정을 수행할 수 있다. In this specification, for convenience of explanation, the handover decision device 1000 is described as a separate device separated from the mobile communication terminal 100, but according to an embodiment, the handover decision device 1000 is a device included in the mobile communication terminal 100. An over decision can be made.

핸드오버 결정 장치(1000)는 핸드오버 결정을 위해 이통통신 단말(100)로부터 서빙 셀(115)에서 측정한 정보를 획득하고, 상기 획득된 정보를 상기 핸드오버 결정 장치(1000)의 기 학습된 인공신경망에 입력하여, 타겟 셀(125)로의 핸드오버 결정에 필요한 정보를 예측하여, 이동통신 단말(100)에 대한 핸드오버 수행여부를 결정할 수 있다.The handover decision device 1000 obtains information measured in the serving cell 115 from the mobile communication terminal 100 for handover decision, and transfers the obtained information to the pre-learned handover decision device 1000. It is possible to determine whether or not to perform handover for the mobile communication terminal 100 by predicting information necessary for determining handover to the target cell 125 by inputting the input to the artificial neural network.

송수신부(1100)는 서빙 셀(115)에서 측정된 서빙 셀(serving cell)에서 측정된 상기 서빙 셀의 데이터 전송속도 관련 파라미터, SSB 신호로부터 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 획득할 수 있다. 또한, 송수신부(1100)는 서빙 셀(115) 셀의 수신신호세기를 상기 이동통신 단말로부터 획득할 수 있다.The transmitter/receiver 1100 obtains a parameter related to the data transmission rate of the serving cell measured in the serving cell measured in the serving cell 115, the received signal strength of the target cell, and the delay spread extracted from the SSB signal. can In addition, the transmitting/receiving unit 1100 may obtain the received signal strength of the serving cell 115 from the mobile communication terminal.

송수신부(1100)는 서빙 셀(115)의 기지국(110)으로부터 핸드오버 관련 이벤트를 수신할 수 있다. 여기서, 핸드오버 관련 이벤트는 이벤트 A2, 이벤트 A3 및 이벤트 A5 중 적어도 하나를 포함할 수 있다. 이벤트 A2는 서빙 셀(115) 셀의 수신신호세기가 임계값보다 작을 때 발생되며, 이벤트 A3는 타겟 셀(125)의 수신신호 세기가 서빙 셀(115) 셀의 수신신호 세기 보다 A3 offset 값만큼 더 큰 경우 발생된다. 또한, 이벤트 A5는 서빙 셀(115)의 수신신호 세기가 이벤트 A5의 제 1 임계값보다 작고, 타겟 셀(125)의 수신신호 세기가 이벤트 A5의 제 2 임계값보다 클 때 발생된다. 본 발명의 실시예에서, 핸드오버 관련 이벤트는 측정 보고(measurement report) 관련 이벤트를 포함할 수 있다. The transceiver 1100 may receive a handover related event from the base station 110 of the serving cell 115 . Here, the handover-related event may include at least one of event A2, event A3, and event A5. Event A2 occurs when the receiving signal strength of the serving cell 115 is less than the threshold value, and event A3 occurs when the receiving signal strength of the target cell 125 is greater than the receiving signal strength of the serving cell 115 by the A3 offset value. Occurs when larger In addition, event A5 is generated when the received signal strength of the serving cell 115 is less than the first threshold of event A5 and the received signal strength of the target cell 125 is greater than the second threshold of event A5. In an embodiment of the present invention, the handover related event may include a measurement report related event.

핸드오버 결정 장치(1000)는 이동통신 단말(100)이 타겟 셀(125)에 직접 접속하지 않아도 타겟 셀(125)의 기지국(120)으로부터 수신한 SSB(single side band)신호로부터 타겟 셀(125)의 수신신호세기, 지연 확산 및 도플러 확산을 추출할 수 있다. The handover decision apparatus 1000 is a target cell 125 from a single side band (SSB) signal received from the base station 120 of the target cell 125 even if the mobile communication terminal 100 does not directly access the target cell 125. ) of the received signal strength, delay spread and Doppler spread can be extracted.

전송속도 관련 파라미터는 MCS(modulation coding scheme) 및 랭크(rank)로 이루어진 제 1 속도 파라미터 그룹 및 스루풋(throughput)을 포함하는 제 2 속도 파라미터 그룹 중 적어도 하나를 포함할 수 있다.The parameters related to the transmission rate may include at least one of a first rate parameter group including a modulation coding scheme (MCS) and a rank, and a second rate parameter group including throughput.

MCS는 변조 방식, 부호화율, 공간 스트림, 에러정정부호 등을 조합시키는 구성으로, 상기 구성의 조합으로 원하는 전송속도를 결정할 수 있으며, 기공지된 MCS table에 의해 정해질 수 있다.The MCS is a configuration that combines a modulation method, a coding rate, a spatial stream, an error correction code, and the like, and a desired transmission rate can be determined by a combination of the above configurations, and can be determined by a previously known MCS table.

랭크는 공간적으로 몇 개의 신호를 동시에 전송가능한지를 표현하는 지표로, 실제 유효한 랭크는 주변 산란체(scatterer)의 분포와 이로 인해 발생하는 다중경로(Multipath)의 영향을 받는다.The rank is an index that expresses how many signals can be simultaneously transmitted spatially, and the actual effective rank is affected by the distribution of surrounding scatterers and the resulting multipath.

지연 확산은 상기 다중경로 환경에서 각각 다른 경로를 거친 전파 중 이동통신 단말(100)에 첫번째 수신된 전파와 마지막으로 반사되어 수신된 전파 사이의 시간 지연을 나타내는 파라미터로, 상기 다중경로는 지연 확산과 높은 상관 관계를 가지고 있으므로, 핸드오버 결정 장치(1000)는 지연 확산을 이용하여, 타겟 셀의 데이터 전송속도를 추정할 수 있다.The delay spread is a parameter representing a time delay between a radio wave first received by the mobile communication terminal 100 and a radio wave finally reflected and received among radio waves that have passed through different paths in the multipath environment. Since it has a high correlation, the handover decision apparatus 1000 can estimate the data transmission rate of the target cell using the delay spread.

도플러 확산(Doppler spread)은 이통통신 단말이 빠르게 움직이는 상황에서 도플러 효과 등에 의해 주파수 변동이 있는 경우, 이 수신 신호가 시변 채널에 의해 얼마나 빨리 변화되는가를 보여주는 지표이다. 핸드오버 결정 장치(1000)는 도플러 확산을 이용하여, 타겟 셀의 데이터 전송속도를 추정할 수 있다.Doppler spread is an index showing how fast a received signal changes due to a time-varying channel when there is a frequency change due to the Doppler effect or the like in a situation where a telecommunications terminal moves rapidly. The handover decision apparatus 1000 may estimate the data transmission rate of the target cell using Doppler spreading.

따라서, 핸드오버 결정 장치(1000)는 타겟 셀의 SSB 신호로부터 추출된 타겟 셀(125)의 수신신호세기, 지연 확산 및 도플러 확산과 기학습된 인공신경망 모델을 이용하여, 타겟 셀(125)의 데이터 전송속도 관련 파라미터인 스루풋(throughput), 랭크 및 MCS 중 적어도 하나를 추정할 수 있다.Therefore, the handover decision apparatus 1000 uses the received signal strength of the target cell 125 extracted from the SSB signal of the target cell, delay spread and Doppler spread, and a pre-learned artificial neural network model, At least one of data rate-related parameters such as throughput, rank, and MCS may be estimated.

도 3은 본 발명의 실시예에 따른 데이터 전송속도 관련 파라미터 예측부의 입력 및 출력을 나타낸다.3 shows inputs and outputs of a parameter prediction unit related to a data transmission rate according to an embodiment of the present invention.

도 3을 더 참조하면, 데이터 전송속도 관련 파라미터 예측부(1300)는 송수신부(1100)가 획득한 타겟 셀(125)의 수신신호 세기 및 지연 확산을 전달받을 수 있다. Referring further to FIG. 3 , the data transmission rate related parameter estimation unit 1300 may receive received signal strength and delay spread of the target cell 125 obtained by the transmission/reception unit 1100 .

또한, 실시예에 따라, 데이터 전송속도 관련 파라미터 예측부(1300)는 송수신부(1100)가 획득한 도플러 확산을 더 전달 받을 수 있다.Also, according to an embodiment, the data rate related parameter predictor 1300 may further receive the Doppler spread acquired by the transceiver 1100.

이어서, 데이터 전송속도 관련 파라미터 예측부(1300)는 입력받은 수신신호 세기 및 지연 확산를 기학습된 인공신경망에 입력하여, 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 추정할 수 있다. Next, the data transmission rate related parameter predictor 1300 may estimate the data transmission rate related parameter of the target cell 125 by inputting the input received signal strength and delay spread to the pre-learned artificial neural network.

실시예에 따라, 상기 데이터 전송속도 관련 파라미터는 타겟 셀(125)의 MCS 및 랭크일 수 있고 이 경우, 데이터 전송속도 관련 파라미터 예측부(1300)에 포함되는 인공신경망은 다수 입력에 대해 다수의 출력을 내보내는 many-to-many 구조를 가질 수 있다.Depending on the embodiment, the parameters related to the data transmission rate may be the MCS and rank of the target cell 125, and in this case, the artificial neural network included in the parameter prediction unit 1300 related to the data transmission rate produces multiple outputs for multiple inputs. can have a many-to-many structure that emits

또한, 실시예에 따라, 상기 데이터 전송속도 관련 파라미터는 스루풋일 수 있고, 이 경우, 데이터 전송속도 관련 파라미터 예측부(1300)에 포함되는 인공신경망은 다수 입력에 대해 하나의 출력을 내보내는 many-to-one 구조를 가질 수 있다.In addition, according to an embodiment, the data transmission rate related parameter may be throughput. In this case, the artificial neural network included in the data transmission rate related parameter predictor 1300 outputs one output for multiple inputs. - can have one structure.

데이터 전송속도 관련 파라미터 예측부(1300)에 포함된 상기 인공신경망 모델은 선형회귀(linear regression) 및 다층 퍼셉트론(MLP, multilayer perceptron)을 포함하는 기 공지된 다양한 방법에 의해 학습될 수 있다.The artificial neural network model included in the data transmission rate related parameter predictor 1300 may be learned by various known methods including linear regression and multilayer perceptron (MLP).

예를 들어, 인공신경망 모델이 선형회귀(linear regression) 방법에 의해 학습된 모델인 경우, 타겟 셀(125)의 스루풋을 출력 값으로 하고, 타겟 셀(125)의 수신신호 세기와 지연 확산을 입력 값으로 가정한다면, 선형회귀 모델은 하기의 수학식 1과 같이 정의될 수 있다.For example, when the artificial neural network model is a model learned by a linear regression method, the throughput of the target cell 125 is used as an output value, and the received signal strength and delay spread of the target cell 125 are input. Assuming the value, the linear regression model can be defined as in Equation 1 below.

Figure pat00001
Figure pat00001

여기서, y는 타겟 셀(125)의 스루풋에 해당하고, x1은 타겟 셀(125)의 수신신호 세기, x2는 타겟 셀(125)의 지연 확산, θ1 및 θ2는 학습된 x1 및 x2의 계수에 해당할 수 있다. 본 명세서에서는 설명의 편의를 위하여, 1차 다변수(multivariate) 함수로 표현하였을 뿐이며, x1 및 x2의 개별 변수는 n차 다항식 함수로 가정하여 학습될 수 있다. Here, y corresponds to the throughput of the target cell 125, x 1 is the received signal strength of the target cell 125, x 2 is the delay spread of the target cell 125, and θ 1 and θ 2 are the learned x 1 and a coefficient of x 2 . In this specification, for convenience of explanation, it is only expressed as a first-order multivariate function, and the individual variables of x 1 and x 2 can be learned by assuming an n-order polynomial function.

상기 인공신경망 모델은 현재 서빙 셀(115)에서 추정했거나 측정한 수신신호 세기 및 지연확산 값을 이용하여, 상기 θ1 및 θ2가 학습될 수 있다.In the artificial neural network model, θ 1 and θ 2 may be learned using received signal strength and delay spread values estimated or measured in the current serving cell 115 .

또한, 데이터 전송속도 관련 파라미터 예측부(1300)가 도플러 확산을 추가 입력으로 이용하는 경우, 개별 변수 x3 에 의해 θ3가 학습될 수 있다.In addition, when the data rate-related parameter predictor 1300 uses Doppler spread as an additional input, θ 3 may be learned by an individual variable x 3 .

데이터 전송속도 관련 파라미터 예측부(1300)에 포함된 상기 인공신경망 모델은 지도학습에 의해 학습될 수 있다. 이 경우, 인공신경망 모델은 학습용 입력 데이터로서 상기 서빙 셀의 학습용 수신신호 세기 및 지연 확산을 이용하고, 학습용 정답 데이터로서 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이용하여 업데이트될 수 있다.The artificial neural network model included in the parameter prediction unit 1300 related to data transmission speed may be learned through supervised learning. In this case, the artificial neural network model may be updated using the received signal strength and delay spread for learning of the serving cell as input data for learning, and using a parameter related to the data transmission rate of the serving cell as answer data for learning.

또한, 실시예에 따라, 인공신경망 모델은 다층 퍼셉트론 방법으로 학습될 수 있다. 이 경우, 데이터 전송속도 관련 파라미터 예측부(1300)에 입력되는 타겟 셀(125)의 수신신호 세기 및 랭크 관련 파라미터는 각각 범위의 차가 커 활성 함수가 정상적으로 동작하지 않을 수 있어, 데이터 전송속도 관련 파라미터 예측부(1300)는 후술할 전처리부(1200)에 의해 정규화(normalization)된 입력 값을 이용하여 학습 및 예측에 이용할 수 있다.Also, according to an embodiment, the artificial neural network model may be learned using a multi-layer perceptron method. In this case, the active function may not operate normally because the received signal strength and rank related parameters of the target cell 125 input to the data transmission rate related parameter predictor 1300 have a large difference in range, respectively. The predictor 1300 may use input values normalized by the preprocessor 1200 to be described later for learning and prediction.

전처리부(1200)는 송수신부(1100)에 의해 획득된 수신신호 세기 및 랭크 관련 파라미터를 정규화시킬 수 있다. 여기서 전처리부(1200)는 송수신부(1100)에 의해 획득된 타겟 셀(125)의 수신신호 세기, 지연 확산 및 도플러 확산 값이 0과 1사이의 값을 갖도록 정규화시킬 수 있고, 데이터 전송속도 관련 파라미터 예측부(1300)는 정규화된 타겟 셀(125)의 수신신호 세기 및 지연 확산 값을 이용하여, 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 예측할 수 있다.The pre-processor 1200 may normalize parameters related to the received signal strength and rank obtained by the transceiver 1100 . Here, the preprocessor 1200 may normalize the received signal strength, delay spread, and Doppler spread values of the target cell 125 obtained by the transceiver 1100 to have a value between 0 and 1, and may be related to data transmission speed. The parameter predictor 1300 may predict a data transmission speed related parameter of the target cell 125 using the normalized received signal strength and delay spread value of the target cell 125 .

또한, 실시예에 따라, 인공신경망 모델은 순환신경망(RNN) 모델 및 장단기메모리(LSTM) 모델을 포함할 수 있다.Also, according to embodiments, the artificial neural network model may include a recurrent neural network (RNN) model and a long short-term memory (LSTM) model.

송수신부(1100)에 의해 획득된 타겟 셀(125)의 수신신호 세기 및 지연 확산 값은 시간에 따라, 상이한 값을 가질 수 있고 시간의 흐름에 따라 획득되는 타겟 셀(125)의 수신신호 세기 및 지연 확산을 입력으로 하여, 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 예측할 수 있다.The received signal strength and delay spread value of the target cell 125 obtained by the transceiver 1100 may have different values over time, and the received signal strength and delay spread of the target cell 125 obtained over time A parameter related to the data transmission rate of the target cell 125 may be predicted by taking the delay spread as an input.

순환신경망 및 장단기 메모리 모델의 학습방법은 기 공지된 방법이므로, 이에 대한 자세한 설명은 생략하기로 한다.Since the learning method of the recurrent neural network and the long and short term memory model is a known method, a detailed description thereof will be omitted.

도 1을 다시 참조하면, 핸드오버 판단부(1400)는 송수신부(1100)가 획득한 서빙 셀(115)의 데이터 전송속도 관련 파라미터와 예측된 타겟 셀(125)의 데이터 전송속도 관련 파라미터에 기초하여, 핸드오버 여부를 결정할 수 있다.Referring back to FIG. 1, the handover determination unit 1400 is based on the parameters related to the data transfer rate of the serving cell 115 and the predicted parameters related to the data transfer rate of the target cell 125 acquired by the transceiver 1100. Thus, it is possible to determine whether or not to perform handover.

여기서, 데이터 전송속도 관련 파라미터는 제 2 속도 파라미터 그룹, 즉, 스루풋일 수 있고, 핸드오버 판단부(1400)는 예측된 타겟 셀(125)의 스루풋이 상기 획득된 서빙 셀(115)의 스루풋를 초과하는 경우, 핸드오버를 수행하기로 결정할 수 있다.Here, the parameter related to the data transmission rate may be a second rate parameter group, that is, throughput, and the handover determination unit 1400 determines that the predicted throughput of the target cell 125 exceeds the obtained throughput of the serving cell 115. In this case, it may be decided to perform handover.

실시예에 따라, 데이터 전송속도 관련 파라미터 예측부(1300)가 전송속도 관련 파라미터로 제 1 속도 파라미터 그룹, 즉 타겟 셀(125)의 MCS 및 랭크를 예측하는 경우, 핸드오버 판단부(1400)는 타겟 셀(125)의 MCS와 랭크에 의해 연산된 타겟 셀(125)의 스루풋과 서빙 셀(115)의 스루풋을 비교하여, 핸드오버 여부를 결정할 수 있다.Depending on the embodiment, when the data transmission rate related parameter predictor 1300 predicts the first rate parameter group, that is, the MCS and rank of the target cell 125 as the transmission rate related parameters, the handover determiner 1400 Whether to perform handover may be determined by comparing the throughput of the target cell 125 calculated by the MCS and rank of the target cell 125 with the throughput of the serving cell 115 .

또한, 핸드오버 판단부(1400)는 송수신부(1100)가 서빙 셀(115)로부터 획득한 핸드오버 관련 이벤트를 더 고려하여, 핸드오버 수행여부를 결정할 수 있다. 다시 말해, 핸드오버 판단부(1400)는 송수신부(1100)로부터 획득된 서빙 셀(115) 및 타겟 셀(125)의 수신신호 세기에 기초하여 상기 핸드오버 관련 이벤트를 만족하는 지를 판단할 수 있다.In addition, the handover determination unit 1400 may further consider a handover-related event acquired by the transceiver 1100 from the serving cell 115 to determine whether to perform the handover. In other words, the handover determination unit 1400 may determine whether the handover-related event is satisfied based on the received signal strengths of the serving cell 115 and the target cell 125 obtained from the transmission/reception unit 1100. .

실시예에 따라, 핸드오버 판단부(1400)는 상기 핸드오버 관련 이벤트가 만족된다고 판단되고, 서빙 셀(115)의 스루풋과 타겟 셀(125)의 스루풋을 비교하여, 타겟 셀(125)의 스루풋이 서빙 셀(115)의 스루풋보다 큰 경우 측정 보고(measurement report)를 통해 핸드오버를 수행하기로 결정할 수 있다.Depending on the embodiment, the handover determination unit 1400 determines that the handover-related event is satisfied, compares the throughput of the serving cell 115 and the throughput of the target cell 125, and determines the throughput of the target cell 125. If the throughput is greater than the throughput of the serving cell 115, it may be determined to perform handover through a measurement report.

또한, 핸드오버 판단부(1400)는 상기 핸드오버 관련 이벤트가 만족된다고 판단되더라도, 서빙 셀(115)의 스루풋이 타겟 셀(125)의 스루풋보다 크거나 같은 경우에는 타겟 셀(125)의 스루풋이 서빙 셀(115)의 스루풋을 초과할 때까지 상기 측정 보고를 연기할 수 있다.In addition, even if the handover determination unit 1400 determines that the handover-related event is satisfied, if the throughput of the serving cell 115 is greater than or equal to the throughput of the target cell 125, the throughput of the target cell 125 is The measurement report may be delayed until the throughput of the serving cell 115 is exceeded.

실시예에 따라, 핸드오버 판단부(1400)는 서빙 셀의 수신신호 세기 및 상기 타겟 셀의 수신신호 세기에 기초하여, 상기 수신된 핸드오버 관련 이벤트의 충족도를 판단할 수 있다. 또한, 핸드오버 판단부(1400)는 예측된 타겟 셀의 전송속도 관련 파라미터에 대한 상기 획득된 서빙 셀의 전송속도 관련 파라미터의 전송속도 관련 파라미터 비를 획득할 수 있고, 핸드오버 관련 이벤트 충족도 및 상기 전송속도 관련 파라미터 비에 각각 가중치를 적용함으로써 획득되는 값에 기초하여, 상기 핸드오버를 결정할 수 있다. 여기서 가중치는 미리 정해진 값일 수 있다.Depending on the embodiment, the handover determination unit 1400 may determine the degree of satisfaction of the received handover-related event based on the received signal strength of the serving cell and the received signal strength of the target cell. In addition, the handover determining unit 1400 may obtain a transmission rate-related parameter ratio of the obtained transmission rate-related parameter of the serving cell to the predicted transmission rate-related parameter of the target cell, and may obtain a handover-related event satisfaction rate and The handover may be determined based on values obtained by applying respective weights to the transmission rate-related parameter ratios. Here, the weight may be a predetermined value.

이에 따라, 핸드오버 결정장치(1000)는 이동통신 단말(100)의 최적 성능을 유지하면서, 이동성을 보장할 수 있다.Accordingly, the handover decision apparatus 1000 can ensure mobility while maintaining optimal performance of the mobile communication terminal 100 .

도 4는 본 발명의 실시예에 따른 이동통신 단말을 하드웨어적 측면에서 설명하기 위한 블록 구성도이다.4 is a block diagram illustrating a mobile communication terminal according to an embodiment of the present invention in terms of hardware.

도 4를 더 참조하면, 핸드오버 결정 장치(1000)는 적어도 하나의 명령을 저장하는 저장장치(1410) 및 상기 저장장치(1410)의 적어도 하나의 명령을 실행하는 프로세서(1420), 송수신 장치(1430), 입력 인터페이스 장치(1440) 및 출력 인터페이스 장치(1450)를 포함할 수 있다.Referring further to FIG. 4 , the handover decision apparatus 1000 includes a storage device 1410 that stores at least one command, a processor 1420 that executes at least one command of the storage device 1410, and a transceiver device ( 1430), an input interface device 1440, and an output interface device 1450.

핸드오버 검출 장치(1000)에 포함된 각각의 구성 요소들(1410, 1420, 1430, 1440, 1450)은 데이터 버스(bus, 1460)에 의해 연결되어 서로 통신을 수행할 수 있다.Each of the components 1410 , 1420 , 1430 , 1440 , and 1450 included in the handover detection apparatus 1000 are connected by a data bus 1460 to communicate with each other.

저장장치(1410)는 메모리 또는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나를 포함할 수 있다. 예를 들어, 저장장치(1410)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나를 포함할 수 있다.The storage device 1410 may include at least one of a memory or a volatile storage medium and a non-volatile storage medium. For example, the storage device 1410 may include at least one of a read only memory (ROM) and a random access memory (RAM).

저장장치(1410)는 후술될 프로세서(1420)에 의해 실행될 적어도 하나의 명령을 더 포함할 수 있고, 송수신 장치(1430)에서 수신된 대역폭, 반송 주파수(carrier frequency) 등을 저장할 수 있다.The storage device 1410 may further include at least one command to be executed by the processor 1420 to be described later, and may store a bandwidth, a carrier frequency, and the like received by the transceiver 1430.

프로세서(1420)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), MCU(micro controller unit) 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. The processor 1420 may include a central processing unit (CPU), a graphics processing unit (GPU), a micro controller unit (MCU), or a dedicated processor on which methods according to embodiments of the present invention are performed. can mean

프로세서(1420)는 앞서 설명한 바와 같이, 저장장치(1410)에 저장된 적어도 하나의 프로그램 명령에 의해 전처리부(1200), 데이터 전송속도 관련 파라미터 예측부(1300) 및 핸드오버 판단부(1400)의 기능을 수행할 수 있으며, 이들 각각은 적어도 하나의 모듈의 형태로 메모리에 저장되어 프로세서에 의해 실행될 수 있다. As described above, the processor 1420 performs the functions of the pre-processor 1200, the data transmission rate related parameter predictor 1300, and the handover determiner 1400 according to at least one program command stored in the storage device 1410. , and each of these may be stored in a memory in the form of at least one module and executed by a processor.

송수신 장치(1430)는 내부 장치 또는 통신으로 연결된 외부 장치로부터 데이터를 수신하거나 송신할 수 있고, 송수신부(1110)의 기능을 수행할 수 있다. The transceiver 1430 may receive or transmit data from an internal device or an external device connected through communication, and may perform the functions of the transceiver 1110 .

입력 인터페이스 장치(1440)는 사용자로부터 적어도 하나의 제어 신호 또는 설정 수치를 입력받을 수 있다. The input interface device 1440 may receive at least one control signal or set value from a user.

출력 인터페이스 장치(1450)는 프로세서(1420)의 동작에 의해 핸드오버 여부를 포함하는 적어도 하나의 정보를 출력하여 가시화할 수 있다.The output interface device 1450 may output and visualize at least one piece of information including handover status by an operation of the processor 1420 .

이상에서는, 본 발명의 일 실시예에 따른 핸드오버 결정 장치를 설명하였다. 이하에서는 핸드오버 결정 장치가 핸드오버를 결정하는 절차를 설명한다.In the above, the handover decision apparatus according to an embodiment of the present invention has been described. Hereinafter, a handover decision procedure by the handover decision device will be described.

도 5는 본 발명의 실시예에 따른 이동통신 단말의 핸드오버 절차를 나타낸다.5 shows a handover procedure of a mobile communication terminal according to an embodiment of the present invention.

이하에서는 설명의 편의를 위하여, 핸드오버 결정 장치(1000)가 이동통신 단말(100)에 포함되어 동작하는 것으로 설명하지만, 이에 한정되는 것은 아니다. 따라서, 핸드오버 결정 장치(1000)는 이동통신 단말(100)과 별개의 장치로 이동통신 단말(100)의 핸드오버를 여부를 결정할 수 있다.Hereinafter, for convenience of explanation, the handover decision device 1000 is described as being included in the mobile communication terminal 100 and operating, but is not limited thereto. Accordingly, the handover determining device 1000 is a device separate from the mobile communication terminal 100 and may determine whether or not to perform handover of the mobile communication terminal 100 .

도 5를 더 참조하면, 먼저 이동통신 단말(100)은 서빙 셀(115)의 기지국(110)으로부터 핸드오버 관련 이벤트를 전송받을 수 있다. 핸드오버 결정 장치(1000)는 이동통신 단말(100)로부터 핸드오버 관련 이벤트를 획득할 수 있다.Referring further to FIG. 5 , first, the mobile communication terminal 100 may receive a handover related event from the base station 110 of the serving cell 115 . The handover decision apparatus 1000 may obtain a handover related event from the mobile communication terminal 100 .

이어서, 이동통신 단말(100)은 서빙 셀(115)에서 데이터 송신 및 수신을 수행한다. 이 과정에서, 이동통신 단말(100)은 서빙 셀(115)에서 측정된 상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 SSB 신호를 획득할 수 있다. 핸드오버 결정 장치(1000)는 서빙 셀(115)에서 획득한 데이터 전송속도 관련 파라미터, 지연 확산 및 수신신호 세기를 이용하여, 데이터 전송속도 관련 파라미터 예측부(1300)의 인공신경망이 학습 또는 재학습 될 수 있다.Then, the mobile communication terminal 100 performs data transmission and reception in the serving cell 115 . In this process, the mobile communication terminal 100 may obtain parameters related to the data transmission rate of the serving cell measured in the serving cell 115 and the SSB signal. In the handover decision apparatus 1000, the artificial neural network of the data transmission rate related parameter predictor 1300 learns or relearns using the data transmission rate related parameters, delay spread, and received signal strength obtained from the serving cell 115. It can be.

다시 말해, 데이터 전송속도 관련 파라미터 예측부(1300)는 이동통신 단말(100)에 대해 핸드오버가 수행되기 전에 이동통신 단말(100)이 서빙 셀(115)에서 지속적으로 통신을 하면서 획득한 상기 획득한 데이터 전송속도 관련 파라미터, 지연 확산 및 수신신호 세기를 이용하여 데이터 전송속도 관련 파라미터 예측부(1300)의 인공신경망이 학습 또는 재학습 될 수 있다.In other words, the parameter prediction unit 1300 related to the data transmission rate is obtained while the mobile communication terminal 100 continuously communicates in the serving cell 115 before handover is performed on the mobile communication terminal 100. The artificial neural network of the data transmission rate related parameter predictor 1300 may be learned or relearned using one data transmission rate related parameter, delay spread, and received signal strength.

이어서, 핸드오버 결정 장치(1000)는 기학습된 인공신경망과 이동통신 단말(100)이 획득한 SSB 신호로부터 추출된 타겟 셀(125)의 수신신호 세기 및 지연 확산을 이용하여, 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 획득할 수 있다.Subsequently, the handover decision apparatus 1000 uses the received signal strength and delay spread of the target cell 125 extracted from the SSB signal obtained by the pre-learned artificial neural network and the mobile communication terminal 100 to determine the target cell 125 ), parameters related to the data transmission rate can be obtained.

핸드오버 결정 장치(1000)는 이동통신 단말(100)로부터 획득한 핸드오버 관련 이벤트를 만족한다고 판단되고, 타겟 셀(125)의 스루풋이 서빙 셀(115)의 스루풋을 초과한다고 판단되는 경우, 핸드오버를 수행하기로 결정하고, 이동통신 단말(100)이 기지국에 측정 결과(measurement report)를 전송할 수 있다. 이어서, 기지국은 이동통신 단말(100)에 핸드오버를 수행 명령을 내릴 수 있다.When the handover decision apparatus 1000 determines that the handover-related event obtained from the mobile communication terminal 100 is satisfied and the throughput of the target cell 125 exceeds the throughput of the serving cell 115, the handover decision apparatus 1000 determines that the handover-related event is satisfied. Upon determining to perform an over, the mobile communication terminal 100 may transmit a measurement result (measurement report) to the base station. Subsequently, the base station may issue a handover command to the mobile communication terminal 100 .

핸드오버 관련 이벤트를 만족하더라도, 타겟 셀(125)의 스루풋이 서빙 셀(115)의 스루풋을 초과하지 않는다고 판단되는 경우, 이동통신 단말은 측정 결과(measurement report) 전송을 연기할 수 있다. If it is determined that the throughput of the target cell 125 does not exceed the throughput of the serving cell 115 even if the handover-related event is satisfied, the mobile communication terminal may postpone measurement report transmission.

도 6은 본 발명의 실시예에 따른 핸드오버 결정 방법의 순서도이다. 단, 도 6에 도시된 방법은 본 발명의 일 실시예에 불과하므로 도 6에 의해 본 발명의 사상이 한정 해석되는 것은 아니며, 도 6에 도시된 방법의 각 단계는 경우에 따라 도면에 제시된 바와 그 순서를 달리하여 수행될 수 있음은 물론이다.6 is a flowchart of a handover decision method according to an embodiment of the present invention. However, since the method shown in FIG. 6 is only one embodiment of the present invention, the concept of the present invention is not limitedly interpreted by FIG. 6, and each step of the method shown in FIG. Of course, it can be performed in a different order.

도 6을 더 참조하면, 먼저, 송수신부(1100)는 서빙 셀(115)의 기지국과의 데이터 통신에 의해 측정된 이동통신 단말의 상기 서빙 셀(115)에서의 데이터 전송속도 관련 파라미터를 획득할 수 있다(S610).Referring further to FIG. 6, first, the transceiver 1100 obtains parameters related to the data transmission rate in the serving cell 115 of the mobile communication terminal measured by data communication with the base station of the serving cell 115. It can (S610).

실시예에 따라, 전송속도 관련 파라미터는 MCS 및 랭크로 이루어진 제 1 속도 파라미터 그룹 및 스루풋을 포함하는 제 2 속도 파라미터 그룹 중 적어도 하나를 포함할 수 있다.Depending on the embodiment, the parameters related to transmission rate may include at least one of a first rate parameter group consisting of MCS and rank, and a second rate parameter group including throughput.

실시예에 따라, 송수신장치(1430)는 서빙 셀(115)의 수신신호 세기를 획득하고, 상기 서빙 셀(115)의 기지국(110)으로부터 핸드오버 관련 이벤트를 수신받는 단계를 더 포함할 수 있다.Depending on the embodiment, the transceiver 1430 may further include acquiring the reception signal strength of the serving cell 115 and receiving a handover-related event from the base station 110 of the serving cell 115. .

이어서, 프로세서(1420)는 상기 이동통신 단말이 수신한 타겟 셀(125)의 수신 신호로부터, 상기 타겟 셀(125)의 수신신호 세기 및 지연 확산을 추출할 수 있다(S620).Subsequently, the processor 1420 may extract the received signal strength and delay spread of the target cell 125 from the received signal of the target cell 125 received by the mobile communication terminal (S620).

실시예에 따라, 서빙 셀(115)과 타겟 셀(125)은 서로 중첩 영역이 존재하는 셀일 수 있다.Depending on the embodiment, the serving cell 115 and the target cell 125 may be cells in which an overlapping area exists.

또한, 실시예에 따라, 타겟 셀(125)의 수신 신호는 SSB 신호를 포함할 수 있다.Also, according to embodiments, the received signal of the target cell 125 may include an SSB signal.

프로세서(1420)는 상기 추출된 타겟 셀(125)의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 예측할 수 있다(S630).The processor 1420 may predict parameters related to the data transmission rate of the target cell 125 by inputting the extracted received signal strength and delay spread of the target cell 125 to the pre-learned artificial neural network model (S630). .

여기서 인공신경망 모델은 학습용 입력 데이터로서 상기 서빙 셀의 학습용 수신신호 세기 및 지연 확산을 이용하고, 학습용 정답 데이터로서 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이용하여 업데이트될 수 있다.Here, the artificial neural network model may be updated using received signal strength and delay spread for learning of the serving cell as input data for learning, and using a parameter related to a data transmission rate of the serving cell as answer data for learning.

또한, 실시예에 따라, 인공신경망 모델은 순환신경망 모델(RNN) 및 장단기메모리(LSTM) 모델을 포함할 수 있다.Also, according to embodiments, the artificial neural network model may include a recurrent neural network model (RNN) and a long short-term memory (LSTM) model.

실시예에 따라, 프로세서(1420)는 타겟 셀(125)의 수신신호 세기 및 지연 확산을 각각 0부터 1사이의 값을 갖도록 정규화하고, 정규화된 타겟 셀(125)의 수신신호 세기 및 지연 확산을 상기 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 예측할 수 있다.According to an embodiment, the processor 1420 normalizes the received signal strength and delay spread of the target cell 125 to have a value between 0 and 1, respectively, and calculates the normalized received signal strength and delay spread of the target cell 125. A parameter related to the data transmission rate of the target cell 125 may be predicted by inputting the pre-learned artificial neural network model.

프로세서(1420)가 타겟 셀(125)의 수신 신호로부터 도플러 확산(Doppler spread)을 추출한 경우, 추출된 도플러 확산(Doppler spread)을 기학습된 인공신경망에 더 입력하여, 상기 타겟 셀(125)의 데이터 전송속도 관련 파라미터를 예측할 수 있다.When the processor 1420 extracts the Doppler spread from the received signal of the target cell 125, the extracted Doppler spread is further input to the pretrained artificial neural network, Parameters related to the data transmission rate can be predicted.

이어서, 프로세서(1420)는 서빙 셀(115)의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀(115)에서 상기 타겟 셀(125)로의 핸드오버 여부를 결정할 수 있다(S640).Then, the processor 1420, based on the parameter related to the data transmission rate of the serving cell 115 and the predicted parameter related to the data transmission rate of the target cell, for the mobile communication terminal, the target cell ( 125) may be determined (S640).

실시예에 따라, 프로세서(1420)는 수신된 핸드오버 관련 이벤트를 더 고려하여 핸드오버 여부를 결정할 수 있다.Depending on an embodiment, the processor 1420 may further consider the received handover-related event to determine whether to perform handover.

프로세서(1420)는 서빙 셀(115)의 수신신호 세기 및 상기 타겟 셀(125)의 수신신호 세기에 기초하여, 상기 수신된 핸드오버 관련 이벤트의 충족도를 판단할 수 있다. 이어서, 프로세서(1420)는 예측된 타겟 셀(125)의 데이터 전송속도 관련 파라미터에 대한 상기 획득된 서빙 셀의 데이터 전송속도 관련 파라미터의 데이터 전송속도 관련 파라미터 비를 획득할 수 있고, 상기 핸드오버 관련 이벤트 충족도 및 상기 데이터 전송속도 관련 파라미터 비에 각각 가중치를 적용함으로써 획득한 값에 기초하여, 상기 핸드오버를 결정할 수 있다. 여기서, 데이터 전송속도 관련 파라미터는 스루풋일 수 있다.The processor 1420 may determine the degree of satisfaction of the received handover-related event based on the received signal strength of the serving cell 115 and the received signal strength of the target cell 125 . Subsequently, the processor 1420 may obtain a data transmission rate related parameter ratio of the obtained data transmission rate related parameter of the serving cell to the predicted data transmission rate related parameter of the target cell 125, and may obtain the handover related parameter ratio. The handover may be determined based on a value obtained by applying weights to the event satisfaction level and the data rate-related parameter ratio, respectively. Here, the parameter related to the data transmission rate may be throughput.

실시예에 따라, 프로세서는 수신된 핸드오버 이벤트가 만족된다고 판단되고, 상기 타겟 셀의 스루풋이 상기 서빙 셀의 스루풋을 초과하는 경우, 핸드오버를 수행할 수 있다.According to an embodiment, the processor may perform handover when it is determined that the received handover event is satisfied and the throughput of the target cell exceeds the throughput of the serving cell.

본 발명에 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 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 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 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.Combinations of each block of the block diagram and each step of the flowchart accompanying the present invention may be performed by computer program instructions. Since these computer program instructions may be loaded into an encoding processor of a general-purpose computer, special-purpose computer, or other programmable data processing equipment, the instructions executed by the encoding processor of the computer or other programmable data processing equipment are each block or block diagram of the block diagram. Each step in the flow chart creates means for performing the functions described. These computer program instructions may also be stored in a computer usable or computer readable memory that can be directed to a computer or other programmable data processing equipment to implement functionality in a particular way, such that the computer usable or computer readable memory It is also possible for the instructions stored in to produce an article of manufacture containing instruction means for performing the function described in each block of the block diagram or each step of the flow chart. The computer program instructions can also be loaded on a computer or other programmable data processing equipment, so that a series of operational steps are performed on the computer or other programmable data processing equipment to create a computer-executed process to generate computer or other programmable data processing equipment. It is also possible that the instructions performing the processing equipment provide steps for executing the functions described in each block of the block diagram and each step of the flowchart.

또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.Additionally, each block or each step may represent a module, segment or portion of code that includes one or more executable instructions for executing specified logical function(s). It should also be noted that in some alternative embodiments, it is possible for the functions recited in blocks or steps to occur out of order. For example, two blocks or steps shown in succession may in fact be performed substantially concurrently, or the blocks or steps may sometimes be performed in reverse order depending on their function.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an example of the technical idea of the present invention, and various modifications and variations can be made to those skilled in the art without departing from the essential qualities of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain, and the scope of the technical idea of the present invention is not limited by these embodiments. The protection scope of the present invention should be construed according to the claims below, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.

100 : 이동통신 단말
110, 120 : 기지국
130 : 이동통신 코어망
1000 : 핸드오버 결정 장치
1100 : 송수신부
1200 : 전처리부
1300 : 데이터 전송속도 관련 파라미터 예측부
1400 : 핸드오버 판단부100: mobile communication terminal
110, 120: base station
130: mobile communication core network
1000: handover decision device
1100: transceiver
1200: pre-processing unit
1300: data transmission speed related parameter prediction unit
1400: handover judgment unit

Claims (11)

핸드오버 결정 장치에 의해 수행되는 핸드오버 결정 방법에 있어서,
서빙 셀(serving cell)의 기지국과의 데이터 통신에 의해 측정된 이동통신 단말의 상기 서빙 셀에서의 데이터 전송속도 관련 파라미터를 획득하는 단계;
상기 이동통신 단말이 수신한 타겟 셀(target cell)의 수신 신호로부터, 상기 타겟 셀의 수신신호 세기(RSRP) 및 지연 확산(delay spread)을 추출하는 단계;
상기 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계; 및
상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀에서 상기 타겟 셀로의 핸드오버 여부를 결정하는 단계를 포함하는
핸드오버 결정 방법.
A handover decision method performed by a handover decision device,
Acquiring a parameter related to a data transmission rate in a serving cell of a mobile communication terminal measured by data communication with a base station of a serving cell;
extracting a received signal strength (RSRP) and a delay spread of the target cell from the received signal of the target cell received by the mobile communication terminal;
predicting parameters related to the data transmission rate of the target cell by inputting the extracted received signal strength and delay spread of the target cell to a pre-learned artificial neural network model; and
Based on the parameter related to the data transmission rate of the serving cell and the predicted parameter related to the data transmission rate of the target cell, determining whether to perform handover from the serving cell to the target cell for the mobile communication terminal
How handover decisions are made.
 제 1 항에 있어서,
상기 인공신경망 모델은
학습용 입력 데이터로서 상기 서빙 셀의 학습용 수신신호 세기 및 지연 확산을 이용하고, 학습용 정답 데이터로서 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이용하여 업데이트되는,
핸드오버 결정 방법.According to claim 1,
The artificial neural network model is
Updated using the received signal strength and delay spread for learning of the serving cell as input data for learning and using a parameter related to the data transmission rate of the serving cell as answer data for learning,
How handover decisions are made. 제 1 항에 있어서,
상기 데이터 전송속도 관련 파라미터는,
MCS(modulation coding scheme) 및 랭크(rank)로 이루어진 제 1 속도 파라미터 그룹 및 스루풋(throughput)을 포함하는 제 2 속도 파라미터 그룹 중 적어도 하나를 포함하는,
핸드오버 결정 방법.According to claim 1,
The parameters related to the data transmission rate are,
Including at least one of a first rate parameter group consisting of a modulation coding scheme (MCS) and a rank, and a second rate parameter group including throughput,
How handover decisions are made. 제 1 항에 있어서,
상기 타겟 셀의 수신 신호로부터 도플러 확산(Doppler spread)을 추출하는 단계를 더 포함하고,
상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계는,
상기 추출된 도플러 확산(Doppler spread)을 기학습된 인공신경망에 더 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계를 포함하는,
핸드오버 결정 방법.According to claim 1,
Further comprising extracting a Doppler spread from the received signal of the target cell,
The step of predicting the parameter related to the data transmission rate of the target cell,
Further inputting the extracted Doppler spread to a pre-learned artificial neural network to predict a parameter related to the data transmission rate of the target cell,
How handover decisions are made. 제 1 항에 있어서,
상기 핸드오버 여부를 결정하는 단계는,
상기 예측된 타겟 셀의 데이터 전송속도 관련 파라미터가 상기 획득된 서빙 셀의 데이터 전송속도 관련 파라미터를 초과하는 경우, 핸드오버를 수행하기로 결정하는 단계를 포함하되
상기 데이터 전송속도 관련 파라미터는 스루풋인
핸드오버 결정 방법.According to claim 1,
The step of determining whether the handover is performed,
Determining to perform handover when the predicted parameter related to the data transmission rate of the target cell exceeds the obtained parameter related to the data transmission rate of the serving cell;
The parameter related to the data transmission rate is throughput.
How handover decisions are made. 제 1 항에 있어서,
상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계는,
상기 타겟 셀의 수신신호 세기 및 지연 확산을 각각 0부터 1사이의 값을 갖도록 정규화하는 단계; 및
상기 정규화된 타겟 셀의 수신신호 세기 및 지연 확산을 상기 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하는 단계를 포함하는,
핸드오버 결정 방법.According to claim 1,
The step of predicting the parameter related to the data transmission rate of the target cell,
normalizing the received signal strength and delay spread of the target cell to have a value between 0 and 1; and
Predicting parameters related to the data transmission rate of the target cell by inputting the normalized received signal strength and delay spread of the target cell to the pre-learned artificial neural network model,
How handover decisions are made. 제 1 항에 있어서,
상기 핸드오버 결정 방법은
상기 서빙 셀의 수신신호 세기를 획득하는 단계; 및
상기 서빙 셀의 기지국으로부터 핸드오버 관련 이벤트를 수신받는 단계를 더 포함하고,
상기 핸드오버 여부를 결정하는 단계는
상기 수신된 핸드오버 관련 이벤트를 더 고려하여 핸드오버 여부를 결정하는 단계를 포함하는
핸드오버 결정 방법.According to claim 1,
The handover decision method
obtaining a received signal strength of the serving cell; and
Further comprising receiving a handover related event from a base station of the serving cell,
The step of determining whether to handover
Determining whether to perform handover by further considering the received handover-related event
How handover decisions are made. 제 7 항에 있어서,
상기 핸드오버 여부를 결정하는 단계는
상기 서빙 셀의 수신신호 세기 및 상기 타겟 셀의 수신신호 세기에 기초하여, 상기 수신된 핸드오버 관련 이벤트의 충족도를 판단하는 단계;
상기 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 대한 상기 획득된 서빙 셀의 데이터 전송속도 관련 파라미터의 데이터 전송속도 관련 파라미터 비를 획득하는 단계; 및
상기 핸드오버 관련 이벤트 충족도 및 상기 데이터 전송속도 관련 파라미터 비에 각각 가중치를 적용함으로써 획득한 값에 기초하여, 상기 핸드오버를 결정하는 단계를 포함하되,
상기 데이터 전송속도 관련 파라미터는 스루풋인
핸드오버 결정 방법.According to claim 7,
The step of determining whether to handover
determining a degree of satisfaction of the received handover-related event based on the received signal strength of the serving cell and the received signal strength of the target cell;
obtaining a data transmission rate related parameter ratio of the obtained data transmission rate related parameter of the serving cell to the predicted data transmission rate related parameter of the target cell; and
Determining the handover based on a value obtained by applying a weight to each of the handover-related event satisfaction and the data rate-related parameter ratio;
The parameter related to the data transmission rate is throughput.
How handover decisions are made. 제 7 항에 있어서,
상기 데이터 전송속도 관련 파라미터는 상기 이동통신 단말과 각 셀의 기지국 사이의 스루풋을 포함하고,
상기 핸드오버를 결정하는 단계는,
상기 수신된 핸드오버 이벤트가 만족된다고 판단되고, 상기 타겟 셀의 스루풋이 상기 서빙 셀의 스루풋을 초과하는 경우, 핸드오버를 수행하는,
핸드오버 결정 방법.According to claim 7,
The data transmission rate related parameter includes throughput between the mobile communication terminal and the base station of each cell,
The step of determining the handover,
Performing handover when it is determined that the received handover event is satisfied and the throughput of the target cell exceeds the throughput of the serving cell,
How handover decisions are made. 서빙 셀(serving cell)의 기지국으로부터 수신된 상기 서빙 셀의 데이터 전송속도 관련 파라미터를 이동통신 단말로부터 획득하고, 상기 이동통신 단말이 수신한 타겟 셀(target cell)의 수신 신호를 획득하는 송수신장치; 및
상기 획득한 수신 신호로부터, 상기 타겟 셀의 수신신호 세기(RSRP) 및 지연 확산(delay spread)을 추출하고, 상기 추출된 타겟 셀의 수신신호 세기 및 지연 확산을 기학습된 인공신경망 모델에 입력하여, 상기 타겟 셀의 데이터 전송속도 관련 파라미터를 예측하며, 상기 서빙 셀의 데이터 전송속도 관련 파라미터 및 예측된 타겟 셀의 데이터 전송속도 관련 파라미터에 기초하여, 상기 이동통신 단말에 대해 상기 서빙 셀에서 상기 타겟 셀로의 핸드오버 여부를 결정하는 프로세서를 포함하는,
핸드오버 결정 장치.A transceiver for obtaining a data transmission rate related parameter of a serving cell received from a base station of a serving cell from a mobile communication terminal, and obtaining a reception signal of a target cell received by the mobile communication terminal; and
Extracting the received signal strength (RSRP) and delay spread of the target cell from the obtained received signal, and inputting the extracted received signal strength and delay spread of the target cell to the pre-learned artificial neural network model , Predicting the data transmission rate related parameter of the target cell, and based on the data transmission rate related parameter of the serving cell and the predicted data transmission rate related parameter of the target cell, the target cell in the serving cell for the mobile communication terminal Including a processor that determines whether to hand over to the cell,
Handover decision device. 컴퓨터 판독 가능한 기록 매체에 저장되어 있는 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은,
제 1 항 내지 제 9 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는,
컴퓨터 프로그램.
As a computer program stored in a computer readable recording medium,
The computer program,
Including instructions for causing a processor to perform the method according to any one of claims 1 to 9,
computer program.
KR1020210147224A 2021-10-29 2021-10-29 Method for decision of handover and device of decision of handover KR20230062206A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210147224A KR20230062206A (en) 2021-10-29 2021-10-29 Method for decision of handover and device of decision of handover

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210147224A KR20230062206A (en) 2021-10-29 2021-10-29 Method for decision of handover and device of decision of handover

Publications (1)

Publication Number Publication Date
KR20230062206A true KR20230062206A (en) 2023-05-09

Family

ID=86408165

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210147224A KR20230062206A (en) 2021-10-29 2021-10-29 Method for decision of handover and device of decision of handover

Country Status (1)

Country Link
KR (1) KR20230062206A (en)

Similar Documents

Publication Publication Date Title
US10993134B2 (en) Radio resource measurement method, radio resource selection method, and apparatus
CN113994598A (en) Beam prediction for wireless networks
Mismar et al. Partially blind handovers for mmWave new radio aided by sub-6 GHz LTE signaling
EP3984270A2 (en) Method and apparatus for performing network optimisation using a neural network
CN110637479A (en) Mobile communication based on altitude position status
JP2011024068A (en) Power control method in cognitive radio communication, cognitive radio communication system, and radio communication device
EP3017623B1 (en) Method and apparatus of switching communications from a first channel to a second channel of higher-frequency
Boutiba et al. Radio link failure prediction in 5G networks
US20230388809A1 (en) Learning-Based Spectrum Occupancy Prediction Exploiting Multi-Dimensional Correlation
Adeogun et al. Distributed channel allocation for mobile 6g subnetworks via multi-agent deep q-learning
US11647532B1 (en) Algorithm for mitigation of impact of uplink/downlink beam mismatch
KR20230062206A (en) Method for decision of handover and device of decision of handover
Gannapathy et al. A Smart Handover Strategy for 5G mmWave Dual Connectivity Networks
US12010571B2 (en) Spectral efficiency prediction with artificial intelligence for enhancing carrier aggregation and proactive radio resource management
CN114258071A (en) Measurement reporting method and device, storage medium and terminal
US20230099006A1 (en) Spectral Efficiency Prediction with Artificial Intelligence for Enhancing Carrier Aggregation and Proactive Radio Resource Management
Panitsas et al. Predictive handover strategy in 6g and beyond: A deep and transfer learning approach
KR20190037314A (en) Communication device and method
US12003993B2 (en) Radio resource measurement method, radio resource selection method, and apparatus
EP4344081A1 (en) Machine learning model selection for beam prediction for wireless networks
EP3262777B1 (en) Determining signal to noise ratio and tti bundling adaptation in a communication network
Arnaz et al. A Multi-objective Reinforcement Learning Solution for Handover Optimization in URLLC
CN117997397A (en) Resource allocation method, device, communication equipment and readable storage medium
WO2023136768A1 (en) A method of determining when mmW operation is to be utilized, a computer program product, and a processing unit therefor
Taniguchi A Study on Radio Interference Estimation Method for Wireless Relay Network Link Scheduling