KR20230070405A - 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체 - Google Patents

적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체 Download PDF

Info

Publication number
KR20230070405A
KR20230070405A KR1020227030640A KR20227030640A KR20230070405A KR 20230070405 A KR20230070405 A KR 20230070405A KR 1020227030640 A KR1020227030640 A KR 1020227030640A KR 20227030640 A KR20227030640 A KR 20227030640A KR 20230070405 A KR20230070405 A KR 20230070405A
Authority
KR
South Korea
Prior art keywords
network
access point
handover
deep
connect
Prior art date
Application number
KR1020227030640A
Other languages
English (en)
Inventor
용링 루
전 왕
청보 후
쉬에치옹 쥬
징강 양
쥔 지아
롱 순
즈취엔 리우
하이 쉬에
동레이 장
Original Assignee
스테이트 그리드 지앙수 일렉트릭 파워 컴퍼니 리미티드. 리서치 인스티튜트
스테이트 그리드 지앙수 일렉트릭 파워 컴퍼니 리미티드
지앙수 일렉트릭 파워 리서치 인스티튜트 컴퍼니 리미티드
스테이트 그리드 스마트 그리드 리서치 인스티튜트 컴퍼니 리미티드
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 스테이트 그리드 지앙수 일렉트릭 파워 컴퍼니 리미티드. 리서치 인스티튜트, 스테이트 그리드 지앙수 일렉트릭 파워 컴퍼니 리미티드, 지앙수 일렉트릭 파워 리서치 인스티튜트 컴퍼니 리미티드, 스테이트 그리드 스마트 그리드 리서치 인스티튜트 컴퍼니 리미티드 filed Critical 스테이트 그리드 지앙수 일렉트릭 파워 컴퍼니 리미티드. 리서치 인스티튜트
Publication of KR20230070405A publication Critical patent/KR20230070405A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/14—Reselecting a network or an air interface
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04W36/0055—Transmission or use of information for re-establishing the radio link
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체를 개시하고, 본 발명은 RBF 신경망을 기반으로 기기의 서비스 유형 및 기기의 네트워크 표준을 판단하여 핸드오버에 사용될 심층 Q 네트워크를 결정하고, 현재의 이기종 네트워크 또는 네트워크 액세스 포인트의 환경 상태를 심층 Q 네트워크의 입력으로 하여 최적의 네트워크 및 액세스 포인트를 획득함으로써 종래의 핸드오버 알고리즘의 단일한 핸드오버 기준으로 인한 핸드오버 오류를 방지하고 기기의 핸드오버 횟수를 줄여 보다 합리적으로 핸드오버할 수 있도록 한다.

Description

적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체
본 발명은 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체에 관한 것으로, 무선 네트워크 기술분야에 속한 것이다.
다양한 응용 장면에서 다양한 종류의 무선 네트워크가 구축됨에 따라 향후 다중 네트워크 융합 발전과 심리스 로밍을 위한 이기종 무선 네트워크는 필연적인 추세로 전망된다. 이기종 무선 네트워크의 이동성 관리 기술의 핵심인 네트워크 핸드오버(Hand Over) 기술은 기기가 이기종 네트워크 간에 이동할 때 세션의 연속성을 보장하는 핵심 기술 중의 하나로서 중요한 연구 의의를 가진다.
종래의 핸드오버 방법으로는 수신 신호 강도(Received Signal Strength, RSS) 기반 알고리즘 및 다기준 의사결정(Multi-criteria Decision Making, MCDM) 기반 알고리즘이 있으며; 여기서, RSS 알고리즘은 기기의 빈번한 핸드오버를 초래하여 사용자 서비스 품질에 영향을 미치고, MCDM 알고리즘은 다양한 의사결정 기준의 상호 의존성 및 상호 작용으로 인해 핸드오버 결정 기준의 상대적 가중치에 영향을 주어 최종적으로 핸드오버가 불합리하게 된다.
본 발명은 종래의 방법으로 인한 기기의 빈번한 핸드오버와 핸드오버 결정 기준의 불합리한 문제를 해결하기 위한 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체를 제공한다.
상술한 기술적 과제를 해결하기 위한 본 발명의 기술적 해결방안은 다음과 같다.
적응형 네트워크 핸드오버 방법으로서, 상기 방법은,
네트워크 환경에서의 기기의 상태 정보를 사전 트레이닝된 RBF 신경망에 입력하여 기기의 서비스 유형 및 기기의 네트워크 표준을 획득하는 단계;
기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 네트워크 환경 상태 파라미터를 입력으로 하고, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계; 및
기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우, 네트워크 환경 상태 파라미터를 입력으로 하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계를 포함한다.
기기의 상태 정보는 기기의 수신 전력 변경 값, 기기의 수신 지연 변경 값 및 기기의 고유 파라미터를 포함한다.
기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계는,
기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크를 획득하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계를 포함한다.
제1 심층 Q 네트워크의 입력인 네트워크 환경 상태 파라미터는,
환경 중의 각 무선 네트워크의 대역폭, 지연, 비트 오류율 및 지터(Jitter); 및
네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스를 포함한다.
제1 심층 Q 네트워크에서의 네트워크 핸드오버 보상은
Figure pct00001
이고,
상기 식에서,
Figure pct00002
은 제1 심층 Q 네트워크에서의 네트워크 핸드오버 보상이고,
Figure pct00003
는 네트워크 핸드오버 시 대역폭의 네트워크 선택 가중치이고,
Figure pct00004
는 네트워크 핸드오버 시 지연의 네트워크 선택 가중치이고,
Figure pct00005
는 네트워크 핸드오버 시 비트 오류율의 네트워크 선택 가중치이고,
Figure pct00006
은 네트워크 핸드오버 시 지터의 네트워크 선택 가중치이며,
Figure pct00007
은 네트워크 핸드오버 시 대역폭의 네트워크 선택 이익 함수이고,
Figure pct00008
은 네트워크 핸드오버 시 지연의 네트워크 선택 이익 함수이고,
Figure pct00009
는 네트워크 핸드오버 시 비트 오류율의 네트워크 선택 이익 함수이고,
Figure pct00010
은 네트워크 핸드오버 시 지터의 네트워크 선택 이익 함수이며,
Figure pct00011
은 제1 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터 세트이다.
Figure pct00012
상기 식에서,
Figure pct00013
은 무선 네트워크 n에서 제공되는 대역폭이고,
Figure pct00014
은 무선 네트워크 n에서 제공되는 지연이고,
Figure pct00015
은 무선 네트워크 n에서 제공되는 비트 오류율이고,
Figure pct00016
은 무선 네트워크 n에서 제공되는 지터이며,
Figure pct00017
는 무선 네트워크 n에서 요구되는 대역폭이고,
Figure pct00018
는 무선 네트워크 n에서 요구되는 지연이고,
Figure pct00019
는 무선 네트워크 n에서 요구되는 비트 오류율이고,
Figure pct00020
는 무선 네트워크 n에서 요구되는 지터이다.
제2 심층 Q 네트워크의 입력인 네트워크 환경 상태 파라미터는,
네트워크 중 각 액세스 포인트의 대역폭, 지연, 비트 오류율 및 지터;
기기가 각 액세스 포인트를 수신하는 수신 전력; 및
네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스를 포함한다.
제2 심층 Q 네트워크에서의 네트워크 핸드오버 보상은
Figure pct00021
이고,
상기 식에서,
Figure pct00022
는 제2 심층 Q 네트워크에서의 네트워크 핸드오버 보상이고,
Figure pct00023
는 액세스 포인트 선택 시 대역폭의 네트워크 선택 가중치이고,
Figure pct00024
는 액세스 포인트 선택 시 지연의 네트워크 선택 가중치이고,
Figure pct00025
는 액세스 포인트 선택 시 비트 오류율의 네트워크 선택 가중치이고,
Figure pct00026
는 액세스 포인트 선택 시 지터의 네트워크 선택 가중치이며,
Figure pct00027
은 액세스 포인트 선택 시 대역폭의 네트워크 선택 이익 함수이고,
Figure pct00028
은 액세스 포인트 선택 시 지연의 네트워크 선택 이익 함수이고,
Figure pct00029
은 액세스 포인트 선택 시 비트 오류율의 네트워크 선택 이익 함수이고,
Figure pct00030
은 액세스 포인트 선택 시 지터의 네트워크 선택 이익 함수이며,
Figure pct00031
는 제2 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터 세트이고,
Figure pct00032
은 액세스 포인트 m의 수신 전력이고,
Figure pct00033
는 수신 전력 민감도이다.
Figure pct00034
상기 식에서,
Figure pct00035
은 액세스 포인트 m에서 제공되는 대역폭이고,
Figure pct00036
은 액세스 포인트 m에서 제공되는 지연이고,
Figure pct00037
은 액세스 포인트 m에서 제공되는 비트 오류율이고,
Figure pct00038
은 액세스 포인트 m에서 제공되는 지터이고,
Figure pct00039
는 액세스 포인트 m에서 요구되는 네트워크 대역폭이고,
Figure pct00040
는 액세스 포인트 m에서 요구되는 네트워크 지연이고,
Figure pct00041
는 액세스 포인트 m에서 요구되는 네트워크 비트 오류율이고,
Figure pct00042
는 액세스 포인트 m에서 요구되는 네트워크 지터이다.
적응형 네트워크 핸드오버 시스템으로서, 상기 시스템은,
네트워크 환경에서의 기기의 상태 정보를 사전 트레이닝된 RBF 신경망에 입력하여 기기의 서비스 유형 및 기기의 네트워크 표준을 획득하는 RBF 신경망 모듈;
기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 제1 핸드오버 모듈; 및
기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 제2 핸드오버 모듈을 포함한다.
제1 핸드오버 모듈은 기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크를 획득하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버한다.
하나 이상의 프로그램의 컴퓨터 판독 가능 저장 매체로서, 상기 하나 이상의 프로그램은 명령을 포함하고, 상기 명령이 컴퓨팅 장치에 의해 실행될 경우 상기 컴퓨팅 장치가 적응형 네트워크 핸드오버 방법을 수행하도록 한다.
본 발명은 다음과 같은 유익한 효과를 가진다. 본 발명은 RBF 신경망을 기반으로 기기의 서비스 유형 및 기기의 네트워크 표준을 판단하여 핸드오버에 사용될 심층 Q 네트워크를 결정하고, 현재의 이기종 네트워크 또는 네트워크 액세스 포인트의 환경 상태를 심층 Q 네트워크의 입력으로 하여 최적의 네트워크 및 액세스 포인트를 획득함으로써 종래의 핸드오버 알고리즘의 단일한 핸드오버 기준으로 인한 핸드오버 오류를 방지하고 기기의 핸드오버 횟수를 줄여 보다 합리적으로 핸드오버할 수 있도록 한다.
도 1은 본 발명의 방법에 따른 흐름도이다.
도 2는 사전 설정된 규칙표이다.
도 3은 손실 함수의 구조 모식도이다.
도 4는 이기종 무선 네트워크 장면이다.
아래 첨부된 도면을 결부하여 본 발명에 대해 더욱 상세하게 설명한다. 하기의 실시예는 단지 본 발명의 기술적 해결방안을 더욱 명확히 설명하기 위한 것일 뿐 본 발명의 보호범위는 이에 한정되지 않는다.
도 1에 도시된 바와 같이, 적응형 네트워크 핸드오버 방법으로서, 상기 방법은,
네트워크 환경에서의 기기의 상태 정보를 사전 트레이닝된 RBF 신경망에 입력하여 기기의 서비스 유형 및 기기의 네트워크 표준을 획득하는 단계 1;
기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 네트워크 환경 상태 파라미터를 입력으로 하고, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계 2;
기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우, 네트워크 환경 상태 파라미터를 입력으로 하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계 3을 포함한다.
상기 방법은 RBF 신경망을 기반으로 기기의 서비스 유형 및 기기의 네트워크 표준을 판단하여 핸드오버에 사용될 심층 Q 네트워크를 결정하고, 현재의 이기종 네트워크 또는 네트워크 액세스 포인트의 환경 상태를 심층 Q 네트워크의 입력으로 하여 최적의 네트워크 및 액세스 포인트를 획득함으로써 종래의 핸드오버 알고리즘의 단일한 핸드오버 기준으로 인한 핸드오버 오류를 방지하고 기기의 핸드오버 횟수를 줄여 보다 합리적으로 핸드오버할 수 있도록 한다.
상술한 방법을 구현하기에 앞서 우선 RBF 신경망, 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 트레이닝해야 한다.
RBF 신경망 트레이닝은, RBF 신경망의 3개의 입력 노드(수신 전력 변경 값, 지연 변경 값 및 기기의 고유 파라미터), 다수개의 은닉 노드(은닉 노드 수는 오류 역전파 알고리즘에 의해 결정됨) 및 2개의 출력 노드(출력 기기의 서비스 유형 및 기기의 네트워크 표준)를 초기화하고; 무선 네트워크에서 실제 측정된 전력, 지연 변화량, 기기의 고유 파라미터, 기기의 서비스 유형 및 기기의 네트워크 표준을 샘플로 하여 RBF 신경망을 트레이닝한다.
RBF 신경망을 사용할 때, 기기의 상태 정보, 즉 기기의 수신 전력 변경 값, 기기의 수신 지연 변경 값 및 기기의 고유 파라미터를 직접 RBF 신경망에 입력하면 기기의 서비스 유형 및 기기의 네트워크 표준을 획득할 수 있는 바, 아래의 공식으로 표현될 수 있다.
Figure pct00043
상기 식에서,
Figure pct00044
은 각각 RBF 신경망의 입력과 출력이고, ΔP, Δτ, F는 각각 기기의 수신 전력 변경 값, 기기의 수신 지연 변경 값 및 기기의 고유 파라미터이며,
Figure pct00045
은 기기의 서비스 유형이고,
Figure pct00046
은 기기의 서비스 유형이 모바일 서비스임을 나타내고,
Figure pct00047
은 기기의 서비스 유형이 고정 서비스임을 나타내며,
Figure pct00048
는 기기의 네트워크 표준이고,
Figure pct00049
은 기기의 네트워크 표준이 다중 네트워크 표준을 지원한다는 것을 나타내고,
Figure pct00050
은 기기의 네트워크 표준이 단일 네트워크 표준임을 나타낸다.
예를 들어, 5G, WiFi, LoRa가 존재하는 환경에서 기기가 다중 네트워크 표준을 지원하는 경우, 기기는 여러 네트워크 간에 핸드오버할 수 있고, 기기가 단일 네트워크 표준을 지원하는 경우, 기기는 단일 네트워크에서만 핸드오버할 수 있으며, 즉 액세스 포인트를 핸드오버할 수 있다.
따라서, 기기의 서비스 유형 및 기기의 네트워크 표준을 획득한 후 도 2 중의 사전 설정된 규칙을 사용하여 네트워크 핸드오버에 사용될 네트워크를 결정할 수 있으며, 구체적인 내용은 다음과 같다.
1) 기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 기기의 서비스 유형이 고정 서비스(예를 들어 온도, 습도, 압력 센서 등의 전송 서비스)이든 모바일 서비스(스마트 라벨, 작업자의 스마트 헬멧 등의 전송 서비스)이든 우선 제1 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크, 즉 핸드오버된 후의 네트워크를 획득하고, 그다음 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트, 즉 핸드오버된 후의 네트워크의 액세스 포인트를 획득한다.
2) 기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 고정 서비스인 경우, 상기 기기는 네트워크 핸드오버를 진행할 수 없고; 기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우(즉 모바일 서비스), 직접 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트, 즉 핸드오버된 후의 네트워크 액세스 포인트를 획득한다.
상기 제1 심층 Q 네트워크는 단지 수직적 핸드오버(즉 네트워크 간 핸드오버)만 담당하고, 제2 심층 Q 네트워크는 액세스 포인트 핸드오버만 담당하며, 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크는 동일한 심층 Q 네트워크를 사용하고, 모두 현실 Q 네트워크 및 타깃 Q 네트워크를 포함하며, 입력도 모두 네트워크 환경 상태 파라미터이나, 양자의 목적이 서로 다르기에 입력된 파라미터와 네트워크 핸드오버 보상함수는 서로 다르다.
현실 Q 네트워크를 무선 네트워크 환경과 상호 작용, 즉 네트워크 환경 상태 파라미터를 현실 Q 네트워크에 입력하되, 여기서, 제1 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터는,
A, 환경 중의 각 무선 네트워크의 대역폭, 지연, 비트 오류율 및 지터;
B, 네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스일 수 있다.
WiFi, LoRa, 5G 등 N개의 이기종 무선 네트워크가 환경에 존재한다고 가정하면, 상기 파라미터는 아래의 공식으로 표현될 수 있다.
Figure pct00051
상기 식에서,
Figure pct00052
은 제1 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터 세트이고,
Figure pct00053
은 무선 네트워크 n에서 제공되는 대역폭이고,
Figure pct00054
은 무선 트워크 n에서 제공되는 지연이고,
Figure pct00055
은 무선 네트워크 n에서 제공되는 비트 오류율이고,
Figure pct00056
은 무선 네트워크 n에서 제공되는 지터이고,
Figure pct00057
,
Figure pct00058
는 네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스이다.
제2 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터는,
A, 네트워크 중 각 액세스 포인트의 대역폭, 지연, 비트 오류율 및 지터;
B, 기기가 각 액세스 포인트를 수신하는 수신 전력;
C, 네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스일 수 있다.
네트워크 중의 액세스 포인트 개수를
Figure pct00059
이라고 가정하면, 상기 파라미터는 아래의 공식으로 표현될 수 있다.
Figure pct00060
상기 식에서,
Figure pct00061
는 제2 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터 세트이고,
Figure pct00062
은 액세스 포인트 m의 수신 전력이며,
Figure pct00063
은 액세스 포인트 m에서 제공되는 대역폭이고,
Figure pct00064
은 액세스 포인트 m에서 제공되는 지연이고,
Figure pct00065
은 액세스 포인트 m에서 제공되는 비트 오류율이고,
Figure pct00066
은 액세스 포인트 m에서 제공되는 지터이다.
네트워크 환경 상태 파라미터를 현실 Q 네트워크에 입력한 후 Q 값을 얻고, ε-greedy방법을 사용하여 동작을 선택하되, 여기서, 제1 심층 Q 네트워크에 있어서 동작은 연결할 네트워크를 선택하는 것이고, 제2 심층 Q 네트워크에 있어서 동작은 연결할 네트워크의 액세스 포인트를 선택하는 것인 바, 아래의 공식으로 표현될 수 있다.
Figure pct00067
상기 식에서,
Figure pct00068
는 각각 네트워크 핸드오버 동작 및 네트워크 액세스 포인트 핸드오버 동작이고,
Figure pct00069
,
Figure pct00070
는 각각 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크의 파라미터이고,
Figure pct00071
는 생성된 0~1 사이의 랜덤 숫자이며,
Figure pct00072
은 탐색 확률이다.
동작 수행을 통해 환경은 다음 순간의 상태
Figure pct00073
또는
Figure pct00074
, 및 기기의 네트워크 핸드오버 동작 수행에 대한 보상을 반환한다.
제1 심층 Q 네트워크에 대한 네트워크 핸드오버 보상함수는 아래의 공식으로 표현될 수 있다.
Figure pct00075
Figure pct00076
상기 식에서,
Figure pct00077
은 제1 심층 Q 네트워크에서의 네트워크 핸드오버 보상이고,
Figure pct00078
는 네트워크 핸드오버 시 대역폭의 네트워크 선택 가중치이고,
Figure pct00079
는 네트워크핸드오버 시 지연의 네트워크 선택 가중치이고,
Figure pct00080
는 네트워크 핸드오버 시 비트 오류율의 네트워크 선택 가중치이고,
Figure pct00081
은 네트워크 핸드오버 시 지터의 네트워크 선택 가중치이며,
Figure pct00082
은 네트워크 핸드오버 시 대역폭의 네트워크 선택 이익 함수이고,
Figure pct00083
은 네트워크 핸드오버 시 지연의 네트워크 선택 이익 함수이고,
Figure pct00084
는 네트워크 핸드오버 시 비트 오류율의 네트워크 선택 이익 함수이고,
Figure pct00085
은 네트워크 핸드오버 시 지터의 네트워크 선택 이익 함수이며,
Figure pct00086
는 무선 네트워크 n에서 요구되는 대역폭이고,
Figure pct00087
는 무선 네트워크 n에서 요구되는 지연이고,
Figure pct00088
는 무선 네트워크 n에서 요구되는 비트 오류율이고,
Figure pct00089
는 무선 네트워크 n에서 요구되는 지터이다.
제2 심층 Q 네트워크에 대한 네트워크 핸드오버 보상함수는 아래의 공식으로 표현될 수 있다.
Figure pct00090
Figure pct00091
상기 식에서,
Figure pct00092
는 제2 심층 Q 네트워크에서의 네트워크 핸드오버 보상이고,
Figure pct00093
는 액세스 포인트 선택 시 대역폭의 네트워크 선택 가중치이고,
Figure pct00094
는 액세스 포인트 선택 시 지연의 네트워크 선택 가중치이고,
Figure pct00095
는 액세스 포인트 선택 시 비트 오류율의 네트워크 선택 가중치이고,
Figure pct00096
는 액세스 포인트 선택 시 지터의 네트워크 선택 가중치이며,
Figure pct00097
은 액세스 포인트 선택 시 대역폭의 네트워크 선택 이익 함수이고,
Figure pct00098
은 액세스 포인트 선택 시 지연의 네트워크 선택 이익 함수이고,
Figure pct00099
은 액세스 포인트 선택 시 비트 오류율의 네트워크 선택 이익 함수이고,
Figure pct00100
은 액세스 포인트 선택 시 지터의 네트워크 선택 이익 함수이며,
Figure pct00101
는 수신 전력 민감도이고,
Figure pct00102
는 액세스 포인트 m에서 요구되는 네트워크 대역폭이고,
Figure pct00103
는 액세스 포인트 m에서 요구되는 네트워크 지연이고,
Figure pct00104
는 액세스 포인트 m에서 요구되는 네트워크 비트 오류율이고,
Figure pct00105
는 액세스 포인트 m에서 요구되는 네트워크 지터이다.
상기 제1 심층 Q 네트워크의 4차원 데이터
Figure pct00106
또는 제2 심층 Q 네트워크의 4차원 데이터
Figure pct00107
는 경험 풀에 저장되고, 경험 풀의 데이터를 통해 심층 Q 네트워크를 트레이닝한다.
4차원 데이터 중의 네트워크 환경 상태 파라미터(
Figure pct00108
)를 현실 Q 네트워크에 입력하여 현실 Q 값을 얻고, 4차원 데이터 중의 다음 순간의 상태(
Figure pct00109
)를 타깃 Q 네트워크에 입력하여 다음 상태의 타깃 Q 값을 얻으며, 타깃 Q 값이 가장 큰 핸드오버 동작을 다음 상태의 동작으로 한다.
Figure pct00110
상기 식에서,
Figure pct00111
는 다음 상태의 핸드오버 동작을 나타내고,
Figure pct00112
는 타깃 Q 네트워크의 네트워크 파라미터를 나타내고, 아래 첨자 1은 제1 심층 Q 네트워크에 대응됨을 표현하고, 2는 제2 심층 Q 네트워크에 대응됨을 표현한다.
다음 상태 동작을 획득한 후 타깃 Q는 다음과 같이 업데이트될 수 있다.
Figure pct00113
상기 식에서,
Figure pct00114
는 할인계수를 나타내고 r은 보상을 나타낸다.
업데이트된 후의 타깃 Q 값을 사용하면 손실 함수를 계산할 수 있는 바, 도 3에 도시된 바와 같이, 공식은 아래와 같이 표현될 수 있다.
Figure pct00115
상기 식에서,
Figure pct00116
는 심층 Q 네트워크 파라미터이고,
Figure pct00117
는 예상 동작이다.
손실 함수를 통한 역전파를 통해 현실 Q 네트워크의 네트워크 파라미터를 업데이트하되, 구체적으로, 일정한 단계를 간격으로 현재 현실 Q 네트워크의 네트워크 파라미터를 타깃 Q 네트워크에 복사할 수 있다.
특정된 환경에서 다중 네트워크 표준 기기 및 단일 네트워크 표준 기기의 네트워크 파라미터를 각각 사용하여 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 네트워크 결과가 수렴할 때까지 트레이닝하고, 트레이닝된 네트워크를 이기종 무선 네트워크의 수직적 핸드오버에 응용한다.
상기 방법은 도 4에 도시된 것과 같은 이기종 무선 네트워크 장면에서 구현될 수 있으며, 상기 장면이 스마트 공장, 변전소, 지하 파이프라인 통로 또는 대형 운동장 등이라고 가정하면, 우선 RBF 신경망 및 심층 Q 네트워크를 구축 및 트레이닝하고, 트레이닝된 네트워크를 컴퓨팅 능력을 구비한 기기에 배치한다. RBF 신경망은 일정한 시간 간격으로 실시간 기기 상태 정보에 따라 기기의 현재의 다중 네트워크 표준 지원 여부 및 전송되는 서비스 유형을 판단하고, 도 2 중의 방법으로 상응한 심층 Q 네트워크를 선택하여 핸드오버 동작을 진행할 것을 판단한다.
상기 방법은 무선 센서 네트워크에 있는 다양한 기기 및 다양한 서비스를 대상으로 하여, RBF 신경망 및 심층 Q 네트워크를 결합하고 RBF 신경망을 기반으로 기기의 서비스 유형 및 기기의 네트워크 표준을 판단함으로써 핸드오버에서 사용할 심층 Q 네트워크를 선택하되, 여기서, 제1 심층 Q 네트워크는 서로 다른 네트워크 표준의 핸드오버를 담당하고, 제2 심층 Q 네트워크는 동일한 네트워크에서의 다른 액세스 포인트로의 핸드오버를 담당한다. 두 종류의 심층 Q 네트워크는 모두 네트워크 상태 파라미터 및 구성된 보상함수를 통해 트레이닝한 것으로, 현재 이기종 네트워크 또는 네트워크 액세스 포인트의 환경 상태를 심층 Q 네트워크의 입력으로 하여 네트워크 핸드오버를 결정하여 최적의 네트워크 및 액세스 포인트를 획득함으로써 종래의 핸드오버 알고리즘의 단일한 핸드오버 기준으로 인한 핸드오버 오류를 방지하고 기기의 핸드오버 횟수를 줄여 보다 합리적으로 핸드오버할 수 있도록 한다. 상기 방법은 서로 다른 네트워크 사이의 정확하고 효과적인 네트워크 핸드오버를 구현할 수 있어 사용자 서비스 품질을 향상시킬 수 있다.
동일한 기술적 해결방안에 기초하여, 본 발명은 상기 방법에 대응되는 소프트웨어 시스템, 즉 적응형 네트워크 핸드오버 시스템을 제공하고, 상기 시스템은,
네트워크 환경에서의 기기의 상태 정보를 사전 트레이닝된 RBF 신경망에 입력하여 기기의 서비스 유형 및 기기의 네트워크 표준을 획득하는 RBF 신경망 모듈;
기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크를 획득하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 제1 핸드오버 모듈; 및
기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 제2 핸드오버 모듈을 포함한다.
동일한 기술적 해결방안에 기초하여, 본 발명은 또한 하나 이상의 프로그램이 저장된 컴퓨터 판독 가능 저장 매체를 제공하고, 상기 하나 이상의 프로그램은 명령을 포함하고, 상기 명령이 컴퓨팅 장치에 의해 실행될 경우 상기 컴퓨팅 장치가 적응형 네트워크 핸드오버 방법을 수행하도록 한다.
동일한 기술적 해결방안에 기초하여, 본 발명은 또한 하나 이상의 프로세서, 하나 이상의 메모리 및 하나 이상의 프로그램을 포함하는 컴퓨팅 장치를 제공하고, 여기서, 하나 이상의 프로그램은 상기 하나 이상의 메모리에 저장되고 상기 하나 이상의 프로세서에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램에는 적응형 네트워크 핸드오버 방법을 수행하기 위한 명령이 포함된다.
본 발명이 속한 기술분야의 통상의 기술자는 본 발명의 실시예가 방법, 시스템, 또는 컴퓨터 프로그램 제품으로 제공될 수 있음을 이해해야 한다. 따라서, 본 발명은 완전한 하드웨어 실시예, 완전한 소프트웨어 실시예, 또는 하드웨어와 소프트웨어가 결합된 실시예의 형태를 취할 수 있다. 또한, 본 발명은 컴퓨터 사용 가능 프로그램 코드를 포함하는 하나 이상의 컴퓨터 사용 가능 저장 매체(자기 디스크 메모리, CD-ROM, 광학 메모리 등을 포함하나 이에 한정되지 않음)에서 구현되는 컴퓨터 프로그램 제품의 형태를 취할 수 있다.
본 발명은 본 발명의 실시예에 따른 방법, 기기(시스템), 및 컴퓨터 프로그램 제품의 흐름도 및/또는 블록도를 참조하여 기술되었다. 흐름도 및/또는 블록도 중의 각 프로세스 및/또는 블록, 및 흐름도 및/또는 블록도 중의 프로세스 및/또는 블록의 결합은 컴퓨터 프로그램 명령으로 구현될 수 있다는 것을 이해해야 한다. 이러한 컴퓨터 프로그램 명령은 범용 컴퓨터, 전용 컴퓨터, 내장형 프로세서 또는 다른 프로그램 가능 데이터 처리 기기의 프로세서에 제공되어, 컴퓨터 또는 다른 프로그램 가능 데이터 처리 기기의 프로세서에 의해 실행되는 명령이 흐름도의 하나의 프로세스 또는 여러 프로세스 및/또는 블록도의 하나의 블록 또는 여러 블록에서 지정된 기능을 구현하는 장치를 생성하도록 하는 하나의 기계를 생성할 수 있다.
이러한 컴퓨터 프로그램 명령은 또한 특정 방식으로 작업하도록 컴퓨터 또는 다른 프로그램 가능 데이터 처리 기기를 유도하는 컴퓨터 판독 가능 메모리에 저장되어, 상기 컴퓨터 판독 가능 메모리에 저장된 명령이 명령 장치를 포함하는 제조품을 생성하도록 할 수 있으며, 상기 명령 장치는 흐름도의 하나의 프로세스 또는 여러 프로세스 및/또는 블록도의 하나의 블록 또는 여러 블록에서 지정된 기능을 구현한다.
이러한 컴퓨터 프로그램 명령은 또한 컴퓨터 또는 다른 프로그램 가능 데이터 처리 기기에 로딩되어 컴퓨터 또는 다른 프로그램 가능 기기에서 컴퓨터 구현 처리를 생성하기 위한 일련의 동작 단계를 수행하도록 함으로써, 컴퓨터 또는 다른 프로그램 가능 기기에서 실행되는 명령에 흐름도의 하나의 프로세스 또는 여러 프로세스 및/또는 블록도의 하나의 블록 또는 여러 블록에서 지정된 기능을 구현하기 위한 단계를 제공한다.
상술한 내용은 본 발명의 실시예일 뿐 본 발명의 보호범위는 이에 한정되지 않으며, 본 발명의 사상과 원칙 내에서 이루어진 모든 수정, 등가 교체, 개선 등은 모두 본 발명의 청구범위에 포함되어야 한다.

Claims (10)

  1. 적응형 네트워크 핸드오버 방법에 있어서,
    네트워크 환경에서의 기기의 상태 정보를 사전 트레이닝된 RBF 신경망에 입력하여 기기의 서비스 유형 및 기기의 네트워크 표준을 획득하는 단계;
    기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 네트워크 환경 상태 파라미터를 입력으로 하고, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계; 및
    기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우, 네트워크 환경 상태 파라미터를 입력으로 하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계를 포함하는 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  2. 제1항에 있어서,
    기기의 상태 정보는 기기의 수신 전력 변경 값, 기기의 수신 지연 변경 값 및 기기의 고유 파라미터를 포함하는 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  3. 제1항에 있어서,
    기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계는,
    기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크를 획득하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 단계를 포함하는 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  4. 제3항에 있어서,
    제1 심층 Q 네트워크의 입력인 네트워크 환경 상태 파라미터는,
    환경 중의 각 무선 네트워크의 대역폭, 지연, 비트 오류율 및 지터;
    네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스를 포함하는 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  5. 제4항에 있어서,
    제1 심층 Q 네트워크에서의 네트워크 핸드오버 보상은
    Figure pct00118
    이고,
    상기 식에서,
    Figure pct00119
    은 제1 심층 Q 네트워크에서의 네트워크 핸드오버 보상이고,
    Figure pct00120
    는 네트워크 핸드오버 시 대역폭의 네트워크 선택 가중치이고,
    Figure pct00121
    는 네트워크 핸드오버 시 지연의 네트워크 선택 가중치이고,
    Figure pct00122
    는 네트워크 핸드오버 시 비트 오류율의 네트워크 선택 가중치이고,
    Figure pct00123
    은 네트워크 핸드오버 시 지터의 네트워크 선택 가중치이며,
    Figure pct00124
    은 네트워크 핸드오버 시 대역폭의 네트워크 선택 이익 함수이고,
    Figure pct00125
    은 네트워크 핸드오버 시 지연의 네트워크 선택 이익 함수이고,
    Figure pct00126
    는 네트워크 핸드오버 시 비트 오류율의 네트워크 선택 이익 함수이고,
    Figure pct00127
    은 네트워크 핸드오버 시 지터의 네트워크 선택 이익 함수이며,
    Figure pct00128
    은 제1 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터 세트이며,
    Figure pct00129

    상기 식에서,
    Figure pct00130
    은 무선 네트워크 n에서 제공되는 대역폭이고,
    Figure pct00131
    은 무선 네트워크 n에서 제공되는 지연이고,
    Figure pct00132
    은 무선 네트워크 n에서 제공되는 비트 오류율이고,
    Figure pct00133
    은 무선 네트워크 n에서 제공되는 지터이며,
    Figure pct00134
    는 무선 네트워크 n에서 요구되는 대역폭이고,
    Figure pct00135
    는 무선 네트워크 n에서 요구되는 지연이고,
    Figure pct00136
    는 무선 네트워크 n에서 요구되는 비트 오류율이고,
    Figure pct00137
    는 무선 네트워크 n에서 요구되는 지터인 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  6. 제3항에 있어서,
    제2 심층 Q 네트워크의 입력인 네트워크 환경 상태 파라미터는,
    네트워크 중 각 액세스 포인트의 대역폭, 지연, 비트 오류율 및 지터;
    기기가 각 액세스 포인트를 수신하는 수신 전력; 및
    네트워크 대역폭, 지연, 비트 오류율 및 지터에 대한 기기의 요구사항 매트릭스를 포함하는 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  7. 제6항에 있어서,
    제2 심층 Q 네트워크에서의 네트워크 핸드오버 보상은
    Figure pct00138
    이고,
    상기 식에서,
    Figure pct00139
    는 제2 심층 Q 네트워크에서의 네트워크 핸드오버 보상이고,
    Figure pct00140
    는 액세스 포인트 선택 시 대역폭의 네트워크 선택 가중치이고,
    Figure pct00141
    는 액세스 포인트 선택 시 지연의 네트워크 선택 가중치이고,
    Figure pct00142
    는 액세스 포인트 선택 시 비트 오류율의 네트워크 선택 가중치이고,
    Figure pct00143
    는 액세스 포인트 선택 시 지터의 네트워크 선택 가중치이며,
    Figure pct00144
    은 액세스 포인트 선택 시 대역폭의 네트워크 선택 이익 함수이고,
    Figure pct00145
    은 액세스 포인트 선택 시 지연의 네트워크 선택 이익 함수이고,
    Figure pct00146
    은 액세스 포인트 선택 시 비트 오류율의 네트워크 선택 이익 함수이고,
    Figure pct00147
    은 액세스 포인트 선택 시 지터의 네트워크 선택 이익 함수이며,
    Figure pct00148
    는 제2 심층 Q 네트워크에 입력되는 네트워크 환경 상태 파라미터 세트이고,
    Figure pct00149
    은 액세스 포인트 m의 수신 전력이고,
    Figure pct00150
    는 수신 전력 민감도이며,
    Figure pct00151

    상기 식에서,
    Figure pct00152
    은 액세스 포인트 m에서 제공되는 대역폭이고,
    Figure pct00153
    은 액세스 포인트 m에서 제공되는 지연이고,
    Figure pct00154
    은 액세스 포인트 m에서 제공되는 비트 오류율이고,
    Figure pct00155
    은 액세스 포인트 m에서 제공되는 지터이고,
    Figure pct00156
    는 액세스 포인트 m에서 요구되는 네트워크 대역폭이고,
    Figure pct00157
    는 액세스 포인트 m에서 요구되는 네트워크 지연이고,
    Figure pct00158
    는 액세스 포인트 m에서 요구되는 네트워크 비트 오류율이고,
    Figure pct00159
    는 액세스 포인트 m에서 요구되는 네트워크 지터인 것을 특징으로 하는 적응형 네트워크 핸드오버 방법.
  8. 적응형 네트워크 핸드오버 시스템에 있어서,
    네트워크 환경에서의 기기의 상태 정보를 사전 트레이닝된 RBF 신경망에 입력하여 기기의 서비스 유형 및 기기의 네트워크 표준을 획득하는 RBF 신경망 모듈;
    기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크 및 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 제1 핸드오버 모듈; 및
    기기의 네트워크 표준이 단일 네트워크 표준이고 기기의 서비스 유형이 비고정 서비스인 경우, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 제2 핸드오버 모듈을 포함하는 것을 특징으로 하는 적응형 네트워크 핸드오버 시스템.
  9. 제8항에 있어서,
    제1 핸드오버 모듈은, 기기의 네트워크 표준이 다중 네트워크 표준을 지원하는 경우, 사전 트레이닝된 제1 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크를 획득하고, 사전 트레이닝된 제2 심층 Q 네트워크를 사용하여 선택된 연결할 네트워크의 액세스 포인트를 획득하며, 선택된 연결할 네트워크 및 선택된 연결할 네트워크의 액세스 포인트에 따라 네트워크를 핸드오버하는 것을 특징으로 하는 적응형 네트워크 핸드오버 시스템.
  10. 하나 이상의 프로그램이 저장된 컴퓨터 판독 가능 저장 매체로서,
    상기 하나 이상의 프로그램은 명령을 포함하고, 상기 명령이 컴퓨팅 장치에 의해 실행될 경우 상기 컴퓨팅 장치가 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하도록 하는 것을 특징으로 하는 컴퓨터 판독 가능 저장 매체.
KR1020227030640A 2021-11-10 2022-04-26 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체 KR20230070405A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202111325359.2A CN114125962A (zh) 2021-11-10 2021-11-10 一种自适应网络切换方法、系统及存储介质
CN202111325359.2 2021-11-10
PCT/CN2022/089236 WO2023082554A1 (zh) 2021-11-10 2022-04-26 一种自适应网络切换方法、系统及存储介质

Publications (1)

Publication Number Publication Date
KR20230070405A true KR20230070405A (ko) 2023-05-23

Family

ID=80377909

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227030640A KR20230070405A (ko) 2021-11-10 2022-04-26 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체

Country Status (3)

Country Link
KR (1) KR20230070405A (ko)
CN (1) CN114125962A (ko)
WO (1) WO2023082554A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114125962A (zh) * 2021-11-10 2022-03-01 国网江苏省电力有限公司电力科学研究院 一种自适应网络切换方法、系统及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107979859A (zh) * 2016-10-21 2018-05-01 中兴通讯股份有限公司 一种网络切换方法、装置、终端及网络服务器
CN108235390B (zh) * 2017-12-01 2020-11-10 吉林大学 一种异构无线网络中基于贝叶斯决策的垂直切换方法
CN110545568B (zh) * 2019-10-15 2021-09-14 中国联合网络通信集团有限公司 异构网络切换方法、切换装置、控制设备及存储介质
US11494649B2 (en) * 2020-01-31 2022-11-08 At&T Intellectual Property I, L.P. Radio access network control with deep reinforcement learning
CN111556441B (zh) * 2020-05-22 2022-09-23 广州三星通信技术研究有限公司 用于移动终端的接入网络小区的方法及装置
CN112367683B (zh) * 2020-11-17 2022-07-01 重庆邮电大学 基于改进深度q学习的网络选择方法
CN113490248B (zh) * 2021-07-27 2022-03-11 重庆邮电大学 一种多模终端切换方法及装置
CN114125962A (zh) * 2021-11-10 2022-03-01 国网江苏省电力有限公司电力科学研究院 一种自适应网络切换方法、系统及存储介质

Also Published As

Publication number Publication date
CN114125962A (zh) 2022-03-01
WO2023082554A1 (zh) 2023-05-19

Similar Documents

Publication Publication Date Title
JP7187579B2 (ja) ハンドオーバ方法および装置
CN109068350B (zh) 一种无线异构网络的终端自主选网系统及方法
US10813029B2 (en) Directed handovers in a cellular network for airborne mobile telemetry
KR101759665B1 (ko) 무선 네트워크 사이의 무선 장치 핸드오프
CN107249200A (zh) 一种应用模糊预测模型的切换方法
KR20230070405A (ko) 적응형 네트워크 핸드오버 방법, 시스템 및 저장 매체
WO2017140374A1 (en) Terminal device mobility-based beam switching
US20090275346A1 (en) System and Method for Predictive Caching of Data for a Mobile Computing Device
KR102398504B1 (ko) 경험적 데이터를 이용한 학습 기반 핸드오버 장치 및 그 방법
US20220078632A1 (en) Assisted network roaming with predictive network tool
Kar et al. An efficient producer mobility management technique for real-time communication in NDN-based Remote Health Monitoring systems
CN116017528A (zh) 流量预测方法、装置及服务器
CN110461015A (zh) 一种进行网络切换的方法及设备
Sharma et al. Media independent handover (IEEE 802.21): Framework for next generation vertical handover protocols
Ni et al. Optimal mobility-aware handoff in mobile environments
Assegie et al. The performance of Gauss Markov’s mobility model in emulated software defined wireless mesh network
EP4373159A1 (en) Ai/ml model functionality in handover scenarios
WO2024032695A1 (zh) Csi预测处理方法、装置、通信设备及可读存储介质
CN116033512B (zh) 自回传iab网络中iab宿主节点切换方法、装置、设备及介质
Wang et al. Double‐deep Q‐learning‐based handover management in mmWave heterogeneous networks with dual connectivity
CN108738085A (zh) 一种邻区列表优化方法及装置
US20240162943A1 (en) Apparatuses and methods for spatial beam prediction with multiple assistance information
WO2023169425A1 (zh) 通信网络中的数据处理方法及网络侧设备
JP7495524B2 (ja) ローカルエリア機械学習無線リソース管理のための測定構成
Mohammad et al. A COMPARISON OF NS3 AND OTHER NETWORK SIMULATORS FOR LTE HANDOVER OPTIMIZATION