查詢結果分析
來源資料
相關文獻
- 以類神經網路交遞演算法於公話無線區域網路中提供多媒體服務
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- C++Fuzzy類神經網路物件導向發展系統之建立
- 臺灣汽保費率之估計--對數線性費率模式與類神經網路之比較
- 運用類神經網路於股價指數之套利--以日經225指數為例
- 使用類神經網路預估碳化鎢材料放電加工性能
頁籤選單縮合
題 名 | 以類神經網路交遞演算法於公話無線區域網路中提供多媒體服務=Neural-network Based Handoff Algorithm to Support Multimedia Application in WLAN Over the Public Payphone System |
---|---|
作 者 | 王嘉斌; 劉紹文; | 書刊名 | 電信研究 |
卷 期 | 35:3 民94.06 |
頁 次 | 頁405-424 |
分類號 | 448.6 |
關鍵詞 | 類神經網路; 交遞演算法; |
語 文 | 中文(Chinese) |
中文摘要 | 無線上網是目前的趨勢,現在業者推出的產品主要是以IEEE 802.11 WLAN(Wireless Local Area Network,無線區域網路)為標準。在強力的推廣下,越來越多機場、旅館、及咖啡廳提供使用者無線上網的服務。在3G建置尚未普及之前,WLAN似乎是提供寬頻無線上網的最佳選擇。許多以往窄頻無線環境無法提供的服務,如多媒體影音服務,視訊會議等等都能透過WLAN付諸實現。 中華電信完整的固網及公話系統提供建設802.11無線區域網路的適合環境。然而儘管WLAN擁有寬頻優勢,但在提供即時性數據服務(real-time data services)時仍有一些技術及應用上的缺點需要克服。由於WLAN訊號涵蓋範圍較小(約方圓50公尺到150公尺的距離),使用者移動出擷取點(access point)涵蓋範圍的機會也增加。當使用者跨越不同擷取點(access point)交界範圍時,為了延續原有的連線,必須有交遞(handoff)的機制。現有傳統的交遞演算法(traditional handoff algorithm)為了避免不必要的交遞產生,加上遲滯值(hysteresis)的判斷,卻導致交遞決定(handoff decision)延遲,使得多媒體資料流(media streams)斷斷續續,影響服務品質。 針對這個問題,我們提出我們的類神經網路交遞演算法(neural network based handoff algorithm),經由無線工作站(mobile host)事前測量擷取點的輸出分佈(throughput distribution)。以此輸出分佈對每個擷取點而言,將使用空間分類為不同等級的區域,並量化為對應值(corresponding value)。然後將這些區域內量測周邊擷取點的RSS(received signal strength),BER(bit error rate),SNR(signal to noise ratio)等數據作為輸入,經由類神經網路的訓練(training)及測試(testing)過程,獲得轉換不同等級區域對應值的函式,藉以判斷目前使用者所在區域訊號品質,做出正確且迅速的交遞決策。 我們用網路及通訊模擬分析軟體OPENT模擬我們的類神經網路交遞演算法,並和以遲滯值作判斷的交遞演算法比較。由結果得知,我們提出的交遞演算法能更早在連線品質惡化之前交遞到適合的擷取點,提供更佳的即時性數據服務品質。 |
英文摘要 | To support a continuous link as the mobile user roams in WLAN over the public payphone system, the handoff mechanism plays a very important role. Handoff mechanisms consist of handoff decision algorithms and handoff procedure algorithms. For real-time applications, handoff decision algorithm is much more critical because of its irretrievable property. For real-time applications, the RSS based handoff decision algorithms are not suitable. They usually add threshold and hysteresis to avoid unnecessary handoffs due to fading effects, but it will introduce the inefficiency of handoffs [9]. Discarding the hysteresis, we propose our neural network based handoff decision algorithm to support real-time applications in WLAN over the public payphone system. From the simulation results, our proposed neural network based handoff algorithm performs better than RSS based handoff decision algorithms for the reason of making handoff decision efficiently and avoiding unnecessary handoff in the mean time. |
本系統中英文摘要資訊取自各篇刊載內容。