TWI474728B - 建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置 - Google Patents
建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置 Download PDFInfo
- Publication number
- TWI474728B TWI474728B TW101134683A TW101134683A TWI474728B TW I474728 B TWI474728 B TW I474728B TW 101134683 A TW101134683 A TW 101134683A TW 101134683 A TW101134683 A TW 101134683A TW I474728 B TWI474728 B TW I474728B
- Authority
- TW
- Taiwan
- Prior art keywords
- anfis
- rate
- controller
- sinr
- interference
- Prior art date
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0037—Inter-user or inter-terminal allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0014—Three-dimensional division
- H04L5/0023—Time-frequency-space
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/04—Physical realisation
- G06N7/046—Implementation by means of a neural network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. Transmission Power Control [TPC] or power classes
- H04W52/04—Transmission power control [TPC]
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. Transmission Power Control [TPC] or power classes
- H04W52/04—Transmission power control [TPC]
- H04W52/18—TPC being performed according to specific parameters
- H04W52/20—TPC being performed according to specific parameters using error rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. Transmission Power Control [TPC] or power classes
- H04W52/04—Transmission power control [TPC]
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR or Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. Transmission Power Control [TPC] or power classes
- H04W52/04—Transmission power control [TPC]
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Algebra (AREA)
- Mobile Radio Communication Systems (AREA)
Description
本發明係有關一種建構於適應性網路模糊推論系統(adaptive network-based fuzzy inference system,ANFIS)之三層串接式認知引擎(cognitive engine)方法及裝置，尤指一種可適應性控制多媒體無線行動通訊系統資料率、功率與干擾之智慧型控制器。
隨著無線通訊需求與應用的蓬勃發展，社會多媒體訊息流通量的急遽增加，高傳輸率、高可靠度之鏈路要求與日日增，尤其巨大的多媒體通訊量與全球無縫隙通訊覆蓋需求，已確立無線寬頻通訊系統運用的主流地位，寬頻通訊系統對頻譜資源的需求也相對增大，因而導致頻譜資源變得日益擁擠而不敷使用，更可能成為限制無線寬頻通訊發展之瓶頸。另一方面，美國聯邦通信委員會及學術界歸結，因為採用一般固定頻譜接取方式，使得已分配的頻譜使用效率只達到15%到85%之間，平均使用效率低於35%以下。為了解決極低的頻譜使用效率進而更有效率的運用頻譜資源，一種採用動態頻譜接取(dynamic spectrum access,DSA)無線頻譜資源必須具備的認知無線電(cognitive radio,CR)技術被提出，希望能在時間和空間上充分利用那些空閒的頻譜資源，從而有效解決頻譜擁擠或分配不當的問題[註1-3]。因此，認知無線電技術在未來新一代無線通訊網路發展與運用中，將扮演非常重要的角色。
[註1] B. A. Fette, Cognitive Radio Technology, Elsevier Inc. 1st ed. 2006.
[註2] J. Mitola III, Cognitive Radio Architecture, John Wiley & Sons Inc., 2006.
[註3] K.C. Cheng, R. Prasad, Cognitive Radio Networks, John Wiley & Sons Ltd, 2009.
一般無線多媒體通訊網路頻譜與資源管理，主要包含頻道與發射功率指配。[註4]應用ANFIS方法控制直接序列分碼多工多媒體通訊系統之功率，可估測並補償衰減通道之影響，藉以達到高成功傳輸率與高資料傳輸率之目標。ANFIS功率控制機制之兩個輸入變數分別為SINR error(e
)和SINR error change(△e
)，並且各使用7個高斯函數做為模糊歸屬函數，因此有49條模糊推論規則。ANFIS功率控制機制可調整SINR設定點，並利用兩個輸入變數，SINR errore(n)
和SINR error change △e(n)
來追蹤目標的SINR設置點。本技術固定將目標SINR調整值設定為1.5dB，反而讓功率控制的過程不夠彈性，且ANFIS輸入參數完全依賴SINR控制，無法有效率的配合當下通道環境與車速之變化進行功率控制。本技術亦未考慮網路話務性能與用戶車速。[註5]之通話與資料率神經網路控制器(neural fuzzycall-admission and rate controller,NFCRC)以細胞之交遞失敗機率與可用資源為ANFIS輸入變數，對不同之話務負載皆能滿足交遞失敗機率服務品質之需求。但是其新通話阻礙率在高話務負載時，會高於0.05。
[註4] C. H. Jiang, J. K. Lian, R. M. Weng, C. H. Hsu,
"Multi-rate DS-CDMA with ANFIS-assisted power control for wireless multi-media communications," International Journal of Innovative Computing, Information and Control, vol. 6, no. 8, pp. 3641-3655, Aug. 2010.
[註5] K.R. LO, C. J. Chang, C.B. Shung, "A neural fuzzy resource manager for hierarchical cellular systems supporting multimedia services,"IEEE Trans. on Vehicular Tech.
, vol. 52, no. 5, pp. 1196- 1206, Sep. 2003.
基於解決以上所述習知技藝的缺失，本發明為建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置，本發明之主要目的在於可偵測網路話務性能、傳接機性能、用戶車速、通道環境變化、傳接機訊干雜比、訓練ANFIS控制器參數、分別適應性控制傳接機的資料率、發射功率與天線零點數目之指配，使認知無線電行動通訊網路的用戶可產生最大網路容量、最大系統平均通達率、最小發射功率與干擾的多媒體通訊網路服務品質。本發明以適應性網路模糊推論系統(adaptive network-based fuzzy inference system,ANFIS)[註6]方法，設計多媒體行動無線通訊網路之認知引擎(cognitive engine)，有效率的管理行動無線通訊網路之頻譜與功率資源。ANFIS認知引擎為三層串接架構之智慧型網路資源分配控制器，包含第一層網路層之適應性資料率控制器(ANFIS rate controller,ARC)、第二層傳接機實體層之適應性功率控制器(ANFIS power
controller,APC)與第三層為天線實體層之適應性干擾控制器(ANFIS interference controller,AIC)。
對ARC而言，有四個輸入參數-分別是新通話阻礙率、交遞失敗機率、新通話產生率及用戶車速，每個輸入參數皆使用2個高斯歸屬函數做訓練，共有16條模糊推論規則。我們設定新通話產生率在0.04以上為H、0.04以下為L，用戶速度在60公里以下為L、60公里以上為H，新通話阻礙率與交遞失敗機率均為0.05以上為H、0.05以下為L，在符合最大網路平均通達率下，輸出適當的資料傳輸率指配給SDR傳接機；對APC而言，有四個輸入參數-分別是用戶車速、資料傳輸率、傳接機SINR與BER，四個輸入參數分別使用3、3、3和2個高斯歸屬函數做訓練，共有54條模糊推論規則。我們定義用戶車速20km/hr及40km/hr為L，60km/hr及80km/hr為M，100km/hr為H；定義資料傳輸率在64kbps及128kbps時為L，192kbps及256kbps為M，384kbps及512kbps時為H；定義傳接機SINR小於0dB為L，傳接機SINR在0dB~10dB為M，傳接機SINR大於10dB為H；傳接機BER則以10-5
標準為界，滿足傳接機BER小於10-5
為L，超過標準的為H，輸出則為最佳化之最小發射功率；對AIC而言，有三個輸入參數-分別為干擾DOA、角擴散角度與傳接機SINR，三個輸入參數分別使用6、6和14個三角形歸屬函數做訓練，共有504條模糊推論規則。在符合最小干擾功率情況下，輸出最佳化之最少天線零點數目給軟體無線電(software-defined radio,SDR)數位波束成型(Digital
Beamformer,DBF)。
為進一步對本發明有更深入的說明，乃藉由以下圖示、圖號說明及發明詳細說明，冀能對 貴審查委員於審查工作有所助益。
[註6] Jyh-Shing Roger Jang, “ANFIS: Adaptive-Network-Based Fuzzy Inference System”, IEEE Transaction on System, Man, and Cybernetics, Vol. 23, NO. 3, June 1993.
茲配合下列之圖示說明本發明之詳細結構，及其連結關係，以利於 貴審委做一瞭解。
本發明之主要架構係為串接式適應性控制器，其架構分成三層，分別是ANFIS資料率控制器、ANFIS功率控制器與ANFIS干擾控制器。三層式串接式適應性控制器系統架構圖如圖一所示，分成網路層與實體層設計。為了完成智慧型資源分配的動作，本發明使用Jjh_Shing Roger Jang在1993年利用模糊推論系統建立的可適性網路的架構，稱為可適性類神經模糊推論系統(ANFIS)[註6]，藉由混合式學習的方法，其輸入及輸出模式可模仿人類神經系統，其特點是可藉由學習調整權重至適當值完成人們所要實現之功能。當第一層之網路層有新通話用戶產生進入ARC系統，ARC內有網路話務性能估測器(traffic performance estimator)、新通話產生率估測器(new call origination rate estimator)和用戶車速估測器(car speed estimator可估測出目前環境的新通話阻礙率、交遞失敗機率、新通話產生率
及用戶車速做為ANFIS資料率控制器的輸入，並結合PBBA協定，在符合最大網路平均通達率下，輸出最佳化之資料傳輸率指配給SDR傳接機。在第二層之實體層部分，APC內有傳接機位元錯誤率估測器(BER estimator)和訊干雜比估測器(SINR estimator)可估測 BER及SINR，ANFIS功率控制器將配合ARC設定之資料率，將系統傳接機切換至對應之調變模式及編碼率，並依據當時用戶的車速產生四個輸入-分別是車速、資料傳輸率、傳接機BER與SINR進行APC運作，輸出則為最佳化之最小傳輸功率。此時會再重新估測BER值是否低於10-5
以下，若BER滿足10-5
之系統需求，則結束系統運作；若BER不滿足10-5
之系統需求，則啟動第三層之AIC。AIC內有目標來向估測器(DOA estimator)估測干擾DOA及角擴散角度，並依據APC之SINR產生三個輸入，分別為干擾DOA、角擴散角度與SINR，在符合最小干擾功率情況下，輸出最少天線零點數目給軟體無線電(software-defined radio,SDR)數位波束成型(Digital Beamformer,DBF)。
圖二為ARC之第一ANFIS控制器架構圖，圖中第一ANFIS控制器包含五層架構，共有四個輸入與一個輸出，對ARC而言，其輸入分別是新通話阻礙率、交遞失敗機率、新通話產生率及用戶車速，輸出則是資料傳輸率；對APC之第二ANFIS控制器架構圖而言，其輸入分別是車速、資料傳輸率、傳接機BER與SINR，輸出則是發射功率變化量；AIC的第三ANFIS控制器架構與ARC和APC相似，但改為三個輸入一個輸出，其輸入分別是干擾
DOA、角擴散角度與SINR。我將以ARC為例介紹ANFIS控制器架構：第一層：在這一層包含四個輸入參數x j
及歸屬函數的輸出A j,n
，歸屬函數為鐘型函數，如(8)式所示，
a j,n
,b j,n
,是前件部參數，將利用降梯度公式(gradient descent formula)進行參數調整。
第二層：此層第i
個輸出w i,m
是從上一層收到的第m筆輸入相乘產生，並表示ANFIS資料率控制器共有16條規則。
w i
,m
=O 2,i
=A 1,p
(x 1,m
)×A 2,q
(x 2,m
)×A 3,r
(x 3,m
)×A 4,s
(x 4,m
)fori
=1,2…,16；p
=1,2；q
=1,2；r
=1,2；s
=1,2 (2)
第三層：將第二層所得做正規化的動作。
第四層：O 4,i
是第四層的輸出。
α i
,β i
,γ i
,ω i
,λ i
為後件部參數，將利用最小平方估測(least squares estimate LSE)來進行參數調整。其中16條模糊推論規則庫之模糊規則R i
,fori
=1~16,
表示如下：R1
：If(x 1,m
isA 11
)and(x 2,m
isA 21
)and(x 3,m
isA 31
)and(x 4,m
isA 41
)then(output isf 1,m
)
R2
：If(x 1,m
isA 11
)and(x 2,m
isA 22
)and(x 3,m
isA 31
)and(x 4,m
isA 41
)then(output isf 2,m
)R3
：If(x 1,m
isA 11
)and(x 2,m
isA 21
)and(x 3,m
isA 32
)and(x 4,m
isA 41
)then(output isf 3,m
)⋮ (5)R15
：If(x 1,m
isA 11
)and(x 2,m
isA 21
)and(x 3,m
isA 32
)and(x 4,m
isA 42
)then(output isf 15,m
)R16
：If(x 1,m
isA 11
)and(x 2,m
isA 22
)and(x 3,m
isA 32
)and(x 4,m
isA 42
)then(output isf 16,m
)使用設計出來的ANFIS規則庫，將可替系統操作者產生最佳化的決策。
第五層：將第四層的輸出，利用(13)式得到最後之資料率輸出參數G m
。
在本發明揭示之多媒體無線行動通訊網路的模擬環境，採用了UGS,BE,nrtPS,rtPS這4種多媒體服務提供多媒體無線行動通訊網路的用戶使用。無線行動通訊網路的兩個相鄰細胞，每一個細胞的基地台無線行動通訊系統完全一樣。對多媒體設定為6種不同資料傳輸，對應調6種不同組合之調變及編碼率，如表一所示。
無線行動通訊網路系統特性和性能參數設定如表二所示，分別如下：
a.多媒體無線行動通訊網路的細胞半徑為2000m，細胞形狀都為圓形。
b.系統A所提供的多媒體通訊服務為：UGS(D 1
)、
BE(D 2
)、nrtPS(D 3
)以及rtPS(D 4
)。
c.兩個系統的容量分別設定為40個基本頻寬單位(basic bandwidth unit,BBU)的傳輸時槽。
d.通訊服務建立在細胞A或鄰近細胞B的機會均等，系統內各種通訊服務的要求機率也相同，所以新通話產生率在兩個系統是相等的，各種通話服務的新通話產生率也相同，總通話產生率的變化區間從0.02到0.2通話數/秒(calls/sec)。
e.在多媒體無線行動通訊網路中，UGS語音通話服務的平均無阻礙通話交談區間T k
(通話時間)為120秒，BE、nrtPS以及rtPS資料通訊服務的平均無阻礙通話交談區間T k
(通話時間)皆為300秒。(假定所有服務的傳輸通話因子(Activity Factor)都為100%)。
本發明模擬時所考慮的話務性能參數有3種，包含新通話阻礙率、交遞失敗機率與通達率。對於每一個新通話用戶或交遞用戶而言，只要系統狀況為I i
(t
) C k
(t
)(i
=A
orB
)，則用戶便可以取得通話服務，其中I i
(t
)為i
細胞中在t
時間可以提供用戶的所有頻道數、C k
(t
)為第k
類用戶在t
時間所需的頻道數。若系統狀況為I i
(t
)<C k
(t
)，則新通話用戶則不能被提供服務，此狀況稱為新通話阻礙率，交遞用戶不能被提供服務則稱為交遞失敗率。舉例來說，若A系統產生一個新通話用戶，此用戶會發生三種情況，第一種情況為要不到頻道而無法被服務，此情況稱為新通話阻礙，第二種情況為要到頻道在A系統中完成通話，第三種情況為要到頻道在A系統中通話但未完成通話而必須交遞
到鄰近系統A，若交遞用戶在鄰近系統A要不到頻道，此情況則稱為交遞失敗。通話若設定模擬時間為T，則在時間t
被阻礙掉的新通話用戶N NB
(t
)及被阻礙掉的交遞通話用戶H F
(t
)。在時間t
新通話阻礙率P N
(t
)及交遞失敗機率P H
(t
)可被定義為
在(7)(8)式中，N N
(t
)為在時間t
中系統產生的所有新通話用戶數、N H
(t
)為模擬時間t
中所有交遞通話用戶數。
系統之通達率的定義為細胞內所有用戶使用系統資源的總和，其單位為(位元/秒)。對無線行動通訊網路系統來說，其系統之通達率皆為系統平均佔用的基本時槽乘上基本時槽的傳輸率，計算系統平均通達率的流程圖如圖三所示，公式如(9)式所示，
U
在總模擬時間T
時全部成功通話總數，T Hx,k
為成功新通話或交遞通話在細胞內停留時間。
本發明係提出優先頻道指配(priority-based bandwidth allocation,PBBA)協定，使用時槽保留觀念，可針對具有高
優先性(high priority)的用戶來做時槽保留，因此能使傳輸不同資料率之各種類型多媒體資料用戶，具有相同的通話服務品質，故適合使用於行動通訊網路傳輸各種資料率之多媒體語音與資料服務。
在多媒體網路中的第k
種多媒體服務所需的等效基本頻寬單位(BBU)為D k
,k
=1,2,3,4分別代表UGS、BE、nrtPS及rtPS等多媒體服務。由於UGS所提供的語音服務與VoIP服務相容，所需要的傳輸率為64kbps。因此，本發明將64kbps定為在多媒體行動網路中，一個BBU的傳輸率大小。因此系統將給予行動用戶的D 1
,D 2
多媒體服務一倍BBU，系統將給予D 3
的行動用戶兩倍BBU，系統將給予D 4
的行動用戶三倍BBU。兩個鄰近細胞的行動用戶交遞方式均採取硬式交遞的方法。當在多媒體行動網路的行動用戶發生交遞或溢載的狀況時，D k
類型服務的行動用戶將對應到D k
類型服務以提供不間斷的傳輸服務。
PBBA協定架構如圖四所示，PBBA依據已提出的時槽資源分配，可以將資源依行動終端用戶的優先性與QoS所需，分成若干個優先保留使用區。全部多媒體服務類型用戶皆可使用C 1
使用區的頻道，C 2
使用區保留給第一及第二高優先性的用戶，C 3
區則保留給第一優先性的用戶。利用PBBA協定來保護高優先性用戶，使其能與其他用戶擁有相同平衡的服務品質。在PBBA協定，新UGS語音通話用戶可使用(C 1
+K 1
)區的BBU而交遞UGS語音通話用戶則可使用(C 1
+K 2
)區的BBU。本協定將總頻道數定義為
K 1
、K 2
分別為新UGS語音通話和交遞UGS語音通話所保留頻道。定義第k
區所保留的頻道為C k
=D k
-D k
-1
,k
=2,3 (11)
我們假定五種優先係數給多媒體服務用戶，用戶通話優先性決定於優先係數，當優先係數大時，用戶的通話優先性較低。當系統剩餘頻道數大於或等於頻道需求門檻，新用戶通話將被接受。新UGS語音通話用戶的頻道需求門檻為Q v
,n
=D 1
+P v
,n
(12)P v,n
定義為新UGS語音通話用戶的優先係數，如(20)式所示P v
,n
=C 2
+C 3
+K 2
(13)
交遞UGS語音通話用戶的頻道需求門檻為Q v
,h
=D 1
+P v
,h
(14)P v,h
定義為交遞UGS語音通話用戶的優先係數，如(22)式所示P v
,h
=C 2
+C 3
+K 1
(15)
BE、rtPS及nrtPS用戶的頻道需求門檻為Q d
,k
=D k
+P d
,k
,k
=2,3,4 (16)P d,1
,P d,2
,P d,3
分別定義為BE,rtPS,nrtPS用戶的優先係數，如(24)式所示
當PBBA協定結合ARC時，SDR傳接機會根據各用
戶車速、新通話失敗機率及交遞失敗機率調整調變方式及編碼率來決定用戶所使用的資料率。例如第m
個ARC輸出G m
為4BBUs，結合PBBA協定，將(20)(22)式中的D 1
以G m
取代，此時新UGS語音通話及交遞UGS語音通話的頻道需求門檻改為Q nv
,m
=G m
+P v
,n
(18)
Q hv
,m
=G m
+P v
,h
(19)Q d,1
,Q d,2
及Q d,3
也以G m
取代，將(16)式更改為Q di
,m
=G m
+P d
,k
,k
=2,3,4 (20)
ANFIS資料率控制器的目的在於符合最大網路平均通達率下，調整適當的資料率給SDR傳接機。對ARC而言，其輸入分別是車速(x 4,m
)、新通話產生率(x 3,m
)、新通話阻礙率(x 1,m
)和交遞失敗機率(x 2,m
)，目標輸出則為資料率。在資料率控制器中，定義車速的範圍為20km/hr~100km/hr，共分成2個位準(level)；定義新通話產生率為0.02calls/sec~0.2calls/sec，共分成2個位準；定義新通話阻礙率及交遞失敗機率為是否滿足於0.05calls/sec以下，共分成2個位準。資料率控制器將會根據(21)式調整最佳的資料傳輸率(R b
)給SDR傳接機。ANFIS資料率控制器最佳化之目標與條件可表示為：
最大平均通達率為最佳化目標，指配最佳資料傳輸率受限條件：
我們進行多媒體無線行動通訊網路性能模擬，產生第一ANFIS控制器之訓練資料。本發明以6種多媒體資料傳輸率來做模擬。在利用6組資料傳輸率建立模糊推論規則前，由於需要考慮各種環境因素，所以必須先模擬不同新通話產生率與車速。由於有10種新通話產生率及5種車速的設定，因此會有50種環境的分類，訓練過程為將50種環境分別採用6組資料率下去模擬測試，因此每一種環境對應6組資料率將會有6種模擬結果，模擬結果包含新通話阻礙率、交遞失敗機率與通達率。圖六為5種車速在新通話產生率從0.01~0.2calls/sec的變化下，6種資料率所對應的平均系統通達率。實線部分代表著用戶新通話阻礙機率與交遞失敗機率皆低於0.05以下，虛線部分代表著阻礙率皆超過0.05，隨著新通話產生率的增加，代表用戶越來越多，因此阻礙率也會隨之越來越高，此時系統要提供低資料率才能將阻礙率降低。為了提升平均系統通達率，在實線部分每一新通話產生率我們取最大資料率來做為目標
輸出，虛線部分則取最小資料率做為目標輸出，利用適當的資料率使系統在任一新通話產生率或車速上都能將阻礙率維持在0.05的標準以下，以圖五(a)來說，在新通話產生率為0.06calls/sec時，所提供的第2組資料率將會使系統產生最高的通達率，因此在實際模擬時，當環境為用戶速度20km/h、新通話產生率為0.06時，系統所提供第2組資料率給用戶使用，此時便可達到阻礙率在0.05以下同時又產生最高的通達率。
利用這6組資料傳輸率建立模糊推論規則，如表三所示。在表三中，我們設定新通話產生率在0.04以上為H、0.04以下為L，用戶速度在60公里以下為L、60公里以上為H，新通話阻礙率與交遞失敗機率均為0.05以上為H、0.05以下為L。接著我們將表一的6組資料率對應到不同的新通話阻礙率、交遞失敗機率、新通話產生率、速度等不同環境參數。此目的在於當環境在變動時，ANFIS法則可以適當調整用戶資料率，使得多媒體行動無線通訊網路的新通話阻礙率與交遞失敗機率均能達到0.05以下並產生最高的通達率。
ARC初始模糊歸屬函數如圖六所示，八個高斯歸屬函數A j,l
(x j,m
)定義在(1)式，分別將輸入X j,m
的最小值與最大值定義為參數b j,1
與b j,2
的初始值，參數a j,1
與a j,2
的初始值計算如(22)式。
a j,1
=a j,2
=(b j,1
-b j,2
)/2.355,forj
=1,2,3,4 (22)
最後將所有訓練資料經過混合式學習演算法訓練，訓練過後的ARC歸屬函數如圖七所示。經過20次訓練後均方根誤差降至0.935411，如圖八所示，使多媒體行動無線通訊網路能在各種環境下達到期望的目標資料率。
為控制實體層SDR的發射功率，使多媒體行動無線通訊網路用戶可產生最低干擾服務，我們進行無線行動通訊網路系統傳接機位元錯誤性能模擬，產生第二ANFIS控制器之訓練資料。系統參數如表四所示。
基地台與行動台間，若能成功傳送信號，則在設定之低位元錯誤率(BER)為條件下，基地台接收機訊號干擾雜訊比(signal-to-interference-plus-noise-ratio,SINR)必須大於最小閘限值γ 0
，如(30)式所示
其中P
為基地台對用戶信號之接收功率，I
為接收機之干擾接收功率，N 0
為基地台接收機之熱雜訊功率。在本發明中我們將在不同資料傳輸率與用戶速度條件下，進行1x1 SISO-OFDM傳接機BER性能模擬(如圖十所示)，通道模式為SUI-3[註7]，藉以計算符合BER條件下各種資料傳輸率之最小訊雜比之閘限γ
式中之E b /N 0
由BER模擬結果產生，R b
為資料傳輸率，B
為接收機頻寬。
APC控制器之輸入為R b
、車速、訊干雜比與位元錯誤率，依BER模擬結果，目前量測之訊干雜比SINRc
介於γ 1
與γ 2
之間，
式中γ 1
為對應R b1
最小訊干雜比之閘限值，γ 2
為對應R b2
之最小訊干雜比之閘限值，則APC控制器將會選擇R b1
為傳接機之資料傳輸率設定。但是由於SINRc
之量測計算值，會隨車速改變衰減通道條件而變化，因此APC將以平均訊干雜比參數取代SINRc
。
式中為在前面一段時間窗(window)訊干雜比量測之平均值，而權值w≦0.1，以對應接收機過去遭受干擾之平均訊干雜比經驗值。
在本實施例之模擬中，多媒體無線行動通訊系統針對不同調變與編碼率皆有最大發射功率限制，其規格如表五
所示。為了滿足在切換不同調變時，接收機之位元錯誤率仍能滿足效能需求，我們將圖十模擬結果做為訓練資料，將每個調變中滿足BER在10-5
以下的SINR閘限值(見表六所示)與目前SINR之量測計算值的差值做為目標期望發射功率增量△P
，△P
必須符合表五之規定，若△P
超過最大發射功率限制所能負荷的範圍，則維持最大發射功率。在功率控制器中，定義用戶車速20km/hr及40km/hr為L,60km/hr及80km/hr為M，100km/hr為H；定義資料傳輸率在64kbps及128kbps時為L，192kbps及256kbps為M，384kbps及512kbps時為H；定義SINR小於0dB為L，SINR在0dB~10dB為M，SINR大於10dB為H；BER則以標準為界，滿足BER小於1×10-5
為L，超過標準的為H。其模糊推論規則見表七所示。
ANFIS功率控制器的目的在於指配傳接機發射最小功率將系統位元錯誤率控制於滿足於10-5
以下。對APC而言，其輸入分別是車速(V
)、資料率(R b
)、傳接機SINR和BER，目標輸出則為△P
。在功率控制器中，定義車速的範
圍為20km/hr~100km/hr，共分成3個位準(level)；定義資料率為64kbps~512kbps，共分成3個位準；定義SINR為-10dB~20dB，共分成3個位準；定義BER以是否滿足於10-5
以下，共分成2個位準。ANFIS功率控制器將會根據(27)式產生最佳的傳輸功率調整(△P
)給SDR傳接機。ANFIS功率控制器最佳化之目標與條件可表示為：傳接機發射最小功率為最佳化目標優化指配受限條件：
圖十與圖十一分別為初始APC歸屬函數及經過混合式學習演算法訓練過後之APC歸屬函數。其架構與ARC相同，差別在於歸屬函數個數不同，當輸入資料越多越複雜，增加歸屬函數數量可使結果較準確，但其程式也較為複雜。圖十二為APC計算RMSE經過2000次訓練後收斂的結果。
[註7] Raj Jain, “Channel Model A Tutorial,”WiMAX Forum
, Feb. 21, 2007.
數位波束成型(Digital Beamformer,DBF)在使用多零點(Multiple nulls)的模式消除干擾時，我們必須同時考慮凹陷區域的寬度、深度與零點數量的關係以及零點的擺放方
式。不足的零點數量將造成凹陷區域不夠寬廣，但是過多的使用零點也會造成系統自由度的降低，所以在實際運用上必須優化選擇零點數量。當我們在建構凹陷區域時，可以依照Steyskal[註8]所提出的作法，他研究出零點數量與凹陷區域的寬度及深度的關係。假設信號來向與干擾源來向已由DOA模組估測出來，DBF可以將天向場型指向信號源，並將零點放在干擾源來向，消除干擾源。為了得到最佳化的波束成型權值(optimum beamforming weight)[註9]，我們可以將波束成型的輸出中所包含的干擾源強度，抑制到最低的情況，以得到最佳的性能。
最佳權值可以表示為：
最大旁波束準位(Peak sidelobe level,PSLL)被定義為相對於主波束峰值之最大旁波束(以dB值表示)，如果沒有干擾發生，則相位陣列天線恢復為其正常方向向量v(θ s
)。在運算反矩陣時，需要使用快速子空間分解(fast subspace decomposition,FSD)[註10]演算法來運算，其中亦包含Lanczos演算法，在共方差矩陣為對角矩陣的情況下，可完整保留特徵向量的完整正交性。因此，計算特徵值與特徵向量的乘法器總數由(29)式表示[註10]：N m
=5M
*(q
+1)+M
/2*(q
+1)*(q
+4)+2*(q 2
*(q
-1)) (29)
其中M
為陣列天線元數目，q
為零點數目。
為了詳細評估SDR DBF性能，DBF的SINR輸出(SINR o
)透過(30)式計算[註11]
其中和為信號和第j
個干擾的變異數，Q為雜訊變異數的對角矩陣，則DBF的SINR輸入(SINR i
)定義為(32)式
其中為熱雜訊的變異數，且被空間假設為不相關。SINR improve
定義為SINR improve
=SINR oq
-SINR o0
(33)
其中SINR oq
表示在q
個零點時的SINR o
，SINR o0
表示在沒有零點時的SINR o
，SINR gain
定義為(34)式SINR gain
=SINR oq
-SINR i
(34)
AIC最佳化之目的在於將傳接機位元錯誤率皆滿足於10-5
以下，並且在多路徑衰減通道環境不同角擴散角度下，自動調整最佳化之最小天線零點數目，以保持目標輸出SINR高於一特定的門檻值。對AIC而言，其輸入分別是干擾DOA(D m
)、角擴散角度(W m
)與SINR(S m
)，目標輸出則為天線零點數目，目的在保持SINR高於30dB。在第三ANFIS控制器中，定義干擾的DOA範圍為-70°~70°，共分成6個位準；定義角擴散角度為5.73°~17.25°，共分成6個位準；定義SINR為-30dB~0dB，共分成14個位準。在沒有任何耗損的情況下，ANFIS干擾控制器將會根據(35)式分配最佳的零點數目(q
)給SDR DBF。ANFIS干擾控制器最佳化之目標與條件可表示為：
接機接收最小干擾功率為最佳化目標，優化指配最少天線波束零點數目受限條件：
本專利在進行測試時，將平均接收信號功率設為0dB去計算輸入的SINR(SINR i
)，並選擇一特定的干擾的DOA為50°，角擴散角度為11.48°的場景，改變干擾功率大小，並觀察其性能。圖十三為基於AIC在不同SINR i
(-30dB~0dB)環境下採用的零點數目及目標輸出SINR o
變化圖。在圖十三(a)中，可得知在不同的SINR i
環境下，AIC需指派幾個零點數目以滿足系統位元錯誤率低於10-5
以下；在圖十三(b)中，可得知經由AIC選擇適當的零點數目後SINR o
的變化。此圖顯示在不同SINR i
下，接收機使用4個與5個零點的SDR DBF，其接收機SINR將比使用AIC之SDR DBF高出30dB，其PSLL、SINR gain
與SINR improve
值整理於表八。可以得知，AIC和使用4個與5個零點波束演算法的SDR DBF所需使用的乘法器數目分別為3,432、5,616與7,592，AIC所需使用的乘法器數目明顯減少。
圖十四與圖十五分別為初始AIC歸屬函數及經過混合式學習演算法訓練過後之AIC歸屬函數。由於AIC的輸入訓練資料比ARC與APC多且複雜性高，必須使用6、6和14個歸屬函數才能收斂，若使用高斯歸屬函數會產生更龐大的運算量而造成記憶體空間不足，因此AIC採用三角型歸屬函數進行訓練，降低程式的運算量。圖十六為AIC計算RMSE經過500次訓練後收斂的結果。
[註8] H. Steyskal, “Wide-Band Nulling Performance Versus Number of Pattern Constraints for an Array Antenna,”IEEE Trans. Antennas Propagat.
, vol. Ap-31, no. 1, pp. 159-163, Jan., 1983.
[註9] J.R.Guerci,Space-Time Adaptive Processing for Radar
, Artech House, Boston, 2003.
[註10] G.Xu and T.Kailath,”Fast Signal-subspace Decomposition without Eigendecomposition”, Twenty-Fourth Asilomar Conference on Signals, Systems and Computers, 1990.
[註11] Y. P. Liu and Q. Wan, “Total Difference Based Partial Sparse LCMV Beamformer,”Progress In Electromagnetics Research Letters
, Vol. 18, pp. 97-103, 2010.
圖十七為PBBA協定於行動無線通訊網路系統五種車
速下模擬出來的新通話阻礙率、交遞失敗機率與平均通達率。在圖十七(a)中，橫軸為新通話產生率，在模擬的過程中新通話產生率的範圍從0.01calls/sec變化到0.2calls/sec，縱軸為新通話用戶的阻礙機率，可以看出隨著新通話產生率的增加，新通話阻礙率也隨著增高，對於不同速度的用戶來說，可以看到速度越快的用戶其新通話阻礙率較低，其原因為當用戶速度越快，用戶在細胞停留時間變短，因此佔用系統資源的時間變短，交遞機率就提高，較快將資源釋放給新產生的用戶使用，因此車速越快的用戶其新通話阻礙率會越低。在圖十七(a)(b)中顯示，當阻礙率要求在0.05以下時，系統可容納的新通話產生率只能到0.07calls/sec。圖十七(c)顯示隨著新通話產生率越高，系統通達率也越高，但是由於系統資源有限，當用戶趨近飽和到新通話產生率在0.07calls/sec後變得平穩，這是代表用戶產生的太快導致系統資源一直都是呈現被使用的狀況。
圖十八為多媒體行動無線通訊網路採用ANFIS資料率與功率控制器所模擬出新通話產生率、交遞失敗機率及系統平均通達率。將圖十八(a)與圖十八(b)結果比較之，可明顯看出在使用ANFIS資料率控制器後，PBBA協定隨著新通話產生率增加，新通話阻礙率及交遞失敗機率皆可持續維持在0.05calls/sec以下，可服務至新通話產生率達0.17calls/sec左右，比採用單純PBBA協定可滿足的新通話產生率0.07calls/sec高出快一倍。意即當細胞內容納越多用戶時，智慧型資料率控制器能調整資料率使阻礙率滿足標
準，並維持最大通達率。在圖十八(c)中，系統通達率呈現上下跳動變化，原因是一旦阻礙率逐漸超過0.05calls/sec時，控制器開始調降資料率，而造成系統平均通達率降低之狀況。由於用戶在車速較慢的情況下，占用細胞頻道時間較長，因此造成阻礙率上升，使得用戶在車速較慢的情況下，會提前調降資料率，所以在圖十九(c)中，會看到在用戶車速為20km/hr時，會提前於新通化產生率0.08calls/sec時調降資料率，而造成通達率下降；用戶在其他車速時則在0.1calls/sec時調降資料率。
由圖九與圖十九產生APC之控制處理增益值，如表九所示。控制處理增益(G
)dB值定義如下：G
=SINR C
-SINR APC
(36)
由表中可看出使用APC可大幅改善行動無線通訊系統之效能，當干擾功率太大，而無法使行動無線通訊系統之BER低於10-5
時，則串接式適應性控制器將啟動AIC降低外來之干擾功率。
圖二十為1x1 SISO-OFDM行動無線通訊網路系統串接式適應性控制器於不同車速與不同干擾功率環境中之
SINR比較圖。以圖二十(a)為例，當ARC將資料率調整於64QAM編碼率2/3的情況下，在干擾量介於-20dB~-17dB時，BER皆能滿足於10-5
以下之條件下，同時SINR會隨著干擾功率增加而下降；但是當干擾量增大於-16dB時，BER開始無法滿足於10-5
以下之需求，此時系統會啟動APC去增加發射功率，使得BER能夠滿足於10-5
以下之需求，而SINR會因為APC改變發射功率而SINR值維持於16dB；當干擾功率增大為5dB時，改變之發射功率已達到APC之最大發射功率(20dB)之限制，故啟動AIC來維持BER低於10-5
。根據訓練結果，此時需使用一個零點的數位波束成型器來抑制干擾；在干擾量5dB~8dB時，使用一個零點即可符合需求，在使用相同零點數目的情況下，SINR會隨著干擾量增加而下降；當干擾量增大為9dB時，一個零點的數位波束成型器已經無法滿足系統需求，於是AIC將零點數目增加為兩個，進而提供更高的天線增益，使得BER能夠持續滿足低於10-5
之系統需求。
根據圖二十(a)~(e)可整理出表十與表十一，表十為用戶速度在20km/hr時，五種調變及編碼率在APC和AIC運作之干擾功率範圍(dB)，由於64QAM要使BER滿足於10-5
以下所需要的SINR較16QAM和QPSK大，因此64QAM會比16QAM和QPSK於干擾功率較小時提早啟動APC和AIC運作，在其他車速下亦有相同的狀況。表十一為在64QAM 2/3時，五種不同車速在APC和AIC運作之干擾功率範圍(dB)，由於高速之通道衰減程度會比低速嚴重，因此在相同調變的情況下，100km/hr會比20km/hr於干擾功
率較小時提早啟動APC和AIC運作。
ARC‧‧‧ANFIS資料率控制器
APC‧‧‧ANFIS功率控制器
AIC‧‧‧ANFIS干擾控制器
PH
(t)‧‧‧在時間t之交遞失敗機率
PN
(t)‧‧‧在時間t之新通話阻礙率
NR
(t)‧‧‧在時間t之新通話產生率
V(t)‧‧‧在時間t之用戶車速
PBBA‧‧‧優先頻道指配協定
Gm
‧‧‧指配第m通電話之資料率
Ctotal
‧‧‧基地台總頻道數(頻寬)
BBU‧‧‧基本頻寬單位(64kbps)
C1
‧‧‧各類(UGS語音、BE數據、nrtps數據、rtps數據)多媒體通話服務都可使用之頻道數(頻寬)
C2
‧‧‧第一優先(rtps數據)與第二優先(nrtps數據)通話服務可使用之保留頻道數(頻寬)
C3
‧‧‧只有第一優先(rtps數據)通話服務可使用之保留頻道數(頻寬)
K1
‧‧‧新UGS語音通話服務保留之頻道數(頻寬)
K2
‧‧‧交遞UGS語音通話服務保留之頻道數(頻寬)
BER(t)‧‧‧在時間t之傳接機位元錯誤率估測
BER(t+1)‧‧‧在時間t+1之傳接機位元錯誤率估測
SINR(t)‧‧‧在時間t之傳接機訊干雜比
DOA(t)‧‧‧在時間t之干擾源來向估測
圖一 串接式適應性控制器系統架構圖
圖二 ANFIS控制器架構圖
圖三 計算性能參數之流程圖
圖四 PBBA協定架構圖
圖五(a) PBBA協定結合ARC之系統平均通達率訓練資料在用戶車速20km/hr
圖五(b) PBBA協定結合ARC之系統平均通達率訓練資料在用戶車速40km/hr
圖五(c) PBBA協定結合ARC之系統平均通達率訓練資料在用戶車速60km/hr
圖五(d) PBBA協定結合ARC之系統平均通達率訓練資料
在用戶車速80km/hr
圖五(e) PBBA協定結合ARC之系統平均通達率訓練資料在用戶車速100km/hr
圖六 未經混合式學習演算法調整之ARC歸屬函數
圖七 經過混合式學習演算法調整之ARC歸屬函數
圖八 ARC之均方根誤差
圖九(a) 1×1行動無線通訊網路系統在SUI-3通道下使用五種調變模式及編碼率配合，用戶車速為20km/hr
圖九(b) 1×1行動無線通訊網路系統在SUI-3通道下使用五種調變模式及編碼率配合，用戶車速為40km/hr
圖九(c) 1×1行動無線通訊網路系統在SUI-3通道下使用五種調變模式及編碼率配合，用戶車速為60km/hr
圖九(d) 1×1行動無線通訊網路系統在SUI-3通道下使用五種調變模式及編碼率配合，用戶車速為80km/hr
圖九(e) 1×1行動無線通訊網路系統在SUI-3通道下使用五種調變模式及編碼率配合，用戶車速為100km/hr
圖十 未經混合式學習演算法調整之APC歸屬函數
圖十一 經過混合式學習演算法調整之APC歸屬函數
圖十二 APC之均方根誤差
圖十三(a) 零點數目基於AIC在不同SINRi環境下
圖十三(b) SINRo基於AIC在不同SINRi環境下
圖十四 未經混合式學習演算法調整之AIC歸屬函數
圖十五 經過混合式學習演算法調整之AIC歸屬函數
圖十六 AIC之均方根誤差
圖十七(a) 行動無線通訊系統使用PBBA協定之新通話阻
礙率
圖十七(b) 行動無線通訊系統使用PBBA協定之交遞失敗機率
圖十七(c) 行動無線通訊系統使用PBBA協定之平均系統通達率
圖十八(a) 行動無線通訊網路系統使用PBBA協定結合串接式ANFIS資料率與功率控制器之新通話產生率
圖十八(b) 行動無線通訊網路系統使用PBBA協定結合串接式ANFIS資料率與功率控制器之交遞失敗機率
圖十八(c) 行動無線通訊網路系統使用PBBA協定結合串接式ANFIS資料率與功率控制器之系統平均通達率
圖十九(a) SISO-OFDM行動無線通訊網路系統使用ANFIS功率控制器後之傳接機性能模擬結果，用戶車速為20km/hr
圖十九(b) SISO-OFDM行動無線通訊網路系統使用ANFIS功率控制器後之傳接機性能模擬結果，用戶車速為40km/hr
圖十九(c) SISO-OFDM行動無線通訊網路系統使用ANFIS功率控制器後之傳接機性能模擬結果，用戶車速為60km/hr
圖十九(d) SISO-OFDM行動無線通訊網路系統使用ANFIS功率控制器後之傳接機性能模擬結果，用戶車速為80km/hr
圖十九(e) SISO-OFDM行動無線通訊網路系統使用ANFIS功率控制器後之傳接機性能模擬結果，用戶車速為
100km/hr
圖二十(a) 1x1 SISO-OFDM行動無線通訊網路系統使用串接式適應性控制器後之SINR變化圖，用戶車速為20km/hr
圖二十(b) 1x1 SISO-OFDM行動無線通訊網路系統使用串接式適應性控制器後之SINR變化圖，用戶車速為40km/hr
圖二十(c) 1x1 SISO-OFDM行動無線通訊網路系統使用串接式適應性控制器後之SINR變化圖，用戶車速為60km/hr
圖二十(d) 1x1 SISO-OFDM行動無線通訊網路系統使用串接式適應性控制器後之SINR變化圖，用戶車速為80km/hr
圖二十(e) 1x1 SISO-OFDM行動無線通訊網路系統使用串接式適應性控制器後之SINR變化圖，用戶車速為100km/hr
ARC‧‧‧ANFIS資料率控制器
APC‧‧‧ANFIS功率控制器
AIC‧‧‧ANFIS干擾控制器
PH
(t)‧‧‧在時間t之交遞失敗機率
PN
(t)‧‧‧在時間t之新通話阻礙率
NR
(t)‧‧‧在時間t之新通話產生率
V(t)‧‧‧在時間t之用戶車速
PBBA‧‧‧優先頻道指配協定
Gm
‧‧‧指配第m通電話之資料率
Ctotal
‧‧‧基地台總頻道數(頻寬)
BBU‧‧‧基本頻寬單位(64kbps)
C1
‧‧‧各類(UGS語音、BE數據、nrtps數據、rtps數據)多媒體通話服務都可使用之頻道數(頻寬)
C2
‧‧‧第一優先(rtps數據)與第二優先(nrtps數據)通話服務可使用之保留頻道數(頻寬)
C3
‧‧‧只有第一優先(rtps數據)通話服務可使用之保留頻道數(頻寬)
K1
‧‧‧新UGS語音通話服務保留之頻道數(頻寬)
K2
‧‧‧交遞UGS語音通話服務保留之頻道數(頻寬)
BER(t)‧‧‧在時間t之傳接機位元錯誤率估測
SINR(t)‧‧‧在時間t之傳接機訊干雜比
DOA(t)‧‧‧在時間t之干擾源來向估測
Claims (5)
- 一種建構於適應性網路模糊推論系統(ANFIS)之三層串接式認知引擎裝置，可適應性控制多媒體無線行動通訊系統資料率、發射功率與干擾功率之智慧型控制器，其係包括有：一ANFIS資料率控制器(ARC)，其係為第一層之網路層，包括有下列元件：一網路話務性能估測器、一新通話產生率估測器、一用戶車速估測器和一第一ANFIS控制器；一ANFIS功率控制器(APC)，其係為第二層之實體層，包括有下列元件：一傳接機位元錯誤率估測器、一傳接機訊干雜比估測器和一第二ANFIS控制器；以及一ANFIS干擾控制器(AIC)，其係為第三層，包括有下列元件：一目標來向估測器和一第三ANFIS控制器；當該第一層之網路層有新通話用戶產生進入該ANFIS資料率控制器，該ANFIS資料率內有網路話務性能估測器、新通話產生率估測器和用戶車速估測器可估測出目前環境的新通話阻礙率、交遞失敗機率、新通話產生率及用戶車速做為該第一ANFIS控制器的輸入，並結合一優先頻道指配協定，在符合最大網路平均通達率下，輸出最佳化之資料傳輸率指配給一軟體無線電傳接機；在該第二層之實體層部分，該ANFIS功率控制器內有傳接機位元錯誤率(BER)估測器和訊干雜比(SINR)估測器可估測傳接機BER及SINR，該ANFIS功率控制器將配合該ANFIS資料率控制器設定之資料率，將該軟體 無線電傳接機切換至對應之調變模式及編碼率，並依據當時用戶的車速產生四個輸入參數，該四個輸入參數分別是車速、資料傳輸率、傳接機BER與SINR進行該ANFIS功率控制器運作，輸出則為最佳化之最小傳輸功率，此時會再重新估測BER值是否低於10-5 以下，若BER滿足10-5 之系統需求，則結束系統運作；若BER不滿足10-5 之系統需求，則啟動該第三層之一ANFIS干擾控制器；該ANFIS干擾控制器之來向估測器估測干擾來向(DOA)及角擴散角度，並依據該ANFIS功率控制器之SINR產生三個輸入參數，該三個輸入參數分別為干擾DOA、角擴散角度與SINR，在符合最小干擾功率情況下，輸出最少天線零點數目給軟體無線電數位波束成型。
- 如申請專利範圍第1項所述之建構於適應性網路模糊推論系統之三層串接式認知引擎裝置，其中該ANFIS資料率控制器之該第一ANFIS控制器之四個輸入參數分別是車速(x 4,m )、新通話產生率(x 3,m )、新通話阻礙率(x 1,m )和交遞失敗機率(x 2,m )，目標輸出則為資料率，在符合最大網路平均通達率下，輸出最佳化之資料傳輸率指配給軟體無線電(SDR)傳接機，每個輸入參數皆使用2個高斯歸屬函數做訓練，共有16條模糊推論規則，最佳化之目標與條件可表示為： 最大平均通達率為最佳化目標，指配最佳資料傳輸率受限條件：
- 如申請專利範圍第1項所述之建構於適應性網路模糊推論系統之三層串接式認知引擎裝置，其中該優先頻道指配協定，使用時槽保留觀念，可針對具有高優先性的用戶來做時槽保留，因此能使傳輸不同資料率之各種類型多媒體資料用戶，具有相同的通話服務品質，故適合使用於行動通訊網路傳輸各種資料率之多媒體語音與資料服務。
- 如申請專利範圍第1項所述之建構於適應性網路模糊推論系統之三層串接式認知引擎裝置，其中該ANFIS功率控制器之該第二ANFIS控制器，有四個輸入參數-分別是用戶車速(V)、資料傳輸率(R b )、傳接機SINR與BER，在符合系統位元錯誤率低於10-5 以下，輸出最佳化之最小發射功率指配，四個輸入參數分別使用3、3、3和2個高斯歸屬函數做訓練，共有54條模糊推論規則，ANFIS功率控制器最佳化之目標與條件可表示為： 傳接機發射最小功率為最佳化目標優化指配受限條件：
- 如申請專利範圍第1項所述之建構於適應性網路模糊推論系統之三層串接式認知引擎裝置，其中該ANFIS干擾控制器之該第三ANFIS控制器，有三個輸入參數分別為干擾DOA(D m )、角擴散角度(W m )與SINR(S m )，目標輸出則為天線零點數目，目的在保持SINR高於30dB，三個輸入參數分別使用6、6和14個三角形歸屬函數做訓練，共有504條模糊推論規則，在符合最小干擾功率情況下，輸出最少天線零點數目給軟體無線電數位波束成型，ANFIS干擾控制器最佳化之目標與條件可表示為：接機接收最小干擾功率為最佳化目標，優化指配最少天線波束零點數目受限條件：
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW101134683A TWI474728B (zh) | 2012-09-21 | 2012-09-21 | 建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置 |
| US13/969,794 US9077491B2 (en) | 2012-09-21 | 2013-08-19 | Three layer cascade adaptive neural fuzzy inference system (ANFIS) based intelligent controller scheme and device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW101134683A TWI474728B (zh) | 2012-09-21 | 2012-09-21 | 建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201414330A TW201414330A (zh) | 2014-04-01 |
| TWI474728B true TWI474728B (zh) | 2015-02-21 |
Family
ID=50339331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW101134683A TWI474728B (zh) | 2012-09-21 | 2012-09-21 | 建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US9077491B2 (zh) |
| TW (1) | TWI474728B (zh) |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9743296B2 (en) * | 2014-05-12 | 2017-08-22 | Motorola Solutions, Inc. | Methods and systems for emulating testing-plan channel conditions in wireless networks |
| KR101754527B1 (ko) * | 2015-03-09 | 2017-07-06 | 한국항공우주연구원 | 패킷 부호화 장치 및 방법 |
| US10489713B1 (en) | 2015-08-26 | 2019-11-26 | Psibernetix, Inc. | Self-optimized system and method using a fuzzy genetic algorithm |
| TWI553566B (zh) * | 2015-10-13 | 2016-10-11 | Univ Yuan Ze | 干擾環境中建構於分時多工接取之室內小細胞自我優化佈署串接控 制方法與裝置 |
| CN106941715B (zh) * | 2016-01-05 | 2020-09-18 | 中国人民解放军理工大学 | 信道不确定性条件下大规模用户共享信道的功率分配方法 |
| US10903918B2 (en) * | 2016-12-07 | 2021-01-26 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Cognitive HF radio with tuned compact antenna |
| US11544545B2 (en) | 2017-04-04 | 2023-01-03 | Hailo Technologies Ltd. | Structured activation based sparsity in an artificial neural network |
| US11551028B2 (en) | 2017-04-04 | 2023-01-10 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network |
| US12430543B2 (en) | 2017-04-04 | 2025-09-30 | Hailo Technologies Ltd. | Structured sparsity guided training in an artificial neural network |
| US11615297B2 (en) | 2017-04-04 | 2023-03-28 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network compiler |
| US10387298B2 (en) | 2017-04-04 | 2019-08-20 | Hailo Technologies Ltd | Artificial neural network incorporating emphasis and focus techniques |
| US11238334B2 (en) | 2017-04-04 | 2022-02-01 | Hailo Technologies Ltd. | System and method of input alignment for efficient vector operations in an artificial neural network |
| CN107239599A (zh) * | 2017-05-16 | 2017-10-10 | 五邑大学 | 基于神经模糊推理系统的盾构施工引起的地表沉降预测方法 |
| CN108363957A (zh) * | 2018-01-19 | 2018-08-03 | 成都考拉悠然科技有限公司 | 基于级联网络的交通标志检测与识别方法 |
| US10939471B2 (en) | 2019-06-13 | 2021-03-02 | David E. Newman | Managed transmission of wireless DAT messages |
| CN111479176B (zh) * | 2019-11-27 | 2022-05-27 | 重庆前卫表业有限公司 | 一种基于NB-IoT的自适应模糊数据上传方法 |
| CN111275966A (zh) * | 2020-01-21 | 2020-06-12 | 西南交通大学 | 一种基于gps速度信息的交通方式识别方法 |
| US11580358B1 (en) | 2020-05-12 | 2023-02-14 | Thales, S.A. | Optimization with behavioral evaluation and rule base coverage |
| US11221929B1 (en) | 2020-09-29 | 2022-01-11 | Hailo Technologies Ltd. | Data stream fault detection mechanism in an artificial neural network processor |
| US11811421B2 (en) | 2020-09-29 | 2023-11-07 | Hailo Technologies Ltd. | Weights safety mechanism in an artificial neural network processor |
| US11263077B1 (en) | 2020-09-29 | 2022-03-01 | Hailo Technologies Ltd. | Neural network intermediate results safety mechanism in an artificial neural network processor |
| US12248367B2 (en) | 2020-09-29 | 2025-03-11 | Hailo Technologies Ltd. | Software defined redundant allocation safety mechanism in an artificial neural network processor |
| US11874900B2 (en) | 2020-09-29 | 2024-01-16 | Hailo Technologies Ltd. | Cluster interlayer safety mechanism in an artificial neural network processor |
| US11237894B1 (en) | 2020-09-29 | 2022-02-01 | Hailo Technologies Ltd. | Layer control unit instruction addressing safety mechanism in an artificial neural network processor |
| US11206092B1 (en) * | 2020-11-13 | 2021-12-21 | Ultralogic 5G, Llc | Artificial intelligence for predicting 5G network performance |
| US11229063B1 (en) | 2020-12-04 | 2022-01-18 | Ultralogic 5G, Llc | Early disclosure of destination address for fast information transfer in 5G |
| CN112822058B (zh) * | 2021-02-09 | 2021-11-16 | 南通大学 | 基于有效区域的多目标优化设计方法 |
| US11901983B1 (en) * | 2021-03-17 | 2024-02-13 | T-Mobile Innovations Llc | Selectively assigning uplink transmission layers |
| CN118278584A (zh) * | 2024-06-03 | 2024-07-02 | 湖南红普创新科技发展有限公司 | 基于人工智能的工业物联网设备健康预测方法及相关设备 |
| CN120029370B (zh) * | 2025-04-01 | 2025-07-08 | 哈尔滨工业大学 | 一种基于自适应神经模糊推理系统的主动减振控制方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102595619A (zh) * | 2012-03-05 | 2012-07-18 | 黄东 | 一种基于蜂窝网络的干扰降低方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ZA965340B (en) * | 1995-06-30 | 1997-01-27 | Interdigital Tech Corp | Code division multiple access (cdma) communication system |
| US6940840B2 (en) * | 1995-06-30 | 2005-09-06 | Interdigital Technology Corporation | Apparatus for adaptive reverse power control for spread-spectrum communications |
| JP3913879B2 (ja) * | 1998-02-03 | 2007-05-09 | 富士通株式会社 | 移動速度に基づく通信制御装置および方法 |
| US6996069B2 (en) * | 2000-02-22 | 2006-02-07 | Qualcomm, Incorporated | Method and apparatus for controlling transmit power of multiple channels in a CDMA communication system |
| US7117014B1 (en) * | 2001-08-17 | 2006-10-03 | Kathrein-Werke Kg | System and method for selecting optimized beam configuration |
| US7190964B2 (en) * | 2001-08-20 | 2007-03-13 | Telefonaktiebolaget Lm Ericsson (Publ) | Reverse link power control in 1xEV-DV systems |
| JP3888189B2 (ja) * | 2002-03-12 | 2007-02-28 | 松下電器産業株式会社 | 適応アンテナ基地局装置 |
| US8170081B2 (en) * | 2004-04-02 | 2012-05-01 | Rearden, LLC. | System and method for adjusting DIDO interference cancellation based on signal strength measurements |
| US20080144493A1 (en) * | 2004-06-30 | 2008-06-19 | Chi-Hsiang Yeh | Method of interference management for interference/collision prevention/avoidance and spatial reuse enhancement |
| US7573851B2 (en) * | 2004-12-07 | 2009-08-11 | Adaptix, Inc. | Method and system for switching antenna and channel assignments in broadband wireless networks |
| EP1734666A1 (en) * | 2005-06-17 | 2006-12-20 | Fujitsu Limited | Resource management in multi-hop communication system |
-
2012
- 2012-09-21 TW TW101134683A patent/TWI474728B/zh active
-
2013
- 2013-08-19 US US13/969,794 patent/US9077491B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102595619A (zh) * | 2012-03-05 | 2012-07-18 | 黄东 | 一种基于蜂窝网络的干扰降低方法 |
Non-Patent Citations (1)
| Title |
|---|
| C.-H. Jiang, J.-K. Lain, R.-M. Weng, and C.-H. Hsu,"Multi-rate DS-CDMA with ANFIS-assisted power control for wireless multimedia communications," International Journal of Innovative Computing, Information and Control, pp. 3641-3656, August 2010.^&rn^ S. Hiremath and S. K. Patra,"Transmission rate prediction for cognitive radio using adaptive neural fuzzy inference system," International Conference on Industrial and Information Systems, pp. 92-97, August 2010.^&rn^ J.-S. R. Jang,"ANFIS: Adaptive-network-based fuzzy inference system," IEEE Transactions on Systems, Man, and Cybernetics, pp. 665-685, May/June 1993.^&rn^ * |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201414330A (zh) | 2014-04-01 |
| US9077491B2 (en) | 2015-07-07 |
| US20140087749A1 (en) | 2014-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI474728B (zh) | 建構於適應性網路模糊推論系統之三層串接式認知引擎之方法及裝置 | |
| US10055682B2 (en) | Self-optimizing deployment cascade control scheme and device based on TDMA for indoor small cell in interference environments | |
| EP2011247B1 (en) | Power control in a wireless system having multiple interfering communication resources | |
| Hashima et al. | Energy-aware hybrid RF-VLC multiband selection in D2D communication: A stochastic multiarmed bandit approach | |
| Madelkhanova et al. | Optimization of cell individual offset for handover of flying base stations and users | |
| CN110139281A (zh) | 一种基于K-means的全双工D2D分簇资源分配的方法 | |
| CN115696595A (zh) | 一种基于博弈论的多目标优化卫星资源分配算法 | |
| Liu et al. | Optimal resource allocation for integrated sensing and communications in internet of vehicles: A deep reinforcement learning approach | |
| Guo et al. | Interference coordination and resource allocation planning with predicted average channel gains for HetNets | |
| Raeisi et al. | Power Control of 5G-Connected Vehicular Network Using PPO-based Deep Reinforcement Learning Algorithm | |
| Madelkhanova et al. | Optimization of cell individual offset for handover of flying base station | |
| Khuntia et al. | An actor-critic reinforcement learning for device-to-device communication underlaying cellular network | |
| Dinh et al. | Device selection and beamforming optimization in large-scale mmWave IoT networks | |
| Malarkkan et al. | Performance analysis of call admission control in WCDMA system with adaptive multi class traffic based on fuzzy logic | |
| MXPA05001283A (es) | Igualacion de relacion de senal a interferencia de diferentes canales fisicos que soportan un canal de transporte compuesto codificado. | |
| TWI624168B (zh) | 多用戶干擾環境中建構於分頻全雙工－正交分頻多工接取之室內小細胞智慧型佈署串接控制裝置 | |
| Torrieri et al. | An analysis of the DS-CDMA cellular uplink for arbitrary and constrained topologies | |
| CN116209033A (zh) | 蜂窝系统功率控制方法、装置、基站及计算机存储介质 | |
| De Oliveira et al. | Smart Band Association for Wireless IoT Networks: a Personalized Federated Multi-Agent Deep Reinforcement Learning Approach | |
| Khoshkholgh et al. | RSS-based UAV-BS 3-D mobility management via policy gradient deep reinforcement learning | |
| Liao et al. | A novel dynamic cell configuration scheme in next-generation situation-aware CDMA networks | |
| Perez-Romero et al. | On the optimum traffic allocation in heterogeneous CDMA/TDMA networks | |
| Karataş et al. | Load based cell selection algorithm for Tetra based professional mobile radio | |
| Muraoka et al. | Scheduling for device-to-device communication considering spatial reuse and user fairness in public safety LTE | |
| Karabacak et al. | Joint approach to beam optimization and user association |