Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020068127 - SYSTÈME ET PROCÉDÉ UTILISANT L'APPRENTISSAGE COLLABORATIF D'UN ENVIRONNEMENT D'INTERFÉRENCE ET D'UNE TOPOLOGIE DE RÉSEAU POUR UN PARTAGE DE SPECTRE AUTONOME

Numéro de publication WO/2020/068127
Date de publication 02.04.2020
N° de la demande internationale PCT/US2018/053530
Date du dépôt international 28.09.2018
CIB
H04W 16/22 2009.01
HÉLECTRICITÉ
04TECHNIQUE DE LA COMMUNICATION ÉLECTRIQUE
WRÉSEAUX DE TÉLÉCOMMUNICATIONS SANS FIL
16Planification du réseau, p.ex. outils de planification de couverture ou de trafic; Déploiement de réseau, p.ex. répartition des ressources ou structures des cellules  
22Outils ou modèles de simulation de trafic
H04W 24/06 2009.01
HÉLECTRICITÉ
04TECHNIQUE DE LA COMMUNICATION ÉLECTRIQUE
WRÉSEAUX DE TÉLÉCOMMUNICATIONS SANS FIL
24Dispositions de supervision, de contrôle ou de test
06Réalisation de tests en trafic simulé
H04W 16/14 2009.01
HÉLECTRICITÉ
04TECHNIQUE DE LA COMMUNICATION ÉLECTRIQUE
WRÉSEAUX DE TÉLÉCOMMUNICATIONS SANS FIL
16Planification du réseau, p.ex. outils de planification de couverture ou de trafic; Déploiement de réseau, p.ex. répartition des ressources ou structures des cellules  
14Dispositions de partage du spectre de fréquence
G06N 99/00 2010.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
99Matière non prévue dans les autres groupes de la présente sous-classe
CPC
G06N 99/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
99Subject matter not provided for in other groups of this subclass
H04W 24/06
HELECTRICITY
04ELECTRIC COMMUNICATION TECHNIQUE
WWIRELESS COMMUNICATION NETWORKS
24Supervisory, monitoring or testing arrangements
06Testing, ; supervising or monitoring; using simulated traffic
H04W 88/04
HELECTRICITY
04ELECTRIC COMMUNICATION TECHNIQUE
WWIRELESS COMMUNICATION NETWORKS
88Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
02Terminal devices
04adapted for relaying to or from another terminal or user
Déposants
  • BALAKRISHNAN, Ravikumar [IN]/[US]
  • HIMAYAT, Nageen [US]/[US]
  • LIAO, Yiting [CN]/[US]
  • ARROBO, Gabriel [EC]/[US]
  • DOOSTNEJAD, Roya [CA]/[US]
  • KESAVAN, Vijay Sarathi [IN]/[US]
  • EKAMBARAM, Venkatesan Nallampatti [IN]/[US]
  • LOAIZA, Maria Ramirez [CO]/[US]
  • SOMAYAZULU, Vallabhajosyula S. [US]/[US]
  • SRIKANTESWARA, Srikathyayani [IN]/[US]
Inventeurs
  • BALAKRISHNAN, Ravikumar
  • HIMAYAT, Nageen
  • LIAO, Yiting
  • ARROBO, Gabriel
  • DOOSTNEJAD, Roya
  • KESAVAN, Vijay Sarathi
  • EKAMBARAM, Venkatesan Nallampatti
  • LOAIZA, Maria Ramirez
  • SOMAYAZULU, Vallabhajosyula S.
  • SRIKANTESWARA, Srikathyayani
Mandataires
  • PERDOK, Monique M.
  • MCCRACKIN, Ann M.
  • BLACK, David W.
  • ARORA, Suneel
  • BIANCHI, Timothy E.
  • SCHEER, Bradley W.
Données relatives à la priorité
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) SYSTEM AND METHOD USING COLLABORATIVE LEARNING OF INTERFERENCE ENVIRONMENT AND NETWORK TOPOLOGY FOR AUTONOMOUS SPECTRUM SHARING
(FR) SYSTÈME ET PROCÉDÉ UTILISANT L'APPRENTISSAGE COLLABORATIF D'UN ENVIRONNEMENT D'INTERFÉRENCE ET D'UNE TOPOLOGIE DE RÉSEAU POUR UN PARTAGE DE SPECTRE AUTONOME
Abrégé
(EN)
Systems and methods of using machine-learning to improve communications across different networks are described. A CIRN node identifies whether it is within range of a source and destination node in a different network using explicit information or a machine-learning classification model. A neural network is trained to avoid interference using rewards associated with reduced interference or retransmission levels in each network or improved throughput at the CIRN node. A machine-learning scheduling algorithm determines a relay mode of the CIRN node for source and destination node transmissions. The scheduling algorithm is based on the probability of successful transmission between the source and destination nodes multiplied by a collaboration score for successful transmission and the probability of unsuccessful transmission of the particular packet multiplied by a collaboration score for unsuccessful transmission.
(FR)
L'invention concerne des systèmes et des procédés d'utilisation d'apprentissage automatique pour améliorer les communications dans différents réseaux. Un nœud CIRN identifie s'il se trouve dans la plage d'un nœud source et de destination dans un réseau différent à l'aide d'informations explicites ou d'un modèle de classification d'apprentissage automatique. Un réseau neuronal est entraîné pour éviter une interférence à l'aide de récompenses associées à des niveaux d'interférence ou de retransmission réduits dans chaque réseau ou à un débit amélioré au niveau du nœud CIRN. Un algorithme de planification d'apprentissage automatique détermine un mode de relais du nœud CIRN pour des transmissions de nœud source et de destination. L'algorithme de planification est basé sur la probabilité de réussite de la transmission entre les nœuds source et de destination multipliée par un score de collaboration pour une transmission réussie et la probabilité de transmission infructueuse du paquet particulier multipliée par un score de collaboration pour une transmission infructueuse.
Dernières données bibliographiques dont dispose le Bureau international