Dynamic learning of neighboring wireless cells

Details Dynamic learning of neighboring wireless cells Dynamic learning of neighboring wireless cells

H - Electricity

04

Q

H04Q 7/38 (2006.01) H04Q 7/34 (2006.01)

Patent

CA 2220780

Using dynamic learning techniques by a system controller to determine a subset of neighboring cell sites to which an activity transfer should be attempted. An activity transfer can be a handoff or registration. The neighboring cell sites that should be chosen for an activity transfer are specified for each cell site. The specified neighboring cell sites are determined by the dynamic learning process. In a first embodiment, the dynamic learning is accomplished by accumulating statistical data that defines the average call duration of each of the selected neighboring sites after an activity transfer to each. Advantageously, this average duration can include the total call duration for two subsequent activity transfers. In a second embodiment, the dynamic learning is accomplished by accumulating statistical data that defines the maximum transmission power from the base station to which a handset was transferred. In a third embodiment, the duration of the low power transmission level of the base station from which the handset had just been transferred is timed. If the duration is less than a predefined number, it is assumed that a null had occurred, and that fact is stored for that cell. This information is used to detect multipath fading and to prevent premature handoffs when multipath fading occurs. Subsequently, a transfer is delayed for a cell having a large average number of nulls.

Utilisation de techniques d'apprentissage dynamiques par un contrôleur de système afin de déterminer un sous-ensemble d'emplacements de cellules voisines vers lesquelles un transfert d'activité devrait être tenté. Un transfert d'activité peut être un simple transfert ou un enregistrement. Les emplacements de cellules voisines à choisir pour un transfert d'activité sont déterminés pour chaque emplacement de cellule au moyen du processus d'apprentissage dynamique. Dans une première version, l'apprentissage dynamique se fait par accumulation de données statistiques qui définissent la durée moyenne d'un appel pour chacun des emplacements voisins choisis après un transfert d'activité à chacun d'eux. Cette durée moyenne a l'avantage de pouvoir comprendre la durée d'appel totale applicable à deux transferts d'activité subséquents. Dans une deuxième version, l'apprentissage dynamique se fait par accumulation de données statistiques qui définissent la puissance de transmission maximale à partir de la station de base à laquelle le combiné a été transféré. Dans une troisième version, le temps pendant lequel se maintient le niveau de transmission à faible puissance de la station de base de laquelle le combiné vient d'être transféré est mesurée. Si cette durée est inférieure à une valeur numérique prédéterminée, on assume qu'une annulation s'est produite, et ce fait est mémorisé pour la cellule en question. Cette information est utilisée pour détecter les évanouissements par trajets multiples et empêcher les transferts prématurés en cas d'évanouissement par trajets multiples. Par la suite, un transfert est différé pour une cellule ayant un grand nombre moyen d'annulations.

Affiliated with

Also associated with

Rating

Dynamic learning of neighboring wireless cells does not yet have a rating. At this time, there are no reviews or comments for this patent.

If you have personal experience with Dynamic learning of neighboring wireless cells, we encourage you to share that experience with our LandOfFree.com community. Your opinion is very important and Dynamic learning of neighboring wireless cells will most certainly appreciate the feedback.

Rate now

Comments { 0 }

Profile ID: LFCA-PAI-O-1887084