Top Banner
การตัดสินใจแฮนด์โอเวอร์แบบแนวตั้งโดยขึ้นอยู่กับโครงข่ายประสาทเทียม แบบการแบ่งนับเวกเตอร์เพื่อการเรียนรูVERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR QUANTIZATION NEURAL NETWORKS นางสาวเสาวนีย์ บุญส่ง นางสาวณัฏฐิกานต์ อุ่นทรัพย์ นางสาวโยทกา ชูทอง โครงงานวิศวกรรมนี้ เป็นส่วนหนึ่งของการศึกษาตามหลักสูตรวิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ ปีการศึกษา 2559
70

VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

Jan 24, 2022

Download

Documents

dariahiddleston
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

การตดสนใจแฮนดโอเวอรแบบแนวตงโดยขนอยกบโครงขายประสาทเทยม แบบการแบงนบเวกเตอรเพอการเรยนร VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR QUANTIZATION NEURAL NETWORKS

นางสาวเสาวนย บญสง นางสาวณฏฐกานต อนทรพย นางสาวโยทกา ชทอง

โครงงานวศวกรรมน เปนสวนหนงของการศกษาตามหลกสตรวศวกรรมศาสตรบณฑต สาขาวชาวศวกรรมไฟฟา

คณะวศวกรรมศาสตร มหาวทยาลยศรนครนทรวโรฒ ปการศกษา 2559

Page 2: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

การตดสนใจแฮนดโอเวอรแบบแนวตงโดยขนอยกบโครงขายประสาทเทยม แบบการแบงนบเวกเตอรเพอการเรยนร VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR QUANTIZATION NEURAL NETWORKS

นางสาวเสาวนย บญสง นางสาวณฏฐกานต อนทรพย นางสาวโยทกา ชทอง

โครงงานวศวกรรมน เปนสวนหนงของการศกษาตามหลกสตรวศวกรรมศาสตรบณฑต สาขาวชาวศวกรรมไฟฟา

คณะวศวกรรมศาสตร มหาวทยาลยศรนครนทรวโรฒ ปการศกษา 2559

ลขสทธเปนของคณะวศวกรรมศาสตร มหาวทยาลยศรนครนทรวโรฒ

Page 3: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

โครงงานวศวกรรม เรอง

การตดสนใจแฮนดโอเวอรแบบแนวตงโดยขนอยกบโครงขายประสาทเทยม แบบการแบงนบเวกเตอรเพอการเรยนร

ของ นางสาวเสาวนย บญสง นางสาวณฏฐกานต อนทรพย นางสาวโยทกา ชทอง ไดรบอนมตจากคณะวศวกรรมศาสตรใหนบเปนสวนหนงของการศกษาตามหลกสตร วศวกรรมศาสตรบณฑต สาขาวชาวศวกรรมไฟฟา ของมหาวทยาลยศรนครนทรวโรฒ ..............................................................คณบดคณะวศวกรรมศาสตร (รองศาสตราจารย ดร.เวคน ปยรตน) คณะกรรมการสอบโครงงานวศวกรรม ............................................................. ...ประธาน (ผชวยศาสตราจารย ดร.น าคณ ศรสนท) ................................................................กรรมการ (อาจารย ดร.พชญา ชยปญญา) ................................................................กรรมการ (อาจารยสนศา คณารกษ)

Page 4: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

การตดสนใจแฮนดโอเวอรแบบแนวตงโดยขนอยกบโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร

ปการศกษา 2559

โดย อาจารยทปรกษา

นางสาวเสาวนย บญสง อาจารยสนศา คณารกษ นางสาวณฏฐกานต อนทรพย นางสาวโยทกา ชทอง

บทคดยอ

โครงงานวศวกรรมนมวตถประสงคเพอประยกตการใชงานโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรส าหรบกระบวนการตดสนใจแฮนดโอเวอรแนวตงในเครอขายไรสายทหลากหลายซงน าไปสการสอสารในยคท 5 โครงงานวศวกรรมนน าเครอขายดบเบลยซดเอมเอ เครอขายแอลทอ และเครอขายไวเลสแลนดมาใชงานรวมกนส าหรบเครอขายไรสายทหลากหลาย โดยท าการพจารณาความแรงของสญญาณทผใชไดรบ ความเรวของผใช อตราความเรวในการรบสงขอมล และปรมาณทราฟฟคในการตดสนใจแฮนดโอเวอร เพอการประเมนผลวธทน าเสนอในโครงงานนจะท าการจ าลองประสทธภาพในรปจ านวนของการแฮนดโอเวอร จ านวนของการเรยกตดขด และจ านวนของการเรยกขาดหายซงอยบนโปรแกรมแมทแลป จากผลการทดลองแสดงใหเหนวาวธการตดสนใจแฮนดโอเวอรแนวตงทน าเสนอมประสทธภาพทดกวาวธอน ๆ ไดแก วธทใชคาแบง และวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชนตามล าดบ

ค าส าคญ: เครอขายไรสายทหลากหลาย การแบงนบเวกเตอรเพอการเรยนร แมทแลป โครงขายประสาทเทยม แฮนดโอเวอรแนวตง

Page 5: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR QUANTIZATION NEURAL NETWORKS

Academic Year 2016

By Advisor Ms. Saowanee Boonsong Ms. Sunisa Kunarak Ms. Nuttikan Unsub Ms. Yotaka Choothong

Abstract

This engineering project is aimed to apply the Learning Vector Quantization Neural Network (LVQNN) for the vertical handover decision making process in the heterogeneous wireless networks that are introduced to the fifth generation (5G) communication. In this engineering project, the Wideband Code Division Multiple Access (WCDMA), Long Term Evolutions (LTE) and Wireless Local Area Network (WLAN) are cooperated for the heterogeneous wireless networks that are considered the received signal strength, mobile speed, data rate and traffic load parameters in the handover decision. To evaluate the proposed algorithm, we simulate the performance as the number of handover, the number of dropping call and the number of blocking call based on the MATLAB program. The simulation results indicate the proposed vertical handover decision algorithm which outperforms the other approaches as Threshold and Radial Basis Function Neural Networks, respectively.

Keyword: Heterogeneous Wireless Network, Learning Vector Quantization, MATLAB, Neural Network, Vertical Handover

Page 6: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

กตตกรรมประกาศ

โครงงานวศวกรรมน ส าเรจลลวงไดดวยความชวยเหลอจากผมพระคณหลายทาน คณะผจดท าโครงงานขอขอบพระคณ อาจารยสนศา คณารกษ อาจารยทปรกษาโครงงานทไดกรณาเสยสละเวลาอนมคาเพอใหค าปรกษา ค าแนะน า ตรวจแกไขความเรยบรอย ตลอดจนการชแนะในการหาค าตอบในปญหาตาง ๆ ระหวางจดท าโครงงานน ดวยความเอาใจใสอยางยง ขอขอบพระคณอาจารยในภาควชาวศวกรรมไฟฟาทกทานททานไดใหความร ความรวมมอในการใหขอมล ความชวยเหลอ และขอเสนอแนะตาง ๆ ใหกบคณะผจดท าโครงงาน ทางคณะผจดท าโครงงานขอขอบพระคณเปนอยางสง ทายทสดน ทางคณะผจดท าโครงงานขอขอบพระคณทกคนในครอบครวทใหการสนบสนน ใหก าลงใจในการศกษาตลอดมา และหวงเปนอยางยงวาโครงงานวศวกรรมน จะเปนประโยชนตอผทสนใจน าไปศกษาไมมากกนอยตอไป ความดและประโยชนใด ๆ จากโครงงานวศวกรรมน ขอมอบใหกบ ผมพระคณทกทานทไดกลาวมาทงหมด

คณะผจดท าโครงงาน

Page 7: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

สารบญ หนา บทคดยอภาษาไทย ก บทคดยอภาษาองกฤษ ข กตตกรรมประกาศ ค สารบญ ง สารบญตาราง ช สารบญรป ซ รายการสญลกษณ ฌ ประมวลค ายอ ญ

บทท 1 บทน า 1 1.1 ทมาและความส าคญของโครงงาน 1 1.2 วตถประสงคของโครงงาน 2 1.3 ขอบเขตของโครงงาน 2 1.4 ประโยชนทคาดวาจะไดรบ 3

บทท 2 ทฤษฎทเกยวของ 4 2.1 ทฤษฎ 4

2.1.1 สถาปตยกรรมเครอขายของระบบโทรศพทเคลอนทยคท 5 (5G) 4 2.1.2 หลกการของโครงขายประสาทเทยม (Neural Networks) 2.1.3 มาตรฐาน IEEE 802.11 2.1.4 การยายขามเซลล (Handover)

13 15 17

2.2 งานวจยทเกยวของ

21

Page 8: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

สารบญ(ตอ) หนา

บทท 3 วธการด าเนนงาน 23 3.1 การออกแบบเครอขายไรสายในอนาคต 23 3.2 การหาคาอนพต 23

3.2.1 ความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS) ในแตละระบบของเครอขายไรสายในอนาคต

23

3.2.2 ความเรวของผใช (Mobile Speed) ในแตละระบบของเครอขาย ไรสายสายในอนาคต

26

3.2.3 อตราการรบสงขอมล (Data Rate) ในแตละระบบของเครอขาย ไรสายในอนาคต

3.2.4 ปรมาณผใชทใชบรการ (Traffic Load) ในแตละระบบของเครอขาย ไรสายในอนาคต

27

27

3.3 การแบงชวงของอนพต 27 3.3.1 การแบงชวงความแรงของสญญาณทผใชไดรบ (Received Signal

Strength: RSS) ของผใชทง 3 เครอขาย 27

3.3.2 การแบงชวงความเรว (Mobile Speed) ของผใชทง 3 เครอขาย 28 3 .3 .3 การแบ งช ว ง อตราการรบส งขอมล (Data Rate) ของผ ใช

ทง 3 เครอขาย 3.3.4 การแบงชวงอตราปรมาณผใชทใชบรการ (Traffic Load) ของผใช

ทง 3 เครอขาย

28

28

3.4 การออกแบบโครงขายประสาทเทยม 29 3.4.1 ออกแบบคาอนพต และคาเปาหมายของโครงขาย 29 3.4.2 การก าหนดฟงกชน และคาการท างานตาง ๆ ของโครงขาย

ประสาทเทยม 37

3.4.3 การฝกสอนโครงขายประสาทเทยมแบบการแบงนบเวกเตอร เพอการเรยนร

3.4.4 ตรวจสอบผลลพธทไดจากการฝกสอนโครงขายประสาทเทยม

37

38 3.5 กระบวนการตดสนใจเพอท าการแฮนดโอเวอรแบบแนวตงโดยขนอยกบ

โครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร 38

Page 9: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

สารบญ(ตอ) หนา บทท 4 ผลการด าเนนงาน 40

4.1 การกระจายตวต าแหนงของผใช 40 4.2 จ านวนการแฮนดโอเวอร จ านวนการเรยกขาดหาย

และจ านวนการเรยกตดขด 45

4.2.1 จ านวนการแฮนดโอเวอร 4.2.2 จ านวนการเรยกขาดหาย 4.2.3 จ านวนการเรยกตดขด

45 46 47

บทท 5 สรปผล และขอเสนอแนะ 50 5.1 สรปผล

5.2 ขอเสนอแนะ

เอกสารอางอง ประวตยอผท าโครงงาน

50

51

52 53

Page 10: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

สารบญตาราง

ตารางท หนา 2.1 เปรยบเทยบระหวางระบบ 3G, 4G และ 5G 10 2.2 คณลกษณะของเครอขายไรสาย 12 2.3 การเปรยบเทยบมาตรฐาน IEEE 802.11 ระหวาง 802.11g, 802.11n และ 802.11ac

16

3.1 แสดงคาในแตละชวงความแรงของสญญาณทผใชไดรบของทง 3 เครอขาย 27 3.2 แสดงคาในแตละชวงความเรวของผใชทง 3 เครอขาย 3.3 แสดงคาในแตละชวงอตราการรบสงขอมลของผใชทง 3 เครอขาย 3.4 แสดงคาในแตละชวงของปรมาณผใชทใชบรการทง 3 เครอขาย 3.5 แสดงรปแบบของอนพต และคาเปาหมายส าหรบเครอขาย WiFi 3.6 แสดงรปแบบของอนพต และคาเปาหมายส าหรบเครอขาย LTE 3.7 แสดงรปแบบของอนพต และคาเปาหมายส าหรบเครอขาย WCDMA 3.8 แสดงรปแบบของเงอนไขอนพต และคาเปาหมายส าหรบเครอขาย WiFi 3.9 แสดงรปแบบของเงอนไขอนพต และคาเปาหมายส าหรบเครอขาย LTE 3.10 แสดงรปแบบของเงอนไขอนพต และคาเปาหมายส าหรบเครอขาย WCDMA 4.1 แสดงคาประสทธภาพของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอร เพอการเรยนร

28 28 28 31 32 33 34 35 36 48

Page 11: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

สารบญรป

รปท หนา 1.1 กระบวนการแฮนดโอเวอรในแนวนอนและแนวตง 2 2.1 แสดงววฒนาการตงแตยคท 1 - ยคท 4 7 2.2 ความสามารถในการใชงานของเครอขายไรสายในยคท 5 11 2.3 โครงสรางพนฐานของโครงขายประสาทเทยม 13 2.4 กระบวนการแบงนบเวกเตอรเพอการเรยนร 14 2.5 กระบวนการแฮนดโอเวอรในชนท 2 2.6 กระบวนการแฮนดโอเวอรในชนท 3 2.7 กระบวนการแฮนดโอเวอรระหวางชนท 2 และชนท 3 3.1 กระบวนการท างานของโครงงานทงหมด 3.2 แสดงโครงสรางโครงขายไรสายในอนาคต 3.3 การฝกสอนโครงขายประสาทเทยมของเครอขาย WiFi 3.4 คาความผดพลาดก าลงสองเฉลยกบจ านวนรอบของฝกสอนส าหรบ เครอขาย WiFi 3.5 ล าดบขนตอนการตดสนใจแฮนดโอเวอรแบบการแบงนบเวกเตอรเพอการเรยนร 4.1 การกระจายตวต าแหนงของผใชจ านวน 100 คน 4.2 การกระจายตวต าแหนงของผใชจ านวน 300 คน 4.3 การกระจายตวต าแหนงของผใชจ านวน 500 คน 4.4 การกระจายตวต าแหนงของผใชจ านวน 1,000 คน 4.5 การกระจายตวต าแหนงของผใชจ านวน 1,500 คน 4.6 การกระจายตวต าแหนงของผใชจ านวน 2,000 คน 4.7 จ านวนการแฮนดโอเวอรของวธโครงขายประสาทเทยมแบบการแบงนบ เวกเตอรเพอการเรยนรเปรยบเทยบกบวธเรเดยลเบซสฟงกชนและวธทใชคาแบง 4.8 จ านวนการเรยกขาดหายของวธโครงขายประสาทเทยมแบบการแบงนบ เวกเตอรเพอการเรยนรเปรยบเทยบกบวธเรเดยลเบซสฟงกชนและวธทใชคาแบง 4.9 จ านวนการเรยกตดขดวธโครงขายประสาทเทยมแบบการแบงนบ เวกเตอรเพอการเรยนรเปรยบเทยบกบวธเรเดยลเบซสฟงกชนและวธทใชคาแบง

18 19 20 23 24 37 38

39 42 42 43 43 44 44 46

47

48

Page 12: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

รายการสญลกษณ

สญลกษณ ค าอธบาย หนวย

R

การสมตวอยางของสญญาณ ตวอยางตอวนาท

เมตรกซทแยงมม -

)(kW คาถวงน าหนกเดมของชนเอาทพตกอนปรบคา -

)1( kW คาถวงน าหนกใหมของชนเอาทพตหลงปรบคา -

Q จ านวนรปแบบทงหมดทเปนไปได -

k รอบการเรยนรท 1 ถง n -

)(ke คาความผดพลาดทเกดจากการเรยนร ในรอบท k

-

)(ka คาเอาทพตทไดจากโครงขาย -

คาอตราการเรยนร -

p คาอนพตทเกดจากชนของการแขงขน -

)(kT คาเปาหมายทก าหนดไวลวงหนา -

)(kb คาไบแอสเดมของชนเอาทพตกอนปรบคา -

)1( kb คาไบแอสใหมของชนเอาทพตหลงปรบคา -

y คาลดทอนการสญเสย -

d คาระยะทาง เมตร

S คาลดทอนก าลงของสญญาณ เดซเบล

n คาตวคณในการลดทอนสญญาณทเกดจากสงปลกสรางหรอตกอาคารสถานท

-

yX คาสญญาณรบกวนแบบเกาสเซยน เดซเบล

X การแจกแจงแบบเกาสเซยน (Gaussian) เดซเบล

tP คาก าลงสงสญญาณของสถานฐาน วตต

Page 13: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

ประมวลค ายอ

ค ายอ ค าอธบาย

BPNN โครงขายประสาทเทยมแบบแพรยอนกลบ

CDMA เปนการสอสารกนดวยสญญาณทเขารหสไวแลว ซงจะมเพยงเครองสงและเครองรบเทานนทจะสามารถถอดรหสสญญาณดงกลาวได

DSSS เทคนคการสงสญญาณทใชคลนพาหะโดยตองระบความถทใช

EDGE เทคโนโลยในการรบ-สงขอมลดวยเครอขายไรสาย โดยมความเรวในการรบสงขอมลทความเรว 236 Kbps

FDMA การรวมสญญาณหลาย ๆ สญญาณเพอสงเขาในชองสญญาณเดยวกนพรอมกน โดยแยกกนดวยความถ

FHSS การสงสญญาณโดยจะใชความถแคบพาหะเพยงความถเดยว

GPRS เปนบรการทรองรบการรบสงขอมลขาวสารบนเครอขายโทรศพทเคลอนท

GSM เปนมาตรฐานของเทคโนโลยโทรศพทมอถอ IEEE มาตรฐานการท างานของระบบเครอขายไรสาย

ISM คลนความถสาธารณะส าหรบอตสาหกรรม วทยาศาสตร และการแพทย

ITU มาตรฐานสหภาพโทรคมนาคมนานาชาต LTE เครอขายไรสายความเรวสง

LVQNN โครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร MMS บรการสงขอความมลตมเดย

MSE คาความผดพลาดก าลงสองเฉลย

RBFNN โครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน RSS ความแรงของสญญาณทผใชไดรบ

SMS บรการสงขอความสน ๆ

SOM การท างานของโครงขายประสาทเทยมแบบการเรยนรดวยตวเองโดยไมตองผานการฝกฝน

TCP ชดของโปรโตคอลทถกใชในการสอสารผานเครอขายอนเทอรเนต

TDMA การรวมสญญาณหลาย ๆ สญญาณเพอสงเขาในชองสญญาณเดยวกนโดยแยกกนคนละเวลา

UMTS เปนเครอขายในยค 3G ทมพฒนาการมาจากเครอขาย GSM, GPRS และ EDGE

Page 14: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

ประมวลค ายอ(ตอ)

ค ายอ ค าอธบาย

WCDMA ระบบเครอขายมาตรฐานใหมทพฒนามาจาก GSM

Wi-Fi อปกรณตางๆทสามารถใชไดกบมาตรฐานเครอขายคอมพวเตอรแบบไรสาย (WLAN) ซงอยบนมาตรฐาน IEEE 802.11

WiMAX เทคโนโลยบนบรอดแบนดแบบไรสาย ตามมาตรฐาน IEEE 802.16

WLAN ระบบการสอสารและสงผานขอมลแบบไมมสายน าสญญาณ โดยการสงสญญาณ และขอมลเพอการแลกเปลยนกนนนจะใชการสงคลนวทย RF และคลนอนฟราเรดผานอากาศไปยงเครองรบสญญาณโดยตรง

Page 15: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

1

บทท 1

บทน า

1.1 ทมาและความส าคญของโครงงาน ในปจจบนเทคโนโลยการสอสารไรสายไดมการพฒนาขนอยางตอเนองและรวดเรวจนมาถงยคท

5 ซงการสอสารในยคนจะเนนความเรวทใชในการรบสงขอมลเปนหลก ดงนนจงเปนจดทนาสนใจของผใชในการขอใชบรการเปนอยางมาก ท าใหตองมการพฒนาเทคโนโลยการสอสารไรสายเพอตอบสนองความตองการของกลมผใช แตเนองจากขดจ ากดในเรองของการใหบรการซงเกดจากการใชชองสญญาณทมอยอยางจ ากดนนเปนเรองส าคญทอาจท าใหเกดการเรยกขาดหาย (Dropped Call) หรอการเรยกตดขด (Blocked Call) ได และดวยเหตนกระบวนการเปลยนชองสญญาณในการตดตอสอสารจากชองสญญาณทใชงานในเซลลปจจบนไปยงชองสญญาณของเซลลขางเคยงภายในเครอขายไรสายเคลอนท (Mobile Wireless Networks) จงเปนสงทส าคญมาก เพราะจะท าใหการบรการแกผใชงานมความตอเนองและมคณภาพเปนทนาพงพอใจ กลาวคอในขณะทผใชมการเคลอนทออกจากสถานฐานทก าลงใชงานอยนน ความแรงของสญญาณทผใชไดรบกจะลดลงไปเรอย ๆ แตในขณะเดยวกนความแรงทผใชไดรบจากสถานฐานขางเคยงกจะมก าลงทสงขน ดงนนระบบจงตองมการสงตอบรการสอสารใหทนเวลากอนทสญญาณจะหลดไป ซงกระบวนการทกลาวถงนเรยกวา กระบวนการแฮนดโอเวอร (Handover) โดยถาเปนการเปลยนชองสญญาณในกรณทเซลลทใหบรการอย และเซลลทจะเปลยนชองสญญาณไปเปนเครอขายชนดเดยวกน เรยกวา การสงตอบรการสอสารในแนวนอน (Horizontal Handover) แตถาเปนเครอขายตางชนดกนเรยกวา การสงตอบรการสอสารในแนวตง (Vertical Handover) ซงกระบวนการหลงนถอวาเปนปจจยทมความส าคญตอการสอสารในอนาคตเปนอยางยง โดยสามารถแสดงไดดงรปท 1.1 ดงนนจงมนกวจยจ านวนมากทท าการน าเสนอวธการ และเกณฑการตดสนใจในการแฮนดโอเวอรแนวตงอยดวยกนหลายวธ ซงวธการโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรนบวาเปนวธการหนงทนาสนใจส าหรบการตดสนใจแฮนดโอเวอรซงรายละเอยดจะกลาวถงในล าดบตอไป

ดงนนในโครงงานนจงถกน าเสนอขนเพอน าปจจยตาง ๆ ทมผลตอการแฮนดโอเวอรมาผานกระบวนการทน าเสนอ เพอลดจ านวนการแฮนดโอเวอร การเรยกตดขด และการเรยกขาดหายเนองจากการลดทอนของสญญาณทไดรบตามล าดบ

Page 16: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

2

AP AP BS

Cellular Network

รปท 1.1 กระบวนการแฮนดโอเวอรในแนวนอนและแนวตง

1.2 วตถประสงคของโครงงาน

1.2.1 เพอศกษาพารามเตอรทมผลตอการตดสนใจในการแฮนดโอเวอรแนวตงส าหรบระบบโครงขายประสาทเทยมทไดท าการออกแบบ ไดแก ความเรวของผใชบรการ (Mobile Speed) ความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS) อตราขอมล (Data Rate) และปรมาณผใชทใชบรการ (Traffic Load) ของระบบไรสายในอนาคต ซงประกอบไปดวยเครอขายไรสาย 3 ชนด คอ ดบเบลยซดเอมเอ (Wideband Code Division Multiple Access: WCDMA), แอลทอ (Long Term Evolutions: LTE) และ ไวเลสแลนด (IEEE 802.11ac) ทมการท างานรวมกน 1.2.2 เพอน าเอาหลกการของโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร (Learning Vector Quantization Neural Network: LVQNN) มาประยกตใช เพอชวยในการตดสนใจทจะแฮนดโอเวอรของโทรศพทเคลอนท 1.2.3 เพอชวยท าใหการตดตอสอสารมประสทธภาพเพมขน โดยลดจ านวนการเรยกขาดหายและการเรยกตดขดลง

1.3 ขอบเขตของโครงงาน 1.3.1 ท าการศกษาและออกแบบโครงขายไรสายซงประกอบไปดวยเครอขาย 3 ชนด ไดแก ดบเบลยซดเอมเอ (Wideband Code Division Multiple Access: WCDMA), แอลทอ (Long Term Evolutions: LTE) และ ไวเลสแลนด (IEEE 802.11ac) โดยใหเครอขายทงสามชนดสามารถเชอมโยงการท างานรวมกนได 1.3.2 ท าการศกษาและออกแบบกระบวนการทจะน ามาใชส าหรบการตดสนใจในการแฮนดโอเวอร 1.3.3 ท าการพจารณาความเรวของผใช (Mobile Speed) ซงเปนคาพารามเตอรเรมตนของกระบวนการทน าเสนอ และน าคาความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS)

Page 17: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

3

อตราการสงขอมล (Data Rate) และปรมาณผใชทใชบรการ (Traffic Load) ของเครอขายไรสายทงสามชนด มาเปนอนพตของกระบวนการโครงขายประสาทเทยม 1.3.4 ท าการออกแบบโครงขายประสาทเทยม โดยจะน าคาอนพตมาพจารณาฝกสอนโครงขายประสาทเทยมใหเกดการรจ า และการตดสนใจทจะเปลยนชองสญญาณ (Handover) 1.3.5 ท าการวดประสทธภาพของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอร เพอการเรยนร (LVQNN) เทยบกบวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน (RBFNN) และวธทใชคาแบง (Threshold) ซงเปนวธการตดสนใจในการเปลยนชองสญญาณทเคยมการน าเสนอมาแลว โดยการวดประสทธภาพนจะแสดงในรปของจ านวนการแฮนดโอเวอร (Number of Handover) จ านวนการเรยกขาดหาย (Dropped Call) และจ านวนการเรยกตดขด (Blocked Call) ตามล าดบ

1.4 ประโยชนทคาดวาจะไดรบ

1.4.1 ท าใหระบบการตดตอสอสารไรสายสามารถเชอมโยงการท างานรวมกนไดอยางมประสทธภาพเปรยบเสมอนการท างานของโครงขายทเปนหนงเดยวซงเหมาะสมกบการสอสารในอนาคต 1.4.2 ท าใหผใชสามารถตดตอสอสารกนไดอยางตอเนองแบบไรรอยตอระหวางเครอขายทแตกตางกน เนองจากการออกแบบอลกอรทมทใชในการตดสนใจทจะเปลยนชองสญญาณนนมประสทธภาพมากกวาวธแบบดงเดม 1.4.3 ท าใหจ านวนสายทจะเกดการแฮนดโอเวอร (Number of Handover) จ านวนสายทจะเกดการเรยกขาดหาย (Dropped Call) และจ านวนสายทจะเกดการเรยกตดขด (Blocked Call) นนมจ านวนลดนอยลง ซงจะสงผลท าใหเกดการใชทรพยากรในแตละเครอขายมแนวโนมทลดนอยลงตามไปดวย 1.4.4 ท าใหผใชสามารถลดระยะเวลาในการเชอมตอระหวางเครอขายไรสายทแตกตางกน

Page 18: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

4

บทท 2 ทฤษฎทเกยวของ

2.1 ทฤษฎ 2.1.1 สถาปตยกรรมเครอขายของระบบโทรศพทเคลอนทยคท 5 (5G) ตวอกษร G ยอมาจากค าวา เจเนอเรชน (Generation) ทแปลวา ยค สมย รน เมอเอาไปใชร ว มก บ ต ว เ ล ขจะถ ก เ ร ย ก ว า 1 G (First Generation), 2G (Second Generation), 3G (Third Generation) เปนตน ซงเปนชอเรยกในแตละยคของเทคโนโลยการสอสารทางไกลผานโทรศพทมอถอ (Mobile Telecommunications Technology) ววฒนาการสอสารไรสายในแตละยคสามารถสรปไดดงน

การสอสารในยคท 1 (First Generation: 1G) เปนยคทใชระบบแอนาลอกคอ ใชสญญาณวทยในการสงคลนเสยงมความสามารถหลกในการใชงานทางดานเสยง (Voice) และรองรบการโทรเขาออกไดเพยงอยางเดยวเทานนยงไมรองรบการสงหรอรบขอมล (Data) ใด ๆ แมแตจะสงบรการขอความสน ๆ (Short Message Service: SMS) กยงไมสามารถท าได ซงในยคนนผคนกยงไมมความจ าเปนในการใชงานอน ๆ นอกจากการโทรเขาออกอยแลว และกลมคนสวนใหญทสามารถใชงานโทรศพทเคลอนทไดในเวลานนกเปนผมฐานะหรอนกธรกจทใชตดตองาน เนองจากโทรศพทเคลอนทในเวลานนมราคาสงมากส าหรบยคนจะใชเทคโนโลยการสงสญญาณแบบเอฟดเอมเอ (Frequency Division Multiple Access: FDMA) หลกในการท างานคอ การแบงชองความถออกเปนความถยอยหลาย ๆ ชอง บนความถท 824-894 เมกะเฮรตซ แลวใชสญญาณวทยในการสงคลนเสยงไปยงสถานรบสงสญญาณโดยหนงคลนความถจะ เทากบหนงชองสญญาณ ผใชโทรศพทเคลอนทในเวลานนจะสามารถใชการบรการโทรศพทไดเฉพาะในชองความถทวางอย และหลงจากทมผใชงานมากขนระบบกไมสามารถรองรบสญญาณได ท าใหมขอจ ากดในเรองของจ านวนชองสญญาณ เรองการขยายจ านวนเลขหมาย และการขยายแถบความถ นอกจากน โทรศพทในระบบเซลลลารยงมขนาดใหญใชก าลงงานไฟฟามากในภายหลง จงมการเปลยนแปลงเปนการสอสารในยคตอไป การสอสารในยคท 2 (Second Generation: 2G) พอมาถงในยคท 2 จะเรมมการพฒนารปแบบการ สงคลนเสยงแบบแอนาลอกมาเปนดจตอล (Digital) เปนการเขารหส โดยสงคลนเสยงทางคลนไมโครเวฟ การเขารหสแบบดจตอลนจะชวยในเรองของความปลอดภยในการใชงานมากยงขน และชวยในเรองของสญญาณเสยงทใชตดตอสอสารใหมความคมชดมากขนดวย โดยมเทคโนโลยการเขาถงชองสญญาณของผใชเปนลกษณะเชงผสมระหวางเอฟดเอมเอ (FDMA) และทดเอมเอ (Time Division Multiple Access: TDMA) เปนการเพมชองทางการสอสารท าใหรองรบปรมาณผใชงานทมมากขนได จนมการก าหนดเสนทางการเชอมตอกบสถานฐานกลาวคอ การตดตอจากสถานลกกบสถานฐานใชวธการสอง

Page 19: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

5

แบบคอ การแบงชองเวลาออกเปนชองเลก ๆ แบงกนใชท าใหชองสญญาณมความถเพมขนจากเดม ท าใหเกดเปนระบบจเอสเอม (Global System for Mobilization: GSM) ซงโทรศพทเครองเดยวสามารถใชไดทวโลกทเรยกวา การโรมมง (Roaming) เราจะเหนวาการสอสารในยคท 2 น เกดการเปลยนแปลงในวงการโทรศพทเคลอนทแบบชดเจน ผคนหนมาใชโทรศพทเคลอนทกนมากขนเนองจากเกดการพฒนาโทรศพทกนอยางกวางขวางท าใหมการแขงขนในวงการโทรศพทเคลอนทสงขน และท าใหราคาเครองถกลงนนเอง ในยคนถอวาเปนยคทเฟองฟของวงการโทรศพทเคลอนทเปนอยางมากโดยเฉพาะในชวงตอนปลาย

การสอสารในยคท 2.5 (Second and Half Generation: 2.5G) ในยคน ไดถอก าเนดเทคโนโลยทเรยกวา จพอารเอส (General Packet Radio Service: GPRS) ซงพฒนาในเรองของการรบสงขอมลทมากขนดวยความเรวสงสดถง 115 กโลบตตอวนาท (แตถกจ ากดการใชงานจรงอยท 40 กโลบตตอวนาท) จะเหนไดชดถงการเปลยนแปลงในยคนกคอ โทรศพทเคลอนทไดเพมฟงกชนการรบสงขอมลในสวนของบรการขอความมลตมเดย (Multimedia Messaging Service: MMS) หนาจอโทรศพทเรมเขาสยคหนาจอส และเสยงเรยกเขากถกพฒนาใหเปนเสยงแบบประสานเสยง (Polyphonic) จากของเดมทเปนเพยงท านองเสยงระดบเดยว (Monotone) รวมไปถงเสยงเรยกเขาทใชเสยงจรงในรปแบบดจตอล (True Tone) ตาง ๆ ดวย

การสอสารในยคท 2.75 เอดจ (2.75 Enhanced Data Rates for Global Evolution: 2.75EDGE) ยคนเปนยคของชวงทเรมมการใชเทคโนโลยระบบโทรศพทเคลอนทจเอสเอมชนดววฒนาการเพมอตราการสงขอมล (Enhanced Data rates for Global Evolution: EDGE) ลกษณะการท างานจะเปนการพฒนาปรบปรงคณภาพความเรวจากพนฐานของจพอารเอส (GPRS) ใหมความเรวในการรบ-สงขอมลไดสงขน ท าใหเกดการแขงขนกนทางการตลาดของวงการโทรศพทมอถอมากขนทงในเร องของการดาวนโหลดเสยงรอสาย รบสงภาพผานบรการขอความมลตมเดย (MMS) และดาวนโหลดภาพตาง ๆ ไดรบการตอบรบทดจากผใชงาน แตวายคท 2.75 ของเอดจ (EDGE) นนไมไดถกก าหนดขนอยางเปนทางการเพยงแคยกขนมาเปรยบเทยบชวงคาบเกยวระหวางยคท 2.5 และ ยคท 3 เพอใหเหนภาพไดชดเจนยงขน

การสอสารในยคท 3 (Third Generation: 3G) ในยคท 3 นจะเนนการสอสารทงการพดคยแบบเสยงตามปกต (Voice) และแบบรบสงขอมล (Data) ซงในสวนของการรบสงขอมลนเอง ทท าใหยคนมความแตกตางจากระบบเกา (2G) ทมพนฐานในการพดคยแบบเสยงตามปกตอยมาก เนองจากเปนระบบทท าขนมาใหมเพอใหรองรบกบการรบสงขอมลโดยตรง โดยเรยกวา มาตรฐานยเอมทเอส (Universal Mobile Telecommunication Systems: UMTS) การเขาถงเครอขายแบบไรสายสามารถกระท าไดดวยอปกรณหลากหลาย เชน เครองคอมพวเตอร เครองใชไฟฟาอน ๆ นอกจากนระบบยงคงใชการเขาชองสญญาณเปนแบบซดเอมเอ (CDMA) ซงสามารถบรรจชองสญญาณไดมากกวาแตใชแบบแถบกวาง ระบบนจงมอก ชอหนงวา W-CDMA มแนวโนมเชอมโยงกบระบบอนเตอรเนตไดอยางสมบรณ เนองจากม

Page 20: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

6

ชองความถและความจในการรบสงสญญาณทมากกวา จงสงผลใหการรบสงขอมลหรอการใชอนเทอรเนตผานมอถอนนเรวมากขนแบบกาวกระโดด ประสทธภาพในการใชงานดานมลตมเดยดขน และยงมความเสถยรกวาระบบ 2G อกดวย ผลจากความเรวทเพมขนนท าใหเราสามารถทจะท าอะไรบนมอถอไดมากขนจากแตกอน เชน โทรศพททางไกลผานอนเทอรเนต (Voice Over IP) คยแบบเหนหนา (Video Call) ประชมทางไกล (Video Conference) ดทว ดวดโอออนไลน (Streaming) เลนเกมออนไลน (Online Gaming) ดาวนโหลดเพลงหรอโปรแกรมตาง ๆ ไดเรวกวาในยค 2G เปนอยางมาก และมคณสมบตในการเชอมตออนเทอรเนตตลอดเวลา (Always On) การทมอนเทอรเนตความเรวสง (High Speed Internet) ท าใหสามารถใชงานไดเวลาทอยนอกบาน หรอบรเวณทคอนขางไกล เชน ในตางจงหวดหรอชนบททอนเทอรเนตความเรวสงแบบสายนนไปไมถง ระบบ 3G กจะชวยท าใหพนทเหลานนสามารถใชงานอนเทอรเนตไดซงเปนขอดของ 3G เพราะใชสญญาณคลนไมโครเวฟในการสงท าใหสญญาณนนไปไดทกทเหมอนกบสญญาณโทรศพท

การสอสารในยคท 4 (Fourth Generation: 4G) เทคโนโลยในยคนเปนเครอขายไรสายความเรวสงชนดพเศษ หรอเปนเสนทางดวนส าหรบขอมลทไมตองอาศยการลากสายเคเบล โดยระบบเครอขายใหมนจะสามารถใชงานไดแบบไรสาย รวมถงคณสมบตการเชอมตอเสมอนจรงในรปแบบสามมต (Three Dimensional) ระหวางผใชโทรศพทดวยกนเอง ไมวาจะเปนการดไฟลวดโอออนไลนดวยความคมชด และไมมการกระตก การสอสารขามประเทศอยางโทรศพทแบบเหนหนากนและโตตอบทนท (Video Call) หรอจะเปนการประชมผานโทรศพท (Mobile Teleconferencing) กเปนเรองงายขน แถมยงมคาใชจายนอยลงอกดวยส าหรบการสอสารในยคท 4 นแบงออกเปน 2 ระบบดวยกน คอ ไวแมกซ (Worldwide Interoperability of Microwave Access: WiMAX) และแอลทอ (Long Term Evolution: LTE) ไวแมกซเปนเทคโนโลยแถบกวาง (Broadband) ไรสายความเรวสง โดยพฒนามาจากมาตรฐาน IEEE 802.16 ซงเปนมาตรฐานเดยวกนกบ Wi-Fi แตมาตรฐานไวแมกซสามารถสงสญญาณไดไกลถง 40 ไมล ดวยความเรว 70 เมกะบตตอวนาท และมความเรวสงสด 100 เมกะบตตอวนาท สวนการพฒนา LTE จะมความเรวมากกวายค 3G ถง 10 เทา โดยมความสามารถในการสงถายขอมล และมลตมเดยสตรมมงทมความเรวอยางนอย 100 เมกะบตตอวนาท และมความเรวสงสดถง 1 จกะบตตอวนาท

การสอสารในยคท 5 (Fifth Generation: 5G) เครอขายไรสาย 5G จะเขาสยคอนเทอรเนตของทกสง (Internet of Things) ซงทกสงทกอยางในโลกจะเชอมโยงกนดวยเครอขายอนเตอรเนตทงหมด มการเชอมตอโดยใชคลนความถทสง สามารถรองรบความจทเพมขนเปน 1000 เทา ผใชสามารถใชงานไดทความเรวตอคนสงถง 10 จกะบตตอวนาท ความจชองสญญาณและความเรวทเพมขนจะท าใหการเชอมตอระหวางคนกบอปกรณเปนแบบไรระยะทาง (Zero-Distance) ซงภายในป 2020 สามารถเชอมตอจ านวนอปกรณไดอยางนอยหนงแสนลานอปกรณ การเตรยมความพรอมส าหรบเครอขายดงกลาวทจะเกดขนระหวางป 2020-2030 มาประยกตรวมกบของใหม รวมถงจะไดรบการพฒนาอยางตอเนอง

Page 21: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

7

เพอสรางสรรคสงใหม ๆ ตอไป เทคโนโลยไรสายป 2020 นจดเปนการท างานรวมกนระหวางเทคโนโลยใหมกบเทคโนโลยทมอยเดมนนเอง

รปท 2.1 แสดงววฒนาการตงแตยคท 1 - ยคท 5 ทมา: http://thaimobi.com/about-5g 2.1.1.1 หลกการท างานพนฐานของเทคโนโลย 5G เทคโนโลยเครอขายแหงอนาคตในชวงหลายสบปทผานมา เทคโนโลยของเครอขายโทรศพทมอถอไดมการพฒนาไปอยางรวดเรว รวมถงการเกดขน และเตบโตของอปกรณชนดใหม ๆ ไมวาจะเปนโทรศพทมอถอสมารทโฟน และแทบเลต ซงววฒนาการเชนนไดกระตนใหเกดการใชงานเพอประโยชนทหลากหลายมากยงขนกวาเดม สงผลท าใหปรมาณการใชงานบนเครอขายเตบโตมากขนตามไปดวย นคอจดเรมตนของการเปลยนแปลงสสงคมเครอขายททกสงทกอยางสามารถเชอมตอถงกนได ดงนน เทคโนโลยการสอสารบนเครอขายโทรศพทมอถอทมใชอยทวไปในปจจบน จะยงคงไดรบการพฒนาตอไป เพอปรบปรงคณภาพ ประสทธภาพ และความสามารถของระบบใหมความกาวหนายงขนควบคไปกบการพฒนาเทคโนโลยเสรมเพอใชในกรณเฉพาะ ซงการใชงานรวมกนอยางราบรนระหวางเทคโนโลยเสรม และเทคโนโลยหลก อยาง 3G และ 4G จะท าใหผใชไดรบประโยชนจากการใชงานบรการรปแบบใหม ๆ มากยงขน

เทคโนโลย 5G เปนระบบสอสารไรสายยคถดจากระบบ 4G ซงเปนระบบทก าลงถกพฒนาโดยหลายประเทศ อาท ประเทศในสหภาพยโรป องกฤษ จน ญปน เกาหลใต โดยมการก าหนดมาตรฐานจากสหภาพโทรคมนาคมนานาชาต หรอไอทย ( ITU) เปนหนวยงานทมอ านาจก าหนดมาตรฐานตาง ๆ เกยวกบโทรคมนาคมวาเทคโนโลย 5G ตองสามารถรบสงขอมลไดเรวถง 10 จกะบตตอวนาท หรอ

Page 22: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

8

เฉลยความเรวในขณะเคลอนทตอคนอยท 200 เมกะบตตอวนาท ซงมากกวา 4G ถง 20 เทา (4G มมาตรฐานอยท 1 จกะบตตอวนาท) ท าใหผใชงานเสมอนกบการใชงานไฟเบอร (Fiber) แตความเรวถาไดใชจรง ๆ อาจจะไมถง 20 จกะบตตอวนาท เพราะความสามารถกขนอยกบหลาย ๆ ปจจยดวย เชน พนท สภาพอากาศ และอปกรณระบบ 5G จะตองมเวลาในการสวตซระหวางเทคโนโลยการเขาถงวทยทตางระบบกนสงสด 10 เมตรตอวนาท เพอใหมนใจไดวาเปนการใหบรการทไมขาดสายไรรอยตอ ทงนยงมความจชองสญญาณทมาก และเปดใชงานตลอดเวลา (Always-On) ซงระบบเครอขายเคลอนทปจจบนมการสนบสนนผใชงานถง 5 พนลานแอพพลเคชนแลว ดงนน 5G จงจ าเปนตองเพมขยายแบนดวทใหสนบสนนหลายพนลานแอพพลเคชนและสนบสนนเครองเปนแสนลานเครองดวย เพอรองรบปรมาณของผใชงานในอนาคต รวมถงการใชพลงงานตอบตกควรจะถกลดลงเปนพนเทาเพอปรบปรงระยะเวลาการใชงานของแบตเตอรของเครองทถกเชอมตอ

ในอนาคตผใชบรการจะสามารถรสภาพอากาศ และสถานทในขณะทพดคยกบคน ๆ นนได การรกษาทางการแพทยกจะท าไดอยางงายดาย และประหยด แพทยสามารถรกษาผปวยซงอยในสวนทหางไกลของโลกได การศกษาจะกลายเปนเรองทงายทนทไมวานกเรยนจะอยในสวนใดของโลกกสามารถเขารวมชนเรยนได โดยอาจจะเหนภาพฉายแบบโฮโลแกรม (Hologram) เลยทเดยว สามารถควบคมเครองคอมพวเตอรหรออปกรณอน ๆ ไดโดยโทรศพทมอถอ รวมทงภยธรรมชาต สนาม แผนดนไหว ฯลฯ กสามารถตรวจพบไดเรวขน บางอยางในปจจบนกสามารถท าไดอยแลวเพยงแคอาจจะยงไมสมบรณเทานนเอง แตขอดของ 5G ทเหนไดชดเลยคอ ไมตองดาวนโหลดแอพพลเคชนมาเกบไวในเครองอกตอไป เพราะมการเกบขอมลตาง ๆ หรอการแลกเปลยนขอมลกนในระบบเคลาด (Cloud) ซงเปนอกหนงในรปแบบของอนเทอรเนตของทกสง ( Internet of Things) ทอปกรณเครองใชไฟฟาเกอบทกอยาง หรอสงของตาง ๆ จะสามารถเชอมขอมลกบอนเทอรเนตได เพยงใชระบบเคลาดโทรศพทมอถอกแคท าหนาทดงขอมลออกมาจากระบบบวกกบความเรวของระบบไรสายอยาง 5G ท าใหเราดงขอมลไดไว การเขาถงขอมลจงท าไดทกททกเวลา ไมตองกลวไฟลหาย และยงประหยดพนทฮารดดสกอกดวย

ในการเพมความสามารถของเครอขาย และเพมคณสมบตในการท างานใหสงขนเมอเทยบกบเครอขายในปจจบน โดยแทบทกฟงกชนการท างานของเครอขายจะถกก าหนดดวยซอฟตแวรดวยเทคโนโลยทมความชาญฉลาด (Cognitive Technologies) นจะควบคมและสงเสรมการท างานของเครอขายโดยอตโนมต ขณะเดยวกนกสามารถสงเนอหา และกระจายการประมวลผลใหครอบคลมทงเครอขาย โดยจะค านงถงจดทผใชงานมความตองการมากทสด

แมวาปจจบนยงไมไดมการก าหนดมาตรฐานของเทคโนโลยสอสารไรสาย 5G ไวอยางชดเจนกตาม แตแนวคดแบบองครวมขางตนกท าใหภาพทชดเจนเกยวกบแนวโนมสถาปตยกรรมในยค 5G ในอนาคต ทงนองคประกอบหลายองคประกอบทกลาวขางตนไดมการพฒนาส าเรจ และใชงานจรงแลวในบางประเทศ

Page 23: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

9

2.1.1.2 การน าเทคโนโลย 5G มาประยกตใช

การเปรยบเทยบการใชงานของเทคโนโลย 3G, 4G และ 5G สามารถเปรยบเทยบใหเหนถงความแตกตางในดานการขบเคลอนสถาปตยกรรมเครอขาย คลนความถ แถบความถกวาง รวมไปถงคณภาพของการใหบรการ ดงตารางท 2.1

Page 24: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

10

ตารางท 2.1 เปรยบเทยบระหวางระบบ 3G, 4G และ 5G ทมา: ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง และhttps://www.blognone.com/node/42428

คณลกษณะ ระบบ 3G ระบบ 4G ระบบ 5G

การขบเคลอน (Driving Force)

เนนความส าคญดานเสยงเปนหลก การ

รบสงขอมลเปนอนดบรอง

ทงขอมล และมลตมเดย ไปดวยกนบนบรการเครอขาย

ของ IP

เนนการพฒนาใหระบบและเทคโนโลยสามารถท างานรวมกนไดเปน

สากล (Global Interoperability) โดยใชคลนความถเดยวกน

(Harmonized Spectrum Usage)

สถาปตยกรรมเครอขาย(Network

Architecture)

ระบบเครอขายบรเวณกวาง (Wide Area

Network)

เปนการรวมกนระหวาง เครอขายไร

สายกบระบบเครอขายบรเวณกวาง (Wide Area Network)

เครอขายแยกสวน (Network Slicing)

แบนดวท (Bandwidth) (bps)

384K – 2M 100M ส าหรบการเคลอนท และ 1G

ส าหรบสถาน (อยกบท)

200M ส าหรบการเคลอนท และ 10G

ส าหรบสถาน (อยกบท)

ยานความถ (Frequency Band)

(GHz)

1.8 – 2.4 2 – 8 2.4

คณภาพในการใหบรการ(Quality of Service) และความ

ปลอดภย

ไมสนบสนน สนบสนน สนบสนน

Page 25: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

11

2.1.1.3 สวนประกอบทจ าเปนของระบบโทรศพทเคลอนทยคท 5

(1) การเชอมตอเครอขายไรสายนนสามารถเชอมตอกบเครอขายหลายประเภท เชน เครอขายอนเทอรเนตไรสาย (Wi-Fi) เครอขายโทรศพทเคลอนทแถบความถกวางของชองสญญาณแบบแบงรหส (Wideband Code Division Multiple Access: WCDMA) ในยค 3G และววฒนาการระยะยาวของการสอสารแบบไรสาย (Long Term Evolution: LTE)

(2) ความเรวของผใชบรการ (Mobile Speed)

เทคโนโลยในยคท 5 จะใหบรการเชอมตอเครอขายทสามารถรบรองเทคโนโลยหลายประเภท อาจจะท าใหมปรมาณผใชงานทมากขนสงผลใหความเรวของผใชบรการจะตองเพมขนดวย เพอความสะดวกรวดเรวในการใชบรการ

(3) พนทใหบรการครอบคลมกวาง (Wide Area Coverage)

พนทใหบรการของระบบโทรศพทเคลอนทยคท 5 จ าเปนตองครอบคลมการใหบรการททวถง ไมวาจะอยในเมองใหญ หรอชนบททหางไกลกสามารถทจะใชบรการไดอยางไรรอยตอในการสอสาร

(4) การเขาถงอปกรณทหลากหลาย (Internet of Things)

เทคโนโลยในยค 5G จะมความสามารถในการเชอมตออปกรณเครองใชไฟฟาเกอบทกอยางหรอทเรยกวา อนเทอรเนตของทกสง (Internet of Things) ท าใหมนษยสามารถสงการควบคมใชงานอปกรณตาง ๆ ผานทางเครอขายอนเตอรเนตได เชน การใชสมารทโฟนสงเปด -ปด อปกรณเครองใชไฟฟาสามารถแสดงดงรปท 2.2

รปท 2.2 ความสามารถในการใชงานของเครอขายไรสายในยคท 5

Page 26: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

12

ทมา: http://goto2g3g4g5g.blogspot.com

2.1.1.4 วตถประสงคของการออกแบบ

เปาหมายหลกของการออกแบบในระบบการสอสารในยค 5G นนจ าเปนตองสามารถรบสงขอมลไดเรวถง 10 จกะบตตอวนาทเมอไมมการเคลอนท หรอความเรวเฉลยในขณะเคลอนทตอคนอยท 200 เมกะบตตอวนาท จะตองมความเรวในการสอสารสงกวาระบบโทรศพทเคลอนทยคอน ๆ ทผานมา จากการเขาถงอปกรณทมความหลากหลายมากขนจงตองเพมความจของชองสญญาณใหมขนาดทใหญขนเพอรองรบปรมาณผใช และการเชอมตอจ านวนมาก นอกจากนยงสนบสนนการเพมขนอยางหลากหลายของบรการอกดวย ในระบบ 5G เนนการพฒนาใหระบบ และเทคโนโลยสามารถท างานรวมกนไดเปนสากล (Global Interoperability) โดยใชคลนความถเดยวกน (Harmonized Spectrum Usage) ดงตารางท 2.2 ซงเปนคณลกษณะของเครอขายไรสายแตละชนด

ตารางท 2.2 คณลกษณะของเครอขายไรสาย ทมา: ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง และhttps://www.blognone.com/node/42428

คณลกษณะของเครอขาย ดบเบลยซดเอมเอ

(WCDMA) ไวไฟ (Wi-Fi)

IEEE 802.11 ac แอลทอ (LTE)

ความถ (MHz) 2100 2400 2600

แบนดวท (MHz) 5 80,160 1.4

อตราระบบเชอมโยงขาขน (Mbps)

0.000384 7000 100

อตราระบบเชอมโยงขาลง (Mbps)

0.3 6930 50

สมประสทธราคาตนทน 0.8 0.4 0.7 พนทขอบเขตการใหบรการ (m)

2500 35 1000

ความเรวของโทรศพทเคลอนท (m/s)

< 80 < 4 < 139

Page 27: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

13

2.1.2 หลกการของโครงขายประสาทเทยม (Neural Networks) โครงขายประสาทเทยม (Neural Networks) เปนการจ าลองการท างานของเครอขายประสาทในสมองมนษย ซงมความสามารถในการเรยนร และการจดจ าเชนเดยวกบความสามารถทมในสมองมนษย ซงประกอบดวยเซลลประสาทหรอ “นวรอน” (Neurons) และจดประสานประสาท (Synapses) โดยจะมเดนไดรท (Dendrite) ท าหนาทรบสญญาณอนพตเขามาโดยแตละเดนไดรทจะมคาน าหนกทไมเทากน จากนนตวเซลล (Cell Body) จะท าหนาทรวบรวมสญญาณอนพตสงผานไปยงปลายของกระแสประสาทเรยกวา "แอคซอน" (Axon) ท าหนาทในการสงสญญาณออกไป โดยสญญาณเอาตพตจะเปนฟงกชนของผลรวมทไดรบจากตวเซลลนนเอง

รปท 2.3 โครงสรางพนฐานของโครงขายประสาทเทยม ทมา: https://inovancetech.com/ann.html

โครงขายประสาทเทยมจะประกอบดวยชนอนพต (Input Layer) ชนซอน (Hidden Layer) และขนเอาตพต (Output Layer) ดงแสดงในรปท 2.3 หลกการท างานของโครงขายประสาทเทยมคอ เมอมอนพต (Input) เขามายงระบบจะน าคาอนพตมาคณกบคาถวงน าหนก (Weight) ของอนพตแตละตว ผลทไดจากอนพตของทก ๆ ตว จะเอามารวมกนแลวกเอามาเปรยบเทยบกบคาเรมตน (Threshold) ทก าหนดไว ถาผลรวมมคามากกวาคาเรมตนทก าหนดไวกจะสามารถสงเอาตพตออกไปได เอาตพตนกจะถกสงไปยงอนพตของเซลลประสาทอน ๆ ทเชอมกนในเครอขาย ถาคาของผลรวมนอยกวาคาเรมตนทก าหนดไวเอาตพตกไมสามารถสงออกไปได การน าโครงขายประสาทเทยมไปใชงานนนจะประกอบดวย 2 ขนตอนหลกคอ ขนตอนการเรยนรหรอการฝกสอน (Training) และขนตอนการทดสอบ (Testing) ซงแตละขนตอนกจะแยกออกไปตามแตละประเภททใช

Page 28: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

14

2.1.2.1 โครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร

ส าหรบการแบงนบเวกเตอรเพอการเรยนรประกอบดวย 2 ชน ไดแก ชนของการแขงขน (Competitive Layer) และชนเครอขายเชงเสน (Linear Networks Layer) แสดงดงรปท 2.4 ซงหลกการท างานโดยรวมของโครงขายประสาทเทยมชนดนจะอาศยพนฐานการเรยนรดวยตวเองโดยไมตองผานการฝกฝน (Self-Organizing Map: SOM) ซงรายละเอยดในการท างานของแตละชน เปนดงน

(Competitive Layer)

(Linear Networks Layer)

x y

รปท 2.4 กระบวนการแบงนบเวกเตอรเพอการเรยนร

(1) ชนของการแขงขน (Competitive Layer)

ชนการแขงขน (Competitive Layer) จะใชการเรยนรโดยอาศยการพจารณาตามกฎของยคลเดยน (Euclidean) ดงนนการฝกสอนชดขอมลทไดกคอการน าคาอนพตมาใชในการพจารณารวมกบการก าหนดกลมไปโดยปรยาย สวนรปแบบการฝกสอนจะมลกษณะเปนเวกเตอร และถกเชอมตอกนดวยคาถวงน าหนกในรป ดงสมการท 2.1

)},(),()({ xwdxwdijwXxR jiji

(2.1)

เมอ ),( xwd i คอ ระยะทางทค านวณไดในแตละอนพต (2) ชนเครอขายเชงเสน (Linear Networks Layer)

การฝกสอนเครอขายแบบเชงเสนนขนอยกบการลดลงของคาความผดพลาดก าลงสองเฉลย (Mean Square Error: MSE) ดงสมการท 2.2 ระหวางการฝกสอนคาอนพต และคาความผดพลาดทยอมรบได ส าหรบขนตอนการฝกสอนโครงขายแบบเชงเสนจะน าเอาคาถวงน าหนก (Weighted Value) และคาไบแอส (Bias) มาท าการปรบปรงในรอบการเรยนรถดไป เพอท าใหคาความผดพลาดทไดมคานอยกวาหรอเทากบคาทยอมรบไดดงสมการท 2.3 และ 2.4 ตามล าดบ

Page 29: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

15

Q

k

Q

k

kaktQ

keQ

MSE1

))()((1

)(1

1

22 (2.2)

)()(2)()1( kpTkekWkW (2.3)

)(2)()1( kekbkb (2.4)

เมอ Q คอ จ านวนรปแบบทงหมดทเปนไปได W คอ คาถวงน าหนก (Weight Value) คอ คาอตราการเรยนร (Learning Rate) )(ke คอ คาความผดพลาด (Error) ทเกดจากการเรยนรในรอบท k p คอ คาอนพตทเกดจากชนของการแขงขน (Competitive Layer) )(kT คอ คาเปาหมายทก าหนดไวลวงหนา 2.1.3 มาตรฐาน IEEE 802.11 IEEE 802.11 คอ มาตรฐานการท างานของระบบเครอขายไรสายก าหนดขนโดย Institute of Electrical and Electronics Engineers (IEEE) เปนมาตรฐานกลางทไดน ามาปฏบตใช เพอทจะท าการเชอมโยงอปกรณเครอขายไรสายเขาดวยกนบนระบบ โดยมาตรฐาน 802.11 ใชการสงสญญาณแบบคลนวทยทความถ 2.4 จกะเฮรตซ ซงเปนความถไอเอสเอม (Industrial Scientific and Medical: ISM) สามารถสงขอมลไดดวยอตราความเรวคอนขางต า คอ 1 และ 2 เมกะบตตอวนาทเทานน โดยใชเทคนคการสงสญญาณหลกอย 2 รปแบบคอ ดเอสเอสเอส (Direct Sequent Spread Spectrum: DSSS) และ เอฟเฮชเอสเอส (Frequency Hopping Spread Spectrum: FHSS) ซงถกคดคนมาจากหนวยงานทหาร การสงสญญาณทง 2 รปแบบจะใชความกวางของชองสญญาณ (Bandwidth) ทมากกวาการสงสญญาณแบบแถบความถแคบ (Narrow Band) แตท าใหสญญาณมความแรงมากกวาซงงายตอการตรวจจบมากกวาแบบความถแคบ

Page 30: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

16

ในปจจบนการใชไวไฟ (Wi-Fi) เรยกไดวาเปนเรองปกตไปเปนทเรยบรอยแลว สงเกตไดจากปรมาณของอปกรณทรองรบการเชอมตอไวไฟ (Wi-Fi) และการใหบรการอนเตอรเนตความเรวสงแบบไรสาย (Wi-Fi Hotspot) ทมใหใชงานมากมาย ซงแนนอนวาการทจะท าใหมนท างานไดอยางราบรนกจะตองมมาตรฐานกลางในการก าหนด และควบคมรปแบบการท างาน ดงในปจจบนจะมมาตรฐานทเปนทนยมใชกนทวไปอย 2 ตวดวยกน ไดแก 802.11g และ 802.11n โดยในระยะเวลาอนใกลจะไดเหนมาตรฐาน 802.11ac ออกมาใชงานรวมดวย ทงน 802.11ac ถกพฒนาขนมาโดยเนนไปทการเพมประสทธภาพของการรบสงคลนท าใหไดผลลพธคอความเรวทเพมขนจากเดมมาก รวมไปถงระยะทไกลขน และสามารถทะลผานสงกดขวางไดดขน โดยคณสมบตของ 802.11ac ตางจาก 802.11g และ 802.11n ดงแสดงในตารางท 2.3

ตารางท 2.3 การเปรยบเทยบมาตรฐาน IEEE 802.11 ระหวาง 802.11g, 802.11n และ 802.11ac ทมา: ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง และhttps://www.blognone.com/node/42428

มาตรฐาน ความถคลน ความกวางของชองสญญาณ

ความเรวสงสด รองรบ MIMO

802.11g 2.4 GHz 25 MHz 54 Mb/s ไมรองรบ 802.11n 2.4/5 GHz 40 MHz 600 Mb/s รองรบ (3)

802.11ac 5 GHz 80 MHz

และ 160 MHz 6.93 Gb/s รองรบ (8)

จากตารางสงเกตไดวาในอนาคตจะมการปรบความถคลนไปใชท 5 จกะเฮรตซกนหมด จากทในปจจบนยงมอย 2 ความถดวยกน และยงมการเพมความกวางของชองสญญาณ (Bandwidth) ขนมาเปน 80 กบ 160 เมกะเฮรตซอก จงชวยใหความเรวในการรบสงขอมลเพมขนมาก แตความเรวสงสดทอยในตารางนนจะตองอยในเงอนไขการใชอปกรณแบบสด ๆ ดวยเชนกน นนคอตวสงสญญาณจะตองม 8 เสา และตวรบสญญาณจะตองม 2 เสาจ านวน 4 ชดดวยกน จงจะสามารถใชงาน 802.11ac ไดดวยความเรวเตมท เนองจาก 802.11ac ท างานบนชวงความถ 5 จกะเฮรตซ ซงมขอบเขตสญญาณแคบกวาชวงความถ 2.4 จกะเฮรตซ อยางไรกตาม 802.11ac มฟงกชนทเรยกวา การสวตซล าคลน (Beam-Forming) ท าหนาทปรบมมของสายอากาศ (Antenna) และบบสญญาณใหยงไปหาอปกรณรบสญญาณโดยตรง สงผลใหไดระยะทางทไกลขน (แตละเสาท างานอสระตอกน ท าใหแบงกนยงสญญาณไปยงอปกรณหลาย ๆ

Page 31: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

17

เครองพรอมกนได) แตกรณทมผใชงานเปนจ านวนมาก ฟงกชนนกจะไมสามารถใชงานไดอยางเตมท ผใชจงจ าเปนตองเขาใกลตวสงสญญาณมากขนเพอทจะไดรบสญญาณทดขน ในมาตรฐาน 802.11ac นน เพอใหไดความเรวสงขน จงใชชองสญญาณทมความกวาง 80 และ 160 เมกะเฮรตซ แทนทจะเปน 20 เมกะเฮรตซ เหมอนมาตรฐาน 802.11n สงผลใหสามารถเลอกใชชองสญญาณทจะท าใหไมเกดการรบกวนกนของสญญาณไดสงสดเพยง 5 และ 2 ชอง ตามล าดบเทานน ดงนนผดแลระบบจงควรใชความระมดระวงในการออกแบบระบบเครอขายไรสายบนพนททมการใชงานหนาแนน และจ าเปนตองใชตวสงสญญาณหลายเครองดวย 2.1.4 การยายขามเซลล (Handover) กระบวนการแฮนด โอเวอร หรอแฮนดออฟ (Handover or Handoff Process) คอกระบวนการเปลยนชองสญญาณในการตดตอสอสารซงเปนกระบวนการสงตอการบรการของสถานผใชจากชองสญญาณหนงไปยงอกชองสญญาณของเซลลขางเคยงภายในเครอขายไรสายเคลอนท (Mobile Wireless Networks) เพอใหเกดบรการทตอเนอง และมคณภาพเปนทนาพงพอใจ เนองจากเมอผใชมการเคลอนทออกหางจากสถานฐานทก าลงใชงานอย จนใกลเขตแดนระหวางเซลลความแรงของสญญาณทผใชไดรบจากสถานฐานปจจบนกลดลงอยางตอเนอง ซงอาจสงผลใหคณภาพการบรการทสถานผใชไดรบนนดอยลงไปแตในขณะเดยวกนความแรงทผใชไดรบจากสถานฐานขางเคยงกจะมก าลงทสงขน ดงนนระบบจงจ าเปนทเครอขายสอสารเคลอนทไรสายตองมกระบวนการแฮนดโอเวอร (Handover) ทชวยตดสนใจการสงตอบรการสอสารใหทนเวลากอนทสญญาณจะหลดไป การท างานของโมบายไอพรนท 6 จะประสบความส าเรจไดตองอาศยกระบวนการทเรยกวา การยายขามเซลล (Handover หรอ Handoff) ทชวยใหโทรศพทเคลอนทสามารถเปลยนการเชอมตอเครอขายในขณะทก าลงตดตอสอสารอยกบเคอเรสปอนเดนทโหนด (Correspondent Node) และโปรโตคอลทอยเหนอขนไปกวาชนการสอสารท 3 (Network Layer) ยงคงท างานอย และไมตองเรมการเชอมตอใหมอกครง การยายขามเซลลสามารถจ าแนกไดเปน 2 ประเภท อยางแรกคอ การแฮนดโอเวอรในแนวนอน (Horizontal Handover) ถาเทคโนโลยระหวางพนททใชเทคโนโลยการเชอมตอทเหมอนกนเชน การเปลยนแอคเซสพอยท (Access Point) เปนตน สวนการแฮนดโอเวอรในแนวตง (Vertical Handover) คอ การเชอมตอระหวางพนทในการเขาถงทมเทคโนโลยแตกตางกนเชน การเปลยนเครอขายสามจ (3G) มาใชไวเลสแลนด (WLAN) ซงจะเปนเครอขายในอนาคต นอกจากนการยายขามเซลล (Handover) ยงสามารถพจารณาถงชนการสอสารท 2 (Link Layer) ถาระหวางการเชอมตอครอบครองโดยวงเครอขายยอย (Subnet) เดยวกนหรอชนการสอสารท 3 (Network Layer) ถาท าระหวางการเชอมตอครอบครองโดยวงเครอขายยอย (Subnet) ทตางกนจะตองตงคาหมายเลขไอพรนท 6 ทตางจากเดม

Page 32: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

18

2.1.4.1 การแฮนดโอเวอรในชนท 2 (Layer 2 Handover) เปนกระบวนการทเกดขนชนการสอสารท 2 ของแบบจ าลองส าหรบอางองการเชอมตอระบบเปด (OSI Reference Model) กระบวนการยายขามเซลลแบบนโทรศพทเคลอนทไมมความจ าเปนตองเปลยนหมายเลขไอพ ยกตวอยางเชน การเปลยนแอคเซสพอยททอยภายใตแอคเซสเราเตอร (Access Router) ตวเดยวกน ในการเชอมตอแอคเซสพอยทประกอบไปดวย 3 ขนตอนคอ การตรวจรายละเอยด (Scanning), กระบวนการพสจนตวตน (Authentication) และกระบวนการเขารวมซ า (Re-association) ซงระยะเวลาสวนใหญจะสญเสยไปกบการตรวจรายละเอยดหาชองสญญาณ ดงรปท 2.5

Home AgentHome Network

Access RouterAccess Router

Correspondent Node

Access Router

APAP

Mobile Node

Foreign Network

Internet

รปท 2.5 กระบวนการแฮนดโอเวอรในชนท 2 ทมา: ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง

2.1.4.2 การแฮนดโอเวอรในชนท 3 (Layer 3 Handover)

เปนกระบวนการทเกดขนในชนการสอสารท 2 และชนการสอสารท 3 ของแบบจ าลองส าหรบอางองการเชอมตอระบบเปด ซงโทรศพทเคลอนทท าการเปลยนจดเชอมตอสอนเตอรเนต และหมายเลขไอพ ดงนนโทรศพทเคลอนทตองท าการตรวจสอบหมายเลขไอพทจะน ามาใชดวยวาถกใชไปแลวหรอไมเพอปองกนความผดพลาดในการตดตอสอสารท าใหการท างานลาชากวากระบวนการแฮนดโอเวอรในแนวนอน

Page 33: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

19

Home AgentHome Network

Access RouterAccess Router

Correspondent Node

Access Router

AP AP

Mobile Node

Foreign Network

Internet

AP Access Router Access Router

รปท 2.6 กระบวนการแฮนดโอเวอรในชนท 3 ทมา: ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง

จากรปท 2.6 เปนการแสดงใหเหนถงการเคลอนทของโทรศพทเคลอนทจากจดทเปน แอคเซสเราเตอรตวเกาไปยงแอคเซสเราเตอรตวใหมมผลกระทบทงชนการสอสารท 2 และชนการสอสารท 3 แตความลาชาทเกดขนระหวางกระบวนการยายขามเซลลยงคงต าอย เนองจากกระบวนการนเกดขนภายในโดเมน (Domain) เดยวกนซงไมไดเกยวของกบเครอขายอนเตอรเนตทอยภายนอกโดเมน

Page 34: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

20

Home AgentHome Network

Access RouterAccess Router

Access Router

AP

Mobile Node

Foreign Network

Internet

AP

รปท 2.7 กระบวนการแฮนดโอเวอรระหวางชนท 2 และชนท 3 ทมา: ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง

จากรปท 2.7 โทรศพทเคลอนทเคลอนทไปยงแอคเซสพอยททอยตางโดเมนแมวาระยะหางในการเคลอนท ไปยงแอคเซสพอยททอยต างโดเมนจะไม ไกลกนมากแตอาจจะไดผลสรปว าโทรศพทเคลอนทเคลอนทในระยะทางทไกลเนองจากจะตองสงสญญาณออกไปสเครอขายอนเตอรเนตรวมทงนโยบายดานความปลอดภยทตางกนจงท าใหเกดความลาชาทสงกวาการยายขามเซลลขางตนทไดอธบายไป เพราะผใหบรการมกจะปดกนทราฟฟคจากโทรศพทเคลอนทจนกวากระบวนการพสจนตวตน (Authentication) จะแลวเสรจจงท าใหความส าเรจของการยายขามเซลลในสถานการณนขนอยกบความส าเรจของการพสจนตวตนบนเครอขายใหม นอกจากนยงมกระบวนการยายขามเซลลชน ดอน ๆ อยางเชน ฮารดแฮนดโอเวอร (Hard Handover) เปนวธทจะท าการตดการเชอมตอจากเครอขายเดมกอนทจะเรมการเชอมตอกบเครอขายใหมวธการนจะไมสนใจเรองการสญเสยแพคเกตในขณะเกดกระบวนการยายขามเซลล การกขอมลกลบคนมาเปนหนาทของโปรโตคอลทอยเหนอกวาชนสอสารท 3 เชน โปรโตคอลทซพ (TCP) และอกแบบคอ ซอฟตแฮนดโอเวอร (Soft Handover) ทการเชอมตอของโทรศพทเคลอนทจะเชอมตอเขาสเครอขายตลอดเวลาอยางนอยหนงการเชอมตอท าใหมสวนของการเชอมตอททบซอนกน โมบายไอพรนท 6 ถกออกแบบมาเพอชวยในการเคลอนทระหวางเซลลขนาดใหญทอยตางโดเมน (Macro-Mobility) แตกไมยากนกทจะพฒนา และเพมความสามารถใหสนบสนนการเคลอนทระหวางเซลลขนาดเลกทอยภายในโดเมนเดยวกน (Micro-Mobility)

Page 35: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

21

2.2 งานวจยทเกยวของ ธนาวฒ ประกอบผล (2552) ไดศกษาโครงขายประสาทเทยม (Neural Network) เปนศาสตรแขนงหนงทางดานปญญาประดษฐ (Artificial Intelligence: AI) ทสามารถน าไปประยกตใชกบงานหลายดานไดอยางมประสทธภาพ เชน การจ าแนกรปแบบการท านายการควบคมการหาความเหมาะสม และการจดกลมเปนตน หลกการส าคญของโครงขายประสาทเทยมคอ ความพยายามทจะลอกเลยนแบบการท างานของเซลลประสาทในสมองมนษยเพอใหท างานไดอยางมประสทธภาพ ลกษณะโดยทวไปของโครงขายประสาทเทยมคอการทโหนด (Node) ตาง ๆ จ าลองมาจากไซแนป (Synapse) ของเซลลประสาทระหวางเดนไดรท (Dendrite) และแอกซอน (Axon) โดยมฟงกชนเปนตวก าหนดสญญาณสงออก (Activation Function or Transfer Function) นนเอง ลกษณะของโครงขายประสาทเทยมสามารถแบงได 2 แบบคอ 1) โครงขายประสาทเทยมแบบชนเดยว (Single Layer) ซงจะมเพยงชนสญญาณประสาทขาเขาและชนสญญาณประสาทขาออกเทานน เชน โครงขายเพอเซบตรอนอยางงาย (Simple Perceptron) และโครงขายโฮปฟลด (Hopfield Networks) เปนตน และ 2) โครงขายประสาทเทยมแบบหลายชน (Multi-Layer) ซงมลกษณะเชนเดยวกบโครงขายประสาทเทยมแบบชนเดยวแตจะมชนซอน (Hidden Layer) เพมขน โดยอยสวนกลางระหวางชนน าขอมลปอนเขา และชนสงขอมลออกทงนชนซอนอาจมมากกวา 1 ชน อยางไรกตามการแบงโครงขายประสาทเทยมตามประเภทการเรยนรของโครงขายสามารถแบงได 2 ประเภทคอ การเรยนรแบบมผสอน (Supervised Learning) และการเรยนรแบบไมมผสอน (Unsupervised Learning) โดยในปจจบนการพฒนาโครงขายประสาทเทยมยงคงมการด าเนนการอยางตอเนอง และคาดวาจะมบทบาทอยางมากในดานการจ าแนกรปแบบการพยากรณ การควบคม การหาคาความเหมาะสม และการจดกลม ชนดา กมภา และสรนดา คาดว (2556) ไดท าการศกษาการตดสนใจแฮนดโอเวอรแบบแนวตงโดยใชวธโครงขายประสาทเทยมแบบแพรยอนกลบส าหรบการสอสารไรสายในยคท 4 โดยวธการทดลองตาง ๆ จะประกอบดวยการออกแบบโครงสรางของเครอขายไรสายในยคท 4 คอ WiFi , LTE และ Mobile WiMAX แลวน าขอมลทไดไปออกแบบโครงขายประสาทเทยม จากนนน าโครงขายประสาทเทยมทผานการฝกสอนจนสามารถรจ าไดแลวมาพจารณาคาอตราการแฮนดโอเวอรของระบบ คาอตราการเรยกขาดหายของระบบ ส าหรบในสวนของการน าเอาโครงขายประสาทเทยมมาใชในการตดสนใจทจะแฮนดโอเวอรนนสามารถท าไดโดยการพจารณาจากคาพารามเตอรทเกยวของกบผใชคอ ความแรงของสญญาณทผใชสามารถรบได ความหนาแนนของปรมาณทราฟฟคจากสถานฐานทก าลงใหบรการอยและสถานฐานขางเคยงของโทรศพทเคลอนท และราคาตนทนของแตละเครอขาย จากผลการทดลองพบวาวธทน าเสนอสามารถชวยลดการแฮนดโอเวอรทไมจ าเปนลงไดเมอเทยบกบวธเทรชโฮลซงจะพจารณาแคความแรงของสญญาณทผใชไดรบเพยงอยางเดยวเทานน แตวธการแพรยอนกลบนยงไมเหมาะกบขอมลทมลกษณะไมเปนเชงเสนในปรมาณมาก ๆ

Page 36: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

22

ชลดา ภทรณชกล ปณยนช ทองขนนา และเรนกา เนตรสวาง (2557) ไดศกษาการตดสนใจแฮนดโอเวอรแบบแนวตงโดยใชวธเรเดยลเบซสฟงกชนส าหรบการสอสารไรสายในอนาคต ซงจะประกอบดวยการออกแบบโครงสรางของเครอขายไรสายในยคท 4 (4G) คอ Wi-Fi, LTE และWCDMA โดยใชคาความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS) ความเรวของผใชบรการ (Mobile Speed) และตนทนคาใชจายของแตละเครอขาย (Cost) ของระบบไรสายในอนาคต เพอน าไปออกแบบโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน แลวน าโครงขายประสาทเทยมทไดมาพจารณาตดสนใจเลอกเครอขายทเหมาะสม โดยวเคราะหประสทธภาพในรปอตราการแฮนดโอเวอร และอตราการเรยกขาดหายของระบบ ซงผลการทดลองจะเหนวาวธนสามารถชวยลดจ านวนการแฮนดโอเวอรลงไดเมอเทยบกบโครงขายประสาทเทยมแบบการแพรยอนกลบ แตมขอเสยคอ การพจารณาปจจยทเกยวของกบการตดสนใจในการแฮนดโอเวอรนนยงไมคอยเหมาะสมกบสภาวะแวดลอมจรง ดงนนในโครงงานเลมนจงน าหลกการออกแบบโครงขายของวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชนมาเปนแนวทางในการตดสนใจส าหรบการแฮนดโอเวอรแบบแนวตงโดยใชวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร เพอใหเหมาะกบการตดตอสอสารทก าลงจะเกดขนในเครอขายไรสายในยคท 5

Page 37: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

23

บทท 3 วธการด าเนนงาน

ในการศกษาการตดสนใจแฮนดโอเวอรแนวตงโดยขนอยกบโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรส าหรบการสอสารไรสารในอนาคต เนอหาในบทนจะกลาวถงวธด าเนนการทดลองตาง ๆ ซงประกอบไปดวยการออกแบบโครงสรางของเครอขายไรสายในอนาคตใหสามารถท างานรวมกนได โดยพจารณาจากความเรวของผใชบรการ (Mobile Speed) ความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS) อตราการรบสงขอมล (Data Rate) และปรมาณผใชทใชบรการ (Traffic Load) ของแตละเครอขาย โดยน าขอมลเหลานไปประยกตใชในการออกแบบโครงขายประสาทเทยม สดทายจะวดประสทธภาพในรปของจ านวนการแฮนดโอเวอร จ านวนการเรยกขาดหาย และจ านวนการเรยกตดขด ตามล าดบดงรปท 3.1

รปท 3.1 กระบวนการท างานของโครงงานทงหมด

3.1 การออกแบบเครอขายไรสายในอนาคต ท าการจ าลองดวยโปรแกรมแมทแลป และเพอแสดงผลใหเหนชดเจนขนจงน ามาแสดงภาพจ าลองโดยใชโปรแกรม Visio โดยการก าหนดต าแหนงของเครอขาย WCDMA LTE และ WiFi (IEEE 802.11ac) ดงรปท 3.2 การออกแบบโครงสรางเครอขายไรสายในอนาคตนจะสามารถท างานรวมกนไดแบบไรรอยตอ ซงเราจะน าไปหาคาความแรงของสญญาณทผใชไดรบโดยการสมต าแหนงของผใช และก าหนดรศมของสญญาณจากสถานฐานดงน

Page 38: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

24

LTELTE

WiFi 1WiFi 1

WCDMAWCDMA

WiFi 2WiFi 2

R=2500m

R=1000m

R=35m R=35m

รปท 3.2 แสดงโครงสรางโครงขายไรสายในอนาคต

ก าหนดให WiFi (IEEE 802.11ac) มรศมของสญญาณจากสถานฐาน คอ 35 เมตร ก าหนดให LTE มรศมของสถานฐาน คอ 1,000 เมตร ก าหนดให WCDMA มรศมของสถานฐาน คอ 2,500 เมตร น าคาทไดไปเขยนในโปรแกรมแมทแลป เพอสมต าแหนงของผใชโดยก าหนดจดในระนาบบนแกน x ภายในขอบเขต 1-5,000 เมตร และแกน y ภายในขอบเขต 750-5,750 เมตร ท าใหไดต าแหนงของผใชครอบคลมเครอขายทงสามเครอขาย โดยแบงผใชออกเปน 6 กลม ไดแก 100 300 500 1,000 1,500 และ 2,000 คนตามล าดบ

3.2 การหาคาอนพต

3.2.1 ความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS) ในแตละระบบของเครอขายไรสายในอนาคต 3.2.1.1 เครอขาย WiFi จะมการหาคาความแรงของสญญาณดงสมการท 3.1 (ทมา: Sunisa Kunarak)

Page 39: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

25

))37.39(

100log(10)(

ddRSS dBm (3.1)

โดย คอ คาลดทอนการสญเสยมคาเทากบ 2.8

d คอ คาระยะทางมหนวยเปนเมตร

3.2.1.2 เครอขาย LTE จะมการหาคาความแรงของสญญาณดงสมการท 3.4 โดยผานคาการลดทอนในสมการท 3.2 (ทมา: Sunisa Kunarak)

XdnSdPL dB )log(10)( (3.2)

โดย S คอ คาลดทอนก าลงของสญญาณในการทดลองใหมคาเทากบ 19 dB

n คอ คาตวคณในการลดทอนสญญาณทเกดจากสงปลกสราง หรอตกอาคารสถานท

ในโครงงานนก าหนดใหมคาเทากบ 3.5

d คอ คาระยะทางระหวางผใชกบสถานฐานมหนวยเปนเมตร

X คอ คาสญญาณรบกวนแบบเกาสเซยนการทดลองใชคาเทากบ 36 dB และน าคาทไดดงกลาวมาค านวณหาคาความแรงของสญญาณจากสมการ 3.3 (ทมา: Sunisa Kunarak)

3.2.1.3 เครอขาย WCDMA จะมการหาคาความแรงของสญญาณดงสมการท 3.4 โดยผานคาการลดทอนในสมการท 3.3 (ทมา: Sunisa Kunarak)

XdnSdPL dB )log(10)( (3.3)

โดย S คอ คาลดทอนก าลงของสญญาณในการทดลองใหมคาเทากบ 19 dB

n คอ คาตวคณในการลดทอนสญญาณทเกดจากสงปลกสราง หรอตกอาคารสถานท ในโครงงานนก าหนดใหมคาเทากบ 3.5

Page 40: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

26

d คอ คาระยะทางระหวางผใชกบสถานฐานมหนวยเปนเมตร

X คอ การแจกแจงแบบเกาสเซยน (Gaussian) ทมคาเฉลยเทากบศนย และมสวนเบยงเบนมาตรฐานเทากบ 6 dB และน าคาทไดมาค านวณหาคาความแรงของสญญาณจากสมการท 3.4

(ทมา: Sunisa Kunarak)

)()( dPLPdRSS t (3.4)

โดย tP คอคาก าลงสงสญญาณของสถานฐานเทากบ 1 วตต

d คอคาระยะทาง มหนวยเปนเมตร

ท าการค านวณเพอหาคาความแรงของสญญาณทผใชไดรบของแตละเครอขายไดผลลพธดงตอไปน

WiFi มคา -72.1130 dBm ถง -28.8069 dBm

LTE มคา -135.2680 dBm ถง -30.2680 dBm

WCDMA มคา -149.1959 dBm ถง -30.2680 dBm

3.2.2 ความเรวของผใช (Moblie Speed) ในแตละระบบของเครอขายไรสายในอนาคต

ก าหนดใหความเรวของผใชของระบบทงสามเครอขายมคาเทากบ 1 ถง 95 เมตรตอวนาท

WiFi มคา 0 ถง 4 เมตรตอวนาท

LTE มคา 0 ถง 139 เมตรตอวนาท

WCDMA มคา 0 ถง 80 เมตรตอวนาท

หมายเหต ในการทดลองส าหรบโครงงานนจะท าการก าหนดความเรวของผใชใหอยในชวงตงแต 1-95 เมตรตอวนาทเทานน เพอลดปญหาความนาจะเปนของผใชทจะตกอยในเครอขาย LTE เพยงอยางเดยว เนองจากในสภาวะความเปนจรงเครอขาย LTE จะสามารถรองรบความเรวของผใชไดสงถง 139 เมตรตอวนาท จงท าใหชวงของการท างานสามารถมโอกาสตกอยในเครอขาย LTE มากทสด

Page 41: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

27

3.2.3 อตราการรบสงขอมล (Data Rate) ในแตละระบบของเครอขายไรสายในอนาคต

ก าหนดใหอตราขอมลของระบบทงสามเครอขายอยในชวง 1 ถง 200 Mbps โดยแตละเครอขายจะมอตราขอมลดงน

อตราขอมลของเครอขาย WiFi มคา 100 ถง 200 Mbps

อตราขอมลของเครอขาย LTE มคา 50 ถง 100 Mbps

อตราขอมลของเครอขาย WCDMA มคา 1 ถง 50 Mbps

3.2.4 ปรมาณผใชทใชบรการ (Traffic Load) ในแตละระบบของเครอขายไรสายในอนาคต

ปรมาณของผใชทใชบรการในแตละเครอขายจะมปรมาณผใชทไมเทากน เนองมาจากความครอบคลมของสญญาณในแตละเครอขายมความแตกตางกน โดยแตละเครอขายจะมปรมาณผใชทใชบรการดงน

ปรมาณผใชในเครอขาย WiFi มคา 0.6 Erlangs ถง 0.7 Erlangs

ปรมาณผใชในเครอขาย LTE มคา 0.7 Erlangs ถง 0.8 Erlangs

ปรมาณผใชในเครอขาย WCDMA มคา 0.8 Erlangs ถง 0.9 Erlangs

3.3 การแบงชวงของอนพต

3.3.1 การแบงชวงความแรงของสญญาณทผใชไดรบ (Received Signal Strength: RSS) ของผใชทง 3 เครอขาย สามารถน าคาของแตละเครอขายมาแบงเปน 3 ชวง ไดดงตารางท 3.1 ตารางท 3.1 แสดงคาในแตละชวงความแรงของสญญาณทผใชไดรบจากทง 3 เครอขาย

(ทมา: Sunisa Kunarak)

ชนดของเครอขาย ชวงต า (dBm) ชวงกลาง (dBm) ชวงสง (dBm) Wi-Fi (IEEE 802.11ac) [-72.1130, -57.6776] (-57.6776, -43.2422] (-43.2422, -28.8069)

LTE [-135.2680, -100.2680] (-100.2680, -65.2680] (-65.2680, -30.2680)

WCDMA [-149.1159, -109.5533] (-109.5533, -69.9107] (-69.9107, -30.2680)

Page 42: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

28

3.3.2 การแบงชวงความเรว (Mobile Speed) ของผใชทง 3 เครอขายเครอขาย โดยน าแตละเครอขายมาแบงเปน 3 ชวงดงตารางท 3.2

ตารางท 3.2 แสดงคาในแตละชวงความเรวของผใชทง 3 เครอขาย (ทมา: Sunisa Kunarak)

ชนดของเครอขาย ชวงต า (m/s) ชวงกลาง (m/s) ชวงสง (m/s) Wi-Fi (IEEE 802.11ac) [0, 1.3333] (1.3333, 2.6666] (2.6666, 4)

LTE [0, 23.3333] (23.3333, 46.6666] (46.6666, 70) WCDMA [0, 26.6666] (26.6666, 53.3333] (53.3333, 80)

3.3.3 การแบงชวงอตราการรบสงขอมล (Data Rate) ของผใชทง 3 เครอขาย โดยน าคาแต ละเครอขายมาแบงเปน 3 ชวง ดงตารางท 3.3

ตารางท 3.3 แสดงคาในแตละชวงอตราการรบสงขอมลของผใชทง 3 เครอขาย (ทมา: Sunisa Kunarak)

ชนดของเครอขาย ชวงต า (Mbps) ชวงกลาง (Mbps) ชวงสง (Mbps) Wi-Fi (IEEE 802.11ac) [100, 133.333] (133.333, 166.667] (166.667, 200)

LTE [50, 66.667] (66.667, 83.333] (83.333, 100) WCDMA [1, 17.333] (17.333, 33.667] (33.667, 50)

3.3.4 การแบงชวงอตราปรมาณผใชทใชบรการ (Traffic Load) ของผใชทง 3 เครอขาย โดยน าคาแตละเครอขายมาแบงเปน 3 ชวง ดงตารางท 3.4 ตารางท 3.4 แสดงคาในแตละชวงของปรมาณผใชทใชบรการทง 3 เครอขาย (ทมา: Sunisa Kunarak)

ชนดของเครอขาย ชวงต า (Erlangs) ชวงกลาง (Erlangs) ชวงสง (Erlangs) Wi-Fi (IEEE 802.11ac) [0.6, 0.6333] (0.6333, 0.6667] (0.6667, 0.7)

LTE [0.7, 0.7333] (0.7333, 0.7667] (0.7667, 0.8) WCDMA [0.8, 0.8333] (0.8333, 0.8667] (0.8667, 0.9)

Page 43: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

29

3.4 การออกแบบโครงขายประสาทเทยม 3.4.1 ออกแบบคาอนพต และคาเปาหมายของโครงขาย จากการแบงทง 3 อนพตออกเปน 3 ชวง ท าใหคาอนพต และคาเปาหมายมการออกแบบได ทงหมด 81 กรณ โดยม 27 กรณเปนกรณส าหรบเครอขาย WiFi (IEEE 802.11ac) ส าหรบเครอขาย LTE 27 กรณ และอก 27 กรณส าหรบเครอขาย WCDMA ดงตารางท 3.4-3.6 ในสวนรปแบบของเงอนไข อนพตและเปาหมายส าหรบแตละเครอขายทใชในการประมวลผล สามารถแสดงดงตารางท 3.7-3.9 ตามล าดบ หมายเหต ชวงต า (Low), ชวงกลาง (Med), ชวงสง (High) จากตารางท 3.4, 3.5 และ 3.6 สามารถก าหนดคาเพอจะน าไปเปนการฝกสอนโครงขายประสาทเทยมให มการรจ าไดงายมากขน ดงตารางท 3.7 3.8 และ 3.9 โดยก าหนดให เงอนไขของอนพท ชวงต า = 0.25 ชวงกลาง = 0.50 ชวงสง = 0.75 และเงอนไขของเปาหมาย แฮนดโอเวอร = 10 ไมแฮนดโอเวอร = 01 หลกการตดสนใจในเครอขายในแตละเครอขายทง 3 เครอขาย จะตดสนใจจากคาความแรงของสญญาณทผใชไดรบเปนหลก ถาคาความแรงของสญญาณทผใชไดรบมคาต ากควรทจะตดสนใจแฮนดโอเวอรไปใชงานในเครอขายอน ถาคาความแรงของสญญาณทผใชไดรบมคาสงกไมควรทจะแฮนดโอเวอร เพราะยงสามารถรองรบการใหบรการอยได แตถาคาความแรงของสญญาณทผใชไดรบมคาเปนระดบกลางจะพจารณาจากอตราการสงขอมล และปรมาณผใชบรการเปนล าดบตอไป เครอขาย WiFi จะรองรบอตราการสงขอมลไดสง แตรองรบปรมาณผใชบรการไดนอย เนองจากพนทในการใหบรการไมกวางมาก ตวอยางเชน ถาพจารณาในเครอขาย WiFi คาความแรงของสญญาณทผใชไดรบมคากลาง อตราการรบสงขอมลมคาสง และปรมาณผใชบรการมคาต า กไมจ าเปนทจะตองแฮนดโอเวอรไปใชงานทเครอขายอน

Page 44: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

30

เครอขาย LTE สามารถรองรบอตราการสงขอมลไดในระดบกลาง ต ากวาเครอขาย WiFi และสงกวาเครอขาย WCDMA แตมพนทในการใหบรการทกวางกวาเครอขาย WiFi แตไมกวางเทาเครอขาย WCDMA ตวอยางเชน ถาพจารณาในเครอขาย LTE คาความแรงของสญญาณทผใชไดรบมคากลาง อตราการรบสงขอมลมคากลาง และปรมาณผใชบรการมคาสง จ าเปนทจะตองแฮนดโอเวอรไปใชเครอขาย WCDMA เนองจากผใชบรการทอยในเครอขาย LTE ไดรบความแรงของสญญาณในระดบกลาง และตองการอตราความเรวในการใชงานในระดบกลาง แตยงมความหนาแนนของปรมาณผใชทใชบรการทสง จงควรท าการแฮนดโอเวอรไปทเครอขายอนเพอท าใหชองสญญาณของเครอขาย LTE วางเพอรองรบผใชบรการรายอน เครอขาย WCDMA รองรบอตราการสงขอมลไดต าทสดในทง 3 เครอขาย แตมพนทในการใหบรการมากทสด ท าใหสามารถรองรบปรมาณผใชทใชบรการไดด ตวอยางเชน ถาพจารณาในเครอขาย WCDMA คาความแรงของสญญาณมคากลาง อตราการรบสงขอมลมคาต า และปรมาณผใชทใชบรการมคาสง กไมจ าเปนทจะตองแฮนดโอเวอร แตถาเครอขาย WCDMA ไมสามารถใหบรการได ผใชจะถกเรยกขาดหายในทนท

Page 45: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

31

ตารางท 3.5 แสดงรปแบบของอนพต และคาเปาหมายส าหรบเครอขาย WiFi

ความแรงของสญญาณทผใชไดรบ

อตราการรบสงขอมล ปรมาณผใชทใช

บรการ ผลลพธ

ชวงต า ชวงต า ชวงต า แฮนดโอเวอร

ชวงต า ชวงต า ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงต า ชวงสง แฮนดโอเวอร ชวงต า ชวงกลาง ชวงต า แฮนดโอเวอร

ชวงต า ชวงกลาง ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงกลาง ชวงสง แฮนดโอเวอร ชวงต า ชวงสง ชวงต า แฮนดโอเวอร

ชวงต า ชวงสง ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงสง ชวงสง แฮนดโอเวอร ชวงกลาง ชวงต า ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงต า ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงต า ชวงสง แฮนดโอเวอร

ชวงกลาง ชวงกลาง ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงกลาง ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงกลาง ชวงสง แฮนดโอเวอร

ชวงกลาง ชวงสง ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงสง ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงสง ชวงสง แฮนดโอเวอร

ชวงสง ชวงต า ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงต า ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงต า ชวงสง ไมแฮนดโอเวอร

ชวงสง ชวงกลาง ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงกลาง ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงกลาง ชวงสง ไมแฮนดโอเวอร

ชวงสง ชวงสง ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงสง ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงสง ชวงสง ไมแฮนดโอเวอร

Page 46: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

32

ตารางท 3.6 แสดงรปแบบของอนพต และคาเปาหมายส าหรบเครอขาย LTE

ความแรงของสญญาณทผใชไดรบ

อตราการรบสงขอมล ปรมาณผใชทใช

บรการ ผลลพธ

ชวงต า ชวงต า ชวงต า แฮนดโอเวอร

ชวงต า ชวงต า ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงต า ชวงสง แฮนดโอเวอร ชวงต า ชวงกลาง ชวงต า แฮนดโอเวอร

ชวงต า ชวงกลาง ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงกลาง ชวงสง แฮนดโอเวอร ชวงต า ชวงสง ชวงต า แฮนดโอเวอร

ชวงต า ชวงสง ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงสง ชวงสง แฮนดโอเวอร ชวงกลาง ชวงต า ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงต า ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงต า ชวงสง แฮนดโอเวอร

ชวงกลาง ชวงกลาง ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงกลาง ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงกลาง ชวงสง แฮนดโอเวอร

ชวงกลาง ชวงสง ชวงต า แฮนดโอเวอร

ชวงกลาง ชวงสง ชวงกลาง แฮนดโอเวอร ชวงกลาง ชวงสง ชวงสง แฮนดโอเวอร

ชวงสง ชวงต า ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงต า ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงต า ชวงสง ไมแฮนดโอเวอร

ชวงสง ชวงกลาง ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงกลาง ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงกลาง ชวงสง ไมแฮนดโอเวอร

ชวงสง ชวงสง ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงสง ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงสง ชวงสง ไมแฮนดโอเวอร

Page 47: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

33

ตารางท 3.7 แสดงรปแบบของอนพต และคาเปาหมายส าหรบเครอขาย WCDMA

ความแรงของสญญาณทผใชไดรบ

อตราการรบสงขอมล ปรมาณผใชทใช

บรการ ผลลพธ

ชวงต า ชวงต า ชวงต า แฮนดโอเวอร

ชวงต า ชวงต า ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงต า ชวงสง แฮนดโอเวอร ชวงต า ชวงกลาง ชวงต า แฮนดโอเวอร

ชวงต า ชวงกลาง ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงกลาง ชวงสง แฮนดโอเวอร ชวงต า ชวงสง ชวงต า แฮนดโอเวอร

ชวงต า ชวงสง ชวงกลาง แฮนดโอเวอร

ชวงต า ชวงสง ชวงสง แฮนดโอเวอร ชวงกลาง ชวงต า ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงต า ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงต า ชวงสง ไมแฮนดโอเวอร

ชวงกลาง ชวงกลาง ชวงต า ไมแฮนดโอเวอร

ชวงกลาง ชวงกลาง ชวงกลาง ไมแฮนดโอเวอร ชวงกลาง ชวงกลาง ชวงสง แฮนดโอเวอร

ชวงกลาง ชวงสง ชวงต า แฮนดโอเวอร

ชวงกลาง ชวงสง ชวงกลาง แฮนดโอเวอร ชวงกลาง ชวงสง ชวงสง แฮนดโอเวอร

ชวงสง ชวงต า ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงต า ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงต า ชวงสง ไมแฮนดโอเวอร

ชวงสง ชวงกลาง ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงกลาง ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงกลาง ชวงสง ไมแฮนดโอเวอร

ชวงสง ชวงสง ชวงต า ไมแฮนดโอเวอร ชวงสง ชวงสง ชวงกลาง ไมแฮนดโอเวอร

ชวงสง ชวงสง ชวงสง ไมแฮนดโอเวอร

Page 48: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

34

ตารางท 3.8 แสดงรปแบบของเงอนไขอนพต และคาเปาหมายส าหรบเครอขาย WiFi

ความแรงของสญญาณทผใชไดรบ

อตราการรบสงขอมล ปรมาณผใชทใช

บรการ ผลลพธ

0.25 0.25 0.25 10

0.25 0.25 0.5 10

0.25 0.25 0.75 10 0.25 0.5 0.25 10

0.25 0.5 0.5 10

0.25 0.5 0.75 10 0.25 0.75 0.25 10

0.25 0.75 0.5 10

0.25 0.75 0.75 10 0.5 0.25 0.25 01

0.5 0.25 0.5 01 0.5 0.25 0.75 10

0.5 0.5 0.25 01

0.5 0.5 0.5 01 0.5 0.5 0.75 10

0.5 0.75 0.25 01

0.5 0.75 0.5 01 0.5 0.75 0.75 01

0.75 0.25 0.25 01 0.75 0.25 0.5 01

0.75 0.25 0.75 01

0.75 0.5 0.25 01 0.75 0.5 0.5 01

0.75 0.5 0.75 01

0.75 0.75 0.25 01 0.75 0.75 0.5 01

0.75 0.75 0.75 01

Page 49: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

35

ตารางท 3.9 แสดงรปแบบของเงอนไขอนพต และคาเปาหมายส าหรบเครอขาย LTE

ความแรงของสญญาณทผใชไดรบ

อตราการรบสงขอมล ปรมาณผใชทใช

บรการ ผลลพธ

0.25 0.25 0.25 10

0.25 0.25 0.5 10

0.25 0.25 0.75 10 0.25 0.5 0.25 10

0.25 0.5 0.5 10

0.25 0.5 0.75 10 0.25 0.75 0.25 10

0.25 0.75 0.5 10

0.25 0.75 0.75 10 0.5 0.25 0.25 01

0.5 0.25 0.5 01 0.5 0.25 0.75 10

0.5 0.5 0.25 01

0.5 0.5 0.5 01 0.5 0.5 0.75 10

0.5 0.75 0.25 10

0.5 0.75 0.5 10 0.5 0.75 0.75 10

0.75 0.25 0.25 01 0.75 0.25 0.5 01

0.75 0.25 0.75 01

0.75 0.5 0.25 01 0.75 0.5 0.5 01

0.75 0.5 0.75 01

0.75 0.75 0.25 01 0.75 0.75 0.5 01

0.75 0.75 0.75 01

Page 50: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

36

ตารางท 3.10 แสดงรปแบบของเงอนไขอนพต และคาเปาหมายส าหรบเครอขาย WCDMA

ความแรงของสญญาณทผใชไดรบ

อตราการรบสงขอมล ปรมาณผใชทใช

บรการ ผลลพธ

0.25 0.25 0.25 10

0.25 0.25 0.5 10

0.25 0.25 0.75 10 0.25 0.5 0.25 10

0.25 0.5 0.5 10

0.25 0.5 0.75 10 0.25 0.75 0.25 10

0.25 0.75 0.5 10

0.25 0.75 0.75 10 0.5 0.25 0.25 01

0.5 0.25 0.5 01 0.5 0.25 0.75 01

0.5 0.5 0.25 01

0.5 0.5 0.5 01 0.5 0.5 0.75 10

0.5 0.75 0.25 10

0.5 0.75 0.5 10 0.5 0.75 0.75 10

0.75 0.25 0.25 01 0.75 0.25 0.5 01

0.75 0.25 0.75 01

0.75 0.5 0.25 01 0.75 0.5 0.5 01

0.75 0.5 0.75 01

0.75 0.75 0.25 01 0.75 0.75 0.5 01

0.75 0.75 0.75 01

Page 51: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

37

3.4.2 การก าหนดฟงกชนและคาการท างานตาง ๆ ของโครงขายประสาทเทยม ในสวนของการทดลองนจะมการท างานแบงออกเปน 4 ชน ไดแก ชนอนพตจ านวน 1 โหนด ชนโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรจะม 2 ชน ประกอบไปดวย ชนของการแขงขน (Competitive Layer) และชนเครอขายเชงเสน (Linear Networks Layer) ซงมจ านวน 5 และ 2 โหนด ตามล าดบ สดทายคอ ชนเอาตพตจ านวน 2 โหนด โดยไดก าหนดจ านวนรอบในการเรยนร หรอการฝกสอนไวทงสนเปนจ านวน 150 รอบ ซงมอตราการเรยนรเทากบ 0.02 เพอใหโครงขายประสาทเทยมสามารถทจะเรยนร และจดจ าไดรวดเรวขน โดยการทดลองนสามารถยอมรบคาความผดพลาดไดเทากบ 0.0000001 3.4.3 การฝกสอนโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร เมอไดก าหนดฟงกชน และเงอนไขตาง ๆ ใหกบโครงขายประสาทเทยมแลว จะสามารถท าการฝกสอนโครงขายใหเกดการเรยนร จดจ าฟงกชน และเงอนไขตาง ๆ ทก าหนดไว ซงจ านวนรอบทท าการเรยนร เวลาทใชในการฝกสอน คาความผดพลาดทยอมรบไดจะปรากฏดงรปท 3.3 นอกจากนยงสามารถแสดงกราฟคาความผดพลาดก าลงสองเฉลยทเกดขนในการฝกสอนแตละรอบไดดวยดงรปท 3.4

รปท 3.3 การฝกสอนโครงขายประสาทเทยมของเครอขาย WiFi

Page 52: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

38

รปท 3.4 คาความผดพลาดก าลงสองเฉลยกบจ านวนรอบของฝกสอนส าหรบเครอขาย WiFi

3.4.4 ตรวจสอบผลลพธทไดจากการฝกสอนโครงขายประสาทเทยม การทดสอบโครงขายประสาทเทยมนมขนเพอทดสอบคาความถกตองหลงจากทไดผานการฝกสอนโครงขายประสาทเทยมใหเกดการเรยนร และจดจ าแลว ซงสามารถน าไปแกไขในจดทเกดขอผดพลาดจากขนตอนตาง ๆ กอนทจะน าเอาโครงขายประสาทเทยมไปใชในการตดสนใจในการแฮนดโอเวอรไดอยางถกตอง และแมนย าทสด

3.5 กระบวนการตดสนใจเพอท าการแฮนดโอเวอรแบบแนวตงโดยขนอยกบโครงขาย ประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร จากรปท 3.5 แสดงใหเหนขนตอนการตดสนใจเพอท าการแฮนดโอเวอรแนวตงโดยวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร โดยเรมตนการท างานจากการวดคาความเรวของผใช แลวพจารณาวาระบบไรสายประเภทใดสามารถใหบรการได ซงในทนจะเรมพจารณาจาก WiFi เปนอนดบแรก เนองจาก WiFi เปนเครอขายทมความเรวในการใหบรการสงทสดและตนทนต าสด เมอท าการพจารณาแลววาสามารถใหบรการได จงจะเขาสกระบวนการตดสนใจแฮนโอเวอรดวยวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรส าหรบเครอขาย WiFi แตถาหากเครอขาย WiFi ไมสามารถใหบรการไดจะถกพจารณาในเครอขายไรสายถดไป คอ เครอขาย LTE เมอเครอขาย LTE สามารถใหบรการไดกจะเขาสกระบวนการตดสนใจแฮนโอเวอรดวยวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรส าหรบเครอขาย LTE และจบการท างานตามล าดบ แตถาหากพจารณาแลววาทงเครอขาย WiFi และเครอขาย LTE ไมสามารถใหบรการได จะเขาสกระบวนการตดสนใจแฮนโอเวอรดวยวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรส าหรบเครอขาย WCDMA ซงเปน

Page 53: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

39

เครอขายไรสายทใชพจารณาเปนล าดบสดทายจงจบการท างาน แตถาหากทงสามเครอขายไมสามารถรองรบการใหบรการไดระบบจะเขาสสภาวะการเรยกขาดหายทนท

WiFi LTE

LVQNN WiFi

LVQNN LTE

LVQNN WCDMA

รปท 3.5 ล าดบขนตอนการตดสนใจแฮนดโอเวอรแบบการแบงนบเวกเตอรเพอการเรยนร

Page 54: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

40

บทท 4 ผลการด าเนนงาน

ส าหรบเนอหาในบทนจะแสดงผลการทดลองตาง ๆ ทงหมด เพอใหเหนอยางชดเจนวาวธ โครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรมประสทธภาพทดกวาวธโครงขายประสาท เทยมแบบเรเดยลเบซสฟงกชน (RBFNN) และวธทใชคาแบง (Threshold) ซงกระบวนการตดสนใจจะ เรมตนการท างานโดยการสมหาต าแหนง และพจารณาความเรวของผใช ถาเครอขายนนสามารถใหบรการ ไดจะเขาสกระบวนการตดสนใจแฮนดโอเวอรดวยวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอ การเรยนรส าหรบเครอขายนน ๆ โดยจ านวนผใชทท าการพจารณาจะเรมจากจ านวน 100 – 2,000 คน ตามล าดบ

4.1 การกระจายตวต าแหนงของผใช การกระจายตวของต าแหนงผใชจะมลกษณะการสมแบบเอกรป (Uniform Distribution) ซงม การกระจายต าแหนงอยในชวงตงแต 1 – 5,000 เมตร ในแนวแกน X และ 750 – 5,750 เมตร ใน แนวแกน Y โดยพจารณาทค าสงตามสมการดงน ),()(_ * nmrandabauserX (4.1) ),()(_ * nmrandabauserY (4.2) สมการท 4.1 และ 4.2 คอค าสงการกระจายต าแหนงของผใชใหอยบนระนาบของคา X และคา Y ทไดก าหนดไวจากการออกแบบโครงขายประสาทเทยม ซงคา n คอจ านวนของผใชบรการเครอขาย ทไดมการก าหนดคาตงแต 100, 300, 500, 1000, 1500 และ 2000 คน แสดงดงรปท 4.1 ถง รปท 4.6 ตามล าดบ

Page 55: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

41

หมายเหต โครงงานนท าการก าหนดชวงแกน Y ตงแต 750-5,750 เมตร และก าหนดชวง แกน X ตงแต 1-5,000 เมตร ไมก าหนดใหแกน X และแกน Y มขนาดของชวงแกนทเทากน เนองจากในการออกแบบโครงขายไรสายในอนาคตไดท าการวางต าแหนงสถานฐานของเครอขาย WCDMA ทแกน X คอ 2,500 เมตร และทแกน Y คอ 3,250 เมตร แตพนททใหบรการในเครอขาย WCDMA มพนทครอบคลมถง 2,500 เมตร ท าใหต าแหนงแกน Y มคาสงขน และเลยชวงกราฟ 5,000 เมตรขนไป ในการทดลองสามารถท าไดสองวธ โดยท าการขยบต าแหนงของแกน Y ไปท 750-5,750 เมตร ซงเปนชวงทมความกวางเทากบ 1-5,000 เมตร เทากบแกน X และสามารถท าไดโดยวธขยบต าแหนงสถานฐานของเครอขาย WCDMA ใหอยในชวง แนวแกน Y ท 1- 5,000 เมตร ไดเชนกน แตส าหรบโครงงานนไดน าวธการขยบต าแหนงของแกน Y ไปท 750-5,750 เมตร แตยงคงมชวงความกวางเทากบ 1-5,000 เมตร เทากบแกน X

Page 56: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

42

รปท 4.1 การกระจายตวต าแหนงของผใชจ านวน 100 คน

รปท 4.2 การกระจายตวต าแหนงของผใชจ านวน 300 คน

Page 57: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

43

รปท 4.3 การกระจายตวต าแหนงของผใชจ านวน 500 คน

รปท 4.4 การกระจายตวต าแหนงของผใชจ านวน 1000 คน

Page 58: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

44

รปท 4.5 การกระจายตวต าแหนงของผใชจ านวน 1,500 คน

รปท 4.6 การกระจายตวต าแหนงของผใชจ านวน 2,000 คน

Page 59: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

45

4.2 จ านวนการแฮนดโอเวอร จ านวนการเรยกขาดหาย และจ านวนการเรยกตดขด ส าหรบการวดประสทธภาพของโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร (LVQNN) จะน าไปเปรยบเทยบกบวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน (RBFNN) และวธทใชคาแบง (Threshold) โดยวดจากจ านวนการแฮนดโอเวอร (Number of Handover) จ านวนการเรยกขาดหาย (Dropped Call) และจ านวนการเรยกตดขด (Blocked Call) 4.2.1 จ านวนการแฮนดโอเวอร ส าหรบจ านวนการแฮนดโอเวอรจะพจารณาจากกราฟทเปรยบเทยบกนของทง 3 วธขางตน โดยเรมพจารณาจากความเรวของผใชบรการ และขอมลอนพตทไดจากการตดสนใจในเครอขายนน ๆ อนไดแก ความแรงของสญญาณทผใชไดรบ อตราการรบสงขอมล และปรมาณผใชบรการ ซงวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรจะมอตราการเพมขนของกราฟทนอยกวาทงสองวธทเปรยบเทยบถงแมจะมจ านวนผใชมากขนกตาม จากรปท 4.7 เปนการเปรยบเทยบจ านวนการแฮนดโอเวอรทเกดขนจากวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร วธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน และวธทใชคาแบง จากการทดลองแสดงใหเหนวาวธเรเดยลเบซสฟงกชนจะมคาจ านวนการแฮนดโอเวอรทต ากจรง แตยงสงกวาวธของโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร เพราะวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชนจะถกตอง และมประสทธภาพเมอมนษยมการฝกสอนการรจ าใหมากทสดเทาทจะสามารถท าได สวนวธทใชคาแบงจะมจ านวนการแฮนดโอเวอรทคอนขางสงมาก เมอผใชบรการมการเคลอนทออกจากสถานฐานเดมอาจเกดการแฮนดโอเวอรไปทสถานฐานขางเคยงในทนทโดยไมจ าเปน เนองจากพจารณาเพยงความแรงของสญญาณทผใชไดรบเพยงอยางเดยว

Page 60: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

46

รปท 4.7 จ านวนการแฮนดโอเวอรของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร เปรยบเทยบกบวธเรเดยลเบซสฟงกชน และวธทใชคาแบง

4.2.2 จ านวนการเรยกขาดหาย ในสวนของจ านวนการเรยกขาดหาย จะมความคลายคลงกบจ านวนการแฮนดโอเวอรโดยวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน และวธทใชคาแบงจะมจ านวนการเรยกขาดหายทสงกวาวธทน าเสนอคอนขางมาก โดยจ านวนการเรยกขาดหายจะมคาเพมสงขนเมอจ านวนของผใชบรการมคามากขน แตในวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรนจะชวยลดอตราการเรยกขาดหายได สงผลท าใหผใชไดรบความตอเนองในการใชบรการตลอดระยะเวลาส าหรบการตดตอสอสาร สามารถแสดงในรปท 4.8

Page 61: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

47

รปท 4.8 จ านวนการเรยกขาดหายของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร เปรยบเทยบกบวธเรเดยลเบซสฟงกชน และวธทใชคาแบง

4.2.3 จ านวนการเรยกตดขด

ในสวนสดทาย คอ สวนของจ านวนการเรยกตดขด ยงคงมแนวโนมทเหมอนกบจ านวนการแฮนดโอเวอร และจ านวนการเรยกขาดหาย โดยวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรทน าเสนอน จะมจ านวนการเรยกตดขดทต ากวาวธแบบเรเดยลเบซสฟงกชน และวธทใชคาแบงคอนขางมากโดยทงสองวธทเปรยบเทยบจะมคาเพมสงขนเมอจ านวนผใชมคามากขน ซงวธทน าเสนอนจะสามารถชวยลดอตราการเรยกตดขดได หมายความวาผใชบรการจะสามารถตดตอสอสารไดอยางตอเนองไมเกดการตดขดในระหวางการขอแฮนดโอเวอร สามารถแสดงไดดงรปท 4.9

Page 62: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

48

รปท 4.9 จ านวนการเรยกตดขดของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร เปรยบเทยบกบวธเรเดยลเบซสฟงกชน และวธทใชคาแบง

ตารางท 4.1 แสดงคาประสทธภาพของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร

เปอรเซนตโดยเฉลย วธโครงขายประสาทเทยมแบบการแบงนบเวกเตอร

เพอการเรยนร

วธโครงขายประสาทเทยมแบบเรเดยลเบซส

ฟงกชน วธทใชคาแบง

จ านวนการแฮนดโอเวอร

3.93 6.15 17.43

จ านวนการเรยกขาดหาย

9.18 9.43 11.15

จ านวนการเรยกตดขด 7.36 9.42 15.80

จากผลการทดลองแสดงใหเหนวาประสทธภาพของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรเมอเปรยบเทยบกบวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน และวธทใชคาแบง จะมจ านวนการแฮนดโอเวอร จ านวนการเรยกขาดหาย และจ านวนการเรยกตดขดทต ากวาเปนอยางมาก ซงท าใหบอกไดวาวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรนนสามารถชวยลด

Page 63: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

49

จ านวนการแฮนดโอเวอรได 3.93 เปอรเซนต ลดจ านวนการเรยกขาดหายได 9.18 เปอรเซนต และลดจ านวนการเรยกตดขดได 7.36 เปอรเซนตตามล าดบดงตารางท 4.1 โดยวธการค านวณไดมาจากการน าคาทง 6 ต าแหนงตงแตผใชท 100, 300, 500, 1,000, 1,500 และ 2,000 คน มาท าการหาคาเฉลย กจะไดเปอรเซนตโดยเฉลยของจ านวนการแฮนดโอเวอร จ านวนการเรยกขาดหาย และจ านวนการเรยกตดขด ท าวธน เชนเดยวกนกบโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน และวธการใชคาแบง เพอเปรยบเทยบประสทธภาพการใชงานในแตละวธ

Page 64: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

50

บทท 5 สรปผล และขอเสนอแนะ

ส าหรบเนอหาของบทนจะเปนการสรปผลของวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอร เพอการเรยนรเปรยบเทยบกบวธโครงขายประสาทเทยมแบบเรเดยลเบซสฟงกชน และวธทใชคาแบงโดยจะ พจารณาขอมลน าเขาทง 3 พารามเตอร ซงทง 3 พารามเตอรทกลาวมาถอวาเปนปจจยส าคญทท าใหเกดการ แฮนดโอเวอร นอกจากนยงมการน าเสนอขอเสนอแนะเพอใชเปนแนวทางทจะสามารถพฒนางานใหดยงขนไป ในอนาคต

5.1 สรปผล จากผลการทดลองแสดงใหเหนวากระบวนการตดสนใจในการแฮนดโอเวอรมความส าคญตอจ านวน การแฮนดโอเวอร จ านวนการเรยกขาดหาย และจ านวนการเรยกตดขดของโทรศพทเคลอนทเปนอยางมาก เพราะจะท าใหการตดตอสอสารมความตอเนองในการใหบรการ และสามารถรองรบความตองการของ ผใชบรการทมจ านวนเพมขนได โดยทกระบวนการตดสนใจการแฮนดโอเวอรทเหมาะสมจะสามารถชวยลด จ านวนการแฮนดโอเวอร จ านวนการเรยกขาดหาย และจ านวนการเรยกตดขดทไมจ าเปนลงได ส าหรบวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนรจะน ามาใชในกระบวนการ ตดสนใจทจะแฮนดโอเวอรซงจะพจารณาจากพารามเตอรทเกยวของกบผใช ไดแก ความแรงของสญญาณท ผใชไดรบ อตราการรบสงขอมล และปรมาณผใชทใชบรการของเครอขายไรสายทง 3 ชนด มาเปนอนพตของ กระบวนการโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอการเรยนร จากการออกแบบโครงสรางของ โครงขายประสาทเทยมทใชในการทดลองนนจะประกอบไปดวย 2 ชนการเรยนรคอ ชนของการแขงขน และ ชนเครอขายเชงเสน จากผลการทดลองทไดจะพบวาวธโครงขายประสาทเทยมแบบการแบงนบเวกเตอรเพอ การเรยนรสามารถลดจ านวนการแฮนดโอเวอรได 2.22 เปอรเซนต ลดจ านวนการเรยกขาดหายได 0.25 เปอรเซนต และลดจ านวนการเรยกตดขดได 2.06 เปอรเซนต เมอเปรยบเทยบกบวธโครงขายประสาทเทยม แบบเรเดยลเบซสฟงกชน และสามารถลดจ านวนการแฮนดโอเวอรได 13.50 เปอรเซนต ลดจ านวนการเรยก ขาดหายได 1.97 เปอรเซนต และลดจ านวนการเรยกตดขดได 8.44 เปอรเซนต เมอเปรยบเทยบกบวธทใชคาแบง

Page 65: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

51

5.2 ขอเสนอแนะ ส าหรบการวจยในอนาคตสามารถปรบปรง และพฒนาการตดสนใจในการแฮนดโอเวอรไดโดยการเพมรปแบบ และจ านวนของพารามเตอรใหมความละเอยดเพมมากขน เพอใชในกระบวนการตดสนใจท าการแฮนดโอเวอร หรอเปลยนวธโดยการใชโครงขายประสาทเทยมแบบอน ๆ ทมประสทธภาพมากกวาซงอาจจะชวยลดความผดพลาดทเกดขนในการแฮนดโอเวอร และจะชวยเพมประสทธภาพใหกบระบบ สงผลท าใหระบบมความถกตองแมนย าในการแฮนดโอเวอรมากขน

Page 66: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

52

เอกสารอางอง

ชนดา กมภา. และสรนดา คาดว. (2556). การตดสนใจแฮนดโอเวอรแบบแนวตงโดย วธโครงขายประสาทเทยมแบบแพรยอนกลบส าหรบการสอสารไรสายในยคท 4. องครกษ

มหาวทยาลยศรนครนทรวโรฒ. ชลดา ภทรณชกล. ปณยนช ทองขนนา. และเรนกา เนตรสวาง. (2557). การตดสนใจแฮนดโอเวอรแบบ

แนวตงโดยใชวธเรเดยลเบซสฟงกชนส าหรบการสอสารไรสายในอนาคต. องครกษ มหาวทยาลยศรนครนทรวโรฒ.

http://www.checkraka.com/mobilephone/knowledge/1627099/

online: 22 Oct. 2016

https://inovancetech.com/ann.html

online: 22 Oct. 2016

http://www.w3ii.com/th/5g/5g_quick_guide.html

online: 23 Oct. 2016

https://www.techtalkthai.com/gigabit-wifi-802-11ac-5-things/

online: 28 Oct. 2016

https://www.blognone.com/node/42428

online: 28 Oct. 2016

Sunisa Kunarak. (2016). Vertical Handover Decision Based On Learning Vector

Quantization Neural Networks with Multi-Criteria for Ubiquitous Wireless Networks.

Second International Conference on Science, Engineering & Environment, Osaka

City, Japan, Nov.21-23, 2016

Page 67: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

ประวตยอผท าโครงงาน

Page 68: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

54

ประวตยอผท าโครงงาน

ชอ ชอสกล นางสาวเสาวนย บญสง วนเดอนปเกด 18 มนาคม 2538 สถานทเกด อ าเภอสามพราน จงหวดนครปฐม สถานทอยปจจบน 26/1 หมท 8 ต าบลตลาดจนดา อ าเภอสามพราน จงหวดนครปฐม 73110 หมายเลขโทรศพทตดตอ 085-821-8786 ประวตการศกษา พ.ศ. 2557 มธยมศกษาปท 6 จากโรงเรยนพระปฐมวทยาลย จงหวดนครปฐม พ.ศ. 2560 ก าลงศกษาระดบปรญญาตร สาขาวชาวศวกรรมไฟฟา คณะวศวกรรมศาสตร มหาวทยาลยศรนครนทรวโรฒ

Page 69: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

55

ประวตยอผท าโครงงาน

ชอ ชอสกล นางสาวณฏฐกานต อนทรพย วนเดอนปเกด 31 พฤษภาคม 2538 สถานทเกด เขตสายไหม จงหวดกรงเทพมหานคร สถานทอยปจจบน 939/181 หมบานดอนเมองวลลา2 แขวงคลองถนน เขตสายไหม จงหวดกรงเทพมหานคร 10220 หมายเลขโทรศพทตดตอ 081-949-8796 ประวตการศกษา พ.ศ. 2557 มธยมศกษาปท 6 จากโรงเรยนฤทธยะวรรณาลย จงหวดกรงเทพมหานคร พ.ศ. 2560 ก าลงศกษาระดบปรญญาตร สาขาวชาวศวกรรมไฟฟา คณะวศวกรรมศาสตร มหาวทยาลยศรนครนทรวโรฒ

Page 70: VERTICAL HANDOVER DECISION BASED ON LEARNING VECTOR ...

56

ประวตยอผท าโครงงาน

ชอ ชอสกล นางสาวโยทกา ชทอง วนเดอนปเกด 9 กรกฎาคม 2537 สถานทเกด เขตประเวศ จงหวดกรงเทพมหานคร สถานทอยปจจบน 12 ซอยเฉลมพระเกยรตร.9 ซอย 6แยก3 แขวงหนองบอน เขตประเวศ จงหวดกรงเทพมหานคร 10250 หมายเลขโทรศพทตดตอ 088-958-8913 ประวตการศกษา พ.ศ. 2557 มธยมศกษาปท 6 จากโรงเรยนมธยมวดธาตทอง จงหวดกรงเทพมหานคร พ.ศ. 2560 ก าลงศกษาระดบปรญญาตร สาขาวชาวศวกรรมไฟฟา คณะวศวกรรมศาสตร มหาวทยาลยศรนครนทรวโรฒ