개인화된 무선 인체 영역 네트워크에서 Q-learning을 이용한 적응적 스케줄링 기법

Abstract

무선 인체 영역 네트워크에서는 사용자 움직임에 의한 노드 간 가시성(Line of sight) 미확보 시 채널 페이딩으로 인해 빈번한 데이터 손실이 발생한다. 이를 해결하기 위한 다양한 링크 품질 인지 기반의 적응적 스케줄링 기법들이 제안되었으나 이들은 사용자의 개인화된 움직임을 스케줄링에 반영하지 않는다는 문제가 있다. 본 연구에서는 기기 사용자의 개인화된 움직임 패턴과 그에 따른 링크 품질 변화를 Q-learning을 통해 학습한 뒤 스케줄링에 통합하는 적응적 스케줄링 기법을 제안한다. BANSIM 네트워크 시뮬레이터에서의 시뮬레이션을 통해 사용자가 규칙적인 움직임을 보이는 경우 제안하는 기법이 기존 기법 대비 최대 41.8% 더 나은 패킷 전송 성공률을 보이는 것을 검증하였다.