| 本論文探討在 IEEE 802.11g 的無線網路中,
透過深度學習預測移動節點的換手時機。我們使用
Mininet-WiFi 模擬無線網際網路拓樸,從多個
Access Point(AP)同時蒐集移動節點的時戳、位置以
及 RSSI 等資訊,並將收集的數據製作成深度學習
模型訓練用之資料集,為了能更貼近節點換手時的
真實情況,我們的移動節點採用 Random Direction
進行移動,表示移動時的方向是隨機的,移動速率
設定在一個範圍內而非等速移動。另外,我們根據
RSSI 進行傳輸速率進行等級區分,實驗結果證明經
過區分等級的 RSSI 所做成的訓練資料集,能提供
更高的準確率。在研究的最後,我們使用我們的模
型進行即時測試,並和傳統的換手方法進行結果的
比對。 |