[发明专利]机器学习协调的无线联网

说明书

所公开的方法和系统使用人工智能(AI)和机器学习(ML)技术来对每个信道的使用和干扰进行建模。例如，系统的单元可以在所有无线电上在一天的时间中中定期地测量信道干扰。干扰信息被传递到基站单元或云服务器进行模式分析。干扰测量包括来自系统内的单元的干扰以及来自邻近设备的干扰。基站单元或云服务器可以识别干扰的模式。此外，连接的设备具有多个被观察和建模的网络使用特性，包括比特率，和网络行为。这些特性用于将信道分配给连接的设备。

相关申请的交叉引用

本申请要求于2017年3月20日提交的第15/464,135号的美国专利申请的优先权，以及于2016年10月10日提交的第62/406,325号的临时专利申请的优先权。每个申请通过引用全部并入本文中。

技术领域

教导涉及无线接入点。教导更具体地涉及对多个接入点和用户设备之间的无线连接以及这些连接在其上进行操作的信道的控制。

背景技术

具有强大、清晰的无线连接的设备是最优的。但存在许多问题阻碍这一目标。一些示例包括广播频率的限制、无线网络广播的范围、来自休眠对象(即墙壁)的干扰、来自活动对象(即微波、电视机)的干扰、来自其他无线设备(即其他网络上的接入点，本地和外部连接的设备)的干扰和冲突的设备配置。一般来说，接入点或一系列接入点(即信号中继器)的功能的有效性高度依赖于给定用户的行为和接入点的直接环境。因此，利用该信息的优势的接入点是有用的。

发明内容

这里所述的是多频带(例如，三频带)无线联网系统。在一些实施方案中，多频带无线联网系统包括多个无线联网设备。至少一个无线联网设备被连接到互联网并且用作路由器。剩余的无线联网设备作为经由无线信道(频带)无线地连接到路由器的卫星，其专用于无线联网设备之间的通信。路由器和卫星都向客户端设备，例如台式计算机、便携式计算机、平板计算机、移动电话、可穿戴智能设备、游戏机、智能住宅设备等提供无线网络连接(例如，WiFi连接)。路由器和卫星向客户端设备提供具有广泛覆盖的单一无线网络。多频带无线联网系统动态地优化客户端设备的无线连接而无需重新连接。

所公开的实施方案的其他方面在附图和具体实施方式中将是明显的。

提供本发明内容以便以简化形式介绍将在具体实施方式中进一步说明的一系列概念。本发明内容不旨在用于限制所要求保护的主题的范围。

附图简要说明

图1示出了北美的5GHz信道分配。

图2示出了欧洲的5GHz信道分配。

图3示出了隐马尔可夫模型的状态机的示例。

图4A是示出了对信道的指定的流程图。

图4B是示出了将给定客户端对另一客户端进行排序的方法的流程图。

图5A是根据几种实施方案的接入点的系统框图。

图5B是多个接入点的云配置的说明性示例。

图6A是示出了客户端设备位置的模式的示例的流程图。

图6B示出了基于模式的漫游的方法的示例。

图6C示出了在给定空间中漫游的模式设备的示例。

图7示出了在2GHz和5GHz系统的单元内的干扰。

图8示出了单元之间的传输和接收重叠。

图9示出了系统单元的覆盖边缘上的客户端设备。

图10示出了不同类型的网络拓扑。

图11示出了GATT(通用属性)服务器和客户端之间的通信。