歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立清華大學 通訊工程研究所 許健平所指導 張柏毅的 透過深度可分卷積網路運用信道狀態信息進行室內定位 （2021），提出Wifi 5G ping關鍵因素是什麼，來自於信道狀態信息、室內定位、卷積神經網路、無人機。
而第二篇論文朝陽科技大學 資訊與通訊系 朱鴻棋所指導 翁加恩的 基於802.11 無線網路技術實現使用者服務品質需求 之最佳化換手演算法 （2021），提出因為有 換手、QoS、乒乓效應、SDN、Mininet-WiFi的重點而找出了 Wifi 5G ping的解答。
透過深度可分卷積網路運用信道狀態信息進行室內定位
為了解決Wifi 5G ping 的問題，作者張柏毅 這樣論述：
WiFi室內定位技術已經被廣泛應用在缺少視距（LOS）傳輸的室內環境中。在這篇論文中，我們設計了一個多室內指紋定位系統（Multiple Indoor Fingerprints-based Indoor Localization System, MIFI）。MIFI是基於深度可分卷積網路技術並且運用無人機（Unmanned Aerial Vehicles, UAV）來收集指紋資料。透過使用無人機來收集信道狀態信息（Channel State Information）可以大幅減少人力的耗損。在訓練的步驟，實驗環境會被區分成數個小方格，並視為參考點（Reference Point）來收集信道狀態
信息。這些收集的資料在經過前處理後會作為輸入，輸入至機器學習模型中。在測試步驟中，於測試點所發送的資料會由樹梅派(Rasberry Pi4)所收集並做為模型輸入，並且模型會輸出預測的目標位置。與其他方法相比，MIFI的定位精準度皆較佳，在位置分類的問題上可以達到99\%以上的準確率，對於未訓練過的位置也可達到0.9公尺的精準度。透過使用無人機所收集的資料進行訓練，人所收集的資料進行測試，我們也可以達到1.28公尺的誤差，證明無人機搭配我們的系統可以達到輔助室內定位，減少人力損耗的目標。
基於802.11 無線網路技術實現使用者服務品質需求 之最佳化換手演算法
為了解決Wifi 5G ping 的問題，作者翁加恩 這樣論述：
隨著無線網路技術的演進，越來越多高度依靠優良網路服務品質的應用程式漸漸移到行動裝置使用。這些需要高吞吐量的應用像是影音串流，當影片在串流及載入的時候需要保持高吞吐量甚至低封包遺失率、且經歷較少斷線情況的發生。本文提出基於802.11 無線網路技術實現使用者服務品質需求最佳化的換手演算法，此演算法可以基於使用者的需求，維持高吞吐量與低封包遺失率的服務品質，並使換手次數最少化，以避免不必要的換手發生，藉以提升使用者的網路使用品質。從實驗結果可得知，我們所提出的最佳化換手演算法於高密度拓樸中，較比較之方法減少了共235次的不必要換手程序產生，且有效避免乒乓效應的發生。另外，透過我們所提出的基於使用
者服務品質需求之最佳化換手演算法，能保證使用者在使用網路服務期間，其網路服務效能滿足最低吞吐量需求、及防止封包遺失率高過最高可接受封包遺失率之門檻。因此，本文所提出之兩個基於使用者服務品質需求之最佳化換手演算法，著實可以讓使用者時時體驗到良好的網路服務品質。