الگوریتمهای سنتی دست به دست شدن، که عموماً مبتنی بر آستانه و هیسترزیس میباشند، نمیتوانند بطور همزمان هم تعداد متوسط دست به دست شدن و هم تأخیر در دست به دست شدن را کاهش دهند. افزایش تعداد دست به دست شدن باعث افزایش بار سیگنالینگ شبکه و افزایش تأخیر منجر به قطع مکالمات میگردد. در این تحقیق یک الگوریتم دست به دست شدن مبتنی بر شناسایی الگوی جدید ارائه شده است که بر مشکلات فوق غلبه میکند. الگوریتم پیشنهادی مبتنی بر این حقیقت است که در محیطهای میکروسلولی درون شهرها، کاربران معمولاً در مسیرهای از پیش معینی حرکت میکنند و همچنین ساختمانها و دیگر موانع محیطی واقع در مرکز شهرها در کوتاه مدت تغییری نمیکنند، لذا این دو عامل بترتیب منجر به یک ساختار با قاعده و قابلیت تکرارپذیری در نمونه های شدت سیگنال دریافتی میشوند. این دو قابلیت، بکارگیری الگوریتم شناسایی الگو را در فرآیند تصمیم گیری دست به دست شدن میسر میسازند. بمنظور ارزیابی الگوریتم پیشنهادی یک سناریوی میکروسلولی با در نظر گرفتن اثر گوشه در نظر گرفته شد و با استفاده از یک شبیه ساز کانال، سیگنال دریافتی توسط کاربر شبیه سازی گردید. همچنین از شبکه عصبی پرسپترون چند لایه (mlp) و توابع پایه شعاعی (rbf)، شبکه نرو فازی (anfis) و ماشین بردار پشتیبان (svm) بعنوان کلاس بندی کننده در الگوریتم شناسایی الگو استفاده شد. الگوریتم های دست به دست شدن سنتی مختلف نیز شبیه سازی و نتایج آن با الگوریتم پیشنهادی مقایسه شده است. نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی تعداد متوسط دست به دست شدن برابر با «یک» و تعداد متوسط مکالمات قطع شده تقریباً برابر با «صفر» را نتیجه می دهد و تأخیر دست به دست شدن در الگوریتم پیشنهادی در مقایسه با تأخیر ناشی از الگوریتمهای سنتی بسیار ناچیز است.