<< Пред. стр. 7 (из 13) След. >>
Список литературы по разделу
УДК 621.397
В.В. Блохин
Уфимский государственный авиационный технический университет
О ЦЕЛИ И ЗАДАЧАХ СИТУАЦИОННО-АДАПТИВНОГО ПЛАНИРОВАНИЯ СЕТЬЮ МОБИЛЬНОЙ СОТОВОЙ СВЯЗИ
На этапах проектирования и эксплуатации сетей мобильной связи влияют три основные фактора [1,2]: первый обусловлен огромным спросом на услуги подвижной связи, второй состоит в учете ограничений на частотно-временной ресурс, третий - новые технологии множественного доступа требуют новых методов проектирования и управления мобильными сетями. Перечисленные факторы взаимосвязаны, поэтому для получения эффективной и оптимальной конфигурации мобильной сети они должны быть объединены общей концепцией. Следует также отметить, что наряду с "классической" услугой передачи речевых сообщений имеет место достаточно широкий и постоянно увеличивающийся перечень дополнительных услуг, к которым можно отнести передачу картинок видео сообщений, данных, сигнализации, обеспечение выхода в глобальную сеть Internet и т.д. При этом дополнительные услуги характеризуются большим разбросом параметров в передаваемом информационном объеме данных, что требует для их передачи разных скоростей потоков цифровых сообщений и тем самым определяет соответствующий выбор каналов связи. Следовательно, увеличение пропускной способности мобильной мультисервисной сети адекватного увеличения частотно-временного ресурса для систем мобильной связи, что в настоящее время и в будущем будет носить достаточно проблематичный характер. Операторы сотовой связи пытаются удовлетворить возрастающие потребности рынка услуг мобильной связи путем модернизации существующих сетей связи, установки нового более производительного оборудования, расширения полосы радиочастот каналов связи и т.д. Однако такое "экстенсивное" аппаратное расширение сети несмотря на то, что оно способствует увеличению информационной емкости системы требует также соответствующего увеличения материально-финансовых затрат со стороны сотовых компаний, что не всегда может быть возмещено и оправдано в достаточно короткие промежутки времени ее эксплуатации. Тем более, что за время эксплуатации сети сотовый оператор уже успевает "накопить" сведения о характере функционирования сети, например, знания об изменении интенсивности трафика в зависимости от времени суток или сезона, об изменении месторасположения, так называемых, узлов спроса, качества связи для того или иного кластера в зависимости от вида запрашиваемых услуг и скорости передачи данных, топографии местности. Это позволяет "перебрасывать" свободные частотно- временные и информационные ресурсы системы в "проблемные" локальные зоны - участки обслуживания, не требуя вовлечения дополнительных материальных затрат, экономя имеющиеся средства. С другой стороны, мобильная сотовая сеть, как правило, проектируется под возможные пиковые нагрузки, которые имеют место относительно непродолжительное время. Поэтому эксплуатировать систему мобильной связи во всю имеющуюся информационную "мощь" не всегда является экономически выгодным и целесообразным, что позволяет "освободившееся" информационные и иные возможности (ресурсы) системы переориентировать на выполнение других задач, например, связанных с регламентным обслуживанием оборудования, его ремонту и т.п. Следовательно, для более гибкого реагирования на требование увеличения или уменьшения пропускной способности сети в том или ином узле спроса можно использовать текущую "подстройку" конфигурации существующей сети мобильной связи, делая эту конфигурацию более "экономичной" за счет перераспределения частотно-временных ресурсов системы, расщепления (изменения размеров) сот, устраняя по необходимости перегрузку в отдельных узлах сети мобильной связи. В дальнейшем модернизацию конфигурации сети мобильной связи под текущие условия эксплуатации и реальную обстановку средствами интеллектуального управления, т.е. путем изменения задач и функций системы, оптимального частотно-территориального планирования, будем называть ситуационно-адаптивным планированием.
Таким образом, целью ситуационно-адаптивного планирования будет являться управление распределением информационных и частотно-временных ресурсов сети с учетом территориального и качественного изменения потребной нагрузки.
Условия эксплуатации в дальнейшем будем называть ситуациями сети мобильной связи. Иначе говоря, ситуационно-адаптивное планирование предполагает интеллектуальное управление конфигурацией сети мобильной связи, ее частотно-временного ресурса и маршрутизации данных в зависимости от изменения ситуаций в системе. Следует также сказать, что часть задач, решаемых с помощью методов ситуационно-адаптивного планирования, может также носить рекомендательный характер для выработки дальнейшего решения по развитию (модернизации) мобильной сети операторами сотовой связи.
Рассмотрим некоторые особенности задач ситуационно-адаптивного планирования, среди которых можно выделить следующие:
- разработка моделей ситуационно-адаптивного планирования систем мобильной связи, учитывающих суточное и сезонное изменение ситуации в сети на основе географической модели подвижности, учитывающей изменение плотности населения на единицу территории, вида и характера предоставляемых услуг, а также "перемещением" узлов спроса, обусловленной процессами урбанизации обслуживаемой территории;
- разработка алгоритмов распознания (идентификации) текущей ситуации в системе мобильной связи;
- разработка алгоритмов выбора, распределения и оптимизации количества каналов базовых станциях в зависимости от вида требуемых услуг и величины нагрузки в сети (ситуационно-адаптивное планирование каналов);
- разработка алгоритмов для распределения частот в сотах (кластерах) сети мобильной связи (ситуационно-адаптивное частотное планирование) в автоматическом режиме;
- разработка алгоритмов оптимизации размеров зон (участков) радиопокрытия базовыми станциями в системах мобильной связи с макро-, о особенно, с микросотовой архитектурой (ситуационно-адаптивное территориальное планирование базовых станций и радиопокрытие обслуживаемой территории);
- разработка алгоритмов сетевого распределения и маршрутизации данных абонентских и служебных внутрисистемных сообщений (сигналов сигнализации) в процессе их пакетной коммутации.
- разработка и апробация соответствующего программного обеспечения ситуационно-адаптивного проектирования, позволяющего осуществлять ситуационно-адаптивное планирования в автоматическом (по необходимости) режиме.
Нетрудно видеть, что задачи ситуационно-адаптивного планирования сочетают пункты (этапы) первичного проектирования сотовых сетей мобильной связи. При этом алгоритмы ситуационно-адаптивного планирования также можно использовать при первоначальном проектировании и дальнейшей модернизации сети мобильной связи, особенно если информационный ресурс существующей системы уже полностью себя исчерпал и требует увеличения за счет "аппаратного" расширения сети. Однако еще раз подчеркнем, что многие вышеперечисленные задачи в основном предназначены для оптимизации конфигурации сети с учетом меняющихся реалий ее эксплуатации. Следует также сказать, что проблема планирования сетей мобильной связи ( в том числе и частотно-территориальная) достаточно сложна, т.к. апеллирует с недостаточными и не всегда точными данными, не имеет строго формализованных алгоритмов и методов, позволяющих сделать вывод о наиболее конструктивном подходе к проектированию систем подвижной радиосвязи. Предлагаемые методы адаптивно-ситуационного планирования в небольшой степени позволяют разрешить эти сложности.
Еще раз отметим, что сложность ситуационно-адаптивного планирования системы мобильной радиосвязи, которое должно учитывать стохастическое изменение ситуаций в сотовой системе связи с присущей ей ярко выраженной нестационарностью. При этом трудность анализа систем мобильной связи усугубляется постоянным периодическим подключением и перемещением абонентов в пределах обслуживаемой территории, носящие случайный и ситуационный характер, что делает невозможным абсолютно точное определение местоположение узлов спроса в системе. Кроме того, в настоящее время литературе нет строго формализованных алгоритмов и исчерпывающих рекомендаций по выполнению ситуационно-адаптивного планирования сетей мобильной связи.
Литература
1. Шелухин О.И., Теняшев А.М., Осин А.В. Фрактальные процессы в телекоммуникациях. М: Радиотехника, 2003, 480с.
2. Бабков В.Ю., Вознюк М.А., Михайлов П.А. Сети мобильной связи. Частотно-территориальное планирование. СПбГУТ, СПб, 2000, 196с.
УДК 621.397
И.В. Кузнецов, В.В. Блохин, А.Х. Султанов
Уфимский государственный авиационный технический университет
РАЗРАБОТКА МОДЕЛИ И АЛГОРИТМОВ СТОХАСТИЧЕСКОЙ ИДЕНТИФИКАЦИИ СИТУАЦИИ В СИСТЕМЕ МОБИЛЬНОЙ СВЯЗИ
На этапе эксплуатации систем подвижной связи важным элементом ситуационно-адаптивного планирования является распределение нагрузки между базовыми станциями, позволяющее адекватно назначить и оптимально перераспределить рабочие (активные) каналы в зависимости от требуемых абонентами услуг по передаче сообщений, что позволит экономно использовать всю имеющуюся информационную емкость системы. Для того чтобы обеспечить ситуационно-адаптивное распределение нагрузки базовых станций необходимо разработать и изучить стохастическую модель адаптивного планирования системой мобильной радиосвязи с учетом вышеуказанных особенностей ее функционирования.
На наш взгляд, процессы в системе мобильной радиосвязи удобно представить на основе географической (пространственной) модели подвижности трафика. Предлагаемый трафик может быть оценен при помощи географических и демографических областей обслуживания, с учетом таких факторов как использование земель, плотности и доходов населения на душу населения, с временным и сезонным поведением (перемещением) пользователей (абонентов), которые требуют предоставление разнообразных услуг связи [1,2]. За основу географической модели пространственного распределения вызовов взята дискретизация трафика на отдельные точки, так называемые узлы спроса. Узел спроса отражает центр сегмента обслуживаемой территории, показывая сосредоточение на суммарный спрос на телетрафик в этом сегменте, который может измеряться в количестве вызовов в единицу времени с учетом предоставляемой той или иной услуги связи. В качестве математической модели телетрафика системы мобильной связи можно взять систему массового обслуживания и описать при помощи математической модели, основанной на скрытых марковских последовательностях (моделях) (СММ). Математическая модель СММ (на взгляд авторов) позволяет более точно описать особенности стохастического характера изменения интенсивности трафика в узлах спроса. Подчеркнем, что использование СММ для ситуационно-адаптивного проектирования системой мобильной радиосвязи базируется на следующих допущениях:
1. Обслуживая системой мобильной сотовой радиосвязи территория разбивается на ряд сегментов (состояний), внутри которой поток заявок каждого вида рассматривается как стационарный. При этом переход между этими состояниями осуществляется практически мгновенно. Центр (или условный центр) сегмента с точки зрения пространственной модели трафика может рассматриваться в качестве узла спроса.
2. Вероятность запрашиваемой услуги, порождаемой вероятностной моделью, зависит только от текущего состояния модели и не зависит от предыдущих типов запрашиваемых услуг.
3. Можно говорить о приближенном (неточном) знании географических координат местоположения узлов спроса на топографической карте. При этом географические координаты узлов спроса могут изменяться, обусловленные характером перемещения мобильных абонентов, изменением уровня урбанизации обслуживаемого сегмента, другими словами, изменением ситуации в мобильной системе.
4. Узлы спроса могут обслуживаться несколькими базовыми станциями.
5. С достаточной степенью точности можно идентифицировать вид запрашиваемой услуги, скажем, можно передача речевого сообщения отличается от пакетной передачи данных, либо последняя от передачи коротких сообщений и т.д.
Рассмотрим описание стохастической модели адаптивно-ситуационного планирования системы мобильной радиосвязи на основе СММ более подробно.
Пусть некоторую обслуживаемую сетью мобильной связи территорию (местность) можно разбить на непересекающиеся подтерритории (области) , центр которых можно рассматривать в качестве узла спроса. При этом каждый узел спроса () характеризуется случайным потоком звонков (заявок) от абонентов, который носит ярко выраженный стационарный характер для некоторых промежутков времени. Стационарный поток заявок регистрируются коммутатором мобильной связи. Следует подчеркнуть, что последовательность вызовов, которая регистрируются коммутатором не всегда содержит исчерпывающей (точной) информации о местоположении узлов спроса. Другими словами, последовательность узлов спроса откуда поступают вызовы либо неизвестна, либо известна лишь частично (не полностью). Далее в соответствии с терминологией СММ будем называть также состояниями модели, обозначим через - множество состояний модели (- число состояний модели). Следует отметить, что в каждый дискретный момент времени наблюдения за системой звонок может поступать из любого (произвольного) узла спроса , переходя при этом из одного состояния в другое либо оставаясь в этом состоянии. Состояния модели в каждый момент времени обозначим (т.е. - заявка из узла спроса в момент времени ). С математической точки зрения должно быть известным распределение вероятностей выбора начального состояния , т.е. - вероятность того, что в начальный момент будет поступать звонок из узла ; и известна вероятность перехода из состояния в состояние - условная вероятность . Переходная вероятность должна удовлетворять стандартным статистическим условиям, т.е.
и , .
Обозначим в виде матрицу переходных вероятностей, имеющую размерность .
Далее введем в рассмотрение множество предоставляемых услуг , где параметр обозначает -ую услугу, которая может быть "привязана" к адресу (номеру) входящего звонка; - число предоставляемых услуг. Множество в СММ еще называют множеством наблюдаемых объектов.
Пусть в процессе наблюдения за обслуживаемой территорией в течение некоторого времени имеет место последовательность входящих звонков , где - некоторый объект (т.е. - входящий звонок услуги ); - длина наблюдаемой последовательности объектов. С математической точки зрения известна условная вероятность того, что в состоянии наблюдался звонок абонента с заявкой на услугу. Условная вероятность должна удовлетворять условиям
, , и , .
Совокупность всех условных вероятностей образует матрицу вероятностей появления m - го объекта при реализации l - го состояния, имеющую размерность .
Скрытой Марковской моделью называется триада параметров- матриц , т.е. .
В качестве иллюстрации разработанной модели рассмотри пример, показывающий, что модель порождает скрытую Марковскую последовательность .
Пусть некоторая территория обслуживается сетью мобильной связи, состоящей из двух базовых станций (рис.1) и коммутатора мобильной связи. На рис.1 базовые станции обозначены треугольником и аббревиатурой BS1 и BS2, имеющие круговые диаграммы направленности (на рис. 1 обозначены пунктирными линиями). Вся обслуживаемая территория разбита на четыре подобласти (которые также можно считать узлами спроса) , в которых поток заявок на обслуживание носит более или менее стационарный характер. Пусть процессы в системе описываются моделью, при этом в качестве множества услуг будем принимать следующие: - речевые сообщения, - короткие (пейджинговые) сообщения, - передача данных. На рисунке 2 приведена диаграмма поступления звонков согласно этой модели. Допустим, что на первом шаге
BS1
BS2
Рис. 1 Рис. 2
поступает звонок по передаче короткого сообщения из области . Другими словами, в соответствии с распределением выбирается объект с вероятностью . На втором шаге поступает заявка по передачи речевого сообщения из области . Другими словами, модель переходит в состояние с вероятностью , в котором выбирается объект с вероятностью . Выполнив шагов описанного процесса, можно построить последовательности и , которые для рассматриваемого примера могут принимать следующий вид:
и .
Следует особо отметить, что последовательность состояний , которая описывает место выбора объектов может быть неизвестна, что обусловлено тем, что базовая станция может обслуживать несколько узлов спроса (например, на рис. 1 базовые станции BS1 и BS2 могут сразу обслуживать все четыре узла спроса), смещением и/или появлением новых узлов спроса. Отсутствие информации о состоянии системы объясняет название "скрытая" модель Маркова - последовательность состояний как бы "скрыта" от коммутатора подвижной связи. По существу СММ описывает поведение системы в виде "черного ящика", о состоянии которой можно судить после выполнения некоторого наблюдения и наличия априорных сведений - вероятностей .
Сделаем еще ряд важных замечаний по поводу разработанной модели. Текущие процессы в системе мобильной связи не являются стационарными, т.е. в общем случае параметры модели зависят от времени. Однако в системах мобильной связи можно выделить ряд характерных ситуаций в поведении этих систем. Так, например, можно выделить ситуации с преобладанием требований передачи данных над речевыми сообщениями и, наоборот. При этом можно говорить также о том, что во времени в целом эти ситуации носят случайный характер, что приводит к затруднению процесса управления системой мобильной связи. Поэтому характер изменения процессов в системе мобильной связи можно описать с помощью некоторой совокупности моделей СММ. Другими словами, необходимо ввести в рассмотрение множество моделей СММ , где - модель передачи сообщений, учитывающая конкретную ситуацию в системе связи. Таким образом, разработанная стохастическая модель адаптивно-ситуационного планирования включает последовательность наблюдений и априорные сведения о поведении системы мобильной связи во времени.
Разработанная модель ситуационно-адаптивного планирования систем мобильной в некоторой мере является модификацией географической модели подвижности трафика, которая не требует точного описания интенсивности заявок на обслуживание, знания абсолютных координат местоположения узлов спроса и при этом учитывает стохастический характер изменения ситуаций в системе.
Подсчет нагрузки с сети можно производить в текущем (реальном) масштабе времени на основе поступающих заявок. Для определения величину текущей нагрузки достаточно знать последовательность наблюдений и множество ситуационных моделей . Однако трудность вычисления потребной нагрузки системы обуславливается, во-первых, неопределенностью выбора модели СММ, т.к. она описывает множество ситуаций, протекающих в системе процессов, во-вторых, ограниченным числом наблюдений при условии неполной информации о местоположении абонентов (неопределенности состояний). Другими словами, при заведомо известном векторе , элементы вектора неизвестны, либо известны лишь частично. Следовательно, важным первоначальным этапом управления системой мобильной связи является разработка алгоритма распознания (идентификации) ситуации и выбор модели СММ, которая наиболее адекватно описывает протекающие в системе процессы.
Так как протекающие в системе мобильной связи процессы (в том числе и время возникновения той или иной ситуации) носят случайный характер, введем в рассмотрение метрику - вероятность того, что для заданной модели () имеет место наблюдаемая последовательность объектов . Будем также полагать, что ситуации в системе "изолированы" между собой, т.е. моменты их появления носят ярко выраженный дискретный характер. Также "изолированность" говорит об отсутствии "наложения" и "плавного" перехода ситуаций от одной к другой. Отсюда нетрудно видеть, что алгоритм идентификации ситуации в системе мобильной связи может заключаться в определении максимальной величины условной вероятности . Иначе говоря, номер текущей ситуации в системе мобильной связи можно определять по формуле
. (1)
Схематически этот алгоритм представлен на рис.3.
Рис.3
Далее рассмотрим алгоритм вычисления вероятности . Эту задачу нетрудно решить, используя формулу полной вероятности [3]. Наиболее простой (с точки зрения элементарной теории вероятности) способ вычисления - перечислить все последовательности состояний заданной длины . Так для любой фиксированной последовательности состояний (каждое состояние последовательности может принимать одно из значений, где ) вероятность ее появления для модели равна
, (2)
где - вероятность состояния системы в начальный момент наблюдений; - переходная вероятность из состояния в состояние . Вероятность появления заданной последовательности наблюдений для фиксированной последовательности состояний равна
. (3)
где в состоянии наблюдался звонок абонента с заявкой на услугу . Поскольку для марковских моделей возникновение некоторой конкретной последовательности состояний и появление последовательности наблюдений являются независимыми событиями, то искомая вероятность будет вычисляться по формуле
(4)
где знак обозначает, что суммирование производится по всем счетным комбинациям последовательности состояний наблюдения. Из выражения (4) видно, что для самого наихудшего случая, когда неизвестны все состояний в последовательности наблюдения , при прямом подсчете нужно выполнить умножений для каждой последовательности состояний , итого умножений. В случае если известно () состояний последовательности наблюдений количество умножений будет равно , что также представляет большую величину. Отметим, что даже для небольших чисел (число состояний) и (длина последовательности) число умножений составляет порядка . Ясно, что для практической реализации алгоритма идентификации ситуации в центре коммутации мобильной связи требуются более эффективные алгоритмы. Такие алгоритмы существуют [4] и называются алгоритмами прямого и обратного хода (forward-backward procedure).
В рамках решаемой задачи рассмотрим модифицированный алгоритм прямого хода. В отличие от метода [4], в предлагаемом алгоритме учитываются некоторые (не все) заведомо известные состояния наблюдения (местоположения узлов спроса). Другими словами, некоторая часть состояний наблюдений может быть определена путем пеленга местоположения абонентов от некоторых узлов спроса, например, с помощью разнесенного приема сигналов.
Модифицированный алгоритм прямого хода
Введем в рассмотрение прямую переменную , которая определяется для заданной модели как значение вероятности того, что к моменту времени наблюдалась последовательность , и в момент система находилась в состоянии : . Значение этой переменной может вычисляться в соответствии со следующей процедурой:
Шаг 1. Инициализация. Проверяется текущее состояние наблюдения. Если достоверно известен номер первоначального состояния наблюдения (т.е. ), то
и для .
В противном случае,
для всех .
Шаг 2. Для всех проверяется текущее состояние наблюдения. Если достоверно известен номер текущего состояния наблюдения (т.е. ), то
и для .
В противном случае
для всех .
Шаг 3. Вычисление искомой вероятности
.
Аналогичным образом можно доработать алгоритм обратного хода.
Модифицированный алгоритм обратного хода
Вводится обратная переменная , которая определяется как условная вероятность наблюдения последовательности начиная с момента до при условии, что в момент времени система находится в состоянии , т.е. .
Значения обратной переменной находятся из следующих соотношений:
Шаг 1. Определяется начальное значение переменной. Проверяется состояние наблюдения в момент времени . Если достоверно известен номер последнего состояния наблюдения (т.е. ), то
и для .
В противном случае
для всех .
Шаг 2. Для всех проверяется состояние наблюдения в соответствующий момент времени. Если достоверно известен номер текущего состояния наблюдения (т.е. ), то
и для .
В противном случае
для всех .
Шаг 3. Вычисление искомой вероятности
.
Вычисление вероятности по любому из описанных выше алгоритмов для самого наихудшего случая (когда неизвестны все состояния наблюдений) требует порядка операций умножения. Для взятых в качестве примера чисел и это составляет около 500 операций умножения, что в 2000 раз меньше, чем для прямых вычислений. Следовательно, алгоритмы прямого и обратного хода позволяют сэкономить вычислительные ресурсы спецкомпьютеров центра коммутации мобильной связи.
Проведено численное моделирование алгоритмов распознания ситуаций, при этом определены условия чувствительности модели на достоверность получаемых результатов.
Литература
1. Шелухин О.И., Теняшев А.М., Осин А.В. Фрактальные процессы в телекоммуникациях. М: Радиотехника, 2003, 480с.
2. Amtliches Topographisches Kartographisches Informations System (in German); Bavarian land survey office, Munich, FRG, 1991.
3. Вентцель Е.С. Теория вероятностей. М: Высшая школа, 1998, 576с.
4. Www.leader.cs.msu/`luk/HMM_rus.html.
УДК 621.397
И.В. Кузнецов, В.В. Блохин, А.Х. Султанов
Уфимский государственный авиационный технический университет
РАЗРАБОТКА АЛГОРИТМОВ ВЫЧИСЛЕНИЯ ТЕКУЩЕЙ НАГРУЗКИ И ЕЕ РАСПРЕДЕЛЕНИЯ МЕЖДУ БАЗОВЫМИ СТАНЦИЯМИ В СИСТЕМЕ МОБИЛЬНОЙ СВЯЗИ В УСЛОВИЯХ НЕОПРЕДЕЛННОСТИ СОСТОЯНИЙ НАБЛЮДЕНИЙ
Решение задач интеллектуального управления системой мобильной связи, решаемых в рамках ситуационно-адаптивного планирования, невозможно без знания величины текущей потребной нагрузки в системе связи. В общем случае величина текущей нагрузки определяется интенсивностью потоков заявок на обслуживание и их освобождением по мере удовлетворения. Знание меры интенсивности потоков заявок позволяет определить необходимую величину каналов для каждой обслуживаемого узла спроса в зависимости от вида текущей ситуации в сети, задаваемой множеством моделей , и затем позволит получить более точное распределение каналов между базовыми станциями с "привязкой" к потребностям (виду услуг) для каждой обслуживаемой области. В итоге - это должно сэкономить частотно-временной ресурс системы мобильной связи без ухудшения качества связи, уменьшить величину непреднамеренных внутри- и межсистемных помех, т.е. улучшить межсистемную совместимость.
Определение текущей нагрузки в сети мобильной связи (в рамках рассматриваемой модели ситуационно-адаптивного планирования) связано с решением ряда подзадач. На первом этапе необходимо определить (либо доопределить) состояния объектов. Модель потока заявок (событий)
0
* * * * * * * *
Рис. 1
можно представить в виде точечного процесса (рис. 1), информация о которых фиксируется в центре коммутации в моменты времени поступления этих событий. Поток событий характеризуются парой , где - входящий звонок для предоставления услуги , - номер узла спроса (состояния) обслуживаемой территории . При этом следует подчеркнуть, что исходя из особенностей построения системы связи, некоторые состояния объектов не всегда известны или не всегда могут быть идентифицированы программно-аппаратными средствами. Так из рис. 1 видно, что идентифицированы номера узлов спроса в моменты времени , тогда как в другие моменты состояния объектов не определены (на рисунке они отмечены знаком вопроса). Задача восстановления текущей последовательности состояний может быть решена на основе моделей СММ наблюдаемой ситуации в системе мобильной связи, описанной в предыдущем параграфе. При этом также можно говорить о вероятностном характере восстановления последовательности состояний , которые наиболее адекватно отвечают наблюдаемой последовательности объектов .
На втором этапе определения потребной нагрузки необходимо осуществить аппроксимацию наблюдаемого потока событий (рис. 1) некоторыми простейшими потоками. Это связано с тем, что исходный поток событий достаточно сложный и разнородный, т.к. он включает в себя разные типы услуг, требующих, в общем-то, разное время на обслуживания, скорость коммутации, передачи данных и т.д. Другими словами, каждый тип потока (заявок на услуги), входящих в исходный поток, характеризуется разной (отличной) степенью последействия. С другой стороны, возникает необходимость в территориальной "привязке" потоков для дальнейшей цели распределения нагрузки по базовым станциям системы сотовой связи.
На третьем этапе решения задачи необходимо определить плотность потоков заявок и время обслуживания заявок в зависимости от ее типа. Эти данные позволят определить требуемое для текущего интервала наблюдения число каналов по каждой услуге в зависимости от величины вероятности отказа и длине очереди и т.д. для каждого узла спроса.
На четвертом этапе на основании знания числа каналов состояний можно провести распределение количества каналов между базовыми станциями системы мобильной связи с учетом уже известных нагрузок для каждого узла спроса, что позволит в дальнейшем оценить область обслуживания базовой станцией (провести частотно-территориальное планирование).
Таким образом, общий алгоритм определения потребной нагрузки можно изобразить в виде блок-схемы, которая приведена на рис.2. Рассмотрим решение каждой из задач подробнее.
С математической точки зрения решение первой подзадачи - определение текущих состояний объектов будет заключаться в выборе последовательности состояний конечной длины , которая с наибольшей вероятностью порождает наблюдаемую последовательность объектов по заданной модели . Другими словами, требуется определить "наилучшую" последовательность , максимизирующую вероятность .
Сформулированную задачу нетрудно можно решить, используя алгоритм Витерби (Viterbi Algorithm) [1,2], являющийся вариантом метода динамического программирования для цепей Маркова. Для этого введем в рассмотрение следующие переменные:
1) переменная определяет максимальную вероятность того, что при заданных наблюдениях до момента последовательность состояний завершится в момент времени в состоянии ;
Рис. 2
2) переменная предназначена для хранения аргументов, максимизирующих .
Алгоритм определения текущих состояний объектов
1 шаг. Инициализация:
и для всех .
2 Шаг. Индуктивный переход:
для всех и ;
3 шаг. Останов. Определение наибольшей вероятности наблюдения последовательности наблюдения :
,
которая достигается при прохождении некоторой оптимальной последовательности состояний , для которой к настоящему моменту наблюдения известно только последнее состояние:
4 шаг. Восстановление оптимальной последовательности состояний (обратный проход):
для
Реализация алгоритма Витерби аналогична (за исключением шага восстановления) алгоритму прямого хода. Следует также отметить, что количество индуктивных переходов может быть уменьшено, если часть состояний объектов будет известна.
Следовательно, предложенный алгоритм позволяет восстановить неопределенные номера узлов спроса и провести дальнейшую более "тонкую настройку" конфигурации мобильной сети под реалии ее эксплуатации. Дальнейшим этапом алгоритма является определение необходимо нагрузки, т.е. необходимого количества каналов связи для каждого узла спроса пространственной модели трафика, обеспечивающих удовлетворение потребной нагрузки. Для этого необходимо определить параметры потоков заявок, а именно, плотность (интенсивность) потока входящих и исходящих звонков, среднее время на обслуживания и необходимую длину очереди для пакетных сообщений. Параметры потока заявок можно определить с помощью методов статистического анализа - усреднения времени поступления и обслуживания заявок. Однако здесь имеется сложность, обусловленная неоднородностью потока заявок. Поэтому на втором этапе алгоритма нужно провести декомпозицию потока по виду объекта (запрашиваемой услуги) и номеру узла спроса. Другими словами, поток разбивается на простейшие (пуассоновские) однородные ординарные потоки, различающиеся только моментами появления заявок. С математической точки зрения поток разбивается на подмножества (классы) (,) по виду запрашиваемой услуги и номеру узла спроса. Еще раз подчеркнем, в каждый класс потоков является стационарным процессом в течение времени наблюдения . Последнее гипотетическое утверждение (на самом деле потоковые процессы трафика в системах мобильной связи достаточно сложны и требуют отдельного исследования) позволяет на основании известных способов оценить характеристики потока: - соответственно плотности потока входящих, исходящих заявок и уходов заявок из очереди (в случае пакетной передачи сообщений). Они оцениваются путем измерения количества входящих и покидающих систему обслуживания заявок (звонков) с последующим их усреднением в интервале наблюдения .
На третьем этапе определяется потребная нагрузка - число необходимых каналов для обслуживания каждого узла спроса с учетом вида предоставляемой услуги. Определение потребной нагрузки будем производить на основе формул Эрланга [3]. В качестве примера формулы Эрланга для основных видов нагрузки, а именно - речевых сообщений, пакетной передачи данных коротких сообщений и мультимедийной информации (с ограничением времени ожидания в очереди) сведены в Таблицу 1. В таблице введены следующие обозначения: - вероятность
Таблица 1
Речевые сообщения
Короткие сообщения
Мультимедийные сообщения
блокировки (отказа) от обслуживания, - приведенная плотность потока заявок; - среднее число уходов заявок из очереди, - длина очереди; - количество каналов для передачи соответственно речевых, коротких и мультимедийных сообщений, необходимых для обслуживания одного -го узла спроса. Нетрудно видеть, что параметры определяются на основе проводимых коммутатором мобильной связи статистических исследований с помощью известных (получаемых на основе этих исследований) характеристик . Величина определяется типом используемого коммутатора и то же является известной. Отсюда следует, что для получения неизвестных необходимо задаться вероятностью блокировки и решить получаемые уравнения относительно искомых величин . Следует отметить, что выбор величины является непростой задачей и должен быть согласован с пропускной способностью всей телекоммуникационной системы [5]. Однако, если заведомо считать, что пропускная способность системы мобильной связи приемлема условиям эксплуатации, то величину можно выбрать равной величине, которая была заложена на этапе ее первоначального проектирования. Следовательно, для вычисления неизвестных параметров нужно решить систему уравнений относительно одного неизвестного согласно формул Таблицы 1. Окончательно, искомое количество каналов необходимых для обслуживания -го узла спроса определиться по формуле
.
Далее, зная максимальное число разрешенных для каждой базовой станции , определяемое типом используемого оборудования, можно оценить примерное число планируемых для активации базовых станций системы по формуле
.
В результате вычисления возможны следующие результаты: первый - величина больше, чем число всех имеющихся (эксплуатирующихся) с системе мобильной связи базовых станций, второй - меньше или равно. В первом случае нужно принимать решение о дальнейшем расширении сети путем строительства новых базовых станций. Во втором случае требуется провести динамическое распределение каналов между планируемыми для использования базовыми станциями. Однако эта задача может иметь неоднозначное решение, т.к. в распоряжении может быть избыточное количество базовых станций, каждая из которых в определенной степени может "претендовать" на обслуживание того или иного узла спроса. Этот факт обусловлен тем, что несколько базовых станций может обслуживать один и тот же узел спроса. Для того, чтобы устранить эту неоднозначность можно использовать четвертый этап ситуационно-адаптивного планирования, решаемого критериальными методами. Идея заключается в том, что, перебирая все возможные комбинации конфигурации размещения базовых станций обслуживаемой территории, добиться наилучшей (в смысле выбираемого критерия) топологии сети мобильной связи.
Еще раз отметим, что четвертый этап распределения каналов между базовыми станциями системы мобильной можно рассматривать как оптимизационную задачу, решаемую методом линейного программирования. Рассмотрим математическую постановку задачи канального распределения. Пусть известна следующая информация:
- количество потребных каналов для обслуживания го узла спроса , определяемая как сумма каналов по всем видам заявок в соответствии с алгоритмом предыдущего этапа;
- максимальное число разрешенных (допустимых) каналов для той базовой станции, при этом число базовых станций в системе равно . Величина определяется типом используемого оборудования системы сотовой связи;
- условная средняя стоимость (вес) передачи сообщений, приходящейся на один канал, из го узла спроса в тую базовую станцию. Значение величины определяется тем, что узлы спроса могут быть "разбросаны" по всей обслуживаемой территории, иметь разную "географическую" и "топографическую" привязку, которая оказывает влияние на качество распространения радиосигналов, их помехоустойчивость, электромагнитную совместимость и т.д. При этом показатели эффективности обычно разбивают на несколько групп: первая группа характеризует качество связи, в том числе вероятность отказа в обслуживании; вторая - может определять системные показатели: помехоустойчивость, пороговое отношение сигнал/помеха, пропускную способность каналов; третья - учитывает экономические и эксплуатационные показатели связанные с передачей трафика, а также затраты энергетического, частотного и аппаратного ресурсов; четвертая - объединять показатели трех предыдущих групп.
Обозначим через планируемое число каналов, которое будет использоваться той базовой станцией для обслуживания -го узла спроса. Тогда в принятых обозначениях будем иметь, что
- общая (суммарная) стоимость канального распределения в системе мобильной связи;
- общее количество каналов, необходимых для обслуживания го узла спроса;
- общее количество разрешенных каналов той базовой станции.
Естественным образом будем полагать, что должны выполняться условия:
, , (1)
, , (2)
. (3)
Таким образом, оптимизационную задачу ситуационно-адаптивного распределения каналов между базовыми станциями можно сформулировать следующим образом: нужно найти аргументы , обеспечивающие минимум функционала вида
(4)
при условиях (1-3) и . Решение поставленной задачи может базироваться на методе последовательного улучшения плана - симплексного метода [4]. Следует отметить, что сформулированная задача аналогична, так называемой, открытой транспортной модели [4]. Необходимым дополнительным условием решением задачи является целочисленность значений искомых аргументов .
Далее, перебирая все возможные варианты конфигураций размещения базовых станций, и повторяя вышеописанную методику канального распределения, можно получить множество значений критерия . Дальнейшим естественным шагом будет выбор и назначение той конфигурации сети мобильной связи, для которой значение критерия (среди имеющегося множества) минимально.
Нетрудно видеть, что знание величин поможет также более точно определиться с количеством задействованных (активных) каналов для каждой базовой станции. И если получиться так, что хотя бы для одной базовой станции , то это позволит в дальнейшем минимизировать сложность алгоритмов частотно-территориального планирования, упростить алгоритмы эстафетной передачи, улучшить структуру сети, повысить скорость обработки информации и в целом повысить информационную емкость всей системы мобильной связи.
Литература
1. Теория электрической связи: Учебник для вузов/ А.Я. Зюко, Д.Д.Кловский, В.И. Коржик, М.В. Назаров; Под ред. Д.Д. Кловского.- М.: Радио и связь, 1998. - 432с.
2. Www.leader.cs.msu/`luk/HMM_rus.html.
3. Вентцель Е.С. Теория вероятностей. М: Высшая школа, 1998, 576с.
4. Карманов В.Г. Математическое программирование. М.: Наука. Гл. ред. Физ.-мат. лит., 1986.- 288с.
5. Бабков В.Ю., Вознюк М.А., Михайлов П.А. Сети мобильной связи. Частотно-территориальное планирование. СПбГУТ, СПб, 2000, 196с.
УДК 621.397
И.В. Кузнецов, В.В. Блохин, А.Х. Султанов
Уфимский государственный авиационный технический университет
О ГЕОМЕТРИЧЕСКОМ МЕТОДЕ ОПТИМАЛЬНОГО ПРОГНОЗА ЗОН РАДИОПОКРЫТИЯ СЕТИ МОБИЛЬНОЙ СВЯЗИ
Важным этапом ситуационно-адаптивного планирования сетей мобильной связи является прогноз зон радиопокрытия сети сотовой связи. Зоной радиопокрытия называется некоторая обслуживаемая базовыми станциями местность, в которой энергетический уровень радиосигнала не ниже заданного соотношения сигнал/шум, определяемый чувствительностью радиоприемника мобильного абонента и вероятностью невыполнения требований по допустимому соотношению сигнал/помеха. Другими словами, на этапе прогноза зон радиопокрытия определяются граничные участки обслуживаемой местности, обеспечивающих заданное качество приема сигналов, и уточняются (по необходимости) частотные и мощностные характеристики передатчиков базовых станций. Прогнозирование зоны радиопокрытия предназначено для того, чтобы обеспечить заданное качество приема по всей области обслуживания, а не в какой-либо отдельной точке.
В процессе ситуационно-адаптивного планирования возможно изменение конфигурации (структуры) сети, приводящей к соответствующему изменению зоны радиопокрытия, так называемому расщеплению сот. При этом процесс расщепления сот может быть связан с переводом в активный режим (подключением) (либо выводом из активного режима - выключением) уже действующих, эксплуатирующихся базовых станций либо с необходимостью развертывания новых базовых станций на этапе расширения сети в условиях наблюдаемого роста потребной нагрузки. Проведем анализ методов прогноза зон радиопокрытия. В общем случае планирование сети мобильной связи может быть осуществлено на основе известных [1] статистических, детерминированных методов, учитывающих параметры географического района модернизации сети, и реальных измерений напряженности электромагнитного поля по местоположению, полученных в процессе эксплуатации сети. Напомним, что статистические методы прогноза основаны на презентативной выборке измерений реальных сигналов, в соответствии с которым зоны покрытия базовых станций моделируются кругом, радиус которых соответствует заданному проценту глобальных зон с качественной связью на его границе, либо определяется граница зоны покрытия как совокупность точек удалений приемник мобильной станции от базовых станций по азимутальным углам до достижения в них показателями качества своих предельных значений. Детерминированные методы прогноза основаны на учете факторов влияния препятствий на трассе распространения электромагнитных волн от мобильных до базовых станций, учитывающих общие дифракционные потери и затухания сигналов в условиях их замирания. Последний метод прогноза может быть связан с агрегатированием (объединением) нескольких узлов спроса и соответствующим выделением локальной зоны покрытия так, чтобы потребная нагрузка не превосходила суммарную канальную емкость обслуживаемых базовых станций. Границы локальной зоны покрытия могут служить основой для уточнения величины необходимой средней мощности передатчика базовой станции.
Несмотря на то, что рассмотренные методы прогнозирования рекомендованы соответствующими инструкциями [2] для задания параметров мобильной сети первоначального приближения, они характеризуются рядом недостатков:
1. Всегда необходимо знать местоположение базовых станций на обслуживаемой территории. При этом существующие рекомендации разработчикам систем мобильной связи о выборе размещения базовых станций не носят вид формализованных алгоритмов определения координат размещения базовых станций на обслуживаемой территории.
2. Процесс прогнозирования радиопокрытия представляет многопараметрическую итерационную задачу со многими неизвестными, требующий соответствующих вычислительных ресурсов и времени на обработку данных. На самом деле, помимо исходных данных о морфоструктуре местности и расположения базовых станций В моделях Окумуры-Хата, Кся-Бертони нужно располагать данными о высоте подвеса антенн и мощности излучения передатчиков базовых станций и др., величины которых, как правило, являются неизвестными и подбираются в процессе решения задачи.
3. Следствием второго пункта является то, что полученное решение не обеспечивает оптимальное радиопокрытие с точки зрения минимизации энергетических характеристик базовых станций. Другими словами, предлагаемые методы радиопокрытия не дают однозначного решения в условиях неопределенности размещения базовых станций, т.е. меняя тем или иным способом конфигурацию размещений базовых станций можно добиться минимизации мощности их излучателей, не ухудшая при этом качество связи.
Для того, чтобы преодолеть указанные недостатки предлагается альтернативный геометрический подход к методам оценки (прогнозирования) зон радиопокрытия. Следует отметить, что предлагаемый метод не заменяет, а лишь дополняет существующие методы расчета радиопокрытия, который можно применить для последующего расширения сети мобильной связи, проводящейся в рамках ситуационно-адаптивного планирования.
Прежде чем, сформулировать задачу геометрического оптимального радиопокрытия опишем некоторые предварительные замечания:
1. Количество вновь вводимых (развертываемых) базовых станций невелико и ограничивается величиной единиц штук. При вводе большего количества базовых станций возникает проблема электромагнитной совместимости.
2. Определяется зона обслуживания, которая должна быть описана геометрической фигурой произвольной формы. При этом профиль зоны обслуживания должен быть более или менее однородным, т.е. перепад высот с учетом уровня урбанизации (высотности зданий и сооружений) не должен превышать в среднем предполагаемую высоту подвеса антенн базовых станций, участки местности не должны включать (либо включать в наименьшей степени) лесные, водные препятствия.
3. В качестве оценочной диаграммы направленности (в горизонтальной плоскости) антенн базовых станций выбирается круговая, которая лежит в основе модели Окумуры-Хата.
4. Будем считать, что площадь круговой диаграммы направленности пропорциональна мощности передатчиков базовых станций, требуемой для покрытия заданной соты.
Рассмотрим постановку задачи геометрического радиопокрытия зоны обслуживания.
Пусть задана обслуживаемая территория, описываемая геометрической фигурой произвольной формы и базовых станций с круговыми диаграммами направленности излучений их антенн. Необходимо полностью покрыть заданную зону кругами так, чтобы круги полностью описывали покрываемую территорию и общая (суммарная) площадь всех кругов была минимальна.
Нетрудно видеть, что решение поставленной задачи позволяет определить центр кругов, где возможно расположение базовых станций и радиус диаграмм направленности излучений. На основе полученных данных можно сделать оптимальную оценку мощности передатчиков базовых станций и определить высоту подвеса антенн, применяя полуэмпирическую модель Окумуры-Хата.
Рассматриваемую задачу можно рассматривать также в качестве модификации задач раскроя-упаковки, исследуемых школой Уфимского авиационного университета. Отличие от известных задач раскроя-упаковки заключается в том, что здесь допускается перекрытие вписываемых фигур и, более того, площадь перекрываемых фигур может носить вполне определенный смысл, например, определять зону эффективной эстафетной передачи (хэндовера) системы мобильной связи.
Ограничиваясь введением в эксплуатацию одной базовой станции, рассмотрим алгоритм оптимального геометрического прогнозирования зоны радиопокрытия. Легко видеть, что в этом случае задача по существу превращается в построение круга, описывающего геометрическую фигуру произвольной формы.
1 шаг. С помощью топологической карты определяются координаты () граничных точек зоны радиопокрытия. Путем сканирования вычисляется наибольшее расстояние между точками по формуле
.
Соединим эти точки, например, и (рис. 1) прямой линией.
2 шаг. Положим, что величина отступа влево относительно точки и вправо относительно - равны нулю, т.е. , . В этом случае согласно рис. 1 пары точек ,и ,совпадают. Опустим на середину отрезка.
3 шаг. Опускаем на середину отрезка перпендикуляр и производим смещение (рис.1) по перпендикуляру "вверх" и "вниз" с шагом , т.е. , определяя предполагаемый центр описываемого круга. При этом модуль смещения должен удовлетворять оценке
.
4 шаг. Определяются координаты предполагаемого центра и величина радиуса описываемого круга
,
где -длина отрезка .
5 шаг. Осуществляется проверка
.
Если последнее условие выполняется, то переходим к шагу 7, в противном случае к следующему шагу.
6 шаг. Последовательно увеличиваем величину отступа и/или , где - приращение величина отступа вправо и влево относительно точек и . При этом величина отступа для и варьируется в одинаковых пределах и равна
.
Переход к шагу 3.
7. Окончательно определяем центр и радиус описываемого круга. При этом величина радиуса всегда будет удовлетворять неравенству
.
Рис. 1
По топографической карте оценивается величина подвеса антенн мобильных и базовых станций и при условии, что известна величина радиуса зоны радиопокрытия (определяемая из вышеприведенного алгоритма), вычисляется средняя величина затухания [дБ] на трассе распространения радиосигналов по формуле Окумуры-Хата, например, для местности с типичной городской застройкой:
(1)
где - частота несущего колебания, - высота подвеса антенн соответственно базовой и мобильной станции, - поправочный коэффициент, учитывающий уровень высотности зданий [1]. Тогда с учетом (1) мощность базовой станции можно оценить по формуле:
, (2)
где , [дБ] - запас мощности базовой станции, обусловленной действием быстрых и медленных замирания; [дБ]- потери мощности в комбайнере и фидере высокочастотного тракта базовой станции; [дБ]- реальная чувствительность на входе приемника мобильной станции, определяемая с учетом полной мощности собственных и вносимых шумов; [дБ] - коэффициенты направленного действия антенн базовой и мобильной станций.
Приведем обоснование приведенного алгоритма геометрического прогноза зоны радиопокрытия сети мобильной связи.
Вначале проведем оценку величины радиуса круга, который описывает фигуру произвольной формы . Нетрудно видеть, что наименьшая величина радиуса круга, описываемой зоны радиопокрытия равна , где - наибольшее расстояние (диаметр) фигуры . Этот случай возможен, если границы образуют выпуклую фигуру. Напомним, что выпуклой фигурой называется такая фигура, при которой множество всех точек отрезка, соединяющей любые произвольные точки фигуры , всегда принадлежат этой фигуре. При этом центр описываемой фигуры лежит на середине отрезка и величина отступа от краев диаметрального отрезка .
Оценим максимальную величину радиуса . Для упрощения рассуждений будем считать, что фигура имеет единственный отрезок диаметральной длины . Найдем простую фигуру, которая всегда будет включать (описывать) область . Вначале проведем две полуокружности с центрами в точках и соответственно и радиусом (рис. 2). Из точки на отрезок опустим перпендикуляр и, далее, соединим точки двумя прямыми ,так, чтобы длина отрезков . Тогда из рис. 2 видно, то фигура никогда не пересчет границу полуокружностей с центрами в и , и одновременно (сразу) две прямые и (возможно лишь пересечение только одной прямой или ). Если это будет не так, то фигура имеет диаметральный отрезок, превышающий длину , что противоречит исходному условию задачи. Следовательно, фигура будет полностью вписана в фигуру, образованную справа и слева полуокружностями с центрами в , и длиной радиуса , а снизу (сверху) прямой (), т.е. (). Однако нетрудно видеть, что фигуры или являются выпуклыми, имеющие диаметральные отрезки, совпадающие с длиной отрезка . Если далее допустить, что описываемая фигура не пересекает , т.е. сосредоточена выше этой прямой, то для описания фигуры кругом достаточно описать равнобедренный треугольник . Другими словами, достаточно найти центр и радиус круга, описывающий треугольник , при этом величина этого радиуса будет наибольшей (максимальной), и круг во всех случаях будет описывать фигуру . Найдем величину максимального радиуса описываемой фигуры .
Введем декартову систему координат, проходящей через точки и центром в и найдем координаты точек (рис.2). Т.к.
Рис. 2
треугольник является равносторонним, следовательно, и . Тогда координаты искомых точек будут равны: , ,,,, . Радиус окружности, описываемый треугольник будет равен
,
при этом ; ;
. Центр окружности будет лежать на перпендикуляре , с величиной отступа относительно точки - .
Из рис. 2 видно, что максимальное отклонение , точек относительно при движении вдоль прямой влево и вправо равно
,
при этом , .
Следовательно, получили оценку максимальной и минимальной величин радиуса описываемой фигуры (см. шаг 4 алгоритма). При этом установили, что центр описываемого круга должен лежать на перпендикуляре, опущенного к диаметральной линии фигуры. Однако в силу того, что фигура в общем случае имеет произвольную форму необходимо находить центр и радиус описываемого круга в результате решения итерационной задачи путем пошагового "сканирования" вдоль диаметральной линии и её перпендикуляра. Поэтому для нахождения возможных "промежуточных" решений определим максимальную текущую величину смещения вдоль перпендикуляра и максимальный радиус описываемого круга. Но вначале определим "промежуточную" величину максимального радиуса. Из несложных геометрических соображений на рис. 3 получим, что если и , то и, аналогично,
Рис. 3
. Последние равенства получены также на основании того, что треугольник равнобедренный, у которого . Далее, нетрудно видеть, что описываемый круг с максимальной величиной радиуса будет проходить через точки , другими словами будет описывать треугольник , тогда величина радиуса будет равна
.
С учетом того, что и можно получить максимальную величину смещения
,
что и требовалось обосновать.
Таким образом, решена задача оптимального прогноза зоны радиопокрытия одной базовой станцией системы мобильной связи. С помощью пакета Matlab разработана программа, моделирующая работу алгоритма прогнозирования зоны радиопокрытия.
Хотя решение общей задачи оптимального прогноза для большего числа базовых станций остается открытой, можно предложить эвристический алгоритм и для этого общего случая. Идея может быть основана на кластеризации обслуживаемой территории на отдельные участки, которые будут обслуживаться только одной базовой станцией. Тогда предлагаемый алгоритм может состоять из следующих шагов:
1 шаг. Определяется диаметральный отрезок обслуживаемой области.
2 шаг. На диаметральном отрезке проводятся N перпендикуляров. Выделяются подобласти обслуживания одной базовой станцией. Граница этих подобластей определяется соответствующей линией перпендикуляра и вырезаемой ими границей исходной области обслуживания.
3 шаг. Для каждой подобласти определяется центр и радиус зоны радиопокрытия.
4. Путем варьирования расстоянием между перпендикулярами и ранжирования суммы площадей покрываемых кругов определяется наилучшее решение размещения базовых станций и зон радиопокрытия.
На последнем этапе (с учетом уже имеющихся знаний мест расположения базовых станций, полученных на предварительном этапе прогнозирования) можно провести дальнейший более тщательный расчет зоны радиопокрытия на основе детерминированной модели напряженности электромагнитного поля или на основе модели Кся-Бертони.
Следует сказать, что рассмотренная выше задача не исчерпывает прогноз зон радиопокрытия только круговыми диаграммами направленности антенн базовых станций. Интерес также представляет прогноз зоны радиопокрытия геометрическими фигурами произвольной формы, описывающих ту или иную форму диаграмм направленности антенн; учет ограничений на возможную площадь перекрытия зон радиопокрытия с целью обеспечения качественной эстафетной передачи, роуминга; учет рельефа и морфологии местности в процессе прогнозирования зон радиопокрытия и т.д.
Литература
1. Бабков В.Ю., Вознюк М.А., Михайлов П.А. Сети мобильной связи. Частотно-территориальное планирование. СПбГУТ, СПб, 2000, 196с.
2. Рекомендации МКРР, 1990, Т. I-V.
УДК 621.397
И.В. Кузнецов, В.В. Блохин, А.Х. Султанов
<< Пред. стр. 7 (из 13) След. >>
Список литературы по разделу