Факультет: Компьютерных информационных технологий и автоматики (КИТА)

Кафедра: Автоматики и телекоммуникаций (АТ)

Специальность: Телекомунникационные системы и сети (ТКС)

Тема квалификационной работы магистра: Исследование характеристик зонового покрытия радиосетей доступа на базе технологии LTE

Научный руководитель: доцент, к.т.н., заведующий кафедрой АТ Бессараб Владимир Иванович

РЕФЕРАТ

по теме выпускной работы

«Исследование характеристик зонового покрытия радиосетей доступа на базе технологии LTE»

СОДЕРЖАНИЕ

Введение

1 Актуальность темы

2 Связь работы с научными программами, планами, темами

3 Цели и задачи исследования

4 Предполагаемая научная новизна полученных результатов

5 Обзор разработок и исследований по теме

5.1 На локальном уровне

5.2 На национальном уровне

5.4 На глобальном уровне

6. Описание полученных и планируемых результатов работы

Выводы

Список используемой литературы

Примечания

Введение

В настоящее время комитетом 3GPP разрабатывается стандарт LTE для создания технологии мобильной связи, которая обеспечила бы более высокую скорость передачи данных и пропускную способность для «тяжелых» приложений, таких как видео по запросу, широкополосный доступ в Интернет и другие. А поскольку в мире отмечается тенденция к повышению спроса на мобильную широкополосную связь, то, на мой взгляд, LTE получит дополнительный импульс в развитии.

LTE является новой технологией, как на практике так и в области стандартизации. Это означает, что это очень трудно найти ссылки и предыдущие работы по этому вопросу. Главным образом приходится опираться на документацию 3GPP, хотя появляются статьи и книги, в которых приводится обзор данной технологии.

1 Актуальность темы

На сегодняшний день сети на базе технологии LTE в мире получили развитие, появляются первые практические реализации небольших сетей, но пока экспериментальные образцы. В связи с этим выделить практические проблемы данной технологии не представляется возможным. Характеристики покрытия для радиосетей являются одними из важнейших показателей их работоспособности. Рассматриваемая технология ориентирована на приложения, чувствительные к задержке и пропускной способности, поэтому вопрос качества связи в ней стоит особенно остро. Повысить качество связи позволяет заложенные в LTE механизмы диспетчеризации радиоканала и адаптации к его условиям. Поэтому исследование характеристик покрытия, выработка оптимального критерия адаптации является на сегодняшний день актуальной, особенно в свете незавершенности работы над стандартом LTE.

2 Связь работы с научными программами, планами, темами

Квалификационная работа магистра выполнена на протяжении 2009-2010 гг. согласно научным направлениям кафедры «Автоматики и телекоммуникации» Донецкого национального технического университета.

3 Цели и задачи исследования

3.1 Цели исследования

Цели исследования: изучение и анализ радиоинтерфейса LTE, построение модели радиоканала и исследование на ее примере основных характеристик зонового покрытия, а также разработка алгоритмов диспетчеризации и выработка оптимального критерия адаптации метода передачи к условиям радиоканала.

3.2 Идея работы

Идеей работы является использование нескольких моделей распространения радиосигнала в пространстве для моделирования радиоканала LTE. А также использование полученной модели для получения статистики, на основе которой можно выработать эффективный алгоритм диспетчеризации и адаптации метода передачи к условиям радиоканал.

3.3 Основные задачи исследования

Для реализации идеи и достижения цели магистерской работы поставлены и решаются следующие задачи:

• проанализировать методические и теоретические материалы по моделям распространения радиоволн в пространстве, для выбора оптимальных;
• разработать собственную модель радиоканала LTE на основе выбранной математической модели;
• разработать алгоритм диспетчеризации и адаптации метода передачи данных к условиям радиоканала руководствуясь изученными теоретическими сведениями, выбранным математическим аппаратом и полученными результатами моделирования.

3.4. Предмет исследования

Предметом исследования является математическая модель радиоканала связи LTE и разработаный на ее основе алгоритм диспетчеризации и адаптации.

3.5. Объект исследования

Объектом исследования является модели распространения радиоволн и характеристики покрытия радиосетей.

3.6. Методология и методы исследования

В данной работе для исследования радиоканала применялся метод математического моделирования

4. Предполагаемая научная новизна полученных результатов

Новизна магистерской работы заключается в следующем: повышается эффективность передачи информации по радиоканалу LTE за счет выработки алгоритма диспетчеризации и адаптации канала и подбора оптимальных критериев адаптации к условиям передачи.

5. Обзор разработок и исследований по теме

5.1. На локальном уровне

Технология LTE – новая технология, а по сему мало исследованная. На нашей кафедре до этого не велись разработки связанные с радиоинтерфейсом LTE, но велись разработки касательно других технологий радиодоступа.

5.2 На национальном уровне

На на циональном уровне разработками и исследованиями касающимися технологи LTE начали заниматься не так давно. На сегодняшний день мне известны следующие исследования в данной области:

• Калинчук Л.С., Овчаренко А.К., Морозова Е.И., Сай Д.И., Александрова М.С.

  Нормативные предпосылки применеия LTE-технологий на телекоммуникациях СНГ

• Степанюк О.А.

  Передача речи поверх LTE (VoLGA) как метод плавной трансформации сети

• Коваленко А.И., Шелковников Б.Н.

  Самоорганизующиеся сети в контексте технологии LTE

5.3. На глобальном уровне

В мире активно ведуться исследования и разработки стандарта LTE. 3GPP, объединяющая шесть организаций из стран Азии, Северной Америки и Европы по стандартизации в области разработки и продвижения современных мобильных технологий. Ведущими в этой области являються Ericsson и Huawei, которые ведут разработки с 2004 года. Последнее время, в связи с заинтересованностью мобильными операторами в этой технолгии и путях эволюции к сетям LTE, на территории России так же проводятся исследования, конференции и семинары посвященный данному стандарту, а которых обсуждаются не только практические методы внедрения этих сетей, но и теоретические аспекты моделирования, радиочастотного планирования и оценки характеристик покрытия.

6. Описание полученных и планируемых результатов работы

Работа над этой темой началась с предварительного изучения технологии в основном по материалам комитета 3GPP, а также white paper от Nokia, Simens и Ericsson. В ходе такой подготовки был сделан вывод, о том, что отличительной чертой технологии LTE является то, что она призвана не бороться с возникающими при передаче информации проблемами радиоканала, а приспосабливаться к его изменениям. Чтобы исследовать эти механизмы необходимо начать с модели распространения радиосигнала в пространстве.

Методы исследования можно, в общем и целом, разделить на две группы [6]: численные, учитывающие непосредственное взаимодействие излучения с веществом и возникающие в связи с этим эффекты (дифракция, отражение, преломление и др.), и полуфеноменологические, основанные на введении эмпирически определенных коэффициентов затухания для того или иного типа ландшафта с различной степенью антропогенности, которые отличаются большей простотой использования.

Следует отметить, что правильное применение той или иной модели позволяет получать довольно точные результаты, что немаловажно, в случае, например, достаточно больших городов, когда непосредственный учет всех необходимых параметров, таких как: высота каждого здания, этажность, ширина улиц и т.д. практически невозможен.

В настоящее время исследователями выделяются три группы моделей(методов) расчета зоны покрытия радиосети[7] :

• статистические;
• детерминированные;
• квазидетерминированные.

К статистическим методам расчета относятся модели Окамура-Хата, COST 231, Уолфиш-Икегами и пр. В их основе лежат обобщенные статистические формулы затухания радиосигнала в различных типах застройки ( городская, пригородная, сельская). Точность расчета зависит от тщательного подбора эмпирических коэффициентов, основанного на анализе карт местности. В настоящий момент большинство операторов сотовой связи использует для планирования сетей программные продукты, основанные именно на этих моделях, однако несовершенство компьютерных карт местности и усредненные коэффициенты приводят к достаточно большой ошибке. К числу достоинств данных моделей можно отнести сравнительно небольшое время расчета.

Детерминированные методы расчета зон покрытия основаны на использовании физических моделей распространения радиоволн. В них учитываются ослабление в свободном пространстве, отражение от местных объектов, дифракция на препятствиях, поглощение, преломление электромагнитных волн. Расчет основан на многолучевой модели распространения радиоволн. Плюсом данной технологии является достаточно высокая точность расчета. На практике детерминированный метод практически не применяется, т.к. в условиях городской застройки со сложной архитектурой расчет покрытия занимает огромное количество времени, сопоставимое со временем развертывания сети. Это вызвано не только вычислительными затратами на расчет многолучевого распространения радиоволн, но и необходимостью точного моделирования городской среды с учетом архитектурных особенностей, материалов строений, что практически невозможно в масштабах крупного населенного пункта.

Квазидетерминированный метод отличается следующими особенностями: применяется многолучевая модель распространения радиоволн, преломление заменяется ослаблением; используются среднестатистические коэффициенты отражения для каждого диапазона частот; поглощение рассчитывается с учетом длины луча в строении/лесу/парке; используется адаптивный алгоритм расчета, учитывающий различные направления прихода прямой и отраженной волн; существует возможность учета диаграмм направленности каждой антенны. Данная модель имеет большую точность по сравнению со статистическими методами, однако вычислительные затраты гораздо больше.

В документации по LTE предусматривается использование для моделирования 3 сценариев распространения радиоволн, в зависимости от расстояний между базовыми станциями (БС) и других условий:

• пригородная макросота (ориентировочное расстояние между БС 3км);
• городская макросота (ориентировочное расстояние между БС 3км);
• городская микросота (ориентировочное расстояние между БС менее 1км).

Для каждого из сценариев необходимо использовать свои модели распространения радиоволн в пространстве:

• Модель Okumura-Hata [1]

  Позволяет рассчитать среднестатистическое значение затухания радиосигнала между изотропными передающей и приемной антеннами.

• Модель COST231-Hata [1]

  Является модифицированным вариантом модели Okumura-Hata для диапазона частот 1500-2000 МГц.

• Модель Walfish-Ikegami [1]

  Не учитывает реальный рельеф местности, вместо этого в параметрах модели указывается тип городской застройки. Модель обеспечивает хорошую точность результатов при высоте антенны базовой станции выше уровня крыш. При приближении высоты антенны к уровню крыш значение ошибки увеличивается.

Предлагаю сравнительную характеристику моделей. В таблице 1 приведены ограничения моделей, а в таблице 2 – область применения.

Таблица 1

Модель	Частотный диапазон, МГц	Высота передающей антенны, м	Высота приемной антенны, м	Расстояние между антеннами, км
Okumura-Hata	150…1500	30…200	1…10	1…20
ST231-Hata	1500…2000	30…200	1…10	1…20
Walfish-Ikegami	800…2000	4…50	1…3	0.02…5

Таблица 2

Модель	Крупный город	Города средних или малых размеров	Пригородная зона	Сельская местность
Okumura-Hata	+	+	+	+
COST231-Hata	+	+	-	+
Walfish-Ikegami	+	+	-	-

Таким образом, исследование известных математических моделей, применяемых для решения этой задачи (Окамура, Хата, COST231 и др.), выявило два существенных их недостатка[5]. Первый из них связан с пространственной однородностью структуры модели. Мощность электромагнитного поля вычисляется по одной и той же формуле вне зависимости от расстояния от приемника до передатчика. Однако известно, что на практике электромагнитное поле имеет сложную зависимость от расстояния. Поэтому для реальных расчетов часто применяют две или более моделей одновременно (например, модель Икегами на расстоянии до 800 м. и модель Окамура на расстоянии свыше 800 м.). Таким образом, для адекватного описания покрытия разрабатываемая модель должна быть пространственно-неоднородной. Второй недостаток известных моделей определяется детерминированным характером многочисленных коэффициентов моделей и сложностью их определения в реальной ситуации, что, как правило, обусловливает существенное различие между расчетными данными и реальными измерениями. Поэтому целесообразным представляется адаптивный характер модели.

Тогда для моделирования радиоканала для технологии LTE можно таким образом использовать

Для сценариев пригородных и городских макросот модель распространения сигнала основывается на модифицированной модели COST231-Hata:

где - высота поднятия антенны базовой станции (БС), в метрах;

- высота поднятия антенны мобильной станции (МС), в метрах;

- несущая частота, в МГц;

d – расстояние между БС и МС, в метрах;

С – константа, для пригородной макросоты С=0 дБ, а для городской С=3дБ.

Для сценария городских микросот модель распространения сигнала основывается на модели Walfish-Ikegami:

Модель используется при следующих допущениях:

,высота зданий 12м, расстояние между зданиями 50м, ширина улиц 25м, .

Исследования показывают, что подобный подход позволяет адекватно описать распространение электромагнитного поля. Преимущества предлагаемой модели наиболее ярко проявляются при исследовании распространения поля в городских условиях. Это можно объяснить ярко выраженной зональной застройкой городской территории, когда один квартал города может быть плотно застроен высотными зданиями, а другой представлять собой лесопарковую зону. Таким образом, проведенные исследования позволяют рекомендовать предложенную адаптивной модель покрытия для использования в реальных системах мониторинга сотовых сетей.

На основе данной математической модели в среде Matdlab мною были полученные данные, характеризующие распространение сигнала в пространстве.

Алгорит диспетчеризации и адаптации канала будет базироваться на значениях CQI. CQI (Channel quality indicator ) индикатор состояния канала - это мера состояния канала для всех пользователей системы, она используется блоке распределения частотного ресурса и алгоритмом адаптации, которые будут рассмотрены ниже. CQI дискретная величина (обычно 30 уровней) измерения SINR в приемнике, соотнесеная с таблицей различных омбинациями схем модуляции и кодирования MCS (modulation and coding scheme). Качество нисходящего канала измеряется UEs (пользовательское оборудование) и отсылается в eNodeB, а восходящего канала в eNodeB, котрый после анализа и выбоа метода кодирования сообщает это UE.

Частотное планирование

Планироваие это процесс динамического распределения физического ресурса (частотного) между UE по определенному набору правил, который называется алгоритм планирования. Канальная адаптация в этом контексте подразумевает адаптацию скорости или выбор MSC, в зависимости от CQI. В общем виде, канальная адаптация может также включать в себя управление мощностью передачи. Для обоих алгоритмов, планирования и канальной адаптации, необходимо значения CQI как входные данные,а выходные данные обоих алгоритмов посылаются пользовательскому оборудованию посредством PDCCH.

Планировщик может использовать различные алгоритмы для того чтобы решить, какие пользователи будут задействованы и какие ресурсы распределены, при этом могут браться в расчет различные аспекты, такие как спектральная эффективность. Некоторые из основных алгоритмов будут описаны ниже.

• Алгоритм максимальной суммарной скорости. (Maximum sum rate algorithm )

Алгоритм (MSR) позволяет достигнуть максимальной суммарной скорости всех пользователей, ограничивая при этом общую мощность передачи.

Этот алгоритм является оптимальным, если целью является получение наибольшего объема данных как можно больше данных в системе. Мы можем достичь максимальной суммарной производительности системы , если общая пропуская способность на каждой поднесущей максимальна. Таким образом, проблема оптимизации максимальной производительности может быть упрощена до оптимизации на каждой поднесущей. Достичь максимальной производительности можно, если выделять все имеющиеся мощности для пользователей с наилучшим состоянием канала.

Оптимального распределения мощности достигается при выполнении алгоритма waterfilling алгоритм, в котором для каналов с лучшими характеристиками выделяется больше мощности, а худшими характеристиками – меньше [76,77]. Таким образом, общая производительность максимизируется путем повышения суммарной скорости в каждой поднесущей. В алгоритм MSR, для пользователей расположенных ближе к базовой станции с отличным каналом будут выделены наибольше системных ресурсов и они получат хорошую скорость передачи данных [21]. В алгоритме MSR общая пропускная способность системы достигает максимума. Однако, некоторые пользователи с плохим состоянием каналов при диспетчеризации основанной на алгоритме MSR получат крайне мало частотных ресурсов и не будут обслужены.

• Наиболее справедливый алгоритм. (Maximum fairness algorithm)

Как описывалось ранее, алгоритм MSR может привести к необъективному обслуживанию пользователей. Объективность может быть определена разными способами. Двумя наиболее растпространенными критериями являются Min-Max fairness и критерий пропорциональности Келли [69]. Существует альтернативный алгоритм MF, в котором предлагается выделять пользователям частотный ресурс в порядке увеличения минимальной скорости передачи данных. Поскольку целью является максимизация минимальной скорости передачи данных, то этот алгоритм называют алгоритм Максимума-минимума (max-min problem). Из-за вогнутости целевой функции в этом алгоритме гораздо сложнее определить оптимальное распределение поднесущих и мощности, чем в алгоритме MSR. Поэтому необходимо использование более простых алгоритмов, в которых распределение частот и мощности осуществляется отдельно. В общем метод заключается в том, что вначале на каждую поднесущую выделяется равная мощность. А затем итеративно отдаются имеющиеся поднесущие пользователям с низкой скоростью но лучшими условиями канала. После завершения оптимизации распределения частот, происходит оптимальное распределение мощности. Этот алгоритм касается производительности системы с точки зрения объективности распределения ресурсов и общей пропускной способности. Недостатком данного алгоритма является то, что распределение скоростей между пользователями не гибкое, и общая пропуская способность более ограничена во время распределения ресурса для пользователей с плохими условиями канала.

• Алгоритм пропорционального ограничения скорости. (Proportional rate constrains algorithm)

В беспроводных широкополосных системах связи разные пользователи использующие различные сервисы нуждаются в разных скоростях передачи данных. Алгоритм пропорционального ограничения скорости (PRC) позволяет увеличить общую пропускную способность за счет дополнительных ограничений на скорость передачи данных каждого пользователя согласно предварительным настройкам системных параметров {β_k }^k_(k=1). Пропорциональное ограничение скорости может быть выражено с помощью формулы 3:



Достижимая скорость передачи данных R_k может быть выражена с помощью равенства 4:




где k - количество пользователей;

L – количество поднесущих;

h_k,l – усиление канала для k-го пользователя поднесущей l;

P_k,l – мощность передачи, выделенная пользователя k в поднесущей l;

σ²- СКО спектральной плотности мощности;

B – общая полоса пропускания передатчика;

ρ_k,n – индикатор, используется ли поднесущая l k-м пользователем.


Преимущество этого алгоритма в том, что произвольные значения скорости могут быть получены путем изменения параметра β_k. Проблему оптимизации данного алгоритма также сложно решить прямым путем, так как он содержит непрерывные переменные, двоичные переменные . Также как и в алгоритме MSR уменьшить сложность комьютерых вычислений поможет разделение алгоритма на два подалгоритма, в которых распределение частот и мощности будет происходить отдельно.

• Пропорционально объективный алгоритм (Proportional fairness scheduling)

Описанные выше алгоритмы делают попытку общую пропускную способность, максимально объективно, или предоставляют пропорциональную скорость каждому пользователю. Альтернативный алгоритм делает попытку выполнить эти условия одновременно. Это обеспечит значительную гибкость в принятии решения при распределении частотного ресурса и диспетчеризации. Блок распределения частотного ресурса, может просто ждать пока пользователи, у которых низкое качество канала связи, приблизятся к базовой станции до того как начнет передачу. Долгосрочные условия канала не касаются выше описанного алгоритма. Наиболее используемый алгоритм диспетчеризации с этой точки зрения это PF (proportional fairness scheduling policy) , который позволяет максимизировать пропускную способность в долгосрочном периоде пользователя в зависимости от средних условий передачи и удовлетворяя условиям объективности для каждого. Алгоритм PF разработан с целью распределения в многопользовательском режиме, пока канал поддерживается в работоспособном состоянии пропускные способности всех пользователей сравнимы в долгосрочном периоде.

Пусть T_k(t) означает среднюю пропускную способность для пользователя k во временном интервале t, и пусть R_k(t) – мгновенная скорость передачи данных пользователя k вычисленное в момент времени t. Параметр t_c – параметр, управляющий задержкой системы. Задержка увеличивается с уменьшением t_c , в результате увеличивая общую пропускую способность. При больших значениях t_c , задержка уменьшается, потому что средние значения пропускной способности изменяется быстрее, за счет потери некоторой пропускной способности. Для выбранного пользователя обозначающегося через k^* наибольшее соотношение R_k(t)/T_k(t) при передаче. В долгосрочном периоде это эквивалентно выбору пользователя с наибольшим мгновенным значением скорости отнесенным к средней скорости. Среднее значение пропускной способности T_k(t) для всех пользователей обновляется по соотношению:



Канал с плохими условиями передачи выбирается в последнюю очередь, так как алгоритм диспетчеризации выбирает пользователей с наибольшим мгновенным значением скорости, отнесенным к средней пропускной способности. Объективность может быть улучшена с помощью использования приоритетов для необслуженых пользователей. Алгоритм PF в долгосрочном периоде может максимизировать пропускную способность пользователей, пока состояние сохраняется в определенной степени. Но этот алгоритм не может поддерживать приложения реального времени, такие как голосовые сервисы и сервисы потоковое видео.

• M-LWDF/EXP

Алгоритм M-LWDF/EXP (modified largest weighted delay first scheduling) поддерживает как обычные сервисы так и сервисы реального времени. Целью является сохранение задержки для каждого трафика меньше заранее определенного значения с определенной вероятность. Требуемые значения задержки и пропускной способности обозначаются как PT{W_i>τ_i}≤δ_i и T_i>t_iW_i задержка пакета при обслуживании с относительным приоритетом для очереди i, где


τ_i- максимально допустимое пороговое значение задержки,

δ_i- максимально допустимое значение вероятности превышения τ_i,

T_i- текущее пороговое значение пропускной способности.

В каждый момент времени t, выбирается пользователь i у которого максимальное значение ϒ_i W_i(t)R_i(t) для обслуживания в очереди.

R_i(t) – пропускная способность канала связи для потока пользователя i;

ϒ_i – произвольная постоянная;

ϒ_i=a_i/R_i(t), a_i=-(log δ_i)/ τ_i, и R_i(t) – средняя канальная скорость для потока пользователя i.


Требование к задержке может быть удовлетворено путем назначения определенных значений параметру ϒ_i. Алгоритм M-LWDF позволяет получить оптимальный значения пропускной способности. Основной характеристикой данного алгоритма в том, что решении при диспетчеризации принимается на основании как текущего состояния канала связи так и от очередей. Хотя трудно найти оптимальное значение параметра Υi для каждого типа трафика, алгоритм M-LWDF может удовлетворять требования к задержке.

Алгоритм M-LWDF основан на экспоненциальном законе для обеспечения наилучшего обслуживания при использовании обычных и чувствительных к задержке сервисов различными пользователями. Различие состоит в том, чтобы использовать различные веса для различных видов услуг. Функцию приоритетов, можно выразить следующим образом:




где U_i(n) – значение приоритета для i-го пользователя;

Каждое значение U_i(n) рассчитывается по экспоненциальному закону, включая задержку на обслуживание в очереди.

D_i(n) - задержка а обслуживание в очереди для i-го пользователя в n-й момент времени;

T_i(n) - приемлемое значение скорости для i-го пользователя в n-й момент времени;

T_i¯ – среднее значение T_i(n);

a_i=-(log δ_i)/τ_i, δ_i - требуемая вероятность потери пакета для пользователя i;

τ_i – максимальная задержка обслуживания в очереди.

¯ aD(n)¯можно рассчитать по формуле:




где N – количество пользователей использующих потоковые приложения.


Пропускная способность считается наиболее важным критерием для сервисов негарантированной доставки (best effort service), а задержка -для потоковых сервисов. При расчете с использоваием экспоненциального закона удовлетворяются требования QoS для сервисов чувствительных к задержке.

Канальная адаптация

Канальная адаптация использует индикатор качества канала CQI как входные данные распределения ресурса и выбора метода MSC. Как отмечалось ранее, CQI получают из значения SINR для приемника (UE пользовательского оборудования в нисходящем канале и базовой eNodeB для восходящего канала).

Но, при получении значения CQI появляются некоторые неточности, обусловленные квантованием, задержкой, большим периода отчета о CQI, усреднением SINR, поэтму целесообразно было делать пересчет значения CQI в eNodeB. Наиболее простой способ сделать это пересчитать значения CQI с помощью определенного ограничения Link Adaptation Margin (LAM). Процесс пересчета можно описать так:

[CQI_eff]=[CQI]-[LAM]

Переменные в формуле – матрицы, определенного размера, зависящего от количества пользователей в соте, частотного ресурса, и количество потоков передачи в случае применения MIMO.

LAM – значение, на которое уменьшается CQI до использования в алгоритме адаптации. Если LAM положительное, [CQI_eff] будет меньше чем до пересчета, поэтому при адаптации канала выбор будет тяготеть к выбору каналов с низкой скоростью передачи данных, другими словами к более надежному (более устойчивому) методу MSC, чем если бы выбор MSC осуществлялся до пересчета. Если LAM отрицательное, канальная адаптация будет тяготеть к выбору более скоростных каналов связи, то есть менее надежным методам MSC.

• Постоянная канальная адаптация

Фиксированная канальная адаптации использует корректировку CQI для всех пользователей, частотного ресурса и для всех потоков на одинаковую постоянную величину. В этом случае матрица LAM в формуле 8 можно рассматривать как постоянный скаляр или матрицу, в которой все элементы равны, и постоянны. Постоянное значение должно быть оптимизировано посредством моделирования для данного сценария (модель трафика, модель распространения и др.)

• Дифференциальная канальная адаптация

Предыдущий алгоритм не подходит для корректировки значения CQI от неточностей, которые могут возникать мгновенно. При дифференциальной канальной адаптации LAM могут изменяться по определенному алгоритму. В этом случае матрица [LAM] в формуле 8 не является постоянной величиной, и ее элементы могут изменяться независимо друг от друга.

Алгоритмы, которые выполняют обновление LAM, могут основываться на циклах, которые на входе используют текущие значения LAM и используют определенную обратную связь с системой, а на выходе дат новое значение LAM. Чаще всего обратная связь основана на использовании АСК и NACK.

В LTE применяется такой алгоритм использующий описанный метод адаптации. Алгоритм быстрой канальной адаптации Fast Link Adaptation (FLA) algorithm FLA простой алгоритм, который корректирует значения LAM для каждого поьзователя основываясь на ACK/NACK обратной связи для последней :

1. Если при последеней передаче для текущего пользователя принят ACK , это означает что передача прошла успешно, и LAM для этого пользователя уменьшается на положительную постояную ACKadj дБ. (чтобы применить менее надежный метод MSC в следующем TTI.)
2. . Если при последеней передаче для текущего пользователя принят NACK , это означает что передача прошла безуспешно, и LAM для этого пользователя увеличивается на положительную постояную NACKadj дБ. (чтобы применить более надежный метод MSC в следующем TTI.)

Обновление LAM производится для каждого пользователя независимо на основе ACK/NACK обратная связь каждого пользователя. Соотношение ACKadj/NACKadj может рассматриваться как плановое значение BLER и будет называться BLERtarget. Оба параметра, ACKadj и NACKadj, должны быть оптимизированы посредством моделирования для конкретного сценария. Алгоритм может быть легко расширена для поддержки передачи в сколько потоков в случае MIMO, где ACK/NACK отзывы будут получены для каждого потока отдельно и LAM могут быть определены для каждого пользователя и для каждого потока.


Рис. 6.1 Блок-схема алгоритма FLA

Я предлагаю осуществлять корректировку LAM для каждого пользователя независимо, основываясь значении ошибки Block Error Rate (BLER) каждого пользователя полученной в течении определенного взвешивающего окна. В этом случае алгоритм адаптации будет иметь вид:

1. Подсчитывается количество of NACKs (Block errors) полученных пользователем в течении взвешивающего окна.
2. В конце взвешивающего окна ( WINsize) вычисляется значение BLER для пользователя.
3. Если, BLER<=LOWerr, LAM уменьшается на 1 дБ.
4. Eсли, BLER>=HIGHerr , LAM увеличивается а 1 дБ.
5. Начитается новое взвешивающее окно и повторяются шаги 1-4.

Рис. 6.1 Блок-схема алгоритма основанного на величине BLER

Пошаговый алгоритм должен выполняться параллельно для всех пользователей. WINsize - длина периода окна или количество передач, в ходе которого подсчитывается BLER. Трудно определить величину окна, потому что вполне возможно, что некоторые пользователи могут вообще не иметь передач или могут иметь очень мало передач в течение последних WINsize, в зависимости от модели трафика. Поэтому, период расчета BLER определяться как последнее значение WINsize для конкретного пользователя. LOWerr и HIGHerr - пороги для определения уровня BLER.


Рис. 6.3 Иллюстрация адаптации кнала к уровню ошибок и CQI
Анимация: объём - 15 КБ; размер - 800х400; задержка между кадрами - 100 мс; количество циклов повтореня - бесконечное


Выводы

Несмотря на большое количество моделей и методов планирования сетей связи, зачастую реальное качество связи не соответствует прогнозу. В Руководящем документе отрасли определены нормы на показатели качества услуг связи и методики проведения их оценочных испытаний.

Наиболее точно оценить электромагнитную обстановку и качество связи в регионе позволяет проведение натурных испытаний, однако для большей эффективности данных мероприятий необходимо на начальных этапах проектирования проводить математическое моделирование, что приводит к новой итерации цикла проектирования.

Различными фирмами-производителями в настоящее время предлагается большое количество программных, программно-аппаратных и аппаратных комплексов, выполняющих функции моделирования, анализа и оптимизации сетей связи.

Наиболее перспективными подходами для исследования характеристик покрытия, по моему мнению, являются методы математического моделирования. Несмотря на недостатки существующих моделей, они на этапе планирования являются незаменимыми, так как отсутствует возможность проведения натурных измерений.

Ряд авторов утверждает, что невозможно заложить все факторы, влияющие на систему, в модель оценки, т.к. они являются случайными. Эти факторы можно заложить в модель оценки, но они приведут к существенному усложнению моделей. В то же время точность предсказания потерь в тракте распространения возрастает. Сложность расчета потерь, в существующих моделях, на современном этапе развития вычислительной техники не представляет трудности.

В данной статье был проведен анализ моделей распространения радиоволн в пространстве и предложена комбинация моделей для моделирования радиоканал LTE. В дальнейших исследованиях будет проведена попытка усовершенствования модели. Также в были рассмотрены алгоритмы диспетчериизации и адаптации канала, учтены все плюсы и недостатки, описанных методов и был предложен сетод адаптации канала, основанный на вычислении ошибки передачи.

Список используемой литературы

1. Абилов А. В. Распространение радиоволн в сетях подвижной связи [Текст]: Теоретический материал и задачи для практических занятий./А.В. Абилов.- Ижевск: ИжГТУ, 2001. – 24 с.
2. Аунг Мьинт Эй. Исследование распространения радиоволн и разработка модели затухания для помещений сложной формы [Текст]: дис. ... канд. техн. наук: 05.12.13/ Аунг Мьинт Эй.-М.-2008.-145 с.
3. Бабков В.Ю. Сети мобильной связи.Частотно-территориальое планирование[Текст]: учебное пособие для вузов/В.Ю. Бабков, М.А.Взнюк, П.А.Михайлов.-2-е изд.,испр.-М.:Горячая линия-Телеком, 2007.-224с.
4. Вастльев К.К., Служивый М.Н. Математическое моделирование систем связи [Электронный ресурс]:учебное пособие для вузов / К.К. Васильев, М.Н. Служивый. Ульяновск: УлГТУ, 2007.-210 с.-- Режим доступа:http://www.sernam.ru/book_mm.php
5. Ефимов В. Б., Дементьев В. Е., Лазарев С. Н. Адаптивная модель покрытия сетей сотовой подвижой связи [Электронный ресурс] //Ефимов В. Б., Дементьев В. Е., Лазарев С. Н.// V Всероссийская научно-практическая конференциия «Современные проблемы создания и эксплуатации радиотехнических систем»: Тез. докл. Ульяновск,2007.-С. 15-17.- Режим доступа:http://www.conf-ulstu.ru/p5_75.php
6. Кузнецова Н. М. Частотно-территориальное плаинирование сетей сотовой подвижной связи стандарта GSM [Электронный ресурс] //Кузнецова Н. М.// V Всероссийская научно-практическая конференциия «Современные проблемы создания и эксплуатации радиотехнических систем»: Тез. докл. Ульяновск,2007.-С. 20-23.- Режим доступа: http://www.conf-ulstu.ru/p5_83.php
7. Ледовской А.И., Слабуха Е.О., Крикун А.И. Зачем нужны расчеты зон радиопокрытия. [Текст]//Ледовской А.И., Слабуха Е.О., Крикун А.И.// Мобильные системы.- 2004.- №2.- C. 21-24.
8. Милютин Е.Р., Модели расчета потерь мощности сигнала в сотовых системах связи [Текст]//Милютин Е.Р.//Мобильные телекоммуникации.-2008.-№ 4.-С. 24-26.
9. СпорышевК.А., Ткачев А.М., Постольный А.С. Анализ подходов к оценке прогнозируемых зон обслуживания базовыми станциями в системах подвижной радиосвязи [Электронный ресурс]//Сборник научных трудов Харьковского университета Воздушных Сил им. Кожедуба.- 2007.-№2(14).-С. 79-82. - Режим доступа:http://www.nbuv.gov.ua/portal/natural/ZKhUPS/2007_2/Sporish.pdf
10. Long Term Evolution (LTE): an introduction. White Paper.[Электронный ресурс]// Ericsson.- 2007.-16 с.- Режим доступа:http://www.eventhelix.com/lte/lte-tutorials.htm

Примечания

При написании данного автореферата квалификационная работа магистра была не завершена. Дата окончательного завершения работы: 1 декабря 2010 года. Полный текст и материалы по теме могут быть получены у автора и его научного руководителя после указанной даты.