Разработка алгоритма управления ресурсами беспроводной сети в условиях высокой концентрации абонентов

Аннотация

Санжиев И.С. Разработка алгоритма управления ресурсами беспроводной сети в условиях высокой концентрации абонентов В данной статье проведено исследование по возможному упрощению управления ресурсами беспроводной сети в условиях большой концентрации абонентов. По результатам анализа преимуществ и недостатков методов создания беспроводных сетей сделаны выводы. Приняты решения привлечь технологии нейронных сетей для расчета возможных изменений в настройке параметров сети.

Существует много объектов с высокой концентрацией абонентов, где невозможно обойтись без беспроводных сетей. Такие, беспроводные сети позволяют достичь определенных преимуществ по сравнению с проводными сетями:

отсутствие проводов;

минимум строительно–монтажных работ;

высокая скорость;

дешевизна установки и владения;

гибкость в построении;

реконфигурация и масштабируемость;

совместимость с многими устройствами.

В повседневной жизни в местах большого скопления людей большее использование получил тип беспроводной сети: Wi–Fi на основе технологии IEEE 802.11 [1]. Из всех стандартов такой технологии передачи данных IEEE 802.11, на практике наиболее часто используются четыре, это: 802.11a, 802.11b, 802.11g и 802.11n.

Стандарт IEEE 802.11g является развитием 802.11b и работает в том же частотном диапазоне. Кроме этого, стандарт 802.11g совместим с 802.11b, таким образом любое устройство 802.11g имеет возможность поддерживать работу с устройствами 802.11b. Максимальная скорость передачи в стандарте 802.11g – 54 Мбит/с, это на сегодняшний день это наиболее перспективный стандарт беспроводной связи.

Стандарт 802.11n повышает скорость передачи данных практически, а четыре раза, по сравнению с устройствами стандартов 802.11g (максимальная скорость которых равна 54 МБит/с). Теоретически 802.11n способен обеспечить скорость передачи данных до 480 Мбит/с. Устройства 802.11n работают в диапазонах 2,4 – 2,5 или 5,0 ГГц.

Проблемами беспроводных сети всегда остаются:

ограниченность дальности связи;

резкое падение пропускной способности сети при увеличении количества абонентов.

В данной статье будут рассматриваться метод по решению проблемы связанных с пропускной способностью беспроводной сети в местах с большой концентрацией абонентов.

Несоответствие необходимой пропускной способности беспроводной сети и растущий трафик пользователей приводит к ухудшению характеристик сети и недовольству пользователей, и ошибочным выводам о том, что сеть Wi–Fi не может работать с большой нагрузкой. Однако, есть простые принципы проектирования, которые позволят обеспечить достаточную пропускную способность сети Wi–Fi для работы с тысячами пользователей в одном месте, как показывают примеры удачных проектов.

Основными требованиями к проектируемой беспроводной сети являются:

тип передаваемых данных (передача данных, голоса или позиционирование);

плотность пользователей;

требования к покрытию;

особенности клиентских устройств (мощности передатчика, поддерживаемые диапазоны и каналы, поддерживаемые скорости передачи данных);

требования к безопасности сети.

В зависимости от того какие типы данных, будут передаваться по сети, необходимо поставить требование к средней пропускной способности каналов связи и диапазону передатчика, которые будут использоваться в сети. Средняя пропускная способность канала передачи данных зависит от требований качества обслуживания и является трудной задачей.

Необходимое и достаточное количество абонентов, которые могут подключиться к одной точки доступа, ставит требование к мощности передатчика и распределения частотных каналов. Чем ниже мощность передатчика, тем меньше скорость передачи данных по каналу и тем меньше можно подключить абонентов к этой точке доступа. Оптимальное количество абонентов обычно колеблется от 13 до 18.

Безопасность беспроводных сетей зависит от использования различных технологий, таких как метод шифрования, цифровой подписи, паролей и прочего. То, каким образом используются эти технологии, влияет на уровень защищенности беспроводной сети. Вопросам безопасности беспроводных сетей посвящено большое количество исследований и данное исследование его не затрагивает.

Основной проблемой при проектировании беспроводных сетей доступа или их расширении является не перекрытие частот соседних точек доступа для того чтобы не допустить появления взаимных помех и снижения скорости передачи. Обычно это решается настройкой соседних точек на неперекрывающиеся по частоте каналы.

Как правило, для правильного планирования месторасположения точек доступа сперва нужно исследовать функциональные зависимости следующих величин:

диапазон;

используемые каналы выбранного диапазона;

мощность передатчика;

тип и коэффициент усиления антенны;

разрешенные скорости передачи данных.

Выявить зависимости перечисленных выше величин достаточно трудно, то на практике часто используют расчетные методики определения месторасположения точек доступа. К таким методикам относятся статистические модели (требуют только общего описания типа здания), а также одно – или многолучевые модели (оценивают уровень принимаемого сигнала и основаны на учете потерь на всех препятствиях на пути прохождения сигнала).

Основная задача – это повышение эффективности управления беспроводными сетями передачи данных, в нашем случае с помощью технологии Wi–Fi, с использованием интеллектуальных методов [2].

Математическим аппаратом, выбранный для исследований, являются нейронная сеть, из–за её возможного применения в прогнозировании результата. Способности такой сети к прогнозированию следуют из способности к обобщению и выделению «невидимых» зависимостей между входными и выходными данными, которые человек мог упустить или опустить из–за трудности решения задачи. После обучения нейронная сеть способна предвидеть будущее значение некой последовательности на основе нескольких предыдущих значений и/или каких–то существующих в настоящий момент факторов. Так же следует запомнить, что прогнозирование возможно только тогда, когда предыдущие изменения в какой-то степени предопределяют будущие. Рассмотрим возможную модель. Для начала следует выделить какие будут входные данные, и какие будут выходные данные по этим входным переменным. Для процесса прогнозирования собирается статистика о количестве устройств приема находящиеся в пределах зоны одного передатчика и уровнях мощности сигнала, статистических параметрах трафика (таких как – данные, голос, видео, объемы передаваемых данных и т. д.). Этот процесс не требует вмешательства дополнительного оборудования, подключаемого к мобильным устройствам, т. к. уровни мощности сигнала могут быть измерены при помощи встроенных устройств беспроводной связи. Так же необходимо учитывать возможные помехи, которые создают устройства друг для друга. На основе собранных данных следует процесс обучения нейронной сети, которая должна прогнозировать уровни мощности объектов и возможные оптимальные настройки точек доступа в сети.

Наиболее подходящей нейронной сетью для прогнозирования таких результатов служит рекуррентная нейронная сеть. Это наиболее сложный вид нейронных сетей, в которых имеется обратная связь [3] (под обратной связью подразумевается связь от логически более удалённого элемента к менее удалённому). Наличие обратных связей позволяет запоминать и воспроизводить целые последовательности реакций на один стимул. С точки зрения программирования в таких сетях появляется аналог циклического выполнения, а с точки зрения систем такая сеть эквивалентна конечному автомату.

Вышеописанный алгоритм позволяет построить возможную модель прогноза передачи данных в сети и уровней их сигнала для изменения таблиц маршрутизации, что дает возможность повысить эффективность управления беспроводными сетями, заранее отреагировать на изменение структуры сети и обеспечить полосу пропускания трафика с наименьшими потерями и задержками к критическим видам трафика.

Вышеописанный алгоритм позволяет построить возможную модель прогноза передачи данных в сети и уровней их сигнала для изменения таблиц маршрутизации, что дает возможность повысить эффективность управления беспроводными сетями, заранее отреагировать на изменение структуры сети и обеспечить полосу пропускания трафика с наименьшими потерями и задержками к критическим видам трафика.

Список использованной литературы

1. Беспроводные технологии [Электронный ресурс]. – Режим доступа: wikipedia.org
2. Семейкин В. Д., Скупченко А. В. Разработка нейросетевых алгоритмов для управления и контроля сетями передачи данных // Междунар. отраслевая науч. конф. проф.–преп. состава АГТУ, посвященная 80–летию основания АГТУ: тез. докл. – Астрахань: Изд–во АГТУ, 2010. – T. I. – С. 245.
3. Семейкин В. Д., Скупченко А. В. Применение нейросетевых моделей в телекоммуникационных системах // Международный форум информатизации (МФИ–2007): тр. конф. Телекоммуникационные и вычислительные системы. – М.: МТУСИ, 2007. – С. 36 –37.