Розвиток мереж мобільного зв’язку в наш час здійснюється надзвичайно високими темпами. Зростає пропускна здатність каналів зв’язку, розширюється набір сервісів, що пропонуються, навіть з’являються нові концепції застосування мобільних мереж зв’язку. І якщо 20 років тому масовими засобами мобільного зв’язку можна було назвати лише ефірне телебачення та радіомовлення, то зараз майже у кожної людини є мультисервісний пристрій, що дозволяє не тільки здійснювати телефонні розмови, але й забезпечує доступ до Інтернет, дозволяє здійснювати відеодзвінки та телефонні конференції. Окрім цього є маса інших застосувань мобільних мереж зв’язку, таких як збудування домашніх мереж передачі даних та глобальне позіціонування. Ці послуги є дуже затребуваними, тому наукові дослідження в цьому напрямку є актуальними.

Технологія LTE є однією з найбільш перспективних технологій мобільного зв’язку, що відносять до технологій четвертого покоління мобільних мереж. Однак при розгортанні мережі четвертого покоління у теперішніх умовах виникають деякі труднощі. Перш за все, необхідно винайти досить широкий вільний частотний діапазон. Крім того, зростання трафіка даних призведе до того, що до кожної базової станції треба підводити широкий канал транспортної мережі. Встановлення нового обладнання та його узгодження з існуючою інфраструктурою потребуватиме значних витрат.

Одним із засобів м’якого переходу на нову технологію мобільного зв’язку, який дозволяє якнайраціональніше використовувати наявні ресурси, є застосування концепції SON (мережі, які самоорганізуються), що дасть змогу мінімізувати витрати оператора при розгортанні мережі LTE.

Концепція мереж, що самоорганізуються (SON), призначена для оптимізації всіх робочих процесів оператора мобільного зв’язку саме у такому сенсі. Самоорганізація є логічним результатом ускладнення мереж зв’язку. За рахунок того, що обсяг інформації про параметри мережі став надзвичайно великим, був здійснений перехід від кількості до якості: мережа стала достатньо інтелектуальною, щоб управління нею можна було зробити повністю автоматичним. Окрім того, ситуація у мережі зазвичай змінюється настільки динамічно, що людина, як управляючий елемент, не може приймати рішення достатньо оперативно.

Головною метою SON є зменшення OPEX - операційних витрат оператора. Для цього необхідно зменшити кількість робочих процесів, необхідних для обслуговування мережі. Основу для скорочення операційних витрат складає той факт, що при використанні SON зменшується кількість операцій з налаштування роботи базових станцій, які потребують безпосередньої участі технічного персоналу. Згідно з цим, можна зменшити і кількість працівників, що налагоджують базові станції. В цілому OPEX зменшуються приблизно на 30%.

Трьома основними принципами концепції SON є самоконфігурація, самовідновлення та самооптимізація. Всі ці три принципи покликані зменшити операційні витрати оператора на утримання мережі.

Метою цієї роботи є підвищення показників ефективності LTE-мережі при забезпеченні заданих параметрів якості обслуговування абонентів за рахунок оптимального використання обмежених частотних та технічних ресурсів оператора.

Для досягнення цієї мети необхідно вирішити ряд задач.

1. Провести аналіз існуючої ситуації на ринку мобільного зв'язку і перспектив створення мережі четвертого покоління
2. Вивчити доцільність впровадження технологій SON, що дозволяють підвищити ефективність використання ресурсів, при побудові мережі стандарту LTE
3. Розробити критерій ефективності використання ресурсів оператора
4. Розробити математичну і програмну модель динамічного перерозподілу ресурсів мережі при нерівномірному розподілі навантаження по території, що обслуговується
5. Провести дослідження цієї моделі і розробити рекомендації щодо технічних рішень при впровадженні технології LTE

Проект має таку наукову та технічну новизну:

• Розроблено інтегральний критерій ефективності використання ресурсів
• Доведено доцільність побудови мережі LTE/SON як такої, що найбільш ефективно використовує ресурси оператора
• Розроблено математичну модель мережі, що самоорганізується, на базі алгоритму мурашиних колоній
• Розроблено програмне забезпечення, що реалізує вказану математичну модель
• Надано рекомендації оператору по розгортанню LTE-мережі на базі існуючої мережі

Метою концепції SON є оптимізація роботи мережі мобільного зв’язку. Очевидно, що при аналізі роботи мережі LTE/SON слід визначити критерій, за яким буде здійснюватися оцінка її ефективності. У даній роботі таким критерієм є максимізація прибутку оператора. Для досягнення цього слід наблизити швидкість, що надана абонентам, до швидкості, яку вони потребують. При цьому враховується, що залежність прибутку з абонента від швидкості, яка йому надається, нелінійна.

У математичному сенсі цей критерій можна формалізувати так:

де Y_ik – пропускна спроможність, що надана i-му абоненту k-ї категорії, C_k(Y) – доходність абонента в залежності від швидкості, яка йому надана, C_k.max – максимально можлива доходність абонента, Y_ik.required – швидкість, яку потребує i-й абонент.

Фактично для наближення значення K до одиниці необхідно мінімізувати втрати за навантаженням. В існуючих технологіях мобільного зв’язку це здійснюється шляхом зниження швидкості передачі для абонентів, які мають низький пріоритет. Концепція SON дозволяє провести оптимізацію шляхом перерозподілу абонентів по БС, що дає змогу наблизити розподіл навантаження по БС до рівномірного. Очевидно, що у деяких випадках перерозподіл абонентів по БС не дасть необхідного результату. Таким чином, доцільно комбінувати цей метод із зниженням швидкості абонентів з низьким пріоритетом у разі великого значення показника втрат.

При моделюванні будь-якої мережі мобільного зв’язку зазвичай використовуються методи теорії телетрафіка. Але математичний опис процесів, які відбуваються у мережі LTE/SON, має свою специфіку. Зокрема, при використанні розподіленого та гібридного SON базові станції мережі самостійно змінюють деякі свої параметри під впливом сигналів від інших станцій. Такі процеси дуже подібні за характером до тих, що відбуваються у нейронних мережах, тобто БС можна розглядати як нейрон. Враховуючи це, доцільно застосувати методи імітаційного моделювання поведінки масових популяцій. У даному випадку абоненти розглядаються як члени такої популяції. Найдоцільнішим є використання методу м’якої оптимізації мурашиними колоніями (АСО). При цьому модель, заснована на ідеях мімікрії, враховує можливість «маркування шляху» так званим феромоном, який виступає у ролі своєрідного зворотнього зв’язку.

Таким чином, процес оптимізації, який реалізовано у розробленій моделі, відбувається в два етапи: перерозподіл абонентів по базових станціях та можливе зниження швидкості для абонентів з низьким пріоритетом.

Рисунок 1 - Загальна логіка оптимізаційного процесу

При перерозподілі абонентів по базових станціях враховується, що кожна БС має дві зони обслуговування – основну, у якій потужність сигналу від цієї станції набагато перевищує потужність всіх інших сигналів, та периферійну, у якій абоненти можуть обслуговуватися однією з декількох БС. Для абонентів, які знаходяться у периферійній зоні, алгоритм вибору БС базується на масиві приоритетів базових станцій, що розраховуються за формулою:

де P_j – пріоритет j-ї БС для поточного абонента, d_j – відстань від j-ї БС до поточного абонента, K_ho – коефіціент хендоверу.

Абонент передається до тієї БС, яка має найвищий пріоритет. Після обчислення пріоритетів всіх БС і, відповідно, призначення кожного абонента до якоїсь БС, обчислюється навантаження, яке створює кожна базова станція на транспортну мережу. Фактично здійснюється перехід від даних про територіальний розподіл абонентів до даних про розподіл навантаження по БС.

Вищезазначена модель є статичною, тобто розглядає лише один варіант розташування абонентів та базових станцій. Вона реалізує таку функцію концепції SON, як Mobility Load Balancing (MLB), тобто мобільне балансування навантаження. Але у реальних системах абоненти мобільного зв’язку завжди рухаються, у зв’язку з чим виникають додаткові проблеми, що потребують рішення. Однією з таких проблем є проблема своєчасного хендоверу. Для контролювання моменту хендоверу існує така функція концепції мереж, що самоорганізуються, як Mobility Robustness Optimization (MRO), або оптимізація мобільної стійкості. Саме для реалізації MRO служить коефіціент хендоверу у формулі приорітету базової станції.

Значення цього коефіціенту дорівнює 1, якщо станція, до якої абонент вже є підключеним, співпадає з розглядуваною базовою станцією. В іншому випадку його значення лежить у межах (0;1). Негативний вплив хендоверу в мережі LTE полягає не стільки в тому, що абонент відчуває затримку (яка складає всього 30 мс), як у навантаженні, що ця операція створює на мережу. В цій операції задіяні обидві базові станції, тому в межах моделі можемо вважати, що на протязі того інтервалу дискретизації моделі, коли абонент здійснює хендовер, його обслуговують відразу обидві базові станції. Це припущення дозволить урахувати негативний вплив хендовера на роботу мережі.

Модель, зазначену вище, було реалізовано програмно за допомогою мови програмування Ruby. При розробці програми було використано концепцію об’єктно-орієнтованого програмування. У програмі реалізовано 6 об’єктів, з яких будується система: модуль вводу, модуль виводу, модуль керування, абонент, базова станція, взаємодія.

Модуль вводу виконує операції читання із файлу вхідних параметрів, а також генерує розподілення абонентів по площині на основі заданої щільності імовірності.

Об’єкти “абонент” та “базова станція” включають набір змінних та функцій, що описують всі необхідні параметри окремого абонента та окремої базової станції відповідно. В програмі зазвичай існує багато екземплярів цих об’єктів, що організовані як масив абонентів і масив базових станцій відповідно.

Об’єкт “взаємодія” працює із масивами об’єктів “абонент” та “базова станція”. Саме цей об’єкт визначає, який абонент обслуговується якою базовою станцією. В цьому об’єкті реалізовано алгоритм оптимізації мурашиними колоніями. В програмі існує лише один екземпляр цього об’єкту.

Модуль виводу даних представляє інформацію, що обчислена програмою, у зручному для людини вигляді: графічно чи в текстовому вигляді. За потреби може бути замінений модулем, що трансформує обчислену інформацію в формат вхідних даних для іншої програми.

Модуль керування є центральним об’єктом програми. В ньому не реалізовано ніяких обчислювальних функцій, але саме цей модуль визначає логіку роботи програми та організує передачу даних від одних об’єктів іншим.

В якості вхідних даних для моделювання був обраний район міста Донецька із визначеним розташуванням базових станцій та випадковим розташуванням абонентів з урахуванням типового місцезнаходження абонентів того чи іншого типу. Метою моделювання було надання рекомендацій оператору щодо оптимального співвідношення кількості базових станцій та потрібної полоси частот, а також використання традиційного підходу до побудови мережі чи підходу згідно з концепцією SON з урахуванням кількості абонентів у довгостроковому періоді.

Графіки на рисунках 2а та 2б відображають залежність значення критерію K від кількості базових станцій Nbs та полоси частот ∆F, що використовується при фіксованому значенні кількості абонентів. Користуючись ними, можна порекомендувати оператору побудувати мережу із використанням концепції SON, в якій працюватиме 75 базових станцій на район. Потрібний частотний ресурс складатиме 10 МГц. Це забезпечить прибуток оператора на рівні близько 98% від можливого при кількості абонентів, для якої було промодельовано роботу мережі.

а) при традиційному підході   б)при підході із використанням SON
Рисунок 2 - Графік K(Nbs,ΔF)

В результаті моделювання також було отримано залежність K(Nusr, Nbs, ∆F), де N_usr – кількість абонентів, N_bs - кількість базових станцій, ∆F – ширина частотного діапазону. Графіки для цієї залежності приведено на рисунках 3а та 3б. Значення критерію К позначене кольором.

а) при традиційному підході   б)при підході із використанням SON
Рисунок 3 - Графік K(Nusr, Nbs, ∆F)
Цей рисунок є анімованим. Для перегляду перезавантажте веб-сторінку.

Оскільки значення критерію є пропорційним прибутку оператора, з отриманих даних можна визначити оптимальну конфігурацію мережі, порівнюючи вартість тієї чи іншої конфігурації із прибутком від такої мережі. При цьому може бути враховане зростання навантаження на мережу в зв`язку із зростанням кількості абонентів.

Графіки, що побудовані на основі конкретного району міста Донецька, дають реальну інформацію операторові щодо кількості базових станцій, що треба розташувати на визначеній території, потрібної смуги частот та кількості абонентів в цьому районі, що розташовані на території району за визначеним розподіленням щільності імовірності, що можуть бути обслуговані із визначеним рівнем якості обслуговування. Таке моделювання може бути проведене для будь-якого района, але треба розуміти, що задача оптимізації в даному випадку є NP-повною, і, хоча обсяг інформації, що має бути обчислений, є значно зменшеним у порівнянні з повним перебором варіантів за рахунок використання метаеврістичного алгоритму, але час обчислювання все одно експоненційно зростає із лінійним зростанням кількості базових станцій.

На момент написання даного автореферату кваліфікаційна робота магістра ще не завершена. Дата остаточного завершення роботи: 1 грудня 2011р. Повний текст роботи та матеріали по темі роботи можуть бути отримані у автора або його наукового керівника після зазначеної дати.

1. И.В. Дегтяренко, Д.С. Шахов, Д.А. Кнерцер, А.А. Орехов Модель розвитку мережі мобільного оператора при використанні технології LTE/SON // Наукові праці Донецького національного технічного університету. Серія: Обчислювальна техніка та автоматизація. Випуск: 20 (182). Стр. 130-136.
2. Кнерцер Д.А., Дегтяренко И.В. Розробка та дослідження моделі cегмента мережі, що самоорганізується, на базі технології LTE // Тези всеукраїнського конкурсу студентських наукових робіт з природничих, технічних та гуманітарних наук у 2010/2011 р.р.("Телекомунікаційні системи та мережі", "Інформаційні мережі зв'язку"). - Одеса: ВМВ, 2011. - 24 с.
3. Moray Rumney. LTE and the Evolution to 4G Wireless: Design and Measurement Challenges. - Agilent Technologies. – 557 p.
4. Farooq Khan. LTE for 4G Mobile Broadband: Air Interface Technologies and Performance. – Cambridge University Press. – 492 p.
5. Стандарт ETSI TR 136 902 V9.3.1 (2011-05). LTE; Evolved Universal Terrestrial Radio Access Network (E-UTRAN); Self-configuring and self-optimizing network (SON) use cases and solutions
6. LTE SON: How Does It Work? [Електронний ресурс] - Режим доступу http://wwwen.zte.com.cn/endata/magazine/ztetechnologies/2009year/no5/articles/200905/t20090518_171482.html вільний. Назва з екрана.
7. Opportunities with self organizing / self optimizing networks (SON) [Електронний ресурс] - Режим доступу http://radioplan.us/docs/oliver_wyman_actix_son_analysis_for_website.pdf вільний. Назва з екрана.
8. Marco Dorigo, Thomas Stuzle. Ant Colony Optimization. – Massachusetts Institute of Technology. – 2004. – 368 p.
9. Муравьиные алгоритмы [Електронний ресурс] - Режим доступу http://habrahabr.ru/blogs/algorithm/105302/ вільний. Назва з екрана.
10. 3GPP Long-Term Evolution / System Architecture Evolution Overview [Електронний ресурс] - Режим доступу http://www.ikr.uni-stuttgart.de/Content/itg/fg524/Meetings/2006-09-29-Ulm/01-3GPP_LTE-SAE_Overview_Sep06.pdf вільний. Назва з екрана.