Интернет ссылка: http://ea.donntu.ru:8080/jspui/handle/123456789/1985
Источник: Збірка праць молодих науковців з нагоди 50-річчя кафедри автоматики та телекомунікацій
Запорожченко В.В., группа ТКС- 09 м
Руководитель доцент, к.т.н., Бессараб В. И.
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[1]. Чтобы исследовать эти механизмы необходимо начать с модели распространения радиосигнала в пространстве.
В настоящее время исследователями выделяются три группы моделей(методов) расчета зоны покрытия радиосети:
– статистические;
– детерминированные;
– квазидетерминированные.
Мною будут использованы статистические модели. К ним относятся модели Okumura-Hata, COST231-Hata Walfish-Ikegami 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.
Модель Okumura-Hata позволяет рассчитать среднестатистическое значение затухания радиосигнала между изотропными передающей и приемной антеннами. Модель COST231-Hata является модифицированным вариантом модели Okumura-Hata для диапазона частот 1500-2000 МГц. Модель Walfish- Ikegami не учитывает реальный рельеф местности, вместо этого в параметрах модели указывается тип городской застройки[2].
Предлагаю сравнительную характеристику моделей. В таблице 1 приведены ограничения моделей, а в таблице 2 – область применения.
Таким образом, исследование известных математических моделей, применяемых для решения этой, выявило два существенных их недостатка. Первый из них связан с пространственной однородностью структуры модели. Второй недостаток определяется детерминированным характером многочисленных коэффициентов моделей и сложностью их определения в реальной ситуации. Поэтому целесообразным представляется адаптивный характер модели.
Предлагается для моделирования использоваться 3 сценария 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 сценариев пригородных и городских макросот модель распространения сигнала основывается на модифицированной модели COST231-Hata
Для сценария городских микросот модель распространения сигнала основывается на модели Walfish-Ikegami:
Модель используется при следующих допущениях: hБС = 12,5 , высота зданий 12м, расстояние между зданиями 50м, ширина улиц 25м, hМС = 1,5 .
Предлагается использовать следующий алгоритм диспетчеризации,
поддерживающий как обычные сервисы, так и сервисы реального времени.
Целью является сохранение задержки для каждого типа трафика меньше
заранее определенного значения с определенной вероятностью. Требуемые
значения задержки и пропускной способности обозначаются как 
и 
задержка пакета при обслуживании с относительным приоритетом для
очереди i.
Алгоритм основан на экспоненциальном законе, его отличием является использование различных весов для различных видов услуг. Функцию приоритетов, можно выразить следующим образом:
Пропускная способность считается наиболее важным критерием для сервисов негарантированной доставки (best effort service), а задержка – для потоковых сервисов. При расчете с использованием экспоненциального закона удовлетворяются требования QoS для сервисов чувствительных к задержке.
Канальная адаптация использует индикатор качества канала CQI как входные данные распределения ресурса и выбора метода MSC. 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 CQI, усреднением SINR, поэтому целесообразно было делать пересчет значения CQI в eNodeB. Наиболее простой способ – пересчитать значения CQI с помощью определенного ограничения Link Adaptation Margin (LAM). Процесс пересчета можно описать так:
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, CQIeff будет меньше чем до пересчета, поэтому при адаптации канала выбор будет тяготеть к каналу 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.
Предлагается использовать алгоритм адаптации, представленный на рис.1. Алгоритм основан на применении обратной связи с использованием квитации NACK/ACK. Пошаговый алгоритм должен выполняться параллельно для всех пользователей. WINsize - объем взвешивающего окна или количество передач, в ходе которого подсчитывается BLER(block error rate) . Трудно определить величину окна, потому что вполне возможно, что некоторые пользователи могли не осуществлять передачу данных в течении последнего взвешивающего окна. Поэтому, период расчета BLER определяться как последнее значение WINsize для конкретного пользователя. LOWerr и HIGHerr - пороги для определения уровня BLER.
На основе данного математического аппарата создана модель в пакете Matlab, с помощью которой проводятся эксперименты по оценке эффективность применения предложенных алгоритмов.
Перечень ссылок
1. Farooq Khan, LTE for 4G Mobile Broadband, Cambridge [Текст]: Cambridge Univercity Press, 2009 – 509 с.
2. Абилов А. В. Распространение радиоволн в сетях подвижной связи [Текст]: Теоретический материал и задачи для практических занятий. – Ижевск: ИжГТУ, 2001. – 24 с.