Oshdi.05.06_1 презентация

и устройства телекоммуникаций

Научный руководитель:
доктор технических наук, профессор
Парамонов Александр Иванович

Исследование моделей и методов взаимодействия вида устройство – устройство в сетях связи общего пользования

Хуссейн Ошди Абдулкарим Хайдар

ФЕДЕРАЛЬНОЕ АГЕНТСТВО СВЯЗИ
Федеральное государственное бюджетное образовательное учреждение высшего образования
«Санкт-Петербургский государственный университет Телекоммуникаций им. проф. М.А. Бонч-Бруевича»

Факультет инфокоммуникационных сетей и систем (ИКСС)
Кафедра сетей связи и передачи данных (ССиПД)

услуг беспроводной радиотелефонной связи и беспроводного доступа. Рост пропускной способности на уровне абонентского доступа и плотности абонентов, внедрение новых услуг приводят к существенному росту интенсивности абонентского трафика. Это в ряде случаев приводит к снижению качества обслуживания на уровне доступа. Для предотвращения этого нежелательного явления приходится прибегать к уменьшению зоны обслуживания базовых станций и увеличения их количества.
В основе построения современных сетей беспроводной связи лежит принцип много ранговой архитектуры, на нижнем уровне которой находятся абонентские терминалы, а на следующем узлы доступа – базовые станции или точки доступа. Данный принцип исключает возможность горизонтальных связей (терминал – терминал).
Внедрение технологии связи «устройство-устройство» (D2D) для терминалов сетей подвижной связи привело к возникновению многочисленных предложений в части повышения эффективности сетей подвижной связи.
На сегодняшний день существуют не только предложения в части ретрансляции трафика в системах сотовой связи и снижения трафика на базовые станции (БС) и распределение контента, но и системные архитектуры на основе D2D для дополнения услуг сотовой связи в масштабируемой сети.
Для реализации D2D технологии может использоваться как технология сети связи (внутриполосная D2D), так и технологии построения WLAN IEEE 802.11-(внеполосная D2D).
D2D связь - это ключевая возможность сетей 5G в части обеспечения различных вариантов повышения эффективности сети, таких как снижение трафика на БС, задачи общественная безопасности, Интернет вещей(IoT) и связь «автомобиль-ко-всем» (V2X). Эффективность решений для этих вариантов в значительной степени зависит от моделей и методов группировки/кластеризации D2D устройств.
Все вышесказанное позволяет утверждать, что диссертационная работа, направленная на исследование моделей и методов взаимодействия вида устройство-устройство в сетях связи общего пользования является актуальной.

предметом диссертации являются модели и методы кластеризации D2D устройств в сетях связи общего пользования
Цель и задачи диссертации
Целью диссертации является разработка и исследование моделей и методов взаимодействия вида устройство – устройство в сетях связи общего пользования. Для достижения поставленной цели в диссертации решаются следующие задачи:
- анализ современных направлений исследований в области систем длительной эволюции и систем пятого поколения;
- разработка модели связности сети при использовании D2D коммуникаций;
- разработка модели кластеризации D2D устройств с учетом качества обслуживания трафика;
- разработка метода кластеризации D2D устройств, обеспечивающая максимальную величину обслуживаемого трафика;

отечественными и зарубежными учеными как А.Е.Кучерявый, А.И.Парамонов, , A.Salim и И.Д. Мандель т.д.
По использованию внеполосных и внутриполосных D2D-коммуникаций и кластеризации D2D устройств для увеличения спектральной эффективности системы для широковещательных сообщений, производительности и энергоэффективности сети, также выигрыш по пропускной способности по сравнению с традиционными решениями, прирост эффективности использования ресурсов известны работы S. Andreev, A. Asadi, S. Andreev, A. Pyattaev, J. Seppala. Проблемам внедрения D2D с сетевой поддержкой и акцентом на социальные сети было посвящено работы S. Andreev.

по взаимодействию между пользователями сети и повысит доступность терминалов, находящихся вне зоны действия БС, а также существенно повысит устойчивость сети к деструктивным воздействиям.
2. Модель кластеризации D2D устройств, имеющая в качестве целевой функции максимум пропускной способности (интенсивности обслуженного трафика).
3. Метод кластеризации D2D устройств и близкое к оптимальному распределения мобильных станций по обслуживаемой территории, обеспечивающее максимальную величину обслуживаемого трафика.

Положения, выносимые на доклад

по взаимодействию между пользователями сети и повысит доступность терминалов, находящихся вне зоны действия БС, а также существенно повысит устойчивость сети к деструктивным воздействиям.

Состояние и проблемы:

Как правило, связность рассматривается как характеристика сети, определяемая ее заданной топологией, и техническими особенностями.
В условиях сетей высокой и близкой к высокой плотностью абонентов и точек доступа, их мобильности а также их большом количестве актуальна задача описания связности как случайной величины.

Научная новизна:
разработана новая модель связности сети при использовании D2D коммуникаций отличающаяся от известных моделей тем, что основная на модель случайных графов и учитывает основные свойства абонентских устройств поддерживающих D2D технологии.

Первое положение, выносимое на доклад:

этого рассмотрим следующую модель.
предположим, что (Рассмотрим) количество транзитов не ограничено. терминалы сети распределены в зоне обслуживания случайным образом и образуют пуассоновское поле . Количество терминалов на единице площади рассматривается как плотность терминала . количество терминалов в диапазоне связи может быть получено как , где зависит от области связи, которой может быть 2D-пространства или 3D-пространства. Вероятность прямой связи между двумя узлами может быть оценена как
(1)
Рассматриваемая сетевая модель может быть описана случайным графом , где узлы, представленные вершинами, связанными друг с другом ребрами с вероятностью p. Вероятность можно рассматривать как вероятность того, что связь между узлами i и j существует. Для этой модели мы можем использовать известную модель Эрдеша–Реньи. Это помогает выразить вероятность доступности произвольных узлов через сеть из числа узлов. Следуя теореме , мы можем иметь в виду, что больше , если больше . В нашей модели больше , если
. Мы можем рассмотреть как пороговую вероятность фазового перехода от несвязной фазы к связанной фазе.

ρ - плотность терминалов

S – площадь зоны связи терминала

– общее количество терминалов в области сети

Аналитическая оценка потенциальных возможностей D2D в беспроводных системах 5G

связана.
-При уменьшении радиуса связи до 30 м приведенная структура сети «рассыпается» на изолированные подсети (кластеры) и изолированные терминалы.

Рис. 1. Зависимость связности сети от радиуса связи терминала

Сетевое взаимодействие при a) R = 60 м, b) R = 30 м

2D модель при случайном распределении терминалов в пространстве (пуассоновское поле) можно оценить вероятность доступности терминала как
(4)
пороговая вероятность определим как
(5)
производительность модели и общий потенциал этого подхода в некоторых реальных сценариях, мы рассмотрели три больших города (Париж, Прага и Санкт-Петербург) в качестве областей применения, см. Таблицу 2.

А

– общее количество терминалов в области сети

– Вероятность прямой связи между двумя узлами

– радиус связи терминала (м)

– плотность терминалов (шт./м2)

Б

Рис. 2. Зависимость связности сети от плотности при разных плоскостей узлов связи (терминалов)

Б) для Санкт-Петербурга b) Праги и c) Парижа.

Зависимость связности сети от плотности (при разных плоскостей терминалов)

связности

Он был получен путем моделирования сети из 100 узлов (терминалов) на плоской поверхности 200 × 200 метров с переменным диапазоном связи. Вероятность оценивалась как отношение количества существующих маршрутов к ряду возможных маршрутов в сети. Чтобы найти существующие маршруты, мы использовали алгоритм Флойда.

от плотности: (a) 100, (b) 200, (c) 300, (d) 700

При высокой плотности наблюдается связь близка к 100 % (Рис.4d) .
При низкой плотности сетевой график делится на набор отключенных кластеров (Рис.4a).
Если потенциальная связь между узлами больше , сеть содержит гигантский компонент с числом узлов порядка (Рис. 4b).
Если вероятность соединения между узлами меньше , сеть содержит отключенные кластеры с числом узлов порядка (Рис.4a).

и радиуса связи между терминалами . Доказано, что область с высокой плотностью терминалов может обеспечить высокую связность, а также при увеличения радиуса связи между терминалами.
Мы также определили потенциальные проблемы низко-уплотненных областей, которые могут быть решены путем добавления временных узлов, расположенных в области между группами с использованием БПЛА.


1. Hussein O. Muthanna A., Masek P., Hosek J., Fujdiak R., Hussein O., Paramonov A., Koucheryavy A. Analytical Evaluation of D2D Connectivity Potential in 5G Wireless Systems . Lecture Notes in Computer Science. — 2016. — Vol. 9870. — P. 395– 403. — ISSN: 0302-9743(Scopus)
2. Парамонов А.И. Анализ потенциальных возможностей D2D технологий в беспроводных сетях связи. / А.И. Парамонов, О.A. Хуссейн // В сборнике: 71-я Всероссийская научно-техническая конференция, посвященная Дню радио Труды конференции. 2016. С. 184-185.

Публикации:

устройств – кластеров, что дает возможность разгрузить БС и повысить эффективность использования радиочастотного ресурса.
Выбор кластера, как правило, производится по признаку физической возможности установления связи между устройствами, однако при этом не учитываются параметры качества обслуживания трафика.

Научная новизна:
- Разработана модель кластеризации D2D устройств, позволяющая по сравнению с известными моделями учесть параметры качества обслуживания и имеющая в качестве целевой функции максимум пропускной способности (интенсивности обслуженного трафика).

Второе положение, выносимое на защиту:

Модель кластеризации D2D устройств, имеющая в качестве целевой функции максимум пропускной способности (интенсивности обслуженного трафика).

bij. Будем полагать, что зона связи головного узла представляет собой круг c радиусом R, с центром в точке расположения головного узла CH, рис.2.
Полагая, что большинство пользователей D2D сосредоточены внутри помещений, опишем затухание сигнала моделью, рекомендованной для применения внутри помещений (ITU-R 1238)

дБ (6)

С учетом модели затухания опишем зависимость пропускной способности от расстояния ступенчатой функцией (рис.6)

(7)

Ступенчатая функция аппроксимирована гауссоидой, которая отражает тенденцию изменения пропускной способности при изменении расстояния


, Мбит (8)

Рис. 6 Зависимость скорости передачи данных
от расстояния до устройства

Модель кластеризации D2D устройств

Рис.5 Рассматриваемая модель кластера

равна S, радиус R (S=πR2), на интервале 0≤r≤R. Радиус круга R
Функция плотности вероятности f(r)=const внутри круга
(9)
Если функция, выражающая зависимость пропускной способности b от расстояния до головного узла имеет вид (8), т.е. .

где R - радиус зоны обслуживания, определенный из модели затухания выразим из (5). Функция распределения пропускной способности b на круге R, в соответствие с (6)

– скорость перемещения подвижного узла(м/с)
– максимально возможная скорость передачи данных (Мбит/с)
R – радиус связи терминала (м)
c – полуширина кривой (м)

(10)

(11)

пропускной способности

Например, для стандарта IEEE 802.11n математическое ожидание M(b) пропускной способности в зоне связи (на круге R), в соответствие с (8) будет определяться как




Например, при выбранной аппроксимации функции пропускной способности от расстояния и равномерном распределении пользователей в зоне связи математическое ожидание пропускной способности, для стандарта IEEE 802.11n составляет 19,51 Мбит/с.

Функция распределения пропускной способности и плотность распределения вероятности

(12)

рассеивании (равенстве дисперсий по x и y) плотность распределения равна


(13)

Для анализа пропускной способности будем полагать, что вероятность попадания в круг R (зону обслуживания) равна 1. Нормальный закон распределения вероятности безграничен по значениям x и y. C достаточной точностью его можно описать «усеченным нормальным» распределением.
(14) (15)

Плотность вероятности пропускной способности, согласно (7)
, из (6) с учетом (17) и (18)








(16) (17)

где - среднеквадратическое
отклонение (СКО

Нормальное распределение вероятности

вероятности пропускной способности

Математическое ожидание величины пропускной способности.





Значения M(b) при значениях среднеквадратического отклонения 20, 30 80 м равны 55,72; 47,28 и 25,15 Мбит/с, соответственно.

(21)
.

Функция распределения пропускной способности и плотность распределения вероятности

(18)

распределении пользователей
(по результатам имитационного моделирования, среднее 17,2 Мбит/с)

Зависимость пропускной способности от расстояния и плотность вероятности при равномерном распределении пользователей

распределении пользователей
(при σ=30 м, по результатам имитационного моделирования, среднее 47,4 Мбит/с)

Зависимость пропускной способности от расстояния и плотность вероятности при нормальном распределении пользователей

кластера показал ее зависимость от распределения пользователей. В частности, полученные результаты показали, что большая средняя величина пропускной способности достигается при нормальном распределении, чем при равномерном распределении (при определенных значения дисперсии).
2. Получены аналитические выражения для функций распределения и плотностей вероятности пропускной способности при нормальном и равномерном законах распределения абонентских терминалов относительно головного узла кластера.
Адекватность полученных выражений подтверждается результатами имитационного моделирования.
3. Результаты имитационного моделирования двух методов кластеризации центроидного типа показали, что закон распределения элементов в кластерах (относительно головных узлов) зависит от количества кластеров. При равномерном распределении элементов в зоне обслуживания, при относительно большом количестве кластеров, он близок к нормальному закону, а при относительно малом к равномерному закону.
.

Koucheryavy Y. Clustering Optimization For Out-Of-Band D2D Communications . Wireless Communications and Mobile Computing. 2017. Т. 2017. С. 6747052
О. Хуссейн, А. Парамонов, А. Кучерявый. Моделирование и анализ кластеризации D2D устройств в сетях пятого поколения . Электросвязь (11, 2018), –С. – . (из перечня рецензируемых изданий)
Парамонов А.И. Анализ потенциальных возможностей D2D технологий в беспроводных сетях связи. / А.И. Парамонов, О.A. Хуссейн // В сборнике: 71-я Всероссийская научно-техническая конференция, посвященная Дню радио Труды конференции. 2016. С. 184-185.

этом не учитывается влияние размера кластера на качество обслуживания трафика.

Актуальна задача выбора метода и параметров кластеризации таким образом, чтобы обеспечить максимум или близкое к максимуму значение пропускной способности.

Научная новизна:
Разработан метод кластеризации, учитывающий в отличие от известных параметры пропускной способности, что позволило решить задачу нахождения близкого к оптимальному распределения мобильных станций по обслуживаемой территории, обеспечивающего максимальную величину обслуживаемого трафика.

Третье положение, выносимое на защиту (доклад):

Метод кластеризации D2D устройств и близкое к оптимальному распределения мобильных станций (головных узлов кластеров) по обслуживаемой территории, обеспечивающее максимальную величину обслуживаемого трафика.

является пропускная способность b, то доля узлов, объединяемых кластером, от числа, попадающих в зону связи головного узла может быть описана как

(19)

Где b0 минимально допустимая пропускная способность в кластере, bmax – максимальная пропускная способность.

Рис.13. Кластеризация 5000 элементов двумя разными алгоритмами

Метод кластеризации D2D устройств

в кластерах при различных методах кластеризации (25 кластеров)

Распределение узлов в кластерах при различных методах
кластеризации

кластеров, а именно, по результатам имитационного моделирования получено распределение величины
(20)

Где - координата центра масс i-го кластера;
- координата элемента mj кластера ci;
ci - кластер i;
mj - элемент j кластера i;
ni - количество элементов в кластере i;
- количество кластеров.

Рис.14 Распределение узлов в кластерах при различных методах
кластеризации (25 кластеров)

и 5 кластеров)

Рис.16 Распределение узлов в кластерах при различных методах
кластеризации (2 кластера и 5 кластеров)

Распределение узлов в кластерах при различных методах
кластеризации

распределения элементов в кластерах (относительно головных узлов) зависит от количества кластеров. При равномерном распределении элементов в зоне обслуживания, при относительно большом количестве кластеров, он близок к нормальному закону, а при относительно малом к равномерному закону.
.

Публикации:
Paramonov A., Hussain O., Samouylov K., Koucheryavy A., Kirichek R., Koucheryavy Y. Clustering Optimization For Out-Of-Band D2D Communications . Wireless Communications and Mobile Computing. 2017. Т. 2017. С. 6747052
О. Хуссейн, А. Парамонов, А. Кучерявый. Моделирование и анализ кластеризации D2D устройств в сетях пятого поколения . Электросвязь (11, 2018), –С. – . (из перечня рецензируемых изданий)

сети

– Вероятность прямой связи между двумя узлами

– радиус связи терминала (м)

– плотность терминалов (тер./м3)

Для 802.11n

Зависимость связности сети от радиуса связи терминала

определить соотношение между радиусом связи терминала и плотностью пользователей можно из условий связности , при котором достигается необходимая вероятность связности сети.
Рассматривая 3D модель при случайном распределении терминалов в пространстве (пуассоновское поле) можно оценить вероятность доступности терминала как
(2)
Условие связности сети из пороговой вероятности определим как

(3)

Таблица 1.

организации связи между D2D устройствами семейство стандартов IEEE 802.11 необходимо определить характер зависимости bij от параметров сети. Согласно [18] скорость передачи данных между двумя устройствами определяется автоматическим выбором одной из реализованных схем модуляции и кодирования (MCS) в соответствии с условиями приема (качеством радиоканала). Эти условия оцениваются мощностью сигнала на входе приемника s=prx или отношением мощностей сигнала и шума (SNR) или сигнал/шум+помеха (SINR).