Файловый архив студентов. Файловый архив студентов.
1260 вузов, 4603 предметов.
/ Регистрация
FAQ Обратная связь Вопросы и предложения
Добавил:
СПбГУТ * ИКСС * Программная инженерия Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича
Предмет:
Математические модели в сетях связи
Файл:

Готовые лабораторные работы / ММвСС. Лаб. 6

.docx
Скачиваний:
105
Добавлен:
15.01.2020
Размер:
73.93 Кб
Скачать
☆

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ ИМ. ПРОФ. М. А. БОНЧ-БРУЕВИЧА"

Факультет инфокоммуникационных сетей и систем

Кафедра сетей связи и передачи данных

ЛАБОРАТОРНАЯ РАБОТА №6

«Имитационное моделирование канала передачи данных с коллизиями»

по дисциплине «Математические модели в сетях связи»

Выполнили:

студенты 2-го курса

дневного отделения

группы ИКПИ-81

Герман О. А.

Коваленко Л. А.

Санкт-Петербург

2019

Исходные данные и требования

Параметр

Ед. изм.

Значение

Скорость передачи данных в канале

бит/ед.вр.

250000

Интенсивность кадров

кадров/сек.

10, 25, 50, 75, 100, 200, 300, 400, 500, 600, 700, 800, 900, 1000

Размер кадра

бит

100

Таблица 1 – Характеристики и параметры канала

Построение канала

Имитационная модель включает в себя исходный поток кадров (source), передатчик (media), имитатор ошибки (selectOutput), получатели (sink), потери (loss), а также исходные данные.

На рисунке 1 приведена структура с запуском.

Рисунок 1 – Структура модели с запуском

В таблице 2 приведены настройки элементов.

Элемент

Настройка

source

  • Время между прибытиями: exponential( a * k )

media (delay)

  • Время задержки: (len * 8.0d) / br

  • Максимальная вместимость

  • При входе:

if (media.size() > 1) {

cls = media.size();

}

  • При подходе к выходу:

if (cls > 0) {

error = 1;

--cls;

}

else error = 0;

selectOutput

  • При выполнении условия: error == 0

  • При входе: p_s = 1.0d - pow(p_c, k);

loss

  • При входе: p_c = (loss.count() + 1.0d) / source.count();

Таблица 2 – Настройки элементов

Проведение имитационных экспериментов

Интенсивность кадров

Вероятность коллизий и вероятность доставки для заданного

1

2

3

4

5

10

0.062

0.938

0.120

0.986

0.175

0.995

0.227

0.997

0.274

0.998

25

0.148

0.852

0.274

0.925

0.381

0.945

0.473

0.950

0.551

0.949

50

0.274

0.726

0.472

0.776

0.617

0.765

0.722

0.728

0.798

0.676

75

0.381

0.619

0.617

0.619

0.763

0.556

0.853

0.470

0.909

0.378

100

0.473

0.527

0.722

0.479

0.853

0.378

0.922

0.275

0.959

0.188

200

0.722

0.278

0.923

0.149

0.978

0.063

0.994

0.024

0.998

0.008

300

0.853

0.147

0.979

0.042

0.997

0.009

0.999

0.001

0.999

0.001

400

0.923

0.077

0.994

0.012

0.999

0.001

0.999

0.001

0.999

0.001

500

0.959

0.041

0.998

0.003

0.999

0.001

0.999

0.001

0.999

0.001

600

0.979

0.021

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

700

0.989

0.011

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

800

0.994

0.006

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

900

0.997

0.003

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

1000

0.998

0.002

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

Таблица 3 – Результаты имитационного моделирования

Вычисления параметров

Аналитическая модель для оценки вероятности коллизий и вероятности доставки:

(1)

(2)

где — интенсивность кадров, — количество экземпляров одного кадра, — размер кадра (байт), — скорость передачи данных (бит/сек).

Интенсивность кадров

Вероятность коллизий и вероятность доставки для заданного

1

2

3

4

5

10

0.062

0.938

0.120

0.986

0.175

0.995

0.226

0.997

0.274

0.998

25

0.148

0.852

0.274

0.925

0.381

0.945

0.473

0.950

0.551

0.949

50

0.274

0.726

0.473

0.776

0.617

0.765

0.722

0.728

0.798

0.676

75

0.381

0.619

0.617

0.619

0.763

0.556

0.853

0.470

0.909

0.378

100

0.473

0.527

0.722

0.479

0.853

0.378

0.923

0.275

0.959

0.188

200

0.722

0.278

0.923

0.149

0.978

0.063

0.994

0.024

0.998

0.008

300

0.853

0.147

0.979

0.042

0.997

0.009

0.999

0.001

0.999

0.001

400

0.923

0.077

0.994

0.012

0.999

0.001

0.999

0.001

0.999

0.001

500

0.959

0.041

0.998

0.003

0.999

0.001

0.999

0.001

0.999

0.001

600

0.978

0.021

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

700

0.989

0.011

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

800

0.994

0.006

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

900

0.997

0.003

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

1000

0.998

0.002

0.999

0.001

0.999

0.001

0.999

0.001

0.999

0.001

Таблица 4 – Результаты аналитического моделирования

Анализ полученных результатов

Рисунок 2 – Итоговые результаты (вероятность коллизий)

Рисунок 3 – Итоговые результаты (вероятность доставки)

Выводы

  1. Результаты имитационной модели очень близки к результатам аналитической модели.

  2. С увеличением интенсивности кадров вероятность коллизий увеличивается, а вероятность доставки уменьшается.

  3. В большинстве случаев с увеличением количества экземпляров кадров вероятность коллизий увеличивается, а вероятность доставки уменьшается. Но может быть и противоположная ситуация при правильно подобранном .

Соседние файлы в папке Готовые лабораторные работы
Помощь Обратная связь Вопросы и предложения Пользовательское соглашение Политика конфиденциальности