1. Что такое нисходящий канал связи в телекоммуникационных сетях?

В телекоммуникационных сетях нисходящий канал связи представляет собой передачу данных от базовой станции к абонентскому устройству. Согласно лекции, примерно 95% всего интернет-трафика проходит по нисходящему каналу. Например сюда можно отнести загрузку веб-страниц в ответ на запрос пользователя.

2) Какой из изученных алгоритмов распределения ресурсов оптимален для передачи данных по заданному варианту базовой станции? Почему?

Согласно полученным в результате работы графикам для используемой системы передачи данных (параметры приведены на Рисунке 1) среди изученных алгоритмов распределения ресурсов оптимальным является Proportion Fair.

Алгоритм Maximum Throughput приводит к неравномерному распределению ресурсов. Как видно на Рисунке 4, при использовании этого алгоритма скорость передачи данных для некоторых абонентов (в данном случае для всех, кроме ближайшего) будет равна к нулю, что не подходит для стабильной работы системы для большинства абонентов.

Алгоритм Equal Blind распределяет ресурсы равномерно, но не учитывает качества канала, что может привести к неоптимальному использованию пропускной способности, так как у абонентов разное качество связи.

А алгоритм Proportion Fair обеспечивает баланс между суммарной скоростью сети и равномерностью распределения ресурсов. На Рисунке 2 видно, что алгоритм Proportion Fair немного превосходит Equal Blind. Он позволяет поддерживать приемлемый уровень скорости для всех абонентов, поэтому и является оптимальным.

Приложение а «Генерация абонентов и отображение их положения»

import numpy as np

import matplotlib.pyplot as plt

# константы

R = 30 # радиус действия БС

Ptx = 0.1 #

f0 = 5600 # частота

df = 40 # частота пропускания канала

kn = 3 # коэффициент теплового шума

T = 300 # температура (К)

K = 1.380649*10**-23 #постоянная Больцмана

Pn = df * T * K * kn * 10**6 # мощность теплового шума

K = 29 # коэффициент типа помещения ?

# генерация абонентов и расчёт пропускных способностей

def generate_ab(n):

subs = []

for _ in range(n):

angle = 2 * np.pi * np.random.rand() # случ. угол

distance = R * np.sqrt(np.random.rand()) # расстояние от БС до АБ

L_dB = 20 * np.log10(f0) + K * np.log10(distance) - 28 # потери мощности в дБ

L = 10 ** (L_dB / 10) # перевод потерь в разы

Prx = Ptx / L # принятая мощность сигнала

SNR = Prx / Pn # отношение сигнал / шум

CC = df * np.log2(1 + SNR) # пропускная способность

subs.append({'angle': angle, 'distance': distance, 'CC': CC}) # добавление АБ

return subs

# график расположения абонентов

def plot_ab(subs):

angles = [s['angle'] for s in subs]

distances = [s['distance'] for s in subs]

fig, ax = plt.subplots(subplot_kw={'projection': 'polar'})

ax.scatter(angles, distances)

ax.set_title(f'Расположение {len(subs)} абонентов')

plt.show()