DOI 10.24411/2658-3569-2020-10056

Анализ методов обеспечения достоверности информации в системах беспроводной связи

Analysis of methods for ensuring the reliability of information in wireless communication systems

Успаева Милана Гумкиевна, кандидат экономических наук, ФГБОУ ВО «Чеченский государственный университет», кафедра финансов и кредита, доцент кафедры финансов и кредита

Гачаев Ахмед Магомедович, кандидат физико-математических наук, доцент, Грозненский государственный нефтяной технический университет им. акад. М.Д. Миллионщикова, Комплексный научно-исследовательский институт им. Х.И. Ибрагимова РАН, заведующий кафедрой «Высшая и прикладная математика»

Uspaeva Milana Gumkievna

Gachaev Akhmed Magomedovich

Аннотация. В технических приложениях под системой обычно понимают совокупность элементов, которые взаимодействуют между собой в процессе функционирования устройства, что выполняет поставленную задачу. Полное представление о характере системы можно получить наблюдая за ней, тем самым выделяя в ней определенные свойства. В процессе разработки системы встает задача сделать ее оптимальной в определенном смысле. Под этим понимается разработка, синтез такой системы, в процессе работы которой обеспечивалось бы экстремальная (максимальное или минимальное, в зависимости от поставленных задачи) значение показателя качества работы или критерия, который должен характеризовать эффективность поставленных перед ним задач. Процедура оптимизации по критерию оптимальности может осуществляться различными методами, на основе применения разнообразного математического аппарата. Выбор метода зависит от свойств математической модели, описывающей работу системы, от различных ограничений на множество оптимизирующих параметров, от совокупности параметров, которые поддаются оптимизации. В итоге, для того, чтобы корректно сформулировать задачу оптимизации системы или процесса, происходящего в системе, необходимо иметь сведения о требования, предъявленные к системе и особенностях ее работы.

Summary. In technical applications, the system is usually understood as a set of elements that interact with each other during the operation of the device, which performs the task. A complete understanding of the nature of the system can be obtained by observing it, thereby highlighting certain properties in it. In the process of developing a system, the task is to make it optimal in a certain sense. This refers to the development and synthesis of a system that provides an extreme (maximum or minimum, depending on the task) value of the performance indicator or criterion that should characterize the effectiveness of the tasks assigned to it. The optimization procedure based on the optimality criterion can be performed by various methods, based on the use of a variety of mathematical tools. The choice of method depends on the properties of the mathematical model describing the system, on various restrictions on the set of optimizing parameters, and on the set of parameters that can be optimized. As a result, in order to correctly formulate the task of optimizing the system or process occurring in the system, you must have information about the requirements imposed on the system and the features of its operation.

Ключевые слова: электронные технологии, инструменты, беспроводная связь.

Keywords: electronic technologies, tools, wireless communication.

Выделим ряд признаков, которые больше всего влияют на методы оптимизации системы или процессы, происходящие в ней.

К числу таких признаков относятся:

• тип системы;
• свойства модели. Под моделью системы понимается ее математическое описание, характеризующее зависимость выходных характеристик системы от входной информации. Модели систем могут описываться достаточно разнообразно и представлять дифференциальные и интегральные уравнения, рекуррентные и алгебраические отношения и т. д;
• условия работы системы. Система может работать в условиях наличия полной информации или в условиях, когда информация носит случайный, стохастический характер. В последнем случае оптимизация выполняется в условиях неопределенности, уровни которой могут быть различными. Возможен вариант, когда есть некоторая априорная информация о вероятностных характеристиках сигналов и помех, но возможен и вариант, когда о входящей информации, о внешних воздействиях, действующих на систему, ничего неизвестно;
• характер информации. В зависимости от вида информации системы классифицируют, как дискретные, непрерывно-дискретные, непрерывные.

К статическим объектам оптимизации относят обычно разрабатываемые приборы, системы, в которых оптимизации по заданному критерию подвергаются любые характеристики или параметры, используемые разработчиком.

К динамическим объектам оптимизации относят процессы и системы, работа которых оценивается в времени, заданный явно или неявно: например процессы передачи и приема информации в системах с турбокодами.

К детерминированных объектов относят статические и динамические объекты, характеристики и параметры которых полностью и однозначно определены в данный момент времени. Объекты оптимизации являются вероятностными, если хотя бы одна характеристика, участвующая в задаче оптимизации или параметр имеют вероятностную природу.

Объекты оптимизации могут быть детерминированными или вероятностными.

Объект оптимизации может быть дискретным или непрерывным. В качестве примера непрерывного объекта оптимизации можно привести процесс передачи и приема телевизионного сигнала. Примером дискретного объекта оптимизации может служить процесс передачи и приема цифровой информации.

Возникает вопрос оптимального выбора метода оптимизации для решения конкретной задачи.

Методы оптимизации могут быть классифицированы следующим образом:

• основаны на применении классических математических методов;
• основанные на применении принципа максимума;
• основанные на применении линейного и нелинейного дискретного программирования;
• основаны на применении динамического программирования;
• основаны на градиентных методах;
• специальные методы оптимизации;
• методы оптимизации графов и граф-сетей;
• методы оптимизации в условиях неопределенности.

Выбор класса методов оптимизации для решения конкретной задачи зависит в основном от следующих факторов: от принадлежности объекта к оптимизации того или иного класса, от способа задания критерия оптимизации, от сложности реализации модели объекта. Но выбор метода оптимизации является довольно субъективным.

Адаптивная передача, которая требует точных оценок каналов в приемнике и надежную обратную связь между приемником и передатчиком, впервые был предложен в конце 60-х годов ХХ века [4]. Интерес к этим методам был кратковременным, в том числе, через аппаратные ограничения и отсутствие хороших методов оценки каналов и систем, ориентированных на двухточечные радиолинии без обратной связи передатчика. Тот факт, что эти проблемы имеют меньшее влияние в современных системах в сочетании с растущим спросом на спектрально-эффективная связь, возрос интерес к методам адаптивной модуляции. Основной идеей адаптивной передачи является поддержание постоянного значения сигнал/шум путем изменения уровня мощности, скорости передачи символов, размера решетки, скорости и схемы кодирования или любой комбинации этих параметров.

Таким образом, без увеличения вероятности ошибки, эти схемы обеспечивают высокую среднюю спектральную эффективность в благоприятных условиях канала и снижение пропускной способности при ухудшении канала. Адаптивные методы также используются для высокоскоростных модемов [3], спутниковых каналов и для минимизации искажений или удовлетворения требований к качеству обслуживания в беспроводных приложениях.

В работе [3] представлен адаптивный алгоритм оптимизации значение отношения сигнал/шум, модуляции и кодовых конструкций при установившейся скорости кодирования помехоустойчивого кода для систем 3GPP LTE. В зависимости от значений функций отображения из справочной таблицы, полученной в результате моделирования, выбираются параметры модуляции, кодовых конструкций и значения сигнал / шум. При этом рассматриваются каналы с белым гаусовским шумом.

В работе [2] представлен алгоритм адаптации скорости кодирования помехоустойчивого кода для Wi-Fi технологий. Алгоритм базируется на оценке минимального расстояния между ближайшими точками решетки. В зависимости от значения меняется скорость кодирования и регулируется минимальное расстояние между точками.

В работе [1] представлен алгоритм адаптации скорости кодирования и модуляции для мобильных систем связи. В зависимости от значения отношения сигнал/шум изменяется скорость кодирования и модуляция. При этом рассматриваются каналы с белым гаусовским шумом.

Наиболее распространенными методами для адаптации являются градиентные методы. Более подробно рассмотрим градиентные методы и методы оптимизации в условиях неопределенности. Эти методы эффективны в сочетании с помехоустойчивым кодированием.

Методами поиска называют методы нахождения оптимального значения произвольной функции Q, относительно которой мы не имеем полных данных. Если функция Q, которую мы оптимизируем известна не полностью или ее вид неизвестен совсем и есть возможность только вычислить или измерить значения функции в отдельных точках, то процесс нахождения ее оптимального значения связан с экспериментом, поскольку только с его помощью можно получить более конкретные данные о ней. Такого рода функции встречаются и в теоретических исследованиях, когда математическое выражение функции критерия оптимизации является достаточно сложным и расчет ее значений возможен только с помощью использования мощных процессоров.

На первом этапе следует разработать метод адаптивного выбора параметров S-случайного перемежителя в беспроводных средствах передачи данных для обеспечения достоверности передачи информации.

На втором этапе будет разработан модифицированный метод формирования гибридного запроса на повторную передачу в условиях неопределенности.

На третьем этапе целесообразно разработать метод многоуровневой адаптации кодеков турбокода в беспроводных средствах передачи данных.

На четвертом этапе для проверки эффективности полученных результатов следует разработать имитационную модель процесса функционирования беспроводной системы передачи данных с учетом влияния преднамеренных помех.

Предложенные результаты в совокупности создадут информационную технологию обеспечения достоверности передачи информации в условиях априорной неопределенности за счет многоуровневой параметрической адаптации кодовых конструкций.

Список использованной литературы

1. Анисимов А. М. Беспроводные сети : учебное пособие / А. М. Анисимов. – 2-е изд. испр. и доп. – М, 2019. – 292 с.
2. Иванов В. Г., Информатика в системе юридического образования [Текст] / В. Г. Иванов, [и др.]. // Сборник научных трудов: МГУ, 2017. – Выпуск 1 (27). – С. 263-267.
3. Ниал Склатер (Niall Sclater), Электромеханическое образование в облаке [Электронный ресурс] / Niall Sclater. – 10-й международный журнал по проблемам систем управления виртуальным и индивидуальным обучением, 1(1), 10-19, Январь-Март 2019 – Режим доступа : http://www.distancelearning.ru/db/el/382DF785722E67DBC325787E005C58EA/
4. Taran, S., & Kolganova, I. (2018). Optimization of park plantings in the regions of Rostov-on-Don and Novocherkassk by introducing into gardening species of the genus ACER L. World Ecology Journal, 8(3), 56-70. https://doi.org/https://doi.org/10.25726/NM.2019.31.46.004
5. Tsembelev, M. (2018). Studies on the drought tolerance of species of the genus CELTIS L. for forest reclamation plantations. World Ecology Journal, 8(3), 71-85. https://doi.org/https://doi.org/10.25726/NM.2019.44.92.005