Представленная работа посвящена разработке алгоритма поиска оптимальных координат для воздушных базовых станций, установленных на дроне, на основе нахождения месте с низкой скоростью передачи мобильных данных из-за перегрузки мобильной сети.

Данная работа создана выпускником радио технического факультета (РТФ) КПИ им. Игоря Сикорского, г. Киев, Украина (Гракова Д. А.). Да, это основа теории, но без нее никак. Нет теории в начале, не будет и старта проекта. Возможно я, смогу помочь тем, кто хочет реализовать свои задумки в жизнь, благодаря данной статье.

Алгоритм поиска места с низкой скоростью передачи данных в мобильных сетях из-за перегрузки сети, для применения воздушных базовых станций.

Воздушная БС (базовая станция) является одним из доступных методов улучшения качества мобильного сигнала на короткий промежуток времени при большом скоплении людей чрез некоторые события или при выходе из строя одной из базовых станций. Эта модель состоит из picocell и радиореле, установленных на дроне, а также включает в себя сервер, где будут происходить главные расчеты, для быстрой обработки информации и для уменьшения нагрузки на вычислительную систему дрона. Система с заданной периодичностью перечисляет координаты для динамического изменения положения в зависимости от обеспечения качества сигнала. Данный алгоритм разработан на основе теоретических исследований представленных в работах [1, 2] и сосредоточен на поиске зоны с плохим покрытием и расчета оптимальных координат для отправки беспилотников, а также на наблюдении изменений при введении дрона в модель. Существует много методов для решения этой задачи, но в данной работе будет использован метод разницы необходимой для комфортной роботы емкости и емкости, которую может обеспечить БС на данной территории [2]. Этот способ является одним из самых быстрых и простых методов, но требует дополнительных данных от оператора.

Сначала рассчитывается общая емкость, необходимая каждой группе людей, входящих в сегменты карты. Сегмент — это результат разбиения территории, которую надо обслужить, на определенное количество частей. Это сделано из соображений необходимости в обслуживании скопления людей, таким образом упрощает расчеты.

Одним из основных параметров этого алгоритма является показатель уровня сигнала RSSI, рассчитанный в каждой точке на карте, по формуле [3]:

где d — расстояние от каждой точки карты в eNodeB, обслуживающего эту точку; d0 — контрольная расстояние, в тестах d0 = 20; P0 — мощность сигнала устройства, измеренная на единичном расстоянии d0 от устройства, дБм;

P0 = P — P_dist [дБм] — мощность передатчика за вычетом потерь из-за потери антенны и пути к измеренной точки; n — коэффициент потери мощности сигнала при распространении в среде, безразмерная величина, для воздуха n = 2; увеличивается, если есть препятствия.

Этот параметр необходим для дальнейших расчетов, так как он показывает общую мощность, полученный сигнал приемником [4]. При моделировании было рассчитано, какая базовая станция обслуживает эту точку и расстояние между ними. Затем на основе этого была создана карта уровня сигнала RSSI.

Кроме того, для дальнейших расчетов, нужно определить SINR [2]. Формула SINR в дБм:

SINR = S — IN [дБм] (2)

где S — матрица RSSI в дБм, IN — сумма помех и шума в Ватт.

Другим важным параметром для алгоритма является полоса пропускания Bw [4]. В этом алгоритме Bw был разделен на равные части для всех пользователей, принадлежащих к одной и той же зоне обслуживания, поскольку цель заключалась не в том, чтобы реализовать полную модель сети LTE, а в том, чтобы сосредоточиться на исследовании методов поиска зон с плохим обслуживанием.

Модели SINR и Bw необходимые для расчета емкости, из которой можно найти места с плохим уровнем сигнала. Для расчета емкости будет использована стандартная формула Шеннона [3]:

где Bw — это средняя пропускная способность матрицы с количеством пользователей в сегменте. SINR — отношение сигнал / шум + помехи.

Емкость модели показана на рис. 1.

Рисунок 1. Модель пропускной способности [Мбит / с]

Как можно увидеть, в этой модели наблюдается спад уровня обеспеченной БС емкости, из-за скопления людей в этих местах.

С помощью полученных от оператора данных о пользователях, можно создать карту необходимого уровня сигнала и использовать это при расчете разницы обеспеченного и нужного сигнала.

Программа находит координаты тех точек, в которых уровень связи хуже, чем в других частях карты.

 Эта модель является лишь небольшой частью большого проекта, но знания и идеи, которые возникли в процессе разработки, могут стать отличной основой для дальнейшего расширения модели. Результаты показали, что дроны, которые работают по рассчитанным координатам, действительно меняют картину уровня сигнала и могут быть такими же эффективными, как стационарных picocell, но в то же время работают именно там, где это необходимо.

Рис. 2 — результат алгоритма полученным координатами от различных тестов

На рис. 2 можно увидеть результат алгоритма при тестировании разных входных данных. Найденные координаты соответствовали местам, где требовалось дополнительное обслуживание. Следующий шаг — применить на практике с сопутствующими изменениями в функциональности, поскольку эта модель была создана для проверки алгоритма поиска областей с плохим покрытием.

Используемая литература:

1. Al-Hourani A. Modeling Air-to-Ground Path Loss for Low Altitude Platforms in Urban Environments : дис. докт. техн. наук / Al-Hourani A., 2014.
2. Fontanilla Pérez de Tudela M. Positioning of Flying Base Stations for Optimization of Energy Consumption and Quality of Service in Mobile Networks / Fontanilla Pérez de Tudela M. – Praha, 2018. – 101 с.
3. Дьяконов С. В. Алгоритм поиска координат размещения ретранслятора связи на беспилотном летательном аппарате / С. В. Дьяконов, А. Ю. Сивов. // НАУКОВЕДЕНИЕ. – 2014. – С. 22.
4. Косолапова Т. Н. Построение мобильной телекоммуникационной сети стандарта CDMA «Сети и системы мобильной связи» / Косолапова Т. Н. – Алматы, 2008.