Pages:   || 2 | 3 | 4 | 5 |

«технологий телекоммуникаций» ПТиТТ-2016 22-24 ноября 2016 г., Самара, ПГУТИ Программный комитет конференции ПТиТТ Сопредседатели – Андреев В.А. ПГУТИ, Самара, РФ – Надеев А.Ф. КНИТУ–КАИ, Казань, РФ ...»

-- [ Страница 1 ] --

XVII Международная научно-техническая

конференция «Проблемы техники и

технологий телекоммуникаций»


22-24 ноября 2016 г., Самара, ПГУТИ

Программный комитет конференции ПТиТТ


– Андреев В.А. ПГУТИ, Самара, РФ

– Надеев А.Ф. КНИТУ–КАИ, Казань, РФ

– Султанов А.Х. УГАТУ, Уфа, РФ

Члены комитета

– Аджемов А.С МТУСИ, Москва, РФ

– Антипов О.И. ПГУТИ, Самара, РФ

– Бузов А.Л. АО «Концерн «Автоматика», Москва, РФ

– Букашкин С.А. АО «Концерн «Автоматика», Москва, РФ

– Бурдин В.А. ПГУТИ, Москва, РФ

– Валеев С.С. УГАТУ, Уфа, РФ

– Габитов И.Р. University of Arizona, США

– Горячкин О.В. ПГУТИ, Самара, РФ

– Дмитриков В.Ф. СПбГУТ, Санкт-Петербург, РФ

– Зубарев Ю.Б. член-корреспондент РАН, Москва, РФ

– Карташевский В.Г. ПГУТИ, Москва, РФ

– Клюев Д.С. ПГУТИ, Москва, РФ

– Кузнецов И.В. КНИТУ-КАИ, Казань, РФ

– Маслов О.Н. ПГУТИ, Москва, РФ

– Плеттмайер Д. Дрезденский технический университет «TUD», Дрезден, Германия

– Росляков А.В. ПГУТИ, Москва, РФ

– Седельников Ю.Е КНИТУ-КАИ, Казань, РФ

– Сухов А.М. СГАУ, Самара, РФ

– Тарасов В.Н. ПГУТИ, Самара, РФ

– Файзуллин Р.Р. КНИТУ-КАИ, Казань, РФ

– Шацких С.Я. ПГУТИ, Самара, РФ

– Цым А.Ю. ФГУП ЦНИИС, г. Москва, РФ

Ученый секретарь:

Дмитриев Е.В., ПГУТИ, Самара, РФ Секции конференции ПТиТТ

1. Общие проблемы передачи и обработки информации .

Сопредседатели: Горячкин О.В., Карташевский В.Г., Султанов А.Х .

2. Инфокоммуникационные технологии и сети .

Сопредседатели: Росляков А.В., Сухов А.М., Тарасов В.Н., Файзуллин Р.Р .

3. Геоинформационные системы, инфокоммуникационные космические технологии, радиосвязь, телевидение и мобильная связь .

Сопредседатели: Кузнецов И.В., Маслов О.Н., Надеев А.Ф .

4. Проблемы электропитания инфокоммуникационных сетей .

Сопредседатели: Антипов О.И., Дмитриков В.Ф .


Защита информации в инфокоммуникационных сетях .

Сопредседатели: Валеев С.С., Шацких С.Я .

6. Антенно-фидерные устройства специальной связи .

Сопредседатели: Бузов А.Л., Клюев Д.С., Седельников Ю.Е .

Организаторы конференции Поволжский Казанский национальный Уфимский государственный исследовательский государственный университет технический университет авиационный технический телекоммуникаций и им. А.Н. Туполева-КАИ университет информатики Официальные спонсорыконференции

–  –  –

I. Tafur Monroy1,2, A. Tatarczak1, V. Mehmeri1, B. Andrus1, V.S. Lyubopytov1, X. Lu1, S. Echeverri1, N. Eiselt1 DTU Fotonik, Technical University of Denmark, Kgs. Lyngby, Denmark ITMO University, St. Petersburg, Russia



With the growing popularity of bandwidth consuming applications such as cloud computing or online gaming, computation has moved from the distributed devices towards data centers. This puts pressure on the capacity of short-range data center optical interconnects. An interconnect includes a driver circuit, VCSEL, MMF, and a photodiode (PD). High bandwidth multimode 850 nm GaAs VCSELs are typically used in the interconnects to satisfy the high-speed requirement .

The capacity of such 850 nm VCSEL-MMF links, defined as bandwidth–distance product, is limited by modal and chromatic dispersion effects. Increasing the speed lowers the achievable transmission distance; conversely, longer links can only operate at lower bitrates. Currently, 10 Gb/s VCSELs are used in data centers and they support the optical links up to 300 m [1]. However, with the 25 Gb/s optical interconnects becoming available [2,3] the transmission distance becomes limited to 100 m. The majority of the existing data center connections are below 100 m [4]. Yet, a solution for an improved link capacity is required to support future interconnects speeds (40 Gb/s), increasing data center sizes [5], and already implemented longer links (100m – 300m). Installing parallel lanes is a popular approach. Although viable, this solution is short-term because the optical packaging of components with multiple lanes becomes increasingly complex and there is no sufficient space for the interconnect ports [6]. Moreover, the rewiring is costly and the space in the data centers is limited .

Research efforts towards more efficient and scalable data center architectures have focused primarily on high bandwidth connectivity between as many pairs of servers as possible. However, recent work has shown that traffic patterns for which such connectivity would be beneficial are not ubiquitous and a slightly oversubscribed network can meet most applications demands [7]. Therefore, adopting a hybrid interconnect consisting of a standard packet-switched network provisioned for the average case, plus additional optical circuit links which can be dynamically assigned on an on-demand basis in order to off-load large network traffic, can significantly improve performance [8] .

The challenge for datacenter architects then becomes how to seamlessly integrate optical and packet switching into a unified control plane, in a way that new technologies can be incorporated as they emerge (e.g. through softwarization of optical devices). Software-Defined Optical Networking (SDON) must take a holistic approach to network management, incorporating different technologies under a unified control plane, able to effectively leverage both the high-speed processing of electronics, and the higher capacity, lower power consumption of optics .

Recent developments based on IT technologies for datacenters, on which network, compute, and storage resources can be clustered together under the management of a single resource orchestrator, can add another layer of abstraction that allows physical resources to be virtualized into a pool, enabling more flexibility, easy scale-out, faster service deployments and multi-tenant architectures. Network Function Virtualization (NFV) techniques together with SDN can be leveraged to enable programmability and dynamic service instantiation at the network layer, as well as network virtualization .

In the datacenter context there are several challenges to be considered such as Virtual Network Function (VNF) placement and Service Function Chaining (SFC) techniques that minimize the impact on the overall network performance. On multi-tenant deployments new issues arise such as how to provide efficient provisioning, management and control of virtual and physical resources, independent programmability of virtual networks, and reliable traffic isolation. In addition, in order to cope with the fast growing demand for bandwidth and network capacity, as well as with the growing presence of multiple access points in geographically distributed data centers for hosting modern applications, optical networking and interdatacenter communication must be considered in virtualized substrates .

Security and privacy are pivotal issues in future networks as software-based management and virtualization become predominant and create new vulnerabilities. There are many concerns regarding security of cloud-stored data or messages exchanged between applications in cloud systems. In order to increase the security level of critical applications physical layer based cryptography is at the forefront of academic research in the area. In particular, Quantum Key Distribution (QKD) is a promising technology that explores the quantum physical properties of optical signals, and relies on the principles of quantum physics to create a very reliable cryptography scheme. Network architectures involving QKD have been recently proposed as well as SDN-based quantum-aware networks [9]. How to efficiently integrate QKD in modern software-defined, cloud-based network architecture remains an open challenge .

When it comes to intra data center technologies and network architecture, one topic of our research focused on new internal network topologies. With a prediction that puts more and more pressure on east-west traffic loads, network topologies initially used in parallel computing were investigated as suitable alternatives. Hypercube and torus (Figure 1), two highly interconnected topologies, were analysed from a size, performance and cost perspective [10] .

Figure 1 Torus (a) and Hypercube (b) topologies .

Replicating the networks in a simulation environment (NS3) and subjecting them to uniformly distributed traffic, routed by conventional shortest path algorithms, we are able to extract relevant statistics related to average throughput, latency and loss rate. In our simulations we observed that, as the number of nodes grows and the size of the network is increased by a factor of 32, the resource contention also gets higher the bandwidth allocation per node decreases. In the case of hypercube the decrease was only about 5% compared to 16% for the 3D torus – Figure 2. The same trend is also observable in the evolution of average latency and lost packets per connection – Figure 3, Figure 4. The performance measurements are supported by similar predictions of


metrics: bisection bandwidth, diameter, average distance and node order .

A comparative infrastructure cost analysis for implementing the packaging strategies reveals that there is a shift between the two, with the torus being more costly than the hypercube for networks below 64 nodes and the hypercube having a faster growth rate beyond this limit. This conclusion is based on the total number of links, bisection width and node degree .

–  –  –

Figure 4 Lost Packets Rate Furthermore, we focused on introducing an SDN framework [11]. To show how the SDN implementation measures against a conventional Spanning Tree Protocol enabled network, we evaluated torus and hypercube in both scenarios under the same traffic conditions, using identical virtual switches running on the same platform. We observed that implementing SDN architecture brings a significant performance boost in both torus and hypercube, by taking advantage of the multitude of redundant links. As expected, the growth of the networks and the rise of communication links lead to a decrease in connection performance. However, with the use of SDN technology, networks exhibit better consistency to the scaling effect .

We proposed hardware and software architecture based on SDN and standard protocols such as OpenFlow and NETCONF for enabling topology management of hybrid electrical/optical switching datacenter, using a Micro Electrical-Mechanical System (MEMS)-based all-optical switching device managed by an SDON controller [12]. We demonstrated performance gains for even a small percentage of overall “elephant” flow traffic steered through the optical circuits .

In a prototype emulation testbed we demonstrated Optical Connectivity as a Service delivered through network programming, including cross-layer management of packet sites interconnected by optical network, cross-domain Service Function Chaining and autonomous network control through Virtual Network Objects (VNOs) [13] .

Current work in cooperation with ITMO University (St. Petersburg) aims at integrating QKD systems into SDN and NFV frameworks to offer physical layer security for critical network applications .


1.“IEEE Standard 802.3.bm,” http://www.ieee802.org/ 3/bm/index.html, March 2014, IEEE 40/100 Gb/s Ethernet Standard Task Force .

2. N. Chitica, J. Carlsson, L.-G. Svenson, and M. Chacinski, “Vertical-cavity surface-emitting lasers enable high-density ultra- high bandwidth optical interconnects,” Proc. SPIE 9381, 2015, paper 938103 .

3. J. A. Tatum, et. al., “VCSEL-Based Interconnects for Current and Future Data Centers,” J. Lightw Technol. 33(4), 2015, pp. 727–732 .

4. A. Flatman, “Data centre link lengths,” http://www.ieee802.org/3/NGBASET/public/nov12/flatman_01a_1112_ngb t.pdf, May 2012, IEEE 802.3ba .

5. H. Liu, C. F. Lam, and C. Johnson, “Scaling Optical Interconnects in Datacenter Networks Opportunities and Challenges for WDM,” in 2010 18th IEEE Symposium on High Performance Interconnects, Aug 2010, pp .

113–116 .

6. C. Minkenberg, “HPC Networks: Challenges and the Role of Optics,” in OFC 2015, Optical Society of America, paper W3D.3 .

7. S. Kandula, J. Padhye, and P. Bahl, “Flyways To De-Congest Data Center Networks,” HotNets09, 2009 .

8. A. Singla, et. al., “Proteus: a topology malleable data center network,” HotNets, pp. 8:1–8:6, 2010 .

9. A. Aguado, et. al., “Quantum-Aware Software Defined Networks,” 6th International Conference on Quantum Cryptography, Sep .

12-16, 2016 .

10. B. Andrus, O. Poncea, J.J.V. Olmos, I. T. Monroy, “Performance evaluation of two highly interconnected Data Center networks”, ICTON, Budapest 2015 .

11. B. Andrus, J. J. V. Olmos, V. Mehmeri, I. T. Monroy, “SDN Data Center Performance Evaluation of Torus and Hypercube Interconnecting Schemes”, RTUWO conference, Riga 2015 .

12. V. Mehmeri, J. J. V. Olmos, I. T. Monroy, “Software architecture for Hybrid Electrical/Optical Data Center Network” presented at Networks 2016, IEEE, Montreal 2016 .

13. V. Mehmeri, X. Wang, Q. Zhang, P. Palacharla, R. Mutoh, N .

Oguchi, “Service Function Chaining Across Multiple Datacenters over Packet/Optical Networks” to be presented at IEEE NFV-SDN 2016 .

В.Н. Трещиков, К.В. Марченко, Е.Л. Дубинская ООО «Т8»


Вскоре после появления коммерческих систем 100G, мировыми производителями была анонсирована разработка следующего поколения оборудования – 400G. С тех пор прошло несколько лет, но до сих пор не существует коммерческих систем 400G на одной несущей. На рынке представлен ряд систем, которые используют передачу двух оптических поднесущих по 200 Гбит/с в каждой [1]. В маркетинговых целях, такие системы 2х200G называют системами 400G .

Увеличение спектральной эффективности (и соответственно скорости по одной несущей) в системах 200G, 400G и выше достигается, главным образом, за счёт перехода к более сложным форматам модуляции – DP-16QAM, DP-64QAM, что ведёт к сильному падению дальности передачи по сравнению с системами 100G DP-QPSK. Максимальная производительность (произведение дальности передачи на спектральную эффективность) была достигнута в системах 100G [2] .

Таким образом, платой за дальнейший рост спектральной эффективности становится снижение дальности. Если типичная дальность работы коммерческих систем 100G без регенерации сигнала может достигать нескольких тысяч км, то системы «200G по одной несущей» рассчитаны в среднем на дальности в диапазоне 500-700 км, а дальность систем «400G по одной несущей» будут, вероятно, ещё в несколько раз меньше .

Системы 200G, 400G и выше предназначены, прежде всего, для развития городских и региональных сетей, при этом перспективным быстрорастущим рынком являются сети связи дата-центров [3]. Повышение спектральной эффективности с 2 бит/с/Гц (100G по одной несущей 50 ГГц) до 4 бит/с/Гц (200G по одной несущей 50 ГГц) позволяет передать в два раза больше информации по одному волокну .

Ведущий российский производитель скоростных DWDMсистем – компания «Т8», выпускает полный спектр оборудования, включая наиболее современные системы «200G по одной несущей» со спектральной эффективностью 4 бит/с/Гц [4]. Системы обладают высокой компактностью и низким энергопотреблением, отвечая ключевым потребностям операторов связи дата-центров .

Агрегирующий транспондер MS-400E позволяет передать 4 канала 100G Ethernet через 2 поднесущие 200G в формате DP-16QAM .

Система поддерживает программную настройку скорости FlexRate, благодаря чему в случае длинных линий можно вместо 2x200G передавать 2 канала по 100G или 150G, с увеличением дальности передачи в 4-5 раз. Система поддерживает организацию суперканалов и методы повышения спектральной эффективности Nyquist WDM .

Рисунок 1. Система «200G по одной несущей» производства «Т8»:

плата для платформы «Волга» (слева), автономное устройство 1U (справа). Ёмкость 400 Гбит/с .

Переход от системы «100G по одной несущей 50 ГГц» к системе «200G по одной несущей 50 ГГц» позволяет снизить удельную стоимость передачи данных в 1,5-2 раза (менее 1$ за 1 Мбит/с за оборудование линии). Стоимость дооборудования (добавления новых каналов) снижается ещё сильнее – до 0,3$ за 1 Мбит/с .


1. Леонов А.В., Слепцов М.А., Трещиков В.Н. Развитие скоростных DWDM-систем по нескольким поднесущим. Первая Миля, 2016, №2. С. 42-49 .

2. Конышев В.А., Леонов А.В., Наний О.Е., Трещиков В.Н., Убайдуллаев Р.Р. Рекордная производительность систем 100G как маркер перехода к эволюционному развитию волоконно-оптических систем связи. Первая Миля, 2015, №6, с. 40-43 .

3. Леонов А. В., Слепцов М. А., Трещиков В. Н. Системы 200G и 400G для дата-центров. Технологии и средства связи. 2016. № 2 .

С. 32-37 .

4. Леонов А. В., Слепцов М. А., Трещиков В. Н. Скоростные 400G-системы. T-Comm: Телекоммуникации и транспорт. 2016 .

Спецвыпуск № 1. С. 30-31 .

Dr. Ghanshyam Singh1, Dr. Manish Tiwari2 Malaviya National Institute of Technology Jaipur (INDIA) Department of ECE, Manipal University Jaipur (INDIA)

–  –  –

We present a review of photonic integrated circuits (PICs) and systems, with a brief history and technological advancements in these areas in the past over a decade. The technological advancements in PICs have made them a popular choice for components of next generation networks. Silicon being the evident choice due to its high availability, mature fabrication technology, and low cost has attracted the researchers to explore the possibilities of integrating the fast photonics components on a chip . At the same time, the unique material properties and direct bandgap, group III-V materials have huge potential in applications like laser, amplifiers, modulators and detectors. Due to robustness, flexibility, reliability and performance of PICs, many commercial solutions are now available for a variety of applications. In coming years, it is expected that the field will continue to advance and communication networks may see a shift from electronic to all-optical / electro-optic network infrastructure .

О.В. Горячкин ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики


–  –  –

где: yr – наблюдаемый векторный сигнал со значениями в Cm, r, g

- вектора пространственных координат, Hr, g – m n неизвестная матрица импульсных характеристик (ИХ) с элементами hi, j g ; vg

– аддитивная помеха (векторный случайный процесс со значениями в Cm, как правило с независимыми компонентами); xg – неизвестный информационный сигнал со значениями в Cn. Системы, описываемые выражением (1) называют многомерными системами с множественным входом и множественным выходом (MIMO) .

Часто задачи СОС (слепая идентификация и слепая коррекция канала) являются сопутствующими задачами, которые приходится решать в процессе извлечения информации из искаженных сигналов. В то же время, как основная задача состоит в обнаружении, различении или оценке параметров искаженных сигналов. В этих случаях иногда неэффективно разделять задачи слепой идентификации или коррекции и собственно традиционные задачи извлечения информации из сигналов многомерных систем .

Задача компенсации линейных искажений в системах формирования изображений является одним из самых массовых приложений СОС. В отличие от активной радиолокации коррекция линейных искажений изображений различного происхождения (радиометрических, радиоастрономических, оптических, акустических, рентгеновских, инфракрасных) это задача восстановления двумерного, пространственно ограниченного, неотрицательного сигнала, искаженного линейным оператором .

Слепая коррекция изображений (blind image deconvolution) задача, возникающая в случае отсутствия априорной информации об ИХ канала формирования. Особенно актуальна задача слепой коррекции линейных искажений изображений в задачах дистанционного зондирования Земли, астрономии, медицине .

Многомерность оптических сигналов является дополнительным фактором, позволяющим существенно ослабить условия идентифицируемости вслепую, а ограничения на область значений, позволяют повысить скорость сходимости и помехоустойчивость алгоритмов СОС .


1. Горячкин О.В. Методы слепой обработки сигналов и их приложения в системах радиотехники и связи. – М.: Радио и связь, 2003. – 230с .

2. Басараб М.А., Волосюк В.К., Горячкин О.В. и др. Цифровая обработка сигналов и изображений в радиофизических приложениях. / Под ред. Кравченко В.Ф. – М.: ФИЗМАТЛИТ, 2007. – 544с .

Е.П. Грахова, В.Х. Багманов ФГБОУ ВО Уфимский государственный авиационный технический университет





В настоящее время технология сверхширокополосной (СШП) связи является прорывной технологией в области широкополосного доступа к мультимедийным ресурсам. Основным направлением исследований на мировом уровне в данной области является разработка прогрессивной методологии генерации, преобразования и повышения эффективности СШП радиосигналов .

Существуют два основных показателя эффективности цифровых систем передачи данных: спектральная и энергетическая эффективности. Коэффициент спектральной эффективности (КСЭ) СШП системы связи характеризует число битов в секунду, приходящееся на 1 Гц полосы канала и зависит от полной полосы частот канала F, а также скорости передачи информации R.

В случае СШП систем связи реальное значение доступной полосы частот канала Fр отличается от полного и может быть выражено через коэффициент эффективности использования маски (КЭИМ) Государственной комиссии по радиочастотам (ГКРЧ):

fв fв PРИ ( f )df / P ЭИМ ( f )df. (1) ГКРЧ fн fн где fн и fв – соответственно нижняя и верхняя частоты спектра маски ГКРЧ; PРИ – спектральная плотность мощности (СПМ) радиоимпульса;

РГКРЧ – эффективная изотропная излучаемая мощность (ЭИИМ) спектральной маски ГКРЧ. Тогда формула реального КСЭ для СШП систем связи принимает вид:

(2) Коэффициент энергетической эффективности (КЭЭ), характеризующий использование канала связи по мощности, а также показывающий количество бит/с, приходящееся на 1 Вт мощности сигнала, определяется выражением:

, (3) где SNR – отношение сигнал/шум .

Как следует из взаимосвязи КЭЭ и КСЭ, для повышения эффективности СШП систем связи целесообразно найти баланс между этими показателями. Так при выборе больших показателей КСЭ необходимо использовать радиоимпульсы с высоким КЭИМ для минимизации потерь в КЭЭ .

Большинство работ по моделированию СШП радиоимпульсов ориентированы на спектральную маску, принятую в США. Модели же радиоимпульсов для маски ГКРЧ, представленные в [1] и [2], характеризуются крайне низким КЭИМ. Таким образом, возникает задача формирования радиоимпульсов, СПМ которых характеризуется максимальным соответствием маске ГКРЧ. Решение данной задачи видится в использовании линейной комбинации подимпульсов, как минимум три из которых реализованы в пределах доминирующей триады спектрального представления маски ГКРЧ .

Первая модель оптимального СШП радиоимпульса, разработанная на основе данного подхода, базируется на функции частотного Всплайнового вейвлета (ЧБСВ) (4) и представлена суммой трех подимпульсов с параметрами: показатель широкополосности = [0,15; 0,25;

0,15], центральная частота ЧБСВ f0 = [4,8; 7,05; 9,6] ГГц, коэффициент формы m = 1, весовой коэффициент w = [0,55; 0,99; 0,9]. СПМ данной модели представлена на рисунке 1 а .

Базовой функцией, на основе которой разработана вторая модель оптимального СШП радиоимпульса, является функция квадратичного гиперболического секанса (5), лежащая в основе импульсов типа оптических солитонов (ОС). Оптимальная модель радиоимпульса в данном случае представлена суммой трех подимпульсов с параметрами: коэффициент широкополосности – = [0,9; 2,5; 1,6] нс, f0 = [4,7875; 7,05; 9,6125] ГГц, w = [0,3; 0,7; 1]. СПМ данной модели представлена на рисунке 1 б .

–  –  –

больше, чем у модели ИГ при том же значении R. Наибольший показатель КЭЭ относится к модели ОС при R1 и составляет 0,102. Данное значение почти в четыре раза превышает КЭЭ для ИГ в тех же условиях. Очевидно, что разработанные модели оптимального СШП радиоимпульса ЧБСВ и ОС позволяют увеличить показатели эффективности СШП систем связи .

Данное исследование выполнено при поддержке Министерства образования и наук

и РФ, соглашение о предоставлении субсидии №14.574.21.0058. Уникальный идентификатор проекта RFMEFI57414X0058 .


1. Грахова, Е.П. Моделирование СШП радиоимпульсов на основе производных Гаусса и Рэлея с учетом спектральной маски ГКРЧ / Е.П .

Грахова, В.Х. Багманов, И.Л. Виноградова, И.К. Мешков // Электротехнические и информационные комплексы и системы. – 2014. – т.10. №3. – с. 62-69 .

2. Грахова, Е.П. Применение вейвлетов и функций Эрмита для моделирования СШП импульсов под требования маски ГКРЧ / Е.П .

Грахова, Г.И. Абдрахманова, В.С. Кислинский // Инфокоммуникационные технологии. – 2015. – т.13, №4. – с. 391-398 .

Б.Я. Лихтциндер ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



В мультисервисных сетях (МСС) с пакетной коммутацией поток пакетов существенно отличается от пуассоновского, поскольку эти потоки формируются множеством источников запросов на предоставление услуг, существенно отличающихся между собой [1] .

Все это приводит к тому, что для МСС-потоков характерна неравномерность поступления заявок и пакетов. Пакеты группируются в «пачки» в одних промежутках времени и практически отсутствуют в других промежутках .

На рис.1 показан поток заявок видео трафика на интервалах обслуживания одной заявки, при коэффициенте загрузки 0,2. Из графика видно, что даже при такой малой загрузке, на некоторых интервалах поступают пачки свыше 30 заявок. Для сравнения, здесь же приведен график для Пуассоновского потока, снятый при той же загрузке (серого цвета). Трафик равномерный, и максимальные числа заявок на Рисунок 1. Поток заявок видео интервалах обслуживания не трафика и Пуассоновского потоков превышают двух! Вся классическая теория массового обслуживания базируется на потоках с взаимно независимыми заявками, в то время, как мультисервисные потоки обладают явно выраженными корреляционными свойствами .

Существующая известная формула Хинчина-Поллячека, определяющая средние значения очередей и задержек пригодна только для простейших потоков. Ее применение к анализу мультисервисного трафика приводит к погрешностям, более 1000 процентов! Имеющиеся попытки ее уточнения не учитывают корреляционных связей и не применимы к анализу мультисервисного трафика .

В докладе рассмотрены:

1. Полученная автором, новая фундаментальная формула, обобщающая известную формулу Хинчина-Поллячека, и учитывающая наличие корреляционных связей в потоке заявок [2], [3] .

Dm ( ) 2Co varqi 1,mi ( ) q( ) -, 2(1 ) 2 где – коэффициент загрузки, Dm ( ) – дисперсия, mi ( ) – число заявок на i -м интервале, Co varqi 1,mi ( ) – ковариация двух случайных величин, одна из которых – число заявок, поступивших, в течение i -го интервала, а вторая – размер очереди на предшествующем интервале .

Очевидно, что для пуассоновского потока Dm ( ).

Ввиду взаимной независимости заявок, Co varqi 1,mi ( ) 0, и, в этом частном случае, мы приходим к формуле Хинчина-Поллячека, в ее обычном виде:

q( ) .

2(1 ) Если, например, коэффициент загрузки некоторого ординарного потока с взаимно независимыми заявками, будет настолько мал, что в течение одного интервала времени обработки, поступает не более одной заявки, то для такого потока дисперсия Dm ( ) (1 ), Co varqi 1,mi ( ) 0, и очередь в системе будет отсутствовать, что вполне понятно интуитивно .

2. Показано, что дисперсия чисел заявок мультисервисного потока составляет лишь малую долю от общего значения числителя обобщенной формулы Хинчина-Поллячека, а определяющую роль играет наличие корреляционных связей .

На рис. 2 показаны графики зависимостей среднего размера очереди q( ) и дисперсии Dm ( ) от коэффициента загрузки .

Одновременно, для сравнения показаны соответствующие значения для Пуассоновского потока .

Рисунок 2. Графики зависимостей среднего размера очереди q( ) и дисперсии Dm ( ) Размер очереди для видео трафика, даже при весьма малой загрузке 0,2, превышает 100 заявок, а среднее значение дисперсии, при той же загрузке не превышает 5 заявок .

Это подтверждает определяющее влияние корреляционных связей на размеры очередей для пачечных потоков. Заметим, что для Пуассоновского потока, при тех же условиях, размер очереди составляет всего 0,04 заявки .

3. Впервые в литературе, показано, что среднее значение очереди в системах массового обслуживания, для любых потоков, определяется суммой коэффициентов ковариации чисел заявок на интервалах обслуживания одной заявки .

N k 1

–  –  –

Рисунок 3. Функция n (k, ) ковариации числа заявок и удвоенная суммарная функция для реального потока видео трафика Из графика следует, что интегральная функция достигает, при значениях сдвига k 140 своего максимума, равного 240 .

Указанное максимальное значение и определяет значение числителя в обобщенной формуле Хинчина-Поллячека .

Полученные результаты, и приведенные примеры подтверждают сделанные ранее [4], выводы о существенном влиянии корреляционных связей между заявками, представляющими пакеты или кадры трафика мультисервисных сетей связи. Максимальное значение интеграла от ковариационной функции чисел заявок на интервалах обслуживания одной заявки, при заданном коэффициенте загрузки, полностью определяет средний размер очереди в одноприборной системе массового обслуживания. Максимальное значение ковариационной функции находится путем интегрирования, в пределах интервала корреляции анализируемого потока .

4. Все результаты экспериментальных исследований получены с применением разработанного под руководством автора, оригинального программного комплекса, предназначенного для анализа характеристик потоков трафика общего вида. На первом этапе происходит ввод пользователем в систему файла, содержащего время прихода пакетов во время функционирования МСС (полученного, например, c помощью программы WireShark). На втором этапе происходит обработка файла .

Вычисляются основные характеристики МСС (временные задержки между пакетами, математическое ожидание количества пакетов в очереди при разных коэффициентах загрузки и другие). На следующем этапе происходит построение выбранных характеристик в графической области окна программного обеспечения. На последнем этапе, аппроксимируя функцию mE ( ), пользователь может определить коэффициенты обобщенного уравнения Хинчина-Поллячека, рассмотренные в [5] и полностью характеризующие данный трафик. В основу данного программного обеспечения легли методы анализа и алгоритмы обработки трафика, приведенные в [3] .

Для оценки правильности работы данного программного обеспечения было выполнено сравнение ранее определенных характеристик видео трафика и характеристик, вычисленных нами при анализе с помощью разработанной системы. Если система правильно инсталлирована, то, после клика на значок, появляется "Поле начального интерфейса" программы рис. 4. Оно включает в себя три окна: окно потоков, окно графиков, окно Рисунок 4. Поле первоначального интерфейса управления. Окно потоков предназначено для размещения информации об анализируемых потоках, и содержит кнопку управления "Добавить поток". Окно графиков предназначено для визуализации полученной информации .

На поле окна наносится масштабируемая сетка и размещаются координатные оси "Х" и "Y", начало координат которых может перемещаться путем "захвата". Окно управления содержит кнопку управления "Настройка", предназначенную для настройки сетки, два движка управления разверткой по осям "Х" и "Y" и один движок "Масштаб", изменяющий масштаб графика сразу по обеим осям .

Система позволяет поочередно ввести на обработку несколько различных или одноименных потоков, причем для каждого из потоков появляется своя иконка, с названием потока. Графики, представляющие результаты обработки могут выводиться одновременно и совмещаться на одном экране. Анализ каждого из введенных потоков начинается с нажатия центрального поля (с названием потока) на соответствующей иконке. Анализируются свыше десяти различных характеристик потока, в том числе. Строятся графики: " A(I ) " – отображает числа заявок, поступающих в систему в течение последовательных интервалов времени, равных среднему времени обработки одной заявки; " dispA( ) " – график отображает зависимость дисперсии числа заявок, поступающих в течение интервалов времени, от коэффициента загрузки. ; " q(t ) " – числа заявок в очереди, на интервалах, соответствующих моментам времени t и коэффициенту загрузки. ; " P(i ) " – вероятности прихода i - заявок, в течение интервалов времени, соответствующих коэффициенту загрузки. ; " M (t ) " – нормированная ковариационная функция потока, при заданном значении коэффициента загрузки, в зависимости от интервала сдвига по времени; " I (t ) " – интеграл от нормированной ковариационной функции потока, при заданном значении коэффициента загрузки .


1. Степанов С.Н. Теория телетрафика. Концепции, модели, приложения. М.: Горячая линия-Телеком, 2015. – 808 с .

2. Лихтциндер Б.Я. Интервальный метод анализа трафика мультисервисных сетей // Модели инфокоммуникационных систем:

разработка и применение. Приложение к журналу ИКТ. Вып. 8, 2011. – С. 101-152 .

3. Лихтциндер Б.Я. Интервальный метод анализа трафика мультисервисных сетей доступа. Самара: ПГУТИ, 2015. – 121с .

4. Лихтциндер Б.Я. Корреляционные свойства длин очередей в системах массового обслуживания с потоками общего вида // ИКТ .

Т.13, №3, 2015. – С. 276-280 .

5. Лихтциндер Б. Я. О некоторых обобщениях формулы Хинчина-Поллячека // ИКТ. Т.5, №4, 2007. – С.253-258 .

6. Лихтциндер Б.Я. Корреляционные связи в пачечных потоках систем массового обслуживания//Телекоммуникации. № 9, 2015.С.8-12 .

Э.О. Лыгин, П.Е. Филатов И.В. Кузнецов ФГБОУ ВО Уфимский государственный авиационный технический университет


Целевые задачи оптико-элетронного комплекса ДЗЗ: создание и периодическое обновление кадастров природных ресурсов, поиск полезных ископаемых, контроль лесного хозяйства, контроль водного хозяйства, контроль паводковой ситуации, контроль лесных пожаров, контроль параметров ионосферы, контроль природо-хозяйственных комплексов, городского хозяйства, дорог, ЛЭП .

На данный момент в космосе функционирует множество летательных аппаратов дистанционного зондирования Земли. Все эти задачи требуют высокой точности к разрешающей способности, чувствительности, привязки к местности оптико-электронного комплекса. Так же требуется правильное сжатие и дальнейшая передача информации без потери качества. Данная отрасль очень востребована и требует совершенствования средств ДЗЗ .

Рисунок 1. Принцип работы спутника по ДЗЗ

Общая схема спутника ДЗЗ: 1 – нагреватель, 2 – угол обзора, 3 – лимб Земли, 4 – ширина полосы захвата, 5 – след орбиты, 6 – диаметр входного зрачка d, 7 – космическое излучение, 8 – космический аппарат, 9 – фильтр, 10 – приемник .

На сегодняшний момент в приемной оптической аппаратуре устанавливаются перспективные сканерные матрицы на базе приборов зарядовой связи. Они позволяют получать пространственную информацию, как о географических, так и техногенных процессах о поверхности Земли в видимом и инфракрасном диапазонах длин электромагнитных волн. Как правило, съемка из космоса происходит в панхроматическом и мультиспектральном режимах, позволяя тем самым получать пространственное изображение в различных диапазонах спектра излучения .

По аналогии с телевизионной терминологией просмотр полосы местности путем механического сканирования называют строчной разверткой, а само изображение полосы-строкой. При поступательном движении спутника строка, просматриваемая при следующем обороте зеркала, будет расположена на местности рядом с первой строкой .

Получение изображения за счет сложения отдельных строк по мере перемещения спутника подобно формированию телевизионного изображения при кадровой развертке строк. При сканировании местности наша задача заключается в экономии передаваемого трафика .

Излучение реального объекта имеет спектр. Это означает, что в разных оптических спектральных диапазонах интенсивность отраженного света различна. При фотографировании на один снимок все эти излучения в разных зонах накладываются друг на друга, а на снимке получается суммарная интенсивность разных спектральных диапазонов .

Перед передачей наши снимки шифруются и передаются по радиоканалу в ЦУП .

На приемной стороне происходит дешифрование, решаются следующие задачи: визуализация цифровых снимков, геометрические и яркостные преобразования снимков, включая их коррекцию, конструирование новых производных изображений по первичным снимкам, определение качественных характеристик объектов .

Успех работы ДЗЗ земли зависит не только от комплекса работающем на космическом аппарате, но и от работы самого спутника, поэтому для качественной работы системы должны применяться боле мощные аккумуляторные батареи, солнечные батареи, нам необходимо возможность взаимодействия соседних спутников и возможность передачи им изученной информации (в случае ухода спутника в зону тени), так же нам необходима возможность резервирования .


1. А.И. Трегуб, О.В. Жаворонкин Дистанционное зондирование земли при геологических исследованиях Оптико-электронные системы дистанционного зондирования. - Издательско-полиграфический центр Воронежского государственного университета 2012 .

2. Демин А.В., Денисов А.В., Летуновский А.В. Оптикоцифровые системы и комплексы космического назначения - Изв. вузов. Приборостроение. 2010, С. 51–59 .

3. Савиных В.П., Соломатин В.А. Оптико-электронные системы дистанционного зондирования. - Учеб. для вузов. - М.: Недра, 1995. с .

4. Теория и расчет оптико-электронных приборов. - Учебник для студентов вузов. - 4-е изд., перераб. и доп. - M.: JIoroc, 1999.-480 с .

5. Перспективная космическая система дистанционного зондирования земной поверхности и атмосферы «УФИКТ». М.И.Кислицкий, В.Д. Стариченкова. //[Электронный документ]. – Режим доступа http:// http://d33.infospace.ru/d33_conf/2009,1/267-271.pdf .

Д.В. Горбачев ФГБОУ ВО Оренбургский государственный университет




Лечебно-диагностический процесс (ЛДП) оказания медицинской помощи представляет собой сложную, взаимно переплетающуюся цепочку операций, реализующихся на разных уровнях в структуре медицинской технологии, достаточно большим количеством специалистов, с применением сложного медицинского оборудования. Начинается ЛДП в момент обращения пациента за медицинской помощью .

Такое обращение условно может быть плановым и экстренным. При плановом обращении – пациент получает направление на лечение от врача общей практики, при экстренном – доставляется в медицинскую организацию экипажем скорой помощи. В любом из этих случаев появление пациента в медицинской организации инициирует начало ЛДП .

Имитационно-моделирующие системы (ИМС) прочно вошли и достаточно часто применяются как инструмент решения сложных научно-технических проблем. В современной медицинской науке и здравоохранении вопросам моделирования уделяется большое внимание .

Анализ научных работ в этой сфере позволяет сделать вывод о высоких достижениях отечественных и зарубежных исследователей в области моделирования отдельных медицинских технологий лечения заболеваний. Однако комплексных моделей функционирования медицинских организаций, позволяющих оценить их мощность, экономичность, и эффективность на данном этапе нет. Между тем, такие имитационные модели на начальных стадиях использования в медицинской организации позволят получить необходимую для принятия организационно-экономических решений информацию, провести ее анализ и сформировать план оперативных мероприятий. В дальнейшем по мере накопления знаний имитационная система будет уже представлять собой полноценную систему поддержки принятия решений для менеджмента медицинской организации .

Кроме того, потенциальный функционал имитационной системы предполагает решение задачи определения потребного количества персонала медицинской организации, необходимого для минимизации рисков неоказания медицинской помощи по всему спектру диагнозов МКБ-10 .

В ходе проведенных ранее исследований [1, 2] автором разработаны вербальные модели и формализованные имитационные алгоритмы ЛДП. Таким образом, на данном этапе исследования актуальным является создание имитационно-моделирующей системы ЛДП .

Имитационно-моделирующая система предназначена для симуляции процессов, подпроцессов и отдельных операций диагностики и лечения заболеваний. Кроме того, ИМС позволяет проводить исследования лечебно-диагностического процесса, а также сбор и обработку статистической информации об использовании ресурсов медицинской организации при лечении заболеваний .

Согласно принятой этапности выполнения работ создания автоматизированных системы вначале производится архитектурное проектирование .

В стандарте ANSI/IEEE 1471-2000is дается следующее определение архитектуры: «фундаментальная организация системы, реализованная в ее компонентах, связях этих компонентов друг с другом и внешней средой и принципах, определяющих структуру и развитие системы» [3]. Архитектура имитационной модели представляет собой комплексный набор моделей, описывающих структуру и функции элементов системы. Исходя из выбранной концепции построения имитационной модели ЛДП, архитектурный облик имитационной программной системы представляет собой комплекс модулей, реализующих ту, или иную операцию лечебнодиагностического процесса. В качестве технологической имитационной основы в архитектуру модели закладывается клиентсерверный вариант, поскольку данная технология обладает достаточной гибкостью, хорошо проработана в плане технической реализации и поддерживается всеми средами разработки проРисунок 1. Архитектура ИМС граммных решений. В роли сервера в проектируемой архитектуре выступает информационный массив, представляющий собой набор определенным образом составленных баз данных (рис. 1). Многобазовый подход к построению серверной части обуславливается большим количеством и сложностью реляционных структур исходных данных и результатов моделирования .

В основу информационной базы ИМС положена классификация характеристик лечебно-диагностического процесса по ряду признаков,

–  –  –

ния медицинской организации, M i – оценки показателей медицинской технологии, характеризующие качество оказания медицинской помощи; Zi z1, z 2,..., z – оценки экономических затрат на реаi i i лизацию управленческих решений .

Таким образом, каждая база данных информационного массива ИМС представляет собой реляционную систему, хранящую сведения о характеристиках и параметрах лечебно-диагностического процесса .

Ядро имитационной системы предоставляет человекомашинные интерфейсы для взаимодействия оператора с моделью. В блоке интеллектуального выбора решаются задачи формирования альтернатив и области принятия решений на организацию ЛДП. При этом реализуются алгоритмы интеллектуального анализа и поиска знаний в базах данных (DM и KDD). Блок моделирования математических схем реализует соответствующие алгоритмы математических моделей и позволяет получать численные характеристики показателей ЛДП. Модули критериального оценивания и оптимизации решений оценивают, насколько эффективно реализуется ЛДП и возможно ли его совершенствование .

Программное средство, входящее в состав ИМС, представляет собой распределенное клиент-серверное Windows-приложение (рис. 2) .

Программа строится по классической объектно-ориентированной технологии и представляет собой набор интерфейсных и моделирующих классов и объектов .

В моделирующих модулях реализуются алгоритмы имитации операций и процедур ЛДП .

Исходной информацией для имитационного моделирования является поток пациентов, в котором сам пациент представляется отдельной моделью, а события, связанные с его появлением в лечебном учреждении, могут, либо генерироваться программно специальной функцией, либо основываться на статистиках. Сами статистики – это зафиксированные посещения больными медицинской организации .

У каждого пациента есть набор свойств, обуславливающий его поведение в модели: пол, возраст, диагноз, нозологическая форма, степень тяжести заболевания .

Рисунок 2. Структура модулей программой подсистемы ИМС Функциональный алгоритм программы построен таким образом, что может функционировать в двух режимах (рис .


1) генерация потока пациентов, имитация и оценка эффективности ЛДП .

2) использование статистик и инфраструктуры ЛДП медицинской организации .

Представленные проектные начало

–  –  –

2. Оценка информациРисунок 3. Функциональный алгоритм онных процессов и оптимизация программного средства ИМС ИТ-инфраструктуры .

3. Оценка качества и потенциальной эффективности медицинской организации .


1. Моделирование процессов в медицине и здравоохранении :

моногр. / Е. Л. Борщук, Д. В. Горбачев, В. М. Боев и др.; Оренбургский гос. мед. ун-т. – Оренбург: ИПК «Газпресс» ООО «СервисЭнергоГаз», 2015. – 188 с .

2. Математическое обеспечение программно-аппаратного комплекса управления медицинской организацией : моногр. / Е. Л. Борщук, Д. В. Горбачев, Д. Н. Бегун и др.; Оренбургский гос. мед. ун-т. – Оренбург: ИПК «Газпресс» ООО «Сервис-ЭнергоГаз», 2015. – 152 с .

3. Майкл Платт. Каталог API (Microsoft) и справочных материалов [Электронный ресурс] / Библиотека MSDN : [web-сайт] http://msdn.microsoft.com/ru-ru/library/ms123401.aspx (25.07.2015) Е.А. Спирина, С.В. Козлов ФГБОУ ВО Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ




Вследствие ограниченности частотного ресурса в настоящее время сети широкополосного радиодоступа работают в условиях внутрисистемных помех [1], которые при существующих подходах к построению процедур приёма, частотно-территориального планирования (ЧТП) и маршрутизации приводят к существенному снижению их потенциальных характеристик. Как было показано в работе [2] дополнительным резервом повышения пропускной способности сетей связи с внутрисистемными помехами является объединение указанных процедур в единый метод .

Применение метода совместной динамической маршрутизации [3] позволяет обеспечить повышение пропускной способности сетей широкополосного радиодоступа за счёт снижения потока внутрисистемных помех. Необходимые, для реализации этого метода маршрутизации, скорости передачи информации зависят от сигнальнопомеховой обстановки в канале связи, определяемой процедурой ЧТП сети связи, и условия обеспечения процедурой оптимального приёма требуемой вероятности ошибки .

В алгоритмах приёма с независимым демодулированием и декодированием вероятность ошибки приёма символа определяется величиной отклонения измеренных параметров OFDM сигналов от их истинных значений. Таким образом, актуальным является анализ точности оценок в зависимости от алгоритмов демодуляции OFDM сигналов .

Стандартный алгоритм приёма, базирующийся на быстром преобразовании Фурье, не позволяет учитывать влияние внутрисистемных помех, возникающих вследствие асинхронного режима работы передающих устройств .

Одним из путей снижения влияния внутрисистемных помех является использование алгоритма оптимального измерения для оценки параметров сигналов на каждой из поднесущих. Однако применение этого алгоритма в сетях широкополосного радиодоступа увеличивает полосу анализируемого сигнала и, соответственно, мощность шума на его входе .

В работе [4] были получены выражения для оценки отклонений измеренных параметров OFDM сигналов от их истинных значений, а также дисперсий отклонений при асинхронной работе оборудования на различных частотных каналах для двух указанных алгоритмов демодуляции. Для случая априорной известности параметров сигналов было показано, что дисперсия оценки для стандартного алгоритма приёма кроме мощности белого гауссовского шума на частоте анализируемого сигнала включает мощность внутрисистемных помех от сигналов, передаваемых на других поднесущих. Дисперсия оценки для алгоритма оптимального измерения кроме мощности белого гауссовского шума на частоте анализируемого сигнала включает мощность белого гауссовского шума на других поднесущих .

Для решения вопроса об эффективности применения алгоритма оптимального измерения в реальных OFDM системах необходимо рассмотреть случаи наличия более двух сигналов и отличия параметров алгоритмов демодуляции от реальных параметров сигналов .

Пусть на входе приёмного устройства на I различных частотах присутствуют сигналы S k с временем прихода k, k 1,2 I 1 [4] .

Для сравнительной оценки эффективности алгоритмов приёма будем использовать – дисперсию расстояния между принятыми k

–  –  –

При моделировании реальных сигналов сетей широкополосного радиодоступа, в которых для передачи информации используется большое количество поднесущих, возникает необходимость численного обращения матриц высокой размерности. Для снижения влияния точности вычислений на получаемый результат был применён метод регуляризации .

Моделирование проводилось для ряда случаев, интересных с точки зрения теории и практического использования .

При наличии небольшого количества сигналов, имеющих по одной несущей, коэффициенты K iS на два – три порядка превосходят значения коэффициентов K iP при значениях f k и k в пределах 5% от их истинных значений .

Интересным, с точки зрения использования в сетях широкополосного радиодоступа, является случай приёма двух OFDM сигналов, имеющих по 64 поднесущих, на соседних частотных каналах .

Для этого случая коэффициент регуляризации был подобран экспериментальным способом, равным 0.001. При отсутствии отклонений параметров измеряемых сигналов от параметров алгоритмов демодуляции коэффициенты K iS на три порядка превосходят значения коэффициентов K iP. При наличии отклонений характерные зависимости для первой (слева) и последней (справа) поднесущих первого сигнала приведены на рисунках 1 и 2 .

–  –  –

стандартного алгоритма демодуляции и алгоритма оптимального измерения при наличии двух OFDM сигналов Таким образом, алгоритм оптимального измерения параметров OFDM сигналов в сетях с асинхронной работой передающих устройств позволяет обеспечить снижение дисперсии оценок квадратурных компонент при большом отношении сигнал/шум для малого количества поднесущих. Для получения аналогичных результатов в сетях, использующих OFDM сигналы с большим количеством поднесущих, необходимо обеспечить высокую точность оценки параметров сигналов .


1. Выборнов О.В., Измайлов А.М., Козлов С.В., Спирина Е.А .

Тестирование ЭМС оборудования стандарта 802.11n фирмы InfiNet. // Вестник КГТУ им. А.Н. Туполева. 2012. Т. 68. №4-2. С. 160–163 .

2. Е.А. Спирина, С.В. Козлов, Ю.С. Винтенкова. Разработка единого алгоритма приема, планирования, оптимизации, адаптивного использования ресурсов и маршрутизации в сетях широкополосного радиодоступа// Нелинейный мир. -2014. - №10, т.12.С.9-12 .

3. Винтенкова Ю. С., Козлов С. В., Спирина Е. А. Анализ эффективности метода совместной динамической маршрутизации в сетях широкополосного радиодоступа с трафиком протоколов TCP,

HTTP, FTP. // Журнал радиоэлектроники. 2016. №1. URL:

http://jre.cplire.ru/jre/jan16/3/text.pdf (дата обращения: 20.09.2016) .

4. Спирина Е. А. Оценка эффективности применения алгоритма оптимального измерения параметров OFDM сигналов. // Журнал радиоэлектроники. 2016. №9. URL: http://jre.cplire.ru/jre/sep16/1/text.pdf (дата обращения: 20.09.2016) .

А.А. Лысиков, А.В. Росляков Поволжский государственный университет телекоммуникаций и информатики

–  –  –

В последние годы активно развивается концепция программноконфигурируемых сетей SDN c использованием сетевой виртуализации NFV, предлагаемая как следующий этап эволюции существующей концепции построения сетей NGN и 4G. Прототипом виртуализации послужили виртуальные частные сети VPN, являющиеся одной из наиболее востребованных услуг в сетях NGN [1]. Как правило, в сети оператора связи одновременно реализуется множество сетей VPN. Для каждой VPN оператором должны строго соблюдаться установленные в соглашении о гарантированном уровне сервиса SLА характеристики качества обслуживания QoS (например, задержка передачи пакетов, гарантированная полоса пропускания, и др.). В местах пересечения большого числа потоков различных VPN возникает конфликт за ресурсы узлов и каналов связи. Поэтому при вводе каждой новой VPN оператору необходимо распределить ресурсы своей сети так, чтобы с одной стороны предоставить услугу VPN максимальному количеству клиентов с гарантированным QoS, а с другой стороны, обеспечить эффективное использование ресурсов узлов и каналов связи. Иными словами, оператор на этапе планирования новой VPN должен определить для нее один или несколько оптимальных сетевых маршрутов. По аналогии с традиционными алгоритмами маршрутизации в IP-сетях, оптимальный маршрут для VPN можно определить, например, на основе его длины или сквозных характеристик QoS. Первый подход является достаточно простым и подразумевает выбор кратчайшего маршрута в сети как наиболее оптимального. Однако в этом случае возникает риск неэффективного использования сетевых ресурсов, так как при перегрузке такого маршрута пакеты трафика все равно будут передаваться по нему, продолжая заполнять очереди узлов, в то время, как трафик можно было бы направить по длинному, но менее загруженному маршруту. В таком случае второй подход выглядит более выгодным, если в качестве критерия выбора оптимального маршрута, например, использовать значение сквозной задержки .

Классическими для анализа характеристик QoS в мультисервисных сетях связи являются модели на основе теории массового обслуживания (ТМО). Аппарат ТМО хорошо развит и достаточно прост в использовании, однако при моделировании современных пакетных сетей имеет ограничения. Основным ограничением ТМО при анализе последовательно соединенных узлов является предположение о том, что потоки и дисциплины обслуживания узлов подчиняются распределению Пуассона. Тем самым модели на основе ТМО позволяют анализировать пакетные сети только в случаях, когда заранее известно распределение потоков и дисциплин обслуживания узлов. К тому же большое количество исследований показывает, что трафик в мультисервисных сетях имеет гораздо более сложный характер, например, проявляет свойства самоподобия. Модели на основе ТМО позволяют определять средние значения характеристик QoS, что является еще одним существенным ограничением. При расчете средних значений характеристик QoS происходит недооценка пиковых значений, которые также могут быть различными по величине. В то же время, ведущие международные организации по стандартизации в области телекоммуникаций ITU-T, IETF, ETSI в своих рекомендациях регламентирует только граничные значения QoS в мультисервисных сетях на основе протокола IP .

Указанные выше ограничения ТМО преодолены в теории сетевого исчисления NC (Network Calculus) [2], которая была разработана в начале 1990-х годов Р. Крузом и позволяет определять границы характеристик QoS. Математический аппарат теории NC основан на идемпотентных (max, ) алгебре и (min,) алгебре [3]. В идемпотентной алгебре базовые операции классической алгебры заменяются на их идемпотентные аналоги: умножение становится сложением, а сложение становится операцией максимума или минимума.

Например, в (min,) алгебре эти операции представляются, как:

ab: a b, a b: min[a,b] .

(Max,) алгеброй называют полукольцо R max, R -, max,, (min,) алгеброй называют полукольцо R min, R, min, .

Важными операциями в идемпотентной алгебре являются свертка и обратная свертка функций.

Например, в (min,) алгебре свертку и обратную свертку двух произвольных функций f (t ) и g (s) можно представить, соответственно, как:

f g t inf f (t s) g (s), 0st fg t sup f (t s) g (s), s0 где inf обозначает точную нижнюю грань функций f (t ) и g (s), а sup – точную верхнюю грань этих функций. Математический аппарат идемпотентной алгебры, лежащей в основе NC, позволяет нелинейный задачи классической алгебры сводить к линейным над соответствующими идемпотентными полукольцами .

Модель сетевого узла в терминах NC представлена на рис. 1 .

Буфер (t) A(t) D(t) Рисунок 1. Модель узла сети в теории NC Пусть входящий в узел поток трафика характеризуется кумулятивной функцией A(t ). Тогда функция (t ) будет являться кривой поступления для потока трафика на входе узла при условии, что для некоторого наблюдаемого периода времени 0,t выполняется следующее неравенство: A(t ) A(s) (t s), 0 s t .

Пусть поток обслуженных пакетов на выходе узла характеризуется кумулятивной функцией D(t ). Тогда функция (t ) является кривой обслуживания для узла сети при условии, что для некоторого наблюдаемого периода времени 0,t : D(t ) inf A(t s) (s), 0 s t, где правая часть неравенства означает (min,) свертку функций A .

Кривая поступления и кривая обслуживания определяют границы поступающего трафика и производительности сетевого узла и позволяют определить граничные характеристик QoS, которые может обеспечить узел при обслуживании данного трафика. Граница задержки d в любой момент времени t определяется как максимальное горизонтальное расстояние между (t ) и (t ), что можно представить,

–  –  –

Рисунок 2. Свертка последовательности сетевых узлов в один узел Кривые поступления могут быть заданы детерминированными и вероятностными функциями, в связи с чем NC развивается по детерминистическому [4] и стохастическому [5] направлениям .

На рис. 3 представлен пример кривой поступления и кривой обслуживания, заданных детерминистическими кусочно-линейными функциями. Кривая поступления входящего в узел потока задана, -функцией, где

– максимальный размер всплеска потока, – постоянная скорость потока. Кривая обслуживания узла задана, R - функцией, где – фиксированная задержка, вносимая узлом, R – постоянная скорость обслуживания .

Теория NC была использована в рекомендации МСЭ-Т Y.1315 для моделирования входящего потока и работы узла VPN. На основе этого подхода в [6] было предложено использовать теорию NC также для решения задач оптимального планирования VPN .

–  –  –

Рисунок 3. Пример кривой поступления и кривой обслуживания В докладе рассматривается модель сети VPN на основе теории NC, позволяющая определять наименьшую верхнюю границу задержки передачи пакетов через последовательность сетевых узлов .

Приводятся результаты экспериментальных исследований данной модели, предлагаются рекомендации по использованию полученных результатов на практике .

Исследование выполняется при финансовой поддержке РФФИ в рамках научного проекта № 16-37-00363 мол_а .


1. Росляков, А.В. Виртуальные частные сети. Основы построения и применения [текст] / А.В. Росляков. – М.: Эко-Трендз, 2006. – 304 с .

2. Cruz R. L. A calculus for network delay/ Part I, II // IEEE Trans .

Information Theory. 1991. V. 37(1). Р.114–141 .

3. Литвинов Г.Л. Деквантование Маслова, идемпотентная и тропическая математика: краткое введение // Зап. научн. сем. ПОМИ .

2005. Т.326. С.145-182 .

4. Le Boudec, J.-Y. Network Calculus. A Theory of Deterministic Queuing Systems for the Internet. Berlin, Heidelberg: Springer-Verlag, 2012. – 263 p .

5. Jiang Y., Yong L. Stochastic Network Calculus. London:

Springer-Verlag, 2008. – 240 p .

6. Росляков А. В., Лысиков А. А. Применение теории стохастических сетевых исчислений к анализу характеристик VPN // T-Comm .

Телекоммуникации и транспорт. – 2013. – №7. – С. 106-108 .

В.Г. Карташевский, К.С. Слипенчук, А.А. Филимонов ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Ранее, в работах [1, 2] были рассмотрены алгоритмы приема сигналов OFDM в каналах с памятью. Данные алгоритмы, а в частности «прием в целом с поэлементным принятием решения» (ПЦППР), показали достаточно хорошие характеристики, но моделирование проводилось с условием заранее решенной задачи оценивания параметров канала связи. В данном докладе рассматривается оценивание параметров канала с памятью при передаче OFDM сигнала c модуляцией КАМ-16 .

Технология ортогонального частотного мультиплексирования (OFDM) получила широкое распространение при построении сотовых сетей стандарта LTE. В системах с сигналами OFDM для решения задачи оценивание характеристик канала связи используются пилотсигналы. Пилот-сигнал представляет собой сигнал с априорно известными на приёмной стороне информационным содержанием и параметрами модуляции .

Пусть на входе приемного устройства действует сигнал, соответствующий OFDM символу и наблюдаемый на интервале

Ta ( N M 1)t :

N 1 u z (t, U j ) k t ) w(t ), kj g (t (1) k 0 где U j u0, u1,, u N 1 j - вектор отсчетов огибающей OFDM симT вола, w(t ) - реализация аддитивной помехи, g t - импульсная характеристика канала связи, M - длина памяти канала .

Тогда для получения оценки g t из (1) необходимо решить обратную задачу. Такие задачи, как правило, некорректно поставлены и для их решения можно воспользоваться методом регуляризации по Тихонову.

Таким образом, всё сводится к решению системы уравнений [3]:

–  –  –

где I – единичная матрица, - параметр регуляризации, Z - вектор отсчетов принятого сигнала .

Значение параметра регуляризации определяется опытным путем [3] .

В работе [3] показано, что оценки, полученные из выражения (3) обладают определенными преимуществами (особенно при малом отношении сигнал/шум) перед оценками максимального правдоподобия (МП), которые могут быть получены согласно выражению U 1Z. При оптимальном выборе параметра регуляризации G МП дисперсия ошибки оценок G может в разы отличаться от дисперсии ошибки оценок G МП. Платой за это улучшение является наличие смещения регуляризованных оценок .


1. Карташевский В.Г., Бельский К.А., Коняева О.С., Филимонов А.А. Прием сигналов OFDM в системе MIMO в каналах с памятью // Радиотехника, 2016г., №2, с. 91-95 .

2. Карташевский В.Г., Бельский К.А., Филимонов А.А. Прием сигналов OFDM в системах SISO и MIMO в каналах с памятью // Труды 22-й Международной конференции «Радиолокация, навигация, связь» (RLNC-2016), Воронеж, 2016г., с.253-257 .

3. Карташевский В.Г. Обработка пространственно-временных сигналов в каналах с памятью / В.Г. Карташевский. М.: Радио и связь, 2000, 272с .

А.Г. Мешкова, В.В. Иванов ФГБОУ ВО Уфимский государственный авиационный технический университет




–  –  –

Рисунок 1. Зависимость нормализоРисунок 2 .

Зависимость мощности ванного сдвига частот от параметра межканальной интерференции от формы импульса для различных нормированного сдвига частот коэффициентов скругления спектра Для значения равное 0,2 приведем оценку влияния мощности межканальной интерференции от нормированного сдвига частот и отношение мощности сигнала к мощности межканальной интерференции на рисунках 2,3 .

По полученным данным можно сделать вывод о том, что для от 0,1 до 0,5 оптимальным будет от 1,2 до 2,5. При таких значениях для равное 0,2, когда потери на скругление спектра 20%, мощность межканальной интерференции и отношение сигнала к мощности межканальной интерфе- Рисунок 3. Зависимость отношения ренции будут лучшими для равное мощности сигнала к мощности межканальной интерференции 1,5-2. Предложенный метод позволяет выбрать оптимальные параметры и для максимизации Рс/Рмки .


1. Мешкова А.Г. Метод оптимизации параметра формы импульса в системах OFDM XVI Международная научно-техническая конференция “Проблемы техники и технологии телекоммуникаций”. Т.2. – Уфа, 2015. - С. 103-105 .

2. Performance Augmentation of OFDM System” under the Guidance of Prof. Rajiv Saxena, Head, ECE, JUET, Guna. – p. 166 .

И.П. Болодурина, А.А. Нугуманова ФГБОУ ВО Оренбургский государственный университет




Задача корректировки местоположения транспортного средства, информация о координатах которого поступает со спутниковой навигационной системы ГЛОНАСС, заключается в точном определении траектории движения наземного объекта. Точность позиционирования наземного объекта зависит от многих факторов, в том числе от метода нахождения и корректировки координат объекта. В данной работе к задаче корректировки местоположения транспортного средства применены алгоритмы фильтра Калмана и фильтра Винера .

Рассмотрим транспортное средство (маршрутный автобус), которое движется по определенному маршруту. Необходимо скорректировать его траекторию движения x(t) по данным, поступившим на вход фильтра, это аддитивная смесь сигнала s(t), полученного после первичной обработки информации, и шума n(t), накладываемого различными факторами x(t ) s(t ) n(t ). (1) Фильтрация сигнала – это выделение его из смеси сигнала и шума. Вторичная обработка решается с помощью реализации различных методов фильтрации. Формально необходимо минимизировать функционал J ( x, v, a, t, V, b) min, (2) где x – вектор координат местоположения транспортного средства, v – скорость движения транспортного средства, а – параметры выбранного метода фильтрации, t– время, V – объем требуемого топлива, b – другие расходные материалы транспортного средства; параметры и вид которого зависят от доступных (известных) характеристик задачи, в данном случае это координаты движения транспортного средства (широта и долгота), поступающим с системы ГЛОНАСС .

Алгоритм фильтра Калмана работает в два этапа [1]: прогноз и коррекция. На этапе прогнозирования фильтр Калмана экстраполирует значения переменных состояния, а также их неопределенности. На втором этапе, по данным измерения, результат экстраполяции уточняется. Благодаря пошаговой природе алгоритма, он может в реальном времени отслеживать состояние объекта (без заглядывания вперед, используя только текущие замеры и информацию о предыдущем состоянии и его неопределенности) .

Задача фильтра Винера [2] состоит в нахождении коэффициентов фильтра {wn}, которые обеспечивают максимальную близость выходного сигнала фильтра к образцовому сигналу, то есть минимизируют ошибку e(k). Так как e(k) также является случайным процессом, в качестве меры ее величины будем принимать средний квадрат.

Тогда оптимизируемая функция выглядит следующим образом:

J ({w }) e ( k ) min .

n В данной работе проведено исследование для двух случаев, когда транспортное средство движется и когда находится на стоянке .

Эффективность применения фильтра Винера и фильтра Калмана к задаче корректировки местоположения транспортного средства, движущегося или находящегося на стоянке, проверена с помощью статистических критериев, таких как средняя ошибка аппроксимации, коэффициент корреляции и критерия Фишера. С помощью этих же критериев проверено предположение о влиянии изменения порядка фильтра Винера на точность местоположения транспортного средства .

В результате проделанной работы выявлена зависимость точности корректировки местоположения транспортного средства от изменения порядка фильтра Винера. Установлено, что увеличение порядка фильтра приводит к улучшению корректировки местоположения транспортного средства. В случае подвижного транспортного средства может применяться и фильтр Винера, и фильтр Калмана. В случае неподвижного транспортного средства предпочтительным остается фильтр Калмана, поскольку результаты применения фильтра Винера уступают в точности корректировки местоположения транспортного средства, находящегося на стоянке. На основе проделанных исследований наиболее предпочтительным методом корректировки местоположения транспортного средства остается фильтр Калмана. Разработанный алгоритм фильтра Калмана позволит решить проблему позиционирования наземных транспортных средств .


1. Болодурина, И.П., Решетников, В.Н., Нугуманова, А.А .

Фильтр Калмана как метод вторичной обработки информации с системы ГЛОНАСС, Программные продукты и системы, № 4, 116-120 (2015) .

2. Сергиенко, А.Б. Цифровая обработка сигналов: учебное пособие, 3-е изд., СПб: БВХ-Петербург, 768 (2011) .

К.В. Павлов, И.А. Стефанова ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Важнейшие технико-экономические показатели любой системы цифровой обработки и передачи звуковых сигналов (ЗС) в значительной мере определяются степенью сокращения избыточности первичного цифрового сигнала. При этом различают статистическую и психоакустическую избыточность. Сокращение статистической избыточности основано на учете свойств самих ЗС, а психоакустической – на учете особенностей слухового восприятия звука. Устранение статистической избыточности ЗС даже при достаточно сложных процедурах обработки позволяет в конечном итоге уменьшить изначально требуемую пропускную способность канала связи лишь на 15 … 20 %. Такое сжатие уже не может обеспечить все возрастающие требования, причем не столько к количеству, как к качеству передаваемой информации .

Кроме того, с постоянным ростом пользователей интернета, носителей и соединений непрерывно и большими темпами растут объемы передаваемых данных. Поэтому в последнее время в нашей стране [1] и за рубежом уделяется большое внимание вопросам развития новых методов сжатия ЗС, основанных на использовании психоакустических свойств слуха человека .

По прогнозам компании Cisco к 2019 году объем глобального IP-трафика, основной частью которого является видео, достигнет 168 эксабайт в месяц. В 2019 году мировые сети передадут почти столько же трафика, сколько за весь период существования Интернета до 2013 г .

В условиях такого роста, существует потребность более эффективного использования уже проложенных линий передачи. Одним из решений это вопроса является сжатие данных .

Как известно, различают сжатие без потерь, позволяющее восстановить исходный сигнал в полном объёме и сжатие с потерями, при котором полное восстановление исходного сигнала невозможно .

Сжатие без потерь основано на принципе сокращения статистической избыточности, то есть более рационального размещения данных в файле, что позволяет уменьшить его размер. Однако даже при использовании достаточно сложных процедур обработки этот метод позволяет уменьшить требуемую пропускную способность канала связи лишь на 20% по сравнению с ее исходной величиной .

Сжатие с потерями применительно к аудиоданным разработано на основании алгоритмов сокращения психоакустической избыточности звукового сигнала, то есть удаления из файла той части звуковой информации, которая незначительно влияет на восприятие звука человеком. Этими методами можно обеспечить сжатие цифровых аудиоданных в 10 12 раз без существенных потерь в качестве звучания .

В работе рассматриваются методы сокращения избыточности звуковых файлов, использование которых значительно уменьшит объем трафика в сети, потому что в видео файлах содержат 15-20% аудиоданные .

Известные из психоакустики важные для сжатия ЗС свойства различаются на маскировку в частотной и временной областях. Частотная маскировка заключается в том, что при одновременном воздействии на слух двух звуков один из них может не прослушиваться на фоне другого [2]. Когда звуки не перекрываются по времени, такой вид маскировка называется временной. Проявляется она в том, что достаточно громкие звуки делают практически неслышимыми звуки, следующие за ними. В свою очередь временная маскировка разделяется на предмаскировку и постмаскировку. Постмаскировка проявляется на интервале времени 100…200 мс после окончания маскирующего звука. Предмаскировка проявляется на значительно более короткие временные интервалы около 10 мс .

Рисунок 1. Временная маскировка В настоящее время накоплен большой объем экспериментальных данных, но для их применения и дальнейшего исследования необходимо представить их в виде математической модели .

Эффективность применения свойств будет зависеть от степени соответствия модели исходным данным .

Дальнейшая работа будет направлена на моделирование свойств временной маскировки и проверки использования этих свойств для эффективного сжатия аудиоданных .


1. Ковалгин Ю. А., Вологдин Э. И. Цифровое кодирование звуковых сигналов.СПб.: КОРОНА-принт, 2004240 с., ил .

2. Цвикер Э., Фельдкеллер Р. Ухо как приемник информации / пер. с немец, под ред. Б. Г. Белкин. М.: Связь, 1971 – 255 с .

А.Л. Тимофеев ФГБОУ ВО Уфимский государственный авиационный технический университет



ИНФОРМАЦИИ Интегральной оценкой качества передачи информации по линиям связи является верность передачи. Один из основных методов повышения верности – повышение помехоустойчивости. При этом по умолчанию принимается наличие полезного сигнала в линии связи. В то же время достаточно часто встречается ситуация фрагментации сигнала, когда отдельные фрагменты сигнала отсутствуют в линии связи либо имеют уровень ниже порога чувствительности приемника .

Очевидно, что в этом случае методы повышения верности передачи за счет повышения отношения сигнал/шум и использования помехоустойчивого кодирования не работают. Наиболее распространенным способом доведения информации до приемника в такой ситуации является дублирование. Однако и оно не всегда возможно. Одним из способов повышения верности передачи информации при потере части сигнала является использование формы представления сигнала, обеспечивающей восстановление сигнала по его фрагменту. Такая возможность заложена в голографическом способе представления изображений .

Как известно, любой фрагмент голограммы содержит информацию обо всем изображении. Точность восстановления голографического изображения зависит только от площади имеющегося фрагмента голограммы. В классическом виде этот способ кодирования и передачи информации применяется только для трехмерных изображений небольших физических объектов .

Для того чтобы использовать голографическое кодирование для передачи произвольной информации необходимо представить исходные данные в виде изображения некоторого объекта, например, в виде текста, распечатанного на листе бумаге. Голограмма такого объекта пригодна для помехоустойчивой передачи информации. При потере части передаваемого сообщения (голограммы) по оставшимся фрагментам можно восстановить исходное изображение листа бумаги и провести распознавание текста .

Недостатком этого способа является необходимость использования сложного и дорогостоящего оборудования для формирования голограммы и восстановления объемного изображения .

Этих недостатков лишен цифровой способ моделирования голограммы. По исходным данным синтезируется цифровое изображение объекта, по которому методами математического моделирования создается цифровая голограмма, которая передается по линии связи. По дошедшим до приемника фрагментам голограммы решается обратная задача цифрового синтеза исходного изображения и распознавания текста .

Ограничением этого способа является большая вычислительная сложность моделирования голограммы и восстановления изображения .

Существенно более низкие требования к вычислительной мощности предъявляет метод псевдоголографического кодирования [1] .

При псевдоголографическом кодировании вместо построения интерференционной картины используется рассеяние информации о каждом элементе изображения по всей площади кадра методом перемешивания координат по случайному закону. В качестве исходного изображения используется двумерный цифровой массив. В случае утраты части кодированного сигнала остается возможным восстановить исходные данные. При этом потеря фрагмента сообщения трансформируется в повышение уровня шума в полученном сигнале .

В помехоустойчивом кодировании используется близкий по технике реализации подход, называемый перемежением, который заключается в том, что последовательные биты кодовой последовательности передаются по каналу не в том порядке, в котором они находились в исходном сообщении. В приемнике принятые биты возвращаются в исходное положение, в результате чего пакетная ошибка, возникающая в линии связи, преобразуется в рассеянные одиночные ошибки .

Перемежение ориентировано на передачу битовых последовательностей, в то время, как псевдоголографическое кодирование выполняется для растрового сигнала, состоящего из совокупности пикселов. Представление цифрового сообщения в виде растрового изображения с последующим псевдоголографическим кодированием позволяет использовать сильные корреляционные связи между элементами изображения для повышения верности передачи цифровых сообщений произвольного назначения .


1. Колесов В.В., Залогин Н.Н., Воронцов Г.М. Метод псевдоголографического кодирования // Институт радиотехники и электроники РАН, 2002. – с. 1–3 .

В.А. Мачихин, О.И. Антипов, Р.В. Никушин ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Из-за больших затрат машинного времени при проведении Фурье-преобразования корреляционных функций в электрофизиологических исследованиях все большую популярность получают методы быстрого преобразования Фурье (БПФ) и другие численные методы, например методы Кули-Тьюки, Рейдера-Винограда. Большое внимание уделяется также разработке различных методов вторичной обработки данных. Такая обработка включает разбиение усредненных спектров на сегменты, построение интеркорреляционной матрицы на основе величин сегментов, факторный анализ матрицы с последующим дискриминантным анализом полученных величин[1,2,3] .

Чтобы получить данные электроэнцефалограммы (ЭЭГ) испытуемого, его располагают в экранированном помещении. Эксперименты проводятся на получение ответной реакции на внешние раздражители, как значимые для испытуемого, так и незначимые для испытуемого .

Корреляционный анализ ЭЭГ позволяет выявить и количественно оценить следующие стороны процесса: 1) наличие или отсутствие в ЭЭГ периодического (или квазипериодического) процесса; 2) период ритмических колебаний; 3) устойчивость периодики; 4) при кросскорреляции – определить временные отношения двух процессов по их фазовому сдвигу или сдвигу максимума кросскорреляционной функции; 5) количественно оценить степень связи или сходства двух процессов ЭЭГ [4,5] .

Данный метод также широко применяется в анализе полученных экспериментальных данных ЭЭГ. Анализ производится программными методами. В дальнейшем, после обработки полученных данных ЭЭГ головного мозга вырабатывается программный комплекс, позволяющий делать постоянный анализ сигналов головного мозга в реальном времени, что само по себе на шаг приближает к созданию интерфейса «мозг – компьютер» .


1. Y. Zhou, C.K. Tse, S.S. Qiu and F.C.M. Lau, "Applying Resonant Parametric Perturbarion to Control Chaos in the Buck Dc/Dc Converter With Phase Shift and Frequency Mismatch Considerations," International Journal of Bifurcation and Chaos, vol. 13, no. 11, pp. 3459-3471, November 2003 .

2. D. Dai, C.K. Tse and X. Ma, "Existence of horseshoe maps in voltage-mode controlled buck converters," Chinese Physics, vol. 15, no. 11, pp. 2535-2540, November 2006 .

3. Кулаичев. А.П. Компьютерная электрофизиология и функциональная диагностика.[Текст]/ -М.: изд. ИНФРА-М, 2010 г.-639с .

4. Р. Наатанен. Внимание и функции мозга.[Текст]/ -М.: МГУ, 1998 г.-560с .

5. Кропотов.Ю.Д. Количественная ЭЭГ, когнитивные вызванные потенциалы мозга человека и нейротерапия.[Текст]/ -М.: изд. Донецк: Заславский А.Ю., 2010 г.-512с .

О.В. Горячкин, Д.В. Суханов ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



СИСТЕМЫ Забойные телеметрические системы необходимы для горизонтального бурения [1-3]. Данные, которые передаются в кадре, являются для синхронизации своеобразными «шумами», приводящие к ошибкам в процессе синхронизации [4]. Минимизировать вероятность ложной синхронизации предлагается при случайной последовательности информационных символов. Проделаем совместную оптимизацию кодовых конструкций и синхронизирующих последовательностей для систем связи с блоковыми помехозащищенными кодами и следующими без пауз синхропоследовательностями (СП) в каждом кадре. Построим все комбинации ВКФ, выбирая различные сочетания помехозащищённого кода (ПЗК) + СП и разных видов модуляции для них .

Для сравнения синхронизирующих свойств сочетаний ПЗК с СП вычисляется вероятность ошибки синхронизации, усредненная для всех комбинаций кодовых слов на фиксированном интервале кадра данных в соответствии с [5]. Будем использовать синхронизирующую последовательность, дополненную слева и справа необходимым количеством информационных слов, заданных символами, закодированных помехоустойчивым кодом. Полученную последовательность промодулируем для передачи по каналу ЗТС, т.е. каждый символ представим двумя или тремя отсчетами «0», «1», «2». Для полученного принятого сигнала и модулированной СП вычислим их ВКФ, (сигнал на выходе дискретного СФ). Длина анализируемого сигнала выбирается из условий, чтобы для разных СП и ПЗК число символов было одинаково и все варианты были охвачены .

Рисунок 1. 1)М-посл .

63(ФМ2) + (16,4,8,ФМ2); 2)М-посл. 80(ФМ3) + Мпосл.(26,3,18,ИМ3); 3)М-посл. 63 (ИМ2) + (12,6,6,ФМ3); 4)М-посл .

63 (ИМ2) + М-посл. (13,3,9,ФМ-3); 5)М-посл. 80(ФМ-3) + М-посл .

(15,4,8,ФМ-2) Результаты оптимизации подлежат экспериментальной проверке, подобно той, которая приведена в [6] .


1. Калинин А.Г., Григорян Н.А., Султанов Б.З. Бурение наклонных скважин. – М.: Недра, 1990. – 348 с .

2. Скобло В.З., Ропяной А.Ю. Реальные телесистемы: технология разработки от идеи до изделия. – М.: Новые технологии, 2008.с .

3. Чупров В.П. Забойные телеметрические системы с электромагнитным каналом связи: этапы становления и развития. // Геофизика. 2009. №1. с. 2831 .

4. Журавлёв В.И. Поиск и синхронизация в широкополосных системах. - М.: Радио и связь, 1986. – 240 с .

5. Горячкин О.В., Суханов Д.В. Совместная оптимизация сочетания помехоустойчивого кода и синхропоследовательности в забойных телеметрических системах. Успехи современной радиотехники и электроники. - 2015. - №11. – с.73-77 .

6. Суханов Д.В. Экспериментальный выбор сигнально-кодовой конструкции для забойной телеметрической системы в условиях реальных помех. Инфокоммуникационные технологии. - 2016. – Т.14. с. 50-55 .

А.А. Гладких, С.М. Наместников, Р.Р. Сакаева ФГБОУ ВО Ульяновский государственный технический университет



Использование в системах обмена данными для их защиты от ошибок недвоичных помехоустойчивых кодов в составе каскадных схем остается одним из распространенных способов снижения сложности реализации кодеков. Использование мягких методов для решения задач декодирования недвоичных кодов (НДК) позволяет дополнительно получить не только энергетический выигрыш, но и отказаться от переборных алгоритмов поиска локаторов ошибок в процедуре декодирования таких кодов. Главным препятствием на пути реализации подобной системы является адекватное вычисление мягких решений недвоичных символов на безе комплексной обработки внутренних кодов по результатам их алгебраических проверок и соответствующего набора мягких решений двоичных символов .

Для выработки мягких решений недвоичных символов кода второй ступени предлагается на длине каждой кодовой комбинации внутреннего кода n1 формировать данные о двоичных символах в виде обобщенных алгебраических и статистических характеристик Q, где подразумевает проверку алгебраических соотношений четности, задаваемых проверочной матрицей H1 внутреннего кода, оценку среднего значения мягких решений двоичных символов M ( i ) и их дисперсии 2 ( i ), при i 1, n1. На первом шаге декодирования выполняется проверка четности. При неудовлетворительном выполнении этого шага декодер переводит оцениваемый символ НДК в разряд ненадежных и присваивает такому символу оценку Q Qmin. В противном случае декодер оценивает параметр M (i ) и далее параметр 2 ( i ). Исследование указанной процедуры Q с использованием имитационной модели показало, что в силу закономерностей формирования параметра M (i ) интенсивность ошибочных решений возрастает именно на относительно высоких оценках, что подчеркивает несовершенство процедуры. По этой причине предлагается использовать методы сравнения гистограмм, активно применяемый в системе распознавания образов. Среди подобных методов выделяют: корреляционный метод, метод -квадрат, метод пересечений и расстояние Бхаттачария. При реализации корреляционного метода возможно максимальное соответствие, когда получаемая оценка равна единице, но при максимальном несоответствии такая оценка становится отрицательной, а это усложняет алгоритм сортировки символов НДК. В процедуре квадрат максимальная оценка неограниченна, что требует резервирования памяти процессора декодера. В наибольшей степени для реализации сортировки символов НДК соответствует оценка по методу пересечения, поскольку максимальная оценка близка к единице, а минимальная – к нулю (символы на длине n1 ранжируются в порядке убывания). Аналитическое выражение процедуры имеет вид n

–  –  –

Н.Ю. Чилихин ФГБОУ ВО Ульяновский государственный технический университет



Помехоустойчивое кодирование обладает достаточно широким спектром методов и способов повышения корректирующей способности систем связи, а именно: мягкое методы декодирования, итерационные преобразования, алгоритмы декодирования за пределами метрики Хэмминга (в.т.ч. кластерный подход) и т.д [1-3]. Однако основной задачей, стоящей перед проектировщиками систем связи, является максимальное использование информации, которая содержится в переданном сообщении. Современные методы обработки кодовых последовательностей не учитывают их структурные особенности, а лишь используют разнесение в пространстве разрешенных кодовых комбинаций. В полярных кодах (ПК) и кодах Рида-Маллера (РМ) наиболее ярко проявляются структурные особенности кода (СОК) [3]. Они составляют семейство кодов, имеющих простую структуру с рядом особенностей, которые можно использовать как самостоятельный, так и дополнительный инструменты при декодировании этих кодов. Подобная концепция может быть полезна для увеличения надежности и производительности декодирующих устройств, что очень важно в условиях динамично изменяющихся информационно-телекоммуникационных технологий. Рассмотрим предложенный подход на примере кодов РМ .

Стоит отметить, что указанная методология справедлива и для ПК .

Главная структурная особенность разрешенных комбинаций кода РМ является их структурная симметрия (либо обратная структурная симметрия) относительно n/2 символов комбинации.

Подобная особенность обусловлена рекуррентным способом получения кодовой книги для кодов РМ:

RM (r, m 1) RM (r, m 1) RM (r, m) .

RM (r, m 1) RM (r, m 1) Стоит отметить, что при сложении по mod2 n/2 символов комбинации друг с другом результат будет состоять либо из одних нулей, либо из одних единиц. Причем в результате операции сложения образуются все единицы тогда и только тогда, когда кодовая комбинация будет обратна симметрична относительно n/2 символов, а все нули – если n/2 символов комбинации идентичны друг другу. Подобная СОК сохраняется и при декомпозиции кодовой комбинации до минимального значения из 2 символов. В общем виде кодовая комбинация кода РМ разбивается на величину n/2j, где j=1,2…m-1 – шаг декомпозиции (ШД). Зачастую для восстановления исходного сообщения необходимо провести процедуру прямого сложения и процедуру перекрестного сложения (см. рисунок 1) для полученной кодовой последовательности. Как правило, 1-й ШД рассматривается чисто теоретически и не имеет практического значения [3] .

Рисунок 1. Схематичное представление прямого и перекрестного сложения Применение индексов мягких решений значительно расширяет функциональные возможности предложенного подхода, так как позволяет уйти от жесткой логики работы декодера .

Таким образом, предложенный подход представляет научно-практический интерес, так как относительная избыточность, заложенная в СОК ПК и кодов РМ, позволяет увеличить корректирующую способность систем связи (в частности на базе кластерного декодирования) [1,3] .


1. Гладких, А.А. Унификация алгоритмов декодирования избыточных кодов в системе интегрированных информационноуправляющих комплексов / А.А. Гладких, Н.Ю. Чилихин, С.М. Наместников, Д.В. Ганин // Автоматизация процессов управления. 2015. №1 (39). С. 13-20 .

2. Чилихин, Н.Ю. Эффективное декодирование кодов РидаМаллера и полярных кодов на основе кластерного подхода / Н.Ю. Чилихин // Современные проблемы проектирования, производства и эксплуатации радиотехнических систем: сб. науч. тр. – Ульяновск: УлГТУ, 2014. – [Вып. 9]. – С. 79–82 .

3. Гладких, А.А. Структурные особенности кодовых комбинаций полярных кодов и кодов Рида-Маллера / А.А. Гладких, Н.Ю. Чилихин // Современные проблемы проектирования, производства и эксплуатации радиотехнических систем. 2015. № 1-2 (9). С. 139-141 .

И.М. Лернер, Г.И. Ильин ФГБОУ ВО Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ



–  –  –

информации о фазе на выходе УЛС; step 2 / n - шаг между соседними значениями начальных фаз ФМн-n-сигнала .

Выбор req очевидно зависит от числа градаций фазы n, приведенной погрешности 0 и определяется как req 0 step 0. (3) n Определим пропускную способность РСПИ без шума, использующую ФМн-n-сигнал. Согласно работам 1 пропускная способность РСПИ определяется, как наибольшее количество информации, которое система может передать в единицу времени. Иначе говоря, пропускная способность определяется двумя факторами – разрешающей способностью системы по времени и числом градаций n информационного параметра передаваемого сигнала. Разрешающее время РСПИ очевидно и является длительностью символа s, с которой и необходимо передавать символы и зависящее от 0 и n .

Выражение для пропускной способности имеет вид С NI tresol 0, n log 2 n, где N tresol 1 - количество символов, которое можно передать в единицу времени через избирательную систему; I log 2 n - количество информации передаваемое одним символом .

Из выражения (1) следует, что для определения пропускной способности в данном случае требуется определить разрешающее время УЛС, входящей в линейный радиотракт РСПИ, что требует провести анализ переходного процесса, вызванного прохождением ФМн-nсигнала через него .


1. Шеннон К. Работы по теории информации и кибернетике. – М.: Изд. иност. лит., 1963. – 829 с .

ЕП. Грахова, И.К. Мешков, I.T. Monroy ФГБОУ ВО Уфимский государственный авиационный технический университет




Задача повышения эффективности сверхширокополосных (СШП) систем связи, работающих по технологии Radio-over-Fiber (RoF), является одним из наиболее актуальных направлений развития технологий телекоммуникаций в последнее время, в связи с возможностью реализации на их базе развивающихся беспроводных сетей нового поколения 5G. Перспективным решением данной задачи является спектральная модуляция сигнала, так как она позволяет найти баланс между высокими взаимосвязанными показателями спектральной и энергетической эффективности .

Метод спектральной модуляции, представленный в [1], основан на использовании двух шумоподобных сигналов с рабочим диапазоном частот 3,1-4 ГГц, которые не учитывают ограничения на уровень излучаемой мощности, принятые в РФ .

Для реализации спектральной модуляции, необходимой для повышения эффективности СШП RoF систем связи, предложен подход на основе использования радиоимпульсов оптимальной формы, рассчитанной для достижения высокого коэффициента эффективности использования спектральной маски Государственной Комиссии по радиочастотам (ГКРЧ). Одной из подобных моделей является радиоимпульс, представленный в [2] и [3], осуществленный на базе функции вида корень из «приподнятого косинуса», также известной как импульс Найквиста (ИН). Разработанная модель ИН, представлена суммой семи подимпульсов с коэффициентом скругления = 0,3 .

Разработанную модель оптимального радиоимпульса на базе ИН необходимо оценить с точки зрения эффективности использования ее в СШП RoF системах связи. Для этого необходимо оценить такие показатели эффективности системы как: потенциальная помехоустойчивость, на основе зависимости коэффициента битовых ошибок (BER) от уровня сигнал/шум в канале связи (SNR); дальность беспроводного действия системы связи. Оценка данных показателей осуществляется на основе проведения имитационного моделирования и экспериментального исследования .

Для этой цели разработаны имитационные модели (ИМ) частей СШП RoF системы связи в среде моделирования Matlab, выполняющие функции формирования СШП сигнала на основе модели ИН, вычисления BER, имитации беспроводного канала связи, реализованного на основе непрерывной математической модели канала с аддитивным белым гауссовским шумом. Спектральная плотность мощности (СПМ) сигнала на основе радиоимпульса ИН приведена на рисунке 1 а .

На основе разработанных ИМ произведено 50 циклов имитационного моделирования. Показатели BER оценивались для 25 различных значений SNR в канале связи, двух значений скорости передачи данных R .

Результаты имитационного моделирования представлены на рисунке 1 б .

Экспериментальное исследование высокоскоростной передачи данных на основе радиоимпульса ИН осуществлялось на базе лаборатории «Системы связи гоРисунок 1.

Результаты имитационного моделирования:

родского доступа и малоа) СПМ СШП сигнала на основе ИН; б) зависимость BER от SNR го покрытия» факультета Фотоники Датского Технического Университета, г. Люнгбю, Дания. Экспериментальная установка была организована, согласно структурной схеме, представленной на рисунке 2 .

–  –  –

В работе предложено использовать модулятор Маха-Цендера для внесения корректирующего чирпа. В работе представлены функция корректирующего чирпа, учитывающая электрооптические свойства модулятора и математическая модель сигнала на выходе модулятора с функцией корректирующего чирпа .


1. Wooten, E.L. A review of lithium niobate modulators for fiber-optic communications systems / E.L. Wooten, K.M. Kissa, A. Yi-Yan, [et al.] // IEEE Journal of selected topics in quantum electronics. – 2000. – V. 6 (1). – Р. 69-82 .

А.Х. Султанов, И.К. Мешков, Д.А. Ахунова ФГБОУ ВО Уфимский государственный авиационный технический университет


DVB-С2 является вторым поколением цифровой системы передачи для кабельных сетей. В DVB-С2 используются мощные методы кодирования и высокопозиционные схемы модуляции, так что операторы кабельного телевидения cмогут наиболее эффективно использовать свои сети .

Главным различием DVВ–С2 от DVВ–С считается использование ОFDМ вместо одной QАМ–модулированной несущей. Сигнал, получаемый в способе модуляции с частотным уплотнением, состоит из многих модулированных несущих, поэтому каждый символ OFDM может рассматриваться как разделенный на элементарные пакеты, каждый из которых переносится одной несущей во время одного символа. В дополнение к данным в кадре OFDM передаются опорные сигналы, структура которых известна приемнику, а также сведения о параметрах передачи. Опорные сигналы, называемые «пилот-сигналами», получаются в результате модуляции несущих псевдослучайной последовательностью [1] .

Пилот-сигналы каждого блока сигнализации определяются однозначно и разрешают частотную и временную синхронизацию в преамбуле. Пилот-сигналы в преамбуле передаются на том же уровне что и данные, а не на 2,5 дБ выше как обычные пилот-сигналы. Пилотсигналы в BPSK модуляции отличаются друг от друга, давая возможность приемнику синхронизироваться с другой зашифрованной эталонной информацией .

Различные ячейки в кадре OFDM модулируются с эталонной информацией, переданное значение которой известно на приемной стороне. Ячейки, содержащие справочную информацию, передаются на "повышенном" уровне мощности. Эти ячейки называют рассредоточенными, непрерывными и граничными пилот-сигналами .

Пилот-сигналы могут быть использованы для синхронизации кадров, синхронизации частоты, временной синхронизации, оценки канала, а также могут использоваться для отслеживания фазовых шумов. В таблице 1 приведен обзор различных типов пилот-сигналов и тип символов, в которых они появляются .

–  –  –

Рисунок 1. Рассредоточенный пилот-сигнал для GI 1/128 с низкочастотной границей Рисунок 2 .

Рассредоточенный пилот-сигнал для GI 1/128 с низкочастотной границей В дополнение к рассредоточенным пилот-сигналам, некоторое количество непрерывных пилот-сигналов вставлены в каждый символ кадра, за исключением символов преамбулы. Число и расположение непрерывных пилот-сигналов одинаково для всех частей защитного интервала .

В таблице 3 показаны места непрерывных пилот-сигналов, которые определяются в пределах блока KL1=3408 несущих, и эта модель повторяется, чтобы поддерживать весь диапазон возможных несущих. Индекс несущей блока KL1 совмещен с блоком сигнализации L1, длина которого также KL1 .

Таблица 3. Индексы несущих непрерывных пилот-сигналов Индексы Так же существуют граничные пилот-сигналы, которые добавляются на границах несущих, а каждом символе, за исключением символов преамбулы .

Число граничных пилот-сигналов зависит от количества спектральных уровней в пределах сигнала OFDM. Существует два вида граничных несущих: это несущие в верхних и нижних краях спектра OFDM, и носители по обе стороны от уровня спектра. Граничные пилот-сигналы размещаются по обе стороны от спектральных меток. Граничные пилот-сигналы для нижней частоты граничной метки введены с индексом несущей, в то время как граничные пилот-сигналы для более высоких граничных частот меток вводятся с индексом несущей. Где и начальными и конечными индексами несущих для спектральных меток. Эти положения показаны на рисунке 3 .

Рисунок 3. Расположение граничных пилот-сигналов спектральных меток Недавно разработанный стандарт DVB-C2 позволяет существенно повысить эффективность использования спектра .

Применение OFDM дает дополнительный выигрыш в плане гибкости и эффективности, а также позволяет удешевить создание единых приемных чипсетов DVB-T2/C2 [3]. Это позволяет создать на его базе экономически эффективную систему, включающую вещание ТВ высокой и стандартной четкости, а также интерактивные услуги типа видео по требованию или доступа к Интернету .


1. ГОСТ Р 55938-2014 Телевидение вещательное цифровое. Методы канального кодирования и модуляции для второго поколения систем кабельного телевидения (DVB-C2). Основные параметры – Введ. 2014-09-01. – М.: Стандартинформ, 2015. – 94 .

2. Галустов Г.Г., Мелешкин С.Н. Мультиплексирование с ортогональным частотным разделением сигналов: Учебное пособие. – Таганрог: Изд-во ТТИ ЮФУ, 2012. – 80 с .

3. Robert J. DVB-C2 – стандарт передачи по сетям КТВ следующего поколения [Электронный ресурс] / Robert J., Schaaf C., Stadelmeier L. // Теле-Спутник: науч.-метод. журн. – 2009. – № 170. – Режим доступа: http://www.telesputnik.ru/archive/170/article/80.html. – (Дата обращения: 20.09.2016) .

А.Ю. Барабошин, О.А. Минаева ФГУП Ордена Трудового Красного Знамени научноисследовательский институт радио Самарский филиал «Самарское отделение научно-исследовательского института радио»





Разработка и тестирование аппаратуры связи на реальных каналах требует значительных временных и материальных затрат, а разнесение станций на значительные расстояния существенно затрудняет процесс отладки. Наиболее целесообразным представляется проведение подобных испытаний с использованием имитатора радиоканала .

Для тестирования систем связи, работающих в стандартном канале тональной частоты (ТЧ), был разработан имитатор Доплер-6700 [1], позволяющий проводить испытания дуплексных адаптивных комплексов КВ-радиосвязи. В настоящее время одним из способов увеличения скорости передачи данных является увеличение ширины спектра используемых сигналов. Для отладки работы таких систем возникла задача разработки имитатора широкополосного радиоканала. Отличительной особенностью разрабатываемого имитатора является возможность обработки сигналов непосредственно на рабочей частоте, что позволяет осуществить проверку работы аппаратуры практически в полном объеме .

Разрабатываемый имитатор построен по схеме программируемого радио. Входной сигнал оцифровывается непосредственно на рабочей частоте при помощи АЦП. Дальнейшая обработка осуществляется в цифровом виде .

Для удобства обработки цифровой сигнал преобразуется в аналитический и затем переносится на промежуточную частоту устройством преобразования частоты сигнала (УПЧС). УПЧС имитатора функционально состоит из двух модулей: УПЧС1 осуществляет перенос сигнала с высокой частоты на промежуточную частоту, а УПЧС2 с промежуточной частоты на высокую. При этом, на входе УПЧС1 (а также на выходе УПЧС2) должна выполняться предварительная фильтрация, осуществляющая подавление сигналов, находящихся вне рабочего диапазона частот .

Преобразование частот выполняется при помощи квадратурного преобразователя, на первый вход которого поступает аналитический сигнал, а на второй – опорный сигнал цифрового управляемого синусно-косинусного генератора. Для упрощения дальнейшей цифровой обработки используется децимация совместно с цифровой фильтрацией. Полученные сигналы передаются в вычислительный модуль для формирования модели канала с заданными параметрами. После этого осуществляются обратные преобразования, и полученный сигнал переносится на рабочую частоту .

В докладе рассмотрены три варианта реализации имитатора: на базе платы Red Pitaya [2], модуля FM216х250MDA производства фирмы «Инструментальные Системы» («ИнСис») [3], и с использованием модуля FM216x370MDA, производства «ИнСис» [4] .

Достоинством первого варианта является сравнительно небольшая цена платы, наличие готовых свободно распространяемых решений. К недостаткам можно отнести отсутствие входа внешнего запуска, трудность подключения внешнего задающего генератора .

Второй и третий варианты практически идентичны. В третьем варианте не требуется программная реализация понижающего преобразователя частоты, поскольку он имеется на плате в виде готовой микросхемы. Это позволяет упростить требования к свободным ресурсам ПЛИС модуля. Во втором варианте может потребоваться установка дополнительного процессорного модуля. Недостатком этих вариантов является более сложная конструкция, высокая цена модулей .

Таким образом, в результате рассмотрения достоинств и недостатков указанных вариантов, для реализации широкополосного имитатора был выбран вариант с использованием платы Red Pitaya для оцифровки и преобразования частоты сигнала с последующей обработкой на ЭВМ .


1. Барабошин А.Ю., Лучин Д.В. Методика испытаний устройства преобразования сигнала диапазона ДКМВ при помощи имитатора радиоканала «Доплер-6700» Вестник СОНИИР. – 2008. - №3 (21). – С.15-22 .

2. From Beginners to Real Engineers | Red Pitaya [Электронный ресурс] URL: http://redpitaya.com/#hw-specs (дата обращения:

01.09.2016) .

3. Модуль FM216X250MDA v 1.0, Руководство по эксплуатации СКУЮ.468157.035 РЭ .

4. Мезонинный модуль FM216х370MDA [Электронный ресурс]

URL: http://www.insys.ru/mezzanine/fm216x370mda (дата обращения:

01.09.2016) .

В.И. Кудряшов ФГБОУ ВО Рязанский государственный радиотехнический университет




В настоящее время достаточно актуальным является повышение пропускной способности систем передачи информации от движущихся объектов. Для повышения скорости передачи данных в условиях замираний и многолучевости в системах связи с движущимися объектами широко используется технология MIMO. Высокая пропускная способность канала MIMO получается в результате применения пространственного кодирования и декодирования, а также использовании нескольких антенн на приемной и передающей стороне. Предельную пропускную способность можно получить, если значения канальных коэффициентов известны абсолютно точно как на приемной, так и на передающей стороне. Исследование влияния ошибки оценивания матрицы канальных коэффициентов на потенциальную пропускную способность MIMO канала выполнено в работах [1,2]. Корреляционные свойства канальных коэффициентов в зависимости от скорости движущегося объекта рассмотрены в работе [5] .

Целью работы является повышение эффективности MIMO системы передачи информации от движущихся объектов путем анализа корреляции и применения оптимальной фильтрации матрицы канальных коэффициентов .

Описание распространения сигнала в MIMO канале основано на геометрической однокольцевой модели отражения [3]. Прохождение сигнала от передающей антенны к приемной антенне можно представить в виде линейного преобразования амплитуды и фазы сигнала .

Комплексные коэффициенты преобразования образуют канальную матрицу H h nm a nm e j nm, n 1,...,N R, m 1,...,N T, где a nm – коэффициент передачи амплитуды сигнала, im – фазовый сдвиг сигнала, N R, N T – число приемных и передающих антенн соответственно .

Для дальнейшего анализа представим матрицу канальных коэффициентов в виде вектора HVt hVit, i 1,...,NRX NTX T. Наблюдаемый вектор измерения канальных коэффициентов: Y H V E .

Алгоритм винеровской фильтрации на основе критерия минимальной среднеквадратичной ошибки выражается в виде [4]:

HV R H R H R E Y DE R H I Y, где R H M HV HV.

ДисперH сия ошибки винеровской фильтрации канальных коэффициентов:

DH I R H R E R H .

С помощью аналитических расчетов и компьютерного моделирования получены зависимости канальных коэффициентов, корреляции канальных коэффициентов и оценки дисперсии ошибки оценивания канальных коэффициентов от пространственного расположения элементов однокольцевой модели .

Показано, что при увеличении радиуса кольца отражателей R и размера окна фильтра L уменьшается дисперсия ошибки винеровской фильтрации канальных коэффициентов. Например, при R=10 ( – длина волны) с увеличением L от 2 до 10 дисперсия ошибки фильтрации уменьшается, в среднем, в 1,2 раза .

Работа выполнена в рамках базовой части государственного задания, проект № 2014/178 в Рязанском государственном радиотехническом университете .


1. Bevan D.D.N., Ermolayev V.T., Flaksman A.G. Analysis of Weight Error Loss with a Multichannel Beamformer Processor // IEE Proceedings - Radar, Sonar and Navigation. 1998. V. 145, No 1. P. 63–72 .

2. Ермолаев В.Т., Аверин И.М., Ковалев И.П., Флаксман А.Г .

Влияние ошибок оценки канальной матрицы на пропускную способность MIMO систем с параллельной передачей информации // Труды (шестой) научной конференции по радиофизике, посвященной 100летию со дня рождения М.Т. Греховой. -Н. Новгород: ТАЛАМ, май

2002. С. 264–265 .

3. M. Patzold, B. O. Hogstad. A Space-Time Channel Simulator for MIMO Channels Based on the Geometrical One-Ring Scattering Model // Wireless Communications and Mobile Computing. Special Issue on Multiple-Input Multiple-Output (MIMO) Communications. – Nov. 2004. – Vol .

4. – No 7. – P. 727–737 .

4. Монзинго Р.А., Миллер Т.У. Адаптивные антенные решетки .

Перевод с английского под ред. В.А. Лексаченко. — М.: Радио и связь, 1986. — 448 с. ил .

5. Паршин Ю.Н., Кудряшов В.И. Корреляционные свойства канальных коэффициентов MIMO системы связи с маневрирующим объектом // Цифровая обработка сигналов. 2015. №4. С. 20–23 .

Г,С. Воронков, И.В. Кузнецов ФГБОУ ВО Уфимский государственный авиационный технический университет




OFDM-СИГНАЛОВ В настоящее время одной из основных задач техники связи является повышение скоростей передачи данных. С этой целью используются высокоэффективные виды квадратурной модуляции в сочетании с ортогональным частотным уплотнением (OFDM). Эта технология применяется как в сетях подвижной радиосвязи (СПРС) 4 и 5 поколений [1], так и в межспутниковых коммуникациях [2]. Однако высокие скорости передачи требуют высокого отношения сигнал-шум на входе приёмника, что, при неизменных условиях распространения, подразумевает необходимость увеличения мощности передатчиков, в том числе – и передатчиков мобильных устройств (абонентских терминалов или спутников), что, в свою очередь, приводит к повышению энергопотребления оборудования связи и, следовательно, уменьшению времени автономной работы мобильных устройств .

Предлагается изменить классическую структуру формирования OFDM-сигнала с использованием координированного предсказателя, вводимого в тракт передачи после формирования комплексной огибающей (рисунок 1) .

Параметры координированного предсказателя при этом определяются на основе спектральных характеристик сигналов синфазного и квадратурного каналов и СПМ (спектральной плотности мощности) шума в тракте передачи. При этом основной задачей ставится уменьшение динамического диапазона комплексных огибающих синфазного и квадратурного каналов при сохранении ортогональности (квазиортогональности) этих каналов. Полученные значения при этом необходимо передать на приёмное устройство. Для этого предлагается использовать каналы вторичного уплотнения. В канал связи, таким образом, будет поступать разность между настоящим значением комплексной огибающей на выходе блока обратного преобразования Фурье и её предсказанным значением .


–  –  –

Структурная схема приёмного устройства в этом случае также потребует изменений (рисунок 2), поскольку необходимо будет также синтезировать предсказанное значение комплексной огибающей и затем суммировать его с принятым из канала связи сигналом .

–  –  –

Рисунок 2. Предлагаемая структурная схема приёма OFDM-сигнала

Предлагаемая схема обладает следующими преимуществами:

1) использование в качестве модулирующего сигнала разности двух огибающих уменьшает динамический диапазон канального сигнала;

2) наличие координированного предсказателя создаёт память канала, которую можно использовать для сохранения отношения сигнал-шум на входе приёмника при уменьшении мощности переданного сигнала .


1. LTE for UMTS: OFDMA and SC-FDMA Based Radio Access Edited by Harri Holma and Antti Toskala© 2009 John Wiley & Sons, Ltd .

ISBN: 978-0-470-99401-6 .

2. Рекомендация МСЭ-R M.2047-0. Подробные спецификации спутниковых радиоинтерфейсов перспективной Международной подвижной электро-связи (IMT-Advanced) .

Г.С. Воронков, И.В. Кузнецов ФГБОУ ВО Уфимский государственный авиационный технический университет




OFDM-СИГНАЛОВ Назначение блока предсказания – уменьшение динамического диапазона комплексной огибающей OFDM-сигнала. Возможно использование раздельных предсказателей для синфазного и квадратурного каналов [1,2], однако больший интерес представляет система с координированным предсказателем (рисунок 1), в которой передаточная функция блока предсказания строится на основе спектральных свойств сигналов квадратурного и синфазного каналов, а также помехи, действующей в канале связи .

–  –  –

Рисунок 1. Структурная схема формирования OFDM-сигнала, используемая для синтеза передаточной функции блока предсказания

На рисунке 1 использованы следующие обозначения:

xI(t), xQ(t) – несжатые сигналы квадратурного и синфазного каналов;

– предсказанные значения сигналов соответствующих каналов;

eI(t), eQ(t) – разностные сигналы соответствующих каналов;

nw(t) – аддитивная канальная помеха, приведённая к выходу передатчика;

WI(s), WQ(s) – передаточные функции АЦП, устанавливаемых в соответствующие каналы;

W(s) – передаточная функция предсказателя .

Синтез передаточной функции координированного предсказателя строится на необходимости минимизации сигналов eI(t) и eQ(t) при сохранении их ортогональности (квазиортогональности). Решение ищется как минимизацией функционала Q(s) в соответствии с общей вариационной задачей.

Функционал при этом определяется формулой:

Q( s) lim M EI ( s) EI ( s) lim M EQ ( s) EQ ( s) T T T T 1 lim M EI ( s) EQ ( s) 2 lim M EI ( s) EQ ( s), T T T T где EI(s) и EQ(s) – изображения по Лапласу сигналов eI(t) и eQ(t);

1 и 2 – множители Лагранжа, определяемые из условия минимума разностных сигналов и их ортогональности .

Такой подход позволяет, с одной стороны, синтезировать передаточную функцию W(s) в классе устойчивых функций, с другой – получить значения чисел 1 и 2, обеспечивающих минимум ошибки при восстановлении сигнала на приёмной стороне из принятых разностных сигналов .


1. Воронков Г.С., Кузнецов И.В. Система передачи сообщений с использованием предварительного искажения и каналом вторичного уплотнения. XVI Международная научно-техническая конференция “Проблемы техники и технологии телекоммуникаций”. Т.1. –Уфа, 2015. - С. 101-103 .

2. Кузнецов И.В. Гимаев А.Н., Филатов П.Е. Разработка группового кодека с дифференциальной импульсно-кодовой модуляцией сигналов для многоканальных энергодефицитных систем передачи данных. Радиотехника,. № 2, 2015, C.87-91 В.Е. Митрохин, А.В. Ряполов, В.А. Тиханюк ФГБОУ ВО Омский государственный университет путей сообщения





На рисунке 1 представлена схема возможной реализации съема информации с устройств железнодорожной автоматики и телекоммуникаций при использовании маломощного радиоканала. Обозначения элементов на рисунке: 1– локомотив или другое подвижное средство;

2 – радиоустройство опроса; 3 – напольные устройства, оборудованные радио интерфейсом; 4 – станционное устройство опроса; СПД – сеть передачи данных .

Перегон Станция А в СПД Рисунок 1. Беспроводной съем информации с напольных устройств железнодорожной автоматики Изображенная на рисунке 1 система работает следующим образом. Съем информации с напольных устройств осуществляется при помощи маломощного радиоканала. В информационном обмене участвуют два устройства: опрашивающее и отвечающее на запросы напольное оборудование. Опрашивающее устройство оснащается приемопередающим радиоинтерфейсом и работает в режиме постоянного поиска – все время отправляет радиосообщения с кодом вызова ответного устройства. Напольное устройство также оборудуется радиоинтерфейсом, но работает в режим радиоприема. В момент, когда оба устройства оказываются в зоне надежного радиоприема, происходит установление соединения и считывание данных. Таким образом, если опрашивающее радиоустройство установить на подвижный объект, например, локомотив, можно опросить и собрать информацию с нескольких напольных устройств.Согласно вышесказанному, авторы данной статьи разработали макет радиоканала, структурная схема которого представлена на рисунке 2 .

Напольное ПК устройство автоматики

–  –  –

Рисунок 2. Структурная схема радиоканала для съема информации с напольных устройств автоматики Рабочий диапазон частот радиоканала соответствует стандарту LPD433 (Low Power Device), разрешенный для свободного использования при ограничении мощности передатчика в 10 мВт .

В решении задачи беспроводного съема информации с близкорасположенных напольных устройств этой мощности хватает для работы на расстоянии до 20 м в прямой видимости.

Были собраны макеты двух устройств:

опрашивающий комплект (справа на рисунке 2) и опрашиваемое устройство (слева на рисунке 2). В качестве управляющего элемента обоих радиоустройств был использован микроконтроллер STM32F07VG c ARM-ядром Cortex-M4 и тактовой частотой 168 МГц. В опрашивающем комплекте микроконтроллер реализует передачу полученной информации компьютеру через USB-интерфейс, который настроен как виртуальный COM-порт. Также общими элементами обоих комплектов являются передатчик и приемник, работающие на радиочастоте 433 МГц и передающие цифровые данные при помощи амплитудной модуляции. Примером таких устройств являются маломощные модули MX-05V и MX-FS-03V, поставляемые в линейке Arduino. Микроконтроллер STM32F07VG имеет несколько встроенных универсальных синхронных/асинхронных приемопередатчиков (USART), один из которых был задействован для работы через радиоканал. Передача с использованием USART производится по 8 бит с одним стоповым битом .

Был написан программный протокол работы двух радиоустройств, позволяющий учесть ненадежность связи по радиоканалу. Взаимодействие выполняется в несколько этапов. На рисунке 3 показаны осциллограммы передачи данных от опрашивающего (линия 1) и от опрашиваемого устройств (линия 2). Скорость передачи данных установлена 19,2 кБит/с. Общее время радиообмена составляет порядка 40 мс .

Скорость передачи устанавливается при инициализации USART и может быть выставлена большей .

Информационные байты

–  –  –

Н.И. Виноградов ФГАОУ ВО Самарский национальный исследовательский университет имени академика С.П. Королева



IP-СЕТЕЙ Целью настоящей работы является создание устройства на основе широко распространенных узлов, соединенных стандартизованными интерфейсами, обеспечивающего синхронизацию системного времени с микросекундной точностью с использованием сигналов существующих и перспективных систем позиционирования ГЛОНАСС/GPS/BeiDou/Galileo и измерение четырех основных метрик производительности IP-сетей: односторонней сетевой задержки [1], вариации задержки (джиттера), потерь пакетов и доступной пропускной способности канала .

Разработанный программно-аппаратный комплекс NetTestBox содержит одноплатный компьютер Raspberry PI 2 model B и универсальный приемник сигналов спутниковых систем глобального позиционирования U-blox UBX-M8030, формирующий сигнал 1PPS для синхронизации системного времени с микросекундной точностью, соединенные стандартизованными интерфейсами, а созданное прикладное программное обеспечение owping обеспечивает измерение четырех метрик производительности IP-сетей [2] .

Системное время всех измерительных узлов синхронизировано с международным временем UTC (IETF RFC 3339) с точностью не менее 1 микросекунды. Метод синхронизации системного времени по сигналу 1PPS от приемника навигационных сигналов при старте измерительного процесса комбинируется с использованием информации от сетевых NTP-серверов, что обеспечивает быстрый выход на заданную точность и возможность устойчивого функционирования в условиях кратковременного сбоя при приеме навигационных сигналов .

Измерительные узлы обмениваются тестовыми пакетами, с помощью которых измеряется односторонняя задержка прохождения пакета по сети. Возможность формирования пакетов разного размера используется для измерения доступной пропускной способности канала. Доступная пропускная способность определяется как отношение разности размеров тестирующих пакетов к разности односторонних задержек этих пакетов [3] .

Рисунок 1. Принцип измерения односторонней сетевой задержки с помощью аппаратно-программного комплекса NetTestBox На рисунке 1 показан принцип измерения односторонней задержки с помощью аппаратно-программного комплекса NetTestBox .

Для проведения замеров необходимы две измерительные точки, на одной из которых запущена измерительная программа в режиме сервера, а на другой – в режиме клиента. Клиентская программа на точке 1 запоминает системное время и отправляет тестовый пакет через сеть к измерительной программе на точке 2, где фиксируется время получения пакета. Затем формируется ответный пакет, в который записывается время получения запроса от клиента и время перед отправкой ответного пакета. Созданный пакет незамедлительно отправляется на точку 1. На этой точке фиксируется время получения пакета и на основе меток времени из него рассчитывается длительность прохождения по сети в обе стороны раздельно. Статистика обмена пакетами собирается на сервере статистики, который обеспечивает вычисление метрик производительности сети, хранение данных, представление данных в графическом и текстовом видах для отображения пользователю с глобальным доступом через веб-интерфейс .

Программно-аппаратный комплекс NetTestBox находится на стадии тестовой эксплуатации в виде пяти опытных образцов измерительных узлов и обеспечивает заявленную функциональность .


1. Almes G., Kalidindi S., Zekauskas M., Morton A. RFC 7679: A one-way delay metric for IPPM // Internet Society. – January 2016. – 20 p .

2. Н.И. Виноградов, Е.С. Сагатов. Методика измерения односторонней сетевой задержки пакетов с синхронизацией ГЛО-НАСС // Телекоммуникации. – М., 2016. – №4. –С. 16-23 .

3. Т.Г. Султанов, А.М. Сухов, Д.Ю. Полукаров. Методика определения доступной пропускной способности IP-соединения на основе измерений для пакетов различного размера // Электросвязь. – М., 2012 .

–№11. – C. 39-42 .

И.И. Безукладников, А.В. Гаврилов ФГБОУ ВО Пермский национальный исследовательский политехнический университет


Любая современная инфокоммуникационная сеть является сложной гетерогенной структурой и нуждается в непрерывном мониторинге и управлении. Классические методы управления, использующие жесткую иерархическую архитектуру «агент-менеджер», обладают следующими недостатками: жесткая иерархическая структура плохо адаптируется к масштабированию сети; часто возникает эффект «бутылочного горлышка» – когда ресурс управления (узел или канал) оказывается перегружен из-за большого количества контролируемых сетевых элементов; централизованное управление подразумевает наличие единой точки отказа .

В последние годы стали активно развиваться и внедряться распределенные сетевые технологии, основанные на одноранговом обмене: peer-to-peer (р2р) или mesh-сети. Ряд исследователей предложили использовать эти технологии при создании систем управления и мониторинга (СУМ) сетями. Так, в работах [1, 2] описывается иерархическая р2р архитектура наложенной сети мониторинга в которой информация из подсетей или кластеров собирается узлами сети (зондами) .

При этом обобщенная информация о состоянии подсети будет находится в каждом узле подсети. Детализированная информация хранится в конкретном узле и может быть получена по запросу. Информация о состоянии всей сети формируется путем опроса одного из узлов каждой подсети. В работе [3] описана одноранговая р2р система мониторинга на основе технологии DHT. Технология DHT позволяет обеспечить высокую отказоустойчивость и реализовать распространение и поиск информации по всем узлам сети .

Нужно сказать, что не смотря на серьезный интерес у научного сообщества к использованию р2р-сетей в целях мониторинга и управления, этот интерес является академическим, так как на рынке коммерческих СУМ системы на базе р2р-технологии не получили распространения .

В настоящее время при создании распределенных СУМ существуют несколько актуальных научных задач:

1. Набор метрик, которые использовались в классических централизованных СУМ, должен быть изменен с учетом параметров, характеризующих децентрализованную природу СУМ .

2. Так как современные инфокоммуникационные сети имеют выраженную гетерогенную структуру и объединяют различные технологии, при развертывании поверх подобных сетевых инфраструктур любой СУМ необходимо учитывать различную специфику используемых технологий. Так, в случае использования в подлежащей инфраструктуре беспроводных сегментов, передача трафика управления и мониторинга будет вестись широковещательно вне зависимости от выбранного способа доставки (широковещательный, узковещательный, групповой и т.п.) .

3. Необходимость разработки моделей систем (аналитических, имитационных), а также реализации экспериментального аппаратнопрограммного базиса с целью анализа возможности применения соответствующих методов на практике с учетом выше обозначенных особенностей .

В докладе приводится аналитический обзор подходов к созданию распределенных СУМ и вариантов реализации протоколов мониторинга, предлагаемых на данный момент исследователями в академической среде. Показана необходимость анализа базовых характеристик (производительности, задержек и т.п.) СУМ при передаче информации управления и мониторинга и их зависимости от архитектурных особенностей системы. Описаны возможности по реализации такого анализа при помощи имитационного моделирования в среде ANYlogic .


1. Salvador P., Valadas R. A Network Monitoring System with a Peer-to-Peer Architecture. [Электронный ресурс]: портал – Режим доступа: http://www.av.it.pt/nmc/projects/scale3/papers/mome05.pdf, свободный. – Загл. с экрана (дата обращения: 30.09.2016) .

2. Massie M., Chun B., Culler D. The ganglia distributed monitoring

system: design, implementation, and experience. [Электронный ресурс]:

портал – Режим доступа: http://ganglia.info/papers/science.pdf, свободный. – Загл. с экрана (дата обращения: 30.09.2016) .

3. Srinivasan S., Zegura E. Network Measurement as a Cooperative

Enterprise. [Электронный ресурс]: портал – Режим доступа:

http://lidecc.cs.uns.edu.ar/~agm/p2p/netMeasurement-iptps2002.pdf, свободный. – Загл. с экрана (дата обращения: 30.09.2016) .

И.П. Болодурина, А.Е. Шухман, П.Н. Полежаев, Л.В. Легашев ФГБОУ ВО Оренбургский государственный университет



ПРОДУКТАМ В настоящее время для образовательных учреждений характерна проблема, связанная со своевременным обновлением компьютерного оборудования, а также с закупкой и установкой лицензионного программного обеспечения, необходимого в процессе обучения. Чаще всего причинами выступают недостаточное финансирование образовательных учреждений и отсутствие квалифицированных кадров, занимающихся установкой и поддержкой программного обеспечения в школах и институтах. Одним из путей решения поставленных проблем является создание регионального центра коллективного доступа (РЦКД), который реализует модель DaaS, и предоставляет в аренду конечным пользователям виртуальные рабочие столы с установленным программным обеспечением [1]. Использование регионального центра коллективного доступа позволит значительно снизить затраты образовательного учреждения на закупку и установку компьютеров и программных продуктов. Для организации работы РЦКД в Оренбургской области возникает NP-полная задача составления глобального расписания, которое описывает время запуска заявок всех конечных пользователей и выделенные им виртуальные ресурсы в условиях существующих ограничений по времени работы виртуальных машин и ограничений на число копий лицензионного программного обеспечения .

Симулятор РЦКД, построенный на базе имитационной модели [2-3], был реализован на языке программирования C++. Для составления первоначального варианта расписания был использован метод round-robin, размещающий заявки пользователей в порядке очереди FCFS (First-come, first-served). В качестве алгоритмов составления оптимального расписания были выбраны эвристические алгоритмы имитации отжига и генетический алгоритм [4]. Результаты работы симулятора представлены на рисунке 1. Алгоритм имитации отжига разместил 89.7% от общего числа сгенерированных заявок, генетический алгоритм – 86.5%. Среднее время выполнения алгоритма имитации отжига составило 34.91 мс, генетического алгоритма – 210.04 мс .

Рисунок 1. Сравнение эффективности алгоритмов

Алгоритм имитации отжига показал наилучшие результаты и будет в дальнейшем использован при реальной реализации РЦКД .

Исследования проведены при финансовой поддержке Министерства образования Оренбургской области (грант № 37 от 30 июня 2016 г.), РФФИ (проекты № 16-07-01004, 16-47-560335), Президента Российской Федерации, стипендии для молодых ученых и аспирантов (СП-2179.2015.5) .


1. Konnov A.L., Legashev L.V., Shukhman A.E., Polezhaev P.N .

Concept of cloud educational resource datacenters for remote access to software // Proceedings of 2014 11th International Conference on Remote Engineering and Virtual Instrumentation, REV 2014 – 2014. – pp. 246-247 .

2. Болодурина И.П., Легашев Л.В., Полежаев П.Н. Имитационная модель облачного ресурсного центра // Интеллект. Инновации .

Инвестиции, 2016. – №2. – С. 113-116 .

3. Полежаев П.Н., Ушаков Ю.А., Шухман А.Е., Легашев Л.В., Тарасов В.Н. Модельное исследование эффективного планирования задач для облачных вычислительных систем // Интеллект. Инновации .

Инвестиции,2013. – № 4. – С. 140-145 .

4. Bolodurina I.P., Legashev L.V., Polezhaev P.N., Shukhman A.E., Ushakov Y.A. Request generation and intelligent scheduling for cloud educational resource datacenter // Proceedings of 8th International Conference on Intelligent Systems – 2016 – pp. 747-752 .

И.П. Болодурина, Д.И. Парфёнов ФГБОУ ВО Оренбургский государственный университет



На сегодняшний день решения, применяемые при построении инфраструктуры виртуального центра обработки данных (ЦОД), динамично развиваются. Так для размещения облачных приложений и сервисов в инфраструктуре активно применяется технология контейнеров (Docker). Кроме того в ЦОД применяют программноконфигурируемые компоненты (сетей (ПКС), хранилищ данных (СХД) и др.). Это изменяет подходы к управлению приложениями и сервисами [1] .

В рамках настоящего исследования построена имитационная модель программно-управляемой инфраструктуры виртуального ЦОД, позволяющая описать трафик запросов пользователей к приложениям и сервисам в гибко реконфигурируемой виртуальной сетевой среде .

Предположим, что в сети виртуального ЦОД присутствует как минимум три класса трафика приложений, таких как: веб-приложения;

прикладное ПО, доступное по DaaS или SaaS модели, видео сервисы. В качестве трафика будем рассматривать запросы пользователей к каждому классу приложений. Для генерации потока запросов в имитационной модели применим к каждому классу трафика весовые коэффициенты k1, k2, k3. Набор коэффициентов позволяет разделить заявки на классы и оказывает влияние на следующие параметры: время выполнения, маршрут в имитационной модели, приоритет в очереди на обработку, интенсивность поступления, а так же закон распределения, согласно которому осуществляется генерация трафика определенного класса .

Представим имитационную модель виртуального ЦОД в виде многоканальной системы массового обслуживания. В ее состав входит источник заявок пользователей (I), очередь (Qs) и планировщик (S), управляющий процессами размещения и запуска приложений и сервисов (App), а также пул вычислительных узлов (Srv) и систем хранение (Stg) ЦОД, содержащие как сами приложения, так и требуемые им данные .

Модель СМО носит стохастический характер. Для ее работы необходимо создать поток запросов пользователей к облачным приложениям и сервисам, учитывающий законы распределения и интенсив

–  –  –

А.А. Лысиков, А.В. Росляков ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



В настоящее время активно развивается концепция программноконфигурируемых сетей SDN c использованием сетевой виртуализации NFV, предлагаемая как следующий этап эволюции существующей концепции построения сетей NGN и 4G. Прототипом виртуализации послужили виртуальные частные сети VPN, являющиеся одной из наиболее востребованных услуг в сетях NGN [1] .

Маршруты VPN являются фиксированными. Для каждой VPN оператор должен строго гарантировать заданное качество обслуживания QoS. При реализации большого числа VPN возникает конфликт за ограниченные ресурсы сети. Поэтому при вводе каждой новой VPN оператор должен провести анализ характеристик узлов и потоков трафика в своей сети для оптимального распределения ресурсов между множеством VPN. Для этого необходимы алгоритмы на основе эффективных моделей анализа QoS. В [2] показаны преимущества использования теории Network Calculus (NC) для анализа QoS в VPN. В [3] предложена модель VPN на основе NC и поставлены задачи ее экспериментального исследования .

Потоки трафика каждой VPN за период времени 0, t характеризовались кривой поступления (t ) :

(t ) t, где – максимальный всплеск трафика, – постоянная скорость поступления пакетов .

Работа узлов за период времени 0, t характеризовалась кривой обслуживания (t ) :

(t ) R max0, t, где R – постоянная скорость обслуживания, – задержка узла .

Во всех случаях предполагалось, что для каждого узла выполняется условие R .

На рис. 1 (а) представлены результаты экспериментов для одного узла VPN, полученные с помощью программы DEBORAH, в виде зависимости границы задержки d основного потока VPN от соотношения всплесков конкурирующего и основного потоков при загрузках узла 0,1 R, 0,5 R и 0,9 R при R 10 Мбит/с и 1 мс. На рис. 1 (б) представлены зависимости задержки d основного потока от R при загрузке узла 0,9 R и 1 мс. Соотношение всплесков конкурирующего и основного потоков задавалось как 1/1, 1/2 и 1/4 .

Рисунок 1

В докладе приводятся и интерпретируются результаты экспериментальных исследований влияния конкурирующих потоков VPN на границу задержки основного потока VPN для последовательности из 3-х узлов в зависимости от топологий пересечения конкурирующих потоков, количестве узлов, соотношения и потоков и др. Даются рекомендации по использованию полученных результатов на практике .

Исследование выполняется при финансовой поддержке РФФИ в рамках научного проекта № 16-37-00363 мол_а .


1. Росляков А.В. Виртуальные частные сети. Основы построения и применения [текст]. – М.: Эко-Трендз, 2006. – 304 с .

2. Росляков А. В., Лысиков А. А. Применение теории стохастических сетевых исчислений к анализу характеристик VPN // T-Comm .

Телекоммуникации и транспорт. – 2013. – №7. – С. 106 – 108 .

3. Лысиков А.А., Росляков А. В. Экспериментальное исследование модели VPN на основе теории Network Calculus // XXIII Российская научная конференция профессорско-преподавательского состава, научных сотрудников и аспирантов, ПГУТИ, Самара, 2016. – С. 76–77 .

М.В. Константинюк, К.Н. Зотов ФГБОУ ВО Уфимский государственный авиационный технический университет



В первой половине 2016 г. интернет-телевидение (IPTV) по чистому приросту абонентской базы впервые обошло спутниковое, до сих пор считавшееся драйвером роста рынка платного ТВ в России. По данным из отчета «ТМТ консалтинга», в январе-июне 2016 г. аудитория IPTV выросла на 540000 абонентов, тогда как спутникового ТВ только на 220000. Передаче транспортных потоков цифрового телевизионного вещания через IP-сети уделяется все большее внимание. Причина такого интереса в относительно низкой стоимости доставки. Установка IPTV бесплатна, пользователи платят только за аренду оборудования, которая включается в абонентскую плату за услуги, в то время как оборудования для приема спутникового ТВ стоит порядка 10000 руб. Однако IP-сети могут оказывать существенное негативное влияние на качество передаваемого видео контента. Причина в том, что IP-сети направлены на передачу данных, а не видеопотоков. При передаче данных через IP-сети возможно пропадание отдельных пакетов, и такое пропадание не вызывает проблем, так как существующие протоколы (например TCP) способны сделать перезапрос потерянных пакетов данных, а приложения смогут обработать данные, полученные с задержкой. Передача же видео контента требует, чтобы пакеты данных доставлялись своевременно и без потерь, так как буферная память устройств, используемых для приёма и обработки видео должна вовремя получать новые порции данных .

Например, потеря пакета данных на входе приемника-декодера приводит к нарушениям качества видео на выходе этого приемника и в результате качество услуги оказывается ниже, чем ожидает получить пользователь. Ситуация становится еще более тяжелой, когда в IP-сети наблюдаются пропадание пакетов, колебание полосы пропускания и джиттер (изменение задержки при передаче пакетов). Это сильно ухудшает качество передаваемого конечному потребителю видео. С целью обеспечения высокого качества видео разработаны ряд технологий, используемых при передаче видеоконтента по IP-сетям: 1) передача видео по выделенным или арендованным каналам. Этот подход может гарантировать защиту от потери пакетов. Для обеспечения необходимого уровня услуги дополнительно выделяется защитная полоса в канале. Однако это метод хорош для передачи на незначительные расстояния, требует соответствующего администрирования и не исключает снижения качества. 2) использование сетей доставки контента .

CDN (Content Delivery Network) - это специальные жестко администрируемые IP-сети с низким процентом потерь и малой задержкой. Эти сети позволяют обеспечить дополнительные услуги, такие как кодирование, транс кодирование и кэширование. Но их использование связано с большими затратами. 3) стандарт SMPTE 2022-7. Он основан на передаче контента в виде двух потоков, каждый из которых передается по своему собственному маршруту. Приемное устройство должно обеспечивать безразрывное переключение между этими потоками. Это хорошее решение, направленное на устранение потери пакетов. Такой подход может обеспечить высокую надежность доставки пакетов. Однако этот метод требует удвоение используемой полосы. Основным недостатком рассмотренных методов является устранение лишь одного из трех негативных факторов, снижающих качество передачи видео - потери пакетов. При детальном анализе причин, вызывающих ошибки, было выявлено, что основным является не потеря пакетов, а джиттер. Изменение задержки при передаче пакетов может привести к потери последних на входе декодера, и их величина может оказаться больше, чем потери в IP-сети. Более эффективным решением проблем пропадания пакетов, колебания полосы пропускания и джиттера может являться технология Video Flow, каждый уровень которой защищает видеопоток от конкретного вида помех. Данная технология устраняет сетевой джиттер, в результате чего на приемной стороне не будет возникать проблем несвоевременного получения очередного пакета. Используется буфер с фиксированной задержкой на приемной стороне, чтобы воспроизводить поток с постоянной задержкой. VideoFlow использует технологию на основе ARQ протокола, по которому приемное устройство сообщает передающему устройству о случаях потери пакетов. Чтобы избежать ретрансляционной перегрузки и удержать расходы по полосе минимальными, приемное устройство разделяет буфер на несколько окон обнаружения, в каждом из которых сканируется поступление пакетов. Допустимая величина джиттера задает границу между опаздывающими и потерянными пакетами. Эта величина задается на приемном устройстве, чтобы определить, насколько допускается “опоздание” пакета. Если по истечении этого времени пакет не обнаружен, то на передающее устройство посылается сообщение об отсутствующем пакете. Это существенно освобождает большую полосу пропускания для передачи видеопотока. Можно сделать вывод, что данная технология имеет ряд преимуществ перед технологиями, рассмотренными выше. Потери данных – это важная проблема, влияющая на качество получаемого пользователем видео и, следовательно, на доход оператора, и VideoFlow может стать хорошим способом решения проблемы передачи высококачественного видео пользователям .

Д.А. Веденькин, А.Е. Епов ФГБОУ ВО Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ





В данной работе приведен метод преобразования информации с целью её защиты от несанкционированного доступа, а также её взаимосвязь с помехозащищенным кодированием. В [1] и [2] уточняются принципы эффективности систем передачи информации. О защите информации и методах контроля целостности с помощью CRC-кодов подробно описано в [3], частично в [1], задача декодера описана в [2] .

Цель работы. Создание тестовой системы связи и моделирование передачи двоичной кодовой информации. Применение помехоустойчивого и криптостойкого кодирования информации на основе динамической обратной связи .

На рисунке 1 представлена модель реализованной системы связи в которой используются методы криптостойкого и помехозащищенного кодирования ДП и передачи её по каналу связи .

Рисунок 1. Модель системы передачи информации

На передающей стороне выбирается ДП, которая будет передана по каналу связи. ДП подается на вход блока обработки ДП, где происходит её преобразование и внесение избыточности (CRC-алгоритм) .

Криптостойкое преобразование выполняется на основе системы с динамической обратной связью, в которой выбираются начальные параметры, для формирования псевдослучайной последовательности (ПСП). ПСП накладывается на исходный сигнал. Закрытое сообщение передается по каналу связи и на приемной стороне преобразуется в исходный сигнал. Также в систему возможно внести шумы и помехи .

В первый столбец таблицы 1 занесены данные, которые должны быть переданы. Во второй столбец занесены данные, которые получил приемник. Третий столбец показывает, какие данные передаются в канале связи .

Таблица 1. Результаты работы моделируемой системы связи Передано (ДП) Принято (ДП) Канал связи (ДП) Вывод .

Система моделирует передачу двоичной информации по каналу связи, при этом размер переданного сообщения может изменятся. Применяя в тестовой модели систему реализующую кодирование с динамической обратной связью, позволяет передавать повторно информацию и в канале связи передается каждый раз новая комбинация .

Передается больше символов, чем имеет само сообщения, т.к. была введена избыточность с целью помехозащищённости. Значит, система с динамической обратной связью работает и дальнейшей задачей является её усовершенствования, более глубокий анализ и взаимосвязь с помехозащищенным кодированием .

Работа выполнена при финансовой поддержке Российского научного фонда (Грант №15-19-10053) .


1. Б. Скляр. Цифровая связь. Теоретическое основы и практическое применение. Изд. 2-е, испр.: Пер. с англ. – М.: Издательский дом «Вильямс», 2003. – 1104 с.: и л. – Парал. Тит. Англ. ISBN 5-8459рус.) .

2. Зюко А.Г., Кловский Д.Д., Назаров М.В., Финк Л.М. 'Теория передачи сигналов' - Москва: Радио и связь, 1986 - с.304 .

3. Иванов М.А. Криптографические методы защиты информации в компьютерных системах и сетях. М.:КУДИЦ-ОБРАЗ, 2001 – 368с .

А.Е. Гайдук ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Прогресс технологий и совершенствование производственнохозяйственной деятельности во многом базируется на информационнокоммуникационных технологиях. Их развитие достигает значительных высот, а компьютеры эффективно решают задачи, которые раньше были под силу только человеку. Особенно впечатляющи успехи в развитии автоматизации процессов принятия решений .

Одним из видов таких продуктов являются системы поддержки принятия решений (далее – СППР) .

Область применения СППР – это, прежде всего, слабоструктурированные проблемы (проблемы, с низким уровнем тесноты связей, где результативный признак зависит от многих причин). Для задач, которые относятся к области применения СППР, характерна неопределенность, из-за которой отыскание единственного объективно решения затруднительно. В принятии решений в таких ситуациях должен использоваться тонкий инструментарий определения системы предпочтений, более глубокий сопоставительный анализ альтернативных вариантов, которым в данном случае выступает СППР .

С развитием электронного бизнеса перед современными предприятиями открылись новые возможности использования маркетинговых коммуникаций, в особенности интернет-рекламы .

Интернет-реклама – это реклама, использующая сеть Интернет для доставки (продвижения) рекламных сообщений различного рода до потребителей. В настоящее время интернет-реклама начинает доминировать над другими видами рекламы как в смысле распространенности, так и в смысле своей эффективности .

Многим вопросам, возникающим при разработке рекламной кампании в сети Интернет, характерна неопределенность, что позволяет говорить о возможности применения СППР в области интернетрекламы. К сожалению, большинству вопросов из этой и смежных отраслей не уделяется должного внимания среди разработчиков интеллектуальных систем, поэтому существующие СППР не могут полноценно помочь пользователю на каждой стадии разработки рекламной кампании, собрать и обработать информацию .

Однако существуют узкоспециализированные системы, обрабатывающие лишь некоторые популярные аспекты интернет-рекламы .

СППР в данной области помогают пользователю с процессом размещения рекламы в Интернете и отвечают на вопросы вида: где заказать продвижение или интернет-рекламу на выгодных условиях и как подобрать рекламную площадку .

Раньше большинство систем управления и оптимизации рекламных кампаний были мало адаптированы под обычных пользователей и ориентированы непосредственно на специалистов области интернет-рекламы. Но с возрастанием спроса на данные системы, интерфейс и функционал программы стали оптимизироваться под менее опытных пользователей .

В настоящий момент множество программ оснащены удобным Одной из самых простых и популярных в России СППР в области интернет-рекламы, является система SeoPult. Важная особенность системы – возможность синхронизации контекстной рекламы и поискового продвижения (SEO). Система ежедневно отслеживает позиции сайта в поисковой выдаче и при его отсутствии в топе включает показ контекстных объявлений. Это возможность особенно хорошо подходит микробизнесу, малому бизнесу и молодым сайтам, которые только начинают свой путь .

Всего, на начало 2015 года, рынок автоматизации интернетрекламы насчитывает около 35 систем, каждая их которых предлагает разные возможности по ведению кампаний .

В результате проведённого исследования можно сделать вывод о том, что применение комплексных СППР в рекламной кампании в интернете, сократит риск неопределенности при проведении рекламных кампаний в Интернете, предварительно оценив ее стоимость и эффект, и, соответственно, обеспечит качественно новый уровень оперативности в принятии решений относительно выбора средств для рекламной кампании. Существующие СППР не охватывают все области, связанные с интернет-рекламой и, следовательно, не могут просчитать все приведенные ранее показатели, а работы по развитию СППР в интернет-маркетинге активно ведутся и функционал расширяется .

К.E. Луганцев, А.В. Росляков ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Сложность современных сетей мобильной связи повышается с внедрением новых технологий и сервисов, таких как LTE, VoLTE, WiFi Calling, IoT, NFV/SDN, LPWA и рядом других. В связи с этим должен меняться и подход к управлению сетями и анализу качества предоставляемых услуг. В частности, разрабатываемый сейчас стандарт пятого поколения мобильной связи (5G), предполагает использование нового подхода в обеспечении требуемых сетевых ресурсов через функциональность сетевой многослойности Network Slicing [1, 2] .

Многослойность технологий в предоставлении услуг мобильной связи оказывает влияние на функционирование сети в целом. Например, использование одной и той же среды передачи данных на транспортном уровне для трафика сетей различного поколения 2G/3G/4G, или использование комбинированных сетевых элементов для обработки трафика сетей различного поколения, может оказывать влияние на работу в других технологических доменах. Выявление таких источников аномалий в работе сетей, как правило, занимает значительное время, что приводит к простоям на сети или значительным снижениям уровня качества предоставляемых услуг QoS. С этой целью все чаще применяются подходы на базе анализа данных с использованием алгоритмов машинного обучения [3]. Также методы машинного обучения используются для проактивных методов управления сетью с целью поддержания требуемого уровня качества предоставляемых услуг [4] .

В настоящее время анализ функционирования сетей мобильной связи выполняется в основном на основе монотехнологических показателей. Комплексного анализа с учетом событий, происходящих на различных уровнях сети и в разных технологических доменах, не производится. В связи с вышесказанным, ставится задача по исследованию влияние событий и показателей различных технологий на функционирование сети и предоставляемые услуги, взаимные влияния между этими событиям и показателями с использованием методов машинного обучения. Практическое применение данных исследований может быть использовано в системах мониторинга будущих сетей связи (Future Networks) [5] .


1. 5G White Paper. Next Generation Mobile Networks Alliance, 2015 .

2. Росляков А.В., Витевский В.Д. Виртуализация в будущих беспроводных сетях // Мобильные телекоммуникации, 2016, мартапрель, С. 2-4 .

Casas P., Fiadino P., D’Alconzo A. Machine-Learning Based Approaches for Anomaly Detection and Classification in Cellular Networks, TMA Conference, 2016 .

3. D cz B., ncz A., Vaderna P. Machine Learning based session drop prediction in LTE networks and its SON aspects. 5th International Workshop on Self-Organizing Networks IWSON, 2015 .

4. Росляков А.В., Ваняшин С.В. Будущие сети (Future Networks) .

– Самара, ПГУТИ, 2015 .

Р.З. Ибрагимов, В.Г. Фокин ФГБОУ ВО Сибирский государственный университет телекоммуникаций и информатики



На сегодняшний день рынок телекоммуникационных услуг растет с очень большой скоростью. Так, наряду с увеличением скорости передачи, развития технологий магистральных суперканалов, развертывания сетей ШПД и СШПД, развивается сегмент, связанный с работой в пространстве «облака» [1, 2, 6] .

В то время как, опорная сеть связи, ориентированная, в основном, на работе специализированного оборудования, не успевает за развитием и внедрением новых технологий. С наращиванием мощностей оборудования и включением сервисов возникает необходимость оперативного управления сетевой структурой [5]. Одним из таких подходов является концепция программно-конфигурируемых сетей SDN (рисунок 1), и также непосредственно связанная с данной концепцией виртуализация сетевых функций NFV .

–  –  –

Концепция SDN имеет большой потенциал для увеличения гибкости сети, с параллельным снижением капитальных затрат на инфраструктуру опорной сети. В данной концепции функции управления сети отделены от пересылки пакетов. При этом управление трафиков внутри сети происходит программным путем. SDN позволяет решить проблемы с развертыванием, масштабируемостью и централизованному управлению сетью .

В данной SDN архитектуре сети необходимо и виртуализировать сетевые функции с помощью NFV-технологии, которая позволяет исключить взаимодействие программных модулей на аппаратных платформах. Основной смысл технологии заключается в реализации функции управления сетями оператора и предоставлению современных услуг программным путем [3, 4] .

Преимуществом использования SDN архитектуры является тот факт, что нет необходимости замены оборудования или существенного формирования новой структуры сети оператора. Интеграция NFV совместно с SDN предоставляет оператору централизацию управления системой, согласования существующих стандартизированных архитектур, а также возможности развертывания сервисов без существенных капитальных вложений .


1. ONF TR-521, “SDN Architecture, Issue 1.1”, January 2016 .

2. ONF TR-502, “SDN architecture, Issue 1”, June 2014 .

3. O. Gonzalez de Dios, ECOC 2015, vol. PDp.4.1, 2015 .

4. L. M. Contreras, V. Lpez, O. Gonzlez de Dios, A. Tovar, F .

Muoz, A. Azan, et al., "Towards Cloud-Ready Transport Networks", IEEE Communications Magazine, vol. 50, no. 9, September 2012 .

5. M. Auster, OpenFlow-enabled Transport SDN Open Networking Foundation, pp. 1-16, 2014 .

6. Y. Yu, Proc. OFC/NFOEC 2014, 2014 .

А.А.Ишмияров, Р.Р. Мирхайдарова, И.К. Мешков ФГБОУ ВО Уфимский государственный авиационный технический университет




Технология ортогонального частотного мультиплексирования (OFDM) предполагает эффективное использование спектра за счёт передачи данных параллельно по множеству близко расположенных друг к другу узкополосных частотных подканалов. Следствием многоканальности системы является неравномерное распределение мощности на поднесущих за счет использования нулевых поднесущих, пилот-сигналов и информационных несущих. Таким образом различаются средняя мощность полосы пропускания сигнала и пиковая мощность на выборке, состоящей из всех поднесущих. Для количественной оценки неравномерности используется пик-фактор (в зарубежной литературе Peak to Average Power Ratio (PAPR)). PAPR представляет собой отношение между максимальной мощностью и средней мощностью комплексной полосы пропускания сигнала .

max s t .

PAPR E s t Качественным и простым способом уменьшения пик фактора с точки зрения реализации является метод ограничения сигнала по уровню (клиппирование). Представлена реализация данного метода с помощью пакета имитационного моделирования Matlab. Цифровой сигнал, преобразованный в системе кодеров, поступает на полосовой модулятор, где происходит модуляция (был выбран вид модуляции QPSK). Далее один поток данных с помощью мультиплексора разбивается на множество потоков, которые будут поступать на блок обратного БПФ .

После проведения операции демультиплексирования полученные временные отсчёты переводятся в последовательный поток данных, таким образом получается вид передаваемого OFDM сигнала (рисунок 1). Также получаем вид его спектральной плотности мощности (СПМ). Пик-фактор такого сигнала равен 7,7 дБ. Из-за проблемы с высокой пиковой мощностью OFDM, при использовании нелинейных усилителей нарушается спектральная сетка OFDM сигнала, что приводит к множеству ошибок. Таким образом, необходимо компенсировать действие усилителя. Для этого используется метод отсечения. Рассматриваемый метод ограничивает вектор данных, и сокращает пиковый вектор, при этом не имеет связи с сеткой частот. Из-за этого условия в сигнале не возникают нелинейные искажения .

Рисунок 1. Временная форма OFDM сигнала и его СПМ Суть метода состоит в том, что бы уменьшить PAPR полезного сигнала с добавленным корректирующим сигналом .

Предполагается, что объединённый сигнал будет иметь почти постоянную мощность. В действительности же добавление сигнала с приведёт к увеличению средней мощности. Для компенсации данного явления корректирующий сигнал должен получаться вычитанием из входного сигнала урезанного. Был выбран уровень отсечения сигнала, равный 0,4 В. Результат моделирования представлен на рисунке 2. Как видно устраняются выбросы в спектральной плотности мощности, т.е. уровень максимальной мощности уменьшается при сохранении уровня средней мощности .

Пик-фактор такого сигнала уменьшается до 6,5 дБ .

Рисунок 2. OFDM сигнал прошедший отсечение и его СПМ Помимо стандартного метода отсечения существует возможность использования оконных функций для меньшего искажения формы сигнала и управления эффектами, обусловленными наличием боковых лепестков в спектральных оценках (растеканием спектра) .

В данном методе отсечению подвергается мультипликативный сигнал, полученный с выхода перемножителя, на один вход которого поступает OFDM -сигнал, а на другой – весовая оконная функция.С помощью имитационного моделирования был реализован метод отсечения с применением оконной функции Хэмминга .

2n w n 0,53836 0, 46164cos, N 1 где N – ширина окна .

–  –  –

М.В. Кононова ФГБОУ ВО Оренбургский государственный медицинский университет




В процессе лечения заболевания используется достаточно большое количество различной медицинской техники, часть из которой применяется для диагностики состояния больного, другая – для лечения и/или реабилитации .

При этом общее количество медицинской техники, участвующей в лечебно-диагностическом процессе (ЛДП), может составлять до нескольких десятков .

Исследования процессов применения лечебно-диагностического оборудования (ЛДО) показывают, что снижение медицинских эффектов может быть вызвано невозможностью применения тех или иных приборов (аппаратов) в ЛДП вследствие их отказов. В связи с чем, актуальной является задача оценки количества работоспособного ЛДО и обоснования его минимального количества в медицинской организации. Решение данной задачи может рассматриваться как один из критериев качества оказания медицинской помощи .

На данном этапе исследования решается задача разработки математической модели оценки оснащенности ЛДП минимально необходимым количеством ЛДО .

Оценка участия ЛДО в ЛДП может быть получена путем моделирования потока пациентов, обслуживаемых медицинским аппаратом .

Данная модель представляет собой систему массового обслуживания со следующими характеристиками: многоканальная, с ограничением на длину очереди .

Результаты моделирования критерия оснащенности медицинской организации лечебно-диагностическим оборудованием представлены на рис. 1 .

Многоканальность определяется возможностью обслуживания пациента несколькими аппаратами, имеющимися в медицинских организациях. Ограничение на длину очереди определяется временем работы аппарата (рабочее время). Входной поток пациентов принимается простейшим .

–  –  –

Для определения минимально необходимого количества работоспособного оборудования устанавливается предел вероятности отказа в обслуживании Ротк 0,5%, то есть, что пациент будет обслужен на 95%. Выполнение данного требования обеспечивает не менее 5 аппаратов. Описанная ситуация является предпочтительной .

В результате проведенного исследования решена задача определения минимального требуемого количества работоспособного оборудования в медицинской организации. Наличие такого минимума оборудования позволит исключить (существенно уменьшить) время ожидания пациентом доступа к аппарату .

Представленный методический подход может быть применен при определении критерия эффективности функционирования системы технического обслуживания и ремонта (ТОиР) медицинской техники .

Т.В. Куркина, И.М. Градинарь ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики


Планирование задач – неотъемлемая часть любого проекта. Для графического представления этапов работ широко применяются диаграммы Ганта (рис. 1), которые были предложены более века назад [1] .

Они отображают временные интервалы выполнения задач, а в некоторых случаях связи между ними. Такие диаграммы хорошо подходят для небольших проектов, но для больших становятся громоздкими и теряют наглядность .

Рисунок 1. Диаграмма Ганта

В данной работе для планирования задач предлагаются динамические диаграммы Ганта. В состав одной задачи могут входить более одной подзадачи. На рис. 2 представлен переход от одного временного масштаба к другому. В первом случае отображаются задачи на год, а во втором – на месяц .

Рисунок 2. Динамическая диаграмма Ганта

Диаграмма приложения, которое будет в дальнейшем реализовано, представлена на рис. 3. Сущность «Задача» содержит стандартные поля, такие как название, описание, даты создания и завершения, приоритет и выполненность. У задачи может быть родительская задача .


Рисунок 3. UML-диаграмма приложения

Категории введены для удобства хранения задач и для удобства доступа к ним. Это некие папки. Для данной задачи будет существовать только одна категория .

Для удобного поиска создаются теги. Тегов у задачи может быть несколько. Для отображения задач в виде диаграмм Ганта и возможности изменения масштаба диаграммы добавлена сущность «Масштаб времени». Она описывает длительность задачи .

Приложений с использованием динамических диаграмм Ганта авторами к настоящему моменту не найдено .


1. Wilson J.M. Gantt charts: A centenary appreciation // European Journal of Operational Research. 2003. Vol. 149. № 2. P. 430–437 .

Н.И. Лиманова, В.А. Серов ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Широкое использование баз данных (БД) для учёта библиотечных фондов делает актуальным создание программного обеспечения инфокоммуникационных систем, особенно с выходом библиотек в сеть интернет. В связи с этим возникает необходимость качественного и быстрого поиска записей в базах данных. Поиск необходимых экземпляров документов в режимах, которыми пользуются библиотечные работники, не является удобным для большого числа пользователей. Необходимость ввода информации в разные поля и множественность уточняющих элементов усложняет понимание поискового механизма, что, в свою очередь, сказывается на релевантности поиска документов. Помимо упомянутого недостатка существуют и другие. А именно: чувствительность к орфографии, ресурсоёмкость, повышенные требования к аппаратному обеспечению .

В работе предложен новый метод поиска изданий, который имеет диверсификационную структуру, что позволяет комплексно решить вышеизложенные проблемы. Во-первых, в качестве БД для хранения документов было предложено использовать БД информационнобиблиографического сервиса. Благодаря такому подходу есть возможность отказаться от выделенного сервера и использовать хостинг сервиса, что существенно снижает стоимость затрат на содержание БД .

Во-вторых, для выполнения скрипта поиска используется язык PHP .

Этим достигается универсальность и кроссплатформенность поисковой машины и снижается уровень аппаратных требований. В-третьих, в работе впервые для информационно-библиографических сервисов была использована нечёткая логика при поиске изданий. В результате были достигнуты результаты, обладающие новизной исполнения и высоким качеством поисковых результатов .

При реализации предложенных методов авторы столкнулись со сложностью внедрения нового интерфейса поисковой машины. Традиционными для библиотек считаются интерфейсы, позволяющие различным способом выполнять конкатенацию введённых в несколько полей ввода фраз через логические элементы «И», «ИЛИ», «НЕ». Это позволяет сузить область поиска. Но такой подход усложняет поиск и пользователю нелегко воспринимать интерфейс страницы. Для упрощения было решено приблизить интерфейс поисковой страницы к привычному виду, который можно наблюдать на поисковых сайтах, таких как google.com или ya.ru, что, в свою очередь, максимально актуализировало необходимость универсализации поискового механизма. Для этой цели была использована нечёткая логика для исправления орфографических ошибок на основе расстояния Левенштейна и созвучности произносимых слов .

Формула Левенштейна предполагает, что новое слово может получится благодаря ограниченному количеству замен букв.

То есть, если:

f( a, c ) = f( b, c) + f( a, b );

f( a, c ) = abs( f( b, c ) — f( a, b )), тогда:

abs( f( b, c) — f( a, b )) = f( a, c ) = f ( b, c ) + f ( a, b ) .

То есть расстояние Левенштейна между a и c будет не более суммы расстояний Левенштейна между b и с; и b и a. И расстояние Левенштейна между a и c будет не меньше абсолютного значения разницы расстояний Левенштейна между b и c, и b и a. Эта формула предполагает два варианта поиска. С индексацией и без. Первый вариант требует подготовленной таблицы, второй не требует специальной подготовки текста .

Несмотря на большую универсальность поиска без индексации, использование данного метода не рационально. Как уже выше говорилось, одно из требований к механизму поиска, это сокращение ресурсоёмкости. А вариант без индексации (поиск «на лету») накладывает дополнительную нагрузку как на трафик, так и на процессор .

Поэтому был использован метод с индексацией, тем более, что специальной подготовки словаря он не требовал, так как в качестве такого словаря были использованы таблицы, уже имеющиеся в базе данных .

Результатом такого подхода стало увеличение скорости работы поисковой машины, по сравнению с аналогами на 20%. А также улучшение пользовательского интерфейса .

Б.Я. Лихтциндер, В.И. Моисеев ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики


ТРАФИКА IPTV КОДЕКОМ H.264 Один из самых популярных на сегодняшний день стандартов кодирования видео данных для целей трансляции ITU-T H.264. При передаче видеотрансляций по сетям передачи данных, в частности – Ethernet, особое внимание следует уделять неравномерности потока пакетов. При излишней неравномерности в потоке, на стыках высокоскоростных и низкоскоростных интерфейсов возможны образования очередей из пакетов. Поскольку буферы коммутаторов имеют весьма ограниченные размеры, существует вероятность их переполнения и потери видеотрафика. Ситуация ухудшается со внедрением телевидения высокой и ультравысокой четкости, внедрения дополнительных услуг класса «картинка в картинке» и «мультискрин» .

Существующие стандарты RTP и H.264 предусматривают уровень абстракции между видео-потоком и транспортной сетью [1] .

Интенсивность появления элементов видео-потока диктуется настройками кодека (аппаратного или программного). Ключевым фактором тут является целевая скорость потока (битрейт). На неё влияет вся совокупность функционала кодека и алгоритмов сжатия .

Настройки кодека задаются производителем видео-потока (ТВ-канал, телестудия), который учитывает производительность абонентских устройств декодирования (телеприставок). Для уменьшения неоднородностей потока кодеком предусмотрен режим постоянной интенсивности (ConstantBitRate). Анализ показывает, что существующими стандартами не вводится ограничений на интенсивность передачи пакетов в нижележащих транспортных сетях .

В текущих стандартах подразумевается, что битовая скорость транспортного потока неким образом пропорциональна битовой скорости видео-потока, что в общем случае может не соблюдаться .

Нами были проведены эксперименты по анализу видеотрансляций в следующей конфигурации - H.264/RTP/MulticastIPv4. При тестировании сервер вещания передавал заранее закодированный видеопоток по сети на рабочую станцию, оборудованную программой захвата и анализа трафика .

Использовались кодеки H.264 в профиле High10 и уровнях сжатия от

3.0 до 5.2 включительно. Были проанализированы несколько видов исходных видеоданных. Наши эксперименты демонстрируют, что поведение пакетного трафика в транспортной сети отличается от поведения равномерного потока. Также по своим характеристикам видеотрафик не является пуассоновским. Использование метода интервального анализа трафика показывает, что, несмотря на использование кодека в режиме постоянной интенсивности видеопотока, на транспортной сети образуются пачки пакетов различной конфигурации [2]. При малых нагрузках трафик ведет себя достаточно равномерно и весьма хорошо соответствует по интенсивности целевым настройкам кодека. При повышении нагрузки характер трафика сильно меняется и преобладающим явлением становится пачечность и очередь теряет устойчивость [3]. Рабочей областью для кодека H.264 в режиме высокого разрешения на абонентском подключении 100Мбит/с будет являться диапазон нагрузок от 0.1 до 0.5. По нашим наблюдениям даже на таких нагрузках возможно образование пачек размером до 10 пакетов. Также был установлено, что характер поведения трафика варьируется при изменении исходного видео-сигнала. Такая зависимость в явном виде не предусмотрена, например стандартом RTP, подразумевающим уровень абстракции от транспортной сети .

Таким образом, на сетевых устройствах возможно образование очередей, что приводит к росту задержек и может привести к переполнению пакетных буферов коммутаторов. Таким образом, вне зависимости от мощности абонентских устройств и возможностей буферизации на ТВ-приставке, неоднородности в трафике приведут к тому, что конечный абонент потеряет видео-сигнал, либо картинка на экране будет иметь «артефакты». Исследования в данном направлении позволят лучше понимать поведения видео-потока на сетях операторов связи, адаптировать транспортную сеть под нужды конкретных кодеков и подобрать кодеки соответствующие возможностям транспортной сети .


1. Y.-K. Wang, R. Even, RFC6184 - RTP Payload Format for H.264 Video [Электронный ресурс] – Режим доступа: https://tools.ietf.org/html/ rfc6184, свободный .

2. Лихтциндер Б.Я. Интервальный метод анализа трафика мультисервисных сетей доступа. – Самара: ПГУТИ, 2015. – 121 с .

3. Лихтциндер Б.Я., Моисеев В.И. Конвейерный метод интервального анализа трафика мультисервисных сетей доступа // материалы научного форума Информационные технологии и управление, 2015, №1. С. 62-66 .

Д.В. Лучин, Ю.В. Самойлов ФГУП Ордена Трудового Красного Знамени научноисследовательский институт радио Самарский филиал «Самарское отделение научно-исследовательского института радио»



Одним из ключевых этапов разработки аппаратуры передачи данных является проверка её работоспособности на реальном канале связи .

Однако в ходе натурных испытаний в реальных условиях обычно присутствуют определенные трудности, такие как:

- большие временные затраты на эксперимент;

- необходимость аппаратной и программной реализации всех узлов радиосистемы, использующей соответствующую сигнальнокодовую конструкцию;

- высокая стоимость элементной базы и используемого измерительного оборудования;

- отсутствие стабильной повторяемости результатов вследствие нестационарности реального канала .

Поэтому важным аспектом в уменьшении сроков разработки модемов и другой аппаратуры передачи данных является использование имитатора радиоканала реального времени для моделирования экспериментов. Использование имитатора радиоканала позволяет избавиться от всех перечисленных выше недостатков .

В Филиале ФГУП НИИР – СОНИИР разрабатывается широкополосный имитатор ДКМВ-радиоканала, который предназначен для имитации радиоканала в соответствии с заданными параметрами модели .

Для аппаратной реализации имитатора была выбрана отладочная платы Red Pitaya [1]. Данная плата предназначена для создания и отладки проектов с применением микросхемы SoC фирмы Xilinx семейства Zynq™-7000 [2]. Так же в состав платы входят 2 радиочастотных входных и выходных канала. АЦП/ЦАП имеют разрядность 14 бит и частоту дискретизации 125 МГц .

На входные каналы имитатора подается непосредственно информационный сигнал на рабочей частоте (1-30 МГц). Так как заданная ширина входного сигнала не более 100 кГц, то текущая частота дескритизации 125 МГц избыточна. Применение ПЛИС Artix™-7 в составе микросхемы Zynq™-7000 позволяет реализовать цифровое понижение частоты и дециматор с заданным коэффициентом. Данное решение способствует увеличению скорости обработки данных. После децимации отсчёты передаются на обработку на персональный компьютер по интерфейсу Ethernet, где в свою очередь происходит вычисление параметров выбранной модели радиоканала и обработка входных отсчётов оцифрованного сигнала платой Red Pitaya. Обработанные отсчёты передаются на Red Pitaya по интерфейсу Ethernet и после операций цифрового повышения частоты и интерполяции, с помощью ЦАП передаются на аналоговый выход .

Интерфейс Ethernet и другая периферия в свою очередь легко реализуется благодаря наличию в составе микросхемы Zynq™-7000 микроконтроллера Cortex®-A9 MPCore[3], который позволяет использовать встроенную версию ОС Linux .

Одной из особенностей разрабатываемого имитатора является возможность отладки системы радиосвязи с применением псевдослучайной перестройкой рабочей частоты. Для синхронизации рабочих частот имеется возможность использовать систему единого времени .

С точки зрения радиочастотных параметров плата Red Pitaya удовлетворяет заданным требованиям к имитатору. В частности фазовый шум платы Red Pitaya не превышает заданный порог -94 дБн .

Уровень негармонических составляющих платы Red Pitaya не превышает заданный порог в -50 дБ .

Так как отладочная плата RedPitaya удовлетворяет всем заданным характеристикам аппаратной платформы разрабатываемого имитатора радиоканала, она может быть использована для выполнения всех необходимых задач .


1. http://redpitaya.com/about/ .

2. https://www.xilinx.com/products/silicon-devices/soc/xa-zynqhtml .

3. http://www.arm.com/products/processors/cortex-a/cortex-a9.php .

О.В. Моргунова, Э.М. Димов .

ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Теория и практика управления сложными системами и имитационного моделирования, в последние годы развиваются особенно интенсивно – и в России, и за рубежом, что во многом обусловлено быстрыми темпами информатизации общества. Во всем мире бизнес планирование экономического объекта реализовывается на основе его имитационной модели. Имитационное моделирование является инструментом для решения проблем связанных с вложениями в бизнес [1] .

Основная цель автоматизации деятельности современного предприятия заключается в создание информационной системы, обеспечивающей выполнение рабочих процессов предприятия более организованным способом .

Приобретение и поддержка информационных систем обуславливается крупными вложениями. Как правило, без четкой и обязательной стратегии по разработки архитектуры предприятия, организации рискуют создать инфраструктуру, с дублирующими программами и функциями, плохо интегрируемыми между собой. В итоге компании получают неэффективную систему, которой очень сложно управлять, а главное неоправданно дорого ее содержать .

Архитектура предприятия, реализуя системный подход к рассмотрению деятельности организации. Архитектура предприятия (АП) дает возможность спланировать цели и задачи организации и помогает рационально внедрять новые информационные системы[2]. АП составляет модели следующих предметных областей: бизнесархитектура, архитектура информации, архитектура прикладных систем, технологическая архитектура. Таким образом, архитектура предприятия дает ключ к решению основной проблемы взаимодействия потребностей бизнеса и возможностей ИТ [3] .

Одним из важнейших инструментов анализа и проектирования производственных процессов являются специальные методы моделирования бизнес – процессов, а именно имитационное моделирование .

При помощи имитации можно проверять идеи или комбинации идей, искать оптимальные значения параметров для различных ситуаций .

Имитационная модель реализует виртуальное исполнение готовых архитектурных моделей. Поддержка принятия управленческих решений требует другого уровня детализации моделей и диаграмм, а так же, приложений поддерживающих разработку. Одна из наиболее распространенных ошибок в использовании инструментов АП в том, что предприятиями тратиться слишком много времени на детали, которые не имеют значение для принятия решений. На основе результатов имитационного моделирования можно говорить об эффективности приобретения того или иного компонента корпоративной информационной системы. В случае принятия предприятием архитектурного подхода, важным аспектом является наличие программного инструментария для разработки, хранения, поддержки, представления и совершенствования архитектуры предприятия[4] .

Имитационная модель может быть применена к четырем типам поведенческих моделей архитектуры предприятия, в том числе: UML виды деятельности, UML взаимодействий, UML состояний, бизнеспроцессы с представленные в нотации BPMN. Кроме того, можно моделировать поведение диалоговых окон и элементов управления .

В связи с приведенными выше доводами об эффективности применения имитационного моделирования к моделям архитектуры предприятия, необходимо выбирать программное средство для проектирования архитектуры предприятия с учетом возможности реализации имитационных моделей. Применение имитационного моделирования к разработанным моделям архитектуры предприятия, поможет эффективно их использовать, за счет прогнозирования изменений в ИТ

- структуре компании, из чего следует принятия эффективного управленческого решения .


1. Димов Э.М., Маслов О.Н., Швайкин С. К. Имитационное моделирование, реинжиниринг и управление в компании сотовой связи .

Москва: Радио и Связь, 2001. – 97 с .

2. Шурыгин А.Н., Развитие комплексной информационной системы управления предприятием на основе архитектурного подхода, Диссертационное исследование. Челябинск 2009. – 35 с .

3. Гриценко Ю.Б., Архитектура предприятия, учебное пособие, Томск: Эль контент, 2011. – 164 с .

4. Лычкина Н. Н., Имитационное моделирование экономических процессов. Москва 2012. - 29 с .

Н.В. Киреева, О.А. Караулова ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики

–  –  –

В [1] были исследованы характеристики видеотрафика. На основании полученных данных проведено моделирование в среде NS2, в результате которого выполнен сравнительный анализ основных параметров качества обслуживания (QoS) для гарантированной передачи при различных методах передачи трафика (unicast, multicast). Результаты представлены в табл. 1,2 .

–  –  –


1. Караулова О.А. Исследование характеристик видеотрафика мультисервисной сети / Сборник докладов 71-й Международной конференции «Радиоэлектронные устройства и системы для инфокоммуникационных технологий», т. 2, 2016, с. 320-321 .

П.Н. Полежаев, Л.В. Легашев, А.Е. Шухман, Ю.А. Ушаков ФГБОУ ВО Оренбургский государственный университет




Система образования РФ функционирует в условиях недостаточного финансирования для закупки производительных компьютеров и лицензионного программного обеспечения, необходимого в учебном процессе [1, 2]. Для решения данной проблемы предлагается создать облачные ресурсные центры, представляющие собой центры обработки данных (ЦОД), поверх которых развернута облачная система. Данная система реализует механизм DaaS (Desktop as a Service, рабочий стол в качестве сервиса), направленный на предоставление пользователю виртуального рабочего стола с необходимым установленным программным обеспечением. Доступ к данному окружению осуществляется конечными пользователями удаленно с использованием стационарных компьютеров, домашних компьютеров или ноутбуков .

Использование облачного ресурсного центра позволяет эффективно загружать физические вычислительные ресурсы серверов, выполняя одновременно виртуальные машины с виртуальными окружениями. В случае развертывания подобных облачных ресурсных центров в каждом районе Оренбургской области, большое число учащихся/студентов из разных образовательных учреждений сможет пользоваться необходимым платным программным обеспечением .

В рамках исследования разработан алгоритм планирования виртуальных машин в облачном ресурсном центре. В отличие от аналогов данный алгоритм поддерживает принцип разделения времени, т.е. на одно физическое ядро сервера может приходиться несколько виртуальных ядер виртуальных машин. Каждый сервер может выполнять несколько виртуальных машин, главное, чтобы они удовлетворяли его ресурсным требованиям по оперативной и дисковой памяти, а также по максимальному количеству виртуальных ядер, приходящихся на одно физическое. Каждому виртуальному ядру для исполнения выделяется физическое ядро на некоторое время, зависящее от весового коэффициента (приоритета) соответствующей виртуальной машины .

Весовые коэффициенты динамически меняются в зависимости от текущей и предыдущей загруженности вычислениями виртуальных ядер внутри виртуальных машин. Это очень актуально, т.к. виртуальные машины могут быть использованы для реализации DaaS-сервисов или интерактивных SaaS-сервисов, критичных к времени отклика. Также актуально оставлять дополнительный резерв производительности физических вычислительных ядер на случай резкого роста загруженности виртуальных вычислительных ядер одной или нескольких виртуальных машин .

Созданный алгоритм также в отличие от аналогов учитывает ряд дополнительных ограничений, характерных для облачных ресурсных центров, в частности, наличие строгих временных интервалов запуска и остановки виртуальных машин, лицензионные ограничения ПО, используемого в DaaS-сервисах .

Также разработан алгоритм поддержки принятия решений по расширению ресурсов облачного ресурсного центра, который позволяет его владельцам своевременно выявлять потребности пользователей в ПО, которое необходимо закупить. Работа данного алгоритма основана на собираемой статистике работы системы .

В рамках исследования проведены эксперименты, которые подтвердили эффективность предлагаемых решений .

Исследования выполнены при финансовой поддержке Министерства образования Оренбургской области и РФФИ (областной грант № 37 от 30 июня 2016 г., проекты №16-47-560335 и №16-29-09639), Президента Российской Федерации, стипендии для молодых ученых и аспирантов (СП-2179.2015.5) .


1. Konnov A.L., Legashev L.V., Shukhman A.E., Polezhaev P.N .

Concept of cloud educational resource datacenters for remote access to software // Proceedings of 2014 11th International Conference on Remote Engineering and Virtual Instrumentation, REV 2014 – 2014. – pp. 246-247 .

2. Легашев Л.В., Полежаев П.Н., Кондрашова О.А. Особенности планирования размещения виртуальных машин для образовательных ресурсных центров // Материалы конференции "XIV Международная научно-техническая конференция "Проблемы техники и технологий телекоммуникаций ПТиТТ-2013", г. Самара. - С. 129-131 .

С.О. Пономаренко, Р.Р. Диязитдинов ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики

–  –  –

Для удовлетворения высоких потребностей по отношению к качеству и скорости передачи данных на сегодняшний день разрабатывается огромное количество новых технологий, параллельно с усовершенствованием имеющихся. Smart-антенны, они же «умные» антенны, являются предметом активных исследований ввиду их перспектив в коммерческом и техническом планах. Не смотря на совсем недавнее появление первых теоретических материалов по данной теме – 10-15 лет назад, умные антенны активно используются уже сейчас .

Smart-антенны являются разновидностью секторных антенн со значительными доработками, позволяющими эффективно использовать ресурс канала. Особенность данной технологии заключается в формировании узконаправленного луча, способного «следить» за перемещением абонента, и одновременным подавлением диаграммы направленности в направлении мешающего сигнала (см. Рис.1). Для получения правильной диаграммы направленности необходим грамотный расчет весовых коэффициентов .

Рисунок 1. Принцип работы Smart-антенн

Расчет Smart-антенн представляет собой трудоемкий процесс, подразумевающий использование большого количества математических алгоритмов, а также вовлечение реальных устройств. Чтобы хоть как то облегчить данный процесс, а так же получить наглядный результат, при проектировании и анализе антенн используется компьютерное моделирование. При проведении данного исследования используется программное обеспечения MATLAB .

В данной статье разбирается алгоритм нахождения коэффициентов усиления Smart-антенны. При проведении исследования моделируется ошибка в определении источника полезного сигнала. Для этого вводится значение отклонения угла прихода «мешающего» сигнала от истинного значения. Вводимое отклонение приводит к несовпадению коэффициентов усиления с искомыми значениями весовых коэффициентов .

Результатом исследование является график, построенный при помощи программного обеспечения MATLAB (см. Рис.2) .

Рисунок 2.

График зависимости отклонения коэффициента усиления от отклонения угла приема полезного сигнала при различных углах между лучом приема полезного сигнала и углом приема помехи (антенна с двумя элементами) Данный график позволяет сделать выводы относительно работы интеллектуальных антенн:

1. Чем меньше разность углов между принимаемыми полезным и «мешающим» сигналами, тем выше погрешность усиления, при ошибке определения направления на источник сигнала .

2. Чем меньше ошибка в определении направления на источник сигнала, тем более точно можно получить коэффициент усиления .

В.В. Романов, Д.И. Шебалов ФГБОУ ВО Казанский национальный исследовательский технический университет имени А. Н. Туполева – КАИ



В настоящей работе представлены результаты синтеза цифрового фильтра нижних частот с конечной импульсной характеристикой при помощи пакета MATLAB и последующим программированием полученного фильтра в среде графического программирования LabVIEW. Остановимся подробнее на синтезе ЦФ в MATLAB .

При синтезе КИХ-фильтров в MATLAB дополнительно задается вектор значений идеальной АЧХ: единица — в полосе пропускания и ноль— в полосе задержания .

Проведем синтез КИХ-фильтра методом наилучшей равномерной (чебышевской) аппроксимации. Процедура разработки фильтра происходит в течение некоторого количества итераций.

Чебышевская аппроксимации включает в себя следующие операции:

1. Требования к амплитудно-частотной характеристике .

2. Порядок фильтра R .

3. Расчет импульсной характеристики фильтра h(n) .

Также при расчете КИХ-фильтра методом чебышевской аппроксимации необходимо использовать функцию:

[b,error,opt]=firpm(R,f0,m0,weight,ftype) .

В данной работе был разработан цифровой фильтр 19-го порядка. На рисунке представлены АЧХ, схема реализации в LabVIEW .

Рисунок 1. График АЧХ цифрового фильтра На основе полученного фильтра перейдем к программированию в LabVIEW .

Рисунок 2. Цифровой фильтр, реализованный на элементах задержки В .

А. Ружников ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики

–  –  –

Последние несколько лет наблюдается значительный интерес к различным устройствам и антеннам для создания body centric wireless communication systems (беспроводных систем взаимодействия человекчеловек). Появился новый термин body area networks (BANs) – беспроводные сети, обеспечивающие работу между носимыми и/или имплантированными электронными устройствами ( рис 1.) Такие системы представляют большой интерес для различных областей, таких как здравоохранение, развлечения, военные действия, системы идентификации, спорт, умный дом. Портативные устройства, антенны, расположенные близко к человеческому телу, уже давно используются военными [1] .

Рисунок 1 .

В целях повышения общей эффективности солдат на поле боя, работы проводятся в целях интеграции беспроводных систем для всего оборудования, таких как оружие, прицельные системы, шлем, и так далее (рис.2) .

Носимые или имплантируемые датчики увеличивают способность врачей, чтобы следить за своими пациентами на большом расстоянии и в режиме реального времени .

–  –  –


1. P. S. Hall and Y. Hao, “Antennas and propagation for body centric communications systems,”Artech House, Norwood, MA, 2006, ISBN-10:1S. L. Cotton, W. G. Scanlon, and P. S. Hall, “A simulated study of co-channel inter-BAN interference at 2.45 GHz and 60 GHz,” Europ. Wirel .

Techn. Conf., Paris, France, pp. 61–64, Sep. 2010 .

В.Д. Витевский, А.В. Росляков ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики




Программно-конфигурируемая сеть SDN – сеть передачи данных, в которой уровень управления сетью физически отделен от уровня передачи данных за счет переноса функций управления сетевыми устройствами (маршрутизаторами, коммутаторами и т.п.) в программные приложения, работающие на отдельном сервере (контроллере). В результате получается гибкая, управляемая, адаптивная и экономичная архитектура, которая способна эффективно адаптироваться под передачу больших потоков разнородного трафика [1] .

Высокоуровневая архитектура SDN, описанная в Рекомендации

МСЭ-Т Y.3300, состоит из трех уровней [2]:

1. Уровень сетевой архитектуры, состоящий из сетевых устройств и каналов передачи данных, образующих топологию сети .

2. Уровень управления SDN, включающий в себя контроллер, который осуществляет мониторинг состояния топологии сети и сетевых устройств и предоставляющий сервисы для реализации функций управления сетевой инфраструктурой и потоками данных в сети вышележащему уровню .

3. Уровень сетевых приложений, содержащий совокупность прикладных программ контроллера, которые разрабатываются для реализации функций гибкого и эффективного управления сетью .

Несмотря на то, что архитектура SDN успешно применяется в некоторых сетевых системах, таких как корпоративные сети и датацентры, принятие этой новой сетевой парадигмы в крупномасштабных межсетевых сценариях (например, Интернет будущего), сталкивается с новыми проблемами. Одной из ключевых проблем является предоставление услуг из-конца-в-конец через гетерогенные сети с поддержкой качества обслуживания QoS для удовлетворения различных потребностей пользователей .

Автономные сетевые области, сосуществующие в сети Интернет и различные пользовательские приложения, развертываемые в нём, обращаются к единой платформе предоставления услуг SDP, что делает возможным высокоуровневую сетевую абстракцию и междоменное сотрудничество для предоставления услуг из-конца-в-конец .

Одним из принципов, позволяющим решить проблему предоставления услуг из-конца-в-конец, является принцип сервисной ориентации. Сервисно-ориентированная архитектура SOA предлагает эффективный механизм для обеспечения гибкого взаимодействия между автономными системами для удовлетворения разнообразных требований к обслуживанию [3] .

Применение принципа SOA в области сетевых технологий приводит к парадигме Сеть-как-Сервис NaaS (Network-аs-а-Service), которая позволяет пользователям использовать сетевые ресурсы и функциональные возможности в качестве сервисов через стандартный абстрактный интерфейс. Сетевая абстракция, предлагаемая NaaS, дает возможность гибкого сотрудничества между автономными сетевыми областями через слабо связанное взаимодействие сервисов. Поэтому NaaS может значительно облегчить предоставление услуг из-конца-вконец в Интернете будущего [4] .

Классическими для анализа характеристик качества обслуживания QoS (например, задержка передачи пакетов, гарантированная полоса пропускания и др.) в мультисервисных сетях связи являются модели на основе теории массового обслуживания (ТМО). Однако при моделировании SDN аппарат ТМО имеет ряд существенных недостатков. Теория Network Calculus преодолевает большинство недостатков ТМО. В докладе представлена модель анализа SDN с использованием аппарата Network Calculus, позволяющая получить граничные оценки задержек пакетов в сети .


1. Росляков А.В., Ваняшин С.В. Будущие сети (Future Networks) .

– Самара: ПГУТИ, 2015. – 274 с .

2. Recommendation ITU-T Y.3300: Framework of software-defined ресурс]. – Режим доступа:

networking [электронный https://www.itu.int/rec/dologin_pub.asp?lang=e&id=T-REC-Y.3300I!!PDF-E&type=items .

3. Y. Jarraya, T. Madi, and M. Debbabi, A survey and a layered taxonomy of Software-Defined Networking // IEEE Communications Surveys and Tutorials. 2014. V. 16. №1 .

4. Q. Duan, C. Wang, X. Li End-to-End Service Delivery with QoS Guarantee in Software Defined Networks [электронный ресурс]. – Режим доступа: http://arxiv.org/pdf/1504.04076v1.pdf .

М.Е. Самаркин, В.Н. Тарасов ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики



Перед любым администратором сети рано или поздно встает проблема определения типа трафика, который идет через его оборудование. Цели определения трафика могут быть разными. Начиная с простого любопытства и «слежения» за действиями пользователей, и заканчивая оптимизацией сети и «понижением» приоритета определенного трафика. К последней цели стали часто прибегать в связи с появлением и распространением протокола BitTorrent. Через который идет в большинстве случаев пиратский контент. Так же сетевой канал загружается на полную мощность, из-за особенностей этого протокола .

Определение типа трафика на заре сети Интернет не составляло никакой проблемы. Каждому протоколу или группе приложений соответствовал свой порт, через который идентификация трафика проводилась без особых проблем. С развитием сети Интернет такой способ идентификации перестал работать, так как исходящий порт и порт назначения уже не были привязаны к определенному протоколу или группе приложений. Более того в большинстве случаем порты меняются динамически в течении одного сеанса. На смену такому методу идентификации пришел метод глубокого анализа пакетов (DPI) .

Deep Packet Inspection — технология накопления статистических данных, проверки и фильтрации сетевых пакетов по их содержимому. В отличие от брандмауэров, Deep Packet Inspection анализирует не только заголовки пакетов, но и полное содержимое трафика на уровнях модели OSI со второго и выше. Deep Packet Inspection способно обнаруживать и блокировать вирусы, фильтровать информацию, не удовлетворяющую заданным критериям. Эта технология имеет один существенный недостаток – она требует больших аппаратных ресурсов. Так как требуется перехватить пакет, проанализировать его по модели OSI с второго уровня и выше, принять решение о его дальнейшей судьбе, а самое главное выдержать норму скорости, которую предоставляет провайдер. Если оборудование будет не справляться – пакеты будут проходить без анализа либо выстраиваться в очередь, что повлечет за собой снижение скорости. Более изящный вариант и менее затратный по аппаратному ресурсу был предложен совсем недавно – машинное обучение по косвенным признакам сетевого трафика. Для этого можно применить протокол NetFlow .

NetFlow — проприетарный открытый протокол, разработанный Cisco для мониторинга трафика в сети. Netflow предоставляет возможность анализа сетевого трафика на уровне сеансов, делая запись о каждой транзакции TCP/IP. Каждая транзакция содержит в себе следующие данные о IP-потоке: дата и время начала потока, дата и время конца потока, продолжительность потока по времени в секундах, протокол передачи данных, IP источника, IP получателя, количество переданных пакетов, количество переданных байт, порт источника, порт получателя, тип обслуживания (ToS), количество пакетов в секунду, количество бит в секунду, количество байт на пакет. Объединив однонаправленные потоки в двунаправленные получается вектор косвенных признаков: TX продолжительность потока, RX продолжительность потока, TX кол-во пакетов, RX кол-во пакетов, TX кол-во байт, RX кол-во байт, протокол, порт источника, порт получателя, тип обслуживания, TX количество пакетов в секунду, RX количество пакетов в секунду, TX количество бит в секунду, RX количество бит в секунду, TX количество байт на пакет, RX количество байт на пакет. Где TX – передача в одну сторону (запрос), а RX передача в обратную (ответ) .

Таким образом получается 17 признаков, по которым можно отличить один протокол от другого. Далее нужно проанализировать трафик и поставить каждому двунаправленному потоку свой маркер, по которому можно будет обучить машину и проводить автоматическую классификацию .

Для анализа трафика возвращаемся к уже упомянутой технологии DPI. Существует библиотека nDPI, которая позволяет анализировать трафик в реальном времени, а также из файлов, которые содержат захваченные пакеты (PCAP файлы). После анализа в выходном файле содержится информация и трафике, с пометкой к какому протоколу он относится. Библиотека nDPI на момент написания этого текста содержит информацию о 185 протоколах. Следующим шагом будет конвертация этого же трафика в формат протокола NetFlow. Это делается при использовании программы-конвертора softflowd и коллектора ncapd .

Работа идет по принципу передачи-приема. Трафик с PCAP файла отправляется в виде UDP пакетов на коллектор, который сохраняет данные в бинарном виде. По такому же принципу собирается реальный трафик с сетевого оборудования. Далее из бинарного вида в текстовый данные конвертируются с помощью программы nfdump. В итоге получается трафик, разбитый на однонаправленные потоки. Для последующей обработки написана программа на языке C# .

В.Н. Тарасов, Н.Ф. Бахарева, С.В. Малахов, И.В. Карташевский ФГБОУ ВО Поволжский государственный университет телекоммуникаций и информатики




Необходимо определить зависимость задержки в очереди от размера TCP окна в программно-конфигурируемой сети с поддержкой протокола OpenFlow .

На серверах Node будет развернут виртуальный кластер из 12-ти узлов, с помощью платформы OpenNebula, которая установлена на Server. Физический кластер коммутируется гигабитным коммутатором HP 3500yl, который поддерживает протокол OpenFlow. Режимы настроек потоков - Reactive, когда коммутатор принимает поток, запись о котором отсутствует в таблице, он запрашивает контроллер о правилах обработки данного потока .

Виртуальный кластер (рис. 1) состоит из контроллера POX (сетевая операционная система), программы tcpdump (для захвата трафика) и клиентов, которые генерируют трафик .

Рисунок 1. Виртуальный кластер

Трафик генерируется с помощью утилиты Iperf, установленной на узлах кластера. Iperf - кроссплатформенная консольная клиентсерверная программа — генератор TCP, UDP и SCTP трафика для тестирования пропускной способности сети .

В таблице 1 представлены результаты экспериментов с поддержкой протокола OpenFlow, где отображены найденные моментные характеристики временных интервалов .

Таблица 1. Зависимость моментов от размера ТСР-окна Размер TCP-окна 8КБ 32КБ 64КБ 128КБ 256КБ

-6 -6 -6 -5 2,00*10-5 Dв 3,08*10 6,26*10 8,58*10 1,47*10 cv 1,32 1,72 1,76 2,16 2,38 As 2,45 4,68 4,11 6,04 7,65 Кол-во пакетов 27987 30036 29989 34767 36957 Полученные данные свидетельствуют о том, что анализируемый трафик сильно отличается от пуассоновского (коэффициент вариации c v 1), значение асимметрии As 2 говорит о том, что распределение интервалов между пакетами трафика относится к распределениям, похожим на гиперэкспоненциальное и соответствует системам массового обслуживания (СМО) H 2 / M / 1 [1,2], H 2 / H 2 / 1 [3]. Приведем расчет среднего времени ожидания в очереди для системы H 2 / H 2 / 1 .

В [3] приведен метод расчета, позволяющий оценить значение среднего времени ожидания в очереди при различных значениях среднего времени поступления, коэффициента вариации и коэффициента асимметрии распределений для системы H 2 / H 2 / 1. Результаты расчета, основанного на значениях коэффициентов вариации и асимметрии из Таблицы 1 таковы: W8K 37,21, W32K 36,82, W64K 36,63, W128K 36,26, W128K 36,09. Пусть незначительно, но с ростом значений коэффициентов вариации и асимметрии задержка в очереди уменьшается .


1. Тарасов В.Н., Бахарева Н.Ф., Горелов Г.А., Малахов С.В .

Анализ и расчет входящего трафика на уровне трех моментов распределений // Информационные технологии. 2014. №9. С. 54-59 .

2. Тарасов В.Н., Карташевский И.В., Малахов С.В. Теоретическое и экспериментальное исследование задержки в программногоконфигурируемых сетях // Инфокоммуникационные технологии. 2015, Т.13, №4. С. 409-413 .

3. Тарасов В.Н., Карташевский И.В. Определение среднего времени ожидания требований в управляемой системе массового обслуживания Н2/Н2/1, Системы управления и информационные технологии .

2014. Т. 57. № 3. С. 92-96 .

Р.Р. Файзуллин, М.М. Фатыхов, Р.Ф. Зарипов ФГБОУ ВО Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ



Развитие современных систем связи как фиксированного, так и подвижного доступа подразумевает как совершенствование методов обработки сигналов, методов разделения каналов и способов доступа, так и динамическое распределение пропускной способности во все более дефицитном диапазоне частот. Приходится учитывать не существенные ранее воздействия, имеющие непредсказуемую структуру, такие как индустриальные хаотические помехи .

Воздействие хаотической импульсной помехи (ХИП) в простейшем случае описывается пуассоновским потоком событий наличия этой помехи в канале связи. При этом подразумевается, что за время наблюдения интенсивность потока неизменна и мощность радиоимпульсов помехи случайно флуктуирует относительно постоянного значения амплитуды помехи, заданного воздействием либо индустриального происхождения, либо умышленного .

Для ХИП и шумоподобных помех сложно сравнивать эффективность алгоритмов, основанных на байесовском критерии максимума апостериорной вероятности. В качестве альтернативы соотношению (Eb/N0) используем для получения выводов о вероятности битовой ошибки. Для большей наглядности вычислим вероятность ложной тревоги и ошибки приема при одномерной побитовой корреляционной обработке фрейма [1] .

В результате моделирования с использованием имитационного комплекса [2] оценки результата обработки сигнала теоретически оптимальным байесовским обнаружителем была получена зависимость (Рис. 1) вероятности ложного обнаружения и различения от интенсивности ХИП на фиксированном интервале, равном длительности радиоимпульсного сигнала. Ввиду обязательного использования полосовых фильтров с достаточно высокой крутизной характеристики имеет смысл рассматривать те значения, при которых ХИП сопоставимы по длительности с самими сигналами .

При переходе к типовому соотношению Eb/N0 можно воспользоваться приближенной формулой, полагая фильтр на входе блока корреляционной обработки идеальным, а длительности помех сопоставимыми с длительностью информационного сигнала .

–  –  –

Исходя из изложенного, можно сделать выводы:

1. Воздействие даже стационарной хаотической импульсной помехи, описываемой простейшим потоком событий, ведет к существенному снижению вероятности правильного декодирования битового профиля и снижению апостериорной вероятности обнаружения сигнала как такового. Оценку интенсивности помехи (и шумовых флуктуаций) предлагается проводить после установления синхронизации мобильного терминала и в интервал между сигналами синхронизации .

Это же позволит обеспечивать возможность подстройки когерентного приема группового сигнала по пилот-каналу в режиме FDD .

2. Оценка динамического потока (t) также может производиться в канале синхронизации путем добавления приемника максимального правдоподобия .

3. Повысить надежность приема можно за счет побитовой многомерной обработки или использования дополнительных контрольных отсчетов многопозиционного сигнала .


1. Статистические модели и методы обработки сигналов в системах радиосвязи: Учеб. пособие / Ш. М. Чабдаров, Р. Р. Файзуллин, А. Ф. Надеев и др.; М-во общ. и проф. образования РФ. Каз. гос. техн .

ун-т им. А. Н. Туполева. Каф. радиоуправления. – Казань .

2. Файзуллин Р.Р., Кадушкин В.В., Зарипов Р.Ф., Фатыхов М.М .

Программно-имитационный комплекс для моделирования эффективности алгоритмов обработки сигналов в мобильных системах связи. В кн.: Физика и технические приложения волновых процессов. Материалы конференции/Под общ. ред. В.А.Неганова и Г.А.Морозова. – Казань: ООО «Новое знание», 2015. С. 36-38 .

Ю.А. Шилова, Е.Л. Кон ФГБОУ ВО Пермский национальный исследовательский политехнический университет


Информационные технологии с каждым днём занимают всё больший процент времени в жизни каждого человека. Смартфон, планшет, различные «умные» гаджеты и другие устройства окружают любого, начиная с младенца и заканчивая старшим поколением. Для обмена информацией между такими техническими приспособлениями необходима не только эффективная, но и быстрая маршрутизация .

Для исследования вопроса маршрутизации необходимо иметь наглядное отображение сети, в которой будет происходить тестирование построения маршрутов и передачи данных по ним. Из наиболее распространённых инструментов имитационного моделирования была выбрана среда Anylogic, которая позволяет использовать любой из подходов к моделированию: процессно-ориентированный (дискретнособытийный), системно-динамический и агентный, а также любую их комбинацию .

Построение модели целесообразно начать с продумывания элементов, составляющих основу данной модели, их параметров и функций, которые будут выполняться этими элементами. В основе модели будет лежать сеть, состоящая из узлов, связанных между собой некоторой сетевой топологией. Таким образом, первым агентом разрабатываемой модели является узел, назовём «Node» .

Каждый узел обладает определенными характеристиками, которые являются необходимыми при выполнении маршрутиации: скорость передачи данных, идентификатор узла, скорость передвижения узла, если узел является передвижным устройством. В соответствии с тем, что в основе протоколов семейства Q-Routing лежит алгоритм обучения с подкреплением, возникают ещё, как минимум, два параметра, таких как Q-таблица, в которой будут храниться данные для выбора маршрута, и коэффициент обучения, используемый в формуле для нахождения маршрута .

Узлы должны обмениваться пакетами данных, следовательно, другим агентом модели будет пакет данных, назовем его сообщением .

Для разграничения данных и контрольной информации при реализации протокола Q-Routing создадим два агента сообщений, назовём, соответственно, «DataMessage» и «ControlMessage» .

Пакет «DataMessage» должен содержать следующие поля: идентификатор пакета, источник сообщения, получатель сообщения, длина пакета. Пакет «ControlMessage»: задержка из Q-таблицы узла, который отправляет данный пакет, длина пакета, идентификатор узла, которому предназначен пакет, и получатель сообщения, указываемый в пакете «DataMessage» .

Выбор маршрута, формирование и передача сообщений по нему всё это является функциями каждого в отдельности взятого узла .

Алгоритм работы отдельного узла будет реализован с использованием процессно-ориентированного подхода, в отличие от элементов модели, которые будут созданы при помощи агентного подхода .

Для создания узла «Node» и сообщений «DataMessage» и «ControlMessage» в Anylogic, сначала необходимо добавить агента «Node» и поместить его в поле агента «Main», формирующийся автоматически при создании модели. Затем создать агентов сообщений и разместить их уже в поле узла «Node». Для задания количества узлов в сети в агенте «Main» создадим параметр «Количество узлов» .

Переходя к описанию построения агента «Node», хотелось бы отметить, что связи между узлами можно задавать в самом агенте «Main». Однако при создании агента «Node», внутри него создается агент «connections», отвечающий за связи между агентами, который мы будем использовать в модели. Вышеописанные характеристики узла и сообщений зададим при помощи параметров и переменных .

Реализацию функционирования отдельного узла выполним с использованием библиотеки моделирования процессов Process Modeling Library.

Будем использовать следующие элементы данной модели:

Source – в качестве источника формирования сообщений; Sink – в качестве получателя сообщений; Queue – как очередь хранения заявок;

RestrictedAreaStart, MoveTo, RestrictedAreaEnd, Enter и Exit – для представления передачи сообщения от одного узла сети другому;

SelectOutput – в качестве ключа для выбора дальнейших действий с принятым пакетом в зависимости от узла, которому требуется доставить данный пакет; Hold – для удержания заявок в узле при отсутствии у него связей с другими узлами в сети .

В докладе будут более подробно рассмотрены вопросы, связанные с комбинированием агентного и процессно-ориентированного подходов к моделированию. Кроме того будет наглядно представлена схема функционирования отдельного узла при моделировании протокола Q-Routing и приведены дополнительные функции, которые выполняются каждым отдельно взятым элементом данной схемы .

А.И. Выборнова, А.Е. Кучерявый ФГБОУ ВО Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А.




В последнее время все активнее в мировом сообществе начинает обсуждаться совершенно новая концепция приложений для перспективных сетей связи – Тактильный Интернет. Суть идеи Тактильного интернета заключается в возможности передачи по телекоммуникационным сетям не только данных и различной мультимедийной информации, но также и тактильных ощущений, включая тактильную обратную связь [1, 2] .

Передача тактильных ощущений на расстояние дает возможность реализовывать новые, социально-значимые приложения, такие как удаленное проведение медицинских манипуляций, обследование мест техногенных катастроф без риска для жизни людей и др. При этом ключевым фактором является не только возможность удаленного управления манипуляторами или роботами, но и получение аудио-, видео- и тактильной обратной связи, передающей наиболее полно информацию о той среде, в которой находится манипулятор .

Безусловно, внедрение подобных приложений потребует значительных усилий во многих областях науки и техники. Потребуется создать и усовершенствовать оконечные устройства, способные как фиксировать тактильные ощущения (рельеф, упругость, температуру поверхности, вибрации и т.д.), но и воспроизводить на другом конце сети связи. Потребуется реализовать кодеки для тактильной информации, решить вопросы синхронизации потоков информации различных типов (тактильной, аудиальной и визуальной) [2] .

Однако на текущий момент многие публикации по данной тематике сходятся в том, что одна из самых сложных задач в области создания приложений Тактильного Интернета – реализация очень низкой задержки передачи тактильных ощущений по сетям связи [1-3] .

Одной из фундаментальных характеристик пакетных сетей передачи данных является задержка передачи пакета по сети. Долгое время требования к этой величине для различных приложений оставались стабильными и не превышали 100 мс [4]. Даже внедрение таких концепций, как Интернет Вещей или Дополненная реальность, порождающих множество новых принципов и технологий организации сетей связи, не требовало изменений к задержке передачи данных по сети [5] .

Считается, что передача тактильных ощущений потребует кардинального сокращения задержки в сети – до 1 мс в обе стороны [1-4] .

Когда разговор заходит о таких сверхмалых задержках передачи данных, ограничением, которое приходится иметь в виду, является даже скорость света – при передаче по современному оптоволоконному кабелю, минимальных задержках на кодирование и декодирование информации и другие накладные временные расходы, максимальное расстояние, на которое удастся передать данные с задержкой не более 1 мс, составляет около 200 км [6] .

Помимо этого, следует учитывать, что для перспективных сетей связи все также остаются актуальными те требования, которые предъявляют к ним приложения Всепроникающих сенсорных сетей, Летающих сетей, Интернета Вещей, а именно – огромное количество подключаемых к сети связи устройств (включая переход от рассмотрения отдельных устройств к роям устройств [7]), требования по эффективному расходованию энергии, сверхвысокая плотность устройств в таких сетях, их гетерогенность и прочее [5] .

С учетом всего вышесказанного ясно, что несмотря на действительно важные возможности, которые открывает Тактильный Интернет, до массового воплощения в жизнь его приложений потребуется решить большое количество сложных научных и технических задач, одной из важнейших из которых является создание технологий и методов сокращения задержки передачи данных по сетям связи .


1. Кучерявый А. Е., Маколкина М. А., Киричек Р. В. Тактильный Интернет .

Сети связи со сверхмалыми задержками // Электросвязь. 2016. N 1. C. 44-46 .

2. M. Maier, M. Choudhury, B. P. Riwal, D. P. Van. The Tactile Internet: Vision, Recent Progress, and Open Challenges // IEEE Communications Magazine. May

2016. pp. 2-9 .

3. Кучерявый А. Е., Выборнова А. И. Тактильный Интернет // V Международная научно-техническая и научно-методическая конференция «Актуальные проблемы инфотелекоммуникаций в науке и образовании», 2016 .

4. The Tactile Internet. Technology Watch report. ITU-T, Geneva, 2014. 24 p .

5. Кучерявый А. Е. Интернет Вещей // Электросвязь. 2013. N 1. С. 21–24 .

6. M. Simsek, A. Aijaz, M. Dohler, J. Sachs and G. Fettweis. 5G-Enabled Tactile Internet // IEEE Journal on Selected Areas in Communications. 2016. vol. 34, no. 3. pp .

460-473 .

7. N. Dao, A. Koucheryavy, A. Paramonov. Analysis of Routes in the Network Based on a Swarm of UAVS // Lecture Notes in Electrical Engineering. 2016. v. 376. pp .

1261-1271 .

Ю.С. Винтенкова, С.В. Козлов ФГБОУ ВО Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ




Для повышения пропускной способности сетей широкополосного радиодоступа, работающих в условиях воздействия внутрисистемных помех, был предложен метод совместной динамической маршрутизации [1]. Метод обеспечивает выбор оптимального маршрута по критерию минимального времени доставки из всех возможных вариантов на основе априорной информации об их характеристиках .

Снижение времени доставки от применения указанного метода при использовании модели сигнально-помеховой обстановки, описанной в статье [2], составило в среднем 15% [3] .

Задачи рассматриваемого исследования заключаются в проведении натурного эксперимента с целью верификации модели сигнально-помеховой обстановки и оценки эффективности предложенного метода маршрутизации .

Для решения этих задач была создана экспериментальная сеть на основе оборудования стандарта 802.11n (Рис.1), которое работает в двух диапазонах: 2,4 ГГц и 5 ГГц .

Рисунок 1. Структура экспериментальной сети с указанием вариантов доставки .

Для снижения влияния других сетей в эксперименте использовались каналы 36 и 40 в более свободном диапазоне 5 ГГц. Для анализа влияния внутрисистемных помех создавались фреймы данных с заданными параметрами в программе WinIQSim 2 в формате WavPack (.wv). Для передачи данных использовался векторный генератор R&S AFQ100B. Перенос на несущую частоту осуществлялся с помощью генератора Agilent N5128B. Переданные фреймы захватывались с помощью программного сетевого анализатора CommView .

Эксперимент проводился согласно статье [1]:

1. На этапе анализа для каждого из шести варианта доставки (Рис.1) определялась информационная скорость при фиксированной мощности передачи .

2. На этапе маршрутизации на основе полученных данных формировалась последовательность используемых вариантов и кратность их использования согласно методу совместной динамической маршрутизации .

Для сравнения формировалась последовательность для стандартного метода маршрутизации .

Результаты эксперимента подтвердили результаты математического моделирования: выигрыш от использования метода совместной динамической маршрутизации составил в среднем 36%. Повышение эффективности метода связано с рассмотрением в статье [3] системы с направленными антеннами, в то время как в экспериментальной сети использовались ненаправленные антенны, что привело к повышению уровня внутрисистемных помех .

Оптимальное время формирования вектора информации также увеличилось по сравнению со временем, полученным в статье [3]: с 1 мс до 10 мс .


1. Спирина Е.А., Козлов С.В. Метод маршрутизации, обеспечивающий повышение пропускной способности IP сетей в условиях внутрисистемных помех//Журнал радиоэлектроники.–2015. – №12. – http://jre.cplire.ru/jre/dec15/3/text.html (дата обращения: 29.09.2016)

2. Петрова Е.А. Оценка гарантированной информационной скорости передачи в сетях широкополосного радиодоступа с учетом внутрисистемных помех//Журнал радиоэлектроники.–2014.- №10. – http://jre.cplire.ru/jre/oct14/7/text.html (дата обращения: 29.09.2016)

Pages:   || 2 | 3 | 4 | 5 |

Похожие работы:

«Запорная арматура Клапаны запорные сильфонные по УФ 26070-010 ТУ Запорный клапан является запорной арматурой, в которой запирающий элемент перемещается параллельно оси потока рабочей среды. Изготовлено в соответствии с НП-068 и ОТТ-87. Область прим...»

«Подключение к ГосСОПКА Роман Кобцев Дирек тор по развитию бизнеса ЗАО "Перспек тивный мониторинг" Компоненты работающего решения • Нормативная база • Технические аспекты подключения • Выполняемые функции • Ресурсы • Обмен сведениями • Применение на практике ПЕРСПЕКТИВНЫЙ МОНИТОРИНГ 2 25.09.2018 Нормативная баз...»

«Пузевич Николай Игнатьевич Военная перестройка промышленности Восточной Сибири (1939-1943 гг.) Автореферат диссертации на соискание ученой степени кандидата исторических наук Иркутск, 2004 Работа выполнена на кафедре истории и политологии Брат...»

«Motion Terminal VTEM Описание Приложение Motion №06 Перемещение ECO 2017-12 [8071831] VTEM Перевод оригинального руководства по эксплуатации VTEM-MA06-RU Firefox® является зарегистрированным товарным знаком соответствующего владельца в определенных странах. 2 Festo – VTEM-...»

«ИНФОРМАЦИОННЫЕ СИСТЕМЫ Д. В. Кознов ВИЗУАЛЬНОЕ МОДЕЛИРОВАНИЕ ИНФОРМАЦИОННЫХ E-СЕРВИСОВ В ПУБЛИЧНОЙ СФЕРЕ ББК 32.81 К59 Р е ц е н з е н т ы: д-р техн. наук, проф. Т. А. Гаврилова (ВШМ С.-Петерб. гос. ун-та), д-р техн. наук, проф. А. Р. Лисс (ОАО "Концерн “Океанприбор”") Печатается по постановлению Редакционно-издательского с...»

«ЯНЦОХИНА Нина Петровна ФИНАНСОВОЕ УПРАВЛЕНИЕ О Б О Р О Т Н Ы М КАПИТАЛОМ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРЕДПРИЯТИЙ 08.00.10 — финансы, денежное обращение и кредит Автореферат диссертации на соискание ученой степен...»

«Издается с ноября 2016 года "ВОЕННЫЙ ИНЖЕНЕР" НАУЧНЫЙ ЖУРНАЛ №2(8) 2018 год Содержание журнала Contents of the journal "ВОЕННЫЙ ИНЖЕНЕР" №2(8) MILITARY ENGINEER №2(8) Содержание 1 Contents Редакционная коллегия 2 Editorial Board Военное образование и подготовка кадров...»

«690089, г. Владивосток, ул. Иртышская 15, оф. 8. Тел.: (423) 273-14-40, тел./факс (423)236-16-42. E-mail: gidro-dv@mail.ru 690089, г . Владивосток, ул. Иртышская 15, оф. 8. Тел.: (423) 273-14-40, тел./факс (423)236-16-42. E-mail: gidro-dv@mail.ru Уважаемые коллеги! С 2003 года м...»

«SAFETY2018, Екатеринбург, 4–5 октября 2018 г.СОВРЕМЕННОЕ МОДУЛЬНОЕ СТРОИТЕЛЬСТВО Сауков Д. А., 1Гинзберг Л. А. Уральский федеральный университет им. первого Президента России Б. Н. Ельцина, Екатеринбург, Россия e-mail: ddmmitry93@mail.ru, laginzb@gmail.com Аннотация....»

«Киселёва Ольга Владимировна РАЗВИТИЕ ТЕОРИИ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА И ОСОБЕННОСТИ ЕГО ОЦЕНКИ 0S.00.0l Экономическая теория Автореферат диссертации на соискание учёной степени кандидата экономических наук Орёл 2006 Рабата выполнена в государственном учреждении высшего профессионального образования "Орловский госуда...»

«Масло моторное для двухтактных двигателей стр. 3 РПБ № 84035624.19.46359 Действителен до 16.05.2022 г. G-Wave S Synth по СТО 84035624-236-2017 из 16 1 Идентификация химической продукции и сведения о производителе и/или поставщике 1.1 Идентификация химической продукции 1.1.1 Техническое наименование Масло м...»


«~~[Ц/.Щ~Р._, ЛУБОllП-IИКОВА Екатерина Андреевна УПРАВЛЕНЧЕСКИЙ УЧЕТ ИННОВАЦИЙ НА МАШИНОСТРОИТЕЛЬНЫХ ПРЕДПРИЯТИЯХ Специальность: Бухгалтерский учет, статистика 08.00.12 Автореферат диссертации на соискание ученой степени кандидат...»

«SQL Manager for SQL Server Руководство пользователя © 1999-2018 EMS Database Management Solutions, Ltd. SQL Manager for SQL Server User's Manual © 1999-2018 EMS Database Management Solutions, Ltd. Все права защищены На...»

«Коновалов Игорь Сергеевич СОВЕРШЕНСТВОВАНИЕ ТЕПЛОВОЙ И ГАЗОДИНАМИЧЕСКОЙ РАБОТЫ ШАХТНЫХ МЕДЕПЛАВИЛЬНЫХ ПЕЧЕЙ Специальность 05.16.02 – Металлургия черных, цветных и редких металлов АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук...»

«ISSN 1993ВІСН НИК Донбас ської держа авної машинобудівної академії. а № 2 (27), 2012. 43 УД 621.774.001 ДК Ков валевский С. В., Ста й ародубцев И. Н. МЕ ЕТОД ПОВВЫШЕНИ КАЧЕС ИЯ СТВА РАБ БОЧИХ ПО ОВЕРХНО ОСТЕЙ ДЕ ЕТАЛЕЙ М МАШИН С ИСПОЛЬ ЬЗОВАНИИЕМ РЕАК КЦИЙ СА АМОРАСППРОСТРАН НЯЮЩЕГГОСЯ ВЫССОКО...»

«СЧЕТЧИК СТД РУКОВОДСТВО ПО ЭКСПЛУАТАЦИИ РЭ 4218-511-40637960-09 Содержание 1. Описание и работа 1.1. Назначение 1.2 . Технические характеристики 1.3. Характеристики ВТД-УВ 1.4. Характеристики СТД-УВ 1.5. Комп...»

«Вы купили печь АТБ Пройдя не лёгкий путь, к своему выбору, вы на конец решились, и купили печь АТБ. О том, что сделали правильный выбор, вы поймете позже, когда лёжа на полке, ваше тело будет впитывать тепло разогретых на печи камн...»

«РУКОВОДСТВО ПОЛЬЗОВАТЕЛЯ Bitdefender Total Security Bitdefender Total Security Руководство пользователя Дата публикации 07/24/2018 Авторские права© 2018 Bitdefender Правовое положение Все права защищены. Никакая часть этой публикации не может быть воспроизведена или...»

«Лопухова Светлана Владимировна АСИМПТОТИЧЕСКИЕ И ЧИСЛЕННЫЕ МЕТОДЫ ИССЛЕДОВАНИЯ СПЕЦИАЛЬНЫХ ПОТОКОВ ОДНОРОДНЫХ СОБЫТИЙ 05.13.18 Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степ...»

2019 www.librus.dobrota.biz - «Бесплатная электронная библиотека - собрание публикаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.