автореферат диссертации по радиотехнике и связи, 05.12.13, диссертация на тему:Оптимизация процедуры эстафетной передачи радиотелефонной сети стандарта GSM

ООЗОбЗЭОЭ

На правах рукописи

Фролов Дмитрий Александрович

Оптимизация процедуры эстафетной передачи радиотелефонной сети стандарта С8М

Специальность 05.12.13 - «Системы, сети и устройства телекоммуникаций»

Автореферат диссертации на соискание ученой степени кандидата технических наук

ПЕНЗА 2007

о 7 и юн 2007

003063909

Работа выполнена на кафедре автоматизированных систем обработки информации и управления Мордовского государственного университета имени Н П Огарева

Научный руководитель - кандидат технических наук, профессор Федосин Сергей Алексеевич

Официальные оппоненты доктор технических наук, профессор Светлов Анатолий Вильевич, кандидат технических наук Захаренков Виктор Евгеньевич

Ведущая организация - Саранский филиал ОАО Вымпел-Коммуникации (г. Саранск)

Защита диссертации состоится «Ж» л/е&Я 2007 г, в Sf часов, на заседании диссертационного совета Д 212 186 04 в государственном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу 440026, г Пенза, ул. Красная, 40.

С диссертацией можно ознакомиться в библиотеке государственного образовательного учреждения высшего профессионального образования «Пензенский государственный университет», автореферат размещен на сайте www pnzgu ru

Автореферат разослан «¿Г» ¿¿саА 2007 г

Ученый секретарь диссертационного совета доктор технических наук,

профессор В В Смогунов

ОБЩАЯ ХАРАКТЕРИСТИКА. РАБОТЫ Актуальность темы. В последние годы мобильные технологии развиваются удивительно быстро Наиболее широко используемой системой является GSM сеть В настоящее время уже мало кто может себе представить современное общество без мобильной связи По мере роста абонентской базы и размеров сети поддерживать оптимальные настройки сети становится все сложнее Сегодня затраты операторов связи на оптимизацию и поддержание оптимальных настроек сети сопоставимы с затратами на поддержание оборудования в исправном техническом состоянии Необходимо отметить, что под процессом оптимизации GSM сети понимается определение настроек, отвечающих текущей конфигурации сети и приоритетам оператора при продвижении тех или иных услуг Однако независимо от видов продвигаемых услуг процесс оптимизации всегда начинается с проверки корректности прописок эстафетных передач, поскольку именно эта процедура позволяет поддерживать непрерывность сеанса связи при перемещении абонента и делает сеть стандарта GSM по настоящему мобильной

Многие производители измерительного оборудования и программного обеспечения, в том числе и такие известные, как ACTIX, Agilent Technologies, Power Wave и Rode&Schwartz, предложили различные измерительные и программные комплексы, позволяющие снизить затраты и повысить эффективность процесса оптимизации GSM сетей Хотя все они по большому счету отличаются количеством измеряемых и анализируемых параметров, а также удобством интерфейса пользователя, но базируются на одних и тех же принципах На первом этапе проводится плотный объезд с измерением параметров работы сети, зоны обслуживания исследуемых базовых станций, входящих в состав сети, и фиксированием результатов измерения в базе данных Данный этап является наиболее долгим и трудоемким На втором этапе осуществляется обработка и систематизация полученных данных

Приведенные измерительные и программные комплексы позволяют существенно повысить качество оптимизации сети, но даже при их использовании данный процесс занимает очень продолжительное время Кроме того, применение подобных комплексов предъявляет очень высокие требования к квалификации инженерного

з

состава как в плане знания параметров работы GSM сети, так и в плане навыков обращения с измерительным комплексом Очень часто перед использованием того или иного программно аппаратного комплекса требуется пройти обучение в специализированном центре, которое недешево В больших сетях процесс оптимизации является настолько трудоемким, что заставляет операторов сотовой связи содержать целые отделы, которые занимаются исключительно задачами оптимизации

Необходимо отметить, что процесс оптимизации GSM сети является достаточно многогранным Несмотря на то, что оптимизации подвергаются параметры сети довольно тесно взаимосвязанные между собой, задачу оптимизации каждого из них можно считать отдельной подзадачей данного процесса К наиболее значимым подзадачам процесса оптимизации можно отнести прописку эстафетных передач между сотами и обеспечение помехозащищенности сети Следовательно, задачу быстрого и качественного анализа любой из перечисленных подзадач, а также выработку рекомендаций по улучшению параметров работы сети можно считать решенной только частично Постоянный рост зоны обслуживания сетей подвижной связи и увеличение количества используемого оборудования проблему снижения ресурсоемкости процесса оптимизации настроек GSM сети делают наиболее актуальной

Цели и задачи исследования. Целью диссертационной работы является разработка принципиально новых способов оптимизации GSM сетей в части подзадачи прописки эстафетных передач между сотами Для достижения данной цели в работе поставлены следующие задачи

1 Определение параметров GSM сети, оказывающих наибольшее влияние на работу процедуры эстафетной передачи

2 Разделение задачи оптимальной прописки эстафетных передач на подзадачи и выбор соответствующего математического аппарата для решения каждой из них в зависимости от уровня сложности и детерминированности

3 Построение математической модели процедуры эстафетной передачи в GSM сети с учетом параметров, оказывающих наибольшее влияние на процесс эстафетной передачи

4 Кластеризация размещения сот с учетом топологии GSM сети с целью снижения временных и вычислительных ресурсов при решении задачи оптимального выбора сот для прописки эстафетной передачи

5 Определение критерия эффективности функционирования процедуры эстафетных передач в GSM сети

6 Построение нечеткой экспертной системы, позволяющей оценить привлекательность каждой соты с точки зрения перевода обслуживания при помощи процедуры эстафетной передачи

7 Применение нечеткой экспертной системы для повышения защищенности сети от интерференционных помех за счет исключения работы соседних сот на одинаковых частотных каналах

Методы исследования. В работе использованы теория вероятности, процедура кластеризации, нейросетевые алгоритмы, теория нечетких множеств, а также экспериментальные исследования на реальных объектах

Достоверность и обоснованность научных положений подтверждаются соответствием результатов теоретических исследований и расчетов, математического моделирования с проведенными экспериментами /

Научная новизна диссертационной работы состоит в следующем

1 Предложен критерий оценки эффективности прописки эстафетной передачи в GSM сети

2 Построена математическая модель, реализующая процедуру эстафетной передачи в GSM сети с учетом параметров, оказывающих наибольшее влияние на процесс эстафетной передачи

3 Предложен вариант кластеризации размещения сот GSM сети при помощи нейронной сети на базе карты с целью проведения предварительной обработки данных, используемых для построения математической модели

4 Предложен алгоритм поиска соседних сот, позволяющий сделать работу процедуры эстафетной передачи максимально эффективной

5 Разработана система нечеткого вывода, дающая возможность оценить потенциальную привлекательность прописки эстафетной

передачи на основании данных о размещении БС и их азимутах излучения.

6 Разработан модуль, позволяющий на базе построенного программного комплекса оценить защищенность сети от интерференционных помех, возникающих при неправильном присвоении частотных каналов, и в случае невысокой помехозащищенности указать потенциально опасные участки сети

Практическая ценность. В результате проведенных в работе исследований был создан программный комплекс, позволяющий в кратчайшие сроки при использовании минимальных вычислительных ресурсов осуществить анализ эффективности работы GSM сети с точки зрения работы процедуры эстафетной передачи и анализ помехозащищенности от интерференционных помех GSM сети любой конфигурации

Внедрение результатов работы. Сопоставление результатов, полученных при помощи спроектированного программного комплекса и результатов мониторинга сети измерительным комплексом Agilent Technologies подтвердило небольшие отклонения по сравнению с экспериментально полученными данными и адекватность получаемых результатов при существенно меньших временных и вычислительных затратах В настоящее время разработанный программный комплекс используется в сети сотового оператора «СМАРТС»

Основные положения, выносимые на защиту.

1. Критерий оценки эффективности работы процедуры эстафетной передачи в GSM сети в зависимости от площади пересечения зон обслуживания соседних сот и уровня сигнала в зоне площади пересечения

2. Математическая модель, реализующая процедуру эстафетной передачи в GSM сети, основанная на зависимости качества работы радиоинтерфейса в заданной точке от расстояния до соты, параметров применяемых антенн и направления излучения соты

3. Алгоритм определения привлекательности соты с точки зрения прописки эстафетной передачи в GSM сети без проведения измерений параметров радиоинтерфейса

4 Система нечеткого вывода, позволяющая при помощи продукционных правил оценить взаимную привлекательность эстафет-

ной передачи между любыми сотами в составе GSM сети и защищенность сети от интерференционных помех, вызванных назначением одних и тех же частотных каналов для соседних сот.

Апробация работы. Материалы диссертационной работы докладывались и обсуждались на следующих международных и общероссийских научно-технических конференциях Всероссийской научной конференции "Управление и информационные технологии", (ЛЭТИ, г Санкт-Петербург), и VI Всероссийской научно-технической конференции «Динамика нелинейных дискретных электротехнических и электронных систем» (г Чебоксары). Основные положения диссертационной работы рассматривались на семинарах Приволжского математического общества МГУ им Н П. Огарева (г Саранск)

Публикации. По теме диссертации опубликовано 9 печатных работ, из них 2 - в изданиях, рекомендованных ВАК РФ. Без соавторов вышло 2 работы

Структура и объем диссертации. Диссертация содержит введение, список используемых сокращений, 4 главы, заключение, список использованных источников и приложение Основная часть изложена на 156 листах, содержит 46 рисунков, 25 таблиц Список литературы включает 107 наименований Приложение к диссертации состоит из 5 страниц

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, поставлена цель и сформулированы основные задачи исследования, показана практическая значимость работы.

В первой главе рассмотрены структурный состав и основные принципы работы GSM сети. История сотовой связи берет начало с 1946 г Именно тогда компания AT&T Bell Laboratories (г Сант-Луинс, США) создала радиотелефоны, устанавливающиеся в автомобилях Принцип действия сот прост Ранее для общения выделялось всего несколько каналов и пользователи могли не только создавать друг для друга помехи, но и прослушивать телефонные разговоры Теперь же проезжающая машина, попадая в другую соту, могла использовать любую частоту, без риска наткнуться на занятый эфир В СССР первая полностью автоматическая дуплексная система профессиональной мобильной радиосвязи с подвижными объектами под

названием «Алтай» заработала в конце 1950 г В 1967 г компанией Motorolla под руководством Мартина Купера (Martin Cooper) были созданы первые портативные рации, которые и дали толчок к созданию мобильного телефона

В настоящее время разработкой средств обеспечения и оптимизации сетей подвижной связи занимается огромное количество фирм В подавляющем большинстве случаев их разработки являются закрытыми, но стандартизированными и стыкующимися между собой на уровне интерфейсов Таким образом, достигается возможность совместного использования оборудования разных производителей и защита интеллектуальной собственности производителя

В первой главе обозначены критерии качества работы GSM сети и основные принципы оптимизации ее работы Рассмотрены основные особенности сети, имеющей сотовую структуру и процесс эстафетной передачи обслуживания, который позволяет менять точку обслуживания при движении абонента без разрыва соединения и тем самым позволяет реализовать сотовый принцип построения сети

В ходе рассмотрения принципов работы сетей GSM различных размеров и топологии сделаны выводы о том, что задача оптимизации является сложно формализуемой и при использовании традиционных методов оптимизации требует значительных временных и вычислительных затрат Введено понятие критерия эффективности работы сети с точки зрения прописки эстафетных передач

где Кэ - критерий эффективности работы процедуры эстафетных передач в GSM сети,

Рпер - суммарная площадь пересечения зон обслуживания исследуемой соты с соседними, имеющими приемлемый уровень сигнала

п

(> -110 dbm), Рпер = , где и-число пересечений с уровнем более i=i

(-110 dbm), Р„ - площадь г-го пересечения зон обслуживания соседних сот,

Р„р - суммарная площадь пересечения зон обслуживания исследует

мой соты с соседними, имеющими прописки хендовера, Рпр = ^ Р1,

1=1

где т-число пересечений с прописками хендовера, Р'„, - площадь г-го пересечения зон обслуживания соседних сот, имеющих прописку эстафетной передачи,

к- коэффициент определяемый количеством прописанных хендове-ров в соте,

1, при т < 16

К I16

— ,при т> 16 , т

где т- число пересечений с прописками хендовера;

к},р- коэффициент определяемый уровнем сигнала в зоне пересечения

обслуживания соседних сот

т

2>.

. _ I

где к,- средний уровень сигнала в г-м пересечении зон обслуживания сот

Проведен сравнительный анализ различных методов математического моделирования в зависимости от сложности объекта исследования и информации о нем В результате были сделаны следующие выводы классические методы дифференциального и интегрального исчисления дают хороший результат для полностью детерминированных объектов невысокой сложности, для сложных и слабо детерминированных объектов исследования более предпочтительным является использование мягких вычислений, таких как нечеткая логика или нейросетевые алгоритмы

В силу сложности комплексного решения обозначенной проблемы наиболее приемлемым решением для задачи оптимизации GSM сети и в частности задачи оптимизации с точки зрения прописки эстафетных передач является разбиение ее на подзадачи В процессе определения наиболее подходящего для подзадачи оценки эффективности прописки эстафетных передач математического аппарата был сделан вывод о необходимости построения экспертной систе-

мы. Выбор экспертной системы в качестве инструмента оптимизации GSM сети вызван слабой формализацией объекта исследования и довольно большой неточностью исходных данных

На привлекательность соты с точки зрения прописки эстафетной передачи с другой соседней сотой в первую очередь оказывает влияние площадь пересечения их зон обслуживания, которая в свою очередь зависит от многих других технических параметров При использовании однотипного оборудования (мощности передатчиков, типа используемых антенн и т д ) наибольшее влияние на площадь пересечения зон обслуживания между сотами оказывает расстояние между рассматриваемыми сотами и взаимное направление излучения их антенн Безусловно, существует множество дополнительных факторов, оказывающих влияние на площадь пересечения зон обслуживания соседних сот, однако в данном случае целью является не площадь пересечения зон обслуживания, а только сравнение их между собой

Для решения поставленной задачи с целью упрощения математической модели достаточно использования направления излучения каждой из сот и степень их удаленности друг от друга Дополнительной сложностью является то, что технические параметры сети не предоставляют необходимых данных для построения математической модели или экспертной системы В связи с этим необходимым условием создания программного комплекса, дающего возможность оценить потенциальную привлекательность эстафетных передач между сотами, является предварительная обработка данных Она позволяет из технических параметров сети получить данные, которые можно напрямую использовать в экспертной системе

Вторая глава посвящена вопросу предварительной обработки данных, используемых для построения математической модели и определения потенциальной привлекательности эстафетной передачи Для различных данных характерны не только различные величины, но и различная физическая сущность Для того чтобы иметь возможность их сравнивать или оценивать их влияние на объект исследования, все параметры, используемые в математической модели, необходимо привести к неким нормированным величинам, которые позволят произвести сравнение или оценку Таким образом, для решения поставленной задачи необходимо получить как минимум три па-

раметра, два из которых будут характеризовать азимуты взаимного излучения секторов, а третий - расстояние между секторами Функцию расстояния желательно подобрать таким образом, чтобы она учитывала особенности работы процедуры эстафетных передач

В силу того, что в технических характеристиках GSM сети есть такие параметры, как координаты размещения и азимуты излучения всех секторов относительно севера, получить матрицу взаимного излучения секторов можно при помощи поочередного смещения центра координатной сетки в точку размещения каждой соты, и применения тригонометрической функции арктангенса (рис 1) /

Х1 ~х2

Рис 1 Геометрическая интерпретация входных переменных

азимут азимут БС 1 отно- БС 2 отно-

сительно ВС1

азимут БС 1 относительно БС2

сительно БС1

азимут БС 2 относительно БС2

азимут БС 3 относительно БС1

азимут БС 3 относительно БС2

азимут БС 1 относительно БСл

азимут БС 2 относительно БСп .

азимут БС 3 относительно БСп

азимут БС п относительно БС1

азимут БС п относительно БС2

а = arctg

У\~Уг

азимут БС п относительно БСп

где х и у расстояние по осям X и У соответственно

Для вычисления отклонения направления излучения сектора относительно направления размещения соседней соты необходимо построить матрицу взаимного излучения секторов исходя их матрицы взаимного расположения базовых станций (рис 2) В таком случае азимут излучения для каждой четверти периода будет определяться следующем соотношением

Рис

2 Матрица взаимного расположения базовых станций

а = а при x>Q и у>0,

а = 90° + а при х > 0 и у < 0,

а = 180°+а при х<0 и >><0,

а = 270° + а при х < 0 и у > 0

В случае вычисления расстояния между секторами необходимо учитывать не только топологию GSM сети, но и особенности работы процедуры эстафетной передачи, например то, что при взаимном пересечении зон обслуживания 3-х и более секторов сота, имеющая в зоне пересечения больший уровень сигнала, будет перекрывать соту с меньшим уровнем Таким образом, если имеются две соты кандидата на прописку эстафетной передачи, одна из которых находится на меньшем удалении от исследуемой соты, но перекрыта третьей сотой с большим уровнем сигнала, а вторая находится на большем удалении, но не имеет перекрытия другими сотами, предпочтение следует отдать второй соте.

Для оценки взаимного расстояния между сотами предлагается провести кластеризацию расположения сот на местности, что позволит оценить взаимное удаление секторов с меньшими вычислительными затратами В ходе анализа методов кластеризации было установлено, что применение нейронных сетей позволяет нивелировать влияние погрешностей, а получаемые расстояния в виде матрицы расстояний могут быть легко фаззифицироны для использования в системе нечеткого вывода

Сравнительный анализ нейронных сетей, применяемых для кластеризации, таких как PNN и LVQ, относящихся к классу самоорганизующихся нейронных сетей, и нейронных сетей на базе карты Кохонена, показал, что для решения поставленной задачи наилучшим образом подходит процедура кластеризации при помощи нейронной сети на базе карты Кохонена Однако для эффективной работы нейронной сети данного типа необходимо определиться с рядом ключевых параметров, таких как количество нейронов, количество линий связи каждого нейрона и функцией расстояния

В третьей главе рассмотрены вопросы построения нейронной сети и выбора оптимальных параметров для решения поставленной задачи Для этого был проведен анализ эффективности решения за-

дачи при помощи сетей различной конфигурации В ходе исследования был сделан анализ наиболее часто используемых функций расстояния для выполнения задачи кластеризации. Исходя из принципов работы процедуры эстафетной передачи, наиболее приемлемым является применение функции расстояния связи

Допустим, задано Я нейронов, положение которых определяется векторами р„ 1=1, ,5, тогда расстояние связи между ними определяется соотношением

1. /((*,-*,)+(?,-УУ))7 ^ 1.

2,Ук,с11к = <1к] = 1,

=йГМ: =с1к2] =1, ММкг,к2 *„),<**, =<**„; =1'

5, в остальных случаях

Следовательно, если евклидово расстояние между нейронами меньше или равно 1, то расстояние связи принимается равным 1, если между нейронами с номерами г и ] имеется единственный промежуточный нейрон с номером к, то расстояние связи - 2, и т д

Выбор топологии размещения нейронов в сети связан с максимальным количеством сот в одном кластере Количество секторов в кластере определяется следующим соотношением

NI¡C+Nc-1<16, (5тах+ЛГс) МБС<П-Мс,

где 5тах - максимальное количество линий связи для данной топологии, NБс - число базовых стаций в кластере, Nс - количество

сот в базовой станции Таким образом, общее количество нейронов в сети размером пхт будет определяться выражением

п

КБС

Данное соотношение устанавливает минимальное количество нейронов в сети, но размер нейронной сети не должен быть и слишком большим, иначе это приведет к появлению большого количества

кластеров, не имеющих в своем составе ни одной соты Опытным путем доказано, что количество нейронов в сети для каждой из наиболее широко используемых топологий размещения нейронов должно немного отличаться в большую сторону по сравнению со значениями, полученными при помощи формулы определения минимального количества нейронов в сети

Сравнение вариантов использования различных топологий нейронных сетей для задачи кластеризации базовых станций показывает, что наилучшие результаты дает применение нейронной сети с гексагональным распределением нейронов Несмотря на то, что в данном случае не все кластеры будут иметь в своем составе базовые станции, применение топологии с гексагональным размещением нейронов позволяет добиться относительно равномерного распределения базовых станций по кластерам в среднем по 2 штуки, что соответствует допустимым значениям для максимального количества линий связи, равного шести

В четвертой главе рассмотрены вопросы построения системы нечеткого вывода, позволяющей оценить потенциальную привлекательность эстафетной передачи между сотами В данной главе приведены основные операции над нечеткими множествами, вопросы фаззификации переменных, полученных в результате препроцессин-га данных, переход к использованию лингвистических переменных, а также применение различных квантификаторов

Важной характеристикой нечеткой логики является то, что любая переменная может быть фаззифицирована, т е обобщена путем замены понятия четкого множества понятием нечеткого множества Выигрышем от фаззификации является большая общность и лучшее соответствие модели действительности.

Одним из основных методов представления знаний в экспертных системах являются продукционные правила, позволяющие приблизиться к стилю мышления человека Обычно продукционное правило записывается в следующем виде

«ЕСЛИ (посылка_1) (связка) (посылка_2) (св) .(св) (посыл-ка_п), ТО (заключение)»

Нечетким логическим выводом (fuzzy logic inference) называется аппроксимация зависимости Y = f(Xl,X2 Хп) каждой выходной лингвистической переменной от входных лингвистических переменных

и получение заключения в виде нечеткого множества, соответствующего текущим значениям входов, с использованием нечеткой базы знаний и нечетких операций Основу нечеткого логического вывода составляет композиционное правило Заде, которое состоит в следующем

Если на множестве X задано нечеткое множество А, то композиционное правило вывода В = А»Я, где Я - нечеткое отношение, задающее нечеткую импликацию, оно определяет на У нечеткое множество В с функцией принадлежности ¡лв(у) = и (х) П р1к (л:, }>)], где (I - функция принадлежности

хеХ

нечеткой входной переменной

Проектируемая система нечеткого вывода имеет вид, представ- ленный на рис 3 Входные переменные «Азимут излучения сектора А» и «Азимут излучения сектора В» характеризуют азимуты излучения секторов относительно друг друга Функция принадлежности каждой из двух переменных определяется диаграммой направленности антенны Третья входная переменная «Расстояние между секторами» состоит из трех треугольных функций принадлежности Значения для анализа привлекательности каждой пары сот будут браться из матрицы расстояний, построенной в результате кластеризации базовых станций при помощи нейронной сети

хгхг

- <\ 1 ■>-

(ггетйаП) 'шла

С*ес*Се)А

XX

Рис 3 Система нечеткого вывода для анализа привлекательности прописки эстафетной передачи

После формирования правил нечеткого вывода система в зависимости от значений нечетких входных переменных позволит получить потенциальную привлекательность прописки эстафетной передачи в виде числа в диапазоне от 0 до 1 получаемого в результате дефаззи-

фикации нечеткой выходной переменной Анализ эффективности хендовера необходимо проводить для каждой соты по отношению ко всем соседним сотам, эстафетная передача между которыми потенциально возможна

Результат работы системы нечеткого вывода будет определяться нечеткой базой знаний, а точнее продукционными правилами, на которых построен нечеткий вывод В соответствии со значениями входных величин выход будет определяться при помощи одного или совокупности продукционных правил Результат применения продукционных правил для определения потенциальной привлекательности эстафетной передачи между двумя различными секторами представлен на рис 4

0&&псе » О

СтесГСеЯА - 46 5

1 N I ~ 1\ I

2 V. I '' N I

3 - \ I - I

\ , I* I/

5 I N I

6 Л I I/ I

7 Л 1 1\ I

8 Л | к - I

9 14 I

10 1 I/-

11 —-1 I

12 ____——1 V I

< г 10 0 18С

йгейСеЯВ ■ 126

N

IV

N

N

N

N

I/

0 18

Арреа! = 0 869

I Л I XI I XI

1

Рис 4 Оценка эффективности прописки эстафетной передачи между первым сектором БС 1 и первым сектором БС 3

Анализ полученных результатов показал, что при расположении в непосредственной близости направление излучения секторов не оказывают принципиального влияния на уровень привлекательности По мере удаления БС друг от друга направление излучения имеет все большее значение Это обстоятельство полностью соответствует априорному представлению потенциальной ценности эстафетной передачи в зависимости от размещения и направления излучения

Отсортировав по убыванию результаты, полученные в ходе применения системы нечеткого вывода, и оставив для каждой соты первые 16 из них, будет получен список соседних сот для каждой исследуемой соты

Результаты, полученные с помощью применения построенного программного комплекса, можно использовать для оценки помехозащищенности сети от интерференционных помех Исследование помехозащищенности сети в данном случае не затрагивает вопросы теории распространения радиосигнала или традиционных для исследования помехозащищенности соотношений сигнал/шум, так как данные вопросы учитывались при разработке самого стандарта GSM Весь частотный спектр, выделенный для GSM сетей, разбит на каналы Для предотвращения возникновения интерференционных помех оператор должен просто следовать рекомендациям стандарта, который допускает применение на различных сотах одних и тех же частотных каналов, если соты не имеют зон пересечения обслуживания Однако сложность заключается в том, что задача определения зоны обслуживания каждой соты далеко не проста В данном случае работа по оценке зон пересечения обслуживания была сделана при решении задачи оптимизации прописки эстафетных передач, поэтому сортировка соседних сот в порядке убывания привлекательности прописки эстафетных передач означает убывание площади пересечения зон обслуживания

Таким образом, уникальность используемых частот в пределах полученного списка соседних сот, т е сот, уровень потенциальной привлекательности прописки эстафетных передач между которыми довольно высок, может выступать степенью уверенности в отсутствии интерференционных помех Например, если одинаковые частоты имеются для сот, находящихся в самом конце списка и обладающих очень низкой потенциальной привлекательностью для прописки эстафетной передачи, то в сети почти гарантировано отсутствие помех подобного рода В том случае, если одинаковые частоты обнаружены для секторов, имеющих средний уровень привлекательности эстафетной передачи, наличие помех весьма возможно, а если одинаковые частоты используются для секторов, входящих в список, для которых рекомендована прописка эстафетной передачи, то наличие помех фактически гарантировано

Поскольку на современном этапе развития GSM сетей невозможно определить настройки сети, которые стали бы эталоном для сравнения результатов работы различных алгоритмов оптимизации и программных комплексов, работающих на их основе, для оценки качества полученных результатов было проведено сравнение с одним из традиционно используемых измерительных комплексов - Agilent technologes Дополнительно для оценки поведения мобильного телефона в сети с конфигурацией, предложенной в результате оптимизации при помощи системы нечеткого вывода, был использован программно-аппаратный комплекс Modul Monitor

С целью более наглядного представления различия в получаемых данных для разных методов использована степень несоответствия в процентах Все соты, которые системой нечеткого вывода определены как соседние, приняты за 100% Далее в ходе сравнения с результатами измерительных комплексов Agilent technologes и Modul Monitor необходимо вычислить количество сот, которые были определены как соседние выше обозначенными комплексами, но не вошли в список соседних сот, предложенных системой нечеткого вывода В качестве величины сравнения двух различных методов оптимизации предлагается использовать величину степени несоответствия

delta

степень несоотвествия =- 100%,

Njuzzy

где Nfuuy - количество сот, которые были определены как соседние

для исследуемой в данный момент соты при помощи системы нечеткого вывода, delta - количество сот, которые были выбраны как соседние при помощи других комплексов, но не определены как соседние при помощи системы нечеткого вывода. Если А - множество секторов, определенные системой нечеткого вывода как соседние, а В - множество секторов, определенные как соседние одним из традиционных методов оптимизации, то delta = В-(Аг\В)

Иными словами, степень несоответствия двух методов оптимизации процедуры эстафетных передач есть отношение количества ошибочно определенных соседних сот для сравниваемого метода к общему количеству соседних сот, определенных для текущей соты

Стьлвнь насойгаестннп е ' ■

Рис. 5. Оценка эффективности прописки эстафетной передачи между перпым сектором ЕС 1 и первым сектором ЕС 3

Степень несоответствия для данных, полученных при помощи системы нечеткого вывода и при помощи измерительных комплексов, составляет не более ¡4 % (рис, 5), что означает несоответствие для двух методов не более чем в две соты. Причем необходимо отмстить, что несоответствие проявляется для сот, находящихся в конце списка, т. е. имеющих самый низкий уровень привлекательности из 16 отобранных. Таким образом, можно говорить о схожих полученных результатах исследуемых методов оптимизации, существенно меньших временных затратах и затратах вычислительных ресурсов при использовании системы нечеткого вывода.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В работе получены теоретически и экспериментально обоснованные технические решения задачи оптимизации прописки эстафетных передач и помехозащищенности ог интерференционных помех с минимальными временными и вычислительными ресурсами.

В ходе теоретических и экспериментальных исследований, выполненных в диссертационной работе, получены следующие научные и практические результаты.

1. Определен список параметров GSM сети, оказывающих наибольшее влияние на процесс эстафетной передачи. С учетом данных

параметров построена математическая модель процедуры эстафетной передачи в GSM сетях

2 Предложен критерий оценки эффективности работы процедуры эстафетной передачи в GSM сети

3 Разработан алгоритм определения эффективности эстафетной передачи между соседними сотами

4 В ходе решения задачи предварительной обработки данных построена нейронная сеть, способная осуществлять кластеризацию размещения БС на местности, что позволило, применяя простейшие функции принадлежности, использовать значения расстояний между кластерами при построении системы нечеткого вывода

5 Построена система нечеткого вывода, дающая возможность оценить потенциальную привлекательность эстафетной передачи между сотами При этом временные и вычислительные затраты для получения результата существенно меньше, чем у существующих измерительных комплексов

6 Разработан программный модуль, который позволяет на базе построенного программного комплекса производить оценку помехозащищенности сети от интерференционных помех и определять места возникновения помех данного вида

7 Анализ результатов, полученных при помощи спроектированного программного комплекса, выявил высокую степень соответствия с данными, получаемыми при применении традиционных методов оптимизации GSM сети, однако при существенно большей гибкости и снижении временных затрат разработанный метод является более предпочтительным

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ Публикации в изданиях, рекомендованных ВАК

1 Фролов ДА Анализ оптимальности прописок эстафетных передач в GSM сетях при помощи нечеткой экспертной системы/ Д А Фролов, С А Федосин // Системы управления и информационные технологии -2007г -N1,(27) -С. 70-73

2 Фролов Д А Применение системы нечеткого вывода по Мамдани с целью решения задачи прописки эстафетных передач в GSM сетях /ДА Фролов, С А Федосин // Инфокоммуникационные технологии , - 2007 г - N1. - С 69-72

Публикации в других изданиях

3 Фролов Д А Применение мягких вычислений при извлечении знаний из массивов данных // Наука и образование - 2006 -С 161-165

4 Фролов Д А Методы и средства извлечения знаний из хранилища данных/ Д А Фролов, С А Федосин // Материалы Всерос науч -метод конф Открытое образование и информационные технологии, - Пенза, 2005 - С 351-353

5 Фролов Д А Управление архивами проектов при помощи мягких вычислений/ Д. А Фролов, С А Федосин // Новые образовательные технологии в вузе сб тез докл - Екатеринбург, 2005 — С 77-79

6 Фролов Д. А Первичная обработка данных, полученных в результате мониторинга GSM сети, для использования в KDD системах // Интеллектуальные технологии в образовании экономике и управлении - 2005, сб ст II Междунар. конф. - Воронеж, 2005 -С 391-394

7 Фролов Д А Интеллектуальная обработка данных при оптимизации GSM сети/ Д А Фролов, С А Федосин // Динамика нелинейных дискретных электротехнических и электронных систем . Материалы VI Всерос Науч-техн конф - Чебоксары, 2005 - С 119— 120

8 Фролов Д А Использование методики KDD в процессе оптимизации GSM сетей/ Д А Фролов, С А Федосин // Проблемы информатики в образовании, управлении, экономике и технике сб ст IV Всерос науч-техн конф -Пенза, 2004 - С 175-178

9 Фролов Д А Применение нейронных сетей в ходе автоматического исследования данных, скрытых структур или зависимостей/ Д А Фролов, С А Федосин // Управление и информационные технологии материалы Всерос науч конф - Санкт-Петербург, 2003 -Т 2 - С 77-79

Подписано в печать 25 05 07 Объем 1,25 п л Тираж 100 экз Заказ № 1003

Типография Издательства Мордовского университета 430000, г Саранск, ул Советская, 24

Содержание.

Список иллюстраций.

Список таблиц.

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ:.

ВВЕДЕНИЕ.

1. СЕТЬ GSM КАК ОБЪЕКТ ИССЛЕДОВАНИЯ.

1.1 Структура GSM сети.

1.2. Аспекты радиосвязи.

1.3. Основные аспекты оптимизации GSM сети.

1.4. Основные принципы прописки эстафетных передач между сотами.

1.5. Эффективность работы механизма эстафетной передачи в GSM сетях.

1.6. Критерии выбора математической модели для решения задачи оптимизации.

1.7. Построение математической модели в условиях неполноты и неточности исходных данных.

1.8. Оценка уровня привлекательности эстафетной передачи для каждой соты.

1.9. Выводы по главе 1.

2. ПРЕПРОЦЕССИНГ ДАННЫХ.

2.1. Предварительная обработка данных применительно к задаче оптимизации процесса эстафетных передач в вбм сети при помощи нечеткой экспертной системы.

2.2. Получение исходных данных для переменной «Азимут излучения»

2.3 Применения предварительной обработки для переменной «Расстояние между секторами».

2.4. Анализ эффективности методов кластерного анализа для распределения базовых станций согласно их размещению и условиям прохождения радио сигнала на местности.

2.5. Преимущества и недостатки нейронных сетей различных архитектур для задачи кластеризации.

2.6. Выводы по главе 2.

3. НЕЙРОСЕТЕВАЯ МОДЕЛЬ КЛАСТЕРИЗАЦИИ РАЗМЕЩЕНИЯ СОТ.

3.1. Топология размещения нейронов в сети.

3.2. Функция расстояния.

3.3. Выбор размера нейронной сети для задачи кластеризации.

3.4. Выводы по главе 3.

4. СИСТЕМА НЕЧЕТКОГО ВЫВОДА ДЛЯ АНАЛИЗА ПРИВЛЕКАТЕЛЬНОСТИ ПРОПИСКИ ЭСТАФЕТНОЙ ПЕРЕДАЧИ.

4.1. Операции над нечеткими множествами.

4.2. Нечеткие отношения и нечеткие выводы.

4.3. Функция принадлежности нечеткой переменной.

4.4. Особенности реализации системы нечеткого логического вывода. 102 4.5 Фаззификация входных переменных.

4.6. Построение нечеткой базы знаний.

4.7. Интерпретация результатов работы системы нечеткого вывода.

4.8 Практическое применение результатов работы нечеткой экспертной системы.

4.9. Сравнение результатов полученных при работе экспертной системы с экспериментальными данными.

4.10. Структура и интерфейс программного комплекса.

4.11. Выводы по главе 4.

Актуальность работы и состояние вопроса. За последние годы мобильные технологии развивались с удивительной скоростью. Как наиболее широко используемая система, GSM сеть становилась все больше и больше. В начальный период операторы мобильной связи в основном фокусировались на планировании сети и оптимизация не имела столь важное значение. Но теперь, вопрос о том, как эффективно использовать построенную сеть стоит не только перед оператором, но и производителем оборудования. Операторы желают полностью использовать потенциал своей сети, и тем самым попытаться сделать ее лучше, не привлекая дополнительных инвестиций.

Современный рост популярности мобильной связи обусловлен внедрением новых услуг для абонентов, увеличением зоны покрытия, улучшением качества основного спектра предоставляемых услуг, а также доступностью самой мобильной связи для населения. По данным еженедельника «Russian Connections», количество мобильных абонентов в России на первый квартал 2006 года составило 85,6 миллиона, в то время как количество мобильных абонентов в мире по данным ассоциации GSM, превысило 2,3 миллиарда. Рост количества абонентов, спектра предоставляемых услуг, а также увеличение зоны уверенного обслуживания абонентов мобильных сетей заставляет операторов по новому взглянуть на проблему эффективной совместной работы различных структурных компонентов мобильных сетей [1,2]. В силу вышеперечисленных обстоятельств все более пристальное внимание уделяется оптимизации мобильных сетей, как залогу высокого качества предоставляемых услуг[3].

По данным информационно-аналитического агентства «Сотовик» за второй квартал 2006 г. абонентские базы сотовых операторов в РФ выросли на 8,2 млн. абонентов и достигли 140,3 млн. см. табл. 1. Поквартальный прирост абонентской базы представлен на рис. 1 Цифры в обозначении гистограммы

15 стоящие после буквой О показывают год проведения статистического исследования, а цифра до буквы 0 показывает номер квартала в этом году.

Таблица I Данные по приросту абонентской баты сотовых операторов РФ на второй кварта.'! 2006г

Кол-во абонентов на конец 2-го квартала 2006г. 140,3 млн.

Степень проникновения наконец 2-го квартала 2006г. 96,6%

Прирост абонентской базы в 2-ом квартале 2006г. + 8,2 млн.

Объем прироста в 2-го квартала 2006г. к объему прироста во 2-ом квартале 2005г. 0,679

Рост степени проникновения во 2-ом квартале 2006г. + 5,6%

Рисунок ! Поквартальная динамика прироста абонентских баз на рынке РФ По мере роста абонентской базы и размеров сети поддерживать оптимальные настройки сети сгановится все сложнее. Сегодня затраты операторов связи на оптимизацию и поддержание оптимальных настроек сети сопоставимы с затратами на поддержание оборудования в исправном техническом состоянии. Необходимо отметить, что под процессом оптимизации GSM сети понимается определение настроек отвечающих текущей конфигурации сети и приоритетам оператора при продвижении тех или иных услуг. Однако независимо от видов продвигаемых услуг процесс оптимизации всегда начинается с проверки корректности прописок эстафетных передач[5], поскольку именно эта процедура позволяет поддерживать непрерывность сеанса связи при перемещении абонента и делает сеть стандарта GSM по настоящему мобильной. Многие производители измерительного оборудования и программного обеспечения, в том числе такие известные как ACTIX, Agilent Technologies, Power Wave и Rodo Schwartz, предложили различные измерительные и программные комплексы позволяющие снизить затраты и повысить эффективность процесса оптимизации GSM сетей. Однако все они по большому счету отличаются количеством измеряемых и анализируемых параметров, а так же удобством интерфейса пользователя, но базируются на одних и тех же принципах. На первом этапе проводится как можно более плотный объезд, с измерением параметров работы сети, зоны обслуживания исследуемых базовых станций входящих в состав сети и фиксированием результатов измерения в базе данных. Этот этап является наиболее долгим и трудоемким. На втором этапе происходит обработка и систематизация полученных данных.

Несколько иной подход к построению программных продуктов призванных облегчить процесс оптимизации GSM сетей мы можем видеть со стороны израильской компания «Schema», которая на основе генетических алгоритмов [16] разработала программный продукт Channeling для оптимизации работы сотовой сети путем построения оптимального частотно-территориального плана.

Все вышеназванные измерительные и программные комплексы, базирующиеся на традиционном подходе позволяют существенно повысить качество оптимизации сети, но не делают этот процесс менее трудоемким. Кроме того, применение подобных комплексов предъявляет очень высокие требования к квалификации инженерного состава, как в плане знания параметров работы GSM сети[3, 4, 5], так и в плане навыков обращения с измерительным комплексом. Очень часто перед использованием того или иного программно аппаратного комплекса требуется пройти часто очень недешевое обучение в специализированном центре. В больших сетях процесс оптимизации является настолько трудоемким, что заставляет операторов сотовой связи содержать целые отделы, которые занимаются исключительно задачами оптимизации.

Необходимо так же отметить, что процесс оптимизации GSM сети является достаточно многогранным и, несмотря на то, что оптимизации подвергаются параметры сети довольно тесно взаимосвязанные между собой, задачу оптимизации каждого из параметров можно считать отдельной подзадачей процесса оптимизации. К наиболее значимым подзадачам процесса оптимизации можно отнести: прописку эстафетных передач между сотами и помехозащищенность сети. Таким образом, задачу быстрого и качественного анализа любой из перечисленных подзадач, а так же выработку рекомендаций по улучшению параметров работы сети можно считать нерешенной. С учетом постоянного роста зоны обслуживания сетей подвижной связи и увеличением количества используемого оборудования задача снижения ресурсоемкое™ процесса оптимизации будет стоять все более остро.

Цели и задачи исследования. Целью диссертационной работы является разработка принципиально новых методов оптимизации GSM сетей в рамках подзадачи прописки эстафетных передач между сотами позволяющих быстро и с применением минимума вычислительных ресурсов получать оценку эффективности работы и способы улучшения качества работы сети. Для достижения дайной цели в работе поставлены следующие задачи:

1. Определение параметров GSM сети оказывающих наибольшее влияние на выбор той или иной соты как кандидата для проведения эстафетной передачи.

2. Разделение задачи прописки эстафетных передач на подзадачи, определение уровня сложности и детерминированности каждой подзадачи выбор соответствующего математического аппарата для решения каждой подзадачи.

3. Построение математической модели определения той или иной соты как кандидата для проведения эстафетной передачи с учетом параметров GSM сети оказывающих наибольшее влияние на процесс эстафетной передачи.

4. Кластеризация размещения сот с учетом топологии GSM сети с целью снижения временных и вычислительных ресурсов при решении задачи оптимального выбора сот для проведения эстафетной передачи.

5. Определение критерия эффективности работы GSM сети с точки зрения прописки эстафетных передач.

6. Построение экспертной системы позволяющей оценить привлекательность каждой соты с точки зрения перевода обслуживания при помощи процедуры эстафетной передачи.

7. Применение нечеткой экспертной системы для смежных задач оптимизации GSM сети, таких как оценка степени защищенности сети от интерференционных помех.

Методы исследования. В работе использованы теория вероятности, процедура кластеризации, нейросетевые алгоритмы, теория нечетких множеств, а также экспериментальные исследования на реальных объектах.

Научная новизна диссертационной работы состоит в следующем:

1. Предложен критерий оценки эффективности прописки эстафетной передачи в GSM сети.

2. Построена математическая модель, реализующая процедуру эстафетной передачи в GSM сети с учетом параметров оказывающих наибольшее влияние на процесс эстафетной передачи.

3. Предложен вариант кластеризации размещения сот сети GSM при помощи нейронной сети на базе карты Кохонена с использованием расстояния связи в качестве меры удаленности БС друг при проведении предварительной обработки данных.

4. Предложен алгоритм поиска соседних сот позволяющий сделать работу процедуры эстафетной передачи максимально эффективной.

5. Разработана система нечеткого вывода, позволяющая оценить потенциальную привлекательность прописки эстафетной передачи на основании данных о размещении БС и их азимутах излучения.

6. Разработан модуль, позволяющий на базе построенного программного комплекса оценивать защищенность сети от интерференционных помех и в случае невысокой помехозащищенности указать потенциально опасные участки сети.

Практическая ценность. В результате проведенных в работе исследований был создан программный комплекс, позволяющий в кратчайшие сроки при использовании минимальных вычислительных ресурсов осуществлять анализ эффективности работы GSM сети с точки зрения работы процедуры эстафетной передачи и анализ помехозащищенности от интерференционных помех GSM сети любой конфигурации.

Внедрение результатов работы. Сравнение результатов полученных при помощи спроектированного программного комплекса и результатов мониторинга сети измерительным комплексом Agilent Technologies подтвердило небольшие отклонения по сравнению с экспериментально полученными данными и адекватность получаемых результатов при существенно меньших временных и вычислительных затратах. В настоящее время разработанный программный комплекс используется в сети сотового оператора «СМАРТС».

Основные положения, выносимые на защиту:

1. Предложенный критерий оценки эффективности работы процедуры эстафетной передачи в GSM сети.

2. Математическая модель, реализующая процедуру эстафетной передачи в GSM сети.

3. Процедура предварительной обработки данных с применением кластеризации размещения БС при помощи нейронной сети на базе карты Кохонена и подбор оптимальных параметров используемой нейронной сети.

4. Алгоритм определения привлекательности соты с точки зрения прописки эстафетной передачи.

5. Система нечеткого вывода, позволяющая при помощи продукционных правил оценить взаимную привлекательность эстафетной передачи между любыми сотами в составе GSM сети. В дальнейшем такая оценка позволяет для каждой соты в сети составить список из 16 соседних сот для оптимальной работы процедуры эстафетных передач и тем самым решить одну из подзадач оптимизации GSM сети.

6. Способ оценки помехозащищенности сети от интерференционных помех, базирующийся на результатах работы системы нечеткого вывода.

Апробация работы.

Участие в международных и общероссийских научно-технических конференциях: Всероссийской научной конференции "Управление и информационные технологии", УИТ-2003. Санкт-Петербург, ЛЭТИ, и VI Всероссийской научно-технической конференции «Динамика нелинейных дискретных электротехнических и электронных систем» г. Чебоксары. Выступление на семинарах Приволжского математического общества г. Саранск Мордовский государственный университет имени Н. П. Огарева.

Публикации. По теме диссертации опубликовано 9 печатных работ, из них 2 - в изданиях, рекомендованных ВАК РФ. Без соавторов опубликовано 2 работы.

Структура и краткое содержание диссертации. Диссертация содержит введение, список используемых сокращений, 4 главы, заключение и список использованных источников и приложение.

4.11. Выводы по главе 4

1. Применение нечеткой экспертной системы позволяет оценить уровни привлекательности возможных эстафетных передач без точного подсчета или измерения зон обслуживания каждой соты, что делает проектируемую систему боле гибкой и менее ресурсоемкой.

2. Процесс дефаззификации позволяет перейти от нечетких значений к конкретным числам и тем самым напрямую сравнить и отсортировать полученные значения потенциальной привлекательности для каждой соты.

3. Рассмотренный пример оптимизации прописок эстафетных передач проведенный на реальной GSM сети показывает, что результаты, полученные при помощи системы нечеткого вывода, полностью соответствуют выводам человека эксперта предметной области, который делает выводы на основе параметров технической системы по выбору соседних сот.

4. Предложенная система не является заменой или альтернативой традиционных измерительных комплексов, а является существенным дополнением и расширением их возможностей и области применения.

5. Помимо задачи определения соседних сот построенный программный комплекс способен производить анализ возможного возникновения интерференционных помех и определять соты в которых возможно наличие помех данного типа.

6. Для задачи исключения интерференционных помех в GSM сети более предпочтительным при проведении процедуры кластеризации размещения БС является использование функции эвклидова расстояния.

7. Сравнение результатов полученных с помощью системы нечеткого вывода с традиционными методами оптимизации прописок эстафетных передач позволяет говорить о высокой достоверности получаемого результата при существенно меньших временных затратах.

5. Заключение.

В заключении необходимо отметить, что процесс оптимизации сети GSM сети задача очень сложная и многогранная и, что оптимизация приписки эстафетных передач хоть и очень важная, но далеко не единственная задача в цепочке оптимизации работы сети. Современные аппаратно-программные комплексы обрабатывают огромные объемы данных, анализируя различные аспекты работы GSM сети. Однако их применение требует высокого уровня квалификации и больших трудозатрат. Предложенный вариант решения задачи оптимизации при помощи применения «мягких» вычислений позволил продемонстрировать очевидные преимущества данного подхода для решения плохо формализуемых задач. Однако говорить о вытеснении традиционных измерительных комплексов программными продуктами на базе «мягких» вычислений пока преждевременно. Скорее можно говорить о совместном применении программных продуктов обоих типов. Так сравнивая предложенные процедуры оптимизации прописки хендоверов с тем, что предлагают ведущие фирмы, такие как HP и Agilent Technology можно сказать, что последние могут производить анализ сети всех параметров сети и качество полученных результатов определяется в основном методикой проведения измерений. Что касается анализа с применением системы нечеткого вывода, то она позволяет иметь приблизительный результат, однако этот результат доступен еще до включения всех БС на излучение и не требует проведения трудозатратных и кропотливых измерений, которые к тому же при любых изменениях на сети требуется проводить вновь. Таким образом, предложенный программный продукт не конкурирует с традиционными измерительными комплексами, а скорее дополняет их. Перед введением в эксплуатацию нового оборудования или изменением настроек существующего необходимо получить желаемые настройки сети для новой конфигурации. Это можно сделать на основе предложенных алгоритмов, на базе «мягких» вычислений. В дальнейшем полученные оптимальные настройки могут быть подтверждены или

144 скорректированы при работе с измерительным комплексом. При помощи моделирования можно не только оценить качество работы тех или иных параметров работы сети, но и ответить на вопросы какие параметры GSM сети необходимо будет скорректировать, если топология сети тем или иным образом, что не достижимо для методов анализа на основе проведения измерений.

В данной работе применение «мягких» вычислений для задачи оптимизации прописки эстафетных передач выбрано с целью решения трудноформализуемых задач, где решение традиционными методами либо недоступно, либо очень дорого. С помощью технологии «мягких вычислений» можно решать и другие задачи оптимизации GSM сети. Наибольших результатов можно достичь там, где порой важнее знать качественную характеристику того или иного параметра, чем его количественную составляющую. Возьмем, например, счетчик в BSS подсистеме CallDrop, который характеризует количество разрывов соединения без инициативы со стороны абонента. Этот счетчик в делится на несколько подсчетчиков, которые в свою очередь разделены по причинам обрыва: неудавшийся хендовер, ошибка транскодера, повышенный коэффициент ошибок и т.д. Однако увеличение значение счетчика CallDrop не всегда означает ухудшение качества работы сети и может быть вызвано увеличением нагрузки на соту, при этом процентное соотношение обрывов к нормально завершенным соединениям может даже уменьшится т. е. несмотря на увеличение обрывов показатель качества обслуживания может даже улучшится. В приведенном примере количественная характеристика мало информативна. Качественная характеристика могла быть намного полезнее. В подобной ситуации система нечеткого вывода аналогичная той, что описана в данной работе подошла бы как нельзя лучше. Использовав в качестве входных переменных не только количество разъединений, но и нагрузку можно получить некий качественный показатель, который был бы намного более информативен. Лингвистические переменные количества разъединений в сети «низкий», «нормальный», «высокий» могут полностью охарактеризовать качественную характеристику параметра. В дальнейшем при анализе причин высокого уровня разъединений можно использовать количественную составляющую.

Совместное применение «мягких» вычислений - нейронных сетей, нечеткой логики, генетических алгоритмов и традиционных механизмов обработки данных имеют большой потенциал не только в GSM. Любая трудно формализуемая задача, в которой определяющее значение играет качественная характеристика может быть решена с меньшими затратами и интуитивно более понятно при помощи механизма «мягких» вычислений, а в том случае где действительно необходима точная количественная характеристика более оправдано применение традиционных методов обработки данных.

1. GSM 01.04: "Digital cellular telecommunications system (Phase 2+); Abbreviations and acronyms".

2. GSM 04.01 : "Digital cellular telecommunications system (Phase 2+); Mobile Station Base Station System (MS - BSS) interface; General aspects and principles".

3. GSM 04.05: "Digital cellular telecommunications system (Phase 2+); Data Link (DL) layer; General aspects".

4. GSM 04.07: "Digital cellular telecommunications system (Phase 2+); Mobile radio interface signalling layer 3; General aspects".

5. GSM 04.08: "Digital cellular telecommunications system (Phase 2+); Mobile radio interface layer 3 specification".

6. GSM 04.13: "Digital cellular telecommunications system (Phase 2+); Performance requirements on mobile radio interface".

7. GSM 05.01: "Digital cellular telecommunications system (Phase 2+); Physical layer on the radio path; General description".

8. GSM 05.02: "Digital cellular telecommunications system (Phase 2+); Multiplexing and multiple access on the radio path".

9. GSM 05.04: "Digital cellular telecommunications system (Phase 2+); Modulation".

10. GSM 05.05: "Digital cellular telecommunications system (Phase 2+); Radio transmission and reception".

11. GSM 05.08: "Digital cellular telecommunications system (Phase 2+); Radio subsystem link control".

12. GSM 05.90: "Digital cellular telecommunications system (Phase 2+); GSM Electro Magnetic Compatibility (EMC) considerations".

13. GSM 09.03: "Digital cellular telecommunications system (Phase 2+); Signalling requirements on interworking between the Integrated Services Digital

14. Network (ISDN) or Public Switched Telephone Network (PSTN) and the Public Land Mobile Network (PLMN)".

15. CCITT Recommendation Q. 118: "Special release arrangements".

16. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

17. Ю.В. Фролов. Интеллектуальные системы и управленческие решения. М.: 2000.

18. Круглов В В., Дли М.И. Интеллектуальные информационные системы: компьютерная под держка систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002.

19. Леоленков A.B. Нечеткое моделирование в среде MATLAB и fîizzyTECH.-СПб., 2003.

20. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: Примеры использования.- Рига: Зинатне,-1990. -184 с

21. Кофман А. Введение в теорию нечетких множеств.-М. :Радио и связь,-1982.-432 с.

22. Нейронные сети. MATLAB 6 / Под общ. ред. к.т.н. В. Г. Потемкина. -М.:ДИАЛОТ-МИФИ, 2002,- 496 с.

23. Уоссерман Ф. Нейрокомпьютерная техника. М.: Мир, 1992.

24. Васильев В. И., Ильясов Б. Г. Интеллектуальные системы управления с использованием генетических алгоритмов: Учеб. пособие. Уфа: УГАТУ, 1999

25. Аверкин А. Н., Федосеева И, Н. Параметрические логики в нтеллектуальных системах управления. — М.: Вычислительный центр РАН, 2000.

26. Wasserman P. D. Advanced Methods in Neural Computing. New York: Van Nostrand Reinhold, 1993.

27. Chen S., Cowan C. F. N., Grant P. M. Orthogonal least squares learning algorithm for radial basis function networks// ШЕЕ Transactions on Neural Networks.

28. Статические и динамические экспертные системы. Учебное пособие. Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель, М.Д.Шапот. -М, Финансы и статистика, 1995.

29. Факторный, дискриминантный и кластерный анализ. М., Финансы и статистика, 1989, 215 С.

30. Лукович В.В. О моделировании пороговой характеристики нейрона при стохастическом кодировании входных и выходных сигналов. В сб.: Медицинская и научная информатика. Отв.ред. Н.М. Амосов. Киев, Институт кибернетики им. В.М.Глушкова, 1987, с. 10-15.

31. Baldwin I F., Pilsworth В. W. A model of Fuzzy Reasoning through Multivalued Logic and Set Theory //International J. Man-Mach. Studies.- 1979.-№ll.-p.351-380.

32. Аведьян Э. Д. Алгоритмы настройки многослойных нейронных сетей // Автоматика и телемеханика.— 1995.— №4.— С. 106-118.

33. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография.— Тюмень: ТГУ, 2000.—352 с.

34. Асаи К.и др.П рикладные нечеткие системы: Пер.с японского /Под ред.Т . Тэрано, К.А саи, М.С угэно.— М.: Мир, 1993.— 368 с.

35. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации.— М.: Наука, 1990.—160 с.

36. Белоусов А.И., Ткачев С.Б. Дискретная математика: Учеб. для вузов /Под ред.В. С.За рубина, А.П.К рищенко.— М.: Изд-во МГТУ им. Н.Э.Б аумана, 2000.— 744 с.(Се р.М атематика в техническом университете; Вып.Х1Х).

37. Блюмин С.Л. Нечеткая алгебра как сочетание числовой и булевой алгебр //Новые технологии в образовании: Труды III Междунар. электроннойнауч.к онф.— Воронеж: Воронежский государственный педагогический университет, 2000.— С.46-47.

38. Блюмин C.JL, Сараев П.В. Алгоритм Голуба-Перейры в обучении искусственных нейронных сетей // Нейроинформатика и ее приложения: Материалы VIII Всероссийского семинара.— Красноярск: ИПЦ КГТУ, 2000.—С. 18-19.

39. Блюмин С.Л., Шуйкова И.А. Модели и методы принятия решений в условиях неопределенности.— Липецк: ЛЭГИ, 2000.— 139 с.

40. Борисов А.Н., Вилюмс Э.Р., Сукур Л.Я. Диалоговые системы принятия решений на базе мини-ЭВМ: Информационное, математическое и программное обеспечение.— Рига: Зинатне, 1986.— 195 с.

41. Глова В.И., Аникин И.В., Аджели М.А. Мягкие вычисления (soft computing) и их приложения: Учебное пособие /Под ред. В.И. Глова. — Казань: Изд-во Казан.гос.техн.ун-та, 2000. — 98 с.

42. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере.— Новосибирск: Наука.Сиб.и здат.ф ирма РАН, 1996.—276 с.

43. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений: Пер.с англ.// Математика сегодня: Сборник статей.— М.: Знание.— 1974.

44. Ириков В.А., Тренев В.Н. Распределенные системы принятия решений. Теория и приложения.— М.: Наука. Физматлит, 1999.— 288 с.

45. Кофман А.Хил Алуха X. Введение теории нечетких множеств в управлении предприятиями: Пер.с исп.— Минск: Высш.шк., 1992.— 224 с.

46. Круглое В.В. Искусственные нейронные сети. Теория и практика. /В.В. Круглое, В.В. Борисов. — М.: Горячая линия — Телеком, 2001.— 382 с.

47. Круглое В.В. Нечеткая логика и искусственные нейронные сети /В.В. Круглое, М.И. Дли, Р.Ю. Годунов — М.: Физматлит, 2001. — 224 с.

48. Кудинов Ю.И., Венков А.Г., Келина А.Ю. Моделирование технологических и экологических процессов.— Липецк: ЛЭГИ, 2001.— 131 с.

49. Ларичев О И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах: Учебник.— М.: Логос, 2000.— 296 с.

50. Мелихов А.Н., Баронец В.Д. Проектирование микропроцессорных средств обработки нечеткой информации.— Ростов н/Д.: Изд.Ростовского ун., 1990. —128 с.

51. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. —М.: Наука, Гл.ред. физ.мат. лит., 1990. —272 с.

52. Методы нейроинформатики / Под.ре д.А. Н.Г орбаня; Отв.за выпуск Доррер М.Г. — Красноярск: КГТУ, 1998. — 205 с.

53. Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и др.— Новосибирск: Наука.Сиб ирское предприятие РАН, 1998.— 296 с.

54. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. — М.: Наука, 1986. — 311 с.

55. Общая алгебра. Т.1/ О.В. Мельников, В.Н. Ремесленников, В. А. Романьков и др.; Под общ.ред. Л.А. Скорнякова. — М.: Наука. Гл.ред. физ.мат. лит., 1990. —592 с.

56. Орлов А.И. // Анализ нечисловых данных в системных исследованиях: Сборник трудов,— Вып. 10.— М.: ВНИИСИ, 1982.—С.4-12.

57. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации.— М.: Наука.— 1981.— 194 с.

58. Пивкин В.Я., Бакулин Е.П., Кореньков Д.И. Нечеткие множества в системах управления / Под ред.Ю. Н.Зо лотухина. http://eportal.da.ru/fuzzv/content.html.

59. Саати Т. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1993,— 320 с.

60. Сараев П.В. Использование псевдообращения в задачах обучения искусственных нейронных сетей //Исследовано в России: Эл.жу р.— 2001.— 29,— С.308-317. http://zhurnal.ape.relarn.ru/articles/2001/029.pdf

61. Фролов Д.А. Анализ оптимальности прописок эстафетных передач в GSM сетях при помощи нечеткой экспертной системы/ Фролов Д.А., Федосин С.А.// Системы управления и информационные технологии. -Воронеж, 2007, N1(27). С. 70-73.

62. Фролов Д. А. Применение системы нечеткого вывода по Мамдани с целью решения задачи прописки эстафетных передач в GSM сетях/ Фролов Д.А., Федосин С.А.// Инфокоммуникационные технологии. Самара, 2007г. N1. С. 69-72.

63. Фролов Д. А. Применение мягких вычислений при извлечении знаний из массивов данных// Наука и образование 2006. - Мурманск, 2006. - С. 161-165.

64. Фролов Д. А. Управление архивами проектов при помощи мягких вычислений/ Фролов Д.А., Федосин С.А.// Новые образовательные технологии в вузе: сборник тезисов докладов. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2005. - С. 77-79.

65. Черпаков И.В., Шуйкова И.А. Логические операции нечеткой алгебры как расширения булевых операций //Новые технологии в образовании: Труды III Междунар. электронной науч. конф.— Воронеж: Воронежский государственный педагогический университет, 2000.—С.63.

66. Ежов А., Шумский С. Нейрокомпьютинг и его применение в экономике и бизнесе, 1998 г. http://canopus.lpi.msk.su/neurolab/papers/nnbusapp/index.html.

67. Трахтенгерц Э. А. Компьютерная под держка принятия решений: Научно-практическое издание.Се р.Ин форматизация России на пороге XXI века.—М: СИНТЕГ, 1998.—376 с.

68. Цыгичко В Н. Руководителю — о принятии решений. — М. : ИНФРА М, 1996.—272 с.

69. Шапиро Д.И. Принятие решений в системах организационного управления.И спользование расплывчатых категорий.— М.: Энергоатомзидат, 1983.— 185 с.

70. Боровков A.A. Теория вероятностей. М.: Наука, 1976. 352 с.

71. Гнеденко Б.В. Курс теории вероятностей. М.: Наука, 1969 400 с.

72. Горбань А.Н. Обучение нейронных сетей. -М.: СП "Параграф", 1990. 159 с.

73. Нейроинформатика и ее приложения // Материалы 3 Всероссийского семинара, 6-8 октября 1995 г. Ч. 1 /Под редакцией А.Н.Горбаня. Отв. за выпуск Цибульский Г.М. Красноярск: изд. КГТУ. 1995. - 229 с.

74. Азарова А.О., Юхимчук С.В. Математическая модель финансового риска на базе нечеткой логики // Управляющие системы и машины,- 1998.-№6.-С. 9-15.

75. Алексаков Г.Н., Гаврилин В.В., Федоров В.А. Структурные модели динамических процессов,- М.:МИФИ.- 1989.- 62 с.

76. Архангельский В.И., Богаенко И.Н., Грабовский Г.Г., Рюмшин H.A. Системы фуцци-управления.-К.:Технка.- 1997.-208 с.

77. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях.

78. В кн.: Вопросы анализа и процедуры принятия решений. -М.: Мир.- 1976. -С. 172-215.

79. Бутенин Н. В., Неймарк Ю. И., Фуфаев Н. А. Введение в теорию нелинейных колебаний.- М.:Наука.-1987.-384 с.

80. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Харьков:Основа.- 1997.-212 с.

81. Герасимов Б.М., Тарасов В.А., Токарев И.В. Человеко-машинные системы принятия решений с элементами искусственного интеллекта,- К.: Наукова думка.- 1993,- 180 с.

82. Глушков В.М. Введение в АСУ. -Киев:Тэхника.-1974.-320 с.

83. Головенкин В.П. Оценка качества дипломных проектов и работ. -К.:УМК ВО,- 1989.-27 с.

84. Джеффри Е. Хинтон. Как обучаются нейронные сети // В мире науки. -1992. -№11-12. -С. 103-110.

85. Дюбуа Д. Прад А. Теория возможностей. Приложения к представлению знаний в информатике.-М.:Радио и связь.- 1990.-288 с.

86. Ивахненко А.Г., Лапа В.Т. Предсказание случайных процессов.-Киев:Наукова думка.-1971.- 416 с.

87. Козак A.A., Кузнецов П.О., Ротштейн А.П. Анализ надежности информационно-измерительных систем на ранних этапах проектирования

88. Стандартизация и измерительная техника. Вып. 2 . - Красноярск.- 1976. -С. 128-131.

89. Мкртчян С.О. Нейроны и нейронные сети. М.:Энергия.-1989.-178 с.

90. Мокин Б.И., Трабко В.В. Динь Тхань Вьет. Математические модели и информационно измерительные системы для технической диагностики трансформаторных вводов.-Винница: ВГТУ, Универсум-Винница.- 1997.-130 с.

91. Накано Э. Введение в робототехнику. М.: Мир.- 1988. - 334 с.

92. Нейрокомпьютеры и интеллектуальные роботы / под ред. Н.М. Амосова. К.: Наукова думка,- 1991. - 272 с.

93. Нечеткие множества и теория возможностей: последние достижения. Под. ред. P.P. Ягера. М.:Сов. радио.-1986.-408 с.

94. Нечипоренко В.И. Структурный анализ систем (эффективность и надежность). М.: Сов. радио. - 1977. - 216 с.

95. Поляк Б.Т. Введение в оптимизацию. М.:Наука,- 1983. -384 с.

96. Поспелов Д.А. Большие системы. Ситуационное управление.-М.Знание.- 1975.-64 с.

97. Растригин Л.А. Этот случайный, случайный, случайный мир. -М.: Молодая гвардия,- 1974. 207 с.

98. Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: в 2-х кн.-М.:Мир,- 1986.-320 с.

99. Ротштейн А.П., Кательников Д.И. Идентификация нелинейных объектов нечёткими базами знаний //Кибернетика и системный анализ.-1998.-№5.-С.53-61.

100. Ротштейн А.П., Лойко Е.Е., Кательников Д.И. Прогнозирование количества заболеваний на основе экспертно-лингвистической информации //Кибернетика и системный анализ. -1999.-№2.- С. 178-185.

101. Ротштейн А.П. Медицинская диагностика на нечеткой логике. -Винница:Континент-Прим.- 1996. 132с.

102. Ротштейн А.П., Митюшкин Ю.И. Идентификация нелинейных зависимостей нейронными сетями // Проблемы бионики.- 1998.-№49.-С. 168-174.

103. Ротштейн А.П., Штовба С.Д. Нечеткая надежность алгоритмических процессов Винница: Континент-Прим.-1997,- 142 с.

104. Ротштейн А.П., Штовба С.Д. Прогнозирование надежности алгоритмических процессов при нечетких исходных данных // Кибернетика и системный анализ.- 1998.- № 4.- С.85-93.