CC BY
1МОДЕЛИРОВАНИЕ СЛОЖНЫХ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИХ СИСТЕМ
УДК 621.317 Б01:10.24412/2782-2141-2024-1-39-48
Имитационная модель мультиплексированного цифрового потока в приемопередающих трактах сетей подвижных средств многоканальной радиосвязи
Иванов В. А., Иванов И. В., Акимов Э. М., Егоров М. В.
Аннотация. Представлена имитационная модель цифрового потока, разработанная по блочно-модульной схеме с привлечением цепей Маркова. Динамика событий инициализируется по времени генерацией длительности участков локальной стационарности, на которых вероятность распределения двоичной случайной величины сохраняет постоянное значение. Новизна работы состоит в том, что для генерации цифрового потока согласованно используются аппарат марковских цепей, случайные значения начальных величин, заданных в определенных диапазонах, и авторский метод направленного перебора с учетом ограничений на диапазоны изменения вероятностей многомерных дискретных случайных величин. Практическая значимость работы заключается в возможности использования модели для настройки отечественного и зарубежного оборудования, расширяющего возможности подвижных сетей многоканальной радиосвязи.
Ключевые слова: датчик случайных чисел, имитационная модель, марковский процесс, мультиплексированный цифровой поток, цепь Маркова, участок локальной стационарности.
Введение
Системы подвижной радиосвязи развертываются для усиления и резервирования стационарных сетей связи при выходе их из строя, в районах чрезвычайных ситуаций, которые не оборудованы для связи, и для наращивания стационарной сети при ликвидации негативных ситуаций и последствий. Для этих целей используются средства радиорелейной, тропосферной и спутниковой связи. Пропускная способность и возможности по качеству обслуживанию абонентов подвижных сетей многоканальной радиосвязи (МКРС) значительно ниже, чем стационарной платформы телекоммуникаций. Поэтому данные средства используются в качестве сетей доступа к магистральной транспортной сети федерального значения. Для повышения пропускной способности МКРС существуют специальные устройства оптимизации трафика, сжатия данных и устранения информационной избыточности в передаваемых сообщениях. В статье предлагается имитационная модель цифрового потока, которая позволяет провести исследования существующих средств и технологий оптимизации трафика и других функций, широко применяемых в корпоративных сетях, по их адаптации и настройки для использования в подвижных сетях МКРС.
Функциональная схема имитационной модели, блоки и алгоритмы генерации цифрового потока
Для оператора, обслуживающего устройство акселерации трафика, мультиплексированный цифровой поток (МЦП) представляется как некоторая случайная двоичная последовательность. В работе [1] показано, что в общем случае для статистического мультиплексирования эта последовательность обладает, во-первых, локальной стационарностью для параметров случайного распределения двоичной дискретной величины (ДСВ), во-вторых, длительность участков стационарности меняется случайным образов в определенных пределах.
Цифровой поток можно представить последовательностью случайных величин, одна из которых, это длительность участка локальной стационарности, другие - характеристики
реализации случайного двоичного процесса. Для разработки модели использован математический аппарат многосвязных двоичных цепей Маркова. Моделирование характеристик потока, информация о которых на момент разработки не может быть получена в полном объеме, обеспечивается с помощью специальной процедуры, суть которой заключается в привлечении датчиков случайных чисел (ДСЧ), что позволяет при моделировании учесть неопределенность, обусловленную косвенным влиянием внешних факторов, сетевых настроек и аппаратных характеристик на МЦП. Распределения и границы интервала ДСВ обосновываются исходя из объективных требований, ограничений и условий постановки задачи для проведения вычислительных экспериментов с моделями.
Для моделирования динамики протекания и развития процесса может использоваться два варианта [2,3]. Первый - это инициализация событий с помощью глобальной переменной, в качестве которой выступает время с дискретным и постоянным шагом моделирования. Данный подход больше подходит для моделирования цифрового потока в синхронных схемах мультиплексирования. Второй вариант рассчитан на системы асинхронного мультиплексирования, при котором развитие процесса в МЦП инициализируется некоторым начальным событием. В работе используется комбинированный подход, рассчитанный на общий случай, в том числе системы статистического уплотнения абонентского трафика. Исходно мультиплексированный цифровой поток эмулируется датчиками случайных чисел, генерирующих случайную двоичную последовательность с равномерным законом распределения, которая преобразуется в последовательность разных по длительности участков локальной стационарности. Признаком локальной стационарности участка выступает сохранение закона и параметров распределения двоичных векторов, размерность которых определяет задаваемая в ходе модельного эксперимента значность и связность аппроксимирующей цепи Маркова.
Инициализация длительности участков локальной стационарности в отношении параметров распределения ДСВ носит дискретный характер осуществляется по правилу:
^ = + Мк , ке ( О, |Г/Д)
э
где t (t ) — модельное время для £-го и (к-1)-то состояний модели; д ^ - шаг изменения
к'^ к—1' к
модельного времени на для £-го участка локальной стационарности; Т — общее время моделирования.
Для внешнего наблюдателя длительность д ^ носит случайный характер. При каждой
к
инициализации д ^ формируется с помощью ДСЧ, работающего в интервале от Ттгп до к
Ттах. В сетях специальной связи, предназначенных для передачи разнородного трафика, максимальная длительность определяется допустимыми задержками для речевой и видео информации. Минимальная - длительностью пакета, размер которого зависит от настроек
сети и качества канала связи. Закон распределения случайной величины д ^ задается при
к
постановке модельного эксперимента в исходных данных. В условиях неопределенности и на начальных стадиях испытаний целесообразно использовать нормальный закон
распределения д ^ .
к
Заполнение участка локальной стационарности ДСВ осуществляется блоком формирования двоичных символов (двоичных векторов) по закону Марковского случайного процесса.
Имитационная модель МЦП, структурная схема которой представлена на рис. 1, выполнена в виде совокупности функционально взаимоувязанных модулей и блоков.
Модули на уровне «вход - выход» обеспечивают эргономику модели, ее управление при смене условий проведения модельного эксперимента и симуляцию МЦП. Блоки реализуют функции расчета вероятностей появления символов для односвязной или
многосвязной цепи Маркова, счетчиков, измерителей и алгоритмов преобразования матриц финальных и переходных вероятностей в последовательность дискретных ДСВ (1,0) с заданным распределением.
Г Модуль ввода исходныхданных
Физический уровен ь интерфейс мемеду носителеми, вид модуляции, кодирование, сжхронизация, хар-ки концентраторов, си"н-ция, управл-е и др.,
Канальный уровень взаимод-е сетей, нокгро/ь, ислравл. оиибок, угравление доступом, способ упаковки во фрейму...
""Сетевой уровень маршрутизация, коммутация, трансляции адресов и имен, сетевые заторы, проверка на целлосгностъ,..
Транспортный уровень контроль последовательности и механизм передачи данные размеры блоков, даншх и
порядок разделения на фрагменты тип гропжола,...
Правила останова
Пропускная способность (скорость ПД) Количесво абонентских каналов Вид передачи данных (речь, видно, текст...) Требования к задержкам Требование к качеству канала связи Требования к достоверности связи
цепь управления;
Условные обозначения инициализация событий; --
■ формирование и прохождение битового потока.
Рис. 1. Функциональная схема имитационной модели для генерации двоичного случайного потока с марковскими свойствами и распределением дискретной двоичной случайной величины на случайных по длительности участках локальной стационарности
Модуль ввода исходных данных обеспечивает оперативность и удобство ввода данных, распределенных по уровням эталонной модели взаимодействия открытых систем (ЭМВОС): физическом, канальном, сетевом, транспортным, сеансовым, представительском и прикладном.
Второй модуль имитирует цифровой поток с выхода мультиплексора в групповой тракт. Для симуляции используется математический аппарат цепей Маркова (ЦМ).
Множество значений для параметров марковского случайного процесса, определяющих вероятности появления в потоке ДСВ, воспроизводится с помощью методов статистического моделирования. Статистические свойства имитируемого марковского случайного процесса определяют значения для элементов матрицы переходных вероятностей и вектора начальных состояний. При проведении испытаний начальные значения параметров для них моделируются с помощью датчика случайных чисел, задаваемых в диапазоне (0,1) и определенным законом распределения.
Схема генерации Марковского двоичного случайного потока «-го порядка представлена на рис. 2.
Схема включает в себя генератор значений элементов матрицы переходных вероятностей, генератор вероятностей значений вектора начальных состояний, генератор начального состояния и генератор двоичного сложного Марковского процесса порядка п.
Рис. 2. Схема генерации и-связного двоичного марковского процесса
В работе алгоритм использует датчик случайных чисел (ДСЧ), выдающий значения в интервале (1,0) с равномерным законом распределения (РЗР). В результате получения на выходе датчика 2" значений и их последующей нормировки по условию равенства единице для суммы вероятностей несовместных событий производится формирование порогов отнесения случайной величины к области принятия решения, соответствующей одной из 2" возможных комбинаций бинарной последовательности из п символов.
В работе [1] предложен алгоритм генерации распределения вероятностей для вектора начальных состояний (РВНС) сложного марковского процесса, представленный на рис. 3.
Разработан авторский метод направленного перебора для моделирования марковского процесса с учетом ограничений на диапазоны изменения вероятностей многомерных ДСВ, определяемых значениями вероятностей ДСВ меньшей размерности [4]. Достоинством метода является снижение вычислительной сложности за счет отбраковки двоичных
последовательностей, для которых не выполняются требования к точности воспроизведения статистических свойств. Алгоритм, реализующий метод, представлен на рис. 4.
С
Начало
f Ввод( Р(0), у, ¿2,..., Lv, п )
-И---;-
i := 2 ... у
max pt 2к := min
Pi-\,k\Pi-\,
maxA.iM - min
minp^i :=l-maxp, 2
Pi,2k ■= Cl-cQ-min a ».+</■ max p,
P,
Pi,2k+1 "= Pi-\,k Pi, 2k
Д;
: Pi-\.2k Pi.lk
,2i+l+2'
: Pi-\,2k+\ Pi,2k+l
С
Конец
D
2
Ply.= P(0y,Pll:=l-P(0)
3
4
t := 2'~2
< 5
m
^ птоАЦ Li~ 1 5 n := n M.
)
Рис. 4. Алгоритм расчета значений вероятностей для ряда распределения многомерных двоичных векторов
Результатом работы алгоритма является множество значений вероятностей двоичных векторов длины V. Алгоритм позволяет задавать точность при описания статистических свойств ДСП посредством параметров, определяющих связность ЦМ и количество интервалов для значений вероятностей в группах векторов заданной длины.
Управление моделью и контроль параметров генерируемого МЦП обеспечивается с помощью блока управления и контроля. Управление позволяет оперативно изменять характеристики генерируемого процесса при смене стратегии проведение эксперимента, а контроль следить за их параметрами, что необходимо для сравнения потоков на выходе источника сообщения и на входе акселератора после его сжатия. Такая организация и сравнение обеспечивают проведение модельного эксперимента в нужном направлении, добиваясь оптимальной работы алгоритма сжатия цифрового потока.
Блок с правилами останова является обязательным атрибутом предлагаемой имитационной модели, при работе которой используются циклические вычисления и
повторяющиеся процедуры для симуляции цифрового потока. Наличие блока позволяет увязать свойства генерируемого случайного процесса с требованиями к связи и значениями исходных данных.
Доведение имитационной модели до состояние рабочего инструмента требует реализации ее алгоритмов в некоторой программной среде, в качестве которой целесообразно использовать языки программирования высокого уровня с процедурной или объектно-ориентированной организацией функций, развития свойств, вычислений и взаимодействия элементов модели.
Модуль обработки и представления результатов моделирования обеспечивает удобный интерфейс исследователя при постановке модельного эксперимента, оперативность при смене исходных данных и условий моделирования, предварительную обработку выходных данных, представление их в табличном и графическом формате для оценки и взаимодействие с внешним программами обработки экспериментальных данных.
При постановке и проведении эксперимента необходимо учитывать, что применение ДСЧ в модели предопределяет на ее выходе за один прогон некоторый единичный случайный результат, по которому судить в целом о случайном процессе весьма проблематично. Для определения надежности и точности оценки воспользуемся рекомендациями, изложенными в работах [5, 6].
Учитывая, что случайная величина оценивается как минимум тремя параметрами: максимальным, минимальным и средним ее значениями, то оценка требует наличия некоторого объема статистики, от которого зависит точность е и достоверность Q результата. Для подобных ситуаций в работе [5] получено соотношение, связывающее количество прогонов модели с параметрами (б, Q). При проведении исследований достаточно иметь оценку выходных параметров модели при в = 0,1 и Q = 0,95, которые обеспечиваются объемом статистики, включающим результаты не менее чем 96 модельных реализаций.
Построение схемы ДСЧ опирается на рекомендации, предложенные в работе [7]. В процессе испытаний ДСЧ проверен на периодичность повторения генерируемых случайных чисел, наличие корреляции между разрядами, равномерность и отличие параметров закона распределения от требуемых.
Доведение имитационной модели до состояния рабочего инструмента требует реализации ее алгоритмов в некоторой программной среде, в качестве которой целесообразно использовать языки программирования высокого уровня с процедурной или объектно-ориентированной организацией функций, наследованием свойств и взаимодействия элементов модели. Модульно-блочный принцип организации модели и процедурный подход к разработке ее основных операторов обеспечивают возможность ее реализации практически в любой программной среде. Вместе с тем, опыт авторов моделирования систем и процессов [8-11] и разработки программ для ЭВМ [12-14] сточки зрения возможностей интерфейса «пользователь - ЭВМ» и гибкости при переходе от аналитических выражений к логическим функциям и операторам позволяет считать наиболее удобными для создания программного образа разработанной модели три основные среды: «DELFI», «Java» и «С + +».
Детальная алгоритмизация модели как исходный этап в процессе разработки программы в некоторых случаях игнорировался, ввиду его нецелесообразности или невозможности представления алгоритма в блочно-знаковой форме.
Для диалогового режима работы пользователя с ЭВМ программа имеет ряд особенностей, основными из которых являются следующие:
- блок управления выполнен в виде группы переключателей, дополняющих раздел описания констант, что позволяет обеспечить быстрый выбор стратегии моделирования при постановке и проведении экспериментов;
- исходные данные сгруппированы по функциональному назначению и уровням ЭМВОС;
- переменные объединены в определенные группы, каждая из которых имеет свой идентификатор типа и соответствующий ему формат;
- итерационные процедуры дополнены счетчиками пошаговых реализаций с выводом информации на монитор, которые при зацикливании программы обеспечивают быстрый поиск причины конфликта на любом уровне (программном или исходных данных);
- вывод результатов в модели обеспечивается в двух форматах — табличном и графическом. С этой целью программа дополнена внутренним и имеет интерфейс с внешним модулям графики.
Проверка достоверности модели осуществлялась по трем направлениям: верификации (соответствия) разработанного алгоритма замыслу моделирования; адекватности модели оригиналу, чувствительности ее отклика к входным параметрам; точности, достоверности и устойчивости результатов моделирования. Анализ результатов, представленных в работах [2,3,6], показывает, что строго формализованных методов проверки математических моделей сложных систем в настоящее время не существует. Считается, что цель моделирования достигнута, если результаты экспериментов могут служить основанием для прогнозирования исследуемых явлений или принятия решений с заданной степенью точности. Для моделей подобного класса разрабатываются собственные процедуры проверки. В данном случае проверка осуществлялась путем постановки и проведения серии тестовых экспериментов на ЭВМ.
На программном уровне верификация модели обеспечена встроенным в программную среду компилятором и дополнительными процедурами, которые обеспечивают контроль синтаксических, семантических, логических и смысловых ошибок.
Для проверки математической схемы модели разработана специальная процедура, включающая в себя ряд неформальных приемов верификации. Основными из них являются: замена случайного воздействия на детерминированное; присвоение переменным формата констант; проведение контрольных прогонов модели при тестовых исходных данных, приводящих к получению априори известного результата; проведение испытаний при предельных значениях параметров модели с проверкой результатов на предмет уточнения начальных условий моделирования и границ применимости модели.
Адекватность модели достигнута обоснованным подбором ее параметров, согласованных с параметрами МЦП в трактах действующих линий связи и их калибровкой в процессе испытаний.
Проверка чувствительности реакции модели на изменение входных параметров произведена обычным порядком посредством варьирования одного параметра МЦП при фиксации остальных. Оценка точности и достоверности результатов моделирования обеспечена путем их сравнения при различных объемах статистической выборки. При этом экспериментальные данные соответствуют расчетным значениям. Открытая архитектура модели и блочный способ организации позволяют дополнять ее математическую схему новыми функциями.
Выводы
Представленная в работе модель позволяет имитировать мультиплексированный цифровой поток как последовательность двоичных векторов, отображающих многосвязную цепь Маркова. При этом параметры, определяющие связность цепи Маркова и количество интервалов для значений вероятностей в группах векторов заданной длины, задают точность отображения статистических свойств моделируемого ДСП. Базовой моделируемой единицей является бит информации. Переход в сторону реквизитов и характеристик битовой последовательности обеспечивается за счет манипулирования исходными данными, контроля и оценки параметров промежуточных результатов моделирования. Один прогон модели обеспечивает на ее выходе одну реализацию состояния моделируемого цифрового потока.
п
Модульно-блочный принцип организации модели и процедурный подход к разработке ее основных операторов обеспечивают реализацию модели практически в любой программной среде.
Проверка достоверности модели обеспечена по трем направлениям: верификации (соответствия) разработанных алгоритмов замыслу моделирования; адекватности моделируемого случайного процесса реальному цифровому потоку на выходе источника сообщений, чувствительности ее отклика к входным параметрам; точности, достоверности и устойчивости результатов моделирования.
Литература
1. Иванов В. А. Двоичные цепи Маркова и их приложения: монография / М.Ю. Конышев, В.А. Иванов, В .А. Глускин и др. - Москва: МИРЭА - РТУ, 2020. - 184 с.
2. Шеннон Р. Имитационное моделирование систем - искусство и наука. - Москва: Мир, 1988.-420 с.
3. Максимей И. В. Имитационное моделирование на ЭВМ. - Москва: Радио и связь, 1988. -232 с.
4. Иванов В. А. Метод направленного перебора рядов распределений в задачах моделирования марковских двоичных последовательностей / Д. JI Беляев., В. И. Близнюк, В. А. Иванов и др. // Промышленные АСУ и контроллеры. № 5. 2015. С. 47-51.
5. Советов Б. Я. Яковлев С. А. Моделирование систем. - Москва: Высшая школа, 1985. - 271с.
6. Бусленко Н. П. Моделирование сложных систем. - Москва: Наука, 1978. - 399 с.
7. Кнут Д. Искусство программирования для ЭВМ. Получисленные алгоритмы. Т. 2. - Москва: Мир, 1977. - 723 с.
8. Иванов В. А., Двилянский А. А., Радаев С. В. и др. Математическая модель стегосистемы, инвариантная к стандарту изображения // Промышленные АСУ и контроллеры. 2014. № 11. С. 21-27.
9. Иванов В. А., Двилянский А. А., Корнилов А. А. Модель маскирующей помехи на основе мод речевого сигнала // Промышленные АСУ и контроллеры. 2016. № 2. С. 47-52.
Ю.Иванов В. А., Двилянский А. А., Рытов М. Ю. Математическая модель состояния сетей и узлов связи в алгебраическом пространстве тензорного поля при их поражении электромагнитным импульсом // «Интеллектуальные системы в производстве. ISSN 1813 - 7911. Т. 21, № 2». - Ижевск: УИР «ИжГТУ», 2023. - С. 102-109.
11. Иванов В. А., Конышев М. Ю., Маркин А. В. Концептуальная модель источника сообщений на выходе мультиплексора для исследования свойств двоичного потока в процедурах сжатия данных. // Техника средств связи. 2022. № 1 (157). С. 61-68. DOI 10.24412/2782- 2141-2022-1-61-68.
12. Иванов В. А., Иванов И. В., Маркин А. В. и др. Симулятор цифрового потока двоичных векторов по закону Марковского случайного процесса «EMU Model Digit Flow» // Свидетельство о регистрации программы для ЭВМ. № 2023618907 от 02.05.2023.
13. Иванов В. А., Иванов И. В., Маркин А. В. и др. Идентификатор участков локальной стационарности в мультиплексированном цифровом потоке «EMUIdentLocStation» // Свидетельство о регистрации программы для ЭВМ. № 2023619446 от 11.05.2023.
14. Иванов В. А., Иванов И. В., Зотов Д. С. Имитационная модель скремблера и дескремблера // Свидетельство о регистрации программы для ЭВМ. № 2023685725 от 29.11.2023.
References
1. Konyshev М. Yu., Ivanov V A., Gluskin V. A. et al. Markov binary chains and their applications: monograph [Markov binary chains and their applications: monograph], Moscow. MIREA - RTU Publ., 2020. 184 p. (In Russian)
2. Shannon R. Simulation modeling of systems - art and science [Simulation modeling of systems -art and science]. Moscow. Mir Publ., 1988. 420 p. (In Russian)
3. Maksimey I. V. Computer simulation [Computer simulation], Moscow. Radio and Communications, 1988. 232 p. (In Russian)
4. Belyaev D. L., Bliznyuk V. I., Ivanov V. A. et al. Method of directional enumeration of distribution series in modeling problems of Markov binary sequences [Method of directional enumeration of
distribution series in modeling problems of Markov binary sequences]. Industrial automated control systems and controllers. 2015. No. 5. Pp. 47-51. (In Russian)
5. Sovetov B. Ya., Yakovlev S. A. Modeling of systems [Modeling of systems]. Moscow. Higher School. 1985.-271 p. (In Russian)
6. Buslenko N. P. Modeling of complex systems [Modeling of complex systems]. Moscow. Nauka Publ., 1978. 399 p. (In Russian)
7. Knut D. The art of computer programming. The calculated algorithms. Vol.2 [The art of computer programming. The calculated algorithms. Vol. 2]. Moscow. Mir Publ., 1977. 723 p. (In Russian)
8. Ivanov V. A., Dviliansky A. A., Radaev S. V. Mathematical model of a stegosystem invariant to the image standard [Mathematical model of a stegosystem invariant to the image standard]. Industrial automated control systems and controllers. 2014. № 11. P. 21-27. (In Russian)
9. Ivanov V.A., Dviliansky A. A., Kornilov A. A. Masking interference model based on speech signal modes [Masking interference model based on speech signal modes]. Industrial automated control systems and controllers. 2016. No. 2. Pp. 47-52. (In Russian)
10. Ivanov V. A., Dviliansky A. A., Rytov M. Yu. Mathematical model of the state of networks and communication nodes in the algebraic space of a tensor field when they are affected by electromagnetic radiation impulse [Mathematical model of the state of networks and communication nodes in the algebraic space of a tensor field when they are affected by electromagnetic radiation impulse]. "Intelligent systems in production". ISSN 1813-7911, vol. 21, No. 2". Izhevsk. UIR "IzhSTU, 2023. Pp. 102-109. (In Russian)
11. Ivanov V. A., Konyshev M. Y., Markin A. V. A conceptual model of a message source at the output of a multiplexer for studying the properties of a binary stream in data compression procedures. Means of Communication Equipment. 2022. No. 1 (157). Pp. 61-68. DOI 10.24412/2782-2141-2022-1-61-68. (in Russian).
12. Ivanov V. A., Ivanov I. V., Markin A. V. and others. Simulator of digital flow of binary vectors according to Markov's law of random process "EMUModelDigitFlow" [Simulator of digital flow of binary vectors according to Markov's law of random process "EMU_Model_Digit_Flow"]. Certificate of registration of the computer program. No. 2023618907, 05.02.2023. (In Russian)
13. Ivanov V. A., Ivanov I. V., Markin A. V. and others. Identifier of local stationarity sites in the multiplexed digital stream "EMUIdentLoc Station" [Identifier of local stationarity sites in the multiplexed digital stream "EMU_Ident_Loc_Station"]. Certificate of registration of the computer program. No. 2023619446, 05.11.2023. (In Russian)
14. Ivanov V. A., Ivanov I. V., Zotov S. D. and others Simulation model scrambler and descrambler [Simulation model scrambler and descrambler]. Certificate of registration of the computer program. No. 2023685725, 11.29.2023. (In Russian)
Статья поступила 12 марта 2024 г.
Информация об авторах
Иванов Владимир Алексеевич — доктор военных наук, профессор, главный специалист ФГУП «НТЦ «ОРИОН». Область научных интересов: проектирование сетей подвижных средств многоканальной радиосвязи. Тел.: +7 926 474 78 12, E-mail: iva.mac@mail.ru. Адрес: 127018, г. Москва, ул. Образцова, д. 38, стр.1.
Иванов Иван Владимирович — доктор технических наук, директор компании «Психодинамика». Область научных интересов: проектирование сетей подвижных средств многоканальной радиосвязи. Тел.: +7 926 474 78 12, E-mail: iva.mac@mail.ru. Адрес: 127018, г. Москва, ул. Образцова, д. 38, стр.1.
Акимов Эмиль Муратович — инженер ФГУП «НТЦ «ОРИОН». Область научных интересов: проектирование сетей подвижных средств многоканальной радиосвязи. Тел: +7 915 445 62 83, E-mail: iva.mac@mail.ru. Адрес: 127018, г. Москва, ул. Образцова, д. 38, стр.1.
Егоров Максим Викторович — аспирант. Область научных интересов: проектирование сетей подвижных средств многоканальной радиосвязи. Тел.: +8 926 544 14 76, E-mail: iva.mac@mail.ru. Адрес: 127018, г. Москва, ул. Образцова, д. 38, стр.1.
A simulation model of a multiplexed digital stream in the transceiver paths of mobile multichannel radio communication networks
V. A. Ivanov, I. V. Ivanov, E. M. Akimov, M. V. Egorov
Annotation: A simulation model of a digital stream developed according to a block-modular scheme involving Markov circuits is presented. The dynamics of events is initialized in time by generating the duration of local stationarity sections on which the probability of distribution of a binary random variable retains a constant value. The novelty of the work consists in the fact that to generate a digital stream, the Markov circuit apparatus, random values of initial quantities specified in certain ranges, and the author's method of directional enumeration, taking into account restrictions on the ranges of variation in the probabilities of multidimensional discrete random variables, are consistently used. The novelty lies: It consists in the fact that in order to generate a digital stream, the Markov circuit apparatus, random values of initial quantities specified in certain ranges, and the author's method of directional enumeration are used in a consistent manner, taking into account restrictions on the ranges of variation in the probabilities of multidimensional discrete random variables. The practical significance lies: it consists in the possibility of using the model to configure domestic andforeign equipment that expands the capabilities of mobile multichannel radio communication networks
Keywords: simulation model, multiplexed digital stream, Markov chain, local stationarity site, random number sensor, Markov process.
Information about Authors
Ivanov Vladimir Alekseevich — Doctor of Military Sciences, Professor, chief specialist of FSUE "STC "ORION". Research interests: designing networks of mobile means of multichannel radio communication. Tel.: +7 926 474 78 12, E-mail: iva.mac@mail.ru.
Ivanov Ivan Vladimirovich - Doctor of Technical Sciences, Director of the Psychodynamics company. Research interests: designing networks of mobile means of multichannel radio communication. Tel.: +7 926 474 78 12, E-mail: iva.mac@mail.ru.
Akimov Emil Muratovich, engineer of FSUE "STC "ORION". Research interests: designing networks of mobile means of multichannel radio communication. Tel.: +7 915 445 62 83, E-mail: iva.mac@mail.ru.
Egorov Maxim Viktorovich is a graduate student. Research interests: designing networks of mobile means of multichannel radio communication. Tel.: +8 926 544 14 76, E-mail: iva.mac@mail.ru Address: 127018, Moscow, Obraztsova str., 38, build. 1.
Для цитирования: Иванов В. А., Иванов И. В., Акимов Э. М., Егоров М. В. Имитационная модель мультиплексированного цифрового потока в приемопередающих трактах сетей подвижных средств многоканальной радиосвязи // Техника средств связи. 2024. № 1 (165). С. 39-48. DOI: 10.24412/2782-2141-2024-1-39-48.
For citation: Ivanov V. A., Ivanov I. V., Akimov E. M., Egorov M. V. A simulation model of a multiplexed digital stream in the transceiver paths of mobile multichannel radio communication networks. Means of Communication Equipment. 2024. No. 1 (165). Pp39-48. (in Russian). DOI: 10.24412/2782-2141 -2024-1-39-48.
