CC BY
32
CONTROLLER RESEARCH TO TEST IGBT DRIVERS Y.O. Tarasov
This paper describes a technique for monitoring IGBT drivers using an automated stand. Key words: IGBT, driver, test procedure, collector, current, algorithm.
Tarasov Yaroslav Olegovich, magister, senior operator, era_1@mil.ru, Russia, Anapa, FGA U «MIT
«ERA»
УДК 621.396.969
DOI: 10.24412/2071-6168-2023-5-8-11
МОДЕЛИРОВАНИЕ СЕТЕЙ 5G ВНУТРИ ПОМЕЩЕНИЙ
М.И. Повещенко
Актуальность данной статьи обусловлена быстрым развитием сетей мобильной радиосвязи Колоссальный рост числа радиоустройств делает актуальной задачу эффективного использования радиоспектра и, как следствие, задачу построения систем управления РЧ, которые позволяют оптимально планировать сети радиосвязи. Сети 4G в настоящий момент не способны удовлетворить потребности современного общества. Сети 5G предназначены для их замены. В данной работе осуществлено моделирование распространения радиоволн частотного диапазона 5G, с целью установить характер их распространения внутри помещений.
Ключевые слова: 5G, мобильная связь, радиоспектр, 4G, моделирование.
Сотовая связь является наиболее распространенным на сегодняшний день типом мобильной связи. Она может обеспечить двухстороннее беспроводное соединение между подвижными станциями в том случае, если они передвигаются по территории покрытой сетью базовых станций.
Основные составляющие сотовой сети это мобильные станции (сотовые телефоны и т.д.) и базовые станции, которые, как правило, стационарны, и обычно размещаются на вышках и зданиях. Смысл в том, что если сотовый телефон включен, то он прослушивает эфир в поиске сигнала базовой станции. После этого он посылает свой уникальный идентификационный код и в дальнейшем постоянно поддерживает постоянный радиоконтакт с базовой станцией, периодически обмениваясь информационными пакетами.
В телекоммуникационных сетях 5G - это технологический стандарт пятого поколения для широкополосных сотовых сетей, которые компании сотовой связи начали развертывать по всему миру и который является приемником сетей 4G. Как и их предшественники, сети 5G - это сотовые сети, зона обслуживания которых разделена на небольшие географические зоны, называемые сотами. Все беспроводные 5G устройства в соте подключаются к интернету и телефонной сети с помощью радиоволн антенны базовой станции.
В настоящее время стандарт связи 4G LTE уже устарел и не может отвечать современным требованиям и, по сути, уменьшает скорость технологического развития. Основное преимущество сетей 5G в том, что они будут иметь большую пропускную способность, обеспечивая высокую скорость загрузки вплоть до 20 гигабит в секунду (рис.1).
В данной работе исследовалась сеть стандарта 5G с использованием ПО WINPROP.
При осуществлении планирования сети использовалась ненаправленная антенна смоделированная с помощью ПО FEKO.
Для исследования передающего сигнала от БС антенна располагалась на разных высотах: 0,8м, 1,5м, 2,5м. Была использована SRT модель для расчета потерь на пути.
Моделирование распространения радиоволн. В этом подразделе проводится сравнение характеристик смоделированной сети при использовании изотропной антенны и смоделированной антенны. Характеристики рассматривались при двух высотах наблюдения. Это высоты 0.8 м и 1.5 м. Такой выбор обусловлен тем, что, как правило, существуют несколько типов беспроводных устройств. Стационарные ЭВМ (ПК), относительно стационарные (ноутбуки), мобильные (смартфоны). Для комфортной работы на первых двух необходима ровная поверхность, чаще всего это стол, а средняя его высота варьируется от 70 до 90 см, а, скажем, смартфон в этом не нуждается, и по опыту оптимальная высота для него это 1.5 м. При переборе высот установки антенн осуществляется поиск оптимальной высоты размещения.
Пиковая скорость Скорость передачи
передачи данных данных пользователя
Плотность подключения
Задержка
(устройств/кв. км)
Рис. 1. Сравнение характеристик 40 и 50
Первым параметром, подлежащим исследованию, была область покрытия соты (рис.2, 5). Анализ проводился при различных высотах размещения антенны, и с различными антеннами. Согласно результатам анализа, область покрытия соты зависит от вышеперечисленных параметров следующим образом: чем больший коэффициент усиления антенны, тем сильнее увеличивается площадь, на которой обеспечивается покрытие, но с увеличением высоты размещения антенны наблюдается обратный результат, площадь покрытия падает. Можно предположить, что это связано с тем, что для различных сред наибольшее влияние имеют различных физические механизмы, как это уже говорилось в главе №1. Здесь стоит обратиться к работе, в которой осуществлялось моделирование распространения радиоволн в условиях городской застройки [12]. Одним из выводов было установление зависимости между изменением высоты установки антенны и площадью покрытия - с ростом высоты увеличивалась и площадь соты. Однако, для данного случая это недействительно. Разница в том, что в условиях городской застройки большое значение имеет рассеяние радиоволн в пространстве, а здание, помещение, по сути, представляет собой большой волновод, т.е. распространение здесь практически всегда многолучевое, множество переотражений сигнала, в результате и получается данная зависимость.
Второй анализируемый параметр - это потери на трассе (рис.3, 6).
Третий параметр - Задержка (рис. 4, 7).
Ненаправленная антенна, 0.8, 1.5 м, 2.5 м.
Рис.2 Область покрытия
ж
V,
ГУ
53Щ
3
III I I
Рис. 3 Потери
Рис. 4 Задержка
9
1,5 м
Рис. 5. Область покрытия
Рис. 6. Потери
Рис. 7. Задержка
Было осуществлено моделирование и исследование основных параметров сети с помощью специализированного программного пакета WinProp на примере ненаправленной антенны и антенной решетки микрополосковых антенн, смоделированной в FEKO.
Выполнено моделирование сети в закрытом помещении, конкретно на первом этаже крыла корпуса «Г» ЮФУ, по адресу город Таганрог переулок Некрасовский 44.
Параметры, которые были проанализированы, представлены размером соты, т.е. площадью покрытия, причем анализ показал, что размер соты зависит высоты размещения антенны.
Также было осуществлено исследование потерь на трассе. Этот параметр зависит от условий среды в которой производится моделирование, от материалов, которые использовались при постройке здания, от расстояния между базовой и мобильной станциями и рабочей частоты БС.
Исследование параметра - Задержка, исследование показало, что при применении направленных антенн в качестве антенн передатчика и приемника приходящие задержанные волны (которые испытывают многократные переотражения) «подавляются» основной волной (с минимальным количеством переотражений) и их действие ослабляется благодаря характеристикам диаграммы направленности антенны. Из-за этого часто разброс задержки становится сравнительно маленьким.
Список литературы
1. Петров Б.М. Электродинамика и распространение радиоволн
2. Рыжков А.Е., Сиверс М.А., Воробьев В.О. Стандарты и сети радиодоступа 4G.
3. В.Ю. Бабков, М.А. Вознюк, П.А. Михайлов. Сети мобильной связи. Частотно-территориальное планирование, 2007 - 213
4. Тихвинский В.О. Особенности построения и ЭМС-характеристики будущего оборудования сетей мобильной связи 5G.
5. Рекомендация МСЭ-R P.1411-9. Данные о распространении радиоволн и методы прогнозирования для планирования наружных систем радиосвязи малого радиуса действия и локальных радиосетей в диапазоне частот от 300 МГц до 100 ГГц
6. Wan Lei, Anthony C.K. Soong, Liu Jianghua Wu Yong, Brian Classon,Weimin Xiao,David Mazzarese,Zhao Yang, Tony Saboorian. 5G System Design.2020 - 393 p.
7. Krishna C. V., Rohit H. R., and Shanthi P. Design of Slotted Microstrip Patch Antenna for 5G Communications,2020-127 p.
8. Wei Xiang, Kan Zheng, Xuemin (Sherman) Shen. 5G Mobile Communications, 2017. 677 p.
9. Solmaz Niknam, Balasubramaniam Natarajan, and Reza Barazideh, Interference Analysis for Finite-Area 5G mmWave Networks Considering Blockage Effect
10. Wentian Mai, Hai-Lin Liu, Lei Chen, Jiongcheng Li, Henghui Xiao. Multi-Objective Evolutionary Algorithm For 4G Base Station Planning. // [Электронный ресурс] URL: https://hub.sfedu.ru/repository (дата обращения: 20.01.2023).
11. Умный город // [Электронный ресурс] URL: https://habr.com/ru/company/gsgroup/blog/386253 (дата обращения: 20.01.2023).
12. Облачные и граничные вычисления // [Электронный ресурс] URL: https://market.cnews.ru/articles/2019-2 oblachnye i granichnye vychisleniya (дата обращения: 20.01.2023).
13. 5G mMTC // [Электронный ресурс] URL: https://www.gigabyte.com/Solutions/Networking/mmtc (дата обращения: 20.01.2023).
14. Телекоммуникации. Учебные материалы и лекции // [Электронный ресурс] URL: https://siblec.ru/telekommunikatsii (дата обращения: 20.01.2023).
15. Технология Beamforming, // [Электронный ресурс] URL: https://help.keenetic.com/hc/ru/articles/F-Beamforming (дата обращения: 20.01.2023).
16. SDN и NFV: как это работает на сети оператора связи // [Электронный ресурс] URL: https://shalaginov.com/2015/12/27/sdn-^nfv (дата обращения: 20.01.2023).
Повещенко Марк Иванович, магистр, оператор, era_1@mil.ru, Россия, Анапа, ФГАУ «ВИТ
«ЭРА»
INDOOR SIMULATION OF 5G NETWORKS M.I. Poveshchenko
The relevance of this article is due to the rapid development of mobile radio networks. The enormous growth in the number of radio devices makes the effective use of the radio spectrum and, as a result, the task of building RF control systems that allow optimal planning of radio networks relevant. 4G networks are not currently able to meet the needs of modern society. 5G networks are meant to replace them. In this work, we simulated the propagation of radio waves in the 5G frequency range in order to establish the nature of their propagation indoors.
Key words: 5G, mobile communications, radio spectrum, 4G, modeling.
Poveshchenko Mark Ivanovich, magister, operator of MIT «ERA», era_1@mil.ru, Russia, Anapa, FGAU «MIT «ERA»
УДК 519.688
DOI: 10.24412/2071-6168-2023-5-11-15
МОДЕЛИ КВАНТОВЫХ ВЫЧИСЛЕНИЙ ДЛЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
Е.О. Кириченко, А.А. Курочка, А.О. Шаранов
Нейронные сети - это вычислительные модели, которые привели к прогрессу в области машинного обучения (Machine Learning) и приложений искусственного интеллекта (Artificial Inteligence). Параллельно в последние годы стали доступны первые маломасштабные квантовые вычислительные устройства, прокладывающие путь для развития новой парадигмы обработки информации. Здесь мы приводим обзор самых последних предложений, направленных на объединение этих продолжающихся революций, и в частности на реализацию ключевых функциональных возможностей искусственных нейронных сетей на квантовых архитектурах. Мы подчеркиваем захватывающие перспективы в этом контексте и обсуждаем потенциальную роль ближайшего квантового оборудования в поисках преимуществ квантового машинного обучения.
Ключевые слова: нейронные сети, квантовые компьютеры, искусственный интеллект, машинное обучение.
Искусственный интеллект (ИИ) в широком смысле относится к широкому набору алгоритмов, которые за последнее десятилетие продемонстрировали впечатляющие, а иногда и неожиданные успехи в анализе больших наборов данных [1]. Эти алгоритмы часто основаны на вычислительной модели, называемой нейронной сетью (НС), которая относится к семейству методов дифференциального программирования.
