CC BY
5
Сравнение сетевых технологий 5G и 6G для использования терагерцовых частот
О. А. Турдиев, Ф. Д. Шукуров, Н. Ё. Гаффаров, А. Б. Тухтаходжаев Ташкентский государственный транспортный университет Ташкент, Узбекистан odiljan.turdiev@mail.ru, adham.s.dr@gmail.com
Аннотация. В связи с растущим спросом на высокоскоростное подключение к Интернету развитие технологий беспроводной связи идет быстрыми темпами. Приводится сравнение производительности сетей 5G и 6G для использования терагерцовых частот, кроме того предложена потенциальная модель будущей сети 6G.
Ключевые слова: сети, интернет, беспроводные связи, эффективность сети, терагерцовые частоты, скорость передачи данных.
Введение
Одной из технических проблем, связанных с внедрением сети 6G, является использование терагерцовых частот. Терагерцовые частоты имеют более короткие длины волн, чем те, которые используются в сетях 5G, что может вызвать затухание сигнала и проблемы с проникновением. Кроме того, сильное влияние на терагерцовые частоты оказывают атмосферные условия, которые также могут влиять на качество сигнала.
Для преодоления этих проблем можно использовать передовые антенные технологии, такие как массивная MIMO (множественный вход и несколько выходов) и формирование луча, чтобы улучшить качество сигнала и уменьшить помехи. Кроме того, использование управления сетью на основе искусственного интеллекта (ИИ) может оптимизировать сетевые ресурсы и смягчить влияние атмосферных условий на качество сигнала [1].
Анализ модели 6G
Предлагаемая модель для сетей 6G, может использовать следующие технологии и функции:
1. Терагерцовые частоты. Сети 6G могут использовать терагерцовые частоты для обеспечения более высокой скорости передачи данных и меньшей задержки.
2. Массив MIMO может повысить пропускную способность сети и уменьшить помехи за счет использования большого количества антенн.
3. Формирование луча может улучшить качество сигнала и уменьшить помехи, направляя сигналы на определенные устройства.
4. Управление сетью на основе ИИ может оптимизировать сетевые ресурсы и смягчить влияние атмосферных условий на качество сигнала.
5. Безопасная и конфиденциальная связь. Сети 6G могут отдавать приоритет безопасности и конфиденциальности для защиты пользовательских данных и предотвращения несанкционированного доступа [2].
В целом предлагаемая модель для сетей 6G, использующая терагерцовые частоты, массовые MIMO, формирование луча, управление сетью на основе ИИ, а также безопасную и
частную связь, может обеспечить беспрецедентную скорость передачи данных, чрезвычайно низкую задержку и высокую пропускную способность сети, позволяя использовать различные приложения, такие как виртуальная и дополненная реальность, автономные транспортные средства и умные города.
Кроме того, ожидается, что развитие сетей 6G обеспечит еще более высокую производительность, что делает необходимым продолжение исследований и разработок в этой области.
Для дальнейшего анализа потенциальных преимуществ сетей 6G предлагается модель ее реализации. Предлагаемая модель включает в себя использование терагерцовых частот и управление сетью на основе ИИ.
Еще одной технической задачей является разработка устройств, поддерживающих терагерцовые частоты. Современные устройства, такие как смартфоны и планшеты, не способны поддерживать терагерцовые частоты. Поэтому необходимо разработать новые технологии и устройства для поддержки предлагаемой модели сети 6G [3, 4].
Несмотря на указанные проблемы, потенциальные преимущества сети 6G делают ее выгодным вложением.
Для преодоления этих проблем в предлагаемой модели используется комбинация терагерцовых частот и существующих микроволновых частот в гибридной сети. Микроволновые частоты могут использоваться для покрытия в областях, где терагерцовые частоты невозможны, в то время как терагерцовые частоты могут быть применены в областях с высокими требованиями к сети.
Помимо использования терагерцовых частот, предлагаемая модель включает в себя управление сетью на основе ИИ. Алгоритмы ИИ могут анализировать сетевой трафик и оптимизировать сетевые ресурсы для повышения эффективности и надежности сети. Управление сетью на основе ИИ также может помочь обнаружить и смягчить потенциальные угрозы сетевой безопасности.
Для оценки потенциальных преимуществ предложенной модели было проведено моделирование сети 6G с 10 000 пользователей. Результаты (табл. 1) показывают что модель обеспечивает значительное улучшение скорости
Таблица 1
Сравнение производительности сетей 5G и 6G для 10 000 пользователей
Тип Скорость пере- Задержка, Емкость сети
сети дачи данных, мс (пользователи)
Мбит/с
5G 1 000 5 10 000
6G 5 000 1 100 000
Intellectual Technologies on Transport. 2023. No S1. Special Issue. MMIS-2023
передачи данных и пропускной способности сети по сравнению с сетями 5 в.
Предлагаемая сеть 6в обеспечивает значительное улучшение скорости передачи данных, задержки и пропускной способности сети по сравнению с сетями 5 в. Использование терагерцовых частот и управление сетью на основе ИИ является ключом к достижению этих улучшений.
Для дальнейшего анализа потенциальных преимуществ предлагаемой модели сети 6в был проведен анализ затрат, чтобы оценить возможность ее реализации [5-8].
Для оценки потенциальных затрат на предлагаемую модель сети 6в в таблице 2 приведено сравнение с затратами на внедрение сети 5 в (количество пользователей — 10 000). Затраты были оценены на основе следующих факторов: стоимость оборудования, стоимость инфраструктуры и эксплуатационные расходы.
Таблица 2
Сравнение затрат на 5 в и предлагаемую реализацию сети 6в для 10 000 пользователей
Тип сети Стоимость оборудования, USD Стоимость инфраструктуры, USD Эксплуатационные расходы, USD Общая стоимость, USD
5G 500 000 1 000 000 100 000 1 600 000
6G 750 000 1 500 000 50 000 2 300 000
Как показано в таблице 2, стоимость реализации предлагаемой модели сети 6в выше, чем у сетей 5в, из-за необходимости в специализированном оборудовании и инфраструктуре для поддержки терагерцовых частот. Однако эксплуатационные расходы предлагаемой модели сети 6в ниже, чем у сетей 5в, благодаря использованию управления сетью на основе ИИ.
В дополнение к анализу затрат было проведено сравнение производительности между сетями 5в и предлагаемыми сетями 6в для 100, 1 000 и 10 000 пользователей (табл. 3). Оцениваемые показатели производительности включали скорость передачи данных, задержку и пропускную способность сети.
Таблица 3
Сравнение производительности сетей 5в и 6в для 100, 1 000 и 10 000 пользователей
Тип сети Скорость передачи данных, Мбит/с Задержка, мс Емкость сети
5G 100-1 000 1-10 Очень высокая
6G 1 000-10 000 <1 Экстремально высокая
Формула математической модели 5G сети, основанной на теории очередей, может иметь различные варианты в зависимости от конкретной постановки задачи. Одним из наиболее распространенных вариантов является модель М/М/1/К, где М — экспоненциальное распределение времени между поступлением запросов, 1 — количество обслуживающих каналов (в данном случае только один), К — длина очереди.
Формула для расчета вероятности задержки запроса в этой модели выглядит следующим образом:
РЬ =
1 - ±
где X — интенсивность поступления запросов, д — интенсивность обслуживания, К — длина очереди.
Одной из возможных формул для математической модели 6G сети является модель М/О/1/К, где О — произвольное распределение времени обслуживания, а остальные обозначения сохраняют свой смысл.
Формула для расчета вероятности задержки запроса в этой модели может быть записана следующим образом:
РЬ =
1 + р2
2х (1 - р)
1 - р*
1 - р*
где р = Х/д — коэффициент загрузки, X — интенсивность поступления запросов, д — средняя интенсивность обслуживания, K — длина очереди.
Как показано в таблице 3, предлагаемая модель сети 6G превосходит сети 5G по скорости передачи данных, задержке и пропускной способности сети. Предлагаемая модель сети 6G может поддерживать скорость передачи данных в диапазоне от 1 000 до 10 000 Мбит/с, что в 10 раз быстрее, чем в сетях 5G. В сетях 6G также чрезвычайно низкая задержка (менее 1 мс), что имеет решающее значение для приложений реального времени, таких как дополненная реальность и автономные транспортные средства. Кроме того, предлагаемая модель сети 6G имеет чрезвычайно высокую пропускную способность сети, которая может одновременно поддерживать большое количество устройств и приложений [8].
Будущие исследования и разработки в области сетей 6G могут быть сосредоточены на решении технических проблем, связанных с внедрением такой сети. Некоторые из ключевых областей исследования могут включать:
1. Усовершенствованные антенные технологии. Разработка передовых антенных технологий, таких как массовые MIMO и формирование луча, для улучшения качества сигнала и снижения помех.
2. Разработка устройств, поддерживающих терагерцо-вые частоты. Сюда также можно включить новые материалы и технологии, позволяющие разрабатывать устройства с терагерцовой частотой.
3. Управление сетью на основе ИИ. Разработка систем управления сетью на основе ИИ, которые могут оптимизировать сетевые ресурсы и смягчить влияние атмосферных условий на качество сигнала.
4. Безопасность и конфиденциальность. Разработка безопасных и частных систем связи, которые могут защитить пользовательские данные и предотвратить несанкционированный доступ.
5. Стандартизация. Разработка основ стандартизации для сетей 6G, чтобы обеспечить взаимодействие и совместимость между различными устройствами и сетями [9-13].
Заключение
Предлагаемая модель для сетей 6G, включающая использование терагерцовых частот и управление сетью на основе ИИ, представляет собой многообещающее решение
к+1
для удовлетворения растущего спроса на более быстрые и надежные сети. Для полной реализации потенциальных преимуществ сетей 6G необходимы дальнейшие исследования и разработки в этой области.
Несмотря на то, что стоимость реализации предлагаемой модели сети 6G выше, чем у сетей 5G, потенциальные преимущества с точки зрения скорости передачи данных, задержки и пропускной способности сети могут сделать ее выгодным вложением. Необходимы дальнейшие исследования и разработки в этой области, чтобы полностью оценить осуществимость и потенциальные преимущества сетей 6G.
Литература
1. Halsall, F. Computer Networking and the Internet. Fifth Edition. — Edinburgh: Pearson Education, 2005. — 832 р.
2. Олифер, В. Г. Компьютерные сети. Принципы, технологии, протоколы: Учебник для вузов / В. Г. Олифер, Н. А. Олифер. — 3-е изд. — Санкт-Петербург: Питер, 2010. — 958 с.
3. Halsall, F. Data Communications, Computer Networks, and Open Systems. Fourth Edition. — Edinburgh: Pearson Education, 1996. — 907 р.
4. Turdiev, O. A. Investigation of the Computational Complexity of the Formation of Checksums for the Cyclic Redundancy Code Algorithm Depending on the Width of the Generating Polynomial / O. A. Turdiev, V. A. Smagin, V. N. Kustov // Models and Methods for Researching Information Systems in Transport: Proceedings of the Workshop on the Basis of the Departments «Information and Computer Systems» and «Higher Mathematics» Emperor Alexander I St. Petersburg State Transport University (MMRIST 2020), (St. Petersburg, Russia, 11-12 December 2020). CEUR Workshop Proceeding. 2021. Vol. 2803. Pp. 129-135.
DOI: 10.24412/1613-0073-2803-129-135.
5. Турдиев, О. А. Сравнение моделей вероятного кода числа PNC и циклического избыточного кода CRC / О. А. Турдиев, А. Д. Хомоненко, М. В. Гофман // Вестник Российского нового университета. Серия «Сложные системы: модели, анализ и управление». 2021. № 4. С. 119-131. DOI: 10.18137/RNU.V9187.21.04.P.119.
6. Турдиев, О. А. Исследование вычислительной сложности формирования контрольных сумм для алгоритма CRC в зависимости от разрядности порождающего полинома // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2022. № 1/2. С. 52-58.
DOI: 10.37882/2223-2966.2022.01-2.17.
7. Турдиев, О. А. Методика снижения вычислительной сложности формирования контрольных сумм вероятного кода числа на основе стохастических вычислений / О. А. Турдиев, Д. А. Сейтманбитов, Ш. Ш. Кадирова // Вестник Российского нового университета. Серия «Сложные системы: модели, анализ и управление». 2021. № 4/1. С. 106-118.
DOI: 10.18137/RNU.V9187.21.04/1.P.106.
8. Исследование формирования блоковой контрольной суммы (BCC) передаваемых данных / О. А. Турдиев,
B. В. Яковлев, С. В. Клименко, А. Х. Болтаев // Известия СПбГЭТУ «ЛЭТИ». 2019. № 6. С. 67-71.
9. Турдиев, О. А. Оценки эффективности обнаружения ошибок контрольного суммирования (CRC) передаваемых данных / О. А. Турдиев, С. В. Клименко, А. Б. Тухтаход-жаев // Известия СПбГЭТУ «ЛЭТИ». 2019. № 8. С. 54-58.
10. Турдиев, О. А. Модель формирования вероятного кода числа на основе стохастических вычислений // Интеллектуальные технологии на транспорте. 2021. № 4 (28).
C. 28-33. DOI: 10.24412/2413-2527-2021-428-28-33.
11. Zakirov, V. Reducing of the System Load Using Asynchronous and Synchronous Service Methods (Preprint) / V. Zakirov, E. Abdullaev, F. Shukurov // Research Square. 2023. 9 p. DOI: 10.21203/rs.3.rs-2418155/v1.
12. Расулмухамедов, М. Сравнение эффективности Fog Computing с Cloud Computing на базе библиотеки iFogSim / М. Расулмухамедов, Ф. Шукуров, Ш. Шукурова // Актуальные вопросы развития инновационно-информационных технологий на транспорте (АВРИИТТ-2021): Материалы I Республиканской научно-технической конференции (Ташкент, Узбекистан, 24-25 ноября 2021 г.). 2022. № 1. С. 59-65. DOI: 10.47689/978-9943-7818-0-1-pp59-65.
13. Турдиев, О. А. Модель пропускной способности сетей при обслуживании мультисервисного трафика / О. А. Турдиев, А. Б. Тухтаходжаев, Э. С. Абдуллаев // Вестник ТашИИТ. 2019. Т. 15, № 3. С. 70-74.
Comparison of 5G and 6G Network Technologies to Use Terahertz Frequencies
O. A. Turdiev, F. D. Shukurov, N. Ye. Gaffarov, A. B. Tukhtakhodzhaev Tashkent State Transport University Tashkent, Uzbekistan odiljan.turdiev@mail.ru, adham.s.dr@gmail.com
Abstract. Due to the increasing demand for high-speed Internet connectivity, the development of wireless communication technologies is proceeding at a rapid pace. The purpose of this paper is to compare the performance of 5G and 6G networks for the use of terahertz frequencies. In addition, we will propose a potential model for a future 6G network.
Keywords: networks, internet, wireless, 5G, 6G, network efficiency, terahertz frequencies, data rate.
References
1. Halsall F. Computer Networking and the Internet. Fifth Edition. Edinburgh, Pearson Education, 2005, 832 p.
2. Olifer V. G., Olifer N. A. Computer networks. Principles, technologies, protocols: Textbook for universities [Kompyuter-nye seti. Printsipy, tekhnologii, protokoly: Uchebnik dlya vuzov]. St. Petersburg, Piter Publishing House, 2010, 958 p.
3. Halsall F. Data Communications, Computer Networks, and Open Systems. Fourth Edition. Edinburgh, Pearson Education, 1996, 907 p.
4. Turdiev O. A., Smagin V. A., Kustov V. N. Investigation of the Computational Complexity of the Formation of Checksums for the Cyclic Redundancy Code Algorithm Depending on the Width of the Generating Polynomial, Models and Methods for Researching Information Systems in Transport: Proceedings of the Workshop on the Basis of the Departments «Information and Computer Systems» and «Higher Mathematics» Emperor Alexander I St. Petersburg State Transport University (MMRIST 2020), (St. Petersburg, Russia, December 11-12, 2020). CEUR Workshop Proceeding, 2021, Vol. 2803, Pp. 129-135.
DOI: 10.24412/1613-0073-2803-129-135.
5. Turdiev O. A., Khomonenko A. D., Gofman M. V. Comparison of Probable Code Number PNC and Cyclic Redundancy Code CRC [Sravnenie modeley veroyatnogo koda chisla PNC i tsiklicheskogo izbytochnogo koda CRC], Bulletin of the Russian New University. Series «Complex Systems: Models, Analysis and Management» [Vestnik Rossiyskogo novogo universiteta. Seriya «Slozhnye sistemy: modeli, analiz i upravlenie»], 2021, No. 4, Pp. 119-131.
DOI: 10.18137/RNU.V9187.21.04.P.119.
6. Turdiev O. A. Investigation of the Computational Complexity of Generating Checksums for the CRC Algorithm Depending on the Width of the Generating Polynomial [Issledovanie vychislitelnoy slozhnosti formirovaniya kontrolnykh summ dlya algoritma CRC v zavisimosti ot razryadnosti porozhdayushchego polinoma], Modern Science: Actual of Theory and Practice. Series: Natural and Technical Sciences [Sovremennaya nauka: aktualnye problemy teorii i
praktiki. Seriya: Estestvennye i tekhnicheskie nauki], 2022, No. 1/2, Pp. 52-58. DOI: 10.37882/2223-2966.2022.01-2.17.
7. Turdiev O. A., Seytmanbitov D. A., Kadirova Sh. Sh. Method for reducing the computational complexity of formation of check sums of a probable code of a number based on stochastic calculations [Metodika snizheniya vychislitelnoy slozhnosti formirovaniya kontrolnykh summ veroyatnogo koda chisla na osnove stokhasticheskikh vychisleniy], Bulletin of the Russian New University. Series «Complex Systems: Models, Analysis and Management» [Vestnik Rossiyskogo novogo universiteta. Seriya «Slozhnye sistemy: modeli, analiz i upravlenie»], 2021, No. 4/1, Pp. 106-118.
DOI: 10.18137/RNU.V9187.21.04/1.P.106.
8. Turdiev O. A., Yakovlev V. V., Klimenko S. V., Boltaev A. X. Study of the Formation of Block Checksum (BCC) of the Transmitted Data [Issledovanie formirovaniya blokovoy kontrolnoy summy (BCC) peredavaemykh dannykh], Proceedings of Saint Petersburg Electrotechnical University [Izvestiya SPbGETU «LETI»], 2019, No. 6, Pp. 67-71.
9. Turdiev O. A., Klimenko S. V., Tuxtaxodjaev A. B. The Study of the Implementations of the Algorithm Method Checks Summation (CRC) of the Transmitted Data [Otsenki effektivnosti obnaruzheniya oshibok kontrolnogo summirovaniya (CRC) peredavaemykh dannykh], Proceedings of Saint Petersburg Electrotechnical University [Izvestiya SPbGETU «LETI»], 2019, No. 8, Pp. 54-58.
10. Turdiev O. A. Model for the Formation of a Probable Code of a Number Based on Stochastic Calculations [Model formirovaniya veroyatnogo koda chisla na osnove stokhasticheskikh vychisleniy], Intellectual Technologies on Transport [Intellektualnye tekhnologii na transporte], 2021, No. 4 (28), Pp. 28-33. DOI: 10.24412/2413-2527-2021-428-28-33.
11. Zakirov V., Abdullaev E., Shukurov F. Reducing of the System Load Using Asynchronous and Synchronous Service Methods (Preprint), Research Square, 2023, 9 p.
DOI: 10.21203/rs.3.rs-2418155/v1.
12. Rasulmukhamedov M., Shukurov F., Shukurova Sh. Comparison of Fog Computing Efficiency with Cloud Computing Based on the iFogSim Library [Sravnenie effektivnosti Fog Computing s Cloud Computing na baze biblioteki iFogSim], Current Issues of Development of Innovative and Information Technologies in Transport (AVRIITT-2021): Proceedings of the I Republican Scientific and Technical Conference [Aktualnye voprosy razvitiya innovatsionno-informatsionnykh tekhnologiy na transporte (AVRIITT-2021): Materialy I Respublikanskoy nauchno-tekhnicheskoy konferentsii], Tashkent, Uzbekistan, November 24-25, 2021, 2022, No. 1, Pp. 59-65.
DOI: 10.47689/978-9943-7818-0-1-pp59-65.
13. Turdiyev O. A., Tukhtakhodjaev A. B., Abdullaev E. S. The Model of Network Bandwidth When Servicing MultiService Traffic [Model propusknoy sposobnosti setey pri obsluzhivanii multiservisnogo trafika], Journal of Tashkent Institute of Railway Engineers [Vestnik TashIIT], 2019, Vol. 15, No. 3, Pp. 70-74.
