Прогнозування втрат у системах стільникового зв`язку за допомогою нейронних мереж

Abstract

У статті розглядається метод прогнозування втрат потужності при поширенні сигналу системи стільникового зв`язку. Нове століття характеризується швидким впровадженням систем стільникового зв`язку у всі сфери життя людини. Шляхи проходження сигналу системи стільникового зв`язку від передавача до приймача можуть бути різними: від лінії прямої видимості до щільно забудованої місцевості. На відміну від проводового зв`язку із постійними параметрами, радіоканали безпровідного зв`язку мають випадкові параметри, що складно аналізуються. Саме тому моделювання радіолінії є найскладнішою задачею при проектуванні систем стільникового зв`язку. Більшість систем стільникового зв`язку працюють в містах, де немає прямої видимості між антенами базових і мобільних станцій. Крім того, наявність високих будівель призводить до великих дифракційних втрат. Також, інтерференція радіохвиль через багаторазове перевідбиття від різних об`єктів викликає суттєву зміну рівня сигналу. Однією з перспективних галузей сучасної техніки є штучні нейронні мережі. Важливою властивістю нейронних мереж є паралельне оброблення інформації великою кількістю нейронів одночасно. Типовими задачами, котрі можна розв`язати за допомогою нейронних мереж є: керування, кодування та декодування інформації, класифікація, прогнозування, автоматизація процесу ухвалення рішень, розпізнавання образів тощо. Нейронні мережі застосовуються у телекомунікаційних системах при розв`язання таких задач: керування трафіком, розподіл каналів, комутація, адаптивна маршрутизація. У роботі запропоновано використовувати нейронну мережу для підвищення точності визначення втрат потужності при поширенні сигналу системи стільникового зв`язку. Після створення програмного або апаратного рішення нейронної мережі необхідно створити математичну модель мережі та виконати її навчання. Пропонована нейронна мережа представляє собою багатошаровий перцептрон. У статті наведено запропоновану схему багатошарового перцептрона. Описано роботу багатошарового перцептрона.

The paper considers a method for determining power losses of signal propagation in a cellular system. The new century is characterized by the rapid introduction of cellular communications in all areas of human life. The cellular signal transmis-sion paths from a transmitter to a receiver may be different: from a line-of-sight to а densely built-overlocality. Unlike fixed-line wiring, wireless radio channels have random parameters that are difficult to analyze. That is why radio link modeling is the most difficult task when designing cellular communication systems. Most cellular systems operate in cities where there is no direct vision between antennas of a base and mobile stations. In addition, the presence of high buildings leads to large diffraction losses. Also, the interference of radio waves due to re-reflection from different objects causes a significant change in the signal level. One of the promising fields of modern technology is artificial neural networks. An important feature of neural networks is the parallel processing of information by a large number of neurons at the same time. Typical tasks that can be solved using neural networks are: control, encoding and decoding of information, classification, forecasting, automa-tion of a decision-making process, pattern recognition and more. Neural networks are used in telecommunication systems to solve the following tasks: traffic control, channel allocation, switching, and adaptive routing. The paper proposes to use a neural network for increasing the accuracy of power loss determining for cellular system signal propagation. After creating asoftware or hardware solution for the neural network, a mathematical model of the network must be created and the network training must be performed. The proposed neural network is a multilayer perceptron. The paper presents the proposed architecture of the perceptron. The number of neurons in all the layers has been substantiated. The operation of the multi-layered perceptron has been described

Рассмотрен метод прогнозирования потерь мощности при распространении сигнала системы сотовой свя-зи. Новый век характеризуется быстрым внедрением систем сотовойсвязи во все сферы жизни человека. Пути прохождения сигнала системы сотовой связи от передатчика к приемнику могут быть разными: от линии пря-мой видимости до плотно застроенной местности. В отличие от проводной связи с постоянными параметра-ми, радиоканалыбеспроводной связи характеризуются случайными параметрами, которые сложно анализиро-вать. Именно поэтому моделирование радиолинии является сложной задачей при проектировании систем сото-вой связи. Большинство систем сотовой связи работают в городах, где нетпрямой видимости между антен-нами базовых и мобильных станций. Кроме того, наличие высоких зданий приводит к большим дифракционным потерям. Также, интерференция радиоволн из-за многократного переотражения от различных объектов вызы-вает значительное изменение уровня сигнала. Одной из перспективных отраслей современной техники явля-ются искусственные нейронные сети. Важное свойство нейронных сетей — этопараллельная обработка ин-формации большим количеством нейронов одновременно. Типичными задачами, которые можно решить с помо-щью нейронных сетей являются: управление, кодирование и декодирование информации, классификация, прогно-зирование, автоматизация процесса принятия решений, распознавание образов и тому подобное. Нейронные сети применяются в телекоммуникационных системах при решении следующих задач: управление трафиком, распределение каналов, коммутация, адаптивная маршрутизация. В работе предложено использовать нейрон-ную сеть для повышения точности определения потерь при распространении сигнала системы сотовой связи. После создания программного или аппаратного решения нейронной сети необходимо разработать математи-ческую модель сети и обучить её.Предлагаемая нейронная сеть представляет собой многослойный персеп-трон,схема которого показана в работе.Обоснованно количество нейронов во всех слоях персептрона. Описа-на работа многослойного персептрона.