А.А. Коробков1, И.А. Сафиуллин2, И.П. Ашаев3, А.К. Гайсин4, А.Ф. Надеев5

1-5 Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ
(г. Казань, Россия)

1 aakorobkov@kai.ru; 2 iasafiullin@kai.ru; 3 ipashaev@kai.ru; 4 akgaysin@kai.ru; 5 afnadeev@kai.ru

Постановка проблемы. Для повышения эффективности работы современных и перспективных гетерогенных сетей беспроводного радиодоступа необходима разработка новых методов и алгоритмов управления их ресурсами для возможности в динамике определять не только условия, но и характеристики функционирования сети радиодоступа, например, характер мобильности пользователей. Управление параметрами сети беспроводного радиодоступа с учетом характера мобильности пользователей позволяет повысить качество обслуживания и эффективность работы сети в целом. Классификация пользователей по характеру их мобильности выполняется на основе получаемых из сети радиодоступа данных, которые описываются многомерной моделью. Для эффективной обработки и анализа этих данных необходимо корректно оценить порядок многомерной модели.

Цель. Предложить метод автоматизированной оценки порядка многомерной модели для определения характера мобильности пользователей в гетерогенных сетях беспроводного доступа.

Результаты. Рассмотрены существующие методы оценки порядка многомерных моделей, представляющих многомерные данные в виде тензоров. Установлены условия, при которых рассмотренные методы не позволяют с заданной точностью оценить порядок многомерной модели из-за особенностей получаемых многомерных данных в гетерогенных сетях радиодоступа. Предложен новый метод оценки порядка многомерной модели, основанный на анализе профиля дополненных глобальных собственных значений. Определена вычислительная сложность предлагаемого метода и выполнена оценка среднего времени, требуемого для вычислений при его реализации. Проведено сравнение предлагаемого метода оценки порядка многомерной модели с существующими методами. Выполнена проверка точности оценки порядка многомерной модели для данных, полученных в результате моделирования работы гетерогенной сети беспроводного радиодоступа, которая подтвердила эффективность работы предлагаемого метода.

Практическая значимость. Предложенный метод позволяет автоматически определять порядок многомерной модели для классификации пользователей по характеру их мобильности в задачах повышения качества их обслуживания и эффективности работы гетерогенных сетей в целом.

Коробков А.А., Сафиуллин И.А., Ашаев И.П., Гайсин А.К., Надеев А.Ф. Метод оценки порядка многомерной модели в задачах классификации пользователей по характеру мобильности в гетерогенных сетях беспроводного радиодоступа // Радиотехника. 2024. Т. 88. № 1. С. 44−58. DOI: https://doi.org/10.18127/j00338486-202401-05

1. Межуев А.М., Коренной А.В., Стуров Д.Л., Родионов Д.В. Оценка эффективности информационного обмена в цифровых сетях связи наземно-воздушного базирования: алгоритмическое и программное обеспечение // Радиотехника. 2023. Т. 87. № 9. С. 138-148. DOI: https://doi.org/10.18127/j00338486-202309-12.
2. Свиридова И.В. Хорошайлов Р.Н., Свиридова И.В., Лялин Д.В. Анализ методов MIMO для 5G и последующих технологий: преимущества и недостатки // Радиотехника. 2023. Т. 87. № 8. С. 100-104. DOI: 10.18127/j00338486-202308-16.
3. Лернер И.М., Хайруллин А.Н. Теория разрешающего времени в области систем широкополосного доступа. Алгоритм оценки джиттера, обусловленного передачей данных, и пропускной способности с полиномиальным временем исполнения //
   T-Comm: Телекоммуникации и транспорт. 2023. Т. 17. № 5. С. 48-57.
4. Лернер И.М., Файзуллин Р.Р., Хайруллин А.Н., Шушпанов Д.В., Ильин В.И., Рябов И.В. Повышение удельной пропускной способности как фундаментальная проблема теории связи. Стратегия развития в постшенноновскую эпоху. Ч. 1. Ретроспективный обзор методов приема и обработки сигналов в частотно-селективных каналах связи при скоростях передачи информации выше скорости Найквиста // Успехи современной радиоэлектроники. 2023. Т. 77. № 1. С. 37-50. DOI: https://doi.org/10.18127/j20700784-202301-02.
5. Лернер И.М., Файзуллин Р.Р., Хайруллин А.Н., Шушпанов Д.В., Ильин В.И., Рябов И.В. Повышение удельной пропускной способности как фундаментальная проблема теории связи. Стратегия развития в постшенноновскую эпоху. Ч. 2. Ретроспективный обзор методов приема и обработки сигналов в частотно-селективных каналах связи при наличии межсимвольных искажений // Успехи современной радиоэлектроники. 2023. T. 77. № 2. С. 16–33. DOI: https://doi.org/10.18127/j20700784-202302-02.
6. Лернер И.М., Файзуллин Р.Р., Шушпанов Д.В., Ильин В.И., Рябов И.В., Хайруллин А.Н. Повышение удельной пропускной способности как фундаментальная проблема теории связи. Стратегия развития в постшенноновскую эпоху. Ч. 3. Ретроспективный обзор методов оценки пропускной способности частотно-селективных каналов связи при наличии при наличии межсимвольных искажений и использовании ФМн-n и АФМн-N-сигнала // Успехи современной радиоэлектроники. 2023. T. 77. № 3. С. 24–33. DOI: https://doi.org/10.18127/j20700784-202303-02.
7. Lerner I.M. Capacity estimation method with linear computational complexity of narrow-band ionospheric decameter channels with PSK-N-signals // T-Comm. 2023. V. 17. № 9. P. 55-66. DOI: 10.36724/2072-8735-2023-17-9-55-66.
8. Лернер И.М. Метод оценки пропускной способности узкополосных ионосферных декаметровых каналов связи с линейной вычислительной сложностью при использовании многопозиционных фазоманипулированных сигналов // T-Comm: Телекоммуникации и транспорт. 2023. Т. 17. № 9. С. 55-66.
9. Лернер И.М. Способ повышения пропускной способности радиотехнической системы с последовательной передачей информации в узкополосных КВ-каналах связи на базе теории разрешающего времени // Вестник Поволжского государственного технологического университета. Сер. Радиотехнические и инфокоммуникационные системы. 2023. № 1(57). С. 6-23. DOI: 10.25686/2306-2819.2023.1.6.
10. Лернер И.М., Файзулин Р.Р. Рябов И.В. Оптимизированный алгоритм оценки пропускной способности каналов связи, функционирующих на базе теории разрешающего времени // Радиотехника. 2022. Т. 86. № 4. С. 91-109. DOI: https:// doi.org/10.18127/j00338486-202204-13.
11. Рябов И.В., Токарь М.С. Слепая кадровая синхронизация в системе передачи с дифференциальным пространственно-временным блоковым кодированием // Радиотехника. 2021. Т. 85. № 4. С. 99-107. DOI: 10.18127/j00338486-202104-11.
12. Токарь М.С. Алгоритм декодирования низкой сложности для систем передачи дифференциального пространственно-временного блокового кодирования // Радиотехника. 2021. Т. 85. № 4. С. 89-98. DOI: 10.18127/j00338486-202104-10.
13. O-RAN Alliance, O-RAN use cases and deployment scenarios // Technical Report. February 2020. [Online].
14. Ullah R., Marwat S. N. K., Ahmad A. M., Ahmed S., Hafeez A., Kamal T., Tufail M. A maching learning approach for 5G SINR prediction // Electronics. 2020. V. 9. № 10. Р. 1660.
15. Bennis M., Perlaza S. M. Decentralized cross-tier interference mitigation in cognitive femtocell networks // Proc. 2011 IEEE international conference on communications (ICC). 2011. Р. 1–5.
16. Gannapathy V. R., Nordin R., Abu-Samah A., Abdullah N. F., Ismail M. An Adaptive TTT Handover (ATH) Mechanism for Dual Connectivity (5G mmWave-LTE Advanced) during Unpredictable Wireless Channel Behavior // Sensors. 2023. V. 23. № 9. Р. 4357.
17. Чирков О.Н., Ромащенко М.А., Бобылкин И.С. Эффективный метод моделирования систем беспроводной связи // Радиотехника. 2023. Т. 87. № 8. С. 110-115. DOI: 10.18127/j00338486-202308-18.
18. Нечаев Ю.Б., Малютин А.А. Матричные разложения для формирования и обработки сигналов в MIMO системах связи в каналах с МСИ // Радиотехника. 2012. № 8. С. 40-45.
19. Sidiropoulos N., Giannakis G., Bro R. Blind PARAFAC receivers for DS-CDMA systems // Transactions on Signal Processing. 2000. V. 48. № 3. Р. 810–823.
20. De Lathauwer L., Castaing J. Tensor-based techniques for the blind separation of DS–CDMA signals // Signal Processing. 2007. V. 87. № 2. Р. 322–336.
21. Nion D., De Lathauwer L. An enhanced line search scheme for complex-valued tensor decompositions. Application in DS-CDMA // Signal Processing. 2008. V. 88. № 3. Р. 749–755.
22. Kolda T.G., Bader B.W. Tensor Decompositions and Applications // SIAM Review. 2009. V. 51. № 3. Р. 455–500.
23. Akaike H., A new look at the statistical model identification // IEEE Trans. Autom. Control. 1974. V. 19. № 6. Р. 716–723.
24. Schwarz G. Estimating the dimension of a model // Ann. Statist. 1978. V. 6. № 2. Р. 461–464.
25. L. da Costa J.P.C., Haardt M., Roemer F., Del Galdo G. Enhanced model order estimation using higher-order arrays // Proc. 2007 Conference Record of the Forty-First Asilomar Conference on Signals, Systems and Computers. Nov 2007. Р. 412–416.
26. L. da Costa J.P.C., Roemer F., Haardt M., T. de Sousa Jr R. Multidimensional model order selection // EURASIP Journal on Advances in Signal Processing. 2011.
27. Quinlan A., Barbot J.-P., Larzabal P., Haardt M. Model order selection for short data: An exponential fitting test (EFT) // EURASIP Journal on Advances in Signal Processing. 2006. V. 2007. Р. 1–11.
28. Korobkov A.A. и др. Multi-dimensional model order estimation using LineAr Regression of Global Eigenvalues (LaRGE) with applications to EEG and MEG recordings // 2020 28th European Signal Processing Conference (EUSIPCO). 2021. Р. 1005–1009.
29. Korobkov A.A. и др. Robust Multi-Dimensional Model Order Estimation Using LineAr Regression of Global Eigenvalues (LaRGE) // IEEE Transactions on Signal Processing. 2022. V. 70. Р. 5751–5764.
30. Boas B.V., Zirwas W., Haardt M. Deep-LaRGE: Higher-Order SVD and Deep Learning for Model Order Selection in MIMO OFDM Systems // 26th International ITG Workshop on Smart Antennas and 13th Conference on Systems, Communications, and Coding. 2023. Р. 1–6.
31. Badeau R., Boyer R. Multilinear singular value decomposition for structured tensors // SIAM J. Matrix Anal. Appl. 2008. V. 30.
    № 3. Р. 1008–1021.