多信道共用系统的优化配置方法及Monte-Carlo仿真

来源 :天津工业大学 | 被引量 : 0次 | 上传用户:a683999700
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多信道共用技术已经广泛应用于卫星通信、移动通信、以及其它类型的通信系统。多信道共用意味着系统中的任一空闲信道可为任一用户所用,因而系统可以容纳比信道数更多的用户数,使信道利用率得到提高,与此同时也不可避免呼损现象的产生。为了保证系统既有另人满意的呼损率,又有尽可能高的信道利用率,研究系统的合理配置方法就是极为必要的。 在以往的话务分析中,被广泛使用的是爱尔兰B公式和相应的信道利用率公式。但在长期的实践中,人们注意到这样的事实:在用户数相对较少的小话务量系统中使用这组公式时,所得结果和实际情况有较大偏差。 本文将多信道共用通信系统视为一个随机服务系统,根据有限状态生灭过程的稳态解,利用M/M/n/n和M/M/n/n/m两类排队模型,分别推导出了无限用户和有限用户两类多信道共用系统的呼损率公式和信道利用率公式;借助于MATLAB的可视化数据分析功能,比较了这两组公式在数值上的差异;指明了两组公式的适用条件。由此不仅揭示了爱尔兰B公式和相应信道利用率公式用于有限用户系统时会有较大偏差的根源,剖析了偏差的规律性,而且得到了适用于有限用户多信道共用系统的修正公式。进一步,根据适用公式给出了不同的系统优化配置方法以及MATLAB源程序。 计算机仿真是结合了系统工程、现代数学方法和计算机技术的一门新兴学科,计算机仿真方法已经成为理论分析和实验研究这两种传统科研途径之外的一种必不可少的科研方法和有效工具。蒙特卡罗方法(MCM)是基于概率理论和计算数学的,因此也称为统计模拟近似计算方法。蒙特卡罗仿真(MCS)就是一种利用MCM进行的计算机数学仿真方法,其应用领域已越来越广泛。 文中借助于MATLAB软件,实现了有限用户多信道共用系统的蒙特卡罗仿真,仿真结果不但印证了根据理论模型得出的系统优化配置方法的可靠性,而且实质上提供了进行系统分析的另一种方便而有效的方法,MCS的更为重要的意义还在于通过仿真全面而直观地反映随机服务系统的运行状况,可以据此分析和改进系统使之逐步完善。 作为实例,本文将所研究的系统优化配置方法应用于一个有限用户多信道共用电话系统:大规模电话线路扩容系统,实际应用证明系统的呼损率和信道利用率等指标均已达到了设计要求。 此外,本文给出的有限用户多信道共用系统的蒙特卡罗仿真方法和MATLAB源程序实际上对于一切实际意义的有限源损失制马尔可夫排队系统具有普遍适用性。在此基础上对仿真程序稍加改进,就可推广应用于有限源等待制马尔可夫排队系统。
其他文献
该文首先介绍了序列模式挖掘的基本概念及其发展方向,然后提出了序列模式挖掘的一个新的算法——CSE算法.提高序列模式挖掘算法的性能,最主要的是减少数据库查询和I/O操作,CS
支撑矢量机是一种普遍适用的方法,已经广泛地用于模式识别、回归估计、函数逼近、密度估计等方面.该文在对支撑矢量机研究的基础上,分别研究了四种方法:1)提出了基于最小支撑
我们需要编写驱动模块并输入测试用例来完成待测软件(CUT)的测试,接着比较预期结果和实际运行结果.比较结果以FAIL和PASS的形式存在于测试报告中.如果测试失败,则使用动态程
工作流是对一套规则与过程的描述,以便管理在计算机协同工作进程中信息的流通与业务活动.它实现了应用程序之间的交互的流程的自动化,在工作流中文档、信息和任务根据预定义
随着多媒体技术和网络技术的发展,数字化多媒体信息的存储和传输成为一个研究热点,数字化的多媒体信息尤其是视频信息具有海量数据性,必须对视频数据进行压缩方能有效地存储和传
该文是在对RUP和UMM进行深入研究的基础上,并结合cnXML对电子商务流程描述的需求以及中国制造业的实际情况,提出了一套基于UMM的、用况驱动的建模方法---cnXML应用建模方法(c
该文结合铁路货运数据仓库系统的开发对数据仓库的相关技术进行了讨论,重点研究了数据仓库的OLAP工具.根据系统需要,我们实现了基于关系数据库的ROLAP子系统.首先,我们研究并
随着计算机在应用中的不断扩展,在面向对象和主动性方面的要求也越来越多,传统的数据库系统已经无法满足现代的许多应用的需要,本文设计了一个主动面向对象数据库系统以满足这种
在实现方式上,该文采用了以在现有IMS问题测试协同工作规范为基础,结合当今Semantic Web技术的发展,利用RDF知识描述方法,设计实现了一个Semantic Web内容管理工具和一个同时
人脸识别是人类视觉最杰出的能力之一,它的研究涉及模式识别、图像处理、生理学,心理学、认知科学,与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。