Αυτοματοποιημένη τοποθέτηση σταθμών βάσης για βέλτιστη ραδιοκάλυψη σε ασύρματα δίκτυα
| dc.contributor.advisor | Αθανασιάδου, Γεωργία | |
| dc.contributor.advisor | Τσούλος, Γεώργιος | |
| dc.contributor.author | Καραμπάτσος, Βασίλειος | |
| dc.date.accessioned | 2013-11-26T11:39:15Z | |
| dc.date.available | 2013-11-26T11:39:15Z | |
| dc.date.issued | 2011-10 | |
| dc.identifier.uri | http://amitos.library.uop.gr/xmlui/handle/123456789/1065 | |
| dc.description | Μ.Δ.Ε. 37 | el |
| dc.description.abstract | Στόχος αυτής της εργασίας είναι η αυτοματοποιημένη τοποθέτηση σταθμών βάσης, για βέλτιστη ραδιοκάλυψη σε ασύρματα δίκτυα μιας περιοχής με το μικρότερο κόστος, δηλαδή μέσω του ελάχιστου δυνατού αριθμού σταθμών βάσης (BSs). Το κόστος και η πολυπλοκότητα ενός δικτύου, συνδέονται στενά με τον αριθμό των σταθμών βάσης (BSs) που απαιτούνται για την επίτευξη των στόχων, τους οποίους έχει ορίσει η επιχείρηση εκμετάλλευσης του συστήματος. Η τοποθεσία των BSs δεν είναι εύκολο έργο και υπάρχουν διάφοροι παράγοντες που πρέπει να ληφθούν υπόψη όταν καθορίζεται η βέλτιστη θέση του BS. Σε αυτήν την εργασία θα εξεταστούν δυο αλγόριθμοι βελτιστοποίησης, ο Συνδυαστικός Αλγόριθμος για Ολική Βελτιστοποίηση CAT (Combination Algorithm for Total Optimisation) [1] και ο Άπληστος Αλγόριθμος GR (Greedy Algorithm) [3]. Αρχικά θα εφαρμοστεί ο αλγόριθμος CAT, του οποίου η λειτουργία βασίζεται στην συνδυαστική προσέγγιση. O αλγόριθμος CAT εφαρμόζεται σε τυχαία υποσύνολα των δυνατών θέσεων των BSs στην περιοχή δοκιμής. Στην συνέχεια ο αλγόριθμος GR θα εφαρμοστεί σε όλες τις τελικές λύσεις που δίνει ο αλγόριθμος CAT, με σκοπό την περαιτέρω μείωση του αριθμού σταθμών βάσης. Επίσης οι αλγόριθμοι εξετάστηκαν ως προς την ικανότητα σύγκλισης σε μια λύση, ως προς τον αριθμό των επαναλήψεων που είναι απαραίτητος για να βρεθεί λύση και ως προς τον αριθμό των BSs που θα έχουν τα τυχαία υποσύνολα των δυνατών θέσεων των BSs . Βρέθηκε ότι χρειάζονται 8000 επαναλήψεις. Για κάθε διαφορετικό περιβάλλον που εξετάσαμε βρήκαμε διαφορετική λύση. Έτσι καταλήξαμε ότι για περιβάλλον με n=2 χρειαζόμαστε 3-4 BSs ανάλογα και την σκίαση, σε περιβάλλον με n=3 χρειαζόμαστε 4-6 BSs ανάλογα και την σκίαση και σε περιβάλλον με n=4 χρειαζόμαστε 6-7 BSs ανάλογα και την σκίαση. Οι δυο αλγόριθμοι προσομοιώθηκαν σε Matlab και συγκρίθηκαν ως προς την πολυπλοκότητα και την αποτελεσματικότητά τους στην εύρεση της βέλτιστης λύσης για την πλήρη κάλυψη της περιοχής. | el |
| dc.format.extent | 62 σελ. | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πελοποννήσου | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.subject | Συστήματα ασύρματων επικοινωνιών | el |
| dc.subject | Αλγόριθμοι | el |
| dc.title | Αυτοματοποιημένη τοποθέτηση σταθμών βάσης για βέλτιστη ραδιοκάλυψη σε ασύρματα δίκτυα | el |
| dc.type | Μεταπτυχιακή διπλωματική εργασία | el |
| dc.contributor.department | Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών | el |
| dc.contributor.faculty | Σχολή Θετικών Επιστημών και Τεχνολογίας | el |
| dc.contributor.master | Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα | el |
| dc.subject.keyword | Σταθμοί βάσης | el |
| dc.subject.keyword | Ραδιοκάλυψη | el |
| dc.subject.keyword | Ασύρματα δίκτυα | el |
| dc.subject.keyword | Αλγόριθμοι τοποθέτησης σταθμών βάσης | el |
| dc.subject.keyword | Αλγόριθμος CAT | el |
| dc.subject.keyword | Αλγόριθμος GR | el |
| dc.description.abstracttranslated | In this work, we study the problem of the automatic positioning of Mobile network Base Stations (BS) in order to achieve optimal radio-coverage over the wireless networks in a specific area, by using the optimally minimum number of BSs. The cost and complexity of a network is tightly coupled with the number of BSs available, and are allocated according to the Mobile network operator's needs and restrictions. The positioning of the BSs is not an easy task as it depends on several factors that should be considered in order to determine the optimal allocation. In this work, two such algorithms are studied: the Combination Algorithm for Total Optimization (CAT) [1] and the Greedy Algorithm [3]. The CAT algorithm, which is based on a combinatorial approach, is studied first. The CAT algorithm is applied on random subsets of the possible BS positions in the area of interest. Then, the Greedy algorithm is applied on the solutions provided by the CAT algorithm, in order to achieve further reduction in the number of required BSs. In addition, the algorithms were examined on their ability to converge to a solution, based on the number of repetitions required to find a solution and the number of BSs of the random subsets of the possible BS positions in the area of interest. Our simulations showed that 8000 repetitions are required. For each different setup studied, a different solution was found. We concluded that for a setup with n=2,3-4 BSs are required, depending on the shadow. Similarly, for a setup with n=3, 4-6 BSs are required, while for n=4, 6-7 BSs are required. The two algorithms were simulated using Matlab and were compared for their complexity and effectiveness in finding the optimal solution for the full coverage of the examined area. | el |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα