АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Схемы распределения каналов

Схемы распределения каналов (англ. channel allocation schemes) — методы выделения полосы пропускания и каналов связи базовым станциям, точкам доступа и оконечному оборудованию в системах управления радиоресурсами для беспроводных и сотовых сетей. Главная задача — достижение максимальной спектральной эффективности системы (бит/с/Гц/сайт) с использованием повторного использования частот, при этом необходимо обеспечивать требуемый уровень обслуживания за счёт предотвращения сорежимных и Помехи от смежных каналов между близкорасположенными ячейками или сетями, использующими одну и ту же полосу частот[1].

В современных сетях стандартов 5G-Advanced и 6G схемы распределения каналов стали многомерными, ИИ-нативными и динамическими[2]. Наравне со спектральной эффективностью ключевым показателем эффективности (KPI) стала энергетическая эффективность[3]. Кроме того, в общие схемы распределения ресурсов интегрируются неземные сети (NTN) и спутниковые каналы[4].

Типы стратегий

  1. Статические: FCA, фиксированное распределение каналов (fixed channel allocation) — присваиваются вручную оператором сети
  2. Динамические:
    1. DCA, динамическое распределение каналов (dynamic channel allocation)
    2. DFS, динамический выбор частоты (dynamic frequency selection)[1]
    3. Широкополосный спектр (Spread spectrum)
  3. Гибридные: HCA, гибридное распределение каналов (hybrid channel allocation) — сочетает в себе принципы фиксированного (FCA) и динамического (DCA) распределения[5].[6].

Статическое распределение каналов

При фиксированном распределении каналов или фиксированном назначении каналов (англ. Fixed Channel Allocation, FCA) каждой ячейке присваивается определённый набор частотных каналов. FCA требует ручного частотного планирования, что является трудоёмкой задачей для систем на основе TDMA и FDMA, поскольку такие системы очень чувствительны к сорежимным помехам от близкорасположенных ячеек, использующих те же каналы. Другой недостаток TDMA и FDMA с FCA — постоянное количество каналов в ячейке независимо от числа абонентов, что может привести к перегрузке и потерям вызовов в перегруженных ячейках и к неиспользуемому ресурсу в остальных.

Если FCA комбинируется с обычным FDMA или TDMA, фиксированное число каналов для передачи голоса возможно в ячейке. Новый вызов может быть установлен только при наличии свободного канала; если все каналы заняты, новый вызов невозможен. Существуют и динамические схемы управления радиоресурсами, сочетающиеся с FCA. Простейшая форма — адаптивный порог передачи в зависимости от загрузки: вызовы из зоны перекрытия двух соседних ячеек могут быть принудительно переданы в ячейку с меньшей загрузкой. Если FCA используется совместно с широкополосным спектром, теоретически максимальное число каналов не ограничено, однако на практике лимит всё же есть, поскольку большое количество вызовов вызывает высокий уровень сорежимных помех, снижающих качество связи. Широкополосный спектр позволяет использовать дыхание ячейки — перегруженная ячейка может «занять» ёмкость (максимальное число одновременных вызовов) у соседней, использующей ту же частоту.

FCA может быть расширена до DCA-системы с помощью стратегии «заимствования», при которой ячейка может занимать каналы у соседней ячейки под контролем коммутационного центра (MSC).

Динамическое распределение каналов

Более эффективным методом является динамическое распределение каналов или динамическое назначение каналов (англ. Dynamic Channel Allocation, DCA), при котором голосовые каналы не закрепляются за ячейкой постоянно, а при каждом новом вызове базовая станция запрашивает канал у MSC. Канал выделяется с учётом следующих факторов:

  • Вероятность будущей блокировки в соседних ячейках и расстояние до повторного использования;
  • Частота использования данного канала;
  • Средняя вероятность блокировки в системе;
  • Распределение текущей загрузки каналов.

Для этого изначально MSC собирал данные в реальном времени о занятости каналов, распределении трафика и RSSI. В сетях GSM и TDMA активно использовались гибридные формы DCA (HCA). В дальнейшем управление радиоресурсами эволюционировало от централизованного MSC к распределённому в базовых станциях (eNodeB/gNB) и интеллектуальным контроллерам (RIC) в архитектуре Open RAN[7]. Системы OFDMA, например нисходящий канал 4G, реализуют DCA для каждой поднесущей и каждого временного интервала. В сетях 5G NR используются механизмы гибкой нумерологии (Flexible Numerology), мини-слотов (Mini-Slots) и частей полосы пропускания (BWP)[8].

DCA подразделяется на централизованные и распределённые схемы. Примеры централизованных DCA-схем:

  • First available (FA): назначается первый доступный канал, удовлетворяющий условию расстояния повторного использования;
  • Locally optimized dynamic assignment (LODA): функция стоимости основана на вероятности блокировки в соседних ячейках;
  • Selection with maximum usage on the reuse ring (RING): выбирается канал, наиболее часто используемый в наборе ячеек с данным каналом.

DCA и DFS устраняют трудоёмкое ручное частотное планирование. DCA также позволяет справляться с всплесками трафика и эффективнее использовать радиоресурсы; число каналов в ячейке меняется в зависимости от нагрузки, увеличивая ёмкость без больших затрат.

Гибридное распределение каналов

Гибридное распределение каналов (англ. Hybrid Channel Allocation, HCA) представляет собой стратегию, в которой общая полоса пропускания разделяется для использования преимуществ как фиксированного (FCA), так и динамического (DCA) подходов[5][6]. При таком методе весь доступный пул каналов делится на две группы:

  • Фиксированный набор (англ. Fixed Set): каналы постоянно закреплены за определёнными сотами. При поступлении запроса на вызов система в первую очередь пытается выделить канал из этого набора.
  • Динамический набор (англ. Dynamic Set): каналы являются общим ресурсом для всех сот и хранятся в центральном пуле. Если все фиксированные каналы в соте заняты, базовая станция запрашивает дополнительный канал из динамического набора, который после завершения вызова возвращается в общий пул[9].

К основным преимуществам гибридного распределения относятся гибкость системы и снижение вероятности блокировки вызовов при средней и низкой нагрузке на сеть. К недостаткам HCA относят сложность оптимизации (в частности, необходимость точного определения соотношения фиксированных и динамических каналов) и снижение производительности при сверхвысоких нагрузках[5].

Динамический выбор частоты (DFS)

Динамический выбор частоты (англ. Dynamic Frequency Selection, DFS) — механизм, внедрённый для беспроводных сетей с неконтролируемыми центральным образом точками доступа, например Wi-Fi (wireless LAN). Он разработан для предотвращения помех другим пользователям полосы частот, таким как военный радар, спутниковая связь и метеорологические радары. Точки доступа автоматически выбирают каналы с наименьшим уровнем помех. Для Wi-Fi стандарт DFS был принят в 2003 году (IEEE 802.11h). Конкретный диапазон частот для DFS зависит от страны. В ряде случаев DFS обязателен для диапазонов, используемых метеорологическими радарами типа Terminal Doppler Weather Radar[10][11] и C-диапазона спутниковой связи. Неправильная настройка DFS привела к серьёзным сбоям при работе метеорадаров в ряде стран при начале массового использования Wi-Fi 5 ГГц[11][12]. В частности, в США DFS обязателен в диапазоне 5470–5725 МГц (U-NII) для предотвращения помех радарам. Проблема помех метеорологическим радарам от устройств Wi-Fi в диапазоне 5 ГГц сохраняет свою актуальность, поскольку механизм DFS не всегда обеспечивает достаточную защиту от интерференции[13][14].

В стандартах Wi-Fi 6E и Wi-Fi 7 для диапазона 6 ГГц внедрена проактивная облачная система автоматической координации частот (англ. Automated Frequency Coordination, AFC), которая заменяет реактивный механизм DFS[15][16].

Широкополосный спектр

Широкополосный спектр может рассматриваться как альтернатива сложным DCA-алгоритмам. Он предотвращает сорежимные помехи между соседними ячейками, поскольку вероятность использования одинакового расширяющего кода мала. Поэтому задача распределения каналов упрощается в сетях типа IS95 и 3G, сочетающих широкий спектр и FDMA. Широкий спектр также позволяет централизованно перераспределять ресурсы между базовыми станциями (увеличение/уменьшение числа разрешённых пользователей — это дыхание ячейки), либо регулировать нагрузку с помощью контроля допуска и планирования трафика.

Однако при оптимальной DCA-схеме спектральная эффективность широкополосных технологий (DSSS, FHSS) ниже, чем у неширокополосных, так как их главная цель — помехоустойчивость, а не максимизация пропускной способности[17]. Особенно перспективна модуляция OFDM (ортогональное частотное разделение), позволяющая эффективно бороться с многолучёвостью в широкополосных каналах. OFDM может быть расширена до OFDMA для организации множественного доступа на восходящей линии. Для предотвращения межячеечных помех используются FDMA с DCA или DFS. Пример — вышеупомянутый стандарт IEEE 802.11h. OFDM и OFDMA с DCA активно исследуются как варианты для 4G-сетей.

Технологии DSSS и FHSS остаются ключевыми для сетей Интернета вещей (IoT) малого радиуса действия (Zigbee, Bluetooth Low Energy), тогда как в сетях дальнего радиуса (LPWAN) применяются иные методы, такие как NB-IoT и LoRaWAN[18].

DCA на уровне пакетов

В пакетных системах передачи данных трафик импульсный и нагрузка быстро меняется, поэтому для высокой спектральной эффективности DCA желательно выполнять для каждого пакета. Примеры соответствующих алгоритмов: динамическое пакетное распределение (Dynamic Packet Assignment, DPA), Динамические одночастотные сети (Dynamic Single Frequency Networks, DSFN) и пакетное и ресурсное планирование (PARPS). В сетях 5G-Advanced и 6G на смену классическим алгоритмам (DPA, DSFN, PARPS) приходят парадигмы на основе глубокого обучения с подкреплением (DRL) и сетевого сегментирования (Network Slicing)[2][19].

Применение искусственного интеллекта

В современных беспроводных и сотовых сетях для минимизации помех и динамического распределения ресурсов активно применяются технологии искусственного интеллекта (ИИ). В отличие от традиционных статических методов, алгоритмы ИИ способны адаптироваться к изменяющимся условиям в реальном времени, анализируя текущую сетевую обстановку[20].[21] В задачах распределения каналов выделяют три основных подхода машинного обучения[22]:

  • Обучение с учителем: использует размеченные наборы данных для обучения моделей определению оптимального распределения каналов на основе предыдущих успешных решений.
  • Обучение без учителя: применяется для решения задач непрерывной оптимизации, таких как распределение мощности и проектирование диаграммы направленности.
  • Обучение с подкреплением (RL): алгоритм (агент) обучается взаимодействовать с сетью (средой) методом проб и ошибок, получая вознаграждение за эффективные решения, такие как увеличение пропускной способности или снижение задержек.

Для адаптивного управления в реальном времени активно применяется глубокое обучение с подкреплением (DRL). Этот метод позволяет создавать системы, способные автономно принимать решения в сложных сетевых условиях. Для децентрализованного принятия решений, в частности в гетерогенных сетях и сценариях связи между устройствами, используется многоагентное обучение с подкреплением (MARL), при котором несколько агентов совместно оптимизируют использование доступных радиоресурсов[23].[24]

Распределение каналов в миллиметровом и терагерцовом диапазонах

Использование миллиметровых волн (mmWave) в сетях 5G и 6G предоставляет широкие участки спектра, однако сопряжено с высокими потерями сигнала при распространении и чувствительностью к препятствиям. Для эффективного распределения каналов в таких условиях применяется формирование луча (англ. beamforming), создающее узконаправленные сигналы для компенсации потерь. Из-за ограниченного радиуса действия требуется плотное развёртывание малых сот. Статические схемы распределения в сетях mmWave неэффективны, поэтому используются динамические алгоритмы, адаптирующие выделение ресурсов и направление лучей в реальном времени[25].[26] В сетях 6G, работающих в терагерцовом (ТГц) диапазоне, проблемы затухания сигнала и уязвимости к блокировкам выражены ещё сильнее. Распределение каналов в ТГц-диапазоне требует многополосного подхода, при котором спектр разделяется на более узкие поддиапазоны («окна прозрачности»). Применяются такие методы, как адаптивная ширина поддиапазона (динамическое изменение ширины подканалов) и распределение с учётом расстояния, когда частоты с наименьшими потерями выделяются удалённым абонентам. Для управления сложностью сетей 6G и оптимизации распределения спектра в реальном времени активно используются алгоритмы искусственного интеллекта[27].[28][2]

Примечания

  1. ↑ 1 2 Гуован Мяо, Йенс Зандер, Ки Вон Сонг, Бен Слиман. Fundamentals of Mobile Data Networks. Cambridge University Press, 2016. ISBN 1107143217.
  2. ↑ 1 2 3 Better together: Explaining the AI-6G convergence. Telecoms.com. Дата обращения: 28 мая 2026.
  3. ↑ White Paper on B5G and 6G KPIs. 5G PPP (июнь 2022). Дата обращения: 28 мая 2026.
  4. ↑ 6G: Гиперконвергенция наземных и спутниковых сетей. Habr. Дата обращения: 28 мая 2026.
  5. ↑ 1 2 3 Channel Allocation Strategies in Computer Network. GeeksforGeeks. Дата обращения: 28 мая 2026.
  6. ↑ 1 2 Chapter 8: Channel Allocation. NTUST. Дата обращения: 28 мая 2026.
  7. ↑ Open RAN RIC (Open RAN Intelligent Controller). 5G Networks. Дата обращения: 28 мая 2026.
  8. ↑ 5G NR Radio Frame Structure. Tech Edge Wireless. Дата обращения: 28 мая 2026.
  9. ↑ Channel Allocation Schemes. Wireless Communication. Дата обращения: 28 мая 2026.
  10. ↑ Возврат погодных каналов повышает ёмкость Wi-Fi 5 ГГц (англ.). Cisco Blogs. Cisco (10 июля 2014). Дата обращения: 28 мая 2026.
  11. ↑ 1 2 Saltikoff, Elena (2016). “The Threat to Weather Radars by Wireless Technology”. Bulletin of the American Meteorological Society [англ.]. 97 (7): 1159—1167. DOI:10.1175/BAMS-D-15-00048.1.
  12. ↑ RLAN 5 ГГц — помехи для метео-радаров в Европе. ITU. International Telecommunication Union (18 сентября 2009). Дата обращения: 28 мая 2026.
  13. ↑ Помехи от Wi-Fi устройств в C-диапазоне. PoS. SISSA (2025). Дата обращения: 28 мая 2026.
  14. ↑ Проблема помех метеорологическим радарам от систем Wi-Fi 5 ГГц. JRC (2022). Дата обращения: 28 мая 2026.
  15. ↑ Automated Frequency Coordination (AFC) FAQ. Cisco. Дата обращения: 28 мая 2026.
  16. ↑ Automated Frequency Coordination (AFC). Alethea Tech. Дата обращения: 28 мая 2026.
  17. ↑ Технологии расширения спектра. Studfile. Дата обращения: 28 мая 2026.
  18. ↑ IoT Connectivity Comparison. Spenza. Дата обращения: 28 мая 2026.
  19. ↑ AI and ML for 5G Advanced and 6G. Nokia. Дата обращения: 28 мая 2026.
  20. ↑ Dynamic channel assignment in large-scale cellular networks using neural networks to minimize mutual interference. PubMed. Дата обращения: 28 мая 2026.
  21. ↑ Deep Reinforcement Learning for Dynamic Resource Allocation and Beam Management in 5G mmWave Networks. arXiv (апрель 2022). Дата обращения: 28 мая 2026.
  22. ↑ Оптимизация распределения ресурсов в беспроводных системах связи на основе машинного обучения. СПбГУ. Дата обращения: 28 мая 2026.
  23. ↑ Deep Reinforcement Learning for Dynamic Resource Allocation in Wireless Networks. arXiv (3 февраля 2025). Дата обращения: 28 мая 2026.
  24. ↑ Deep Reinforcement Learning for Radio Resource Management in Future Wireless Networks. arXiv (июнь 2021). Дата обращения: 28 мая 2026.
  25. ↑ Проблемы распространения миллиметровых волн. Dolph Microwave. Дата обращения: 28 мая 2026.
  26. ↑ Диаграммы направленности антенн. Microwave Engineering. Дата обращения: 28 мая 2026.
  27. ↑ RRM Challenges for 6G Terahertz Communications. Patsnap Eureka. Дата обращения: 28 мая 2026.
  28. ↑ ML-systems for THz communications. Oulu Repository. Дата обращения: 28 мая 2026.

Ссылки

Категории