NATALIA CARDOSO MACHADO MODELO PARA … · natalia cardoso machado modelo para cÁlculo de...

NATALIA CARDOSO MACHADO

MODELO PARA CÁLCULO DE CAPACIDADE DE TRANSMISSÃO PA RA

USUÁRIOS DE REDES DE RÁDIOS COGNITIVOS COM BASE OFD M

CANOAS, 2012




Trabalho de conclusão apresentado ao Curso de Ciência da Computação do Centro Universitário La Salle – Unilasalle, como exigência parcial para a obtenção do grau de Bacharel em Ciência da Computação.

Orientação: Profº M.e. Rafael Kunst

CANOAS, 2012




Trabalho de conclusão apresentado ao Curso de Ciência da Computação do Centro Universitário La Salle – Unilasalle, como exigência parcial para a obtenção do grau de Bacharel em Ciência da Computação.

Aprovado pela banca examinadora em 10 de dezembro de 2012.

BANCA EXAMINADORA:

Profª M. ªAndrea Collin Krob Unilasalle

Prof. Me. Rafael Kunst Unilasalle

Prof. Me. Artur Cardoso Severo Unilasalle

RESUMO

A atual situação de escassez de faixas disponíveis para a transmissão de dados no

espectro de frequência e o crescente aumento de dispositivos móveis impulsionou

de forma positiva as pesquisas nas áreas referentes às Redes de Rádios Cognitivos.

Este fato deve-se a possibilidade de otimização da utilização do espectro de

frequências através da alocação dinâmica de recursos. A alocação dinâmica do

espectro não é uma tarefa simples, e como tal possui diversos desafios. O primeiro

desafio enfrentado é a identificação da porção do espectro onde os usuários

cognitivos poderão transmitir seus dados. Com o objetivo de identificar a parcela do

espectro de frequência que não é utilizada pelos usuários primários de redes

baseadas em OFDM (Orthogonal Frequency-Division Multiplexing), e quais as

métricas que estão associadas diretamente a este valor, foram desenvolvidos três

modelos de simulação. Dois destes modelos simulam o tráfego de uma rede sem fio

OFDM e OFDMA (Orthogonal Frequency-Division Multiple Access) possibilitando

assim a identificação da capacidade da rede que é subutilizada. Além destes dois

modelos, foi utilizado para fins comparativos, um terceiro modelo de simulação

proposto na pesquisa realizada por Lee e Akyldiz em 2011, o qual se baseia na

geração randômica de valores referentes a taxa de chegada e a taxa de serviço dos

usuários primários de uma rede . Através dos resultados destes modelos foi possível

a realização de uma análise na qual foi realizado um mapeamento sobre as

características de uma rede que definem a capacidade disponível para a

transmissão de dados de usuários secundários. Através desta análise foi possível

observar que a geração randômica proposta por Lee e Akyldiz não proporciona um

cenário realista, pois não considera informações importantes de uma rede como a

quantidade de usuários primários e a capacidade de transmissão de cada canal

simulado.

ABSTRACT

The current situation of scarcity of available bands for data transmission in the

spectrum frequency used in wireless network and the increasing number of mobile

devices positively boosted research in areas related with Cognitive Radio Networks.

This fact is due to the possibility of optimizing the use of the frequency spectrum

through dynamic allocation performed in these networks. Dynamic allocation of

spectrum is not a simple task, and as such possesses several challenges. The first

challenge is to identify the portion of the spectrum where cognitive users can transmit

their data, which correspond to those which are not being used by primary users

because it is a Cognitive Radios Network. With this objective of identify the portion of

the frequency spectrum that is not used by primary users of networks based at

OFDM (Orthogonal Frequency-Division Multiplexing) and what the metrics that are

directly associated with this, three simulation models were developed. Two of these

models simulate the traffic of a OFDM and OFDMA (Orthogonal Frequency-Division

Multiple Access) wireless network, where is possible to identify the capacity on

network that is not used. Apart from these two models were used for comparative

purposes, a third simulation model proposed in the study by Lee and Akyldiz in 2011,

which is based on the generation of random values for the arrival rate and service

rate of primary users of a network. Through the results of these models was possible

to perform an analysis was conducted in which a mapping on characteristics of a

network defining the capacity available for data transmission of secondary users.

Through this analysis it was observed that the random generation proposed by Lee

and Akyldiz not provide a realistic scenario because it does not consider a network of

important information such as the amount of primary users and the transmission

capacity of each channel simulated.

LISTA DE ILUSTRAÇÕES

Figura 1 - Conceito de Spectrum Holes ...................................................................15

Figura 2 – Círculo de Cognição ...............................................................................16

Figura 3 – Arquitetura de uma Rede de Rádios Cognitivos .....................................18

Figura 4 – Funções de Rádio Cognitivo ..................................................................19

Figura 5 – Compartilhamento de espectro Intra-Rede e Entre-Redes ....................22

Figura 6 – Comparação entre a transmissão de dados utilizando tecnologia FDM

(direita) e OFDM (esquerda) ...................................................................................26

Figura 7 – Transmissão de dados OFDMA .............................................................27

Quadro 1 – Relação dos parâmetros utilizados para a geração do tráfego VoIP ....35

Quadro 2 – Relação das distribuições probabilísticas utilizadas na geração do

tráfego HTTP ...........................................................................................................36

Figura 8 – Cadeia de Markov utilizada durante a simulação ...................................38

Figura 9 – Estrutura básica de um sistema de filas .................................................43

Figura 10 – Definição de Taxa de Chegada e Taxa de Serviço ...............................44

Quadro 3– Relação dos parâmetros utilizados na simulação do modelo baseado nas

fórmulas probabilísticas ...........................................................................................46

Quadro 4 – Relação dos parâmetros utilizados no modelo de simulação OFDM

baseado na geração de tráfego VoIP e HTTP .........................................................48

Quadro 5 – Relação dos parâmetros utilizados na simulação do modelo OFDMA

baseado na geração de tráfego VoIP e HTTP .........................................................49

Gráfico 1– Capacidade Disponível em relação à taxa de chegada .........................50

Gráfico 2 – Capacidade Utilizada em relação à taxa de serviço nos modelos de

simulação OFDM .....................................................................................................52

Gráfico 3 – Capacidade Utilizada em relação à taxa de serviço no modelo de

simulação OFDMA ..................................................................................................53

Gráfico 4 – Período Médio Disponível em relação à taxa de chegada de um canal

................................................................................................................................54

Gráfico 5 – Período Médio Utilizado em relação à taxa de serviço de um canal nos

modelos de simulação OFDM .................................................................................56

Gráfico 6 – Período Médio Utilizado em relação à taxa de serviço de um canal no

modelo de simulação OFDMA .................................................................................56

Gráfico 7 – Capacidade Média Utilizada pelos usuários primários relacionada à

quantidade de usuários ...........................................................................................57

Gráfico 8 – Capacidade Média Disponível relacionada à quantidade de usuários ..

......................................................................................................................58

Gráfico 9 – Capacidade de Transmissão Utilizada e Capacidade de Transmissão

Disponível em um canal durante o tempo de simulação de uma rede OFDM ........59


disponível em um canal durante o tempo de simulação de uma rede OFDMA .......60

LISTA DE TABELAS

Tabela 1 – Probabilidades das possíveis transições representadas na Cadeia de

Markov ....................................................................................................................39

LISTA DE SIGLAS

CDMA Code Division Multiple Access

FDM Frequency-Division Multiplexing

FEC Forward Error Correction

HTTP HyperText Transfer Protocol

IP Internet Protocol

MAC Medium Access Control

MCS Modulation and Coding Scheme

OFDM Orthogonal Frequency-Division Multiplexing

OFDMA Orthogonal Frequency-Division Multiple Access

PDU Protocol Data Unit

RTP Real-Time Transport Protocol

SDR Software Defined Radio

TDMA Time Division Multiple Access

UDP User Datagram Protocol

VoIP Voice over IP

SUMÁRIO

1 INTRODUÇÃO ...................................................................................... 12

2 REFERÊNCIAL TEÓRICO .................................................................... 15

2.1 Redes De Rádios Cognitivos .................... .......................................... 15

2.1.1 Spectrum Sensing ................................................................................. 20

2.1.2 Spectrum Sharing .............................................. 21

2.1.3 Spectrum Mobility .................................................................................. 23

2.1.4 Spectrum Decision ................................................................................ 24

2.2 Técnicas de Transmissão: OFDM e OFDMA ......... ............................ 25

2.2.1 Orthogonal Frequency Division Multiplexing – OFDM ........................... 25

2.2.2 Orthogonal Frequency Division Multiple Access – OFDMA ................... 26

3 TRABALHOS RELACIONADOS .......................... ................................ 28

4 MODELOS DE SIMULAÇÃO .................................... 34

4.1 Modelos de Simulação baseados na Geração de Tr áfego de Dados

.............................................................................................................. 34

4.1.1 Geração do Tráfego de Dados ................................... 34

4.1.1.1 Geração de Tráfego de Dados VoIP .............................. 35

4.1.1.2 Geração de Tráfego de Dados HTTP .................................................... 36

4.1.2 Propagação de Dados pelo Canal ......................................................... 37

4.1.3 Transmissão de Dados .......................................................................... 40

4.1.4 Contabilização da Capacidade de Transmissão Disponível e Utilizada

..................................................................................................................... 41

4.2 Modelo Probabilístico ........................ ................................................. 42

4.3 Cálculo das Taxas de Chegada e de Serviço ..... ............................... 43

5 CENÁRIOS DE SIMULAÇÃO .......................... ..................................... 46

5.1 Cenários de Simulação para o Modelo de Simulaçã o baseado em

fórmulas probabilísticas .......................... .......................................................... 46

5.2 Cenários de Simulação para o Modelo de Simulaçã o OFDM baseado

na Geração de Trafego VoIP e HTTP ................. ................................................ 47

5.3 Cenário de Simulação para o Modelo de Simulaçã o OFDM baseado na

Geração de Tráfego VoIP e HTTP .................... .................................................. 48

6 ANÁLISE DE RESULTADOS .......................... ...................................... 50

6.1 Comparações entre os resultados obtidos através dos três modelos

desenvolvidos ..................................... ............................................................... 50

6.2 Análises de Resultados obtidos nos Gráficos do s Modelos

desenvolvidos utilizando a Geração de Tráfego ..... ........................................ 57

7 CONCLUSÃO ...................................... ................................................. 61

REFERÊNCIAS ..................................................................................... 64

12

1 INTRODUÇÃO

Umas das atuais preocupações referentes às redes sem fio é a escassez de

faixas disponíveis no espectro de frequências, através da alocação dinâmica do

espectro é possível amenizar este problema. Com o aparecimento de diversos

dispositivos e serviços sem fio esta situação tem se agravado (KUNST, 2011).

Entretanto, este problema não se baseia somente no aumento da demanda por

serviços sem fio, mas também na subutilização do espectro. As faixas do espectro

são distribuídas para as operadoras de telecomunicações ou para outras

organizações, e esta distribuição é realizada de forma com que as faixas sejam

utilizadas por um longo prazo em grandes regiões geográficas. O que em alguns

casos, ocasiona subutilização do espectro (JONDRAL, 2007). Um melhor

aproveitamento do espectro de frequências é possível através da alocação dinâmica

oferecida pelas Redes de Rádios Cognitivos.

As Redes de Rádios Cognitivos são redes sem fio, cuja ideia principal é prover

acesso compartilhado ao espectro de frequências para usuários licenciados e não

licenciados. Os usuários licenciados são aqueles possuem direitos para a utilização

de determinadas áreas do espectro. Já os não licenciados, estão aptos a realizar

transmissões apenas em áreas reservadas para fins industriais, científicos ou

médicos, as quais não necessitam de licença para sua utilização (KUNST, 2011). A

utilização de Redes de Rádios Cognitivos possibilita que usuários secundários (não

licenciados) utilizem áreas do espectro pertencentes a usuários primários

(licenciados), que não estejam sendo utilizadas em um determinado momento

(ZHOU et al., 2010). O conceito de Rádio Cognitivo foi apresentado pela primeira

vez em 1999, por Mitola e Maguire (MITOLA; MIGUIRE, 1999).

A principal funcionalidade de um dispositivo de Rádio Cognitivo é a adaptação

de suas frequências de transmissão de forma dinâmica, caracterizando assim a

alocação dinâmica do espectro (KUNST, 2011). É esta funcionalidade que torna

possível o compartilhamento do espectro entre os usuários primários e secundários.

Para a implementação deste compartilhamento são utilizadas duas técnicas,

Spectrum Sensing, que consiste em identificar áreas inutilizadas ou subutilizadas no

espectro e Software Defined Radio (SDR), que é responsável por adaptar os

13

parâmetros da Rádio Frequência para transmitir em uma área identificada pela

técnica anterior (GHASEMI; SOUZA, 2008).

Entre os objetivos da alocação dinâmica otimizada encontra-se a necessidade

de garantir a qualidade de serviço necessária para as aplicações (KUNST, 2011).

Para este fim é necessário identificar os canais disponíveis no espectro de forma

rápida e eficiente (YÜCEK; ARSLAN, 2009), além de garantir que as transmissões

dos usuários primários não sejam prejudicadas pelas transmissões dos usuários

secundários (HUANG; LIU; DING, 2008). Tais necessidades tornam a alocação

dinâmica do espectro uma atividade complexa. Para que haja realmente um melhor

aproveitamento das faixas do espectro de frequências é necessário identificar a

capacidade de transmissão subutilizada.

Em uma pesquisa realizada no ano de 2011, Lee e Akyldiz apresentaram um

modelo que busca realizar a função de Spectrum Desion de forma otimizada, ou

seja, buscando obter o melhor aproveitamento possível da capacidade de

transmissão subutilizada, onde a identificação da capacidade disponível é realizada

através de fórmulas. Outra pesquisa que também foi realizada nesta área está

descrita em Yuan et al. (2010), onde é realizada uma análise sobre a seleção do

melhor canal como meio de acesso com técnicas de previsão de tráfego, onde é

definido um modelo para o acesso ao espectro por parte dos usuários primários. Em

Faganello (2012) é proposto um algoritmo de alocação dinâmica baseado na técnica

Q-Learning, e para a simulação do tráfego de dados primários na rede para validar o

algoritmo é utilizado um modelo de distribuição exponencial.

Além do fato destas pesquisas focarem na resolução de problemas existentes

na alocação dinâmica do espectro, é possível identificar outro ponto em comum

entre elas, que é a necessidade de utilização de um modelo o qual simule o

comportamento de usuários primários em uma rede para a validação da proposta

apresentada. Entretanto, nas pesquisas citadas anteriormente não são utilizados

modelos os quais simulem de forma realista o tráfego de dados em uma rede

primária, são utilizadas apenas fórmulas baseadas na taxa de chegada e na taxa de

serviço dos canais simulados. E os valores destas taxas são gerados de forma

randômica em alguns casos.

Sendo assim define-se a seguinte pergunta de pesquisa: “Um modelo onde

sejam utilizados valores randômicos para a geração da taxa de chegada e a taxa de

14

serviço de uma rede consegue simular de forma realista o comportamento dos

usuários primários?”. Buscando responder esta pergunta, o objetivo desta pesquisa

foi desenvolver modelos os quais simulem o comportamento dos usuários primários

em uma rede onde seja possível a identificação da capacidade utilizada e disponível

no espectro durante a simulação. Para isto o modelo proposto por Lee e Akyldiz em

2011, o qual utiliza valores randômicos para a definição das taxas de chegada e para

a taxa de serviço, e utiliza estes valores como base no modelo de simulação, foi

utilizado para fins comparativos com os modelos propostos durante esta pesquisa.

Os modelos propostos são dois, os quais são baseados no modelo apresentado em

Both et al. (2012) para a geração de tráfego de dados do tipo VoIP (Voice over IP) e

HTTP ( HyperText Transfer Protocol). Possibilitando assim a análise do tráfego de

dados de tempo real e de melhor aproveitamento. Através da comparação destes

três modelos foi possível identificar se os modelos propostos nesta pesquisa

proporcionam um cenário mais realista que o modelo proposto por Lee e Akyldiz em

2011.

Como resultado desta pesquisa foi identificado que a simulação de tráfego de

usuários primários em uma rede com base OFDM não deve ser realizada através da

utilização de valores randômicos uma vez que estes valores não levam em

consideração características importantes de uma rede OFDM.

Este trabalho de pesquisa está organizado da seguinte forma: No capítulo 2 é

apresentado o referencial teórico que servirá como base para um melhor

entendimento dos conceitos utilizados durante a pesquisa; O capítulo 3 foi dedicado

a apresentação de trabalhos relacionados ao assunto estudado; Já no capítulo 4 são

detalhados os modelos desenvolvidos; No capítulo 5 são relacionados os

parâmetros utilizados em cada uma das simulações executadas durante este

pesquisa; Os resultados obtidos através das simulações são analisados no capítulo

6; E finalmente o capítulo 7 é dedicado às considerações finais sobre o trabalho

realizado.

15

2 REFERENCIAL TEÓRICO

Neste capítulo serão descritos os fundamentos básicos das Redes de Rádios

Cognitivos, juntamente com uma explicação de suas principais funções para que

seja possível o entendimento completo sobre a pesquisa desenvolvida. E também

neste capítulo serão apresentadas as principais características das tecnologias

OFDM e OFDMA, pois as redes simuladas através dos modelos utilizam estas

tecnologias.

2.1 Redes De Rádios Cognitivos

O Rádio Cognitivo é um sistema de comunicação que compreende seu estado

atual e o do ambiente onde está inserido. Sendo assim, capaz de tomar decisões

sobre a alocação do espectro de frequências com base nas informações do estado

atual do espectro e no histórico que possui, e se reconfigurar quando necessário

(FAGANELLO, 2012).

A Capacidade Cognitiva e Reconfigurabilidade correspondem as principais

características de um Rádio Cognitivo. A Capacidade Cognitiva é definida como a

capacidade de iteração com o ambiente que possibilita a identificação das áreas do

espectro que estão disponíveis ou não (AKYLDIZ et al., 2008).

Figura 1 – Conceito de Porções Disponíveis do Espectro

Fonte: Faganello, 2012, p. 14.

16

Na figura 1 são representadas as porções do espectro que estão sendo

utilizadas em um determinado momento e as que estão disponíveis. Onde o tempo é

representado no eixo horizontal, a frequência utilizada no eixo perpendicular, e a

potência utilizada na transmissão no eixo vertical. As transmissões são

representadas através do volume do gráfico, desta forma é possível identificar com

facilidade as porções do espectro que estão disponíveis (FAGANELLO, 2012).

A reconfigurabilidade é basicamente a capacidade de alteração dos parâmetros

de transmissão, esta característica garante que o rádio cognitivo consiga além de

transmitir e receber dados em uma variedade diferente de frequências, também

suportar diferentes tecnologias de acesso (AKYLDIZ et al., 2008). Um melhor

aproveitamento dos recursos, só é possível através da possibilidade de decisão

sobre o melhor canal a ser alocado levando em considerando as características

atuais do espectro (SILVA, 2011).

Para que uma decisão seja realizada, o Rádio Cognitivo necessita realizar as

seguintes ações: (I) observar o ambiente onde esta inserido, (II) interferir no seu

contexto, (III) descobrir as ações que podem ser executadas, (IV) criar planos, (VI)

supervisionar os serviços que são providos a seus usuários, e (VI) aprender. Cada

uma destas etapas possui um papel fundamental na otimização da alocação

dinâmica do espectro de frequências (SILVA, 2011).

Figura 2 – Círculo de Cognição

Fonte: Silva, 2011, p. 6.

17

Como apresentado na figura 2, cada uma dessas funcionalidades está

organizada em um ciclo, o qual é chamado de Ciclo de Cognição. Desta forma um

rádio cognitivo consegue observar o que acontece em seu ambiente, planeja suas

estratégias, realizar suas decisões e aprender com os resultados obtidos através de

suas ações.

Uma Rede de Rádio Cognitivo possui permissão para a transmissão de dados

em áreas licenciadas do espectro apenas através do compartilhamento destas áreas

com os usuários primários, que são os que possuem a licença para a sua utilização

(AKYLDIZ et al., 2008). Considerando esta limitação, a arquitetura de uma Rede de

Rádios Cognitivos tem características singulares se comparada com outras redes

sem fio.

Os componentes de uma Rede de Rádios Cognitivos são divididos em dois

grupos, a rede secundária e a rede primária. A rede secundária é composta pelos

usuários secundários e se necessário por uma estação base secundária. É a

estação base secundária que é responsável por coordenar o acesso dos usuários

secundários ao espectro, e tanto ela como os usuários secundários são equipados

com funções de rádios cognitivos. E caso haja um número grande de redes

secundárias a qual estejam compartilhando a mesma área do espectro, a utilização

desde recurso deve ser coordenada por um equipamento chamado Spectrum

Broker.

O Spectrum Broker é responsável por coletar as informações de cada rede

secundária e realizar a alocação dos recursos visando à eficiência sobre a utilização

do espectro e a justiça na divisão deste recurso (WANG; LIU, 2011).

Já a rede primária é formada pelos usuários primários e por no mínimo uma

estação base primária. Diferentemente do grupo anterior, estes componentes

geralmente não são capazes de executar funções de rádios cognitivos (WANG; LIU,

2011).

Esta arquitetura é ilustrada na figura 3, onde são apresentados três canais.

Dois deles licenciados, ou seja, para que um usuário secundário utilize este canal é

necessário que nenhum usuário primário esteja utilizando-o. E no caso de

aparecimento de um usuário primário em um canal que estiver sendo utilizado para a

transmissão de dados de um usuário secundário, o usuário secundário deve liberar o

canal e alocar outro canal que esteja disponível. E um não licenciado, que

18

corresponde a um canal desprovido de usuários primários, assim nestes canais o

compartilhamento é realizado apenas entre os usuários secundários (AKYLDIZ et al.,

2008).

Figura 3 – Arquitetura de uma Rede de Rádios Cognitivos

Fonte: WANG; LIU, 2011, p. 7.

A transmissão e recebimento de dados de um Rádio Cognitivo podem ser

programados em uma variedade de frequências (FAGANELLO, 2012). Esta

variedade é definida pela sua quantidade de transceptores. Assim com base nas

decisões, um Rádio Cognitivo pode alterar suas configurações para a escolha de um

novo canal ou de parâmetros, mas adequados a uma determinada operação

19

(FAGANELLO, 2012).

Desta forma, as Redes de Rádios Cognitivos proporcionam o compartilhamento

de canais do espectro de frequências entre usuários primários e usuários

secundários.

Inicialmente se imaginou que apenas este fato possibilitaria a disponibilidade

de uma alta largura de banda para os usuários de dispositivos móveis através redes

sem fio distintas e as técnicas de acesso dinâmico ao espectro (LEE; AKYILDIZ,

2011). Entretanto existem grandes desafios a serem vencidos para que este objetivo

seja alcançado, alguns deles são: (I) A porção do espectro que está disponível para

ser utilizada pelos usuários secundários esta constantemente sofrendo mudanças.

(II) E os diversos requisitos de qualidade de serviço que mudam de um tipo de

aplicação para outra (LEE; AKYILDIZ, 2011). Assim para que a alocação dinâmica

do espectro de frequências seja realizada de forma otimizada é necessário quatro

passos básicos, são eles: (I) determinar quais as posições do espectro que estão

disponíveis, (II) selecionar o melhor canal disponível, (III) coordenar o acesso a este

canal por parte dos demais usuários e (IV) desocupar o canal quando um usuário

licenciado for detectado. Para este fim são utilizadas quatro funções: Spectrum

Sensing, Spectrum Sharing, Spectrum Decision e Spectrum Mobility (AKILDIZ et al.,

2008).

Figura 4 – Funções de Rádio Cognitivo

Fonte: AKYLDIZ et al., 2008, p. 40.

20

Estas quatro funções deve trabalhar em conjunto para que o objetivo de

realizar a alocação dinâmica do espectro de forma otimizada seja alcançado. Na

figura 4, é apresentada cada uma das funções listadas anteriormente, as interações

que devem ocorrer entre elas e as camadas de rede. Onde é possível verificar que

cada uma destas funções possuí uma reponsabilidade específica, cada uma destas

responsabilidades serão tratadas com mais detalhes nas seções seguintes.

2.1.1 Spectrum Sensing

A identificação dos canais disponíveis no espectro de frequências é realizada

através da função Spectrum Sensing (LEE; AKYLDIZ, 2011). O objetivo dessa

função é monitorar as faixas do espectro a fim de coletar informações do estado

atual do espectro, estas informações irão servir como base para as demais funções

(AKYLDIZ et al., 2008).

A detecção do atual estado do espectro de frequências é realizada através da

utilização de diferentes técnicas, três delas são: (I) Detecção de Energia, (II)

Detecção de Recursos, e (III) Filtragem Combinada e Detecção Coerente (WANG;

LIU, 2011).

A detecção de energia consiste em mediar a energia recebida no canal durante

um determinado período de observação e sinalizando a disponibilidade do canal

quando a energia medida estiver abaixo de um valor pré-estabelecido. Este tipo de

detecção requer um tempo de sensoriamento longo o que acarreta em um baixo

desempenho, mas é uma solução que apresenta um baixo custo e de simples

implementação (GHASEMI; SOUSA, 2008). Outro ponto negativo desta detecção

esta na possibilidade de ocorrer um falso alarme, pois através deste tipo de

detecção não é possível diferenciar o sinal de um usuário primário de um sinal de

uma fonte desconhecida (WANG; LIU, 2011).

Na detecção de recursos são utilizadas as características específicas

relacionadas à transmissão dos usuários primários, como a taxa de modulação.

Estas características são utilizadas como referência para a validação se um

determinado sinal pertence a usuário secundário (WANG; LIU, 2011). A

implementação deste tipo de detecção é mais complicada do que a detecção por

energia, e é necessário conhecer as informações mais precisas sobre os usuários

21

primários das faixas do espectro as quais estão sendo analisadas (GHASEMI;

SOUSA, 2008).

Com o objetivo de melhorar o desempenho da detecção de energia, é possível

utiliza-la em conjunto com a técnica de detecção de recursos. Neste cenário, a

técnica de detecção de energia é utilizada apenas para identificar canais que sejam

possíveis candidatos para a utilização por parte dos usuários secundários, e a

técnica de detecção de recursos é aplicada para identificar as porções do espectro

que realmente estão disponíveis (GHASEMI; SOUSA. 2008).

E a filtragem combinada e detecção coerente necessita conhecer, como na

detecção por recursos, informações sobre os usuários primários. Nesta técnica,

estas informações são utilizadas para comparar com um sinal recebido a fim de

identificar se o sinal em questão pertence a um usuário primário ou não. A vantagem

deste tipo de detecção esta no curto tempo necessário para realizar a detecção, e a

baixa probabilidade de falso alarme. Mas há desvantagem, no alto consumo de

energia necessário e a complexidade de implantação (WANG; LIU, 2011).

2.1.2 Spectrum Sharing

A função Spectrum Sharing é responsável por coordenar o acesso

compartilhado ao espectro, evitando assim interferências (AKYLDIZ et al., 2008).

Esta responsabilidade acarreta uma variedade de desafios, levando em

consideração a ampla gama de espectro disponível e a coexistência de usuários

secundários e usuários primários. Para que estes desafios sejam alcançados

existem diferentes abordagens, as quais são referentes a arquitetura, no

comportamento de alocação, na tecnologia de acesso e a técnica de

compartilhamento (AKYLDIZ et al., 2008).

Quanto à arquitetura, existe uma abordagem centralizada e outra distribuída.

Em uma arquitetura centralizada, a alocação e acesso ao espectro são controlados

por uma entidade central. A entidade central centraliza as medições do espectro e

constrói um mapa de alocação do espectro. Já na abordagem distribuída esta

responsabilidade fica a cargo de cada nó, onde podem ser consideradas políticas

locais ou globais. A vantagem de uma arquitetura centralizada é que ela pode ser

utilizada entre diferentes redes de rádios cognitivos, e a desvantagem esta no custo

22

de envio de mensagens entre os nós (AKYLDIZ et al., 2008).

Figura 5 – Compartilhamento de espectro Intra-Rede e Entre-Redes

Fonte: Autoria Própria, 2012, baseado em AKILDIZ et al., 2008, p. 40.

Referindo-se ao acesso ao espectro, é possível utilizar uma abordagem

cooperativa ou não cooperativa. Na solução cooperativa são exploradas as

medições de interferência de cada nó, sendo possível considerar o efeito da

comunicação de um determinado nó com os demais (AKYLDIZ et al., 2008).

Como técnica de compartilhamento, existe a técnica entre-redes e intra-rede. A

técnica intra-rede consiste no compartilhamento do espectro entre usuários de uma

mesma Rede de Rádios Cognitivos, e a técnica entre-redes no compartilhamento do

espectro entre diferentes Redes de Rádios Cognitivos, como ilustrado na figura 5.

E considerando a tecnologia de acesso, também existem duas abordagens.

Uma na qual o acesso ao espectro é realizado apenas em faixas do espectro nas

quais não tenham sido utilizadas pelos usuários primários, e a outra onde são

exploradas técnicas de dispersão do espectro assim desta forma a transmissão de

usuários secundários é considerado ruído para os usuários primários. A segunda

abordagem proporciona uma maior largura de banda a ser utilizada por parte do

usuário secundário, mas acarreta uma maior complexidade (AKYLDIZ et al., 2008).

Existem duas formas para a realização do gerenciamento do acesso dos

usuários aos canais do espectro. A primeira consiste em identificar a atual alocação

do espectro e a partir dessa informação gerar um mapa. E a segunda é baseada na

23

utilização de uma base de dados que contém regras a serem consideradas para que

um usuário secundário decida se pode acessar o espectro ou não (KUNST, 2011).

O comportamento dos usuários da rede também deve ser considerado. Estes

podem ser cooperativos ou não-cooperativos. Nas redes onde os usuários são não-

cooperativos, não há a troca de informações entre os vizinhos, assim as decisões

são tomadas com base apenas nas informações do próprio usuário (AKYLDIZ et al.,

2008). Já nas redes onde os usuários são cooperativos são consideradas as

medições de interferência de cada usuário (KUNST, 2011).

2.1.3 Spectrum Mobility

Spectrum Mobility é a função que altera as configurações de acesso ao espectro de

frequência para as correspondentes à faixa de espectro selecionada pela Spectrum

Decision (KUNST, 2011). Esta alteração deve ser realizada de forma transparente

para que a qualidade de serviço do usuário secundário não seja afetada e de forma

rápida a fim de evitar que a latência da rede seja aumentada (AKYLDIZ et al., 2008).

Para que seja possível realizar a gestão da mobilidade é necessário conhecer

o tempo necessário para a realização da troca destas configurações, porque durante

este tempo o usuário secundário não poderá realizar a transmissão de dados. Esta

informação pode ser adquirida através de um algoritmo de detecção (AKYLDIZ et al.,

2008).

Existem ainda muitas pesquisas sendo realizadas nesta área, onde se tem

buscado vencer os principais desafios enfrentados, que são em relação ao espaço e

ao tempo. Em relação ao tempo, o desafio enfrentado é a garantia de Qualidade de

Serviço para os usuários secundários quando as faixas disponíveis no espectro

mudam a todo o momento. E em relação ao espaço, a alocação contínua se torna

uma tarefa extremamente complicada quando o usuário se move de uma área do

espectro para outra (AKYLDIZ et al., 2008).

2.1.4 Spectrum Decision

A função Spectrum Decision tem como objetivo decidir qual a melhor faixa de

frequência entre as disponíveis (KUNST, 2011). Cada um dos canais disponíveis do

24

espectro de frequência apresenta características diferentes, assim é necessário

considerar as características do usuário secundário em questão, bem como as

atividades do usuário primário e a qualidade do serviço desejada pelo usuário

secundário (LEE; AKYLDIZ, 2011).

Mas além destas características é necessário levar em consideração também

características como interferência, a taxa de perda e a taxa de erro de cada canal

que estiver sendo analisado. E mesmo havendo diversas pesquisas sendo

realizadas na área de Redes de Rádios Cognitivos ainda não foi desenvolvida uma

análise e modelagem do espectro em Redes de Rádios Cognitivos considerando

todos os fatores relacionados de forma completa.

Esta função é subdividida em duas etapas, na primeira devem ser recolhidas

informações estatísticas das redes dos usuários primários, as quais serão utilizadas

juntamente com as informações repassadas pelos usuários secundários. E na

segunda etapa as informações coletadas são analisadas e a faixa do espectro mais

adequada pode ser selecionada (AKYLDIZ et al., 2008). Além destas duas etapas é

possível ainda subdividir a segunda etapa em outras duas, uma na qual

considerando o estado atual do espectro determina se a Rede de Rádio Cognitivo

em questão pode aceitar um novo usuário secundário ou não. E a outra responsável

por determinar quais os canais do espectro que devem ser alocados e por quais

usuários secundários (LEE; AKYLDIZ, 2011).

Esta função Spectrum Decision deve ser executada sempre que ocorrer algum

evento onde seja necessária a alocação de um novo canal por parte de um usuário

secundário. Estes eventos são: (I) O surgimento de um novo usuário secundário. (II)

O surgimento de um usuário primário o qual esteja licenciado para a utilização de um

canal que esteja alocado por um usuário secundário, onde neste momento o usuário

secundário deve ser deslocado para outro canal. (III) Quando ocorre uma

degradação na qualidade de um canal que esteja sendo utilizado por um usuário

secundário que ocasione a queda na qualidade de serviço predefinida no momento

da alocação (LEE; AKYLDIZ, 2011).

2.2 Técnicas de Transmissão: OFDM e OFDMA

No esquema de modulação multiportadora Orthogonal Frequency Division

25

Multiplexing (OFDM) em ambientes multiusuários é permitido implementação do

acesso múltiplo através de Time Division Multiple Access (OFDM-TDMA) ou por

Code Division Multiple Access (OFDM-CDMA).

Nestes dois métodos de acesso múltiplo, quando um canal é alocado este só

pode ser utilizado por um usuário, o qual acarreta uma redução no desempenho

causando desvanecimento do sinal e interferência por banda estreita (ALI; LEUNG,

2009).

Já o Orthogonal Frequency Division Multiple Access (OFDMA) basicamente

permite a utilização das subportadoras da técnica OFDM com multiplexação por

divisão de tempo e frequência entre multiusuários. Estas duas tecnologias são

utilizadas em diversos sistemas de comunicação sem fio de alta velocidade (ALI;

LEUNG, 2009).

2.2.1 Orthogonal Frequency Division Multiplexing - OFDM

A técnica de modulação OFDM consiste basicamente na transmissão de dados

em paralelo através de subportadoras as quais estão sobrepostas. Esta

sobreposição resulta em uma redução de 50% da largura de banda se comparada

com a técnica de multiplexação por divisão de frequência (FDM) (DUTRA, 2010).

Em um sistema FDM, o sinal é dividido em canais sem a sobreposição de

frequências e é necessário introduzir uma banda de guarda entre os canais

adjacentes para que os canais estejam separados de forma correta na recepção, o

que ocasiona que áreas do espectro sejam subutilizadas.

Já em sistema OFDM não existe esta limitação, pois as subportadoras admitem

a sobreposição por tempo e frequência, onde a recuperação do sinal é possível

através da ortogonalidade (PAULA, 2010).

Na figura 6, é possível visualizar que a transmissão de dados de forma paralela

aperfeiçoa a taxa de transmissão dos dados em comparação a técnica de divisão

por frequência.

26

Figura 6 – Comparação entre a transmissão de dados utilizando tecnologia FDM

(direita) e OFDM (esquerda)

Fonte: Armstrong, 2009, p. 190.

2.2.2 Orthogonal Frequency Division Multiple Access - OFDMA

Similar à técnica OFDM, a técnica OFDMA utiliza subportadoras ortogonais

para a transmissão de dados, sua diferença esta na possibilidade de

compartilhamento de um único símbolo por mais de um usuário (BOTH et al., 2012).

As subportadoras são agrupadas em subcanais, onde cada um pode ser

alocado por um usuário diferente (COSTA et al., 2008). Na figura 7 é possível

observar a divisão dos subcanais os quais podem ser alocados por diferentes

usuários.

O fato de que a alocação dos subcanais poder ser realizada por diferentes

usuários proporciona melhor distribuição da largura de banda do canal. Outra

vantagem sobre a utilização desta técnica é o uso de subportadoras ortogonais que

torna o canal menos sensível a ruídos e interferências do meio de transmissão

(CAMARGO, 2010).

27

Figura 7 – Transmissão de dados OFDMA

Fonte: COSTA et al. 2010, p. 17.

28

3 TRABALHOS RELACIONADOS

Durante este capítulo serão apresentados os principais trabalhos de pesquisa

que estão relacionados a esta pesquisa, dos quais todos serviram como base em

seu desenvolvimento.

A transmissão de dados em Redes de Rádios Cognitivos possui uma alta

complexidade e por isso existem diversas pesquisas nesta área. Uma destas

pesquisas foi realizada em 2008 por Lee e Akyldiz. Com o objetivo de apresentar um

modelo para a realização da função de Spectrum Sensing de forma otimizada em

Redes de Rádios Cognitivos, identificando assim um número maior de

oportunidades de acesso ao espectro por parte dos usuários secundários sem

interferir nas transmissões dos usuários primários.

O modelo proposto (LEE; AKYLDIZ, 2008), consiste basicamente em três

partes, que são (I) otimização dos parâmetros de sensoriamento de um único canal

do espectro, (II) seleção e programação dos canais do espectro, e (III) no

sensoriamento adaptativo e cooperativo. Assim de acordo com as características de

cada rádio cognitivo a estação base fica responsável por inicializar os parâmetros

utilizados no sensoriamento. No momento em que um novo usuário secundário

chega a Rede de Rádios Cognitivos ele deve selecionar os melhores canais para o

sensoriamento e configurar a programação do sensoriamento de acordo com o

número de transceptores que possui e otimizar os parâmetros de sensoriamento

através da utilização destes dois métodos, de seleção do espectro e programação.

Após isto o usuário secundário deverá ficar monitorando os canais do espectro

utilizando as informações otimizadas adquiridas através da execução dos métodos

anteriores e reportando os resultados a estação base. E é através destas

informações que a estação base define os canais que estão disponíveis, e no caso

da estação base detectar alguma alteração que afete a performance do

sensoriamento os parâmetros são alterados e todos os usuários secundários

conectados a esta estação base recebem uma notificação.

Para o aumento das oportunidades de acesso ao espectro por parte dos

usuários secundários, buscou-se através deste modelo anular a interferência

ocasionada pela impossibilidade de sensoriamento do espectro por um usuário

secundário durante o tempo de transmissão e otimizar a eficiência do sensoriamento

29

do espectro. Para provar a eficiência do modelo de sensoriamento proposto foi

desenvolvido um modelo de simulação o qual simula o ambiente de uma Rede de

Rádios Cognitivos.

Para este modelo de simulação são necessários alguns requisitos básicos, os

quais são eles (I) arquitetura da rede, (II) comportamento dos usuários secundários e

(III) o ambiente onde a Rede de Rádios Cognitivos está inserida. Fazendo parte

deste terceiro requisito existe a ‘Atividade do Usuário Primário’, e é nesta parte que

se encontra a relação entre a pesquisa que está sendo aqui descrita e a de Lee et al.

(2008).

De acordo com Lee e Akyldiz, a atividade do usuário primário está intimamente

relacionada com o desempenho da Rede de Rádios Cognitivos, e esta estimativa é

crucial para execução da função de Spectrum Sensing. Como proposta para a

simulação da atividade do usuário primário é assumido que o comportamento do

inicio e término de transmissões dos usuários primários pode ser realizado através

de uma distribuição exponencial. Com isto o tráfego de um usuário primário pode ser

representado em dois estados: nascimento e morte.

O nascimento seria o momento em que o usuário primário inicia uma

transmissão e a morte quando finaliza a transmissão. Para cada um destes estados

é definida uma taxa a qual será utilizada para o cálculo da distribuição exponencial

utilizada na simulação. A taxa de chegada ou nascimento é referenciada por β, que

é calculada com base no tempo decorrido entre o inicio de cada transmissão

realizada por um usuário primário em um determinado canal. Já a taxa de serviço ou

morte é referenciada no artigo por α e seu cálculo é baseado no tempo necessário

para realizar as transmissões dos dados dos usuários primários. O cálculo de cada

uma destas taxas será explicado com mais detalhe no capítulo 4.

Baseados nesta abordagem, cada canal possui dois estado que são ON para

quando esta ocupado e OFF quando esta disponível. E a chegada de cada usuário é

independente, onde cada transmissão utiliza um processo de chegada baseado em

uma distribuição de Poisson.

Utilizando as duas taxas, de serviço α e de chegada β, é estimada a

probabilidade dos períodos que serão utilizados pelos usuários primários (Pon) e que

ficarão disponíveis para a utilização dos usuários secundários (Poff). Para o cálculo

destes valores são utilizadas as seguintes fórmulas:

30

( )β+α

β=Pon (1)

( )β+α

α=Poff (2)

E com base no valor definido em Poff é apresentada a fórmula que é utilizada a

fim de estimar a capacidade de transmissão do canal que ficará disponível para os

usuários secundários. Segue abaixo a fórmula utilizada por Lee e Akyldiz (2008):

ioff,iiiopi PWρη=C ... (3)

Onde ηi, representa a eficiência de sensoriamento, a qual corresponde a razão

entre o tempo de transmissão sobre o tempo total do ciclo de sensoriamento. E Wi e

ρi, representam a largura de banda de um canal e a eficiência de transmissão do

canal, a qual esta intimamente relacionada ao esquema de modulação e codificação,

ou Modulation and Coding Scheme (MCS), utilizado durante cada transmissão, para

este parâmetro foi utilizado o valor fixo 1 durante as simulações. As fórmulas

apresentadas anteriormente são utilizadas no algoritmo proposto para uma previsão

sobre a capacidade de transmissão estimada em cada um dos canais, a qual será

utilizada como base na tomada de decisão sobre quais canais dentre os disponíveis

serão alocados para um determinado usuário secundário.

Além das fórmulas apresentadas anteriormente, são utilizadas durante esta

pesquisa, duas fórmulas as quais segundo os autores representam a média do

tempo de utilização e a média do tempo de disponibilidade de um determinado

canal. Estas fórmulas são:

α=Ton

1 (4)

β=Toff

1 (5)

Onde Ton corresponde a média do tempo de utilização e Toff corresponde a

31

média do tempo de disponibilidade. Podemos observar que todas as fórmulas

citadas utilizam como base as taxa de chegada e de serviço. Neste ponto é

necessário então entender como estas taxas são definidas para a simulação. No

caso de Lee e Akyldiz (2008) foram utilizados valores fixos em busca da simulação

de diferentes cenários.

Dando continuidade ao trabalho desenvolvido em 2008, em 2011 Lee e Akildiz

realizaram outra pesquisa agora focando na função de Spectrum Decision. Nesta

pesquisa foram apresentadas novamente fórmulas baseadas nas taxas de chegada

e de serviço. Uma fórmula apresentada novamente nesta pesquisa foi Toff = 1 / β.

Mas para a simulação do algoritmo proposto as taxa de chegada e de serviço não

foram definidas de forma fixa como no trabalho anterior e sim de forma randômica

onde as taxas correspondentes a cada canal foram geradas no intervalo de 0 a 1

através de uma função randômica de maneira uniforme.

Em Yuan et al. (2010) também foi realizada uma pesquisa cujo objetivo é a

análise de desempenho sobre a seleção de oportunidades de acesso ao espectro

utilizando previsão de tráfego. Onde os desafios traçados são semelhantes ao da

pesquisa realizada por Lee e Akildiz em 2008, que são a anulação da interferência

para a comunicação normal dos sistemas primários e a otimização sobre o

desempenho das transmissões realizadas pelos usuários secundários.

E para a realização da análise é proposto um modelo de simulação onde

períodos ON e OFF de cada canal são obtidos através de distribuições

exponenciais. Estas distribuições são baseadas nas taxas de chegada e de serviço,

cujos valores são gerados de forma randômica.

De acordo com Yuan et al., a geração randômica destes valores já é suficiente

para que seja possível estimar ,através de um cálculo probabilístico, a capacidade

disponível para a transmissão de dados de usuários secundários em um

determinado intervalo de tempo.

Já em Faganello (2012) foi realizada uma pesquisa cujo objetivo foi a proposta

de um algoritmo de alocação dinâmica de canais para Rádio Cognitivo baseado no

algoritmo de aprendizagem por reforço Q-Learning. A simulação dos períodos

utilizados pelos usuários primários e os não utilizados é um pouco diferente.

Para cada canal é definida uma taxa de chegada representada neste caso por

λ e as variáveis tON(i) e tOFF(i). Onde tON(i) representa uma única utilização de um

32

canal por um usuário primário e tOFF(i) um único período de disponibilidade de um

canal. Com base na taxa de chegada é calculada a probabilidade de haver k

períodos de utilização, sendo que um canal possui um número de utilizações igual a

k, utilizando a seguinte fórmula:

f(k, λi) = N.,,=i,k!

eλ iλki ...1,2,3

−

(6)

Onde N corresponde ao total de canais simulados. A definição dos períodos de

disponibilidade é realizada através do cálculo da duração entre dois períodos de

utilização o qual é obtido através da fórmula:

f(tOFF(i); λi) = ( ) ( )

( )

�−

00

0

<it,

it,it

e

OFF

OFFOFFiλ

(7)

Já para a modelagem dos períodos de utilização foi utilizada a fórmula:

f(tOFF(i); λi) = ( ) ( )

( )

�−

00

0

<i,t

i,tit

e

ON

ONONiλ

(8)

As simulações foram realizadas utilizando uma distribuição exponencial, a qual,

segundo o autor, representa um cenário mais realístico se comparado à distribuição

de Pareto.

Analisando os trabalhos de pesquisa relacionados podemos perceber que

mesmo que em alguns o objetivo principal seja diferente, em todos houve a

necessidade de simulação do comportamento dos usuários primários para a

validação de suas propostas. Este é um problema que é enfrentado em várias

pesquisas semelhantes, com base nisso durante esta pesquisa serão analisadas

algumas das possíveis soluções para este problema.

33

4 MODELOS DE SIMULAÇÃO

Para esta pesquisa foram propostos três modelos, os quais irão simular redes

sem fio utilizando tecnologia OFDM e ODFMA. A construção destes modelos foi

baseada nas pesquisas de Lee e Akyldiz de 2008 e 2011 e Both et al. (2012).

4.1 Modelos de Simulação baseados na Geração de Trá fego de Dados

Para os dois modelos desenvolvidos durante esta pesquisa que simulam uma

rede OFDM e uma OFDMA utilizando geração de tráfego VoIP e HTTP possuem

características muito semelhantes.

Estes dois modelos se diferenciam apenas no número de subportadoras

utilizadas e na forma como a capacidade disponível para a utilização dos usuários

secundários em cada canal é contabilizada. Desta forma, foi utilizada a mesma

estrutura básica nos dois modelos.

Visando a simplificação dos modelos, as transmissões realizadas em um canal

foram modeladas como se cada canal pertencesse a uma operadora, a qual agrupa

os dados transmitidos pelos usuários primários de um canal em uma fila, e fica

responsável por realizar a transmissão dos dados pelo canal.

A estrutura básica utilizada para o desenvolvimento dos modelos baseados na

geração do tráfego pode ser dividida em quatro partes que são: (I) Geração do

tráfego de dados, (II) Propagação de dados pelo canal, (III) Transmissão dos Dados

e (IV) Contabilização da capacidade de transmissão utilizada e a capacidade de

transmissão disponível para a utilização dos usuários secundários.

4.1.1 Geração do Tráfego de Dados

Nas duas simulações foram utilizados dois modelos de geração de tráfego de

download propostos em Both et al. Um para a geração de tráfego de transmissão de

voz sobre ip (VoIP), o qual é formado por transmissões de tempo real. E um outro

modelo de geração de tráfego HTTP (HyperText Transfer Protocol) para a simulação

de usuários com transmissões de melhor esforço. Cada um destes modelos é

explicado com mais detalhes nas seções seguintes.

34

4.1.1.1 Geração de Tráfego de Dados VoIP

O modelo de geração de tráfego VoIP foi desenvolvido considerando

parâmetros do codec de áudio Adaptive Multi-Rate (AMR), o qual é otimizado para a

codificação de voz, com supressão de silêncio.

A modelagem das transmissões é realizada baseando-se em dois períodos que

são: (I) período ON, que corresponde ao momento onde está sendo realizada a

transmissão de PDUs (Protocol Data Unit), ou Unidades de Dados de Protocolo , e

(II) período OFF, durante o qual é enviado apenas um ruído de conforto (BOTH et al.,

2012).

Cada um destes períodos é gerado através de uma distribuição exponencial,

onde os valores utilizados para a média são 1171 ms e 1026 ms para os período ON

e OFF respectivamente. Outro parâmetro utilizado foi o intervalo entre as

transmissões, onde foram utilizados 20 ms. Estes valores foram utilizados por terem

sido propostos em Both et al. (2012).

A compressão no cabeçalho do protocolo de transporte também foi

considerada, desta forma o tamanho da unidade de dados do protocolo MAC

(Medium Access Control) utilizado foi de 42 bytes. Onde foram considerados 6 bytes

para o cabeçalho do protocolo MAC, 3 bytes para os cabeçalhos comprimidos dos

protocolos RTP (Real-Time Transport Protocol), UDP (User Datagram Protocol) e IP

(Internet Protocol), e 33 bytes para o pacote de voz (BOTH et al., 2012). No quadro 1

são listados os parâmetros utilizados no modelo descrito anteriormente.

Quadro 1 – Relação dos parâmetros utilizados para a geração do tráfego VoIP

Parâmetro Valor

Duração do período ON Distribuição Exponencial, onde a média

utilizada foi 1171 ms

Duração do período OFF Distribuição Exponencial, onde a média

utilizada foi 1026 ms

Parâmetro Valor

Intervalo entre as transmissões 20 ms

Tamanho total do PDU do protocolo MAC utilizado durante os períodos

6 bytes (cabeçalho MAC) + 3 bytes

35

Parâmetro Valor

ON (cabeçalhos comprimidos RTP, UDP e IP) +

33 bytes (pacote de voz) = 42 bytes

Fonte: Autoria própria, 2012.

4.1.1.2 Geração de Tráfego de Dados HTTP

O modelo de geração de tráfego proposto por Both et al., em 2012, baseia-se

no contexto de que uma página web é formada por um conjunto de objetos, que são

a própria página principal e os elementos que estão incorporados nela. Do mesmo

modo que o tráfego de tempo real foi gerado baseando-se em períodos ON e OFF

este modelo também foi, mas neste caso o período ON compreende o período de

download de uma página web e o período OFF ao tempo de leitura (BOTH et al.,

2012).

O tempo de leitura refere-se ao período em que o usuário visualiza e lê uma

página web até ir para uma próxima página, o período de análise e o overhead do

protocolo também fazem parte do período OFF. Para a definição de cada um destes

valores, como tempo de leitura, tamanho da página principal e a quantidade de

objetos incorporados na página principal, foram utilizadas distribuições

probabilísticas. Estas distribuições estão relacionadas no quadro 2.

Quadro 2. Relação das distribuições probabilísticas utilizadas na geração do tráfego

HTTP.

Componente Valor Parâmetro Função de Densidade

Probabilística

Tamanho da

página

principal

Distribuição

Log-Normal

truncada

Média: 107010 bytes

Desvio Padrão: 25032 bytes

Mínimo: 100 bytes Máximo: 2 M bytes

Σ = 1,37

µ = 8,37


Probabilística

36


Probabilística

Número de

objetos

incorporados

em uma

página

Distribuição

Log-Normal

truncada

Média: 7758 bytes

Desvio Padrão: 126168 bytes

Mínimo: 50 bytes

Máximo: 2 M bytes

Σ = 2,36

µ = 6,17

Tamanho do

objeto

incorporado

em uma

página

Distribuição

de Pareto

truncada

Média: 5,64

Máximo: 53

Α = 1,1

m = 55

Tempo de

Leitura

Distribuição

Exponencial

Média: 30 s λ = 0,033

Tempo de

Análise

Distribuição

Exponencial

Média: 0,13 s λ = 7,69


4.1.2 Propagação de Dados pelo Canal

A eficiência de transmissão em um canal altera ao longo do tempo, desta forma

para a simulação de um comportamento mais próximo do real é necessário modular

os estados pelos quais um canal irá transitar durante o tempo de simulação. Esta

eficiência de transmissão pode ser identificada através do MCS (Modulation and

Conding Scheme) utilizado em um canal, pois através dele é definido o número de

bits a serem transmitidos por símbolo de modulação e o FEC (Forward Error

Correction) utilizado na transmissão (BOTH et al., 2012).

Seguindo a proposta de Both et al. (2012), a modulação deste comportamento

foi realizado utilizando Cadeia de Markov. Através desta abordagem, foi possível

mapear possíveis estados de um canal, onde cada um destes estados foi associado

a um MCS. E para a transição de um canal entre estes estados foram associadas

diferentes probabilidades.

Na Cadeia de Markov utilizada para esta representação foram incluídos três

37

tipos de transação, que são: (I) permanecer no mesmo estado, que indica que a

propagação de dados em um canal permanece similar a anterior, (II) ir para o

próximo estado, isto ocorre quando a propagação dos dados apresenta uma

melhora, e (III) ir para o estado anterior, caracterizando uma piora na qualidade de

propagação do canal (BOTH et al., 2012).

Assim com base nos parâmetros utilizados em Both et al. (2012) foram definido

6 estados, onde para cada um deles foi atribuído um MCS diferente e a cada

possível transição associada a cada um destes estados foi associada uma

probabilidade diferente.

Figura 8 – Cadeia de Markov utilizada durante a simulação


Na figura 8 estão representados os estados utilizados, as possíveis transições

e o MCS utilizado em cada estado. Desta forma, no primeiro e no segundo estado

serão enviados 2 bits por símbolo e um FEC de 2/3 e 3/4 respectivamente, no

38

terceiro e quarto 4 bits serão enviados por símbolo com um FEC de 1/2 e 3/4 nesta

ordem, e finalmente no quinto e o sexto estado foi definido um envio de 6 bits por

símbolo e para um quinto estado um FEC de 2/3 e para o sexto um FEC de 2/4.

Observando a figura 8, é possível visualizar que a decisão sobre qual transição

será utilizada é tomada com base apenas no estado, mas para simular o

comportamento de um canal é necessário também levar em consideração as

probabilidades associadas a cada interação conforme mencionado anteriormente.

Por exemplo, utilizando como base os estudos realizados em Both et al. (2012)

quando um canal se encontra no primeiro estado, ele pode continuar no primeiro

estado, ou ir para o segundo estado ou ir para o terceiro, mas a probabilidade que

que a transição escolhida seja para permanecer no mesmo estado é de 79 %

enquanto a probabilidade de que a transição seja para o segundo estado é de 28 %,

para o terceiro estado é de 1 %, para o sexto estado é de 10 %, para os demais

estados não há transições possíveis a partir do primeiro estado.

Na tabela 1 são apresentadas todas as probabilidades utilizadas durante as

simulações, às transações marcadas com X neste quadro são transações

inexistentes na cadeia na qual a simulação foi baseada.

Tabela 1 – Probabilidades das possíveis transições representadas na Cadeia de

Markov

Estado

Futuro

Estado Atual

1 2 3 4 5 6

1 79 % 13 % 8 % X X X

2 28 % 38 % 34 % X X X

3 1 % 3% 87 % 9 % X X

4 X X 2 % 94 % 3 % 1 %

5 X X X 10 % 80 % 10 %

6 10 % 10 % 10 % 10 % 10 % 95 %


4.1.3 Transmissão de Dados

Para que o comportamento dos modelos simulados seja similar ao

39

comportamento de um ambiente real é necessário simular a transmissão de dados

levando em consideração o MCS (Modulation and Conding Scheme) utilizado e a

capacidade de transmissão de cada um dos canais. Como os canais simulados irão

utilizar tecnologias OFDM e OFDMA, a definição da capacidade de transmissão de

cada canal deve ser baseada em informações como: número de portadoras e a

quantidade de símbolos por slot.

Com este objetivo, para o desenvolvimento dos modelos de simulação foi

utilizada uma fórmula a qual é responsável por calcular o número de slots que serão

ocupados para a transmissão dos dados de um determinado usuário. A fórmula

utilizada foi baseada na fórmula proposta em Both et al. (2012), a qual é

apresentada a seguir:

( ) ( )

.

....1 0

scslots

ss

Q

=s

sP

i=is,mm

slots NS

KMPDU+kMΦ+Ψ

=N

∑ ∑

(9)

Onde Ψ e φ estão relacionados ao overhead gerado durante a transmissão,

para facilitar o desenvolvimento dos modelos o cálculo do overhead foi definido

como 10% do total de slots utilizados para transmissão dos dados, este valor foi

definido com base em Both et al. (2012).

As variáveis m e s correspondem aos índices dos Q slots os quais formam o

subframe do OFDMA, que foi a tecnologia estudada em Both et al. (2012). Além

destas informações são utilizadas na fórmula: (I) PDU (Protocol Data Unit), que

representa os bits transmitidos pelos usuários primários; (II) Ps, o qual é o índice de

um determinado PDU no slot s; (III) M, é definido como a quantidade de bits por

símbolo de modulação; (IV) K, é codificação FEC utilizada; (V) S, simboliza o

número de símbolos por slot; e (VI) N corresponde ao número de subportadoras por

subcanal.

Além da simplificação do cálculo do valor de overhead de cada transmissão,

outra simplificação realizada na fórmula apresentada em Both et al. (2012) foi que no

modelo de simulação OFDMA não foi considerado o número de subportadoras por

subcanal mas sim o número total de subportadoras.

Esta alteração não afeta os resultados da simulação, pois, como mencionado

40

anteriormente, em cada um dos canais modelados nos modelos de simulação

propostos nesta pesquisa serão utilizados como se uma operadora fosse

responsável pelo acesso aos canais. Desta forma, as requisições dos usuários

primários serão agrupadas e a transmissão dos dados será realizada de forma

conjunta como se fosse apenas um usuário, não necessitando assim a divisão dos

usuários em subcanais.

Com o objetivo de simplificar o desenvolvimento do modelo sem prejudicar os

resultados obtidos durante a simulação, foi utilizada nos modelos a seguinte fórmula:

( )( ).

..

cslots

islots NS

KMPDU=N (10)

Onde i representa um usuário o qual possuí dados na fila para a transmissão,

M e K correspondem ao número de bits por símbolo de modulação e a codificação

FEC respectivamente, quais são definidos com base na Cadeia de Markov explicada

na seção 4.1.2, S simboliza o número de símbolos por slots e N número de

subportadoras do canal.

4.1.4 Contabilização da Capacidade de Transmissão Disponível e Utilizada

Esta fase da simulação dos modelos de simulação baseados na geração de tráfego

VoIP e HTTP pode ser considerada como a fase chave para a geração dos

resultados que serão analisados nesta pesquisa. A contabilização da capacidade de

transmissão disponível e utilizada irá identificar a capacidade do canal usada para a

transmissão dos usuários primários e quanto ficou disponível para a transmissão dos

usuários secundários.

A contabilização da capacidade utilizada em cada transmissão em cada um dos

modelos foi realizada de forma simples. Após a identificação do número de slots

utilizados para a transmissão dos dados dos usuários primários é identificada a

porcentagem deste valor em relação ao total de slots disponível para a transmissão.

Já a contabilização da capacidade de transmissão disponível para uso dos

usuários secundários foi realizada de formas diferentes no modelo OFDM e no

modelo OFDMA. No modelo que simula uma rede com tecnologia OFDM a

41

capacidade disponível é considerada apenas quando nenhum usuário primário esta

realizando uma transmissão, pois a transmissão de dados de um usuário secundário

não pode prejudicar a transmissão de um usuário primário.

Nos quadros em que não há a transmissão de dados dos usuários primários é

considerada 100% da capacidade do canal no momento disponível para o usuário

secundário, mas considerando a eficiência de sensoriamento, pois quanto menor for

a eficiência de sensoriamento menor será a capacidade de transmissão aproveitada

pelo usuário secundário.

Já no caso do modelo de simulação OFDMA além de contabilizar a capacidade

disponível quando nenhum usuário primário está realizando uma transmissão,

também foi contabilizada a porcentagem da capacidade de transmissão que não é

utilizada mesmo quando um usuário primário estiver utilizando o canal. Esta é uma

das vantagens da utilização de uma rede OFDMA, a qual possibilita a transmissão

em subcanais. Assim os usuários secundários podem realizar suas transmissões em

um mesmo canal que esteja sendo utilizado por usuários primários, quando estes

não utilizarem toda a sua capacidade de transmissão.

4.2 Modelo Probabilístico

O modelo desenvolvido com base nas fórmulas probabilísticas foi desenvolvido

com base nas fórmulas apresentadas por Lee e Akyldiz em 2008 e 2010, com o

objetivo de validar se as fórmulas propostas simulam de forma realista uma rede

com tecnologia OFDM.

A definição da capacidade de transmissão disponível e utilizada foi realizada

com base nas fórmulas 1, 2 e 3 apresentadas no capítulo 3. Através das fórmulas 1

e 2 foram calculadas as probabilidades sobre a capacidade de transmissão

disponível e utilizada.

Desta forma a capacidade de utilização considerada neste modelo foi o

resultado obtido através do cálculo da probabilidade de utilização obtido através da

execução da fórmula 1.

Já a capacidade disponível em um canal, conforme apresentado na pesquisa

de Lee e Akyldiz de 2008, foi calculada utilizando a fórmula 3, apresentada

anteriormente. Mas como o objetivo deste modelo é identificar a parcela da

42

capacidade transmissão que utilizada e parcela disponível, a largura de banda não

foi considerada neste cálculo.

E para a identificação da média dos períodos de disponibilidade e de ocupação

em cada um dos modelos simulados foram utilizadas as fórmulas 4 e 5 também

apresentadas no capítulo 3.

4.3 Cálculo das Taxas de Chegada e de Serviço

Como mencionado na seção anterior, o Modelo baseado em Fórmulas

Probabilísticas desenvolvido durante esta pesquisa é baseado nos valores definidos

como a taxa de chegada e de serviço de cada canal simulado.

Desta forma para que haja uma forma de comparação entre os modelos

desenvolvidos foi identificada a necessidade de cálculo das taxas de chegada e da

taxa de serviço dos canais simulados a partir dos modelos baseados na geração do

tráfego VoIP e HTTP.

A taxa de chegada e a taxa de serviço são conceitos relacionados a Teoria das

Filas. A transmissão de dados em uma rede caracteriza uma fila de espera, pois

quando um usuário requisita a transmissão de dados, mas encontra o canal ocupado

é necessário aguardar durante um tempo até que seja possível realizar a

transmissão (BOTH et al., 2012).

Figura 9 – Estrutura básica de um sistema de filas

Fonte: TAVARES, 2012, p. 10.

Na figura 9, é apresentada a estrutura básica de um modelo de filas. Onde é

possível observar os elementos básicos que formam uma fila de espera, os quais

são: (I) Fonte de Entrada, responsável pelo processo de chegada; (II) Fila de

Espera, local onde os clientes aguardam até serem atendidos; (III) Disciplina da Fila,

onde são estabelecidos os critérios para a ordenação dos clientes na fila; (IV) E o

43

atendimento ou serviço, responsável pelo processo de atendimento dos clientes

(TAVARES, 2012).

Relacionando esta imagem com os modelos desenvolvidos durante esta

pesquisa os clientes correspondem aos dados transmitidos por cada um dos

usuários primários vinculados a operadora responsável pela a realização da

transmissão de dados em um determinado canal. E a disciplina das filas é definida

através de uma regra bastante simples, o primeiro a chegar à fila é o primeiro a sair.

E na figura 10 é apresentado um esquema simplificado sobre a definição das

taxas de chegada e de serviço, as quais são de profunda importância uma vez que

estas informações são apresentadas na grande maioria dos gráficos utilizados na

análise de resultados desta pesquisa.

Figura 10 – Definição de Taxa de Chegada e Taxa de Serviço

Fonte: Autoria Própria, 2012.

O cálculo da taxa de chegada é calculado pelo inverso da média do intervalo

de tempo entre requisição da transmissão de dados por parte dos usuários primários

em cada canal (PEDROSO, C. M.; RIBEIRO, E. P.; MUNETIKO, E. M, 2009). Ou

seja, a definição da taxa de chegada foi realizada através da fórmula 1/m, onde m é

a média do intervalo entre as chegadas de novas requisições de transmissão de

dados, o qual corresponde ao período entre requisições.

Já a taxa de serviço possui um cálculo bem semelhante, mas focado agora no

44

tempo de serviço médio de cada canal, o qual corresponde ao período de serviço.

Assim foi utilizada a seguinte fórmula para esta definição: 1/n. Onde n corresponde

no tempo médio entre o inicio do atendimento dos usuários primários em um canal

até o fim deste atendimento, o qual é caracterizado pela inexistência de dados a

serem transmitidos pelos usuários primários.

45

5 CENÁRIOS DE SIMULAÇÃO

Durante este capítulo serão descritos os parâmetros utilizados durante a

execução de cada um dos modelos desenvolvidos. Como mencionado

anteriormente, foram desenvolvidos para esta pesquisa três modelos de simulação,

todos eles utilizando o software Matlab.

5.1 Cenários de Simulação para o Modelo de Simulaçã o baseado em fórmulas

probabilísticas

Para a execução da simulação do Modelo de Simulação baseado em Fórmulas

Probabilísticas foram utilizados os seguintes parâmetros: eficiência de

sensoriamento, taxa de chegada, taxa de serviço e quantidade de canais simulados.

Para a eficiência de sensoriamento será utilizado o valor fixo 0,9, o mesmo valor

utilizado nas pesquisas de Lee e Akyldiz.

Já a taxa de chegada e a taxa de serviço serão geradas randomicamente em

um intervalo de 0 a 1. Estes valores foram baseados nos valores utilizados nas

simulações realizadas por Lee e Akyldiz em 2011. E a quantidade de canais

simulados foram 10. Estes parâmetros estão listados no quadro 3.

Quadro 3 – Relação dos parâmetros utilizados na simulação do modelo baseado nas

fórmulas probabilísticas

Fonte: Autoria própria, 2012

Os dados analisados durante a simulação deste modelo foram: (I) Período

Médio de Disponibilidade em função a Taxa de Chegada, (II) Período Médio de

Ocupação em função da Taxa de Serviço, (III) Capacidade Média Disponível em

Parâmetro Valor

Eficiência de Sensoriamento 0,9

Taxa de Chegada Número randômico no intervalo de 0 a 1

Taxa de Serviço Número randômico no intervalo de 0 a 1

Quantidade de canais 10

Eficiência de Transmissão 1

46

função da Taxa de Chegada e (IV) Capacidade Média Ocupada em função da Taxa

de Serviço. Para cada uma destas métricas foi gerado um gráfico que será utilizado

para a comparação deste modelo com os modelos propostos durante esta pesquisa.

5.2 Cenários de Simulação para o Modelo de Simulaçã o OFDM baseado na

Geração de Trafego VoIP e HTTP

Na simulação do modelo o qual simula uma rede primária com tecnologia

OFDM com geração de tráfego VoIP e HTTP foram utilizados além dos parâmetros

já apresentados no capítulo 4 referentes à geração de tráfego, os seguintes

parâmetros: eficiência de sensoriamento, quantidade de canais, quantidade de

usuários atendidos em cada canal, tipo de tráfego de cada usuário, total de

portadoras de cada canal e o número máximo de slots enviados em cada quadro.

O número máximo de slots enviados a cada quadro foram definidos com base

em Both et al. (2012), onde o valor utilizado para este parâmetro é de 420. A

porcentagem de overhead foi definida como 10 % para cada slot e o número de

símbolos por slot como 2, com base também nas informações desta mesma

pesquisa. E a eficiência de sensoriamento definida neste modelo foi a mesma

utilizada no modelo descrito anteriormente.

A simulação possui um tempo total de 10 s, onde cada 5 ms correspondem a

um quadro a ser transmitido. A quantidade de canais simulados foi a mesma

utilizado nos demais modelos, ou seja, 10 canais. Para a definição do número de

usuários os quais serão clientes de cada uma das operadoras responsáveis pela a

transmissão dos dados em cada um dos canais simulados, o modelo realiza uma

escolha entre os valores 50, 100, 150 e 200 onde cada um possui a probabilidade de

25 % de ser escolhido.

Outro parâmetro importante é a definição do tipo de tráfego que será utilizado

por cada um destes usuários, neste caso também é realizada uma escolha entre os

tipos de tráfego VOIP e HTTP, para esta escolha cada um possui uma probabilidade

de 50 % de ser escolhido. E por fim, para caracterizar uma rede primária a qual

esteja utilizando tecnologia OFDM, o número de portadoras definido foi de 256.

Todos os parâmetros descritos anteriormente estão relacionados no quadro 4.

47

Quadro 4 – Relação dos parâmetros utilizados no modelo de simulação OFDM

baseado na geração de tráfego VoIP e HTTP

Parâmetro Valor



Quantidade de usuários em cada canal Escolha entre 50, 100, 150 e 200

usuários. Todos com uma probabilidade

de escolha de 25%.

Tipo de tráfego de cada usuário Escolha entre HTTP ou VoIP realizada

para cada usuário. Cada um com uma

probabilidade de 50%.

Total de portadoras 256

Número máximo de slots por quadro 420

Número de símbolos por slots 2

Porcentagem de overhead gerado 10 %

Tempo de simulação 10 s

Tempo de cada quadro 5 ms


5.3 Cenário de Simulação para o Modelo de Simulação OFDMA baseado na

Geração de Tráfego VoIP e HTTP

Como mencionado anteriormente, o modelo de simulação o qual simula uma

rede primária com tecnologia OFDMA foi desenvolvido de forma muito semelhante

ao modelo o qual simula uma rede OFDM, desta forma foram utilizados os mesmos

parâmetros nestes dois modelos alterando apenas o número de portadoras

utilizadas que neste caso foram 1024, caracterizando assim uma rede OFDMA. Os

parâmetros utilizados durante esta simulação estão relacionados no quadro 5.

48

Quadro 5 – Relação dos parâmetros utilizados na simulação do modelo OFDMA

baseado na geração de tráfego VoIP e HTTP.

Parâmetro Valor



Quantidade de usuários em cada canal Escolha entre 50, 100, 150 e 200

usuários. Todos com uma probabilidade

de escolha de 25%.

Tipo de tráfego de cada usuário Escolha entre HTTP ou VOIP realizada

para cada usuário. Cada um com uma

probabilidade de 50%.

Total de portadoras 1024

Número máximo de slots por quadro 420

Número de símbolos por slots 2

Porcentagem de overhead gerado 10 %

Tempo de simulação 10 s

Tempo de cada quadro 5 ms


49

6 ANÁLISE DE RESULTADOS

Neste capítulo serão apresentados os resultados obtidos durante as

simulações. Desta forma serão relacionados os gráficos e as conclusões obtidas em

cada um dos gráficos gerados.

6.1 Comparações entre os resultados obtidos através dos três modelos

desenvolvidos

Como o modelo baseado em fórmulas probabilísticas é baseado nas taxas de

chegada e na taxa de serviço, conforme explicado anteriormente, estas taxas foram

utilizadas como base para a comparação entre os modelos desenvolvidos.

O primeiro gráfico a ser analisado é apresentado no gráfico 1, onde é

representada a capacidade média disponível em relação a taxa de chegada obtida

durante a simulação.

Gráfico 1– Capacidade Disponível em relação à taxa de chegada


50

A primeira vista é possível identificar características próprias de cada modelo

de simulação. Para o modelo construído com as fórmulas probabilísticas

relacionadas nas pesquisas realizadas por Lee e Akyldiz em 2008 e 2011, é possível

verificar que este modelo não produz um tráfego de dados semelhante aos demais

modelos, pois para a geração das taxas de chegada são utilizados números

randômicos. Desta forma não são levadas em consideração questões como o

número de usuários que estarão realizando transmissões, o tipo de tráfego, nem a

quantidade de bits gerados por cada usuário, o que ocasiona um comportamento

totalmente diferente dos demais modelos os quais consideram estas informações.

Em relação aos dois modelos desenvolvidos com base na geração de tráfego

VoIP e HTTP pode-se observar que nos dois modelos houve um comportamento

semelhante, onde conforme o aumento da taxa de chegada a capacidade média

disponível diminuí. Isto acontece porque quanto maior a taxa de chegada maior será

a utilização do canal por parte dos usuários primários, o que não ocorre no modelo

baseado nas fórmulas probabilísticas.

Mas levando em consideração as linhas do gráfico referentes aos dois modelos

baseados na geração de tráfego, é possível observar que a linha que se refere ao

modelo o qual simula a tecnologia OFDM chega um determinado valor de taxa de

chegada que a capacidade média disponível começa a estabilizar e não diminuir

mais.

Este comportamento ocorre, pois a partir de uma determinada taxa de chegada

onde o canal começa a ficar congestionado, ou seja, a capacidade do canal começa

a não ser suficiente para a transmissão dos dados dos usuários primários, e mesmo

com o aumento da taxa de chegada a capacidade utilizada do canal será a mesma.

Mas por outro lado observa-se que mesmo com o congestionamento do canal

ainda existe uma porcentagem do canal a qual ficou disponível para o usuário

secundário.

A pequena parcela a qual ficou disponível para o usuário secundário

corresponde ao primeiro segundo de simulação. Esta parcela é decorrente ao

comportamento do modelo de geração de tráfego o qual inicia a transmissão de

dados a partir do segundo de simulação. Este comportamento não ocorre no modelo

de simulação que utiliza tecnologia OFDMA, pois uma capacidade de transmissão

deste modelo é maior devido ao número maior de portadoras.

51

O segundo gráfico gerado nos três modelos apresenta informações sobre a

capacidade média utilizada de cada canal relacionada às taxas de serviço obtidas

durante as simulações. Como os valores referentes a capacidade utilizada obtidos

no modelo OFDMA utilizando a geração de tráfego são muito baixos se comparadas

aos obtidos através dos dois modelos OFDM, tanto o modelo desenvolvido utilizando

a geração de tráfego quanto o gerado a partir das fórmulas probabilísticas, serão

apresentados dois gráficos separados para um melhor entendimento sobre os

resultados obtidos.

Gráfico 2 – Capacidade Utilizada em relação à taxa de serviço nos modelos de

simulação OFDM


Comparando o gráfico 2 e o gráfico 3 é possível observar as taxas de serviço

relacionadas a simulação da rede primária OFDMA são muito mais elevadas que as

taxas obtidas nos modelos OFDM. Isto se deve ao fato de que como a capacidade

de transmissão é maior através da utilização da tecnologia OFDMA, desta forma são

necessários menos quadros para a transmissão dos dados gerados pelos usuários.

52

Gráfico 3 – Capacidade Utilizada em relação à taxa de serviço no modelo de

simulação OFDMA


Novamente o comportamento observado no modelo de simulação baseado nas

fórmulas probabilísticas não obteve um comportamento semelhante ao modelo

desenvolvido com a geração de tráfego. Este fato deve-se a utilização de valores

randômicos para a geração das taxas de serviço sem levar em consideração a

qualidade de propagação do canal como nos demais modelos.

Mas comparando apenas os dois modelos onde foi utilizado o modelo de

geração de tráfego e a Cadeia de Markov para simular o comportamento de um

canal, conclui-se que a capacidade utilizada em um canal reduz conforme o aumento

da taxa de serviço do canal.

Além dos gráficos relacionados a capacidade média disponível e a capacidade

média utilizada, também foram gerados gráficos referentes ao período médio de

disponibilidade e o período médio de ocupação. Ou seja, nestes gráficos são

53

relacionados a quantidade de quadros média a qual fica disponível para a utilização

de um usuário secundário ou não de forma sequencial, as taxas de chegada e

serviço.

No modelo baseado em fórmulas probabilísticas foi utilizada a fórmula 1/β,

onde β corresponde à taxa de chegada de um canal, para a definição desta

quantidade. Nestes gráficos é possível verificar se esta fórmula é realmente válida

ou não.

Gráfico 4 – Período Médio Disponível em relação à taxa de chegada de um canal


Os valores apresentados no gráfico 4 são relacionados aos períodos médios de

disponibilidade adquiridos durante a simulação de cada um dos modelos em relação

a taxa de chegada. Observando este gráfico é possível perceber que os modelos

OFDM e OFDMA que utilizaram a geração de tráfego não possuem o mesmo

comportamento apresentado no modelo baseado nas fórmulas probabilísticas.

Analisando mais profundamente os dados obtidos, concluiu-se que a fórmula

1/β se aproxima da média de períodos disponíveis quando os períodos de

54

transmissões são mais uniformes, ou seja, quando existe um número muito pequeno

de usuários ou, o contrário, um número muito grande de usuários ocasionando

períodos longos de não utilização ou períodos muito longos de utilização esta

fórmula não é válida.

Além da análise realizada sobre a média dos períodos disponíveis para a

utilização dos usuários secundários também foi realizada uma análise sobre a média

dos períodos utilizados pelos usuários primários, como mencionado anteriormente.

Para a média dos períodos utilizados pelos usuários primários foi realizada uma

análise muito semelhante a anterior, mas desta vez focando na fórmula 1/α, onde α

corresponde a taxa de serviço de um determinado canal.

Esta fórmula também foi utilizada no modelo OFDM baseado em fórmulas

probabilísticas para a determinação da média dos períodos de utilização de cada um

dos canais simulados. Novamente serão apresentados dois gráficos, um com os

resultados dos modelos OFDM e outro com os resultados do modelo OFDMA devido

as taxas de serviço atingidas no modelo OFDMA serem muito mais baixas quando

comparadas as taxas de serviço geradas nos outros modelos.

Já neste caso o resultado obtido é contrário ao anterior, pois é possível

observar, principalmente no gráfico 5, que a fórmula 1/α resulta em um valor médio

de períodos utilizados muito semelhantes ao valor identificado nos modelos

baseados na geração de tráfego. É visível a semelhança no comportamento dos dois

modelos OFDM apresentados no gráfico 5.

E analisando em conjunto os dois gráficos 5 e 6, é possível identificar que

conforme ocorre um aumento sobre a taxa de serviço acontece uma redução no

período médio utilizado. E que devido a maior capacidade de transmissão da rede

OFDMA os períodos de utilização são muito menores e as taxas de serviços muito

maiores se compararmos com os resultados obtidos nas simulações das redes

OFDM, pois não ocorre o congestionamento.

55

Gráfico 5 – Período Médio Utilizado em relação à taxa de serviço de um canal nos

modelos de simulação OFDM


Gráfico 6 – Período Médio Utilizado em relação à taxa de serviço de um canal no

modelo de simulação OFDMA


56

6.2 Análises de Resultados obtidos nos Gráficos dos Modelos desenvolvidos

utilizando a Geração de Tráfego

Os gráficos do modelo OFDM baseado nas fórmulas probabilísticas foram

gerados, como já mencionados anteriormente, com base em fórmulas probabilísticas

e números randômicos. Desta forma existem alguns gráficos os quais não podem

ser gerados a partir das fórmulas probabilísticas utilizadas, mas foram gerados para

os demais modelos.

Gráfico 7 – Capacidade Média Utilizada pelos usuários primários relacionada à

quantidade de usuários


No gráfico 7 e 8, são apresentados os valores referentes a capacidade média

disponível e a capacidade média utilizada nos dois modelos baseados na geração

de tráfego de dados VoIP e HTTP. Nestes gráficos é possível visualizar com

bastante facilidade que a tecnologia OFDMA possui uma capacidade de transmissão

57

muito maior que a tecnologia OFDM.

E, além disto, a possibilidade de divisão das portadoras em subcanais

permitida na tecnologia OFDMA possibilita que o usuário secundário aloque uma

capacidade muito maior do que em uma rede OFDM. Pois desta forma quando um

canal não utiliza toda a capacidade disponível para a transmissão dos dados dos

usuários primários a parcela não utilizada pode ser utilizada por usuários

secundários.

Gráfico 8 – Capacidade Média Disponível relacionada à quantidade de usuários


Diferentemente da tecnologia OFDM, a qual permite que um usuário

secundário utilize os recursos de um canal apenas quando este não esta sendo

utilizado pelos usuários primários. Este comportamento pode ser visualizado nas

figuras 9 e 10, onde estão sendo apresentadas as capacidades utilizadas e as

disponíveis durante a execução da simulação de cada um destes modelos.

Cada uma destas figuras possuem dois gráficos, um superior que corresponde

58

às capacidades utilizadas e um inferior as capacidades disponíveis. No gráfico 9,

excluído os primeiro segundos de transmissão sobre o qual existe um número muito

grande de quadro os quais dificultam a visualização dos quadros que não ficaram

disponíveis, durante um longo período que compreende do 1s a um pouco depois de

9s de simulação onde não foi identificado nenhum quadro disponível para a

utilização dos usuários secundários, pois durante este tempo haviam dados dos

usuários primários a serem enviados.

Já no gráfico 10 mesmo havendo transmissões por parte dos usuários

primários há uma parcela da capacidade total que pode ser utilizada pelos usuários

secundários através dos subcanais da tecnologia OFDMA.


Disponível em um canal durante o tempo de simulação de uma rede OFDM

Fonte: Autoria Própria, 2012

59


disponível em um canal durante o tempo de simulação de uma rede OFDMA

Fonte: Autoria Própria, 2012.

60

7. CONCLUSÃO

Durante este trabalho de pesquisa foram desenvolvidos três modelos de

simulação, onde em dois foi realizada a geração de tráfego de rede de aplicações de

tempo real e de melhor aproveitamento simulando redes com tecnologia OFDM e

OFDMA. E em um terceiro modelo foram utilizadas fórmulas probabilísticas

propostas em pesquisas anteriores para caracterizar o ambiente de uma rede sem

fio com tecnologia OFDM. É importante salientar que os modelos baseados na

geração de tráfego foram desenvolvidos utilizando as tecnologias OFDM e OFDMA

com o objetivo de apresentar informações as quais não são obtidas através do

modelo probabilístico, e não para fins comparativos entre as duas tecnologias.

Com base nos resultados obtidos nas simulações é possível concluir que a

resposta para a pergunta realizada anteriormente “Um modelo onde sejam utilizados

valores randômicos para a geração da taxa de chegada e a taxa de serviço de uma

rede consegue simular de forma realista o comportamento dos usuários primários?”

é não.

Durante as simulações foi possível identificar que as taxas de chegada e

serviço em uma rede não podem ser consideradas de forma aleatória, pois existem

diversas características as quais definem este comportamento. A geração randômica

destes valores não leva em consideração o tipo de rede que esta sendo modelada, a

quantidade de usuários primários que estão utilizando um determinado canal, e nem

a qualidade de propagação dos dados em um determinado canal.

Diferente do modelo que utiliza valores randômicos, os modelos com geração

de tráfego VOIP e HTTP possuem um determinado comportamento dependendo do

número de usuários utilizando um canal. É possível observar que a capacidade

disponível e utilizada em um determinado canal é determinada por um conjunto de

informações, das quais as mais importantes são realmente as taxas de chegada e

de serviço. Mas que considerando características de transmissão da rede como

qualidade do canal, cada nível de taxa de chegada terá um nível de taxa de serviço

correspondente.

Por exemplo, enquanto não houver congestionamento para a transmissão de

dados e a taxa de chegada aumentar a taxa de serviço irá aumentar também. Mas

quando houver congestionamento ocorrerá o contrário, o aumento na taxa de

61

chegada irá ocasionar a diminuição da taxa de serviço. Até o momento em que o

aumento na taxa de chegada não irá influenciar a taxa de serviço, pois quantidade

de dados gerados é maior que a capacidade de transmissão do canal durante o

tempo de simulação. Ou seja, existe um padrão de comportamento a ser seguido.

Como um ambiente de rede possui diversos detalhes complexos, durante o

desenvolvimento dos modelos baseados na geração de tráfego VoIP e HTTP foi

necessário a simplificação de alguns destes detalhes. Para trabalhos futuros

pretende-se melhorar estes modelos visando uma modelagem mais realista, como

por exemplo, incluir no modelo um número maior de operadoras utilizando um

mesmo canal e realizar a alocação do canal levando em consideração os subcanais

alocados para operadoras diferentes.

62

REFERÊNCIAS

ALI, S. H.; LEUNG, V. C. M. Dynamic Frequency Allocation in Fractional Frequency Reused OFDMA Networks. IEEE Transactions on Wireless Communications, v. 8, p. 4286 - 4295, ago. 2009. AKYILDIZ, I. F. et al. A Survey on Spectrum Management in Cognitive Radio Networks. IEEE Communications Magazine , v. 46, n. 4, p. 40 - 48, abr. 2008. ARMSTRONG, J. OFDM for Optical Communications. Journal of Lightwave Technology , v. 27, p. 189 - 204, fev. 2009. BOTH, C. et al. On the Integration of Scheduling and Allocation in OFDMA-Based WiMAX Networks. ln: Simpósio Brasileiro de Telecomunicações , 30., 2012, Brasília. Anais... , Brasília: SBrT, 2012. CAMARGO, E. G. Uma Arquitetura de Escalonamento Hierárquica para Transmissões Uplink em Redes IEEE 802.16e Baseadas em OFDMA . 86 f., Dissertação apresentada como requisito parcial para a obtenção do grau de Mestre em Ciência da Computação – Programa de Pós Graduação em Computação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2010. COSTA, M. F. N. et al. Planejamento e Análise de Desempenho de Sistema WIMAX. 2008. 102 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica), Faculdade de Tecnologia da Universidade de Brasília, Brasília, 2008. DUTRA, R. B. Avaliação do Desempenho da Modulação OFDM em Canais HF para Radios Cognitivos . 2010. 69 f. Dissertação (Mestrado em Engenharia Elétrica) - Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2010. FAGANELLO, L. R. Q-Noise: um algoritmo de alocação dinâmica de canal para Rádio Cognitivo . 57 f. Trabalho de Conclusão de Curso (Graduação em Engenharia da Computação), Universidade Federal do Rio Grande do Sul, Porto Alegre, 2012. GHASEMI, A; SOUZA, E. S. Spectrum sensing in cognitive radio networks: requirements, challenges and design trade-offs. IEEE Communications Magazine , Toronto, v. 46, n. 4, p. 32 - 39, Abr. 2008. HUANF, S.; LIU, X.;DING, Z. Opportunistic Spectrun Access in Cognitive Radio Networks. ln: INFOCOM – Conference on Computer Comunications, 27., 2008, Phoenix. Anais… , Phoenix: IEEE, 2008, p. 1427 - 1435. JONDRAL, F. K. Cognitive Radio: A Communications Engineering View. IEEE Wireless Comunications , v. 14, p. 28 - 33, ago. 2007. KUNST, R. One Study of Components to Provide QoS in Cognitive Radio Networks . 53 f. Programa de Pós Graduação em Computação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2011. Texto Impresso.

63

LEE, W.; AKYILDIZ, I. F. Optional Spectrum Sensing Framework for Cognitive Radio Networks. IEEE Transactions on Wireless Communications , v. 7, p. 3845 - 3857, out. 2008. LEE, W.; AKYILDIZ, I. F. A Spectrum Decision Framework for Cognitive Radio Network. IEEE Transactions on Mobile Computing , v. 10, p. 161 - 174, fev. 2011. MITOLA, J.; MAGUIRE, G. Q. Jr. Cognitive radio: making software radios more personal. IEEE Personal Communications , Estocolmo, v. 6, n. 4, p. 13 - 18, ago. 1999. PAULA, A. S. Um Estudo Comparativo entre os Sistemas OFDMA e SCC P. 2010. 119 f. Dissertação (Mestrado em Engenharia Elétrica) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2010. PEDROSO, C. M.; RIBEIRO, E. P.; MUNETIKO, E. M. Modelagem de Sistemas VoIP: Análise de Características de Sessão. ln: SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES , 26., 2009, Blumenau. Anais... , Blumenau: SBrT, 2009. SILVA, M. W. R. Redes Cognitivas com Oportunidades Dinâmicas de Ace sso ao Espectro . 2011. 68 f. Tese (Doutorado em Engenharia Elétrica) - Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2011. TAVARES, J. M. Análise e Simulação de Redes de Comunicações com Comutação de Pacotes em Matlab . 96 f., Dissertação (Mestrado de Matemática Aplicada à Engenharia), Universidade de Aveiro, Aveiro, 2010.

WANG, J.; HUANG, Y.; JIANG, H. Improved Algorithm of Spectrum Allocation Based Coloring Model in Cognitive Radio. ln: INTERNATIONAL CONFERENCE ON COMMUNICATIONS AND MOBILE COMPUTING, 3., 2009, Yunnan. Anais…, Yunnan: IEEE, 2009, p. 353 - 357. YUAN, G. et al. Performance Analysis of Selective Opportunistic Spectrum Access With Traffic Prediction. IEEE Transactions on Vehicular Technology , v. 59, p. 1949 - 1959, maio 2010. ZHOU, X. et al.. Probabilistic Resource Allocation for Opportunistic Spectrum Access. IEEE Transactions on Wireless Communications , v. 9, p. 2870 - 2879, set. 2010.

NATALIA CARDOSO MACHADO MODELO PARA … · natalia cardoso machado modelo para cÁlculo de...

Documents

Transcript of NATALIA CARDOSO MACHADO MODELO PARA … · natalia cardoso machado modelo para cÁlculo de...