На правах рукописи

Маликова Елена Егоровна

РАЗРАБОТКА МЕТОДА СТОХАСТИЧЕСКОГО ГРУППОВОГО

ПОЛЛИНГА В БЕСПРОВОДНЫХ СЕТЯХ МОНИТОРИНГА

И ТЕЛЕМЕТРИИ

Специальность 05.12.13 Системы, сети и устройства телекоммуникаций

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва 2011

Работа выполнена на базовой кафедре Информационных сетей и систем при ИРЭ РАН в Государственном образовательном учреждении высшего профессионального образования Московский технический университет связи и информатики (ГОУ ВПО МТУСИ)

Научный руководитель: доктор физико-математических наук, доцент Цитович И.И.

Официальные оппоненты: доктор технических наук, профессор Самуйлов Константин Евгеньевич кандидат технических наук Князев Кирилл Григорьевич

Ведущая организация: Федеральное государственное унитарное предприятие «Центральный научно-исследовательский институт связи»

Защита диссертации состоится “ 15 ” сентября 2011г. в 15 часов на заседании диссертационного совета Д.219.001.03 при Московском техническом университете связи и информатики по адресу: 111024, г. Москва, ул. Авиамоторная, 8а, ауд. А

С диссертацией можно ознакомиться в библиотеке МТУСИ

Автореферат разослан “_”_2011 г.

Учёный секретарь 1B диссертационного совета Д. 219.001. к.т.н., доц. Ерохин С.Д.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Повсеместное проникновение беспроводных сетей передачи данных (БСПД), построенных на базе сетей подвижной сотовой связи стандартов GSM 2,5+, CDMA, UMTS и LTE, спутниковых систем и беспроводных вычислительных сетей стандартов Wi-Fi и WiMAX приводит к проникновению систем мониторинга и телеметрии во все сферы человеческой деятельности. Это обусловлено также успехами микроэлектроники, которые способствовали созданию недорогих датчиков, передающих информацию о состоянии объектов.

В настоящее время с применением БСПД строятся системы экологического мониторинга, наблюдения за чрезвычайными ситуациями, состоянием технических объектов, работой общегородского транспорта, системы дистанционного управления платежными терминалами, датчиками учета расхода воды, газа и электричества и т.д. Повсеместно внедряются различные корпоративные сети распределенного мониторинга, например, за состоянием газо- и нефтепроводов. Наряду со стационарными развиваются и динамические системы мониторинга и телеметрии. Различные типы датчиков устанавливаются на машинах службы скорой помощи, специализированных транспортных средствах, при этом они подключаются к системам позиционирования и могут передавать информацию о местонахождении и состоянии объекта.

Для предотвращения чрезвычайных ситуаций в масштабах страны разрабатываются и начинают применяться системы оперативного наблюдения на крупных территориально-распределенных объектах с большим числом датчиков, удаленных на значительные расстояния от центров обработки данных. При этом предъявляются жесткие требования к оперативности и достоверности доставки информации для предупреждения критических ситуаций. Передаваемый в этих системах трафик может быть мультисервисным, т.к. наряду с данными телеметрии, передающимися, как правило, с низкими скоростями, при возникновении чрезвычайных ситуаций могут передаваться сигналы видеонаблюдений, использующие максимальные скорости, например, по каналам WiMax или спутниковым каналам.

Для опроса датчиков систем мониторинга применяются различные системы упорядоченного опроса элементов сети, получившие в иностранной литературе название поллинга. По математическим моделям они в общем виде сходны с приоритетными системами массового обслуживания, однако здесь приоритеты назначаются по определенному правилу. Параметры поллинга могут изменяться динамически.

Разработке и исследованию характеристик различных моделей систем БСПД посвящено большое число работ отечественных ученых: Г.П. Башарина, В.М. Вишневского, А.И. Ляхова, М.С. Немировского, С.Л. Портного, К.Е. Самуйлова, О.В. Семеновой,, И.В. Шахновича и др., а также зарубежных ученых: С. Борста, В. Столлингса, Х. Такаги, М. Шварца. В большинстве работ, в основном, разработаны методы упорядоченного опроса, в которых число активных датчиков сравнимо с их общим количеством.

Математической основой для решения задачи, рассматриваемой в данной работе, послужили работы по планированию отсеивающих экспериментов. В частности, исследования А. Реньи, П.Эрдоша, А.Г. Дьячкова, М.Б. Малютова, которые посвящены, в основном, статическим экспериментам, но при этом основное внимание уделялось задачам управления наблюдениями при отсутствии ошибок.

В данной работе исследуются сети мониторинга и телеметрии, в которых предполагается наличие сотен и более датчиков, передающих информацию по беспроводным сетям о возникновении аварийных ситуаций на различных участках объектов. Здесь не рассматривается процесс плановой передачи информации о текущем состоянии датчиков и объектов, осуществляемый по заранее составленному расписанию, а рассматривается задача наиболее быстрого обнаружения возникновения чрезвычайных ситуаций, вероятность появления которых мала, т.е. задача наиболее быстрого выявления датчиков, которые передают такую информацию.

Для их выявления неэффективны методы, разработанные для систем с высокой активностью датчиков, так как время опроса в таких системах пропорционально числу датчиков и линейно растет с увеличением их количества. В связи с этим необходима разработка метода опроса, основанного на групповом поллинге, когда несколько датчиков опрашиваются одновременно, что позволяет существенно сократить время, необходимое для выявления активных датчиков.

Объектом исследования является распределенная сеть мониторинга и телеметрии технических объектов с поступающей от датчиков сигнальной информацией о возникновении аварийных ситуаций.

Предметом исследования является групповой поллинг больших систем мониторинга, когда вероятность того, что датчик активен, относительно мала.

Цель работы и задачи исследования. Цель диссертации состоит в разработке метода стохастического группового поллинга в беспроводных сетях мониторинга и телеметрии различных технических объектов, позволяющего выявлять аварийные ситуации на локальном участке сети, и исследовании его свойств с учетом, в частности, зависимости между срабатыванием датчиков.

Методы исследования. Для решения поставленных задач в работе использованы методы теория сетей связи, теории информации, теории вероятностей и математической статистики, теории массового обслуживания и методы имитационного моделирования.

Достоверность результатов обеспечивается корректностью теоретических моделей, а также адекватностью методов, используемых для получения экспериментальных результатов.

Научная новизна результатов:

Показана неэффективность применения существующих математических моделей систем группового поллинга для систем мониторинга и телеметрии с большим числом датчиков при их низкой активности.

Разработан алгоритм поиска активных датчиков, обеспечивающий наличие нескольких режимов группового опроса.

Разработана и исследована математическая модель группового стохастического поллинга для случая, когда вероятность возникновения нештатной ситуации мала и одинакова для всех датчиков.

Разработана модификация математической модели метода группового поллинга, учитывающая зависимость между срабатыванием датчиков при возникновении нештатных ситуаций.

Исследованы характеристики разработанного метода стохастического поллинга и показано, что он позволяет выявить активные датчики за количество опросов на несколько порядков меньшее, чем число датчиков в сети; это позволяет значительно сократить время обнаружения критических ситуаций.

Личный вклад: Все основные научные положения и выводы, составляющие содержание диссертации, разработаны соискателем самостоятельно.

Практическая ценность и реализация результатов работы. Выполненные в диссертационной работе исследования и разработанный метод, а также предложенные инженерные методики могут быть использованы для управления на сетях мониторинга и телеметрии.

Разработанный алгоритм поиска активных датчиков, обеспечивающий наличие нескольких режимов опроса, может быть использован для получения оперативной информации о внештатных ситуациях на таких сетях. Разработанная модификация алгоритма группового поллинга с учетом корреляции срабатывания датчиков позволяет более точно и своевременно определять возникновение внештатных ситуаций на больших удаленных объектах.

Основные результаты диссертационной работы использованы в Национальном институте радио и инфокоммуникационных технологий «НИРИТ» при проектировании резервной сети передачи данных системы безопасности и охраны инженерных сооружений ГУП «Гормост», а также в ООО «Эсти МЭП» при разработке программного обеспечения для систем автоматизированного контроля на газопроводе Дальневосточного региона. Также полученные теоретические результаты применяются в учебном процессе МТУСИ на базовой кафедре Информационные сети и системы при ИРЭ РАН и в МГТУ им. Баумана на кафедре Защита информации, что подтверждено соответствующими актами.

Апробация результатов работы. Основные результаты диссертационной работы докладывались на Восьмом и Девятом международных симпозиумах «Интеллектуальные системы» (Нижний Новгород, 2008 г., Владимир, 2010 г.), на 64 и 65 научных сессиях РНТОРЭС им. А.С. Попова (Москва, 2009, 2010 гг.), на Одиннадцатом Всероссийском симпозиуме по прикладной и промышленной математике (Кисловодск, 2010 г., Сочи, 2010 г.), на Международной научно-технической конференция «INTERMATIC-2010» (МИРЭА), на четвертой и пятой научных конференциях «Технологии информационного общества» (Москва, МТУСИ, 2010, 2011 гг.), на Всероссийской конференции «Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем» (Москва, РУДН, апрель 2011 г.).

Публикации. По теме диссертации опубликовано 13 печатных работ, в том числе 5 работ в ведущих рецензируемых научных журналах и изданиях, входящих в перечень ВАК.

Основные положения, выносимые на защиту:

1. Обоснование задачи группового поллинга как средства обнаружения активных датчиков в больших системах мониторинга.

2. Математическая модель задачи группового поллинга при использовании общего канала доступа, учитывающая наличие ошибок в канале связи.

3. Обоснование эффективности метода группового поллинга по сравнению с индивидуальным опросом каждого датчика для систем мониторинга, когда число датчиков превосходит несколько сотен.

4. Обоснование необходимости учета зависимости между срабатыванием датчиков, установленных на одном объекте, при разработке матрицы группового опроса датчиков.

5. Алгоритм адаптивного группового опроса, обеспечивающий настройку матрицы опросов в зависимости от числа обнаруженных активных датчиков.

6. Обоснование свойств предложенного алгоритма группового опроса в зависимости от емкости сети мониторинга и предположений о зависимости между срабатыванием датчиков.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы. Работа содержит 137 страниц машинописного текста, 22 рисунка, 3 таблицы. Список литературы включает в себя 96 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснован выбор и актуальность темы исследования, сформулированы цель и задачи работы, перечислены научные и практические результаты диссертационной работы, приведены сведения об апробации работы и основные положения, выносимые на защиту.

В первой главе приводится анализ принципов передачи информации в БСПД. Проведена классификация систем мониторинга технических объектов по ширине полосы передачи, по их локализации, по зоне охвата, по используемой технологии, вызванной географическим местоположением, по степени доступности, по назначению. Показано, что трафик, возникающий в системах мониторинга и телеметрии, может быть мультисервисным.

Рассмотрены службы пакетной радиопередачи данных в сетях подвижной сотовой связи (СПСС) стандарта GSM, которые в настоящее время нашли широкое применение для построения различных систем мониторинга и телеметрии. Также рассмотрены СПСС с кодовым разделением каналов стандарта CDMA, которые изначально позволяли осуществлять высокоскоростную передачу информации с высокой степенью защиты от активных и пассивных помех. Проанализированы особенности передачи данных в СПСС стандарта UMTS, рассмотрены примеры промышленных разработок датчиков и интеллектуальных терминалов, которые сами могут выбирать, в зависимости от условий, сложившихся на сети, каналы GSM, CDMA или UMTS. Рассмотрены особенности высокоскоростной передачи данных в системе мобильной связи LTE, широкополосных беспроводных сетях стандартов Wi-Fi и WiMAX.

Выявлены особенности передачи данных в спутниковых системах, остающихся вне конкуренции благодаря возможности их развертывания в любой точке земного шара, рассмотрены общие тенденции развития сенсорных сетей и их применение для систем мониторинга и телеметрии. Указаны особенности и ограничения для каждой технологии. Проанализированы особенности создания систем мониторинга и телеметрии в России, имеющей огромную территорию, где важнейшей задачей является получение оперативной информации о нештатных ситуациях.

Выделен класс систем мониторинга и телеметрии, для которых характерно наличие большого количества датчиков t, а возникновение критических ситуаций, как правило, происходит, в основном, на локальных участках, где срабатывает только относительно небольшое количество датчиков s. Тем самым показано, что рассматриваемая задача принципиально отличается от задач традиционного поллинга, рассматриваемых в вычислительных сетях, поскольку в исследуемых системах вероятность того, что конкретный датчик является активным, мала.

Сформулирована задача разработки группового метода опроса датчиков в беспроводных сетях мониторинга и телеметрии, позволяющего выявлять активные датчики за число опросов, логарифмически зависящее от числа датчиков, (при этом средняя вероятность неправильного определения хотя бы одного из них не должна превосходить заданный уровень), что позволяет усовершенствовать механизмы своевременного выявления чрезвычайных ситуаций.

Если на объекте нет аварийной ситуации, то при групповом опросе датчик этого объекта передает по общему каналу опроса логический сигнал 0, в случае возникновения такой ситуации он передает сигнал 1. После того, как диспетчер зафиксировал объект, на котором произошла аварийная ситуация, датчику может предоставляться широкополосный канал для связи с целью наблюдения за его состоянием из диспетчерского пункта и выяснения причин его срабатывания. В последующих опросах такой датчик участия не принимает. Проведено обоснование продолжительности одного импульса опроса T. Показано, что выявление нештатных ситуаций зависит от максимального расстояния между датчиком и диспетчерским пунктом - l и времени, необходимого для синхронизации сигналов. Длина импульса опроса одного датчика T определяется, с одной стороны, временем расl пространения сигнала T1 =, где c0 - скорость света, с другой стороны – времеc нем рассинхронизации T2. Для правильного декодирования принятого сигнала должно выполняться условие: T1 + T2 <.

Так как результаты опроса датчиков приходят на диспетчерский пункт с задержкой, которая зависит от протяженности систем мониторинга (например, если передача информации ведется через спутниковые системы), то может произойти сдвиг между профилями сигналов, возникнут ошибки при декодировании сигнала, поэтому необходимо учитывать возможность возникновения ошибок при передаче информации по каналу связи.

Во второй главе проведено исследование характеристик производительности стратегий доступа в беспроводных сетях. Рассмотрены методы опроса и методы случайного доступа. Приводится сравнительный анализ их математических моделей.

Показано, что в настоящее время наибольшее применение в сетях мониторинга и телеметрии находят системы с поллингом, т.к. применение случайного доступа накладывает ограничения либо на число станций в сети, либо на их активность, кроме того, остается нерешенной проблема скрытых станций. Рассмотренные в большинстве работ математические модели систем поллинга применимы, фактически, для сетей с высокой активностью датчиков. Основными параметрами в них являются: длина очереди, время переключения между очередями и время цикла. Эти параметры не могут быть применяться в сетях мониторинга и телеметрии, имеющих низкую активность датчиков.

Исследованы системы поллинга со статическими и адаптивными дисциплинами опроса. Эти дисциплины, в основном, нашли применение в локальных вычислительных сетях с повышенной загрузкой станций. Среди систем централизованного поллинга с циклическим опросом наиболее распространенными являются исчерпывающая и шлюзовая дисциплины, которые не дают возможности вводить приоритеты между очередями, но позволяют получить точные формулы их характеристик. Проанализированы также ограниченные дисциплины, предполагающие приоритет между очередями, но они с трудом поддаются анализу, определение их характеристик требует большой вычислительной мощности. Рассмотрены системы поллинга с ограниченным обслуживанием очередей, которые находят широкое применение при описании беспроводных сетей под управлением протоколов бесконфликтного доступа к среде. Отмечено, что в большинстве работ рассмотрены системы поллинга, в которых информация для передачи имеется у большинства датчиков.

Если число датчиков сети превосходит несколько сотен, то индивидуальный опрос каждого датчика требует излишних ресурсов и может быть весьма продолжительным по времени, а следовательно внештатная ситуация будет выявлена несвоевременно.

В работе исследуются распределенные сети мониторинга, в которых датчики имеют низкую активность (рис. 1). Для таких систем неэффективны рассмотренные выше методы, так как от датчиков большую часть времени будут идти пустые сообщения и производительность системы будет близка к нулю. Для этих систем в работе предложен метод группового стохастического поллинга.

Сформулирована математическая модель задачи группового поллинга, состоящая в следующем: имеется t датчиков, состояние которых описывается переменными x1,..., xt, которые принимают значения 0 или 1; значение 0 означает, что соответствующий датчик пассивен, т.е. не должен передавать информацию, значение 1 – что соответствующий датчик активен, т.е. должен передавать информацию.

Групповой опрос состоит в том, что принимается одновременно сигнал от нескольких датчиков. Он задается с помощью вектора = (1,..., i,..., t ), где i принимает значение 0 или 1. Значение i = 1 означает, что i -й датчик участвует в опросе, а i = 0 означает, что i -й датчик не участвует в опросе. Если N – число опросов, то все опросы задаются булевой матрицей опросов = ( 1,..., N )T, где строка j = (1j,..., t j ) - это вектор j -го опроса, а T - знак транспонирования матрицы.

Если в группе опрашиваемых датчиков имеется хотя бы один активный, то наблюдается наличие сигнала, который интерпретируется как 1. Если в группе нет ни одного активного датчика, то от нее не поступает ни одного сигнала, что интерпретируется как 0. Таким образом, в качестве ответа датчиков j -го опроса сформируется результат где - булево произведение, - булева сумма.

Рис. 1. Схема фрагмента распределенной сети мониторинга В модели сделано предположение, что в сети возможны ошибки при передаче информации и происходит искажение результата в соответствии со стохастической матрицей переходов где 0 - вероятность искажения приема 0 (т.е. наблюдается значение 1 вместо 0), - вероятность искажения приема 1 (т.е. наблюдается значение 0 вместо 1). Ставится задача получения алгоритмов построения матрицы опроса и определения множества S активных датчиков на основании результатов наблюдений g1,..., g N с учетом ошибок в канале.

Столбец в матрице опросов задает профиль передаваемых сигналов для каждого датчика, т.е. при составлении этой матрицы каждый датчик сети получает свой индивидуальный ключ, по которому его можно идентифицировать. Каждый датчик, передав информацию по заданному профилю, прекращает свою деятельность до следующего опроса. При изменении числа активных датчиков необходимо изменять матрицу опросов. Особенностью задачи является то, что применяться может только статический план опроса, когда матрица опросов определяется заранее и зашивается в программное обеспечение датчиков. Для обеспечения адаптации к изменяющейся ситуации предполагается наличие нескольких режимов опроса, переключение которых происходит по команде с диспетчерского пункта.

В третьей главе диссертационной работы разработан метод группового поллинга в предположении, что все датчики активизируются независимо друг от друга с неизвестной малой вероятностью. Приведен алгоритм идентификации активных датчиков для математической модели задачи группового поллинга, сформулированной в предыдущей главе. Множество номеров активных датчиков составляет S = {i1,..., isr }, где sr - фактическое число активных датчиков. Вероятность того, что датчик не участвует в опросе при построении случайной матрицы опросов A, составляет p0.

Для упрощения процедуры идентификации решение об активности конкретного датчика принимается на основе «пофакторного анализа» с использованием метода максимального правдоподобия. Для принятия решения о том, является датчик активным или нет, использованы следующие данные: x00 (i ) - количество наблюдений, когда i -й датчик не опрашивался и результат опроса оказался g = 0, x10 (i ) - количество наблюдений, когда i -й датчик опрашивался, а результат опроса x01 (i ) - количество наблюдений, когда i -й датчик не опрашивался, резульg = 0, тат опроса g = 1 и x11 (i ) - количество наблюдений, когда i -й датчик опрашивался и результат опроса g = 1. Так как результаты наблюдений предполагаются независимыми, то x00 (i ), x10 (i ), x01 (i ) и x11 (i ) образуют достаточную статистику.

При задании матрицы опросов значение s r не известно. Поэтому значение вероятности p 0 выбирается исходя из априорных предположений о числе активных датчиков s 0. Логарифм отношения правдоподобия L0 (i) вычисляется с учетом весовых коэффициентов a 0 0, a 00 1, a 100, a 101 :

где На основании заданной ошибки первого рода вычисляется значение порога L0. Если логарифм отношения правдоподобия L0 (i) превышает это значение, то i -й датчик считается активным.

Для исследования эффективности предлагаемого метода группового поллинга было проведено численное моделирование при различных параметрах модели.

Выходными характеристиками алгоритма поиска активных датчиков были N- число опросов, i1,..., is - номера обнаруженных активных датчиков, s - количество обнаруженных активных датчиков, s - среднее арифметическое s по всем наблюдениям, S = {i1,..., is } - множество обнаруженных активных датчиков. Характеристиками качества принимаемого решения будут P - вероятность того, что будет пропущен активный датчик, P2 - вероятность неправильного определения активности хотя бы одного датчика.

На рис. 2 приведены результаты имитационного моделирования при увеличении числа датчиков в сети.

Полученные данные показывают, что эффективность метода группового поллинга возрастает при росте числа датчиков в сети, при этом вероятность ошибки падает. Последнее обстоятельство связано с тем, что при росте N возрастает эффект избыточности числа наблюдений.

Также были проведены исследования влияния величины ошибки в канале передачи данных на число опросов. Полученные данные показали устойчивость предлагаемого метода группового поллинга относительно вероятностей ошибок при передаче данных (рис. 3).

Кроме того, было проведено исследование, насколько устойчиво работает алгоритм идентификации активных датчиков при несовпадении s 0 и s r. Результаты моделирования влияния числа фактически активных датчиков приведены на рис. 4. Приведенные результаты показывают, что вероятность пропуска активных датчиков остается малой, однако количество предполагаемых активных датчиков стремительно нарастает. Отсюда следует вывод, что при нарастании числа обнаруживаемых активных датчиков больше предполагаемого следует переходить к опросу с большим значением s0, поскольку полученные при моделировании завышенные значения числа обнаруженных активных датчиков являются результатом Рис. 2. Результаты моделирования при увеличении числа датчиков Рис. 3. Результаты исследования влияния вероятности ошибок в канале на число неправильного выбранного значения s 0.

Обнаруженный эффект показывает, что применение группового поллинга целесообразно лишь при условии возможности изменения значения параметра s0 и, следовательно, перехода на другой план опроса в зависимости от состояния сети мониторинга. Это означает, что в программном обеспечении датчиков должен быть предусмотрен переход на другие режимы опроса, когда происходит увеличение или уменьшение значения параметра s 0. Если число обнаруженных активных датчиков начинает возрастать, то необходимо перейти на режим увеличения параметра s 0, а если число обнаруженных активных датчиков становится существенно меньше s 0, то следует уменьшить его значение.

Рис. 4. Результаты исследования влияния числа фактически активных датчиков В четвертой главе диссертационной работы рассмотрен метод группового поллинга в предположении, что на технических объектах устанавливается несколько сигнальных датчиков (рис. 5), при этом может существовать зависимость между срабатыванием датчиков, расположенных на одном объекте. Проведено уточнение математической модели группового поллинга в данных условиях. Имеется телеметрическая сеть, содержащая B объектов; на j-ом объекте установлено n j датчиков. Предполагается, что B велико, а максимальное число одновременно срабатывающих датчиков при возникновении чрезвычайной ситуации на объекте n * = m ax j = 1,... B n j относительно невелико. Таким образом, всего на сети имеется t = B=1n j датчиков.

Предполагается, что вероятность возникновения нештатных ситуаций на объекте pd неизвестна, однако известно, что она достаточно мала: pd pd, где pd Рис. 5. Распределение датчиков по объектам некоторая заданная малая вероятность. Вместе с тем, использование в алгоритме управления опросами верхней границы этой вероятности для расчета допустимого числа активных датчиков по формуле s0 = Bn pd неэффективно, поскольку используемый метод чувствителен к предполагаемому количеству активных датчиков. Это связано с тем, что при неправильном задании предполагаемого числа активных датчиков значительно падает информативность данных опроса.

При возникновении нештатных ситуаций на j - ом объекте одновременно срабатывает z j датчиков, где z j - дискретная случайная величина с некоторым распределением на множестве {1,..., n j }. Далее возможны различные постановки задачи в зависимости от априорных предположений о распределении величин z j.

Приняты те же предположения, что и в предыдущей главе. Отличие состоит лишь в построении матрицы опросов A. Она должна учитывать структуру сети мониторинга, поскольку теперь датчики срабатывают зависимо. Более подробно рассмотрен случай, когда количество датчиков на всех объектах одинаково, т.е.

n j n *, j = 1,...B. Здесь сначала происходит выбор объектов, на которых будут опрашиваться датчики, а затем на каждом из этих объектов выбирается опрашиваемый датчик. При этом сначала строится матрица опросов объектов при t = B. Далее на каждом объекте выбирается опрашиваемый датчик. Если объект участвует в опk росе, т.е. j = 1, где k - номер опроса, а j - номер объекта, то среди датчиков объекта опрашиваемый датчик выбирается случайным образом независимо от участия в предыдущих опросах. Таким образом, в каждом опросе на одном объекте может участвовать не более одного датчика.

Для идентификации объектов, на которых произошла чрезвычайная ситуация, решение об активности конкретного датчика принимается также на основе «пофакторного анализа» с использованием метода максимального правдоподобия, но при этом сначала происходит поиск объекта, на котором имеются активные датчики, а затем запрашивается информация со всех его датчиков. При этом вводится некоторая избыточность, однако, она приводит лишь к установлению небольшого числа дополнительных соединений, как указывалось ранее.

Также проведены численные исследования эффективности предлагаемого метода группового опроса, учитывающие структуру сети. На рис. 6 приведены результаты моделирования, которые показывают, что при применении этого метода требуется незначительное количество измерений для обнаружения аварийного объекта. Приведенные данные показывают, что предлагаемый метод поиска одного объекта, на котором наблюдается нештатная ситуация, обладает хорошими свойствами, т.к. позволяет определить аварийные объекты при небольшом числе опросов.

Рис. 6. Результаты обнаружения чрезвычайной ситуации при моделировании На рис.7 приведены результаты моделирования с использованием метода, предложенного в третьей главе диссертационной работы. Приведенные результаты показывают, что для обеспечения точности обнаружения объектов с чрезвычайными ситуациями, аналогичной предыдущему случаю, необходимо существенно увеличить число опросов, при этом число опросов растет линейно с ростом числа устанавливаемых на объектах датчиков.

Показано, что необходимо учитывать возможность присутствия неоднородных объектов в сети, т.е. когда на различных объектах установлено разное количество датчиков. В этом случае, если существенно нарушается условие n j n, Рис.7. Результаты моделирования при использовании метода, не учитывающего зависимости при срабатывании датчиков необходимо разбить всю сеть на подсети, в которых на объектах число датчиков, которые могут срабатывать одновременно, примерно одинаково. Здесь вероятность участия объекта в опросе будет прямо пропорциональна числу установленных на нем датчиков.

Также в главе проведен анализ сценариев перехода систем противопожарной сигнализации от традиционных схем, где пожарные датчики подключаются к контроллеру с помощью проводов, к беспроводной схеме их подключения. В качестве исследуемых объектов здесь могут выступать как сами противопожарные датчики, так и используемые в настоящее время контроллеры, к которым они подключаются. В последнем случае предполагается, что при установлении связи с активным контроллером, будет передана информация о номерах датчиков, которые зафиксировали возникновение чрезвычайной ситуации. Показано, что переход к системе группового опроса позволяет существенным образом сократить количество каналов связи с диспетчерским пунктом, поскольку для системы опроса достаточно предоставлять общий канал связи, а выделенный широкополосный канал - только в случае передачи информации непосредственно с идентифицированного активного датчика.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Установлено, что для создаваемых на базе общедоступных и специализированных БСПД общественных и корпоративных систем мониторинга и телеметрии характерно большое количество датчиков информации, причем во многих случаях вероятность передачи полезной информации конкретным датчиком очень мала. В этом случае предоставлять каждому датчику постоянный канал связи с центральным диспетчерским пунктом экономически нецелесообразно.

2. Разработана математическая модель функционирования системы мониторинга и телеметрии, учитывающая такие особенности современных систем, как распределенность в пространстве, задержки во времени, рассинхронизацию.

3. Исследован трафик различных систем мониторинга и телеметрии; показано, что он может быть мультисервисным, т.к. наряду с данными телеметрии, передающимися, как правило, с низкими скоростями, при возникновении чрезвычайных ситуаций могут передаваться сигналы видеонаблюдений, использующие большие скорости, и для его передачи могут использоваться ресурсы различных БСПД.

4. Разработан метод стохастического поллинга для систем мониторинга и телеметрии с низкой активностью датчиков. При этом каждый датчик сети получает свой индивидуальный профиль (ключ), по которому его можно идентифицировать.

5. Показано, что если число датчиков сети превосходит несколько сотен, то применение циклических опросов или других способов индивидуального опроса датчиков требует излишних ресурсов и может быть весьма продолжительным по времени. В этом случае целесообразно использовать групповой опрос датчиков. Чем больше размер сети, тем больше эффективность метода группового поллинга.

6. Показано, что метод устойчив к вероятностям искажения сигнала (ошибкам) в сетях передачи данных, включая потерю единичных пакетов.

7. Обосновано, что метод группового опроса датчиков неустойчив к числу активных датчиков: в случае, когда число активных датчиков больше числа предполагаемых, может происходить значительное увеличение ложных сообщений об активности датчиков. Вместе с тем, вероятность пропуска активного датчика сохраняет свойство устойчивости.

8. Установлено, что при реализации разработанного метода группового опроса датчиков необходимо обеспечить переключение нескольких режимов опроса в зависимости от реального числа наблюдаемых чрезвычайных ситуаций.

9. Показано, что в случае, когда число активных датчиков меньше числа предполагаемых, метод группового опроса датчиков обеспечивает заданные параметры качества обнаружения активных датчиков, однако использует излишнее число опросов.

10. Разработан метод группового опроса датчиков, учитывающий структуру сети мониторинга и обеспечивающий эффективную работу системы опроса при одновременном срабатывании нескольких датчиков, установленных на одном объекте.

ПУБЛИКАЦИИ ПО МАТЕРИАЛАМ ДИССЕРТАЦИИ

В ведущих периодических изданиях, входящих в перечень ВАК 1. Богомолова Н.Е., Маликова Е.Е. Способ повышения пропускной способности службы коротких сообщений на сетях подвижной сотовой связи России // Вопросы защиты информации. 2007. №3. С. 30-33.

2. Маликова Е.Е., Цитович И.И. Задача обеспечения эффективности группового поллинга в сетях мониторинга // Проектирование и технология электронных средств. 2009. № 2. С. 35-38.

3. Маликова Е.Е., Цитович И.И. Стратегия группового поллинга в широкополосных беспроводных сетях мониторинга // Обозрение прикладной и промышленной математики. 2010. Т.17, № 2.С. 284-285.

4. Маликова Е.Е. Метод повышения пропускной способности систем телеметрии и мониторинга на базе беспроводных сетей // Т-Comm - Телекоммуникации и транспорт. 2010. №7. С.37-39.

5. Маликова Е.Е., Цитович И.И. Задачи группового поллинга в широкополосных беспроводных сетях мониторинга // Обозрение прикладной и промышленной математики. 2010. Т.17, № 5. С. 749-750.

6. Маликова Е.Е. Метод повышения пропускной способности сети пакетной передачи речи // Интеллектуальные системы: Труды Восьмого международного симпозиума / под ред. К.А. Пупкова. М.: РУСАКИ. 2008. С. 268-271.

7. Маликова Е.Е. Задача оценки параметров качества сетей сбора и обработки телеметрической информации // Труды 64 научной сессии, посвященной Дню радио, РНТОРЭС им. А.С. Попова. М.: Инсвязьиздат. 2009. С. 363-365.

8. Маликова Е.Е. Исследование трафика систем мониторинга на основе сенсорных сетей // Интеллектуальные системы: Труды Девятого международного симпозиума / под ред. К.А. Пупкова. М.: РУСАКИ. 2010.С. 339-343.

9. Маликова Е.Е. Стратегия динамического опроса (поллинга) в широкополосных беспроводных сетях // Труды 65 научной сессии, посвященной Дню радио, РНТОРЭС им. А.С. Попова. М.: Инсвязьиздат. 2010. С. 116-118.

10. Маликова Е.Е. Метод группового поллинга для сети мониторинга большой емкости // Труды Международной научно-технической конференции «INTERMATICноября 2010. М.: Энергоатомиздат. 2010.Ч. 3. С. 194-196.

11. Маликова Е.Е. Модель группового поллинга для систем мониторинга и телеметрии, учитывающая зависимость между срабатыванием датчиков // Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем. Тезисы докладов Всероссийской конференции с международным участием. 18-22 апреля 2011г. М.: РУДН.2011. С.40-42.

12. Маликова Е.Е., Цитович И.И. Метод группового поллинга при независимой активности датчиков в сетях мониторинга // Информационные процессы. 2011. Т. 11, № 2. С. 291-303.

13. Маликова Е.Е., Цитович И.И. Исследование эффективности группового поллинга при зависимой активности датчиков в сетях мониторинга // Информационные процессы. 2011. Т. 11, № 2. С. 304-310.

Подписано в печать 08.07.2011г.

107023, г.Москва, ул.Б.Семеновская 11, стр.