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
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.
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
Fonte: Autoria própria, 2012.
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.
Gráfico 3 – Capacidade Utilizada em relação à taxa de serviço no modelo de simulação OFDMA
Fonte: Autoria própria, 2012.
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
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
Fonte: Autoria própria, 2012.
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
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.
Gráfico 5 – Período Médio Utilizado em relação à taxa de serviço de um canal nos modelos de simulação OFDM
Fonte: Autoria própria, 2012.
Gráfico 6 – Período Médio Utilizado em relação à taxa de serviço de um canal no modelo de simulação OFDMA
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
Fonte: Autoria própria, 2012.
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
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
Fonte: Autoria própria, 2012.
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.
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.
Gráfico 9 – Capacidade de Transmissão Utilizada e Capacidade de Transmissão Disponível em um canal durante o tempo de simulação de uma rede OFDM
Gráfico 10 – Capacidade de Transmissão Utilizada e Capacidade de Transmissão disponível em um canal durante o tempo de simulação de uma rede OFDMA
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
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.
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.
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 SCCP. 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 Acesso 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.