Содержание к диссертации
Введение
ГЛАВА 1. Математические модели каналов мобильной связи и методы определения местоположения абонентов
1.1. Постановка задачи
1.2. Современные технологии определения местоположения абонента в сотовой мобильной связи
1.3. Анализ погрешностей определения местоположения абонента в сетях мобильной связи 27
1.4. Математические модели мобильных каналов связи
1.5. Выводы 44
ГЛАВА 2. Разработка и моделирование алгоритмов определения местоположения мобильного абонента
2.1. Постановка задачи 46
2.2. Анализ погрешностей определения местоположения мобильного абонента в сети сотовой связи по уровню сигнала с базовых станций 47
2.3. Анализ ошибок определения местоположения мобильного абонента для систем с измерением пространственно-временных параметров 61
2.4. Разработка алгоритмов ОМ, основанных на лучевой трассировке 74
2.5. Выводы 81
ГЛАВА 3. Моделирование мобильных каналов связи условиях городской застройки и разработка комплексов программ для реализации алгоритмов определения местоположения мобильного абонента
3.1. Постановка задачи
3.2. Построение моделей мобильных каналов связи
3:2.1. Построение и анализ математической модели дискретного случайного поля уровней электромагнитного поля в.условиях мегаполиса
3.2.2. Анализ характеристик мобильного многолучевого канала связи путем имитационного моделирования
3.3. Программная реализация алгоритмов, моделирование определения местоположения
3.3.1. Программный модуль для имитации системы местоопределения абонента в сети мобильной связи.
3.3.2. Программная реализация алгоритма лучевой трассировки
3.4. Программный комплекс для обработки данных о местоположении мобильного объекта и их визуализации на электронной карте
3.5. Тестовые испытания разработанного аппаратно-программного комплекса
3.6. Выводы
Заключение
Список литературы
- Анализ погрешностей определения местоположения абонента в сетях мобильной связи
- Анализ погрешностей определения местоположения мобильного абонента в сети сотовой связи по уровню сигнала с базовых станций
- Разработка алгоритмов ОМ, основанных на лучевой трассировке
- Построение и анализ математической модели дискретного случайного поля уровней электромагнитного поля в.условиях мегаполиса
Введение к работе
Актуальность темы. Возможность быстрого и точного определения местоположения (ОМ) абонента в современных системах мобильной связи в настоящее время приобрела значительную актуальность. Это вызвано наличием ряда практических приложений, таких как службы экстренной медицинской помощи, охраны правопорядка и других.
Анализ известных работ в области методов определения местоположения подвижных объектов показал, что значительное внимание отведено алгоритмам, основанным на использовании космического сегмента сети. Однако данные методы имеют высокую стоимость внедрения и большое энергопотребление, кроме того, необходимо наличие прямой видимости спутников, что затруднено в помещениях. Отсутствие встроенных приёмников в аппаратах среднего и нижнего ценового сегмента делает их малопригодными для внедрения массовых услуг.
В наземных системах распространены методы ОМ на основе оценок основных параметров радиосигналов: амплитуды, направления прихода, времени задержки на распространение, а также разности времен задержки на распространение. Пути реализации измерений на основе из этих методов хорошо известны в радионавигации. Однако технологии ОМ в сетях сотовой связи стали объектом исследований сравнительно недавно и именно этим объясняется небольшое число результатов по оптимизации методов ОМ для конкретных условий приема сигналов. В настоящее время отсутствуют удовлетворительные решения ряда задач анализа погрешностей ОМ в условиях многолучевого канала и отсутствия прямой видимости между базовой станцией (БС) и абонентом в сетях мобильной связи. Кроме того, в известных публикациях недостаточно полно решена задача построения математических моделей, описывающих характеристики мобильного канала связи.
Таким образом, задача разработки, анализа и имитационного моделирования алгоритмов ОМ имеет большой практический интерес. Актуальность разработки и моделирования алгоритмов определения местоположения абонента в сетях мобильной связи подтверждается также поддержкой проведённых исследований грантом по программе У.М.Н.И.К Государственного фонда содействия развитию малых форм предприятий в научно-технической сфере.
Цель работы. Целью работы является повышение точности определения местоположения подвижного объекта в условиях мегаполиса на основе создания и моделирования алгоритмов обработки сигналов в сетях мобильной связи. Для достижения заданной цели необходимо решить следующие задачи.
1. Провести сравнительный анализ известных алгоритмов ОМ подвижных объектов.
Провести имитационное моде- лирование известных методов ОМ в условиях городской застройки. Получить оценки погрешностей методов ОМ в условиях различных моделей многолучевого канала связи.
На основе анализа полученных погрешностей разработать новые алгоритмы ОМ, обладающие повышенной точностью позиционирования. Дать оценку эффективности разработанных алгоритмов.
Разработать математические модели принимаемого сигнала на мобильной станции (МС) в условиях мегаполиса, учитывающие характеристики местности и движение абонента.
Осуществить программную реализацию предложенных алгоритмов ОМ и методик моделирования с возможностью их модификации для различных прикладных задач и внедрения в конкретную инфраструктуру сети операторов мобильной связи для повышения точности ОМ.
Методы исследования базируются на теории вероятностей, математической статистике, теории математического моделирования и методах вычислительной математики. При разработке программного обеспечения применялись методы объектно-ориентированного программирования.
Научная новизна положений, выносимых на защиту.
Разработаны итеративные алгоритмы ОМ, эффективные в вычислительном плане, позволяющие уменьшить длительность процесса ОМ на мобильном терминале, основанные на анализе временных характеристик радиосигналов, принимаемых МС.
Разработаны новые алгоритмы ОМ, основанные на лучевой трассировке и позволяющие существенно (в 2-10 раз) повысить точность местоо-пределения абонента в условиях городской застройки (наибольшая эффективность ОМ достигается при выборе лучей, отраженных от зданий под углами, близкими к 90).
Предложены математические модели измерения уровней принимаемого сигнала, задержек отдельных лучей, корреляционных свойств замираний на пространственно разнесенных антеннах для городских условий.
Достоверность. Достоверность положений диссертации обеспечивается корректным использованием математических методов и подтверждается результатами проверки независимыми методами.
Практическая значимость. Предложенные алгоритмы ОМ могут быть использованы при проектировании перспективных мобильных систем связи, а также при реализации комплексов, повышающих точность позиционирования в сетях сотовой связи. Разработанная методика построения математических моделей уровней сигнала позволит прогнозировать эффективные зоны покрытия в сетях мобильной связи. Результаты диссертационной работы приняты для практического использования в разработках ОАО «СМАРТС» и ООО «Телеком.ру», что подтверждается соответствующими актами, находящимися в приложении к диссертационной работе.
6 Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих НТК:
9-й Международной научной конференции «Распознавание образов и анализ изображений» (Нижний Новгород, 2008);
X-XI Международных конференциях «Цифровая обработка сигналов и ее применение» (Москва, 2009, 2010 гг.);
63-65 Научных сессиях, посвященных Дню Радио (Москва, 2008-2010 г.);
ежегодных конференциях профессорско-преподавательского состава Ульяновского государственного технического университета (2008-2011 гг.).
Публикации. Результаты диссертационной работы опубликованы в 13 печатных работах, в числе которых 5 трудов научных конференций и 3 статьи из перечня изданий, рекомендованного ВАК.
Структура и объем работы. Диссертация состоит из введения, трёх глав, заключения, списка литературы, включающего 137 наименований, а также приложений. Объем диссертации составляет 132 страниц машинописного текста, содержащих 37 рисунков и 6 таблиц.
Анализ погрешностей определения местоположения абонента в сетях мобильной связи
Угломерно-разностио-лалыюмерныс системы. Для более падежного ОМ необходима комбинация технологии ОМ. Например, компанией SigmaOne Communications Corp. разработана угломерно-разпостно-далъномермая сие і ему позиционирования Sigma-5000 [133]. Эта система использует сразу два метода измерений, а также специализированные алгоритмы учета многолучевости. Для реализации угломерной технологии используются специально разработанные ФАР, устанавливаемые на БС. Sigma-5000 обеспечивает позиционирование в сотовых сетях стандартов AMPS и ТОМА (IS-136). Пропускная способность системы - до 500 определений в секунду. Время получения первого отсчета - в пределах I секунды после прихода вызова. Расчетная поірешность определения положения: средняя квадратическая (67%) - менее 90 м, максимальная (95%) -125 м. Длительные испытания системы Sigma-5000 па реальной сети показали во всей рабочей зоне результирующую погрешность не хуже 105 м для 67% случаев и точность лучше 150 м для 95% отсчетов.
Аналогичная комбинация технологий реализована и в системе Geometrix [I34J, разработанной отделением Grayson Wireless компании Allen Telecom Inc. В большинстве случаев Geometrix удовлетворяет требованиям FCC по точности используя только разностно-далыюмерные отсчеты. Однако при определенных обстоятельствах угломерные отсчеты позволяют улучшить покрытие и точность. Один из примеров этого - покрытие загородной дороги, где ячейки сотовой сети часто находятся на одной линии вдоль скоростной трассы. Такая геометрия размещения БС неудобна и для угломерных и для разностно-дальномерных систем. Однако комбинация этих технологий позволяет существенно повысить точность ОМ. Во всех режимах система Geometrix использует алгоритмы пространственной селекции сигналов для снижения ошибок, вызванных многолучевостью. В условиях очень большой многолучевостн система может переходить в режим проведения измерений с четырех станций. Система Ueometrix может работать с аналоговыми и цифровыми системами связи стандартов AMPS, TDMA (IS-ІЗб), CDMA (IS-95); TDMA/AMPS, CDMA/AMPS и системой iDEN фирмы Motorola.
Сетевые методы ОМ. Наименее точными системами являются системы, осуществляющие расчет координат МС на основании информации от БС. Основным является метод Cell ID (Cell Identifications) [20, 130], позволяющий идентифицировать абонента по активной соте, в которой он расположен. При этом не требуется доработки телефона и изменения в программном обеспечении оператора минимальны. Точность определения координат может составлять от 150 метров в городе до 35 километров за его чертой, что является в большинстве случаев неприемлемым. Поэтому появилась более точная методика определения координат под названием СП ТА (ТА - Time Advanced) с измерением времени прохождения сигнала от МС до БС. На первом этапе определяется БС, с которой установлено соединение МС, при этом расстояние и направление до БС неизвестны. С помощью временной задержки рассчитывается удаление МС, определяющее окружность, на которой может располагаться МС. Учитывая, что БС имеют антенны, расположенные по секторам, можно узнать, п каком секторе находится МС. Однако, поскольку сектор составляет от 30 до 45 градусов, то разброс величин остается достаточно большим (в среднем точность около 200-300 метров). У метода расчета координат на основе ячеек сети (Cell ID) есть множество вариаций; Service Area Identity (3G), LocWAP, Enhanced Cell-ID, Timing Advance (ТА), Round Trip Time(RTT), RX levels [20].
Метод «радиоотпечатков». Уникальным методом позиционирования мобильных телефонов, не имеющим аналогов в классической радиопеленгации, является метод сопоставления образов (сигнатур) мест расположения (LRM -Location Pattern Matching) мобильного абонента, разработанный компанией US Wireless и использующий технологию анализа параметров радиосигнала и. харакіеристик его многолучевого распространения (123].
Измеряя фазовые, временные и амплитудные параметры фрагментов радиосигнала мобильного телефона, отраженного от препятствий (зданий, возвышенностей и т.п.), БС оценивает структуру подобного «ралиоотпечатка» (fingerprint) сигнала и вычисляет его «сигнатуру» (signature). Полученная информация сравнивается системой со своей базой образцов таких «сигнатур», соответствующих разным вариантам расположения мобильного абонента на местности (рис. 1.7). Система получила название RadioCamera и может быть отнесена к классу корреляционно-экстремальных. Система RadioCamera хорошо работает в условиях плотной городской застройки, где случаи прямой видимости БС весьма редки.
В настоящее время известны более двух десятков систем, использующих «интеллектуальные» антенны, угол прихода сигналов, разность времени их прихода, амплитуду сигналов, систему GPS и комбинации этих методов. Достигаемые точности определения координат сотового телефона варьируют в пределах от единиц до сотен метров (таблица 1.1) [20, 130-137].
Следует отметить, что точность ОМ зависит от очень многих факторов. Например, для мегаполиса при плотной городской застройке характерен многолучевой прием сигналов, при котором как на МС, так и на ВС Приходят как прямые, так и отраженные от различных объектов радносигн&чы [118, 121]. При этом параметры сигналов (их амплитуда в месте приема (RSS), угол прихода (АОЛ) и значение расстояния «БС-МС») непрерывно изменяются в широком диапазоне, что- значительно затрудняет определение фактических координат. Сложность решения проблемы точности позиционирования в системах мобильной связи и определяет достаточно большое число видов систем мобильного позиционирования.
Технологии ОМ стали объектом исследований сравнительно недавно и именно этим, а также сложностью математического описания мобильного канала, объясняется отсутствие результатов оптимизации методов ОМ для конкретных условии приема сигналов. При отборе описанных методов ОМ в данной работе предпочтение было отдано методам, получившим достаточно широкое распространение в наземных сетях мобильной связи и показавшим сравнительно высокую эффективность функционирования в реальном времени.
Анализ погрешностей определения местоположения мобильного абонента в сети сотовой связи по уровню сигнала с базовых станций
Анализ различных методов ОМ абонента, широко применяемых в современных сетях подвижной связи, показал, что используемые в настоящее время методы ОМ используют преимущественно космический сегмент (системы GPS и ГЛОНАСС), что зачастую требует значительной аппаратной поддержки и имеет высокую стоимость услуги. В связи с этим актуальным является более эффективное использование наземного сегмента для ОМ что и реализуется в последние несколько лет в сетях UMTS.
Анализ существующих методов ОМ показывает, что на сегодняшний день отсутствуют результаты анализа функционирования соответствующих алгоритмов, в условиях мобильного многолучевого канала. Цель дальнейших исследований заключается в анализе погрешностей ОМ для различных методов ОМ и рятпичных моделей многолучевого канала связи посредством имитационного статистического моделирования, а также рассмотрения возможностей повышения точности ОМ путем разработки новых методов ОМ. 3. Проведенный анализ известных моделей многолучевых каналов связи показывает, что существующие в настоящее время модели не удовлетворяют случаю постоянно перемещающегося абонента в условиях мегаполиса, для чего необходима разработка адекватных моделей многолучевого канала связи, учитывающих рельеф местности, характер и плотность застройки в условиях мегаполиса, а также адекватных моделей сигнала на входе приемника абонента в сети сотовой связи в виде векторных уравнений автореірессин-скользящего среднего высокого порядка. 4. Таким образом, представляются важными следующие задачи: Анализ погрешностей определения местоположения для различных методов определения местоположения и различных моделей многолучевого канала связи посредством имитационного статистического моделирования. Разработка новых подходов к ОМ, позволяющих повысить точность ОМ. Построение адекватных моделей многолучевого канала связи, учитывающих рельеф местности, харакгер и плотность застройки в условиях мегаполиса. Разработка вычислительных программ для моделирования и оценивания точностных характеристик систем определения местоположения мобильного абонента в сети связи. Методы-ОМ-, реализованные в современных системах .мобильной: связи и не использующие спутниковый сегмент (СРМС), в большинстве случаев не позволяют достичь приемлемой для- практических нужд погрешности местоопределсииЯ; которая обычно составляет не более 10;..20 м. В связи с этим, значительный интерес для практики представляет анализ точности методов ОМ при различных конфигурациях размещения БС и объектов на местности. Кроме этого, до сих пор актуальной задачей является разработка алгоритма ОМ с использованием только наземного сегмента и обладающего малой погрешностью (менее 30 м). Актуальным также яапяется анализ влияния характеристик многолучевого канала на точность различных методов ОМ, что позволит осуществлять оценку погрешностей ОМ в различных условиях городской застройки. Следует также заметить, что основной целью поиска путей повышения вычислительной эффективности и точности методов ОМ является снижение энергопотребления и уменьшение длительности процесса ОМ на мобильном терминале. Для достижения этой цели необходима разработка эффективных итеративных алгоритмов ОМ, основанных на анализе характеристик радиосигналов, принимаемых на МС и приводящих к значительному снижению вычислительных затрат в процессе ОМ.
В настоящсй главе решаются задачи анализа погрешностей ОМ мобильного абонента в сети сотовой связи на основе уровней сигнала с БС (п. 2.2) и с использованием временных задержек сигналов в условиях многол учено го канала связи (п. 2.3), а также разработки нового алгоритма ОМ, основанного на лучевой трассировке и позволяющего существенно повысить точность ОМ (п. 2.4). Метод определения координат, предусматривающий использование результатов измерений уровней сигналов, приходящих с нескольких базовых станций (БС) на мобильную станцию (МС), принято называть RSS-мстодом [ПО]. Основными достоинствами RSS-метода является простота реализации и небольшие затраты на реализацию. При этом он особенно привлекателен для сот с малым радиусом R, 1 км, поскольку в этом случае позволяет получить высокую точность ОМ.
В известных работах, связанных с исследованием RSS-метода, предполагается априорное знание модели для расчета потерь при распространении радиоволн, что является чрезмерным упрощением для многих прикладных задач. Обычно предполагается наличие свободного пространства, либо проводятся измерения уровнен сигнала непосредственно на местности развертывания сети мобильной связи (CMC).
Разработка алгоритмов ОМ, основанных на лучевой трассировке
Алгоритм оценивания МЫК, рассмотренный выше является частной реализацией метода максимального правдоподобия (ММП) при условии, что затухание уровня сигнала в канале v, является независимой случайной величиной с гауссовым распределением (2.3). Как известно, ММП является асимптотически несмещенным и эффективным [49]. Однако, в случае нелинейной модели и конечного объема данных (в данном случае ограниченного количества опорных БС) ничего нельзя сказать об оптимальности ММП и граница Рао-Крамсра не будет более являться предельно достижимой границей точности оценок. Результаты имитационного моделирования (рис.2.4, 2.5) показывают, что точность ОМ в данном случае выходит за пределы границ Рао-Крамсра, рассчитанных для линейных оценок местоположения. Следует также заметить, что на графиках рис.2.4,2.5 Границы Рао-Крамера несколько отличаются от аналогичных кривых рис.2.2,2.3, что объясняется выбором иных координат истинного местоположения МС при имитационном моделировании и что подтверждается данными [110]. В результате анализа погрешностей ОМ при помощи измерения уровней сигнала (RSS-метода) можно сделать следующие выводы [30]. 1. Приемлемое качество оценивания координат МС может быть достигнуто лишь в условиях микро- и пнкосот радиусом Rc 500 м (рис. 2.2, 2.3). 2. Количество БС, используемых для оценки координат МС, влияет на поірешность определения местоположения незначительно: почти двукратное увеличение количества БС(с 7 до 13) снижает поірешность ОМ на 10... 15%. 3. RSS-метод целесообразно применять в мегаполисах с большой плотностью абонентов и, соответственно, большим количеством БС, образующих пикосоты.
В последние годы широкое распространение получили системы ОМ мобильного абонента в сетях сотовой связи, основанные на измерении временных характеристик сигналов, поступающих на БС и МС. Результаты измерений параметров сигналов вначале используются для определения расстояния между соответствующими пунктами передачи и приема или направления прихода сигнала, а затем из геометрических соотношений вычисляется местоположение МС [20, 137]. Одними из основных являются методы ОМ по углу прихода сигнала (методы АоА - Angle of Arrival), по времени прихода сигнала (методы ТоА - Time of Arrival) и по разности времен прихода сигналов (методы TDoA - Time-Difference of Arrival). І Іри этом важно заметить, что необходимо наличие прямой видимости (J_OS Line-of-Sight) между передатчиком и приемником сигнала для точной оценки координат МС.
Значительный интерес для практики представляет получение іависимостей точности вышеупомянутых методов ОМ от количества опорных БС и характеристик профиля задержек многолучевого канала.
Вначале рассмотрим метод ЛоЛ, который подразумевает оценивание местоположения с помощью направленных антенн или антенных решеток путем измерения угла прихода сигнала, исходящего от МС на нескольких опорных БС [ 121]. После этого, определяя координаты опорных БС с помощью несложных гсомечрпческих преобразований, можно получить оценку местоположения МС. Метод АоА требует наличия как минимум двух опорных НС на плоскости. Рассмотрим погрешности, возникающие за счет многолучевого распространения без учета погрешностей определения угла (направления) прихода сигнала. Многолучсвость. выраженная в виде совокупности рассснватслей (рассеивающих объектов на местности) вблизи БС п МС, существенно влияет на определение углов прихода сигнала. Для макросот рассеиватели находятся преимущественно на небольших расстояниях от МС, поскольку БС обычно располагаются существенно выше окружающих их объектов местности. Это приводит к приему сигналов на МС со всех направлений, тогда как БС принимают сигналы только в пределах небольшого азимутального сектора. Для микросот предполагается, что БС расположены ниже уровня крыш зданий (высоты порядка 2...5 м) с целью ограничения распространения сигнала в пределах небольшой зоны местности [108]. В результате БС оказываются окруженными множеством локальных рассеииателей и сигналы могут приходить на БС в пределах значительно большего азимутального сектора. Следовательно, метод АоА может использоваться только в макросотах и непрактичен для микросот.
В работах [70, 127J представлены результаты моделирования распространения радиоволн в макросоте при наличии группы раессивателей вокруг МС и расположенной вдали от них БС. На рис. -.6, а представлены геометрические параметры, где основные рассеиватели предполагаются размещенными на кольце радиуса а вокруг МС. Расстояние d между БС и МС предполагается существенно большим, чем а. Подразумевается также, что МС имеет всенамравленную антенну и угол -у имеет равномерную плотность распределения нероятносгей (ПРВ):
Построение и анализ математической модели дискретного случайного поля уровней электромагнитного поля в.условиях мегаполиса
Проведенные эксперименты показывают, что объем информации, поступающий от одного МС в-среднем составляет порядка 10-15 Кб в минуту (в зависимости от метода определения- местоположения- количествово параметров разнится). Понятно, что накопление всего объема информации с большого числа мобильных терминалах в одной базе данных приведет к значительным проблемам в быстродействии в среднесрочной перспективе. Приемлемым решением в этой ситуации является разделение всех измерений на разные массивы данных, каждый из которых сохраняется и обрабатывается в своей базе данных. Например, не имеет смысла хранить в одной базе данных наблюдения, измеренные в разных городах. В то же время SQL сервер принципиально позволяет вести совместную обработку данных из разных баз данных.
При этом для повышенияо быстродействия данные радиоэлектронной обстановки (параметры базовых станций, помех и т.н.), а также геоинформационные данные (векторная карта территории, застройка, рельеф и т.д.) также хранятся в тех же базах данных, что и измерения. Несмотря на значительное сокращение объемов информационных баз данных при описанном подходе, существует ряд задач, при решении которых возникают проблемы недостатка быстродействия. К таким задачам можно отнести, например, задачу построения отчетов, когда требуется произвести МНОГОХр&ТНЫе вычисления над большими объемами данных, или задачу слежения за многими мобильными объектами в режиме «реального времени. Для решения таких задач предлагается производить многократную буферизацию всех данных, когда часть данных, например, необходимых для построения отчетов, копируются во временные таблицы, которые в дальнейшем и подвергаются обработке. Для больших объемов информации целесообразно производить разделение БД или увеличивать вычислительные ресурсы сервера БД.
Разработка типовых процедур обработки данных и тестовых программ Значительное внимание при разработке программного обеспечения было уделено модульной организации структуры этого обеспечения, при которой программный комплекс состоит из набора независимых модулей и процедур, выполняющих задачи сбора, обработки а публикации данных. При этом разработка новых модулей или модификация старых не должна влиять на работоспособность всего комплекса в целом. Такая концепция позволяет решать проблемы обновления программного обеспечения из единого центра и «обратной связи» от пользователей системы. Модульный принцип хорошо сочегается с «клиент-серверным» подходом, применяемым при рабоге с базой данных. При этом каждый модуль самостоятельно обращается к системе управления базой данных для запроса или модификации данных. Необходимо также отметить, что значительная часть алгоритмов статистической обработки данных реализована в виде хранимых процедур, функций и триггеров базы данных. Это, во-первых, уменьшает вычислительную паїрузку на клиентские терминалы, а во-вторых позволяет удобно управлять, добавлять или модифицировать алгоритмами с помощью стандартных средств SQL сервера. Упрощенная схема модульной конструкции комплекса представлена на рис. 3.17.
Программные модули обработки и хранения данных Применяя описанный подход, удалось реализовать целый спектр алгоритмов, связанных с постобработкой данных (интерполяция, экстраполяция данных, расчет параметров и пр.). Особое значение модульный подход имеет при подготовке и формировании отчетов по имеющимся данным. Дело в том, что структура отчетов и входящие в него данные, как правило, заранее неизвестны, поэтому программная оболочка должна позволять пользователю максимально гибко и удобно готовить, изменять и сохранять собственные уникальные отчеты. Данное требование удалось выполнить, комбинируя возможности SQL сервера, офисного пакета MS Excel и специализированного программного обеспечения для подготовки ОТЧСПОВ FastKcport.
Еще одним дополнительным преимуществом модульного принципа построения программного комплекса стала возможность распараллеливания процесса написания программного кода между разными программистами. При этом каждый исполнитель отвечает за свой узкий круг задач и при окончательной компиляции «своего» модуля создает динамическую библиотеку заданного формата с реализованными алгоритмами. Данная библиотека автоматически стыкуется с ядром программы, образуя новые модули обработки данных.
Тестирование аппаратно-программного комплекса при одновременной работе нескольких мобильных измерительных терминалов в различных режимах Особую роль при создании систем мобильно-измерительных терминалов играет технология передачи данных. Первоначально при выполнении работы предполагалось, что основным каналом передачи данных с мобильного терминала на сервера приложений будет модемный канал (9600 Кб), а вспомогательным - передача коротких сообщений SMS.
