Добавил:
KaFaka
t.me
Установите расширение 'SyncShare' для решения тестов в LMS (Moodle): https://syncshare.naloaty.me/ . На всякий лучше отключить блокировщик рекламы с ним. ||
Как пользоваться ChatGPT в России: https://habr.com/ru/articles/704600/ ||
Также можно с VPNом заходить в bing.com через Edge браузер и общаться с Microsoft Bing Chat, но в последнее время они форсят Copilot и он мне меньше нравится. ||
Студент-заочник ГУАП, группа Z9411. Ещё учусь на 5-ом курсе 'Прикладной информатики' (09.03.03). ||
Если мой материал вам помог - можете написать мне 'Спасибо', мне будет очень приятно :)
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:main
.pyfrom math import log
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
if __name__ == "__main__":
# Первое задание
# Дано:
P_tx = 1
d_f = 80 * (10 ** 6)
T = 300
kn = 2
h_rx = 1.5
h_bs = 30
k = 1.38 * (10 ** -23)
f0 = 900
S = 3
lg_d = []
P_rx = []
SNR = []
L_db = []
L = []
C = []
d = np.linspace(1, 2, 20)
for i in d:
lg_d.append(log(i, 10))
pn = d_f * T * k * kn
arhs = (1.1 * log(f0, 10) - 0.7) * h_rx - (1.56 * log(f0, 10) - 0.8)
for i in d:
ldb = 46.3 + 33.9 * log(f0, 10) - 13.82 * log(h_bs, 10) - arhs + abs(44.9 - 6.55 * log(h_rx, 10)) * log(i, 10) + S
L_db.append(ldb)
L.append(10 ** (ldb / 10))
for i in L:
P_rx.append(P_tx / i)
SNR.append(P_tx / i / pn)
C.append(d_f * log(1 + P_tx / i / pn, 2))
data = pd.DataFrame(data={'d': d, 'lgD': lg_d, 'L_db': L_db, 'L': L, 'prx': P_rx, 'snr': SNR, 'C': C})
print(data)
plt.plot(L_db, lg_d, 'go-')
plt.title("Функция потерь:")
plt.xlabel('lgL')
plt.ylabel('lgD')
plt.figure()
plt.plot(d, C, 'go-')
plt.title("Зависимость максимальной пропускной способности\n канала связи от расстояния:")
plt.xlabel('d')
plt.ylabel('C')
plt.show()
# Второе
# Дано
# NumSlots = 10 ** 5
# start = 0.05
# step = 0.01
# end = 0.5
#
# lamCount = int((end - start) / step + 1)
#
# Lam = np.linspace(start, end, lamCount)
# averageUsers = np.zeros([1, lamCount])[0]
# T_mean = np.zeros([1, lamCount])[0]
#
# for ind, lam in enumerate(Lam):
#
# startSlot = np.zeros([1, NumSlots])[0]
# endSlot = np.zeros([1, NumSlots])[0]
# P = np.random.poisson(lam, [1, NumSlots])[0]
#
# for i in range(NumSlots):
# I = 0
#
# if startSlot[i] != 0:
# R = np.random.binomial(startSlot[i], 1 / startSlot[i], 1)
#
# if R == 1:
# I = 1
# else:
# I = 0
#
# endSlot[i] = startSlot[i] - I + P[i]
#
# if i < NumSlots - 1:
# startSlot[i + 1] = endSlot[i]
#
# averageUsers[ind] = np.ceil(np.mean(endSlot))
# T_mean[ind] = round(averageUsers[ind] / lam, 2)
#
# print("Задание 2:", Lam)
# print('aU', averageUsers)
# print(T_mean)
#
# plt.figure()
# plt.plot(Lam, averageUsers)
# plt.title('График зависимости среднего количества\n абонентов в системе N от Lam')
# plt.grid(color='gray')
# plt.xlabel('Lam')
# plt.ylabel('averageUsers')
# plt.ylim(0, 60)
# plt.figure()
# plt.plot(Lam, T_mean)
# plt.title('График зависимости среднего времени\n нахождения абонента в системе T от Lam')
# plt.grid(color='gray')
# plt.xlabel('Lam')
# plt.ylabel('T_mean')
# plt.ylim(0, 60)
#
# plt.show()
Соседние файлы в предмете Вычислительные системы, сети и телекоммуникации