Show page

Differences

This shows you the differences between two versions of the page.

--- isrm:laboratoare:new:05 [2020/03/21 14:54]
vlad.traista [Pregătirea laboratorului]
+++ isrm:laboratoare:new:05 [2024/12/04 09:16] (current)
dragos.niculescu
@@ Line 3: / Line 3: @@
 ====== Materiale ajutătoare ======
-  * Pentru cei curioși, mai ales pentru matematica din spate, recomandăm, pentru acest laborator, capitolul 2 din cartea [[http://web.cs.ucdavis.edu/~liu/289I/Material/book-goldsmith.pdf|Wireless Communications - Andrea Goldsmith]]
+<hidden>
+fix lab5.cc to print MAC PH TX RX correctly
+</hidden>
+  * Pentru cei curioși, mai ales pentru matematica din spate, recomandăm, pentru acest laborator, capitolul 2 din cartea [[https://ctipub-my.sharepoint.com/:b:/g/personal/mbarbulescu_upb_ro/ESbjitohgCNNmTHzyAjT-xcBahQw5XPlZKFOAMOLLMLSdQ?e=VstVsm|Wireless Communications - Andrea Goldsmith]]
   * Celor curioși cu privire la bazele mecanismelor de retransmisie din TCP recomandăm [[http://www.pcvr.nl/tcpip/tcp_time.htm|capitolul 21 din TCP Illustrated]]
@@ Line 9: / Line 14: @@
 Acest model calculează puterea la receptor după următoarea formulă
- [[https://www.nsnam.org/doxygen/classns3_1_1_log_distance_propagation_loss_model.html#details|descrisă în pagina ns-3]]
+ [[https://www.nsnam.org/docs/models/html/propagation.html#logdistancepropagationlossmodel|descrisă în pagina ns-3]]
 Atributele pe care le putem controla din ns-3 sunt: exponentul, distanța de referință la care atenuarea e calculată și atenuarea de referință.
@@ Line 15: / Line 22: @@
 ====== Modelul Three Log Distance ======
-Este la fel ca log distance însă folosește trei exponenți diferiți pentru "near, middle, far". Este descris [[https://www.nsnam.org/doxygen/classns3_1_1_three_log_distance_propagation_loss_model.html#details|matematic aici]]. ns-3 ne oferă posibilitatea de a configura distanțele și exponenții pentru "near, middle, far" și atenuarea de referință.
+Este la fel ca log distance însă folosește trei exponenți diferiți pentru "near, middle, far". Este descris [[https://www.nsnam.org/doxygen/classns3_1_1_three_log_distance_propagation_loss_model.html#details|matematic în manualul ns3]].
+$$L = L_0 + 10 n \log(\frac{d}{d_0})$$
+ns-3 ne oferă posibilitatea de a configura distanțele și exponenții pentru "near, middle, far" și atenuarea de referință.
 ====== Modelul Nakagami ======
-Este o generalizare a [[https://en.wikipedia.org/wiki/Rayleigh_fading|modelului popular Rayleigh]] (îl găsiți și în Goldsmith - TODO pagina). Descrierea lui este [[https://www.nsnam.org/doxygen/classns3_1_1_nakagami_propagation_loss_model.html#details|aici]], dar și în paper-ul scris de M. Nakagami: {{:isrm:laboratoare:new:nakagami1960.pdf|}}.
+Este o generalizare a [[https://en.wikipedia.org/wiki/Rayleigh_fading|modelului popular Rayleigh]]. Descrierea lui este [[https://www.nsnam.org/doxygen/classns3_1_1_nakagami_propagation_loss_model.html#details|aici]], dar și în paper-ul scris de M. Nakagami: {{:isrm:laboratoare:new:nakagami1960.pdf|}}.
 ====== Modelul Friis ======
-https://www.nsnam.org/doxygen/classns3_1_1_friis_propagation_loss_model.html#details
+Formula clasică din curs [[ https://www.nsnam.org/docs/models/html/propagation.html#friispropagationlossmodel | Friis ]].
 ====== Combaterea pierderilor ======
@@ Line 90: / Line 103: @@
 ====== Pregătirea laboratorului ======
+<note important>
+Pe [[:isrm:mv|mașina virtuală]] aveți tot ce trebuie în ''/home/student/ns-3-dev''.
+Dacă lucrați pe alt dispozitiv trebuie să rulați comenzile:
 <code bash>
-student@isrm:~$ git clone https://gitlab.com/b12mihai1/ns-3-dev.git
+student@isrm-vm-2020:~$ git clone https://gitlab.com/nsnam/ns-3-dev.git
-student@isrm:~$ cd ns-3-dev/
+student@isrm-vm-2020:~$ cd ~/ns-3-dev
-student@isrm:~/ns-3-dev$ git checkout -b isrm_2020 remotes/origin/isrm_2020
+student@isrm-vm-2020:~/ns-3-dev$ git checkout -b ns-332-rel ns-3.32
-student@isrm:~/ns-3-dev$ git submodule update --init --recursive
+student@isrm-vm-2020:~$ cd ~/ns-3-dev/examples
-student@isrm:~/ns-3-dev$ cd scratch/
+student@isrm-vm-2020:~/ns-3-dev/examples$ git clone https://github.com/isrm-lab/ns3-labs.git
-student@isrm:~/ns-3-dev/scratch$ ln -s ../examples/ns3-labs/lab-05-06-mcs/lab5.cc lab5.cc
+student@isrm-vm-2020:~$ cd ~/ns-3-dev
-student@isrm:~/ns-3-dev/scratch$ cd ..
+student@isrm-vm-2020:~$ ./waf configure --build-profile=debug --enable-examples --enable-tests
-student@isrm:~/ns-3-dev$ ./waf configure --build-profile=debug --enable-examples --enable-tests && ./waf build -j4
+student@isrm-vm-2020:~$ ./waf build -j4
-student@isrm:~/ns-3-dev$ ./waf --run "lab5 --apManager=ns3::ConstantRateWifiManager --phyRate=ErpOfdmRate54Mbps --propagationModel=0"
 </code>
+</note>
 Parametrii pe care simularea noastră îi primește:
@@ Line 116: / Line 134: @@
 cmd.AddValue("pcap", "Enable/disable PCAP Tracing", pcapTracing);
 cmd.AddValue("tries", "Max number of attempts to send frame (Short and Long Retry limit for station)", tries);
-</code>
-Pentru a realiza grafice, trebuie sa instalam si pachetele de Python:
-<code bash>
-student@isrm-vm-2020:~$ sudo apt-get update
-student@isrm-vm-2020:~$ sudo apt-get install python3-pip
-student@isrm-vm-2020:~$ pip3 install matplotlib jupyter
-student@isrm-vm-2020:~$ sudo ln -s ~/.local/bin/jupyter-notebook /usr/bin/jupyter-notebook
 </code>
@@ Line 156: / Line 166: @@
 Sarcina voastră este să plotați pe axa X distanța și pe axa Y throughput în Mbps - deci funcția throughput(distanță) pentru cele 4 modele prezentate mai sus în laborator.
+Va puteti folosi de urmatorul template:
+<code python>
+import copy
+import numpy as np
+import matplotlib
+import matplotlib.pyplot as plt
+# Calea absoluta catre fisierul de date din care citim
+# TODO - trebuie inlocuita cu calea corecta
+DATA_FILE_NAKAGAMI = '/home/student/ns-3-dev/nakagami.txt'
+DATA_FILE_LOG = '/home/student/ns-3-dev/log.txt'
+DATA_FILE_LOG3 = '/home/student/ns-3-dev/log3.txt'
+DATA_FILE_FRIIS = '/home/student/ns-3-dev/friis.txt'
+columns = ['distance', 'throughput']
+# Citim datele din fisier
+# Argumentul delimiter precizeaza care este delimitatorul dintre coloane
+# Argumentul skip_header precizeaza cate linii nu vor fi citite pornind cu inceputul fisierului
+# Argumentul names este unul foarte util deoarece permite asocierea de nume pentru coloanele din fisier si
+# de asemenea duce la un acces foarte usor al datelor in script. In acest exemplu, names va fi egal cu ['x', 'y']
+# ceea ce inseamna ca putem accesa valorile din prima coloana prin sim_data['x'].
+# Argumentul dtype setat specifica modul in care vor fi interpretate coloanele (string-urile ca string-uri, float-urile ca float-uri).
+# In absenta acestui argument, valorile din coloane vor fi interpretate ca float.
+sim_data_nakagami = np.genfromtxt(DATA_FILE_NAKAGAMI, delimiter=' ', names=columns, dtype=None)
+sim_data_log = np.genfromtxt(DATA_FILE_LOG, delimiter=' ', names=columns, dtype=None)
+sim_data_log3 = np.genfromtxt(DATA_FILE_LOG3, delimiter=' ', names=columns, dtype=None)
+sim_data_friis = np.genfromtxt(DATA_FILE_FRIIS, delimiter=' ', names=columns, dtype=None)
+def plot_distance_throughput_correlation(sim_data_nakagami, sim_data_log, sim_data_log3, sim_data_friis):
+    # Apelul subplots poate fi folosit pentru a crea mai multe subgrafice in cadrul aceluiasi grafic sau in cadrul unor grafice diferite
+    # Prin figsize se specifica dimensiunea graficului
+    fig, ax = plt.subplots(figsize=(12,12))
+    # Valori stilistice pentru grafic
+    ax.grid(color='b', alpha=0.5, linestyle='dashed', linewidth=0.5)
+    # Denumirile axelor Ox si Oy, precum si titlul graficului
+    plt.xlabel('Distance (m)')
+    plt.ylabel('Throughput [Mbps]')
+    plt.title('Throughput distance correlation')
+    # Aici este construit efectiv graficul. Campul label va fi folosit in cadrul legendei graficului
+    # Daca in fisierul de output aveti toate valorile de distanta si de throughput, o sa remarcati ca pentru aceeasi distanta
+    # o sa aveti mai multe valori de throughput (din cauza ca in scenariul din script se avanseaza cu cate 5 metri si se sta pe loc
+    # o anumita durata de timp). Pentru simplitate, o sa alegem oricare valoare de throughput pentru o anumita distanta. Din moment ce
+    # pentru fiecare distanta se printeaza 10 valori, este suficient sa ne folosim de Python slicing si sa luam valorile din lista din
+    # 10 in 10. sim_data_nakagami['distance'][::10] inseamna ca din lista sim_data_nakagami['distance'] o sa iau elementele de pe
+    # pozitia 0, 10, 20 si tot asa.
+    ax.plot(sim_data_nakagami['distance'][::10], sim_data_nakagami['throughput'][::10], label='Nakagami')
+    ax.plot(sim_data_log['distance'][::10], sim_data_log['throughput'][::10], label='Log')
+    ax.plot(sim_data_log3['distance'][::10], sim_data_log3['throughput'][::10], label='3 Log')
+    ax.plot(sim_data_friis['distance'][::10], sim_data_friis['throughput'][::10], label='Friis')
+    ax.legend()
+    plt.show()
+if __name__ == '__main__':
+    plot_distance_throughput_correlation(sim_data_nakagami, sim_data_log, sim_data_log3, sim_data_friis)
+</code>
 <hidden>
@@ Line 181: / Line 252: @@
 ===== [02] Packet delivery ratio UDP =====
-Plotați packet delivery ratio la nivel fizic (''tries=1'') și la nivel MAC (''tries=4,10'') pentru distanțele implicite din model, pentru trafic UDP.
+Plotați packet delivery ratio la nivel fizic (''tries=1'') și la nivel MAC (''tries=4,10'') in functie de distanta pentru distanțele implicite din model, pentru trafic UDP. Prin packet delivery ratio se intelege raportul dintre numarul de pachete primite si numarul de pachete trimise (RX/TX).
 Pentru ''tries=1'' alegeți ultimele două coloane pentru a contoriza pachetele trimise/primite - sunt extrase la nivel PHY.
-Pentru ''tries=4,10'' alegeți pen-ultimele două coloane pentru a contoriza pachetele trimise/primite - sunt extrase la nivel MAC.
+Pentru ''tries=4,10'' alegeți coloanele 4-5 pentru a contoriza pachetele trimise/primite - sunt extrase la nivel MAC.
+<note important>Modelul ramane acelasi: Nakagami - pentru aceste rulari. Comanda este:
+<code bash>
+./waf --run "lab5 --apManager=ns3::ConstantRateWifiManager --phyRate=ErpOfdmRate54Mbps --propagationModel=0 --tries=1"
+</code>
+Din ea veti varia numarul de ''tries''
+</note>
@@ Line 210: / Line 290: @@
   * Activați RTS/CTS pentru acest caz (''tries=1''). De ce nu se îmbunătățește situația TCP-ului?
-Plotați capacitatea obținută de TCP pentru ''tries=4, 10''. Explicați diferențele față de comportarea UDP în același setup. Observație: Capacitatea TCP crește când reîncercările la nivel MAC ascund pierderile.
+Plotați capacitatea si packet delivery ratio obținute de TCP pentru ''tries=4, 10''. Explicați diferențele față de comportarea UDP în același setup. Observație: Capacitatea TCP crește când reîncercările la nivel MAC ascund pierderile.
 **Bonus**: Vă puteți adăuga trace pentru pachete pierdute la nivel MAC în simulare astfel (vedeți și [[https://www.nsnam.org/docs/release/3.29/doxygen/_trace_source_list.html|documentația ns-3 - All TraceSources]]):
@@ Line 221: / Line 301: @@
 Pe callbackurile mai sus definiți două funcții simple care incrementează un contor global. Cu acest tracing: Analizați pachetele pierdute și justificați folosind timpii de emisie ai pachetelor.
-===== [04] ACK L2 vs L4 =====
+===== [04 - Bonus] ACK L2 vs L4 =====
 Repetați experimentele cu TCP și UDP activând PCAP tracing. Urmăriți în PCAP momentul în care transmițătorul pachetelor de date UDP/TCP (adică AP-ul) nu mai primește ACK-urile de L2:

isrm/laboratoare/new/05.1584795286.txt.gz · Last modified: 2020/03/21 14:54 by vlad.traista

Show page Old revisions

Media Manager Back to top

Differences

Cursuri

Laboratoare

Resurse