Перераспределение частот в дипломе: как превратить кейс оператора связи в защищаемую ВКР
Поддомен: Data Engineering / Network Optimization. Роль эксперта: Data/ML-инженер.
- Primary keyword: перераспределение частот в ВКР
- LSI-запросы: RSRP, SINR, throughput, drive-test, self-organizing networks (SON), рефарминг, KPI мобильной сети, нагрузка на сектор, PCI-планирование, ГОСТ 34.601, C4-диаграмма
- Ключевые сущности: ГОСТ 34.601-90, ISO/IEC 25010, OpenTelemetry, UML/C4, метрики RSRP/SINR/Throughput
Введение: новость, которую стоит читать не только связистам
25 марта 2026 года МТС отчиталась: в Горно-Алтайске и пригороде перераспределили частоты, чтобы мобильный интернет стал быстрее. Звучит как рядовая новость от оператора. Однако для выпускника ИТ-направления это готовый кейс: распределённая сеть, телеметрия с сотен секторов, алгоритмы принятия решений и измеримый KPI. Здесь есть всё, что требует хорошая ВКР — данные, модель, эксперимент, эффект.
Если вы учитесь на «Прикладной информатике», «Инфокоммуникационных технологиях» или «Data Engineering», тема перераспределения частот даёт редкое преимущество: можно опереться на публичный кейс реального оператора и при этом построить самостоятельную инженерную работу. Разберём, как это сделать и что заказчик приёмки (ГЭК) захочет увидеть.
Основная часть: три ВКР из одной новости
Один кейс — три разных диплома. Выбирайте по своему стеку: кому ближе аналитика данных, кому — бэкенд мониторинга, кому — экономическая оценка.
| Направление ВКР | Актуальность (отсылка к статье) | Цель | Ключевые задачи |
|---|---|---|---|
| Алгоритм динамического рефарминга на основе drive-test | МТС вручную перераспределяет частоты; автоматизация даст быстрее реакцию на нагрузку | Разработать алгоритм переназначения частотных каналов с ростом throughput ≥10% | Собрать датасет RSRP/SINR, обучить эвристику или RL-агента, сравнить с baseline, посчитать выигрыш |
| Система мониторинга KPI сети с визуализацией | Отчёт оператора — разовая акция; нужен непрерывный контроль качества | Спроектировать пайплайн сбора и визуализации метрик сети на OpenTelemetry-стеке | Описать архитектуру C4, развернуть коллектор, настроить дашборды, рассчитать SLA |
| Экономическая оценка эффекта от перераспределения частот | Оператор вкладывает в рефарминг — нужно обосновать ROI | Построить модель TCO и ROI телеком-проекта | Описать CAPEX/OPEX, привязать метрики QoS к ARPU, смоделировать сценарии |
Как разложить материал по главам
Глава 1 (анализ). Здесь уместно разобрать сам кейс МТС, классификацию частотных диапазонов (700/800/1800/2600 МГц), влияние рефарминга на покрытие и ёмкость. Обязательно сравните с зарубежными аналогами — операторы Vodafone и Deutsche Telekom публикуют похожие пресс-релизы, ссылки ищите в их newsroom.
Глава 2 (проектирование/реализация). Строите архитектуру решения. Для направления с алгоритмом — это блок-схема принятия решения и UML-диаграмма классов. Для мониторинга — C4-диаграмма (Context → Containers → Components). Для экономики — BPMN-схема процесса рефарминга.
Глава 3 (тестирование/эффективность). Считаете метрики до/после и сравниваете с baseline. Здесь же — статистика: t-тест Стьюдента по выборкам drive-test, доверительные интервалы, p-value. Без этого раздел эффективности выглядит неубедительно.
Метрики, которые ждёт комиссия
Оперируйте стандартным набором телеком-метрик — они проверяемы и признаны в отрасли (смотрите ISO/IEC 25010 в части quality-of-service):
- RSRP — уровень принимаемого сигнала (дБм), целевой порог −100…−85 дБм.
- SINR — отношение сигнал/шум+помеха, критично для модуляции.
- Throughput DL/UL — пропускная способность, основная выгода в кейсе МТС.
- Cell load — загрузка сектора, % PRB utilization.
- Drop call rate — доля обрывов.
Пример псевдокода: балансировка нагрузки между секторами
# Оценка эффекта рефарминга по секторам
# Вход: DataFrame с колонками [cell_id, prb_load, throughput_dl, band]
import pandas as pd
def rebalance_plan(df, threshold=0.75):
overloaded = df[df.prb_load > threshold]
underloaded = df[df.prb_load < 0.4]
plan = []
for _, ov in overloaded.iterrows():
# Ищем соседа с free PRB той же полосы
cand = underloaded[underloaded.band == ov.band]
if not cand.empty:
donor = cand.sort_values('prb_load').iloc[0]
plan.append({
'from_cell': donor.cell_id,
'to_cell': ov.cell_id,
'band': ov.band,
'expected_gain_pct': round((ov.prb_load - donor.prb_load) * 100, 1)
})
return pd.DataFrame(plan)
Такой сниппет легко оформить как листинг приложения и защитить: алгоритм прозрачен, входные данные публично воспроизводимы, выход — план с прогнозом прироста.
FAQ: вопросы, которые задают чаще всего
Где брать данные, если нет доступа к сети оператора?
Три пути. Первый — открытые датасеты: OpenCellID, Mozilla Location Service, дампы RSRP из nperf и Speedtest Intelligence (частично бесплатны для академии). Второй — публичные карты покрытия МТС, МегаФон, Билайн с их помощью строятся тепловые карты. Третий — симуляция в MATLAB 5G Toolbox или srsRAN: генерируете сценарий с N секторами и сами «играете» частотами.
Можно ли строить ВКР без натурного эксперимента?
Да, но нужна симуляционная валидация. Комиссия принимает результаты, воспроизводимые на стенде srsRAN + GNU Radio или в Sionna (NVIDIA). Обязательно зафиксируйте параметры канала (модель 3GPP TR 38.901) — иначе цифры не защитите.
Как оформить метрики по ГОСТ?
Таблицы — по ГОСТ 2.105 и ГОСТ 34.601-90, единицы — в системе СИ с указанием дБм/дБ. Диаграммы — в едином стиле UML 2.5 либо C4. Ссылки на источники в квадратных скобках, нумерация подрисуночных подписей обязательна.
Нужен ли экономический раздел в технической ВКР?
Если тема инженерная, достаточно третьей главы с оценкой эффективности алгоритма. Но если работа идёт по экономическому направлению или есть требование кафедры — считайте TCO и ROI, опираясь на кейс оператора. Хотите заказать диплом с готовой экономической частью — обсудите это с научным руководителем заранее.
- Все задачи из введения закрыты выводами по главам и заключением.
- Метрики RSRP/SINR/throughput имеют единицы измерения и источник данных.
- Архитектура описана в нотации C4 или UML (не «на словах»).
- Диаграммы вставлены как изображения с подписями по ГОСТ 2.105.
- Листинги кода вынесены в приложения, в тексте — ссылки на них.
- Проверка на антиплагиат пройдена с запасом ≤15% заимствований.
- Список литературы: не менее 20 источников, из них ≥5 — 2023–2026 годов.
- Пересказ новости вместо анализа. «МТС ускорила интернет» — это факт, а не постановка задачи. Нужна проблема: как автоматизировать процесс, какие данные участвуют, что оптимизируем. Из статьи берите контекст, но добавляйте собственный метод.
- Отсутствие baseline. Если сравнить алгоритм не с чем — защита превращается в описание. Зафиксируйте исходные значения KPI до рефарминга (из открытых карт покрытия) и сравнивайте с ними.
- Игнорирование валидации. Один прогон симуляции — не результат. Нужна серия экспериментов, доверительные интервалы, проверка гипотез. Иначе вопрос «а почему именно +12%?» сломает защиту.
Источник: МТС ускорила мобильный интернет в Горно-Алтайске за счет перераспределения частот (опубликовано 2026-03-25)