L’obiettivo del corso è fornire agli studenti conoscenze teoriche e pratiche sulla progettazione, realizzazione e analisi di sistemi di telecomunicazione. Nella prima parte l’attenzione è rivolta ai mezzi trasmissivi in rame e fibra ottica, al cablaggio strutturato, alle reti di accesso e ai sistemi di trasmissione su scala geografica. La seconda parte è dedicata alla modellazione stocastica e alla simulazione di sistemi di comunicazione, fornendo agli studenti strumenti avanzati per analizzare, progettare e ottimizzare reti e servizi attraverso metodi quantitativi e applicazioni pratiche sviluppati tramite ambienti software (MATLAB e Python). 

Conoscenza e capacità di comprensione

Sfruttando le conoscenze acquisite, lo studente sarà in grado di individuare le principali problematiche e le soluzioni per la progettazione di una rete o un sistema di telecomunicazione.

Capacità di applicare conoscenza e comprensione

Lo studente saprà applicare le conoscenze acquisite per progettare cablaggi strutturati a diversi livelli (piano, edificio, campus). Sarà in grado di utilizzare MATLAB per l’analisi di sistemi a code e Python per la modellazione avanzata con processi di Markov e reinforcement learning, applicando tali strumenti alle reti di comunicazione. 

Autonomia di giudizio

Lo studente svilupperà la capacità di scegliere in modo autonomo e consapevole le soluzioni tecnologiche più adatte alla progettazione e ottimizzazione di reti di telecomunicazione. Sarà inoltre in grado di valutare criticamente i risultati ottenuti tramite esercitazioni pratiche e simulazioni, motivando le proprie scelte in base a criteri tecnici, economici e normativi.

Abilità comunicative

Il corso permetterà allo studente di rafforzare il linguaggio tecnico-specialistico e di comunicare in maniera chiara ed efficace i risultati delle proprie analisi e progettazioni. Le attività di laboratorio in piccoli gruppi favoriranno la capacità di lavorare in team, discutere soluzioni progettuali e confrontarsi in contesti professionali. 

Capacità di apprendimento

Lo studente acquisirà la capacità di ampliare in autonomia le proprie conoscenze attraverso lo studio di testi di riferimento, articoli scientifici e documenti normativi. Sarà in grado di mantenersi aggiornato rispetto all’evoluzione delle tecnologie di telecomunicazione e di sviluppare competenze utili per affrontare in futuro tematiche avanzate nel settore. 

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.

Lezioni frontali

Mezzi trasmissivi in rame (4h). Richiami alle linee di trasmissione. Cavi a coppie simmetriche: descrizione. Costanti primarie di linea. Impedenza caratteristica. Attenuazione chilometrica. Effetti della temperatura. Diafonia. Nomenclatura dei cavi. Categorie e classi. 

Cavi in fibra ottica (6h).  Fibre a indice graduale e a indice a gradino. Fibre multimodali e monomodali. Apertura numerica. Attenuazione chilometrica. Finestre ottiche. Dispersione modale e cromatica. Banda passante di un collegamento in fibra. Fibre standard. Classi. Connettori ottici. Trasmettitori ottici, ricevitori ottici, amplificatori ottici e rigeneratori. DWDM (Dense Wavelength Division Multiplexing) e CWDM (Coarse Wavelength Division Multiplexing).

Chiamate vocali su reti cablate (2h). Gerarchia TDM (Time Division Multiplexing) per la telefonia digitale. Segnalazione SS7. 4

Reti di accesso (3h). Reti di accesso in rame e fibra. 

Cablaggio strutturato (6h). Standard TIA/EIA 568A, ISO/IEC 11801 e CEI EN 50173. Construction Products Regulation (CPR). Power over Ethernet (PoE). Legislazione italiana. Articolo 135-bis. Linee guida di riferimento. 

Modellazione stocastica dei sistemi di comunicazione (21h).  Processi di Poisson. Introduzione alla teoria delle code. Catene di Markov a tempo discreto. Processi di nascita-morte. Sistemi M/M/1. Sistemi M/M/1/N. Sistemi M/M/N. Sistemi M/M/N/N. Processi di ricompensa di Markov (MRP). Processi decisionali di Markov (MDP). Estensione a MDP parzialmente osservabili (POMDP) e multi-agente (MAMDP). Tecniche basate su Reinforcement Learning (RL) per la risoluzione di MDP, POMDP e MAMDP. 

Teoria della simulazione (7h). Introduzione alla simulazione. Simulazione di sistemi a code. Simulazione ad eventi discreti. Terminologia relativa alla simulazione. Stima degli intervalli di confidenza. Analisi dei risultati e loro rappresentazione. Istogrammi e boxplot. 

Laboratorio

Progettazione di un cablaggio strutturato (5h).

Applicazione dei sistemi a code nella progettazione di reti (10h). Panoramica di MATLAB. Progettazione di sistemi a code nell’ambiente MATLAB. Applicazioni alle reti di comunicazione.  

Progettazione di sistemi di comunicazione con modellazione stocastica avanzata (15h). Panoramica di Python. Definizione dei componenti degli MDP personalizzati per i sistemi di comunicazione, seguita dalla loro implementazione in Python e risoluzione mediante algoritmi basati su Reinforcement Learning (RL).

[1] Materiale didattico fornito dal docente.

[2] R. L. Freeman, Telecommunication Systems Engineering. New York, NY, USA: J. Wiley and Sons.

[3] R. Ramaswami, K. Sivarajan, and G. Sasaki, Optical Networks: A Practical Perspective. San Francisco, CA, USA: Morgan Kaufmann.

[4] S. Gai, P. Nicoletti, and G. Montessoro, Reti locali. Dal cablaggio all’internetworking, 2nd ed. Torino, Italy: Telecom Italia, 1995.

[5] F. Callegati, W. Cerroni, and C. Raffaelli, Traffic Engineering: A Practical Approach. Cham, Switzerland: Springer, 2023. ISBN: 978-3-031-09588-7.

[6] R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction. Cambridge, MA, USA: MIT Press.

[7] S. V. Albrecht, F. Christianos, and L. Schäfer, Multi-Agent Reinforcement Learning: Foundations and Modern Approaches. Cambridge, MA, USA: MIT Press, 2024.

Prove progettuali integrate da un esame orale.

Categorie dei cavi Ethernet.

Reti di accesso.

Definizione e stima dell'intervallo di confidenza per la valutazione dell’accuratezza dei risultati.

Sistemi a coda M/M/N.

Definizione di Markov Decision Process (MDP).