Phân bổ tài nguyên sử dụng lý thuyết trò chơi và tối ưu hóa để quản lý can nhiễu trong mạng vô tuyến mật độ cao

ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA BÙI THANH TÍNH PHÂN BỔ TÀI NGUYÊN SỬ DỤNG LÝ THUYẾT TRỊ CHƠI VÀ TỐI ƯU HĨA ĐỂ QUẢN LÝ CAN NHIỄU TRONG MẠNG VÔ TUYẾN MẬT ĐỘ CAO Chuyên ngành: Kỹ Thuật Viễn Thông Mã số: 8520208 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 07 năm 2022 Cơng trình hồn thành tại: Trường Đại học Bách Khoa - ĐHQG-HCM Cán hướng dẫn khoa học: TS Nguyễn Đình Long PGS.TS Hà Hồng Kha Cán chấm nhận xét 1: TS Trịnh Xuân Dũng Cán chấm nhận xét 2: PGS.TS Võ Nguyễn Quốc Bảo Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp.HCM ngày 04 tháng 07 năm 2022 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: Chủ tịch Hội đồng: GS.TS Lê Tiến Thường Thư ký Hội đồng: TS Võ Quế Sơn Phản biện 1: TS Trịnh Xuân Dũng Phản biện 2: PGS.TS Võ Nguyễn Quốc Bảo Ủy viên: PGS.TS Trần Trung Duy Xác nhận Chủ tịch Hội đồng đánh giá luận văn Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐIỆN-ĐIỆN TỬ ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Bùi Thanh Tính MSHV: 1970464 Ngày, tháng, năm sinh: 15/09/1997 Nơi sinh: Bình Định Chun ngành: Kỹ Thuật Viễn Thơng Mã số: 8520208 I TÊN ĐỀ TÀI: Phân bổ tài nguyên sử dụng lý thuyết trị chơi tối ưu hóa để quản lý can nhiễu mạng vô tuyến mật độ cao (Tiếng Anh) Resource Allocation using Game Theory and Optimization for Interference Management in Ultra Dense Networks II NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu khảo sát xây dựng số mơ hình mạng vơ tuyến mật độ cao khả thi Đề xuất phương pháp quản lý can nhiễu với hai nhiệm vụ trọng tâm: Phân cụm phân bổ tài nguyên sử dụng lý thuyết trị chơi tối ưu hóa Xây dựng thực chương trình mơ đa kịch mạng vô tuyến mật độ cao đánh giá hiệu phương pháp đề xuất III NGÀY GIAO NHIỆM VỤ: 06/09/2021 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 13/06/2022 V CÁN BỘ HƯỚNG DẪN: TS Nguyễn Đình Long PGS.TS Hà Hoàng Kha Tp HCM, ngày 13 tháng 06 năm 2022 CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO CÁN BỘ HƯỚNG DẪN TRƯỞNG KHOA ĐIỆN-ĐIỆN TỬ Phân bổ tài nguyên để quản lý can nhiễu UDN LỜI CẢM ƠN Sau đây, xin viết dòng cảm ơn từ tận đáy lòng đến người giúp đỡ, ủng hộ trình thực luận văn Trước tiên, tơi xin gửi lời cảm ơn chân thành đến Thầy hướng dẫn tơi, TS Nguyễn Đình Long Thầy ln tận tình hướng dẫn, giúp đỡ từ bước đầu việc nghiên cứu, đến kiến thức chuyên môn công việc Thầy người truyền cảm hứng cho theo đường nghiên cứu khoa học Tôi trân trọng điều cảm thấy may mắn làm việc với hướng dẫn Thầy Tơi mong làm việc Thầy nhiều dự án tương lai Trong q trình làm luận văn Thạc sĩ, tơi may mắn gặp gỡ nhiều chuyên gia khác ngành Viễn Thông Đầu tiên phải kể đến Thầy đồng hướng dẫn, PGS TS Hà Hoàng Kha Tôi ngưỡng mộ kiến thức sâu rộng Thầy tối ưu hóa, thơng tin vơ tuyến xử lý tín hiệu số Tơi xin cảm ơn Thầy Kha hướng dẫn giúp tơi có kiến thức tảng quan trọng tối ưu hóa Từ hướng dẫn Thầy, hiểu thêm cách trình bày báo khoa học, nghiên cứu cho hợp lý chặt chẽ Tôi xin cảm ơn GS Dương Quang Trung - Trường Đại học Queen’s Belfast có nhận xét góp ý q giá để tơi có cơng bố khoa học chất lượng khả Thêm nữa, xin cảm ơn đến Thầy, Cô bạn bè Trường Đại học Bách Khoa - Đại học Quốc gia TP.HCM, chia sẻ kiến thức, trải nghiệm giúp tơi có điều kiện học tập tốt trường Trường Đại học Bách Khoa nơi gắn bó suốt gần năm qua với nhiều kỷ niệm Có thể tương lai, khơng cịn lần lên giảng đường B1, khơng cịn buổi họp nhóm thư viện tất kỷ niệm trường theo Đặc biệt nhất, xin gửi lời cảm ơn đến Bố Mẹ - Tùng Bình, Bác hai - Ơi, Chị gái - Bơng, tình u, niềm tin hỗ trợ Tơi biết gia đình ln quan tâm, tin tưởng dõi theo đường nghiệp Cho nên, nghĩ lời cảm ơn chân thành đến gia đình cố gắng học tập, công việc nghiên cứu Lời cảm ơn iii HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN Cuối cùng, xin cảm ơn quý Thầy, Cô hội đồng luận văn dành thời gian đọc đánh giá luận văn Mặc dù, cố gắng phạm vi khả cho phép để hồn thành luận văn chắn khơng tránh khỏi sai sót Rất mong nhận ý kiến nhận xét đánh giá từ quý Thầy, Cô bạn đọc để luận văn hoàn thiện Tp Hồ Chí Minh, ngày 13 tháng 06 năm 2022 Học viên Bùi Thanh Tính iv HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN TĨM TẮT Mạng vơ tuyến mật độ cao (UDN) sử dụng để giải vấn đề cấp bách liên quan đến nhu cầu ngày tăng khả phủ sóng dung lượng truyền cao hệ mạng không dây hệ thứ (5G) Việc triển khai UDN quy mô lớn giải tồn đọng mạng hệ sau 5G (B5G) hệ mạng thứ (6G) mang lại lợi ích gấp nhiều lần so với công nghệ ngày đạt Tuy nhiên, việc tối ưu hiệu suất hệ thống với ràng buộc nghiêm ngặt tài ngun vơ tuyến sử dụng cơng cụ tốn học thách thức lớn Việc tối ưu hiệu suất cấp độ hệ thống UDN thường thực dựa hàng loạt mô số học tốn nhiều thời gian khó áp dụng bối cảnh B5G 6G với mật độ cực cao Do đó, việc phát triển mơ hình tối ưu có tính ứng dụng cao cho UDN áp dụng mạng B5G 6G cần thiết Trong nội dung luận văn, kết hợp tối ưu việc phân cụm phân bổ tài nguyên (tần số cơng suất) sử dụng lý thuyết trị chơi UDN nghiên cứu UDN triển khai bao gồm nhiều macrocells sử dụng số lượng lớn ăng ten (massive antennas) small cells phân bố dày đặc, ngẫu nhiên tầm bao phủ macrocells Trước tiên, để giảm can nhiễu liên cells, coalition game để phân cụm small cells đề xuất với hàm lợi ích tỉ số tín hiệu can nhiễu (SIR) Sau đó, vấn đề phân bổ tài nguyên chia thành hai toán phụ phân bổ kênh truyền (SCA) phân bổ công suất (PA) Thuật toán Hungarian, phương pháp hiệu để giải toán tối ưu với biến binary, dùng để phân bổ kênh truyền cho người dùng cụm Ngoài ra, thuật toán tối ưu tập trung với độ phức tạp thấp thuật toán tối ưu phân tán sử dụng trò chơi Stackelberg đề xuất với mục tiêu tối đa hiệu sử dụng lượng (EE) Những kết mô cung cấp chứng minh phương pháp tối ưu phân tán đề xuất sử dụng lý thuyết trị chơi hiệu thuật tốn tối ưu tập trung mặt thời gian xử lý small cells, tốt phương pháp phân cụm truyền thống hiệu sử dụng lượng Từ khóa: Lý thuyết trị chơi, mạng vơ tuyến mật độ cao, phân cụm dùng trò chơi, hiệu lượng, tối ưu khơng lồi Tóm tắt v HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN ABSTRACT Ultra-dense networks (UDNs) have been employed to solve the pressing problems in relation to the increasing demand for higher coverage and capacity of the fifth generation (5G) wireless networks The deployment of UDNs in a very large scale has been envisioned to break the fundamental deadlocks of beyond 5G (B5G) or the sixth generation (6G) networks and deliver many more orders of magnitude gains that today’s technologies achieve However, the mathematical tool to optimize the system performance under the stringent radio resource constraints is widely recognized to be a formidable challenge System-level performance optimization of current UDNs are usually conducted by relying on numerical simulations, which are often time-consuming and have become extremely difficult in the context of B5G and 6G with extremely high density As such, there is an urgent need for developing a realistic mathematical model for optimizing the B5G and 6G UDNs In this thesis, the combination of clustering and resource allocation based on game theory in ultra-dense networks (UDNs), which consist of multiple macrocells using massive multiple-input multiple-output (mMIMO) and a vast number of randomly distributed small cells, are considered In particular, to mitigate the inter-cell interference, a coalition game for clustering small cells is proposed with the utility function to be the ratio of signal to interference Then, resource allocation is divided into two sub-problems such as sub-channel allocation (SCA) and power allocation (PA) The Hungarian method, which is efficient to solve binary optimization problems, is used for assigning the sub-channels to users in each cluster of small cells Additionally, a centralized algorithm with low computational complexity and a distributed algorithm based on Stackelberg game are provided to maximize the network energy efficiency (EE) Numerical results prove that the game-based method outperforms the centralized method in terms of executive time in small cells, and is better than traditional clustering about energy efficiency Keywords: Game theory, ultra-dense network, game-based clustering, energy efficiency, nonconvex optimization Abstract vi HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN LỜI CAM ĐOAN Tơi tên Bùi Thanh Tính học viên cao học chun ngành Kĩ Thuật Viễn Thơng, khóa 2019, Trường Đại học Bách Khoa - Đại học Quốc gia thành phố Hồ Chí Minh Tơi xin cam đoan nội dung sau thật: Cơng trình nghiên cứu hồn tồn tơi thực với hướng dẫn TS Nguyễn Đình Long PGS TS Hà Hoàng Kha Các tài liệu tham khảo sử dụng luận văn trích dẫn đầy đủ, rõ ràng, công bố hội nghị, tạp chí uy tín Các số liệu kết luận văn thực cách độc lập trung thực Những báo khoa học tơi thực liệt kê cụ thể Tp Hồ Chí Minh, ngày 13 tháng 06 năm 2022 Bùi Thanh Tính Lời cam đoan vii HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN Mục lục TÓM TẮT v DANH MỤC CÁC TỪ VIẾT TẮT xi DANH SÁCH HÌNH VẼ xiv DANH SÁCH BẢNG xvi GIỚI THIỆU TỔNG QUAN 1.1 Xu hướng phát triển hệ thống thông tin vô tuyến 1.2 Tính cấp thiết đề tài 1.3 Các nghiên cứu liên quan 1.3.1 Tối ưu hóa lý thuyết trị chơi 1.3.2 Quản lý can nhiễu 11 Mạng vô tuyến mật độ cao (UDN) 13 1.4.1 Lý thuyết UDN 13 1.4.2 Can nhiễu UDN 18 1.4 1.5 Các thách thức hệ thống mạng tương lai với đặc trưng mật độ cao 21 1.5.1 Yêu cầu can nhiễu thấp 21 1.5.2 Tính di động cao trình bắt tay 22 1.5.3 Tiêu thụ lượng thấp 23 1.5.4 Tối ưu chuyển tiếp nhiều bước (Multi-hop Relay) 23 1.5.5 Cơ chế truyền nhận đa chiều phức hợp 23 1.6 Các đóng góp luận văn 24 1.7 Nội dung luận văn 26 GIẢI PHÁP TIỀM NĂNG CHO UDN VÀ MƠ HÌNH HỆ THỐNG 28 Mục lục viii HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN 2.1 2.2 2.3 Các giải pháp tiềm cho 5G and B5G UDN 28 2.1.1 Phân cụm 28 2.1.2 Phân bổ tài nguyên 29 2.1.3 Millimeter Wave (mmWave) 30 2.1.4 Giao tiếp Terahertz (THz) 31 2.1.5 Massive Multiple-Input Multiple-Output (mMIMO) 31 2.1.6 Bề mặt phản xạ thông minh (IRS) 32 2.1.7 Cell-free mMIMO 33 2.1.8 Thiết bị bay không người lái (UAV) 33 2.1.9 Học sâu 34 2.1.10 UDN tích hợp với mơ hình mạng vệ tinh 35 Nghiên cứu kết hợp tối ưu hóa lý thuyết trò chơi 36 2.2.1 Lý thuyết tối ưu UDN 36 2.2.2 Lý thuyết trò chơi UDN 42 2.2.3 Kết hợp tối ưu hóa lý thuyết trò chơi cho UDN 45 Mơ hình hệ thống UDN đề xuất nghiên cứu 46 PHƯƠNG PHÁP ĐỀ XUẤT DÙNG PHÂN CỤM VÀ PHÂN BỔ TÀI NGUYÊN 52 3.1 Thiết kế toán tối ưu cho UDN 52 3.1.1 Phân bổ kênh truyền tối đa độ lợi kênh (SCA) 52 3.1.2 Phân bổ công suất tối đa hiệu suất lượng (PA) 54 3.2 Xây dựng mạng phân tán với mơ hình phân cụm dùng coalition game (P1) 57 3.3 Phân bổ kênh truyền thiết kế tiền mã hóa 61 3.3.1 Phân bổ kênh truyền cho SUE (P2) cho MUE (P3) 62 3.3.2 Thiết kế tiền mã hóa (P4) 63 Phân bổ công suất cho UDN bất đồng nhiều tầng 64 3.4.1 Phân bổ công suất tập trung 65 3.4.2 Phân bổ cơng suất phân tán dùng trị chơi Stackelberg (P5, P6) 69 3.4 KẾT QUẢ MÔ PHỎNG TRONG UDN NHIỀU TẦNG VÀ TÍCH HỢP VỆ TINH 73 4.1 Mục lục Đánh giá tốc độ hội tụ phương pháp đề xuất ix 75 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [49] A Khodmi, S B Rejeb, N Agoulmine, and Z Choukair, “Joint user-channel assignment and power allocation for non-orthogonal multiple access in a 5G heterogeneous ultra-dense networks,” in Proc Int Wireless Commun Mobile Comput (IWCMC), Limassol, Cyprus, Jun 2020, pp 1879–1884 [50] Y Liu, Y Wang, Y Zhang, R Sun, and L Jiang, “Game-theoretic hierarchical resource allocation in ultra-dense networks,” in Proc IEEE 27th Annu Int Symp Pers Indoor Mobile Radio Commun (PIMRC), Valencia, Spain, Sep 2016, pp 1–6 [51] Z Qi, T Peng, and W Wang, “Distributed resource scheduling based on potential game in dense cellular network,” IEEE Access, vol 6, pp 9875–9886, 2018 [52] Y Liu, X Fang, P Zhou, and K Cheng, “Coalition game for user association and bandwidth allocation in ultra-dense mmWave networks,” in Proc IEEE/CIC Int Conf Commun China (ICCC), Qingdao, China, Oct 2017, pp 1–5 [53] S Kim, “Cooperative bargaining based hierarchical spectrum allocation scheme for 5G heterogeneous networks,” IEEE Access, vol 7, pp 102 569–102 579, 2019 [54] ——, “New dual-game-based cooperative bandwidth control scheme for ultradense networks,” Wireless Netw., vol 25, no 6, pp 3665–3674, Aug 2019 [55] Y Liu, F R Yu, X Li, H Ji, H Zhang, and V C Leung, “Self-optimizing interference management for non-orthogonal multiple access in ultra-dense networks,” in Proc IEEE Wireless Commun Netw Conf (WCNC), Barcelona, Spain, Apr 2018, pp 1–6 [56] C Yang, J Xiao, J Li, X Shao, A Anpalagan, Q Ni, and M Guizani, “DISCO: Interference-aware distributed cooperation with incentive mechanism for 5G heterogeneous ultra-dense networks,” IEEE Commun Mag., vol 56, no 7, pp 198– 204, Jul 2018 [57] M Eliodorou, C Psomas, I Krikidis, and S Socratous, “User association coalition games with zero-forcing beamforming and NOMA,” in Proc IEEE 20th Int Workshop Signal Process Adv Wireless Commun (SPAWC), Cannes, France, Jul 2019, pp 1–5 [58] J Zhang, H Guo, and J Liu, “Energy-aware task offloading for ultra-dense edge computing,” in Proc IEEE Int Conf Internet Things (iThings) IEEE Green Computing Commun (GreenCom) IEEE Cyber Phys Social Comput (CPSCom) IEEE Smart Data (SmartData), Halifax, NS, Canada, Aug 2018, pp 720–727 [59] P Yang, Y Zhang, and J Lv, “Load optimization based on edge collaboration in software defined ultra-dense networks,” IEEE Access, vol 8, pp 30 664–30 674, 2020 [60] Y Gu, Q Cui, Y Chen, W Ni, X Tao, and P Zhang, “Effective capacity analysis in ultra-dense wireless networks with random interference,” IEEE Access, vol 6, pp 19 499–19 508, Mar 2018 Tài liệu tham khảo 99 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [61] Z Miao and Y Wang, “Physical-layer-security-oriented frequency allocation in ultra-dense-networks based on location informations,” IEEE Access, vol 7, pp 90 190–90 205, 2019 [62] H Kim, J Park, M Bennis, S.-L Kim, and M Debbah, “Mean-field game theoretic edge caching in ultra-dense networks,” IEEE Trans Veh Technol., vol 69, no 1, pp 935–947, Jan 2020 [63] L Liu, V Garcia, L Tian, Z Pan, and J Shi, “Joint clustering and inter-cell resource allocation for CoMP in ultra dense cellular networks,” in Proc IEEE Int Conf Commun (ICC), London, UK, Jun 2015, pp 2560–2564 [64] J Zheng, L Gao, H Zhang, D Zhu, H Wang, Q Gao, and V C Leung, “Joint energy management and interference coordination with max-min fairness in ultradense HetNets,” IEEE Access, vol 6, pp 32 588–32 600, 2018 [65] L.-C Wang and S.-H Cheng, “Data-driven resource management for ultra-dense small cells: An affinity propagation clustering approach,” IEEE Trans Netw Sci Eng., vol 6, no 3, pp 267–279, Jul./Sep 2018 [66] J Cao, T Peng, Z Qi, R Duan, Y Yuan, and W Wang, “Interference management in ultradense networks: A user-centric coalition formation game approach,” IEEE Trans Veh Technol., vol 67, no 6, pp 5188–5202, Jun 2018 [67] J Peng, J Zeng, X Su, B Liu, and H Zhao, “A QoS-based cross-tier cooperation resource allocation scheme over ultra-dense HetNets,” IEEE Access, vol 7, pp 27 086–27 096, 2019 [68] K Aldubaikhy and X Shen, “Simultaneous DL transmission in mmwave ultra dense networks: Inter-BSS interference prospective,” in Proc IEEE Int Conf Commun Workshops (ICC Workshops), Kansas City, MO, USA, May 2018, pp 1–6 [69] V Lazarev, G Fokin, and I Stepanets, “Positioning for location-aware beamforming in 5G ultra-dense networks,” in Proc 2019 IEEE Int Conf Electrical Engineering and Photonics (EExPolytech), St Petersburg, Russia, Nov 2019, pp 136–139 [70] P Mogensen, K Pajukoski, E Tiirola, J Vihriala, E Lahetkangas, G Berardinelli, F M Tavares, N H Mahmood, M Lauridsen, D Catania et al., “Centimeter-wave concept for 5G ultra-dense small cells,” in Proc IEEE 79th Veh Technol Conf (VTC-Spring), Seoul, Korea (South), May 2014, pp 1–6 [71] H Zhang, J Lee, T Q Quek, and I Chih-Lin, Ultra-dense Networks: Principles and Applications Cambridge, U.K.: Cambridge Univ Press, 2020 [72] T Bilen, B Canberk, and K R Chowdhury, “Handover management in softwaredefined ultra-dense 5G networks,” IEEE Netw., vol 31, no 4, pp 49–55, Jul./ Aug 2017 Tài liệu tham khảo 100 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [73] A Fehske, G Fettweis, J Malmodin, and G Biczok, “The global footprint of mobile communications: The ecological and economic perspective,” IEEE Commun Mag., vol 49, no 8, pp 55–62, Aug 2011 [74] M A Inamdar and H Kumaraswamy, “Energy efficient 5G networks: Techniques and challenges,” in Proc 2020 Int Conf Smart Electron Commun (ICOSEC), Trichy, India, Sep 2020, pp 1317–1322 [75] H Zhuang, J Chen, and R Gilimyanov, “Hierarchical energy optimization with more realistic power consumption and interference models for ultra-dense networks,” IEEE Trans Wireless Commun., vol 19, no 7, pp 4507–4518, Jul 2020 [76] B Li, Y Dai, Z Dong, E Panayirci, H Jiang, and H Jiang, “Energy-efficient resources allocation with millimeter-wave massive MIMO in ultra dense hetnets by SWIPT and CoMP,” IEEE Trans Wireless Commun., vol 20, no 7, pp 4435–4451, Jul 2021 [77] Z Niu, “Green communication and networking: A new horizon,” IEEE Trans Green Commun Netw., vol 4, no 3, pp 629–630, Sep 2020 [78] M Jaber, M A Imran, R Tafazolli, and A Tukmanov, “5G backhaul challenges and emerging research directions: A survey,” IEEE Access, vol 4, pp 1143–1166, May 2016 [79] S Saadat, D Chen, and T Jiang, “Multipath multihop mmWave backhaul in ultra-dense small-cell network,” Digit Commun Netw., vol 4, no 2, pp 111–117, Apr 2018 [80] A Bonfante, L G Giordano, D Lopez-Perez, A Garcia-Rodriguez, G Geraci, P Baracca, M M Butt, and N Marchetti, “5G massive MIMO architectures: Self-backhauled small cells versus direct access,” IEEE Trans Veh Technol., vol 68, no 10, pp 10 003–10 017, Oct 2019 [81] M Ibrahim, W Hamouda, and S Muhaidat, “Spectral efficiency of multi-hop millimeter wave networks using nth best relay routing technique,” IEEE Trans Veh Technol., vol 69, no 9, pp 9951–9959, Sep 2020 [82] Y Yang, K W Sung, J Park, S.-L Kim, and K S Kim, “Cooperative transmissions in ultra-dense networks under a bounded dual-slope path loss model,” in Proc Eur Conf Netw Commun (EuCNC), Oulu, Jun 2017, pp 1–6 [83] Y Liang, C Sun, J Jiang, X Liu, H He, and Y Xie, “An efficiency-improved clustering algorithm based on KNN under ultra-dense network,” IEEE Access, vol 8, pp 43 796–43 805, 2020 [84] P Marsch and G Fettweis, “Static clustering for cooperative multi-point (CoMP) in mobile communications,” in Proc IEEE Int Conf Commun (ICC), Kyoto, Japan, Jun 2011, pp 1–6 Tài liệu tham khảo 101 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [85] J Kim, H.-W Lee, and S Chong, “Traffic-aware energy-saving base station sleeping and clustering in cooperative networks,” IEEE Trans Wireless Commun., vol 17, no 2, pp 1173–1186, Feb 2018 [86] L Liu, C Wang, W Wang, C Qin, and Y Zhang, “A dynamic clustering algorithm based on NIR for interference alignment in ultra dense network,” in Proc IEEE 17th Int Conf Commun Technol (ICCT), Chengdu, China, Oct 2017, pp 1007–1011 [87] Y Lin, R Zhang, L Yang, and L Hanzo, “Secure user-centric clustering for energy efficient ultra-dense networks: Design and optimization,” IEEE J Sel Areas Commun., vol 36, no 7, pp 1609–1621, Jul 2018 [88] Y Liang, X Liu, J Jiang, J Du, C Sun, and Y Xie, “A practical dynamic clustering scheme using spectral clustering in ultra dense network,” in Proc IEEE/CIC Int Conf Commun China (ICCC Workshops), Chongqing, China, Aug 2020, pp 128–133 [89] H Zhang, H Liu, C Jiang, X Chu, A Nallanathan, and X Wen, “A practical semidynamic clustering scheme using affinity propagation in cooperative picocells,” IEEE Trans Veh Technol., vol 64, no 9, pp 4372–4377, Sep 2015 [90] D Liu, S Han, C Yang, and Q Zhang, “Semi-dynamic user-specific clustering for downlink cloud radio access network,” IEEE Trans Veh Technol., vol 65, no 4, pp 2063–2077, Apr 2016 [91] L Zhou, R Ruby, H Zhao, X Ji, J Wei, and V C M Leung, “A graph-based resource allocation scheme with interference coordination in small cell networks,” in Proc IEEE Globecom Workshops (GC Wkshps), Austin, TX, USA, Dec 2014, pp 1223–1228 [92] Y Lin, R Zhang, L Yang, and L Hanzo, “Modularity-based user-centric clustering and resource allocation for ultra dense networks,” IEEE Trans Veh Technol., vol 67, no 12, pp 12 457–12 461, Dec 2018 [93] L Zhang, G Zhang, X Zhao, Y Li, C Huang, E Sun, and W Huang, “Resource allocation for energy efficient user association in user-centric ultra-dense networks integrating NOMA and beamforming,” AEU Int J Electron Commun., vol 124, p 153270, Sep 2020 [94] S Rangan, T S Rappaport, and E Erkip, “Millimeter-wave cellular wireless networks: Potentials and challenges,” Proc IEEE, vol 102, no 3, pp 366–385, Mar 2014 [95] I A Hemadeh, K Satyanarayana, M El-Hajjar, and L Hanzo, “Millimeterwave communications: Physical channel models, design considerations, antenna constructions, and link-budget,” IEEE Commun Surveys Tuts., vol 20, no 2, pp 870–913, 2nd Quart 2017 Tài liệu tham khảo 102 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [96] R Baldemair, T Irnich, K Balachandran, E Dahlman, G Mildh, Y Selén, S Parkvall, M Meyer, and A Osseiran, “Ultra-dense networks in millimeterwave frequencies,” IEEE Commun Mag., vol 53, no 1, pp 202–208, Jan 2015 [97] H Zhang, S Huang, C Jiang, K Long, V C Leung, and H V Poor, “Energy efficient user association and power allocation in millimeter-wave-based ultra dense networks with energy harvesting base stations,” IEEE J Sel Areas Commun., vol 35, no 9, pp 1936–1947, Sep 2017 [98] G Kwon and H Park, “Joint user association and beamforming design for millimeter wave UDN with wireless backhaul,” IEEE J Sel Areas Commun., vol 37, no 12, pp 2653–2668, Dec 2019 [99] Y Ye, S Huang, M Xiao, Z Ma, and M Skoglund, “Cache-enabled millimeter wave cellular networks with clusters,” IEEE Trans Commun., vol 68, no 12, pp 7732–7745, Dec 2020 [100] T S Rappaport, Y Xing, O Kanhere, S Ju, A Madanayake, S Mandal, A Alkhateeb, and G C Trichopoulos, “Wireless communications and applications above 100 GHz: Opportunities and challenges for 6G and beyond,” IEEE Access, vol 7, pp 78 729–78 757, 2019 [101] S Chen, Y.-C Liang, S Sun, S Kang, W Cheng, and M Peng, “Vision requirements and technology trend of 6G: How to tackle the challenges of system coverage capacity user data-rate and movement speed,” IEEE Wireless Commun., vol 27, no 2, pp 218–228, Apr 2020 [102] W Jiang, B Han, M A Habibi, and H D Schotten, “The road towards 6G: A comprehensive survey,” IEEE Open J Commun Soc., vol 2, pp 334–366, 2021 [103] B Zhang, J M Jornet, I F Akyildiz, and Z P Wu, “Mutual coupling reduction for ultra-dense multi-band plasmonic nano-antenna arrays using graphene-based frequency selective surface,” IEEE Access, vol 7, pp 33 214–33 225, 2019 [104] J M Jornet and I F Akyildiz, “Channel modeling and capacity analysis for electromagnetic wireless nanonetworks in the terahertz band,” IEEE Trans Wireless Commun., vol 10, no 10, pp 3211–3221, Oct 2011 [105] S A Busari, K M S Huq, S Mumtaz, J Rodriguez, Y Fang, D C Sicker, S Al-Rubaye, and A Tsourdos, “Generalized hybrid beamforming for vehicular connectivity using THz massive MIMO,” IEEE Trans Veh Technol., vol 68, no 9, pp 8372–8383, Sep 2019 [106] K M S Huq, J Rodriguez, and I E Otung, “3D network modeling for THzenabled ultra-fast dense networks: A 6G perspective,” IEEE Commun Standards Mag., vol 5, no 2, pp 84–90, Jun 2021 [107] W Yu, H Xu, H Zhang, D Griffith, and N Golmie, “Ultra-dense networks: Survey of state of the art and future directions,” in Proc 25th Int Conf Comput Commun Netw (ICCCN), Waikoloa, HI, USA, Aug 2016, pp 1–10 Tài liệu tham khảo 103 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [108] Z Gao, L Dai, D Mi, Z Wang, M A Imran, and M Z Shakir, “MmWave massive-MIMO-based wireless backhaul for the 5G ultra-dense network,” IEEE Wireless Commun., vol 22, no 5, pp 13–21, Oct 2015 [109] Q Wu and R Zhang, “Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming,” IEEE Trans Wireless Commun., vol 18, no 11, pp 5394–5409, Nov 2019 [110] ——, “Towards smart and reconfigurable environment: Intelligent reflecting surface aided wireless network,” IEEE Commun Mag., vol 58, no 1, pp 106–112, Jan 2020 [111] T Jiang, H V Cheng, and W Yu, “Learning to reflect and to beamform for intelligent reflecting surface with implicit channel estimation,” IEEE J Sel Areas Commun., vol 39, no 7, pp 1931–1945, Jul 2021 [112] H Hashida, Y Kawamoto, and N Kato, “Intelligent reflecting surface placement optimization in air-ground communication networks toward 6G,” IEEE Wireless Commun., vol 27, no 6, pp 146–151, Dec 2020 [113] D Li, K Wang, H Zhu, Y Zhou, and Y Shi, “Joint admission control and beamforming for intelligent reflecting surface aided wireless networks,” in Proc IEEE Int Conf Commun Workshops (ICC Workshops), Montreal, QC, Canada, Jun 2021, pp 1–6 [114] Z Peng, C Pan, Z Zhang, X Chen, L Li, and A L Swindlehurst, “Joint optimization for full-duplex cellular communications via intelligent reflecting surface,” in Proc IEEE Int Conf Acoust Speech Signal Process., Toronto, ON, Canada, Jun 2021, pp 7888–7892 [115] S Chen, J Zhang, J Zhang, E Bjăornson, and B Ai, A survey on user-centric cell-free massive MIMO systems,” arXiv:2104.13667, 2021 [Accessed on 10 Jan 2022] [Online] Available: https://arxiv.org/abs/2104.13667 [116] H Q Ngo, A Ashikhmin, H Yang, E G Larsson, and T L Marzetta, “Cellfree massive MIMO versus small cells,” IEEE Trans Wireless Commun., vol 16, no 3, pp 1834–1850, Mar 2017 [117] S.-E Hong, “On the effect of shadowing correlation on hybrid precoding performance for cell-free mmWave massive MIMO UDN system,” in Proc Int Conf Inf Commun Technol Converg (ICTC), Jeju, Korea (South), Oct 2020, pp 914–919 [118] ——, “Comparison study of RF beamforming schemes in hybrid precoding for cell-free mmWave massive MIMO UDN system,” in Proc IEEE 92nd Veh Technol Conf (VTC-Fall), Victoria, BC, Canada, Oct 2020, pp 1–5 [119] L Sun, J Hou, and T Shu, “Bandwidth-efficient precoding in cell-free massive MIMO networks with Rician fading channels,” in Proc 18th Annu IEEE Int Conf Sens Commun Netw., Rome, Italy, Jul 2021, pp 1–9 Tài liệu tham khảo 104 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [120] H Wang, H Zhao, W Wu, J Xiong, D Ma, and J Wei, “Deployment algorithms of flying base stations: 5G and beyond with UAVs,” IEEE Internet Things J., vol 6, no 6, pp 10 009–10 027, Dec 2019 [121] Z Xiao, L Zhu, Y Liu, P Yi, R Zhang, X.-G Xia, and R Schober, “A survey on millimeter-wave beamforming enabled UAV communications and networking,” arXiv:2104.09204, 2021 [Accessed on 10 Jan 2022] [Online] Available: https://arxiv.org/abs/2104.09204 [122] Y Zeng, R Zhang, and T J Lim, “Wireless communications with unmanned aerial vehicles: Opportunities and challenges,” IEEE Commun Mag., vol 54, no 5, pp 36–42, May 2016 [123] A Fotouhi, H Qiang, M Ding, M Hassan, L G Giordano, A Garcia-Rodriguez, and J Yuan, “Survey on UAV cellular communications: Practical aspects, standardization advancements, regulation, and security challenges,” IEEE Commun Surveys Tuts., vol 21, no 4, pp 3417–3442, 4th Quart 2019 [124] E Bozkaya and B Canberk, “BS-on-air: Optimum UAV localization for resilient ultra dense networks,” in Proc IEEE Conf Comput Commun Workshops (INFOCOM WKSHPS), Honolulu, HI, USA, Apr 2018, pp 877–881 [125] L Qi, S Yan, and M Peng, “Modeling and performance analysis in UAV assisted ultra dense networks,” in Proc IEEE Int Conf Commun Workshops (ICC Workshops), Kansas City, MO, USA, May 2018, pp 1–6 [126] L Wang, Y L Che, J Long, L Duan, and K Wu, “Multiple access mmWave design for UAV-aided 5G communications,” IEEE Wireless Commun., vol 26, no 1, pp 64–71, Feb 2019 [127] X Chen, X Liu, Y Chen, L Jiao, and G Min, “Deep Q-network based resource allocation for UAV-assisted ultra-dense networks,” Comput Netw., vol 196, p 108249, Sep 2021 [128] Z.-Q Zhao, P Zheng, S tao Xu, and X Wu, “Object detection with deep learning: A review,” IEEE Trans Neural Netw Learn Syst., vol 30, no 11, pp 3212–3232, Nov 2019 [129] H Ye, G Y Li, and B.-H Juang, “Power of deep learning for channel estimation and signal detection in OFDM systems,” IEEE Wireless Commun Lett., vol 7, no 1, pp 114–117, Feb 2018 [130] C Luo, J Ji, Q Wang, X Chen, and P Li, “Channel state information prediction for 5G wireless communications: A deep learning approach,” IEEE Trans Netw Sci Eng., vol 7, no 1, pp 227–236, Jan 2020 [131] C.-K Wen, W.-T Shih, and S Jin, “Deep learning for massive MIMO CSI feedback,” IEEE Wireless Commun Lett., vol 7, no 5, pp 748–751, Oct 2018 Tài liệu tham khảo 105 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [132] X Lin, S Rommer, S Euler, E A Yavuz, and R S Karlsson, “5G from space: An overview of 3GPP non-terrestrial networks,” IEEE Commun Stds Mag., vol 5, no 4, pp 147–153, Oct 2021 [133] D Peng, D He, Y Li, and Z Wang, “Integrating terrestrial and satellite multibeam systems toward 6G: Techniques and challenges for interference mitigation,” IEEE Trans Wireless Commun., vol 29, no 1, pp 24–31, Apr 2022 [134] T Wei, W Feng, Y Chen, C.-X Wang, N Ge, and J Lu, “Hybrid satelliteterrestrial communication networks for the maritime internet of things: Key technologies, opportunities, and challenges,” IEEE Internet Things J., vol 8, no 11, pp 8910–8934, Feb 2021 [135] C Liu, W Feng, Y Chen, C.-X Wang, and N Ge, “Cell-free satellite-UAV networks for 6G wide-area internet of things,” IEEE J Sel Areas Commun., vol 39, no 4, pp 1116–1131, Aug 2020 [136] Y Yan, K An, B Zhang, W.-P Zhu, G Ding, and D Guo, “Outage-constrained robust multigroup multicast beamforming for satellite-based internet of things coexisting with terrestrial networks,” IEEE Internet Things J., vol 8, no 10, pp 8159–8172, Dec 2020 [137] J Chu and X Chen, “Robust design for integrated satellite–terrestrial internet of things,” IEEE Internet Things J., vol 8, no 11, pp 9072–9083, Feb 2021 [138] J Jiao, Y Sun, S Wu, Y Wang, and Q Zhang, “Network utility maximization resource allocation for NOMA in satellite-based internet of things,” IEEE Internet Things J., vol 7, no 4, pp 3230–3242, Jan 2020 [139] D A Tubiana, J Farhat, G Brante, and R D Souza, “Q-learning NOMA random access for IoT-satellite terrestrial relay networks,” IEEE Wireless Commun Lett., vol 11, no 8, pp 1619–1623, Apr 2022 [140] A Antoniou and W.-S Lu, Practical Optimization: Algorithms and Engineering Applications New York, NY, USA: Springer, 2007 [141] S Mirjalili and A Lewis, “The whale optimization algorithm,” Advances in engineering software, vol 95, pp 51–67, 2016 [142] M Grant and S Boyd, “CVX: Matlab software for disciplined convex programming, version 2.1,” Mar 2014 [Accessed on 10 Jan 2022] [Online] Available: http://cvxr.com/cvx [143] J Lofberg, “YALMIP: A toolbox for modeling and optimization in MATLAB,” in Proc IEEE Int Symp Comput Aided Control Syst Design, Taipei, Taiwan, Sep 2004, pp 284–289 [144] I I Cplex, “V12 1: User’s manual for cplex,” International Business Machines Corporation, vol 46, no 53, p 157, 2009 Tài liệu tham khảo 106 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [145] S Boyd, S P Boyd, and L Vandenberghe, Convex optimization U.K.: Cambridge Univ Press, 2004 Cambridge, [146] L Nguyen and A Kortun, “Real-time optimisation for industrial internet of things (IIoT): Overview, challenges and opportunities,” EAI Endorsed Trans Ind Netw Intell Syst., vol 7, no 25, p 167654, 2021 [147] A Y Al-Zahrani, F R Yu, and M Huang, “A joint cross-layer and colayer interference management scheme in hyperdense heterogeneous networks using mean-field game theory,” IEEE Trans Veh Technol., vol 65, no 3, pp 1522– 1535, Mar 2015 [148] W Saad, Z Han, M Debbah, A Hjorungnes, and T Basar, “Coalitional game theory for communication networks,” IEEE Signal Process Mag., vol 26, no 5, pp 77–97, Sep 2009 [149] I A Shah, S Jan, I Khan, and S Qamar, “An overview of game theory and its applications in communication networks,” Int J Multidiscipl Sci Eng., vol 3, no 4, pp 5–11, Apr 2012 [150] R Trestian, O Ormond, and G.-M Muntean, “Game theory-based network selection: Solutions and challenges,” IEEE Commun Surveys Tuts., vol 14, no 4, pp 1212–1231, Feb 2012 [151] L D Nguyen, A Kortun, and T Q Duong, “An introduction of real-time embedded optimisation programming for UAV systems under disaster communication,” EAI Endorsed Trans Ind Netw Intell Syst., vol 5, no 17, p e5, Dec 2018 [152] Z Zhang, Y He, and E Chong, “Opportunistic downlink scheduling for multiuser OFDM systems,” in Proc IEEE Wireless Comm and Networking Conf., New Orleans, LA, USA, Mar 2005, pp 1206–1212 [153] L D Nguyen, H D Tuan, T Q Duong, H V Poor, and L Hanzo, “Energyefficient multi-cell massive MIMO subject to minimum user-rate constraints,” IEEE Trans Commun., vol 69, no 2, pp 914–928, Feb 2021 [154] S Diamond and S Boyd, “CVXPY: A Python-embedded modeling language for convex optimization,” J Mach Learn Res., vol 17, no 1, pp 2909—-2913, Jan 2016 [155] G Liu, M Sheng, X Wang, W Jiao, Y Li, and J Li, “Interference alignment for partially connected downlink MIMO heterogeneous networks,” IEEE Trans Commun., vol 63, no 2, pp 551–564, Feb 2015 [156] L D Nguyen, H D Tuan, T Q Duong, and H V Poor, “Beamforming and power allocation for energy-efficient massive MIMO,” in Proc 22nd Int Conf Digit Signal Process (DSP), London, U.K., Aug 2017, pp 1–5 [157] C Qi, H Chen, Y Deng, and A Nallanathan, “Energy efficient multicast precoding for multiuser multibeam satellite communications,” IEEE Wireless Commun Lett., vol 9, no 4, pp 567–570, Apr 2019 Tài liệu tham khảo 107 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN [158] V Joroughi, M Á Vázquez, and A I Pérez-Neira, “Precoding in multigateway multibeam satellite systems,” IEEE Trans Wireless Commun., vol 15, no 7, pp 4944–4956, Jul 2016 [159] A C Boley and M Byers, “Satellite mega-constellations create risks in low earth orbit, the atmosphere and on earth,” Scientific Reports, vol 11, no 1, pp 1–8, Feb 2019 [160] Z Sheng, H D Tuan, H H M Tam, H H Nguyen, and Y Fang, “Energy-efficient precoding in multicell networks with full-duplex base stations,” EURASIP J Wirel Commun Network., vol 2017:48, pp 1–13, Dec 2017 [161] W Cheng, X Zhang, and H Zhang, “Optimal power allocation with statistical QoS provisioning for D2D and cellular communications over underlaying wireless networks,” IEEE J Sel Areas Commun., vol 34, no 1, pp 151–162, Jan 2016 Tài liệu tham khảo 108 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN Phụ lục A Các bất đẳng thức Theo báo [160], có f (x, y, t) = ln(1+1/xy) t hàm lồi với x > 0, y > 0, t > Với x > 0, y > t = 1, ta có [153]: (A.1) log2 (1 + 1/xy) ≥ a − bx − cy, với x¯ > 0, y¯ > 0, a = log2 (1 + 1/¯ xy¯) + 2/ (ln(2)(¯ xy¯ + 1)) > 0, b = 1/ (ln(2)¯ x(¯ xy¯ + 1)) > 0, c = 1/ (ln(2)¯ y (¯ xy¯ + 1)) > Bằng cách thay x → 1/x x¯ → 1/¯ x, (A.1) viết lại sau (A.2) log2 (1 + x/y) ≥ a ˜ − ˜b/x − c˜y, đó, a ˜ = log2 (1 + x¯/¯ y ) + 2¯ x/ (ln(2)(¯ x + y¯)) > 0, ˜b = x¯2 / (ln(2)(¯ x + y¯)) > 0, c˜ = x¯/ (ln(2)(¯ x + y¯)¯ y ) > Hàm h : Rn → R g : Rn → Rn n h(u) ≜ log2 exp(ui ) i=1 and gi (xi ) ≜ ln xi hàm lồi với x = [xi ]ni=1 > [145] Hàm mở rộng giá trị (extended-value ˜ h hàm không giảm với tất đối số (argument) Do đó, hàm extension) h Phụ lục 109 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN hợp hàm g h biểu diễn sau n n f (x) ≜ h (g(x)) = h (g1 (x1 ), , gn (xn )) = log2 exp(gi (xi )) = log2 i=1 i=1 xi hàm lồi Thêm vào đó, cộng vào f (x) hàm lồi tính chất lồi giữ ngun hàm lồi mô tả n y f1 (x, y) ≜ f (x) + log2 xi = log2 i=1 + log2 y n = log2 i=1 xi y Mặt khác, z0 số thực dương, có bất đẳng thức sau [161] (A.3) log2 (1 + z) ≥ α log2 (z) + β, z0 , β = log2 (1 + z0 ) − α log2 (z0 ) Phần bên trái (A.3) nhỏ gần + z0 với phần lại dấu xảy z = z0 [161] với α = Sử dụng bất đẳng thức (A.3) tính chất lồi f1 (x, y), có n f2 (x, y) ≜ log2 1+ i=1 n xi y ≥α ¯ log2 i=1 xi y + β¯ ≥¯ α (f1 (¯ x, y¯) + ⟨∇f1 (¯ x, y¯), (x, y) − (¯ x, y¯)⟩) + β¯ n =α ¯ f1 (¯ x, y¯) + β¯ + α ¯ i=1 n ¯i y¯)) i=1 (1/(x ln(2)¯ y x¯i +α ¯ ln(2)¯ y n ¯i ) i=1 (1/x n ¯i y¯)) i=1 (1/(x a ˜ n − i=1 ln(2)¯ y x¯i n ¯i y¯)) i=1 (1/(x xi − n ¯i ) i=1 (1/x n ln(2)¯ y ¯i y¯)) i=1 (1/(x b˜i y, c˜ đó, n α ¯= i=1 x¯i y¯ n 1+ i=1 Phụ lục x¯i y¯ n , β¯ = log2 1+ i=1 110 x¯i y¯ n −α ¯ log2 i=1 x¯i y¯ HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN Thay xi → 1/xi x¯i → 1/¯ xi f2 (x, y), có n log2 1+ i=1 với a ˜ = log2 Phụ lục s¯ 1+ y¯ xi y n ≥a ˜− i=1 b˜i − c˜y xi (A.4) 2¯ s x¯2i s¯ + , ˜bi = , c˜ = , s¯ = ln(2)(¯ s + y¯) ln(2)(¯ s + y¯) ln(2)¯ y (¯ s + y¯) 111 n x¯i i=1 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN Phụ lục B Chứng minh hội tụ Gọi P F (κ+1) lời giải OP (3.11) Do đó, giá trị (3.11a) P F (κ+1) lớn giá trị điểm khả thi khác P F thể sau [153] (κ) (κ+1) φ˜M (P F (κ+1) (κ) (κ) , P F ) − λM πM (P F (κ) (κ) (κ) (κ) ) > φ˜M (P F , P F ) − λM πM (P F ) (B.1) Với (A.2), dấu xảy x = x¯ y = y¯ Do đó, có (κ) (κ) (κ) (κ) (κ) (κ) (κ) φ˜M (P F , P F ) − λM πM (P F ) = φM (P F ) − λM πM (P F ) = (B.2) Kết hợp (B.1) (B.2), có (κ+1) (κ+1) λM = φM (P F ) (κ+1) πM (P F ) (κ+1) ≥ φ˜M (P F (κ) ,PF ) (κ+1) πM (P F ) (B.3) (κ) > λM Do đó, vịng lặp hình 3.2 hội tụ nghiệm tối đa cục OP (3.8) Sử dụng cách tiếp cận tương tự với Phục lục C.1, có (κ+1) λU (κ) > λU (B.4) Do đó, vịng lặp thứ hai hình 3.2 hội tụ nghiệm tối đa cục OP (3.12) Phụ lục 112 HV: Bùi Thanh Tính Phân bổ tài nguyên để quản lý can nhiễu UDN LÝ LỊCH TRÍCH NGANG Họ tên: Bùi Thanh Tính Ngày, tháng, năm sinh: 15/09/1997 Nơi sinh: Bình Định E-mail liên lạc: buithanhtinh951@gmail.com bttinh.shd19@hcmut.edu.vn QUÁ TRÌNH ĐÀO TẠO a Đại học Nơi đào tạo: Trường Đại học Bách Khoa - ĐHQG TP.HCM Ngành học: Điện tử - Viễn thơng (Hệ quy) Điểm trung bình tích lũy: 7.76 Thời gian đào tạo từ 09/2015 đến 09/2019 b Sau đại học Nơi đào tạo: Trường Đại học Bách Khoa - ĐHQG TP.HCM Ngành học: Kĩ Thuật Viễn Thơng (Hướng ứng dụng) Điểm trung bình tích lũy: 8.67 (33 tín chỉ) + 9.55 (12 tín luận văn Thạc sĩ) Thời gian đào tạo từ 02/2020 đến 06/2022 Lý lịch trích ngang 113 HV: Bùi Thanh Tính ... Mã số: 8520208 I TÊN ĐỀ TÀI: Phân bổ tài nguyên sử dụng lý thuyết trị chơi tối ưu hóa để quản lý can nhiễu mạng vô tuyến mật độ cao (Tiếng... quản lý can nhiễu với hai nhiệm vụ trọng tâm: Phân cụm phân bổ tài nguyên sử dụng lý thuyết trò chơi tối ưu hóa Xây dựng thực chương trình mơ đa kịch mạng vô tuyến mật độ cao. .. cứu liên quan Tối ưu hóa lý thuyết trò chơi Để tối ưu hiệu suất mạng vơ tuyến, thuật tốn tối ưu sử dụng Tối ưu hóa xem cầu nối tốn học kỹ thuật sử dụng nghiên cứu tốn học cơng thức để giải tốn