Phương phâp nghiín cứuNội dung1: Nghiín cứu tổng quan về hệ UAV hai chiều, SPC, NOMA- Câch tiếp cận: Đọc vă tổng hợp tăi liệu liín quan, khảo sât câc hệthống hiện có trong vă ngoăi nước.
GIỚI THIỆU
Gần đây, phương tiện bay không người lái (UAV) đã tận dụng mạng truyền thông không dây nhờ khả năng tăng thông lượng và mở rộng vùng phủ sóng Nhiều kịch bản liên quan đến liên lạc không dây hỗ trợ UAV đã được nghiên cứu, bao gồm mạng hợp tác, bảo mật vật lý, nhiều đầu vào nhiều đầu ra và mạng nhận thức.
Bảng 1: Phân loại ƯAV ƯAV nhiều cánh
AƯV có cánh cố định (fixed-wing) và ƯAV một cánh quạt ƯAV lai là những loại UAV với đặc điểm và khả năng khác nhau ƯAV có nhiều hơn một cánh mang lại sự dễ dàng trong điều khiển, cho phép bay lơ lửng và di chuyển theo nhiều hướng Tuy nhiên, chúng có tốc độ, độ bền và khả năng tải trọng hạn chế.
UAV cánh cố định chủ yếu được sử dụng để chụp ảnh, quay video và giám sát trên không Chúng có khả năng bay nhanh và xa nhưng cần đường băng để cất cánh và hạ cánh UAV nhiều cánh quạt, giống như máy bay trực thăng, có thể bay lơ lửng và thẳng đứng, cho phép quét LIDAR và vận chuyển hàng hóa, mặc dù giá thành cao hơn UAV kết hợp tích hợp các tính năng của cả hai loại trên, cho phép cất cánh thẳng đứng và chuyển sang bay ngang, mở ra tiềm năng trong vận chuyển và ứng phó khẩn cấp.
Một số ưu điểm của UAVtrong truyền thông không dây:
UAV mang lại lợi thế vượt trội trong truyền thông không dây nhờ khả năng triển khai các nền tảng truyền thông theo yêu cầu Chúng có thể di chuyển nhanh chóng đến những khu vực cần phủ sóng hoặc tăng cường dung lượng không dây, đặc biệt trong các tình huống như thiên tai, khu vực nông thôn hay sự kiện đông người Hơn nữa, UAV có khả năng điều chỉnh độ cao và vị trí để tối ưu hóa hiệu suất liên lạc, dựa trên nhu cầu của người dùng và điều kiện kênh.
Một lợi ích quan trọng của UAV trong truyền thông không dây là khả năng cải thiện chất lượng dịch vụ (QoS) của mạng Nhờ vào việc cung cấp liên kết truyền thông trong tầm nhìn (LoS) tốt hơn với người dùng mặt đất, UAV giúp giảm thiểu các vấn đề về nhiễu, mờ tín hiệu và tắc nghẽn thường gặp Hơn nữa, UAV còn hỗ trợ tốc độ dữ liệu cao và độ trễ thấp, rất cần thiết cho các ứng dụng yêu cầu băng thông lớn và phản hồi nhanh như truyền phát video, chơi game trực tuyến và điều khiển từ xa.
UAV trong truyền thông không dây mang lại nhiều lợi ích, bao gồm khả năng kích hoạt các ứng dụng và dịch vụ mới mà nền tảng truyền thông truyền thống không thể thực hiện Chẳng hạn, UAV có thể được sử dụng để giao hàng bằng máy bay không người lái, vận chuyển hàng hóa đến khách hàng qua hệ thống liên lạc và điều hướng không dây Ngoài ra, UAV cũng đóng vai trò quan trọng trong ứng phó khẩn cấp, cung cấp liên lạc và phối hợp cho các đội cứu hộ và nạn nhân trong tình huống nguy cấp Thêm vào đó, UAV có khả năng thu thập và truyền dữ liệu từ môi trường thông qua các cảm biến và camera không dây, mở ra nhiều cơ hội ứng dụng trong các lĩnh vực khác nhau.
Những thách thức của ƯAV trong truyền thông không dây:
UAV phải tuân thủ các quy định và pháp lý liên quan đến không phận và phổ tần sử dụng, với sự khác biệt giữa các quốc gia và khu vực Bên cạnh đó, UAV cần đảm bảo quyền riêng tư và bảo mật dữ liệu thu thập, đồng thời tránh xung đột hoặc va chạm với các UAV khác.
Chất lượng kết nối của UAV chịu ảnh hưởng bởi nhiều yếu tố như điều kiện khí quyển, suy giảm đa đường, dịch chuyển Doppler và nhiễu Để đảm bảo độ tin cậy của các liên kết truyền thông không dây, UAV cần áp dụng các kỹ thuật tiên tiến như định dạng chùm tia, điều chế và mã hóa thích ứng, giao tiếp hợp tác và vô tuyến nhận thức.
UAV có thời lượng pin và khả năng tải trọng hạn chế, ảnh hưởng đến thời gian bay và hiệu suất liên lạc Để cải thiện hiệu suất năng lượng, UAV cần tối ưu hóa mức tiêu thụ thông qua việc sử dụng hệ thống đẩy hiệu quả, lập kế hoạch quỹ đạo thông minh, sạc không dây và thu hoạch năng lượng.
Gần đây, kỹ thuật đa truy cập không trực giao (NOMA), có thể phục vụ nhiều người dùng đồng thời, đã được đề xuất cho nhiều ứng dụng [7].
Kỹ thuật này có nhũng uu điểm nổi bật như sau:
NOMA (Non-Orthogonal Multiple Access) cho phép nhiều người dùng chia sẻ tài nguyên không gian, tần số và thời gian trong cùng một băng tần, từ đó giảm thiểu độ trễ Nhờ vào cơ chế này, người dùng không cần phải chờ đến lượt truy cập kênh, giúp tăng hiệu suất và cải thiện trải nghiệm người dùng.
NOMA có khả năng cải thiện hiệu suất sử dụng phổ bằng cách tối ưu hóa điều kiện kênh và phân bổ công suất cho các người dùng khác nhau Công nghệ này cho phép đạt được tốc độ dữ liệu cao hơn và hỗ trợ nhiều người dùng hơn so với các kỹ thuật truy cập trực giao như đa truy cập phân chia theo thời gian hoặc phân chia theo tần số.
NOMA (Non-Orthogonal Multiple Access) giúp tăng cường khả năng kết nối quy mô lớn cho nhiều ứng dụng và dịch vụ, bao gồm Internet vạn vật (IoT), máy với máy (M2M) và phương tiện vận tải kết nối (V2X) Đồng thời, kỹ thuật chuyển tiếp hai chiều (TWR) cũng được nghiên cứu để cải thiện hiệu suất sử dụng phổ, cho phép hai người dùng trao đổi thông tin thông qua nút chuyển tiếp Nút chuyển tiếp này có thể thực hiện nhiều chức năng như giải mã, chuyển tiếp, khuếch đại hoặc mã hóa mạng, nhằm hỗ trợ liên lạc hiệu quả giữa các người dùng.
Một số ứng dụng sửdụngmạng chuyển tiếphai chiều:
Mạng cảm biến không dây là một hệ thống truyền dữ liệu hai chiều hiệu quả, cho phép giao tiếp giữa các nút cảm biến và trạm gốc, cũng như giữa các cụm cảm biến khác nhau Hệ thống này hoạt động với mức tiêu thụ điện năng thấp và đảm bảo độ tin cậy cao trong việc truyền tải thông tin.
Mạng cảm biến cơ thể không dây là một hệ thống truyền thông hai chiều, giúp nâng cao chất lượng liên lạc và tối ưu hóa hiệu suất năng lượng cho các thiết bị đeo Những thiết bị này có khả năng giám sát và truyền tải dữ liệu sức khỏe đến nút trung tâm hoặc máy chủ từ xa một cách hiệu quả.
Liên lạc giữa phương tiện và các thực thể khác (V2I) cho phép chia sẻ thông tin hai chiều, từ đó nâng cao tính an toàn và hiệu quả của hệ thống giao thông Việc này không chỉ cải thiện sự phối hợp giữa các phương tiện mà còn hỗ trợ người đi bộ và cơ sở hạ tầng, đồng thời tận dụng công nghệ đám mây để tối ưu hóa quá trình giao thông.
MÔ HÌNH HỆ THỐNG
Đường truyền lên
Ps và Xị đại diện cho công suất phát và tín hiệu của S Tín hiệu thu được tại ƯAV có thể được biểu diễn bằng công thức yư = X • wíhí + n", trong đó h; là vectơ kênh hsu g C1 x ', với 7 G{ẨT,2V} Vecto lọc w, được tính là hJ/||hJ||, và nv là nhiễu Gauss.
Trong NOMA, quá trình giải mã tín hiệu của người dùng với công suất phát cao nhất sẽ diễn ra trước, sau đó sử dụng SIC để khôi phục tín hiệu của người dùng còn lại với công suất phát thấp hơn Nếu người dùng sx ở gần UAV hơn so với S2, thứ tự giải mã sẽ là x1 trước x2 Tỷ lệ tín hiệu trên nhiễu cộng với nhiễu (SINR) để giải mã x1 và x2 tại UAV có thể được biểu thị tương ứng.
„ = p dlM2 K = w z5) trong đó *u biểu thị hiệu suất của SIC trong việc giải mã Xx tại ƯAV với ~ 0 và
0 < w/+nSj, với ns là vectơ nhiễu Gaussian Đối với phương pháp TUC-NOMA, s, sử dụng cơ chế SIC để giải mã Xị với SINR tương ứng.
Phương pháp TUN-NOMA sử dụng hiệu suất SIC (Successive Interference Cancellation) của S1 để giải mã chuỗi bit Xị Quá trình giải mã thực hiện bằng cách áp dụng phép XOR, từ đó cuối cùng nhận được tín hiệu của chính nó với tỷ lệ tín hiệu trên nhiễu (SINR).
Từ phân tích trên, có thể kết luận rằng phương pháp TUN-NOMA mang lại hiệu quả tốt hơn và độ tin cậy truyền tải cao hơn so với TƯC-NOMA Ngoài ra, do quá trình giải mã của Ỵj giống nhau đối với các kênh đường lên, hệ thống BLER của TUN-NOMA được dự đoán thấp hơn TƯC-NOMA Việc tối ưu hóa độ dài gói trở nên quan trọng để cải thiện hiệu suất hệ thống, đặc biệt khi toàn bộ hệ thống hoạt động theo chiều dài khối hữu hạn, và đây sẽ là trọng tâm chính trong phần tiếp theo.
Chương 3 TỐI Ưu VÀ PHÂN TÍCH HIỆU NĂNG
Trong phần này, chúng tôi xác định CDF của SINR, tính toán BLER trung bình cho hai nguồn dựa trên CDF, và cuối cùng đề xuất giải pháp tối ưu hóa thông lượng.
Trong truyền tín hiệu đườnglên, từ (5), chúng tôi xác định biểu thức CDF của SINR dựa trên mệnh đề sau
Mệnh đề 1 Biểu thức dạng đóngchính xác cho CDF của mỗi SINRtrong truyền tín hiệu đườnglên được đưara bởi mơ'
Vì ^|s u|2 —^^IsuỊ2 ’với Vi ~ u nên ta có Ư I2 (x) = ^1 I2 (x?/Vi)^x — 0 • Do đó, CDF và PDF của ||h(||2 được cho tương ứng là
CDF của SINRtrong (5) được tínhnhư sau eo /V D I ~-2
2 trong đó j £Ỉ , a = 1 nếu j= 2,ngược lại, aJ |Ư Tích phân trên có dạng chuân của [26, phươngtrình (3.381.4)] Sau một số sắp xếptínhtoán, chúng tôi có được kết quả như ở (10).
Phân tích tiệm cận cho thấy giá trị của Ps có thể thay đổi tùy theo các cài đặt khác nhau, dẫn đến ba trường hợp cần xem xét: (1) khi Fs tiến tới vô cùng và Ps được giữ cố định; (2) khi Ps tiến tới vô cùng trong khi P3 không thay đổi; và (3) khi Ps được thiết kế với một phần tối đa công suất truyền p, tức là Ps = pp, và p tiến tới vô cùng Dựa vào định luật số lớn và số nhỏ X, ta có thể áp dụng công thức Fjhí||2 (x) (xm‘1 ]) ”* 1 r +1)’ khi X = 0 và r (r., x) = 0, từ đó suy ra rằng a; RX + ơ2 tiến tới ay X.
X —> co Dựavào đó, tiệm cận của Tỷ (z) với 3 trườnghợp trên cóthể được biểu diễn lần lượt cận như sau:
Tiếp theo, đối với giao đoạn đường xuống, từ (7) đến (9), chúng ta thu được CDFs của các
Mệnh đề 2 Biểu thức dạng đóng chính xác cho CDF của mỗi SINR với hai phương thức truyền dẫnNOMA với tín hiệu đường xuống được đưara bởi r 2 A
FIUN(z) = F 2 Vz>0, (18) y^i1 u 7 Trong đó = {ư2’ưi} nếu j = 2, ngược lại, = {ưi’^^2} ■
Chứngminh: Sử dụngmối liên hệ F'TUC = Pr(/7yc < z) và ^CiuN (2) = Pr(7™ < z), chúng
/ÍJ V 2 \ ’2 / 7ị ' 2 \ / !~~- tôi thu được kết quả tương ứng (17) và (18).
Phân tích tiệm cận cho UAV yêu cầu năng lượng lớn, tức là Pư tiến tới vô cùng Sử dụng mối liên hệ F2(x) với x gần 0, ta có thể xác định tiệm cận của CDF trong trường hợp này.
9 , rrn-TVT , 2 4 2 'Ỵ biêu thức SINR y™c và /TCN cóthê được biêu diên tương ứng như sau
3.2 Phân tích hiệu suất lỗi khối trung bình Đối với SPC, khi cho trước gói tin có độ dài cố định Ld với lượngthông tin qt, tỷ' lệ lỗi gói s , và biểu thức SINR, tỷ lệ rate tối đa có thểxấp xĩ gần đúng như sau
Trong nghiên cứu này, c(/) và v(ỵ) thể hiện dung lượng Shannon và độ phân tán của kênh truyền Chúng tôi phân tích chế độ truyền kép TWC và ảnh hưởng của phần mở đầu độ dài gói tin Lp, với Lc {4,4} Công thức tính toán dung lượng Shannon được mô tả bởi c(/) = 0.51og2(l + /), trong khi K(/) được tính bằng K(/) = (l-[l+ /]’2)(0.51og2(ể))2.
Việc đánh giá hiệu suất lỗi khối BLER trung bình (E[£■(/)]) là một thách thức do sự phức tạp của hàm Gauss Q(x) Để giải quyết vấn đề này, chúng tôi áp dụng phương pháp xấp xỉ gần đúng bằng cách tuyến tính hóa Q[ỵ,L,Lp,q^ và đơn giản hóa tích phân hữu hạn thông qua khai triển bậc một trong tích phân xấp xỉ.
Riemann, từ đó đạt được co Vị ẽ, (/) =Ê■[ô(/)]=ịQ(7,L,Lp,qt (z)ớfe =z, ụ)dz đ Fr (‘ỉ’ ), (23)
Trong hệ thống được xem xét, hiệu năng lỗi khối toàn trình của các nguồn Sị được đánh giá dựa trên quá trình xử lý dữ liệu diễn ra với trạng thái đường lên và đường xuống Công thức tính toán liên quan đến các biến X, Z, T và các tham số khác như sau: X = 5/(Z-Z.p)/[23-(24?''(I-i',-l)]^ =^-l/(2ZjựT7Ụ), V, =T,+l/(2zựz,-z.p), và T, = 22®/(£_£p) -1.
Si — +|_1 ’ (24) trong đó ẽv = ẽ(Xi) + [1 - 8 (/ị) ]ẽ(/2)
Phân tích tiệm cận cho thấy, khi xem xét chế độ truyền công suất cao, chúng ta có thể thay thế CDF của các SINR được cung cấp bởi các công thức (14)-(16), (19) và (20) vào các biểu thức từ (25) đến (28) Điều này giúp đạt được các biểu thức hiệu suất lỗi khối tiệm cận cho các nguồn Sị.
1 Giai đoạn đườnglên: ẽu trong (25) phụthuộc vào cả FZ1(T1) và F;(T2) Ở chế độ công suất cao, ẽư tro nên khác không khi FJT(T p$2 hoặc một hàm tỷ lệ của p Đối với kịch bản đầu tiên, F)1I’OO(VP1) tỷ lệ nghịch với P^mỵ, trong khi F/2 i ’ o 0( x P2) cũng tỷ lệ nghịch với p^™2, cho thấy tồn tại một tầng hiệu suất tỷ lệ khối chặn trên Trong kịch bản thứ hai, F)ni,o0(T co
), chúngtacó thể thu được một số kỹ thuật hữu ích sau:
1 Giai đoạn đường lên: Giả sử p #P5 ^(y;.) = F (Tz ->0) hội tụ về (14) Rõ ràng,
Lỗitruyền góitin phụ thuộc vào lượng dữ liệu qì, tổng độ dài gói tin Ls, và phần mở đầu độ dài gótin Lp Khi qỉ tăng, xác suất lỗi cũng tăng đáng kể Tuy nhiên, xác suất lỗi giảm khi tỉ số 2ợ/(L-Lp) giảm theo hàm tỷ lệ với p Với các giá trị cố định cho Ls và Lp, mỗi nguồn phát cần tối ưu tỉ lệ Pi/p để nâng cao hiệu năng.
2 Giai đoạn đường xuống: Chúng ta có = FTUC/IUN ->0) hội tụ về(19) hoặc (20) Đối với TUC-NOMA, chúng ta có thể đạt được
^’(/iTUC) oe^229//( l ~L p )-1)/ bj_^22qi/(L~Lp)-l)cy ) ■ Rõ ràng khi qt tăng, tử số tăng trong đồng thời giảm với mẫu số, và qì bị chặn bởi tỷ số ~u 2 p l°g20 + / cj)
TỔI Ưu VÀ PHÂN TÍCH HIỆU NĂNG
Tối ưu thông lượng
Trong phần này, chúng tôi trình bày một số kết quả sơ lược để kiểm chứng lý thuyết đã phát triển trước đó Các tham số mô phỏng số liệu được thiết lập như sau: 1) phân bố mạng tại các điểm (0,0,0), (100,0,0) và (0,40,100); 2) thiết lập ăng-ten với K = 3 và jV = 2; 3) độ lợi ăng-ten thu phát là ơ^=ơƯ=3 (dBi), cùng với suy hao đường truyền.
Mô hình nghiên cứu sử dụng 0SU = 3 với tần số sóng mang 1GHz và tham số fading m, = 2, cùng với tham số định hình Q, = 1 Nhiễu tại các ăng-ten được mô tả bởi công thức Nữ + 10log(band) + figure, trong đó mật độ nhiễu được xác định là 7V0 = -174 [dBm/Hz] với băng thông band = i [Mhz] và nhiễu hình figure = 6.5 [dB] Chế độ NOMA được áp dụng với quy trình SIC với Pị = 0.8,