Trường đại học Duy Tân không liên quan đến những viphạm tác quyền, bản quyền do tôi gây ra trong quá trình thực hiện nếu có.Đà Nẵng, ngày……, tháng…..., năm 2023Người cam đoan Trang 6 DA
TỔNG QUAN VỀ ĐỀ TÀI
Giới thiệu về kết nối vạn vật (IoT)
Khái niệm về IoT có từ năm 1982 khi một máy cocacola được sửa đổi được kết nối với Internet để có thể báo cáo đồ uống có trong đó và biết đồ uống đó có lạnh hay không Sau đó, vào năm 1991 tầm nhìn đương đại về IoT dưới dạng điện toán phổ biến lần đầu tiên được đưa ra bởi Mark Weiser Tuy nhiên, vào năm 1999 Bill Joy đã đưa ra manh mối về giao tiếp giữa các thiết bị trong phân loại internet của mình Cùng năm đó, Kevin Ashton đề xuất thuật ngữ “Internet of Things” để mô tả một hệ thống các thiết bị được kết nối với nhau
Hình 1 1: Các lĩnh vực IoT tiếp cận đến
Mốt số lĩnh vực mà IoT hướng đến trong tương lai được xem trong hình 1.1, ý tưởng cơ bản của IoT là cho phép trao đổi tự động thông tin hữu ích giữa các thiết bị thế giới thực khác nhau có thể nhận dạng duy nhất được nhúng vô hình xung quanh chúng ta, được thúc đẩy bởi các công nghệ hàng đầu như nhận dạng tần số vô tuyến (RFID) và Mạng cảm biến không dây (WSN) được các thiết bị cảm biến cảm nhận và được xử lý thêm để đưa ra quyết định, trên cơ sở đó một hành động tự động được thực hiện [14].
Năm 2005, ITU báo cáo về kỷ nguyên kết nối mạng khắp nơi, trong đó tất cả các mạng đều được kết nối với nhau và mọi thứ Hãy tưởng tượng bạn đang tìm kiếm trên Internet chiếc đồng hồ bị mất ở đâu đó trong nhà Vì vậy, đây là tầm nhìn chính của IoT, một môi trường nơi mọi thứ có thể giao tiếp và dữ liệu của chúng có thể được xử lý để thực hiện các nhiệm vụ mong muốn thông qua học máy Tuy nhiên, những người và tổ chức khác nhau có tầm nhìn khác nhau về IoT [15] Một bài báo đăng trên Network World đã tiết lộ chiến lược IoT của các nhà cung cấp công nghệ thông tin (CNTT) hàng đầu, họ đã thực hiện một số cuộc phỏng vấn với các nhà cung cấp CNTT chủ chốt Theo tầm nhìn của HP, họ nhìn thấy một thế giới nơi mọi người luôn được kết nối với nội dung của họ Cisco tin tưởng vào khả năng tự động hóa công nghiệp và sự hội tụ của công nghệ vận hành Intel tập trung vào việc trang bị trí thông minh cho hàng tỷ thiết bị hiện có Microsoft không coi IoT là bất kỳ công nghệ tương lai nào; họ tin rằng nó đã tồn tại trong các thiết bị mạnh mẽ ngày nay và các thiết bị này chỉ cần được kết nối để có một lượng lớn thông tin có thể hữu ích Trong khi đó, IBM có tầm nhìn về một Hành tinh thông minh hơn bằng cách điều khiển từ xa các thiết bị thông qua các máy chủ bảo mật Mặc dù có những tầm nhìn khác nhau, nhưng tất cả họ đều đồng ý về một mạng lưới các thiết bị được kết nối với nhau, do đó dự kiến sẽ có nhiều sự phát triển hơn trong những thập kỷ tới, bao gồm cả sự phát triển của một xã hội thông tin hội tụ mới.
Giới thiệu về mạng điện toán biên di động (MEC)
Trong thập kỷ gần đây, điện toán đám mây (Cloud Computing - CC) đã phát triển vượt bậc Với mô hình cung cấp tài nguyên điện toán và máy tính như phần mềm, dịch vụ, phần cứng cho người dùng thông qua Internet, CC cho phép người dùng truy cập vào bất kỳ tài nguyên nào trên đám mây (máy chủ ảo) vào bất kỳ thời điểm và ở bất kỳ đâu Mô hình CC được chia thành hai lớp rõ rệt: lớp đám mây chứa tài nguyên và lớp người dùng truy cập và sử dụng các tài nguyên CC đã thúc đẩy sự tăng trưởng của nhiều công ty Internet như Google, Microsoft, Amazon,Dropbox… Ngoài ra, CC còn giúp cho các doanh nghiệp vừa và nhỏ giảm thiểu chi phí đầu tư cơ sở hạ tầng ban đầu CC đã thay đổi cách thức làm việc của từng cá nhân, ví dụ như họp nhóm qua Google Meet, trao đổi công việc qua Gmail, lưu trữ dữ liệu trên iCloud, chia sẻ file qua Dropbox và thậm chí chia sẻ thông tin cá nhân trên các nền tảng mạng xã hội.
Hình 1 2: Mô hình các lớp chức năng trong điện toán đám mây Đối với một hệ thống ứng dụng điện toán đám mây thông thường, dữ liệu sẽ được đẩy lên máy chủ đám mây và có thể được truy cập từ các máy khách Tuy nhiên, cách thức này không phù hợp cho các ứng dụng IoT thời gian thực, vì yêu cầu độ trễ thấp Ví dụ như trong giám sát môi trường, dự kiến sẽ có 50 tỷ thiết bị IoT được triển khai trên toàn cầu vào năm 2023, gây ra lượng dữ liệu khổng lồ cần được lưu trữ trên đám mây Để xử lý lượng dữ liệu này, máy chủ đám mây cần được trang bị tài nguyên tính toán cao để trích xuất thông tin có ích một cách nhanh chóng Tuy nhiên, thông tin này phải đi qua nhiều máy chủ xa để đến tay người dùng, gây ra độ trễ truyền thông và chi phí lớn về tài nguyên máy tính và băng thông Ngoài ra, việc lưu trữ dữ liệu xa trạm thu thập trung tâm cũng gây ra các vấn đề về bảo mật Tóm lại, áp dụng điện toán đám mây cho các ứng dụng IoT thời gian thực đòi hỏi giải pháp khác để giảm độ trễ truyền thông, tối ưu tài nguyên và đảm bảo an ninh dữ liệu.
Hình 1 3: Nhược điểm của điện toán đám mây trong ứng dụng IoT
Trong những năm gần đây, chúng ta đã chứng kiến sự dịch chuyển các chức năng trong đám mây tới phía biên mạng để tạo ra điện toán biên Trong đề tài này, nhóm nghiên cứu tập trung vào nghiên cứu về điện toán biên di động Sự phát triển và mở rộng của MEC đến từ nhiều yếu tố:
(i) Số lượng các thiết bị thông minh và IoT ngày càng tăng, tạo ra một lượng dữ liệu khổng lồ và không ngừng tăng trưởng, làm cho các mô hình điện toán truyền thống không còn đáp ứng được.
(ii) Nhu cầu của người dùng ngày càng tăng với các ứng dụng có băng thông cao và độ trễ thấp (ví dụ như chỉ vài đến vài chục mili-giây).
(iii) Sự giới thiệu của các công nghệ không dây mới đã cho phép triển khai điện toán biên.
Giới thiệu về kỹ thuật đa truy cập phi trực giao (NOMA)
Kết nối vật lý cơ bản trong mạng di động được gọi là công nghệ truy cập vô tuyến, được thực hiện bởi một mạng truy nhập vô tuyến (RAN - radio access network) Một RAN về cơ bản sử dụng một kỹ thuật truy cập kênh để cho phép các thiết bị đầu cuối di động được kết nối với mạng truy cập Việc thiết kế một kỹ thuật đa truy cập phù hợp là một trong những khía cạnh quan trọng nhất trong việc nâng cao năng lực hệ thống. Đa truy cập cho phép nhiều người dùng chia sẻ kênh truyền thông một cách hiệu quả Người gửi tín hiệu một cách độc lập tới người nhận thông thường thông qua các kênh tương ứng Việc truyền phải nằm trong phạm vi băng thông của toàn bộ hệ thống với những hạn chế về năng lượng của người sử dụng Thông thường, việc truyền tải dữ liệu từ người dùng phải được phối hợp và đồng bộ với các trạm cơ sở, sao cho các tín hiệu nhận được kết hợp Đa truy cập có thể dựa trên cơ chế đa truy cập trực giao (OMA) và đa truy cập phi trực giao (NOMA).
Kỹ thuật đa truy cập phi trực giao NOMA (Non-Orthogonal Multiple Access) được xem là một trong những kỹ thuật truy cập vô tuyến với hiệu quả truyền dẫn đầy hứa hẹn cho truyền thông di động thế hệ sau So với đa truy cập phân chia tần số trực giao OFDMA (Orthogonal Frequency Division Multiple Access) - là một trong những kỹ thuật truy cập trực giao OMA (Orthogonal Multiple Access) nổi bật thì NOMA có hiệu suất phổ cao hơn hẳn Khác với OMA, nơi mỗi người dùng trong một tế bào được ấn định tài nguyên (thời gian và tần suất) riêng biệt, kỹ thuật NOMA cho phép các người dùng chia sẻ tài nguyên trong miền năng lượng bằng cách khai thác sự khác nhau giữa các kênh tương ứng.
NOMA khác với các công nghệ đa truy cập trước đây, NOMA sử dụng các miền công suất phi trực giao để phân biệt người dùng Gọi là phi trực giao có nghĩa là dữ liệu giữa những người dùng có thể được truyền trong cùng một khoảng thời gian và tần số, và người dùng chỉ có thể được phân biệt bằng sự khác biệt về công suất.
- Mang lại hiệu quả phổ cao hơn do sử dụng nhiều người dùng trên cùng 1 nguồn tần số
- Cung cấp khả năng kết nối bằng cách phục vụ nhiều mục đích sử dụng hơn cùng một lúc.
- Cung cấp chất lượng dịch vụ tốt hơn cho tất cả người dùng bằng cách sử dụng các thuật toán kiểm soát công suất linh hoạt.
- Do tính chất truyền đồng thời, người dùng không cần phải đi qua một khoảng thời gian đã lên lịch để truyền thông tin của nó, và do đó, nó có độ trễ thấp hơn.
- Mỗi người dùng cần giải mã thông tin của những người dùng khác Dẫn đến sự phức tạp trong máy thu và năng lượng tiêu thụ cao hơn
- Nếu lỗi xảy ra ở một người dùng do SIC, việc giải mã tất cả thông tin người dùng khác sẽ bị sai Điều này giới hạn số lượng người dùng tối đa được phục vụ bởi mỗi nhóm
- Để đạt được các chức năng mong muốn của khái niệm miền công suất trong NOMA tại máy thu, sự chênh lệch độ lợi kênh giữa những người dùng phải đủ
Truyền tín hiệu trong hệ thống mạng vô tuyến luôn gặp phải sự cản trở bởi nhiễu, sự quan tâm ngày càng tăng trong việc sử dụng các kỹ thuật giảm thiểu nhiễu tiên tiến để cải thiện hiệu suất mạng Ngoài các phương pháp thông thường trong việc loại nhiễu do môi trường xung quanh đường truyền thì còn có vấn đề quan trọng là sự hủy bỏ liên tục của nhiễu can thiệp (Successive Interference Cancellation - SIC) nghĩa là sự hủy bỏ liên tục của can nhiễu để giải mã các tín hiệu người dùng khác nhau một cách tuần tự
Nguyên tắc truyền nhận tín hiệu tại đường lên
Khi truyền theo đường lên với người dùng i truyền tín hiệu x i với công suất truyền P 0 Đối với đường lên của NOMA tín hiệu mà tại BS (Base Station) nhận được là [17]:
- : là hệ số kênh truyền
- : là hệ số phân bổ công suất
- : là khoảng cách từ người dùng đến BS
- : là hệ số suy hao đường truyền
- : các chuỗi dữ liệu tác vụ
- : là nhiễu trắng cộng (AWGN),
Hình 1 4: Mô phỏng NOMA tại đường lên
Kĩ thuật NOMA cho phép truyền tín hiệu tại cùng một thời điểm, trên cùng một tần số, nhưng theo các mức năng lượng khác nhau Khi trạm cơ sở nhận được tín hiệu y thì trạm sẽ xem tín hiệu ở như nhiễu, tại trạm cơ sở được gắn bộ lọc can nhiễu SIC để lọc nhiễu Sau khi bộ SIC lọc hết nhiễu thì còn lại tín hiệu
Nguyên tắc truyền nhận tín hiệu tại đường xuống
BS truyền tín hiệu cho cả 2 người dùng là và , với các công suất truyền và khác nhau theo nguyên tắc phân bổ công suất Tín hiệu nhận được ở bất kỳ người dùng i là:
(1.2) Hoặc tín hiệu nhận được tại và :
- : là hệ số kênh truyền
- : là hệ số phân bổ công suất
- : là khoảng cách từ người dùng đến BS
- : là nhiễu trắng cộng (AWGN),
- : các chuỗi dữ liệu tác vụ
- : hệ số suy hao đường truyền
- : công suất phát của BS
Hình 1 5: Mô phỏng NOMA tại đường xuống
Trong đường truyền xuống NOMA, tín hiệu ở xa sẽ có mức năng lượng cao hơn, dựa vào mức năng lượng này mà bộ giải mã SIC sẽ phát hiện và giải mã những tín hiệu có mức năng lượng cao trước và sau đó lấy tín hiệu trừ cho tín hiệu vừa giải mã sẽ được tín hiệu còn lại.
Giới thiệu về máy bay không người lái (UAV)
Máy bay không người lái là một khái niệm khá quen thuộc trong thời gian gần đây Ngay tên gọi đã khiến chúng ta có thể hình dung phần nào về sản phẩm công nghệ hiện đại bậc nhất này Nói một cách đúng nhất chúng chính là những phương tiện bay không người lái và thường được gọi ngắn gọn là máy bay không người lái. Unmanned aerial vehicle chính là tên tiếng anh của máy bay không người lái và thường được viết tắt là UAV UAV là tên chỉ chung cho các loại máy bay hoạt động mà không có sự xuất hiện của con người ở buồng lái, hoạt động một cách tự lập và chúng thường được điều khiển từ xa bởi trung tâm hay máy điều khiển.
Máy bay không người lái đã trải qua khá nhiều biến thể tính đến thời điểm hiện tại và chúng cũng được gọi với những cái tên khác nhau UAV chính là những chiếc máy bay truyền thống được trang bị hệ thống điều khiển và lái một cách tự động Những chiếc máy bay này xuất hiện từ rất sớm từ những năm 1950 và hầu hết dùng để phục vụ công tác chiến đấu Giá thành loại máy bay này về lâu dài sử dụng được coi là khá rẻ.
Không dừng lại ở đó những chiếc máy bay này không ngừng được đa dạng hóa và phát triển Những phương tiện bay kiểu mới được chế tạo đa dạng có kích thước khá là nhỏ và động cơ hoạt động ở mức trung bình hoặc nhỏ được gọi là Drone Đây là một thuật ngữ được sử dụng khá nhiều trong các ứng dụng thế giới thực thời gian gần đây.
Hình 1 6: Ứng dụng máy bay không người lái trong vận chuyển
Một biến thể mới nhất của những UAV này đó chính là flycam Đây chính là những Drone có lắp thêm camera để quan sát
UAV hiện nay đang được sử dụng trong nhiều loại nhiệm vụ khác nhau Có thể nói sự xuất hiện của các thiết bị bay không người lái UAV thực sự là cuộc cách mạng trong lĩnh vực thu thập số liệu, khảo sát, giám sát và theo dõi các đối tượng trên thực địa Ngoài ra chúng được sử dụng với nhiều mục đích quan trọng khác.
Tìm hiểu về kênh truyền không dây
1.5.1 Khái niệm kênh truyền không dây
Kênh truyền là môi trường truyền giữa máy phát và máy thu Môi trường này có thể là hữu tuyến hoặc vô tuyến, hữu tuyến sử dụng dây dẫn, vô tuyến sử dụng sóng điện từ Kênh truyền vô tuyến có thể biến đổi từ đơn giản đến phức tạp, kênh truyền có ảnh hưởng lớn đến hiệu quả trong truyền tín hiệu. Đặc tính của kênh truyền không dây: Chất lượng của kênh truyền đều phụ thuộc vào môi trường truyền dẫn Đối với kênh truyền vô tuyến thì môi trường truyền dẫn ảnh hưởng rất nhiều đến chất lượng của kênh truyền Với kênh truyền vô tuyến (không dây) thì sự thay đổi trạng thái của kênh truyền có thể diễn ra trong thời gian rất ngắn Điều này khiến cho việc truyền tín hiệu trong môi trường như vậy trở nên khó khăn Có nhiều môi trường truyền sóng như đồi núi, ngoại thành, trong thành phố với những đặc trực khác nhau Sự lan truyền giữa máy thu và máy phát như vậy chịu ảnh hưởng bởi các vật che chắn như các tòa nhà, núi… Đường truyền thẳng có thể không tồn tại giữa máy phát và máy thu và tốc độ di chuyển của máy thu cũng ảnh hưởng đến sự suy hao của tín hiệu ở máy thu
Sóng lan truyền trong môi trường có thể truyền theo hướng trực tiếp, nhưng cũng có thể bị phản xạ khi gặp các vật cản lớn như các tòa nhà, nhiễu xạ khi gặp các vật có góc cạnh chắn, hoặc tán xạ khi gặp phải cây cối Các kênh vô tuyến là các kênh truyền mang tính ngẫu nhiên, nó có thể thay đổi từ các đường truyền thẳng đến các đường bị che chắn nghiêm trọng đối với các vị trí khác nhau Trong không gian, một kênh có các đặc trưng khác nhau tại các vị trí khác nhau Đặc trưng của kênh truyền không dây là ngẫu nhiên (nghĩa là hệ số kênh truyền là 1 biến ngẫu nhiên) Vì vậy, để làm việc với môi trường này, có rất nhiều mô hình kênh truyền thống kê khác nhau, phụ thuộc vào nhiều điều kiện như: thời tiết, các chướng ngại vật (các tòa nhà cao tầng, địa hình đồi núi ) và khoảng cách truyền dẫn.
Biến ngẫu nhiên là một biến có giá trị không xác định hoặc một hàm số gán giá trị cho từng kết quả của một thí nghiệm Các biến ngẫu nhiên thường được chỉ định bằng các chữ cái và có thể được phân loại là biến rời rạc (các biến có giá trị cụ thể) hoặc liên tục (các biến có thể có bất kì giá trị nào trong phạm vi liên tục).
Ví dụ: Tung 1 đồng xu hoặc 1 con xúc xắc, …
Có 2 loại biến ngẫu nhiên:
- Biễn ngẫu nhiên liên tục: là biến số có thể nhận bất kỳ giá trị nào trong một khoảng nhất định, tức biến thiên mà không bị gián đoạn.
Ví dụ: Nhiệt độ trong ngày hoặc nhiệt độ, …
- Biễn ngẫu nhiên rời rạc: là một loại biến, trong đó tất cả các giá trị có thể có của biến ngẫu nhiên nhận một giá trị có thể đếm được.
Ví dụ: số người có trong căn phòng, số lần xét nghiệm, …
1.5.3 Các hàm của biến ngẫu nhiên
Hàm CDF (Hàm phân phối tích lũy)
Hàm CDF mô tả đầy đủ phân phối xác suất của một biến ngẫu nhiên giá trị thực X Với mỗi số thực x , hàm phân phối tích lũy được định nghĩa như sau: với (1.5) trong đó vế phải biểu diễn xác suất mà biến ngẫu nhiên X lấy giá trị nhỏ hơn hay bằng Do đó, xác suất nằm trong khoảng là nếu
Tính chất của hàm CDF:
Hàm PDF (Hàm mật độ xác suất)
Hàm PDF dùng để biểu diễn một phân bố xác suất theo tích phân.
Cho biến ngẫu nhiên liên tục X có hàm phân phối xác suất Nếu tồn tại hàm số sao cho: (1.6)
Theo quy ước, chữ F được dùng cho hàm CDF, còn chữ được dùng cho hàm PDF
Tính chất của hàm PDF:
1.5.4 Một số mô hình kênh truyền
Kênh truyền fading Rayleigh là mô hình truyền rất phổ biến trong thông tin vô tuyến, mô hình hóa đường truyền vô tuyến có nhiều vật cản, không có đường truyền trực tiếp mà có nhiều tia tán xạ và phản xạ đến máy thu [16].
Hàm CDF và PDF của kênh truyền Rayleigh:
(1.8) trong đó, , là độ lợi công suất kênh truyền
Hình 1 7: Hàm CDF - PDF của phân bố Rayleigh
Kênh truyền fading Nakagami-m có tính tổng quát hơn kênh truyền fading Rayleigh, cụ thể kênh truyền fading Rayleigh là một trường hợp đặc biệt của kênh truyền fading Nakagami-m khi m=1 Với m là tham số hình dạng (shape parameter) có giỏ trị từ ẵ đến vụ cựng [16].
Hàm PDF và CDF của kênh truyền Nakagami-m
Hình 1 8: Hàm CDF – PDF của phân bố Nakagami-m
Với những lợi ích mang lại từ UAV và NOMA-MEC, thế hệ mạng viễn thông không dây thứ 5 hứa hẹn sẽ đáp ứng được trong nhiều năm nhu cầu về việc sử dụng mạng truyền thông không dây đang ngày một gia tăng rất nhanh Tuy nhiên có nhiều thách thức và yêu cầu đặt ra trong việc nghiên cứu cũng như thương mại hóa.Hiện có nhiều công nghệ và kỹ thuật đang được đưa ra áp dụng cho mạng 5G tương lai, từ phát triển mới những kỹ thuật cũ của các thế hệ mạng trước cho đến tìm ra những kỹ thuật mới Đặc biệt với kỹ thuật NOMA mà chúng tôi tìm hiểu và đánh giá trong đề tài này là một kỹ thuật đầy mong đợi đáp ứng được hầu hết các yêu cầu của mạng 5G.
ĐỀ XUẤT MÔ HÌNH VÀ PHÂN TÍCH HIỆU NĂNG HỆ THỐNG NOMA
Mô hình hệ thống
Theo như hình 2.1, chúng tôi trình bày một hệ thống MEC dựa trên NOMA trong mạng IoT bao gồm hai thiết bị A và B bị hạn chế tài nguyên và một UAV(U) được triển khai như trạm gốc Hai thiết bị này giảm tải tác vụ đến U trong đó thiết bị A xa hơn hoặc ưu tiên hơn nên có tỷ lệ phân bổ công suất lớn hơn thiết bị B [18] và U được trang bị chức năng MEC để tính toán; U được cố định ở độ cao h U ≤ h U max
[19] và nó có tọa độ là U ( x U , y U ,h U ) Ngoài ra, ở vùng lân cận có tồn tại thiết bị nghe trộm thụ động là E tìm cách nghe lén cả hai người dùng A và B mà không chủ động tấn công Tất cả thành phần trong hệ thống đều được sử dụng ở chế độ bán song công [20], có một anten duy nhất và được xem xét trong mô hình kênh fadingNakagami-m
Hình 2 1: Mô hình hệ thống
Chúng tôi xem xét LoS và NLoS của những kênh U ↔I ,( I ∈ { A ,B }) , để nắm bắt chính xác các điều kiện lan truyền trong hệ thống Các biểu thức suy hao công suất cho LoS và NLoS được đưa ra dưới dạng [21]:
(2.2) trong đó, ab ∈ {UA ,UB } và khoảng cách a→b được tính d ab = √ ( x b −x a ) 2 +( y b − y a ) 2 +( h b − h a ) 2 và là các tham số phụ thuộc môi trường và tần số, và , c là tốc độ ánh sáng, f c là tần số sóng mang, là số mũ suy hao kênh, và là suy hao đường đi do nhiễu lan truyền của LoS và NLoS.
Xác suất có liên kết LoS và liên kết NLoS ở góc nâng α (tính bằng độ) như sau [22]:
(2.3) (2.4) trong đó, α ab = 180 π arcsin ( h U d ab ), và là các tham số phụ thuộc vào môi trường (nông thôn, thành thị hoặc thành thị đông đúc) [23] Sau đó tổn thất truyền dẫn trung bình được xem xét xác suất của liên kết LoS và NLoS từ a đến b có thể là công thức như sau [22]:
(2.5) Độ trễ tối đa của hệ thống được giả định là T giây Giả sử rằng tất cả các thiết bị đều thực hiện cùng một tác vụ có độ dài L (bit) Khi đó, dung lượng giảm tải của thiết bị I có thể được biểu thị như sau [24]:
(2.6) trong đó β I là tỷ lệ tải trọng 0 ≤ β I ≤ 1 Các thiết bị không thể hoàn thành tác vụ của mình do hạn chế về tài nguyên Do đó, các thiết bị đã giảm tải các tác vụ của mình cho U bằng cách sử dụng NOMA đường lên tại thời gian t I off , (0< t off I ≤T −t U com ) Sau đó, tại thời gian t U com , tất cả các tác vụ tương ứng giảm tải lên U sẽ được tính toán. Cuối cùng, U thực hiện trả kết quả cho thiết bị I tại thời gian t down Việc đạt được thông tin trạng thái kênh hoàn hảo (Channel State Information - CSI) trong các hệ thống không dây là một nhiệm vụ đầy thách thức do có sai sót trong ước tính kênh và độ trễ trong phản hồi Do đó, hệ số kênh được biểu thị như sau [25]:
(2.7) trong đó, ; là hệ số kênh ước tính và là lỗi ước tính kênh, có thể gần đúng dưới dạng phân bố Gaussian.
2.2.2 Giao thức truyền thông của hệ thống
Trong tiểu mục này, chúng tôi trình bày giao thức truyền thông cho hệ thống được đề xuất Hình 2.2 mô tả biểu đồ dòng thời gian của giao thức Giao thức truyền thông được trình bày chi tiết như sau.
Hình 2 2: Biểu đồ thời gian cho giao thức đề xuất
Giai đoạn 1, xác định thông số của toàn bộ hệ thống
Giai đoạn 2, U nhận tín hiệu thông tin từ thiết bị I Tín hiệu tổng hợp nhận được tại U như sau:
(2.8) trong đó, g UI là hệ số kênh truyền fading Nakagami-m của liên kết U ↔I , là nhiễu Gaussian trắng cộng (Additive white Gaussian noise - AWGN) với
Việc khử nhiễu liên nhiễu (successive interference cancellation - SIC) được áp dụng tại U để tách tín hiệu của thiết bị A và B được thực hiện như sau: tín hiệu x A sẽ được phát hiện trước tiên do điều kiện kênh truyền tốt hơn, sau đó tách tín hiệu x B Giá trị tỷ số tín hiệu trên nhiễu cộng liên nhiễu (Signal to interference plusnoise ratio - SINR) tức thời để phát hiện x A và x B tại U được cho bởi công thức:
(2.10) trong đó, , , và Tương tự, tín hiệu tổng hợp nhận tại E như sau:
(2.11) trong đó, là nhiễu Gaussian trắng cộng Giả sử E cũng sử dụng kỹ thuật SIC, SINR tức thời phát hiện x A và x B tại E được cho bởi:
Giai đoạn 3, các tác vụ giảm tải của A và B được tính toán tại U Do đó, thời gian cần thiết để hoàn thành tác vụ tại U có thể được biểu diễn bằng [10]:
(2.14) trong đó, là số chu kỳ CPU cần để tính một bit đầu vào và f MEC là tần số hoạt động của MEC tại U.
Giai đoạn 4, U trả kết quả tính toán cho I Cần lưu ý rằng thời gian trả kết quả t down từ U về I bị bỏ qua vì kích thước nhỏ hơn nhiều so với kích kích thước của dữ liệu được giảm tải [26].
2.2.3 Thời gian giảm tải và khả năng bảo mật của hệ thống
Theo định lý Shannon, dung lượng kênh tức thời của liên kết U ↔I có thể được xây dựng như sau:
(2.15) trong đó, W là băng thông Do đó, độ trễ giảm tải và tiêu thụ năng lượng từ I đến U có thể được biểu thị bằng:
(2.16) Khả năng bảo mật tức thời của kênh truyền không dây từ I đến U khi có sự hiện diện của kẻ nghe lén thụ động được xác định như sau [27]:
(2.17) trong đó, là dung lượng kênh bất hợp pháp.
Phân tích hiệu năng hệ thống
2.3.1 Xác xuất tính toán thành công đảm bảo bảo mật
Trong phần này, chúng tôi phân tích hiệu năng hệ thống mạng NOMA-MEC bằng cách xem xét tác động tổng thể của những yêu cầu về độ trễ Sự kiện tính toán thành công xảy ra khi độ trễ của hệ thống thấp hơn độ trễ tối đa cho phép Theo đó, chúng tôi đề xuất tham số đánh giá hiệu suất của hệ thống là xác suất tính toán thành công đảm bảo bảo mật (SSCP), ký hiệu là Khi đó, SSCP hệ thống được tính toán như sau:
(2.18) trong đó, T t h =T −t U com Cùng với kênh truyền fading Nakagami-m, biểu thức dạng đóng SSCP của hệ thống được đưa ra như sau:
, (2.19) trong đó, ; , và được định nghĩa như sau:
, , ; , và được định nghĩa như sau:
, , Q và O là hệ số đánh đổi giữa độ phức tạp và độ chính xác.
Chứng minh: Xem phụ lục A.
2.3.2 Giới hạn trên của hệ thống
Biểu thức giới hạn trên cho SSCP của toàn bộ hệ thống trong điều kiện kênh fading Nakagami-m được đưa ra như sau:
(2.26) trong đó, và K là hệ số đánh đổi giữa độ phức tạp và độ chính xác [28]; E 1được định nghĩa như sau:
, với Q là hệ số đánh đổi giữa độ phức tạp và độ chính xác [28].
Chứng minh: Xem phụ lục B.
TỔNG KẾT CHƯƠNG 2 Ở chương này tôi đã tính toán các thông số liên quan đến như là xác suất tính toán thành công đảm bảo bảo mật và giới hạn trên cho xác suất tính toán thành công đảm bảo bảo mật Từ các thông số trên tôi dùng nó để mô phỏng đánh giá hiệu năng của hệ thống bằng các tham số chính như SNR trung bình kênh truyền hợp pháp và không hơp pháp, hệ số phân bổ công suất, lỗi ước tính kênh truyền và độ cao củaUAV.
KẾT QUẢ MÔ PHỎNG VÀ THẢO LUẬN
Mô tả công cụ mô phỏng
Matlab (Matrix Laboratory) là một môi trường tính toán số và lập trình được thiết kế bởi công ty MathWork, Matlab cho phép tính toán số với ma trận, vẽ đồ thị, hay biểu đồ thông tin, thực hiện thuật toán, tạo các giao diện người dùng và liên kết với những chương trình máy tính viết trên nhiều ngôn ngữ lập trình khác, bao gồm cả C, C++, Java, Python, …
Matlab được sử dụng bởi những kỹ sư và nhà khoa học trong nhiều lĩnh vực như xử lý hình ảnh và tín hiệu, truyền thông, hệ thống điều khiển cho ngành công nghiệp, thiết kế lưới điện thông minh, người máy cũng như tài chính.
Hình 3 1: Giao diện phần mềm Matlab
Phương pháp mô phỏng Monte Carlo
Mô phỏng Monte Carlo, còn được gọi là Phương pháp Monte Carlo hoặc mô phỏng đa xác suất, là một kỹ thuật toán học, được sử dụng để ước tính các kết quả có thể xảy ra của một sự kiện không chắc chắn Mô phỏng Monte Carlo là một kỹ thuật toán học được máy tính hóa cho phép mọi người tính toán rủi ro trong phân tích định lượng và ra quyết định Kỹ thuật này được sử dụng bởi các chuyên gia trong các lĩnh vực khác nhau rộng rãi như tài chính, quản lý dự án, năng lượng, sản xuất, kỹ thuật, nghiên cứu và phát triển, bảo hiểm, dầu khí, giao thông vận tải và môi trường Mô phỏng Monte Carlo cung cấp cho người ra quyết định một loạt các kết quả có thể xảy ra và xác suất mà chúng sẽ xảy ra đối với bất kỳ lựa chọn hành động nào.
Phương pháp mô phỏng Monte Carlo bao gồm:
- Lựa chọn các biến làm biến quan trọng đưa vào mô hình phân tích (dựa trên cơ sở phân tích độ nhạy để đưa vào các yếu tố có ảnh hưởng lớn tới dự án)
- Xác định mô hình biến động của các yếu tố ảnh hưởng trong mối quan hệ của chúng với biến ngẫu nhiên
- Xác định các xác suất
- Sử dụng mô hình mô phỏng xác định các kết quả phân tích.
- Các kết quả này giúp cho việc đánh giá dự án được chính xác
3.2.1 Các cơ sở phương pháp của Monte Carlo
- Các số ngẫu nhiên (random numbers): đây là nền tảng quan trọng, góp phần hình thành nên thương hiệu của phương pháp Các số ngẫu nhiên không chỉ đượ sử dụng trong việc mô phỏng lại các hiện tượng ngẫu nhiên xảy ra trong thực tế mà còn được sử dụng để lấy mẫu ngẫu nhiên của một phân bố nào đó, chẳng hạn như trong tính toán các tích phân số (numerical integration).
- Luật số lớn (law of large number): luật này đảm bảo rằng khi ta chọn ngẫu nhiên các giá trị (mẫu thử) trong một dãy các giá trị (quần thể), kích thước dãy mẫu thử càng lớn thì các đặc trưng thống kê (trung bình, phương sai ) của mẫu thử càng gần với các đặc trưng thống kê của quần thể Luật số lớn rất quan trọng đối với phương pháp Monte Carlo vì nó đảm báo cho sự ổn định của các giá trị trung bình của các biến ngẫu nhiên khi số phép thử đủ lớn.
- Định lý giới hạn trung tâm (central limit theorem): định lý này phát biểu rằng dưới một số điều kiện cụ thể, trung bình số học của một lượng đủ lớn các phép lặp của các biến ngẫu nhiên độc lập (independent random variables) sẽ được xấp xỉ theo phân bố chuẩn (normal distrbution) Do phương pháp Monte Carlo là một chuỗi các phép thử được lặp lại nên định lý giới hạn trung tâm sẽ giúp chúng ta dễ dàng xấp xỉ được trung bình và phương sai của các kết quả thu được từ phương pháp.
3.2.2 Thành phần của phương pháp Monte Carlo
- Hàm mật độ xác suất (PDF): Một hệ vật lý (hay toán học) phải được mô tả bằng một bộ các PDF
- Nguồn phát số ngẫu nhiên (random number generator - RNG): Một nguồn phát các số ngẫu nhiên đồng nhất phân bố trong khoản đơn vị
- Quy luật lấy mẫu (sampling rule): mô tả việc lấy mẫu từ một hàm phân bố cụ thể
- Ghi nhận (scoring hay tallying): dữ liệu đầu ra phải được tích lũy trong các khoảng giá trị của đại lượng cần quan tâm
- Ước lượng sai số (error estimation): ước lượng sai số thống kê (phương sai) theo số phép thử và theo đại lượng quan tâm.
- Các kỹ thuật giảm phương sai (variance reduction technique): các phương pháp nhằm giảm phương sai của đáp số được ước lượng để giảm thời gian tính toán của mô phỏng Monte Carlo
- Song song hóa (parallelization) và vector hóa (vectorization): các thuật toán cho phép phương pháp Monte Carlo được thực thi một cách hiệu quả trên một cấu trúc máy tính hiệu năng cao (high-performance).
3.3 Thử nghiệm và thảo luận
Trong phần này, chúng tôi cung cấp các kết quả bằng số về xác suất tính toán thành công của hệ thống Mô phỏng Monte-Carlo được sử dụng để kiểm chứng các kết quả phân tích Các tham số cần cho trong quá trình mô phỏng được cho ở bảng3.1
Bảng 3.1: Các thông số mô phỏng
Tham số Giá trị Tham số Giá trị
3.3.1 Khảo sát SSCP theo SNR trung bình của kênh truyền hợp phát và ba giá trị lỗi ước tính kênh truyền
Hình 3 2: SSCP theo SNR trung bình của kênh truyền hợp phát và ba giá trị lỗi ước tính kênh khác nhau
Tác động của SNR trung bình của kênh truyền hợp phát và lỗi ước tính kênh truyền khác nhau lên SSCP của toàn bộ hệ thống được mô tả trong hình 3.2, với kết quả này chúng tôi xem xét SSCP và giới hạn trên của nó đối với các trường hợp
, , và Với , ta thấy SSCP cũng như giới hạn trên của nó tốt hơn các trường hợp khác vì đây là trường hợp lý tưởng của hệ thống Trong thực tế, việc đạt được trường hợp lý tưởng là vô cùng khó khăn vậy nên chúng tôi xem xét các trường hợp khác cho hệ thống giống với thực tế hơn.
3.3.2 Khảo sát SSCP theo chiều cao của UAV và ba giá trị SNR trung bình của kênh truyền không hợp pháp
Hình 3 3: SSCP theo chiều cao của UAV và ba giá trị SNR trung bình của kênh truyền không hợp pháp khác nhau
Hình 3.3 minh họa tác động của độ cao UAV và ba giá trị SNR trung bình của kênh truyền không hợp pháp khác nhau đối với SSCP của toàn bộ hệ thống Có thể thấy rằng SNR trung bình của kênh truyền không hợp pháp thấp hơn dẫn đến hiệu suất SSCP tốt hơn Chúng ta cũng có thể quan sát thấy rằng tồn tại độ cao UAV tối ưu để tối đa hóa hiệu suất giảm tải bảo mật, điều này có thể được giải thích bởi thực tế là ở độ cao UAV thấp xác suất liên kết NLoS cao hơn xác suất liên kết LoS do chướng ngại vật đô thị Việc tăng độ cao của UAV sẽ cải thiện hiệu suất vì xác suất gặp phải liên kết LoS giữa UAV và các thiết bị cao hơn so với gặp phải xác suất liên kết NLoS Tuy nhiên, độ cao càng lớn thì khoảng cách truyền tín hiệu giữaUAV và các thiết bị càng lớn, điều này làm tăng khả năng mất đường truyền của các liên kết và do đó làm giảm hiệu suất Vì vậy, sẽ có một độ cao giúp tối đa hóa hiệu quả của việc giảm tải bảo mật.
3.3.3 Khảo sát SSCP theo hệ số phân bổ công suất và ba giá trị SNR trung bình của kênh truyền hợp pháp
Hình 3 4: SSCP theo hệ số phân bổ công suất và ba giá trị SNR trung bình của kênh truyền hợp pháp khác nhau Để nghiên cứu ảnh hưởng của công suất phát đến hiệu suất hệ thống của chúng tôi, chúng tôi giả sử rằng tổng công suất phát của hai người dùng là cố định và tỷ lệ phân bổ công suất được sử dụng để phân bổ công suất phát cho mỗi người dùng Hình 3.4 mô tả đường cong của SSCP và giới hạn trên của nó so với tỷ lệ phân bổ công suất với SNR trung bình của kênh truyền hợp pháp khác nhau Từ hình này, chúng ta có thể thấy tồn tại một giá trị tối ưu , tương ứng với SSCP tốt nhất của hệ thống Điều này là vì chúng tôi giả định rằng A có mức độ ưu tiên cao hơn B Do đó, tỷ số phân bố công suất A lớn hơn B làm cho A có nhiều công suất giảm tải lên UAV vì A ở xa và ưu tiên hơn B việc này cũng đảm bảo được tính công bằng Tuy nhiên, tỷ số phân bố công suất cho A càng nhiều thì dẫn đến công suất giảm tải B tác vụ tại quá nhỏ Vì vậy nếu như tại B việc giảm tải và tính toán bị giảm xuống thì dẫn đến xác suất tính toán thành công của toàn hệ thống giảm.
3.3.4 Khảo sát SSCP theo SNR trung bình của kênh truyền hợp pháp và ba giá trị SNR trung bình của kênh truyền không hợp pháp
Hình 3 5: SSCP theo SNR trung bình của kênh truyền hợp pháp và ba giá trị SNR trung bình của kênh truyền không hợp pháp khác nhau
Hình 3.5 mô tả SSCP khi thay đổi SNR trung bình của kênh truyền hợp pháp và kênh truyền không hợp pháp Có thể thấy rằng sự gia tăng SNR trung bình của kênh truyền hợp pháp dẫn đến sự cải thiện SSCP Điều này là do sự gia tăng cho thấy chất lượng kênh hợp pháp tốt hơn, do đó tăng cường tính bảo mật chống nghe lén Ngoài ra, khi gia tăng thì công suất của mỗi thiết bị cũng được tăng lên làm cho việc giảm tải tác vụ lên UAV tốt hơn Điều này cũng giải thích tại sao việc tăng SNR trung bình của kênh truyền không hợp pháp lại làm giảm SSCP.
Trong chương này, chúng tôi đã trình bày kết quả nghiên cứu về mặt hiệu quả giảm tải các tác vụ của thiết bị lên UAV sử dụng kỹ thuật NOMA-MEC Để chứng minh hiệu quả của hệ thống, chúng tôi khảo sát biểu thức dạng đóng của SSCP và giới hạn trên của nó được xem xét qua kênh truyền fading Nakagami-m
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
Trong báo cáo này tôi đã đề xuất mô hình và khảo sát mô hình hệ thống theo phương thức đa truy cập phi trực giao NOMA, tôi đã thu được những kết quả sau: