NGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNG

NGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNGNGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI ƯU HÓA HIỆU NĂNG TRONG MẠNG ĐIỆN TOÁN BIÊN DI ĐỘNG

1

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC DUY TÂN

-

TRƯƠNG VĂN TRƯƠNG

NGHIÊN CỨU MỘT SỐ GIẢI PHÁP TỐI

ƯU HÓA HIỆU NĂNG TRONG MẠNG

ĐIỆN TOÁN BIÊN DI ĐỘNG

Ngành: Khoa học máy tính

Mã số: 94.80.101

TÓM TẮT LUẬN ÁN TIẾN SĨ

TP Đà Nẵng, năm 2024

Công trình được hoàn thành tại:

Trường Đại học Duy Tân

Người hướng dẫn khoa học:

Có thể tìm hiểu Luận án tại thư viện:

- Thư viện Trường Đại học Duy Tân

3

1 GIỚI THIỆU LUẬN ÁN

a Lý do và tính cần thiết của nghiên cứu

Trong những thập kỷ vừa qua, chúng ta đã chứng kiến sự phát triển bùng nổ của điện toán đám mây (CC), cùng với sự tăng trưởng của rất nhiều công ty Internet như Google, Microsoft, Amazon, Dropbox [1] Với mô hình này, dữ liệu sẽ được đẩy lên một máy chủ đám mây và có thể được lấy xuống bởi một máy khách Cách thức vận hành như vậy có thể hoạt động tốt cho các

dữ liệu trong các ứng dụng không đặt nặng vấn đề độ trễ Hiển nhiên, sẽ là không tối ưu khi áp dụng điện toán đám mây cho các ứng dụng yêu cầu dữ liệu IoT thời gian thực [2] Chúng ta lấy một ví dụ sử dụng CC trong giám sát thông số môi trường IoT Trong đó, dữ liệu cảm biến được lưu trữ và xử lý tại trung tâm

dữ liệu đám mây phải vượt qua hàng loạt các thiết bị vật lý như router, switch, gateway Cũng cần lưu ý là những trung tâm dữ liệu này được các nhà cung cấp dịch vụ đặt tại những vị trí địa lý nhất định, và có khoảng cách rất xa so với nguồn dữ liệu cảm biến, nên độ trễ truyền thông tồn tại là tất yếu Hơn nữa, khi các phản hồi điều khiển từ đám mây đến cơ cấu chấp hành, hành trình của dữ liệu cũng phải vượt qua một khoảng cách tương tự Nếu đám mây bị quá tải hoặc cơ sở hạ tầng Internet gặp vấn đề thì yêu

cầu phản hồi tức thời là không thể đảm bảo

Thêm vào đó, rất nhiều thiết bị IoT được triển khai trên toàn cầu và tạo ra lượng dữ liệu vô cùng khổng lồ lưu trữ trên các đám mây trong tương lai [3] Hơn nữa, máy chủ đám mây cũng cần phải được trang bị một tài nguyên tính toán rất lớn để có thể trích xuất ra một thông tin hữu ích từ lượng dữ liệu ấy một cách tức thời Với ví dụ đơn giản như trên, chúng ta có thể nhận ra hàng loạt các vấn đề của ứng dụng IoT khi áp dụng CC: (i) độ trễ truyền thông, (ii) độ tin cậy, (iii) chi phí lớn về tài nguyên máy

tính và băng thông, (iv) các vấn đề về bảo mật khi nguồn dữ liệu

nằm xa trung tâm dữ liệu

Chính vì vậy, trong những năm vừa qua, chúng ta chứng kiến

sự dịch chuyển các chức năng trong đám mây về phía biên mạng, tạo ra điện toán biên Trong khuôn khổ của Luận án, tác giả thực hiện các nghiên cứu về lĩnh vực điện toán biên di động (MEC) [4] Kỹ thuật MEC cung cấp khả năng điện toán trong mạng truy cập vô tuyến (RAN) và môi trường dịch vụ công nghệ thông tin ngay tại biên mạng, nơi gần với nguồn dữ liệu/người dùng nhất Định nghĩa ban đầu về MEC được viện Tiêu chuẩn Viễn thông châu Âu đề xuất vào năm 2014, đề cập đến các trạm trung tâm (BS) sẽ hỗ trợ tính toán và lưu trữ nhằm giảm tải cho các người dùng trong mạng RAN Về sau, Cisco mở rộng định nghĩa cho các thiết bị MEC, chúng có thể là điện thoại thông minh, các thiết

bị IoT, hay các cảm biến trong mạng cảm biến không dây

Mặc dù vậy, việc triển khai MEC vẫn còn rất nhiều vấn đề tồn tại cần giải quyết triệt để, cụ thể được tóm tắt thành 4 mục như

sau:

1) Quản lý và phân bố tài nguyên trong MEC: Phân bổ tài

nguyên tính toán, năng lượng và lưu trữ là một thách thức quan trọng trong quá trình hiện thực hóa MEC Lý do là những tài nguyên này trong MEC hữu hạn, trong khi số lượng ứng dụng ngày càng tăng và sự gia tăng bùng nổ trong lưu lượng

di động

2) Mô hình giảm tải hiệu quả trong MEC: Để hiện thực MEC

chúng ta cần trả lời được câu hỏi người dùng và máy chủ sẽ hoạt động như thế nào, phối hợp với nhau ra sao Truyền thông vô tuyến trong mạng MEC cũng chịu nhiều tác động từ nhiễu, can nhiễu, hệ số kênh truyền ngẫu nhiên, các hiện tượng phản xạ hay tán xạ tín hiệu Do đó, các mô hình giảm

5

tải tính toán hiệu quả là cần thiết để người dùng có thể hoàn thành ứng dụng

3) Tích hợp vào cơ sở hạ tầng sẵn có: Một thách thức quan trọng

khác là sự tích hợp liền mạch của MEC vào kiến trúc mạng sẵn có, không gây ảnh hưởng đến các thông số kỹ thuật tiêu chuẩn của mạng lõi và thiết bị đầu cuối Nghiên cứu về sự hoạt động song song của MEC và đám mây cũng cần quan tâm, vì sẽ có nhiều ứng dụng MEC phân tán có thể không có

đủ tài nguyên điện toán để xử lý tất cả các yêu cầu tính toán

và phải chuyển các phép tính dữ liệu lớn lên đám mây

4) Bảo mật và quyền riêng tư: MEC hoạt động với các phần tử

mạng không đồng nhất, do đó làm cho các cơ chế bảo mật và quyền riêng tư thông thường, vốn đã được vận hành trong đám mây, không thể áp dụng cho các hệ thống MEC Thứ hai, tác

vụ giảm tải qua các kênh không dây có thể không an toàn vì đặc tính phát quảng bá của kênh truyền không dây dấn đến các tác vụ tính toán có thể bị nghe trộm Việc mã hóa dữ liệu

có thể được áp dụng nhưng điều này làm tăng độ trễ lan truyền cũng như độ trễ thực thi, do đó làm giảm hiệu suất ứng dụng Xuất phát từ tính chất thời sự và khả năng áp dụng rộng rãi của mạng MEC, cũng như với các vấn đề nghiên cứu đã mở ra như trên, nghiên cứu sinh quyết định lựa chọn thực hiện đề tài

“Nghiên cứu một số giải pháp tối ưu hóa hiệu năng trong mạng điện toán biên di động”

b Mục tiêu nghiên cứu

- Đề xuất các mô hình hoạt động cho hệ thống cho mạng MEC

- Phân tích và đưa ra các biểu thức đánh giá hiệu năng của hệ thống dựa trên xác suất tính toán thành công (SCP)

- Đề xuất các giao thức, giải thuật, cơ chế nâng cao hoặc tối ưu hiệu năng cho các hệ thống MEC

- So sánh hiệu năng hệ thống dưới các thuật toán tối ưu với các hướng tiếp cận từ các nghiên cứu tương tự

c Đối tượng và phương pháp nghiên cứu

c1 Đối tượng nghiên cứu

- Các hệ thống NOMA MEC với các kênh truyền vô tuyến được

mô hình hóa theo phân bố Rayleigh, Nakagami-m

- Tiêu chí đánh giá hiệu năng hệ thống (SCP)

- Các thuật toán tối ưu, bao gồm thuật toán di truyền (GA), thuật toán bầy đàn (PSO), thuật toán tìm kiếm một chiều

c2 Phương pháp nghiên cứu

- Phương pháp nghiên cứu lý thuyết: thu thập thông tin qua các tài liệu học thuật nhằm mục đích tìm chọn những khái niệm cơ bản là cơ sở cho lý luận của đề tài, tìm hiểu các kết quả đã có liên quan đến luận án

- Phương pháp mô hình hóa toán học và mô phỏng: thông qua việc xây dựng các mô hình toán đảm bảo các tính chất cơ bản của đối tượng đang nghiên cứu, luận án tiến hành mô phỏng để đánh giá hiệu năng các hệ thống, cơ chế hoạt động và giải thuật tối ưu

đề xuất Tiếp đến, luận án bám sát các kết quả nghiên cứu trong lĩnh vực này, đánh giá kết quả đã đạt được để đề xuất hướng giải quyết tốt hơn

d Những đóng góp mới của nghiên cứu về mặt lý luận và thực tiễn

- Đề xuất các các mô hình NOMA MEC và các cơ chế hoạt động như lựa chọn anten, lựa chọn người dùng, kỹ thuật thu năng lượng vô tuyến, kỹ thuật phân tập không gian Cụ thể, 4 mô hình NOMA MEC đã được phân tích và tối ưu dưới các kênh truyền

Rayleigh và Nakagami-m

7

- Xây dựng được các biểu thức cách tính thông số đánh giá hiệu năng hệ thống là SCP với ràng buộc là thời gian trễ tối đa cho phép của hệ thống, từ đó khảo sát hành vi của các hệ thống

- Xây dựng bài toán tối ưu và đề xuất các giải pháp dựa trên thuật toán, cụ thể là thuật toán tối ưu tìm kiếm một chiều, GA và PSO nhằm xác định thông số tối ưu cho hệ thống

- So sánh các kết quả tối ưu thu được với các nghiên cứu tương

tự và với các thuật toán tham chiếu để chứng minh tính hiệu quả của các giải pháp đề xuất

e Bố cục của luận án

- Chương mở đầu: Tổng quan về Luận án, trình bày tính cấp thiết của đề tài, các hướng nghiên cứu liên quan, mục tiêu nghiên cứu, nội dung nghiên cứu, đối tượng nghiên cứu, phạm vi nghiên cứu, các đóng góp, và bố cục trình bày Luận án

- Chương 1: Tổng quan về điện toán biên di động và các vấn đề tối ưu, trình bày các kiến thức tổng quan và các kỹ thuật được tích hợp với MEC Bên cạnh đó, các vấn đề tối ưu hệ thống MEC cũng được làm rõ

- Chương 2: Giải pháp tối ưu về thời gian sử dụng cơ chế NOMA

và thuật toán di truyền Chương trình bày giải pháp tối ưu về thời gian cho mạng MEC dựa trên cơ chế NOMA và GA Kết quả mô phỏng Monte Carlo được sử dụng để so sánh với giải thuật tìm kiếm vét cạn cho thấy hiệu năng tương đương của MSCP-GA

- Chương 3: Giải pháp tối ưu về thời gian sử dụng cơ chế lựa chọn anten và các thuật toán heuristic Chương đề xuất các giải pháp tối ưu về thời gian sử dụng cơ chế lựa chọn anten và các thuật toán heuristic, là GA và PSO Hệ thống đề xuất có thể hoạt động dưới bốn kịch bản là: SC-TAS A, SC-TAS B, SC-MRT và MRC-MRT Kết quả mô phỏng đã dẫn đến các đề xuất về cơ chế tối ưu cho mô hình đề xuất là MRC-MRT Hơn nữa, SCP cũng

được cải thiện khi sử dụng các thuật toán tối ưu so với hướng tiếp cận lựa chọn thông số ngẫu nhiên

- Chương 4: Giải pháp tối ưu thời gian và năng lượng sử dụng cơ chế lựa chọn anten-người dùng và thuật toán tìm kiếm một chiều Chương xuất giải pháp tối ưu thời gian và năng lượng dựa trên

cơ chế lựa chọn anten-người dùng và thuật toán tìm kiếm một chiều Hai thuật toán dựa trên tìm kiếm một chiều, đặt tên là MSCPS và MSCPC, với ràng buộc năng lượng tiêu tán thấp nhất

để tối ưu hóa hiệu năng hệ thống được đề xuất Mô phỏng Monte Carlo cho thấy kết quả của hệ thống đề xuất tốt hơn so với các giải pháp truyền thống

2 GIẢI PHÁP TỐI ƯU VỀ THỜI GIAN SỬ DỤNG CƠ CHẾ NOMA VÀ THUẬT TOÁN DI TRUYỀN

2.1 Mô hình hệ thống RF EH NOMA MEC đường lên

Hình 2.1: Mô hình hệ thống RF EH NOMA MEC đường lên

Mô hình hệ thống MEC sử dụng NOMA đường lên có thu năng lượng vô tuyến (RF EH), được trình bày trong hình 2.1 Cụ thể, hai người dùng có nguồn tài nguyên năng lượng và tính toán

hạn chế, (U 1 và U 2 ) Giả sử U 1 và U 2 lần lượt cần tính toán các

tác vụ có độ dài L 1 bit và L 2 bit, và sử dụng dịch vụ cấp nguồn và tính toán từ HAP thông qua NOMA đường lên Hệ thống hoạt động dưới kênh truyền Rayleigh và tất cả các thiết bị trong mạng được trang bị đơn anten và ở chế độ bán song công

9

Giao thức hoạt động của hệ thống RF EH NOMA MEC cho đường lên được đề xuất bao gồm bốn pha như hình 2.2

Hình 2.2: Giao thức hoạt động của mạng RF EH NOMA MEC

cho đường lên

* Phân tích hiệu năng hệ thống

Định nghĩa 2.1: SCP là xác suất mà tất cả các tác vụ của người

dùng được xử lý thành công trong thời gian trễ cho phép T > 0

trong đó, t 1 và t 2 lần lượt là thời gian truyền thông của U 1 và U 2

Mệnh đề 2.1 Qua kênh truyền Rayleigh, biểu thức SCP của

người dùng U 1 trong hệ thống RF EH NOMA MEC đường lên là

1

2 1

0 1

S

th j Q

j

j j

Q

a

a Q

, và Q là hệ

số cân bằng giữa độ phức tạp và độ chính xác tính toán

Mệnh đề 2.2 Qua kênh truyền Rayleigh, biểu thức SCP của

người dùng U 2 trong hệ thống RF EH NOMA MEC đường lên là

2

2 2

0 1

th

th U

S

th j Q

j j j

a Q

a

a Q

j j

11

Mệnh đề 2.3 Qua kênh Rayleigh, biểu thức SCP hệ thống RF EH

NOMA MEC đường lên là

j th j

2

j j

j

j Q

       

 , và Q là hệ số

cân bằng giữa độ phức tạp và độ chính xác tính toán

* Tối ưu hóa hiệu năng hệ thống

Mô hình toán học của bài toán MSCP cho hệ thống RF EH NOMA MEC đường lên hai người dùng được phát biểu như sau:

trong đó (2.5b) đảm bảo tất cả các tác vụ được tính toán thành công trong thời gian trễ tối đa cho phép, (2.5c) mô tả điều kiện

của hệ số chuyển mạch thời gian (α)

Thuật toán 2.1: Tối ưu hóa SCP dựa trên thuật toán di truyền

(MSCP-GA) [5]

Input: S , P 0 , Q, f, c, W, T, L,, th

Output: α∗

1: Khởi tạo: t = 0, MaxIt, nPop, c , m , và (0)

2: Đánh giá FV của p i(0) trong quần thể (0)

* Kết quả và thảo luận

Hình 2.3: SCP theo hệ số chuyển mạch thời gian với các giá trị

SNR phát trung bình khác nhau

Hình 2.4: MSCP-GA hội tụ với các mức SNR phát trung bình khác nhau trong hệ thống RF EH NOMA MEC đường lên

Hình 2.5: So sánh hiệu năng trong trường hợp sử dụng và

không sử dụng thuật toán tối ưu

2.2 Mô hình hệ thống RF EH NOMA MEC đường xuống

Hình 2.6 mô tả mạng NOMA MEC thu năng lượng RF, trong

đó người dùng (U) có năng lượng hạn chế sẽ thực hiện thu năng lượng RF từ một trạm phát (P) và giảm tải các tác vụ của nó đến hai AP (AP 1 và AP 2 ) U phải tải các nhiệm vụ có tính bảo mật cao của mình xuống AP tin cậy (AP 1), trong khi các tác vụ không bảo mật có thể được tải xuống cả hai điểm truy cập tin cậy và không

tin cậy Giả sử tác vụ L 1 -bit được thiết kế để giảm tải cho AP 1 để

đảm bảo yêu cầu bảo mật của hệ thống, L 2-bit còn lại được thiết

kế để giảm tải cho AP 2

Hình 2.6: Mô hình hệ thống RF EH NOMA MEC cho đường

xuống

15

* Phân tích hiệu năng hệ thống

Mệnh đề 2.4 Qua kênh Rayleigh, SCP của hệ thống RF EH

NOMA MEC đường xuống theo giao thức NOMA-NAPS là:

1

12

2

W W

L

L a

0

12

1

W

L a

1 1 2

Mệnh đề 2.5 Qua kênh truyền Rayleigh, SCP của hệ thống RF

EH NOMA MEC đường xuống theo giao thức NOMA-APS là:

* Kết quả và thảo luận

Hình 2.7: SCP theo hệ số chuyển mạch thời gian với các SNR

phát trung bình khác nhau

Hình 2.8: So sánh hiệu năng trong trường hợp sử dụng và

không sử dụng thuật toán tối ưu

3 GIẢI PHÁP TỐI ƯU VỀ THỜI GIAN SỬ DỤNG CƠ CHẾ LỰA CHỌN ANTEN VÀ CÁC THUẬT TOÁN META- HEURISTIC

Mô hình mạng RF EH NOMA MEC cho người dùng đa anten

dưới tác động của kênh truyền Nakagami-m, như biểu diễn trong hình 3.1 Cụ thể, một người dùng đa anten (U) thu năng lượng không dây từ trạm phát năng lượng (P) và giảm tải tác vụ đến hai điểm truy cập không dây (AP) không đồng nhất Giả sử các thiết

bị trong mạng hoạt động ở chế độ bán song công, P và các MEC

AP là thiết bị đơn anten, AP 1 có độ tin cậy cao trong khi AP 2 có

độ tin cậy thấp hơn U sử dụng một trong hai kỹ thuật phân tập

17

thu SC hoặc MRC để thu năng lượng từ P, và dùng toàn bộ năng lượng này để giảm tải tác vụ đến các MEC AP sử dụng kỹ thuật

phân tập phát TAS hoặc MRT

Hình 3.1: Mô hình hệ thống RF EH NOMA MEC đường xuống

cho người dùng đa anten

Bảng 3.1: Các cơ chế hoạt động của mô hình hệ thống RF EH NOMA MEC cho người dùng đa anten

STT Cơ chế thu năng lượng và giảm tải Tên cơ chế

SC

U-AP 1 TAS A

U-AP 2

* Phân tích hiệu năng hệ thống

Mệnh đề 3.1 Qua kênh fading Nakagami-m, SCP của hệ thống

đề xuất khi hệ thống sử dụng kịch bản giao tiếp SC-TAS A được cho bởi công thức:

11

,,

x

m j

i j

i

j x

UB

tasY tasY UB

x

m

m x

i

i Q

       

PU PU

19

1 1

1 1

1 1

toán và độ chính xác của phép toán

Mệnh đề 3.2 Qua kênh fading Nakagami-m, SCP của hệ thống

đề xuất khi hệ thống sử dụng kịch bản giao tiếp SC-TAS B được cho bởi công thức:

11

,,

12

UA tasZ UA

0

1

12

i p

i

i Q

       

PU PU

1 1

1 1

0

1

L W

toán và độ chính xác của phép toán

Mệnh đề 3.3 Qua kênh fading Nakagami-m, SCP của hệ thống

đề xuất khi hệ thống sử dụng kịch bản giao tiếp SC-MRT được cho bởi công thức:

11

,,

UA UB

UA

Q N

1 1

i i w

i

i Q

       

PU PU

giữa độ phức tạp tính toán và độ chính xác của phép toán

Mệnh đề 3.4 Qua kênh fading Nakagami-m, SCP của hệ thống

đề xuất khi hệ thống sử dụng kịch bản giao tiếp MRC-MRT được

cho bởi công thức:

11

,,

MRC MRT MRC MRT MRC M

MR

S

th T

1

1 1

0

3

11

PU

PU

UP UB

UA

PU UA

m N m

i UA

m P

1

1 3

11

ln

UP PU