Luận văn thạc sĩ Kỹ thuật viễn thông: Kỹ thuật phân phối công suất và lưu trữ theo xác suất đa tốc độ trong truyền video qua mạng D2D dày đặc

Ngoài ra, các nghiên cứu hiện tại vẫn còn bốn mối quan tâm lớn trong việc thiết kế mạng lưu trữ biên bao gồm: 1 nội dung có cùng kích thước đơn vị, 2 chưa quan tâm đến dung lượng thông l

TỔNG QUAN VỀ TRUYỀN VIDEO TRONG MẠNG D2D

Truyền video trong mạng D2D

Trước đây, hầu hết lưu lượng dữ liệu di động là do các dịch vụ dữ liệu tốc độ thấp và ứng dụng duyệt web Gần đây, các ứng dụng dựa trên video (ví dụ: Netflix, YouTube, trò chơi trực tuyến và ứng dụng xã hội) đã thúc đẩy sự tăng trưởng bùng nổ về lưu lượng dữ liệu Theo báo cáo hiện tượng Internet toàn cầu do công ty mạng Sandvine công bố vào năm 2018, một dịch vụ video như Netflix thực tế chiếm 15% tổng lưu lượng truy cập hướng xuống toàn bộ Internet [34] Nhu cầu truyền video ngày càng tăng này gây áp lực nghiêm trọng cho các mạng không dây do sự khan hiếm của phổ tần vô tuyến sẵn có, khiến việc cung cấp QoE cao cho người dùng không như mong đợi Ngoài ra, truyền video rất nhạy cảm với độ trễ vì nội dung video phải được phân phối trước một thời hạn nhất định, một sự biến động về tốc độ dữ liệu có thể dẫn đến các sự kiện bị đình trệ, làm suy giảm đáng kể QoE Do đó, việc đáp ứng nghiêm ngặt các yêu cầu về chất lượng trải nghiệm đối với loại lưu lượng như vậy đặt ra một thách thức lớn do phổ tần khan hiếm Từ đó, nhiều phương pháp tiếp cận mới đã được nghiên cứu để giải quyết vấn đề này và một giải pháp đầy hứa hẹn được các nhà nghiên cứu đề xuất là khai thác truyền thông D2D trong truyền video nhằm giảm tải cho mạng truyền thống và nâng cao chất lượng truyền video

2.2.1 Mô hình và phân loại

Về mô hình, video có thể được truyền điểm – điểm (unicast), điểm – đa điểm (multicast) và đa chặng (multihop) như được mô tả trong Hình 2.7 Trong đó unicast là việc video được nhận bởi một người nhận duy nhất trong khi multicast là việc video được nhận đồng thời bởi nhiều người Với multihop video được truyền qua nhiều chặng từ nguồn đến đích nhằm dàn trải việc tiêu thụ công suất cũng như hạn chế can nhiễu lên UE ở chế độ underlay IBD

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn

Về phân loại, việc truyền video được phân thành hai loại: phát trực tiếp hoặc phát theo yêu cầu (VoD), trong đó các video được lưu trữ và được gửi đến người yêu cầu khi cần thiết Do vậy, việc truyền video qua truyền thông D2D có thể được thực hiện thông qua nhiều kịch bản truyền khác nhau Bất kể kịch bản nào, các người dùng sẽ được nhóm lại theo một số tiêu chí nào đó Trong trường hợp sử dụng phương pháp lưu trữ với bộ nhớ cache, một thành viên trong cụm, được gọi là trưởng cụm (CH) hoặc nhiều thành viên có thể lưu trữ các video phổ biến để phân phối lại cho các thành viên khác khi cần Một kịch bản khác có thể xảy ra là CH được chọn và sẽ chịu trách nhiệm nhận luồng video trực tiếp từ MBS thông qua kết nối di động và chuyển tiếp nó đến người dùng đích tùy thuộc vào việc sử dụng unicast hay multicast Ngoài ra, kịch bản truyền đa chặng cũng có thể được áp dụng cho cả truyền video trực tiếp và truyền video theo yêu cầu Chế độ này được sử dụng khi khoảng cách giữa hai thiết bị D2D lớn hơn ngưỡng đã được xác định cụ thể

Hình 2.7 Mô hình hệ thống cho truyền video qua mạng D2D

2.2.2 Một số kết quả nghiên cứu trong truyền video qua mạng D2D

Việc truyền video từ thiết bị đến thiết bị (D2D) là một chủ đề rất phong phú và bao gồm sự giao thoa giữa các ý tưởng khác nhau Trong Hình 2.8, một biểu đồ sẽ tóm tắt những công trình và các lĩnh vực nghiên cứu chủ yếu trong truyền video qua mạng D2D

Hình 2.8 Các hướng nghiên cứu trong truyền video qua mạng D2D

2.2.2.1 Lưu trữ và truyền video trong mạng D2D

Có thể nhận thấy rằng lưu lượng dữ liệu toàn cầu tăng đáng kể một phần là do việc tải xuống trùng lặp các video phổ biến Do đó, phần lớn các công trình hiện có về truyền video qua mạng D2D đều đề xuất ý tưởng lưu vào bộ nhớ đệm các video phổ biến trong điện thoại thông minh và chia sẻ chúng với những người dùng khác thông qua mạng D2D để giảm lưu lượng truy cập Kỹ thuật lưu trữ video D2D khai thác bộ nhớ của điện thoại thông minh và hưởng lợi từ sự dư thừa trong nội dung video được yêu cầu Kỹ thuật lưu trữ trong mạng D2D giả định rằng các thiết bị di động tạo bộ nhớ đệm trong đó các video phổ biến được lưu trữ theo phân bổ xác suất cụ thể phản ánh mức độ phổ biến của chúng Phân phối Zipf-like thường được sử dụng để mô hình hóa mức độ phổ biến của video Khi người dùng yêu cầu một video được lưu trữ, nó có thể được nhận trực tiếp từ các thiết bị lân cận (offloading) mà không cần thông qua MBS

Các kỹ thuật lưu trữ có thể được phân loại thành lưu trữ theo xác suất và lưu trữ theo vị trí xác định Với lưu trữ theo xác suất, mỗi video được lưu trữ trong mạng D2D với một xác suất khác nhau tùy thuộc vào độ phổ biến của nó Với lưu trữ theo vị trí xác định, video được tập trung hóa tùy thuộc vào nơi thực hiện các quyết định về bộ nhớ lưu trữ và nơi tập trung các yêu cầu người dùng Trong kỹ thuật này, quyết định lưu trữ được thực hiện bởi một thực thể trung tâm (thường là MBS) Trong khi đó, đối với kỹ thuật lưu trữ theo xác suất, mỗi UE quyết định video được lưu vào bộ nhớ đệm độc lập Nội dung này sẽ được trình bày một cách chi tiết trong chương 3

2.2.2.2 Truyền video thời gian thực qua mạng D2D

Không giống như nội dung video được mã hóa trước, vốn rất phù hợp với kỹ thuật lưu trữ video D2D, phát video trực tiếp có một đặc điểm khác biệt chính, đó là giới hạn độ trễ Nghĩa là, mỗi gói tin phải được nhận và giải mã đúng thời gian mới có thể sử dụng được, nếu không sẽ coi như bị mất Gần đây, nhiều nghiên cứu đã xem xét việc truyền video trực tiếp, vốn rất nhạy cảm với độ ổn định và độ trễ, qua truyền thông D2D Chẳng hạn, giải pháp truyền video theo thời gian thực (ví dụ: đối với tin nóng hoặc sự kiện thể thao) tới một nhóm UE sử dụng hai giai đoạn truyền Các tác giả trong [38] đã trình bày một phương pháp nhằm mục đích giảm thiểu độ méo video trung bình bằng cách sử dụng mã hóa mạng (network coding) có thể giải mã ngay lập tức và các thuộc tính video thời gian thực Giai đoạn một, MBS phát các gói video tới tất cả các UE, nhưng do điều kiện mạng nên một số gói có thể bị mất Do đó, trong giai đoạn hai, các thiết bị hợp tác sử dụng truyền thông D2D để truyền tiếp các gói bị thiếu nhằm nâng cao chất lượng của video nhận được Hay bài toán phát trực tuyến theo thời gian thực khi nhiều thiết bị quan tâm đến việc nhận cùng một video trực tiếp cũng đã được nghiên cứu [39] Nghiên cứu này chia luồng video trực tiếp thành các khối, sau đó các khối lại được chia thành các phần nhỏ hơn Mỗi thiết bị được phép nhận các khối thông qua giao diện di động và D2D cùng một lúc Các tác giả cũng đề xuất một thuật toán để giảm thiểu việc truyền qua giao diện di động nhằm tiết kiệm chi phí trong khi thỏa mãn yêu cầu về QoE, được xác định theo số khối nhận được trung bình

Ngoài ra, kỹ thuật truyền điểm – đa điểm cũng được đề xuất như một phương pháp hiệu quả để truyền video thời gian thực tới một nhóm UE [40] Hầu hết các công trình được trình bày đều nghiên cứu kỹ thuật phân cụm từ góc độ tiêu thụ năng lượng Trong bối cảnh này, nghiên cứu sâu hơn về hấp thu năng lượng (energy harvesting) cho các cụm trưởng có thể là một hướng nghiên cứu hữu ích

2.2.2.3 Quản lý can nhiễu trong truyền video qua mạng D2D

Việc giới thiệu truyền thông D2D đặt ra nhiều thách thức khác nhau bao gồm lựa chọn chế độ, quản lý nhiễu cũng như phát hiện và bảo mật thiết bị Một vấn đề quan trọng cần được giải quyết trong các mạng di động làm nền tảng cho truyền thông D2D là sự can nhiễu lẫn nhau giữa các liên kết D2D và UE để duy trì mức QoS thích

HVTH: Lâm Văn Việt hợp Rõ ràng, việc tích hợp truyền thông D2D vào mạng di động sẽ tạo ra hai loại nhiễu, đó là nhiễu đồng lớp và nhiễu xuyên lớp Nhiễu đồng lớp là sự can nhiễu giữa các cặp D2D khi nhiều cặp chia sẻ cùng một tài nguyên trong khi nhiễu xuyên lớp xảy ra giữa D2D và UE khi các cặp D2D sử dụng lại cùng một tài nguyên được phân bổ cho UE Hai loại nhiễu này có thể xảy ra giữa những người dùng trong cùng cell; nhiễu giữa các cell hoặc giữa những người dùng từ các cell lân cận Do đó, một số bài toán về quản lý nhiễu đã được đề xuất Các cơ chế này nhắm mục tiêu phân bổ tài nguyên vô tuyến (công suất và băng thông) cho người dùng D2D và UE một cách hiệu quả để giảm mức độ can nhiễu Điều này cũng sẽ tối đa thông lượng hệ thống và bảo toàn năng lượng Để giảm thiểu can nhiễu giữa các cặp D2D trong cùng cell, một số giải pháp đã được đề xuất Một số nhà nghiên cứu đề xuất giải pháp chỉ cho phép một đường truyền D2D hoạt động trên mỗi cụm trong mỗi khe thời gian [41] Những tác giả khác đã sử dụng truyền thông D2D ngoài băng tần dưới dạng Wi-Fi Direct để tránh hoàn toàn nhiễu cho các UE [42] Ngoài ra, trong [43] các tác giả bỏ qua hoàn toàn sự tồn tại của nhiễu giữa các liên kết di động và D2D của các cell Ví dụ, một phương pháp giả định rằng nhiễu giữa các cell là nhỏ và có thể bỏ qua hoặc nhiễu giữa các cell được bỏ qua thông qua việc điều chỉnh công suất truyền sao cho vùng phủ sóng của cụm được giới hạn bởi bán kính nào đó

Thừa nhận sự tồn tại của nhiễu giữa các cell, nhiều công trình đã đề xuất sử dụng điều khiển công suất để hạn chế mức độ của nó Như trong [44] đề xuất phương án khi máy phát và máy thu ở gần nhau, việc truyền D2D được bật và MBS chỉ định tần số đường lên tái sử dụng cho liên kết D2D trong khi vẫn duy trì kết nối di động Sau đó, thuật toán điều khiển công suất được sử dụng để hạn chế nhiễu giữa liên kết di động và D2D ở một ngưỡng cụ thể

Một cách tiếp cận khác để xử lý nhiễu đã được đề xuất mà ý tưởng chính là kiểm soát mức độ nhiễu giữa D2D và UE dựa trên độ quan trọng của khung hình video được truyền đi [45] Cụ thể, dựa trên việc dữ liệu thuộc về khung I-, P- hay B Các tác giả đã xem xét một mô hình mạng bao gồm một UE đang tải video lên mạng và một người dùng D2D đang truyền đồng thời lưu lượng dữ liệu đến người dùng lân cận của nó Bộ phát D2D điều chỉnh xác suất truyền tùy thuộc vào loại khung được UE tải lên

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn với giả định rằng bất kỳ hư hỏng nào trong khung I sẽ ảnh hưởng đến toàn bộ nhóm ảnh (GoP) Các tác giả đã xây dựng một bài toán tối ưu bằng cách sử dụng quy trình Markov để tối đa thông lượng của liên kết D2D bị hạn chế nhằm đạt được tỷ lệ tín hiệu trên tạp âm (PSNR) tối thiểu cho video được UE tải lên mạng

Tóm lại, mặc dù nhiều phương pháp giảm thiểu nhiễu được nghiên cứu và thảo luận tương tự như các kỹ thuật quản lý nhiễu thông thường nhưng các kỹ thuật mới cũng đã được đề xuất để giảm nhiễu dựa trên các đặc điểm video như loại khung được truyền đi Ngoài ra, hầu như tất cả các công trình được thảo luận đều tập trung vào ăng-ten đa hướng Tuy nhiên, các kế hoạch quản lý nhiễu đối với nhiễu định hướng trong các hệ thống di động dựa trên mmWave thế hệ tiếp theo có thể là hướng nghiên cứu trong tương lai cần được xem xét

2.2.2.4 Kỹ thuật lựa chọn chế độ trong truyền video qua mạng D2D

Như đã đề cập, có ba chế độ hoạt động cho truyền thông D2D: overlay (dành riêng), underlay (tái sử dụng) và truyền thông di động thông thường Lựa chọn chế độ xác định nên sử dụng tài nguyên dành riêng hay tái sử dụng Chủ đề này nhận được sự quan tâm nghiên cứu đáng kể và thường được nghiên cứu chung với việc điều khiển công suất, phân bổ tài nguyên hoặc phân kênh Điều quan trọng cần lưu ý là nó không dành riêng cho truyền video D2D nhưng được trình bày trong các trường hợp khác nhau Phần này sẽ chỉ tập trung vào các công việc xem xét lựa chọn chế độ trong trường hợp truyền video qua mạng D2D

Mô hình méo – tốc độ và phân bố Zipf-like

2.3.1 Mô hình méo – tốc độ

Mô hình méo – tốc độ (RD) là một khái niệm cơ bản trong lý thuyết thông tin và xử lý tín hiệu, đặc biệt trong lĩnh vực nén dữ liệu video Nó thể hiện mối quan hệ giữa độ méo khôi phục và tốc độ bit (tức là tốc độ bit mã hóa) của video

Giả sử có hai tốc độ bit R1 và R2 khác nhau thì độ méo khôi phục tương ứng D1 và D2 quan hệ với nhau như mô tả trong Hình 2.9 Tốc độ bit càng lớn thì độ méo càng nhỏ và ngược lại Độ méo được định nghĩa là sai số giữa tín hiệu gốc và phiên bản được tái tạo của nó, và thường được tính bằng sai số bình phương trung bình (MSE):

=  − (2.1) trong đó, LxW là kích thước của khung ảnh; A là khung ảnh gốc được mã hóa ở tốc độ cao nhất (độ phân giải cao nhất) và A’ là khung ảnh được khôi phục

Có nhiều mô hình RD đã được đề xuất để tối ưu và đánh giá chất lượng video trong các ứng dụng trực tuyến Tùy thuộc vào các điều kiện khác nhau về

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn tốc độ truyền, thời gian và độ chính xác của dữ liệu mà một mô hình tương ứng sẽ được áp dụng

Phân tích đặc tính RD sẽ hỗ trợ cho bài toán tối ưu các tốc độ mã hóa bit để giảm thiểu sự méo dạng video trong quá trình cung cấp các dịch vụ video trực tuyến cùng lúc cho nhiều người sử dụng Dựa vào phân tích này, quá trình đóng gói video sẽ được tối ưu để đảm bảo được chất lượng thu được là tốt nhất

Mức độ mã hóa của chuẩn video HEVC mang lại hiệu quả cao hơn so với các chuẩn khác vì nó làm giảm đáng kể tỷ lệ các bit mã hóa với cùng một yêu cầu về độ méo khôi phục, đồng thời thích ứng với các điều kiện truyền video đa dạng và phức tạp (lỗi truyền, băng thông giới hạn, và trễ đa chặng) đến nhiều thiết bị di dộng có độ phân giải khác nhau Để mô tả và phân tích đặc tính RD của video, nghiên cứu trong [8] đã đề xuất sử dụng mô hình RD được mô tả bằng biểu thức sau:

D= R  (2.2) trong đó, các tham số γ và β được xác định sao cho (2.2) càng tiến gần đến mô hình RD thực tế càng tốt

Hình 2.10 Mô hình RD phân tích thực tế và mô hình RD đề xuất

HVTH: Lâm Văn Việt Độ chính xác của mô hình được thể hiện như trong Hình 2.10 khi tiến hành phân tích 2 video BasketballDrill (CIF, 832x480, 501 khung hình, 293085KB, hình trên với γ = 6.144e+04 và β = -0.9634) và PeopleOnStreet (CIF, 2560x1600, 21 khung hình, 126976KB, hình dưới với γ = 1.197e+06 và β

= -1.116) Kết quả phân tích cho thấy mô hình RD đề xuất phù hợp với mô hình thực tế.

2.3.2 Phân bố Zipf – like cho lưu trữ video

Phân bố Zipf là một mô hình thống kê được đặt tên theo người thống kê người

Mỹ George Zipf Phân phối Zipf là phân phối xác suất rời rạc mô tả tần suất xuất hiện của các phần tử khác nhau trong tập dữ liệu, chẳng hạn như các từ trong văn bản, dựa trên thứ hạng hoặc tần suất của chúng Nó tuân theo mối quan hệ luật lũy thừa, nghĩa là xác suất quan sát được phần tử phổ biến thứ i tỷ lệ nghịch với hạng i của nó

Hàm khối lượng xác suất (PMF) của phân phối Zipf được cho bởi:

Trong đó: o x là thứ hạng của phần tử o s là thông số tỷ lệ xác định hình dạng của phân bố o N là tổng số phần tử trong tập dữ liệu

Mô hình phân bố Zipf thường được sử dụng trong nhiều lĩnh vực, bao gồm xử lý ngôn ngữ tự nhiên, hệ thống thông tin, và kinh tế học

Trong lĩnh vực lưu trữ nội dung, các tác giả trong [52] đã đề xuất mô hình phân bố Zipf-like thường được áp dụng để mô hình hóa hành vi truy cập của người dùng đối với các video Cụ thể, khi người dùng truy cập vào một dịch vụ streaming video như YouTube hoặc Netflix, họ thường chọn xem một số video phổ biến hơn so với các video khác Điều này tạo ra một phân bố dữ liệu với một số video được truy cập thường xuyên hơn các video khác, công thức để xác định độ phổ biến của video thứ i trong một tập có I video như sau:

= (2.4) trong đó  0, là hệ số mô tả độ sai lệch phổ biến giữa các video khác nhau, phản ánh mô hình phổ biến của các video theo hành vi truy cập của UE Ví dụ:  =0 đại diện cho một mẫu đặc biệt khi tất cả các video đều có mức độ phổ biến như nhau là 1/I Trong khi đó, việc  tăng lên làm cho mô hình phổ biến bị lệch nhiều hơn giữa video phổ biến cao hơn và video phổ biến thấp hơn Có thể dựa trên mô hình phân bố Zipf- like này mà hệ thống lưu trữ thay đổi các chính sách trong lưu trữ như ưu tiên lưu trữ các video có xác suất cao hơn được truy cập trong tương lai; hệ thống có thể điều chỉnh kích thước của cache để đảm bảo rằng các video phổ biến nhất được lưu trữ trong cache, tối ưu hiệu suất của hệ thống Hay trong các hệ thống adaptive streaming, phân bố Zipf-like có thể được sử dụng để quản lý việc chọn lựa chất lượng video dựa trên sự thay đổi của băng thông và nhu cầu của người dùng Các video có xác suất cao hơn được truy cập sẽ được ưu tiên cung cấp với chất lượng cao hơn

2.4 Thách thức và hướng nghiên cứu về truyền video trong mạng D2D

2.4.1 Thách thức và hướng nghiên cứu tiềm năng của truyền thông D2D

Truyền thông D2D là một đề tài tương đối mới và còn rất nhiều khía cạnh chưa được khám phá trong lĩnh vực này Mặc dù truyền thông D2D vẫn đang trong giai đoạn phát triển nhưng đã thu hút sự quan tâm của 3GPP và được đưa vào nghiên cứu Gần đây, 3GPP đã quyết định trọng tâm của D2D trong mạng LTE sẽ là các mạng an toàn công cộng Bên cạnh đó, Qualcomm cũng đã thể hiện sự quan tâm đến công nghệ này và họ cũng đã phát triển một giao diện thử nghiệm cho truyền thông D2D trong mạng di động có thể được sử dụng trong các tình huống khác nhau như mạng xã hội, chia sẻ nội dung, v.v Điều này khẳng định rằng truyền thông D2D không chỉ là một chủ đề nghiên cứu mới mẻ trong giới học thuật mà còn nhận được sự quan tâm đến từ ngành công nghiệp

Tuy nhiên, việc triển khai truyền thông D2D trong mạng di động vẫn đối diện với nhiều thách thức Ví dụ, các nhà khai thác đã quen với việc kiểm soát tài nguyên phổ tần và cách sử dụng chúng Vì vậy, việc triển khai thành công D2D sẽ phải theo hướng cho phép các nhà khai thác sử dụng hiệu quả phổ tần mà không bị tước quyền

HVTH: Lâm Văn Việt kiểm soát mạng của họ Mặc dù còn một số thách thức mà truyền thông D2D đang phải đối mặt sẽ trình bày chi tiết, nhưng truyền thông D2D sẽ trở thành một phần thiết yếu của truyền thông di động trong những năm tới

2.4.1.1 Các thách thức của truyền thông D2D

Mặc dù truyền thông D2D thu hút nhiều sự chú ý và quan tâm trong giới học thuật, ngành công nghiệp và các tổ chức tiêu chuẩn hóa, nhưng nó sẽ không được tích hợp vào cơ sở hạ tầng truyền thông hiện tại cho đến khi các thách thức mà truyền thông D2D phải đối mặt được giải quyết Như đã trình bày, truyền thông D2D giới thiệu một mô hình và tiêu chuẩn mới có thể được tích hợp trong các mạng di động hiện đại, trong đó, nó có thể tạo điều kiện trao đổi dữ liệu được cải thiện giữa các thiết bị gần nhau Việc cải thiện hiệu suất mạng là cần thiết và liên tục Do đó, các nhà khai thác di động liên tục phát triển các công nghệ hỗ trợ các dịch vụ ở khoảng cách gần bằng cách cải tiến các công nghệ truyền thông D2D Những thách thức đối với kỹ thuật truyền thông D2D trong B5G gồm sáu vấn đề chính khác nhau, đó là: phân bổ tài nguyên phổ vô tuyến, quản lý nhiễu, khả năng tương thích giữa các thiết bị trong mạng không đồng nhất, lựa chọn chế độ, bảo mật và tính di động i Phân bổ tài nguyên vô tuyến: Đây là một khía cạnh quan trọng trong truyền thông D2D, đặc biệt dành cho IBD Có thể cải thiện hiệu quả phổ tần và năng lượng bằng cách quản lý nhiễu đồng kênh Phân bổ tài nguyên cho D2D băng rộng đơn giản bao gồm việc tránh các băng tần ISM hiện đang được sử dụng bởi những người dùng D2D khác, các điểm truy cập WiFi, v.v Đối với các định hướng trong tương lai, cần có các kỹ thuật phân bổ tài nguyên hiệu quả để đáp ứng các yêu cầu của B5G trở lên nhằm giảm thiểu tình trạng quá tải tín hiệu trong mạng di động (trạm gốc), đạt được tốc độ dữ liệu người dùng chấp nhận được, tối đa thông lượng mạng và đáp ứng nhu cầu QoS ii Quản lý can nhiễu:

Tổng kết chương 2

Chương 2 đã giới thiệu truyền thông D2D như là một công nghệ mới nổi và đầy hứa hẹn, đồng thời là yếu tố quan trọng để đáp ứng các yêu cầu của mạng thế hệ tiếp theo B5G/6G và là ứng cử viên hàng đầu cho truyền thông ngắn trong tương lai Truyền thông D2D có các tính năng và lợi thế tương đối có giá trị Các thiết bị có thể giao tiếp trực tiếp mà không cần chuyển tiếp tín hiệu thông tin qua MBS, như trong các mạng di động không dây thông thường Truyền thông D2D cung cấp năng lượng cao và hiệu quả phổ, cùng với cơ sở hạ tầng linh hoạt và độ trễ thấp Nó có thể được triển khai trong nhiều ứng dụng dịch vụ dữ liệu và thoại cục bộ, chơi game trực tuyến, M2M, mạng khẩn cấp, đặt biệt là truyền video và các ứng dụng mới khác trong các mạng thế hệ tương lai

Truyền thông D2D được trình bày như một giải pháp chính để nâng cao hiệu suất của mạng di động truyền thống Trong thập kỷ qua, các ứng dụng đa phương tiện đã tạo thành động lực chính cho nhu cầu ngày càng tăng về lưu lượng dữ liệu di động

HVTH: Lâm Văn Việt và D2D được đề xuất như một kỹ thuật mới cho mạng không dây và thực sự có thể được khai thác để đạt được truyền video chất lượng cao Một số kỹ thuật đã được thảo luận liên quan đến việc kết hợp kỹ thuật lưu trữ video với truyền thông D2D, quản lý tài nguyên, quản lý nhiễu, lựa chọn chế độ và sơ đồ phát trực tuyến nhận biết chất lượng video

Ngoài ra, chương 2 cũng đã giới thiệu mô tả đặc tính méo – tốc độ, thể hiện mối liên hệ giữa tốc độ truyền tải và độ méo dạng của khung ảnh video được tái tạo tương ứng Mô hình phân bố Zipf-like cũng được trình bày, nhằm tìm kiếm mô hình phổ biến của các video theo hành vi truy cập của UE Trên cơ sở đó, hệ thống lưu trữ có các chính sách ưu tiên phù hợp cho các video có xác suất truy cập cao hơn, đồng thời có thể điều chỉnh kích thước của bộ lưu trữ để đảm bảo rằng các video phổ biến nhất luôn được lưu trữ, nhằm tối ưu hóa hiệu suất của hệ thống

Bên cạnh một số thách thức, các hướng nghiên cứu tiềm năng của truyền thông D2D cũng đã được trình bày trong chương này Việc sử dụng công nghệ truyền thông D2D trong mạng B5G/6G tương lai trở nên hấp dẫn và thu hút được sự chú ý của các nhà nghiên cứu, tuy nhiên, nó cũng đòi hỏi sự kết hợp tiềm năng của D2D với các công nghệ tiên tiến như THz, NS, CN, MEC, và AI Do đó, cần có nhiều nghiên cứu hơn về truyền thông D2D để đáp ứng các yêu cầu mạng B5G/6G trong tương lai

CÁC KỸ THUẬT LƯU TRỮ VÀ PHÂN PHỐI TÀI NGUYÊN

Kỹ thuật lưu trữ video trong mạng D2D

Lưu lượng dữ liệu toàn cầu tăng đáng kể một phần là do việc tải xuống (downloading) trùng lặp của các video phổ biến [34] Đa số các nghiên cứu hiện nay về truyền video qua truyền thông D2D đều đề xuất ý tưởng lưu trữ các video phổ biến trong thiết bị di động và chia sẻ chúng với người dùng khác qua truyền thông D2D (offloading) để giảm lưu lượng tải xuống Kỹ thuật lưu trữ này khai thác dung lượng bộ nhớ lớn và tính sẵn có về nội dung được yêu cầu trong thiết bị di động

Hầu hết các kỹ thuật lưu trữ D2D đều dựa trên phân cụm, trong đó, một cell được chia thành các cụm (cluster) với kích thước bằng nhau (Hình 3.1) Mỗi cụm có một trưởng cụm (CH) và các thành viên cụm Người dùng trong cùng một cụm có thể giao tiếp và trao đổi video với nhau thông qua liên kết D2D Khi người dùng yêu cầu một video cụ thể từ mạng và MBS phát hiện rằng nó đã được lưu vào bộ nhớ đệm bởi một trong các thành viên cụm của người yêu cầu và khoảng cách giữa chúng nhỏ hơn khoảng cách cộng tác cụ thể nào đó, thì video sẽ được truyền bằng liên kết D2D trực tiếp Chế độ truyền này được gắn nhãn là truyền D2D trực tiếp và khoảng cách cộng tác thường được xác định theo công suất truyền Khi người dùng trong cùng một cụm lưu video vào bộ nhớ đệm nhưng khoảng cách giữa cặp lớn hơn khoảng cách cộng tác, dữ liệu sẽ truyền đa chặng giữa các cặp thành viên Để tránh nhiễu, các nhà nghiên cứu thường giả sử rằng chỉ có một cặp D2D có thể hoạt động trong mỗi cụm Nếu một cụm chứa ít nhất một liên kết D2D thì cụm đó được coi là đang hoạt động Trong trường hợp một video được yêu cầu không có sẵn trong vùng lân cận của thiết bị yêu cầu, MBS có thể lấy video đó từ một cụm khác và chuyển tiếp nó đến người yêu cầu thông qua sự hợp tác giữa các cụm trưởng Đặc biệt, nếu người yêu cầu đã lưu video vào bộ nhớ đệm trước đó thì đây được gọi là truyền tự yêu cầu và tự phục vụ (self-offloading) Rõ ràng, khi kích thước cụm tăng lên thì khả năng tái sử dụng nội dung video cao, nhưng khả năng tái sử dụng phổ giảm và ngược lại đối với khi kích thước cụm giảm xuống Do đó, kích thước cụm là sự cân bằng giữa tái sử dụng phổ và tái sử dụng nội dung video

Hình 3.1 Cơ chế phân cụm và truyền video trong mạng lưu trữ D2D

Các chiến lược lưu trữ khác nhau đã được nghiên cứu dựa trên việc xem xét hai khía cạnh, vị trí lưu trữ cũng như khả năng phân phối nội dung Giai đoạn xác định vị trí đề cập đến quyết định video nào sẽ được lưu ở đâu, trong MBS hoặc UE nào Trong giai đoạn phân phối nội dung, mạng quyết định cách gửi video và thiết lập các tham số truyền khác nhau, ví dụ: công suất truyền và phân bổ kênh

Các kỹ thuật lưu trữ điển hình bao gồm lưu trữ theo vị trí xác định và lưu trữ theo xác suất Kỹ thuật lưu trữ theo vị trí xác định triển khai lưu nội dung ở các vị trí ổn định như tại các trạm gốc Trong khi đó, kỹ thuật lưu trữ theo xác suất triển khai ở các vị trí động của mạng D2D, nơi mà các UE có thể tham gia/rời mạng một cách ngẫu nhiên Nhược điểm của kỹ thuật lưu trữ theo vị trí xác định là nó yêu cầu MBS biết về vị trí của tất cả người dùng và thông tin trạng thái kênh (CSI) của họ, điều này làm tăng tải báo hiệu Ngược lại, trong kỹ thuật lưu trữ theo xác suất, mỗi người dùng sẽ quyết định một cách độc lập về video nào sẽ được lưu vào bộ nhớ đệm Kỹ thuật lưu trữ này phù hợp với người dùng có tính di động cao và nó làm giảm chi phí báo hiệu, tuy nhiên, nó có thể làm giảm hiệu quả của việc lưu trữ và dẫn đến sự chồng chéo và trùng lặp nội dung lưu trữ

3.1.1 Lưu trữ theo vị trí xác định

Kỹ thuật lưu trữ theo vị trí xác định giả định rằng vị trí và CSI của người dùng được MBS biết trước và do đó, các quyết định về lưu trữ có thể được thực hiện tập trung tại MBS Một trong những đề xuất theo chiến lược này là lưu trữ dựa trên cụm với kiến trúc D2D hợp tác giữa các cụm với mục tiêu giảm thiểu độ trễ mạng [41] Khi đó, cell sẽ được chia thành các cụm nhỏ hơn với kích thước bằng nhau và người dùng trong cụm có thể giao tiếp trực tiếp thông qua các kết nối dành riêng Khi nội dung video được yêu cầu không có sẵn trong cụm, nhờ sự hợp tác giữa các cụm được cho phép, MBS sẽ lấy video từ một cụm khác và gửi nó đến người yêu cầu

Một đề xuất khác là giải pháp lưu trữ hợp tác [53], có nghĩa là kỹ thuật lưu trữ theo vị trí xác định mà trong đó mỗi MBS đưa ra quyết định về video nào sẽ được lưu vào bộ đệm dựa trên mức độ phổ biến của nó Và để đạt được hiệu quả hơn, giải pháp này còn xây dựng kỹ thuật lưu trữ nhiều tầng trong đó ba loại hợp tác lưu trữ cùng tồn tại bao gồm: giữa các BS, giữa các thiết bị và giữa các tầng Hay giải pháp khác là phân cụm cũng được triển khai [54], trong đó người dùng D2D được chia thành các cụm và các dải tần số khác nhau được gán cho các liên kết D2D hợp tác và không hợp tác để tránh nhiễu Các tác giả đã tối ưu kích thước cụm và băng thông được phân bổ cho các liên kết D2D với mục tiêu cực đại thông lượng hệ thống với ràng buộc về tốc độ yêu cầu tối thiểu

Hình 3.2 Mô hình kỹ thuật lưu trữ theo vị trí xác định đa tầng

Kỹ thuật lưu trữ theo vị trí xác định có thể được thực hiện chỉ tại một tầng, hoặc tại MBS (tại macro tier) hoặc tại tầng SBS (Micro/Femto/Pico cell) hoặc tại tầng người dùng di động (user tier) ít di chuyển, năng lượng dồi dào và có khả năng lưu trữ (CU – Caching User) như Hình 3.2 [8]; hoặc có thể được triển khai cộng tác đa tầng, nghĩa là việc lưu trữ và truyền trữ video được thực hiện kết hợp tại hai hoặc nhiều tầng trong mạng Trong lưu trữ đa tầng, kỹ thuật sẽ phức tạp hơn so với đơn tầng, tuy nhiên, nội dung được phân phối linh động đến UE với chất lượng cao hơn Nghĩa là các tầng sẽ phối hợp với nhau trong quá trình lưu trữ và chia sẻ tài nguyên để phục vụ UE một cách tốt nhất với hiệu quả sử dụng tài nguyên cao nhất

3.1.2 Lưu trữ theo xác suất Đối với lưu trữ theo xác suất, các hệ thống D2D dựa trên việc lưu trữ tạm thời giả định rằng các thiết bị di động tạo ra bộ nhớ cache trong đó các video phổ biến được lưu trữ theo xác suất cụ thể phản ánh sự phổ biến của video Phân phối Zipf-like thường được sử dụng để mô hình hóa sự phổ biến của các video Khi người dùng yêu cầu một video đã được lưu trữ trong bộ nhớ cache, nó có thể được nhận trực tiếp từ các thiết bị gần kề (offloading) mà không cần thông qua MBS

Hầu hết các nghiên cứu đều xem kỹ thuật lưu trữ theo xác suất là lựa chọn chiến lược vì nó phù hợp hơn với đặc điểm của mạng D2D - nơi các thiết bị có thể rời khỏi và tham gia vào mạng bất kỳ lúc nào Một số nghiên cứu đã tập trung vào việc tìm xác suất lưu trữ của mỗi nội dung để nâng cao xác suất truy cập nội dung lưu trữ thành công (cache hit probability), thông lượng hệ thống có lưu trữ, và/hoặc xác suất truyền thành công có lưu trữ [9], [10] Hoặc kết hợp lưu trữ theo xác suất với các kỹ thuật khác như phân vùng phổ, truy cập kênh, hấp thu năng lượng vô tuyến và các cơ chế truyền, để cải thiện hơn nữa hiệu suất của hệ thống [11] - [17]

Hiệu suất mạng dựa trên phân cụm lưu trữ theo xác suất với truyền thông D2D được thảo luận trong nghiên cứu [55] Trong đó, các tác giả đã sử dụng mô hình phân cụm dựa trên lưới, mạng được chia thành các cụm nhỏ có kích thước bằng nhau Để tránh nhiễu, các tác giả giả định rằng chỉ cho phép một liên kết tiềm năng trong một cụm và nhiễu giữa các cụm được giảm thiểu bằng cách sử dụng kỹ thuật TDMA (Time Division Multiple Access) với việc tái sử dụng không gian Một kỹ thuật lưu trữ theo xác suất khác cũng được đề xuất [56], trong đó, các chính sách phân phối và vị trí bộ

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn nhớ đệm được tối ưu đồng thời để cực đại độ lợi giảm tải (offloading gain) Mức giảm tải được định nghĩa là xác suất mà người dùng có thể truy xuất video mong muốn được lưu vào bộ nhớ đệm của các thiết bị lân cận với thông lượng lớn hơn ngưỡng định xác định Đối với chiến lược phân phối nội dung, các tác giả cho rằng chỉ những người trợ giúp có khoảng cách nhỏ hơn khoảng cách cộng tác với người yêu cầu mới có thể đóng vai trò là người phát Lập lịch ngẫu nhiên cũng được áp dụng khi việc truyền xảy ra theo các khe thời gian và mỗi máy phát sẽ chọn một khe thời gian một cách độc lập để truyền qua và tạm ngưng truyền trong khoảng thời gian còn lại

Một giải pháp khác về lưu trữ hợp tác theo xác suất trong đó cả bộ nhớ đệm MBS và D2D cùng tồn tại cũng được thảo luận và đề xuất [57] Các tác giả đã xây dựng một biểu thức cho xác suất truyền thành công, biểu thị xác suất nội dung video được truyền thành công trong một khoảng thời gian nhất định Người yêu cầu có thể lấy video thông qua truyền thông D2D hoặc từ MBS Kết quả cho thấy cơ chế lưu trữ hợp tác có thể cải thiện khả năng offloading bằng cách giảm sự dư thừa giữa MBS và thiết bị Hay các tác giả khác đã xây dựng một bài toán điều khiển công suất kết hợp lập lịch liên kết D2D để cực đại tổng thông lượng hệ thống [58] Trong nghiên cứu này, hệ thống lưu trữ ngẫu nhiên D2D một chặng được xem xét, trong đó, người dùng có thể lấy các video từ bộ nhớ của chính mình, từ người dùng lân cận thông qua liên kết D2D hoặc trực tiếp từ MBS Bài toán được chia thành hai bài toán con, bài toán lập lịch liên kết D2D và bài toán phân phối công suất Thuật toán lập lịch D2D để tối đa hóa số lượng cặp D2D được lên lịch theo tỷ lệ tín hiệu trên nhiễu và can nhiễu (SINR) Ngoài ra, các hạn chế về công suất truyền đã được khắc phục bằng thuật toán phân phối công suất để cực đại thông lượng tối thiểu của người dùng D2D được lên lịch

3.1.3 Một số kỹ thuật lưu trữ khác

Bên cạnh các nghiên cứu tập trung vào hai loại chính ở trên, một số nghiên cứu khác về kỹ thuật lưu trữ có xem xét đến sở thích, phân lớp mã hóa video (mã hóa đa tốc độ), tiết kiệm năng lượng, chính sách ưu đãi, … sẽ được trình bày dưới đây

3.1.3.1 Lưu trữ theo nhận thức về sở thích

Như đã trình bày, việc cải thiện lưu trữ nội dung video đã được nghiên cứu rộng rãi, tuy nhiên, các cơ chế lưu trữ được đề xuất giả định kiến thức về mức độ phổ biến của nội dung và áp dụng mô hình phổ biến đồng nhất Giả định này không trực quan vì

HVTH: Lâm Văn Việt những người dùng khác nhau có thể có những sở thích khác nhau Do đó, một số phương pháp đề xuất tối ưu hóa chính sách lưu trữ bằng cách tìm hiểu sở thích của người dùng Một ví dụ về kỹ thuật này đề xuất như sau [59]: các tác giả giả định rằng mạng không có kiến thức trước về mức độ phổ biến của nội dung video và đề xuất thuật toán lưu trữ dựa trên việc học để ước tính hàm cường độ của các yêu cầu video bằng cách sử dụng bộ ước lượng Kernel Thuật toán nhằm mục đích xác định bộ kết hợp lưu trữ (video, người dùng) tốt nhất để giảm thiểu độ trễ mạng Ở giai đoạn đầu của thuật toán, tất cả các bộ lưu trữ được coi là trống và tất cả người dùng đều giao tiếp với MBS Trong các giai đoạn tiếp theo, thuật toán học được thực hiện để tìm ra cặp (video, người dùng) tốt nhất giúp giảm thiểu độ trễ trung bình và bộ đệm của mỗi người dùng được cập nhật mỗi chu kỳ dựa trên trạng thái bộ đệm cuối cùng

3.1.3.2 Lưu trữ video có phân lớp mã hóa

Kỹ thuật phân phối tài nguyên trong mạng D2D

Vấn đề can nhiễu của truyền thông D2D phức tạp hơn so với truyền thông không dây thông thường Do đó, làm thế nào để phối hợp giữa vấn đề can nhiễu với yêu cầu tốc độ dữ liệu cao hơn dưới các ràng buộc về tiêu thụ năng lượng, hiệu quả sử dụng phổ tần trở thành một bài toán khó Giải pháp được tìm thấy trong nhiều kỹ thuật phân phối tài nguyên trong mạng D2D, mà trong đó mỗi kỹ thuật sẽ giải quyết một hoặc nhiều vấn đề cơ bản trong hệ thống

Trong phần này, các kỹ thuật phân bổ tài nguyên trong truyền thông D2D dựa trên các hàm mục tiêu và các ràng buộc khác nhau của bài toán phân bổ tài nguyên Các mục tiêu và ràng buộc này có thể được chia thành bốn loại lớn: công suất, phổ, thông lượng và một nhóm các mục đích khác như trong Hình 3.3 [63]

Hình 3.3 Các loại mục tiêu của phân phối tài nguyên trong mạng D2D

Một trong những mục tiêu phổ biến nhất của phân phối tài nguyên trong truyền thông D2D là hiệu suất sử dụng công suất (power efficiency) hay hiệu suất sử dụng năng lượng (energy efficiency) Các ràng buộc có thể được xét đến bao gồm tổng công suất tiêu thụ hoặc tổng công suất phát Với sự phát triển nhanh chóng theo cấp số nhân của các thiết bị di động và vấn đề biến đổi khí hậu do lượng khí thải carbon ngày càng tăng, việc phân phối và sử dụng công suất một cách hiệu quả hiện nay đã thu hút được sự quan tâm của nhiều người Bên cạnh đó, các nhà khai thác cũng muốn tiết kiệm và cắt giảm chi phí nhiều nhất có thể, vì vậy việc kiểm soát công suất một cách hiệu quả trở thành yếu tố cực kỳ quan trọng đối với tương lai hoạt động kinh doanh của họ cũng như đối với tương lai của môi trường

Một vấn đề quan trọng khác trong phân phối tài nguyên trong mạng D2D là tối ưu hóa việc sử dụng phổ tần vốn đang rất khan hiếm và một phần lớn trong số đó đã được sử dụng và chiếm dụng Song song đó, nhu cầu về tốc độ dữ liệu cao hơn và sự gia tăng của các thiết bị di động là không thể ngăn cản được Đối mặt với thách thức này, các kỹ thuật phân phối tài nguyên phổ phải đưa ra những ý tưởng mới để tận dụng hiệu quả các nguồn lực hạn chế thông qua chiến lược phân phối hợp lý hoặc các cơ chế tái sử dụng cũng như kế hoạch mở rộng phổ tần (THz)

Thông lượng rõ ràng cũng là một trong những khía cạnh quan trọng khi xác định hiệu quả của một hệ thống Trên thực tế, làm thế nào để cung cấp thông lượng cao với chi phí thấp là câu hỏi xuyên suốt toàn bộ quá trình phát triển của ngành viễn thông Trong hệ thống truyền thông B5G/6G, tốc độ dữ liệu cao nhất có thể trên 10 Gbps và dung lượng mạng được cho là gấp 10.000 lần dung lượng hiện tại để hỗ trợ số lượng thiết bị dồi dào Ngoài ra, tất cả các nhà khai thác đang cố gắng nỗ lực để trở thành người đứng đầu trong cuộc cạnh tranh khốc liệt này xem ai có thể cung cấp tốc độ truyền tải di động nhanh nhất Do đó, thông lượng cũng là vấn đề cốt lõi trong truyền thông D2D được xem xét dưới dạng hàm mục tiêu và ràng buộc như tốc độ tổng (sum rate), dung lượng hệ thống, thông lượng kênh, v.v

Bên cạnh ba loại mục tiêu chính nêu trên được xem xét trong việc đề xuất các kỹ thuật, vẫn còn nhiều mục đích khác trong các bài toán phân phối tài nguyên Trong phần này, các yếu tố tối ưu hóa bao gồm link budget, lợi ích hệ thống (system utility), nhiễu, độ trễ, QoS, doanh thu, v.v Ví dụ, một nghiên cứu [64] đã đề xuất kỹ thuật phân phối tài nguyên tập trung vào việc nâng cao link budget và do đó tăng bán kính vùng phủ sóng của MBS.

Một số các kỹ thuật kết hợp giữa lưu trữ và phân phối tài nguyên

3.3.1 Phân phối tài nguyên đường xuống hiệu quả về năng lượng cho các mạng di động có hỗ trợ D2D với kỹ thuật lưu trữ biên

Việc sử dụng kỹ thuật lưu trữ có thể cải thiện tốc độ truyền video nhưng nó

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn cũng làm tăng mức tiêu hao công suất do nhiễu đồng kênh Vì vậy, cần phải xem xét sự cân bằng giữa việc tăng tốc độ dữ liệu và mức tiêu thụ công suất Với các điều kiện khác nhau của việc lưu trữ tại MBS và D2D, vấn đề cân bằng thậm chí còn trở nên phức tạp hơn Hơn nữa, truyền thông D2D có thể gây ra sự can nhiễu do việc sử dụng lại phổ tần trong IBD Sự tồn tại của sự can nhiễu lẫn nhau dẫn đến sự suy giảm hiệu suất của hệ thống, khiến vấn đề quản lý tài nguyên trở nên khó khăn Cần lưu ý rằng, các bài toán tối ưu ở dạng đa mục tiêu liên quan đến việc lựa chọn liên kết, phân bổ kênh và điều khiển công suất là một hệ nhiều biến và cực kỳ khó giải quyết

Các tác giả trong [65] nghiên cứu mạng di động có hỗ trợ truyền thông D2D đường xuống với kỹ thuật lưu trữ biên, nghĩa là các video phổ biến được lưu trữ độc lập tại MBS và người dùng D2D Trong mô hình hệ thống này, mỗi người dùng có thể lấy video được yêu cầu từ bộ lưu trữ của MBS hoặc/và người dùng D2D xung quanh

Có hai cơ chế phân bổ tài nguyên khác nhau gồm: 1) cơ chế lưu trữ tại MBS hoặc tại người dùng D2D; 2) cơ chế kết hợp lưu trữ đồng thời tại MBS và người dùng D2D Bằng cách xem xét các ràng buộc là tốc độ dữ liệu yêu cầu và can nhiễu, các tác giả đã xây dựng thành hai giải thuật tương ứng về phân bổ tài nguyên tích hợp với lựa chọn liên kết, phân bổ kênh và điều khiển công suất để tối đa hóa hiệu quả năng lượng của hệ thống (tỷ số giữa thông lượng và công suất tiêu thụ hệ thống) Phương pháp Dinkelbach được sử dụng để chuyển các bài toán tối ưu phân số thành các bài toán lập trình phi tuyến số nguyên hỗn hợp (mixed-integer nonlinear) và có thể được phân tách thành ba bài toán con: lựa chọn liên kết, phân bổ kênh và điều khiển công suất Để giải quyết những bài toán phức tạp này, các phương pháp modified Branch and Bound và phương pháp Lagrange được sử dụng Kết quả mô phỏng chứng minh tính ưu việt của hai thuật toán đề xuất này trong việc cải thiện thông lượng hệ thống và hiệu quả năng lượng so với các thuật toán khác

3.3.2 Lưu trữ và phân bổ kênh trong mạng HetNet có hỗ trợ D2D

Các mạng di động 5G trở đi được yêu cầu phải cung cấp thông tin liên lạc rất nhanh và đáng tin cậy trong khi phải giải quyết sự gia tăng lưu lượng người dùng Trong các mạng không đồng nhất (HetNets) có hỗ trợ truyền thông D2D, việc lưu trữ có thể được thực hiện tại các trạm cơ sở nhỏ hoặc tại người dùng để phân phối nội dung nhanh hơn và giảm bớt gánh nặng lưu lượng cho mạng lõi (Hình 3.4) [66]

Hình 3.4 Mô hình lưu trữ và phân bổ video trong mạng Hetnet

Trong đó, các tác giả mong muốn tối đa khả năng phân phối thành công các video tới người dùng, được gọi là xác suất phân phối thành công SDP (successful delivery probability), dưới các ràng buộc về tài nguyên kênh, bộ nhớ đệm và độ trễ bằng cách xác định vị trí lưu trữ và quản lý phân bổ kênh trong mạng HetNets ở tất cả các tầng có hỗ trợ kỹ thuật lưu trữ D2D Bài toán cũng có xem xét nhiễu giữa các đường truyền đồng thời và tác động của các kênh thay đổi nhanh đối với độ trễ phân phối nội dung nhằm đánh giá hệ thống một cách thực tế và hiệu quả hơn Trước tiên, biểu thức phân tích về độ trễ phân phối nội dung trung bình được tính, sau đó, được sử dụng trong việc xây dựng bài toán phân bổ kênh và bộ nhớ đệm chung, nhằm mục đích tối đa hiệu suất SDP của hệ thống Do bài toán không lồi nên một phép biến đổi tuyến tính hóa được đề xuất, cho phép tìm ra lời giải tối ưu Do giải pháp tối ưu có độ phức tạp tính toán cao nên các tác giả đề xuất phương pháp Heuristic hai bước có độ phức tạp thấp Ở bước đầu tiên, chiến lược phân bổ kênh được xác định bằng cách sử dụng phương pháp hình học, trong khi ở bước thứ hai, chính sách bộ nhớ đệm lặp lại được triển khai Kết quả là SDP của giải pháp được đề xuất hoạt động tốt hơn so với mạng HetNet thông thường không có truyền thông D2D Bên cạnh đó, nghiên cứu còn xem xét sự ảnh hưởng của một số tham số chính, ví dụ như công suất truyền, dung lượng bộ đệm và các yêu cầu QoS, và đã khuyến nghị một số nội dung về thiết kế cho mạng HetNets có hỗ trợ D2D như: 1) khuyến khích người dùng tham gia vào mạng có lưu

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn trữ; 2) có xem xét đến mật độ mạng sẽ mang lại hiệu suất tăng thêm; và 3) một tuyến trục tốt thường có lợi cho các yêu cầu QoS, tuy nhiên, khi QoS nới lỏng sẽ tạo điều kiện cho việc lưu trữ tại các thiết bị mạng và giảm tải cho tuyến trục

3.3.3 Phân bổ tài nguyên trong truyền thông underlay IBD điểm - đa điểm

Truyền thông underlay IBD điểm - đa điểm (MD2D) là một kỹ thuật hiệu quả về phổ tần để phổ biến dữ liệu đến các máy thu gần đó Tuy nhiên, do thách thức quan trọng trong việc xử lý can nhiễu giữa các nhóm multicast với nhau, nên cần phải thực hiện phân bổ tài nguyên một cách thận trọng cho mạng truyền thông kết hợp này Trong [67], các tác giả nghiên cứu cả giải pháp phân bổ tài nguyên tập trung và phân tán để tối đa tốc độ tổng trong giao tiếp MD2D Bài toán phân phối công suất và phân bổ kênh đồng thời được xây dựng nhằm tối đa tốc độ tổng của mạng với ràng buộc về yêu cầu tốc độ tối thiểu cho các nhóm MD2D và người dùng di động Hàm mục tiêu được ràng buộc để phạt khi gán số lượng lớn các kênh tốc độ thấp cho các nhóm MD2D Biểu thức toán đề xuất cho thấy khả năng cải thiện thông lượng cho các nhóm MD2D bằng cách truy cập đồng thời nhiều kênh vào các nhóm tương ứng Hơn nữa, biểu thức này còn cho phép kiểm soát nhiễu giữa các nhóm MD2D bằng cách chia sẻ các kênh chung Bài toán được xây dựng, giải và mô phỏng để so sánh, đánh giá với các giải pháp khác cho thấy sự cải thiện về thông lượng mạng

3.3.4 Chia sẻ phổ tần và phân phối công suất trong phân phối video D2D đa chặng đa đường trong các mạng B5G/6G

Hình 3.5 Mô hình truyền thông D2D đa chặng đa đường

Trong [68], các tác giả đã đề xuất một giải pháp tối ưu kết hợp giữa công suất và phổ tần (SPO) cho việc phân phối video trong mạng D2D đa chặng đa đường (MHMP) cho các mạng sau B5G/6G, trong đó các tài nguyên hệ thống như như phổ tần, công suất, dung lượng bộ nhớ và nội dung của người dùng di động đều được tính đến (Hình 3.5) Đặc biệt, tài nguyên phổ đường xuống của người dùng chia sẻ (SU) được sử dụng lại bởi các máy phát (TX) của các chặng D2D và tài nguyên năng lượng của TX được sử dụng cho truyền thông D2D Bài toán khai thác các video được lưu trữ tại người dùng chia sẻ bộ nhớ đệm (CU) nằm cách xa nhiều hơn một chặng D2D so với người dùng yêu cầu (RU) để thiết lập các phiên phân phối video MHMP D2D từ

CU đến RU Sau đó, bài toán SPO được xây dựng cho các cặp SU và TX chia sẻ phổ và công suất truyền tối ưu được phân bổ cho các TX Thuật toán di truyền (GA) được phát triển để giải quyết bài toán SPO đối với cả biến nhị phân (chia sẻ phổ) và biến thực (phân phối công suất) Giải pháp SPO cho phép các RU nhận video một cách linh hoạt, không chỉ từ trạm gốc qua mạng di động thông thường mà còn từ CU qua truyền thông MHMP D2D với chất lượng dịch vụ QoS tốt nhất, tức là dung lượng phân phối video cao nhất và tiêu thụ công suất truyền thấp.

Các thách thức trong thiết kế tối ưu lưu trữ và phân phối tài nguyên cho truyền thông D2D

Vẫn còn một số thách thức trong lĩnh vực lưu trữ video dựa trên mạng D2D có thể mở ra các hướng nghiên cứu mới và cần được giải quyết Ví dụ, giao tiếp an toàn là một thách thức trong các hệ thống lưu trữ vì rất khó lưu nội dung video được mã hóa Bên cạnh đó, dung lượng lưu trữ hạn chế của thiết bị người dùng cũng cần được xem xét Ngoài ra, một vấn đề khác là liệu người dùng có chấp nhận tham gia phân phối video hay không, mặc dù được khuyến khích

Các nghiên cứu trong tương lai sẽ giải quyết một số thách thức như: thiết kế kỹ thuật lưu trữ nhận biết tính di động vì tính di động của người dùng ảnh hưởng đến hiệu suất phân phối video; các kỹ thuật lưu trữ cần phải thích ứng với sự thay đổi mức độ phổ biến của nội dung trong việc thiết kế các chiến lược phân phối và vị trí bộ nhớ; những thách thức khác cần được xem xét có thể là sự can nhiễu giữa những người dùng (thường bị bỏ qua), đặc biệt là các đặc điểm xã hội của người dùng

Nhiều công trình nghiên cứu về lưu trữ trong mạng D2D, hàm mục được xây dựng tiêu chủ yếu là về giảm thiểu độ trễ trung bình khi người dùng tải xuống các video, hiệu quả năng lượng, tốc độ truyền/thông lượng mạng Do đó, đa số các nghiên cứu tập trung vào bài toán tối ưu đơn giản là tối ưu vị trí lưu trữ, rất ít nghiên cứu có kết hợp với phân bổ tài nguyên và cấp phát công suất

Các công trình đã nghiên cứu vị trí lưu trữ và phân phối video trong HetNets có hỗ trợ D2D theo nhiều cách khác nhau Tuy nhiên, hầu hết trong số họ đều dựa trên giả định là các kênh fading chậm trong quá trình phân phối nội dung Giả định như vậy có giá trị trong môi trường cố định được kiểm soát, tuy nhiên, do bị che khuất và/hoặc tính di động, kênh thay đổi nhanh chóng trong quá trình truyền Hơn nữa, nhiều công trình trong số này giả định việc truyền trực giao, do đó bỏ qua vấn đề quản lý nhiễu

Lưu trữ theo xác suất ngày càng được giới nghiên cứu quan tâm nhờ ưu điểm là linh động, dễ triển khai phù hợp đối với mạng D2D Các bài toán kết hợp giữa lưu trữ và phân phối tài nguyên thường áp dụng lưu trữ theo vị trí xác định Các bài toán kết hợp giữa lưu trữ theo xác suất và phân phối tài nguyên có quan tâm đến các đặc trưng của video và thiết bị đầu cuối là những bài toán khó, giải quyết rất phức tạp, nên hầu như chưa được quan tâm, nghiên cứu.

KỸ THUẬT PHÂN PHỐI CÔNG SUẤT VÀ LƯU TRỮ THEO XÁC SUẤT ĐA TỐC ĐỘ TRONG TRUYỀN VIDEO QUA MẠNG D2D DÀY ĐẶC

Mô hình hệ thống MPC

Mô hình hệ thống truyền video hợp tác trong các mạng D2D dày đặc bằng phương pháp MPC được minh họa trong Hình 4.1 Các ký hiệu chính được sử dụng cho hệ thống được mô tả trong Bảng 4-1 Hệ thống này bao gồm một MBS, một số lượng dày đặc người dùng di động UE và có I video Xác suất mà một UE có thể là người dùng chia sẻ (SU) hoặc người dùng yêu cầu (RU) được định nghĩa tương ứng là

 hoặc (1 - ) Một SU có thể đóng vai trò là người dùng chia sẻ video (VS), lưu trữ video thứ i với xác suất q i hoặc người dùng chia sẻ phổ tần (SS), chia sẻ tài nguyên phổ tần đường xuống của nó với xác suất (1 - q i ) trong chế độ DOL, trong đó i = 1, 2,

…, I Bên cạnh đó, người dùng yêu cầu RU cũng có hai loại là: i) RU yêu cầu video i nhưng nó đã lưu video được yêu cầu này vào bộ nhớ cache và do đó nó tự phục vụ, tức là người dùng yêu cầu tự giảm tải (SR) và ii) RU yêu cầu video i và nó chưa lưu video này vào bộ nhớ cache, do đó, người dùng yêu cầu giảm tải D2D (DR) sẽ được phục vụ bởi VS qua chế độ DOL hoặc bởi MBS qua chế độ NCT

J i Số lượng phiên bản của video i

R i,j Tốc đã mã hóa phiên bản j của video i (v i,j ), j = 1, 2, …, J i

D i,j Độ méo dạng của v i,j ở tốc độ R i,j được đo bằng trung bình bình phương sai số theo mô hình RD w i,j Chỉ số RS, w i,j = 1 có nghĩa là v i,j được chọn để lưu trữ, w i,j = 0 sẽ không được chọn ρ Xác suất UE đóng vai trò là người dùng chia sẻ (SU), ngược lại (1 - ρ) sẽ là xác suất UE đóng vai trò là người dùng yêu cầu (RU) q i Xác suất mà một SU đóng vai trò là người dùng chia sẻ video (VS) lưu trữ video i, (1 - q i ) sẽ là xác suất mà một SU đóng vai trò là người dùng chia sẻ phổ tần (SS) - người chia sẻ tài nguyên phổ tần đường xuống của nó để giảm tải D2D λ UE Mật độ của UE r i Mức độ phổ biến của video i theo phân bố Zipf-like α Hệ số mũ mô tả độ sai lệch phổ biến giữa các video khác nhau

R DOL Bán kính phủ của chế độ DOL

R NCT Bán kính phủ sóng của MBS

W Băng thông hệ thống

P M Công suất truyền từ MBS đến các SS

P i Công suất truyền của thiết bị ở chế độ DOL đối với video i

P i Công suất truyền của MBS tới người dùng yêu cầu (DR) ở chế độ NCT đối với video i

N 0 Công suất nhiễu trắng Gaussian η Hệ số mũ suy hao đường truyền

Hình 4.1 Mô hình hệ thống truyền video hợp tác trong mạng D2D dày đặc với phương pháp MPC

Giả sử rằng phân bố không gian của UE được tính theo quá trình điểm Poisson đồng nhất (PPP)  UE với mật độ  UE , phân bố của các VSs, SSs, SRs và DRs cũng tuân theo các PPP đồng nhất  VS i ,  SS i ,  SR i và  i DR với mật độ  i VS ,  i SS ,  i SR và

 i , tương ứng được tính bởi:

 = − −  (4.4) Để đáp ứng với độ phân giải phát lại đa dạng của thiết bị di động, video i được mã hóa thành nhiều tốc độ J i đại diện cho các phiên bản chất lượng khác nhau, mỗi phiên bản video, cụ thể là v i j , , j = 1, 2, …, J i , có tốc độ R i j , (Kbps) và kích thước

S i j (Mbits) Hơn nữa, video i có mức độ phổ biến riêng r i theo phân phối Zipf-like, được tính bởi công thức:

= (4.5) trong đó  0, là hệ số mũ mô tả độ sai lệch phổ biến giữa các video khác nhau Hệ số này phản ánh mô hình phổ biến của các video theo hành vi truy cập của UE Ví dụ:

 =0 là trường hợp đặc biệt khi tất cả các video đều có mức độ phổ biến như nhau bằng 1/I Trong khi đó,  tăng lên làm cho mô hình phổ biến bị lệch nhiều hơn giữa video có độ phổ biến cao và video có độ phổ biến thấp

Trong hệ thống này, cho trước các giá trị về mật độ phân phối của các loại UE, mô hình phổ biến của video, giới hạn dung lượng lưu trữ, yêu cầu thông lượng hệ thống tùy thuộc vào độ phân giải phát lại đa dạng của thiết bị di động và giới hạn công suất truyền Bài toán đặt ra là làm thế nào để phục vụ các RUs với VAS có chất lượng phát lại cao nhất Để làm được như vậy, MBS chịu trách nhiệm thu thập các thông số hệ thống để xây dựng bài toán tối ưu MPC Sau đó, bài toán tối ưu hóa MPC được giải để tìm kết quả tối ưu đối với video i gồm: 1) xác suất lưu trữ CP (q i ), 2) chỉ số RS (w i j , {0,1}) và 3) PA, tức là công suất truyền bởi các VS ở chế độ DOL (P i DOL ) và bởi MBS ở chế độ NCT (P i NCT ) Ở đây, w i j , =1 có nghĩa là video v i j , được chọn để lưu vào bộ nhớ đệm với xác suất q i Ngược lại, nếu w i j , =0, thì nó không được lưu vào bộ nhớ đệm với xác suất (1 - q i ) Sau đó, với mật độ UE cụ thể, MBS tìm bán kính cụm tối ưu để nhóm các UE thành các cụm khác nhau Cuối cùng, khi các RU trong bất kỳ cụm nào yêu cầu video, hệ thống sẽ phục vụ các RU theo chế độ COP kết hợp giữa MRC và chế độ NCT như sau:

• MRC: Các RU có thể được phục vụ bởi chính chúng, còn được gọi là chế độ tự giảm tải (Self-Offloading – SOL) hoặc phục vụ bởi các VSs ở chế độ DOL Ở chế độ SOL, các RU tự phục vụ vì chúng đã lưu các video được yêu cầu vào bộ nhớ cache Trong khi đó, ở chế độ DOL, các RU chưa lưu các video được yêu vào bộ nhớ cache, nhưng ít nhất một trong các VS gần đó trong bán kính cụm

R DOL đã lưu chúng vào bộ nhớ cache Các video được giảm tải từ VS đến RU

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn sử dụng truyền thông D2D được thiết lập bằng cách sử dụng lại tài nguyên phổ đường xuống của SS

• Chế độ NCT: Trong trường hợp không thể thiết lập các kênh không dây cho truyền thông D2D ở chế độ DOL, tức là do xác suất tốc độ có thể đạt được thấp hơn ngưỡng được xác định trước, các RU được MBS phục vụ thông qua chế độ NCT.

Tính toán các thông số cho hệ thống MPC

Trong phần này, các công thức của hệ thống truyền video hợp tác trong các mạng D2D dày đặc bằng phương pháp MPC được thiết lập Các công thức này cho phép tính toán hàm mục tiêu và các ràng buộc tài nguyên hệ thống về dung lượng lưu trữ, thông lượng và công suất của bài toán tối ưu MPC

4.3.1 Xác suất yêu cầu, chia sẻ phổ tần và lưu trữ

Như đã đề cập ở trên, có 4 loại UE bao gồm VS, SS, SR và DR, mỗi loại liên quan đến xác suất truy cập thành công video được lưu trữ riêng Các VS cung cấp xác suất truy cập thành công video i được lưu trữ bao gồm xác suất truy cập thành công video i tự lưu trữ và xác suất truy cập thành công video i được lưu trữ thông qua kết nối D2D (p VS i ) Xác suất truy cập thành công video tự lưu trữ được xác định đơn giản bằng q i , trong khi đó p i VS là xác suất mà video i được lưu vào bộ nhớ đệm bởi ít nhất một VS trong bán kính cụm R DOL nhất định Để tính p VS i , quá trình đồng nhất PPP

 UE với mật độ  UE được sử dụng, trong đó, xác suất để có N UEs trong bán kính

Dựa vào công thức trên, xác suất p i VS được suy ra như sau:

Tương tự như (4.7), các SUs được bao phủ bởi MBS trong một bán kính R NCT xác định và do đó, xác suất chia sẻ phổ được tính bởi:

SS i p = −e −  R  (4.8) và các SRs và DRs cung cấp xác suất có yêu cầu SOL và DOL trong bán kính

R DOL tương ứng được tính bởi:

4.3.2 Xác suất đạt tốc độ

4.3.2.1 Trong MRC Ở chế độ SOL, các SRs yêu cầu video i và chúng được tự phục vụ với tốc độ

R i j , và rõ ràng trong trường hợp này, xác suất đạt tốc độ ở chế độ SOL là p i j SOL , =1 Trong khi đó, ở chế độ DOL, video i được truyền từ VS n (n  VS i ) đến DR m (m

 i ) qua truyền thông D2D Dung lượng của kênh vô tuyến từ VS n đến DR m sử dụng để truyền video i được cho bởi:

Trong đó W là băng thông hệ thống; P i DOL là mức tiêu thụ công suất để truyền video i ở chế độ DOL, và phải được tối ưu; P M là công suất tiêu thụ của MBS được truyền tới các SSs chia sẻ tài nguyên phổ tần đường xuống để thiết lập chế độ DOL giữa một cặp VS n và DR m; N 0 là công suất nhiễu trắng Gaussian; và bằng cách sử dụng truyền thông underlay IBD, DR m phải chịu mức nhiễu I i gây ra bởi các cặp khác sử dụng lại cùng một tài nguyên phổ đường xuống để truyền video i, được biểu thị bằng công thức:

I =    (4.12) và độ lợi của kênh g x m , , x{VS n, MBS được ký hiệu là M}, được định nghĩa là hệ số suy hao đường truyền Rayleigh fading tuân theo phân phối hàm mũ độc lập và đồng nhất với trung bình đơn vị (h x m , ) và mô hình suy hao đường truyền theo quy luật hàm lũy thừa tiêu chuẩn với số mũ η, được tính bởi:

, , , x m x m x m g =h d −  (4.13) trong đó || || là norm Euclide và d x m , là khoảng cách từ x đến DR m

Trong mỗi cụm được bao phủ bởi bán kính R DOL , giả sử rằng VS gần (hoặc tại) trung tâm chịu trách nhiệm truyền video i Trong trường hợp xấu nhất, video i được truyền qua khoảng cách xa nhất là d x m , = R DOL Vì vậy, xác suất đạt tốc độ để truyền v i j , trong chế độ DOL là xác suất mà dung lượng C n m ( ) i , lớn hơn hoặc bằng tốc độ R i j , , được đưa ra bởi [8], [70]:

=  = (4.14) trong đó  NCT là mật độ của MBS,  i j DOL , và  i được tính theo các công thức tương ứng như sau:

 =   +  −   − (4.15) và max{min{ VS , DR } SS ,0} i i i i

Trong (4.16),  i là mật độ của những thành phần gây nhiễu khi truyền video i

Trong chế độ NCT, các DR được phục vụ bởi MBS do (4.14) không đạt được Để tính xác suất đạt tốc độ ở chế độ NCT, ta cần tính dung lượng kênh từ MBS đến

DR m để truyền video i, được cho bởi:

= + N (4.17) trong đó P i NCT là công suất của MBS được sử dụng để truyền video i

Dựa vào (4.17), chúng ta có thể dễ dàng tính được xác suất tốc độ có thể đạt được của NCT để truyền v i j , như sau:

4.3.3 Chất lượng phát lại trung bình Để tính được chất lượng phát lại trung bình của các video đã nhận, trước hết, ta cần tính độ méo tái tạo D i j , tương ứng với tốc độ R i j , của video v i j , , mối quan hệ giữa méo dạng được tái tạo và tốc độ mã hóa, cụ thể là mô hình méo dạng tốc độ (RD), có thể được biểu thị bằng công thức hàm mũ sau [8]:

D = R  (4.20) Để có được (4.20), video i được phân tích để tạo mô hình RD thực tế của nó Sau đó, các giá trị của  i và  i được chọn để làm cho (4.20) phù hợp với mô hình RD thực tế Để đánh giá trực quan bằng UPQ, chất lượng của v i j , được đo bằng dB và được tính theo tỷ lệ tín hiệu trên nhiễu đỉnh (PSNR) Vì vậy, độ méo dạng tái tạo, được

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn đo bằng sai số bình phương trung bình, được chuyển đổi thành dB bằng cách sử dụng biểu thức sau:

Q = D (4.21) trong đó L là số giá trị mà pixel được mã hóa Đến đây, bằng cách sử dụng các mô hình PPP đồng nhất, mô hình RD và độ phổ biến của video, xác suất chia sẻ và yêu cầu cũng như xác suất đạt tốc độ ở cả chế độ DOL và NCT được phân tích trong các phần trước, ta có thể rút ra chất lượng phát lại trung bình của các video nhận được theo cơ chế COP, nghĩa là truyền hợp tác giữa chế độ SOL và DOL của MRC và chế độ NCT, như sau:

SOL mode DOL mode & NCT mode

(4.22) trong đó w i j , là chỉ số RS nhị phân được thêm vào để đưa ra quyết định lựa chọn tốc độ R i j , liên quan đến chất lượng Q i j , của video v i j , (w i j , = 1) hay không (w i j , = 0), và p i j CT , là xác suất truyền hợp tác (CT) thành công được tính như sau:

CT SUD SUD NCT i j i j i j i j p = p + −p p (4.23) và trong công thức (4.23), p i j SUD , là xác suất thành công của chế độ DOL được tính bởi:

Cần lưu ý rằng (4.22) là hàm mục tiêu của bài toán tối ưu hóa MPC, được cực đại bằng cách tìm q i , w i j , , P i DOL và P i NCT , liên quan đến mức tiêu thụ tài nguyên hệ thống sẽ được xem xét trong phần tiếp theo

Trong bài toán này, ba loại tài nguyên tiêu thụ của hệ thống bao gồm: dung lượng lưu trữ, thông lượng và công suất Các tài nguyên này được tính toán và sau đó được giới hạn trong các ràng buộc của bài toán tối ưu MPC Đầu tiên, mức tiêu thụ dung lượng lưu trữ có thể được tính trung bình như bên dưới:

Kế đến, mức tiêu thụ thông lượng trung bình, phụ thuộc vào nhu cầu của SR và

DR, được tính như sau:

Cuối cùng, mức tiêu thụ công suất trung bình được tách thành mức tiêu thụ công suất DOL và mức tiêu thụ công suất NCT, được tính tương ứng là:

Bài toán tối ưu MPC và giải pháp

Để cực đại chất lượng phát lại trung bình theo công thức (4.22) với các ràng buộc về mức tiêu thụ tài nguyên lưu trữ, thông lượng và công suất được đưa ra trong (4.25), (4.26), (4.27) và (4.28), bài toán tối ưu MPC được xây dựng như sau:

P NCT P NCT (4.29g) trong đó ràng buộc (4.29c) là để đảm bảo video i được lưu trong bộ nhớ bằng cách chỉ chọn một phiên bản phù hợp v i j , được mã hóa ở tốc độ R i j , , S là để giới hạn dung lượng lưu trữ cho bộ nhớ, R là để giới hạn mức tiêu thụ thông lượng của hệ thống theo số liệu thống kê về độ phân giải phát lại đa dạng của thiết bị di động, P DOL và P NCT là để hạn chế mức tiêu thụ công suất cho chế độ DOL và chế độ NCT tương ứng

Giải thuật di truyền GA [71] được áp dụng để giải bài toán tối ưu có ràng buộc (4.29), chỉ có thể hoạt động với các ràng buộc đơn giản gồm cận trên và cận dưới của biến số như (4.29b), nhưng không hoạt động với các ràng buộc phức tạp như (4.29c), (4.29d), (4.29e), (4.29f), và (4.29g) Vấn đề này của GA có thể được khắc phục bằng cách sử dụng hàm phạt [68] Để làm như vậy, bài toán tối ưu MPC có ràng buộc trước tiên được chuyển đổi thành bài toán không có ràng buộc bằng cách viết lại các ràng buộc phức tạp như sau:

DOL DOL DOL NCT NCT NCT w w i

Và sau đó, hàm phạt được thiết lập là:

(min{0, }) (min{0, }) (min{0, }) (min{0, }) (min{0, })

 (4.31) trong đó  1 ,  2 ,  3 ,  4 và  5 là mức độ vi phạm ràng buộc được sử dụng để phạt các ứng viên nghiệm (cụ thể là các cá thể) không thỏa mãn các ràng buộc

Sử dụng hàm phạt (4.31), bài toán tối ưu MPC không có ràng buộc, có thể được giải bằng GA, được viết như sau:

Ta có thể thấy bài toán tối ưu MPC không ràng buộc đồng thời đối với biến nhị phân RS và biến thực CP và PA Vấn đề này có thể được giải quyết hiệu quả bằng GA [68] Tuy nhiên, với sự đa dạng và phức tạp của một ma trận biến nhị phân (w i j , ) và ba vectơ biến thực (q i , P i DOL , P i NCT ), dẫn đến kết quả là mỗi cá thể được đặc trưng bằng một nhiễm sắc thể rất dài (nhiều bit nhị phân) Một quần thể với chuỗi dài nhiều bit nhị phân đòi hỏi số lượng cá thể ban đầu cực kỳ lớn để đưa vào thực hiện các toán tử lai tạo và đột biến của GA, và do đó, tiêu tốn nhiều thời gian và bộ nhớ hơn để làm cho GA hội tụ chính xác và ổn định Để khắc phục vấn đề này, ta chia chuỗi ban đầu của mỗi cá thể thành bốn chuỗi con, còn gọi là GA theo phương pháp chuỗi được cắt ngắn (GTS) Bằng cách này, một chuỗi con được liên kết với một biến cụ thể được thực thi bởi một tập hợp các toán tử và tham số khác nhau của GA tùy thuộc vào đặc tính của biến được xem xét Kết quả là, GTS chính xác và ổn định hơn so với trường hợp chúng ta triển khai GA với quần thể các chuỗi rất dài, được gọi là GA với chuỗi đầy đủ (GFS) Chi tiết về GTS, được triển khai để giải bài toán tối ưu MPC không có ràng buộc, được trình bày trong Thuật toán 1 Lưu ý rằng TC là điều kiện kết thúc của GTS GTS kết thúc nếu nó thỏa mãn Gen = N G hoặc F ≤ 10 -3 , cùng với Q F không thay đổi trong 10 thế hệ liên tiếp.

Đánh giá kết quả mô phỏng

Thông số của hệ thống và GTS được trình bày chi tiết trong Bảng 4-2 Năm videos thông dụng được phân tích bao gồm Basketballdrill, Basketballpass, Foreman, Traffic và Racehorses để có được mô hình RD thực tế bằng cách sử dụng phần mềm

HM phiên bản 12.0 [72] Khi đó, năm cặp ( i ,  i ) làm cho (4.20) phù hợp với các mô hình RD thực tế được phân tích Mỗi video được mã hóa thành ba tốc độ: tốc độ đầy đủ, tốc độ trung bình và tốc độ thấp nhất tương ứng với chất lượng cao nhất, chất

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn lượng trung bình và chất lượng thấp nhất Các giá trị của ( i ,  i ), R i j , và S i j , của năm video chi tiết như sau [73] v i,j Pixels/Frames R i,j (Kbps) S i,j (Mbits)  i /  i v 1,1 832×480/501 10.000 1.172,340 6,566e+01/−0.9714 v 1,2 832×480/501 15.000 1.758,510 6,566e+01/−0.9714 v 1,3 832×480/501 20.000 2.344,680 6,566e+01/−0.9714 v 2,1 352×288/300 1.000 11,867 9,806e+00/−0.9972 v 2,2 352×288/300 2.000 23,734 9,806e+00/−0.9972 v 2,3 352×288/300 3.000 35,600 9,806e+00/−0.9972 v 3,1 2560×1600/150 50.000 33,382 1,644e+03/−1.0920 v 3,2 2560×1600/150 100.000 66,763 1,644e+03/−1.0920 v 3,3 2560×1600/150 170.000 113,496 1,644e+03/−1.0920 v 4,1 832×480/97 10.000 160,410 1,108e+03/−1.2060 v 4,2 832×480/97 20.000 320,820 1,108e+03/−1.2060 v 4,3 832×480/97 28.300 453,960 1,108e+03/−1.2060 v 5,1 416×240/300 3.000 198,680 7,652e+01/−1.1530 v 5,2 416×240/300 4.000 264,906 7,652e+01/−1.1530 v 5,3 416×240/300 5.300 351,000 7,652e+01/−1.1530

GTS được triển khai với các hệ số phạt {1, 2, 3, 4, 5} và được chọn theo phương pháp đưa ra trong [74] sao cho giải thuật hội tụ Ban đầu, các hệ số phạt được khởi động từ giá trị rất nhỏ (10 -3 ) và kiểm tra kết quả của hàm phạt Nếu lượng phạt tương ứng với hệ số phạt bằng 0 thì hệ số phạt này được chọn, ngược lại, nếu kết quả lượng phạt tương ứng với hệ số phạt lớn hơn 0 thì ta thực hiện điều chỉnh tăng hệ số phạt này lên 10 lần Quá trình được lặp lại cho đến khi hàm phạt hội tụ về 0 (các lượng phạt tương ứng với các hệ số phạt đều bằng 0) Cần lưu ý rằng ở các bước cuối cùng, các hệ số phạt được điều chỉnh mịn hơn với các mức tăng là 5, 4, 3 hoặc 2 thay vì 10

HVTH: Lâm Văn Việt lần, để đảm bảo rằng chúng không tác động đến các hệ số phạt đã được chọn ở các bước trước Kết quả thu được sau khi thực hiện {1, 2, 3, 4, 5} = {10 2 , 10 -1 , 10 -3 ,

Bảng 4-2 Thiết lập các thông số

Thông số hệ thống Thông số GTS

Ký hiệu Diễn giải Ký hiệu Diễn giải

I 5 videos N P 15000 cá thể (số lượng dân số)

J i 3 versions,i N B Ma trận nhị phân IxJ cho w i,j

R NCT 250m N R I biến cho mỗi vector thực q i , P i DOL ,

R DOL 15m λ NCT 1/ ( R NCT 2 ) λ UE 0.01 UE/m 2 B P 12 bits biểu diễn cho biến thực ρ 0.3 N G 100 thế hệ η 4 P G 0.9, generation gap α 1 P CB 0.6, xác suất lai chéo cho ma trận nhị phân

N 0 10 -9 W P CR 0.6, xác suất lai chéo cho vector thực

P M 10W P MB 10 -12 , xác suất đột biến cho ma trận nhị phân

W 5MHz P MR 10 -12 , xác suất đột biến cho vector thực

Thuật toán 1 (GTS cho bài toán tối ưu MPC)

Input: Thông số GTS và thông số hệ thống như trong Bảng 4-2

TC: Điều kiện kết thúc Gen = 1: Biến đếm số thế hệ

1 Tạo N P chuỗi ngẫu nhiên, mỗi chuỗi có N B + 3 x N R x B P bits, đặt tên là {X BR ( ) z }, để đại diện cho cá thể thứ z, z =1, 2, …, N P

2 Chia tách chuỗi {X BR ( ) z } thành các chuỗi con: 1) chuỗi {X 1 ( ) z } có chiều dài

N B bits, 2) các chuỗi {X 2 ( ) z }, {X 3 ( ) z }, và {X 4 ( ) z }, mỗi chuỗi có chiều dài N R x B P bits

3 Chuyển {X 1 ( ) z } thành ma trận nhị phân kích thước IxJ cho w i j ( ) , z bằng cách dùng hàm b2m và chuyển {X 2 ( ) z }, {X 3 ( ) z }, và {X 4 ( ) z } thành 3 vector thực

( ) z q i , P i DOL z ,( ) và P i NCT z ,( ) tương ứng bằng cách dùng hàm b2r [68], [71]

4 Tính giá trị phù hợp (fitness) N P dựa vào công thức (4.32) để có được

Thực hiện vòng lặp while do:

5 Đưa X BR ( ) z =    { X 1 ( ) z }{ X 2 ( ) z }{ X 3 ( ) z }{ X 4 ( ) z }    kết hợp với giá trị

Q vào nhóm giao phối để xếp hạng

6 Chọn N PG = N P x P G cá thể với các giá trị phù hợp cao hơn để lai tạo bằng cách sử dụng toán tử lấy mẫu phổ biến ngẫu nhiên [71], lúc đó ta được

7 Chọn một cặp bố mẹ để tạo ra thế hệ con bằng cách sử dụng lai chéo đơn điểm với xác suất P CB cho {X 1 ( ) t } và lai chéo đa điểm với xác suất P CR cho {X 2 ( ) t }, {X 3 ( ) t } và {X 4 ( ) t }

8 Đột biến các con lai {X 1 ( ) t } với xác suất P MB và con lai {X 2 ( ) t }, {X 3 ( ) t } và {X 4 ( ) t } với xác suất P MR Bằng cách này, các đặc điểm di truyền tích cực có thể đã bị mất trong các bước trước đó có thể được phục hồi Khi đó ta được

9 Lặp lại bước 3 và bước 4 để có được ( ),* , ( ),* , ,( ),* , ,( ),*

Q vào thế hệ hiện tại để có được các tập mới của {X BR ( ) z } và ( ) , ( ) , ,( ) , ,( )

12 Tìm giá trị phù hợp nhất * * , * , ,* , ,*

Q trong thế hệ cuối cùng

Hình 4.2 Tốc độ hội tụ của GTS

Tốc độ hội tụ của GTS được đánh giá bằng cách triển khai Thuật toán 1 trong vòng 100 thế hệ như trong Hình 4.2 Trong mỗi thế hệ, ta tìm thấy giá trị phù hợp nhất (Best) và giá trị phù hợp trung bình (Mean) đối với tất cả các cá thể Hơn nữa, để nắm bắt được tiến trình phạt qua các thế hệ, giá trị phạt trung bình (Penalty) cho tất cả các cá thể được tính toán Kết quả trong Hình 4.2 chỉ ra rằng GTS bắt đầu hội tụ từ thế hệ thứ 50 Khi hội tụ, Mean tiến gần đến Best, nghĩa là tất cả các cá thể trở thành cá thể tốt nhất có đặc điểm di truyền tốt nhất Trong khi đó, giá trị phạt tiến về 0 để đảm bảo không có hình phạt nào, nghĩa là tất cả các ràng buộc đều được thỏa mãn (F = 0)

Việc đánh giá thêm độ chính xác và độ ổn định của GTS được minh họa trong Hình 4.3 Trong Hình 4-3(a), độ chính xác của GTS được khảo sát theo các quy mô dân số khác nhau, bằng cách thay đổi N P từ 1000 đến 25000 Đối với mỗi kích thước tập dân số, Thuật toán 1 được lặp lại 100 lần để tạo ra một tập hợp 100 kết quả tối ưu gần đúng hoặc chính xác Sau đó, các giá trị lớn nhất (Max), trung bình (Ave) và nhỏ nhất (Min) của tập hợp này được tính toán

Hình 4.3 Độ chính xác và ổn định của GA

Hình 4-3(a) cho thấy rằng quy mô dân số triển khai càng lớn thì độ chính xác của các kết quả tối ưu thu được càng cao nhưng rõ ràng là đòi hỏi độ phức tạp về thời gian và bộ nhớ cao hơn Quy mô dân số phù hợp là 15000 cá thể xảy ra tại điểm Elbow của đường Ave Từ điểm Elbow, mặc dù quy mô dân số được tăng lên, đường Ave không được cải thiện đáng kể nhưng tiêu tốn nhiều thời gian và tài nguyên bộ nhớ Cần lưu ý rằng Max tương đương với kết quả tối ưu chính xác được giữ nếu quy mô dân số đủ lớn (N P = 5000) Về độ ổn định, việc so sánh GTS với GFS được thực hiện ở N P 15000 Bằng cách lặp lại 100 lần thử cho cả GTS và GFS, chúng ta có thể thấy trong Hình 4-3(b) rằng GTS ổn định hơn GFS Để làm cho GFS ổn định hơn, cần có quy mô quần thể lớn hơn, tức là lớn hơn 15000 cá thể Lợi ích của GTS là nó có thể cung cấp sự lựa chọn linh hoạt cho các tính năng lai chéo và đột biến, nghĩa là, các toán tử và xác suất, tùy thuộc vào đặc điểm của các biến khác nhau Do đó GTS là một giải pháp khả thi cho bài toán tối ưu hóa MPC phức tạp

4.5.3 Đánh giá giải pháp MPC Để đánh giá hiệu suất, MPC sẽ được so sánh với bốn phương pháp khác bao gồm: 1) lưu trữ xác suất đa tốc độ (MRC) [69], 2) MRC hợp tác với MBS (MCM) thông qua chế độ NCT, 3) MPC với tốc độ mã hóa tối đa cố định với R = 20 Mbps

(MPC-FR1) và 4) MPC với tốc độ mã hóa tối đa cố định với R = 25 Mbps (MPC-

Bảng 4-3 Tính năng của các phương pháp

Methods CP RS CT PA S R P DOL P NCT

MPC ✓ ✓ ✓ ✓ 1Gbits 15Mbps P DOL ** P NCT *

MRC ✓ ✓ 1Gbits 15Mbps No No

MCM ✓ ✓ ✓ 1Gbits 15Mbps P DOL * No

MPC-FR1 ✓ ✓ ✓ 2Gbits 20Mbps 2xP DOL ** 2xP NCT *

MPC-FR2 ✓ ✓ ✓ 2Gbits 25Mbps 2xP DOL ** 2xP NCT *

1) P DOL * là công suất thực tế ở chế độ DOL của MRC [69] được tính theo (4.27)

2) P DOL ** là công suất thực tế ở chế độ DOL của MCM được tính theo (4.27)

3) P NCT * là công suất thực tế ở chế độ NCT của MCM được tính theo (4.28)

CP = Caching probability, RS = Multi-rate encoding selection, CT = Cooperative transmission, PA = Power allocation

Trong MRC, lưu trữ xác suất đa tốc độ cho các chế độ SOL và DOL được triển khai Trong MCM, MRC hợp tác với MBS thông qua chế độ NCT để phục vụ các RU Trong khi đó, MPC-FR1 và MPC-FR2 được triển khai tương tự như MPC nhưng được gán cho tốc độ mã hóa cố định và tối đa, nghĩa là luôn lưu vào bộ đệm phiên bản chất lượng cao nhất, ngoài ra, nới lỏng 1) giới hạn lưu trữ S từ 1 Gbits lên 2 Gbits và 2) giới hạn thông lượng R từ 15 Mbps lên 20 Mbps đối với MPC-FR1 và lên 25 Mbps đối với MPC-FR2 Các tính năng của MPC, MRC, MCM, MPC-FR1 và MPC-FR2 được liệt kê trong Bảng 4-3 Ngoài ra, liên quan đến ràng buộc về tiêu thụ công suất, không có ràng buộc tiêu thụ công suất với MRC, nhưng chúng ta có thể tính toán mức tiêu thụ công suất DOL của MRC bằng cách sử dụng (4.27), cụ thể là P DOL * Các ràng buộc tiêu thụ công suất chi tiết (P DOL và P NCT ) của MPC, MCM, MPC-FR1 và MPC-FR2

Luận văn Thạc sĩ GVHD: PGS.TS Hoàng Trang – TS Võ Nguyên Sơn cũng được liệt kê trong Bảng 4-3 Hiệu suất của MPC được đánh giá liên quan đến chất lượng phát lại và mức tiêu thụ tài nguyên được trình bày cụ thể như sau

Như đã trình bày trong chương 2, hệ thống có thể dựa vào độ phổ biến của video theo mô hình phân bố Zipf-like để thay đổi các chính sách lưu trữ và phân phối tài nguyên Ví dụ, hệ thống sẽ ưu tiên lưu trữ các video có độ phổ biến (xác suất truy cập) cao hơn trong tương lai bằng cách điều chỉnh kích thước của bộ nhớ cache tối ưu hoặc/và hệ thống có thể chọn lựa kênh truyền tốt hơn để phân bổ cho video phổ biến hơn để thỏa mãn nhiều người dùng hơn, v.v Chính vì tầm quan trọng của hệ số này, nên trước tiên, ta đánh giá chất lượng phát lại của MPC, MRC, MCM, MPC-FR1 và MPC-FR2 theo α như trong Hình 4.4

Hình 4.4 Chất lượng phát lại theo α

Rõ ràng, MPC vượt trội hơn tất cả các phương pháp khác vì nó tận dụng tối đa

Tiêu đề	Kỹ thuật phân phối công suất và lưu trữ theo xác suất đa tốc độ trong truyền video qua mạng D2D dày đặc
Tác giả	Lâm Văn Việt
Người hướng dẫn	PGS. TS. Hoàng Trang, TS. Võ Nguyên Sơn
Trường học	Đại học Quốc gia Tp. HCM
Chuyên ngành	Kỹ thuật Viễn thông
Thể loại	Luận văn Thạc sĩ
Năm xuất bản	2024
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	103
Dung lượng	2,27 MB