ĐỊNH vị PHỔ TRONG MẠNG vô TUYẾN NHẬN THỨC BẰNG THUẬT TOÁN xã hội NHỆN (SOCIAL SPIDER ALGORITHM)

MÔ TẢ BÀI TOÁN ĐỊNH VỊ PHỔ TRONG TRONG MẠNG CRN Trong chương này sẽ giới thiệu về việc định vị phổ trong mạng vô tuyến nhận thức và khái quát hóa việc định vị phổ thông qua bài toán và c

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

-    -

VÕ CÔNG MINH

LUẬN VĂN THẠC SĨ Chuyên ngành: KHOA HỌC MÁY TÍNH

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, các số liệu, kết quả nêu trong luận văn là thực và chưa được công bố trong các công trình nghiên cứu khác

TP Hồ Chí Minh, ngày tháng năm 2017

Tác giả

Võ Công Minh

Với lòng biết ơn sâu sắc nhất, em xin gửi đến quý Thầy Cô trường Đại Học Công Nghệ Thông Tin đã đem hết tâm huyết của mình truyền đạt vốn kiến thức quý báu cho chúng em

Đặc biệt, em xin chân thành cảm ơn Thầy TS TRƯƠNG KHẮC TÙNG – Giảng viên Khoa Công Nghệ Thông Tin trường Đại Học Công Nghiệp TPHCM, người Thầy đã tận tụy hết mình để truyền đạt kiến thức chuyên môn và những kinh nghiệm quí báu trong quá trình tìm hiểu và nghiên cứu luận văn, qua đó giúp em có thêm vốn kiến thức để hoàn thành luận văn này

Ngoài ra, em cũng xin cảm ơn Thầy PGS TS VŨ THANH NGUYÊN – Giảng viên trường Đại Học Công Nghệ Thông Tin đã tận tâm hướng dẫn em hoàn thành luận văn này

Nhân đây, em cũng xin gửi lời cảm ơn chân thành đến gia đình, bạn bè, đồng nghiệp

đã động viên tinh thần cho em trong suốt quá trình nghiên cứu của mình

Sau cùng, em xin kính chúc toàn thể quý Thầy Cô trường Đại Học Công Nghệ Thông Tin,Thầy TS Trương Khắc Tùng, Thầy PGS TS VŨ THANH NGUYÊN cùng các bạn bè, đồng nghiệp được dồi dào sức khỏe để thực hiện sứ mệnh cao đẹp của mình là truyền đạt kiến thức cho thế hệ mai sau

Một lần nữa em xin chân thành cảm ơn!

TP HCM, tháng 08 năm 2017 Học viên thực hiện

Võ Công Minh

Abstract

In recent years, applying intelligent algorithms in solving hard problems has become

a favorite topic in next generation networking research Although classical methods have achieved many important outcomes, this new trend promises significant results This paper addresses the spectrum allocation problem in Cognitive Radio Networks (CRN),

in which we proposed a new solution based on Social Spider Algorithm (SSA) to search for the optimal allocation scheme The numerical results prove the superior of our approach in comparison to other methods

Keywords

Spectrum allocation; optimization; cognitive radio networks; swarm-based algorithm

CHƯƠNG 1 GIỚI THIỆU VỀ MẠNG VÔ TUYẾN NHẬN THỨC CRN (COGNITIVE

RADIO NETWORK) 3

1.1 Giới thiệu chung 3

1.2 Giới thiệu mạng vô tuyến nhận thức 4

1.2.1 Khái niệm 4

1.2.2 Mục đích mạng vô tuyến nhận thức 5

1.3 Vấn đề khan hiếm và hiệu suất sử dụng phổ 6

1.4 Ứng dụng và thách thức của vô tuyến nhận thức 6

1.4.1 Ứng dụng 6

1.4.2 Thách thức của vô tuyến nhận thức 7

1.5 Vô tuyến nhận thức tại Việt Nam 7

1.5.1 Tính khả thi ứng dụng cho vùng nông thôn Việt Nam 8

1.5.2 Một số lưu ý khi triển khai hệ thống IEEE 802.22 9

CHƯƠNG 2 BÀI TOÁN ĐỊNH VỊ PHỔ TRONG MẠNG VÔ TUYẾN NHẬN THỨC.10 2.1 Giới thiệu về định vị phổ trong mạng vô tuyến nhận thức 10

2.2 Mô tả bài toán 11

2.2.1 Đặt vấn đề 11

2.2.2 Khái quát hóa bài toán 11

CHƯƠNG 3 KHẢO SÁT GIẢI THUẬT PSO TRONG VIỆC TỐI ƯU ĐỊNH VỊ PHỔ 14 3.1 Giới thiệu giải thuật PSO 14

3.2 Mô tả giải thuật PSO 14

3.2.1 Biểu diễn giải thuật 14

3.2.2 Giải quyết bài toán CRN trong PSO 16

3.2.3 Cài đặt thuật toán PSO cho bài toán CRN 16 CHƯƠNG 4 GIỚI THIỆU GIẢI THUẬT TỐI ƯU HÓA SSA (SOCIAL SPIDER

4.2 Mô tả thuật toán SSA 20

4.3 Các qui ước cho thuật toán SSA 21

4.3.1 Qui ước về con nhện – Spider 21

4.3.2 Qui ước về rung động – Vibration 21

4.3.3 Qui ước cho quá trình tìm kiếm – Search pattern 23

4.4 Thuật toán SSA 26

CHƯƠNG 5 TỐI ƯU HÓA ĐỊNH VỊ PHỔ BẰNG GIẢI THUẬT SSA 28

5.1 Xác định giá trị của các tham số trong CRN 28

5.2 Mô tả giải pháp trong SSA cho CRN 29

5.2.1 Mã hóa các tham số trong SSA 29

5.2.2 Chuyển đổi nhị phân 33

5.2.3 Tạo dữ liệu đầu vào 29

5.3 Xử lý các ràng buộc 35

5.3.1 Giai đoạn 1 35

5.3.2 Giai đoạn 2 36

5.4 Sơ đồ giải thuật 37

CHƯƠNG 6 MÔ PHỎNG VÀ ĐÁNH GIÁ GIẢI PHÁP 38

6.1 Mô phỏng 38

6.2 Đánh giá 40

CHƯƠNG 7 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 44

7.1 Kết luận 44

7.2 Hạn chế của đề tài 44

7.3 Hướng phát triển của đề tài 44

PHỤ LỤC 45

TÀI LIỆU THAM KHẢO 48

DANH MỤC CÁC BẢNG BIỂU

Bảng 6-1 Tham số thưc hiện mô phỏng 38

Bảng 6-2 Giá trị Max Sum Reward theo Cmax 41

Bảng 6-3 Giá trị Max Min Reward theo Cmax 42

Bảng 6-4 Giá trị Max Min Reward theo Cmax 43

DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ

Hình 1-1 Chuẩn IEEE cho mạng 802.22 3

Hình 1-2 Sử dụng sóng vô tuyến nhận thức 5

Hình 1-3 Phổ tần số vô tuyến từ 30KHz đến 300GHz 6

Hình 3-1 Giải thuật Particle Swarm Optimization (PSO) 14

Hình 4-1 Giải thuật Social Spider Algorithm (SSA) 18

Hình 4-2 Mô tả thuật toán SSA 20

Hình 5-1 Ma trận gán kênh 32

Hình 5-2 Hàm biến đổi nhị phân Sigmoid 34

Hình 5-3 Mô hình mạng và kênh sử dụng 29

Hình 5-4 Kênh cho người dùng sử dụng 30

Hình 5-5 Vùng phủ sóng của người dùng thứ cấp 31

Hình 6-1 So sánh giá trị Max Sum Reward giữa SSA và PSO 41

Hình 6-2 So sánh giá trị Max Min Reward giữa SSA và PSO 42

Hình 6-3 So sánh giá trị Max Proportional Fair giữa SSA và PSO 43

Hình 8-1 Thủ tục tạo ma trận L, B 45

Hình 8-2 Thủ tục tạo ma trận C 45

Hình 8-3 Thủ tục xử lý “matxl” 46

Hình 8-4 Thủ tục xử lý “matxc” 46

Hình 8-5 Thủ tục xử lý “matxcmax” 47

DANH MỤC CÁC TỪ VIẾT TẮT

IEEE Institute of Electrical and Electronics Engineers

CRNSAP Cognitive Radio Networks Spectrum Allocation Problem

ĐỀ TÀI LUẬN VĂN THẠC SĨ

Định hướng ứng dụng (10TC) Định hướng nghiên cứu (15TC)

1 Tên đề tài hoặc hướng NC (gồm cả tiếng Việt và tiếng Anh):

Tiếng Việt: ĐỊNH VỊ PHỔ TRONG MẠNG VÔ TUYẾN NHẬN THỨC BẰNG

THUẬT TOÁN XÃ HỘI NHỆN (SOCIAL SPIDER ALGORITHM)

Tiếng Anh: SPECTRUM ALLOCATION IN COGNITIVE RADIO NETWORKS

USING SOCIAL SPIDER ALGORITHM

2 Ngành và mã ngành đào tạo: KHOA HỌC MÁY TÍNH - 60480101

3 Họ tên học viên: VÕ CÔNG MINH – Khóa học: CH09 – Đợt 1

Địa chỉ email, điện thoại liên lạc: minhvc.fit@gmail.com - 0988541734

4 Người hướng dẫn:

✓ Giảng viên hướng dẫn chính: TS TRƯƠNG KHẮC TÙNG

Địa chỉ email: truongkhactung@yahoo.com

Điện Thoại Liên Lạc: 0983211135

✓ Giảng viên đồng hướng dẫn: PGS TS Vũ Thanh Nguyên

Địa chỉ email: nguyenvt@uit.edu.vn

Điện thoại liên lạc: 0916936840

KẾT CẤU NỘI DUNG LUẬN VĂN

Luận văn sẽ được chia làm 7 chương, trong đó:

CHƯƠNG I GIỚI THIỆU VỀ MẠNG VÔ TUYẾN NHẬN THỨC (CRN)

Trong chương này sẽ giới thiệu khái quát về mạng vô tuyến nhận thức là gì, giải thích các dải băng tần được cấp phép cho người dùng chính (PU – Primary Users) và các dải băng tần không được cấp phép dành cho người dùng thứ cấp (SU - Secondary Users)

CHƯƠNG II MÔ TẢ BÀI TOÁN ĐỊNH VỊ PHỔ TRONG TRONG MẠNG CRN

Trong chương này sẽ giới thiệu về việc định vị phổ trong mạng vô tuyến nhận thức

và khái quát hóa việc định vị phổ thông qua bài toán và các ràng buộc cụ thể bằng các công thức toán học đồng thời dựa vào các công thức này để xác định mục tiêu của bài toán

CHƯƠNG III KHẢO SÁT MỘT SỐ GIẢI THUẬT TỐI ƯU ĐỊNH VỊ PHỔ

Trong chương này sẽ giới thiệu cách tiếp cận và giải quyết vấn đề trong bài toán CRN bằng giải thuật PSO Phân tích, đánh giá hiệu năng của giải thuật đối với bài toán CHƯƠNG IV GIỚI THIỆU GIẢI THUẬT TỐI ƯU HÓA SSA

Trong chương này sẽ giới thiệu giải thuật tối ưu SSA, cách thức mã hóa bài toán tối

ưu theo giải thuật SSA, nghiên cứu sơ đồ giải thuật và chương trình mô phỏng CHƯƠNG V TỐI ƯU HÓA ĐỊNH VỊ PHỔ BẰNG GIẢI THUẬT SSA

Chương này sẽ trình bày việc áp dụng giải thuật tối ưu hóa SSA vào bài toán tìm kiếm

và định vị phổ trong mạng vô tuyến nhận thức thông qua việc tìm giá trị cực đại của các hàm mục tiêu cho trước

CHƯƠNG VI MÔ PHỎNG VÀ ĐÁNH GIÁ GIẢI PHÁP

Trong chương này sẽ thực hiện chạy thử nghiệm chương trình trên phần mềm Matlab cho bài toán đã nêu, sau đó thay đổi các tham số đầu vào để lấy những kết quả khác nhau và so sánh với các giải pháp tối ưu trong chương III

CHƯƠNG VII KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI

Trong chương này sẽ nêu kết luận cho đề tài và hướng phát triển của đề tài sau khi thực hiện mô phỏng và đánh giá trong chương VI

CHƯƠNG 1 GIỚI THIỆU VỀ MẠNG VÔ TUYẾN NHẬN THỨC

CRN (COGNITIVE RADIO NETWORK)

Trong chương này sẽ giới thiệu khái quát về mạng vô tuyến nhận thức là gì, giải thích các dải băng tần được cấp phép cho người dùng chính (PU – Primary Users)

và các dải băng tần không được cấp phép dành cho người dùng thứ cấp (SU - Secondary Users) Cụ thể:

1.1 Giới thiệu chung

Ngày nay, cùng với sự phát triển của ngành công nghiệp truyền thông thì truyền thông vô tuyến là một trong những phân khúc phát triển nhanh nhất Truyền thông vô tuyến được thực hiện thông qua việc truyền tín hiệu trong một dải tần số nhất định Để tránh nhiễu cho các tín hiệu không dây khác, dải tần số này được chia thành nhiều băng tần cho các mục đích khác nhau và nó được quy định bởi các cơ quan của chính phủ

Hiện nay, mỗi một dải băng tần muốn được sử dụng đều phải được sự cho phép của một tổ chức quản lí tần số của chính phủ Người được cấp phép sử dụng dải tần số được gọi là Primary Users (PU) hay còn gọi là licensed user và chỉ được phép

sử dụng dải tần đó cũng như các người sử dụng khác không được phép sử dụng dải tần này

Hình 1-1 Chuẩn IEEE cho mạng 802.22

Tổ chức FCC đã đưa ra chuẩn IEEE 802.22 dùng cho WRAN (Wireless Regional Area Network) cho phép các người dùng thứ cấp - Secondary Users (SU) hay còn gọi là unlicensed user sử dụng những khoảng trắng (khoảng tần số trống) trong dải tần số này Tuy nhiên yêu cầu đặt ra là hoạt động của SU không ảnh hưởng đến PU cũng như bất cứ lúc nào PU muốn sử dụng lại khoảng tần số trống thì SU đều phải nhường và chuyển sang tìm khoảng trắng khác Một vấn đề quan trọng được đưa

ra là việc phân bổ dải tần số này cho SU như thế nào để có hiệu quả cao nhất trong khi PU vẫn sử dụng các dải tần này một cách bình thường

Bài toán này đã được chứng minh là NP-khó [1] và đã được đề xuất giải quyết trong một số công trình nghiên cứu trước đây bằng cách áp dụng một số giải thuật tối

ưu cổ điển như: GA[2], PSO[3], CRO [4], …

Tuy nhiên, các giải pháp này vẫn còn một số hạn chế về chất lượng nghiệm cũng như hiệu năng hệ thống nhất là thời gian tính toán

Vậy, câu hỏi được đặt ra là: Liệu có một giải pháp nào để giải quyết bài toán trên một cách tối ưu và đạt hiệu quả cao nhất?

1.2 Giới thiệu mạng vô tuyến nhận thức

1.2.1 Khái niệm

Vô tuyến nhận thức (CR – Cognitive Radio) là một sóng vô tuyến thông minh

mà có thể được lập trình và cấu hình một cách tự động trên các thiết bị thu/phát để sử dụng các kênh trong vùng lân cận của nó một cách tốt nhất Chẳng hạn như có thể tự động dò tìm các kênh rỗi trong dải tần sau đó sẽ thay đổi các thông số truyền và nhận một cách hợp lý để cho phép nhiều thông tin được truyền đi đồng thời trong một phổ băng tần tại một địa điểm

Hay nói một cách khác, hệ thống vô tuyến nhận thức là hệ thống có khả năng thay đổi các tham số (công suất, tần số, điều chế, mã hóa,…) trên cơ sở tương tác với môi trường hoạt động Theo đó, thiết bị vô tuyến định nghĩa bằng phần mềm SDR (Sotware Defined Radio) sẽ là một thành phần quan trọng trong hệ thống vô tuyến nhận thức Vì các tham số của thiết bị SDR được thay đổi một cách linh động bằng phần mềm mà không cần phải thay đổi cấu trúc phần cứng

1.2.2 Mục đích mạng vô tuyến nhận thức

Mục đích của vô tuyến nhận thức là cho phép các thiết bị vô tuyến khác hoạt động trên các dải tần còn trống tạm thời mà không gây nhiễu đến các hệ thống vô tuyến có quyền ưu tiên cao hơn hoạt động trên dải tần đó Để cho phép tận dụng tối

đa tài nguyên phổ tần như trên, vô tuyến nhận thức phải có những tính năng cơ bản sau:

Điều chỉnh tần số hoạt động của hệ thống một cách tức thì từ một băng tần này đến một băng tần khác (còn trống) trên dải tần cho phép

Thiết lập mạng thông tin và hoạt động trên một phần hoặc toàn bộ băng tần được cấp phát

Chia sẻ kênh tần số và điều khiển công suất thích ứng theo điều kiện cụ thể của môi trường vô tuyến mà ở đó tồn tại nhiều loại hình dịch vụ vô tuyến cùng sử dụng

Thực hiện thích ứng độ rộng băng tần, tốc độ truyền và các sơ đồ mã hóa sửa lỗi để cho phép đạt được thông lượng tốt nhất có thể

Tạo búp sóng và điều khiển búp sóng thích ứng theo đối tượng truyền thông nhằm giảm thiểu nhiễu đồng kênh và tối đa cường độ tín hiệu thu

Hình 1-2 Sử dụng sóng vô tuyến nhận thức

1.3 Vấn đề khan hiếm và hiệu suất sử dụng phổ

Như chúng ta đã biết, dải tần số của sóng vô tuyến là một tài nguyên được quản lý bởi chính phủ Ngày nay, cùng với sự phát triển của khoa học kỹ thuật thì tài nguyên của dải tần số đang dần bị cạn kiệt bởi các hệ thống vô tuyến và các chuẩn giao tiếp như: FM, AM, WIFI, WIMAX, Mobile network…

Phần lớn phổ vô tuyến được cấp cho các hệ thống thông tin và dịch vụ truyền thông xác định Tuy nhiên, tài nguyên phổ lại bị lãng phí bởi nhiều lý do khác nhau

1.4 Ứng dụng và thách thức của vô tuyến nhận thức

1.4.1 Ứng dụng

Vô tuyến nhận thức được ứng dụng rộng rãi trong các lĩnh vực khác nhau như: phục vụ cho chính phủ trong các dịch vụ công cộng như: cứu hỏa, bảo vệ an ninh, y tế và giải quyết cấp bách cho các tình huống thảm họa.Chẳng hạn:

- Dịch vụ cứu hỏa: trong trường hợp xảy ra các thảm họa cháy nhà máy, cháy rừng,… thì các thông tin về nhiệt độ, tốc độ gió, hướng gió,… phải được chuyển đến các lực lượng cứu hỏa một cách nhanh chóng và kịp thời và phải luôn duy trì liên lạc giữa lính cứu hỏa và bộ phận chỉ huy

- Dịch vụ bảo vệ an ninh: Với ưu điểm nội bật của truyền thông vô tuyến nhận thức giúp việc trao đổi thông tin một cách nhanh chóng và an toàn, sự tấn công hoặc đánh cắp thông tin sẽ được cảnh báo ngay tức thì

- Dịch vụ y tế: trong tình huống cấp cứu các nạn nhân trong thảm họa, các trạm cấp cứu di động cần sử dụng băng thông rộng để truyền các tín hiệu thoại và video về tình hình tại hiện trường, tình trạng các nạn nhân cho các

Hình 1-3 Phổ tần số vô tuyến từ 30KHz đến 300GHz

bệnh viện hoặc bác sĩ ở xa để từ đó đưa ra phương pháp xử lý kịp thời và chính xác

1.4.2 Thách thức của vô tuyến nhận thức

Mặc dù ưu điểm của vô tuyến nhận thức rất lớn, tuy nhiên nó cũng có những hạn chế nhất định cũng như đối mặt với một số thách thức như sau:

- Thứ nhất: khi có nhiều người dùng đồng thời trên cùng một băng tần thì mức

sử dụng công suất ở mỗi người dùng là khác nhau dẫn đến tình trạng các người dùng này có thể gây nhiễu cho nhau và khi đó việc truyền dữ liệu sẽ bị gián đoạn hoặc xảy ra mất mát dữ liệu trong quá trình truyền

- Thứ hai: việc sử dụng phổ yêu cầu phải xác định những phổ trống, tuy nhiên

có thể vô tuyến nhận thức sẽ không phát hiện ra hết tất cả các khoảng trống mà PU không sử dụng do một số hiện tượng gây ra như fading hoặc phát hiện ra nhưng không sử dụng một cách tối ưu các tài nguyên này Đây cũng là mục đích chính của

đề tài này, đó là tìm ra tất cả các khoảng trống mà PU chưa sử dụng một cách tối ưu nhất

1.5 Vô tuyến nhận thức tại Việt Nam

Theo lộ trình số hóa truyền hình của Việt Nam từ nay tới năm 2020, các kênh truyền hình tương tự đang sử dụng băng tần 700 MHz sẽ ngừng hoạt động sau 2020;

Hình 1-4 Ứng dụng mạng vô tuyến nhận thức

truyền hình số mặt đất băng tần 694-806 MHz cũng sẽ được giải phóng sau năm 2020 Như vậy, sau khi hoàn thành số hóa truyền hình Đoạn băng tần dư này rất hiệu quả

để triển khai các dịch vụ vô tuyến băng rộng do đặc tính truyền sóng ở băng tần UHF Đây là cơ hội lý tưởng để có thể phủ sóng các dịch vụ vô tuyến băng rộng ở các vùng nông thôn với chi phí thấp.[5]

1.5.1 Tính khả thi ứng dụng cho vùng nông thôn Việt Nam

Đặc tính nổi trội của hệ thống IEEE 802.22 là dựa trên công nghệ vô tuyến nhận thức cho phép sử dụng chung băng tần truyền hình dôi dư mà không làm ảnh hưởng tới các kênh truyền hình đang hoạt động Đồng thời, hệ thống hoạt động trong băng tần UHF cho phép đạt được vùng phủ rộng lớn, ít bị ảnh hưởng bởi các yếu tố địa hình che chắn Đây chính là 2 đặc điểm nổi trội nhất để đánh giá độ khả thi của

hệ thống cho phát triển hạ tầng cung cấp dịch vụ băng rộng tại các vùng nông thôn Việt Nam

Những tính năng nổi bật nhất của hệ thống, theo [5], có thể kể đến chính là: Vùng phủ sóng, tốc độ dữ liệu, khả năng hỗ trợ dịch vụ, khả năng thích ứng và khả năng mở rộng

Vùng phủ sóng: Bán kính phủ sóng điển hình của hệ thống IEEE 802.22

khoảng 33 km với khả năng phục vụ cho một vùng có mật độ dân cư khoảng 1,25 người/km2 Trong điều kiện tối ưu, bán kính phủ sóng của hệ thống có thể lên đến

100 km

Tốc độ dữ liệu: Tốc độ dữ liệu tại khu vực biên của trong hệ thống IEEE

802.22 là 1,5 Mbps theo chiều xuống và 384 Kbps theo chiều lên Đây là tốc độ đảm bảo để cung cấp các dịch vụ băng rộng cơ bản, nhất là tại các khu vực nông thôn khi

mà nhu cầu về tốc độ đường truyền đang đặt ra ở mức trung bình

Khả năng hỗ trợ dịch vụ: Hệ thống IEEE 802.22 có khả năng truyền tải trực tiếp các gói tin IP có chiều dài thay đổi một cách hiệu quả ở cả phiên bản IPv4 và IPv6, khả năng hỗ trợ cả những dịch vụ thời gian thực, bán thời gian thực và phi thời gian thực, hỗ trợ các dịch vụ VoIP

Khả năng thích ứng: Các giao thức lớp MAC và lớp PHY trong tiêu chuẩn

IEEE 802.22 sẽ cung cấp khả năng thích ứng tốc độ bit khác nhau cho các thuê bao khác nhau, cũng như khả năng thích nghi về dung lượng cho các kênh truyền trong

hệ thống với một hiệu suất phổ tần tối thiểu là 0.5 bit/s/Hz và tối đa 5 bit/s/Hz cho mỗi kênh truyền dẫn Ngoài ra, các gói tin báo hiệu có thể được gửi với các công suất cao hơn để đảm bảo khả năng tiếp nhận của các đầu cuối Ngược lại, các gói tin không yêu cầu cao về QoS sẽ được xem xét để giảm thiểu công suất phát

Khả năng mở rộng: Về mặt băng thông, do hệ thống IEEE 802.22 hoạt động

với sự liên quan chặt chẽ về tần số của các hệ thống truyền hình nên băng thông của

hệ thống này được thiết kế cho phép mở rộng một cách linh hoạt Tối thiểu nhất một

hệ thống IEEE 802.22 phải thích ứng được với các băng thông 6 MHz, 7 MHz và 8

MHz phổ biến của các tiêu chuẩn truyền hình trên thế giới

1.5.2 Một số lưu ý khi triển khai hệ thống IEEE 802.22

Theo [5], để có thể ứng dụng triển khai hệ thống IEEE 802.22 hiệu quả nhất tại mỗi quốc gia cũng như tại Việt Nam, có 4 vấn đề cần quan tâm xem xét:

- Thứ nhất, cần có quy hoạch tần số để sử dụng và tái sử dụng các băng tần

truyền hình, nhất là băng tần Digital Dividend 698 - 806 MHz để có lộ trình giải phóng băng tần này và quy hoạch phân bổ cho các dịch vụ viễn thông, trong đó có hệ thống WRAN theo chuẩn IEEE 802.22

- Thứ hai, cần tiếp tục nghiên cứu, lựa chọn và chuẩn hóa ban hành các tiêu

chuẩn, quy chuẩn Việt Nam đối với hệ thống WRAN theo tiêu chuẩn IEEE 802.22

để làm cơ sở quản lý và sử dụng thống nhất, tránh can nhiễu và đảm bảo tính tương thích với các hệ thống viễn thông hiện có

- Thứ ba, các nhà mạng cần khảo sát lập bản đồ chi tiết về vùng phủ, băng tần

số truyền hình đang được sử dụng tại các vùng định triển khai hệ thống WRAN để thiết lập hệ thống phù hợp, tránh can nhiễu sang các hệ thống truyền hình hiện có

- Thứ tư, để quy hoạch hệ thống, tính toán vùng phủ, tính toán khả năng can

nhiễu của hệ thống cũng như lựa chọn vị trí triển khai hệ thống này, các nhà mạng cần tuân thủ các quy định chi tiết trong tiêu chuẩn IEEE 802.22.2 "Cài đặt và triển khai hệ thống IEEE 802.22"

CHƯƠNG 2 BÀI TOÁN ĐỊNH VỊ PHỔ TRONG MẠNG VÔ TUYẾN

NHẬN THỨC

Trong chương này sẽ giới thiệu về việc định vị phổ trong mạng vô tuyến nhận thức và khái quát hóa việc định vị phổ và các ràng buộc thông qua bài toán cụ thể bằng các công thức toán học đồng thời dựa vào các công thức này để xác định mục tiêu của bài toán Cụ thể:

2.1 Giới thiệu về định vị phổ trong mạng vô tuyến nhận thức

Trong truyền thông vô tuyến việc truyền thông tin, dữ liệu được thực hiện thông qua việc truyền tín hiệu trong một dải tần số nhất định Để tránh nhiễu cho các tín hiệu không dây khác, dải tần số này được chia thành nhiều băng tần cho các mục đích khác nhau và nó được cấp phép cho người dùng bởi các cơ quan của chính phủ

Việc cấp phép này được chia làm 2 loại chính là licenced user hay còn gọi là primary user (PU): là những người dùng được cấp phép sử dụng các dải tần số được qui định và unlicenced user hay còn gọi là secondary user (SU): là những người dùng thứ cấp Trong đó, SU chỉ được sử dụng các dải tần số trống (hay còn gọi là khoảng trắng) khi PU không sử dụng Tuy nhiên, hoạt động của SU không được ảnh hưởng đến hoạt động của PU cũng như khi PU cần dùng các khoảng trắng này thì SU phải thực hiện nhường lại và đi tìm các dải tần số trống khác

Hình 2-1 Khoảng trắng trong mạng vô tuyến nhận thức

Do vậy một hệ thống có khả năng cảm biến những khoảng trắng này và điều khiển nhằm thay đổi một cách linh hoạt việc sử dụng các khoảng trắng này được gọi

là một hệ thống định vị phổ trong mạng vô tuyến nhận thức

2.2 Mô tả bài toán

2.2.1 Đặt vấn đề

Trong mạng vô tuyến, một người dùng là một đối tượng sử dụng một kênh (một phần của phổ vô tuyến) để gửi và nhận dữ liệu qua kênh đó Người dùng chính hay còn gọi là PU có độ ưu tiên cao hơn khi sử dụng các băng tần so với người dùng thứ cấp hay còn gọi là SU SU chỉ có thể sử dụng các kênh khi PU không sử dụng và

họ phải trả lại các kênh này khi PU cần Chúng ta định nghĩa vấn đề theo [6]

Giả sử rằng mỗi user có một anten vô hướng có thể điều khiển công suất truyền của nó và có một vùng tần số nhiễu

Theo [6], đặt 𝒅𝐭(𝒏, 𝒎) là vùng nhiễu của user n trên kênh m với người dùng

t, trong đó t có thể là PU hoặc SU Sau khi tất cả PU đã quyết định sử dụng các kênh

đã được đề nghị và vùng nhiễu tương ứng (thông qua điều khiển công suất truyền)

SU sau đó có thể xác định công suất truyền tối đa và vùng bảo vệ chống nhiễu tương ứng để không gây nhiễu với bất kỳ PU nào Do sự hạn chế về phần cứng, vùng bảo

vệ chống nhiễu bị giới hạn bởi công thức sau cho user n và kênh m:

2.2.2 Khái quát hóa bài toán

Giả sử rằng, tổng số user SU là N và các kênh trực giao M Theo vị trí và vùng bảo vệ chống nhiễu của PU và SU, chúng ta có ma trận các kênh rỗi L được

định nghĩa như sau:

𝐿 = [𝑙𝑛,𝑚|𝑙𝑛,𝑚 ∈ {0,1}] 𝑁×𝑀

Trong đó:

𝒍𝒏,𝒎 = 𝟏 nếu kênh m đã được dành cho user SU n sử dụng

Ngược lại, 𝒍𝒏,𝒎 = 𝟎 nếu kênh m đang được sử dụng

Chúng ta cũng đặt ma trận B là ma trận “thưởng kênh”, mức thưởng được thể

hiện là công suất hoặc băng thông của các người dùng và được mô tả như sau:

𝐵 = [𝑏𝑛,𝑚]𝑁×𝑀

Cuối cùng, đặt A là ma trận gán kênh để chỉ ra các kênh được phép được sử

dụng bởi các người dùng SU

𝑎𝑛,𝑚+ 𝑎𝑘,𝑚 ≤ 1, ∀ 𝑐𝑛,𝑘,𝑚 = 1, 1 ≤ 𝑛, 𝑘 ≤ 𝑁, 1 ≤ 𝑚 ≤ 𝑀 (2)

Tuy nhiên, do giới hạn phần cứng, mỗi giao diện vô tuyến nhận thức cần phải

có một giới hạn tối đa Cmax các kênh trên số lượng tối đa các kênh được gán theo

[6] và được mô tả bởi công thức:

∑𝑀𝑚=1𝑎𝑛,𝑚 ≤ 𝐶𝑚𝑎𝑥 ∀1 ≤ 𝑛 ≤ 𝑁 (3)

Chúng ta sẽ thực hiện tối đa hóa mức “thưởng kênh” từ ma trận A bằng cách sử

dụng hàm U(A) như sau:

𝑛=1

)

1 𝑁

Max-Proportional-Fair (MPF): dùng để tính toán cho việc truy cập phổ một

cách công bằng cho các người dùng

Một ma trận gán kênh A là một giải pháp của vấn đề Những phép gán mà

đáp ứng cả hai ràng buộc (2) và (3) là một dạng của giải pháp khả thi ∆, về mặt toán

học được biểu diễn theo công thức sau:

𝐦𝐚𝐱

𝑨 ∈ ∆ 𝑼(𝑨) (4)

Trong đó U(A) có thể là 𝑈𝑀𝑆𝑅(𝐴), 𝑈𝑀𝑀𝑅(𝐴) ℎ𝑜ặ𝑐 𝑈𝑀𝑃𝐹(𝐴)

CHƯƠNG 3 KHẢO SÁT GIẢI THUẬT PSO TRONG VIỆC TỐI ƯU

ĐỊNH VỊ PHỔ

Trong chương này sẽ giới thiệu giải pháp tối ưu định vị phổ trong mạng vô tuyến nhận thức sử dụng thuật toán PSO, từ đó so sánh kết quả với giải thuật SSA

Cụ thể:

3.1 Giới thiệu giải thuật PSO

Trong giải thuật PSO (Particle Swarm Optimization), tác giả Kenedy và Eberhart [7] đưa ra giải pháp dựa vào hành vi tìm kiếm thức ăn của bầy chim để thực hiện giải quyết bài toán tối ưu Cụ thể, mỗi cá thể trong bầy sẽ thực hiện tương tác với nhau để khám phá không gian tìm kiếm và mỗi cá thể là một giải pháp có thể cho bài toán tối ưu

Hình 3-1 Giải thuật Particle Swarm Optimization (PSO)

3.2 Mô tả giải thuật PSO

3.2.1 Biểu diễn giải thuật

Trong PSO, theo [7], các cá thể được đặt ngẫu nhiên trong không gian tìm

kiếm, mỗi cá thể i tại vòng lặp t trong không gian tìm kiếm D chiều được định nghĩa

là 𝒙𝒊𝒕 = [𝒙𝒊𝟏𝒕 , 𝒙𝒊𝟐𝒕 , … , 𝒙𝒊𝑫𝒕 ] và có giá trị của hàm mục tiêu là 𝒇(𝒙𝒊𝒕) Sau đó, các cá thể

sẽ di chuyển về hướng có giá trị tốt nhất theo hàm mục tiêu và được định nghĩa là vị trí tốt nhất trog bước lặp hiện tại, việc di chuyển của các cá thể phụ thuộc vào các yếu

tố sau:

Hình 3-2 Mô tả giải thuật trong PSO

- Thứ nhất, vị trí tốt nhất của mỗi cá thể i tại vòng lặp t trong không gian tìm kiếm D chiều được định nghĩa bởi 𝒑𝒊𝒕 = [𝒑𝒊𝟏𝒕 , 𝒑𝒊𝟐𝒕 , … , 𝒑𝒊𝑫𝒕 ]

- Thứ hai, vận tốc di chuyển của cá thể i tại vòng lặp t trong không gian tìm kiếm D chiều được định nghĩa bởi 𝒗𝒊𝒕 = [𝒗𝒊𝟏𝒕 , 𝒗𝒊𝟐𝒕 , … , 𝒗𝒊𝑫𝒕 ]

- Thứ ba, tại mỗi vòng lặp t, giá trị hàm mục tiêu của quần thể được định nghĩa

bởi 𝒑𝒈𝒕 = [𝒑𝒈𝟏𝒕 , 𝒑𝒈𝟐𝒕 , … , 𝒑𝒈𝑫𝒕 ]

- Cuối cùng, các giá trị vận tốc của cá thể sẽ được cập nhật lại qua mỗi vòng

lặp dựa vào công thức:

3.2.2 Giải quyết bài toán CRN trong PSO

Theo [3], để giải quyết bài toán định vị phổ cho mạng vô tuyến nhận thức, tức

là tìm các khoảng trắng có thông lượng cao nhất một cách tối ưu nhất cho người dùng thứ cấp, tác giả thực hiện ánh xạ các cá thể trong đàn thành các người dùng thứ cấp (SU), các khoảng trắng trong các kênh được phát sóng từ các trạm của người dùng chính (PU) tương ứng với nguồn thức ăn trong không gian tìm kiếm

Để tránh tình trạng thuật toán bị tối ưu cục bộ, tác giả sử dụng kết hợp với thuật toán luyện kim (Simulated Annealing - SA) và cơ chế quay bánh xe Roulette trong quá trình lặp, từ đó, tác giả thực hiện giải quyết bài toán bằng cách thực hiện tìm giá trị tốt nhất cho hàm mục tiêu:

𝑆𝐼𝑖𝑡: nhiễu kênh giữa các SU

𝐼𝑙𝑖𝑚𝑖𝑡: vùng nhiễu tối đa cho mỗi người dùng

𝑃𝐼𝑖𝑛𝑡 : mức công suất truyền mà không bị nhiễu với người dùng khác

𝑃𝑙𝑖𝑚𝑖𝑡: công suất truyền tối đa của mỗi người dùng

3.2.3 Cài đặt thuật toán PSO cho bài toán CRN

Để giải quyết bài toán xác định phổ trong mạng vô tuyến nhận thức, thuật toán PSO được cài đặt theo trình tự các bước sau:

Bước 1: Khởi tạo

Khởi tạo các kênh người dùng gán vào ma trận L, băng thông tương ứng của các kênh gán vào ma trận B, thông tin trạng thái gán vào ma trận

G, phạm vi nhiễu của các người dùng trên các kênh gán vào ma trận C và

công suất truyền gán vào ma trận P

Bước 2: Thiết lập các tham số cho thuật toán:

Số lượng các cá thể trong quần thể (pop_size), hệ số quán tính 𝝎, hệ

số gia tốc: 𝒄𝟏, 𝒄𝟐, số lần lặp, nhiệt độ ban đầu 𝑻𝟎, hệ số làm mát 𝜶, vận tốc tối đa 𝑽𝒎𝒂𝒙, vận tốc tối thiểu 𝑽𝒎𝒊𝒏

Tiếp theo, thuật toán tạo ra ngẫu nhiên vị trí và vận tốc cho các cá thể trong quần thể nhưng vẫn đảm bảo rằng vị trí và vận tốc của các cá thể

không bị vi phạm bởi các ràng buộc trong ma trận C, tính toán giá trị hàm

mục tiêu hiện tại cho mỗi cá thể (𝒑𝒊) và tìm giá trị vị trí tốt nhất cho cả đàn (𝒑𝒈)

Bước 3: Tính giá trị hàm mục tiêu

Thuật toán sẽ tính toán giá trị hàm mục tiêu có thể chấp nhận được

và thực hiện quay bánh xe Roulette để chọn ra cá thể tốt nhất để làm đầu

đàn ở nhiệt độ hiện tại Sau đó, tính giá trị hàm mục tiêu của cá thể trên để tìm ra giá trị hàm mục tiêu mới cho cả đàn

Bước 4: Tính toán và cập nhật lại giá trị

Các giá trị vận tốc, vị trí cho mỗi cá thể và xử lý ràng buộc với ma trận L và ma trận C được thực hiện tính toán lại trong bước này

Dựa vào cơ sở lý thuyết được trình bày trong [3], tác giả tính giá trị vận tốc của cá thể i tại thời điểm t+1 sẽ dựa vào công thức sau:

Nếu 𝑣𝑖𝑛,𝑖𝑚𝑡+1 > 𝑉𝑚𝑎𝑥 thì 𝑣𝑖𝑛,𝑖𝑚𝑡+1 = 𝑉𝑚𝑎𝑥

Và, nếu 𝑣𝑖𝑛,𝑖𝑚𝑡+1 < −𝑉𝑚𝑎𝑥 thì 𝑣𝑖𝑛,𝑖𝑚𝑡+1 = −𝑉𝑚𝑎𝑥

Bước 5: Tính toán lại giá trị mục tiêu

Giá trị của hàm mục tiêu sẽ được tính toán lại cho tất cả các cá thể trong đàn, thực hiện cập nhật lại vị trí tốt nhất cho mỗi cá thể (Pbest) sau

đó giảm nhiệt độ

Bước 6: Kiểm tra điều kiện dừng

Nếu số lần lặp đạt tối đa (max interation) thì dừng quá trình lặp và xuất ra vị trí tốt nhất toàn cục, giá trị hàm mục tiêu Ngược lại, quay lại Bước 3

CHƯƠNG 4 GIỚI THIỆU GIẢI THUẬT TỐI ƯU HÓA SSA

(SOCIAL SPIDER ALGORITHM)

Trong chương này sẽ giới thiệu giải thuật tối ưu SSA, cách thức mã hóa bài toán tối ưu theo giải thuật SSA, sau đó sẽ xây dựng sơ đồ giải thuật và chương trình

mô phỏng

4.1 Giới thiệu giải thuật SSA

Trong hai thập kỷ qua, tri thức bầy đàn, một loại tri thức mới của kỹ thuật tính toán tiến hóa đã thu hút được nhiều sự quan tâm của giới nghiên cứu Khái niệm tri thức bầy đàn được sử dụng như một cách tổng quát để chỉ bất kỳ một tập hợp gồm các tác nhân có sự tương tác với nhau Tri thức bầy đàn chủ yếu quan tâm đến các phương pháp để mô hình hóa hành vi của các động vật và côn trùng để giải quyết vấn

đề Các nhà nghiên cứu đã phát minh ra thuật toán tối ưu hóa bằng cách bắt chước các hành vi của kiến, ong, vi khuẩn, đom đóm và các sinh vật khác Việc thúc đẩy tạo

ra các thuật toán như vậy được cung cấp bởi các nhu cầu phát triển để giải quyết các vấn đề tối ưu hóa là rất khó, thậm chí coi là đặc biệt khó.[8]

Hình 4-1 Giải thuật Social Spider Algorithm (SSA)

Trong số các loài động vật thường thấy, nhện là một chủ đề nghiên cứu quan trọng trong kỹ thuật sinh học trong nhiều năm Tuy nhiên, hầu hết các nghiên cứu liên quan đến loài nhện tập trung vào việc bắt chước các mô hình di chuyển của nó

để thiết kế robot Một lý do có thể cho điều này là phần lớn những nghiên cứu về nhện là rất ít có nghĩa là họ dành phần lớn các nghiên cứu của họ một cách riêng biệt

mà không tương tác với những người khác có cùng hướng nghiên cứu Tuy nhiên, trong số 35000 loài nhện quan sát và mô tả bởi các nhà khoa học, một số loài có tính bầy đàn Ví dụ: Những con nhện Gregalis Mallos và Oecobius Civitas sống thành từng nhóm và tương tác với những những con khác trong cùng một nhóm Dựa theo hành vi của loài nhện, đề tài này mô phỏng lại hành vi trên như là một phương pháp tối ưu hóa mới để giải quyết bài toán tối ưu

Nhện là động vật chân đốt hô hấp bằng không khí Nó có tám chân và chân

có kìm Nhện được tìm thấy trên toàn thế giới và là một trong những loài sống theo nhóm Chúng sử dụng một loạt các chiến lược để tìm kiếm thức ăn và hầu hết trong

số chúng phát hiện con mồi bằng cách cảm nhận rung động

Nhện từ lâu đã được biết đến rất nhạy cảm với rung động, nếu con mồi rơi vào mạng nhện thì sẽ tạo ra một rung động, rung động này trên mạng nhện như một thông báo về thông tin của con mồi Nếu những rung động là một dãy tần số xác định thì các con nhện tấn công con mồi dựa vào nguồn của rung động

Những con nhện cũng có thể phân biệt được các rung động tạo ra bởi các con mồi với các rung động được tạo ra bởi những con khác Những con nhện nhận được những rung động được tạo ra bởi các con nhện khác trong mạng nhện một cách bị động để có một cái nhìn rõ ràng về vị trí các con nhện trên mạng nhện Đây là một trong những đặc điểm độc đáo của loài nhện để phân biệt với các loài khác

Hiện tượng sống theo đàn đã được nghiên cứu sâu vào hành vi của các loài động vật Một trong những lý do mà những loài động vật sống thành đàn là để tăng khả năng tìm kiếm thức ăn thành công và giảm chi phí năng lượng trong quá trình này Để tạo thuận lợi cho việc phân tích các hành vi tìm kiếm thức ăn, các nhà nghiên cứu đề xuất hai mô hình tìm kiếm thức ăn: mô hình chia sẻ thông tin (Information Sharing - IS) [9] và mô hình “kẻ ăn xin” (Producer Scrounger - PS) [10]

Các cá thể theo mô hình IS thực hiện tìm kiếm và tìm cơ hội để tham gia vào các nhóm khác Trong mô hình PS, các cá thể được chia thành các con đầu đàn và những con đi theo Trong loài nhện, không có cá thể đầu đàn, mô hình IS là phù hợp hơn để xây dựng các hành vi tìm kiếm thức ăn của loài nhện và sử dụng mô hình này

để điều khiển các dạng tìm kiếm trong thuật toán

4.2 Mô tả thuật toán SSA

Trong SSA [8], tác giả James J.Q và Victor O.K Li – Đại học Hồng Kông, xây dựng không gian tìm kiếm các vấn đề tối ưu hóa như một không gian đa chiều trên mạng nhện

Mỗi cá thể có một vị trí trên mạng nhện đại diện cho một giải pháp khả thi cho vấn đề tối ưu hóa và mạng nhện cũng cung cấp như là phương tiện truyền dẫn để truyền những rung động được tạo ra bởi những con nhện

Mỗi con nhện trên mạng nhện giữ một vị trí và giá trị mục tiêu (fitness) của giải pháp theo các hàm mục tiêu và đại diện cho một khả năng của việc tìm kiếm một nguồn thức ăn tại các vị trí này

Những con nhện có thể di chuyển tự do trên mạng nhện tuy nhiên, nó không thể rời khỏi mạng nhện Nếu nó rời khỏi mạng nhện (ie position off) thì xem như giải pháp này không thể thực hiện cho bài toán tối ưu

Khi một con nhện di chuyển đến một vị trí mới, nó tạo ra một sự rung động

và rung động đó được lan truyền qua mạng nhện Mỗi rung động chứa các thông tin của một con nhện và các con nhện khác có thể nhận được các thông tin khi cảm nhận được sự rung động này

Hình 4-2 Mô tả thuật toán SSA