Điều khiển tối ưu luồng video điểm đa điểm trong mạng 5g siêu dày đặc

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH PH A N T H A N H MI N H ĐIỀU KHIỂN TỐI ƯU LUỒNG VIDEO ĐIỂM - ĐA ĐIỂM TRONG MẠNG 5G SIÊU DÀY ĐẶC N g n h : M ã Kỹ thuật điều khiển Tự động hóa 9520216 s ố n g n h : LUẬN ÁN TIẾN SĨ KỸ THUẬT TP Hồ Chí Minh – 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THƠNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH P H A N T H A N H M IN H ĐIỀU KHIỂN TỐI ƯU LUỒNG VIDEO ĐIỂM - ĐA ĐIỂM TRONG MẠNG 5G SIÊU DÀY ĐẶC N g n h : M ã s ố n g n h : Kỹ thuật điều khiển Tự động hóa 9520216 LUẬN ÁN TIẾN SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS Đặng Xuân Kiên TS Võ Nguyên Sơn TP Hồ Chí Minh – 2020 i LỜI CAM ĐOAN Tôi xin cam đoan luận án tiến sĩ với đề tài: “Điều khiển tối ưu luồng video điểm đa điểm mạng 5G siêu dày đặc” cơng trình nghiên cứu tơi thực Các kết kết luận luận án trung thực, không chép từ nguồn hình thức Việc tham khảo nguồn tài liệu thực trích dẫn ghi nguồn tài liệu tham khảo quy định TP Hồ Chí Minh, ngày 02 tháng 02 năm 2021 Tác giả luận án Phan Thanh Minh ii LỜI CẢM ƠN Để hoàn thành luận án tiến sĩ này, nhận nhiều hỗ trợ Nhà trường, người hướng dẫn khoa học, đồng nghiệp gia đình Tơi xin gởi lời cảm ơn chân thành đến PGS.TS Đặng Xuân Kiên, Viện trưởng Viện Đào tạo Sau đại học, Trường Đại học Giao thông vận tải TP HCM động viên, khuyến khích hướng dẫn tơi suốt q trình thực luận án Tơi xin gởi lời cảm ơn sâu sắc đến TS Võ Nguyên Sơn, người thầy đồng nghiệp tận tình hướng dẫn, định hướng nghiên cứu suốt q trình tơi thực luận án Tơi xin cảm ơn đồng nghiệp làm nghiên cứu Khoa Điện - Điện tử viễn thông, Trường Đại học Giao thông vận tải TP HCM Viện Nghiên cứu Khoa học Cơ Ứng dụng, Trường Đại học Duy Tân, TP HCM hỗ trợ tạo điều kiện cho thực luận án Tôi xin cám ơn gia đình hỗ trợ, động viên đồng hành suốt thời gian thực luận án Mặc dù cố gắng nỗ lực q trình nghiên cứu để hồn thành luận án, hạn chế kiến thức, kinh nghiệm thời gian nên luận án cịn nhiều thiếu sót Tơi mong nhận góp ý quý giá nhà khoa học bạn đọc để hoàn thiện luận án cách tốt tiếp tục cho nghiên cứu sau Xin trân trọng cảm ơn! TP Hồ Chí Minh, ngày 02 tháng 02 năm 2021 Tác giả Phan Thanh Minh iii TÓM TẮT Sự bùng nổ mạng di động Internet góp phần thực hóa cách mạng cơng nghiệp 4.0 tồn giới với xu hướng vạn vật kết nối Internet (IoT) nhiều lĩnh vực khác Trong lĩnh vực công nghiệp tự động hóa điều khiển, phát triển cơng nghệ kết nối mạng đại giúp việc kết nối thiết bị nhiều vị trí khác cách đơn giản, nghĩa thành phần hệ thống điều khiển kết nối thông qua mạng truyền thông không dây cách dễ dàng Trong hệ thống điều khiển kết nối mạng (NCS – Networked Control System), việc kết nối khơng dây nhằm tăng tính linh hoạt, dễ dàng chẩn đốn bảo trì hệ thống xu hướng kỹ thuật điều khiển tự động hóa Song song với phát triển cơng nghệ, dịch vụ ứng dụng ngày phát triển, địi hỏi liệu truyền thơng cực lớn Ước tính, vào năm 2023 có khoảng 5,3 tỷ người dùng kết nối Internet để trao đổi thông tin liệu chủ yếu liệu video (chiếm 79%) Để đáp ứng nhu cầu đó, ngồi việc nâng cấp hạ tầng mạng lõi (tốn nhiều chi phí), nâng cấp mạng di động không dây kiến trúc mới, công nghệ kỹ thuật quan tâm Cụ thể, mạng di động hệ thứ với kiến trúc siêu dày đặc (UDN – Ultra-dense Network) xem đầy tiềm chìa khóa để bước vào kỷ nguyên IoT Trong luận án này, tác giả nghiên cứu kiến trúc mạng 5G UDN, cải tiến công nghệ, kỹ thuật điều khiển, phân phối quản lý 5G UDN như: thiết kế phân cụm (cluster), lưu trữ đa tầng (multi-tier); điều khiển phát đa hướng (multicast); kỹ thuật phân bổ quản lý tài nguyên (resource allocation and management), kỹ thuật truyền thông phạm vi hẹp từ thiết bị đến thiết bị (D2D – Device-to-Device) để cải tiến hiệu phổ, mở rộng băng thông truyền, mở rộng phạm vi hoạt động mạng Ngoài ra, kỹ thuật điều khiển lưu trữ (caching) phân phối (delivering) video mạng 5G UDN tìm hiểu Từ đề xuất mơ hình điều khiển tối ưu luồng liệu video điểm - đa điểm mạng 5G UDN sử dụng kỹ thuật lựa chọn thiết bị lưu trữ thiết bị chia sẻ tài nguyên phổ tần xuống nhằm cực đại dung lượng hệ thống Tiếp đó, mở rộng mơ hình đề xuất cách xem xét thêm mối quan hệ xã hội người dùng ràng buộc độ dao động dung lượng nhằm iv đảm bảo tính cơng cao chất lượng dịch vụ người dùng Cuối cùng, mở rộng mơ hình đề xuất cách xem xét thêm tầng lưu trữ để linh hoạt việc lựa chọn nguồn cung cấp liệu Tất hệ thống đề xuất mơ hình tốn mơ máy tính dựa vào công cụ Matlab với giải thuật di truyền (GA - Genetic Algorithms) nhằm tăng tốc độ xử lý mà đảm bảo kết tối ưu tốn Các kết mơ chứng minh vượt trội mơ hình đề xuất so với chế thơng thường khác Từ khóa—điều khiển tối ưu, hệ thống điều khiển kết nối mạng, mạng 5G siêu dày đặc, luồng video, truyền thông từ thiết bị đến thiết bị, truyền thông điểm - đa điểm, vạn vật kết nối Internet v ABSTRACT The mobile network explosion and the Internet development has contributed to the realization of the Industrial Revolution 4.0 all over the world with the trend of Internet of Things (IoT) in many different areas In the automation and control industry, the development of modern networking technologies makes it simple to connect devices in many different locations, i.e., the controller system components are easily connected via wireless communication network In the Networked Control System (NCS), the wireless connection to increase flexibility, easily diagnose and maintain the system is the current trend of control and automation technology With the development of technology, services and applications are increasingly developed, requiring extremely large data communication It is estimated that by 2023 there will be about 5.3 billion users of mobile connected to the Internet to exchange information data, especially video data (accounting for 79%) To meet that demand, in addition to upgrading core network infrastructure (which costs highly), upgrading wireless mobile networks with new architectures, technologies and techniques is also taken great consideration Specifically, the 5th generation mobile network with Ultra-dense Networks (UDN) architecture is considered to be full of potential and the key to entering the IoT era In this thesis, the author studies 5G UDN network architectures, technology innovations, control techniques, distribution and management in 5G UDN such as cluster, multi-tier, multicast, resource allocation and management techniques, deviceto-device communication techniques to improve spectral efficiency, expand communication bandwidth, and expanding the network's range of activities Furthermore, techniques for caching storage and delivering video in the 5G UDN are explored Since then, we have proposed the optimal control of multicast video streaming in 5G UDN using techniques of caching selection and downlink resource sharing equipment to maximize capacity in the system Next, we have extended the proposal model via the social relationships and capacity variation constraints to assure the fairness of Quality of Service (QoS) for mobile users Finally, we have broadened vi the proposed model by t adding a multi-tier caching storage for more flexibility in the data sources selection All the proposed systems are modeled with algorithms and simulated on the computer with Matlab tool and Genetic Algorithms (GAs) to increase the processing speed while ensuring the optimal results of problems The simulation results demonstrate the superiority of the proposed model compared to other normal benchmarks Index Terms—Optimal control, Networked Control System, 5G ultra-dense networks, video streaming, device-to-device (D2D) communications, multicast communications, Internet of Thing (IoT) 98 Hình 5.5 Dung lượng hệ thống DRS-MCS theo số lượng trạm nhỏ FBS Hình 5.5 đánh giá hiệu suất hệ thống theo số lượng FBS (I) Kết cho thấy khơng có FBS (I = 0), MIN Non-DRS giống OMBS khơng có FBS DRS hỗ trợ Hiệu suất DRS-MCS, AVE, MIN Non-DRS tăng theo số lượng I, bị bão hòa I đủ lớn (I = 4) FBS thêm vào không tốt mặt cung cấp dung lượng hệ thống so với FBS có Xét mặt so sánh, DRS-MCS ln vượt trội so với chế khác AVE, MIN, Non-DRS OMBS Ngoài ra, tương tự việc chọn số lượng SU, thực chế DRSMCS cần phải xem xét cẩn thận việc chọn số lượng FBS thích hợp để có dung lượng hệ thống cao với chi phí hợp lý cho việc sửa đổi kiến trúc hệ thống tài ngun tính tốn EBSA 99 Hình 5.6 Dung lượng hệ thống DRS-MCS theo Trong Hình 5.6, tơi xem xét thêm mức ngưỡng SINR SU ( 0) để đánh giá hiệu suất DRS-MCS, AVE, MIN, Non-DRS OMBS Chắc chắn việc tăng để đảm bảo QoS SU làm giảm hội chia sẻ tài nguyên kênh truyền xuống Do đó, hiệu suất DRS-MCS AVE bị giảm xuống MIN Non-DRS = 25dB Điều quan trọng nhận thấy giá trị phù hợp chọn cẩn thận để dung lượng hệ thống đủ cao đảm bảo QoS cao cho SU, ví dụ = 5dB Tùy thuộc vào nhu cầu QoS SU, giá trị khác chọn để DRS-MCS đạt hiệu suất hệ thống khác cao hiệu suất hệ thống chế khác 100 5.6 Kết luận chương Trong chương này, đề xuất giải pháp DRS-MCS cho ứng dụng dịch vụ truyền phát video 5G UDN Cơ chế DRS-MCS đề xuất cho phép điều khiển RU nhận luồng video linh hoạt thông qua truyền thơng điểm đa điểm từ vị trí lưu trữ ba tầng: MBS, FBS CH, mà cho phép ghép SU chia sẻ tài nguyên kênh truyền xuống sẵn có với CH lưu trữ video cho D2DC điểm - đa điểm cách tái sử dụng tài nguyên kênh truyền xuống Mục tiêu giải pháp DRS-MCS cung cấp cho RU dung lượng hệ thống cao đảm bảo QoS cho SU, cách hạn chế nhiễu CH tái sử dụng tài nguyên kênh truyền xuống SU Kết mơ phân tích để chứng minh lợi ích giải pháp DRS-MCS đề xuất so với chế khác Ngoài ra, đề xuất hữu ích liên quan đến việc chọn lựa thông số hệ thống đề cập nhằm phục vụ cho cải tiến thiết kế tối ưu có giải pháp DRS-MCS Giải pháp DRS-MCS đề xuất kết hợp kỹ thuật lưu trữ đa tầng, chia sẻ tài nguyên phổ, phân cụm, truyền điểm - đa điểm so với mơ hình hệ thống nhóm tác giả khác cho kết dung lượng hệ thống cao, cụ thể kết tóm tắt Bảng 5-3 Bảng 5-3 So sánh hệ thống DRS-MCS với mơ hình hệ thống khác Hệ thống [69] [67] [39] [41] Lưu trữ ✓ ✓ DRSMCS ✓ 101 KẾT LUẬN Với mục tiêu đề ra, luận án tập trung vào việc nghiên cứu đề xuất mơ hình điều khiển tối ưu phân phối luồng video điểm - đa điểm mạng 5G siêu dày đặc (5G UDN – Ultra-dense Network) nhằm nâng cao chất lượng dịch vụ (QoS – Quality of Service) sử dụng tài nguyên lưu trữ tài nguyên phổ tần cách hiệu Kết đạt cụ thể là: 1) luận án đề xuất mơ hình điều khiển tối ưu luồng video điểm - đa điểm nhằm cực đại dung lượng người dùng yêu cầu (RU – Requesting User) có quan tâm đến tính cơng QoS người dùng chia sẻ phổ tần (SU – Sharing User) 5G UDN; 2) cải tiến mô hình đề xuất cách: i) quan tâm đến mối quan hệ xã hội người dùng hỗ trợ lưu trữ (CH – Caching Helper) RU; ii) tận dụng tài nguyên phổ tần SU hiệu hơn, nghĩa SU chia sẻ với nhiều CH nhiều cụm khác nhau, miễn đảm bảo tính cơng QoS cao cho SU; iii) quan tâm đến biến động QoS RU nhằm đảm bảo tính cơng QoS cho RU; 3) mơ hình điều khiển tối ưu luồng video điểm - đa điểm xét thêm lực lưu trữ tầng trạm nhỏ để cung cấp cho RU truy xuất video với dung lượng cực đại linh động Từ mơ hình đề xuất, luận án triển khai thực mô cơng cụ Matlab thơng qua thuật tốn di truyền (GA – Genetic Algorithms) Từ đánh giá ưu điểm mơ hình đề xuất so với giải pháp khác liên quan vấn đề tồn đọng cần giải luận án Kết nghiên cứu luận án phần đóng góp mang giá trị tham khảo hữu ích cho cộng đồng nghiên cứu lĩnh vực điều khiển luồng video tối ưu, cụ thể điều khiển chọn lựa lưu trữ đa tầng chia sẻ tài nguyên phổ tần phần tử 5G UDN, nhằm cực đại dung lượng phân phối luồng video đến người dùng Ý nghĩa khoa học luận án khẳng định qua kết nghiên cứu công bố 01 báo tạp chí nước có uy tín (Journal of Science and Technology: Issue on Information and Communications Technology), 01 báo tạp chí quốc tế uy tín có số ISI (IEEE Systems Journal, IF = 4,5), 01 báo trình bày đăng hội nghị quốc tế INISCOM’20 (International Conference on Industrial Networks and Intelligent Systems) 102 Để tiếp tục hồn thiện mơ hình điều khiển luồng video điểm - đa điểm 5G UDN đề xuất cho phù hợp hơn, kết nghiên cứu luận án mở rộng theo hướng: 1) Hệ thống hoàn thiện kết hợp mơ hình Chương Chương Lúc đó, q trình điều khiển chọn lựa lưu trữ thực với 03 tầng, tài nguyên phổ tần SU tận dụng hiệu cách chia sẻ với nhiều cụm thông qua chế điều khiển công QoS cho SU tốt hơn, thuộc tính vật lý mối quan hệ xã hội người dùng xem xét đồng thời với tính công QoS RU; 2) Đánh giá hiệu suất hệ thống từ thông số đơn giản dung lượng phân phối đến RU ràng buộc đảm bảo tính cơng QoS cho SU RU cải tiến thông số đánh giá tốt QoE (Quality of Experience - Chất lượng trải nghiệm) đặc trưng xác suất truy cập video thành công, thời gian chờ video kể từ gởi yêu cầu đến xem được, chất lượng hình ảnh video, tính liên tục xem video, độ dao động chất lượng video; 3) Với hệ thống mở rộng để hoàn thiện kết hợp với thông số QoE đánh giá hiệu suất phức tạp hơn, GA cần nghiên cứu để có cải tiến độ xác thời gian thực thi Ngồi ra, cần tìm hiểu thêm thuật toán phù hợp khác theo xu máy học, học sâu,… để giải toán tối ưu so sánh hiệu với GA áp dụng nhằm chọn lựa thuật toán tốt để triển khai hệ thống 103 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CỐNG BỐ CỦA NGHIÊN CỨU SINH Cơng trình cơng bố luận án [C1] Thanh-Minh Phan, Nguyen-Son Vo, Minh-Phung Bui, Xuan-Kien Dang, and Dac-Binh Ha, “Downlink Resource Sharing and Caching Helper Selection Control Maximized Multicast Video Delivery Capacity in Dense D2D 5G Networks,” Journal of Science and Technology, vol 18, no 4.2, pp 12-20, April 2020 [C2] Nguyen-Son Vo, Thanh-Minh Phan, Minh-Phung Bui, Xuan-Kien Dang, Nguyen Trung Viet, and Cheng Yin, “Social-aware Spectrum Sharing and Caching Helper Selection Strategy Optimized Multicast Video Streaming in Dense D2D 5G Networks,” IEEE Systems Journal, pp 1-12, June 2020 [C3] Thanh-Minh Phan, Nguyen-Son Vo, Minh-Phung Bui, Quang-Nhat Tran, Hien M Nguyen and Antonino Masaracchia, “Downlink Resource Sharing and Multitier Caching Selection Maximized Multicast Video Delivery Capacity in 5G Ultra-dense Networks”, in Proc of EAI International Conference on Industrial Networks and Intelligent Systems (INISCOM '20), Hanoi, Vietnam, August 2020, pp 19-31 Cơng trình cơng bố khác nghiên cứu sinh [C4] Đặng Xuân Kiên, Nguyễn Việt Chính, Phan Thanh Minh, “Ứng dụng mạng nơ ron tích chập lai ghép để xử lý ảnh hệ thống báo động trực ca hàng hải”, Tạp chí Khoa học Cơng nghệ Giao thông vận tải, Số 32-05/2019, trang 47-52, 2019 [C5] Thanh-Minh Phan and Xuan-Kien Dang, “Current Challenges in Communication and 5G Networks for Autonomous Marine Systems,” in Proc of The 18th Asia Maritime & Fisheries Universities Forum (AMFUF2019), Hai Phong City, Vietnam, November 2019, pp 138-148 104 [C6] Quang-Nhat Tran, Nguyen-Son Vo, Thanh-Minh Phan, Minh-Phung Bui, MinhNghia Nguyen and Ayse Kortun, “Downlink Resource Allocation Maximized Video Delivery Capacity over Multi-hop Multi-path in Dense D2D 5G Networks”, in Proc of The 4th International Conference on Recent Advances in Signal Processing, Telecommunications & Computing (SigTelCom2020), Hanoi, Vietnam, September 2020, pp 72-76 [C7] Quang-Nhat Tran, Nguyen-Son Vo, Quynh-Anh Nguyen, Minh-Phung Bui, Thanh-Minh Phan, Van-Viet Lam and Antonino Masaracchia, “D2D Multi-hop Multi-path Communications in B5G Networks: A Survey on Models, Techniques, and Applications”, EAI Endorsed Transactions on Industrial Networks and Intelligent Systems, vol 7, no 25, p 167839, January 2021 Đề tài tham gia nghiên cứu [D1] Phan Thanh Minh (thành viên), “Nghiên cứu thiết kế hệ thống tự động chỉnh định giám sát ổn định điện áp máy phát điện tàu thủy dựa giải thuật mờ thích nghi tương tác Matlab”, Bộ Giao thông vận tải, Mã số DT203039, 01/2020-12/2020 [D2] Phan Thanh Minh (thành viên), “Thiết kế chế tạo hệ thống giám sát thông số cảnh báo cầu đường sử dụng trí tuệ nhân tạo IoT”, Bộ Giao thông vận tải, Mã số DT203038, 06/2020-07/2020 105 TÀI LIỆU THAM KHẢO [1] H.-V Dimitrios and L William S., Handbook of Networked and Embedded Control Systems 2005 [2] L Guo, Y Tang, Z Liu, and W Xiong, “The Theory and Architecture of Network Control System,” in 2010 International Conference on Intelligent Computing and Cognitive Informatics, 2010 [3] R A Gupta and M.-Y Chow, “Networked Control System: Overview and Research Trends,” IEEE Trans Ind Electron., vol 57, no 7, pp 2527–2535, 2010 [4] X.-M Zhang et al., “Networked Control Systems: A Survey of Trends and Techniques,” IEEE/CAA J Autom Sin., vol 7, no 1, pp 1–17, 2020 [5] R M Murray, Control in an Information Rich World: Report of the Panel on Future Directions in Control, Dynamics, and Systems Philadelphia: Society for Industrial and Applied Mathematics, 2003 [6] X.-M Zhang, Q.-L Han, and X Yu, “Survey on Recent Advances in Networked Control Systems,” IEEE Trans Ind Informatics, vol 12, no 5, pp 1740–1752, 2016 [7] X Ge, F Yang, and Q.-L Han, “Distributed networked control systems: A brief overview,” Inf Sci (Ny)., vol 380, pp 117–131, 2017 [8] M S Mahmoud and M M Hamdan, “Fundamental Issues in Networked Control Systems,” IEEE/CAA J Autom Sin., vol 5, no 5, pp 902–922, 2018 [9] Cisco, “Cisco Annual Internet Report (2018–2023),” White paper 2018-2023, 2020 [Online] Available: https://www.cisco.com [10] E Dahlman, S Parkvall, and J Skold, 4G: LTE/LTE-Advanced for Mobile Broadband (Second Edition) 2014 [11] R Trestian, Q T Vien, H X Nguyen, and O Gemikonakli, “ECO-M: Energy-efficient Cluster-Oriented Multimedia delivery in a LTE D2D environment,” IEEE Int Conf Commun., vol 2015-Septe, pp 55–61, 2015 [12] S Joshi and R K Mallik, “Coverage and interference in D2D networks with poisson cluster process,” IEEE Commun Lett., vol 22, no 5, pp 1098–1101, 2018 [13] C Saha and H S Dhillon, “D2D underlaid cellular networks with user clusters: Load balancing and downlink rate analysis,” IEEE Wirel Commun Netw Conf WCNC, pp 1–6, 2017 [14] S Gyawali, S Xu, F Ye, R Q Hu, and Y Qian, “A D2D based clustering scheme for public safety communications,” IEEE Veh Technol Conf., vol 2018-June, pp 1–5, 2018 [15] A Masaracchia, L D Nguyen, T Q Duong, and M N Nguyen, “An energy-efficient clustering and routing framework for disaster relief network,” IEEE Access, vol 7, pp 56520–56532, 2019 [16] R Amer, M M Butt, M Bennis, and N Marchetti, “Inter-cluster cooperation for wireless D2D caching networks,” IEEE Trans Wirel Commun., vol 17, no 9, pp 6108–6121, 2018 106 [17] Z Yuan, L Wang, X Zhang, and L Zhou, “Clustered Underlay Device-to-Device Network: Modeling and Performance Analysis,” 2017 IEEE Globecom Work GC Wkshps 2017 - Proc., vol 2018-Janua, pp 1–6, 2018 [18] M Afshang, H S Dhillon, and P H J Chong, “K-Closest coverage probability and area spectral efficiency in clustered D2D networks,” 2016 IEEE Int Conf Commun ICC 2016, pp 1–6, 2016 [19] M Afshang, H S Dhillon, and P H J Chong, “Fundamentals of Cluster-Centric Content Placement in Cache-Enabled Device-to-Device Networks,” IEEE Trans Commun., vol 64, no 6, pp 2511–2526, 2016 [20] R Amer, M M Butt, H Elsawy, M Bennis, J Kibilda, and N Marchetti, “On Minimizing Energy Consumption for D2D Clustered Caching Networks,” 2018 IEEE Glob Commun Conf GLOBECOM 2018 - Proc., 2018 [21] C Choi, S Park, and D H Cho, “User-cooperation scheme based on clustering for energy efficiency in cellular networks with D2D communication,” IEEE Int Symp Pers Indoor Mob Radio Commun PIMRC, vol 2014-June, pp 1365–1369, 2014 [22] Y Shen, C Jiang, T Q S Quek, H Zhang, and Y Ren, “Device-to-device cluster assisted downlink video sharing - A base station energy saving approach,” 2014 IEEE Glob Conf Signal Inf Process Glob 2014, pp 108–112, 2014 [23] K S Khan, Y Yin, and A Jamalipour, “On the Application of Agglomerative Hierarchical Clustering for Cache-Assisted D2D Networks,” 2019 16th IEEE Annu Consum Commun Netw Conf CCNC 2019, pp 1–6, 2019 [24] Z Chang, Y Hu, Y Chen, and B Zeng, “Cluster-Oriented Device-to-Device Multimedia Communications: Joint Power, Bandwidth, and Link Selection Optimization,” IEEE Trans Veh Technol., vol 67, no 2, pp 1570–1581, 2018 [25] X Zhang and J Wang, “Heterogeneous Statistical QoS-Driven Resource Allocation for D2D Cluster-Caching Based 5G Multimedia Mobile Wireless Networks,” IEEE Int Conf Commun., vol 2018-May, pp 1–6, 2018 [26] K Zhu, W Zhi, X Chen, and L Zhang, “Socially motivated data caching in ultradense small cell networks,” IEEE Netw., vol 31, no 4, pp 42–48, 2017 [27] W Jiang, G Feng, and S Qin, “Optimal Cooperative Content Caching and Delivery Policy for Heterogeneous Cellular Networks,” IEEE Trans Mob Comput., vol 16, no 5, pp 1382–1393, 2017 [28] P Lin, Q Song, Y Yu, and A Jamalipour, “Extensive Cooperative Caching in D2D Integrated Cellular Networks,” IEEE Commun Lett., vol 21, no 9, pp 2101–2104, 2017 [29] M Gregori, J Gómez-Vilardebó, J Matamoros, and D Gündüz, “Wireless Content Caching for Small Cell and D2D Networks,” IEEE J Sel Areas Commun., vol 34, no 5, pp 1222–1234, 2016 [30] J Wen, K Huang, S Yang, and V O K Li, “Cache-Enabled Heterogeneous Cellular Networks: Optimal Tier-Level Content Placement,” IEEE Trans Wirel Commun., vol 16, no 9, pp 5939–5952, 2017 [31] X Li, X Wang, K Li, Z Han, and V C M Leung, “Collaborative Multi-Tier Caching in Heterogeneous Networks: Modeling, Analysis, and Design,” IEEE Trans Wirel 107 Commun., vol 16, no 10, pp 6926–6939, 2017 [32] P Kela, M Costa, J Turkka, K Leppänen, and R Jäntti, “Flexible Backhauling With Massive MIMO for Ultra-Dense Networks,” IEEE Access, vol 4, pp 9625–9634, 2016 [33] V Petrov et al., “Dynamic Multi-Connectivity Performance in Ultra-Dense Urban mmWave Deployments,” IEEE J Sel Areas Commun., vol 35, no 9, pp 2038–2055, 2017 [34] Z Gao, L Dai, D Mi, Z Wang, M A Imran, and M Z Shakir, “MmWave massiveMIMO-based wireless backhaul for the 5G ultra-dense network,” IEEE Wirel Commun., vol 22, no 5, pp 13–21, 2015 [35] H Zhang, S Huang, C Jiang, K Long, V C M Leung, and H V Poor, “Energy Efficient User Association and Power Allocation in Millimeter-Wave-Based Ultra Dense Networks With Energy Harvesting Base Stations,” IEEE J Sel Areas Commun., vol 35, no 9, pp 1936–1947, 2017 [36] C Yang, J Li, Q Ni, A Anpalagan, and M Guizani, “Interference-Aware Energy Efficiency Maximization in 5G Ultra-Dense Networks,” IEEE Trans Commun., vol 65, no 2, pp 728–739, 2017 [37] C Yang, J Li, P Semasinghe, E Hossain, S M Perlaza, and Z Han, “Distributed Interference and Energy-Aware Power Control for Ultra-Dense D2D Networks: A Mean Field Game,” IEEE Trans Wirel Commun., vol 16, no 2, pp 1205–1217, 2017 [38] P Zhao, L Feng, P Yu, W Li, and X Qiu, “A Social-Aware Resource Allocation for 5G Device-to-Device Multicast Communication,” IEEE Access, vol 5, pp 15717– 15730, 2017 [39] M Hmila, M Fernández-Veiga, and M Rodríguez-Pérez, “Distributed Resource Allocation Approach for Device-to-Device Multicast Communications,” Int Conf Wirel Mob Comput Netw Commun., vol 2018-Octob, pp 1–8, 2018 [40] L Feng et al., “Resource Allocation for 5G D2D Multicast Content Sharing in SocialAware Cellular Networks,” IEEE Commun Mag., vol 56, no 3, pp 112–118, 2018 [41] J H Kim, J Joung, and J W Lee, “Resource Allocation for Multiple Device-to-Device Cluster Multicast Communications Underlay Cellular Networks,” IEEE Commun Lett., vol 22, no 2, pp 412–415, 2018 [42] T Fang and L P Chau, “GOP-based channel rate allocation using genetic algorithm for scalable video streaming over error-prone networks,” IEEE Trans Image Process., vol 15, no 6, pp 1323–1330, 2006 [43] N Eshraghi, V Shah-Mansouri, and B Maham, “QoE-aware power allocation for device-to-device video transmissions,” IEEE Int Symp Pers Indoor Mob Radio Commun PIMRC, 2016 [44] W C Cheung, T Q S Quek, and M Kountouris, “Throughput optimization, spectrum allocation, and access control in two-tier femtocell networks,” IEEE J Sel Areas Commun., vol 30, no 3, pp 561–574, 2012 [45] H Ding, X Wang, D B da Costa, and J Ge, “Interference modeling in clustered device-to-device networks with uniform transmitter selection,” IEEE Trans Wirel Commun., vol 16, no 12, pp 7906–7918, 2017 108 [46] H Ding, X Wang, D B Da Costa, and J Ge, “Uniform transmitter selection in clustered D2D networks: An interference modeling analysis,” 2017 IEEE Glob Commun Conf GLOBECOM 2017 - Proc., vol 2018-Janua, no 1, pp 1–7, 2017 [47] X Lin, R Ratasuk, A Ghosh, and J G Andrews, “Modeling, analysis, and optimization of multicast device-to-device transmissions,” IEEE Trans Wirel Commun., vol 13, no 8, pp 4346–4359, 2014 [48] M Zulhasnine, C Huang, and A Srinivasan, “Exploiting cluster multicast for P2P streaming application in cellular system,” IEEE Wirel Commun Netw Conf WCNC, ap 4493–4498, 2013 [49] B Peng, T Peng, Z Liu, Y Yang, and C Hu, “Cluster-based multicast transmission for device-to-device (D2D) communication,” IEEE Veh Technol Conf., pp 1–5, 2013 [50] L Militano, M Condoluci, G Araniti, A Molinaro, A Iera, and G M Muntean, “Single frequency-based device-to-device-enhanced video delivery for evolved multimedia broadcast and multicast services,” IEEE Trans Broadcast., vol 61, no 2, ap 263–278, 2015 [51] Y Zhu, X Qin, and P Zhang, “An Efficient Multicast Clustering Scheme for D2D Assisted Offloading in Cellular Networks,” 2018 IEEE/CIC Int Conf Commun China, ICCC 2018, no Iccc, pp 480–484, 2019 [52] Y Tipsuwan and M.-Y Chow, “Control methodologies in networked control systems,” Control Eng Pract., vol 11, no 10, pp 1099–1111, 2003 [53] H U Jialing Liu, Huawei US Wireless Research and Standards, Weimin Xiao, C Wireless Research and Standards, Chih-Lin I, China Mobile Research Institute, H U Yang, Beijing University of Aeronautics and Astronautics, Anthony Soong, and W R and Standards, “Ultra-Dense Networks (UDNs) for 5G,” IEEE 5G Tech Focus, vol 1, no 1, pp 1–5, 2017 [54] J Park, S.-L Kim, and J Zander, “Asymptotic behavior of ultra-dense cellular networks and its economic impact,” in 2014 IEEE Global Communications Conference, 2014, pp 1–6 [55] M Thurfjell, M Ericsson, and P de Bruin, “Network Densification Impact on System Capacity,” in 2015 IEEE 81st Vehicular Technology Conference (VTC Spring), 2015, ap 1–5 [56] S Stefanatos and A Alexiou, “Access Point Density and Bandwidth Partitioning in Ultra Dense Wireless Networks,” IEEE Trans Commun., vol 62, no 9, pp 3376– 3384, 2014 [57] L Su, C Yang, and C.-L I, “Energy and Spectral Efficient Frequency Reuse of Ultra Dense Networks,” IEEE Trans Wirel Commun., vol 15, no 8, pp 5384–5398, 2016 [58] R Baldemair et al., “Ultra-dense networks in millimeter-wave frequencies,” IEEE Commun Mag., vol 53, no 1, pp 202–208, 2015 [59] J Liu, W Xiao, and A C K Soong, “Dense networks of small cells,” in Design and Deployment of Small Cell Networks, 2015, pp 96–121 [60] G Chopra, R Kumar Jha, and S Jain, “A survey on ultra-dense network and emerging technologies: Security challenges and possible solutions,” J Netw Comput Appl., vol 95, pp 54–78, 2017 109 [61] A Gupta and R K Jha, “A Survey of 5G Network: Architecture and Emerging Technologies,” IEEE Access, vol 3, pp 1206–1232, 2015 [62] T L Thanh and T M Hoang, “Cooperative Spectrum-Sharing with Two-Way AF Relaying in the Presence of Direct Communications,” EAI Endorsed Trans Ind Networks Intell Syst., vol 5, no 14, p 154836, 2018 [63] T Nguyen, D Nguyen, and V Nguyen, “Quality of Service Provisioning for D2D Users in Heterogeneous Networks,” EAI Endorsed Trans Ind Networks Intell Syst., vol 6, no 21, p 160985, 2019 [64] W Jaafar, W Ajib, and H Elbiaze, “Caching Optimization for D2D-Assisted Heterogeneous Wireless Networks,” in 2019 IEEE 30th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), 2019, pp 1–6 [65] M Mehrabi, D You, V Latzko, H Salah, M Reisslein, and F H P Fitzek, “DeviceEnhanced MEC: Multi-Access Edge Computing (MEC) Aided by End Device Computation and Caching: A Survey,” IEEE Access, vol 7, pp 166079–166108, 2019 [66] N S Vo, T Q Duong, H D Tuan, and A Kortun, “Optimal Video Streaming in Dense 5G Networks With D2D Communications,” IEEE Access, 2018 [67] L Yang, D Wu, S Xu, G Zhang, and Y Cai, “Social-energy-aware user clustering for content sharing based on D2D multicast communications,” IEEE Access, vol 6, pp 36092–36104, 2018 [68] X Zhang, Y Wang, R Sun, and D Wang, “Clustered device-to-device caching based on file preferences,” IEEE Int Symp Pers Indoor Mob Radio Commun PIMRC, pp 1–6, 2016 [69] J Song and W Choi, “Mobility-aware content placement for device-to-device caching systems,” IEEE Trans Wirel Commun., vol 18, no 7, pp 3658–3668, 2019 [70] X Zhang et al., “Information Caching Strategy for Cyber Social Computing Based Wireless Networks,” IEEE Trans Emerg Top Comput., vol 5, no 3, pp 391–402, 2017 [71] Y Zhang, E Pan, L Song, W Saad, Z Dawy, and Z Han, “Social network aware device-to-device communication in wireless networks,” IEEE Trans Wirel Commun., vol 14, no 1, pp 177–190, 2015 [72] M Cha, H Kwak, P Rodriguez, Y Y Ahnt, and S Moon, “I tube, you tube, everybody tubes: Analyzing the world’s largest user generated content video system,” Proc ACM SIGCOMM Internet Meas Conf IMC, pp 1–14, 2007 [73] F Benevenuto, “Characterizing User Behavior in Online Social Networks Categories and Subject Descriptors,” Imc, pp 49–62, 2009 [74] B Bai, L Wang, Z Han, W Chen, and T Svensson, “Caching Based Socially-Aware D2D Communications in Wireless Content Delivery Networks: A Hypergraph Framework,” IEEE Wirel Commun., no August, pp 74–81, 2016 [75] Y Cao, T Jiang, X Chen, and J Zhang, “Social-aware video multicast based on device-to-device communications,” IEEE Trans Mob Comput., vol 15, no 6, pp 1528–1539, 2016 [76] S S Moghaddam and M Ghasemi, “Efficient Clustering for Multicast Device-to- 110 Device Communications,” Proc 2018 7th Int Conf Comput Commun Eng ICCCE 2018, pp 228–233, 2018 [77] L Yang, D Wu, and Y Cai, “A Distributed Social-Aware Clustering Approach in D2D Multicast Communications,” 2018 14th Int Wirel Commun Mob Comput Conf IWCMC 2018, pp 42–47, 2018 [78] Y Wu, D Wu, L Yang, X Shi, L Ao, and Q Fu, “Matching-Coalition Based Cluster Formation for D2D Multicast Content Sharing,” IEEE Access, vol 7, pp 73913– 73928, 2019 [79] Y Wu, D Wu, L Yang, and S Xu, “Incentive-based cluster formation for D2D multicast content sharing,” in Proc of Asia-Pacific Conference on Communications, APCC 2018, 2018, pp 1–6 [80] A Chipperfiel, P Fleming, H Pohlheim, and C Fonseca, Genetic Algorithm TOOLBOX For Use with Matlab Ver 1.2 Users Guide 1994 [81] H Mühlenbein and D Schlierkamp-Voosen, “Predictive Models for the Breeder Genetic Algorithm,” Evol Comput., vol 1, no 1, pp 25–49, 1993 [82] D.-T Huynh, X Wang, T Q Duong, N.-S Vo, and M Chen, “Social-Aware Energy Efficiency Optimization for Device-to-Device Communications in 5G Networks,” Elsevier Comput Commun., vol 120, pp 102–111, 2018 [83] X Du, N.-S Vo, T Q Duong, and L Shu, “Joint Replication Density and Rate Allocation Optimization for VoD Systems over WMNs,” IEEE Trans Circuits Syst Video Technol., vol 23, no 7, pp 1260–1273, 2013 [84] S Gao and M Tao, “Joint multicast scheduling and user association for DASH-based video streaming over heterogeneous cellular networks,” 2016 IEEE/CIC Int Conf Commun China, ICCC 2016, pp 1–6, 2016 [85] W Xiang, C Zhu, C K Siew, Y Xu, and M Liu, “Forward error correction-based 2-D layered multiple description coding for error-resilient H.264 SVC video transmission,” IEEE Trans Circuits Syst Video Technol., vol 19, no 12, pp 1730– 1738, 2009 [86] M P Bui, N S Vo, S Q Nguyen, and Q N Tran, “Social-Aware Caching and Resource Sharing Maximized Video Delivery Capacity in 5G Ultra-Dense Networks,” Mob Networks Appl., 2019 [87] N.-S Vo, T Q Duong, M Guizani, and A Kortun, “5G Optimized Caching and Downlink Resource Sharing for Smart Cities,” IEEE Access, vol 6, no c, pp 31457– 31468, 2018 [88] N S Vo, T Q Duong, and M Guizani, “QoE-oriented resource efficiency for 5G twotier cellular networks: A femtocaching framework,” 2016 IEEE Glob Commun Conf GLOBECOM 2016 - Proc., 2016 [89] L Booker, “Improving search in genetic algorithms,” in Genetic algorithms and simulated annealing, Morgan Kaufmann, 1987, pp 61–73 [90] D E Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning 1989 [91] A Bhardwaj and S Agnihotri, “Energy- and Spectral-Efficiency Trade-Off for D2DMulticasts in Underlay Cellular Networks,” IEEE Wirel Commun Lett., vol 7, no 4, 111 ap 546–549, 2018 [92] D Lecompte and H T France, “Evolved Multimedia Broadcast/Multicast Service (eMBMS) in LTE-Advanced : Overview and Rel-11 Enhancements,” vol 50, no 11, ap 68–74, 2012 [93] G Araniti, M Condoluci, P Scopelliti, A Molinaro, and A Iera, “Multicasting over Emerging 5G Networks: Challenges and Perspectives,” IEEE Netw., vol 31, no 2, pp 80–89, 2017 [94] T.-M Phan, N.-S Vo, M.-P Bui, X.-K Dang, and D.-B Ha, “Downlink Resource Sharing and Caching Helper Selection Control Maximized Multicast Video Delivery Capacity in Dense D2D 5G Networks,” J Sci Technol., vol 18, no 4, pp 12–20, 2020 [95] N.-S Vo, T.-M Phan, M.-P Bui, X.-K Dang, T V Nguyen, and Y Cheng, “Socialaware Spectrum Sharing and Caching Helper Selection Strategy Optimized Multicast Video Streaming in Dense D2D 5G Networks,” IEEE Syst J., pp 1–12, 2020 ... GA điều khiển luồng video Từ đề xuất áp dụng GA vào việc giải toán điều khiển tối ưu luồng video chương 10 Chương 3: Điều khiển lưu trữ chia sẻ phổ tần tối ưu luồng video điểm - đa điểm 5G. .. mơ hình điều khiển tối ưu luồng liệu hệ thống kết nối mạng (NCS), cụ thể mơ hình điều khiển luồng video điểm - đa điểm 5G UDN, với kết quả: • Đề xuất mơ hình điều khiển tối ưu chọn lựa lưu trữ... hoạt động mạng Ngoài ra, kỹ thuật điều khiển lưu trữ (caching) phân phối (delivering) video mạng 5G UDN tìm hiểu Từ đề xuất mơ hình điều khiển tối ưu luồng liệu video điểm - đa điểm mạng 5G UDN