tối ưu lưu trữ và truyền video cộng tác trong mạng 5g siêu dày đặc TT

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DUY TÂN - BÙI MINH PHỤNG TỐI ƯU LƯU TRỮ VÀ TRUYỀN VIDEO CỘNG TÁC TRONG MẠNG 5G SIÊU DÀY ĐẶC CHUYÊN NGÀNH: MÃ SỐ: Khoa học Máy tính 9.48.01.01 TĨM TẮT LUẬN ÁN TIẾN SĨ Đà Nẵng – 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DUY TÂN - NCS BÙI MINH PHỤNG TỐI ƯU LƯU TRỮ VÀ TRUYỀN VIDEO CỘNG TÁC TRONG MẠNG 5G SIÊU DÀY ĐẶC CHUYÊN NGÀNH: MÃ SỐ: Khoa học Máy tính 9.48.01.01 TĨM TẮT LUẬN ÁN TIẾN SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC TS VÕ NGUYÊN SƠN Đà Nẵng – 2021 MỞ ĐẦU Lý chọn đề tài Thế giới bước vào kỷ ngun cơng nghiệp 4.0, song song đó, theo dự đốn có khoảng 50 tỉ thiết bị kết nối để truyền thông với truy cập dịch vụ/tiện ích đa phương tiện vào năm 2021 [1] Trong bối cảnh này, mạng hệ thứ đối diện với thách thức lượng lớn người dùng di động (MU) yêu cầu dịch vụ ứng dụng có dung lượng liệu tốc độ cao Điều khiến cho mạng 5G trở nêu suy yếu vấn đề tắc nghẽn xung đột lưu lượng xảy tuyến trục (backhaul link) trạm sở lớn (MBS) trạm sở nhỏ (SBS) Trong việc đầu tư phát triển tuyến trục tốc độ cao tốn nhiều chi phí chí phải thay đổi kiến trúc mạng giải pháp kỹ thuật thay cách hiệu Mạng siêu dày đặc (UDN) xem kiến trúc hứa hẹn có khả đáp ứng yêu cầu mạng 5G tăng dung lượng hệ thống gấp 1000 lần độ trễ truy xuất liệu nhỏ 1ms [2] Tuy nhiên, việc phát triển UDN phải yêu cầu nhiều công nghệ, kỹ thuật thiết kế tối ưu đột phá nhằm cung cấp cho lượng lớn MU dịch vụ ứng dụng có dung lượng liệu tốc độ cao, ví dụ dịch vụ ứng dụng truyền video (VAS), với chất lượng dịch vụ (QoS) hiệu sử dụng tài nguyên tốt Để đạt điều này, nhiều công nghệ, kỹ thuật thiết kế tối ưu cho UDN nghiên cứu tập trung vào việc làm để tận dụng nguồn tài nguyên không gian, thời gian, mã, phổ tần, băng thông, lượng dung lượng lưu trữ, làm để đưa dịch vụ tiên tiến đến gần với MU Gần đây, kỹ thuật lưu trữ thu hút ý nhà nghiên cứu lĩnh vực học thuật công nghiệp để mang lại lợi ích cho nhà cung cấp dịch vụ Internet (ISP) nhà cung cấp nội dung đáp ứng nhu cầu cao người dùng cuối Trong lĩnh vực này, nhà nghiên cứu Việt Nam có hội hợp tác với chuyên gia hàng đầu giới nhằm phát triển dự án công bố cơng trình nghiên cứu tạp chí uy tín [14, 19, 21-23, 29-31, 35, 38, 44, 50] Tuy vậy, nhóm nghiên cứu chưa triển khai cách tổng thể mơ hình, phân tích thiết kế tối ưu lưu trữ truyền video hợp tác 5G UDN Do vậy, nhiều vấn đề thách thức chưa giải nhằm nâng cao lực cho 5G UDN việc cung cấp cho MU dịch vụ tiên tiến có QoS hiệu suất sử dụng tài nguyên cao Ở nước phát triển, cơng trình nghiên cứu lĩnh vực nhiều số lượng tốt chất lượng, cụ thể như: lưu trữ thiết bị [15, 20, 33, 42, 45], lưu trữ trạm sở nhỏ femto [26, 27, 34], lưu trữ trạm sở nhỏ [17, 32, 37, 41, 43, 46], lưu trữ trạm sở lớn [39, 40], lưu trữ đa tầng [16, 18, 24, 25, 28, 36, 47, 48] Mặc dù cơng trình nghiên cứu thực quốc gia phát triển nhiều số lượng có đóng góp quan trọng so với cơng trình thực nhà nghiên cứu nước, nhiều vấn đề chưa giải cần phải có kỹ thuật, mơ hình, phân tích, thiết kế tối ưu tiêu chuẩn đột phá nhằm đáp ứng yêu cầu cao phức tạp lưu trữ truyền/phân phối video 5G UDN Mục tiêu, đối tượng, phạm vi phương pháp nghiên cứu 2.1 Mục tiêu nghiên cứu Mục tiêu nghiên cứu luận án đề xuất chế lưu trữ truyền video hợp tác đa tầng 5G UDN nhằm cung cấp cho người dùng di động dịch vụ tiên tiến có chất lượng dịch vụ hiệu suất sử dụng tài nguyên cao 2.2 Đối tượng nghiên cứu ▪ 5G UDN: tập trung vào nghiên cứu mơ hình, đặc điểm 5G UDN có nhiều tầng thiết bị thu phát gồm MBS, SBS (như microcell, picocell, femtocell) truyền thông D2D ▪ Video: loại video chuẩn dùng phổ biến, mơ hình mối quan hệ méo tốc độ mã hóa video, chế lưu trữ truyền video 5G UDN ▪ Mơ hình: mối quan hệ xã hội, QoS tài nguyên 5G UDN ▪ Thuật giải: thuật giải nhằm giải tốn tối ưu q trình lưu trữ, chia sẻ tài nguyên truyền video từ MBS SBS đến MU MU với 2.3 Phạm vi nghiên cứu Trong luận án này, NCS giới hạn phạm vi nghiên cứu liên quan đến kỹ thuật, người dùng, mạng dịch vụ tốn cơng cụ hỡ trợ, cụ thể sau: ▪ Về kỹ thuật: luận án tập trung vào kỹ thuật lưu trữ chia sẻ tài nguyên 5G UDN ▪ Về người dùng, mạng dịch vụ: luận án tập trung vào dịch vụ ứng dụng truyền video (VAS) 5G UDN, tiêu chí QoS, hiệu suất sử dụng tài nguyên, hành vi mối quan hệ xã hội người dùng dựa mơ hình Buffet Ấn Độ (IBM – Indian Buffet Model) ▪ Về tốn cơng cụ hỡ trợ: luận án tập trung vào thuật giải tìm kiếm, số cơng cụ phân tích, cơng cụ mã hóa video mơ hình đường cong đặc tính méo – tốc độ (Rate – Distortion) video 2.4 Phương pháp nghiên cứu Để đạt kết phù hợp với mục tiêu nghiên cứu, dựa đối tượng cần nghiên cứu, 02 phương pháp nghiên cứu áp dụng gồm 1) Phương pháp phân tích tổng hợp 2) Phương pháp nghiên cứu định lượng, cụ thể sau: ▪ Phương pháp phân tích tổng hợp: Phân tích đánh giá mơ hình kết nghiên cứu cơng bố liên quan, từ đó, xác định vấn đề còn tồn đọng, câu hỏi ý tưởng, đặt giả thuyết nghiên cứu khẳng định cần thiết phải có mơ hình giải pháp tốt Sau đó, kết phân tích đánh giá tổng hợp, liên kết, kết hợp tổ chức lại cách có hệ thống nhằm đề xuất mơ hình giải pháp tốt dựa giả thuyết nghiên cứu đặt ▪ Phương pháp nghiên cứu định lượng: Trong phương pháp định lượng, mô hình đề xuất yếu tố liên quan lượng hóa biểu thức tính tốn Các biểu thức tính tốn mơ tả chất mơ hình hệ thống kiểm định tính đắn thơng qua việc thực mô quan sát đáp ứng hệ thống Tính ưu việt giải pháp đề xuất kiểm chứng thông qua việc đối sánh với giải pháp nghiên cứu khác liên quan Nhiệm vụ nghiên cứu kết đạt 3.1 Nhiệm vụ nghiên cứu ▪ Nhiệm vụ nghiên cứu 1: Đề xuất chế lưu trữ chia sẻ tài nguyên tối ưu theo mối quan hệ xã hội người dùng nâng cao dung lượng truyền video 5G UDN, mơ hình tốn thơng số mơ hình đề xuất, xây dựng giải toán tối ưu giải thuật tìm kiếm, mơ tính tốn đánh giá hiệu mơ hình ▪ Nhiệm vụ nghiên cứu 2: Đề xuất chế lưu trữ đa phân giải chia sẻ tài nguyên tối ưu theo nhu cầu người dùng nâng cao chất lượng truyền video 5G UDN, mơ hình tốn thơng số mơ hình đề xuất, xây dựng giải tốn tối ưu giải thuật tìm kiếm, mơ tính tốn đánh giá hiệu mơ hình 3.2 Kết đạt Trong trình nghiên cứu hồn thành luận án, NCS cơng bố báo ISI báo hội nghị quốc tế Kết nghiên cứu luận án góp phần vào việc tối ưu lưu trữ phân phối tài nguyên video nhằm cung cấp cho người dùng dịch vụ chất lượng video tốt ▪ Kết 1: Đề xuất chế lưu trữ truyền video cộng tác đa tầng có quan tâm đến hành vi mối quan hệ xã hội người dùng (SCS) thông qua việc tận dụng tài nguyên lưu trữ tài nguyên phổ tần sẵn có phần tử 5G UDN ▪ Kết 2: Đề xuất chế lưu trữ đa phân giải truyền video cộng tác có quan tâm đến nhu cầu người dùng (CRS) thông qua việc tận dụng hiệu tài nguyên lưu trữ tài nguyên phổ tần sẵn có phần tử 5G UDN Bố cục luận án Mở đầu Chương 1: Tổng quan lưu trữ truyền video 5G UDN Chương 2: Lưu trữ chia sẻ tài nguyên tối ưu theo mối quan hệ xã hội người dùng nâng cao dung lượng truyền video 5G UDN Chương 3: Lưu trữ đa phân giải chia sẻ tài nguyên tối ưu theo nhu cầu người dùng nâng cao chất lượng truyền video 5G UDN Kết luận CHƯƠNG TỔNG QUAN VỀ LƯU TRỮ VÀ TRUYỀN VIDEO TRONG 5G UDN 1.1 Giới thiệu 5G UDN Mơ hình 5G UDN gồm nhiều tầng, cung cấp cho người dùng di động (MU – Mobile User) nhiều dịch vụ ứng dụng khác nhau, mơ tả Hình 1-1 Trong mơ hình này, tầng sử dụng dãi phổ tần cao hơn, tín hiệu mạnh với tốc độ truyền cao hơn, đó, khơng gian dịch vụ diện tích phủ sóng mở rộng nhờ vào tầng trung gian tầng thấp [2,52] 5G UDN cho phép kết hợp linh hoạt kỹ thuật truyền thông dựa vào việc tận dụng chia sẻ tài nguyên phần tử/nhóm phần tử mạng nhằm đảm bảo kết nối, đáp ứng nhu cầu ngày cao người dùng Tuy nhiên, 5G UDN thách thức vật lý trình sử dụng khai thác liệu MU như: ▪ Mật độ kết nối siêu dày đặc từ phạm vi truy cập lưu lượng truy cập khác vị trí khác Điều gây tắc nghẽn cục bộ, làm cân hiệu suất quyền hạn truy cập thiết bị ▪ Những giới hạn truy cập riêng chung tầng khác tạo nhiều mức can nhiễu khác Ví dụ: phiên truyền thơng D2D khác ảnh hưởng can nhiễu cho chí làm gián đoạn q trình truy cập ▪ Vấn đề ưu tiên truy cập kênh tần số khác ưu tiên chiến lược phân bổ tài ngun Hình 1-1 Mơ tả kết nối thiết bị, công nghệ ứng dụng 5G UDN [2] Như vậy, nghiên cứu nhằm đưa giải pháp khắc phục vấn đề thách thức nêu 5G UDN cấp thiết để sử dụng tối ưu nguồn tài nguyên, nâng cao chất lượng mạng di động cải thiện hài lịng người dùng 1.2 Mơ hình lưu trữ truyền video 5G UDN Kỹ thuật lưu trữ để mang dịch vụ/ứng dụng/nội dung, đặc biệt dịch vụ ứng dụng có dung lượng lớn tốc độ liệu cao truyền video (VAS – Video Appications and Service), đến gần với MU hơn, giải pháp nhằm giải toán tắc nghẽn lại không làm thay đổi kiến trúc hệ thống Kỹ thuật lưu trữ thường kết hợp với chế chia sẻ tài nguyên phổ tần nhằm mang lại lợi ích nhiều cho nhà cung cấp dịch vụ Internet nhà cung cấp nội dung đáp ứng nhu cầu cao MU việc truy xuất dịch vụ tiên tiến tốc độ cao truyền video Hình 1-2 Mơ hình lưu trữ chia sẻ tài nguyên cho dịch vụ ứng dụng video 5G UDN Kỹ thuật lưu trữ gồm lưu trữ truyền video đơn tầng, lưu trữ truyền video đa tầng Lưu trữ truyền video đơn tầng kỹ thuật cho phép hệ thống lưu trữ video tầng MBS tầng SBS tầng người dùng di động (user tier) có khả lưu trữ (CU – Caching User) Lưu trữ truyền video cộng tác đa tầng kỹ thuật lưu trữ video thực kết hợp nhiều tầng 5G UDN (Hình 1-2) Trong lưu trữ đa tầng, kỹ thuật phức tạp so với đơn tầng, MU chọn lựa truy xuất video cách linh động từ tầng xem tốt Các nghiên cứu liên quan đến lưu trữ đa tầng chủ yếu triển khai tầng (sẽ trình bày chi tiết Mục 1.3) Trong luận án này, lưu trữ đa tầng hiểu tầng có kết hợp chế chia sẻ tài nguyên phổ tần kênh truyền xuống SU (Spectrum owning User) cho truyền thông video từ thiết bị đến thiết bị (D2D – Device-to-Device) Các tầng phối hợp với trình lưu trữ chia sẻ tài nguyên để phục vụ MU cách tốt với hiệu sử dụng tài nguyên cao 1.3 Các thuật giải ứng dụng toán tối ưu lưu trữ truyền video Lưu trữ kết hợp chia sẻ tài nguyên tối ưu kỹ thuật nhiều nhà nghiên cứu thực ứng dụng truyền video qua 5G UDN đạt hiệu cao với chi phí thấp Các toán tối ưu lưu trữ thường giải cách tìm số xác định vị trí lưu trữ chọn lựa/phân bổ tài nguyên hệ thống dạng vector ma trận số thường gán giá trị (hoặc 0) có nghĩa hệ thống có (hoặc khơng) lưu trữ hoặc/và có (hoặc khơng) chia sẻ tài ngun Để tìm kết tối ưu, thuật giải tìm kiếm tối ưu đề xuất để giải toán tìm kiếm vét cạn [18, 54-57], quy hoạch động [50], thuật giải học ngẫu nhiên (Stochastic Learning), thuật giải học ngẫu nhiên [40], thuật giải trò chơi [43], thuật giải tham lam [58], số thuật giải heuristic [25, 59] Mỡi thuật giải có ưu nhược điểm riêng độ xác, độ phức tạp thời gian dung lượng tính tốn Trong luận án này, thuật giải di truyền (GA) được chọn lựa để áp dụng cho việc giải toán tối ưu lưu trữ chia sẻ tài nguyên chương Đồng thời, thuật giải đàn dơi (BA – Bat Algorithm) thực để khẳng định tính hiệu thuật giải GA Ngồi ra, thuật giải EA sử dụng đơn giản, cho kết xác, phù hợp cho tồn có khơng gian tìm kiếm nhỏ, dùng để làm thước đo độ xác cho thuật giải GA BA 1.4 Tống kết chương Chương giới thiệu tổng quan 5G UDN với ưu điểm bật thách thức cần nghiên cứu Ngoài ra, chế lưu trữ chia sẻ tài nguyên 5G UDN trình bày cách tổng quát Các ưu điểm nhược điểm mơ hình, chế lưu trữ chia sẻ cơng trình nghiên cứu liên quan phân tích đánh giá chi tiết Chương giới thiệu thuật giải toán vét cạn, thuật giải di truyền, thuật giải đán dơi, thuật giải triển khai, so sánh áp dụng để giải toán tối ưu Chương Chương Từ đó, cho thấy rõ điểm khác biệt đóng góp luận án CHƯƠNG LƯU TRỮ VÀ CHIA SẺ TÀI NGUYÊN TỐI ƯU THEO MỐI QUAN HỆ XÃ HỘI NGƯỜI DÙNG NÂNG CAO DUNG LƯỢNG TRUYỀN VIDEO TRONG 5G UDN 2.1 Giới thiệu chế SCS Trong mạng 5G, lượng lớn kết nối dịch vụ yêu cầu tốc độ dung lượng liệu cao dịch vụ truyền video gây tắc nghẽn tuyến trục MBS Mặc dù 5G UDN coi kiến trúc đầy hứa hẹn để giải vấn đề số lượng kết nối, tắc nghẽn mạng xảy làm hạn chế dung lượng phân phối video đến MU Trong Chương 2, chế lưu trữ chia sẻ tài nguyên tối ưu theo mối quan hệ xã hội người dùng (SCS) đề xuất nhằm tối đa dung lượng phân phối video 5G UDN Cơ chế SCS làm giảm tắc nghẽn MBS cách cho phép MU truy xuất video cách linh động từ tầng 5G UDN gồm: tầng MBS, tầng FBS tầng người dùng từ MU khác Trong đó, MU bao gồm cặp Transmitter (TX) Receiver (RX) truyền thông D2D (TX-RX) MU chia sẻ tài nguyên phổ tần kênh truyền xuống (SU) phép thiết lập phiên truyền thông video D2D Vấn đề đặt làm để chế SCS phân phối video đến MU với dung lượng cực đại Để giải vấn đề trên, toán SCS xây dựng giải để định FBS lưu trữ video định SU chia sẻ tài nguyên phổ tần kênh truyền xuống cho cặp truyền thông D2D nào, cho dung lượng phân phối trung bình đến MU cực đại Nhằm nâng cao hiệu chế SCS, tốn tối ưu có xét đến mối quan hệ xã hội cặp TX-RX có xét đến ràng buộc dung lượng lưu trữ FBS Hơn nữa, SU chia sẻ tài nguyên phổ tần kênh truyền xuống cho truyền thơng D2D từ TX đến RX, việc TX dùng lại phổ tần kênh truyền xuống gây can nhiễu lên SU Vì vậy, toán SCS xem xét đến ràng buộc giới hạn SINR SU để đảm bảo chất lượng cho SU Những ưu điểm chế SCS kiểm chứng thông qua kết mô so sánh với chế thông thường khác Các cơng trình cơng bố liên quan đến Chương gồm [C1] phần “Danh mục cơng trình công bố nghiên cứu sinh” cuối luận án 2.2 Mơ hình hệ thống với chế SCS Trong chương này, mơ hình truyền video 5G UDN với chế SCS mơ tả Hình 2-1 Mơ hình phân thành lớp thiết bị lớp mối quan hệ xã hội Lớp thiết bị gồm MBS, JFBS, (K + 2N) MU gồm K SU N cặp TX-RX, I video Lớp xã hội mô tả mối quan hệ xã hội cặp TX-RX truyền thơng D2D Trong mơ hình này, MBS dự đốn có lượng lớn MU u cầu truy xuất video, thực thi chế SCS gồm bước sau: Hình 2-1 Mơ hình hệ thống SCS Bước – Cập nhật thông số: Trong bước này, MBS cập nhật thông số hệ thống số FBS (J) để lưu trữ video, số SU (K) để chia sẻ tài nguyên phổ tần kênh truyền xuống, số TX-RX (N) cho truyền thông D2D, số video (I), mối quan hệ xã hội cặp TX-RX, băng thông hệ thống, đặc tính kênh truyền thơng số khác liệt kê Bảng 2-1 Bước – Xây dựng giải toán tối ưu SCS: Dựa thông số Bước 1, MBS xây dựng toán tối ưu SCS giải toán nhằm tìm số lượng lưu tối ưu mỗi video để cực đại số lưu trữ trung bình hệ thống (tăng tỷ lệ truy suất thành công video); số lưu trữ tối ưu uj,i, với j = 1,2, ,J i = 1,2, I, số chia sẻ tài nguyên phổ tần kênh truyền xuống tối ưu 𝑣𝑘,𝑛 , k = 1,2, ,K n = 1,2, N; nhằm cực đại dung lượng phân phối hệ thống Trong đó: uj,i = nghĩa FBS thứ j định lưu trữ video thứ i, ngược lại uj,i = vk,n = nghĩa SU thứ k định chia sẻ tài nguyên kênh truyền xuống cho cặp TX-RX thứ n, ngược lại vk,n = Bước – Triển khai SCS: Cuối cùng, dựa vào kết tối ưu sau giải toán SCS, MBS cộng tác với FBS TX để phân phối video lưu trữ đến SU TX (phân phối MBS FBS) đến RX (phân phối TX) với dung lượng cực đại 2.3 Tính tốn thơng số hệ thống với chế SCS Nhằm thuận tiện cho việc tính tốn thơng số hệ thống, ký hiệu thông số mô tả Bảng 2-1 Từ hệ thống với mục tiêu nêu trên, ta nhận thấy thơng số cần mơ hình tính tốn cho tốn tối ưu SCS bao gồm: mối quan hệ xã hội cặp TX-RX tỷ số tín hiệu nhiễu (SNR – Signal-to-Noise Ratio) tỷ số tín hiệu can nhiễu nhiễu trắng (SINR) kênh truyền khơng dây để làm sở tính tốn dung lượng kênh truyền Từ đó, ta tính dung lượng phân phối trung bình hệ thống – hàm mục tiêu toán tối ưu SCS Ký hiệu I J K N 𝑖 𝑇𝑚𝑖𝑛 𝑠𝑛,𝑖 𝑢𝑗,𝑖 𝑣𝑘,𝑛 𝑃𝑀 𝑗 𝑃𝐹 𝑃𝑇𝑛 𝑥,𝑦 𝐺𝑋,𝑌 𝑁0 W 𝑟𝑖 𝛽𝑛 𝑝𝑛,𝑖 0 𝑅𝑆 𝑅𝑇 𝑅𝑅 Bảng 2-1 Các ký hiệu sử dụng cho toán SCS Diễn giải Số video Số trạm sở nhỏ femto (FBS) Số người dùng di động chấp nhận chia sẻ tài nguyên phổ tần kênh truyền xuống (SU) Số cặp truyền thông D2D, mỗi cặp gồm người dùng di động lưu trữ video (TX – Transmitter) người dùng nhận video (RX – Receiver) Thời gian tối thiểu để truyền video thứ i, i = 1, 2,…, I (tùy thuộc vào độ dài mỗi video) Xác suất dựa mối quan hệ xã hội để xem xét khả cặp TX-RX thứ n có truyền thành cơng video thứ i hay không Chỉ số lưu trữ video FBS, 𝑢𝑗,𝑖 = nghĩa FBS thứ j định lưu video thứ i ngược lại Chỉ số chia sẻ tài nguyên phổ tần kênh truyền xuống: 𝑣𝑘,𝑛 = nghĩa SU thứ k đồng ý chia sẻ phổ tần kênh truyền xuống cho cặp D2D thứ n ngược lại Công suất phát trạm sở lớn (MBS) Công suất phát trạm sở nhỏ femto (FBS) thứ j Công suất phát TX thứ n cặp truyền thông D2D thứ n Độ lợi kênh X Y, x y số X Y Công suất nhiễu trắng Gaussian (AWGN – Additive White Gaussian Noise) Băng thông hệ thống Tỷ lệ truy xuất (hay độ tiếng) video thứ i Phần trăm dung lượng lưu trữ trống TX thứ n Xác suất để TX thứ n định lưu video thứ i Giới hạn tỉ số tín hiệu can nhiễu nhiễu trắng (SINR) SU Dung lượng phân phối từ MBS FBS đến SU Dung lượng phân phối từ MBS FBS đến TX Dung lượng phân phối từ MBS, FBS TX đến TR 2.3.1 Mối quan hệ xã hội cặp D2Ds Mối quan hệ xã hội TX RX cặp D2D thứ n dùng để tính xác suất truyền thành công video 𝑖 thứ i thời gian 𝑇𝑚𝑖𝑛 𝑖 𝛿𝑇𝑚𝑖𝑛 𝑠𝑛,𝑖 = − ∫ 𝑓(𝑢; 𝜅𝑛 , 𝜃𝑛 )𝑑𝑢 = − 𝛿𝑇 𝑖 𝛾 (𝜅𝑛 , 𝜃𝑚𝑖𝑛 ) 𝑛 (2.5) 𝛤(𝜅𝑛 ) 2.3.2 Kênh truyền không dây 𝑥,𝑦 𝑥,𝑦 𝑥,𝑦 Đặc trưng kênh truyền không dây độ lợi kênh 𝐺𝑋,𝑌 = ℎ𝑋,𝑌 𝑔𝑋,𝑌 , đó: X  {M, F, T} viết tắt {MBS, FBS, TX} Y  {S, T, R} viết tắt {SU, TX, RX} 𝑥,𝑦 Với ℎ𝑋,𝑌 hệ số fading phân phối mũ có trị trung bình (~ exp(1)) 𝑥,𝑦 Và 𝑔𝑋,𝑌 = ‖𝑑‖−𝜂 với  hệ số suy hao công suất theo số mũ d khoảng cách X Y 2.3.3 Dung lượng phân phối hệ thống 2.3.3.1 Dung lượng phân phối đến SU SNR SU thứ k từ FBS thứ j thể sau: 𝑗 𝑗,𝑘,𝑖 𝛾𝐹,𝑆 = 𝑗,𝑘 𝑢𝑗,𝑖 𝑃𝐹 𝐺𝐹,𝐶 𝑁0 (2.7) SINR SU thứ k từ MBS tính sau: 0,𝑘,𝑖 𝛾𝑀,𝑆 = 0,𝑘 ∏𝐽𝑗=1(1 − 𝑢𝑗,𝑖 )𝑃𝑀 𝐺𝑀,𝑆 (2.8) 𝑛 𝑛,𝑘 𝑁0 + ∑𝑁 𝑛=1 𝑠𝑛,𝑖 𝑣𝑘,𝑛 𝑝𝑛,𝑖 𝑃𝑇 𝐺𝑇,𝑆 𝑝𝑛,𝑖 xác suất để TX thứ n lưu trữ video thứ i, xác định (2.9) 𝑝𝑛,𝑖 = 𝑎𝑟𝑖 + 𝑏𝛽𝑛 với a, b  [0,1], a + b = độ tiếng video thứ i tính theo phân bố Zipf-like [88], sau: 𝑟𝑖 = 𝑖 −𝛼 ∑𝐼𝑖=1 𝑖 −𝛼 (2.10) với   thể cho độ lệch tiếng video khác Nghĩa  = tất video có độ tiếng 𝐼 , giá trị  cao có nghĩa độ lệch tiểng video cao Với băng thông hệ thống W số video I, dựa vào định luật Shannon, ta tính tổng dung lượng phân phối hệ thống đến SU sau: 𝐼 𝐽 𝐾 𝑅𝑆 = 𝑊 {∑ 𝑟𝑖 ∑ [𝑙𝑜𝑔2 (1 + 𝑖=1 𝑗,𝑘,𝑖 0,𝑘,𝑖 𝛾𝑀,𝑆 )+ ∑ 𝑙𝑜𝑔2 (1 + 𝛾𝐹,𝑆 )]} 𝑘=1 (2.11) 𝑗=1 2.3.3.2 Dung lượng phân phối đến TX Tương tự với SU, dung lượng phân phối từ FBS thứ j MBS tới TX thứ n tính thơng qua SNR TX thứ n sau: 𝑗 𝑗,𝑛,𝑖 𝛾𝐹,𝑇 0,𝑛,𝑖 𝛾𝑀,𝑇 = = 𝑗,𝑛 𝑢𝑗,𝑖 𝑃𝐹 𝐺𝐹,𝑇 (2.12) 𝑁0 0,𝑛 ∏𝐽𝑗=1(1 − 𝑢𝑗,𝑖 )𝑃𝑀 𝐺𝑀,𝑇 (2.13) 𝑁0 Từ (2.12) (2.13), dung lượng phân phối từ FBS thứ j MBS tới TX thứ n sau: 𝐼 𝐽 𝑁 𝑅𝑇 = 𝑊 {∑ 𝑟𝑖 ∑ [𝑙𝑜𝑔2 (1 + 𝑖=1 0,𝑛,𝑖 𝛾𝑀,𝑇 ) 𝑛=1 𝑗,𝑛,𝑖 + ∑ 𝑙𝑜𝑔2 (1 + 𝛾𝐹,𝑇 )]} (2.14) 𝑗=1 2.3.3.3 Dung lượng phân phối đến RX Dung lượng phân phối đến RX từ MBS, FBS từ TX qua truyền thơng D2D tính thơng qua SINR SNR RX, cụ thể sau: SINR RX thứ n tính hệ thống từ TX thứ n: 𝑛,𝑘,𝑖 𝛾𝑇,𝑅 = 𝑛,𝑛 𝑠𝑛,𝑖 𝑣𝑘,𝑛 𝑝𝑛,𝑖 𝑃𝑇𝑛 𝐺𝑇,𝑅 0,𝑛 𝑙 𝑙,𝑙 𝑁0 + 𝑃𝑀0 𝐺𝑀,𝑅 + ∑𝑁 𝑙=1,𝑙≠𝑛 𝑠𝑙,𝑖 𝑣𝑘,𝑙 𝑝𝑙,𝑖 𝑃𝑇 𝐺𝑇,𝑅 (2.15) SNR RX thứ n tính hệ thống từ FBS thứ j sau: 𝑗 𝑗,𝑛,𝑘,𝑖 𝛾𝐹,𝑅 = 𝑗,𝑛 𝑢𝑗,𝑖 (1 − 𝑠𝑛,𝑖 𝑣𝑘,𝑛 𝑝𝑛,𝑖 )𝑃𝐹 𝐺𝐹,𝑅 𝑁0 (2.16) SNR RX thứ n tính hệ thống từ MBS sau: 0,𝑛,𝑘,𝑖 𝛾𝑀,𝑅 = 0,𝑛 ∏𝐽𝑗=1(1 − 𝑢𝑗,𝑖 )(1 − 𝑠𝑛,𝑖 𝑣𝑘,𝑛 𝑝𝑛,𝑖 )𝑃𝑀 𝐺𝑀,𝑅 𝑁0 Như vậy, tổng dung lượng từ MBS, từ FBS từ TX đến RX tính sau: (2.17) 𝐼 𝑁 𝐽 𝐾 0,𝑛,𝑘,𝑖 𝛾𝑀,𝑅 ) 𝑅𝑅 = 𝑊 {∑ 𝑟𝑖 ∑ ∑ [𝑙𝑜𝑔2 (1 + 𝑖=1 + 𝑙𝑜𝑔2 (1 + 𝑛,𝑘,𝑖 𝛾𝑇,𝑅 ) 𝑛=1 𝑘=1 𝑗,𝑛,𝑘,𝑖 + ∑ 𝑙𝑜𝑔2 (1 + 𝛾𝐹,𝑅 )]} (2.18) 𝑗=1 Cuối cùng, từ công thức (2.11), (2.14) (2.18), ta có tổng dung lượng trung bình hệ thống cho mỡi MU tính sau: 𝑅𝑠 + 𝑅𝑇 + 𝑅𝑅 𝑅 = (2.19) 𝐾 + 2𝑁 2.4 Bài toán tối ưu SCS thuật giải vét cạn Bài tốn tính tối ưu SCS bao gồm hàm mục tiêu (2.19) thỏa ràng buộc gồm 1) dung lượng lưu trữ 𝑐𝑖 FBS 2) ngưỡng SINR để đảm bảo chất lượng cho SU Bài tốn trình bày sau: 𝑚𝑎𝑥 𝑅 𝑢𝑗,𝑖 ,𝑣𝑘,𝑛 (2.20) 𝐽 ∑ 𝑢𝑗,𝑖 ≤ 𝑐𝑖 , 𝑖 = 1,2, , 𝐼 𝑠 𝑡 𝑗=1 𝑁 𝑛,𝑘 ∑ 𝑠𝑛,𝑖 𝑣𝑘,𝑛 𝑝𝑛,𝑖 𝑃𝑇𝑛 𝐺𝑇,𝐶 {𝑛=1 0,𝑘 𝑃𝑀 𝐺𝑀,𝑆 ≤ − 𝑁0 , 𝑘 = 1,2, , 𝐾, 𝑖 = 1,2, , 𝐼 𝛾0 (2.21) Trong đó, 𝑐𝑖 số tối ưu video thứ i lưu trữ hệ thống cho tổng số trung bình tất video cực đại cách giải tốn quy hoạch tuyến tính sau: 𝐼 𝑚𝑎𝑥 ∑ 𝑟𝑖 𝑐𝑖 𝑐𝑖 (2.22) 𝑖=1 ≤ 𝑐𝑖 ≤ 𝐽, 𝑖 = 1,2, , 𝐼 𝑠 𝑡 { 𝐼 ∑ 𝑐𝑖 ≤ 𝐶 ∗ , 𝐼 ≤ 𝐶 ∗ ≤ 𝐼 𝐽 (2.23) 𝑖=1 ∗ Bài toán giải cách sử dụng thuật giải vét cạn [54] để tìm nghiệm 𝑈𝐽𝐼∗ 𝑉𝐾𝑁 trình bày Thuật giải 2.1 Thuật giải 2.1: Tìm kiếm vét cạn Input: tham số hệ thống liệt kê Bảng 2-2 Khởi tạo khơng gian tìm kiếm ma trận khả thi 𝒰∗ ∈ 𝒰 𝒱 ∗ ∈ 𝒱 thỏa điều kiện (2.23) Output: ℛ ∗ : cực đại dung lượng phân phối trung bình đến MU ∗ ∗ {𝑈𝐽𝐼 , 𝑉𝐾𝑁 } For mỗi ma trận 𝑈𝐽𝐼 𝒰∗ For mỗi ma trận VKN 𝒱 ∗ 𝑅(𝑈𝐽𝐼 , 𝑉𝐾𝑁 ) = 𝑅, tính công thức (2.19) ℛ ← ℛ ∪ 𝑅(𝑈𝐽𝐼 , 𝑉𝐾𝑁 ) End for End for 𝑅 ∗ = 𝑚𝑎𝑥 ℛ ∗ ∗ 10 {𝑈𝐽𝐼 , 𝑉𝐾𝑁 } = argmax ℛ 2.5 Đánh giá kết chế SCS 2.5.1 Thiết lập thông số hệ thống Để thực mô đánh giá hệ thống, tham số đầu vào thể Bảng 2-2 Nhằm thuận tiện tính tốn khơng làm tính tổng qt, tơi bỏ qua ảnh hưởng hệ số fading (fading coefficient) quan tâm tới suy hao theo khoảng cách đường truyền với hệ số mũ suy hao  = khoảng 10 khai thác độ lệch tiếng video cải thiện hiệu hệ thống Nếu tất video có độ tiếng, tức α = 0, chế SCS khơng có lợi ích cao so với None-SOA None-DRS Tuy nhiên, SCS đạt dung lượng phân phối hệ thống cao tăng α Ngoài ra, việc tập trung phục vụ số video có độ tiếng cao (khi α tăng) mang lại dung lượng hệ thống cao Và qua đánh giá này, chế SCS cho dung lượng hệ thống tốt so với None-SOA, None-DRS, AVE MIN Hình 2-5 Dung lượng hệ thống theo số cặp D2D Hình 2-4 Dung lượng hệ thống theo  2.5.2.4 Đánh giá SCS theo N Đánh giá dung lượng hệ thống cách thay đổi số lượng cặp TX-RX N từ đến 10 (Hình 2-5) Dễ dàng thấy N = 0, hệ thống không thu lợi ích từ việc chia sẻ tài nguyên phổ tần kênh truyền xuống mối quan hệ xã hội khơng có truyền thơng D2D Do đó, SCS, None-SOA None-DRS có kết dung lượng phân phối hệ thống thấp Nếu N tăng, dung lượng phân phối hệ thống cao N tăng đến mức dung lượng phân phối hệ thống trở nên bão hịa Tình trạng bão hòa ràng buộc SINR SU làm giới hạn số lượng cặp truyền thơng D2D Trong trường hợp có nhiều cặp D2D dày đặc 5G UDN, cần thận trọng chọn số lượng cặp TX-RX cho SINR SU đảm bảo dung lượng phân phối hệ thống đủ cao trước đạt đến tình bão hịa Kết chứng minh SCS cho dung lượng hệ thống tốt so với None-SOA, None-DRS, AVE MIN 2.5.2.5 Đánh giá hệ thống theo J Hình 2-6 Dung lượng hệ thống theo số lượng FBS Hình 2-7 Dung lượng hệ thống theo Gamma Hình 2-6 biểu thị dung lượng phân phối hệ thống theo số lượng FBS J Kết cho thấy số lượng FBS ảnh hưởng đáng kể đến dung lượng phân phối hệ thống Không giống tăng số lượng cặp D2D, việc tăng số lượng FBS 5G UDN làm cho dung lượng phân phối hệ thống cải thiện nhanh chóng mà khơng bị bão hịa điều kiện can nhiễu liên tầng đồng tầng không xem xét nhờ sử dụng mơ hình phân kênh F-ALOHA [47, 48] 11 2.5.3 Đánh giá hệ thống theo 0 Trong phần này, kiểm chứng hiệu hệ thống tác động ngưỡng SINR (𝛾0 ) SU mơ tả Hình 2-7 Như kết mơ tả Hình 2-7, 𝛾0 tăng, dung lượng phân phối hệ thống SCS None-SOA giảm giảm dần với dung lượng phân phối trường hợp None-DRS Lý 𝛾0 thấp, nhiều cặp TX-RX thiết lập nhờ tài nguyên kênh truyền xuống chia sẻ SU nên dung lượng phân phối hệ thống cao Ngược lại, 𝛾0 cao, số cặp TX-RX để giảm can nhiễu lên SU nên dung lượng phân phối hệ thống thấp Dung lượng phân phối hệ thống MIN tăng 𝛾0 tăng, nhiều ma trận ứng viên gây tác động nhiễu cao cho SU loại khỏi khơng gian tìm kiếm 𝒱 Rõ ràng thấy rằng, kết None-DRS không bị ảnh hưởng 𝛾0 khơng có hiệu ứng nhiễu từ truyền thơng D2D SU Trong trường hợp này, chế SCS cho kết tốt None-SOA, None-DRS, AVE MIN 2.5.4 Đánh giá hệ thống theo khoảng cách MBS MU Cuối cùng, đánh giá dung lượng phân phối hệ thống theo khoảng cách MBS MU: d1[5;10]m, d2[10;20]m, d3[20;100]m, d4[100;500]m, d5[200;1000]m, d6[300;1500]m, d7[400; 2000] m d8 [500;2500] m Trong đánh giá này, xem xét dung lượng hệ thống SCS với số lượng FBS J khác từ đến Kết Hình 2-8 cho thấy số lượng FBS thấp (nghĩa J = J = 2), MU có nhiều khả MBS phục vụ dung lượng phân phối hệ thống thấp Dễ dàng thấy MU gần MBS, tất MU phục vụ MBS nên MU nhận dung lượng phân phối hệ thống Tuy nhiên, số lượng FBS tăng (tức là, J = 3, J = J = 5), MU có nhiều khả phục vụ thêm FBS, nên dung lượng phân phối hệ thống cao Do ta thiết lập khả lưu trữ FBS cao (𝐶 ∗ = 0.7 IJ), nên dù MU gần với MBS MBS không phục vụ MU mà chúng FBS phục vụ Một điều thú vị là, tồn khu vực tốt (tức là, d6  [300, 1500] m) MU phục vụ với dung lượng phân phối hệ thống cao chúng khơng q gần khơng q xa MBS Nói cách khác, MU khu vực phục vụ tối ưu cộng tác tất MBS, FBS TX Để hiểu rõ hơn, kiểm chứng thêm kịch mô dung lượng lưu trữ FBS thấp hơn, cụ thể 𝐶 ∗ = {0.6; 0.5; 0.4; 0.3}  I  J Hình 2-9 Hình 2-8 Dung lượng hệ thống theo khoảng cách MBS MU Hình 2-9 Dung lượng hệ thống theo khoảng cách MBS MU với C* thấp Có thể thấy dung lượng lưu trữ FBS thấp (𝐶 ∗= 0.3 IJ) (Hình 2-9d), MU chủ yếu MBS phục vụ chúng gần MBS Đặc biệt, trường hợp d1  [5, 10] m, hiệu suất SCS tất trường hợp J = 1, J = 2, J = J = tất MU phục vụ MBS Rõ ràng, 𝐶 ∗ tăng, khả MU phục vụ MBS giảm Điều quan trọng gia tăng 𝐶 ∗ J 5G UDN giảm tải lưu lượng tuyến trục MBS 12 2.6 Kết luận chương Trong Chương 2, đề xuất chế lưu trữ chia sẻ tài nguyên (SCS) tối ưu có xét đến mối quan hệ xã hội người dùng để phân phối video với dung lượng cao 5G UDN Cụ thể, việc lưu trữ nội dung video MBS, FBS TX sử dụng để đưa video đến gần với MU tài nguyên phổ tần kênh truyền SU chia sẻ với cặp TX-RX truyền thông D2D Để hiệu hơn, mối quan hệ xã hội cặp TX-RX độ phổ biến video khai thác chế SCS Cơ chế SCS phân tích cẩn thận cách tính đến ngưỡng SINR SU để đảm bảo QoS chúng Ngoài ra, kết cho thấy rằng: 1) tồn giá trị thời lượng trung bình cho nhóm video quan tâm 2) tồn khu vực tốt mà hệ thống đạt dung lượng phân phối cao Những phát giúp nhà cung cấp dịch vụ Internet nhà cung cấp nội dung hiểu rõ đặc điểm 5G UDN để phục vụ MU hiệu Tuy nhiên, chế SCS hạn chế như: 1) chưa quan tâm đến độ phân giải thiết bị người dùng, từ đó, xác định nhu cầu người dùng để lưu trữ video với phiên khác (chất lượng/độ phân giải khác nhau) nhằm đồng thời sử dụng hiệu dung lượng lưu trữ đáp ứng nhu cầu người dùng; 2) cặp thu phát video D2D định sẵn, nghĩa là, chưa cho phép thiết bị thu chọn lựa thiết bị phát có lưu trữ video yêu cầu; 3) thông số đánh giá hệ thống dung lượng phân phối video (được tính bps) khơng đặc tả chất lượng video đầu thu cách tường minh Những hạn chế khắc phục Chương CHƯƠNG LƯU TRỮ ĐA PHÂN GIẢI VÀ CHIA SẺ TÀI NGUYÊN TỐI ƯU THEO NHU CẦU NGƯỜI DÙNG NÂNG CAO CHẤT LƯỢNG TRUYỀN VIDEO TRONG 5G UDN 3.1 Giới thiệu chế CRS Chương trình bày chế lưu trữ đa phân giải chia sẻ tài nguyên tối ưu (CRS) theo nhu cầu người dùng nhằm nâng cao chất lượng truyền video mạng 5G siêu dày đặc (UDN) Cơ chế CRS mặt cho phép người dùng di động (MU) truy xuất video linh hoạt từ tầng gồm: trạm sở (MBS), trạm sở nhỏ femto (FBS) từ người dùng khác có lưu trữ video (CU) thông qua truyền thông từ thiết bị đến thiết bị (D2D), mặt khác khắc phục vấn đề chế SCS Chương liên quan đến cách thức lưu trữ, chia sẻ tài nguyên thông số đánh giá hệ thống Về cách thức lưu trữ, chế CRS có xem xét đến độ phân giải thiết bị người dùng, từ đó, xác định nhu cầu người dùng lưu trữ video với phiên có độ phân giải (chất lượng) khác nhằm sử dụng hiệu dung lượng lưu trữ đáp ứng nhu cầu người dùng Về cách thức chia sẻ tài nguyên, chế CRS cho phép người dùng thông thường (NU – Normal User) chọn lựa CU chọn lựa người dùng sở hữu phổ tần (SU) để thiết lập (SU, CU, NU) cho phiên truyền thông video D2D, thay thiết lập SU cặp (CU, NU) định sẵn chế SCS Việc thiết lập cho phép mở rộng lựa chọn để có phiên truyền thông video D2D tốt Về thông số đánh giá hệ thống, Chương 3, hiệu suất hệ thống đánh giá tường minh cách chuyển đổi dung lượng phân phối video sang tỉ số tín hiệu cực đại nhiễu (PSNR) đo lường dB, thông qua mối liên hệ dung lượng chất lượng video bước tính tốn xác suất đạt dung lượng trung gian Từ cải tiến nêu trên, toán CRS xây dựng để xác định đồng thời: 1) video phân phối từ tầng nào, 2) video với độ phân giải lưu trữ FBS nào, 3) (SU, CU, NU) chọn? Mục tiêu chế CRS cực đại chất lượng phát lại (playback) video sử dụng hiệu dung lượng lưu trữ FBS theo nhu cầu người dùng Cơng trình nghiên cứu liên quan đến Chương [C2] [C3] trình bày “Danh mục cơng trình cơng bố nghiên cứu sinh” cuối luận án 3.2 Mơ hình tính tốn thơng số hệ thống 3.2.1 Mơ hình hệ thống Trong Chương 3, mơ hình truyền video 5G UDN với chế CRS đề xuất Hình 3-1 Các thơng số tính tốn liên quan đến mơ hình liệt kê diễn giải Bảng 3-1 13 Trong mơ hình này, có MBS, J FBS, MU có nhu cầu truy xuất nội dung video bao gồm K người dùng sẵn sàng chia sẻ tài nguyên phổ tần kênh truyền xuống (SU), N người dùng lưu trữ số video có độ phân giải khác (CU), M người dùng thông thường (NU) I video Video thứ i, i = 1, 2,…, I, có 𝑉𝑖 mức phân giải mã hóa tốc độ khác tương ứng với mức chất lượng khác Hình 3-1 Mơ hình hệ thống CRS Các video gửi từ MBS đến MU thông qua kênh truyền di động thông thường, từ FBS đến MU cách sử dụng chế phân kênh F-ALOHA để tránh can nhiễu [48] từ CU đến NU qua truyền thông từ thiết bị đến thiết bị (D2D) cách tái sử dụng tài nguyên phổ tần kênh truyền xuống chia sẻ SU Ký hiệu I J K N M 𝑉𝑖 𝑘 𝑤𝑛,𝑚 𝑣 𝑢𝑗 𝑖 𝑃𝑀 𝑗 𝑃𝐹 𝑃𝑇𝑛 𝐺0𝑘 𝑁0 W 𝐿𝑖𝐹 𝐿𝑖𝑚𝑎𝑥 C C*   Bảng 3-1 Các ký hiệu sử dụng cho toán CRS Diễn giải Số video Số trạm sở nhỏ femto (FBS) Số người dùng di động chấp nhận chia sẻ tài nguyên phổ tần kênh truyền xuống (SU) Số người dùng di động lưu trữ video (CU) có độ phân giải khác Số người dùng di động thông thường (NU) Số mức phân giải video thứ i, i=1, 2,…, I 𝑘 Chỉ số chia sẻ tài nguyên phổ tần kênh truyền xuống, 𝑤𝑛,𝑚 = SU thứ k chia sẻ kênh truyền xuống cho CU thứ n NU thứ m thực truyền video qua truyền thông D2D 𝑣 Chỉ số lưu trữ video FBS, 𝑢𝑗 𝑖 = FBS thứ j lưu phiên video 𝑣𝑖 ngược lại Công suất phát trạm sở lớn (MBS) Công suất phát trạm sở nhỏ femto (FBS) thứ j Công suất phát thiết bị CU thứ n truyền thông D2D Độ lợi kênh từ MBS tới SU k Công suất nhiễu trắng Gausian (AWGN – Additive White Gaussian Noise) Băng thơng hệ thống Tổng dung lượng cần có để lưu video thứ i với mức phân giải khác FBS theo tính tốn Giới hạn dung lượng nhớ FBS để lưu trữ video thứ i với mức phân giải khác nhau, cụ thể 𝑣 𝐿𝑖𝑚𝑎𝑥 =  𝑟𝑖  𝐼 𝐽 𝑚𝑎𝑥{𝐿𝑖 𝑖 ,  𝑣𝑖 = 1,2,   … , 𝑉𝑖 }, −1 𝑟𝑖 = 𝑖 −𝛼 (∑𝐼𝑖=1 𝑖 −𝛼 ) độ tiếng video với hệ số mũ phản ánh độ lệch 𝑣 tiếng α mơ hình hóa dạng phân phối Zipf-like [45] 𝐿𝑖 𝑖 kích thước video thứ i với mức phân giải vi Tổng dung lượng (bps) u cầu MU theo tính tốn Giới hạn tổng dung lượng yêu cầu MU µ δ với < µ, δ ≤ hệ số sử dụng để điều chỉnh giới hạn 𝐿𝑖𝑚𝑎𝑥 C* Trong mơ hình truyền video với chế CRS, giả sử tham số hệ thống khơng thay đổi q trình truyền phiên video dài số tất phiên yêu cầu Cũng cần nhấn mạnh thêm chế CRS phục vụ hiệu cho MU khu vực đông đúc như, sân vận động, phòng hòa nhạc, hội trường, 14 bảo tàng, tòa nhà văn phòng làm việc, bệnh viện, khuôn viên trường học, v.v… Bất MBS dự đốn có gia tăng yêu cầu truy cập video đó, thực thi chế CRS theo bước: i) cập nhật tham số hệ thống, ii) thiết lập giải toán tối ưu CRS, iii) truyền phát video, cụ thể sau: ▪ Đầu tiên, MBS thu thập thông số hệ thống đặc tính kênh truyền; dung lượng lưu trữ FBS CU; thông tin video (các mức phân giải, kích thước, mức độ phổ biến video); dung lượng yêu cầu MU; tỉ số tín hiệu can nhiễu nhiễu trắng (SINR) SU thơng số liên quan khác trình bày Bảng 3-1 ▪ Tiếp theo, dựa vào thông số hệ thống, biểu thức liên quan đến hàm mục tiêu ràng buộc 𝑣 tính tốn để xây dựng tốn tối ưu có ràng buộc CRS Bài toán CRS giải để tìm số 𝑢𝑗 𝑖 𝑣 tối ưu nhằm xác định phiên video phù hợp vị trí tối ưu để lưu trữ chúng FBS (𝑢𝑗 𝑖 = 𝑣 nghĩa video thứ i với mức phân giải vi lưu trữ FBS j; ngược lại 𝑢𝑗 𝑖 = 0) Đồng thời, việc giải toán CRS xác định chiến lược chia sẻ tài nguyên phổ tần kênh truyền xuống tối ưu, cụ thể 𝑘 𝑘 tìm số 𝑤𝑛,𝑚 tối ưu để xác định các (SU, CU, NU) cho truyền thông video D2D (𝑤𝑛,𝑚 =1 nghĩa SU k đồng ý chia sẻ phổ tần kênh truyền xuống cho CU n thực truyền video đến NU m 𝑘 qua truyền thơng D2D; ngược lại 𝑤𝑛,𝑚 = 0) Phân bố CU chia sẻ tài nguyên phổ tần kênh truyền xuống từ SU k, k = 1, 2, …, K, mơ hình q trình Poisson đồng (Poisson Point Process) với mật độ 𝜆𝑘𝐶 [49] Bài tốn tối ưu CRS tính đến ràng buộc dung lượng mà MU yêu cầu để phát lại (playback) video, dung lượng lưu trữ FBS để sử dụng tài nguyên lưu trữ cách hiệu tỉ số tín hiệu can nhiễu giao thoa (SINR) để đảm bảo chất lượng dịch vụ (QoS) SU ▪ Cuối cùng, tất video với mức phân giải khác lưu FBS tất (SU, CU, NU) định để sẵn sàng truyền từ MBS, FBS CU đến MU với chất lượng phát lại cao đồng thời đáp ứng nhu cầu dung lượng MU, sử dụng hiệu dung lượng lưu trữ FBS đảm bảo tỉ số tín hiệu can nhiễu giao thoa (SINR) SU (hay nói cách khác đảm bảo chất lượng/sự cơng cho SU) 3.3 Tính tốn thơng số hệ thống với chế CRS 3.3.1 Xác suất đạt dung lượng SU Để xác định xác suất đạt dung lượng SU thứ k, ta cần tính dung lượng đạt SU thứ k từ FBS thứ j: 𝑣 𝑘,𝑣 𝐶𝑗 𝑖 = 𝑊 𝑙𝑜𝑔2 (1 + 𝑢𝑗 𝑖 𝑃𝑗 𝐺𝑗𝑘 𝑁0 ) (3.1) từ MBS: 𝑘,𝑣 𝐶0 𝑖 = 𝑊 𝑙𝑜𝑔2 (1 + ∏𝐽𝑗=1(1 − 𝑢𝑗𝑣𝑖 )𝑃0 𝐺0𝑘 𝑘,𝑣 𝑁0 + 𝐼𝐶,𝑆 𝑖 ) (3.2) 𝑘,𝑣 𝑣𝑖 𝑘 𝑘 𝑣𝑖 𝑀 𝑘 𝐼𝐶,𝑆 𝑖 = ∑𝑁 𝑛=1 ∑𝑚=1 𝑤𝑛,𝑚 𝑝𝑛 𝑃𝐶 𝐺𝑛 𝑝𝑛 xác suất mà CU thứ n lưu trữ video thứ i với mức phân giải 𝑣𝑖 , tính sau: 𝑣 𝑣 𝑝𝑛𝑖 = 𝑎𝑟𝑖 + 𝑏𝜃𝑛 𝑖 (3.3) với a, b  [0, 1] 𝑟𝑖 độ tiếng video thứ i trình bày cơng thức (2.10) Khi đó, xác suất đạt dung lượng SU thứ k từ FBS thứ j 𝑘,𝑣 𝑘,𝑣 𝑝𝑗 𝑖 = 𝑘,𝑣 𝑃𝑟{𝐶𝑗 𝑖 −𝜉𝑗 𝑖 𝑁0 ≥ 𝐶thvi } = exp ( 𝑣𝑖 ) 𝑢𝑗 𝑃𝑗 xác suất đạt dung lượng SU thứ k từ MBS (3.6) 15 𝑘,𝑣𝑖 𝑝0 𝑘,𝑣𝑖 = 𝑃𝑟{𝐶0 k,vi k,v λC i ( ≥ 𝐶thvi } = exp -ξ0 [ { η PkC ∏Jj=1 (1-uvj i ) P0 ) (3.7) ]} với 𝑘,𝑣𝑖 ▪ 𝜉𝑗 = 𝜂 (𝑑𝑗𝑘 ) (2 𝑣 𝐶 𝑖 𝑡ℎ 𝑊 𝑘,𝑣𝑖 2 = 𝜋(𝑑0𝑘 ) Γ (1 + 𝜂) Γ (1 − 𝜂) (2 − 1), 𝜉0 𝑣 𝐶 𝑖 𝑡ℎ 𝑊 2⁄ 𝜂 − 1) ▪ 𝑑𝑗𝑘 𝑑0𝑘 khoảng cách từ FBS thứ j MBS đến SU thứ k 𝑘,𝑣 𝑣𝑖 𝑀 𝑘 ▪ 𝜆𝐶 𝑖 = ∑𝑁 𝑛=1 ∑𝑚=1 𝑤𝑛,𝑚 𝑝𝑛 mật độ CU bán kính tế bào mạng Như vậy, xác suất đạt dung lượng để truyền video thứ i với mức phân giải 𝑣𝑖 từ FBS thứ j từ MBS đến SU thứ k tính sau: 𝑘,𝑣 𝑘,𝑣𝑖 𝑝0,𝑗 𝑖 = − (1 − 𝑝𝑗 𝑘,𝑣 ) (1 − 𝑝0 𝑖 ) (3.8) 3.3.2 Xác suất đạt dung lượng CU Dung lượng CU thứ n từ FBS j MBS tính bằng: 𝑣 𝑣 𝐶𝑗,𝑛𝑖 = 𝑊 𝑙𝑜𝑔2 (1 + 𝑢𝑗 𝑖 𝑃𝑗 𝐺𝑗𝑛 𝑁0 ) (3.9) 𝑣𝑖 𝐶0,𝑛 = 𝑊 𝑙𝑜𝑔2 (1 + ∏𝐽𝑗=1 (1 − 𝑢𝑗𝑣𝑖 ) 𝑃0 𝐺0𝑛 𝑁0 ) (3.10) Như vậy, ta có xác suất đạt dung lượng tương ứng CU thứ n sau: ▪ Từ FBS thứ j tới CU thứ n: 𝑣𝑖 𝑝𝑗,𝑛 = 𝑛,𝑣 𝑣 𝑃𝑟{𝐶𝑗,𝑛𝑖 ≥ 𝑣 𝐶𝑡ℎ𝑖 } −𝜉𝑗 𝑖 𝑁0 = exp ( 𝑣𝑖 ) 𝑢𝑗 𝑃𝑗 (3.11) ▪ Và từ MBS tới CU thứ n: 𝑛,𝑣 𝑣𝑖 𝑝0,𝑛 = 𝑣𝑖 𝑃𝑟{𝐶0,𝑛 ≥ 𝑣 𝐶𝑡ℎ𝑖 } = exp ( −𝜉0 𝑖 𝑁0 ∏𝐽𝑗=1 (1 − 𝑢𝑗𝑣𝑖 ) 𝑃0 ) (3.12) với o 𝑛,𝑣 𝜉𝑗 𝑖 = 𝜂 (𝑑𝑗𝑛 ) (2 𝑣 𝐶 𝑖 𝑡ℎ 𝑊 − 1) 𝑛,𝑣 𝜉0 𝑖 = 𝜋(𝑑0𝑛 )𝜂 (2 𝑣 𝐶 𝑖 𝑡ℎ 𝑊 − 1) o 𝑑𝑗𝑛 𝑑0𝑛 khoảng cách từ FBS thứ j MBS tới CU thứ n Khi đó, xác suất đạt dung lượng để truyền video thứ i với mức phân giải 𝑣𝑖 từ FBS thứ j MBS đến CU thứ n là: 𝑣 𝑣 𝑣 𝑖 𝑖 𝑖 𝑝0,𝑗,𝑛 = − (1 − 𝑝𝑗,𝑛 ) (1 − 𝑝0,𝑛 ) (3.13) 3.3.3 Xác suất đạt dung lượng NU Khác với SU CU, dung lượng NU thứ m, đến từ CU thứ n, FBS thứ j MBS, tính tương ứng là: 16 𝑣 𝑘,𝑣 𝐶𝑛,𝑚𝑖 = 𝑊 𝑙𝑜𝑔2 (1 + 𝑘 𝑤𝑛,𝑚 𝑝𝑛𝑖 𝑃𝐶𝑘 𝐺𝑛𝑚 𝑘,𝑣 𝑁0 + 𝑃0 𝐺0𝑚 + 𝐼𝐶,𝐶 𝑖 𝑣 𝑘,𝑣 𝐶𝑗,𝑚𝑖 ) 𝑣 𝑘 𝑢𝑗 𝑖 (1 − 𝑤𝑛,𝑚 𝑝𝑛𝑖 )𝑃𝑗 𝐺𝑗𝑚 = 𝑊 𝑙𝑜𝑔2 (1 + (3.14) 𝑁0 ) (3.15) 𝑘,𝑣 𝐶0,𝑚𝑖 = 𝑊 𝑙𝑜𝑔2 (1 + 𝑣 𝑘 ∏𝐽𝑗=1 (1 − 𝑢𝑗𝑣𝑖 ) (1 − 𝑤𝑛,𝑚 𝑝𝑛𝑖 )𝑃0 𝐺0𝑚 𝑁0 ) (3.16) 𝑘,𝑣 𝑣𝑖 𝑘 𝑘 𝑘 𝑀 với 𝐼𝐶,𝐶 𝑖 = ∑𝑁 𝑛′ =1 ∑ 𝑚′ =1 𝑤𝑛′ ,𝑚′ 𝑝𝑛′ 𝑃𝐶 𝐺𝑛′ ,𝑚′ 𝑛′ ≠𝑛 𝑚′ ≠𝑚 xác xuất đạt dung lượng tương ứng là: 𝑘,𝑣 𝑝𝑛,𝑚𝑖 = 𝑘,𝑣 𝑃𝑟{𝐶𝑛,𝑚𝑖 ≥ 𝑣 𝐶th𝑖 } 𝑣𝑖 exp {−𝜉𝑛,𝑚 [𝜆𝑀 ( = 𝜂 𝑃0 ) 𝑣 𝑘 𝑤𝑛,𝑚 𝑝𝑛𝑖 𝑃𝐶𝑘 ′𝑘,𝑣𝑖 + 𝜆𝐶 (3.17) ]} 𝑣 𝑘,𝑣 𝑝𝑗,𝑚𝑖 = 𝑘,𝑣 𝑃𝑟{𝐶𝑗,𝑚𝑖 ≥ 𝑣 𝐶th𝑖 } = exp [ 𝑖 −𝜉𝑗,𝑚 𝑁0 𝑣 𝑣 𝑘 𝑢𝑗 𝑖 (1 − 𝑤𝑛,𝑚 𝑝𝑛𝑖 )𝑃𝑗 ] (3.18) 𝑣 𝑘,𝑣 𝑝0,𝑚𝑖 = 𝑘,𝑣 𝑃𝑟{𝐶0,𝑚𝑖 ≥ 𝑣 𝐶th𝑖 } = exp [ 𝑖 −𝜉0,𝑚 𝑁0 𝑣 𝑘 ∏𝐽𝑗=1 (1 − 𝑢𝑗𝑣𝑖 ) (1 − 𝑤𝑛,𝑚 𝑝𝑛𝑖 )𝑃0 ] (3.19) ▪ vi ξj,m ▪ vi ξn,m v C i = th η W (dm j ) (2 = π(dm n ) Γ (1 + ▪ − 1) ) η Γ (1 − ) η (2 v C i th W vi ξ0,m = v C i th η ( dm ) (2 W − 1) 2⁄ η − 1) m m ▪ dm n , dj d0 khoảng cách từ CU thứ n, FBS thứ j MBS đến NU thứ m k,vi ▪ λ′ C vi M k = ∑N n′ =1 ∑ m′ =1 wn′ ,m′ pn′ phạm vi bán kính tế bào mạng n′ ≠n m′ ≠m Cuối cùng, xác suất dạt dung lượng NU m tính sau: 𝑘,𝑣 𝑘,𝑣 𝑘,𝑣 𝑘,𝑣 𝑖 𝑝0,𝑗,𝑛,𝑚 = − (1 − 𝑝𝑛,𝑚𝑖 ) (1 − 𝑝𝑗,𝑚𝑖 ) (1 − 𝑝0,𝑚𝑖 ) (3.20) 3.3.4 Chất lượng trung bình video truyền 𝑣 Nếu video thứ i phiên 𝑣𝑖 phát lại tốc độ (hoặc dung lượng) 𝐶𝑡ℎ𝑖 , độ méo (distortion) tương ứng tính bởi: 𝑣 𝑣 𝛽𝑖 𝐷𝑖 (𝐶th𝑖 ) = 𝛾𝑖 (𝐶th𝑖 ) (3.21) 𝛾𝑖 𝛽𝑖 tham số phụ thuộc chọn cho công thức (3.21) đáp ứng đường cong RD thực nghiệm Khi đó, ta tính tốn giá trị chất lượng trung bình video với mứng phân giải khác nhận MU (SU, CU, NU) sau: 𝑄= với ∑𝐽𝑗=1(𝑄𝑆𝑗 + 𝑄𝐶𝑗 + 𝑄𝑁𝑗 ) 3𝐽 (3.22) 17 𝐾 𝑗 𝑄𝑆 𝑉𝑖 𝐼 𝑟𝑖 𝑘,𝑣 𝑣 = ∑ ∑ ∑ 𝑝0,𝑗 𝑖 𝑄 (𝐷𝑖 (𝐶𝑡ℎ𝑖 )) 𝐾 𝑉𝑖 𝑘=1 𝑖=1 𝑁 𝑗 𝑄𝐶 𝑣𝑖 =1 𝑉𝑖 𝐼 𝑟𝑖 𝑣𝑖 𝑣 = ∑ ∑ ∑ 𝑝0,𝑗,𝑛 𝑄 (𝐷𝑖 (𝐶𝑡ℎ𝑖 )) 𝑁 𝑉𝑖 𝑛=1 𝑖=1 𝐾 𝑗 𝑄𝑁 𝑁 𝑀 𝑉𝑖 𝐼 𝑘=1 𝑁=1 𝑚=1 𝑖=1 3.4 (3.25) 𝑣𝑖 =1 2552 𝑣 (3.24) 𝑣𝑖 =1 𝑟𝑖 𝑘,𝑣𝑖 𝑣 = ∑ ∑ ∑ ∑ ∑ 𝑝0,𝑗,𝑛,𝑚 𝑄 (𝐷𝑖 (𝐶𝑡ℎ𝑖 )) 𝐾𝑀𝑁 𝑉𝑖 Trong 𝑄 (𝐷𝑖 ( 𝐶𝑡ℎ𝑖 )) = 10 𝑙𝑜𝑔10 (3.23) 𝑣 𝐷𝑖 ( 𝐶𝑡ℎ𝑖 ) tỉ số tín hiệu cực đại nhiễu (PSNR) Giải toán tối ưu cho CRS giải thuật di truyền 3.4.1 Bài toán tối ưu CRS Để xây dựng tốn tối ưu CRS, ta tính toán thêm dung lượng lưu trữ FBS (𝐿𝑖𝐹 ) sử dụng để lưu trữ video i với mức phân giải khác tổng dung lượng (C) mà hệ thống cung cấp cho MU xem xét chúng ràng buộc trình giải toán tối ưu CRS Cụ thể, 𝐿𝑖𝐹 C tương ứng tính bởi: 𝐽 𝑉𝑖 𝑣 𝑣 (3.26) 𝐶 = 𝐶𝑆 + 𝐶𝐶 + 𝐶𝑁 (3.27) 𝐿𝑖𝐹 = ∑ ∑ 𝑢𝑗 𝑖 𝐿𝑖 𝑖 𝑗=1 𝑣𝑖 =1 𝐽 𝐾 𝑉𝑖 𝐼 𝑟𝑖 𝑘,𝑣 𝑘,𝑣 𝐶𝑆 = ∑ ∑ ∑ ∑ (𝐶𝑗 𝑖 + 𝐶0 𝑖 ) 𝑉𝑖 𝑗=1 𝑘=1 𝑖=1 𝐽 𝑁 𝑣𝑖 =1 𝑉𝑖 𝐼 𝑟𝑖 𝑣 𝑣𝑖 𝐶𝐶 = ∑ ∑ ∑ ∑ (𝐶𝑗,𝑛𝑖 + 𝐶0,𝑛 ) 𝑉𝑖 𝑗=1 𝑛=1 𝑖=1 𝐽 𝐾 𝑁 𝑀 𝐼 (3.29) 𝑣𝑖 =1 𝑉𝑖 𝑟𝑖 𝑘,𝑣 𝑘,𝑣 𝑘,𝑣 𝐶𝑁 = ∑ ∑ ∑ ∑ ∑ ∑ (𝐶𝑛,𝑚𝑖 + 𝐶𝑗,𝑚 𝑖 + 𝐶0,𝑚𝑖 ) 𝑉𝑖 𝑗=1 𝑘=1 𝑁=1 𝑚=1 𝑖=1 (3.28) (3.30) 𝑣𝑖 =1 Cuối cùng, toán tối ưu CRS mô tả sau: 𝑚𝑎𝑥 𝑄 𝑣 𝑘 𝑢𝑗 𝑖 ,𝑤𝑛,𝑚 ∑ 𝑉𝑖 𝑣 𝑣𝑖 =1 𝑀 ∑ (3.31) 𝑢𝑗 𝑖 ≤ 1, 𝑖 = 1,2, , 𝐼, 𝑗 = 1,2, , 𝐽, 𝑘 𝑤𝑛,𝑚 ≤ 1, 𝑘 = 1,2, , 𝐾, 𝑛 = 1,2, , 𝑁, 𝑚=1 𝑁 ∑ 𝑠 𝑡 𝑛=1 𝐾 𝑘 𝑤𝑛,𝑚 ≤ 1, 𝑘 = 1,2, , 𝐾, 𝑚 = 1,2, , 𝑀, 𝑘 ∑ 𝑤𝑛,𝑚 ≤ 𝑘=1 𝐿𝑖𝐹 ≤ 𝜇𝐿𝑖𝑚𝑎𝑥 , 𝑖 ∗ (3.32) 1, 𝑛 = 1,2, … , 𝑁, 𝑚 = 1,2, … , 𝑀, = 1,2, , 𝐼, 𝐶 ≤ 𝛿𝐶 𝑃0 𝐺0𝑘 𝑘,𝑣 𝐼𝐶,𝑆 𝑖 ≤ − 𝑁0 , 𝑘 = 1,2, … , 𝐾, 𝑖 = 1,2, … , 𝐼, 𝑣𝑖 = 1,2, , 𝑉𝑖 { 𝛾0 18 3.4.2 Giải thuật di truyền cho toán CRS Để giải toán tối ưu CRS, chương này, áp dụng công cụ “Giải thuật di truyền Matlab” trình bày tài liệu [62] Tuy nhiên, cơng cụ có hạn chế giải tốn có ràng buộc cận cận đơn giản biến khơng thể giải tốn có ràng buộc phức tạp ràng buộc toán CRS nêu Do đó, giải pháp chuyển tốn tối ưu có ràng buộc thành tốn tối ưu khơng có ràng buộc phương pháp hàm phạt (penalty function) [99-102] Thuật giải 3.1 Thuật giải di duyền Input: Tham số hệ thống liệt kê Bảng 3-2 NP = 20.000; số cá thể quần thể PRECI = J*I*Vi + K*N*M: chiều dài nhiễm sắc thể PG = 0,9: khoảng cách hệ PC = 0,9: xác suất lai ghép Pm = 10-6: xác suất đột biến Khởi tạo hệ gồm tập NP cá thể ngẫu nhiên {𝑋𝑧 }, z = 1, 2,… NP Gen = 0: số hệ TC: điều kiện dừng vòng lặp Output: 𝑋 ∗ 𝑄̅𝐹∗ While TC chưa thỏa Gen = Gen + Đưa {𝑋𝑧 } 𝑄̅𝐹 (𝑋𝑧 ) vào nhóm sẵn sàng lai ghép để xếp hạng Chọn 𝑁𝑃𝐺 𝑃𝐺 cá thể tốt tập {𝑋𝑧 } có 𝑄̅𝐹 (𝑋𝑧 ) cao để chuẩn bị lai ghép cho hệ Chọn cặp cha mẹ theo phương pháp lai ghép điểm (Double Point Crossover) để lai ghép hệ Việc lai ghép không áp dụng với tất các cặp cha mẹ mà áp dụng với xác suất PC Thực đột biến theo phương pháp bù nhị phân (Inversion Mutation) hệ tạo với xác suất đột biến PM Đánh giá giá trị thích nghi (có sau thay giá trị chuỗi nhị phân cá thể vào hàm thích nghi) cho hệ tạo sẵn sàng cho bước lai ghép 10 End While 11 Chọn cá thể 𝑋 ∗ tương ứng với giá trị cực đại 𝑄̅𝐹∗  trong hệ cuối Theo đó, ràng buộc (3.32) tốn CRS chuyển đổi sau: 𝑉 𝑣 𝛥𝑢𝑖,𝑗 = − ∑𝑣𝑖𝑖=1 𝑢𝑗 𝑖 ≥ 0, 𝑖 = 1,2, … , 𝐼, 𝑗 = 1,2, … , 𝐽, 𝑘 𝛥𝑤𝑘,𝑛 = − ∑𝑀 𝑚=1 𝑤𝑛,𝑚 ≥ 0, 𝑘 = 1,2, … , 𝐾, 𝑛 = 1,2, … , 𝑁, 𝑘 𝛥𝑤𝑘,𝑚 = − ∑𝑁 𝑛=1 𝑤𝑛,𝑚 ≥ 0, 𝑘 = 1,2, … , 𝐾, 𝑚 = 1,2, , 𝑀 𝑘 𝛥𝑤𝑛,𝑚 = − ∑𝐾 𝑘=1 𝑤𝑛,𝑚 ≥ 0, 𝑛 = 1,2, … , 𝑁, 𝑚 = 1,2, , 𝑀 𝛥𝐿𝑖𝐹 = 𝜇𝐿maxi − 𝐿𝑖𝐹 ≥ 0, 𝑖 = 1,2, … , 𝐼, 𝛥𝐶 = 𝛿𝐶 ∗ − 𝐶 ≥ 0, 𝑘,𝑖,𝑣𝑖 {𝛥𝐼𝐶,𝑆 = 𝑃0 𝐺0𝑘 𝛾0 𝑘,𝑣 − 𝑁0 − 𝐼𝐶,𝑆 𝑖 ≥ 0, 𝑘 = 1,2, … , 𝐾, 𝑖 = 1,2, … , 𝐼, 𝑣𝑖 = 1,2, … , 𝑉𝑖 Từ đây, ta có hàm phạt bao gồm ràng buộc (3.33) (3.33) 19 F = 𝐽 𝑁 𝜆1 ∑𝐼𝑖=1 ∑𝑗=1(min{0, 𝛥𝑢𝑖,𝑗 }) + 𝜆2 ∑𝐾 𝑘=1 ∑𝑛=1(min{0, 𝛥𝑤𝑘,𝑛 }) 2 𝑀 𝑁 𝑀 + 𝜆 ∑𝐾 𝑘=1 ∑𝑚=1(min{0, 𝛥𝑤𝑘,𝑚 }) + 𝜆4 ∑𝑛=1 ∑𝑚=1(min{0, 𝛥𝑤𝑛,𝑚 }) + 𝜆5 ∑𝐼𝑖=1(min{0, 𝛥𝐿𝑖𝐹 }) + 𝜆6 (min{0, 𝛥𝐶})2 𝑉 (3.34) 𝑘,𝑖,𝑣 𝐼 𝑖 𝑖 + 𝜆 ∑𝐾 𝑘=1 ∑𝑖=1 ∑𝑣𝑖 =1 (min{0, 𝛥𝐼𝐶,𝑆 }) Và vậy, thuật giải di truyền mơ tả Thuật giải 3.1 áp dụng để giải toán tối ưu CRS dạng khơng có ràng buộc sau: 𝑚𝑎𝑥 𝑄𝐹 = 𝑄 − 𝐹 (3.35) 𝑣 𝑘 𝑢𝑗 𝑖 ,𝑤𝑛,𝑚 Đánh giá hiệu suất chế CRS thuật giải di truyền 3.5 3.5.1 Thiết lập thông số hệ thống cấu hình máy tính Để đánh giá hiệu suất chế CRS hiệu thuật giải di truyền, mơ hình hệ thống triển khai với tham số liệt kê Bảng 3-2 Giả sử MBS bao phủ vùng có bán kính cực đại 1500m khoảng cách MBS MU, FBS MU, CU SU, CU NU phân phối ngẫu nhiên phạm vi 𝑣 tương ứng [500, 1500]m, [20, 100]m, [50, 150]m, [1, 20]m Ngoài ra, video xem xét gồm: 𝑉1 𝑣 𝑣 (Basketballpass), 𝑉2 (Racehourses) 𝑉3 (Foreman) Các video phân tích để thu đường cong RD thực nghiệm chúng cách sử dụng phần mềm HM phiên 12.0 [52], từ ta mã hóa 𝑣 𝑣 mỡi video với mức phân giải khác (Vi = 3) có giá trị 𝐿𝑖 𝑖 , 𝐶𝑡ℎ𝑖 , 𝛾𝑖 𝛽𝑖 Bảng 3-2 Bảng 3-2 Thông số hệ thống Ký hiệu Ký hiệu Trị số J, K, N, M I Vi W, P0 , Pj, 𝑃𝐶𝑘 N0, , γ0 {a, b} 𝛾𝑖 𝛽𝑖 µ,  FBS, SU, CU, 10 NU videos 3, mỡi video có mức phân giải 5MHz, 5W, 1W, 1mW 10-12W, 4, 10dB {0.5, 0.5} [9806 76520 1644000 ] [-0.9972 -1.1530 -1.0920] 0.5, 10 Gbps, nghĩa mỗi MU phục vụ với dung lượng trung bình 0.5 Gbps * C rn 𝑣 𝐿𝑖 𝑖 𝑣 𝐶𝑡ℎ𝑖 Trị số 1, nghĩa CU thứ n còn trống 100% dung lượng để lưu video (nhằm tăng ưu cho truyền thông D2D) [ 11867 23734 35600 198680 264906 351000 33382 66763 113496 1172340 1758510 2344680 160410 320820 453960] Kbit [ 1000 2000 3000 3000 4000 5300 50000 100000 170000 10000 15000 20000 10000 20000 28300]Kbps Cơ chế CRS đánh giá cách so sánh với chế khác bao gồm chế lưu trữ (OCC – Only Caching), chế chia sẻ tài nguyên phổ tần kênh truyền xuống (ORS – Only Downlink Resource Sharing) chế không lưu trữ không chia sẻ tài nguyên phổ tần kênh truyền xuống (NCS – No Caching Nor Downlink Resource Sharing) Một máy tính thơng thường với thơng số mơ tả Bảng 3-3 sử dụng để triển khai tính tốn, mơ đánh giá kết Bảng 3-3 Cấu hình máy tính Thơng số cấu hình máy tính Processor Processor type PHY processor packages Processor cores Logical processors Total PHY memory Operating System Intel(R) Core(TM) i7-8700 CPU @ 3.20GHz x64 Family Model 14 Stepping 10, GenuineIntel 12 16,599,444KB Windows 10 20 3.5.2 Đánh giá hiệu thuật giải di truyền Để đánh giá hiệu thuật giải di truyền (GA), thuật giải đàn dơi nhị phân (BBA) thuật toán vét cạn (EA) đồng thời triển khai để làm sở so sánh độ xác thời gian thực thi làm sở để chọn lựa thông số cho thuật giải di truyền giải tốn CRS BBA trình bày Chương 1, thông số (𝐿0𝑖 = 0,25; 𝐸𝑖0 = 0,1; 𝑚𝑖𝑛 = 0; 𝑚𝑎𝑥 = 2;  = 0,9;  = 0,9) để triển khai BBA tham khảo từ [61] Tương tự thuật toán GA, phương pháp hàm phạt áp dụng để triển khai thuật toán BBA Do không đồng thông số đầu vào toán tử sử dụng GA BBA, luận án này, GA BBA đánh giá dựa trên: 1) tương đương thời gian thực thi, ví dụ: NPG = 20.000 GA với thời gian thực thi trung bình 1003,68 giây NPB = 10.000 BBA với thời gian thực thi trung bình 957,12 giây chọn để đánh giá GA BBA, 2) độ xác so với EA 3) độ ổn định (EA triển khai tương tự Chương 2) Trong trường hợp này, tham số kích thước hệ thống gồm (J, N, M K) thiết lập với giá trị thấp tương ứng (3, 3, 3) để thuật giải vét cạn thực thi Bài toán CRS giải cách tìm giá trị cực đại chất lượng trung bình (được đo dB) theo hệ số mũ phản ánh độ tiếng video α [88] Bảng 3-4 So sánh độ xác GA, BBA EA α EA (dB) BBA (dB) Accuracy GA (dB) Accuracy 29,0286 28,9100 99,59% 29,0286 100,00% 0,5 31,2176 31,2176 100,00% 31,2176 100,00% 1,0 32,6980 32,4708 99,31% 32,6924 99,98% 1,5 34,1178 33,6306 98,57% 34,1178 100,00% 2,0 36,0832 36,0832 100,00% 36,0716 99,97% 2,5 37,2044 36,5090 98,13% 37,1935 99,97% 3,0 38,0584 37,6689 98,98% 38,0476 99,97% Hình 3-2 Đánh giá độ ổn định GA BBA Kết trình bày Bảng 3-4 cho thấy, độ xác sử dụng GA lên tới 100% so với EA Với thời gian thực thi tương đương nhau, GA cho kết xác so với BBA Hơn nữa, thực thi giải thuật 100 lần (với  = 1), GA cho kết ổn định BBA mơ tả Hình 3-2 Từ kết này, GA chọn để áp dụng cho việc giải tốn CRS với kích thước hệ thống lớn Ngồi ra, tơi so sánh việc đánh đổi thời gian thực thi độ xác của thuật giải di truyền cách thay đổi số lượng cá thể NP giữ α = Kết từ Bảng 3-5 cho thấy, với mỡi số lượng cá thể Np khác nhau, tốn thực thi 100 lần chọn kết xấu 100 lần thực thi đó, ta có: - Khi chấp nhận độ xác thấp 97.34%, thời gian thực thi 19.58 giây với số lượng cá thể NP = 1.000 Khi tăng số lượng cá thể lên, độ xác tăng lên thời gian thực thi lâu Tuy nhiên, tăng số lượng cá thể NP lên độ xác tăng lên thời gian thực thi tăng lên nhiều Ở Bảng 3-5 so sánh NP = 1.000 NP = 10.000, độ xác từ 97.34% lên 99.23% (tăng 1.89%), tăng tiếp số lượng cá thể từ NP = 10.000 lên NP = 20.000, độ xác tăng từ 99.23% lên 99.89% (tăng 0.66%) Như vậy, NP = 10.000 thuật giải di truyền cho kết chấp nhận 21 với mức độ xác 99.23% thời gian thực thi 317.42 giây so với 5,664.45 giây thuật giải vét cạn Dựa kết từ Bảng 3-5, chọn NP = 20.000 để thực thi thuật giải di truyền với tham số kích thước hệ thống (J, N, M K) lớn Bảng 3-2 để đảm bảo độ xác tốt với thời gian thực thi chấp nhận Bảng 3-5 Thực thi GA theo số NP với kết xấu Metrics Time (s) PSNR (dB) Accuracy 1,000 19.58 30.8283 97.34% 5,000 142.50 32.2547 98.64% NP (α = 1) 10,000 317.42 32.4474 99.23% 15,000 556.01 32.6486 99.85% 20,000 795.63 32.6631 99.89% EA 5,664.45 32.6980 100% Để đánh giá kết thực thuật giải di truyền, thuật giải di truyền thực thi với tiêu chí hội tụ (hay tiêu chí để dừng thuật giải) trình bày Thuật giải 3-1 Kết thực thi theo số hệ mơ tả Hình 3-3, đó, “Best” giá trị 𝑄̅𝐹 (𝑋𝑧 ) cao có từ cá thể tốt hệ, “Mean” giá trị trung bình 𝑄̅𝐹 (𝑋𝑧 ) tính cho tất cá thể hệ, “Error” giá trị hàm phạt F (3.34) (3.35) Kết cho thấy, thuật giải di truyền bắt đầu hội tụ sau khoảng 20 hệ đến hệ thứ 125 đáp ứng tiêu chí hội tụ Khi đó, “Error” tiến (F = 0) đồng nghĩa với ràng buộc thỏa; giá trị “Best” không đổi trùng với “Mean” đồng nghĩa với việc cá thể tốt hệ cuối Như vậy, từ kết phân tích Bảng 3-4, Bảng 3-5, Hình 3-2 Hình 3-3, thuật giải di truyền cho thấy tính linh động khả thi để giải toán tối ưu CRS phạm vi lớn 5G UDN Hình 3-3 Mức độ hội tụ thuật giải di truyền 3.5.3 Đánh giá hiệu suất chế CRS Đầu tiên, CRS đánh giá so với trường hợp khác là: có lưu trữ (OCC), có chia sẻ phổ tần kênh truyền xuống (ORS) khơng có lưu trữ khơng có chia sẻ (NCS) thay đổi số lượng FBS Hình 3-4 Nếu khơng có FBS để lưu trữ video (J=0), chế OCC trở thành chế NCS cho chất lượng thấp khơng có lưu trữ khơng có chia sẻ Đồng thời, chế CRS khơng có lưu trữ trở thành chế ORS, cho chất lượng cao so với OCC NCS CRS có chia sẻ tài nguyên phổ tần kênh truyền xuống Khi tăng số lượng FBS, chất lượng ORS NCS khơng tăng lên, CRS OCC tăng lên theo số lượng FBS Tuy nhiên, CRS OCC có khuynh hướng bão hịa tiếp tục tăng số lượng FBS Điều cho thấy rằng, với lượng người dùng định, ta không cần thiết phải lưu tất video nhiều FBS Nói cách khác, số lượng FBS để lưu trữ video phải tính tốn cẩn thận để đảm bảo dung lượng lưu trữ hợp lý để giảm mức độ phức tạp tính tốn Tiếp theo, chế CRS so sánh với chế OCC, ORS NCS theo số lượng SU đồng ý chia sẻ tài nguyên (Hình 3-5) Tương tự với kết đánh giá theo số lượng FBS, khơng có SU chia sẻ tài nguyên kênh truyền, chế CRS trở thành OCC chế ORS trở thành NCS Khi tăng số lượng SU lên đồng nghĩa với việc mở rộng chọn lựa chia sẻ tài nguyên kênh truyền chất lượng CRS ORS tăng lên theo, OCC NCS không thay đổi Hai chế CRS ORS bảo hòa tiếp tục tăng số lượng SU SU thêm vào tốt SU trước q trình tìm kiếm (SU, CU, NU) tốt 22 Hình 3-4 Kết CRS so với OCC, ORS NCS theo số lượng FBS Hình 3-5 Kết CRS so với OCC, ORS NCS theo số lượng SU Hình 3-6 mơ tả kết đánh giá hiệu suất CRS, OCC, ORS NCS theo hệ số độ lệch tiếng video α Kết hệ thống đạt hiệu suất cao tập trung vào việc phục vụ MU video có mức độ phổ biến cao, tức giá trị α cao Và kết đánh giá cho thấy rằng, chế đề xuất CRS vượt trội so với chế OCC, ORS đương nhiên tốt nhiều so với chế NCS Và trường hợp OCC tốt trường hợp ORS cung cấp nhiều khả lưu trữ truyền qua kênh tốt từ FBS Trường hợp xấu NCS khơng có hỗ trợ chế lưu trữ chia sẻ tài nguyên phổ tần kênh truyền xuống Hình 3-6 Chất lượng hệ thống CRS, OCC, ORS, NCS theo α Hình 3-7 Chất lượng hệ thống CRS với tham số hệ thống khác theo  Tiếp theo, ảnh hưởng ràng buộc đến hiệu suất chế CRS đánh giá Hình 3-7 Để làm vậy, dung lượng lượng yêu cầu MU (δ) giảm từ xuống 0.5, ràng buộc dung lượng lưu trữ FBS () giảm từ 0.5 xuống 0.3 tăng tỉ số tín hiệu can nhiễu nhiễu trắng SU (γ0) từ 3dB lên 5dB Kết cho thấy, ràng buộc dung lượng δ yêu cầu MU giảm (từ xuống 0.5), tức MU yêu cầu video có mức phân giải thấp, kênh truyền cung cấp dung lượng cao không chọn để truyền phát nhằm tiết kiệm tài nguyên băng thông hệ thống Điều có nghĩa hệ thống cần phục vụ mức chất lượng thấp đáp ứng đủ yêu cầu MU Trong trường hợp giảm ràng buộc dung lượng lưu trữ FBS  (từ 0.5 xuống 0.3), hệ thống có khả để lưu trữ video hạn chế cung cấp kênh truyền chất lượng cao từ FBS đến MU dẫn đến chất lượng video thu giảm Ngồi ra, tăng tỉ số tín hiệu can nhiễu nhiễu trắng γ0 (từ 3dB lên 5dB) để đảm bảo QoS cao cho SU, số lượng cặp truyền thông D2D CU NU giảm để giảm tác động can nhiễu lên SU Điều làm giảm hiệu suất 23 hệ thống hệ thống khai thác hiệu việc truyền thông D2D để truyền phát video khoảng cách gần Cuối cùng, để kiểm chứng hiệu suất chế CRS chất lượng phát lại (playback) video đạt mức độ tiêu tốn dung lượng lưu trữ video FBS, so sánh CRS với phương pháp có có lưu trữ chia sẻ tài nguyên kênh truyền lưu trữ với phiên video có độ phân giải cao (FRS – Full rate caching and Resource Sharing) Tức phương pháp FRS khơng có cho phép lựa chọn video với mức phân giải phù hợp để lưu trữ chế CRS Kết Hình 3-8 cho thấy, α  CRS tốt FRS tốt CRS α > Hình 3-8 So sánh CRS FRS Điều giải thích là, α có giá trị thấp, hệ thống phục vụ MU với nhiều video có độ phổ biến không lệch cao Trong trường hợp này, việc chọn lựa video có mức phân giải phù hợp để lưu trữ phục vụ người dùng làm tăng hiệu hệ thống (thỏa mãn người dùng với dung lượng lưu trữ thấp hơn) Ngược lại, α có giá trị cao hơn, hệ thống tập trung vào việc phục vụ video có độ phổ biến cao, nghĩa tập trung phục vụ số video Trong trường hợp này, hiệu suất CRS bị hạn chế bị ràng buộc dung lượng nhớ lưu trữ ràng buộc thơng lượng cần thiết, ràng buộc hồn tồn khơng xét đến FRS Khi xem xét mức tiêu thụ dung lượng nhớ đệm, FRS rõ ràng yêu cầu sử dụng nhớ lưu trữ cao CRS Và thấy rằng, dung lượng cần cho nhớ đệm CRS FRS để lưu trữ video hội tụ giá trị phiên video mơ hình CRS phiên video FRS 3.6 Kết luận chương Chương trình bày chế lưu trữ đa phân giải chia sẻ tài nguyên tối ưu (CRS – Multi-Resoluion Caching and Resource Sharing Optimization) theo nhu cầu người dùng nhằm nâng cao chất lượng truyền video 5G UDN Trong chương này, hạn chế Chương cải tiến như: 1) QoS hệ thống đánh giá tường minh hơn, 2) sử dụng hiệu tài nguyên dung lượng lưu trữ FBS tài nguyên phổ tần SU 3) thuật giải di truyền áp dụng để giải toán CRS cách hiệu KẾT LUẬN Kết đạt Luận án tập trung vào việc nghiên cứu đề xuất chế lưu trữ chia sẻ tài nguyên tối ưu cho ứng dụng truyền video 5G UDN nhằm nâng cao chất lượng lượng dịch vụ (QoS) sử dụng tài nguyên hiệu Kết đạt cụ thể sau: 1- Đề xuất chế lưu trữ truyền video cộng tác đa tầng có quan tâm đến hành vi mối quan hệ xã hội người dùng (SCS) thông qua việc tận dụng hiệu tài nguyên lưu trữ tài nguyên phổ tần sẵn có phần tử 5G UDN Kết công bố tạp chí Springer Mobile Networks & Applications 24 [C1] trình bày hội nghị Heterogeneous Networking for Quality, Reliability, Security and Robustness (Qshine 2018) 2- Đề xuất chế lưu trữ đa phân giải truyền video cộng tác có quan tâm đến nhu cầu người dùng (CRS) thông qua việc tận dụng hiệu tài nguyên lưu trữ tài nguyên phổ tần sẵn có phần tử 5G UDN Đặc biệt, CRS cải tiến chế SCS cách 1) thay đổi thông số đánh giá QoS từ dung lượng phân phối thành chất lượng video thu được, 2) tận dụng hiệu tài nguyên lưu trữ phổ tần 3) đề xuất thuật giải di truyền để giải toán tối ưu lưu trữ truyền video cách hiệu Kết cơng bố tạp chí IEEE Communications Letters [C2] trình bày hội nghị Recent Advances on Signal Processing, Telecommunications & Computing (SigTelCom 2020) [C3] Các công bố liên quan đến luận án kết nghiên cứu quan trọng, cụ thể đề xuất mơ hình lưu trữ đa tầng kết hợp với chia sẻ tài nguyên tối ưu theo định hướng người dùng nhằm nâng cao hiệu truyền video 5G UDN Đóng góp mang giá trị tham khảo hữu ích cho cộng đồng nghiên cứu thuộc lĩnh vực lưu trữ chia sẻ tài nguyên cho ứng dụng truyền video 5G UDN Định hướng nghiên cứu Nội dung nghiên cứu Chương Chương có nối tiếp Nghiên cứu Chương có kế thừa bổ sung thêm cho nghiên cứu thực Chương Tuy nhiên, luận án hạn chế cần phát triển tương lai liên quan đến mơ hình, tiêu chí đánh giá thuật giải, cụ thể sau: 1- 2- 3- Cải tiến mơ hình hệ thống: Một hệ thống hoàn thiện hệ thống kết hợp kết Chương Chương Nghĩa phải 1) xem xét đến video với mức phân giải khác để lưu trữ hiệu FBS, 2) tận dụng tài nguyên phổ tần hiệu cho truyền thông D2D 3) xem xét đồng thời đến cư xử, mối quan hệ xã hội nhu cầu người dùng yếu tố di chuyển người dùng Ngoài ra, tầng lưu trữ cần xem xét đến lưu trữ thiết bị bay không người lái (UAV – Unmanned Aerial Vehicle) Về tiêu chí đánh giá: Bộ thông số đánh giá chất lượng trải nghiệm người dùng (QoE – Quality of Experience) với tiêu chí khắt khe cần xây dựng Bộ tiêu chí khơng đơn dung lượng phân phối hay chất lượng phát lại video, mà tỷ lệ truy xuất thành cơng video, tính liên tục ổn định chất lượng trình phát lại Về thuật giải tối ưu: Với tính phức tạp hệ thống mở rộng hoàn thiện thông số QoE đánh giá hiệu suất hệ thống phức tạp hơn, thuật giải GA cần nghiên cứu để có cải tiến độ xác thời gian thực thi Ngồi ra, cần tìm hiểu thêm thuật giải phù hợp khác theo xu máy học, học sâu,… để giải toán tối ưu so sánh hiệu với thuật giải GA áp dụng nhằm chọn lựa thuật giải tốt để triển khai hệ thống DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA NGHIÊN CỨU SINH [C1] Minh-Phung Bui, Nguyen-Son Vo, Sang Quang Nguyen, and Quang-Nhat Tran, "Social-Aware Caching and Resource Sharing Maximized Video Delivery Capacity in 5G Ultra-Dense Networks," ACM/Springer Mobile Networks & Applications, pp 1-13, July 2019; [C2] Nguyen-Son Vo, Minh-Phung Bui, Phuc Quang Truong, Cheng Yin, and Antonino Masaracchia, "Multi-tier Caching and Resource Sharing for Video Streaming in 5G Ultra-dense Networks," IEEE Communications Letters, vol 24, no 7, pp 1500-1504 , July 2020; [C3] Minh-Phung Bui, Nguyen-Son Vo, Tien-Vu Truong, Thanh-Hieu Nguyen,Nam Van Nguyen and Cheng Yin, "Genetic Algorithms for Multi-tier Caching and Resource Sharing Optimized Video Streaming in 5G Ultra-dense Networks," in Proc of International Conference on Recent Advances on Signal Processing, Telecommunications & Computing (SigTelCom'20), Ha Noi, Vietnam, Aug 2020, pp 66-71; ... cao truyền video Hình 1-2 Mơ hình lưu trữ chia sẻ tài nguyên cho dịch vụ ứng dụng video 5G UDN Kỹ thuật lưu trữ gồm lưu trữ truyền video đơn tầng, lưu trữ truyền video đa tầng Lưu trữ truyền video. .. thống lưu trữ video tầng MBS tầng SBS tầng người dùng di động (user tier) có khả lưu trữ (CU – Caching User) Lưu trữ truyền video cộng tác đa tầng kỹ thuật lưu trữ video thực kết hợp nhiều tầng 5G. ..BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DUY TÂN - NCS BÙI MINH PHỤNG TỐI ƯU LƯU TRỮ VÀ TRUYỀN VIDEO CỘNG TÁC TRONG MẠNG 5G SIÊU DÀY ĐẶC CHUN NGÀNH: MÃ SỐ: Khoa học