4. Bố cục luận văn
4.3.2. Kết quả mô phỏng và đánh giá
Kết quả mô phỏng được đánh giá thông qua 3 tham số:
+ Thông lượng (throughput) là lưu lượng được truyền thành công qua mạng của từng cell.
+ Độ trễ (delay) là thời gian trễ trung bình việc truyền gói tin từ nguồn đến đích. Trong trường hợp này, các đường truyền được coi là hoàn hảo nên thời gian trễ chính là thời gian gói tin được chờ để lập lịch.
+ Tỉ lệ mất gói tin (PLR) được tính bằng tỉ lệ giữa số lượng gói tin bị mất và số lượng gói tin đã truyền.
* Trường hợp 1: 01 trạm gnodeB, các UE phân bố ngẫu nhiên tại biên của cell. Giả thiết trạm phủ sóng 1 vùng có bán kính là 50m
Hình 4. 2 – Mô hình mô phỏng 01 trạm gNodeB
Theo đó:
* Độ trễ:
Bảng 4. 1 - Độ trễ trung bình của 1 gói tin (01 trạm gNodeB)
Số lượng người dùng Orginal PF Proposed PF
6 0.01846 0.0182 8 0.02303 0.0222 10 0.03039 0.02934 12 0.03559 0.03463 14 0.0428 0.04201 16 0.0531 0.05356 18 0.06543 0.07119 20 0.09046 0.13711 22 0.11192 0.30031 24 0.2034 0.54095 26 0.34483 0.63108 28 0.53771 0.68181
Hình 4. 3 - Biểu đồ Độ trễ trung bình của gói tin (01 trạm gNodeB)
Từ kết quả mô phỏng tại Hình 4.3, ta nhận thấy độ trễ trung bình của các gói tin trong 2 thuật toán đều trong khoảng điều kiện cho phép. Thuật toán được tối ưu không làm gia tăng quá nhiều độ trễ của hệ thống so với truyền thống nhưng vẫn cao hơn khi số lượng người dùng cao hơn 20UE. Việc này xảy ra bởi độ trễ là kết quả trung bình truyền dữ liệu của toàn bộ cell.
* Tỷ lệ mất gói tin:
Bảng 4. 2 - Tỷ lệ mất gói tin (01 trạm gNodeB)
Số lượng người dùng Orginal PF Proposed PF
6 0 0 8 0 0 10 0 0 12 0 0 14 0 0 16 0.00002 0 18 0.00162 0 20 0.03321 0.003 22 0.19427 0.03965
24 0.47158 0.10323
26 0.50234 0.16583
28 0.54328 0.1962
Hình 4. 4 - Biểu đồ Tỷ lệ mất gói tin (01 trạm gNodeB)
Từ kết quả mô phỏng tại Hình 4.4, ta có thể nhận thấy việc áp dụng thuật toán được tối ưu, khi số lượng UE càng tăng, tỷ lệ mất gói tin càng giảm (giảm 70% từ 0,54 xuống 0,19).
- Thông lượng:
Bảng 4. 3 - Thông lượng 01 trạm gNodeB
Số lượng người dùng Orginal PF Proposed PF
6 2.71802 2.71802 8 3.62402 3.62402 10 4.53003 4.53003 12 5.43603 5.43603 14 6.34204 6.34204 16 7.24791 7.24804 18 8.13889 8.15405
20 8.73026 9.02922 22 7.88705 9.52641 24 5.39651 9.64389 26 5.45171 9.70276 28 5.28227 10.07508 30 3.69641 9.38292
Hình 4. 5 - Biểu đồ Thông lượng của 01 trạm gNodeB
Từ kết quả mô phỏng tại Hình 4.5, ta có thể nhận thấy việc áp dụng thuật toán được tối ưu, khi số lượng UE còn thấp, thông lượng của hệ thống không có nhiều sự thay đổi. Tuy nhiên, khi số lượng UE tăng, thông lượng của hệ thống đã tăng lên 127% từ 3,69Mb/s đến 9,38Mb/s.
Như vậy, từ kết quả mô phỏng có thể khẳng định, trong trường hợp có 01 trạm gốc, thuật toán được tối ưu phát huy hiệu quả trong việc gia tăng số lượng UE có thể phục vụ của hệ thống mà các tham số thông lượng, độ trễ và tỷ lệ mất gói tin vẫn đáp ứng các yêu cầu cần có của dịch vụ.
* Trường hợp 2: 03 trạm gNodeB liền kề nhau, các UE cũng phân bố tại biên của mỗi cell. Giả thiết 03 trạm có bán kính 30m, và vùng phủ của 03 trạm này tương đương vùng phủ của 01 trạm có bán kính 50m
Hình 4. 6 - Mô phỏng 03 trạm gNodeB
Theo đó:
* Độ trễ:
Bảng 4. 4 - Độ trễ trung bình của gói tin (03 trạm gNodeB)
Số lượng người dùng Orginal PF Proposed PF
12 0.04531 0.05361 14 0.05411 0.06089 16 0.06419 0.11094 18 0.08673 0.24596 20 0.12405 0.32522 22 0.20921 0.47519 24 0.39174 0.52726
26 0.86496 0.58735
Hình 4. 7 - Biểu đồ Độ trễ trung bình của gói tin (03 trạm gNodeB)
Từ kết quả mô phỏng tại Hình 4.7, ta có thể nhận thấy việc áp dụng thuật toán được tối ưu không làm gia tăng độ trễ của hệ thống khi tăng số lượng UE so với thông thường.
* Tỉ lệ mất gói tin:
Bảng 4. 5 - Tỷ lệ mất gói tin (03 trạm gNodeB)
Số lượng người dùng Orginal PF Proposed PF
12 0 0.00148 14 0.00055 0 16 0.00363 0.00975 18 0.06799 0.04575 20 0.17667 0.08148 22 0.32406 0.12998 24 0.49928 0.15628
26 0.66437 0.20775
Hình 4. 8 - Biểu đồ Tỷ lệ mất gói tin (03 trạm gNodeB)
Từ kết quả mô phỏng tại Hình 4.8, ta có thể nhận thấy việc áp dụng thuật toán được tối ưu, khi số lượng UE càng tăng, tỷ lệ mất gói tin càng giảm (giảm 67% từ 0,66 xuống 0,20).
- Thông lượng:
Bảng 4. 6 - Thông lượng của 03 trạm gNodeB
Số lượng người dùng Orginal PF Proposed PF
12 16.308 16.281 14 19.014 19.026 16 21.656 21.506 18 22.680 23.213 20 22.023 24.790 22 19.409 25.705
24 14.797 27.191
26 9.647 27.633
Hình 4. 9 – Biểu đồ Thông lượng hệ thống của 03 trạm gNodeB
Từ kết quả mô phỏng tại Hình 4.9, ta có thể nhận thấy việc áp dụng thuật toán được tối ưu, ngay từ khi số lượng UE còn thấp đã giúp tăng thông lượng của hệ thống. Khi số lượng UE nhiều, thông lượng đã tăng lên 280% từ 9,64Mb/s đến 27,63Mb/s.
Như vậy, từ kết quả mô phỏng có thể khẳng định, trong trường hợp có 03 trạm gốc, thuật toán được tối ưu phát huy hiệu quả trong việc gia tăng số lượng UE có thể phục vụ của hệ thống mà các tham số thông lượng, độ trễ và tỷ lệ mất gói tin vẫn đáp ứng các yêu cầu cần có của dịch vụ. Có được sự cải thiện này là do thuật toán đề xuất đã cho phép hiệu chỉnh khoảng thời gian lấy mẫu dành cho lập lịch.
Tổng kết chương IV
Chương này đã đề cập lại các thuật toán lập lịch đang áp dụng cho mạng 5G hiện tại đều sử dụng lại các đề xuất của mạng 4G. Đó là Lập lịch vòng tròn; Lập lịch theo chỉ số chất lượng kênh truyền tốt nhất; Lập lịch kết hợp giữa vòng
tròn và kênh truyền tốt nhất; Lập lịch công bằng theo tỷ lệ.
Nội dung chương cũng đã làm rõ phương pháp đề xuất tối ưu hiệu suất truyền video trên mạng 5G siêu dày đặc bằng cách tối ưu thuật toán Lập lịch công bằng theo tỷ lệ đã được áp dụng trong các mạng 4G trước đây (phương pháp truyền thống). Cụ thể, là tối ưu chu kỳ lấy mẫu từ cố định theo phương pháp truyền thống thành thay đổi theo chất lượng kênh truyền hiện tại tới người dùng và tổng lưu lượng dữ liệu người dùng đã nhận được theo yêu cầu.
+ Độ trễ của thuật toán đề xuất cao hơn độ trễ của thuật toán truyền thống tại các hình 4.3 và hình 4.7 bởi thuật toán đề xuất đã thay đổi của từng người dùng theo chất lượng kênh truyền hiện tại. Những người có chất lượng kênh truyền hiện tại thấp sẽ mất nhiều thời gian hơn để được lập lịch, trong khi thuật toán truyền thống có độ trễ là như nhau giữa mọi người dùng. Do đó, tổng hợp độ trễ của từng cell lớn hơn nhưng vẫn trong giới hạn cho phép.
+ Tỷ lệ mất gói tin của thuật toán đề xuất hiệu quả hơn nhiều so với thuật toán truyền thống bởi khi chất lượng kênh truyền tốt, giá trị đã tăng lên để truyền thành công nhiều gói tin hơn. Bên cạnh đó, khi chất lượng kênh truyền của người dùng đột ngột thay đổi, phương pháp đề xuất vẫn cố gắng ưu tiên truyền hoàn thành gói đang truyền. Do đó, về tổng thể từng cell, tỷ lệ mất gói tin là giảm.
+ Thông lượng của thuật toán đề xuất hiệu quả hơn nhiều so với thuật toán truyền thống bởi những người dùng có chất lượng kênh truyền tốt, giá trị đã tăng lên để truyền được nhiều dữ liệu hơn. Bên cạnh đó, khi chất lượng kênh truyền của người dùng đột ngột thay đổi, phương pháp đề xuất vẫn cố gắng ưu tiên truyền hoàn thành gói đang truyền. Do đó, về tổng thể từng cell, thông lượng của hệ thống là hiệu quả hơn.
KẾT LUẬN
Với mục tiêu đề ra, luận văn đã tập trung vào việc nghiên cứu các thuật toán lập lịch đang sử dụng trên mạng 5G và từ đó đề xuất tối ưu thuật toán Lập lịch công bằng theo tỷ lệ để tối ưu hiệu suất truyền video trên mạng 5G siêu dày đặc. Kết quả luận văn đạt được cụ thể:
- Xây dựng được mô hình tính toán của thuật toán lập lịch công bằng theo tỷ lệ hiện nay.
- Xây dựng và giải được bài toán tối ưu việc lập lịch công bằng theo tỷ lệ đảm bảo mức độ cân bằng giữa Thông lượng, Độ trễ và Tỷ lệ mất gói tin.
- Triển khai mô phỏng, kiểm chứng, đánh giá hiệu quả của giải pháp được đề xuất so với các giải pháp liên quan.
Kết quả nghiên cứu của luận văn là một phần đóng góp mang giá trị tham khảo hữu ích cho cộng đồng nghiên cứu trong lĩnh vực tối ưu hiệu xuất truyền video trên mạng 5G siêu dày đặc. Cụ thể, là tối ưu chu kỳ lấy mẫu từ cố định theo phương pháp truyền thống thành thay đổi theo chất lượng kênh truyền hiện tại tới người dùng và tổng lưu lượng dữ liệu người dùng đã nhận được theo yêu cầu. Qua đó, vẫn đảm bảo sự cân bằng giữa thông lượng, độ trễ và tỷ lệ mất gói tin khi truyền video qua mạng 5G siêu dày đặc trong môi trường trong nhà - môi trường nhỏ, đường truyền ngắn, có nhiều vật cản trên đường truyền giữa UE và trạm gốc gNB và một số lượng lớn UE được phục vụ./.
TÀI LIỆU THAM KHẢO Tiếng Việt
[7] Cục Tần số - Bộ Thông tin và Truyền thông, 01 6 2021. [Online]. Available: http://www.cuctanso.vn/tin-tuc/Pages/thongtindidong5G.aspx?ItemID=2947.
[15] Phan Thanh Minh, Điều khiển tối ưu luồng video điểm - đã điểm trong mạng 5G siêu dày đặc, Trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh, 2020.
Tiếng Anh
[1] Qualcomm Technologies, "Making 5G NR a reality," Leading the technology inventions for a unified, more capable 5G air interface, pp. 1-3, 2016. [2] "https://vi.wikipedia.org/wiki/5G," Wikipedia, 2020. [Online].
[3] Larry Peterson and Oguz Sunay, "5G Mobile Networks: A Systems Approach. Chapter 3: Basic Architecture," https://5g.systemsapproach.org/index.html, 2019, 2020.
[Online].
[4] Rogers Communications Inc, "Understanding a key characteristic of 5G networks and what it means for business," https://www.rogers.com/business/blog/en/what-is- enhanced-mobile-broadband, 2021. [Online].
[5] Ana Schafer, "Mission-Critical Control in 5G - The Future of Industrial Automation," https://developer.qualcomm.com/blog/mission-critical-control-5g-future-industrial- automation, 2020. [Online].
[6] Constandinos X. Mavromoustakis, George Mastorakis,, Internet of Things (IoT) in 5G Mobile Technologies, Switzerland: ISBN 978-3-319-30911-8, ISBN 978-3-319-30913- 2 (eBook), DOI 10.1007/978-3-319-30913-2, 2016.
[8] Mahmoud Kamel, Walaa Hamouda, Amr Youssef, "Ultra-Dense Networks: A Survey," IEEE COMMUNICATIONS SURVEYS & TUTORIALS, 2016.
[9] J. Park, S.-L. Kim, and J. Zander, "Asymptotic behavior of ultra-dense cellular," IEEE Global Communications , 2014.
[10] L. Su, C. Yang, and C.-L. I, "Energy and Spectral Efficient Frequency Reuse of Ultra," EEE Trans. Wirel. Commun, 2016.
[11] R. Baldemair, "Ultra-dense networks in millimeter-wave frequencies," IEEE Commun. Mag, 2015.
[12] J. Liu, W. Xiao, and A. C. K. Soong, "Dense networks of small cells," in Design and Deployment of Small Cell Networks, 2015.
[13] 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.
[14] A. Gupta and R. K. Jha, "A Survey of 5G Network: Architecture and Emerging," IEEE Access, 2015.
[16] T. Nguyen, D. Nguyen, and V. Nguyen, "Quality of Service Provisioning for D2D Users in Heterogeneous Networks," EAI Endorsed Trans. Ind. Networks Intell. Syst, 2019.
[17] 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, 2017.
[18] 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, 2018.
[19] W. Jaafar, W. Ajib, and H. Elbiaze, "Caching Optimization for D2D-Assisted Heterogeneous Wireless Networks," IEEE 30th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), 2019.
[20] M. Mehrabi, D. You, V. Latzko, H. Salah, M. Reissl, "Device-Enhanced MEC: Multi- Access Edge Computing (MEC) Aided by End Device Computation and Caching: A Survey," IEEE Access, 2019.
[21] N. S. Vo, T. Q. Duong, H. D. Tuan, and A. Kort, "Optimal Video Streaming in Dense 5G Networks With D2D Communications," IEEE Access, 2018.
[22] 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, 2018.
[23] R. Trestian, Q. T. Vien, H. X. Nguyen, and, "ECO-M: Energy-efficient Cluster- Oriented Multimedia delivery in a LTE D2D environment," IEEE Int. Conf. Commun, 2015.
[24] 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, 2016.
[25] J. Song and W. Choi, "Mobility-aware content placement for device-to-device caching systems," IEEE Trans. Wirel. Commun, 2019.
[26] K. Zhu, W. Zhi, X. Chen, and L. Zhang, "Socially motivated data caching in ultra-dense small cell networks," IEEE Netw, 2017.
[27] 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.Commun, 2017.
[28] Jiteng Ma, Adnan Aijaz, Mark Beach, Recent Results on Proportional Fair Scheduling for mmWave-based Industrial Wireless Networks, vol. III. Review of SPF Scheduling
Techniques, arXiv:2007.05820v1, 2007.
[29] H. Kim, K. Kim, Y. Han, and J. Lee, An Efficient Scheduling Algorithm for QoS in Wireless Packet Data Transmission, IEEE PIMRC, vol. 5, 2002, pp. 2244–2248, 2002. [30] S.-B. Lee et al, Proportional Fair Frequency-domain Packet Scheduling for 3GPP LTE
Uplink, IEEE INFOCOM 2009, 2009, pp. 2611–2615, 2009.
[31] N. Bechir et al, Novel Scheduling Algorithm for 3GPP Downlink LTE Cellular Network, MoWNet, 2014, pp. 116–122, 2014.
[32] G. Aniba and S. Aissa, Adaptive Proportional Fairness for Packet Scheduling in HSDPA, IEEE GLOBECOM, vol. 6, 2004, pp. 4033–4037, 2004.
[33] D. Yang et al, Towards Opportunistic Fair Scheduling in Wireless Networks, IEEE ICC, vol. 11, 2006, pp. 5217–5221, 2006.
[34] N. Xu, G. Vivier, W. Zhou, and Y. Qiang, A Dynamic PF Scheduler to Improve the Cell Edge Performance, IEEE VTC, 2008, pp. 1–5, 2008.
[35] A. Yamaguchi and Y. Takeuchi, Forward Link Packet Scheduler for High-speed Packet Data System, IEEE PIMRC, vol. 2, 2001, pp.21–24, 2001.
[36] S. Martiradonna, A. Grassi, G. Piro, and G. Boggia, 5g-air-simulator: An open-source tool modeling the 5g air interface, Computer Networks, vol. 173, p. 107151, 2020, 2020.
[37] ETSI, 5G Study on channel model for frequencies from 0.5 to 100 GHz (3GPP TR 38.901 version 15.0.0 Release 15), ETSI TR 138 901 V15.0.0 (2018-07), 2018. [38] Mohammad Reza Amini, Mostafa Rezaei, Morteza Bayat, A survey on scheduling
algorithms in LTE, https://www.researchgate.net/profile/
Iman_Amini/publication/281108645_A_survey_on_scheduling_algorithms_in_LTE/lin ks/561d72f608aecade1acb3d1c/A-survey-on-scheduling-algorithms-in-LTE.pdf, 2012.