6. Ý nghĩa khoa học của đề tài
3.6.3. Mô phỏng, tính toán xác suất vùng phủ
Đây là một khái niệm mới, được sử dụng cho các mạng di động thế hệ mới thực hiện thủ tục chuyển giao mềm. Khi một máy di động thực hiện di chuyển vào các vùng biên tế bào, xung quanh nó có nhiều tế bào và các trạm gốc khác nhau. Máy di động đó thực hiện bắt tay với các trạm gốc khác nhau, việc bắt tay đó sẽ được thực hiện khi tỉ số tín hiệu trên nhiễu SINR của máy đó tại các trạm gốc đặt trên một ngưỡng T. Tất cả các trạm gốc thu được tín hiệu của máy di động có ngưỡng SINR>T tạo nên một vùng có khả năng chuyển giao thông tin cho máy di động. Đặc trưng cho khả năng xảy ra vùng đó ta đưa ra khái niệm xác suất vùng phủ sóng. Và việc chuyển giao chỉ thực sự xảy ra khi máy thu của máy di động nhận được tín hiệu của trạm gốc nào đó đảm bảo SINR là lớn nhất.
Kí hiệu SINR của máy di động đối với một trạm gốc x nào đó là
𝑆𝐼𝑁𝑅 (𝑥) = 𝑆𝑥/ℓ(|𝑥|)
𝑊+𝐼−𝑆𝑥/ℓ(|𝑥|) (3.15) Ở đây, W là hằng số công suất nhiễu, tạp âm
𝐼 = ∑𝑥∈Φ 𝑆𝑥/ℓ(|𝑥|)là tổng công suất thu được trong toàn thể các tế bào khác
của mạng và l(/x/) làm tổn hao đường truyền.
ℓ(|𝑥|) = (𝐾|𝑥|)𝛽 (3.16)
Với k > 0 và >2
Bài toán đặt ra ở đây là phải tính được phân bố số vùng phủ máy di động bằng số trạm gốc mà máy di động đó có thể kết nối được tại mức SINR cho trước.
Kí hiệu số trạm gốc đó là N(T)
𝑁(𝑇) = ∑𝑥∈Φ 1[SINR (𝑥) > 𝑇] (3.17)
Xác suất để máy di động đó được phủ bởi ít nhất là k trạm gốc, được gọi là xác suất vùng phủ k.
Chỉ xảy ra khi N(T) k , được đặc trưng bằng:
𝑃𝑐(𝑘)(𝑇) = 𝑃{𝑁(𝑇) ≥ 𝑘} (3.18)
Trong thực tế, xác suất vùng phủ của máy di động 𝑃𝑐(𝑇) = 𝑃𝑐(1)(𝑇)
Từ (4), dựa trên luật xác suất suy ra:
1 − 𝑃𝑐(𝑇) = 𝑃{𝑁(𝑇) < 𝑇} (3.19)
Theo định nghĩa về hàm phân bố xác suất ta có:
1 − 𝑃𝑐(𝑇) = 𝑃𝑐∗{𝑁(𝑇)} (3.20)
Đây chính là phân bố số vùng phủ của máy di động. Từ (3.20) ta có thể suy ra hàm mật độ phân bố số vùng phủ của máy di động. Và từ đó sử dụng các mối quan hệ về xác suất ta tính được số vùng phủ trung bình:
𝐸[𝑁(𝑇)] = ∑𝑛=0∞ 𝑛𝑃{𝑁(𝑇) = 𝑛} (3.21)
Nếu tính ảnh hưởng của fading Rayleigh thì: 𝑃⃗⃗𝑐(𝑇) = 𝑃 { (𝑌1)−1𝐹
𝑊+𝐼−(𝑌1)−1𝐹 > 𝑇} (3.22) Ở đây, Y1 là tổn hao đường truyền bé nhất đối với máy di động khi không có fading.
Fx là biến fading ngẫu nhiên
Khi kênh có fading Rayleigh, xác suất vùng phủ được tính:
𝑃⃗⃗𝑐(𝑇) = 2 𝛽∫0∞ 𝑡 2 𝛽−1 𝑒−𝑡𝑇𝑊𝑎−𝛽/2𝑒−𝑡 2 𝛽 × exp (−2 𝛽 𝑇𝑡2/𝛽2𝐹1(1,1−2/𝛽;2−2/𝛽;−𝑇 1−2/𝛽 ) 𝑑𝑡 (3.23)
Ở đây F1(a, b, c, z) là hàm hypergeometic Giá trị trung bình của 𝑃⃗⃗c(T) là
𝑃⃗⃗𝑐(𝑇) = ∫0∞ 𝑃{𝐹1 ≥ 𝑠𝑇(𝑊 + 𝐼(𝑠,∞))}𝑓𝑌1(𝑠)𝑑𝑠
= ∫0∞ 𝐿𝑤(𝑠𝑇)𝐿(𝑠,∞)(𝑠𝑇)𝑓𝑌1(𝑠)𝑑𝑠 (3.24)
Sau đây là chương trình tính toán xác suất vùng phủ, ta xây dựng 2 chương trình để so sánh và tính toán kết quả. Chương trình 1 là hàm function simPCovk=funSimLogNormProbCov(tValues,betaConst,K,lambda,sigma,W, diskRadius,simNumb,k) Chương trình 2 là hàm function PCov=funProbCov(tValues,betaConst,x,numbMC,k) Ở đây, các tham số của chương trình 1 là:
tValues : là các giá trị ngưỡng SINR; tValues có thể là một vector betaCounst : là số mũ tổn hao đường truyền
K : Hằng số tổn hao đường truyền Lambda : Mật độ trạm gốc
Sigma : Tham số về độ sai số. W : Hằng số ồn
diskRadius : Bán kính
simNumb : Số thuê bao (SIM) k : Số vùng phủ
Các tham số của chương trình 2 là:
betaCounst : là số mũ tổn hao đường truyền
x : là một tham biến vào, được tính x=W*a^(-2/betaConst) numbMC : Là số các điểm mẫu
k : Số vùng phủ
Hàm function simPCovk=funSimLogNormProbCov và hàm
function PCov=funProbCov đều trả về giá trị là hệ số xác suất vùng phủ K dựa trên tính toán SINR
3.6.3.2. Mô phỏng kết quả xác suất của vùng phủ
Bảng 3.2 đưa ra các tham số tính toán xác suất vùng phủ
Bảng 3.2: Các tham số mô phỏng xác suất vùng phủ
Tham số Giá trị tValues 9.8 betaConst 3.8000000000000000 lambda 0.1440000000000000 K 0.0001447178002894 sigmaDb 3.0000000000000000 sigma 2.3026000000000000 Noise(N) 0.0000000000002512 P 1659.5869074375700000 W(N/P) 0.0000000000000002 simNumb 10000.0000000000000000 diskRadius 20.0000000000000000 k 1.0000000000000000
Ta đưa các tham số vào:
tValues=9.8 là ngưỡng của SINR (Là giá trị ngưỡng T) lambda=0.2887/2 là tham số của trạm gốc.
betaCoust=3.8 là tham số tổn hao đường truyền
K=6910 km-1, tham số K và betaconst được lấy dựa trên mô hình Walfisch- Ikegami.
sigmDb=3, như vậy sigma=sigmDb./10*log(10).
ESTwoBeta = exp(sigma^2*(2-betaConst)/betaConst^2)
Các tham số tiếng ồn được tính N=10^(-96/10)/1000; P=10^(62.2/10)/1000; W=N/P; x=W*a^(-2/betaConst) tNumb=length(tValues); k=1; numbMC=10^3; simNumb=10^4; diskRadius=20 ;
Kết quả thu được 1- SimpCovK= 0.8174 và 1- PCov=0.8187
Để hiển thị kết quả trên biểu đồ, ta cho giá trị tVlaluesDb trong miền sau tValuesDb=(tMinDb:tMaxDb) với tMinDb=-10 dB và TmaxDb=25dB Giá trị ngưỡng T là tValues=10.^(tValuesDb/10);
Với giá trị SINR trong khoảng từ -5dB đến 9 dB thì giá trị tValues tương ứng là
0.3162 0.3981 0.5012 0.6310 0.7943 1.0000 1.2589 1.5849 1.9953 2.5119 3.1623 3.9811 5.0119 6.3096 7.9433
Giá trị trả về tương ứng của 1-Pc(T) là:
Với 1-SimpCovK:
0.6031 0.6495 0.6910 0.7274 0.7605 0.7891 0.8148 0.8369 0.8565 Với 1-PCov: 0.2615 0.3183 0.3774 0.4370 0.4953 0.5513 0.6025 0.6479 0.6881 0.7237 0.7552 0.7831 0.8079 0.8298 0.8492
Kết quả được biểu thị ở hình 3.5
Hình 3.5: Kết quả mô phỏng xác suất vùng phủ
Xem kết quả tính toán ở trên ta xác định giá trị ngưỡng tValues tốt nhất để tính xác suất vùng phủ.
Nhìn hình 3.5 ở trên, trục hoành T (dB) là các giá trị được sử dụng để tính tham số cho của ngưỡng T. Nhắc lại rằng giá trị ngưỡng T chính là tham số tValues trong chương trình mô phỏng ở trên và được tính bằng tValues=10.^(tValuesDb/10) mà miền tValuesDb từ -10 đến 25. Trục tung 1-Pc (T) là các giá trị trả về tương ứng của chương trình trên, đó là xác suất vùng phủ k.
Nhận xét:
- Đường cong nét liền là kết quả hiển thị của chương trình 1 là hàm function simPCovk = funSimLogNormProbCov được tính toán dựa trên mô hình Walfisch-Ikegami. Đường cong đứt nét chấm tròn là kết quả hiển thị của chương trình 2 là hàm function PCov=funProbCov được tính toán trên phương pháp mới được nêu tại mục trên. Kết quả của hai phương pháp tính gần như xấp sỉ bằng nhau thể hiện ở hai đường cong gần như trùng nhau. Sử dụng phương pháp tính mới sẽ thuận lợi cho lập trình, dễ dàng tính được vùng phủ và thời điểm chuyển giao của máy di động. Phương pháp này rất có thể được sử dụng để tính cho mạng di động thế hệ mới.
- Với các tham số mô phỏng ở chương trình trên thì sự biến thiên của đường cong ta thấy khi T > 12 thì giá trị 1-P(T) tiến tới giá trị bão hòa. Trong vùng này việc tăng T nghĩa là tăng công suất phát sẽ không có lợi.
- Giá trị chọn T tốt nhất là 9.8 < T < 12.
Ta xây dựng chương trình tính toán xác suất vùng phủ với ảnh hưởng fading: Chương trình 1
function
simPCovFade=funSimLogNormProbCovFade(tValues,betaConst,K,lambda,sigma ,W,diskRadius,simNumb)
function CovPFade=funProbCovFade(tValues,betaConst,x)
Cả hai chương trình này đều trả về kết quả là xác suất phủ vùng với ảnh hưởng của fading.
Các tham số đưa vào cũng giống mục 2.8, chỉ có bán kính tăng gấp 2, tức là diskRadius=40;
Kết quả mô phỏng 2 được hiển thị ở hình 3.6
Hình 3.6: Kết quả mô phỏng xác suất vùng phủ với ảnh hưởng fading
Nhận xét:
- Kết quả mô phỏng ở hình 3.6 cũng như nhận xét ở kết quả mô phỏng ở phần trên
- Khi có fading đường 1-P(T) sẽ cao hơn khi không có fading, nghĩa là vùng phủ sẽ kém hơn.
- Giá trị T tốt nhất nên chọn 9.8 <= T < 11.
3.7. Tóm tắt chương 3
Trước hết, chương 3 giới thiệu các khái niệm về nghiệm tối ưu, miền xác định, các phương pháp tính toán xác định nghiệm tối ưu. Tiếp đó nêu một số giải thuật tối ưu, các lược đồ giải bài toán tối ưu. Cuối cùng tính toán mô phỏng bài toán ấn định kênh tối thiểu trong các miền thời gian và xác định xác suất vùng phủ cho một hệ thống di động. Đó là hai phương pháp tính toán xác suất vùng phủ k khác nhau từ đó có thể so sánh lựa chọn cách tính tối ưu. Đó là bài toán quan trọng để tính chất lượng dịch vụ, lưu lượng đường truyền, cấu hình trạm gốc. Điều đó giải quyết được cả hai vấn đề chi phí và chất lượng dịch vụ.
KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU
Luận văn đã nghiên cứu một bài toán tối ưu trong lập quy hoạch mạng di động thế hệ sau. Lập quy hoạch mạng là bài toán rất quan trọng, nó quyết định đến hiệu quả xây dựng mạng.
Luận văn đề cập đến tổng quan về cấu trúc mạng di động LTE, các đặc điểm của nó. Qua nó vận dụng những tham số, yêu cầu mạng LTE để tính toán tối ưu mạng.
Để làm cơ sở cho việc tính toán tối ưu mạng, luận văn đã đưa ra những nét cơ bản trong lập quy hoạch mạng: mô hình truyền sóng của các loại tế bào, vùng phủ sóng, dung lượng mạng và vấn đề tối ưu mạng LTE.
Với nội dung cần thiết của bài toán quy hoạch mạng, bài toán đặt ra cần tối ưu các tham số đó. Luận văn đã giới thiệu những bài toán tối ưu và vận dụng nó để mô phỏng, tính toán tối ưu mạng bằng phương pháp phù hợp với mạng di động LTE.
Thành công của luận văn:
- Học viên đã tìm hiểu, nghiên cứu thuật toán gen di truyền, vận dụng nó vào mô phỏng tìm ra giá trị tối ưu của lưu lượng mạng, ấn định số kênh trong miền thời gian trong ngày và giá trị của hàm phân bố vùng phủ sóng. Đó là một phương pháp tính toán mới dựa trên luật xác suất. Ở đây, học viên tìm hiểu đặc điểm mạng di động LTE, lựa chọn các phương pháp tính toán tối ưu và đề xuất một phương pháp tính toán xác suất vùng phủ mới so sánh với phương pháp đã được tính trước kia.
- Phương pháp này phù hợp với việc tính toán phát triển mạng di động LTE vì:
+ Mạng di động LTE được phát triển trên nền mạng 3G, nó sẽ có sự kế thừa các ưu điểm (gen trội) và loại bỏ các khiếm khuyết để phát triển.
+ Tính toán được xác suất vùng phủ tốt nhất dựa vào đặc điểm công nghệ mới là chuyển giao mềm.
Hướng nghiên cứu tiếp theo:
- Nghiên cứu các phương pháp tối ưu bằng mạng nơron xuyên tâm (RBF). - Đánh giá can nhiễu tổng hợp phi tuyến và tuyến tính trong hệ thống di động mới.
Vì thời gian có hạn nên đề tài không tránh khỏi những thiếu sót, tác giả rất mong nhận được sự góp ý để có thể hoàn thiện và phát triển hơn nữa hướng nghiên cứu trong thời gian tới. Một lần nữa xin chân thành cảm ơn TS. Hồ Văn Phi đã tận tình hướng dẫn và giúp đỡ em trong việc nghiên cứu và hoàn thành luận văn này.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1]. TS. Hồ Văn Phi (2016), “Bài giảng Mạng di động và không dây”, Trường Đại học Quy Nhơn.
[2]. TS. Nguyễn Quý Minh Hiền (2001), “Mạng viễn thông thế hệ sau (NGN)”, Viện khoa học kỹ thuật Bưu điện.
Tiếng Anh
[3]. A.Pokhariyal, K.I. Pederson, G.Monghal, I.Z.Kovavs, C.Rosa, T.E. Kolding, P.E.Mogensen (2007), “HARQ Aware Frequency Domain Packet Scheduler with Different Degrees of Fairness for the UTRAN Long Term Evolution”, Proc. IEEE Vehicular Technology Conference (VTC), Dublin, pp.2761-2765.
[4]. Bilal Muhammad (2008), “Closed loop power control for LTE uplink”, Master’s Thesis of Science in Electrical Engineering with emphasis on Telecommunications, Blekinge Institute of Technoxlogy School of Engineering.
[5]. B. Błaszczyszyn and M. K. Karray (2013), “Quality of service in wireless cellular networks subject to log-normal shadowing” IEEE Trans. Commun., vol. 61, no. 2, pp. 781 - 791.
[6]. Christian Mehlfuhrer, Martin Wrulich, Josep Colom Ikuno, Dagmar Bosanska, Markus Rupp (2009), “Simulating the Long Term Evolution physical layer”, Institute of Communications and Radio-Frequency Engineering Vienna University of Technology, pp. 1471 - 1478.
[7]. Farooq Khan (2009), “LTE for 4G Mobile Broadband Air Interface Technologies and performance", John Wiley & Sons, Ltd.
[8]. Holma, Harri and Antti Toskala, (2009), “LTE for UMTS-OFDMA and SC- FDMA Based Radio Access”. John Wiley & Sons, Ltd.
[9]. H.P. Keelery, B. Błaszczyszyny and M. K. Karray (2013), “SINR-based k- coverage probability in cellular networks with arbitrary shadowing”, IEEE International Symposium on Information Theory.
[10]. Jenhui Chen and Ching-Yang Sheng (2015), “An adaptive measurement report period and handoff threshold scheme based on SINR variation in LTE- A networks”, Mathematical Problems in Engineering.
[11]. Jjyh-Cheng Chen, Tao Zhang (2004), “IP-Based Next-Generation Wireless Networks” John Wiley & Sons, Inc.
[12]. Lucas Benedičič (2014), “Optimization and parallelization methods for the design of next-generation radio networks”, Doctoral Dissertation, Jožef Stefan International Postgraduate School.
[13]. Maria-Gabriella Di Benedetto (2010), “Self-Optimized Radio Resource Management Techniques for LTE-A Local Area Deployments”, Master’s Thesis in Telecommunication Engineering, Università degli Studi di Roma “La Sapienza”.
[14]. Osahenvemwen O.A, Edeko F.O, Emagbetere J. (2012), “Traffic Modeling in Mobile Communication Networks”, International Journal of Computer Applications, Volume 51, No.9, pp.17 - 24.
[15]. Rony Kumer Saha and A.B.M Siddique Hossain (2014), “A MATLAB Based Cellular Mobile Communication Laboratory”, American International University-Bangladesh.
[16]. Fred Glover, Manuel Laguna (1998), “Tabu Search”, Kluwer Academic Publishers, Boston, London.
[17]. Fred Glover (1989), “Tabu Search - part I”, ORSA Journal on Computing, Vol.1, No. 3.
[18]. Sanjay Kumar, G. Monghal, Jaume Nin, Ivan Ordas, K. I. Pedersen, P. E. Mogensen (2009), “Autonomous Inter Cell Interference Avoidance under Fractional Load for Downlink Long Term Evolution”, Proc. IEEE Vehicular Technology Conference (VTC), Barcelona.
[19]. Yasir Zaki (2012), “Future Mobile Communications: LTE Optimization and Mobile Network Virtualization”, Dissertation University of Bremen.
[20]. Y. Wang et al. (2009), "Fixed Frequency Reuse for LTE-Advanced Systems in Local Area Scenarios", Proc. IEEE Vehicular Technology Conference (VTC), Barcelona, Apr..
[21]. http://www.mathworks.com/