24 Kết luận chương 2
4.1. Giới thiệu phần mềm Matlab
Matlab, viết tắt của Matrix Laboratory, là một bộ phần mềm toán học của h ng Mathworks đ lập trình, tính toán s và có tính trực quan rất cao và s dụng ngôn ngữ lập trình cấp cao khá thuận lợi Matla d ng đ giải quyết các bài toán về giải tích s , x lý tín hiệu s to n sơ cấp, x lý ảnh, x lý âm thanh, logic mờ mà không phải lập trình cổ đi n.
Hiện nay Matla có đến hàng ngàn lệnh và hàm tiện ích. Ngoài các hàm cài sẵn trong chính ngôn ngữ, Matlab còn có các lệnh và hàm ứng dụng chuyên biệt trong c c Tool ox đ mở rộng môi trường Matlab nhằm giải quyết các bài to n li n quan đến nhiều lĩnh vực như: đồ họa, kinh tế tài chính, công nghệ thông tin, k thuật viễn thông, ..
4.2. Mô phỏng và đánh giá
Như đ tr nh ày trong luận văn C-RAN là một giải pháp hiệu quả cả về chi phí lẫn năng lượng tiêu thụ được đề xuất cho m ng thông tin di động 5G. Bằng cách dịch chuy n các chức năng x lý tín hiệu về một tổ hợp BBU tập trung, C-RAN là giải ph p đầy hứa h n nhằm nâng cao hiệu suất s dụng năng lượng thông qua quản lý hiệu quả các xuyên nhiễu và khả năng th ch ứng m ng.
Phần này luận văn tr nh ày mô h nh hệ th ng C-RAN có xem xét đến các yếu t tiêu thụ năng lượng của các tuyến fronthaul, cách tổ chức các nhóm
58
truyền thông đa hướng và ki m soát kết n i người d ng đồng thời mô phỏng các yếu t trên [15].
4.2.1. Mô hình hệ thống
Hình 4.1. Kiến trúc C-RAN đa hƣớng [15]
Mô hình hệ th ng được mô tả như h nh 4 1 trong đó c c RRH kết n i về BBU pool bằng các tuyến truyền dẫn quang t c độ cao và độ trễ thấp. Các người dùng MU(Mobile User) trong c c v ng tr n nét đứt t o thành các nhóm truyền thông đa hướng và yêu cầu cùng dữ liệu.
Giả s các thiết bị người d ng được lắp đặt 1 anten, có tổng cộng K
người dùng trong hệ th ng t o thành M nhóm multicast không chồng lấn nhau và bất kỳ một nhóm multicast nào cũng đều có ít nhất một người dùng MU. C c RRH được lắp đặt nhiều anten và có tổng cộng L RRH trong hệ th ng.
Với mô hình hệ th ng nêu trên, luận văn đ chọn ra được một tập RRH ho t động trong s L RRH trong toàn hệ th ng đảm bảo phục vụ kết n i cho toàn bộ người dùng MU với mức chất lượng dịch vụ QoS(Quality of Service) cam kết. Việc chọn ra tập RRH nhỏ hơn s lượng RRH có trong hệ th ng
59
nhằm t i thi u hóa tổng mức công suất phát do có th tắt các RRH còn l i. Giải thuật trong nghiên cứu trên là đ p n của một bài toán t i ưu và được gọi là giải thuật lặp l i IR2A (iterative reweighted-l2 algorithm).
Thuật toán 1: Thuật toán IR2A (Iterative Reweighted-l2).[15] Đầu vào: Khởi t o ω [0] = (1 I); I (S lần lặp l i t i đa Lặp l i
1) Giải quyết vấn đề
(4.1) Nếu nó khả thi đi đến 2); nếu không, dừng l i và trở về đầu ra 2.
2) Cập nhật c c trọng s như
(4.2) Cho đến khi hội tụ hoặc đ t được s lần lặp t i đa và đầu ra trở l i 1. Đầu ra 1: z*; đầu ra 2: Không khả thi.
Thuật toán 2: T i ưu công suất m ng
ước 0: Giải quyết t i ưu hóa c c vấn đề công suất P s dụng thuật toán IR2A.
1) Nếu không khả thi, hãy truy cập thuật toán 2 cho quản lý giám sát người dùng.
2) Nếu khả thi, hãy lấy các giải pháp Q*m’s , tính toán theo tiêu chí và sắp xếp chúng trong thứ tự tăng dần: θπ1 ≤ · · · πL chuy n đến bước 1.
60
ước 2: Lặp l i
1 Đặt i ← [Jlow + Jup]/2.
2) Giải bài toán Ʈ (A [i]): nếu không khả thi h y đặt Jup = i; mặt kh c đặt Jlow = i.
ước 3: Cho đến khi Jup - Jlow = 1, lấy J0 = Jlow và lấy RRH ho t động t i ưu đặt A* = {πJ0 1 πL}
ước 4: Giải quyết vấn đề PTP (A* ,N đ thu được vectơ ch m tia đa hướng cho RRH ho t động.
Kết thúc.
Thuật toán 3: Ki m soát quản lý người dùng
ước 0: : Giải quyết t i ưu hóa c c vấn đề D s dụng thuật to n Đ t được giải pháp x⋆ và sắp xếp các mục theo chiều giảm dần thứ tự: xπ1 ≥· · · xN, chuy n đến ước 1.
ước 1: Khởi t o Nlow = 0, Nup = K, i = 0. ước 2: Lặp l i
1 Đặt i ← j[Nlow+ 2 Nup]/2.
2) Giải bài toán T (S[ ]) : nếu khả thi h y đặt Nup=i; mặt khác, đặt Nlow = i.
ước 3: Cho đến khi Nup - Nlow = 1, lấy N0 = Nup và có được MU (người dùng đặt S⋆ = {πN0 1 πK}
ước 4: Giải bài toán PTP (L, S⋆ đ thu được vectơ ch m tia đa hướng cho các người dùng được thừa nhận.
61
4.2.2. Kết quả mô phỏng
Phần này luận văn tr nh ày một s kết quả mô phỏng được thực hiện bằng Matlab nhằm đ nh giá, so sánh giải thuật IR2A với các giải thuật khác trong việc giải quyết bài toán t i ưu nhằm t i thi u hóa tổng mức công suất phát trong toàn hệ th ng.
Giả s hệ th ng có 12 RRH, mỗi RRH lắp đặt 2 anten, có 5 nhóm multicast trong hệ th ng và mỗi nhóm có 2 người dùng MU. Hình 4.2 cho thấy sự vượt trội của giải thuật IR2A so với các giải thuật khác và gần như tiệm cận với trường hợp lý tưởng là giải thuật vét c n.
Hình 4.2. So sánh mức công suất tiêu thụ trung bình trong hệ thống giữa các giải thuật khác nhau L = 12, M = 5.
Chẳng h n đ đ t mức công suất tín hiệu 4dB trên MU, giải thuật IR2A cho thấy chỉ cần phát một mức công suất trung bình khoảng 60W, trong khi ph t định hướng hợp tác (coordinated bearmforming) cần đến 110W.
62
Bảng 4.1. So sánh số lƣợng RRH hoạt động giữa các giải thuật L = 12, M = 5
Target SINR [dB] 0 2 4 6 8 Coordinated Beamforming 12.00 12.00 12.00 12.00 12.00 Ll1/l∞ - Norm Algorithm 4.39 5.43 6.70 8.35 10.35 IR2A with p = 1 4.74 5.43 6.65 8.22 10.13 IR2A with p = 0.5 4.61 5.30 6.65 8.22 10.17 Exhaustive Search 4.43 5.30 6.39 8.04 10.09
Từ bảng 4.1 ta thấy trường hợp ph t định hướng hợp tác tất cả 12 RRH đều phải ho t động. Tuy nhiên bằng giải thuật IR2A ta có th t i thi u hóa s lượng RRH ho t động cần thiết. Chẳng h n đ đ t mức 6 dB trên mỗi MU, giải thuật IR2A cho thấy chỉ cần trung bình 8.22 RRH, thấp hơn nhiều so với trường hợp ph t định hướng hợp tác là cần 12 RRH.
Bảng 4.2. So sánh mức tiêu thụ năng lƣợng trung bình trên các tuyến fronthaul giữa các giải thuật., L = 12, M = 5
Target SINR [dB] 0 2 4 6 8 Coordinated Beamforming 102.0 102.0 102.0 102.0 102.0 Ll1/l∞ - Norm Algorithm 30.65 40.52 53.74 69.70 87.48 IR2A with p = 1 24.57 29.91 40.26 56.30 78.04 IR2A with p = 0.5 24.13 29.39 40.43 56.30 78.87 Exhaustive Search 22.96 29.65 39.00 54.78 77.22
Tương tự, ta thấy trên bảng 4.2, giải thuật IR2A vượt trội so với giải thuật khác và gần như đ t mức lý tưởng. Chẳng h n đ đ t mức 8 dB t i MU, giải thuật IR2A chỉ cần tiêu thụ 78 04 đến 78.87W, so với trường hợp thông thường là ph t định hướng hợp tác cần đến 102W.
63
Bảng 4.3. So sánh mức tiêu thụ công suất phát trung bình giữa các giải thuật, L = 12, M = 5 Target SINR [dB] 0 2 4 6 8 Coordinated Beamforming 4.26 7.07 11.74 19.42 32.24 Ll1/l∞ - Norm Algorithm 12.45 16.53 21.49 28.20 37.46 IR2A with p = 1 11.69 17.05 21.94 27.46 37.10 IR2A with p = 0.5 11.97 17.36 21.79 27.46 36.85 Exhaustive Search 12.59 16.91 22.62 28.33 37.53
Từ bảng 4.3, ta thấy mức tiêu thụ công suất phát của giải thuật vét c n là cao nhất, giải thuật ph t định hướng hợp tác thấp nhất và giải thuật IR2A ở mức xấp xỉ với giải thuật vét c n. Mặc dù IR2A tiêu thụ công suất phát cao hơn so với trường hợp ph t định hướng hợp tác, nhưng theo ảng 2 thì mức tiêu thụ công suất trên các tuyến fronthaul của trường hợp ph t định hướng hợp l i rất cao rất nhiều so với trường hợp IR2A. Kết hợp các s liệu mô phỏng trong bảng 4.2 và bảng 4.3, ta thấy giải thuật IR2A vẫn là giải thuật mang l i hiệu quả cao hơn rất đ ng k .
Tương tự, xem xét hệ th ng có L = 6 RRH và có M = 2 nhóm multicast. Các kết quả mô phỏng đ nh gi mức tiêu thụ công suất của toàn m ng, mức tiêu thụ công suất phát và s lượng trung bình RRH cần ho t động trên m ng th hiện trong c c h nh 4 3 4 4 4 5 dưới đ y
64
Hình 4.3. So sánh mức tiêu thụ công suất trong toàn mạng giữa các giải thuật, L = 6, M = 2
65
Hình 4.5. So sánh số lƣợng RRH cần hoạt động giữa các giải thuật, L = 6, M = 2
So sánh các kết quả mô phỏng giữa hai hệ th ng đ xem xét gồm L = 12, M = 5 và L = 6, M = 2, ta thấy kết quả mô phỏng là th ng nhất đều cho thấy giải thuật IR2A đ t hiệu quả vượt trội so với các giải thuật còn l i.
Hình 4.6. So sánh số lƣợng MU trung ình đƣợc phục vụ giữa các giải thuật, L = 6 và M = 4.
66
Hình 4.6 kết quả thực hiện mô phỏng với hệ th ng hệ th ng có L = 6 RRH và M = 4 nhóm multicast. Việc mô phỏng nhằm đ nh gi s lượng người d ng MU được phục vụ (nghĩa là được cấp tài nguyên hệ th ng) trong c c trường hợp. Kết quả mô phỏng cho thấy sự cải thiện đ ng k của giải thuật IR2A so với giải thuật MDR và tiệm cận trường hợp lý tưởng. Chẳng h n đ đ t mức công suất thu khoảng 8d IR2A cho phép 4 MU được kết n i vào hệ th ng đ truyền dữ liệu trong khi MDR chỉ cho phép 3 MU.
4.3. Kết luận chƣơng 4
Trong chương này luận văn đ tr nh ày mô h nh hệ th ng C-RAN trong đó c c người dùng MU có th được gộp thành c c nhóm multicast Qua đó luận văn thực hiện một s trường hợp mô phỏng nhằm đ nh gi giải thuật t i ưu tổng công suất tiêu thụ trong toàn hệ th ng đ được nghiên cứu trong tài liệu. Kết quả mô phỏng cho thấy r hơn nguy n lý ho t động của C-RAN cũng như sự vượt trội của giải thuật IR2A. Với cùng mô hình hệ th ng và các điều kiện như: đảm bảo mức công suất thu tr n c c MU (đảm bảo QoS đảm bảo s lượng MU trong toàn m ng được kết n i vào m ng, giải thuật IR2A cho phép s lượng RRH ho t động t hơn công suất tiêu thụ của các tuyến fronthaul giảm đ ng k .
67
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
1. Kết luận
Luận văn đ tr nh bày về quá trình phát tri n các thế hệ m ng thông tin di động và sự cần thiết của m ng 5G trong tổng th xu hướng bùng nổ nhu cầu tích hợp dịch vụ viễn thông - công nghệ thông tin, Internet v n vật (IoT), nhu cầu truyền thông đa phương tiện t c độ cao, nhu cầu s dụng dịch vụ thời gian thực trong tổng th xu hướng tiến đến nền công nghiệp 4.0 của nhân lo i hiện nay. Nhiều vấn đề về mặt công nghệ, k thuật được nghiên cứu đề xuất cho 5G đ được đề cập trong luận văn
Chương 1 đ tr nh ày tổng quan về c c đặc đi m k thuật của m ng thông tin di động 5G, viễn cảnh dịch vụ, các tiêu chuẩn k thuật, quá trình nghiên cứu th nghiệm của các hãng viễn thông lớn trên thế giới, lộ trình và tiến độ chuẩn hóa và đặc biệt là, một s tiêu chuẩn k thuật của bộ tiêu chuẩn 3GPP Rel. 15 pha 1 dành cho phiên bản độc lập NSA vừa được thông qua vào cu i năm 2017 cũng được luận văn tr nh ày sơ lược trong chương này
Chương 2 đ tr nh ày về C-RAN trong hệ th ng 5G, tổng quan về kiến trúc của C-RAN và các giải pháp trọng yếu t i giao diện truy nhập vô tuyến. Qua đó cho thấy kiến trúc C-RAN hứa h n tri n vọng hơn kiến trúc RAN truyền th ng. Bằng cách s dụng công nghệ mới, chúng ta có th thay đổi cách thức xây dựng và tri n khai m ng lưới, tiết kiệm nhiều chi phí, nâng cao hiệu quả x lý truyền tải đem l i hiệu quả cao cho c c nhà khai th c di động.
Chương 3 đ tr nh ày về tổng quan về các k thuật ảo hóa đang nhận được rất nhiều sự quan tâm nghiên cứu hiện nay và khả năng ứng dụng vào việc ảo hóa C-RAN trong m ng thông tin di động 5G, bao gồm k thuật ảo
68
hóa các chức năng m ng (NFV) và k thuật m ng định nghĩa ằng phần mềm (SDN) và giải pháp ảo hóa C-RAN bằng k thuật SDN và NFV.
Chương 4 tr nh ày một s kết quả mô phỏng tổng quan nguyên lý ho t động của C-RAN, mô hình hệ th ng C-RAN trong đó c c người dùng MU có th được gộp thành các nhóm multicast. Qua một s trường hợp mô phỏng luận văn đ đ nh gi giải thuật t i ưu tổng công suất tiêu thụ trong toàn hệ th ng.
2. Hƣớng phát triển của đề tài
Trong tương lai nếu có điều kiện tôi sẽ tiếp tục nghiên cứu s u hơn c c giải ph p k thuật của C-RAN tiến hành mô phỏng đ nh gi cho nhiều giải ph p đ t m ra giải ph p t i ưu ứng dụng trong m ng thông tin di động 5G
69
DANH MỤC TÀI LIỆU THAM KHẢO
[1] 5G White Paper (2016 “5G Vision, Requirements, and Enabling Technologies” Volume 1, pp.1 – 4.
[2] Akhil Gupta, Rakesh Kumar Jha (2015), “A Survey of 5G Network: Architecture and Emerging Technologie” IEEE Access, vol. 3, pp. 1206-1231.
[3] Afif Osseiran, Jose F. Monserrat & Patrick Marsch (2016), "5G Mobile and Wireless Communications Technology”, Cambridge University Press.
[4] Aleksandra Checko, Henrik L. Christiansen, Ying Yan, Lara Scolari, Georgios K… (2015 “Cloud AN for Mobile Networks - A Technology Overview”, IEEE Communications Surveys & Tutorials, Volume 17 , Issue 1, pp. 405 - 426.
[5] China Mobile Research Institute (2011 “C-RAN The Road Towards Green RAN” White Paper Version 2 5, pp. 22 - 23.
[6] Darrell M. West (2016), “How 5G technology enables the health Internet of Things”, Center for Technology Innovation at Brookings.
[7] Edvin j. Kitindi , Shu Fu , Yunjian Jia , Asif Kabir And Ying Wang (2017 “Wireless Network Virtualization With SDN and C-RAN for 5G Networks: equirements, Opportunities, and Challenges” IEEE Access, Volume 5, pp. 19099-19115.
[8] Frank Rayal (2016 “RAN Virtualization: Unleashing Opportunities for Market Disruption” Xona Partners, pp. 9 - 11.
[9] Hrishikesh Venkataraman, Ramona Trestian (2017)“5G Radio Access Networks: Centralized RAN, Cloud-RAN and Virtualization of Small Cells”, CRC Press Taylor & Francis Group, pp. 127 - 129.
[10] Jonathan Rodriguez (2015 “Fundamentals of 5G Mobile Networks” John Wiley & Sons, Ltd, pp. 52 - 53
70
[11] Mugen Peng, Yong Li, Zhongyuan Zhao & Chonggang Wang (2014),
"System Architecture and Key Technologies for 5G Heterogeneous Cloud Radio Access Networks" IEEE Networks pp. 2-3.
[12] NEC Corporation (2016),“NFV C- AN for Efficient AN”, White Paper. [13] P. Rost, C. J. Bernados, A. De Domenico, M. Di Girolamo, M. Lalam, A.
Maeder, D. Sabella and D. Wubben (2014), “Cloud technologies for flexible G radio access networks”, IEEE Communications Magazine, vol. 52, no. 5, pp. 68-76.
[14] Saurav Arora (2017),“3GPP 5G Activities”, ETSI, https://docbox.etsi.org/ pp 6.
[15] Yuanming Shi, Member, IEEE Jinkun Cheng Jun Zhang …(2016
“Smoothed Lp-Minimization for Green Cloud-RAN With User Admission Control”, IEEE Journal on selected areas in communications, Vol. 34, No.4.
[16] ITU towards “IMT for 2020 and beyond” [Online] http://www.itu.int/en/ITU-R/study-groups/rsg5/rwp5d/imt-