24 Kết luận chương 2
3.3.2. Ảo hóa các Cell trong C-RAN
Các cell trong khu vực cung cấp dịch vụ được x c định theo vị trí anten và nằm trong ph m vi tín hiệu và mỗi cell có một m x c định (ID) riêng. Khi một thiết bị di chuy n từ cell này sang cell khác, nó phải thực hiện quá trình chuy n giao cuộc gọi. Sự chuy n giao giữa các cell có th dẫn đến suy giảm chất lượng Lưu lượng truy cập cục bộ khác nhau có th t o ra sự khác biệt lớn trong việc s dụng tài nguyên không dây trên mỗi cell. Những xu hướng này trở n n r ràng hơn khi c c cell t và được tri n khai dày đặc hơn
Ảo hóa các cell sẽ giúp giải quyết các vấn đề này như h nh 3 5 Như trong hình này, khái niệm này bao gồm các cell nhỏ được phục vụ bởi RU công suất thấp và các ô rộng s dụng RU công suất cao đ truyền qua các vùng rộng tương tự như macrocell truyền th ng. Các cell nhỏ không có ID ri ng Thay vào đó c c cell ảo chuyên dụng được t o ra đ phục vụ từng người d ng và c c nhóm người dùng mu n kết n i thiết bị với internet từ một vị trí cụ th t i một thời đi m cụ th . Các dịch vụ có th được hướng đến một s lượng người dùng h n chế bằng cách t o một khu vực ảo cung cấp tín hiệu cho những người được chỉ định Thông tin được t o khi thiết bị được di chuy n hoặc tín hiệu mà bất kỳ ai cũng có th nhận được sẽ không bị giới h n trong ph m vi truyền h p nhưng được truyền rộng r i hơn qua ô rộng. DU
54
tiến hành tất cả c c điều khi n này cùng nhau, t o thành RAN đ m m y
Các tế bào ảo hóa làm mờ ranh giới thực tế giữa các ô nhỏ Điều này có một s giá trị:
- Không cần phải bàn giao khi thiết bị di chuy n từ ô nhỏ này sang ô khác.
- Có th giảm nhiễu giữa các ô nhỏ.
- Tài nguyên không dây có th được phân bổ hiệu quả cho người dùng trong khu vực.
Những quản lý tài nguyên vô tuyến n ng cao này cũng có th giúp giảm mức tiêu thụ điện năng Hơn nữa, bằng cách áp dụng anten phần t lớn cho RU công suất thấp, các nhà khai thác có th ki m soát khu vực dịch vụ của từng RU bằng cách s dụng định d ng ch m và điều này làm cho ảo hóa các tế bào, hiệu quả hơn nữa.
Hình 3.5. Ảo hóa các cell trong C-RAN
3.3.3. Truy nhập vô tuyến bằng ph n mềm
Phần mềm đ i diện cho một sự tăng cường quan trọng trong quá trình hướng tới việc tri n khai hiệu quả C-RAN bằng c ch khai th c c c t nh năng
55
mới của mô hình SDN. Khả năng lập trình của kiến trúc SDN cho phép mặt phẳng dữ liệu đ chỉ đ i phó với tra cứu nhanh và thực hiện chuy n tiếp ở thời gian hợp lý, trong khi quy tắc mới có th được đẩy vào thời gian dài hơn do độ trễ li n quan đến giao tiếp với bộ điều khi n Theo nghĩa này kiến trúc C-RAN có th được xem là phần mở rộng trực tiếp của SDN, nguyên tắc phân tách mặt phẳng điều khi n/dữ liệu cho RAN trong đó ổ sung C-RAN và SDN lẫn nhau Theo [3] đề xuất đ quản lý nguồn tài nguyên vô tuyến (RRM) hoặc các thành phần nhiễu trong bộ điều khi n SDN được tri n khai trong kiến trúc C-RAN đ ph i hợp các tham s của RRH (mặt phẳng dữ liệu). Trong trường hợp này, SDN mang l i một s lợi ích về mặt phân ph i thông tin ki m so t được kích ho t bởi C-RAN cho các thực th m ng có liên quan. Một ví dụ khác là kích ho t/hủy kích ho t của RRH được quyết định bởi C- RAN theo tải m ng và mức nhiễu của m ng Trong trường hợp, SDN cập nhật cấu h nh đường truyền đ đảm bảo liên l c đ ng tin cậy cho RRH mới được kích ho t hoặc đ t i ưu hóa đường dẫn dữ liệu khi một s RRH bị tắt. Trong s các khía c nh cần được làm nổi bật chính xác là vai trò của SDN trong việc quản lý liên kết fronthaul của C-RAN. Khi xem xét chi tiết làm thế nào đ quản lý liên kết fronthaul đ ng ch ý là C-RAN tách các BBU khỏi RRHs về các vị trí vật lý nhưng có một ánh x logic một-một giữa BBU và RRH. Chẳng h n người d ng di động yêu cầu chuy n giao khi di chuy n từ RRH này sang RRH khác và trong kịch bản này, ánh x một-nhiều trên liên kết fronthaul có th giảm chi phí và t i ưu hóa hiệu suất m ng. Một khía c nh kh c được đưa vào xem xét là với ánh x một-một, một s U đang ho t động (và do đó ti u thụ năng lượng trong kh i BBU) ngay cả khi không cần nâng cao công suất các bộ phận của thiết bị hoặc t i mọi thời đi m. Ví dụ: khi tải lưu lượng truy cập thấp trong một khu vực nơi v ng phủ sóng
56
của nhiều RRH tế bào nhỏ), chỉ cần một U đơn lẻ có th đủ đ phục vụ tải được cung cấp.
Mô hình SDN có th có ch đ giới thiệu tính linh ho t này trong quản lý fronthaul bằng cách coi các liên kết fronthaul là liên kết m ng Theo [5] đề xuất một C-RAN linh ho t hệ th ng cho RRH dựa trên sự ra đời của bộ điều khi n thông minh trong nhóm BBU rằng tương tự như ộ điều khi n SDN, tự động cấu hình l i fronthaul dựa trên m ng vu hồi đ phục vụ hiệu quả cho cả người d ng và lưu lượng không đồng nhất Do đó lượng nhu cầu lưu lượng được thỏa m n tr n RAN được t i đa hóa cho cả hai khi người s dụng đứng yên và chuy n động đồng thời việc s dụng tài nguyên tính toán trong nhóm BBU là t i ưu hóa
3.4. Kết luận chƣơng 3
Chương này 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 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.
57
CHƢƠNG 4
MÔ PHỎNG TỔNG QUAN NGUYÊN LÝ HOẠT ĐỘNG CỦA C-RAN
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.