V. CÁN BỘ HƯỚNG DẪN: 1 TS Nguyễn Đình Long
3 PHƯƠNG PHÁP ĐỀ XUẤT DÙNG PHÂN CỤM VÀ PHÂN BỔ
4.6 Thời gian thực thi trung bình của phân cụm và phân bổ công suất vớ
lượng UE khác nhau.
Số lượng UE 50 60 70 80 90 100 Coalition game (ms) 2.4 4.4 8.6 18.1 33.5 76.9 Bisection search (ms) 0.84 0.86 0.92 0.93 0.94 0.95
4.6 Tổng kết kết quả mô phỏng trong UDN
Luận văn đề xuất kết hợp tối ưu hóa và lý thuyết trị chơi để quản lý can nhiễu trong UDN với một số tổng kết dựa trên kết quả mô phỏng như sau:
Thời gian thực thi của các phương pháp phân cụm dùng coalition game và phân bổ kênh truyền con dùng phương pháp Hungarian nằm trong khoảng từ 0.28 đến 1.69 ms. Thời gian thực thi nhỏ giúp cho các phương pháp này có thể áp dụng hiệu quả trong UDN ở các trường hợp u cầu tính tốn thời gian thực. Ngồi ra, việc sử dụng coalition game để phân cụm còn giúp giảm can nhiễu trên tầng small-cell. Điều này được thể hiện bởi giá trị EE của phương pháp sử dụng phân cụm dùng coalition game lớn hơn EE của phương pháp phân cụm truyền thống trong hình 4.3 trong khi cả hai đều sử dụng chung phân bổ công suất phân tán.
Hai phương pháp phân bổ công suất tập trung và phân tán được đề xuất trong luận văn có thể áp dụng hiệu quả tùy thuộc vào mơ hình UDN. Nếu mơ hình UDN có kích thước vừa và nhỏ thì độ phức tạp của tính tốn và số lượng biến thấp, việc áp dụng phương pháp phân bổ công suất tập trung sẽ mang lại hiệu quả cao về hiệu suất năng lượng. Tuy nhiên, nếu mơ hình UDN có kích thước lớn, số lượng biến cần điều khiển là rất nhiều. Khi đó, nếu chúng ta sử dụng một
phương pháp phân bổ cơng suất có độ phức tạp cao, thì sau khoảng thời gian thực thi lớn thì kết quả tối ưu đạt được khơng cịn tối ưu nữa. Ngun nhân cho điều này là do kênh truyền và vị trí của các người dùng đã thay đổi rất nhiều trong thời gian thực hiện thuật tốn. Do đó, đối với mơ hình UDN có kích thước lớn, việc sử dụng một phương pháp phân bổ có thời gian thực thi thấp là rất cần thiết. Phương pháp phân bổ công suất phân tán dùng Stackelberg đề xuất là một lựa chọn phù hợp trong trường hợp này.
Mạng vệ tinh có tầm bao phủ rất lớn và có thể phục vụ người dùng ở những nơi khó có thể đặt các trạm phát sóng mặt đất như trên biển, đảo, trên khơng, sa mạc, ... Do đó, việc tích hợp mạng vệ tinh vào UDN là rất cần thiết. Phương pháp phân cụm các người dùng mặt đất sử dụng coalition game trước khi thiết kết đa búp sóng mang lại nhiều hiệu quả về hiệu suất sử dụng năng lượng nhờ việc giảm can nhiễu so với phương pháp phân cụm ngẫu nhiên. Ngoài ra, việc kết hợp với một phương pháp phân bổ cơng suất có thời gian thực thi rất thấp dưới 1 ms giúp cho việc điều khiển các búp sóng đạt hiệu quả xử lý thời gian thực cho mạng vệ tinh.
Chương 5
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
5.1 Kết luận
Việc sử dụng UDN để phục vụ người dùng trong các hệ thống mạng di động mang lại nhiều lợi ích cả về số lượng kết nối cũng như chất lượng tín hiệu. Tuy nhiên, các small cell được phân bố dày đặc gây ra các thách thức lớn chưa từng có để UDN có thể áp dụng hiệu quả trong B5G và kể cả 6G. Các công nghệ được xem là giải pháp tiềm năng cho UDN được giới thiệu trong luận văn với những phân tích trọng tâm vào kết hợp tối ưu hóa và lý thuyết trị chơi.
Trong luận văn này, vấn đề phân bổ tài nguyên trong UDN với hai tầng được xem xét bao gồm nhiều macrocell và số lượng lớn small cell được phân bố dày đặc ngẫu nhiên trong mạng. Luận văn đề xuất phương pháp quản lý can nhiễu bằng cách xây dựng các bài toán tối ưu phân bổ kênh truyền với mục tiêu tối đa độ lợi kênh và các bài tốn tối ưu phân bổ cơng suất với mục tiêu tối đa hiệu quả năng lượng. Tuy nhiên, do điều khiển một số lượng lớn các phần tử mạng được phân bố dày đặc, độ phức tạp của các bài tốn tối ưu là vơ cùng lớn. Do đó, một mơ hình với độ phức tạp thấp được đề xuất bao gồm ba quá trình như sau: phân cụm dùng coalition game, phân bổ kênh truyền con dùng phương pháp Hungarian và phân bổ cơng suất dùng trị chơi
Stackelberg như là một phương pháp tối ưu phân tán. Các kết quả mô phỏng chứng minh thời gian của phương pháp phân bổ công suất tập trung cao hơn nhiều từ 1.95 đến 3.49 lần so với phương pháp tối ưu phân tán đề xuất. Trong khi đó, EE của phương pháp đề xuất sử dụng coalition game cho việc phân cụm cải thiện 11.15% đến 17.23% so với phương pháp sử dụng phân cụm truyền thống. Thêm vào đó, thời gian thực thi rất nhỏ vài trămµs đến hơn một nghìn của coalition game và phương pháp Hungarian cho thấy chúng có thể dễ dàng được áp dụng trong các hệ thống thời gian thực trong UDN với quy mô lớn.
5.2 Hướng phát triển
6G đang hướng đến việc kết nối toàn cầu tốc độ cao với các chỉ số đánh giá hiệu suất chính được sử dụng là độ trễ, tốc độ dữ liệu, độ tin cậy và chất lượng trải nghiệm của người dùng (quality of experience). Với ưu điểm vượt trội về tầm bao phủ, truyền thông vệ tinh đã và đang thu hút nhiều nhà nghiên cứu để có thể áp dụng vào 6G với các ràng buộc vơ cùng khắc khe. Việc tích hợp truyền thơng vệ tinh vào UDN truyền thống mặt đất được đánh giá là một giải pháp hiệu quả cho việc tăng độ bao phủ ở các khu vực ít hoặc khó bố trí các cell mặt đất. So với, các loại vệ tinh tầm trung và tầm cao (vệ tinh GEO/MEO), vệ tinh tầm thấp có nhiều ưu điểm vượt trội về khoảng cách thấp đến bề mặt trái đất, cơng suất tiêu thụ thấp và chi phí thấp. Do đó, việc sử dụng vệ tinh tầm thấp có thể hỗ trợ phục vụ một số lượng lớn các thiết bị mặt đất với tốc độ cao, độ trễ thấp, kết nối linh động và chi phí thấp. Số lượng của vệ tinh tầm thấp trên toàn cầu đã đạt đến 5000 vào ngày 30 tháng 3 năm 2021 [159]. Con số này được dự đốn sẽ tăng đáng kể do nhiều cơng ty lớn như SpaceX, OneWeb, Amazon, Telesat, GW đang có tham vọng sẽ xây dựng một chịm sao lớn (mega constellation) các vệ tinh tầm thấp để cung cấp mạng 6G toàn cầu [159]. Tập hợp một số lượng lớn các vệ tinh kết hợp với các trạm mặt đất có thể được xem là một UDN quy mơ lớn, và việc tìm ra các phương pháp để điều khiển hệ thống mạng cũng là một thách thức lớn. Do đó, luận văn đề xuất hướng phát triển tối ưu phân bổ tài nguyên cho UDN tích hợp mặt đất và vệ tinh để phục vụ người dùng trong hệ thống 6G.
Ngoài ra, ở các hệ thống UDN mặt đất, các trạm phát sóng là cố định so với người dùng. Do đó, việc bố trí các BS tồn bộ ban đầu hoặc thêm các BS vào hệ thống có sẵn sao cho hợp lý dựa vào mật độ UE cũng là một vấn đề phức tạp cần được nghiên cứu. Công nghệ bản sao số (digital twin) được áp dụng để tạo ra các bản sao trong không gian số các vật thể hoặc hệ thống vật lý ngoài đời thực. Sử dụng các bản sao số cho UDN giúp mang lại nhiều lợi ích cả về chi phí cũng như cải thiện đáng kể độ hiệu quả trong việc bố trí các BS. Thật vậy, các hệ thống mạng đời trước đã được xây dựng rất phức tạp. Do đó, để triển khai hệ thống 5G hoặc thậm chí 6G tận dụng được các lợi thế có sẵn của các thế hệ trước là rất khó khăn nếu việc đo đạc và kiểm thử được thực hiện trong không gian thực. Trong trường hợp này, công nghệ bản sao số được xem là một lựa chọn tốt nhất để thực hiện các kiểm thử việc bố trí các BS và các kết quả tối ưu này được xem như là một công cụ tham khảo đắc lực khi triển khai thực tế. Do vậy, luận văn cũng đề xuất hướng phát triển kết hợp công nghệ bản sao số vào việc xây dựng các hệ thống UDN tối ưu.
Danh mục các cơng trình khoa học
Tạp chí quốc tế
1. T. T. Bui, L. D. Nguyen, Ha H. Kha and T. Q. Duong, "Practical Opti- mization and Game Theory for 6G Ultra-Dense Networks: Overview and Research Challenges," IEEE Access, vol. 10, pp. 13311-13328, January 2022, doi: 10.1109/AC- CESS.2022.3146335.
2. T. T. Bui, L. D. Nguyen, H. H. Kha, O. A. Dobre, and T. Q. Duong, "Joint Optimization of Clustering and Resource Allocation based on Game Theory for massive MIMO Ultra Dense Networks," IEEE Transactions on Vehicular Technology, 2022. (under review)
3. T. Q. Duong, L. D. Nguyen, T. T. Bui, K. D. Pham, and G. K. Karagiannidis, "Machine Learning-aided Real-time Optimised Multibeam for 6G Integrated Satellite- Terrestrial Networks: Global Coverage for Mobile Services,"IEEE Network, 2022. (un- der review)
Kỷ yếu hội nghị quốc tế
1. T. T. Bui, L. D. Nguyen, H. H. Kha and T. Q. Duong, "Joint Optimization of Clustering and Resource Allocation Based on Game Theory for Ultra-Dense Networks," inProc. Ninth International Conference on Communications and Electronics (ICCE), Nha Trang, Vietnam, July 2022. (accepted)
2. T. Q. Duong, L. D. Nguyen, T. T. Bui, and K. D. Pham, "Real-time Optimal Multibeam and Power Allocation in 5G Satellite–Terrestrial IoT Networks," in Proc. IEEE Global Communications Conference (GLOBECOM), Rio de Janeiro, Brazil, De- cember 2022. (accepted)
Tài liệu tham khảo
[1] V. Cisco, “Cisco annual internet report (2018–2023) white paper,” Feb. 2020 [Accessed on 10 Jan. 2022]. [On- line]. Available: https://www.cisco.com/c/en/us/solutions/collateral/executive- perspectives/annual-internet-report/white-paper-c11-741490.html
[2] I. Union, “IMT traffic estimates for the years 2020 to 2030,” Report ITU, pp. 2370–0, 2015.
[3] P. Cerwall et al., “Ericsson mobility report june 2020,”
Ericsson. com, 2020 [Accessed on 10 Jan. 2022]. [On-
line]. Available: https://www.ericsson.com/4adc87/assets/local/mobility-report/ documents/2020/november-2020-ericsson-mobility-report.pdf
[4] A. Gotsis, S. Stefanatos, and A. Alexiou, “Ultradense networks: The new wireless frontier for enabling 5G access,” IEEE Veh. Technol. Mag., vol. 11, no. 2, pp. 71–78, Jun. 2016.
[5] X. Ge, S. Tu, G. Mao, C.-X. Wang, and T. Han, “5G ultra-dense cellular net- works,” IEEE Wireless Commun., vol. 23, no. 1, pp. 72–79, Feb. 2016.
[6] S. Kemp, “Digital 2021: Global digital overview,” Global Digital Insights, 2021 [Accessed on 10 Jan. 2022]. [Online]. Available: https://datareportal.com/ reports/digital-2021-global-overview-report
[7] S. Chen and J. Zhao, “The requirements, challenges, and technologies for 5G of terrestrial mobile telecommunication,” IEEE Commun. Mag., vol. 52, no. 5, pp. 36–43, May 2014.
[8] D.-T. Phan-Huy, M. Sternad, and T. Svensson, “Making 5G adaptive antennas work for very fast moving vehicles,” IEEE Intell. Transp. Syst. Mag., vol. 7, no. 2, pp. 71–84, May 2015.
[9] M. Series, “Minimum requirements related to technical performance for IMT-2020 radio interface (s),” ITU, Geneva, Switzerland, Tech. Rep. 2410-0, Nov. 2017. [10] J. G. Andrews, S. Buzzi, W. Choi, S. V. Hanly, A. Lozano, A. C. Soong, and
J. C. Zhang, “What will 5G be?” IEEE J. Sel. Areas Commun., vol. 32, no. 6, pp. 1065–1082, Jun. 2014.
[11] V. Chandrasekhar, J. G. Andrews, and A. Gatherer, “Femtocell networks: A survey,” IEEE Commun. Mag., vol. 46, no. 9, pp. 59–67, Sep. 2008.
[12] F. Boccardi, R. W. Heath, A. Lozano, T. L. Marzetta, and P. Popovski, “Five disruptive technology directions for 5G,” IEEE Commun. Mag., vol. 52, no. 2, pp. 74–80, Feb. 2014.
[13] M. H. Alsharif, A. H. Kelechi, M. A. Albreem, S. A. Chaudhry, M. S. Zia, and S. Kim, “Sixth generation (6G) wireless networks: Vision, research activities, challenges and potential solutions,” Symmetry, vol. 12, no. 4, p. 676, Apr. 2020. [14] M. Giordani, M. Polese, M. Mezzavilla, S. Rangan, and M. Zorzi, “Toward 6G networks: Use cases and technologies,” IEEE Commun. Mag., vol. 58, no. 3, pp. 55–61, Mar. 2020.
[15] Y. Zhao, J. Zhao, W. Zhai, S. Sun, D. Niyato, and K.-Y. Lam, “A survey of 6G wireless communications: Emerging technologies,” arXiv:2004.08549, 2020 [Accessed on 10 Jan. 2022]. [Online]. Available: https://arxiv.org/abs/2004.08549 [16] T. Huang, W. Yang, J. Wu, J. Ma, X. Zhang, and D. Zhang, “A survey on green 6G network: Architecture and technologies,” IEEE Access, vol. 7, pp. 175 758– 175 768, 2019.
[17] K. B. Letaief, W. Chen, Y. Shi, J. Zhang, and Y.-J. A. Zhang, “The roadmap to 6G: AI empowered wireless networks,” IEEE Commun. Mag., vol. 57, no. 8, pp. 84–90, Aug. 2019.
[18] A. Masaracchia, Y. Li, K. K. Nguyen, C. Yin, S. R. Khosravirad, D. B. D. Costa, and T. Q. Duong, “UAV-enabled ultra-reliable low-latency communications for 6G: A comprehensive survey,” IEEE Access, vol. 9, pp. 137 338–137 352, 2021. [19] M. Boˇzani´c and S. Sinha, “6G: The green network,” in Mobile Communication
Networks: 5G and a Vision of 6G, ser. Lecture Notes in Electrical Engineering. Cham, Switzerland: Springer Nature, 2021, vol. 751, pp. 189–220.
[20] H. Hejazi, H. Rajab, T. Cinkler, and L. Lengyel, “Survey of platforms for massive IoT,” inProc. IEEE Int. Conf. Future IoT Technol. (Future IoT), Eger, Hungary, Jan. 2018, pp. 1–8.
[21] D. Pirrone, C. Fornaro, and D. Assante, “Open-source multi-purpose remote lab- oratory for IoT education,” inProc. IEEE Global Eng. Educ. Conf. (EDUCON), Vienna, Austria, Apr. 2021, pp. 1462–1468.
[22] T. V. Tran, H. Takahashi, T. Narabayashi, and H. Kikura, “An application of IoT for conduct of laboratory experiment from home,” in Proc. IEEE Int. IoT Electron. Mechatronics Conf. (IEMTRONICS), Vancouver, BC, Canada, Sep. 2020, pp. 1–4.
[23] L. Garg, E. Chukwu, N. Nasser, C. Chakraborty, and G. Garg, “Anonymity pre- serving IoT-based COVID-19 and other infectious disease contact tracing model,” IEEE Access, vol. 8, pp. 159 402–159 414, 2020.
[24] P. Cerwallet al., “Ericsson mobility report,” Ericsson, Stockholm, Sweden, Tech. Rep., Jun. 2021.
[25] T. Q. Duong, X. Chu, and H. A. Suraweera, Ultra-Dense Networks for 5G and Beyond: Modelling, Analysis, and Applications. Hoboken, NJ, USA: Wiley, 2019. [26] M. A. Adedoyin and O. E. Falowo, “Combination of ultra-dense networks and other 5G enabling technologies: A survey,” IEEE Access, vol. 8, pp. 22 893–22 932, 2020.
[27] J. Cao, T. Peng, X. Liu, W. Dong, R. Duan, Y. Yuan, W. Wang, and S. Cui, “Re- source allocation for ultradense networks with machine-learning-based interfer- ence graph construction,” IEEE Internet Things J., vol. 7, no. 3, pp. 2137–2151, Mar. 2020.
[28] T. Peng, J. Cao, X. Liu, W. Dong, R. Duan, Y. Yuan, and W. Wang, “A data- driven and load-aware interference management approach for ultra-dense net- works,” IEEE Access, vol. 7, pp. 129 514–129 528, Sep. 2019.
[29] Y. Sun, G. Guo, S. Zhang, S. Xu, T. Wang, and Y. Wu, “A cluster-based energy- efficient resource management scheme with QoS requirement for ultra-dense net- works,” IEEE Access, vol. 8, pp. 182 412–182 421, 2020.
[30] L. Liang, W. Wang, Y. Jia, and S. Fu, “A cluster-based energy-efficient resource management scheme for ultra-dense networks,” IEEE Access, vol. 4, pp. 6823– 6832, 2016.
[31] A. Khodmi, S. B. Rejeb, N. Agoulmine, and Z. Choukair, “A joint power allocation and user association based on non-cooperative game theory in an heterogeneous ultra-dense network,” IEEE Access, vol. 7, pp. 111 790–111 800, 2019.
[32] X. Wang, H. Zhang, Y. Tian, C. Zhu, and V. C. Leung, “Optimal distributed in- terference mitigation for small cell networks with non-orthogonal multiple access: A locally cooperative game,” IEEE Access, vol. 6, pp. 63 107–63 119, 2018. [33] L. Xu, Y. Mao, S. Leng, G. Qiao, and Q. Zhao, “Energy-efficient resource alloca-
tion strategy in ultra dense small-cell networks: A Stackelberg game approach,” inProc. IEEE Int. Conf. Commun. (ICC), Paris, France, May 2017, pp. 1–6. [34] A. Khodmi, S. B. Rejeb, N. Agoulmine, and Z. Choukair, “Energy-efficient power
allocation and user-channel assignment for NOMA heterogeneous ultra-dense net- work,” in Proc. IEEE 31st Annu. Int. Symp. Pers. Indoor Mobile Radio Com- mun., London, UK, Aug. 2020, pp. 1–7.
[35] M. Kamel, W. Hamouda, and A. Youssef, “Ultra-dense networks: A survey,”IEEE Commun. Surveys Tuts., vol. 18, no. 4, pp. 2522–2545, 4th Quart. 2016.
[36] Y. Teng, M. Liu, F. R. Yu, V. C. Leung, M. Song, and Y. Zhang, “Resource allo- cation for ultra-dense networks: A survey, some research issues and challenges,” IEEE Commun. Surveys Tuts., vol. 21, no. 3, pp. 2134–2168, Aug. 2018.
[37] E. K. Chong and S. H. Zak, An Introduction to Optimization. Hoboken, NJ, USA: Wiley, 2013.
[38] Z. Han, D. Niyato, W. Saad, T. Ba¸sar, and A. Hjørungnes,Game Theory in Wire- less and Communication Networks: Theory, Models, and Applications. Cam- bridge, U.K.: Cambridge Univ. Press, 2012.
[39] J. Zheng, Y. Wu, N. Zhang, H. Zhou, Y. Cai, and X. Shen, “Optimal power