Thuật toán mượn kênh ñược kích hoạt khi trạng thái tải tế bào trở thành nóng. Khi có cuộc gọi yêu cầu kênh mới hoặc cuộc gọi chuyển giao, BS sẽ kiểm tra trạng thái tải tế bào, nếu tế bào ở trạng thái mượn kênh, thuật toán sẽ thực hiện thuật toán chọn tế
Hình 3.11: Thuật toán ñiều khiển mượn,khoá kênh DDBNFS
Kiểm tra yêu cầu BS cấp kênh
Cấp kênh cho cuộc gọi mới, handoff và khoá kênh tế bào ñồng kênh
Lưu lại kết quả thay ñổi
ðiều chỉnh tham số bới NFS
Thực hiện FLC ñể xác lập lại trạng thái tải tế bào mới và số kênh cho phép. Nếu có?
Kiểm tra trạng thái tải tế bào
nóng ? Nb>=Nav Khoá cuộc gọi hoặc kết thúc bắt buộc cuộc gọi(dớt cuộc gọi) N Y Y N N Y Xác ñịnh số kênh cần mượn Nb Thực hiện mượn nhiều kênh Nb Xác ñịnh số kênh cho phép của các tế bào lân cận
Thực hiện mượn Nb kênh với ưu tiên handoff
Có kênh cho phép? Xác ñịnh tế bào có Nav lớn nhất
Y N
bào ñể quyết ñịnh mượn kênh từ tế bào nào, từ ñó thực hiện mượn kênh từ tế bào ñó.
ðồng thời tế bào cho mượn sẽ chạy thuật toán khóa kênh cho mượn. Sau khi thực hiện mượn kênh xong thì thông tin sẽ ñược cập nhật cho các tế bào. Một khi BS không mượn ñược kênh thì cuộc gọi mới sẽ bị khóa, còn cuộc gọi chuyển giao sẽ bị dớt cuộc gọi. Trong luận án này, thuật toán mượn kênh trên DBNFS thực hiện với mô hình phân tán, khác với các phương pháp FDCBS và NFCBS xét trong mô hình tập chung. Và một tế bào có thể nhận ñược nhiều yêu cầu di chuyển kênh ñồng thời từ nhiều tế bào lân cận xung quanh. Trong trường hợp này, thuật toán ñề xuất dựa vào mức ñộ chênh lệch tải lưu lượng mà thiết lập thứ tựưu tiên. Việc thực hiện mượn kênh cân bằng tải là cần thiết ñể phân bố lại tài nguyên cấp phát cho các tế bào trong mạng di ñộng nhằm nâng cao QoS của toàn mạng khi tải lưu lượng của mạng biến ñổi theo thời gian. Ví dụ
như mạng di ñộng trong một ngày ñêm có thể phân bố tải lưu lượng theo thời gian là khác nhau như: ban ngày tải lưu lượng có thể cao ñiểm nhưng ban ñêm có thể thấp hơn. Và trong cùng một thời ñiểm, tải lưu lượng trong các tế bào tế bào cũng khác nhau như trong thành phố có thể cao hơn ở nông thôn…Vấn ñề cần phải ñánh giá và thực hiện phân bố lại tải ñể ñảm bảo chất lượng dịch vụ của mạng là cao nhất. Với bộ ñiều khiển thông minh ñã ñề xuất, việc ñánh giá trạng thái tải của tế bào và tính số
kênh cho phép mượn/cần mượn là thông số quan trọng ñể ra quyết ñịnh phân bố lại tải tế bào, bằng cách di chuyển số kênh giữa các tế bào lạnh sang các tế bào nóng, khi giữa các tế bào này có sự chênh lệch về tải lưu lượng, thậm chí là chênh lệch rất lớn. Từ bộ ñiều khiển ñề xuất, thuật toán xác ñịnh ñược số kênh cần mượn/cho mượn giữa hai tế
bào là:
Y=Y*- IN(c) (3.54)
Trong ñó: Y* ñược xác ñịnh từ công thức (3.53) và giới hạn kênh di chuyển cũng ñược xác ñịnh bởi (2.23). Thuật toán mượn, khóa kênh cân bằng tải ñộng phân tán ñược thực hiện theo lưu ñồ hình 3.11.
3.3. Kết luận
Trong chương này ñã ñề xuất và thiết kế bộ ñiều khiển mượn, khóa kênh DBNFS trên cơ sở mạng nơ ron mờ sử dụng phép ño subsethood ñể ñánh giá mức ñộ
tác ñộng của phần ñiều kiện lên phần kết luận của luật mờ. Bộ ñiều khiển này ñã khắc phục các hạn chế của bộ ñiều khiển dùng mạng nơ ron –mờ truyền thống. ðồng thời trong chương này luận án cũng ñề xuất thuật huấn luyện NFS online và dạng batch
(bó). Trong chế ñộ online cho phép việc ước lượng kênh ñộng với mẫu huấn luyện là trạng thái hiện thời của tế bào và không cần thiết kế tập dữ liệu huấn luyện. Nhược
ñiểm hoạt ñộng chếñộ online là nó ñòi hỏi tài nguyên chạy thuật toán mạnh mới có thể ñáp ứng ñược hoạt ñộng thời gian thực. Trong chế ñộ bach (hoặc offline) hệ thống ñòi hỏi phải có tập dữ liệu huấn luyện và ñánh giá ñược chất lượng hệ thống thông qua tập dữ liệu chạy thử. Nói chung bộ ñiều khiển mượn/khóa kênh mới ñã nâng cao ñược khả
năng và chất lượng hoạt ñộng của mạng di ñộng tế bào. ðể minh chứng ñiều này, trong chương tiếp theo luận án sẽ sử dụng các kết quả lý thuyết thu ñược trong chương này
Chương 4. MÔ PHỎNG THUẬT TOÁN, ðÁNH GIÁ KẾT QUẢ
Trong chương 4 luận án sẽ thực hiện xây dựng mô hình mô phỏng mạng di
ñộng tế bào, thực hiện thiết kế tập dữ liệu huấn luyện các mạng nơ ron. Sau ñó luận án sẽ thực hiện mô phỏng các thuật toán cải tiến và thuật toán ñã ñề xuất với bộ ñiều khiển mượn kênh NFS. Môi trường thực hiện mô phỏng là môi trường Matlab, phiên bản chạy trên hệ ñiều hành Windows. Cuối chương luận án sẽ thực hiện phân tích và
ñánh giá kết quả mô phỏng thu ñược.
4.1. Cấu trúc mạng di ñộng mô phỏng
Mạng di ñộng tế bào ñược sử dụng trong mô phỏng sử dụng nhóm compact N= 19 tế bào hình dạng lục giác có bán kính là ñơn vị, số kênh là 100 kênh/ tế bào. Các tế bào này sẽ ñược xác ñịnh bởi các BS. Vị trí các trạm cơ sởñược xác ñịnh bởi toạ ñộ (x,y).
Các thông tin mạng ñược cất trong ma trận baseinfo kích cỡ 190x2. Ví dụ baseinfo(5,1) và baseinfo(5,2) tương ứng với toạñộ (x,y) của trạm cơ sở tế bào thứ 5.
Mô phỏng thực hiện:
• Tính toán các BS
• Xác ñịnh các tế bào lân cận cho mỗi tế bào
• Khởi tạo gán kênh cho các tế bào
• Khởi tạo bộ ñiều khiển thông minh cho các tế bào và xác lập trạng thái ban ñầu Trong mô phỏng luận án tập trung vào các phép ño:
• ðo xác suất khoá cuộc gọi
• ðo xác suất rớt cuộc gọi
• Xác ñịnh số kênh rỗi của các tế bào tại mỗi thời ñiểm
• Thời gian trễ thu kênh
• ðộ phức tạp của thông ñiệp trao ñổi
bl blocknum P callnum = (4.1) fc forcenum P callnum blocknum = − (4.2)
với callnum, blocknum, forcenum là tổng số cuộc gọi, số cuộc gọi bị khoá và số cuộc gọi bắt buộc kết thúc tương ứng.
Các tham số sử dụng trong mô phỏng:
• Tốc ñộ gọi tới trung bình trong tế bào chuẩn λ
• Tốc ñộ gọi tới trung bình trong tế bào ‘nóng’ là n*λ, với n=1,2,3,4
• Tốc ñộ chuyển giao trung bình trong tế bào chuẩn 1/60 s
• Tốc ñộ chuyển giao trung bình trong tế bào ‘nóng’ 1/180 s
• Tốc ñộ thay ñổi trung bình từ tế bào chuẩn thành tế bào ‘hot’ là 1/1800 s
• Tốc ñộ thay ñổi trung bình từ tế bào ‘nóng’ thành tế bào chuẩn là 1/180 s
• Thời gian phục vụ trung bình trên một phiên truyền thông là 180 s
• Số người sử dụng là 500/tế bào
Cấu trúc chương trình mô phỏng ñược thực hiện trong khoảng thời gian timeend với bước thời gian là timestep. Thông tin thực hiện trong mỗi vòng lặp ñược cất trong ma trận userinfo gồm các thông tin sau:
Toạñộ (x,y) của người sử dụng
Suy giảm ñường truyền của người sử dụng ñược kết nối
Thông tin kết nối hay không kết nối: 1-ñược kết nối, 0- là không kết nối Thời gian kết thúc cuộc gọi
Số kênh kết nối ñược cấp phát
Trong bất kỳ chu kỳ nào của vòng lặp, mỗi người sử dụng ñều có các sự kiện như
khởi tạo cuộc gọi, tìm kiếm kênh, cấp phát kênh, cấp phát lại kênh và kết thúc cuộc gọi dựa trên ma trận trạng thái. Trong một chu kỳ thời gian, các quá trình sau sẽ ñược thực hiện:
• Các cuộc gọi ñang thực hiện sẽ kết thúc nếu chúng kết thúc trong chu kỳ
này.
• Các cuộc gọi vẫn ñang tiếp tục sẽ ñược kiểm tra, nếu ñiều kiện nhiễu không thoả mãn thì việc cấp phát lại sẽñược thực hiện ñể cố tìm kênh mới.
• Dựa trên xác suất ñã ñịnh nghĩa trước, người sử dụng chưa kết nối bắt ñầu cuộc gọi mới và tìm kiếm các kênh thoả mãn ñiều kiện nhiễu, nếu tế bào không còn kênh thì thực hiện tìm mượn kênh trong các tế bào lân cận xung quanh.
• Nếu có tế bào mượn kênh, bộ ñiều khiển mượn kênh xác ñịnh số kênh còn cho phép mượn thì sẽ thực hiện quá trình cho mượn kênh.
• Mỗi khi thực hiện mượn hay cho mượn kênh, thuật toán khoá kênh ñược gọi
ñể thực hiện kiểm tra và khoá kênh trong các tế bào ñồng kênh ñể loại bỏ
nhiễu ñồng kênh.
Quá trình trao ñổi kênh sử dụng 5 hàm thông ñiệp ñể hoàn thành một phiên giao tác:
• Cell_Acquire(i): Thu thập thông tin từ các tế bào lân cận của tế bào thứ i
gồm số kênh cho phép và trạng thái tải của các tế bào lân cận.
• Ch_Acquire(i,j): Thực hiện thu kênh j phù hợp nhất từ tế bào i là tế bào ñã
ñược chọn bởi bộ mượn kênh mờ.
• Ch_locking(i , j): Thực hiện thuật toán khoá kênh j của tế bào cho mượn kênh thứ i trong các tế bào ñồng kênh.
• Ch_return(i,j): Trả kênh j của tế bào cho mượn kênh i sau khi ñã kết thúc mượn kênh.
• Ch_abort(i,j); Bỏ qua yêu cầu kênh Chương trình mô phỏng gồm các khối:
•Khối cấp phát lại kênh (handoff)
•Khối thu kênh (thực thuật toán mượn kênh)
•Khối trả về số kênh cần mượn hoặc phải mượn
•Khối di chuyển kênh (Thực hiện thuật toán cân bằng tải)
•Khối thực hiện xác lập trạng thái tải tế bào.
ðể ñịnh vị người sử dụng, mỗi tế bào ñược chia thành lưới các ñiểm, mỗi ñiểm có một tọa ñộ xác ñịnh và ñược tính toán vị trí ngẫu nhiên trong quá trình chạy mô phỏng khi người sử dụng yêu cầu kênh xuất hiện. Sự di chuyển người sử dụng trong quá trình thực hiện cuộc gọi và thực hiện chuyển giao ñược thực hiện một trong 2 cách:
• Sự di chuyển người sử dụng dựa trên phát sinh số ngẫu nhiên giống như một cuộc gọi mới ñi tới. • Sử dụng phân bố Gauss: 1 2/2 ( ) 2 x f x e π − = . 4.2. Cài ñặt và huấn luyện NFS
4.2.1. Cài ñặt bộñiều khiển NFS bằng Matlab
Bộñiều khiển mạng nơ ron mờ NFS ñược cài ñặt bằng Matlab bao gồm các hàm sau: Bảng 4.1: Cài ñặt bộñiều khiển NFS bằng Matlab
ST T
Tên hàm Mô tả
1 [x1,f1]=layer1(x) Cài ñặt lớp vào
2 [x2,f2]=layer2(x1,c2,sima2) Cài ñặt lớp mệnh ñềñiều kiện 3 [x3,f3]=layer3(x2,ome,c3,sima3) Cài ñặt lớp luật 4 [x4,f4]=layer4(x3,eps,nuyc,nuys) Cài ñặt lớp mệnh ñềñiều kiện 5 [y5,f5]=layer5(x4,muy) Cài ñặt lớp ra 6 [esp,depc,deps]=epsi(ck,sima,nuyc,nuys) [cr,dcrc,dcrs]=rnuy2(ck,sima,nuyc,nuys,gama1, gama2) [cr,dcrc,dcrs]=rnuy3(ck,sima,nuyc,nuys,gama1, Hàm cài ñặt liên kết mờ và thực hiện phép ño subsethood
gama2)
7 estd=erf1(x) Hàm sai số chuẩn 1 ek=E(yk,dk) Hàm tính sai sốñầu ra 2 muy=bp5(yk,dk,eta,x4,muyc) Hàm cập nhật tham số lớp ra 3 [nuyc,nuys]=bp4(yk,dk,eta,muy,nuycc, nuysc,f4,x3,esp,depc,deps) Hàm cập nhật tham số cho lớp mệnh ñề kết luận và tham số subsethood (THEN) 4 [ck,sima,ome]= bp3(yk,dk,eta,muy,nuyc,nuys, c3,simac3,omec,esp,depc,deps,f4,f3,x3,x2) Hàm cập nhật tham số cho lớp luật 5 [ck,sima]=bp2(yk,dk,eta,muy,nuyc,nuys, ome,c3,sima3,c2,sima2,f4,f3,f2,epsi,x1) Hàm cập nhật tham số cho lớp mệnh ñềñiều kiện(IF) 1 TrainNFS() Hàm huấn luyện 2 GenFis() Hàm phát sinh tập luật
4.2.2. Phát sinh tập dữ liệu huấn luyện và huấn luyện ANFIS, NFS, NFC
Cuộc gọi xuất hiện (cuộc gọi mới và chuyển giao) tuân theo hàm phân bố Poát xông, thời gian giữ cuộc gọi giả sử tuân theo phân bố hàm mũ (hình 4.1). Số người sử
dụng kênh thu ñược thông qua mô phỏng LBSB và Adapt. Từñó phát sinh số người sử
dụng, tính ñược số kênh cho phép, tải lưu lượng và số kênh yêu cầu tại bước thời gian t
Mỗi mẫu có dạng:
{[Số kênh cho phép(AC) Tải lưu lượng(TL)]T, [số kênh yêu cầu(yd)]}
Quá trình huấn luyện với các tập dữ liệu gồm 500 mẫu và 300 mẫu kiểm tra thử, kết quả sai số huấn luyện (hình 4.2) cho thấy bộ ñiều khiển NFS cho kết quả sai số ít hơn ANFIS, NFC và tốc ñộ hội tụ nhanh hơn. Kết quả chạy mô phỏng sẽ cho phép lưu các tham số tập luật mờ trong tệp “Data.fis”. Tệp này sẽ ñược mở và truy suất trong quá trình thực hiện quyết ñịnh trạng thái tải tế bào và tính số kênh cho phép cho phép di chuyển.
4.2.3. Kết quả huấn luyện NFC, ANFIS và NFS
Hình 4.2: Qúa trình huấn luyện của NFC(‘*’), ANFIS(‘+’), NFS(‘o’)
Hình 4.3: Xác xuất khóa cuộc gọi của các thuật toán khác nhau *: LBSB; o: Adapt; :NFDCBS; x: NFS
Hình 4.4: Xác xuất rớt cuộc gọi của các thuật toán khác nhau
Hình 4.5: Sự phức tạp truyền thông ñiệp của các thuật toán khác nhau *: LBSB; o: Adapt; : NFDCBS; x: NFS
Hình 4.6: Thời gian trễ thu kênh của các thuật toán khác nhau *: LBSB; o: Adapt; : NFDCBS; x: NFS
4.5. ðánh giá kết quả và so sánh
Qua kết quả mô phỏng thu ñược (Hình 4.3, 4.4, 4.5, 4.6), thuật toán mượn kênh trên cơ sở subsethood cho thấy xác suất khóa kênh, xác suất rớt cuộc gọi thấp hơn so với các thuật toán của Yao-Tien Wang, LBSB (một ngưỡng) và thuật toán thích nghi (2 ngưỡng), thời gian trễ thu kênh cũng thấp hơn, số tế bào nóng ít hơn. Nhưng ñộ phức tạp thông ñiệp lớn hơn so với các thuật toán có sẵn. Nguyên nhân do thuật toán mới thực hiện trên cơ sở phân tán, việc thực hiện mượn kênh và cân bằng tải ñộng ñáp ứng phù hợp hơn nhưng sự trao ñổi thông ñiệp giữa các tế bào cũng tăng nhiều hơn so với mô hình tập trung. ðiều này hoàn toàn phù hợp với những ưu ñiểm của bộ ñiều khiển mượn, khóa kênh sử dụng bộ ñiều khiển logic mờ cho phép tránh ñược hiệu ứng quả
bóng bàn và phù hợp vì thông tin về số cuộc gọi không biết trước, thời gian thực hiện cuộc gọi và ñộ phức tạp trao ñổi thông ñiệp là bất ñịnh, không biết trước như ñã phân tích trong chương 1, 2. Kết quả thuật toán DBNFS thể hiện cho kết quả tốt hơn các thuật toán FDCBS, NFDCBS nói riêng và các thuật toán sử dụng mạng nơ ron mờ
truyền thống nói chung nhờ chất lượng nâng cao bởi bộñiều khiển NFS. Bộ ñiều khiển này ñã tránh ñược phép toán t-norms, t-conorm, sử dụng phép ño subsethood cho phép thực hiện thuật toán nhanh hơn, cho phép phát sinh tập luật ñiều khiển mờ có chất lượng tốt hơn, nhất là cho sự xấp xỉ tín hiệu ñầu ra tốt hơn các bộ ñiều khiển mạng nơ
ron –mờ truyền thống.
4.6. Kết luận
Chương 4 ñã xây dựng mô hình mạng di dộng tế bào ñể thực hiện mô phỏng các thuật toán mượn, khóa kênh. ðồng thời cũng xây dựng bộ ñiều khiển NFS bằng ngôn ngữ Matlab và thực hiện phát sinh tập dữ liệu ñể huấn luyện NFS. Sau ñó luận án ñã thực hiện chạy mô phỏng các thuật toán LBSB, Adapt, NFDCBS và thuật toán mới