I. Giới thiệu
Trong bối cảnh phát triển nhanh chóng của công nghệ truyền thông không dây, mạng đa truy cập phi trực giao (NOMA) với khả năng thu thập năng lượng (EH) đã nổi lên như một giải pháp khả thi để cải thiện hiệu suất năng lượng và phổ tần. Tuy nhiên, hiệu năng của hệ thống này chịu ảnh hưởng bởi nhiều yếu tố thực tiễn, bao gồm tính phi tuyến của EH, các hiệu ứng fading, shadowing và thông tin kênh không hoàn hảo. Mục tiêu của luận văn này là đánh giá hiệu năng của mạng EH-enabled NOMA trong các điều kiện thực tế như vậy.
1.1 Tình hình nghiên cứu
Các nghiên cứu trước đây đã chỉ ra rằng NOMA có thể cải thiện hiệu suất truyền thông so với các phương pháp đa truy cập truyền thống như OMA. Tuy nhiên, nhiều nghiên cứu chưa xem xét đầy đủ các yếu tố như khiếm khuyết phần cứng (HWi) và thông tin trạng thái kênh truyền không hoàn hảo (iCSI) trong mô hình NOMA. Việc tích hợp các yếu tố này vào mô hình sẽ cung cấp cái nhìn sâu sắc hơn về hiệu năng thực tế của hệ thống.
II. Cơ sở lý thuyết
Mạng NOMA hoạt động dựa trên nguyên lý cho phép nhiều người dùng chia sẻ cùng một tần số. Trong chương này, các khái niệm về kênh truyền fading, đặc biệt là shadowed fading κ-μ, sẽ được phân tích. Mô hình này cho phép mô tả các hiệu ứng fading và shadowing trong môi trường truyền thông không dây. Việc áp dụng mô hình này giúp hiểu rõ hơn về cách mà các yếu tố này tác động đến hiệu suất của NOMA.
2.1 Đặc tính kênh truyền
Kênh truyền không dây thường bị ảnh hưởng bởi fading và shadowing, dẫn đến suy giảm chất lượng tín hiệu. Mô hình shadowed fading κ-μ được sử dụng để mô phỏng các hiệu ứng này, cho phép điều chỉnh các tham số để phản ánh thực tế hơn. Việc hiểu rõ các đặc tính này giúp tối ưu hóa hiệu suất của mạng NOMA trong các kịch bản khác nhau.
III. Mô hình hệ thống
Mô hình hệ thống NOMA được xây dựng để đánh giá hiệu năng trong các điều kiện thực tế. Mô hình này sẽ bao gồm các yếu tố như thu thập năng lượng phi tuyến và các ảnh hưởng của HWi và iCSI. Việc xây dựng mô hình chính xác là rất quan trọng để phân tích hiệu suất của hệ thống trong các tình huống thực tế.
3.1 Mô tả mô hình
Mô hình NOMA được đề xuất sẽ bao gồm các trạm thu năng lượng và các bộ thu khác nhau. Mỗi bộ thu sẽ hoạt động dưới điều kiện kênh truyền khác nhau, cho phép đánh giá sâu sắc về hiệu suất của hệ thống. Các yếu tố như fading, shadowing và khiếm khuyết phần cứng sẽ được xem xét để đảm bảo tính thực tiễn của mô hình.
IV. Phân tích hiệu năng
Chương này sẽ phân tích hiệu năng của mạng NOMA trong các điều kiện thực tế. Các biểu thức tường minh cho thông lượng và xác suất dừng hoạt động sẽ được đề xuất. Việc phân tích này sẽ giúp đánh giá ảnh hưởng của các yếu tố như khiếm khuyết phần cứng và thông tin kênh không hoàn hảo đến hiệu suất của hệ thống.
4.1 Xác suất dừng
Xác suất dừng của bộ thu gần và xa sẽ được tính toán để đánh giá độ tin cậy của mạng. Các yếu tố như fading và shadowing sẽ được đưa vào phân tích để xem xét ảnh hưởng của chúng đến hiệu suất tổng thể của hệ thống. Kết quả cho thấy xác suất dừng có thể giảm thiểu bằng cách điều chỉnh các thông số hệ thống.
V. Kết quả và đánh giá
Chương này sẽ trình bày các kết quả mô phỏng và đánh giá hiệu năng của mạng NOMA. Các thông số mô phỏng sẽ được thiết lập để kiểm chứng các kết quả phân tích. Kết quả cho thấy rằng việc áp dụng mô hình phi tuyến cho thu thập năng lượng có thể cải thiện đáng kể hiệu suất của hệ thống.
5.1 Thiết lập thông số mô phỏng
Các thông số mô phỏng sẽ được xác định để phù hợp với các điều kiện thực tế. Việc chọn lựa thông số phù hợp là rất quan trọng để đạt được hiệu suất tối ưu. Kết quả từ các mô phỏng sẽ được so sánh với các kết quả lý thuyết để đánh giá tính chính xác của mô hình.
VI. Kết luận và hướng phát triển
Luận văn đã đánh giá hiệu năng của mạng NOMA trong các điều kiện thực tế với các yếu tố như HWi và iCSI. Các kết quả cho thấy rằng NOMA có thể cải thiện đáng kể hiệu suất so với OMA. Hướng phát triển trong tương lai sẽ tập trung vào việc tối ưu hóa các thông số hệ thống để đạt được hiệu suất tốt nhất trong các kịch bản thực tế.
6.1 Hướng phát triển
Hướng nghiên cứu tiếp theo có thể bao gồm việc phát triển các mô hình phức tạp hơn để xem xét các yếu tố khác ảnh hưởng đến hiệu suất của mạng NOMA. Việc cải thiện độ chính xác của các mô hình sẽ giúp nâng cao hiệu suất truyền thông trong các môi trường thực tế.
