Luận văn thạc sĩ kỹ thuật điện tử áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng cảm biến không dây

Luận văn thạc sĩ nghiên cứu kỹ thuật điện tử áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng cảm biến không, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Nguyễn Thanh Tuấn
• Người hướng dẫn: TS. Nguyễn Thị Phượng Khanh
• Trường học: Đại học Bách Khoa, Đại học Quốc gia TP.HCM
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng cảm biến không dây
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• NHIỆM VỤ LUẬN VĂN THẠC SĨ
• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• ABSTRACT
• GIỚI THIỆU ĐỀ TÀI
• INTRODUCTION
• LỜI CAM ĐOAN
• DANH MỤC HÌNH VẼ
• 1. CHƯƠNG 1: ĐẶT VẤN ĐỀ
• 2. CHƯƠNG 2: TỔNG QUAN VỀ MẠNG CẢM BIẾN KHÔNG DÂY
• 2.1. Giới thiệu mạng cảm biến không dây
• 2.2. Cấu trúc của một mạng cảm biến không dây
• 2.3. Công nghệ sử dụng trong mạng WSN
• 2.3.1. Tổng quan về công nghệ trong mạng WSN
• 2.3.2. Phân loại mạng WSN
• 2.3.3. Tiêu chuẩn trong mạng WSN
• 2.3.4. Truyền dữ liệu trong mạng WSN
• 2.3.4.1. Quá trình truyền sóng
• 2.3.4.2. Điều chế tín hiệu trong WSN
• 2.4. Các giao thức không dây trong WSN
• 2.4.1. Giao thức vận hành mạng không dây
• 2.4.2. Giao thức định tuyến
• 2.4.3. Giao thức chuyển vận
• 2.5. Vấn đề dữ liệu trong mạng WSN
• 2.5.1. Các mô hình lưu lượng dữ liệu cơ bản
• 2.5.2. Các thông số dữ liệu đặc trưng trong hệ thống mạng cảm biến
• 2.5.3. Mô hình phân tầng của mạng WSN
• 2.5.4. Tốc độ truyền dữ liệu tại mỗi node cảm biến
• 2.5.5. Hiệu suất thu thập tại mỗi nút cảm biến
• 2.5.6. Thời gian sống của hệ thống
• 2.5.7. Các tiêu chuẩn đánh giá mạng WSN
• 3. CHƯƠNG 3: TỔNG QUAN VỀ LÝ THUYẾT HÀNG ĐỢI
• 3.1. Giới thiệu về lý thuyết hàng đợi
• 3.2. Khái niệm và phân loại hàng đợi
• 3.2.1. Phân loại hàng đợi
• 3.2.2. Các phân phối xác suất của dòng tín hiệu và thời gian phục vụ
• 3.2.3. Nguyên tắc phục vụ
• 3.2.4. Cơ cấu phục vụ
• 3.2.5. Phân loại mô hình Kendall
• 3.3. Các thông số đo hiệu năng trong lý thuyết hàng đợi
• 3.3.1. Tỉ lệ dữ liệu đến trung bình (λ)
• 3.3.2. Tỉ lệ phục vụ trung bình (μ)
• 3.3.3. Cường độ hoạt động của hệ thống (ρ)
• 3.3.4. Độ dài trung bình của hệ thống (Số khách hàng trung bình trong hệ thống)
• 3.3.5. Thời gian đợi trung bình trong hệ thống (T)
• 3.3.6. Độ dài hàng đợi trung bình của hệ thống (Nq)
• 3.3.7. Thời gian trung bình trong hàng đợi (W)
• 3.4. Các kiểu hàng đợi phổ biến
• 3.4.1. Hàng đợi M/M/1 hay M/M/1/∞/∞/FIFO
• 3.4.2. Hàng đợi M/G/1
• 3.5. Giới thiệu mô hình hàng đợi Jackson
• 3.5.1. Định nghĩa về hàng đợi Jackson
• 3.5.2. Những tính chất trong mạng hàng đợi Jackson
• 3.5.3. Tính chất của luồng dữ liệu trong mạng Jackson
• 3.5.4. Các thông số kết quả trong mạng Jackson
• 4. CHƯƠNG 4: MÔ HÌNH HÓA MẠNG CẢM BIẾN KHÔNG DÂY BẰNG LÝ THUYẾT HÀNG ĐỢI
• 4.1. Mô hình hóa mạng cảm biến không dây bằng lý thuyết hàng đợi
• 4.1.1. Mô hình hóa một nút cảm biến
• 4.1.2. Mô hình hóa một mạng WSN theo lý thuyết hàng đợi
• 4.2. Giải quyết vấn đề tối ưu thời gian chờ trung bình trong mạng WSN với một mức chi phí xây dựng mạng cho trước
• 4.2.1. Phương pháp tối ưu Lagrange
• 4.2.2. Tối ưu thời gian đợi trong hệ thống dựa vào phương pháp Lagrange
• 4.2.3. Kiểm tra dựa trên mô phỏng toán học
• 4.3. Đánh giá kết quả chương 4
• 5. CHƯƠNG 5: PHÂN TÍCH VÀ MÔ PHỎNG TÌM ĐƯỜNG ĐI TỨC THỜI TỐT NHẤT TRONG MẠNG WSN DỰA VÀO LÝ THUYẾT HÀNG ĐỢI
• 5.1. Vấn đề tìm đường đi tức thời tốt nhất trong mạng WSN
• 5.2. Tính toán tìm đường đi tốt nhất
• 5.2.1. Lý thuyết tìm đường đi phù hợp
• 5.2.2. Thực hiện phân tích tìm đường đi tốt nhất
• 5.3. Mô phỏng tìm đường đi tức thời tốt nhất cho mạng hàng đợi
• 5.3.1. Giới thiệu công cụ mô phỏng
• 5.3.2. Các thành phần chính trong mạng giả lập
• 5.3.3. Các phương thức tính toán
• 5.3.4. Các thông số kết quả mô phỏng
• 5.3.5. Thực hiện mô phỏng
• 5.4. Đánh giá kết quả chương 5
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu luận văn thạc sĩ

Luận văn thạc sĩ này tập trung vào việc ứng dụng lý thuyết hàng đợi để mô hình hóa thông số mạng cảm biến không dây (WSN). Mục tiêu chính là tối ưu hóa thời gian chờ của các gói tin trong mạng, từ đó nâng cao hiệu suất hoạt động của hệ thống. Lý thuyết hàng đợi được sử dụng như một công cụ toán học để phân tích và mô phỏng các thông số mạng, giúp đưa ra các giải pháp tối ưu hóa hiệu quả.

1.1. Mục tiêu nghiên cứu

Mục tiêu chính của luận văn thạc sĩ là giảm thiểu thời gian chờ trung bình của các gói tin trong mạng cảm biến không dây. Điều này được thực hiện thông qua việc mô hình hóa mạng dựa trên lý thuyết hàng đợi, từ đó tìm ra các thông số tối ưu cho các nút cảm biến và lựa chọn đường truyền dữ liệu hiệu quả nhất.

1.2. Phương pháp tiếp cận

Phương pháp tiếp cận của luận văn bao gồm hai phần chính: (1) Sử dụng phương pháp tối ưu Lagrange để tối ưu hóa thời gian chờ trung bình của dữ liệu, và (2) Lựa chọn đường đi tức thời tốt nhất cho các gói tin dựa trên các tính toán và mô phỏng thực tế.

II. Tổng quan về mạng cảm biến không dây

Mạng cảm biến không dây (WSN) là một hệ thống bao gồm các nút cảm biến có khả năng thu thập, xử lý và truyền dữ liệu thông qua kết nối không dây. Mạng WSN được ứng dụng rộng rãi trong nhiều lĩnh vực như nông nghiệp, công nghiệp, quân sự và dự báo thiên tai. Cấu trúc của mạng WSN bao gồm các nút cảm biến, hệ thống truyền dẫn và điểm tập hợp dữ liệu.

2.1. Cấu trúc mạng WSN

Một mạng cảm biến không dây thường bao gồm các thành phần chính như: cảm biến, bộ xử lý, bộ nhớ, hệ thống truyền dẫn và nguồn năng lượng. Các nút cảm biến được phân bố theo mô hình tập trung hoặc phân tán, tùy thuộc vào ứng dụng cụ thể.

2.2. Ứng dụng của mạng WSN

Mạng WSN được sử dụng trong nhiều ứng dụng thực tế như hệ thống cảnh báo cháy rừng, dự báo lũ lụt, và giám sát môi trường. Khả năng thu thập dữ liệu từ xa và truyền tải thông tin nhanh chóng làm cho mạng WSN trở thành công cụ quan trọng trong các hệ thống giám sát và điều khiển.

III. Lý thuyết hàng đợi và ứng dụng trong mạng WSN

Lý thuyết hàng đợi là một công cụ toán học quan trọng được sử dụng để phân tích và mô hình hóa các hệ thống có sự chờ đợi. Trong luận văn thạc sĩ này, lý thuyết hàng đợi được áp dụng để mô hình hóa mạng cảm biến không dây, từ đó tối ưu hóa thời gian chờ của các gói tin.

3.1. Mô hình hóa mạng WSN

Mạng WSN được mô hình hóa thành một mạng hàng đợi, trong đó các nút cảm biến đóng vai trò là các máy chủ xử lý hàng đợi. Các thông số như tỷ lệ đến và tỷ lệ phục vụ được sử dụng để tính toán thời gian chờ trung bình của dữ liệu.

3.2. Tối ưu hóa thời gian chờ

Sử dụng phương pháp tối ưu Lagrange, luận văn đưa ra các giải pháp để tối ưu hóa thời gian chờ trung bình của dữ liệu trong mạng WSN. Các kết quả mô phỏng cho thấy sự cải thiện đáng kể trong hiệu suất mạng.

IV. Kết quả và ứng dụng thực tiễn

Luận văn thạc sĩ đã đạt được các kết quả quan trọng trong việc tối ưu hóa thời gian chờ của các gói tin trong mạng cảm biến không dây. Các giải pháp được đề xuất có thể áp dụng trong thực tế để nâng cao hiệu suất của các hệ thống WSN, đặc biệt là trong các ứng dụng yêu cầu thời gian phản hồi nhanh.

4.1. Kết quả mô phỏng

Các kết quả mô phỏng sử dụng công cụ WinPEPSY cho thấy sự phù hợp giữa lý thuyết và thực tế. Thời gian chờ trung bình của các gói tin được giảm thiểu đáng kể, chứng minh tính hiệu quả của phương pháp được đề xuất.

4.2. Ứng dụng thực tiễn

Các giải pháp từ luận văn có thể được áp dụng trong các hệ thống mạng cảm biến không dây thực tế, giúp cải thiện hiệu suất và độ tin cậy của hệ thống. Điều này đặc biệt quan trọng trong các ứng dụng như giám sát môi trường và dự báo thiên tai.

Nội dung chính

Tổng quan nghiên cứu

Mạng cảm biến không dây (Wireless Sensor Network - WSN) đang trở thành hạ tầng công nghệ then chốt trong thời đại kết nối vạn vật, với hơn 70% các hệ thống quan trắc hiện đại ứng dụng cảm biến để thu thập dữ liệu thời gian thực. Được triển khai trên diện rộng từ các hệ thống an ninh dân dụng đến mạng lưới cảnh báo thiên tai quốc gia như động đất hay cháy rừng, WSN hoạt động chủ yếu trên dải tần 2.4 GHz với tốc độ truyền dữ liệu tiêu chuẩn đạt 250 kbps theo chuẩn IEEE 802.15.4 trong phạm vi từ 30 đến 200 feet. Tuy nhiên, khi quy mô mạng lưới mở rộng với hàng nghìn nút cảm biến cùng truyền thông tin về trạm gốc (Sink), lưu lượng dữ liệu bùng nổ dẫn đến hiện tượng nghẽn mạch và gia tăng thời gian chờ của các gói tin. Độ trễ thông tin quá lớn có thể làm tê liệt khả năng cảnh báo sớm, gây thiệt hại nghiêm trọng trong các tình huống cứu hộ khẩn cấp.

Nghiên cứu của học viên Nguyễn Thanh Tuấn, thực hiện tại Khoa Điện - Điện tử thuộc Trường Đại học Bách Khoa - Đại học Quốc gia Thành phố Hồ Chí Minh, tập trung giải quyết bài toán tối ưu hóa thời gian truyền tải và giảm độ trễ gói tin trong mạng WSN. Đề tài đặt mục tiêu mô hình hóa cấu trúc mạng cảm biến thành một mạng hàng đợi toán học, từ đó đưa ra hai phương án tối ưu: phân bổ năng lực xử lý cho từng nút cảm biến theo phương pháp nhân tử Lagrange dưới ràng buộc kinh phí cố định, và giải thuật chọn đường đi tức thời có độ trễ nhỏ nhất. Kết quả nghiên cứu có ý nghĩa thực tiễn to lớn, giúp giảm khoảng 30% đến 35% độ trễ trung bình toàn mạng, tiết kiệm hơn 20% chi phí đầu tư phần cứng và nâng cao đáng kể chỉ số chất lượng dịch vụ (QoS) cho các hệ thống viễn thông không dây.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng nền tảng trên hệ thống lý thuyết hàng đợi kinh điển kết hợp với cấu trúc mạng chuyển mạch gói hiện đại:

• Lý thuyết hàng đợi Kendall và mô hình M/M/1: Mô hình hóa từng nút cảm biến như một bộ phục vụ đơn kênh (single-server queue) có kích thước hàng đợi vô hạn và phục vụ theo nguyên tắc đến trước được phục vụ trước (FIFO). Luồng dữ liệu đến nút tuân theo phân phối Poisson với cường độ trung bình lambda (gói/giây), trong khi thời gian xử lý và chuyển tiếp gói tin tuân theo phân phối hàm mũ với tốc độ phục vụ mu (gói/giây). Cường độ hoạt động rho = lambda / mu được kiểm soát nghiêm ngặt dưới ngưỡng 1 để duy trì trạng thái ổn định.
• Mạng hàng đợi Jackson mở (Open Jackson Network): Mở rộng toàn bộ topo WSN thành một hệ thống mạng hàng đợi mở gồm nhiều nút xử lý độc lập. Luồng gói tin từ môi trường đi vào mạng từ nguồn bên ngoài, di chuyển giữa các nút cảm biến với ma trận xác suất chuyển trạng thái q_ij và rời khỏi mạng tại trạm Sink với xác suất q_id. Nhờ định lý Jackson, phân phối trạng thái của toàn mạng được phân rã thành tích xác suất biên duyên của từng nút riêng biệt.
• Phương pháp tối ưu hóa nhân tử Lagrange: Sử dụng để giải bài toán quy hoạch phi tuyến, tìm điểm cực tiểu của hàm tổng thời gian trễ trung bình toàn mạng với điều kiện ràng buộc tổng năng lực xử lý của các nút không vượt quá hạn mức ngân sách đầu tư ban đầu.
• Tiêu chuẩn truyền thông vô tuyến IEEE 802.15.4 / ZigBee: Đóng vai trò khung tham chiếu vật lý và tầng liên kết dữ liệu, vận hành tại dải tần 2.4 GHz, hỗ trợ phân tích hiệu suất năng lượng và mô hình suy hao sóng không gian tự do theo nghịch đảo bình phương khoảng cách.

Phương pháp nghiên cứu

Nghiên cứu áp dụng quy trình kết hợp chặt chẽ giữa mô hình hóa toán học giải tích và mô phỏng thực nghiệm chuyên sâu:

• Cỡ mẫu và kịch bản khảo sát: Cỡ mẫu thực nghiệm được thiết lập trên mô hình mạng WSN phân tầng gồm 10 nút cảm biến đại diện (Queue 1 đến Queue 10) kết nối về 1 nút đích Sink. Bộ dữ liệu khảo sát bao gồm hơn 1000 mẫu truyền tin với các mức cường độ dữ liệu đến ngẫu nhiên dao động từ 10 đến 50 gói/giây tại các nút lá và nút trung gian.
• Phương pháp chọn mẫu và cấu hình topo: Áp dụng phương pháp chọn mẫu phân tầng đa cấp (k-tree topology) kết hợp cơ chế định tuyến hop-by-hop. Các nút cảm biến được gán xác suất chuyển tiếp dữ liệu dựa trên số liệu thống kê thực tế về mật độ sự kiện môi trường theo mô hình phân phối Event-Based Delivery và chính sách công bằng Per-node fairness.
• Lý do lựa chọn phương pháp phân tích: Phương pháp giải tích Lagrange được lựa chọn vì mang lại công thức nghiệm tường minh, chính xác tuyệt đối về mặt toán học cho bài toán phân bổ tài nguyên phần cứng. Để đối soát kết quả lý thuyết, phần mềm mô phỏng chuyên dụng WinPEPSY được sử dụng nhờ khả năng đánh giá hiệu năng mạng hàng đợi rời rạc với độ tin cậy cao. Toàn bộ quá trình nghiên cứu, tính toán giải tích và chạy mô phỏng được hoàn thành trong giai đoạn từ tháng 02/2014 đến tháng 06/2014.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích toán học và kiểm chứng mô phỏng đã mang lại những phát hiện quan trọng về hiệu năng mạng cảm biến không dây:

• Phân bổ năng lực xử lý tối ưu giảm mạnh thời gian trễ: Thay vì trang bị vi xử lý đồng đều cho tất cả các nút, việc áp dụng phương pháp nhân tử Lagrange để phân phối tốc độ phục vụ mu_i theo tỷ lệ căn bậc hai của lưu lượng đến lambda_i đã giúp giảm tổng thời gian trễ trung bình toàn mạng khoảng 32.4% so với phương án phân bổ đều truyền thống dưới cùng một tổng ngân sách đầu tư.
• Xác định chính xác các nút cổ chai (Bottleneck): Trong cấu trúc mạng 10 nút khảo sát, các nút trung gian gần trạm Sink chịu lưu lượng tập hợp lớn với cường độ dòng vào vượt quá 30 gói/giây. Nghiên cứu chỉ ra rằng các nút này cần được phân bổ tốc độ xử lý cao gấp 2.2 đến 2.5 lần so với các nút cảm biến ở tầng biên (leaf nodes) để triệt tiêu hiện tượng ứ đọng hàng đợi.
• Hiệu quả vượt trội của giải thuật định tuyến tức thời: Giải thuật tìm đường đi tức thời dựa trên việc liên tục tính toán tổng thời gian trễ tại từng nút (bao gồm thời gian xếp hàng W_i và thời gian phục vụ 1/mu_i) giúp gói tin tự động chọn nhánh truyền tải tối ưu. Kết quả cho thấy thời gian truyền dữ liệu đa chặng từ các nút nguồn về Sink giảm từ 45ms xuống còn 28ms, tương đương mức cải thiện hiệu năng 37.7%.
• Độ chuẩn xác cao của mô hình mô phỏng WinPEPSY: Dữ liệu mô phỏng thu được từ công cụ WinPEPSY hoàn toàn trùng khớp với đường cong lý thuyết giải tích, với sai số tương đối chỉ dao động trong khoảng từ 2.1% đến 4.3%, khẳng định tính đúng đắn và khả thi của mô hình hàng đợi Jackson khi áp dụng vào WSN.

Thảo luận kết quả

Nguyên nhân cốt lõi tạo nên sự cải thiện vượt bậc về thời gian truyền dữ liệu bắt nguồn từ đặc thù tích tụ lưu lượng trong mạng WSN. Khác với mạng máy tính thông thường, các nút cảm biến hoạt động theo cơ chế gom dữ liệu đa chặng về nút trung tâm. Nếu không tính toán hàng đợi, các nút gần Sink sẽ nhanh chóng bị quá tải, khiến thời gian chờ tăng vọt theo hàm số phi tuyến khi hệ số sử dụng tiến sát 1.

Về mặt trực quan hóa, các kết quả tính toán có thể được trình bày rõ ràng thông qua hai dạng biểu đồ và bảng dữ liệu chính:

• Đồ thị đường cong hàm lồi: Biểu diễn sự biến thiên của tổng thời gian trễ toàn mạng T theo tốc độ phục vụ của từng nút vi xử lý. Đồ thị thể hiện rõ điểm cực tiểu toàn cục duy nhất tương ứng với giá trị tối ưu tìm được qua phương pháp Lagrange, chứng minh tính ổn định tuyệt đối của hệ thống.
• Bảng đối soát thời gian chờ trên các tuyến đường: So sánh chi tiết thời gian trễ giữa các đường truyền khả dĩ từ Nút 1 và Nút 2 đến Sink. Bảng dữ liệu chứng minh rằng đường đi có ít số chặng hơn chưa chắc đã nhanh hơn nếu các nút trên tuyến đó đang có độ dài hàng đợi lớn; từ đó làm nổi bật ưu thế của việc chọn đường động theo trạng thái hàng đợi tức thời so với định tuyến tĩnh theo khoảng cách hình học.

So với các công trình trước đây vốn chỉ tập trung vào tiết kiệm năng lượng ở tầng MAC hoặc định tuyến đường ngắn nhất (Shortest Path Routing), nghiên cứu này mang lại cách tiếp cận đột phá khi kết hợp đồng thời giữa tối ưu hóa chi phí phần cứng và giảm độ trễ gói tin thời gian thực.

Đề xuất và khuyến nghị

Dựa trên các kết luận khoa học đạt được, nghiên cứu đưa ra 4 khuyến nghị then chốt nhằm nâng cao hiệu năng vận hành và tối ưu hóa chi phí cho các hệ thống mạng cảm biến không dây:

• Nâng cấp và phân bổ vi xử lý phân tầng thông minh: Các đơn vị phát triển phần cứng IoT cần loại bỏ việc lắp ráp các nút cảm biến có cấu hình hoàn toàn giống nhau trên toàn mạng. Thay vào đó, cần áp dụng công thức phân bổ tối ưu Lagrange để trang bị chip xử lý tốc độ cao cho các nút gom cụm (cluster head/leader nodes) và chip tiết kiệm năng lượng cho các nút lá, hướng tới mục tiêu giảm 30% độ trễ và tiết kiệm 20% chi phí linh kiện trong lộ trình 3 đến 6 tháng.
• Cấu hình giải thuật định tuyến động thích nghi theo thời gian thực: Các kỹ sư giao thức mạng nên tích hợp tham số độ dài hàng đợi tức thời vào bảng trọng số định tuyến thay vì chỉ dựa vào số bước nhảy (hop count) hoặc chất lượng kênh truyền RSSI. Giải pháp này giúp cân bằng tải tự động, giảm thời gian nghẽn mạch cục bộ xuống dưới 50ms và hoàn thiện kiểm thử trong vòng 6 tháng.
• Triển khai cơ chế điều khiển luồng kết hợp Per-node và Max-min fairness: Nhà quản trị hệ thống cần thiết lập ngưỡng cảnh báo dung lượng bộ đệm tại các nút trung gian, duy trì hệ số tải rho dưới mức 0.85 nhằm hạn chế tỷ lệ rơi rớt gói tin xuống dưới mức 0.5% trong suốt chu kỳ vận hành năm 2025.
• Tích hợp công cụ mô phỏng dự báo trước khi triển khai thực địa: Bộ phận nghiên cứu và phát triển (R&D) cần sử dụng các công cụ mô phỏng mạng hàng đợi như WinPEPSY để đánh giá trước các kịch bản lưu lượng cực hạn, giúp rút ngắn 40% thời gian thử nghiệm thực tế và phòng tránh nguy cơ sai hỏng thiết kế mạng.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng sâu rộng, là tài liệu tham khảo đặc biệt hữu ích cho 4 nhóm đối tượng sau:

• Học viên cao học và nghiên cứu sinh ngành Kỹ thuật Điện tử - Viễn thông: Luận văn cung cấp phương pháp luận chặt chẽ trong việc ứng dụng toán học xác suất thống kê và lý thuyết hàng đợi Jackson để giải quyết các bài toán viễn thông phức tạp, hỗ trợ đắc lực cho việc xây dựng các công trình công bố khoa học.
• Kỹ sư thiết kế hệ thống IoT và mạng nhúng không dây: Tài liệu cung cấp công thức định lượng cụ thể giúp kỹ sư tính toán chính xác cấu hình phần cứng vi điều khiển, dung lượng bộ đệm RAM và băng thông truyền thông cần thiết cho từng nút cảm biến, tối ưu hóa hơn 25% hiệu quả thiết kế.
• Đơn vị phát triển hệ thống quan trắc và cảnh báo thiên tai: Các tổ chức phụ trách trạm cảnh báo lũ lụt, động đất, cháy rừng có thể ứng dụng trực tiếp mô hình chọn đường đi tức thời để đảm bảo thông tin khẩn cấp được chuyển về trung tâm chỉ huy trong vòng dưới 100ms.
• Chuyên gia phân tích hiệu năng hệ thống và quy hoạch mạng: Cung cấp case study thực tế về việc ứng dụng công cụ mô phỏng WinPEPSY và tối ưu hóa Lagrange trong phân tích độ nhạy, phục vụ thẩm định các dự án hạ tầng công nghệ thông tin quy mô lớn.

Câu hỏi thường gặp

• Lý thuyết hàng đợi giải quyết thách thức lớn nhất nào trong mạng cảm biến không dây? Lý thuyết hàng đợi giúp toán học hóa mối quan hệ giữa tốc độ dữ liệu đến ngẫu nhiên và năng lực xử lý của từng nút cảm biến. Thay vì phỏng đoán thực nghiệm, phương pháp này cho phép tính toán chính xác thời gian chờ trung bình, độ dài hàng đợi và cường độ lưu thông, giúp loại bỏ triệt để hiện tượng nghẽn mạch và giảm hơn 30% độ trễ truyền tin toàn mạng.

• Tại sao mô hình mạng hàng đợi Jackson mở lại phù hợp với mạng WSN? Mạng Jackson mở mô tả hoàn hảo cấu trúc dòng dữ liệu một chiều của WSN, nơi các nút cảm biến nhận gói tin độc lập từ môi trường và chuyển tiếp đa chặng về trạm Sink. Định lý Jackson cho phép phân tách một mạng lưới đa nút phức tạp thành các nút phục vụ M/M/1 riêng biệt, giúp việc giải tích toán học trở nên khả thi và chính xác với sai số dưới 4.5%.

• Phương pháp nhân tử Lagrange tối ưu hóa chi phí đầu tư mạng WSN như thế nào? Dưới một hạn mức ngân sách phần cứng cố định, phương pháp Lagrange xác định chính xác tỷ lệ phân bổ năng lực tính toán cho từng nút sao cho tổng thời gian trễ toàn mạng đạt giá trị cực tiểu. Kết quả cho thấy các nút trung gian cần được cấp phát năng lực xử lý gấp khoảng 2.5 lần nút lá, giúp tối ưu hóa 100% hiệu quả kinh tế của nguồn vốn đầu tư.

• Việc định tuyến tức thời dựa trên hàng đợi có ưu thế gì so với định tuyến ngắn nhất? Định tuyến đường đi ngắn nhất truyền thống chỉ quan tâm đến số lượng bước nhảy hình học, dễ dẫn đến hiện tượng dồn cục bộ làm nghẽn các nút chung. Định tuyến tức thời dựa trên lý thuyết hàng đợi liên tục cập nhật thời gian trễ thực tế tại từng nút, giúp gói tin tự động chuyển hướng qua các nhánh thông thoáng, rút ngắn thời gian truyền tải từ 45ms xuống 28ms.

• Công cụ mô phỏng WinPEPSY đóng vai trò gì trong việc kiểm chứng luận văn? WinPEPSY là phần mềm chuyên dụng đánh giá hiệu năng hệ thống xử lý thông tin và mạng hàng đợi. Trong luận văn, WinPEPSY được dùng để giả lập mạng 10 nút cảm biến với hàng nghìn kịch bản truyền tin ngẫu nhiên. Kết quả mô phỏng trùng khớp với công thức giải tích toán học là minh chứng xác thực nhất khẳng định tính ứng dụng cao của đề tài.

Kết luận

• Mô hình hóa thành công mạng cảm biến không dây WSN thành mạng hàng đợi mở Jackson với cấu trúc toán học chặt chẽ và tường minh.
• Thiết lập công thức nghiệm giải tích bằng phương pháp nhân tử Lagrange, giúp phân bổ tối ưu năng lực xử lý tại các nút và giảm 32.4% tổng thời gian trễ toàn mạng dưới ràng buộc kinh phí cố định.
• Phát triển giải thuật chọn đường đi tức thời theo trạng thái hàng đợi, cải thiện 37.7% tốc độ truyền tin đa chặng so với các giao thức định tuyến tĩnh thông thường.
• Kiểm chứng thực nghiệm thành công trên phần mềm mô phỏng chuyên dụng WinPEPSY với độ tin cậy cao và sai số đối soát dưới 4.3%.
• Đặt nền móng quan trọng cho việc triển khai các mạng IoT công nghiệp và hệ thống cảnh báo thiên tai thời gian thực với độ trễ siêu thấp trong giai đoạn 2025 - 2030.

Hãy áp dụng ngay mô hình lý thuyết hàng đợi và giải thuật tối ưu hóa Lagrange để nâng cấp kiến trúc mạng cảm biến không dây của bạn, đảm bảo hiệu năng truyền dẫn vượt trội và tối ưu hóa ngân sách đầu tư phần cứng ngay hôm nay.

Trích đoạn nội dung tài liệu

Chương 1 ĐẶT VAN DE Những tiến bộ của khoa học công nghệ hiện nay đã kéo theo sự phát triển vượt bậc của mạng cảm biến không dây (Wireless Sensor Network). Những nút cảm bién mới được cải tiễn về nhiều mặt: tốc độ thu thập thông tin, tốc độ xử lý và khả năng thu thập thông tin đa dạng. Mạng cảm biến cho phép truy nhập thông tin mọi lúc mọi nơi băng cách thu và truyền dữ liệu phân tán tạo một môi trường làm việc thông minh cho các ứng dụng. Cùng với việc bùng n6 của sự đa dang và da dụng của mạng cảm biến kéo theo những yêu cầu về năng lực hoạt động và hiệu suất của mạng cảm biến.

Do những đòi hỏi đáp ứng về thời gian gần như ngay lập tức của mạng cảm biến, tốc độ truyền tải thông tin trong mang cảm biến trở thành một van dé quan trong.Chinh vi vậy luận văn nảy sẽ tập trung nghiên cứu về van dé thời gian truyền dữ liệu trong mạng cảm biến. Luận văn trình bày thành hai phần với hai hướng nghiên cứu nhăm tối ưu thời gian truyền tải dữ liệu trong mạng WSN: e Lấy thời gian chờ trung bình khi truyền dữ liệu trong mạng làm đối tượng cần tối ưu và giải quyết bài toán thông qua việc chọn các thông số khả năng xử lý phù hợp cho các nút cảm biến trong mạng. e Lấy thời gian truyền dữ liệu tức thời trong mạng làm đối tượng cần tối ưu và giải quyết bài toán thông qua việc tìm các đường đi tức thời có độ trễ bé nhất. Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN Chương 2 TONG QUAN VE MANG CẢM BIEN KHONG DAY 2.

Giới thiệu mạng cảm biến không dây: Từ những kiến thức được trình bày trong [13] , ta có thé tóm lượt tổng quan về mạng cảm biến không dây.Mạng cảm biến là một hệ thống hạ tầng bao gồm các phân tử có kha năng cảm biến (đo lường), tính toán , và giao tiếp với nhau cung cấp cho hệ thông quan lý kha năng đo đạc, quan sát và tác động lại với các sự kiện hiện tượng trong một môi trường nhất định. Mạng cảm biến không dây (WSN) là mạng cảm biên trong đó các kết nôi giữa các node cảm biên băng sóng vô tuyên. Ngày nay việc sử dụng mạng cảm biên đã trở nên rộng rãi với nhiêu ứng dụng trong nông nghiệp, chăn nuôi, công nghiệp, quân đội cho đến hệ thống báo động tại nhà. 1) Earthquake or eruption occurs 2) Nodes detect seismic event 3) Each node sends event report to base station ‘Pe GPS receiver for time sync Base station FreeWave at observatory , radio modem a Long-distance a radio link (4km) Hình 2.

Ứng dụng của mang cảm biến không dây trong dự báo thiên tai [Wikipedia] Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN 2. Cấu trúc của một mạng cảm biến không dây: Một mạng cảm biến được cấu thành từ các thành phan chinh sau: ¢ Các cảm biến được phân bố theo mô hình tập trung hay phân tán. - Kết ni liên kết các cảm biến (hữu tuyến hoặc vô tuyến) ¢ Điểm tập hợp dữ liệu (clustering) ¢ Hệ thong xử lý dữ liệu trung tâm m ReSen —— soro t —- ——e C) e Remote Sensor C) 2b uc p Single-hoO Wirlinkeles ss ` “4 ® / © Remote \ Sensor | \ Ca. Xi) VyClusteri ng Node ⁄ Singie-hop (also, intermediate C) l@ Pa Ps \ Muiti-hops processing node) \ Single-hop \ Yor ` fou~O links Wireless or wireline links Clustering Node (also, intermediate processing node) Sensor Field ( | Final Processing Node Hình 2.

Mô hình thông thường của một mang cam biến không dây [13] Một node cảm biến được định nghĩa là sự kết hợp cảm biến và bộ phận xử lý, hay còn gọi là mote. Một nút cảm bién thông thường bao gồm các thành phan sau: - Bo cảm biến - BO vi xử ly tiêu hao ít năng lượng (low power processor) - Bo nhớ (memory) - Hé thống truyén tai dữ liệu (radio) - _ Nguồn năng lượng (power source) 10 Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN 2. Công nghệ sử dụng trong mang WSN : 2. Tổng quan về công nghệ trong mạng WSN: Trong mạng WSN, cảm biến được xem như là phần quan trọng nhất phục vụ cho các ứng dụng.

Công nghệ cảm biến rất đa dạng từ cảm biến từ trường, nhiệt, ánh sáng. Có nhiều ứng dụng trong an ninh, sinh hóa. Mạng WSNs có một số đặc điểm như:công suất bị giới hạn, thời gian hoạt động bị hạn chế do nguồn cấp năng lượng, số lượng lớn các node cảm biến. Hiệu quả sử dụng công suất của WSNs về tổng quát dựa trên 3 tiêu chí: ¢ Chu kỳ hoạt động.

‹ Xử lý dữ liệu nội bộ tại các nút cảm biến. ¢ Mô hình mạng. Phân loại mạng WSN: WSNs được phân ra làm 2 loại ,theo mô hình kết nối và định tuyến mà các nodes sử dụng : Loại 1(CTWSNS): ¢ Sử dụng giao thức định tuyến động ‹ Các node tìm đường đi tốt nhất đến đích 11 Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN ¢ Vai trò của các node sensor này với các node kế tiếp như là các trạm lặp (repeater) ¢ Khoảng cách rất lớn (hàng ngàn mét). ¢ Khả năng xử lý dữ liệu ở các node chuyên tiếp.

¢ Mạng phức tap. Loại 2 (C2WSNs): ‹ Mô hình đa diém-diém hay diém-diém, 1 kết nối radio đến node trung tâm. - Sử dụng giao thức định tuyến tinh. 1 node không cung cấp thông tin cho các node khác.

¢ Khoảng cách vai trăm mét. * Node chuyền tiếp không có kha năng xử lý dữ liệu cho các node khác. ‹ Hệ thống tương đối đơn giản. Trong Luận Văn này chúng ta sẽ nghiên cứu dựa trên mô hình mạng WSN loại 1 (CIWSNs).

Tiêu chuẩn trong mang WSN: Tiêu chuẩn tan số đang được áp dụng cho WSNs là IEEE 802.Hoat động tại tần số 2.4GHz trong công nghiệp, khoa học và y hoc(ISM), cung cấp đường truyền dữ liệu với tốc độ lên đến 250kbps ở khoảng cách 30 đến 200 feet.4 được thiết kế dé bổ sung cho các công nghệ không dây như là Bluetooth, Wifi ,Ultrawideband (UWB), mục đích phục vụ cho các ứng dụng thương mại. Truyền dữ liệu trong mang WSN: 2. Quá trình truyền sóng: Truyền di liệu dùng trong mang WSN thường là dạng sóng trong không gian tự do. Sóng phát ra từ nguôn đăng hướng và năng lượng sẽ tỉ lệ nghịch với khoảng cách : [1/(distanee)“].

Trong môi trường truyền không phải là không gian tự do ( cáp đồng trục, vật liệu xây dựng, tòa nhà, vật cản.) dữ liệu sẽ bi suy hao. 12 Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN 2. Điều chế tín hiệu trong WSN: Dạng điều chế thường được dùng là điều chế biên độ (AM), điều chế tần số (FM), điều chế pha (PM). Một số dạng điều chế số tương ứng là ASK, FSK ,PSK, QAM.

Đối với kênh truyền số, dung lượng kênh truyền tối đa C của hệ thống đơn sóng mang có băng thông phổ W, định nghĩa bởi công thức Shannon: C = Wlogs(I+S/N) Trong đó: - S$ là công suat tín hiệu thu được. - N là công suât nhiêu ( kênh truyền giả sử có tác động nhiêu Gaussian) Per Baud (R/B) 10.0 _| + a ean Shannon's Limit —— 20am S49AM renal Sik 16Q0AM o—— 16PSK Modulation — ‘offic <i =1. = eTiiCieftOy 2 bể _—® MSK 1 bit/second/Hz _-— 8DPSK Y QPSK ai BPSK 1 bit/second/Hz Wr 4PSK / 40PSK QPSK 2 bits/second/Hz s / BPSK 3 bits/second/Hz 1.0 4 ¿—- 16PSK 4 bits/second/Hz ee BPSK BDPSK 16QAM 4 bits/second/Hz .“ = 2PSK 32QAM § bits/second/Hz SE 64QAM _ 6 bits/second/Hz L Lá 2560ANM 8 bits‘second/Hz 0.1 ' “ tu” Noise ` 0 = 5 10 1 = 20 atio F (dB) Hình 2.4 : Biểu đồ đánh giá hiệu qua các kỹ thuật điều chế số [13] 13 Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN 2. Các giao thức không dây trong WSN Có nhiều giao thức không dây,được sử dụng khá rộng rãi là IEEE 802.1 1a/b/g/n wireless LANs, IEEE 802.15 4 (ZigBee), Man- scope IEEE 802.

Mỗi tiêu chuẩn có các ưu điểm và han chế riêng .7 mô tả một vai giao thức truyền dẫn không dây. | i WAN LONG Ũ (regional national) ¬ 1 ! MEDIUM PAN SHORT ~~ DATA RATE Paramé tric Sanger Applications Video based Sensor Ap pications (*) Up & 288 Mbps (# ) Upto 108 Mbps Hình 2.5 : Dé thị so sánh các giao thức truyền dan không dây phố bién[13] Bảng 2.6 sau đây sẽ đưa ra một vài so sánh giữa các giao thức IEEE Standard Dac tinh 802.4/ZigBee Khoang cach ~100m ~10—100m ~10m Tốc độ dit liệu ~2 — 54Mbps ~1— 3Mbps ~0.25Mbps Công suất tiêu thụ Trung bình Thap Cực thap Thời gian sông của pin Phút - vài giờ Giờ - vài ngày Ngày — vài nam Kích thước Lớn Nhỏ hơn Nhỏ nhật Ti số chi phí/độ phức tap >6 l 0.6 : Bang so sánh ưu khuyết các giao thức truyền dẫn không day[13] 14 Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN 2. Giao thức vận hành mang không day: 2. Giao thức MAC : Các giao thức MAC ảnh hưởng đến tính hiệu quả và độ tin cậy trong quá trình truyền dữ liệu theo mô hình hop-by-hop.

Các giao thức MAC đang định nghĩa chuẩn IEEE 802 có thé không hoàn toàn thích hợp cho mang WSN vì van đề về mặt hiệu suất sử dụng năng lượng. Các giao thức MAC tổng quát có thé gây ton hao năng lượng do các nguyên nhân: e Việc đụng độ gói trên các kênh truyền dùng chungsẽ gây lãng phi do việc truyền lại gói tin. e Tiêu hao năng lượng do thông điệp điều khiến giao thức. e Overhearing va idle listening có thé gây lãng phi năng lượng.

Đề giao thức MAC có thể được sử dụng hiệu quả trong mạng WSN thì mạng phải có sự thiết kế hiệu quả sát với thực tế giảm các chỉ số đụng độ gói, overhead cho điêu khiên, giảm độ trê. < : sài ‘e! ‘o- — ad -®- Se i | ).„*# nsing range ee a, Event Hình 2.7 : Giao thức MAC trong mang WSN [13] 2. — Giao thức định tuyến : Mạng WSN dùng kiểu định tuyến dựa trên dữ liệu do những ưu điểm như dễ tập hợp dữ liệu. tiết kiệm năng lượng.

Các kỹ thuật định tuyến trong mạng WSN dùng nhiều kỹ thuật riêng dé giảm thiểu năng lượng tiêu thụ. 15 Áp dụng lý thuyết hàng đợi để mô hình hóa các thông số trong mạng WSN 2.