Tổng quan về luận án

Sự bùng nổ của mạng di động thế hệ thứ năm (5G) và kiến trúc mạng siêu dày đặc (5G UDN – Ultra-Dense Network) đóng vai trò nền tảng trong việc hiện thực hóa cuộc Cách mạng Công nghiệp 4.0 và kỷ nguyên Vạn vật kết nối (IoT). Trong bức tranh toàn cảnh của hệ thống điều khiển kết nối mạng (NCS – Networked Control System) và hệ thống điều khiển kết nối mạng không dây (WNCS – Wireless Networked Control System), việc giao tiếp phân tán giữa cảm biến, bộ điều khiển, cơ cấu chấp hành và người dùng đòi hỏi hạ tầng mạng truyền dẫn có thông lượng cực lớn, độ trễ siêu thấp và độ tin cậy nghiêm ngặt. Theo báo cáo của Cisco, "ước tính, vào năm 2023 sẽ có khoảng 5,3 tỷ người dùng kết nối Internet (66% tổng dân số thế giới)... và chủ yếu là dữ liệu video (chiếm 79%)". Tình trạng gia tăng đột biến của các dịch vụ và ứng dụng video (VAS – Video Applications and Services) dẫn đến hiện tượng nghẽn nghiêm trọng tại các tuyến truyền dẫn trục (backhaul links) của trạm nền lớn (MBS – Macro Base Station) và trạm nền nhỏ (SBS – Small cell Base Station). Mặt khác, "hiệu suất phổ cực đại lý thuyết đã đạt tới 30 bps/Hz thông qua ghép kênh không gian 8 lớp" trong mạng LTE-Advanced, tiệm cận giới hạn Shannon, khiến việc mở rộng tài nguyên phổ truyền thống gặp rào cản vật lý lớn.

Luận án tiến sĩ kỹ thuật "Điều khiển tối ưu luồng video điểm - đa điểm trong mạng 5G siêu dày đặc" của nghiên cứu sinh Phan Thanh Minh (chuyên ngành Kỹ thuật điều khiển và Tự động hóa, Trường Đại học Giao thông vận tải TP. Hồ Chí Minh) đã giải quyết khoảng trống học thuật (research gap) trọng yếu: thiếu vắng một cơ chế điều khiển phối hợp tối ưu đa chiều kết hợp giữa lưu trữ biên (edge caching), tái sử dụng tài nguyên phổ tần kênh truyền xuống (downlink spectrum reuse), phân cụm người dùng, khai thác mối quan hệ xã hội và truyền thông từ thiết bị đến thiết bị (D2D – Device-to-Device) theo phương thức điểm - đa điểm (multicast).

Hệ thống câu hỏi nghiên cứu và giả thuyết cốt lõi được thiết lập chặt chẽ:

  • Câu hỏi nghiên cứu 1 ($Q_1$): Làm thế nào để điều khiển tối ưu hóa việc phân bổ tài nguyên phổ kênh truyền xuống từ người dùng chia sẻ (SU) cho các thiết bị hỗ trợ lưu trữ (CH) phát đa hướng đến người dùng yêu cầu (RU) nhằm cực đại hóa dung lượng hệ thống mà không phá vỡ chất lượng dịch vụ (QoS) của SU?

  • Câu hỏi nghiên cứu 2 ($Q_2$): Việc tích hợp thuộc tính liên kết xã hội giữa các thiết bị người dùng (MU) và ràng buộc độ lệch chuẩn dung lượng có giải quyết được sự bất công bằng dịch vụ vốn có của cơ chế phát đa hướng D2D hay không?

  • Câu hỏi nghiên cứu 3 ($Q_3$): Kiến trúc lưu trữ và điều khiển phân phối đa tầng (MBS - FBS - D2D) có khả thi và vượt trội như thế nào so với các mô hình phân phối truyền thống trong 5G UDN?

  • Giả thuyết nghiên cứu 1 ($H_1$): Cơ chế liên kết điều khiển lựa chọn thiết bị lưu trữ và chia sẻ phổ tần (DRS-CHS) giải bằng thuật toán di truyền (GA) sẽ nâng cao vượt bậc dung lượng truyền video so với các mô hình chỉ dựa vào MBS hoặc D2D đơn lẻ.

  • Giả thuyết nghiên cứu 2 ($H_2$): Mô hình nhận thức xã hội (SSC) tích hợp Indian Buffet Model (IBM) sẽ giảm thiểu độ dao động QoS giữa các RU và tăng cường xác suất phân phối nội dung thành công.

  • Giả thuyết nghiên cứu 3 ($H_3$): Mô hình lưu trữ đa tầng (DRS-MCS) kết hợp trạm femto (FBS) sẽ giải phóng áp lực tuyến trục backhaul và tối ưu hóa dung lượng truyền thông điểm - đa điểm trong môi trường có mật độ thiết bị dày đặc lên tới hàng trăm thiết bị trên một đơn vị diện tích.

Khung lý thuyết của công trình được định vị vững chắc trên sự giao thoa giữa lý thuyết điều khiển tối ưu trong NCS, lý thuyết thông tin Shannon, mô hình tán xạ vô tuyến đa đường và lý thuyết mạng xã hội tính toán.

Literature Review và Positioning

Nghiên cứu về phân phối dữ liệu đa phương tiện trong mạng không dây hiện đại tồn tại nhiều luồng quan điểm và trường phái học thuật:

Luồng nghiên cứu thứ nhất tập trung vào việc mật độ hóa mạng thông qua triển khai ồ ạt các SBS/FBS và hệ thống anten đa đầu vào đa đầu ra (MIMO) bước sóng milimet (mmWave) (Andrews et al., 2014; Ge et al., 2016). Tuy nhiên, trường phái này vấp phải hạn chế nghiêm trọng về chi phí triển khai phần cứng và hiện tượng nghẽn tuyến truyền dẫn trục (backhaul link bottleneck) khi hàng nghìn thiết bị đồng thời yêu cầu các luồng dữ liệu video có độ phân giải cao.

Luồng nghiên cứu thứ hai đề xuất khai thác truyền thông D2D và lưu trữ nội dung tại bộ nhớ biên của thiết bị người dùng (Golrezaei et al., 2012; Doppler et al., 2009). Điểm tranh luận gay gắt giữa các học giả nằm ở việc lựa chọn giữa truyền thông D2D ngoài băng (outband) và trong băng (inband):

  • Trường phái ủng hộ D2D outband (sử dụng băng tần ISM, Wi-Fi Direct) cho rằng cơ chế này triệt tiêu hoàn toàn can nhiễu lên mạng lõi di động nhưng phải trả giá bằng việc yêu cầu phần cứng phức tạp và khó kiểm soát QoS tập trung.
  • Ngược lại, trường phái D2D inband tái sử dụng tần số kênh truyền xuống (downlink) giúp nâng cao hiệu quả phổ (spectral efficiency) vượt bậc nhưng tạo ra ma trận can nhiễu chéo cực kỳ phức tạp giữa MBS, Sharing User (SU), Caching Helper (CH) và Requesting User (RU).

So sánh với các nghiên cứu quốc tế tiêu biểu:

  1. Nghiên cứu của Nguyen-Son Vo et al. (2018) [66]: Áp dụng giải thuật di truyền nhị phân sửa đổi nhằm cực tiểu hóa độ méo video và ổn định tỷ số tín hiệu đỉnh trên nhiễu (PSNR) trong mạng di động có lưu trữ cục bộ. Luận án của Phan Thanh Minh đã kế thừa và mở rộng công trình này bằng cách chuyển đổi từ bài toán đơn luồng/đơn tầng sang bài toán điều khiển tối ưu phối hợp đa cụm D2D điểm - đa điểm có tái sử dụng tài nguyên phổ của SU.
  2. Nghiên cứu của De-Thu Huynh et al. (2017) [82]: Sử dụng thuật toán di truyền thích nghi để tối ưu hóa hiệu quả năng lượng có nhận thức xã hội trong mạng 5G. Luận án tiến xa hơn khi không chỉ dừng lại ở chỉ số năng lượng mà giải quyết trực tiếp bài toán cực đại hóa dung lượng hệ thống (system capacity maximization) đi kèm ràng buộc kiểm soát dao động dung lượng để đảm bảo tính công bằng nghiêm ngặt (fairness) giữa các RU trong cùng cụm multicast.

Vị trí của luận án được xác lập độc lập: Là công trình tiên phong thiết lập khung toán học thống nhất giải quyết bài toán "điều khiển mạng" (control of networks) trong WNCS, đồng bộ hóa 4 yếu tố: chia sẻ phổ tần kênh xuống, phân cụm D2D multicast, phân cấp lưu trữ đa tầng và mô hình hóa quan hệ xã hội người dùng.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng và làm phong phú hệ thống lý thuyết thuộc các lĩnh vực kỹ thuật điều khiển và thông tin vô tuyến:

  1. Mở rộng lý thuyết Hệ thống điều khiển kết nối mạng (NCS Theory - Zhang et al., Hespanha et al.): Chuyển dịch trọng tâm từ các nghiên cứu "điều khiển qua mạng" (control over networks - bù trễ, chống mất gói cho các biến trạng thái vô hướng) sang nghiên cứu "điều khiển mạng" (control of networks - cấu hình thích ứng tài nguyên phổ, lưu trữ và luồng dữ liệu phân tán quy mô lớn trong môi trường vô tuyến 5G UDN).
  2. Đóng góp vào Lý thuyết thông tin và Tối ưu hóa truyền thông không dây (Shannon Information Theory & Cross-layer Optimization): Thiết lập mô hình toán học giải quyết bài toán quy hoạch phi tuyến số nguyên hỗn hợp (MINLP) nhằm tìm tập chỉ số điều khiển tối ưu $v^$, cân bằng giữa việc nâng cao dung lượng cực đại $C^$ và đảm bảo ngưỡng tỷ số tín hiệu trên nhiễu trắng và can nhiễu $\text{SINR} \ge \gamma_0$ tại các SU.
  3. Phát triển Lý thuyết Mạng xã hội tính toán trong Kỹ thuật mạng: Ứng dụng Indian Buffet Model (IBM) để lượng hóa xác suất tương tác xã hội giữa các nút mạng, chứng minh bằng thực nghiệm mô phỏng rằng thuộc tính xã hội là một biến trạng thái có thể kiểm soát được trong vòng lặp điều khiển tối ưu.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp chặt chẽ 3 trụ cột cơ chế:

  • Cơ chế DRS-CHS (Downlink Resource Sharing and Caching Helper Selection): Bộ điều khiển tại MBS phân tích ma trận kênh truyền vật lý, quyết định ghép cặp tối ưu giữa cụm $j$ (chứa các RU yêu cầu cùng video) với thiết bị $CH_m$ và tài nguyên phổ của người dùng chia sẻ $SU_k$.
  • Cơ chế SSC (Social-aware Spectrum sharing and Caching helper selection): Tích hợp ma trận liên kết xã hội $S = [s_{ij}]$ cùng ràng buộc giới hạn độ lệch chuẩn dung lượng giữa các RU ($\Delta C \le \epsilon$), giải quyết triệt để điểm nghẽn "nút thắt cổ chai" của truyền thông multicast truyền thống (vốn bị giới hạn bởi người dùng có kênh truyền kém nhất).
  • Cơ chế DRS-MCS (Downlink Resource Sharing and Multi-tier Caching Selection): Thiết lập cấu trúc phân phối 3 tầng linh hoạt: Tầng 1 (MBS - dung lượng lưu trữ vô hạn, vùng phủ rộng), Tầng 2 (FBS - trạm nền nhỏ femtocell với dung lượng lưu trữ trung bình, chi phí can nhiễu thấp), Tầng 3 (D2D CH - thiết bị người dùng lưu trữ cục bộ, băng thông cao, cự ly ngắn).

Điều kiện biên của khung phân tích: Bán kính cụm D2D được giới hạn vật lý để duy trì công suất phát an toàn cho thiết bị di động, công suất phát của MBS, FBS và CH được cố định theo chuẩn viễn thông, số lượng RU trong một cụm là hữu hạn và các kênh truyền tuân theo mô hình tựa tĩnh (quasi-static block fading).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu quán triệt thế giới quan thực chứng (positivism) với phương pháp tiếp cận định lượng chặt chẽ, dựa trên mô hình hóa toán học giải tích kết hợp thuật toán tối ưu hóa heuristic hiện đại:

  • Thiết kế phân tầng đa cấp (Multi-level Design): Mô hình hóa hệ thống 3 cấp độ: cấp vĩ mô (MBS quản lý toàn vùng tế bào), cấp trung gian (các trạm SBS/FBS phân tán) và cấp vi mô (các cụm D2D cục bộ gồm SU, CH, RU và thiết bị IoT).
  • Mô hình hóa kênh truyền vô tuyến: Kênh truyền giữa hai nút bất kỳ được xác định bằng tích của thành phần fading quy mô nhỏ và suy hao đường truyền quy mô lớn: $$h = g \cdot d^{-\alpha}$$ Trong đó, "thành phần fading... được xác định bằng hệ số fading phân phối mũ có trị trung bình là 1 ($\exp(1)$)", $d$ là khoảng cách địa lý giữa đầu phát và đầu thu, và $\alpha$ là hệ số suy hao lũy thừa đường truyền ($2 \le \alpha \le 4$).

Quy trình nghiên cứu rigorous

Quy trình giải quyết bài toán tối ưu hóa tuân thủ các bước nghiêm ngặt:

  1. Thiết lập bài toán tối ưu: Xây dựng hàm mục tiêu cực đại hóa tổng dung lượng luồng video phân phối đến các RU: $$\max_{{v}} \sum_{j=1}^J \sum_{n=1}^{N_j} C_{j,n}$$ Dưới các ràng buộc khắt khe:
    • Ràng buộc can nhiễu: $\text{SINR}_{SU_k} \ge \gamma_0, \forall k$.
    • Ràng buộc phân bổ duy nhất: Mỗi cụm D2D chỉ được tái sử dụng duy nhất một kênh truyền xuống của một SU tại một thời điểm, và mỗi CH chỉ phục vụ một cụm multicast.
    • Ràng buộc công bằng: $\sigma(C_{j,1}, C_{j,2}, \dots, C_{j,N_j}) \le \theta_{threshold}$.
  2. Thiết kế cấu trúc nhiễm sắc thể trong GA: Biến quyết định tối ưu $v$ được mã hóa thành chuỗi nhiễm sắc thể nhị phân chiều dài $NB$ bits. Kích thước quần thể được thiết lập là $NP \times NB$ bits phân phối đều từ tập ${0, 1}$.
  3. Toán tử di truyền:
    • Chọn lọc (Selection): Áp dụng chọn lọc dựa trên xếp hạng và bảo tồn cá thể tinh hoa (elitism).
    • Lai tạo (Crossover): Sử dụng lai tạo đa điểm ($m$-point crossover, $m=5$) và lai tạo đồng nhất (uniform crossover) với xác suất lai $P_c$.
    • Đột biến (Mutation): Áp dụng đột biến nhị phân nghịch đảo bit với xác suất đột biến $P_m \in [10^{-6}, 10^{-4}]$ để tránh bẫy cực trị địa phương.
  4. Đối chuẩn kiểm chứng (Benchmarking): Toàn bộ kết quả của GA được đối chuẩn trực tiếp với thuật toán tìm kiếm vét cạn toàn cục (Exhaustive Search) trên các không gian tìm kiếm kích thước nhỏ để xác định chính xác sai số hội tụ.

Data và phân tích

Toàn bộ hệ thống được mô hình hóa và mô phỏng trên nền tảng tính toán khoa học MATLAB với các tham số kỹ thuật thực tế:

  • Tham số không gian và phần cứng: Bán kính ô macro $R_{MBS} = 500\text{ m}$, bán kính vùng D2D $R_{D2D} = 20 - 50\text{ m}$, công suất phát $P_{MBS} = 46\text{ dBm}$, $P_{FBS} = 30\text{ dBm}$, $P_{CH} = 23\text{ dBm}$, $P_{SU} = 23\text{ dBm}$, công suất mật độ tạp âm nhiệt $N_0 = -174\text{ dBm/Hz}$.
  • Hiệu năng giải thuật GA qua các kịch bản số lượng cụm $J$ và kích thước quần thể $NP$:
Kịch bản số cụm ($J$) Kích thước quần thể ($NP$) Thời gian hội tụ GA (giây) Độ chính xác so với Vét cạn (%)
$J = 2$ $NP = 20$ 0.84 s 99.8%
$J = 4$ $NP = 50$ 2.15 s 99.2%
$J = 6$ $NP = 100$ 5.62 s 98.6%
$J = 8$ $NP = 150$ 11.30 s 97.9%

Kết quả kiểm tra độ mạnh (robustness checks) chứng minh thuật toán di truyền luôn đạt trạng thái hội tụ ổn định sau 40 - 60 thế hệ (generations), rút ngắn thời gian tính toán hàng trăm lần so với thuật toán vét cạn khi số lượng thiết bị người dùng tăng lên quy mô lớn.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Đột phá về dung lượng hệ thống của cơ chế DRS-CHS: Khi triển khai cơ chế điều khiển tối ưu lựa chọn CH và chia sẻ phổ kênh xuống, tổng dung lượng phân phối video điểm - đa điểm của hệ thống tăng từ 45% đến 78% so với mô hình chỉ truyền qua trạm gốc (OMBS - Only Macro Base Station) và tăng 32% so với mô hình chỉ phát đa hướng D2D thuần túy không tối ưu phổ (ODMC).
  2. Triệt tiêu bất công bằng QoS thông qua cơ chế SSC: Trong khi cơ chế multicast truyền thống gây ra hiện tượng sụt giảm thông lượng nghiêm trọng đối với các người dùng ở rìa cụm, cơ chế SSC với việc kết hợp Indian Buffet Model và ràng buộc dao động dung lượng đã giảm độ lệch chuẩn dung lượng giữa các RU xuống dưới 12%, đồng thời nâng cao dung lượng trung bình của toàn cụm thêm 24.5%.
  3. Ưu thế vượt trội của lưu trữ đa tầng DRS-MCS: Việc bổ sung tầng lưu trữ tại trạm femto (FBS) giúp tăng thêm từ 1.8 đến 2.4 bps/Hz hiệu quả phổ hệ thống, đồng thời giảm tải trực tiếp hơn 60% lưu lượng video yêu cầu lên tuyến trục backhaul của MBS.
  4. Quy luật tương quan phi tuyến giữa ngưỡng can nhiễu $\gamma_0$ và dung lượng: Luận án phát hiện ra rằng việc nới lỏng nhẹ ngưỡng $\gamma_0$ tại SU cho phép tăng đột biến số lượng kênh D2D được thiết lập, nhưng nếu $\gamma_0$ vượt qua điểm gãy tối ưu (optimal trade-off point tại $\gamma_0 = 10\text{ dB}$), can nhiễu tích lũy sẽ làm suy giảm nghiêm trọng dung lượng tổng thể của toàn mạng.
Dung lượng Hệ thống (Mbps)
    [Baseline OMBS]   [ODMC Cơ bản]     [DRS-CHS]       [SSC]       [DRS-MCS]

Implications đa chiều

  • Về mặt học thuật và lý thuyết: Cung cấp mô hình toán học giải tích chuẩn xác để tích hợp thuộc tính hành vi xã hội vào các bài toán kỹ thuật điều khiển mạng vô tuyến, mở ra hướng tiếp cận mới cho lý thuyết WNCS trong bối cảnh dữ liệu lớn.
  • Về mặt kỹ thuật và phương pháp: Thuật toán GA được thiết kế chuyên biệt có thể được chuẩn hóa và tái sử dụng cho các bài toán phân bổ tài nguyên đa chiều (thời gian, tần số, không gian, mã, bộ nhớ) trong các thế hệ mạng 5G-Advanced và 6G.
  • Về mặt ứng dụng thực tiễn công nghiệp: Giải pháp cung cấp kiến trúc điều khiển trực tiếp cho các nhà cung cấp dịch vụ mạng (ISP) và nhà cung cấp nội dung (CP) để triển khai các dịch vụ truyền hình trực tiếp độ nét cao (4K/8K, AR/VR) tại các khu vực tập trung đông người như sân vận động, nhà hát, tòa nhà văn phòng thông minh mà không cần đầu tư tốn kém để thay thế toàn bộ hạ tầng cáp truyền dẫn trục.
  • Về mặt chính sách và tiêu chuẩn viễn thông: Đóng góp luận cứ kỹ thuật quan trọng cho việc hoàn thiện các tiêu chuẩn 3GPP liên quan đến D2D Proximity Services (ProSe) và kiến trúc mạng biên vô tuyến (Edge Computing & Caching).

Limitations và Future Research

Nhìn nhận một cách khách quan khoa học, luận án tồn tại một số giới hạn nghiên cứu:

  1. Giả định về tính bất động tương đối của thiết bị: Các mô hình kênh truyền và cụm D2D được phân tích trên các khối thời gian tựa tĩnh. Khi các thiết bị di chuyển với vận tốc cao (ví dụ trong kịch bản mạng kết nối xe cộ V2X), hình học mạng thay đổi nhanh chóng có thể làm tăng chi phí truyền tín hiệu báo hiệu điều khiển (control signaling overhead).
  2. Kiến trúc điều khiển tập trung: Bộ điều khiển tối ưu đặt tại MBS tuy đảm bảo giải pháp tối ưu toàn cục nhưng tạo ra độ trễ tính toán nhất định khi số lượng nút mạng bùng nổ lên hàng nghìn thiết bị.
  3. Mô hình năng lượng: Nghiên cứu chưa tích hợp sâu kỹ thuật thu thập năng lượng vô tuyến (RF Energy Harvesting) vào quá trình tối ưu hóa tuổi thọ pin của các CH.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Phát triển các thuật toán học máy tăng cường sâu phân tán (Multi-Agent Deep Reinforcement Learning - MADRL) chạy trực tiếp tại biên (edge devices) để ra quyết định điều khiển theo thời gian thực mà không cần báo hiệu tập trung về MBS.
  • Mở rộng bài toán điều khiển tối ưu cho các luồng video 3D/Holographic tương tác thực tế ảo siêu thực trong mạng 6G với dải tần Terahertz (THz).
  • Tích hợp công nghệ bề mặt phản xạ thông minh (RIS – Reconfigurable Intelligent Surfaces) nhằm chủ động tái cấu hình môi trường truyền sóng vô tuyến cho các cụm D2D multicast.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án mở ra giao điểm nghiên cứu mới giữa Kỹ thuật Tự động hóa và Viễn thông vô tuyến hiện đại. Các công trình công bố từ luận án trên các tạp chí quốc tế chuyên ngành (như IEEE Access, Springer Wireless Networks) và hội nghị quốc tế uy tín cung cấp cơ sở trích dẫn quan trọng cho cộng đồng nghiên cứu NCS và 5G/6G.
  • Chuyển đổi công nghiệp viễn thông: Ứng dụng các thuật toán DRS-CHS và DRS-MCS giúp các nhà mạng di động tiết kiệm ước tính từ 30% đến 40% chi phí vận hành băng thông truyền dẫn trục (OPEX) trong việc phân phối nội dung đa phương tiện.
  • Lợi ích kinh tế - xã hội: Thúc đẩy chuyển đổi số trong các hệ thống giám sát công nghiệp tự động, cảng biển thông minh, giao thông thông minh và giáo dục trực tuyến diện rộng thông qua việc cung cấp dịch vụ truyền video độ phân giải cao ổn định, không gián đoạn, với chi phí dịch vụ tối ưu cho người dùng cuối.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận khung phương pháp luận kết hợp giữa lý thuyết điều khiển tối ưu, giải thuật di truyền và mô hình xã hội Indian Buffet Model để giải quyết các bài toán kỹ thuật phức tạp.
  • Bộ phận R&D của các Nhà mạng viễn thông & Doanh nghiệp IoT: Kế thừa trực tiếp các thuật toán điều khiển phân bổ phổ và quản lý lưu trữ biên để nhúng vào các trạm phát sóng 5G/gNodeB và thiết bị định tuyến thông minh.
  • Kỹ sư Tự động hóa và Điều khiển hệ thống: Nắm bắt phương pháp thiết kế hệ thống điều khiển kết nối mạng không dây (WNCS) đáp ứng yêu cầu truyền tải dữ liệu kích thước lớn và kiểm soát độ trễ phục vụ điều khiển tự động hóa nhà máy.
  • Cơ quan quản lý phổ tần: Có thêm cơ sở khoa học định lượng để xây dựng chính sách cấp phép và quy hoạch tái sử dụng phổ tần linh hoạt (Dynamic Spectrum Sharing).

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng lý thuyết nào? Đóng góp độc đáo nhất là việc mở rộng Lý thuyết Hệ thống Điều khiển Kết nối Mạng (NCS) từ không gian tín hiệu điều khiển truyền thống sang không gian điều khiển tối ưu luồng dữ liệu video băng thông lớn (VAS). Công trình đã hợp nhất thành công Lý thuyết Thông tin Shannon với Mô hình Xã hội Indian Buffet Model (IBM) để thiết lập bài toán điều khiển phân bổ tài nguyên đa chiều có kiểm soát chỉ số công bằng.

2. Đột phá phương pháp luận so với các nghiên cứu tiền nhiệm? So với nghiên cứu của Nguyen-Son Vo et al. [66] (chỉ tối ưu đơn lẻ chất lượng trải nghiệm QoE qua PSNR) và De-Thu Huynh et al. [82] (chỉ tập trung vào hiệu quả năng lượng), luận án đã thiết kế thuật toán GA nhị phân đa mục tiêu giải quyết đồng thời: tối đa hóa dung lượng phân phối điểm - đa điểm, bảo vệ ngưỡng $\text{SINR} \ge \gamma_0$ của người dùng chia sẻ phổ SU và triệt tiêu độ dao động QoS giữa các RU.

3. Phát hiện bất ngờ nhất được hỗ trợ bởi dữ liệu thực nghiệm là gì? Phát hiện bất ngờ nhất là việc xem xét mối quan hệ xã hội người dùng (cơ chế SSC) không hề làm suy giảm dung lượng tổng của hệ thống mà ngược lại, còn giúp tăng thông lượng thực tế lên 24.5% nhờ việc gom cụm chính xác các người dùng có mức độ quan tâm nội dung tương đồng, từ đó tối ưu hóa hiệu suất phát đa hướng của CH.

4. Luận án có cung cấp quy trình tái tạo nghiên cứu (Replication Protocol) không? Có. Toàn bộ thông số hệ thống (công suất phát, hệ số suy hao $\alpha$, mô hình fading $\exp(1)$, cấu hình kích thước quần thể $NP$, toán tử lai tạo đa điểm, đột biến nhị phân) và lưu đồ thuật toán 5 bước chi tiết đều được công bố tường minh, cho phép tái lập 100% kết quả mô phỏng trên nền tảng MATLAB.

5. Chương trình nghiên cứu 10 năm được phác thảo như thế nào? Chương trình 10 năm định hướng chuyển dịch từ điều khiển tập trung sang điều khiển phân tán tự trị sử dụng Trí tuệ nhân tạo (AI-native 6G), kết hợp mạng quang không gian tự do (FSO), bề mặt thông minh tái cấu hình (RIS) và điều khiển luồng dữ liệu ba chiều (Holographic/Volumetric Streaming) trong mạng siêu kết nối tương lai.

Kết luận

Công trình nghiên cứu tiến sĩ của tác giả Phan Thanh Minh đã hoàn thành xuất sắc các mục tiêu đề ra với 6 đóng góp mang tính bước ngoặt:

  1. Xây dựng hoàn chỉnh khung toán học điều khiển tối ưu luồng video điểm - đa điểm trong hệ thống WNCS trên nền tảng mạng 5G siêu dày đặc.
  2. Đề xuất cơ chế đột phá DRS-CHS tối ưu hóa đồng thời việc lựa chọn thiết bị lưu trữ CH và chia sẻ tài nguyên phổ kênh truyền xuống của SU.
  3. Phát triển cơ chế SSC tích hợp mối quan hệ xã hội người dùng (Indian Buffet Model), giải quyết triệt để vấn đề bất công bằng về QoS trong truyền thông multicast.
  4. Mở rộng thành công kiến trúc điều khiển lưu trữ đa tầng DRS-MCS (kết hợp MBS, FBS và D2D), giải phóng hiệu quả áp lực tuyến truyền dẫn trục backhaul.
  5. Ứng dụng thành công giải thuật di truyền (GA) với thời gian hội tụ nhanh và độ chính xác tiệm cận vét cạn (trên 97.9%), đảm bảo tính khả thi triển khai thực tế.
  6. Mở ra 3 hướng nghiên cứu mới về điều khiển mạng phân tán, tối ưu hóa năng lượng tự trị và truyền thông đa phương tiện siêu thực trong kỷ nguyên 6G IoT.