Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của mạng di động thế hệ thứ 5 (5G), lưu lượng dữ liệu di động toàn cầu dự kiến tăng trưởng nhanh chóng, đạt khoảng 160 exabyte mỗi tháng vào năm 2025, tăng gấp hơn 4 lần so với năm 2019. Sự gia tăng này đặt ra thách thức lớn về việc sử dụng hiệu quả tài nguyên phổ tần số, nâng cao hiệu suất năng lượng và đảm bảo độ tin cậy trong truyền thông vô tuyến. Mạng chuyển tiếp vô tuyến nhận thức (Cognitive Relay Systems) kết hợp với công nghệ thu thập năng lượng không dây (Wireless Energy Harvesting) được xem là giải pháp tiềm năng để giải quyết các vấn đề trên.

Luận văn tập trung nghiên cứu thiết kế các bộ tiền mã hóa (precoders) tại trạm gốc và nút chuyển tiếp nhằm tối đa hóa tốc độ bit của người dùng trong mạng chuyển tiếp vô tuyến nhận thức có thu thập năng lượng, đồng thời đảm bảo các ràng buộc hệ thống. Bài toán tối ưu hóa được xây dựng là phi tuyến và không lồi, gây khó khăn trong việc tìm lời giải chính xác bằng các phương pháp tối ưu lồi truyền thống. Do đó, luận văn phát triển giải thuật dựa trên hành vi bầy đàn, cụ thể là giải thuật cá voi săn mồi tối ưu (Whale Optimization Algorithm - WOA), để giải quyết bài toán phức tạp này.

Phạm vi nghiên cứu tập trung vào mạng chuyển tiếp vô tuyến nhận thức tích hợp kỹ thuật thu thập năng lượng, mô hình kênh truyền đa đường, kỹ thuật chuyển tiếp Amplify-and-Forward (AF) và Decode-and-Forward (DF), cùng với các phương pháp tối ưu hóa trong môi trường MIMO đa người dùng. Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu suất sử dụng phổ tần và năng lượng trong mạng 5G, góp phần phát triển các hệ thống truyền thông không dây thông minh, bền vững và hiệu quả.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình nghiên cứu sau:

  1. Mạng vô tuyến nhận thức (Cognitive Radio - CR): Là hệ thống truyền thông không dây có khả năng nhận biết môi trường và điều chỉnh tham số hoạt động để tối ưu hóa hiệu suất, bao gồm các mô hình dạng nền (underlay), chồng chập (overlay) và đan xen (interweave). CR giúp tái sử dụng phổ tần hiệu quả, giảm thiểu can nhiễu cho người dùng sơ cấp.

  2. Hệ thống truyền thông tin và phát công suất đồng thời (Simultaneous Wireless Information and Power Transfer - SWIPT): Kỹ thuật cho phép truyền đồng thời thông tin và năng lượng không dây, sử dụng các phương pháp phân tách tín hiệu như chuyển mạch theo thời gian (Time Switching - TS), chia công suất (Power Splitting - PS), chuyển mạch anten (Antenna Switching - AS) và chuyển mạch không gian (Spatial Switching - SS).

  3. Kỹ thuật chuyển tiếp (Relay Communication): Bao gồm hai phương thức chính là Amplify-and-Forward (AF) và Decode-and-Forward (DF), giúp mở rộng phạm vi truyền sóng, tăng độ tin cậy và hiệu suất truyền dữ liệu trong môi trường có suy hao kênh đa đường.

  4. Mô hình suy hao kênh truyền đa đường: Sử dụng mô hình fading Lognormal cho large-scale fading và mô hình Rayleigh cho small-scale fading để mô phỏng ảnh hưởng của môi trường truyền sóng đến tín hiệu.

  5. Lý thuyết kênh truyền MIMO: Bao gồm các hệ thống MIMO điểm-điểm, MIMO đa người dùng (MU-MIMO) và Massive MIMO, giúp tăng dung lượng kênh truyền và hiệu suất sử dụng phổ tần bằng cách khai thác đa anten tại trạm gốc và thiết bị đầu cuối.

  6. Lý thuyết toán tối ưu: Tập trung vào bài toán tối ưu phi tuyến, không lồi với các ràng buộc hệ thống. Phương pháp tối ưu lồi được trình bày để làm nền tảng, đồng thời áp dụng giải thuật meta-heuristic cá voi săn mồi tối ưu (WOA) để giải quyết bài toán phức tạp.

Phương pháp nghiên cứu

Luận văn sử dụng phương pháp nghiên cứu kết hợp giữa tổng quan tài liệu, xây dựng mô hình lý thuyết và mô phỏng số liệu:

  • Nguồn dữ liệu: Thu thập từ các cơ sở dữ liệu học thuật uy tín như IEEE Xplore, ResearchGate, SpringerLink, Wiley Online Library và Google Scholar, cùng với số liệu mô phỏng dựa trên các mô hình kênh truyền và hệ thống mạng thực tế.

  • Phương pháp phân tích: Xây dựng bài toán tối ưu hóa phi tuyến, không lồi cho hệ thống mạng chuyển tiếp vô tuyến nhận thức có thu thập năng lượng. Áp dụng giải thuật cá voi săn mồi tối ưu (WOA) để tìm lời giải gần đúng hiệu quả cho bài toán này.

  • Timeline nghiên cứu: Quá trình nghiên cứu được thực hiện trong khoảng thời gian từ năm 2019 đến đầu năm 2021, bao gồm các giai đoạn tổng quan tài liệu, xây dựng mô hình, phát triển giải thuật, mô phỏng và đánh giá kết quả.

  • Cỡ mẫu và chọn mẫu: Mô phỏng được thực hiện với các tham số hệ thống cụ thể như công suất phát tối đa, vị trí nút chuyển tiếp, hệ số phạt tối ưu, nhằm đánh giá hiệu năng của giải thuật và mô hình đề xuất.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Tối ưu hóa dung lượng kênh hệ thống: Việc thiết kế bộ tiền mã hóa tại trạm gốc và nút chuyển tiếp dựa trên giải thuật cá voi săn mồi tối ưu giúp tăng đáng kể dung lượng kênh truyền. Kết quả mô phỏng cho thấy dung lượng kênh tăng theo công suất phát tối đa của nút nguồn, với mức tăng khoảng 20-30% so với các phương pháp truyền thống.

  2. Ảnh hưởng của vị trí nút chuyển tiếp: Vị trí nút chuyển tiếp có tác động lớn đến tổng dung lượng kênh hệ thống. Khi nút chuyển tiếp đặt gần trạm gốc hoặc người dùng cuối, dung lượng kênh đạt giá trị tối ưu, tăng khoảng 15% so với vị trí trung gian.

  3. Hiệu quả của giải thuật cá voi săn mồi tối ưu: Giải thuật WOA thể hiện khả năng hội tụ nhanh và ổn định trong việc giải quyết bài toán tối ưu phi tuyến, không lồi. So với các giải thuật meta-heuristic khác, WOA đạt hiệu suất cao hơn khoảng 10-12% về tốc độ hội tụ và chất lượng lời giải.

  4. Tác động của hệ số phạt tối ưu: Việc điều chỉnh hệ số phạt trong bài toán tối ưu giúp cân bằng giữa tốc độ truyền dữ liệu và mức năng lượng thu thập, từ đó nâng cao hiệu suất tổng thể của hệ thống. Mô phỏng cho thấy hệ số phạt tối ưu giúp tăng dung lượng kênh lên đến 18% so với trường hợp không tối ưu.

Thảo luận kết quả

Các kết quả mô phỏng minh họa rõ ràng qua các biểu đồ thể hiện mối quan hệ giữa công suất phát, vị trí nút chuyển tiếp và dung lượng kênh truyền. Việc sử dụng giải thuật cá voi săn mồi tối ưu cho phép giải quyết hiệu quả bài toán tối ưu phi tuyến, không lồi vốn khó giải bằng các phương pháp truyền thống.

So sánh với các nghiên cứu trước đây, luận văn đã cải tiến đáng kể về hiệu suất tối ưu hóa dung lượng kênh trong mạng chuyển tiếp vô tuyến nhận thức có thu thập năng lượng. Kết quả này phù hợp với các báo cáo ngành về xu hướng sử dụng các giải thuật meta-heuristic trong tối ưu hóa mạng không dây phức tạp.

Ý nghĩa của nghiên cứu nằm ở việc cung cấp một phương pháp tối ưu hóa hiệu quả, có thể ứng dụng trong thiết kế mạng 5G và các hệ thống IoT, giúp nâng cao hiệu suất sử dụng phổ tần và năng lượng, đồng thời kéo dài thời gian hoạt động của thiết bị đầu cuối.

Đề xuất và khuyến nghị

  1. Triển khai giải thuật cá voi săn mồi tối ưu trong hệ thống thực tế: Khuyến nghị các nhà phát triển mạng 5G và IoT áp dụng giải thuật WOA để tối ưu hóa bộ tiền mã hóa, nhằm nâng cao dung lượng kênh và hiệu suất năng lượng trong mạng chuyển tiếp vô tuyến nhận thức. Thời gian thực hiện đề xuất trong vòng 1-2 năm.

  2. Tối ưu vị trí nút chuyển tiếp: Đề xuất nghiên cứu và triển khai các chiến lược định vị nút chuyển tiếp phù hợp để đạt hiệu suất truyền dữ liệu tối ưu, giảm thiểu tổn hao năng lượng. Chủ thể thực hiện là các nhà mạng và nhà nghiên cứu, với kế hoạch triển khai trong 1 năm.

  3. Điều chỉnh hệ số phạt trong bài toán tối ưu: Khuyến nghị áp dụng cơ chế điều chỉnh hệ số phạt linh hoạt dựa trên điều kiện mạng thực tế để cân bằng giữa tốc độ truyền và năng lượng thu thập, nâng cao hiệu quả tổng thể. Thời gian thực hiện khoảng 6-12 tháng.

  4. Phát triển mô hình mạng vô tuyến nhận thức tích hợp SWIPT mở rộng: Đề xuất mở rộng nghiên cứu sang các mô hình mạng vô tuyến nhận thức tổng quát, tích hợp các kỹ thuật SWIPT tiên tiến nhằm đáp ứng nhu cầu ngày càng tăng của mạng 5G và IoT. Chủ thể thực hiện là các viện nghiên cứu và trường đại học, với lộ trình 2-3 năm.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và học giả trong lĩnh vực viễn thông: Luận văn cung cấp cơ sở lý thuyết và phương pháp tối ưu hóa tiên tiến, hỗ trợ nghiên cứu phát triển các hệ thống mạng không dây thế hệ mới.

  2. Kỹ sư phát triển mạng 5G và IoT: Các kỹ sư có thể ứng dụng giải thuật và mô hình đề xuất để thiết kế hệ thống mạng hiệu quả, nâng cao dung lượng kênh và tiết kiệm năng lượng.

  3. Nhà quản lý và hoạch định chính sách viễn thông: Tham khảo để hiểu rõ các xu hướng công nghệ mới, từ đó xây dựng chính sách phát triển hạ tầng mạng phù hợp với yêu cầu sử dụng phổ tần và năng lượng.

  4. Sinh viên và học viên cao học chuyên ngành kỹ thuật viễn thông: Luận văn là tài liệu tham khảo quý giá cho việc học tập, nghiên cứu và phát triển đề tài liên quan đến mạng vô tuyến nhận thức và thu thập năng lượng.

Câu hỏi thường gặp

  1. Mạng chuyển tiếp vô tuyến nhận thức có thu thập năng lượng là gì?
    Là hệ thống mạng không dây kết hợp công nghệ vô tuyến nhận thức để tái sử dụng phổ tần hiệu quả và kỹ thuật thu thập năng lượng không dây nhằm kéo dài thời gian hoạt động của thiết bị, đồng thời sử dụng các nút chuyển tiếp để mở rộng phạm vi truyền sóng và tăng độ tin cậy.

  2. Tại sao bài toán tối ưu trong nghiên cứu lại phi tuyến và không lồi?
    Do các ràng buộc phức tạp về công suất, năng lượng và can nhiễu trong mạng vô tuyến nhận thức tích hợp thu thập năng lượng, bài toán tối ưu hóa các bộ tiền mã hóa trở nên phi tuyến và không lồi, gây khó khăn trong việc tìm lời giải chính xác bằng các phương pháp tối ưu lồi truyền thống.

  3. Giải thuật cá voi săn mồi tối ưu (WOA) hoạt động như thế nào?
    WOA mô phỏng hành vi săn mồi của cá voi lưng gù, sử dụng các cơ chế bao vây và di chuyển xoắn ốc để tìm kiếm lời giải tối ưu trong không gian bài toán, giúp giải quyết các bài toán tối ưu phức tạp hiệu quả và nhanh chóng.

  4. Các kỹ thuật chuyển tiếp AF và DF khác nhau ra sao?
    AF khuếch đại tín hiệu nhận được và chuyển tiếp mà không giải mã, đơn giản nhưng khuếch đại cả nhiễu. DF giải mã tín hiệu nhận được, sau đó mã hóa lại và phát lại, phức tạp hơn nhưng cải thiện chất lượng tín hiệu truyền.

  5. Làm thế nào để tối ưu vị trí nút chuyển tiếp trong mạng?
    Thông qua mô phỏng và phân tích, vị trí nút chuyển tiếp được điều chỉnh sao cho tối đa hóa dung lượng kênh truyền và hiệu suất năng lượng, thường đặt gần trạm gốc hoặc người dùng cuối để giảm tổn hao tín hiệu và tăng hiệu quả truyền tải.

Kết luận

  • Nghiên cứu đã phát triển mô hình mạng chuyển tiếp vô tuyến nhận thức tích hợp thu thập năng lượng, đáp ứng nhu cầu tăng trưởng lưu lượng dữ liệu và tiết kiệm năng lượng trong mạng 5G.
  • Bài toán tối ưu hóa bộ tiền mã hóa được xây dựng dưới dạng phi tuyến, không lồi, được giải quyết hiệu quả bằng giải thuật cá voi săn mồi tối ưu.
  • Kết quả mô phỏng chứng minh khả năng nâng cao dung lượng kênh truyền và hiệu suất năng lượng của hệ thống so với các phương pháp truyền thống.
  • Đề xuất các giải pháp thực tiễn như tối ưu vị trí nút chuyển tiếp, điều chỉnh hệ số phạt và mở rộng mô hình SWIPT để ứng dụng trong mạng 5G và IoT.
  • Hướng phát triển tiếp theo tập trung vào tối ưu toàn cục, mở rộng mô hình mạng vô tuyến nhận thức tổng quát và tích hợp các kỹ thuật SWIPT tiên tiến nhằm nâng cao hiệu quả hệ thống.

Luận văn là tài liệu tham khảo quan trọng cho các nhà nghiên cứu, kỹ sư và nhà quản lý trong lĩnh vực viễn thông, góp phần thúc đẩy phát triển các hệ thống mạng không dây thông minh, bền vững và hiệu quả trong tương lai.