Tổng quan nghiên cứu

Mạng vô tuyến mật độ cao (Ultra-Dense Network - UDN) đang trở thành giải pháp trọng yếu nhằm đáp ứng nhu cầu ngày càng tăng về khả năng phủ sóng và dung lượng truyền tải trong các hệ thống mạng không dây thế hệ thứ 5 (5G) và tương lai thế hệ thứ 6 (6G). Theo báo cáo của Ericsson, số lượng kết nối IoT dự kiến đạt khoảng 26.4 tỷ vào năm 2026, trong đó massive IoT chiếm 46%, tạo áp lực lớn lên hạ tầng mạng truyền thống. UDN với mật độ điểm truy cập (BS) vượt xa mật độ người dùng (λ_BS ≫ λ_UE) giúp tăng cường hiệu suất mạng, cải thiện chất lượng dịch vụ (QoS) và giảm độ trễ. Tuy nhiên, việc triển khai UDN với mật độ cao cũng đặt ra thách thức lớn về quản lý can nhiễu liên tầng và cùng tầng, tiêu thụ năng lượng, cũng như độ phức tạp tính toán trong phân bổ tài nguyên.

Mục tiêu nghiên cứu của luận văn là phát triển mô hình phân bổ tài nguyên tối ưu dựa trên lý thuyết trò chơi và tối ưu hóa nhằm quản lý can nhiễu hiệu quả trong mạng UDN đa tầng, bao gồm nhiều macrocell sử dụng massive MIMO và các small cell phân bố ngẫu nhiên. Phạm vi nghiên cứu tập trung vào kịch bản mạng UDN tại Việt Nam trong giai đoạn 2021-2022, với các mô phỏng đa kịch bản nhằm đánh giá hiệu quả của các phương pháp đề xuất về mặt hiệu quả năng lượng (EE), tốc độ hội tụ và thời gian thực thi.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu suất mạng 5G/B5G và 6G, góp phần giảm thiểu can nhiễu, tối ưu hóa sử dụng tài nguyên tần số và công suất, đồng thời giảm độ phức tạp tính toán, từ đó hỗ trợ phát triển các ứng dụng IoT, thành phố thông minh và các dịch vụ truyền thông tốc độ cao trong môi trường mật độ cực cao.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn áp dụng hai khung lý thuyết chính:

  1. Lý thuyết trò chơi (Game Theory): Được sử dụng để mô hình hóa sự tương tác phức tạp giữa các small cell trong UDN, đặc biệt là trò chơi hợp tác (coalition game) để phân cụm các small cell nhằm giảm can nhiễu liên cell. Trò chơi Stackelberg được áp dụng trong phân bổ công suất phân tán, với macrocell đóng vai trò lãnh đạo (leader) và small cell là người theo (follower), nhằm tối đa hóa hiệu quả năng lượng mạng.

  2. Tối ưu hóa không lồi (Nonconvex Optimization): Các bài toán phân bổ kênh truyền con (Sub-channel Allocation - SCA) và phân bổ công suất (Power Allocation - PA) được xây dựng dưới dạng bài toán tối ưu không lồi với các ràng buộc về QoS và công suất. Phương pháp Hungarian được sử dụng để giải bài toán phân bổ kênh truyền con nhị phân, trong khi các kỹ thuật chuyển đổi bài toán không lồi thành bài toán lồi được áp dụng để giải bài toán phân bổ công suất tập trung.

Các khái niệm chính bao gồm:

  • Hiệu quả năng lượng (Energy Efficiency - EE): Tỷ số giữa tổng tốc độ dữ liệu và tổng công suất tiêu thụ, là chỉ số quan trọng để cân bằng giữa hiệu suất truyền tải và tiêu thụ năng lượng.

  • Tỉ số tín hiệu trên can nhiễu (Signal to Interference Ratio - SIR): Hàm lợi ích trong coalition game để phân cụm small cell, nhằm giảm thiểu can nhiễu liên cell.

  • Mạng vô tuyến mật độ cao (UDN): Mạng gồm nhiều macrocell và small cell với mật độ điểm truy cập rất cao, gây ra thách thức lớn về quản lý can nhiễu.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các mô phỏng số học được xây dựng dựa trên mô hình UDN đa tầng với nhiều macrocell và small cell phân bố ngẫu nhiên trong phạm vi phủ sóng. Cỡ mẫu mô phỏng bao gồm hàng chục macrocell và hàng trăm small cell, với các thiết bị người dùng (UE) được phân bố theo mật độ thực tế.

Phương pháp phân tích gồm:

  • Phân cụm small cell bằng coalition game: Các small cell hợp tác thành các cụm dựa trên hàm lợi ích SIR để giảm can nhiễu liên cell.

  • Phân bổ kênh truyền con (SCA): Sử dụng thuật toán Hungarian để phân bổ kênh truyền con cho các UE trong từng cụm small cell, đồng thời chọn kênh truyền con có độ lợi kênh lớn nhất cho các UE trong macrocell.

  • Phân bổ công suất (PA): Áp dụng hai phương pháp gồm thuật toán tối ưu tập trung với chuyển đổi bài toán không lồi thành bài toán lồi và thuật toán phân tán dựa trên trò chơi Stackelberg để tối đa hóa EE.

Timeline nghiên cứu kéo dài từ tháng 9/2021 đến tháng 6/2022, bao gồm giai đoạn khảo sát, xây dựng mô hình, phát triển thuật toán và thực hiện mô phỏng đa kịch bản để đánh giá hiệu quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Phân cụm small cell bằng coalition game giúp giảm can nhiễu liên cell hiệu quả: Mô hình phân cụm dựa trên hàm lợi ích SIR cho thấy giảm can nhiễu liên cell trung bình khoảng 25% so với phương pháp phân cụm truyền thống, đồng thời cải thiện hiệu quả năng lượng lên đến 18%.

  2. Thuật toán Hungarian tối ưu phân bổ kênh truyền con cho small cell: Giúp tăng tổng tốc độ dữ liệu của small cell lên khoảng 20% so với phân bổ ngẫu nhiên, đồng thời giảm thời gian thực thi phân bổ kênh xuống dưới 0.5 giây trong các kịch bản mô phỏng.

  3. Thuật toán phân bổ công suất phân tán dựa trên trò chơi Stackelberg vượt trội về thời gian thực thi: So với thuật toán tối ưu tập trung, thời gian xử lý giảm khoảng 40%, trong khi hiệu quả năng lượng chỉ giảm nhẹ khoảng 5%, cho thấy sự cân bằng tốt giữa hiệu suất và độ phức tạp tính toán.

  4. Hiệu quả năng lượng (EE) được cải thiện đáng kể trong các kịch bản UDN đa tầng: Phương pháp đề xuất đạt EE cao hơn 15-22% so với các phương pháp truyền thống không sử dụng phân cụm hoặc phân bổ công suất tối ưu.

Thảo luận kết quả

Nguyên nhân chính của các cải thiện trên là do việc phân cụm small cell dựa trên coalition game giúp giảm đáng kể can nhiễu liên cell, từ đó tăng tỉ số tín hiệu trên can nhiễu (SIR) và cải thiện chất lượng kênh truyền. Việc sử dụng thuật toán Hungarian cho phân bổ kênh truyền con đảm bảo lựa chọn kênh có độ lợi cao nhất cho từng UE, tối ưu hóa hiệu suất phổ.

Thuật toán phân bổ công suất phân tán dựa trên trò chơi Stackelberg tận dụng cấu trúc lãnh đạo-nhân viên giữa macrocell và small cell, giúp giảm độ phức tạp tính toán và tăng khả năng mở rộng cho mạng UDN với số lượng lớn các small cell. Kết quả mô phỏng cho thấy phương pháp này phù hợp với các mạng mật độ cao trong thực tế, nơi mà thời gian xử lý nhanh là yếu tố quan trọng.

So sánh với các nghiên cứu trước đây, phương pháp kết hợp phân cụm và phân bổ tài nguyên dựa trên lý thuyết trò chơi và tối ưu hóa trong luận văn đã giải quyết được bài toán phức tạp của UDN đa tầng với mật độ cao, đồng thời cân bằng tốt giữa hiệu quả năng lượng và độ phức tạp tính toán. Các biểu đồ mô phỏng minh họa rõ ràng sự cải thiện về EE và tốc độ hội tụ của các thuật toán đề xuất so với các phương pháp truyền thống.

Đề xuất và khuyến nghị

  1. Triển khai phân cụm small cell dựa trên coalition game trong hệ thống mạng UDN: Các nhà mạng nên áp dụng phương pháp phân cụm này để giảm can nhiễu liên cell, nâng cao chất lượng dịch vụ và hiệu quả năng lượng. Thời gian thực hiện có thể bắt đầu trong vòng 6 tháng tới với các thử nghiệm tại các khu vực đô thị mật độ cao.

  2. Áp dụng thuật toán Hungarian cho phân bổ kênh truyền con trong small cell: Giúp tối ưu hóa việc sử dụng phổ tần và tăng tốc độ dữ liệu cho người dùng. Các nhà phát triển phần mềm quản lý mạng nên tích hợp thuật toán này vào hệ thống điều khiển tài nguyên trong vòng 3-6 tháng.

  3. Sử dụng thuật toán phân bổ công suất phân tán dựa trên trò chơi Stackelberg: Để giảm độ phức tạp tính toán và tăng khả năng mở rộng mạng, đặc biệt trong các mạng UDN có số lượng small cell lớn. Các nhà cung cấp thiết bị và phần mềm mạng nên nghiên cứu và triển khai trong vòng 1 năm.

  4. Tăng cường đào tạo và nghiên cứu về lý thuyết trò chơi và tối ưu hóa trong lĩnh vực viễn thông: Để nâng cao năng lực phát triển các giải pháp quản lý tài nguyên hiệu quả cho mạng 5G và 6G. Các trường đại học và viện nghiên cứu nên tổ chức các khóa học chuyên sâu và hội thảo trong vòng 12 tháng tới.

Đối tượng nên tham khảo luận văn

  1. Các nhà nghiên cứu và sinh viên ngành Kỹ thuật Viễn thông: Luận văn cung cấp kiến thức chuyên sâu về quản lý can nhiễu và phân bổ tài nguyên trong UDN, giúp phát triển các đề tài nghiên cứu liên quan đến mạng 5G/6G.

  2. Các kỹ sư phát triển mạng và quản lý tài nguyên tại các nhà mạng viễn thông: Áp dụng các phương pháp phân cụm và phân bổ tài nguyên tối ưu để nâng cao hiệu suất mạng, giảm chi phí vận hành và cải thiện trải nghiệm người dùng.

  3. Các nhà phát triển phần mềm và thiết bị mạng: Tham khảo các thuật toán tối ưu hóa và lý thuyết trò chơi để tích hợp vào hệ thống quản lý mạng, đặc biệt trong các giải pháp điều khiển tài nguyên và giảm can nhiễu.

  4. Các nhà hoạch định chính sách và quản lý viễn thông: Hiểu rõ các thách thức và giải pháp kỹ thuật trong mạng mật độ cao, từ đó xây dựng các chính sách hỗ trợ phát triển hạ tầng mạng 5G/6G hiệu quả và bền vững.

Câu hỏi thường gặp

  1. Lý thuyết trò chơi giúp gì trong quản lý can nhiễu mạng UDN?
    Lý thuyết trò chơi mô hình hóa sự tương tác giữa các small cell như các người chơi trong trò chơi, giúp phân cụm và phân bổ tài nguyên một cách phân tán, giảm can nhiễu liên cell hiệu quả. Ví dụ, coalition game cho phép các small cell hợp tác để tối ưu tỉ số tín hiệu trên can nhiễu (SIR).

  2. Tại sao cần phân cụm small cell trong UDN?
    Phân cụm giúp giảm độ phức tạp tính toán và quản lý can nhiễu bằng cách nhóm các small cell gần nhau thành cụm, từ đó phối hợp truyền tín hiệu và phân bổ tài nguyên hiệu quả hơn, cải thiện chất lượng dịch vụ và hiệu quả năng lượng.

  3. Thuật toán Hungarian được sử dụng như thế nào trong phân bổ kênh truyền?
    Thuật toán Hungarian giải bài toán tối ưu nhị phân phân bổ kênh truyền con cho các UE trong cụm small cell, đảm bảo mỗi kênh được phân bổ cho UE có độ lợi kênh cao nhất, tối đa hóa tổng tốc độ dữ liệu.

  4. Ưu điểm của thuật toán phân bổ công suất dựa trên trò chơi Stackelberg là gì?
    Thuật toán này phân tách bài toán phức tạp thành các bài toán con với độ phức tạp thấp hơn, cho phép phân bổ công suất phân tán giữa macrocell và small cell, giảm thời gian xử lý và tăng khả năng mở rộng mạng.

  5. Phương pháp đề xuất có thể áp dụng trong thực tế như thế nào?
    Các phương pháp có thể được tích hợp vào hệ thống quản lý tài nguyên của nhà mạng để điều khiển phân cụm và phân bổ tài nguyên theo thời gian thực, đặc biệt phù hợp với các khu vực đô thị mật độ cao và các điểm nóng IoT.

Kết luận

  • Luận văn đã phát triển mô hình kết hợp phân cụm small cell dựa trên coalition game và phân bổ tài nguyên sử dụng lý thuyết trò chơi và tối ưu hóa nhằm quản lý can nhiễu hiệu quả trong mạng UDN đa tầng.
  • Thuật toán Hungarian và trò chơi Stackelberg được áp dụng thành công trong phân bổ kênh truyền con và công suất, cải thiện hiệu quả năng lượng và giảm độ phức tạp tính toán.
  • Kết quả mô phỏng chứng minh phương pháp đề xuất vượt trội về hiệu quả năng lượng, tốc độ hội tụ và thời gian thực thi so với các phương pháp truyền thống.
  • Nghiên cứu góp phần nâng cao hiệu suất mạng 5G/B5G và 6G, hỗ trợ phát triển các ứng dụng IoT và thành phố thông minh trong môi trường mật độ cực cao.
  • Hướng phát triển tiếp theo là tích hợp truyền thông vệ tinh và công nghệ bản sao số để mở rộng khả năng quản lý tài nguyên trong UDN.

Các nhà nghiên cứu và kỹ sư viễn thông được khuyến khích áp dụng và phát triển tiếp các phương pháp này để nâng cao hiệu quả mạng trong bối cảnh phát triển nhanh chóng của công nghệ 5G và 6G.