Tổng quan về luận án
Sự bùng nổ của công nghệ truyền dẫn không dây đã định hình hạ tầng căn bản cho kỷ nguyên kết nối vạn vật (IoT) và mạng Internet tương lai. Trong bức tranh đó, mạng không dây di động adhoc (Mobile Ad-hoc Network - MANET) và các biến thể chuyên dụng như mạng tùy biến phương tiện giao thông (VANET), mạng bay không người lái (FANET) và mạng cảm biến thân thể (WBAN) giữ vị trí tiên phong nhờ khả năng tự trị, tự cấu hình, không phụ thuộc vào hạ tầng cố định và tính linh hoạt vượt trội trong cả lĩnh vực quân sự lẫn dân sự. Tuy nhiên, tính chất di động cao, cấu trúc tô-pô biến động không ngừng, năng lượng hạn chế, đường truyền vô tuyến chịu ảnh hưởng sâu sắc bởi hiện tượng suy hao đa đường (Multipath Fading) và giới hạn dung lượng kênh theo định lý Shannon $C = B \log_2(1 + \text{SNR})$ đã tạo ra những rào cản kỹ thuật nghiêm trọng tại mọi tầng giao thức, đặc biệt là tầng điều khiển truy nhập môi trường (Medium Access Control - MAC).
Khoảng trống nghiên cứu (Research Gap) cốt lõi xuất phát từ sự bất cập của chuẩn IEEE 802.11e EDCA (Enhanced Distributed Channel Access). Mặc dù EDCA đã khắc phục hạn chế của cơ chế DCF (Distributed Coordination Function) bằng cách phân bổ 4 lớp truy nhập (Access Categories - ACs) với các mức ưu tiên khác nhau nhằm đảm bảo chất lượng dịch vụ (QoS), song toàn bộ tập tham số truy nhập kênh gồm khoảng thời gian phân xử giữa các khung ($AIFS$), cửa sổ tương tranh ($CW_{\min}, CW_{\max}$) và cơ hội truyền ($TXOP$) lại được thiết lập ở trạng thái tĩnh cố định. Trong môi trường mạng adhoc có mật độ tương tranh cao và phân tán đa chặng, cơ chế tĩnh này dẫn đến hiện tượng các luồng dữ liệu ưu tiên cao như Thoại (Voice - $AC_VO$) và Video ($AC_VI$) chiếm dụng toàn bộ tài nguyên kênh truyền khi tải mạng tiệm cận trạng thái bão hòa, đẩy các luồng dữ liệu ưu tiên thấp như Best-effort ($AC_BE$) và Background ($AC_BK$) vào tình trạng "bỏ đói" (starvation), gây sụt giảm nghiêm trọng thông lượng toàn mạng và phá vỡ chỉ số công bằng hệ thống.
Luận án tập trung giải quyết 3 câu hỏi nghiên cứu (Research Questions - RQ) và kiểm chứng 3 giả thuyết khoa học (Hypotheses - H):
- RQ1: Cơ chế tham số tĩnh ($TXOP, CW, AIFS$) trong chuẩn IEEE 802.11 EDCA gây suy giảm thông lượng cục bộ và mất cân bằng phân bổ băng thông giữa các lớp dữ liệu như thế nào khi lưu lượng mạng vượt ngưỡng tải tới hạn?
- RQ2: Việc thiết lập cơ chế điều chỉnh tham số cơ hội truyền $TXOP$ động theo trọng số phân tán có thể ngăn ngừa hiện tượng "bỏ đói" luồng dữ liệu ưu tiên thấp mà vẫn bảo toàn chỉ số QoS của luồng ưu tiên cao hay không?
- RQ3: Ứng dụng giải thuật điều khiển thông minh dựa trên logic mờ (Fuzzy Logic Controller) có thể tối ưu hóa đồng thời các tham số truy nhập kênh nhằm thiết lập điểm cân bằng tối ưu giữa tổng thông lượng (Total Throughput) và chỉ số công bằng Jain (Jain's Fairness Index) trong môi trường mạng adhoc biến động hay không?
- H1: Tồn tại một ngưỡng điều chỉnh $TXOP$ và $CW$ tối ưu mà tại đó chỉ số công bằng đạt cực trị mà không làm suy thoái thông lượng tổng thể của hệ thống.
- H2: Việc cấp phát động thời lượng $TXOP$ dựa trên nhận thức trạng thái hàng đợi và thông tin láng giềng giúp các luồng $AC_BE$ duy trì thông lượng ổn định trên mức trung bình chuẩn EDCA.
- H3: Mô hình suy diễn mờ đa ngõ vào cho phép thích ứng phi tuyến các tham số MAC theo thời gian thực chính xác hơn các mô hình giải tích tĩnh truyền thống.
Khung lý thuyết của luận án được xây dựng dựa trên sự giao thoa giữa Lý thuyết dung lượng kênh truyền Shannon, Lý thuyết hàng đợi $M/M/1/L$, Giao thức truy nhập cảm nhận sóng mang tránh xung đột (CSMA/CA) kết hợp thuật toán quay lui hàm mũ nhị phân (Binary Exponential Backoff - BEB), và Lý thuyết điều khiển thông minh bằng Logic mờ (Fuzzy Logic).
Đóng góp đột phá của luận án được định lượng cụ thể: Luận án chứng minh sự mất cân đối thông lượng theo tỷ lệ 3:2:1 giữa các luồng $AC_VO$, $AC_VI$, $AC_BE$ ở mức tải trên 1.5 Mbps dưới chuẩn mặc định; đề xuất thuật toán điều chỉnh động $TXOP$ giúp nâng chỉ số công bằng Jain từ 0.69 lên 0.81; và phát triển bộ điều khiển mờ tối ưu tham số $CW$ đạt chỉ số công bằng 0.77 mà không gây bùng nổ xung đột kênh truyền. Phạm vi nghiên cứu được thực hiện trên môi trường mô phỏng chuẩn Network Simulator 2 (NS-2) với băng thông 11 Mbps, bán kính cảm nhận sóng mang 550 m, kích thước hàng đợi bộ đệm 100 gói tin, kích thước gói 1024 bytes trên luồng dữ liệu CBR/UDP, kết hợp thực nghiệm xử lý đa phương tiện cho mạng VANET phục vụ xe tự hành.
Literature Review và Positioning
Lĩnh vực nâng cao hiệu năng cho mạng không dây adhoc đã trải qua quá trình phát triển sâu rộng với ba trường phái tiếp cận chủ đạo:
┌─────────────────────────────────────────────────────────────┐
│ CÁC HƯỚNG TIẾP CẬN NÂNG CAO HIỆU NĂNG MẠNG ADHOC │
└──────────────────────────────┬──────────────────────────────┘
│
┌─────────────────────────────────────────────────────┼─────────────────────────────────────────────────────┐
▼ ▼ ▼
┌─────────────────────────────────┐ ┌─────────────────────────────────┐ ┌─────────────────────────────────┐
│ GIAO THỨC ĐỊNH TUYẾN │ │ CƠ CHẾ XỬ LÝ HÀNG ĐỢI │ │ PHƯƠNG THỨC TRUY NHẬP MAC │
├─────────────────────────────────┤ ├─────────────────────────────────┤ ├─────────────────────────────────┤
│ • DSDV với WSA (Tôn Thất Long, │ │ • FIFO có trọng số ưu tiên │ │ • Gói điều khiển RTS/CTS & DRV │
│ 2018) │ │ (Nguyễn Hồng Sơn, 2017) │ │ (Cali et al., 2000) │
│ • OLSR cải tiến nhiễu (Dinh │ │ • Lập lịch Round Robin cải tiến │ │ • Mô hình giải tích Markov cho │
│ et al., 2017) │ │ (Nguyễn Kim Cương, 2018) │ │ CW (Bianchi, 2000; Xiao, 2004)│
│ • AODV xuyên lớp Link Cost (LC) │ │ • Quản lý hàng đợi xác suất │ │ • Điều chỉnh TXOP dựa trên CBR │
│ (Venkatesh et al., 2014) │ │ (Al-Hemyari et al., 2017) │ │ (Harigovindan et al., 2012) │
└─────────────────────────────────┘ └─────────────────────────────────┘ └─────────────────────────────────┘
Trường phái thứ nhất tập trung vào giao thức định tuyến tại tầng mạng. Tôn Thất Long và cộng sự [31] đề xuất hàm trọng số $WSA$ (Weighted Signal to noise ratio Average) phản ánh tỷ lệ tín hiệu trên nhiễu tại tầng vật lý áp dụng cho giao thức DSDV nhằm giảm độ trễ và tăng thông lượng. Dinh và cộng sự [32] tích hợp hàm trọng số nhiễu qua phương pháp thăm dò để tái cấu trúc giao thức OLSR. Venkatesh và cộng sự [33] cải tiến giao thức AODV bằng mô hình xuyên lớp bổ sung trường chi phí liên kết $LC$ (Link Cost), trong khi các công trình [34, 42-45] bổ sung trường $SNR$ và $RP$ (Received Power) vào gói tin RREP hoặc định tuyến theo mật độ lưu lượng để cân bằng tải. Nhìn chung, các tiếp cận này tối ưu hóa việc tìm đường nhưng không thể giải quyết triệt để sự nghẽn kênh cục bộ phát sinh do xung đột vật lý tức thời tại các nút chuyển tiếp.
Trường phái thứ hai tiếp cận qua cơ chế xử lý hàng đợi và lập lịch tại tầng liên kết dữ liệu (LLC). Nguyễn Hồng Sơn và cộng sự [28] đề xuất cải tiến thuật toán FIFO theo trọng số ưu tiên từ tầng MAC để cải thiện thông lượng đa chặng. Nguyễn Kim Cương và cộng sự [29] tiếp cận qua hàng đợi Round Robin (RR) nhưng dựa trên giả thiết thiếu thực tế rằng tầng MAC đã phân phối băng thông hoàn toàn đồng đều. Al-Hemyari và cộng sự [36] xây dựng cơ chế quản lý hàng đợi xác suất trên bộ đệm RR nhằm điều phối luồng vào/ra. Tuy nhiên, việc điều phối bộ đệm LLC chỉ giải quyết được sự tương tranh trong không gian bộ đệm nội tại mà bất lực trước sự tương tranh truyền sóng vô tuyến trên môi trường dùng chung.
Trường phái thứ ba đi sâu vào phương thức truy nhập kênh truyền tại tầng MAC. Một nhánh nghiên cứu tập trung vào cơ chế gói tin điều khiển, tiêu biểu như giải pháp thiết lập giá trị đặt trước xác định $DRV$ (Deterministic Reservation Value) của Cali và cộng sự [37], hoặc cải tiến bắt tay RTS/CTS [38-40]. Nhánh thứ hai tập trung vào việc mô hình hóa toán học cửa sổ tương tranh $CW$ bằng chuỗi Markov rời rạc theo mô hình kinh điển của Bianchi (2000) và Xiao (2004) [46, 26, 47]. Tuy nhiên, các mô hình giải tích này chứa đựng nhiều giả thiết đơn giản hóa quá mức (kênh lý tưởng, không có nút ẩn, tải đối xứng) khiến việc áp dụng vào môi trường thực tế gặp nhiều sai số. Nhánh thứ ba nghiên cứu điều chỉnh tham số $TXOP$, nổi bật với công trình của Harigovindan và cộng sự [49] dựa trên tỷ lệ bận kênh $CBR$ (Channel Busyness Ratio), nghiên cứu của Ksentini và cộng sự [50] dựa trên thông lượng yêu cầu, và công trình [51] kết hợp hàng đợi công bằng có trọng số $WFR$.
Cuộc tranh luận khoa học sâu sắc tồn tại giữa hai quan điểm đối nghịch: Một bên ủng hộ việc ưu tiên tuyệt đối cho dữ liệu thời gian thực ($AC_VO, AC_VI$) bằng cách cố định khoảng cách phân biệt tham số nhằm giảm thiểu tối đa độ trễ và jitter; bên còn lại chỉ ra rằng sự ưu tiên cứng nhắc này phá hủy nghiêm trọng tính công bằng tỉ lệ (Proportional Fairness), dẫn đến hiện tượng trôi dạt hiệu năng mạng.
Nghiên cứu của tác giả định vị tại giao điểm của việc kiểm soát tương tranh tầng MAC và trí tuệ nhân tạo thích nghi. Khác với nghiên cứu của Li và cộng sự [27] (chứng minh rằng trong trạng thái bão hòa, trạm nhận nhận được dung lượng băng thông gấp 4 lần trạm gửi do sự bất đối xứng vị trí), và vượt lên các mô hình điều chỉnh tham số tĩnh của chuẩn IEEE 802.11e [30], luận án xây dựng cơ chế tự thích nghi tham số $TXOP$ và $CW$ dựa trên lý thuyết logic mờ (Fuzzy Logic), tạo ra bước đột phá trong việc dung hòa giữa việc đảm bảo QoS cho luồng ưu tiên cao và duy trì thông lượng sống còn cho các luồng ưu tiên thấp.
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Luận án đóng góp vào hệ thống lý thuyết mạng truyền thông không dây qua việc mở rộng mô hình hàng đợi $M/M/1/L$ trong điều kiện kết nối phụ thuộc tương tranh kênh truyền. Xét kết nối không dây $c_{ij}$ từ nút $i$ đến nút $j$, xác suất gói tin bị chặn $P_{ij}$ khi dung lượng hàng đợi bộ đệm tối đa là $L$ và mật độ lưu lượng phân phối $\rho_{ij} = \lambda_{ij}/\mu_{ij}$ được mô hình hóa chính xác:
$$P_{ij} = \begin{cases} \dfrac{\rho_{ij}^L (1 - \rho_{ij})}{1 - \rho_{ij}^{L+1}}, & \text{khi } \rho_{ij} \neq 1 \ \dfrac{1}{L+1}, & \text{khi } \rho_{ij} = 1 \end{cases}$$
┌─────────────────────────────────────────────────────────────┐
│ MÔ HÌNH HÀNG ĐỢI TRUY NHẬP KÊNH M/M/1/L │
└──────────────────────────────┬──────────────────────────────┘
│
┌─────────────┴─────────────┐
▼ ▼
┌─────────────────────┐ ┌─────────────────────┐
│ Trạng thái bận │ │ Trạng thái đầy đệm │
│ Kênh c_ij │ │ Bộ đệm = L │
└──────────┬──────────┘ └──────────┬──────────┘
│ │
└─────────────┬─────────────┘
▼
┌────────────────────────┐
│ GÓI BỊ CHẶN (P_ij) │
│ Tái truyền / Mất gói │
└────────────────────────┘
Luận án thiết lập 3 mệnh đề lý thuyết (Theoretical Propositions) nền tảng:
- Mệnh đề 1 (Proposition 1): Trong cơ chế EDCA tĩnh, khi tổng lưu lượng tải $G$ vượt ngưỡng bão hòa kênh ($G \ge B_1 - B_2$), thông lượng đầu cuối của luồng chuyển tiếp bị chặn trần nghiêm ngặt bởi $Th(flow2) = B_2$, trong khi luồng trực tiếp chiếm dụng phần dung lượng khả dụng còn lại, gây ra hiện tượng mất đối xứng thông lượng nghiêm trọng.
- Mệnh đề 2 (Proposition 2): Chỉ số công bằng Jain $FairnessIndex = \frac{(\sum_{i=1}^n x_i)^2}{n \sum_{i=1}^n x_i^2}$ có quan hệ phi tuyến hình parabol ngược đối với thời lượng $TXOP$ và kích thước $CW$ của luồng ưu tiên thấp. Việc gia tăng cơ hội truyền cho $AC_BE$ chỉ nâng cao tính công bằng đến một giá trị ngưỡng tới hạn; vượt qua ngưỡng này, sự gia tăng xung đột sẽ làm sụt giảm cả thông lượng tổng lẫn độ công bằng.
- Mệnh đề 3 (Proposition 3): Sự tích hợp luật suy diễn mờ phi tuyến (Non-linear Fuzzy Inference) cho phép xấp xỉ liên tục bề mặt điều khiển tối ưu của cặp tham số $(TXOP, CW)$, loại bỏ hoàn toàn các điểm kỳ dị và trạng thái bão hòa cục bộ mà các thuật toán tối ưu hóa tuyến tính không giải quyết được.
Khung phân tích độc đáo
Khung phân tích của luận án tích hợp liên tầng (Cross-layer Framework) từ 3 lý thuyết nền tảng:
- Lý thuyết Dung lượng Kênh Shannon: Xác định giới hạn vật lý trần của thông lượng hiệu dụng dưới tác động của can nhiễu vô tuyến, tỷ lệ tín hiệu trên nhiễu ($SNR$) và hiện tượng fading đa đường:
$$SNR = \frac{\text{signal_power}}{\text{noise_power}}$$
- Lý thuyết Điều khiển Truy nhập MAC & Hàng đợi Markov: Mô hình hóa quy trình tranh chấp kênh thông qua các tham số phân định $AIFS[AC]$, $CW_{\min}[AC]$, $CW_{\max}[AC]$ và cơ hội truyền dữ liệu liên tục không tranh chấp (Contention-Free Bursting - CFB):
$$TXOP[AC] = T_{DATA} + 2 \times SIFS + T_{ACK}$$
$$AIFS[AC] = AIFSN[AC] \times T_e + SIFS$$
- Hệ thống Suy diễn Mờ (Fuzzy Logic Control): Thiết kế bộ điều khiển thông minh tự động ánh xạ hai biến trạng thái đầu vào là Trọng số ưu tiên người dùng ($UP$) và Mức độ tương tranh kênh thời gian thực ($CBR$/Độ dài hàng đợi) thành giá trị tham số $TXOP_{dynamic}$ và $CW_{adapted}$.
┌──────────────────────────────────────────────────────────────────────────────────────────────────┐
│ KHUNG PHÂN TÍCH LIÊN TẦNG TỐI ƯU HÓA MAC │
└────────────────────────────────────────────────┬─────────────────────────────────────────────────┘
│
┌──────────────────────────────────────────┼──────────────────────────────────────────┐
▼ ▼ ▼
┌───────────────────────────┐ ┌───────────────────────────┐ ┌───────────────────────────┐
│ TẦNG VẬT LÝ (PHY) │ │ TẦNG LIÊN KẾT (MAC) │ │ TẦNG SUY DIỄN THÔNG │
│ Lý thuyết Shannon & SNR │ │ EDCA & Hàng đợi M/M/1/L │ │ MINH (AI / FUZZY) │
├───────────────────────────┤ ├───────────────────────────┤ ├───────────────────────────┤
│ • Tính toán suy hao đường │ │ • Ánh xạ 8 UP -> 4 ACs │ │ • Fuzzification trạng │
│ truyền theo dB │ │ • Tính AIFS, CWmin, CWmax │ thái tải & hàng đợi │
│ • Định lượng nhiễu kênh & │ │ • Xử lý va chạm nội/ngoại │ │ • Rule base suy diễn mờ │
│ hiện tượng Fading │ │ • Phân bổ thời lượng TXOP │ │ • Defuzzification xuất │
│ • Xác định dung lượng C │ │ • Đo lường Jain's Index │ TXOP & CW động │
└─────────────┬─────────────┘ └─────────────┬─────────────┘ └─────────────┬─────────────┘
│ │ │
└──────────────────────────────────┼──────────────────────────────────┘
▼
┌──────────────────────────────────┐
│ HIỆU NĂNG TỐI ƯU HÓA LIÊN TẦNG: │
│ Throughput Tối đa & Fairness Cao │
└──────────────────────────────────┘
Điều kiện biên (Boundary Conditions): Khung phân tích được xác lập trong giới hạn chuẩn vật lý IEEE 802.11b/g hoạt động tại băng tần 2.4 GHz, tốc độ kênh 11 Mbps, mô hình truyền sóng mặt đất Two-ray ground, cự ly truyền sóng và cảm nhận sóng mang danh định 550 m, cơ chế vận chuyển không kết nối UDP/CBR nhằm cô lập hoàn toàn tác động của cửa sổ tắc nghẽn tầng giao vận (TCP Window), cho phép đánh giá thuần túy hiệu năng của tầng MAC.
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Nghiên cứu tuân thủ chặt chẽ lập trường nhận thức luận thực chứng (Positivism) kết hợp chủ nghĩa hiện thực phản biện (Critical Realism). Tiến trình nghiên cứu được thiết kế theo cấu trúc đa cấp (Multi-level Experimental Design):
- Cấp độ vi mô (Micro-level): Khảo sát sự tương tranh nội tại (Internal Contention) giữa các thực thể EDCAF trong cùng một nút mạng khi các bộ đếm lùi ($Backoff$) của các hàng đợi khác nhau cùng đếm về 0 đồng thời.
- Cấp độ vĩ mô (Macro-level): Khảo sát sự tương tranh liên nút (External Contention) trên môi trường truyền dẫn phân tán không dây đơn chặng và đa chặng, nơi các nút mạng vừa đóng vai trò nguồn phát trực tiếp vừa là trạm trung chuyển gói tin.
Quy trình nghiên cứu rigorous
Quy trình thực nghiệm được chuẩn hóa qua 5 giai đoạn nghiêm ngặt:
- Nhận diện và mô hình hóa toán học các điểm nghẽn tương tranh trong chuẩn IEEE 802.11e EDCA.
- Xây dựng môi trường mô phỏng sự kiện rời rạc trên nền tảng mã nguồn mở Network Simulator 2 (NS-2.35), can thiệp trực tiếp vào mã nguồn C++ của module
mac-802_11e.cc và cấu hình kịch bản qua OTcl.
- Thiết kế ma trận thực nghiệm đa biến, cô lập từng tham số ($TXOP$, $CW_{\min}$, $CW_{\max}$) trên nền tải lưu lượng tăng dần.
- Thu thập dữ liệu thông lượng từng luồng qua tệp vết
trace file, xử lý thống kê bằng công cụ phân tích dữ liệu chuyên dụng để tính toán Thông lượng tổng cộng ($TotalThroughput$) và Chỉ số công bằng Jain ($FairnessIndex$).
- Thực nghiệm chéo (Triangulation) thông qua mô hình thực tế: Luận án tích hợp kết quả điều khiển mờ vào hệ thống điều khiển xe tự hành thực nghiệm trong mạng VANET để kiểm chứng khả năng xử lý dữ liệu đa phương tiện và điều khiển tốc độ bám làn theo thời gian thực.
| Thông số mô phỏng |
Giá trị thiết lập chi tiết |
Ý nghĩa kỹ thuật |
| Băng thông kênh truyền (Channel Data Rate) |
11 Mbps |
Chuẩn vật lý IEEE 802.11b/g DSSS |
| Mô hình truyền sóng (Radio Propagation) |
Two-ray ground |
Mô phỏng phản xạ mặt đất thực tế |
| Loại ăng-ten (Antenna Type) |
Omni-directional (Vô hướng) |
Phát xạ đồng đều 360 độ |
| Bán kính cảm nhận sóng mang (Carrier Sensing Range) |
550 m |
Ngưỡng phát hiện năng lượng kênh bận |
| Giao thức điều khiển truy nhập (MAC Protocol) |
IEEE 802.11 EDCA có hiệu chỉnh |
Hỗ trợ 4 lớp hàng đợi $AC_VO, AC_VI, AC_BE, AC_BK$ |
| Loại kết nối và tải (Connection / Traffic Type) |
UDP / CBR (Constant Bit Rate) |
Loại trừ ảnh hưởng của cơ chế TCP ACK |
| Kích thước gói tin (Packet Size) |
1024 Bytes |
Kích thước chuẩn khung dữ liệu mạng |
| Dung lượng hàng đợi bộ đệm (Buffer Size) |
100 gói tin |
Giới hạn dung lượng hàng đợi $M/M/1/L$ |
| Bước tăng lưu lượng ($\lambda$) |
$\Delta G = 0.2$ Mbps đến 0.5 Mbps |
Quét từ trạng thái tải thấp đến bão hòa |
Data và phân tích
Ma trận dữ liệu thực nghiệm được thiết kế qua hai chuỗi kịch bản chính:
Chuỗi Kịch bản 1: Đánh giá ảnh hưởng của tham số $TXOP$
- Luồng $AC_VO$ cố định $TXOP = 3.264$ ms, $CW_{\min}=3, CW_{\max}=7, AIFSN=2$.
- Luồng $AC_VI$ cố định $TXOP = 6.016$ ms, $CW_{\min}=7, CW_{\max}=15, AIFSN=2$.
- Luồng $AC_BE$ biến thiên qua 3 trường hợp:
- Case 1: $TXOP_{BE} = 3.008$ ms
- Case 2: $TXOP_{BE} = 6.016$ ms
- Case 3: $TXOP_{BE} = 3.264$ ms (với cấu hình thời gian bùng nổ sửa đổi)
Chuỗi Kịch bản 2: Đánh giá ảnh hưởng của tham số $CW$
- Luồng $AC_VO$ cố định $CW \in [7, 15]$, $TXOP = 3.264$ ms.
- Luồng $AC_VI$ cố định $CW \in [15, 31]$, $TXOP = 6.016$ ms.
- Luồng $AC_BE$ biến thiên $CW$ qua 3 trường hợp:
- Case 1: $CW_{\min}=15, CW_{\max}=31$
- Case 2: $CW_{\min}=7, CW_{\max}=15$
- Case 3: $CW_{\min}=2, CW_{\max}=7$
Toàn bộ dữ liệu thu thập từ các tệp trace NS-2 được tổng hợp, kiểm tra độ ổn định thống kê qua nhiều vòng lặp độc lập nhằm triệt tiêu sai số ngẫu nhiên của bộ sinh số ngẫu nhiên ngầm định ($RNG$).
Phát hiện đột phá và implications
Những phát hiện then chốt
Quá trình phân tích dữ liệu thực nghiệm mang lại 5 phát hiện cốt lõi:
THÔNG LƯỢNG (Mbps)
▲
3.5 ┤ ────── Luồng Voice (AC_VO)
│ ───
3.0 ┤ ─── - - - Luồng Video (AC_VI)
│ ─── - - -
2.0 ┤ ─── - - - ··· Luồng Best-effort (AC_BE)
│ ───- - ···
1.0 ┤ ───- ···
│ ───··
0.5 ┤ ──··
│ ─··
0 └────┼──────────┼──────────┼──────────┼──────────► TẢI MẠNG (Mbps)
0.5 1.0 1.5 2.0 3.0
(Vùng đồng đều) (Vùng phân hóa 3:2:1)
- Hiện tượng phân hóa thông lượng 3:2:1 tại ngưỡng tải tới hạn: Khi lưu lượng tải dưới 1.5 Mbps, thông lượng của 3 luồng $AC_VO, AC_VI, AC_BE$ tăng đều tuyến tính tương đương nhau. Tuy nhiên, khi tải vượt ngưỡng 1.5 Mbps, sự phân hóa diễn ra khốc liệt: luồng $AC_VO$ chiếm thông lượng cao nhất, tiếp theo là $AC_VI$ và cuối cùng là $AC_BE$, phân bổ theo tỷ lệ xấp xỉ 3:2:1 do ưu thế tuyệt đối của các giá trị $AIFS$ và $CW$ nhỏ.
- Quan hệ phi tuyến giữa $TXOP$ và Chỉ số công bằng Jain: Trong kịch bản đánh giá $TXOP$, chuẩn EDCA mặc định chỉ đạt chỉ số công bằng 0.69. Khi tăng $TXOP_{BE}$ lên mức 3.008 ms (Case 1), chỉ số công bằng tăng lên 0.78. Đạt đỉnh tại Case 2 ($TXOP_{BE} = 6.016$ ms) với chỉ số công bằng đạt 0.81. Tuy nhiên, khi chuyển sang Case 3 ($TXOP_{BE} = 3.264$ ms với thay đổi khung trễ), chỉ số công bằng giảm nhẹ xuống 0.78. Điều này chứng minh rằng việc tăng cơ hội truyền cho luồng ưu tiên thấp cần phải khớp chính xác với chu kỳ phát khung, tránh gây phình trễ cho toàn hệ thống.
| Kịch bản đánh giá |
Chuẩn IEEE 802.11 EDCA |
TXOP Case 1 |
TXOP Case 2 (Tối ưu) |
TXOP Case 3 |
| Chỉ số công bằng Jain ($FairnessIndex$) |
0.69 |
0.78 |
0.81 |
0.78 |
- Ngưỡng sụp đổ hiệu năng khi thu hẹp cửa sổ tương tranh ($CW$): Khảo sát tham số $CW$ cho thấy: Khi giảm $CW_{BE}$ từ mặc định về khoảng $[15, 31]$ (Case 1), chỉ số công bằng tăng lên 0.72; tiếp tục giảm về $[7, 15]$ (Case 2) nâng chỉ số công bằng lên mức tối ưu 0.77. Tuy nhiên, khi giảm quá sâu về $[2, 7]$ (Case 3), chỉ số công bằng sụp đổ nghiêm trọng xuống 0.64 (thấp hơn cả chuẩn mặc định 0.69). Nguyên nhân cốt lõi là do cửa sổ tương tranh quá nhỏ dẫn đến xác suất nhiều trạm cùng đếm lùi về 0 tăng đột biến, gây bùng nổ va chạm trên kênh vô tuyến, làm mất gói liên tục và suy sụp thông lượng toàn mạng.
| Kịch bản đánh giá |
Chuẩn IEEE 802.11 EDCA |
CW Case 1 |
CW Case 2 (Tối ưu) |
CW Case 3 (Sụp đổ) |
| Chỉ số công bằng Jain ($FairnessIndex$) |
0.69 |
0.72 |
0.77 |
0.64 |
- Sự đánh đổi tất yếu giữa Thông lượng tổng thể và Độ công bằng: Dữ liệu chứng minh rằng giá trị thông lượng cực đại và chỉ số công bằng tối ưu không đồng quy tại một điểm tham số. Việc cực đại hóa độ công bằng đòi hỏi phải hy sinh một phần nhỏ dung lượng truyền của các luồng ưu tiên cao để phân phối lại cho các luồng ưu tiên thấp.
- Hiệu quả thực chứng của Hệ mờ trong kiểm soát đa phương tiện VANET: Kết quả tích hợp giải thuật mờ vào mạng xe tự hành VANET [CT3, CT4, CT8] cho thấy hệ thống duy trì được độ trễ truyền dữ liệu video nhận dạng làn đường và chướng ngại vật trong ngưỡng thời gian thực, đồng thời tự động điều chỉnh vận tốc di chuyển an toàn trên địa hình giao thông phức tạp.
Implications đa chiều
- Về mặt Lý thuyết: Luận án bổ sung một khung phân tích định lượng chuẩn xác về động học tương tranh tầng MAC trong mạng adhoc, chứng minh giới hạn của các mô hình tham số tĩnh và đặt nền móng lý thuyết cho việc kết hợp điều khiển mờ phi tuyến vào tối ưu hóa mạng không dây.
- Về mặt Phương pháp luận: Cung cấp phương pháp tích hợp công cụ mô phỏng NS-2 với các module tối ưu hóa thông minh, thiết lập quy chuẩn kiểm thử xuyên suốt từ phân tích thông số giải tích đến kịch bản mô phỏng đa biến.
- Về mặt Thực tiễn: Đưa ra giải pháp trực tiếp cho các nhà phát triển giao thức truyền thông không dây để nâng cao chất lượng dịch vụ cho các hệ thống IoT, mạng phản ứng khẩn cấp cứu hộ, và thông tin tác chiến chiến thuật (FANET).
- Về mặt Chính sách và Tiêu chuẩn hóa: Cung cấp bằng chứng thực nghiệm vững chắc để các tổ chức tiêu chuẩn hóa (như IEEE 802.11 Working Groups) xem xét bổ sung cơ chế điều chỉnh tham số thích nghi dựa trên trí tuệ nhân tạo biên (Edge AI) trong các chuẩn thế hệ mới như IEEE 802.11ax/be.
Limitations và Future Research
Luận án thừa nhận 4 giới hạn nghiên cứu khách quan:
- Giới hạn mô hình kênh truyền: Môi trường mô phỏng sử dụng mô hình Two-ray ground dù phản ánh tốt hiện tượng phản xạ mặt đất nhưng chưa bao quát được đầy đủ các hiệu ứng che khuất phức tạp (Shadowing), suy hao đa đường Rician/Rayleigh biến đổi nhanh trong môi trường đô thị mật độ cao.
- Giới hạn lớp giao vận: Việc sử dụng lưu lượng UDP/CBR giúp cô lập đánh giá tầng MAC nhưng chưa phản ánh đầy đủ tác động tương hỗ giữa cơ chế điều khiển tắc nghẽn AIMD của giao thức TCP và cơ chế tranh chấp kênh EDCA.
- Quy mô thực nghiệm phần cứng: Do hạn chế về trang thiết bị và kinh phí, các kiểm chứng chủ yếu thực hiện trên môi trường mô phỏng NS-2 chuẩn mực và mô hình xe tự hành quy mô phòng thí nghiệm, chưa triển khai thử nghiệm trên mạng lưới hàng trăm xe ô tô thực tế ngoài hiện trường.
- Cơ chế tối ưu hóa hệ mờ: Tập luật mờ hiện tại được xây dựng dựa trên tri thức chuyên gia và dữ liệu thực nghiệm tĩnh, chưa tích hợp thuật toán học tăng cường thích nghi trực tuyến (Online Reinforcement Learning).
Chương trình nghiên cứu 10 năm tới mở ra 5 hướng phát triển:
- Hướng 1: Tích hợp thuật toán Học sâu tăng cường (Deep Q-Networks / PPO) để tự động hóa việc sinh tập luật mờ và điều chỉnh tham số MAC tối ưu theo thời gian thực dưới mọi cấu trúc tô-pô mạng.
- Hướng 2: Mở rộng nghiên cứu cơ chế tương tranh đa kênh, đa liên kết (Multi-Link Operation - MLO) trên nền tảng các chuẩn thế hệ mới nhất như IEEE 802.11be (Wi-Fi 7) và 5G/6G V2X Sidelink.
- Hướng 3: Nghiên cứu tác động xuyên lớp toàn diện giữa tầng MAC cải tiến với các thuật toán định tuyến phân tán dựa trên vị trí (Geographic Routing) và giao vận thích nghi (Adaptive TCP).
- Hướng 4: Thiết lập hệ thống thử nghiệm Testbed diện rộng kết hợp giữa thiết bị SDR (Software-Defined Radio) và các nút mạng nhúng thực tế để kiểm chứng độ bền vững thuật toán.
- Hướng 5: Nghiên cứu tối ưu hóa đồng thời hai mục tiêu: Tiết kiệm năng lượng cho các nút mạng cảm biến IoT (WBAN) và tối đa hóa chỉ số công bằng thông lượng.
Tác động và ảnh hưởng
- Tác động học thuật: Công trình cung cấp hệ thống luận cứ và dữ liệu thực nghiệm tin cậy cao, tạo tiền đề trích dẫn quan trọng cho các nghiên cứu tiếp nối về tối ưu hóa QoS/Fairness trong mạng adhoc, dự báo tạo ra tác động học thuật mạnh mẽ trong cộng đồng nghiên cứu mạng viễn thông.
- Chuyển đổi công nghiệp: Các giải pháp điều chỉnh tham số $TXOP$ và điều khiển mờ có thể được tích hợp trực tiếp vào phần sụn (firmware) của các chipset Wi-Fi công nghiệp, thiết bị định tuyến di động và các bộ điều khiển trung tâm của phương tiện tự hành (Autonomous Vehicles), nâng cao năng lực cạnh tranh công nghệ của ngành giao thông thông minh.
- Ảnh hưởng chính sách: Đóng góp trực tiếp vào chiến lược phát triển hạ tầng số quốc gia, phục vụ đề án chuyển đổi số trong các đô thị thông minh (Smart City) và hệ thống giám sát y tế thông minh (Smart Healthcare).
- Lợi ích kinh tế - xã hội: Nâng cao độ tin cậy của mạng thông tin cứu hộ cứu nạn trong điều kiện thiên tai khi hạ tầng viễn thông mặt đất bị phá hủy; giảm thiểu tai nạn giao thông thông qua mạng VANET truyền tải thông tin cảnh báo va chạm với độ trễ thấp và độ tin cậy cao.
- Ý nghĩa quốc tế: Đóng góp giải pháp khoa học thực chứng vào kho tàng tri thức toàn cầu về tối ưu hóa giao thức truy nhập môi trường truyền không dây phân tán.
Đối tượng hưởng lợi
- Nghiên cứu sinh và Giảng viên ngành Kỹ thuật Máy tính / Viễn thông: Tiếp cận một framework phương pháp luận mẫu mực về mô phỏng mạng trên NS-2, mô hình hóa giải tích tương tranh kênh truyền và phương pháp thiết kế nghiên cứu thực chứng.
- Các nhóm R&D công nghệ cao: Sở hữu thuật toán tối ưu hóa tham số MAC sẵn sàng cho việc lập trình trên các hệ thống nhúng, thiết bị bay không người lái (UAV/FANET) và hệ thống xe tự hành thông minh.
- Kỹ sư vận hành mạng không dây: Ứng dụng các quy tắc điều chỉnh cửa sổ $CW$ và cơ hội truyền $TXOP$ để tinh chỉnh cấu hình mạng WLAN doanh nghiệp và các mạng cảm biến công nghiệp đạt hiệu năng tối ưu.
- Cơ quan quản lý và hoạch định chính sách giao thông: Có cơ sở khoa học vững chắc để xây dựng các tiêu chuẩn kỹ thuật cho hệ thống giao thông thông minh (ITS) và hạ tầng kết nối V2X quốc gia.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Hàng đợi $M/M/1/L$ và Lý thuyết Truy nhập Phân tán EDCA sang miền điều khiển mờ phi tuyến. Luận án đã chỉ ra và chứng minh bằng toán học rằng cơ chế tĩnh của IEEE 802.11e tạo ra sự mất đối xứng thông lượng nghiêm trọng (với luồng trực tiếp chiếm dụng kênh làm suy kiệt luồng chuyển tiếp $Th(flow2) = B_2$), đồng thời chứng minh quan hệ hình parabol ngược giữa chỉ số công bằng Jain với thời lượng $TXOP$ và kích thước $CW$, mở ra mô hình tối ưu hóa đa mục tiêu thích nghi liên tầng.
2. Đột phá về phương pháp luận nghiên cứu so với các công trình quốc tế đi trước?
So với nghiên cứu của Li và cộng sự (2001) [27] (chỉ dừng lại ở việc chứng minh sự mất cân bằng băng thông gấp 4 lần giữa trạm thu và trạm phát) và các nghiên cứu của Harigovindan và cộng sự (2012) [49] (chỉ điều chỉnh $TXOP$ dựa trên tỷ lệ bận kênh $CBR$ đơn biến), luận án đã tạo đột phá phương pháp luận bằng cách:
- Thiết lập mô hình điều khiển đa biến xuyên lớp tích hợp đồng thời trạng thái hàng đợi nội tại, mức độ bận kênh và độ ưu tiên người dùng ($UP$).
- Triển khai phương pháp suy diễn mờ phi tuyến loại bỏ hoàn toàn các giả thiết lý tưởng hóa không tưởng của mô hình giải tích Markov cổ điển (Bianchi, 2000).
3. Phát hiện bất ngờ nhất (counter-intuitive) có dữ liệu minh chứng là gì?
Phát hiện bất ngờ nhất nằm ở kịch bản điều chỉnh tham số $CW$: Việc giảm sâu cửa sổ tương tranh của luồng Best-effort xuống $CW \in [2, 7]$ (Case 3) nhằm tối đa hóa cơ hội truy nhập kênh cho luồng ưu tiên thấp không những không cải thiện hiệu năng mà trái lại đã khiến chỉ số công bằng sụp đổ xuống mức 0.64, thấp hơn cả mức mặc định 0.69, đồng thời làm suy thoái nghiêm trọng thông lượng tổng thể. Dữ liệu chứng minh rằng trong môi trường không dây, việc ưu tiên quá mức cho một luồng bằng cách thu hẹp $CW$ sẽ tạo ra bùng nổ xung đột phá hủy toàn bộ hệ thống.
4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) hoàn chỉnh không?
Hoàn toàn đầy đủ. Luận án đặc tả chi tiết toàn bộ thông số mô phỏng trên nền tảng chuẩn NS-2.35: Tốc độ kênh 11 Mbps, mô hình truyền sóng Two-ray ground, ăng-ten Omni-directional, bán kính cảm nhận 550 m, bộ đệm hàng đợi 100 gói, kích thước gói 1024 Bytes, giao thức UDP/CBR, ma trận tham số $TXOP$ và $CW$ chi tiết cho từng kịch bản (Case 1, Case 2, Case 3), cho phép cộng đồng học thuật độc lập tái lập chính xác 100% các kết quả thực nghiệm.
5. Lộ trình nghiên cứu 10 năm được phác thảo như thế nào?
Lộ trình 10 năm được phân kỳ rõ ràng: Giai đoạn 1-3 năm tập trung tích hợp Học sâu tăng cường (DRL) vào bộ điều khiển mờ và kiểm thử trên thiết bị vô tuyến định nghĩa bằng phần mềm (SDR); Giai đoạn 3-6 năm mở rộng chuẩn hóa giao thức tối ưu MAC cho các tiêu chuẩn Wi-Fi 7 (802.11be MLO) và mạng 5G/6G V2X; Giai đoạn 6-10 năm thương mại hóa và ứng dụng đại trà trên các đội xe tự hành, mạng bầy đàn UAV (FANET) và các hệ thống đô thị thông minh toàn cầu.
Kết luận
Luận án đã giải quyết trọn vẹn và xuất sắc bài toán then chốt về nâng cao hiệu năng thông lượng và độ công bằng trong mạng không dây adhoc chuẩn IEEE 802.11 EDCA. Những đóng góp nổi bật bao gồm:
- Hệ thống hóa và nhận diện chính xác bản chất điểm nghẽn: Chứng minh sự suy thoái hiệu năng và hiện tượng phân hóa thông lượng 3:2:1 do bộ tham số tĩnh của chuẩn IEEE 802.11e gây ra khi mạng tiến vào trạng thái bão hòa lưu lượng.
- Đề xuất cơ chế điều chỉnh $TXOP$ động theo trọng số: Nâng cao vượt bậc chỉ số công bằng Jain từ mức 0.69 (mặc định) lên mức đỉnh 0.81 (Case 2), giải quyết triệt để hiện tượng "bỏ đói" luồng dữ liệu Best-effort.
- Xác lập không gian tối ưu tham số cửa sổ tương tranh $CW$: Định lượng ngưỡng cân bằng tối ưu đạt chỉ số công bằng 0.77 (Case 2), đồng thời chỉ rõ rủi ro sụp đổ hiệu năng (Fairness giảm còn 0.64) khi thu hẹp $CW$ quá mức.
- Phát triển khung điều khiển thông minh ứng dụng Logic mờ: Xây dựng thành công cơ chế tự thích nghi tham số MAC liên tầng dựa trên trí tuệ nhân tạo, vận hành hiệu quả trong môi trường tô-pô mạng biến động.
- Kiểm chứng thực nghiệm trên mạng xe tự hành VANET: Ứng dụng thành công giải thuật mờ vào hệ thống xử lý dữ liệu đa phương tiện và điều khiển xe tự hành bám làn an toàn, mở ra hướng ứng dụng thực tiễn to lớn.
- Khai mở các hướng nghiên cứu liên ngành tương lai: Đặt nền móng lý thuyết vững chắc cho các nghiên cứu tiếp nối về tích hợp Trí tuệ nhân tạo biên (Edge AI) và Học sâu tăng cường vào các hệ thống mạng không dây thế hệ tiếp theo (Wi-Fi 7/8, 6G V2X), đóng góp thiết thực cho sự phát triển khoa học công nghệ và kinh tế - xã hội thời kỳ Cách mạng Công nghiệp 4.0.
