Tổng quan về luận án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 kéo theo sự gia tăng theo cấp số nhân của các thiết bị kết nối không dây, dự báo đạt mốc 50 tỉ thiết bị kết nối vào năm 2021. Bối cảnh này đặt mạng di động thế hệ thứ 5 (5G – Fifth Generation) trước áp lực cực hạn về lưu lượng dữ liệu băng rộng và yêu cầu độ trễ siêu thấp. Đặc biệt, các dịch vụ và ứng dụng truyền video (VAS – Video Applications and Services) được dự báo chiếm tới 78% tổng lưu lượng dữ liệu toàn cầu vào năm 2021. Thực trạng này trực tiếp gây ra hiện tượng nghẽn mạng nghiêm trọng do xung đột lưu lượng tại các tuyến trục (backhaul link) của trạm cơ sở lớn (MBS – Macro Base Station) cũng như trạm cơ sở nhỏ (SBS – Small cell Base Station). Việc nâng cấp hạ tầng tuyến trục truyền thống đòi hỏi chi phí đầu tư khổng lồ và buộc phải tái cấu trúc toàn bộ mạng lõi. Mặc dù kiến trúc mạng siêu dày đặc (UDN – Ultra-Dense Network) mở ra triển vọng tăng dung lượng hệ thống gấp 1000 lần và hạ độ trễ truy xuất xuống dưới 1ms, nhưng UDN vẫn đối mặt với thách thức phân bổ tài nguyên hữu hạn (phổ tần, năng lượng, dung lượng lưu trữ) và xử lý can nhiễu đồng tầng, liên tầng phức tạp.

Khoảng trống nghiên cứu (research gap) cốt lõi tồn tại trong y văn học thuật hiện nay là sự thiếu vắng một khung kiến trúc tối ưu hóa đồng thời cơ chế lưu trữ đa tầng kết hợp chia sẻ phổ tần vô tuyến có tích hợp đặc tính hành vi xã hội của người dùng và tính đa phân giải của nội dung video. Các công trình trong nước (Nguyễn Trần Minh Thư & Đồng Thị Bích Thủy, 2017; Võ Lưu Phương và cộng sự, 2018; Trần Hoàng Nguyên và cộng sự, 2020) chủ yếu tập trung vào lưu trữ đơn tầng tại MBS/SBS hoặc tối ưu hóa chi phí kinh tế cho nhà cung cấp nội dung (CP/ISP) mà bỏ qua mô hình kênh truyền vật lý và tương tác người dùng. Trong khi đó, các nghiên cứu quốc tế (Xu et al., 2017; Golrezaei et al., 2013; Ozfatura & Gündüz, 2018; Wei Han et al., 2017) dù đã tiếp cận lưu trữ thiết bị đến thiết bị (D2D caching) hay trạm cơ sở femto (FBS caching) nhưng chưa giải quyết triệt để bài toán đồng phân bổ tài nguyên phổ tần kênh truyền xuống và đa mức phân giải phục vụ năng lực thiết bị đầu cuối đa dạng.

Để giải quyết khoảng trống này, luận án xác định hai câu hỏi nghiên cứu (RQs) và hai giả thuyết nghiên cứu (Hs):

  • RQ1: Làm thế nào để mô hình hóa toán học và tối ưu hóa dung lượng truyền video trong 5G UDN thông qua việc kết hợp lưu trữ đa tầng (MBS-FBS-D2D) với chia sẻ phổ tần dựa trên mối quan hệ xã hội giữa các cặp người dùng?
  • RQ2: Làm thế nào để cực đại hóa chất lượng video nhận được (PSNR) tại các thiết bị người dùng di động (MU) thông qua cơ chế lưu trữ đa phân giải và chia sẻ tài nguyên hợp tác theo mô hình bộ ba thiết bị (SU-CU-NU)?
  • H1: Cơ chế lưu trữ và chia sẻ tài nguyên theo quan hệ xã hội (SCS - Social-aware Caching and Resource Sharing) dựa trên mô hình phi tham số Indian Buffet Model (IBM) sẽ nâng cao vượt trội dung lượng phân phối hệ thống so với các cơ chế lưu trữ độc lập hoặc ngẫu nhiên.
  • H2: Cơ chế lưu trữ đa phân giải và chia sẻ tài nguyên tối ưu (CRS - Multi-Resolution Caching and Resource Sharing Optimization) kết hợp thuật giải di truyền nhị phân (GA) thích nghi sẽ cải thiện đáng kể chất lượng video trung bình (đo bằng PSNR) và giảm tỷ lệ tắc nghẽn tuyến trục so với chiến lược lưu trữ toàn phần (FRS).

Nghiên cứu được neo trên nền tảng lý thuyết năng lực kênh truyền Shannon, lý thuyết méo - tốc độ (Rate-Distortion Theory), mô hình quá trình ngẫu nhiên Buffet Ấn Độ (IBM) và lý thuyết tối ưu hóa tổ hợp thích nghi. Luận án mang lại đóng góp đột phá khi phát triển thành công hai cơ chế tích hợp SCS và CRS, lượng hóa chính xác hiệu quả giải phóng lưu lượng tuyến trục, nâng cao dung lượng phân phối và tối ưu hóa chất lượng trải nghiệm (QoE) của người dùng cuối trong phạm vi mạng 5G UDN phân cấp.

Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về quản trị tài nguyên và kỹ thuật lưu trữ nội dung trong mạng không dây thế hệ mới phản ánh rõ các luồng tư tưởng học thuật chính:

Luồng nghiên cứu 1: Lưu trữ biên đơn tầng và tối ưu hóa kinh tế ISP/CP. Nhóm nghiên cứu của Võ Lưu Phương và cộng sự (2018, 2019) tại Việt Nam cùng các đối tác quốc tế đã ứng dụng mô hình đấu giá ngược (reverse auction) và lý thuyết trò chơi để tối ưu hóa chi phí cho nhà cung cấp dịch vụ mạng (ISP) và nhà cung cấp nội dung (CP), tối đa hóa số lượng người dùng hài lòng dựa trên dung lượng lưu trữ của máy chủ biên (edge server). Tuy nhiên, cách tiếp cận này chỉ xử lý bài toán trên lớp mạng trừu tượng, hoàn toàn lược bỏ các thuộc tính lớp vật lý vô tuyến như suy hao đường truyền (path loss), can nhiễu đồng kênh và tỉ số tín hiệu trên can nhiễu và nhiễu trắng (SINR).

Luồng nghiên cứu 2: Lưu trữ biên phân tán D2D và Femtocell. Xu và các cộng sự (2017) tại Đại học Điện lực Hoa Bắc (Trung Quốc) nghiên cứu tối ưu hóa lớp chéo (cross-layer) cho mạng D2D đa chặng, trong khi Golrezaei và cộng sự (2013) tại University of Southern California đề xuất kiến trúc Femtocaching để tăng thông lượng hệ thống. Song song đó, Ozfatura & Gündüz (2018) từ Imperial College London xem xét tính di động của người dùng và độ phổ biến của nội dung nhằm cực tiểu tải truyền dẫn tuyến trục. Dẫu vậy, các tác giả này chưa tích hợp cơ chế chia sẻ phổ tần động từ người dùng sở hữu phổ (SU) cho các phiên truyền thông D2D cục bộ.

Luồng nghiên cứu 3: Lưu trữ đa tầng kết hợp mã hóa xóa kênh. Wei Han và cộng sự (2017) tại Hong Kong University of Science and Technology nghiên cứu lưu trữ trực tuyến dựa trên mã phân tách khoảng cách cực đại (MDS coding) tại MBS. Konglin Zhu và cộng sự (2018) tại Beijing University of Posts and Telecommunications mở rộng không gian lưu trữ từ MBS đến MU có sử dụng lý thuyết trò chơi theo nhóm xã hội. Mặc dù vậy, các nghiên cứu này giả định video chỉ tồn tại ở một mức chất lượng cố định, không phản ánh đúng thực tế của kỹ thuật mã hóa video phân tầng (Scalable Video Coding - SVC).

                      ┌──────────────────────────────────────────────┐
                      │    Literature Gaps in 5G UDN Video Delivery  │
                      └──────────────────────┬───────────────────────┘
                                             │
         ┌───────────────────────────────────┼───────────────────────────────────┐
         ▼                                   ▼                                   ▼
┌─────────────────────────┐     ┌─────────────────────────┐     ┌─────────────────────────┐
│     Domestic Studies    │     │  International D2D/FBS  │     │   Multi-tier Schemes    │
│ (Vo Luu Phuong et al.)  │     │ (Golrezaei, Ozfatura)   │     │ (Zhu et al., Han et al.)│
│ - Single-tier (MBS/SBS) │     │ - Neglect dynamic SU-D2D│     │ - Single video bit-rate │
│ - No PHY channel/SINR   │     │   spectrum reuse        │     │ - No user-device aware  │
│ - Economic cost focus   │     │ - Fixed user behaviors  │     │   multi-resolution cache│
└────────────┬────────────┘     └────────────┬────────────┘     └────────────┬────────────┘
             │                               │                               │
             └───────────────────────┬───────┴───────────────────────────────┘
                                     ▼
                      ┌──────────────────────────────────────────────┐
                      │      Thesis Positioning & Advance:           │
                      │  - Joint Multi-tier Caching (MBS-FBS-MU)     │
                      │  - Social IBM-based SU Spectrum Sharing (SCS)│
                      │  - Scalable Multi-Resolution Triad (CRS)     │
                      │  - Binary Adaptive GA Optimization           │
                      └──────────────────────────────────────────────┘

Trong y văn tồn tại cuộc tranh biện học thuật gay gắt giữa hai quan điểm: một bên ủng hộ tiếp cận Tập trung hóa dựa trên xác suất truy cập thành công (Hit-Rate Maximization) và một bên bảo vệ tiếp cận Phân tán hóa dựa trên thông lượng thực tế kênh truyền vô tuyến (Throughput-Driven Physical Optimization). Luận án định vị chính xác ở giao điểm của hai luồng quan điểm: tích hợp chỉ số xã hội phi tham số để dẫn hướng phân bổ vị trí nội dung, đồng thời mô hình hóa chặt chẽ điều kiện SINR và mô hình suy hao Rayleigh/AWGN trên lớp vật lý. So với hai nghiên cứu quốc tế điển hình là công trình của Golrezaei et al. (2013) (vốn cố định tài nguyên vô tuyến) và Ozfatura & Gündüz (2018) (bỏ qua tương tác thiết bị đa phân giải), nghiên cứu này tạo bước tiến vượt bậc khi xây dựng kiến trúc cộng tác 3 tầng (MBS - FBS - MU) linh hoạt, tối ưu hóa đồng thời tài nguyên không gian, phổ tần và dung lượng bộ nhớ biên.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm phong phú sâu sắc các lý thuyết nền tảng trong lĩnh vực truyền thông không dây và xử lý tín hiệu số:

  1. Mở rộng Lý thuyết Năng lực Kênh truyền Shannon và Mô hình Can nhiễu Vô tuyến: Luận án tích hợp mô hình tái sử dụng phổ tần của người dùng sở hữu kênh truyền (SU - Spectrum Owning User) cho các cặp truyền thông D2D (TX-RX). Bằng cách thiết lập tường minh biểu thức toán học của SINR dưới tác động của can nhiễu đồng kênh từ MBS, SBS và các liên kết D2D lân cận, nghiên cứu mở rộng biên lý thuyết về dung lượng phân phối khả thi trong mạng UDN.
  2. Phát triển Lý thuyết Mối quan hệ Méo - Tốc độ (Rate-Distortion Theory): Kế thừa mô hình hàm mũ suy giảm của độ méo video theo tốc độ bit mã hóa, luận án xây dựng hàm toán học chuyển đổi trực tiếp từ thông lượng truyền dẫn sang tỉ số tín hiệu cực đại trên nhiễu (PSNR - Peak Signal-to-Noise Ratio). Điều này biến đổi thước đo định lượng thuần túy về mặt kỹ thuật mạng thành chỉ số Chất lượng Trải nghiệm (QoE) của người dùng cuối.
  3. Đột phá Mô hình Xã hội học Tính toán thông qua Indian Buffet Model (IBM): Áp dụng thành công phân phối xác suất phi tham số IBM để mô hình hóa ma trận sở thích nội dung và mức độ tin cậy chia sẻ tài nguyên giữa các nút mạng di động. Luận án chứng minh trên phương diện toán học rằng mối quan hệ xã hội là một biến trạng thái có thể lượng hóa để tối ưu hóa quyết định chọn nút chuyển tiếp D2D.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liền mạch ba trụ cột lý thuyết: Mô hình Xã hội học IBM, Lý thuyết Thông tin Kênh truyền và Tối ưu hóa Tổ hợp Tiến hóa.

                               ┌─────────────────────────────────────────┐
                               │   INTEGRATED THEORETICAL FRAMEWORK      │
                               └────────────────────┬────────────────────┘
                                                    │
         ┌──────────────────────────────────────────┼──────────────────────────────────────────┐
         ▼                                          ▼                                          ▼
┌────────────────────────────────┐ ┌────────────────────────────────┐ ┌────────────────────────────────┐
│      Social Domain (IBM)       │ │     Physical Channel Domain    │ │    Video RD & Device Domain    │
│ - Non-parametric user affinity │ │ - Downlink SINR formulation    │ │ - Multi-resolution bitstreams  │
│ - Shared interest probability  │ │ - AWGN & Rayleigh fading       │ │ - Rate-Distortion / PSNR metric│
│ - D2D forwarding willingness   │ │ - SU spectrum reuse & co-tier/ │ │ - Terminal processing capacity │
│                                │ │   cross-tier interference      │ │   constraints                  │
└───────────────┬────────────────┘ └────────────────┬───────────────┘ └────────────────┬───────────────┘
                │                                   │                                  │
                └───────────────────────────┬───────┴──────────────────────────────────┘
                                            ▼
                               ┌─────────────────────────────────────────┐
                               │    JOINT FORMULATION & OPTIMIZATION     │
                               │  - SCS: Maximize System Capacity (bps)  │
                               │  - CRS: Maximize Average PSNR (dB)      │
                               │  - Solver: Binary Adaptive GA vs. BBA/EA│
                               └─────────────────────────────────────────┘

Khung phân tích thiết lập hai cơ chế tối ưu hóa độc lập nhưng bổ trợ chặt chẽ cho nhau:

  • Cơ chế SCS (Social-aware Caching and Resource Sharing): Tập trung tối đa hóa tổng dung lượng phân phối hệ thống (bps/Hz) thông qua việc phân bổ ma trận nhị phân chỉ thị lưu trữ tại FBS và ma trận ghép cặp chia sẻ phổ SU cho các cặp thiết bị D2D.
  • Cơ chế CRS (Multi-Resolution Caching and Resource Sharing Optimization): Tối ưu hóa chất lượng hiển thị video thông qua mô hình hợp tác bộ ba (SU-CU-NU). Hệ thống phân tách video thành các mức phân giải khác nhau, cho phép người dùng bình thường (NU - Normal User) nhận luồng video có chất lượng tối ưu từ người dùng lưu trữ (CU - Caching User) thông qua phổ tần chia sẻ của SU, hoặc từ FBS/MBS tùy thuộc vào điều kiện kênh truyền tức thời.

Điều kiện biên (boundary conditions) của khung phân tích được xác định rõ: môi trường mạng 5G UDN đồng bộ thời gian, phân bố không gian của các trạm và người dùng tuân theo quá trình điểm Poisson (PPP), trạng thái kênh truyền (CSI) được giả định hoàn hảo tại phía bộ lập lịch, và dung lượng bộ nhớ đệm tại FBS và MU có giới hạn cố định.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu vận dụng triệt để lập trường nhận thức luận thực chứng (positivism) kết hợp mô hình hóa giải tích suy diễn (deductive analytical modeling) và thực nghiệm mô phỏng số học (numerical simulation). Thiết kế nghiên cứu được cấu trúc đa tầng (multi-level design) phản ánh đúng bản chất phân tầng của mạng 5G UDN:

  1. Tầng Macro (MBS Tier): Bán kính phủ sóng lớn, kết nối trực tiếp mạng lõi, lưu trữ toàn bộ thư viện nội dung nhưng hạn chế về băng thông backhaul khi phục vụ đồng thời.
  2. Tầng Femto (FBS/SBS Tier): Mật độ dày đặc, bán kính phủ sóng hẹp, dung lượng lưu trữ trung bình, kết nối không dây hoặc cáp quang đến MBS.
  3. Tầng Thiết bị (User/D2D Tier): Bao gồm các nút di động phân loại thành SU (sở hữu phổ tần), CU (có bộ nhớ đệm) và NU (yêu cầu dịch vụ), giao tiếp tầm ngắn D2D.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu tuân thủ các bước nghiêm ngặt:

  • Mô hình hóa toán học: Xây dựng phương trình tính toán công suất thu, mô hình suy hao khoảng cách $PL(d) = 128.1 + 37.6 \log_{10}(d)$, công thức tính toán can nhiễu từ các trạm phát đồng tần và biểu thức SINR tại thiết bị nhận: $$\text{SINR}{\text{rx}} = \frac{P{\text{tx}} h_{\text{tx,rx}} d_{\text{tx,rx}}^{-\alpha}}{\sum_{k \in \mathcal{I}} P_k h_{k,\text{rx}} d_{k,\text{rx}}^{-\alpha} + \sigma^2}$$
  • Thiết kế bài toán tối ưu tổ hợp nguyên nhị phân: Thiết lập các ràng buộc không gian lưu trữ tại FBS ($\sum_v s_v x_{f,v} \le C_f$), ràng buộc chia sẻ phổ tần đơn nhất ($\sum_j y_{i,j} \le 1$), và các ràng buộc logic nhị phân $x, y \in {0, 1}$.
  • Thuật giải tối ưu hóa thích nghi: Phát triển và tùy biến thuật giải di truyền nhị phân (Binary GA) với cấu trúc nhiễm sắc thể mã hóa kép (gen lưu trữ và gen chia sẻ tài nguyên), kết hợp toán tử lai ghép đa điểm ($m=5$) và đột biến bù nhị phân (inversion mutation) với xác suất thích nghi nhằm vượt qua các bẫy cực trị địa phương.
┌───────────────────────────────────────────────────────────────────────────┐
│              GENETIC ALGORITHM (GA) CHROMOSOME ARCHITECTURE               │
├─────────────────────────────────────┬─────────────────────────────────────┤
│   Caching Decision Segment ($X$)    │  Resource Sharing Segment ($Y$)     │
│   FBS/CU Video Allocation Bits      │  SU-CU-NU Triad Assignment Bits     │
├─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┼─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┤
│1│0│1│1│0│0│1│0│1│1│0│1│0│0│1│0│1│0│0│0│1│1│0│0│1│0│1│0│0│1│1│0│1│0│0│1│0│1│0│1│
└─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┘
 ◄────────────── $N_{\text{cache}}$ Bits ─────────────► ◄──────────── $N_{\text{sharing}}$ Bits ───────────►
  • Đối chuẩn và Kiểm định chéo (Triangulation): Kiểm tra tính hợp thức xây dựng (construct validity) và tính hội tụ bằng cách đối sánh trực tiếp nghiệm của GA với Thuật giải vét cạn (Exhaustive Algorithm - EA) trên không gian mẫu thu nhỏ và Thuật giải đàn dơi nhị phân (Binary Bat Algorithm - BBA).

Data và phân tích

Toàn bộ hệ thống mô phỏng được lập trình và thực thi trên nền tảng phần mềm MATLAB R2018b/R2020a. Các tham số đầu vào được thiết lập dựa trên các chuẩn công nghiệp 3GPP LTE-Advanced/5G NR:

  • Bán kính ô macro $R_{\text{MBS}} = 500\text{m}$, bán kính phủ sóng femtocell $R_{\text{FBS}} = 20-50\text{m}$, khoảng cách truyền D2D tối đa $d_{\text{D2D}} = 10-15\text{m}$.
  • Công suất phát cực đại: $P_{\text{MBS}} = 46\text{ dBm}$ (40W), $P_{\text{FBS}} = 23\text{ dBm}$ (200mW), $P_{\text{MU}} = 17-20\text{ dBm}$ (50-100mW).
  • Băng thông kênh vô tuyến: $B = 20\text{ MHz}$, công suất mật độ phổ nhiễu nhiệt $N_0 = -174\text{ dBm/Hz}$.
  • Tập hợp nội dung video gồm $V = 50-100$ video chuẩn hóa, tuân theo phân phối Zipf về độ phổ biến với tham số nghiêng skewness $\alpha \in [0.4, 1.2]$.
  • Mô hình Rate-Distortion của chuẩn H.264/SVC với các mức phân giải bit-rate $[R_1, R_2, R_3] = [500\text{ kbps}, 1.5\text{ Mbps}, 3.0\text{ Mbps}]$ tương ứng với các giá trị PSNR thực nghiệm $[28\text{ dB}, 35\text{ dB}, 42\text{ dB}]$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Nâng cao vượt trội dung lượng truyền dẫn của cơ chế SCS: Kết quả mô phỏng định lượng chứng minh cơ chế SCS đạt dung lượng phân phối hệ thống vượt trội so với các mô hình tham chiếu. Khi số lượng FBS tăng từ 2 lên 10 trạm, dung lượng hệ thống của SCS tăng tuyến tính và cao hơn 38.5% so với mô hình chỉ lưu trữ đơn tầng và cao hơn 62.4% so với mô hình truyền dẫn không có D2D.
  2. Cực đại hóa Chất lượng Video (PSNR) của Cơ chế CRS: Cơ chế CRS với khả năng lưu trữ đa phân giải giúp chất lượng video trung bình nhận được tại các MU tăng từ 4.2 dB đến 8.7 dB PSNR so với chiến lược lưu trữ toàn phần (Full Rate Caching - FRS) trong cùng điều kiện dung lượng bộ nhớ đệm tại nút biên.
  3. Độ chính xác và Tốc độ Hội tụ của Thuật giải Di truyền (GA): Phân tích đối chuẩn thống kê khẳng định GA đạt độ chính xác tương đương 98.6% so với nghiệm tối ưu tuyệt đối của Thuật giải vét cạn (EA), trong khi giảm thời gian tính toán theo hàm mũ: từ $O(2^{N \cdot V})$ của EA xuống chỉ còn $O(G \cdot N_p)$ của GA (với $G=100$ thế hệ và quy mô quần thể $N_p=50$). Trong khi đó, các thuật giải heuristic thông thường và tham lam trong y văn chỉ đạt độ chính xác 81% đến 87%, thậm chí tụt xuống 50% trong các trường hợp ràng buộc chặt chẽ.
  4. Hiệu quả giải phóng lưu lượng tuyến trục (Offloading Gain): Khi hệ số phổ biến nội dung Zipf $\alpha$ tăng từ 0.6 lên 1.2, tỷ lệ tải dữ liệu qua tuyến trục của MBS giảm mạnh tới 73.2%, do phần lớn yêu cầu video được phục vụ trực tiếp từ bộ nhớ đệm của FBS và các liên kết D2D cục bộ thông qua phổ tần tái sử dụng của SU.
┌────────────────────────────────────────────────────────────────────────────┐
│                    COMPARATIVE PERFORMANCE MATRIX                          │
├───────────────────────┬──────────────┬───────────────┬─────────────────────┤
│ Metric / Paradigm     │ EA (Optimal) │ Proposed GA   │ Conventional BA/Greedy│
├───────────────────────┼──────────────┼───────────────┼─────────────────────┤
│ Solution Accuracy     │ 100% (Exact) │ 98.6%         │ 81.0% - 87.0%       │
│ Computational Scaling │ Exponential  │ Polynomial    │ Polynomial          │
│ Average PSNR Gain     │ Benchmark    │ +6.8 dB avg   │ +2.1 dB             │
│ Backhaul Offload Rate │ Max          │ 73.2%         │ 44.5%               │
└───────────────────────┴──────────────┴───────────────┴─────────────────────┤

Implications đa chiều

  • Về mặt lý thuyết: Nghiên cứu chứng minh rằng việc kết hợp miền vật lý (Physical Layer) và miền xã hội (Social Domain) tạo ra bước nhảy vọt về hiệu quả phân bổ tài nguyên, đặt tiền đề lý thuyết cho các kiến trúc mạng 6G hướng ngữ cảnh (context-aware networks).
  • Về mặt phương pháp luận: Luận án thiết lập quy trình chuẩn mực trong việc giải bài toán tối ưu hóa tổ hợp phi tuyến nguyên nhị phân quy mô lớn trong viễn thông bằng GA thích nghi kết hợp ma trận phạt vi phạm ràng buộc.
  • Về mặt thực tiễn kỹ thuật: Cung cấp giải pháp khả thi cho các nhà mạng di động (Viettel, VNPT, MobiFone) và các tập đoàn OTT (Netflix, YouTube, FPT Play) triển khai Edge Caching tại các trạm phát sóng và trên chính thiết bị người dùng cuối mà không cần tái đầu tư hàng tỷ USD nâng cấp cáp quang tuyến trục.

Limitations và Future Research

Mặc dù đạt được những đóng góp đột phá, luận án thẳng thắn thừa nhận các giới hạn học thuật nội tại:

  1. Mô hình kênh truyền bán tĩnh: Nghiên cứu giả định trạng thái kênh truyền (CSI) và vị trí của người dùng là cố định trong từng khung thời gian lập lịch (time slot), chưa tính toán đầy đủ hiện tượng Doppler và chuyển vùng tốc độ cao (handover) của các thiết bị di chuyển nhanh.
  2. Giả thiết thông tin trạng thái mạng hoàn hảo (Perfect CSI): Việc giả định nút điều phối trung tâm nắm bắt toàn bộ thông tin kênh truyền và nội dung bộ nhớ đệm có thể tạo ra độ trễ báo hiệu nhất định trong môi trường thực tế quy mô siêu lớn.
  3. Quy mô đánh giá dựa trên mô phỏng: Các kết luận định lượng được rút ra từ môi trường mô phỏng số học chuẩn hóa (MATLAB) mà chưa được triển khai thử nghiệm trên mạng thực tế (SDR Testbed) với các ràng buộc phần cứng vật lý.

Chương trình nghiên cứu tương lai (Future Research Agenda) mở ra 4 hướng đi chiến lược:

  • Tích hợp kỹ thuật Học tăng cường sâu phân tán (Multi-Agent Deep Reinforcement Learning - MADRL) để tự động thích ứng với tính di động ngẫu nhiên của người dùng trong thời gian thực.
  • Mở rộng kiến trúc lưu trữ đa tầng kết hợp với kỹ thuật Bề mặt phản xạ thông minh (Intelligent Reflecting Surface - IRS) và truyền thông sóng milimét (mmWave/Terahertz).
  • Nghiên cứu cơ chế bảo mật và bảo vệ quyền riêng tư người dùng bằng Học liên kết (Federated Learning) khi khai thác dữ liệu quan hệ xã hội.
  • Chế tạo và đánh giá mô hình thực nghiệm trên nền tảng mạng vô tuyến điều khiển bằng phần mềm (Open-RAN / SDR).

Tác động và ảnh hưởng

Luận án tạo ra tác động lan tỏa mạnh mẽ trên nhiều phương diện:

  • Tác động Học thuật: Cung cấp cơ sở lý thuyết vững chắc và mô hình toán mẫu mực cho cộng đồng nghiên cứu 5G/6G, với tiềm năng trích dẫn cao trong các tạp chí chuyên ngành hàng đầu của IEEE (IEEE TWC, IEEE TCOM, IEEE JSAC). Các công bố quốc tế từ luận án đã khẳng định uy tín khoa học của nhóm nghiên cứu tại Đại học Duy Tân và các đơn vị phối hợp.
  • Chuyển đổi Công nghiệp Viễn thông: Giúp các nhà khai thác viễn thông giảm tới 40-60% chi phí vận hành (OPEX) và chi phí vốn (CAPEX) cho hạ tầng truyền tải, đồng thời mở đường cho các dịch vụ đòi hỏi băng thông cực lớn như thực tế ảo/thực tế tăng cường (AR/VR) và truyền phát video 4K/8K siêu nét.
  • Lợi ích Xã hội và Môi trường: Tối ưu hóa việc chia sẻ tài nguyên phổ tần và giảm thiểu công suất phát của các trạm phát sóng giúp tiết kiệm năng lượng tiêu thụ toàn mạng, trực tiếp đóng góp vào mục tiêu phát triển Truyền thông xanh (Green Communications) và giảm phát thải carbon trong kỷ nguyên số.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận khung phân tích hoàn chỉnh kết hợp lý thuyết xã hội IBM, mô hình kênh truyền vô tuyến và thuật giải GA tối ưu tổ hợp nhị phân để kế thừa và phát triển cho các bài toán mạng thế hệ sau.
  • Nhà phát triển Hệ thống R&D Viễn thông: Ứng dụng trực tiếp thuật toán và mã nguồn mô phỏng để thiết kế các giao thức lập lịch, phân bổ bộ nhớ đệm tại biên (Multi-access Edge Computing - MEC) trong các thiết bị trạm gốc 5G NR/Open-RAN.
  • Nhà cung cấp Dịch vụ Nội dung số (OTT/CDN): Khai thác cơ chế CRS để thiết lập thuật toán phân phối luồng dữ liệu thích ứng (Adaptive Bitrate Streaming) đến từng phân khúc người dùng dựa trên năng lực phần cứng thiết bị.
  • Cơ quan Quản lý Tần số Vô tuyến: Có thêm luận cứ khoa học để xây dựng chính sách cấp phép và chia sẻ động tài nguyên phổ tần (Dynamic Spectrum Sharing - DSS), nâng cao hiệu quả sử dụng tài nguyên 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 cụ thể nào?

Đóng góp lý thuyết độc đáo nhất là việc thiết lập khung tối ưu hóa hợp tác liên tầng tích hợp ma trận quan hệ xã hội phi tham số (Indian Buffet Model - IBM) vào bài toán phân phối tài nguyên vô tuyến lớp vật lý. Luận án mở rộng trực tiếp Lý thuyết Năng lực Kênh truyền Shannon bằng cách lượng hóa tường minh tác động của việc tái sử dụng phổ tần SU đối với hàm mục tiêu dung lượng mạng 5G UDN dưới các ràng buộc can nhiễu đồng tầng và liên tầng nghiêm ngặt.

2. Sự đổi mới về phương pháp luận của nghiên cứu khi so sánh với ít nhất 2 công trình quốc tế tiền nhiệm?

So với nghiên cứu của Golrezaei và cộng sự (2013) (chỉ cố định vị trí lưu trữ tại FBS và tách rời việc phân bổ phổ tần) và nghiên cứu của Ozfatura & Gündüz (2018) (chỉ giải quyết bài toán mã hóa MDS đơn mức chất lượng), luận án đổi mới toàn diện phương pháp luận khi: 1) Đề xuất cấu trúc nhiễm sắc thể kép trong Binary GA đại diện đồng thời cho quyết định lưu trữ đa phân giải và quyết định ghép cặp SU-CU-NU; 2) Chứng minh toán học sự hội tụ của GA đạt độ chính xác 98.6% so với nghiệm vét cạn nhưng triệt tiêu hiện tượng bùng nổ tổ hợp.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Phát hiện bất ngờ nhất là khi dung lượng bộ nhớ đệm tại các trạm FBS đạt đến một ngưỡng giới hạn nhất định ($C_f^*$), việc tiếp tục tăng kích thước bộ nhớ không còn giúp tăng dung lượng truyền dẫn tuyến tính nếu không có sự tham gia chia sẻ phổ tần của các nút D2D người dùng (SU). Điều này bác bỏ giả định truyền thống cho rằng chỉ cần mở rộng dung lượng phần cứng lưu trữ ở trạm gốc là có thể giải quyết dứt điểm tình trạng nghẽn mạng.

4. Luận án có cung cấp giao thức tái lập thực nghiệm (Replication Protocol) không?

Có. Luận án mô tả chi tiết toàn bộ bảng tham số thực nghiệm (Bảng 2-2 và Bảng 3-2), các bước chuẩn hóa thuật giải GA (từ chọn lọc bánh xe roulette, lai ghép đa điểm $m=5$, đột biến đảo bit đến chiến lược giữ lại cá thể ưu tú), cấu hình phần cứng máy tính thực thi, mô hình toán học giải tích và lưu đồ thuật toán chi tiết, đảm bảo khả năng tái lập độc lập 100% trên môi trường MATLAB.

5. Lộ trình nghiên cứu 10 năm (10-year research agenda) được vạch ra như thế nào?

Lộ trình 10 năm định hướng phát triển mạng không dây giai đoạn 2021-2030 tập trung vào: tích hợp Trí tuệ nhân tạo biên (Edge AI) và Học tăng cường sâu để điều khiển lưu trữ tự động; chuyển đổi mô hình sang mạng 6G với không gian truyền thông 3 chiều tích hợp Vệ tinh - Không gian - Mặt đất (SAGIN); và ứng dụng Mạng lượng tử (Quantum Caching) trong mã hóa và bảo mật phân phối video.

Kết luận

Luận án tiến sĩ của NCS. Bùi Minh Phụng đã hoàn thành xuất sắc các mục tiêu nghiên cứu với các đóng góp cốt lõi:

  1. Xây dựng thành công mô hình mạng 5G UDN đa tầng tích hợp đầy đủ các đặc tính kênh truyền vô tuyến, can nhiễu đa nút và quan hệ xã hội người dùng.
  2. Đề xuất cơ chế lưu trữ và chia sẻ tài nguyên theo quan hệ xã hội (SCS), chứng minh khả năng tăng dung lượng truyền video lên tới 62.4% so với hệ thống truyền thống.
  3. Phát triển cơ chế lưu trữ đa phân giải và hợp tác bộ ba SU-CU-NU (CRS), giúp tăng chất lượng hiển thị video từ 4.2 dB đến 8.7 dB PSNR.
  4. Tùy biến và ứng dụng thành công Thuật giải di truyền nhị phân (GA) đạt độ chính xác 98.6% so với thuật giải vét cạn nhưng giảm triệt để độ phức tạp tính toán.
  5. Đưa ra hệ thống giải pháp toàn diện giúp giảm tải tới 73.2% áp lực lưu lượng lên các tuyến trục backhaul của mạng 5G.
  6. Mở ra các hướng nghiên cứu liên ngành đột phá kết hợp giữa Xử lý tín hiệu số, Trí tuệ nhân tạo, Xã hội học tính toán và Tối ưu hóa tổ hợp viễn thông thế hệ mới.