Tối Ưu Lưu Trữ và Truyền Video Cộng Tác Trong Mạng 5G Siêu Dày Đặc

Tài liệu nghiên cứu Tối ưu lưu trữ và truyền video cộng tác trong mạng 5g siêu dày đặc, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Bùi Minh Phụng
• Người hướng dẫn: TS. Võ Nguyên Sơn
• Trường học: Trường Đại Học Duy Tân
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Tối Ưu Lưu Trữ Và Truyền Video Cộng Tác Trong Mạng 5G Siêu Dày Đặc
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2021
• Địa điểm: Đà Nẵng

Tóm tắt

I. Tối Ưu Lưu Trữ Video 5G Siêu Dày Đặc Tổng Quan 55 ký tự

Luận án tiến sĩ này tập trung vào tối ưu lưu trữ và truyền video cộng tác trong môi trường mạng 5G siêu dày đặc. Thế giới đang bước vào kỷ nguyên công nghiệp 4.0, với dự kiến 50 tỷ thiết bị kết nối vào năm 2021. Mạng 5G đối mặt với thách thức cung cấp dịch vụ tốc độ cao cho lượng lớn người dùng. Mạng siêu dày đặc (UDN) được xem là giải pháp tiềm năng, tăng dung lượng hệ thống lên 1000 lần và giảm độ trễ. Tuy nhiên, UDN cần nhiều công nghệ đột phá để cung cấp dịch vụ video (VAS) với chất lượng dịch vụ (QoS) và hiệu quả sử dụng tài nguyên tốt nhất.

1.1. Giới thiệu về Mạng 5G Siêu Dày Đặc 5G UDN

Mạng 5G siêu dày đặc (5G UDN) là kiến trúc mạng hứa hẹn đáp ứng nhu cầu dung lượng và tốc độ cao của người dùng. Đặc trưng bởi mật độ trạm cơ sở nhỏ (SBS) lớn, 5G UDN giúp giảm khoảng cách truyền, tăng cường vùng phủ sóng và nâng cao hiệu quả sử dụng phổ tần. Các công nghệ như Massive MIMO, sóng milimet (mmWave) và beamforming đóng vai trò quan trọng trong việc hiện thực hóa tiềm năng của 5G UDN. UDN cần giải quyết các vấn đề về quản lý nhiễu, điều phối tài nguyên và tiết kiệm năng lượng để đảm bảo trải nghiệm người dùng tốt nhất.

1.2. Truyền Video trong Mạng 5G UDN Thách Thức và Cơ Hội

Truyền video chiếm phần lớn lưu lượng dữ liệu trong mạng 5G. Các ứng dụng như video conferencing, streaming trực tiếp và VR/AR đòi hỏi băng thông rộng, độ trễ thấp và chất lượng ổn định. 5G UDN cung cấp cơ hội cải thiện trải nghiệm video nhờ băng thông 5G lớn và độ trễ thấp. Tuy nhiên, môi trường siêu dày đặc cũng gây ra thách thức về nhiễu xuyên kênh, quản lý tài nguyên và tối ưu chi phí. Các kỹ thuật adaptive bitrate streaming (ABR) và MCDN (Mobile Content Delivery Network) đóng vai trò quan trọng trong việc thích ứng với điều kiện mạng biến đổi.

II. Vấn Đề Lưu Trữ Video 5G Vì Sao Cần Tối Ưu 58 ký tự

Các nghiên cứu hiện tại chưa khai thác triệt để tài nguyên mạng để lưu trữ video gần người dùng hơn và cộng tác phân phối nội dung video một cách hiệu quả. Tiêu chí đánh giá chất lượng dịch vụ (QoS) truyền video rất nhạy cảm với nhiều yếu tố. Tài nguyên mạng không được tận dụng triệt để. Luận án này đề xuất cơ chế lưu trữ đa tầng kết hợp với chia sẻ tài nguyên tối ưu theo định hướng người dùng nhằm nâng cao hiệu quả truyền video trong mạng 5G UDN.

2.1. Hạn Chế của Các Nghiên Cứu Tối Ưu Lưu Trữ Video Hiện Tại

Các nghiên cứu trong nước chủ yếu tập trung vào tối ưu lưu trữ hoặc tối ưu chi phí cho nhà cung cấp dịch vụ trên một tầng duy nhất. Các nghiên cứu này thường bỏ qua lợi ích của người dùng (MU) và chưa xét đến cấu trúc đa tầng của mạng 5G UDN. Các nghiên cứu ngoài nước mặc dù có nhiều hơn và chất lượng tốt hơn, nhưng vẫn chưa nghiên cứu đồng thời tối ưu lưu trữ đa tầng kết hợp chia sẻ tài nguyên có quan tâm đến mối quan hệ xã hội của người dùng.

2.2. Tầm Quan Trọng của Việc Tối Ưu Lưu Trữ Video trong 5G

Tối ưu lưu trữ trong mạng 5G không chỉ giúp giảm tải cho các tuyến trục (backhaul link) mà còn cải thiện đáng kể trải nghiệm người dùng. Bằng cách lưu trữ nội dung video gần người dùng hơn, chúng ta có thể giảm độ trễ, tăng băng thông và nâng cao chất lượng video. Edge computing đóng vai trò quan trọng trong việc hiện thực hóa lưu trữ phân tán và cung cấp dịch vụ video chất lượng cao. Việc quản lý tài nguyên hiệu quả cũng giúp giảm chi phí vận hành và bảo trì hệ thống.

III. Cách Tối Ưu Dung Lượng Video 5G Qua Quan Hệ Xã Hội 59 ký tự

Luận án này đề xuất cơ chế lưu trữ và chia sẻ tài nguyên tối ưu theo mối quan hệ xã hội người dùng (SCS). Cơ chế này tận dụng tài nguyên lưu trữ và phổ tần sẵn có. Các thông số hệ thống được mô hình hóa toán học. Bài toán tối ưu được xây dựng để cực đại dung lượng phân phối video. Thuật giải vét cạn được sử dụng để giải bài toán. Mô phỏng được thực hiện trên Matlab để đánh giá hiệu quả.

3.1. Cơ Chế Lưu Trữ và Chia Sẻ Tài Nguyên Tối Ưu SCS

Cơ chế SCS (Social-aware Caching and Resource Sharing) tận dụng mối quan hệ xã hội giữa người dùng để cải thiện dung lượng truyền video. Người dùng có quan hệ gần gũi (ví dụ: bạn bè, đồng nghiệp) có xu hướng chia sẻ nội dung video cho nhau. SCS khuyến khích người dùng chia sẻ tài nguyên lưu trữ và phổ tần, giúp giảm tải cho mạng lõi và tăng dung lượng tổng thể. Mô hình Indian Buffet Model (IBM) được sử dụng để mô hình hóa hành vi và mối quan hệ xã hội của người dùng.

3.2. Mô Hình Toán Học và Thuật Giải Vét Cạn cho Bài Toán SCS

Bài toán tối ưu SCS được mô hình hóa bằng các phương trình toán học, bao gồm các biến như khả năng lưu trữ, dung lượng phổ tần và mức độ quan hệ xã hội. Mục tiêu là cực đại dung lượng phân phối video đồng thời đảm bảo QoS cho người dùng. Thuật giải vét cạn (Exhaustive Algorithm) được sử dụng để tìm kiếm giải pháp tối ưu. Mặc dù có độ phức tạp tính toán cao, thuật giải vét cạn cung cấp kết quả chính xác và là cơ sở để so sánh với các thuật giải heuristic khác.

IV. Hướng Dẫn Tối Ưu Chất Lượng Video 5G Đa Phân Giải 60 ký tự

Luận án cải tiến bằng cơ chế lưu trữ đa phân giải và chia sẻ tài nguyên (CRS). Chất lượng video thu được được xem là thông số đánh giá QoS. Tài nguyên lưu trữ được sử dụng hiệu quả hơn bằng cách lưu trữ video theo nhiều mức phân giải. Thuật giải di truyền được sử dụng để giải bài toán tối ưu. Mô phỏng đánh giá hiệu quả của cơ chế CRS và thuật giải di truyền.

4.1. Cơ Chế Lưu Trữ Đa Phân Giải và Chia Sẻ CRS

Cơ chế CRS (Multi-Resolution Caching and Resource Sharing) cho phép lưu trữ video ở nhiều mức phân giải khác nhau (ví dụ: 360p, 720p, 1080p). Người dùng có thể lựa chọn xem video ở độ phân giải phù hợp với điều kiện mạng và thiết bị của mình. CRS giúp tối ưu hóa việc sử dụng tài nguyên lưu trữ và băng thông, đồng thời cải thiện trải nghiệm người dùng. Các yếu tố như nhu cầu người dùng, điều kiện mạng và khả năng của thiết bị được xem xét khi lựa chọn mức phân giải video.

4.2. Thuật Giải Di Truyền cho Bài Toán Tối Ưu CRS

Bài toán tối ưu CRS là bài toán NP-hard, đòi hỏi các thuật giải heuristic để tìm kiếm giải pháp gần tối ưu trong thời gian chấp nhận được. Thuật giải di truyền (Genetic Algorithm) được sử dụng để giải bài toán CRS. Thuật giải di truyền mô phỏng quá trình tiến hóa tự nhiên, sử dụng các phép toán như lai ghép và đột biến để tìm kiếm các giải pháp tốt hơn. Thuật giải di truyền có khả năng tìm kiếm trong không gian giải pháp lớn và đạt được kết quả tốt trong thời gian ngắn.

V. Ứng Dụng Thực Tế Kết Quả Luận Án Tiến Sĩ Về 5G 55 ký tự

Luận án đã công bố 2 bài báo quốc tế và 1 bài hội nghị quốc tế. Kết quả nghiên cứu góp phần tối ưu lưu trữ và phân phối tài nguyên video trong mạng 5G. Nghiên cứu này cung cấp cho người dùng dịch vụ và chất lượng video tốt hơn. Cơ chế SCS tận dụng tài nguyên lưu trữ và phổ tần sẵn có của các phần tử trong mạng 5G UDN. Cơ chế CRS tận dụng hiệu quả tài nguyên, đáp ứng nhu cầu người dùng.

5.1. Kết Quả Nghiên Cứu và Đóng Góp của Luận Án

Luận án đã đề xuất hai cơ chế tối ưu lưu trữ và truyền video trong mạng 5G UDN. Cơ chế SCS cải thiện dung lượng truyền video bằng cách tận dụng mối quan hệ xã hội giữa người dùng. Cơ chế CRS nâng cao chất lượng video bằng cách cung cấp video ở nhiều mức phân giải khác nhau. Các kết quả nghiên cứu được công bố trên các tạp chí và hội nghị quốc tế uy tín, góp phần vào sự phát triển của lĩnh vực truyền thông không dây.

5.2. Tiềm Năng Ứng Dụng của Nghiên Cứu trong Thực Tế

Các cơ chế SCS và CRS có tiềm năng ứng dụng rộng rãi trong các hệ thống truyền video thực tế. Các nhà cung cấp dịch vụ có thể sử dụng các cơ chế này để cải thiện hiệu suất mạng, giảm chi phí vận hành và nâng cao trải nghiệm người dùng. Các ứng dụng tiềm năng bao gồm video conferencing, streaming trực tiếp, VR/AR và giáo dục trực tuyến. Việc triển khai các cơ chế này đòi hỏi sự hợp tác giữa các nhà cung cấp dịch vụ, nhà sản xuất thiết bị và các nhà nghiên cứu.

VI. Tương Lai Tối Ưu Video 5G Hướng Nghiên Cứu Tiếp Theo 59 ký tự

Nghiên cứu tiếp theo có thể tập trung vào việc tích hợp trí tuệ nhân tạo (AI) và học máy (Machine Learning) để tối ưu hóa quá trình lưu trữ và truyền video một cách tự động. Cần nghiên cứu thêm về việc quản lý tài nguyên hiệu quả và bảo mật video trong mạng 5G UDN. Việc phát triển các tiêu chuẩn và quy định liên quan đến truyền video trong mạng 5G cũng rất quan trọng.

6.1. Tích Hợp Trí Tuệ Nhân Tạo AI và Học Máy ML

Trí tuệ nhân tạo (AI) và học máy (ML) có tiềm năng cách mạng hóa lĩnh vực tối ưu hóa video. Các thuật toán AI/ML có thể được sử dụng để dự đoán nhu cầu người dùng, điều kiện mạng và tối ưu hóa việc lưu trữ, truyền tải và mã hóa video một cách tự động. AI/ML cũng có thể giúp phát hiện và ngăn chặn các cuộc tấn công bảo mật video.

6.2. Nghiên Cứu Về Quản Lý Tài Nguyên và Bảo Mật Video

Quản lý tài nguyên hiệu quả và bảo mật video là hai vấn đề quan trọng cần được giải quyết trong mạng 5G UDN. Các kỹ thuật quản lý tài nguyên phải đảm bảo rằng tất cả người dùng đều có thể truy cập video với chất lượng chấp nhận được. Các biện pháp bảo mật video phải bảo vệ nội dung video khỏi bị truy cập trái phép, sửa đổi hoặc phá hoại.

Trích đoạn nội dung tài liệu

Chương 1 sẽ giới thiệu về các kỹ thuật lưu trữ và truyền video trong mạng 5G siêu dày đặc (UDN – Ultra-dense Netwwork). Trong đó, các ưu điểm và những vấn đề cần được nghiên cứu của 5G UDN được trình bày, đặc biệt, kỹ thuật lưu trữ đa tầng và truyền video cộng tác tận dụng hiệu quả tài nguyên (dung lượng lưu trữ và phổ tần) được nhấn mạnh như là một giải pháp hiệu quả. Ngoài ra, các khái niệm, kết quả nghiên cứu liên quan, những công cụ và thuật giải cần thiết cũng được đề cập, phân tích và đánh giá một cách chi tiết. Từ đó, làm tiền đề cho những cơ chế mới được đề xuất trong các chương tiếp theo cũng như làm nổi bật ý nghĩa và đóng góp của luận án.

Giới thiệu về 5G UDN 1. Mô hình 5G UDN Mạng thông tin di động là một hình thức mạng truyền thông hiện đại cho phép con người có thể liên lạc, kết nối và chia sẻ thông tin với nhau ở bất kỳ đâu. Với sự phát triển nhanh chóng của khoa học kỹ thuật và công nghệ, cuộc cách mạng công nghiệp 4.0 đã và đang diễn ra ở nhiều nơi, nhiều nước trên thế giới, cùng hàng tỉ thiết bị di động được kết nối không dây. Theo ước tính, sẽ có khoảng 50 tỷ thiết bị được kết nối vào mạng không dây để truyền thông tin và truy cập các dịch vụ tiên tiến [51].

Trong bối cảnh này, lượng lớn người dùng yêu cầu các dịch vụ tiên tiến sẽ khiến cho mạng không dây, đặc biệt là mạng di động thế hệ thứ 5 (5G – Fifth Generation), trở nên suy yếu bởi vấn đề tắt nghẽn lưu lượng tại các tuyến trục (backhaul link) của các trạm cơ sở lớn (MBS – Macro Base Station) và các trạm cơ sở nhỏ (SBS – Small cell Base Station). Gần đây, mạng 5G UDN [2] được xem là mô hình khả thi nhờ vào khả năng cung cấp lượng lớn kết nối các dịch vụ dữ liệu lớn và tốc độ cao cũng như trì hoãn thấp so với các thế hệ mạng di động trước đó. Mô tả kết nối giữa các thiết bị, các công nghệ và ứng dụng trong 5G UDN [2] Mô hình của 5G UDN gồm nhiều tầng, cung cấp cho người dùng di động (MU – Mobile User) nhiều dịch vụ và ứng dụng khác nhau, được mô tả trong Hình 1-1. Trong mô hình này, tầng trên sử dụng dãi phổ tần cao hơn, tín hiệu mạnh hơn với tốc độ truyền cao hơn, trong khi đó, không gian dịch vụ và diện tích phủ sóng sẽ được mở rộng hơn nhờ vào các tầng trung gian và tầng thấp [2, 52].

5G UDN sẽ cho phép kết hợp linh hoạt các kỹ thuật truyền thông dựa vào việc tận dụng và chia sẻ tài nguyên giữa các phần tử/nhóm phần tử trong mạng nhằm đảm bảo kết nối, đáp ứng nhu cầu ngày càng cao của người dùng. Cụ thể, những tính năng và yêu cầu chính của 5G UDN [2] bao gồm: - Tốc độ dữ liệu và độ trễ: cho phép truyền dữ liệu với tốc độ cao, lên đến vài Gbp/s và độ trễ chỉ khoảng 1 mili giây. - Giao tiếp đa thiết bị/máy: cho phép kết nối nhiều thiết bị cùng lúc và có thể chia sẻ những dữ liệu dùng chung từ các thiết bị như là điện thoại thông minh, thiết bị gia dụng, tivi, xe ôtô, thiết bị cảm ứng…. 11 - Phổ tần: sự gia tăng nhu cầu kết nối của các thiết bị đòi hỏi lưu lượng, tài nguyên phổ tần cho 5G UDN cũng tăng lên.

Các băng tần cao thuộc bước sóng xăng-ti-mét (cmWave) và milimét (mmWave) là các băng tần tiềm năng vì chúng có khả năng cung cấp kênh băng thông lớn. Do đó, cung cấp được tốc độ dữ liệu cao, cho phép truyền tải với băng thông rộng hơn băng thông 20MHz của mạng 4G. - Kết hợp nhiều công nghệ: 5G UDN không phải là sự thay đổi công nghệ mới, mà nó hỗ trợ và phát triển thêm nhiều công nghệ. 5G UDN kết hợp nhiều hệ thống như GSM, HSPA (phương thức kết nối gói tốc độ cao), LTE và các hệ thống hỗ trợ truy cập với hiệu suất cao hơn.

- 5G UDN hoạt động gồm nhiều tầng như được mô tả trong Hình 1-1, gồm MBS, SBS, và các kết nối từ thiết bị đến thiết bị (D2D – Device-to-Device). Việc chia thành nhiều tầng sẽ đảm bảo hiệu suất hệ thống (năng lượng, phổ tần và không gian) tốt hơn. - Hỗ trợ tối đa khai thác dữ liệu: trong quá trình khai thác, mỗi thiết bị truy cập có các yêu cầu khác nhau về tốc độ, độ trễ, nội dung truy cập. Trong 5G UDN, vấn đề này sẽ được giải quyết linh hoạt và thông minh bởi vì các tầng có thể hỗ trợ nhau để chuyển tải đến người dùng nội dung tốt nhất.

Dữ liệu có thể được truy xuất từ MBS, từ SBS, hoặc từ người dùng khác qua truyền thông D2D. - Hiệu suất dụng tài nguyên cao: một trong những thách thức chính của 5G UDN là nâng cao hiệu quả sử dụng năng lượng của các thiết bị kết nối mạng, làm sao để nâng cao thời gian sử dụng của pin, cải thiện hiệu quả năng lượng với năng lượng tiêu thụ thấp kết hợp hấp thu năng lượng (energy harvesting) từ môi trường xung quanh (sóng/năng lượng vô tuyến) ở khoảng cách gần, cụ thể là từ các MBS [53]. Các thách thức của 5G UDN Tuy nhiên, 5G UDN vẫn còn những thách thức về vật lý cũng như quá trình sử dụng và khai thác dữ liệu của MU như: - Mật độ kết nối dày đặc từ những phạm vi truy cập và lưu lượng truy cập khác nhau tại các vị trí khác nhau. Điều đó có thể gây tắt nghẽn cục bộ, làm mất cân bằng hiệu suất và quyền hạn truy cập của các thiết bị.

- Những giới hạn truy cập riêng hoặc chung ở các tầng khác nhau sẽ tạo ra nhiều mức can nhiễu khác nhau. Ví dụ: các phiên truyền thông D2D khác nhau có thể ảnh hưởng can nhiễu cho nhau và thậm chí làm gián đoạn quá trình truy cập. - Vấn đề ưu tiên truy cập các kênh ở các tần số khác nhau và ưu tiên trong các chiến lược phân bổ tài nguyên. Để khắc phục các thách thức đó, 5G UDN phải thiết kế và xây dựng đảm bảo các yếu tố sau: - Tối ưu đa tầng: đồng bộ và tối ưu theo mô hình đa tầng để quản lý và cộng tác nhằm truyền tải dữ liệu đến người dùng tốt nhất với phân bổ tài nguyên hợp lý nhất.

Quản lý và cộng tác hiệu quả liên tầng (inter-tier) và trong tầng (intra-tier) sẽ đảm bảo sự linh hoạt trong quá trình truyền dữ liệu, làm giảm thiểu sự can thiệp nhau trong vận hành. Một thiết bị có thể đồng thời tải dữ liệu ở các tầng khác nhau hoặc từ các thiết bị khác gần đó. Tuy nhiên, điều này cần phải tích hợp chặt chẽ giữa các nút mạng thành một hệ thống sử dụng và chia sẻ tin cậy và nhanh chóng. - Thiết kế các phương pháp hiệu quả để hỗ trợ đồng thời nhiều thiết bị kết nối: 5G UDN đa tầng sẽ tăng thông lượng hệ thống và giảm tỷ lệ hao hụt, tăng hiệu quả tài nguyên cho những người sử dụng gần nhau.

Vì vậy, cần tăng cường sử dụng các thiết bị mới sử dụng công nghệ hiện đại, đảm bảo tiêu thụ ít năng lượng và cho phép kết nối một lúc nhiều thiết bị với nhau. 13 Các thiết bị mới phải tối ưu trong mỗi điểm mạng để đảm bảo quá trình khai thác và sử dụng không gián đoạn. - Quản lý can nhiễu trong 5G UDN đa tầng cho các người dùng khác nhau được tái sử dụng tài nguyên với sự sắp xếp can nhiễu hợp lý, đảm bảo được sự linh hoạt, không trùng lặp dữ liệu và quá tải tại một điểm/phần tử mạng nào đó. Các thiết kế phải vượt qua những hạn chế này để trở thành một mạng tối ưu nhất có thể.

Như vậy, những nghiên cứu nhằm đưa ra các giải pháp khắc phục các vấn đề thách thức nêu trên trong 5G UDN là cấp thiết để sử dụng tối ưu nguồn tài nguyên, nâng cao chất lượng mạng di động và cải thiện sự hài lòng của người dùng. Mô hình lưu trữ và truyền video trong 5G UDN Một trong những giải pháp có thể nhìn thấy để giải quyết vấn đề tắc nghẽn do mật độ kết nối dày đặc đó là nâng cấp các tuyến trục (backhaul link) như được mô tả trong Hình 1-1. Tuy nhiên, đây là giải pháp tốn kém và cần phải thay đổi nhiều trong kiến trúc hệ thống. Thay vào đó, kỹ thuật lưu trữ để mang các dịch vụ/ứng dụng/nội dung, đặc biệt là các dịch vụ và ứng dụng có dung lượng lớn và tốc độ dữ liệu cao như truyền video (VAS – Video Appications and Service), đến gần với MU hơn cũng giải quyết được bài toán tắt nghẽn nhưng lại không làm thay đổi kiến trúc hệ thống.

Kỹ thuật lưu trữ trong 5G UDN sẽ cho phép MU truy suất nội dung video ngay trong nội bộ mạng (khu vực phát của MBS hoặc của SBS) mà không cần phải truy cập đến máy chủ lưu trữ trong mạng lõi (core network). Thậm chí, MU không cần phải truy xuất nội dung video từ MBS và SBS, mà truy xuất từ những MU khác đã lưu trữ nội dung thông qua truyền thông D2D trong khoảng cách ngắn. Dĩ nhiên, trong kỹ thuật lưu trữ sẽ có những yêu cầu hỗ trợ của các kỹ thuật khác trong truyền thông, ví dụ như kỹ thuật chia sẻ tài nguyên phổ tần, để nâng cao hiệu quả lưu trữ. Kỹ thuật lưu trữ và chia sẻ tài nguyên phổ tần đã và đang thu hút sự chú ý của các nhà nghiên cứu trong và ngoài nước để mang lại lợi ích cho các nhà cung cấp 14 dịch vụ Internet (ISP – Internet Service Provider) và nhà cung cấp nội dung (CP – Content Provider) cũng như đáp ứng nhu cầu cao của MU trong việc truy xuất các dịch vụ tiên tiến tốc độ cao như truyền video.

Các mô hình lưu trữ kết hợp chia sẻ tài nguyên phổ tần cho các ứng dụng và dịch vụ truyền video trong 5G UDN được trình bày như sau. Cơ chế lưu trữ và chia sẻ tài nguyên cho các dịch vụ và ứng dụng video trong 5G UDN 1. Lưu trữ và truyền video đơn tầng Lưu trữ và truyền video đơn tầng là kỹ thuật cho phép hệ thống lưu trữ các video tại tầng MBS (tại macro tier) hoặc tại tầng SBS (femto tier) hoặc tại tầng người dùng di động (user tier) có khả năng lưu trữ (CU – Caching User) như được mô tả trong Hình 1-2.