Báo cáo khoa học: "PHƯƠNG PHÁP ĐÁNH GIÁ LƯỢNG TÀI NGUYÊN DỰ TRỮ CHO CÁC CUỘC GỌI CHUYỂN GIAO TRONG MẠNG TẾ BÀO CDMA"

Chia sẻ: Nguyễn Phương Hà Linh Linh | Ngày: | Loại File: PDF | Số trang:11

Thêm vào BST

Báo xấu

54
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tóm tắt: Bài báo này giới thiệu một phương pháp đánh giá lượng tài nguyên dự trữ cho sự chuyển giao của các MS trong mạng tế bào CDMA. Thông tin có được từ đầu ra của mô hình này được sử dụng để phục vụ cho thuật toán điều khiển thâm nhập cuộc gọi trong mạng tế bào CDMA này.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Báo cáo khoa học: "PHƯƠNG PHÁP ĐÁNH GIÁ LƯỢNG TÀI NGUYÊN DỰ TRỮ CHO CÁC CUỘC GỌI CHUYỂN GIAO TRONG MẠNG TẾ BÀO CDMA"

PHƯƠNG PHÁP ĐÁNH GIÁ LƯỢNG TÀI NGUYÊN DỰ TRỮ CHO CÁC CUỘC GỌI CHUYỂN GIAO TRONG MẠNG TẾ BÀO CDMA ThS. NCS. VÕ TRƯỜNG SƠN PGS. TS. LÊ HÙNG LÂN TS. NGUYỄN THANH HẢI Khoa Điện – Điện tử Trường Đại học Giao thông Vận tải Tóm tắt: Bài báo này giới thiệu một phương pháp đánh giá lượng tài nguyên dự trữ cho sự chuyển giao của các MS trong mạng tế bào CDMA. Thông tin có được từ đầu ra của mô hình này được sử dụng để phục vụ cho thuật toán điều khiển thâm nhập cuộc gọi trong mạng tế bào CDMA này. Summary: This paper proposes a method of reserved resources estimation for MS’s handoff in CDMA Cellular Network. The information from the output of the scheme is used for CAC schemes in the CDMA Cellular Network. I. GIỚI THIỆU CT 2 Điều khiển thâm nhập cuộc gọi (CAC) là một trong những chức năng quản lý tài nguyên quan trọng trong các mạng tế bào CDMA. CAC trong các hệ thống CDMA kinh điển đều dựa vào việc đánh giá lượng tài nguyên chiếm dụng bởi yêu cầu cuộc gọi mới và so sánh với khả năng đáp ứng của mạng, tức là lượng tài nguyên sẵn dùng của hệ thống. Lượng tài nguyên sẵn dùng của hệ thống là lượng tài nguyên còn lại của hệ thống sau khi đã trừ đi lượng tài nguyên bị chiếm dụng bởi các cuộc gọi đang tồn tại và cả lượng tài nguyên dự trữ cho các cuộc gọi chuyển giao [1, 8, 9, 18]. Do vậy đánh giá lượng tài nguyên dự trữ cho cuộc gọi chuyển giao là một công việc quan trọng đối với quá trình CAC. Lượng tài nguyên này phụ thuộc vào khả năng thuê bao di động (Mobile Station, MS) sẽ chuyển giao sang một tế bào kế cận trong tương lai. Tuy nhiên, đánh giá khả năng này lại là một công việc không đơn giản do tính chất biến đổi thất thường của môi trường vô tuyến cũng như sự di chuyển khó dự đoán trước của các MS. Trong [8, 9], việc đánh giá lượng tài nguyên dự trữ được thực hiện bằng cách sử dụng ý tưởng xác suất ngắt cuộc gọi tương đương của tế bào lân cận. Tuy nhiên đây lại là mô hình không phù hợp với sự di chuyển và chuyển giao của MS khi tất cả các tế bào lân cận đều được tham gia vào việc tính toán này, trong khi chuyển giao chỉ có thể xảy ra với một hay hai tế bào lân cận có mức công suất tín hiệu Pilot thu được tại MS lớn nhất. Một giải pháp khác được đưa ra là tính xác suất chuyển giao sang tất cả các tế bào kế cận trên cơ sở mức công suất tín hiệu Pilot thu được tại MS, mà các giá trị công suất này vượt qua một giá trị ngưỡng đặt trước. Sau 70
đó tài nguyên sẽ dự trữ cho cuộc gọi chuyển giao tại tế bào nào có xác suất chuyển giao của MS sang đó là lớn nhất và mức tài nguyên dự trữ sẽ tỷ lệ với xác suất này. Mô hình này là khá phù hợp với đặc tính di chuyển và chuyển giao của MS. Tuy nhiên việc tính toán giá trị xác suất chuyển giao lại không dễ dàng. Cách tính đơn giản nhất là dựa vào tỷ số giữa công suất tín hiệu Pilot thu được tại MS từ BS thuộc tế bào lân cận với công suất tín hiệu Pilot thu được tại MS từ trạm gốc (Base Station, BS) thuộc tế bào phục vụ. Về mặt lý thuyết, tỷ số này sẽ phản ánh tốt mối quan hệ về khoảng cách giữa MS với BS phục vụ với BS lân cận. Nếu tỷ số này nhỏ, MS gần với BS phục vụ và cách xa BS lân cận, do đó xác suất chuyển giao là thấp và ngược lại. Trên thực tế, công suất tín hiệu Pilot thu được tại MS từ các BS chịu ảnh hưởng lớn từ các hiện tượng fading và che khuất. Vì vậy cách tính nói trên là thiếu chính xác. Để giải quyết vấn đề này, logic mờ cung cấp một phương pháp thực hiện xấp xỉ nhưng hiệu quả cho mô hình đánh giá xác suất chuyển giao tại thời điểm hiện tại, theo đó nếu sử dụng công cụ toán học thì rất phức tạp và không dễ thực hiện. Với khả năng có thể giải quyết các vấn đề mang tính mơ hồ và thiếu chính xác, logic mờ được hy vọng sẽ cung cấp một giải pháp tốt để thực hiện việc đánh giá này [16]. Tuy nhiên, một vấn đề nữa đặt ra là xác suất được đánh ở trên chỉ thực hiện cho thời điểm hiện tại. Vấn đề là phải dự báo được xác suất này trong tương lai, khi cuộc gọi có thể đã hoạt động trong mạng sẽ thực hiện chuyển giao. Một mô hình dự báo là cần thiết cho tình huống này. Với loại dữ liệu mang tính thời gian thực như các cuộc gọi trong mạng CDMA, mô hình dự báo phù hợp là phương pháp bình phương nhỏ nhất đệ quy (RLS) [19]. Ngoài ra, trong quá trình đánh giá lượng tại nguyên dự trữ chuyển giao, [1, 18] đặt ra các tham số giới hạn trên (và dưới) cho tổng lượng tài nguyên dự trữ của mỗi tế bào. Điều này là tốt nếu xét dưới góc độ đảm bảo tỷ lệ thâm nhập cuộc gọi mới vì lượng tài nguyên dự trữ sẽ không CT 2 chiếm quá nhiều. Tuy nhiên trên thực tế, việc đảm bảo cuộc gọi chuyển giao không bị ngắt là quan trọng hơn việc cho thâm nhập cuộc gọi mới. Nếu đặt giới hạn trên cho lượng tài nguyên dự trữ và tình huống có nhiều cuộc gọi yêu cầu chuyển giao xảy ra, lượng tài nguyên dự trữ ở các tế bào đích sẽ không đủ để đáp ứng cho các yêu cầu này. Kết quả là, sẽ có nhiều hơn số cuộc gọi chuyển giao bị ngắt. Vấn đề này sẽ được giải quyết nếu lượng tài nguyên dự trữ chuyển giao trong từng tế bào không còn bị khống chế ở giới hạn trên, tức là dự trữ tài nguyên có thể đạt tối đa. Bài báo này giới thiệu mô hình kết hợp hệ suy diễn mờ và phương pháp bình phương nhỏ nhất đệ quy để đánh giá lượng tài nguyên dự trữ chuyển giao cho các MS trong mạng tế bào CDMA [4]. Phương án dự trữ tài nguyên tối đa phục vụ chuyển giao cũng được đưa vào nghiên cứu này. Trong mô hình này, công suất tín hiệu Pilot từ BS phục vụ và các BS lân cận thu được tại MS được hệ suy diễn mờ sử dụng để đánh giá xác suất chuyển giao của MS sang tế bào lân cận tại thời điểm hiện tại. Sau đó, bộ RLS căn cứ vào xác suất có được này để dự báo xác suất chuyển giao cho các thời điểm tiếp theo. Thông tin di chuyển của MS có được từ đầu ra của mô hình này được sử dụng để tính toán lượng tài nguyên dự trữ chuyển giao, phục vụ cho thuật toán điều khiển thâm nhập cuộc gọi. Phần còn lại của bài báo này bao gồm các mục sau: phần 2 giới thiệu khái quát về mô hình hệ thống CDMA tế bào và các khái niệm cơ bản. Phần 3 trình bày tóm tắt cơ sở lý thuyết của phương pháp RLS. Phần 4 giới thiệu mô hình đánh giá thông tin di chuyển bằng việc kết hợp hệ suy diễn mờ với thuật toán RLS. Áp dụng thông tin có được từ mô
hình cho bài toán CAC và kết quả mô phỏng được giới thiệu ở phần 5. Cuối cùng, kết luận được cho ở phần 6. II. CÁC KHÁI NIỆM CƠ BẢN Giả thiết một hệ thống tế bào CDMA băng rộng với các tế bào lục giác có kích thước bằng nhau. Mỗi tế bào có một BS tại tâm của nó với một anten đẳng hướng (omni). Phổ tần số vô tuyến như nhau được tái sử dụng ở tất cả các tế bào. Các MS liên lạc với BS phục vụ nó qua giao tiếp vô tuyến, một vài BS được kết nối tới trung tâm chuyển mạch các dịch vụ di động (MSC), và MSC này được kết nối tới một mạng trục. Trong tuyến xuống, mỗi một BS phát một tín hiệu Pilot duy nhất quảng bá xuống các MS. Các tín hiệu Pilot này từ các BS khác nhau được phân biệt bởi các mã khác nhau. MS có thể phát hiện được tín hiệu Pilot này từ bất kỳ BS nào khi cường độ tín hiệu Pilot vượt qua một giá trị ngưỡng nào đó. Trước khi truyền dẫn, một MS kiểm tra mức công suất tín hiệu Pilot thu được từ các BS gần đó và chọn BS phục vụ nó theo công suất tín hiệu Pilot thu được cực đại. Giả thiết rằng các MS, BS và MSC được thiết kế thích hợp tới mức trong khi bám theo tín hiệu Pilot của tế bào hiện tại, một MS sẽ tìm kiếm tất cả các tín hiệu Pilot có thể và duy trì một danh sách tất cả các tín hiệu Pilot có mức công suất lớn hơn một ngưỡng định trước. Danh sách này được phát về MSC một cách định kỳ qua BS phục vụ. MSC sử dụng những thông tin này để quyết định khi nào chuyển giao nên bắt đầu và đánh giá thông tin di chuyển. Trong bài báo này, thông tin di chuyển là khả năng có thể xảy ra tình huống MS sẽ hoạt động trong các tế bào khác tại một thời điểm trong tương lai. Khi một yêu cầu cuộc gọi xuất hiện, MSC sử dụng thông tin CT 2 di chuyển của tất cả các MS trong tế bào đó và các tế bào lân cận cùng với đặc tính lưu lượng của chúng để đánh giá xem có đủ hay không nguồn tài nguyên để cung cấp cho cuộc gọi mới mà vẫn không làm suy giảm QoS của các cuộc gọi đang được phục vụ. Hình 1. Các tế bào lục giác Hình 1 biểu diễn các tế bào lục giác, ở đó, MS xem xét đặt tại điểm M. Để đơn giản trong trình bày, chúng ta sẽ chỉ tập trung tới thông tin di chuyển của MS có liên quan tới BS phục vụ (ký hiệu là BS0) và sáu BS lân cận với nó thuộc lớp đầu tiên (ký hiệu là BS1, BS2, …, BS6). Gọi dl(t), l = 0, 1, …, 6 là ký hiệu khoảng cách giữa MS và BSl tại thời điểm t. Giả thiết máy thu 72
phát được thiết kế tích hợp, tạp âm của kênh chủ yếu là do hiện tượng che khuất và suy hao đường truyền. Giá trị trung bình của công suất tín hiệu Pilot từ BSl thu được tại MS có thể được mô tả như [4]: -r ξ (t)/10 a (t) = γ ⎡d ( t ) / D ⎤ 10 l + v (t) (1) ⎢l ⎥ l⎣ 0⎦ l l Trong đó γl là hằng số tỷ lệ với công suất tín hiệu được phát đi, r là số mũ của suy hao đường truyền, D0 là là khoảng cách tham khảo và ξl(t) theo dB tại bất kỳ thời điểm t nào là một biến ngẫu nhiên Gaussian (với giá trị trung bình bằng 0 và độ lệch chuẩn bằng σs) đặc trưng cho hiện tượng bóng mờ. Với l ≠ k, ξl(t) và ξk(t) là các quá trình ngẫu nhiên độc lập. Nếu các mức công suất phát của các tín hiệu Pilot là giống nhau thì γl = γ với l = 0, 1, …, 6. vl(t) biểu diễn công suất tạp âm nền và nhiễu đa thâm nhập (MAI) từ các tín hiệu mang tin của tuyến xuống tới tất cả MS. Khi có một số lượng lớn các user trong hệ thống, MAI có thể được mô hình hoá xấp xỉ bằng một quá trình ngẫu nhiên Gaussian. Trong hệ thống tế bào CDMA băng rộng, chuyển giao mềm được sử dụng dẫn đến việc vùng phủ sóng của tế bào được mở rộng và làm tăng dung lượng tuyến lên [1]. Tỷ số giữa năng lượng bít của kênh Pilot với mật độ tạp âm và nhiễu (Eb/I0) được sử dụng làm thông số đo phục vụ chuyển giao. Để đơn giản, ta giả thiết rằng trong chuyển giao mềm, một MS được kết nối tới hai trạm BS gần nhất với các tín hiệu Pilot mạnh nhất trong khi nó được điều khiển công suất bởi trạm BS, mà trạm này yêu cầu nó phát tại mức công suất yếu hơn. CT 2 III. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT ĐỆ QUY Cho một hệ thống rời rạc được mô tả bằng phương trình sai phân sau: y(k) + a1y(k-1) + a2y(k-2) = b0u(k-1) + b1u(k-2) (2) Trong đó y(k) là tín hiệu ra và u(k) là tín hiệu vào; a1, a2, b0, b1 là các tham số hệ thống. Phương trình (2) có thể được viết dưới dạng véctơ như sau: y(k) = φTθ (3) Trong đó φ và θ lần lượt là véc tơ hồi quy (véctơ dữ liệu đo được) và véctơ tham số, được cho như sau: φ = [-y(k-1) -y(k-2) u(k-1) u(k-2)]T , và θ = [a1 a2 b0 b1]T Phương trình (3) là phương trình chính xác mô tả hệ thống khi không có sai số. Tuy nhiên đây chỉ là trường hợp lý tưởng. Do vậy phương trình (2) được viết thành dạng sau: y(k) = φTθ + e(k) (4) Trong đó e(k) là sai số. Từ phương trình (4) chúng ta có: e(k) = y(k) - φTθ (5)
Ý tưởng của phương pháp RLS là cực tiểu hóa hàm giá trị sau: k J = ∑ e 2 (i) (6) k i=1 Từ phương trình (6) ta thấy giá trị của hàm giá trị này tiếp tục được tích lũy các giá trị của sai số, nhằm làm giảm sự tích lũy và ảnh hưởng từ dữ liệu "cũ" người ta áp dụng hệ số quên như sau: k J = ∑ λ k-i e2 (i) (7) k i=1 Trong đó λ là "hệ số quên" có giá trị nhỏ hơn đơn vị và thường được chọn trong khoảng 0.995 - 0.998 [19]. Cực tiểu hóa hàm giá trị và thực hiện một số bước biến đổi chúng ta thu được thuật toán sai số bình phương nhỏ nhất đệ quy như sau: Tại thời điểm t = k+1, tính các bước sau: Bước 1: Cập nhật véctơ dữ liệu : φ(k+1) = [-y(k-1) -y(k-2) u(k-1) u(k-2)]T Bước 2: Tính sai số mô hình hóa: e(k+1) = y(k+1) - φT(k+1)θ(k) Bước 3: Cập nhật ma trận đồng phương sai: φ(k +1)φT (k +1)P(k) ⎤ ⎡ P(k +1) = P(k) ⎢ I - ⎥ CT 2 ⎢ M λ + φT (k)P(k)φ(k +1) ⎥ ⎣ ⎦ Bước 4: Cập nhật véctơ tham số: φ(k+1) = θ(k) + P(k+1) φ(k+1) e(k+1) Bước 5: Quay trở lại bước 1. Chú ý rằng ma trận đồng phương sai P(k) có giá trị ban đầu là P(0) = αIM trong đó α là một giá trị tự chọn, thường có các giá trị α = 1000 và M là số các tham số chưa biết của mô hình trong phương trình (4). Giá trị của α ảnh hưởng tới tốc độ hội tụ của các tham số được ước lượng. Từ thuật toán này chúng ta thấy rằng véc tơ tham số được cập nhật liên tục tại các bước. Nếu máy tính được nối với hệ động và dữ liệu được cập nhật liên tục thì các giá trị ước lượng của véctơ tham số cũng được cập nhật liên tục. Đây là đặc điểm của phương pháp RLS và phương pháp này được áp dụng trong các hệ thống điều khiển tự chỉnh cũng như các hệ thống điều khiển theo thời gian thực. Từ phương trình cập nhật véc tơ tham số nếu chúng ta thấy số hạng thứ hai có chứa sai số ở vế phải P(k+1)φ(k+1)e(k+1) và nếu sai số này có giá trị rất nhỏ hoặc bằng không thì chúng ta sẽ có φ(k+1) = θ(k) biểu diễn tính hội tụ của các tham số hệ thống. Sự hội tụ của các tham số được ước lượng là đặc điểm quan trọng của phương pháp này [19]. 74
IV. MÔ HÌNH ĐÁNH GIÁ THÔNG TIN DI CHUYỂN Mô hình đánh giá thông tin di chuyển của MS gồm có hai khối chính, đó là (i) hệ suy diễn mờ dùng để đánh giá xác suất chuyển giao của MS tại thời điểm hiện tại và (ii) bộ dự báo xác suất chuyển giao của MS tại thời điểm trong tương lai gần sử dụng thuật toán RLS. Cấu trúc của mô hình này, theo [4], được biểu diễn trong hình 2. Hệ thống suy diễn mờ đánh giá xác suất để một MS sẽ hoạt động trong một tế bào tại thời điểm tn trên cơ sở đo cường độ công suất tín hiệu Pilot tại thời điểm đó. Trước khi có số liệu đo tại thời điểm tn+1, bộ dữ báo RLS tiến hành dự báo xác suất để MS hoạt động trong tế bào đó tại thời điểm tn+N, với N = 1, 2, ... trên cơ sở đánh giá của hệ suy diễn mờ tới thời điểm tn. Thông tin xác suất được dự báo có thể được sử dụng để đánh giá sự di chuyển của MS trong các bước tiếp theo, phục vụ cho thuật toán điều khiển thâm nhập cuộc gọi. Cơ cấu Mờ hóa suy diễn mờ Giải mờ Dự báo RLS Công Dự báo suất xác suất tín hiệu chuyển giao Pilot Cơ sở đo được luật mờ Hệ suy diễn mờ CT 2 Hình 2. Cấu trúc mô hình đánh giá thông tin di chuyển 4.1. Hệ suy diễn mờ Theo (1) ta thấy rằng, công suất tín hiệu Pilot từ các trạm BS thu được tại MS là sự phản ánh tốt khoảng cách giữa các BS đó với MS, theo đó khi khoảng cách tăng lên tức là công suất tín hiệu Pilot thu được tại MS sẽ yếu đi và ngược lại. Do đó, nếu công suất tín hiệu Pilot từ BS phục vụ (BS0) thu được tại MS lớn đồng thời công suất tín hiệu Pilot thu được từ BS thuộc tế bào lân cận l (BSl) nhỏ thì khả năng MS chuyển sẽ chuyển giao sang tế bào l từ tế bào phục vụ là thấp. Ngược lại, nếu công suất tín hiệu Pilot từ BS0 thu được tại MS nhỏ đồng thời công suất tín hiệu Pilot thu được từ BSl lớn thì khả năng MS chuyển sẽ chuyển giao sang tế bào l từ tế bào phục vụ là cao. Vì vậy, căn cứ vào mức đo công suất tín hiệu Pilot từ các BS0 và các BSl thu được tại MS, có thể tính được xác suất chuyển giao sang các tế bào lân cận của MS tại thời điểm hiện tại. Tuy nhiên, do ảnh hưởng của các hiện tượng được gây ra bởi môi trường truyền dẫn như fading, che khuất nên công suất tín hiệu Pilot thu được phản ánh không hoàn toàn chính xác khoảng cách giữa BS và MS. Do vậy, kết quả xác suất chuyển giao tính được cũng không chính xác. Để giải quyết vấn đề này, một cơ cấu suy diễn mờ được sử dụng để đánh giá xác suất chuyển giao này. Xét tại thời điểm hiện tại (t = tn), biến ngôn ngữ đầu vào của hệ suy diễn mờ là các mức
công suất tín hiệu Pilot từ BS0 (an,0) và các BSl (an,l), l = 1, …, 6 thu được được tại MS đang hoạt động trong tế bào i. Hàm thuộc được lựa chọn cho các biến đầu vào có dạng Gaussian với các giá trị ngôn ngữ của các biến đầu vào có dạng: U(an,l) = {ES, VS, S, SM, M, ML, L, VL, EL}, l = 0, 1, ...., 6. Biến ngôn ngữ đầu ra của hệ suy diễn mờ là xác suất chuyển giao sang tế bào l của MS đang hoạt động trong tế bào i tại thời điểm hiện tại, (pn,l), l = , 1, …, 6 . Hàm thuộc được lựa chọn cho các biến đầu ra cũng có dạng Gaussian với các giá trị ngôn ngữ của biến đầu ra có dạng: U(Pn,l) = {ES, VS, S, SM, M, ML, L, VL, EL}, l = 1, ..., 6. Để đơn giản trong thực hiện, ta giả thiết rằng, xác suất chuyển giao sang tế bào l lân cận của một MS đang hoạt động trong tế bào i chỉ phụ thuộc vào khoảng cách giữa MS với BS0 và với BSl đó mà không phụ thuộc vào các BSj khác (j = 1, ..., 6, j ≠ l) tức là chỉ phụ thuộc vào mức công suất tín hiệu Pilot từ BS0 (an,0) và mức công suất của một tín hiệu Pilot từ BSl (an,l), thu được tại MS thuộc tế bào i. Khi đó, với mỗi tập công suất tín hiệu Pilot thu được tại MS thuộc tế bào i bao gồm bảy phần tử an,l , (l = 0, 1,..., 6) ta sẽ có sáu cặp tín hiệu Pilot thu được (an,0, an,l), (l = 1,..., 6). Mỗi cặp tín hiệu này được đưa vào hệ suy diễn mờ một cách độc lập. Hệ suy diễn mờ trong trường hợp này sẽ bao gồm hai biến ngôn ngữ đầu vào là (an,0, an,l). Cơ sở luật mờ của hệ được xây dựng dựa trên ý kiến của chuyên gia và kinh nghiệm tích lũy, kết hợp với các yếu tố ảnh hưởng của môi trường truyền dẫn. Luật thứ k sẽ có dạng: Nếu an,0 là A0,k và an,l là AL,k thì pn,l là PL,k, k = 1,..., K, với K là số lượng luật. 4.2. Dự báo xác suất chuyển giao RLS CT 2 Việc di chuyển của các MS là khó dự đoán trước, do đó dự báo xác suất chuyển giao của MS trong tương lai là công việc không dễ dàng. Lý thuyết của phương pháp bình phương nhỏ nhất đệ quy được áp dụng trong phần này để dự báo xác suất mà MS sẽ chuyển giao sang tế bào kế cận tại các thời điểm sắp tới. Đầu vào của bộ dự báo là xác suất chuyển giao của MS tại thời điểm hiện tại, có được từ hệ suy diễn mờ. Đầu ra của nó là xác xuất mà MS sẽ chuyển giao sang tế bào kế cận tại các thời điểm sắp tới. Trong dự báo này, số bước dự báo là L = 3, tức là khi có xác suất tại thời điểm tn, xác suất tại thời điểm tn+L, L = 3, sẽ được dự báo. V. ÁP DỤNG CHO MÔ HÌNH CAC VÀ KẾT QUẢ MÔ PHỎNG Trong các mô hình CAC áp dụng cho mạng tế bào CDMA, mỗi khi có yêu cầu cuộc gọi mới hay cuộc gọi chuyển giao, yêu cầu về tài nguyên của cuộc gọi sẽ được xác định, đồng thời tài nguyên sẵn dùng của hệ thống cũng được đánh giá. Nếu tài nguyên sẵn dùng của hệ thống còn đủ để đáp ứng cho yêu cầu này, cuộc gọi sẽ được chấp nhận, nếu không nó sẽ bị từ chối. Trong đó lượng tài nguyên sẵn dùng của mạng là lượng tài nguyên của mạng trừ đi lượng tài nguyên bị chiếm dụng bởi các cuộc gọi đang kết nối trong tế bào và ở các tế bào lân cận. Ngoài ra lượng tài nguyên sẵn dùng của mạng còn có thể bị lấy bớt bởi việc dự trữ cho các cuộc gọi chuyển giao [1, 8, 9, 18]. 76
BS24 BS25 BS1 BS1 Hình 3. Dự trữ tài nguyên giao Hình 4. Các tế bào trong hệ thống mô phỏng Trong các mô hình CAC, việc đánh giá tài nguyên sẵn dùng của hệ thống phải tính tới yếu tố dự trữ kể trên. Khi đó mô hình trong bài báo này là phương án hiệu quả cho việc xác định lượng tài nguyên cần dự trữ cho các cuộc gọi chuyển giao. Khi xác suất, mà theo đó một MS có khả năng chuyển giao sang một tế bào lân cận, lớn hơn một giá trị ngưỡng định trước thì tế bào này phải dành một lượng tài nguyên để dự trữ cho cuộc gọi chuyển giao nói trên. Mức tài nguyên mà một BS dự trữ cho một cuộc gọi chuyển giao tỷ lệ với xác suất mà MS chuyển giao sang BS đó. Tức là BWr = m*P, trong đó BWr là lượng tài nguyên dự trữ cho cuộc gọi chuyển giao, P là xác suất chuyển giao tương ứng và m là hệ số tỷ lệ [1]. Lượng tài nguyên dự trữ của một tế bào, Br, dành cho các cuộc gọi từ các tế bào kế cận có thể chuyển giao vào nó, bằng tổng lượng tài nguyên dự trữ của tất cả các cuộc gọi đang được phục vụ trong các tế bào kế cận, xét CT 2 trên góc độ chuyển giao vào nó (xem hình 3). Giá trị Br này phải lớn hơn một giá trị cực tiểu Brmin đặt trước. Để đánh giá ảnh hưởng của việc dự trữ tài nguyên cho cuộc gọi chuyển giao, B việc mô phỏng thuật toán CAC được thực hiện cho ba tình huống: không dự trữ như ở [7] (UR- FCAC), dự trữ với giá trị Br bị khống chế chặn trên Brmax như ở [1, 18] (L-FCAC) và dự trữ với giá trị Br không bị khống chế chặn trên (UL-FCAC). Các thông số mô phỏng: hệ thống CDMA có băng thông tuyến lên là W = 3.75 MHz, và K = 25 cells, như trong hình 4, được mô phỏng. Mỗi cell có bán kính là 1.500m. Hình mẫu di chuyển của MS được mô phỏng như sau: (1) vị trí ban đầu của các cuộc gọi mới là phân phối đều trong 25 cell; (2) tốc độ di chuyển của các MS là phân phối đều giữa 5m/s và 25m/s và không thay đổi theo thời gian; (3) các MS di chuyển tới bất kỳ một cell nào kề cận với nó với xác suất như nhau và hướng di chuyển của nó vẫn duy trì như cũ trong suốt thời gian của kết nối; (4) chỉ quan tâm tới các MS ở trong 25 cell được đưa ra. Các tham số trong (1) là: γl = 1, D = 100m, r = 4, σs = 2 dB. Các tham số của dự trữ tài nguyên là Pmax,t = 0.3, Br,max = 200 KHz, Br,min = 50 KHz. Thông tin di chuyển được cập nhật mỗi B 1s và được dự báo với L = 1, 2, 3. Các thông số được sử dụng để đánh giá hoạt động của mô hình là xác suất ngắt cuộc gọi chuyển giao, xác suất chặn cuộc gọi mới và xác suất gián đoạn thông tin, trong đó thông số thứ nhất là quan trọng nhất.
b) a) Hình 5. Xác suất chặn cuộc gọi mới Voice và Data Hình 5 (a, b, c) biểu diễn xác suất chặn cuộc gọi mới tương ứng với ba dịch vụ Voice, Data và video. Ta thấy rằng, phương pháp không dự trữ tài nguyên chuyển giao có giá trị này là bé nhất, tiếp đến là dự trữ hạn chế và cuối cùng là dự trữ không hạn chế. Điều này là do trong các phương pháp dự trữ, một phần tài nguyên đã dành cho các cuộc gọi chuyển giao, lượng tài nguyên cho các cuộc gọi mới giảm xuống do đó xác suất chặn cuộc gọi tăng lên. c) a) CT 2 Hình 5c. Xác suất chặn cuộc gọi mới Video Hình 6a. Xác suất chặn cuộc gọi chuyển giao Voice Hình 6 (a, b, c) biểu diễn xác suất ngắt cuộc gọi chuyển giao cũng tương ứng với ba dịch vụ nói trên. Rõ ràng rằng, phương pháp không dự trữ tài nguyên chuyển giao có mức độ ngắt cuộc gọi chuyển giao là lớn nhất, tiếp đến là dự trữ hạn chế và cuối cùng là dự trữ không hạn chế có mức độ ngắt là bé nhất. Đây chính là mong muốn của nghiên cứu này. Kết quả đó là do trong các phương pháp dự trữ, một phần tài nguyên đã dành cho các cuộc gọi chuyển giao, dự trữ càng ít bị khống chế thì xác xuất ngắt cuộc gọi chuyển giao càng thấp. Kết quả này cũng không ảnh hưởng tới hiệu suất sử dụng tài nguyên bởi vì khi có cuộc gọi cần chuyển giao thì tài nguyên mới được dự trữ, nếu không có nhu cầu chuyển giao thì tài nguyên vẫn được dành cho cuộc gọi mới b) c) Hình 6. Xác suất chặn cuộc gọi chuyển giao Data và Video 78
Xác xuất gián đoạn thông tin của các phương pháp ứng với các loại dịch vụ được biểu diễn ở hình 7 (a, b, c). Các kết quả cũng cho thấy rằng, ở các phương pháp có dự trữ tài nguyên và dự trữ không hạn chế, giá trị này cũng nhỏ hơn, có nghĩa là hệ thống hoạt động tốt hơn với trường hợp không dự trữ tài nguyên hoặc dự trữ bị hạn chế. b) a) Hình 7. Xác suất gián đoạn thông tin Voice và data Hình 7c. Xác suất gián đoạn thông tin Video CT 2 VI. KẾT LUẬN Trong bài báo này, việc kết hợp hệ suy diễn mờ và phương pháp dự báo RLS được kết hợp để đánh giá thông tin di chuyển của các MS và sau đó là dự trữ tài nguyên chuyển giao, trong mạng tế bào CDMA được thực hiện. Ý tưởng dự trữ tài nguyên không hạn chế cũng được đưa vào nghiên cứu này. Thông tin di chuyển có được từ mô hình này là dữ liệu hữu ích phục vụ cho quá bài toán điều khiển thâm nhập cuộc gọi của mạng tế bào CDMA. Kết quả mô phỏng cho thấy rằng, hệ thống sử dụng phương pháp dự trữ tài nguyên cho cuộc gọi chuyển giao sẽ có xác suất ngắt cuộc gọi chuyển giao thấp hơn khi không sử dụng và nếu lượng tài nguyên dự trữ không bị chặn trên thì xác suất này còn thấp hơn nữa, tức là các cuộc gọi chuyển giao được bảo vệ tốt hơn. Tài liệu tham khảo [1]. Jun Ye, Xuemin (Sherman) Shen and Jon W.Mark, “Call Admission Control in Wideband CDMA Cellular Networks by Using Fuzzy Logic”, IEEE Transactions on Mobile Computing, Vol. 4, No. 2, March/April 2005. [2]. Jamie S.Evans and David Everitt, “Effective Bandwidth Based Admission Control for Multi-Service
CDMA Cellular Networks ” , IEEE Vehicular Technology Conference, 1996. [3]. Nitesh Dixit, Abhay Karandikar, “Effective Bandwidth in CDMA Cellular Networks with Soft Handoff ”, …,2006. [4]. Xuemin (Sherman) Shen, Jon W.Mark and Jun Ye, “User mobility profile prediction: An adaptive fuzzy inference approach”, Wireless Networks, 2000. [5]. T.S. Rappaport, Wireless Communications: Principles and Practice, 2nd Edition, Prentice Hall, 1996. [6]. Jing-Long Wang and Shu-Yin Chiang, “Fuzzy-Based Call Admission Control Scheme for Mobile Networks”, KES 2008, Part II, LNAI 5178, pp.958-965, 2008. [7]. Chung-Ju Chang, Scott Shen, Jiun-Hsiung Lin and Fang Ching Ren, “Intelligent Call Admission Control for Differentiated QoS Provisioning in Wideband CDMA Cellular System”, IEEE, 2000. [8]. Scott Shen, Chung-Ju Chang, ChingYao Huang and Qi Bi, “Intelligent Call Admission Control for Wideband CDMA Cellular Systems”, IEEE Transaction on Wireless Communications, Vol. 3, No. 5, September 2004. [9]. Daipeng Zhang, Gang Zhu, “Distributed Intelligent call Admission Control”, IEEE, 2005. [10]. Ravi Sindal and Sanjiv Tokekar, “A Neuro-Fuzzy Call Admision Control Algorithm for Voice/Data traffic in CDMA Cellular Network”, 2009 IEEE International Advance Commputing Conference (IACC 2009), Patiala, India, 6-7 March 2009. [11]. Ravi Sindal and Sanjiv Tokekar, “Analysis of Queuing based Call Admision Control Scheme in CDMA Cellular Network for Variation in Mobility and Soft Handoff Threshold”, 2008 IEEE Region 10 Colloquim and the Third ICIIS, Kharagpur, India, 8-10 December 2008. [12]. Ravi Sindal and Sanjiv Tokekar, “Modeling and Analysis of Voice -Data CAC Scheme in CDMA Cellular Networks for Variation in Soft Handoff Threshold Parameter”, IEEE, 2008. CT 2 [13]. Ravi Sindal and Sanjiv Tokekar, “Analysis of Bi-Class Call Admission Control Scheme in CDMA Cellular Network for Variation in Soft Handoff Threshold Paramaters”, IEEE, 2008. [14]. Waqas Ahmad, Irfan Awan, and Makoto Takizawa, “An Adaptive Call Admission Control Approach for Multimedia 3G Network”, Springer-Cerlag Berlin Heidelberg, 2007. [15]. Y. Park and F. Adachi (eds.), “Enhanced Radio Access Technologies for Next Generation Mobile Communication”, © 2007 Springer. [16]. S.Malarkkan1, V.C.Ravichandran, “Performance Analysis of Call Admission Control in WCDMA Systems with Adaptive Multi Class Traffic based on Fuzzy Logic”, IJCSNS - International Journal of Computer Science and Network Security, VOL.6 No.11, November 2006 [17]. Steve Dennett, The cdma2000 ITU-R RTT Candidate Submission (0.18). [18]. Jun Ye, Xuemin Shen and Jon W.Mark, “Call Admission Control in Wideband CDMA Cellular Networks by Using Fuzzy Logic”, Canadian Institute for Telecommunications (CITR), 2003. [19]. website: www.dieukhien.net. [20]. Duane Hanselman, Bruce Littlefield, “Mastering MATLAB® 5, A Comprehensive Tutorial and Reference”, Prentice Hall, Inc., 1998. [21]. Nguyễn Phùng Quang, “MATLAB & Simulink dành cho kỹ sư điều khiển tự động”, Nhà xuất bản Khoa học và Kỹ thuật, 2004. [22]. Phạm Hồng Liên (chủ biên), Đặng Ngọc Khoa, Trần Thanh Phương, “MATLAB và ứng dụng trong Viễn thông”, Nhà xuất bản Đại học Quốc gia TP.Hồ Chí Minh, 2006♦ 80