Nghiên cứu đề xuất mô hình mạng động cho bài toán lập lịch tài nguyên trong mạng Mạng Long Term Evolution (LTE)

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:8

Thêm vào BST

Báo xấu

22
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong bệnh viện, cảm biến được đặt tại các phòng khám nhằm giám sát số lượng bệnh nhân đến khám chữa bệnh. Trong điều trị, bệnh nhân mang các thiết bị cảm biến sinh trắc học để theo dõi sức khỏe.... Nghiên cứu đề xuất mô hình mạng động cho bài toán lập lịch tài nguyên trong mạng LTE nhằm nâng cao chất lượng dịch vụ và là một phần của bệnh viện thông minh.

Chủ đề:

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

Lưu

Nội dung Text: Nghiên cứu đề xuất mô hình mạng động cho bài toán lập lịch tài nguyên trong mạng Mạng Long Term Evolution (LTE)

Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Huế, ngày 07-08/6/2019 DOI: 10.15625/vap.2019.00044 NGHIÊN CỨU ĐỀ XUẤT MÔ HÌNH MẠNG ĐỘNG CHO BÀI TOÁN LẬP LỊCH TÀI NGUYÊN TRONG MẠNG LONG TERM EVOLUTION (LTE) Lê Minh Tuấn1,2, Lê Hoàng Sơn2, Phạm Thị Minh Phương3, Vũ Như Lân4, Đặng Thanh Hải5, Đinh Thu Khánh4 1 Đại học Nội vụ Hà Nội 2 Viện Công nghệ Thông tin, Đại học Quốc gia Hà Nội 3 Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội 4 Đại học Thăng Long 5 Đại học Đà Lạt letuan104@gmail.com, sonlh@vnu.edu.vn, phamthiminhphuong_t60@hus.edu.vn, vnlan@ioit.ac.vn, haidt@dlu.edu.vn, dinhthukhanh@gmail.com TÓM TẮT: Ngày nay, mạng cảm biến được sử dụng nhiều trong lĩnh vực như y tế, giao thông vận tải, công nghiệp sản xuất, nông nghiệp. Trong bệnh viện, cảm biến được đặt tại các phòng khám nhằm giám sát số lượng bệnh nhân đến khám chữa bệnh. Trong điều trị, bệnh nhân mang các thiết bị cảm biến sinh trắc học để theo dõi sức khỏe.... Các dữ liệu thu thập được từ các cảm biến (node) sẽ được gửi về trung tâm xử lý. Dữ liệu sau xử lý sẽ được lập lịch để truyền thông tới các thiết bị người dùng (PAD, smartphone...) thông qua mạng có dây hoặc không dây (3G, 4G (LTE), 5G). Dựa trên các thông tin nhận được, bệnh nhân có thể được gợi ý di chuyển đến phòng khám khác nếu phòng khám hiện tại có nhiều bệnh nhân cùng thăm khám, hoặc hỗ trợ Bác sĩ trong việc ra quyết định điều trị cho bệnh nhân. Trong mạng Long Term Evolution (LTE), chất lượng dịch vụ (QoS) là yếu tố đảm bảo thông tin được lập lịch để truyền đến đúng thiết bị yêu cầu dịch vụ với độ trễ tối thiểu, tỷ lệ mất gói tin thấp hay tính công bằng cao. Trong thực tế, các node trong mạng cảm biến có thể di chuyển, vào và ra mạng làm cho cấu trúc mạng luôn thay đổi. Khi số lượng node lớn và luôn thay đổi, việc lập lịch tài nguyên trong mạng LTE nhằm đảm bảo QoS là một thách thức. Trong bài báo này, nhóm nghiên cứu đề xuất mô hình mạng động cho bài toán lập lịch tài nguyên trong mạng LTE nhằm nâng cao chất lượng dịch vụ và là một phần của bệnh viện thông minh. Từ khóa: cảm biến, lập lịch, y tế, bệnh viện thông minh, LTE. I. GIỚI THIỆU Các mạng máy tính mà ở đó việc cấu trúc của mạng luôn thay đổi theo thời gian, các node trong mạng có thể ra nhập và rời khỏi mạng, các cạnh của mạng có thể bị biến đổi... được coi là mạng động (Dynamic-Network). Mạng động có thể tìm thấy ở nhiều lĩnh vực khác nhau trong cuộc sống như: mạng truyền thông; mạng xã hội; web; mạng lưới giao thông; và các mạng cơ sở hạ tầng khác. Trong mạng Internet, cấu trúc của mạng, lưu lượng truy cập, hay các ứng dụng mạng luôn thay đổi tạo nên cấu trúc động. Trong mạng LAN, người dùng và lưu lượng truy cập thay đổi tạo nên cấu trúc động. Trong mạng không dây tùy biến (mobile ad hoc wireless network), sự di chuyển của các node trong mạng hay sự thay đổi về điều kiện của môi trường truyền dẫn cũng tạo nên cấu trúc động. Do đặc điểm của mạng động, các nghiên cứu trước đây thường tập trung vào việc kiểm soát tải trên mạng khi mạng liên tục thay đổi, kiểm soát các gói tin được định tuyến đến và đi, kiểm soát các đối tượng của ứng dụng được thêm vào hay loại bỏ khỏi ứng dụng [4, 5, 24, 27]. Ngày nay mạng cảm biến (IoT) được sử dụng rất nhiều trong các lĩnh vực khác nhau [23]. Đặc điểm của các cảm biến là nhỏ, dễ dàng di động và tiêu thụ năng lượng thấp, nên mạng các cảm biến được ứng dụng nhiều trong các lĩnh vực như: y tế; sản xuất nông nghiệp; công nghiệp; giao thông vận tải [23]. Mặc dù dường như là một xu hướng chính, nhiều trở ngại vẫn phát sinh khi thiết lập một mạng cảm biến. Với khả năng dễ dàng kết nối và rời bỏ mạng, các cảm biến làm cho cấu trúc mạng thay đổi một cách liên tục (mạng động), số lượng các node trong mạng có thể tăng nhanh biến mạng cảm biến thành mạng có cấu trúc phức tạp, khó kiểm soát [28]. Các nghiên cứu gần đây về mạng cảm biến chủ yếu tập trung vào kiến trúc mạng [16], phương thức kết nối [22], các vấn đề về an ninh [1, 2, 11, 14, 20, 29], quản lý và khai thác dữ liệu trong mạng [6, 10, 13, 15]. Các tiến bộ gần đây trong công nghệ Internet of Things đang thúc đẩy sự phát triển các hệ thống thông minh. Trong y tế, cảm biến là một trong các công nghệ được sử dụng trong các thiết bị y tế hoặc cấy trong người bệnh nhân nhằm thu thập thông tin bệnh nhân và chuyển đổi các thông tin thu thập được thành các tín hiệu điện tử để gửi về trung tâm xử lý để phân tích thông qua mạng Internet. Dựa trên các ứng dụng khác nhau, các cảm biến IoT được sử dụng trong các thiết bị y tế nhằm theo dõi bệnh nhân, chẩn đoán bệnh, hỗ trợ điều trị, chăm sóc sức khỏe và các ứng dụng khác [11, 18, 19, 21] một cách đáng tin cậy. Với các ứng dụng chăm sóc sức khỏe, Rahmani, Amir. M. [19] sử dụng điện toán sương mù (fog- computing) để hình thành lớp phân tán giữa mạng cảm biến và điện toán đám mây nhằm giảm tải giữa mạng cảm biến và trung tâm điều khiển. Khan et al. in [21] giới thiệu hệ thống chăm sóc sức khỏe dùng các thẻ IoT (các thiết bị y tế đeo được) để thu thập thông tin bệnh nhân và sử dụng sóng RFID để gửi dữ liệu về các trạm cơ sở (base station), trước khi chúng được gửi về máy chủ vì đặc điểm RFID là có khả năng chống lại tấn công và ít nhiễu hơn tín hiệu khác. Trong các hệ thống chăm sóc sức khỏe thời gian thực, các cảm biến thường kết nối vào đơn vị xử lý cục bộ thông qua
346 NGHIÊN CỨU ĐỀ XUẤT MÔ HÌNH MẠNG ĐỘNG CHO BÀI TOÁN LẬP LỊCH TÀI NGUYÊN TRONG … kênh chia sẻ có băng thông cố định. Các cảm biến này có các yêu cầu truy cập kênh khác nhau, đồng thời yêu cầu quyền truy cập kênh riêng lẻ sao cho mỗi thiết bị được cung cấp một băng thông cực đại với độ trễ tối thiểu. Dhar, Sourav Kumar và cộng sự [18] đề xuất một mô hình lập lịch giúp loại bỏ sự can thiệp lẫn nhau giữa các cảm biến nhằm giảm thiểu mất mát dữ liệu dựa trên tốc độ lấy mẫu và kích thước mẫu cho mỗi tham số đo. Các tham số đo có thể là điện tâm đồ (ECG), điện não đồ (EEG), điện cơ đồ (EMG), hô hấp (RR) hay các tham số đo khác. Mô hình yêu cầu tốc độ lấy mẫu cao nhưng đòi hỏi kích thước lấy mẫu nhỏ cho các tham số liên quan đến hình ảnh, nhưng yêu cầu tốc độ lấy mẫu thấp và đòi hỏi kích thước lấy mẫu lớn cho tham số liên quan đến âm thanh. Mô hình lập lịch dự trữ các khoảng thời gian bằng nhau cho mỗi tham số. Nếu dữ liệu của mỗi tham số không phù hợp với khoảng thời gian, thì chúng cần phải được chia thành nhiều phần phù hợp để truyền. Changyan Yi [8] đề xuất mô hình quản lý lập lịch việc truyền dữ liệu từ các thiết bị từ các thiết bị thông minh và trung tâm y tế từ xa thông qua mạng wireless body area network (WBAN). Các thiết bị thông minh dựa trong WBAN thường được biết rộng rãi trong mạng WBAN là các smartphone. Do đặc điểm của các smartphone, chúng có thể đưa ra chiến lược đánh giá mức độ ưu tiên cao hoặc thấp của các gói tin, từ đó thay đổi kế hoạch truyền trong mạng WBAN nhằm tăng lợi ích của chúng. Mô hình lập lịch đề xuất giải quyết được các vấn đề về độ ưu tiên của gói tin dựa trên các thông tin được báo cáo bởi các thiết bị bằng cách kết hợp thêm chất lượng dịch vụ được đưa ra bởi các trạm cơ sở. Trong thực tế, các hệ thống chăm sóc sức khỏe tồn tại một mạng mà ở đó các cảm biến có thể tắt, bật tùy thuộc vào nhiệm vụ của nó. Ngoài ra, với các cảm biến gắn trên người bệnh, khi người bệnh di chuyển, vị trí của các cảm biến đến trạm cơ sở cũng thay đổi theo. Tất cả sự thay đổi đó làm cho mạng cảm biến luôn thay đổi về cấu trúc. Việc lập lịch thiết bị trong mạng cũng trở nên phức tạp. Có thể thấy, nhiều nghiên cứu về mạng cảm biến gần đây tập trung vào các vấn đề về an ninh, quản lý và khai thác dữ liệu, lập lịch dữ liệu dựa trên tần số lấy mẫu, độ ưu tiên gói tin mà chưa chú ý nhiều đến lập lịch cho mạng động. Mục tiêu của bài báo này là đề xuất một mô hình mạng động cho bài toán lập lịch tài nguyên cho các thiết bị IoT trong mạng Long Term Evolution (LTE) nhằm nâng cao chất lượng dịch vụ khám chữa bệnh trong bệnh viện, là một phần của bệnh viện thông minh. Phần tiếp theo của bài báo được tổ chức như sau: phần II, chúng tôi tổng quan lại các phương pháp lập lịch trong mạng LTE; phần III, đưa ra đề xuất mô hình mạng động cho bài toán lập lịch trong mạng; phần IV, một số thực nghiệm và trao đổi; cuối cùng là kết luận và hướng phát triển trong thời gian tới. II. TỔNG QUAN VỀ LẬP LỊCH TRONG MẠNG LTE Trong phần này, mục 2.1 sẽ giới thiệu tổng quan về lập lịch trong mạng LTE, mục 2.2 sẽ trình bày thuật toán lập lịch Round Robin, mục 2.3 sẽ trình bày thuật toán lập lịch Best-CQI, và mục 2.4 sẽ trình bày thuật toán lập lịch Proportional Fair. 2.1. Tổng quan về lập lịch trong mạng LTE LTE là viết tắt của Long Term Evolution, một chuẩn truyền thông không dây được phát triển bởi dự án đối tác thế hệ thứ 3 (3rd Generation Partnership Project). LTE được thiết kế để cung cấp tốc độ truyền dữ liệu cao lên đến 100Mbps cho dữ liệu tải xuống và 50Mbps dữ liệu tải lên. Mạng LTE có thể hoạt động được trên các băng tần khác nhau từ 1.4MHz đến 20MHz. Lập lịch trong mạng LTE là cơ chế cấp phát tài nguyên vô tuyến cho người dùng truyền dữ liệu khác nhau trong cùng khoảng thời gian [26]. Trong mạng LTE, tài nguyên vô tuyến được chia sẻ cho các người dùng theo miền thời gian và miền tần số. Miền thời gian được chia thành các frame, mỗi frame được tạo thành từ 10 khoảng thời gian truyền (TTI) liên tiếp, mỗi khoảng thời gian truyền có độ dài 1ms, mỗi khoảng thời gian truyền có 2 khe thời gian, mỗi khe 0.5ms. Theo miền tần số, toàn bộ băng thông được chia thành các kênh phụ có độ lớn 180 KHz. Mỗi tài nguyên vô tuyến theo miền thời gian và miền tần số nằm trong một khe thời gian và một kênh phụ trong miền tần số được gọi là một khối tài nguyên (RB). Một khối tài nguyên là một đơn vị tài nguyên vô tuyến nhỏ nhất được cấp phát cho thiết bị người dùng để truyền dữ liệu. Số lượng khối tài nguyên tương ứng với thiết lập băng tần của hệ thống. Ví dụ: 6, 12, 100 khối tài nguyên tương ứng với 1.25MHz, 2.5MHz, 20MHz [30]. Hình 1 mô tả tài nguyên vô tuyến theo miền thời gian và miền tần số của mạng LTE. 2.2. Thuật toán lập lịch Round Robin Ý tưởng của thuật toán lập lịch Round Robin (RR) là cho phép mọi người dùng thay phiên nhau sử dụng tài nguyên chia sẻ (time/RB) mà không quan tâm đến điều kiện kênh truyền. Ưu điểm chính của thuật toán lập lịch Round Robin là đảm bảo tính công bằng cho mọi người dùng. Với đặc điểm là dễ cài đặt, nên thuật toán lập lịch Round Robin được sử dụng trong rất nhiều hệ thống. Do không quan tâm đến điều kiện kênh truyền nên kết quả của thuật toán cho thấy băng thông của người dùng là thấp, dẫn đến băng thông toàn bộ hệ thống là thấp. Thuật toán lập lịch Round Robin có thể được thể hiện bằng Hình 2:
Lê Minh Tuấn, Lê Hoàng Sơn, Phạm Thị Minh Phương, Vũ Như Lân, Đặng Thanh Hải, Đinh Thu Khánh 347 Hình 1. Tài nguyên vô tuyến miền thời gian và miền tần số trong mạng LTE Hình 2. Thuật toán lập lịch Round Robin 2.3. Thuật toán lập lịch Best-CQI Chất lượng kênh (Được chọn) Hình 3. Mô phỏng thuật toán lập lịch Best-CQI Như tên gọi của thuật toán, thuật toán Best-CQI (Best Chanel Quality Indicator) lựa chọn người dùng có điều kiện kênh truyền tốt nhất để gán tài nguyên vô tuyến. Để thuật toán thực hiện được, mỗi người dùng phải tính toán thông tin về chất lượng kênh truyền (CQI) dựa vào tín hiệu tham chiếu mà trạm cơ sở truyền trước đó và gửi về trạm cơ sở. Giá trị CQI càng lớn, nghĩa là chất lượng kênh truyền càng tốt. Dựa vào tín hiệu điều kiện về kênh truyền nhận được, trạm cơ sở sẽ chọn người dùng nào có chất lượng kênh truyền tốt nhất và gán tài nguyên vô tuyến cho người
348 NGHIÊN CỨU ĐỀ XUẤT MÔ HÌNH MẠNG ĐỘNG CHO BÀI TOÁN LẬP LỊCH TÀI NGUYÊN TRONG … dùng đó. Thuật toán cho phép tăng băng thông của hệ thống [7], tuy nhiên do thuật toán lập lịch dựa vào chất lượng kênh truyền nên sẽ có những người dùng có chất lượng kênh truyền thấp sẽ không được lập lịch [3]. Thuật toán Best- CQI được thể hiện trong Hình 4. Hình 4. Thuật toán lập lịch Best-CQI 2.4. Thuật toán lập lịch Proportional Fair Ý tưởng của thuật toán lập lịch Proportional Fair (PF) là cấp phát nhiều tài nguyên vô tuyến hơn tới người dùng có điều kiện kênh truyền tốt hơn tại thời điểm truyền với mục tiêu đối đa hóa băng thông của hệ thống, đồng thời đảm bảo sự công bằng giữa các người dùng. Trước tiên, thuật toán tính độ ưu tiên của mỗi người dùng tại mỗi tài nguyên vô tuyến, sau đó người dùng với ưu tiên cao nhất sẽ được cấp phát tài nguyên này và thuật toán sẽ tiếp tục với người dùng với độ ưu tiên cao tiếp theo. Tiến trình lập lịch kết thúc khi tất cả các tài nguyên vô tuyến được cấp phát tới tất cả người dùng. Thuật toán PF được mô tả bằng toán học như sau [9]: ( ) ( ) (1) Trong đó K* là người dùng kth có độ ưu tiên cao nhất tại khe thời gian tth và tại mỗi khối tài nguyên nth. Rk,n(t), n=1,2,...,N là tốc độ dữ liệu tức thời của người dùng kth tại khe thời gian tth và khối tài nguyên nth. Tốc độ truyền dữ liệu tức thời tại thời sóng mang con nth tại khe thời gian tth được tính bằng công thức: ( ) ( ( )) (2) th th Trong đó Rk,n(t) là tỷ lệ truyền của người dùng k tại khe thời gian t , B là băng thông của hệ thống, N là số lượng sóng mang con. Giá trị SINR nhận được tại tín hiệu của khối tài nguyên nth của người dùng kth tại khe thời gian tth được tính bằng công thức [27]: ( ) ( ) ( ) (3) Trong đó Sk,n(t), Hk,n(t) là công suất truyền tải được cấp phát và mức tăng kênh tại sóng mang con nth và khe thời gian tth, N0 là mật độ phổ công suất của nhiễu gauss cộng sinh, B là băng thông của hệ thống và N và số lượng sóng mang con. Khi đó, thông lượng trung bình Tk,n(t) được cập nhật lại theo công thức: ( ) ( ) ( ) ( ) ( ) { ( ) ( ) ( ) (4) Độ dài tham số tc điều khiển độ trễ của hệ thống. Theo thuật toán PF, nếu tc lớn (ví dụ tc = ∞), tài nguyên cấp phát phụ thuộc vào SINR sẽ đạt max băng thông của hệ thống nhưng không đạt được tính công bằng. Nếu tc nhỏ (ví dụ tc = 1), thuật toán cấp phát tài nguyên giống thuật toán RR[17].
Lê Minh Tuấn, Lê Hoàng Sơn, Phạm Thị Minh Phương, Vũ Như Lân, Đặng Thanh Hải, Đinh Thu Khánh 349 III. MÔ HÌNH MẠNG ĐỘNG ĐỀ XUẤT CHO BÀI TOÁN LẬP LỊCH TRONG MẠNG LTE Hình 5. Ví dụ về topo mạng trong hệ thống mạng y tế chăm sóc sức khỏe Trong mạng y tế chăm sóc sức khỏe, khi số lượng thiết bị (cảm biến sinh trắc học...) (IoT) trong mạng tăng nhanh đưa ra một thách thức về truyền thông cho hệ thống. Bên cạnh đó, các thiết bị IoT trong mạng có thể ở trạng thái nằm chờ để gửi dữ liệu mà không cần có sự tương tác của con người làm có mạng trở nên phức tạp, không cố định. Mặt khác, mô hình mạng y tế chăm sóc sức khỏe động được đề xuất cho bài toán lập lịch trong mạng LTE bên cạnh việc tối ưu hóa băng thông của hệ thống, nhưng vẫn đảm bảo được tính công bằng giữa các thiết bị và tối thiểu năng lượng truyền. Trong phần này, một mô hình mạng động được đề xuất cho việc lập lịch trong mạng LTE nhằm khắc phục các nhược điểm của các hệ thống hiện tại. Giả sử mạng động đề xuất gồm K thiết bị cảm biến (người dùng), trong bài toán này, chúng tôi giả sử các cảm biến đặt cố định trong vùng phủ sóng của trạm cơ sở (eNB), tất cả các cảm biến của cùng một loại. Các cảm biến được đặt tại các phòng khám nhằm thu thập thông tin về môi trường, thông tin bệnh nhân và gửi về trạm cơ sở. Tín hiệu được gửi và nhận hai chiều giữa trạm cơ sở và cảm biến. Hình 5, là ví dụ về topo mạng trong hệ thống chăm sóc sức khỏe. Các thiết bị cảm biến có thể ở trạng thái nhận (bật) tín hiệu hoặc gửi (bật) tín hiệu (có bệnh nhân thăm khám) hoặc trong trạng thái chờ (tắt) (không có bệnh nhân thăm khám) trong khoảng thời gian t = 1..T. Trạng thái bật, tắt của các thiết bị làm thay đổi số lượng thiết bị trong mạng tạo thành mạng động. Rk,n(t) là tỷ lệ truyền của người dùng kth tại khe thời gian tth và tại sóng mang con nth. Bài toán đặt ra là: lập lịch cho K thiết bị sao cho thỏa mãn: tối ưu hóa băng thông của hệ thống và đảm bảo tính công bằng cho tất cả các thiết bị này. Hàm mục tiêu: ( ) ∫ ∑ ∑ ( ( ) ( )) (5) Với ràng buộc: ( ) ( ) { (6) ( ) Trong đó, I(t) là tập phòng khám tại thời điểm t, k* là người dùng có tỷ lệ truyền lớn nhất trong khe thời gian tth và tại sóng mang con nth. Nếu ta bỏ qua và không xét đến tính công bằng và không gian địa lý, thì mục tiêu lập lịch là lựa chọn người dùng có tỷ lệ truyền lớn nhất để ưu tiên cấp phát tài nguyên: ( ) ( ) (7) Trong các ứng dụng yêu cầu thời gian thực, độ trễ được tính toán và thêm vào hàm mục tiêu để tăng tính công bằng:
350 NGHIÊN CỨU ĐỀ XUẤT MÔ HÌNH MẠNG ĐỘNG CHO BÀI TOÁN LẬP LỊCH TÀI NGUYÊN TRONG … ( ) ( ) ( ) (8) Ở đó, Bk,n(t) là thông lượng trung bình của người dùng kth. Bk,n(t) được cập nhật theo công thức: ( ) ( ) ( ) ( ) ( ) { (9) ( ) ( ) ( ) Trong đó, Rk,n(t) là tỷ lệ truyền (tính theo dB) của người dùng kth tại khe thời gian tth tại sóng mang con nth, được tính theo công thức: ( ) ( ( )) (10) Ở đó SINRk,n(t) là đại lượng được sử dụng để đánh giá chất lượng kênh truyền tại từng khe thời gian của người dùng kth, SINRk,n(t) được tính theo công thức: ( ) (11) Theo (11), giá trị SINR càng lớn thì chất lượng kênh truyền càng tốt. Do một người dùng có thể nằm trong vùng phủ sóng của nhiều trạm cơ sở, người dùng có thể nhận tín hiệu từ các trạm cơ sở khác nhau, do đó giá trị SINR của người dùng kth tại vùng phủ sóng của trạm cơ sở j có thể chịu ảnh hưởng về năng lượng giao thoa của trạm cơ sở khác. Khi đó, SINR được tính lại theo công thức: ( ) ( ) (12) ∑ ( ) Ở đó, rk là khoảng cách từ người dùng kth đến trạm cơ sở, là tỷ lệ tín hiệu mất theo khoảng cách, thường nhận giá trị từ 2 đến 6 (dB) tùy thuộc vào môi trường truyền dẫn, là năng lượng truyền từ trạm cơ sở đến người dùng kth và ( ) là năng lượng mà người dùng kth nhận được từ các trạm cơ sở lân cận. Như vậy, để tối đa băng thông và đảm bảo tính công bằng, kth sẽ được gán cho trạm cơ sở mà ở đó giá trị SINR là lớn nhất: ( ) (13) IV. KẾT LUẬN Trong bài báo này, nhóm tác giả đã tập trung nghiên cứu về các thuật toán lập lịch tải xuống trong mạng Long Term Evolution và đề xuất một mô hình mạng động ứng dụng trong mạng y tế chăm sóc sức khỏe cho bài toán lập lịch. Mô hình mạng động cho bài toán lập lịch đề xuất có ưu điểm: (1) đảm bảo tối đa băng thông của hệ thống; (2) đảm bảo tính công bằng cho tất cả các người dùng. Ngoài ra, mô hình còn chỉ ra ưu điểm trong việc tối ưu hóa bằng thông, thông qua việc xác định chỉ các thiết bị nào truy cập mạng để gửi và nhận dữ liệu mới được đưa vào danh sách các thiết bị được lập lịch. Từ nghiên cứu đạt được, nhóm tác giả đưa ra gợi ý các hướng có thể phát triển trong tương lai như: i) mở rộng mô hình bài toán với các thiết bị có sự di chuyển; ii) tính toán sự ảnh hưởng của địa hình đến chất lượng kênh truyền trong mạng động. Kết quả của bài báo cũng sẽ là tiền đề để nhóm tiếp tục cải tiến mô hình trong các nghiên cứu tiếp theo nhằm hiện thực hóa bài toán lập lịch bệnh nhân trong các bệnh viện tại Việt Nam. TÀI LIỆU THAM KHẢO [1]. Amelina, Natalia, Alexander Fradkov, Yuming Jiang, and Dimitrios J. Vergados. "Approximate consensus in stochastic networks with application to load balancing." IEEE Transactions on Information Theory 61, no. 4, 1739-1752, 2015. [2]. Atzori, L., A. Iera, and G. Morabito. "The Internet of things: a survey.” Computer Network, 54 (15): 2787–2805, 2010. [3]. Bahillo Martinez, A., "Evaluation of multiuser scheduling algorithm in OFDM for different services." Master's thesis, Institutt for elektronikk og telekommunikasjon, 2006. [4]. Bechir, N., Nasreddine, M., Mahmoud, A., Walid, H. and Sofien, M., “Novel Scheduling Algorithm for 3gpp Downlink LTE cellular network”. Procedia Computer Science, 40, pp.116-122, 2014. [5]. Changyan Yi and Jun Cai, “A Truthful Mechanism for Scheduling Delay-Constrained Wireless Transmissions in IoT-Based Healthcare Networks” IEEE Transactions on Wireless Communications, 18(2), IEEE, pp.912-925, 2019.
Lê Minh Tuấn, Lê Hoàng Sơn, Phạm Thị Minh Phương, Vũ Như Lân, Đặng Thanh Hải, Đinh Thu Khánh 351 [6]. Dahlman, E., Parkvall, S., Skold, J. and Beming, P., “3G evolution: HSPA and LTE for mobile broadband” Academic press, 2010. [7]. Dastjerdi, Amir Vahid, and Rajkumar Buyya. "Fog computing: Helping the Internet of Things realize its potential." Computer 49, no. 8: 112-116, 2016. [8]. Dhar, Sourav Kumar, Suman Sankar Bhunia, and Nandini Mukherjee. "Interference aware scheduling of sensors in IoT enabled health-care monitoring system." In 2014 Fourth International Conference of Emerging Applications of Information Technology, pp. 152-157. IEEE, 2014. [9]. Dikamba. T., “Downlink Scheduling in 3GPP Long Term Evolution (LTE)”. MSc Thesis, TUDelft, March 2011. Delft University of Technology (2011). [10]. Elsasser, Robert, Burkhard Monien, and Stefan Schamberger. "Load balancing in dynamic networks." In 7th International Symposium on Parallel Architectures, Algorithms and Networks, 2004. Proceedings, pp. 193-200. IEEE, 2004. [11]. Hassanalieragh, Moeen, Alex Page, Tolga Soyata, Gaurav Sharma, Mehmet Aktas, Gonzalo Mateos, Burak Kantarci, and Silvana Andreescu. "Health monitoring and management using Internet-of-Things (IoT) sensing with cloud-based processing: Opportunities and challenges." In 2015 IEEE International Conference on Services Computing, pp. 285-292. IEEE, 2015. [12]. Karaoglu, Bora, and Wendi Heinzelman. "Cooperative load balancing and dynamic channel allocation for cluster- based mobile ad hoc networks." IEEE transactions on mobile computing 14, no. 5, 951-963, 2015. [13]. Khan, Sarfraz Fayaz. "Health care monitoring system in Internet of Things (IoT) by using RFID." In 2017 6th International Conference on Industrial Technology and Management (ICITM), IEEE. pp. 198-204, 2017. [14]. Lee, In, and Kyoochun Lee. "The Internet of Things (IoT): Applications, investments, and challenges for enterprises." Business Horizons 58, no. 4: 431-440, 2015. [15]. Mahmoud, Rwan, Tasneem Yousuf, Fadi Aloul, and Imran Zualkernan. "Internet of things (IoT) security: Current status, challenges and prospective measures." In 2015 10th International Conference for Internet Technology and Secured Transactions (ICITST), pp. 336-341. IEEE, 2015. [16]. Mahmoud, Rwan, Tasneem Yousuf, Fadi Aloul, and Imran Zualkernan. "Internet of things (IoT) security: Current status, challenges and prospective measures." In 2015 10th International Conference for Internet Technology and Secured Transactions (ICITST), pp. 336-341. IEEE, 2015. [17]. Mishra, Nilamadhab, Chung-Chih Lin, and Hsien-Tsung Chang. "A cognitive adopted framework for IoT big- data management and knowledge discovery prospective." International Journal of Distributed Sensor Networks 11, no. 10: 718390. 2015. [18]. Oh, Se-Ra, and Young-Gab Kim. "Security requirements analysis for the IoT." In 2017 International Conference on Platform Technology and Service (PlatCon), pp. 1-6. IEEE, 2017. [19]. Olivier, Flauzac, Gonzalez Carlos, and Nolot Florent. "New security architecture for IoT network." Procedia Computer Science 52: 1028-1033, 2015. [20]. P. Castillejo, J. F. Martinez,J. Rodriguez-Molina,A.Cuerva, “Integration of wearable devices in a wireless sensor network for an E-health application” IEEE Wireless Communications, vol. 20, pp. 38-49, 2013. [21]. Rahmani, Amir M., Tuan Nguyen Gia, Behailu Negash, Arman Anzanpour, Iman Azimi, Mingzhe Jiang, and Pasi Liljeberg. "Exploiting smart e-Health gateways at the edge of healthcare Internet-of-Things: A fog computing approach." Future Generation Computer Systems 78: 641-658, 2018. [22]. Sivaraman, Vijay, Hassan Habibi Gharakheili, Arun Vishwanath, Roksana Boreli, and Olivier Mehani. "Network- level security and privacy control for smart-home IoT devices." In 2015 IEEE 11th International conference on wireless and mobile computing, networking and communications (WiMob), pp. 163-167. IEEE, 2015. [23]. Verma, Shikhar, Yuichi Kawamoto, Zubair Md Fadlullah, Hiroki Nishiyama, and Nei Kato. "A survey on network methodologies for real-time analytics of massive IoT data and open research issues." IEEE Communications Surveys & Tutorials 19, no. 3: 1457-1477, 2017. [24]. Viswanath, P., Tse, D. N. C., & Laroia, R., “Opportunistic beamforming using dumb antennas”. In Proceedings IEEE International Symposium on Information Theory, (p. 449). IEEE, 2002. [25]. Wali, Prashant K., and Debabrata Das., "A novel access scheme for IoT communications in LTE-Advanced network." In 2014 IEEE International Conference on Advanced Networks and Telecommuncations Systems (ANTS), pp. 1-6. IEEE, 2014. [26]. Wan, Jiafu, Baotong Chen, Muhammad Imran, Fei Tao, Di Li, Chengliang Liu, and Shafiq Ahmad. "Toward dynamic resources management for IoT-based manufacturing." IEEE Communications Magazine 56, no. 2: 52- 59, 2018.
352 NGHIÊN CỨU ĐỀ XUẤT MÔ HÌNH MẠNG ĐỘNG CHO BÀI TOÁN LẬP LỊCH TÀI NGUYÊN TRONG … [27]. Wang, Y.C. and Hsieh, S.Y., “Service-differentiated downlink flow scheduling to support QoS in long term evolution” Computer Networks, 94, pp.344-359, 2016. [28]. Wang, Yunlu, and Harald Haas. "Dynamic load balancing with handover in hybrid Li-Fi and Wi-Fi networks." Journal of Lightwave Technology 33, no. 22, 4671-4682, 2015. [29]. Yaqoob, Ibrar, Ejaz Ahmed, Ibrahim Abaker Targio Hashem, Abdelmuttlib Ibrahim Abdalla Ahmed, Abdullah Gani, Muhammad Imran, and Mohsen Guizani. "Internet of things architecture: Recent advances, taxonomy, requirements, and open challenges." IEEE wireless communications 24, no. 3: 10-16, 2017. [30]. Zhang, Zhi-Kai, Michael Cheng Yi Cho, Chia-Wei Wang, Chia-Wei Hsu, Chong-Kuan Chen, and Shiuhpyng Shieh. "IoT security: ongoing challenges and research opportunities." In 2014 IEEE 7th international conference on service-oriented computing and applications, pp. 230-234. IEEE, 2014. RESEARCH AND PROPOSE A DYNAMIC NETWORK FOR RESOURCE SCHEDULING PROBLEM BASED ON LONG TERM EVOLUTION NETWORK Le Minh Tuan, Le Hoang Son, Pham Thi Minh Phuong, Vu Nhu Lan, Dang Thanh Hai, Dinh Thu Khanh ABSTRACT: Nowadays, sensor networks are widely used in areas such as health, transportation, manufacturing industry, even agriculture. In hospitals, sensors are located in clinics to monitor the number of patients who come for medical examination and treatment. In treatment, patients carry biometric sensors to monitor their health. The data collected from the sensors will be sent to the processing center. Post-processing data will be scheduled to communicate to user devices such as PAD, smartphone... via wired or wireless network such as 3G, 4G (LTE). Based on the information received, patients may be recommended to move to another clinic in their process, or assist the Doctor gives right decisions in making treatment. In the Long Term Evolution network (LTE), quality of service (QoS) is the main factor that ensures information is scheduled to be delivered to the correct service equipment with minimal latency, low packet loss rates and fairness among users. In fact, the nodes in the sensor network can sleep or wake up, so they make the network structure change all the time. When the number of sensor increases, resource scheduling in the LTE network is a challenge to ensure QoS. In this paper, we propose a dynamic model for resource scheduling problem in LTE network. The proposed model not only improves the service quality but also a part of smart hospitals. Keywords: sensor, schedule, healthcare, smart hospital, LTE.