Đánh giá hiệu năng của mạng liên lạc hợp tác giữa các xe với lựa chọn chuyển tiếp tối ưu

ĐÁNH GIÁ HIỆU NĂNG CỦA MẠNG LIÊN LẠC HỢP TÁC GIỮA CÁC

XE VỚI LỰA CHỌN CHUYỂN TIẾP TỐI ƢU

OUTAGE PERFORMANCE OF VEHICLE COOPERATIVE NETWORK WITH

OPTIMIZED RELAY SELECTION

Văn Hoàng Phƣơng¹, Phạm Ngọc Sơn²

¹Trường Đại học Sư phạm Kỹ thuật TP.HCM

²Trường Đại học Sư phạm Kỹ thuật TP.HCM

TÓM TẮT

Trong bài báo này, nhóm tác giả nghiên cứu hệ thống truyền thông liên xe dựa trên

truyền thông của mạng vô tuyến nhận thức với sự lựa chọn chuyển tiếp (RS) tối ưu trong môi

trường fading Double Rayleigh. Các nút chuyển tiếp sử dụng giao thức chuyển tiếp giải mã và

chuyển tiếp và các nút được chọn theo một mô hình được xác định trước để cho phép giao tiếp

giữa các phương tiện. Bài báo sẽ nghiên cứu trình bày các biểu thức chính xác và gần đúng của

hiệu suất xác suất bị gián đoạn cho tất cả các mô hình RS được nghiên cứu và hai mô được trình

bày. Ngoài các kết quả phân tích, các kết quả đánh giá hiệu suất được bằng phương pháp mô

phỏng Monte Carlo. Kết hợp hoàn hảo giữa hai kết quả này đã xác minh tính chính xác của

phân tích toán học đề xuất.

Từ khóa: nhận thức hợp tác; Double Rayleigh; lựa chọn chuyển tiếp tốt nhất; giải mã và chuyển

tiếp; mạng liên xe;

ABSTRACT

In this paper, authors research on inter-vehicle communication based on radio cognitive

radio networks with relay section (RS) with the double Rayleigh fading distribution. Relays are

used decode-and-forward relaying protocol and are selected according to a predetermined policy

to enable communication between vehicles. This essay considers exact and approximate

expressions for the outage probability performance. Then, using Monte Carlo simulations check

to the presented expressions. Result beween them is matching has verified the accuracy.

Key words: Cognitive Cooperative, Double Rayleigh, best relay section, decode and

forward.

thống giao thông minh trong thời đại cách

mạng công nghiệp lần thứ 4 [1]. VANETs là

một hệ thống liên lạc giữa các xe bằng cách

trang bị một thiết bị thu/phát tín hiệu cho các

1. GIỚI THIỆU

Trong những năm gần đây, mạng di động

tùy biến xe cộ (VANETs) đƣợc các nhà

nghiên cứu nhƣ là giải pháp để xây dựng hệ

xe khi tham gia giao thông. Các xe trong

mạng sẽ trao đổi thông tin với các xe lân cận

hoặc trạm truyền tin trong hệ thống. Quá

trình truyền thông tin liên lạc giữa các xe là

thành phần quan trọng để xây dựng hệ thống

giao thông thông minh [2]. Tuy nhiên, hiện

nay cấu trúc cơ sở hạ tầng cho mạng

VANETs rất ít, do đó, các nhà nghiên cứu lựa

chọn công nghệ vô tuyến nhận thức (CR) làm

giải pháp lý tƣởng cho lớp vật lý [3] cho

VANETs. CR cho phép các hệ thống vô

tuyến mới có thể truy cập động hoặc sử dụng

chung khoảng tần số đã đƣợc cấp phép

nhƣng hoạt động của hệ thống vô tuyến mới

này không đƣợc gây ảnh hƣởng đến hoạt

động của hệ thống vô tuyến của ngƣời dùng

đã đăng ký [3]. Hơn nữa, kết hợp giữa CR và

chuyển tiếp hợp tác tạo nên mạng nhận thức

hợp tác (CCRN) - giải pháp hữu hiệu để tận

dụng tối ƣu hơn phổ tần vô tuyến [4]. CCRN

có ba mô hình cơ bản: dạng nền (underlay),

dạng chồng lặp (overlay), dạng đan xen

(interweave) [5] và phƣơng thức truyền

thông hợp tác tại nút chuyển tiếp đƣợc xử lý

bằng cách khuếch đại và chuyển tiếp (AF)

hoặc giải mã và chuyển tiếp (DF) [6]. Do đó,

khi nghiên cứu về hiệu năng của mạng

CCRN nói chung hay hiệu năng truyền thông

của mạng VANETs nói chung, chúng ta cần

phải nghiên cứu lựa chọn một mô hình

CCRN cũng nhƣ kỹ thuật xử lý tại nút

chuyển tiếp phù hợp để hiệu năng mạng đạt

tối ƣu nhất. Ngoài ra, khi đánh giá hiệu năng

mạng VANETs nói riêng hay mạng vô tuyến

nói chung, chúng ta cũng cần phải nghiên

cứu lựa chọn đƣợc mô hình kênh truyền

fading phù hợp vì mỗi loại kênh truyền

fading đặc trƣng cho một mô hình thực tế

khác nhau. Bên cạnh đó, vấn đề lựa chọn

đƣợc nút chuyển tiếp tối ƣu nhƣng vẫn đảm

bảo chất lƣợng dịch vụ của mạng cũng cần

phải đƣợc nghiên cứu.

Mục tiêu của chúng tôi trong bài báo này

là sẽ nghiên cứu đánh giá hiệu năng mạng

trên mô hình của kênh truyền Rayleigh và

Double Rayleigh. Từ đó, chứng tỏ mô hình

kênh truyền Double Rayleigh là lựa chọn phù

hợp cho mạng VANETs. Hơn nữa, trong bài

báo này, chúng tôi cũng sẽ làm rõ ảnh hƣởng

của số lƣợng nút chuyển tiếp đối với hiệu

năng mạng. Ngoài ra, chúng tôi đánh giá ảnh

hƣởng của can nhiễu và các yếu tố bên ngoài

khác đối với hiệu năng mạng. Từ đó, đƣa ra

đƣợc giải pháp tối ƣu nhất để nâng cao hiệu

năng mạng VANETs.

Phần còn lại của bài báo đƣợc bố trí nhƣ

sau: phần 2 trình bày mô hình nghiên cứu,

phần 3 trình bày phƣơng pháp đánh giá hiệu

năng mạng, kết quả đề tài đƣợc trình bày ở

phần 4 và phần 5 là kết luận của bài báo.

2. MÔ HÌNH NGHIÊN CỨU

Mô hình hệ thống liên lạc hợp tác giữa các xe

đƣợc trình bày nhƣ hình 1. Mô hình bao gồm

một nút nguồn thứ cấp S, một nút đích thứ

cấp D, một nút sơ cấp P và M nút chuyển tiếp

thứ cấp R_i(i = 1, 2, ..., M). Tất cả các nút

trong hệ thống có một anten để thu (phát) tín

hiệu; các nút S, D và R_ilà các nút di động,

nút chính P sẽ đƣợc nghiên cứu trong 2

trƣờng hợp: nút cố định hoặc là nút di động.

Trong bài báo này, số lƣợng nút chuyển tiếp

M đƣợc xem xét là cố định; khoảng cách từ S

trong mô hình này không liên kết trực tiếp

với nhau, nên liên kết giữa chúng phải thông

qua một nút chuyển tiếp bán song công R_i

,

sử dụng theo giao thức chuyển tiếp DF. Nhƣ

vậy, tín hiệu truyền từ S đến D đƣợc chia

thành hai khe thời gian trực giao: Ở khe thời

đến

R

_i, từ

R

_iđến D, từ S đến P và từ R_i

đến P đƣợc ký hiệu tƣơng ứng nhƣ sau: d_SRi,

d_RiD, d_SPvà d_RiPvà ký hiệu của các hệ số

kênh tƣơng ứng của chúng là h_SRi,h_RiD, h_SPvà

h_RiP. Ngoài ra, khoảng cách giữa các nút

chuyển tiếp R_iđƣợc xem nhƣ là gần nhau và

khoảng cách này nhỏ hơn nhiều lần so với

khoảng cách từ nút nguồn đến đích, do đó,

khoảng cách từ nút nguồn (hoặc từ nút đích)

đến các nút chuyển tiếp đƣợc giả sử là nhƣ

gian

thứ

nhất,

R1

P

R2

hSP

hRbP

D

S

hSRb

Rb

hRbD

RM

Liên kết can thiệp

Liên kết chính

nhau, tức là d_SRi= d_SR, d_RiD= d_RDvà d_RiP

d_RP∀i.

=

Hꢀnh 1 – Mô hình hệ thống mạng liên xe nhận

thức hợp tác

Gọi _ h_², trong đó

đƣợc ký hiệu là



nút

S

quảng bá tín hiệu

x

đến tất cả các

các kênh truyền SR_i

,

R D

,

SP hoặc R P và hàm

i

nút R_i, tín hiệu nhận đƣợc tại các nút R_i

kỳ vọng của _là   1 . Hơn nữa,



_

trong khoảng thời gian này đƣợc biểu diễn:

trong mô hình cũng giả sử rằng, các hệ số

kênh h_trong mô hình hệ thống của một kênh



SR

y_R Pd h_SRx  n

(2)

s

1

i

Trong đó,

P

là công suất truyền của nút S,

S

là không thay đổi và độc lập với khối dữ liệu

truyền.

  2,6 là hệ số pathloss của kênh truyền,





Trong trƣờng hợp fading Double Rayleigh,

hàm phân phối tích lũy (cdf) và hàm phân bố

xác suất (pdf) có dạng nhƣ công thức (1)

n₁là nhiễu Gauss trắng có hàm mật độ phổ

công suất một bên là N₀

.

Ở khe thời gian thứ hai, một trong

F (x) 1 2 xK 2 x

₁



_

những nút R_igiải mã đúng tín hiệu của nút

(1)

(

f (x)  2K 2 x

₀





_

S sẽ đƣợc chọn để chuyển tiếp tín hiệu

x

đến D. Chuyển tiếp R_iđƣợc chọn sẽ đƣợc ký

hiệu là R_b, khi đó, tín hiệu nhận đƣợc tại D

đƣợc biểu diễn nhƣ công thức (3)

Với K_n(.) đƣợc ký hiệu cho hàm Bassel

loại 2 bậc thứ n. Do các nút thứ cấp S và D

y_D P d^h_{R D}x  n₂

(3)

chuyển tiếp.

R_bRD

b

2.1.Mô hình kênh truyền

Trong đó,

và ₂là nhiễu Gauss trắng có hàm mật độ

phổ năng lƣợng nhƣ n₁

P

là công suất phát của nút R_b

R_b

Nhƣ đã giới thiệu trong phần mô hình hệ

thống, tùy thuộc vào việc nút chính P là di

động hoặc cố định, kênh truyền sẽ đƣợc lựa

chọn cho phù hợp.

n

.

Với định nghĩa nhƣ trên, tín hiệu can nhiễu

từ S đến P sẽ là:

Mô hình 1 (FS1): Nút P đƣợc chọn là một

nút di động (ví dụ nhƣ xe hay điện thoại di

động). Khi đó, tất cả các nút trong mô hình

hệ thống (S, D, R_ivà P) đều là các nút di



SP

y_P P d h_SPx  n_P

(4)

S

Do đó, công suất can nhiễu tại P có dạng:

P^cn P d^h_SP² I_P

(5)

P

S

SP

động. Do đó, các kênh truyền từ S đến R_i, từ

R_iđến D và từ R_iđến P sẽ đƣợc phân bố

Để hiệu suất mạng thứ cấp tốt nhất, công suất

can nhiễu tại P nên đạt tối đa. Khi đó,

dƣới dạng ngẫu nhiên theo dạng Double –

Rayleigh.

2

P d^h_SP I

_P(6). Từ đó, công suất truyền

S

SP

tín hiệu từ S đến P là:

Mô hình 2 (FS2): Nút P đƣợc chọn là nút cố

định, ví dụ nhƣ các tòa nhà văn phòng. Khi

đó, việc lựa chọn mô hình kênh truyền cho

từng liên kết sẽ khác nhau. Các liên kết từ

một điểm cố định với một điểm di động sẽ

xem xét dƣới dạng các biến ngẫu nhiên phân

phối Rayleigh, các liên kết giữa các nút di

động sẽ xem xét nhƣ mô hình 1. Tức là, các

I_Pd_S^_P

(7)

P 

S

2

h_SP

P  I_Pd_S^_P

1

SP

Hay

(8)

S

Tƣơng tự, công suất phát tín hiệu

có dạng nhƣ sau:

x

tại R_i

1

R P

P  I_Pd_R^_P

(9)

R

i

Từ các kết quả trên, tỉ số tín hiệu trên nhiễu

(SNR) tại các nút R_iđƣợc tính toán nhƣ sau:

liên kết từ nút S tới nút

P

và từ R_iđến

P

sẽ là các phân phối Rayleigh, các liên kết từ

nút S đến R_ivà từ R_iđến D sẽ là các phân

phối Double – Rayleigh.

2



SR

P d h_SR

S

1

SP

_SR



 Q₁_SR

(10)

i

N₀

Tƣơng tự, SNR tại D đƣợc biểu diễn:

2.2. h n tích đánh giá hiệu n ng của mạng

Trong bài báo này, hiệu năng của mô hình

đƣợc đánh giá thông qua đại lƣợng xác suất

dừng. Với mỗi mô hình đã đề xuất, bài báo sẽ

đánh giá trong 2 trƣờng hợp: lựa chọn

chuyển tiếp một phần hoặc lựa chọn chuyển

tiếp toàn phần. Trƣờng hợp lựa chọn chuyển

1

R_bP

_{R D} Q₂_{R D}



(11)

b







^





^



I_P

d_SP

d_SR

d_RP

d_RD

với Q 

,

. Việc lựa

 





1

2

N₀



chọn nút chuyển tiếp

R

_bsẽ đƣợc trình bày

chi tiết trong từng phƣơng thức lựa chọn

tiếp một phần (pRS), bài báo sẽ xem xét đánh

giá hiệu năng mạng khi lựa chọn nút chuyển

tiếp R_blà nút có tꢀ số SNR lớn nhất thứ K



Trường hợp lựa chọn chuyển

tiếp toàn phần (fRS)

Trong trƣờng hợp này, tꢀ số tín hiệu trên

( fRS)

e2e

nhiễu của hệ thống thứ cấp DF

đƣợc



tại cuối khe thời gian thứ nhất. Điều này có

nghĩa là, mô hình sẽ lựa chọn nút chuyển tiếp

tính toán theo công thức:

M

( fRS)

e2e

tốt thứ K ( R_b) trong số M kênh truyền từ

S

(14)

(15)



 max K 

 





i

i1

đến R_itrƣớc, sau đó hệ thống sẽ quan tâm

Trong đó,

  min  ,





i

SR_i

R_iD

tꢀ số SNR nhỏ nhất giữa kênh truyền S đến

R_bvà kênh truyền R_bđến D để tiến hành

phân tích xác suất dừng. Trƣờng hợp lựa

chọn chuyển tiếp toàn phần (fRS), bài báo sẽ

xem xét đánh giá hiệu năng mạng khi nút lựa

chọn chuyển tiếp R_bđƣợc chọn là nút có tꢀ lệ

SNR lớn nhất thứ K tại điểm cuối cꢁng ở D.

Tức là, hệ thống sẽ lựa chọn nút chuyển tiếp

tốt thứ K trong số tất cả nút có tꢀ số SNR

là SNR tại D với biểu diễn của _SRtheo công

i

thức và

là SNR tại D do R_ibất kỳ

_{R D}

i

truyền tới có công thức tƣơng tự nhƣ tín hiệu

truyền từ nút R_bđƣợc chọn ở công thức

_{R D} Q₂_{R D} ^1

.

i

R P

i



Lƣu đồ mô phỏng xác suất dừng

dùng phƣơng pháp Monte – Carlo.

Lƣu đồ mô phỏng xác suất dừng trong trƣờng

hợp này đƣợc biểu diễn nhƣ hình 2 và hình 3.

Hình 2, trình bày lƣu đồ mô phỏng xác suất

dừng trong trƣờng hợp lựa chọn chuyển tiếp

bán phần, hình 3 sẽ trình bày lƣu đồ mô

phỏng xác suất dừng trong trƣờng hợp

chuyển tiếp toàn phần.

nhỏ nhất từ kênh truyền từ

đến

S

đến R_ivà từ R_i

P

.

3. PHƢƠNG PHÁP PHÂN TÍCH ĐÁNH

GIÁ HIỆU NĂNG

3.1.Mô phỏng xác suất dừng dùng phương

pháp Monte Carlo



Trƣờng hợp lựa chọn chuyển tiếp

3.2.Phân tích xác suất dừng

một phần (pRS):



Trƣờng hợp chuyển tiếp một phần

Trong trƣờng hợp này, tꢀ số tín hiệu trên

Công thức biểu diễn xác suất dừng trong

trƣờng hợp này ở cả 2 mô hình có dạng:

(pRS)

nhiễu của hệ thống thứ cấp DF



đƣợc

e2e

P^{( pRS)}1 1 Pr   _th1 Pr 

 _th









tính toán theo công thức:







out

SR_b

R_bD









( pRS)

 I₁ I₂ I₁I₂

(16)



 min  ,_{R D}

(12)





e2e

SR_b

b

Trong đó, I₁và

I

₂được định nghĩa

_SR

R_b

Với

là SNR tại

và đƣợc tính toán

b



theo công thức:





(17)

^^F

I₁Pr _SR ₁_SP

 x f

_SP

x dx

 





_SR

1



b



b

M

0

_SR max K 

(13)







SR_i



b

i1



M i1



M

I₁^(FS1)



C^i12K₀2 x 1 2  xK 2  x





(18)

^^F

I₂Pr _R ₂_{R P}

 x f

x dx

 









_bD

_R

2

_R



b



D

P





₁





b

M

1







0

i1

0

^i1



_th

Q_1,b

_th

Q₂



Với ₁

và ₂

x

 xK 2  x

dx (20)

₁





1



Khai triển nhị thức New-ton cho biểu thức

Trong mô hình 1, hàm pdf của một biến

ngẫu nhiên theo phân bố Double – Rayleigh

có biểu diễn nhƣ công thức (1). Khi đó, hàm

mật độ phân bố xác xuất của kênh truyền

SR_bsẽ là:



^{M i1}

, hàm I₁^(FS1)sẽ đƣợc

1 2  xK 2  x

₁





1





viết lại là:

K

M i1

i j

I₁^(FS1)



C^i1C ^j

2

 

M

M i1

i1 j0

(21)

i j1









M

x K₀2 x

o

 xK 2  x

dx





₁









1





F

 x  Pr maxK 

 ₁x







_SR

_SR

1





i

b







i1

M i1

K

C^n11 2  xK 2 x

2 xK

2 x







^i1





₁







M

1









i1

Bắt đầu

(19)

Q_dB = 0

Sai

Q_dB < 20

Bắt đầu

Đúng

Tính OP =

CDF/ 10^5

Q_dB = 0

mẫu thử = 1

Sai

Q_dB < 20

Vẽ đồ thị

Sai

Q_dB = Q_dB + 1

mẫu thử < 10^5

Đúng

Tính OP =

CDF/ 10^5

mẫu thử = 1

Đúng

Kết thúc

Khởi tạo các kênh

truyền SP, SRi, RiP,

RiD

Vẽ đồ thị

Kết thúc

Sai

Q_dB = Q_dB + 1

mẫu thử < 10^5

Đúng

Khởi tạo các kênh

truyền SP, SRi, RbP,

RbD

Tính SNR_SRi, SNR_RiD

mẫu thử = mẫu thử + 1

Lựa chọn kênh truyền

SRi lớn nhất thứ K

Tính

SNR_i = min(SNR_SRi, SNR_RiD)

mẫu thử = mẫu thử + 1

Tính SNR_SRi,

SNR_RbD

Lựa chọn SNR tại D lớn nhất thứ K

SNR_D = maxK(SNR_i)

Sai

min(SNR_SRi,

SNR_RbD) < Rt

Sai

min(SNR_SRi,

SNR_RbD) < Rt

Đúng

CDF(Q_dB) =

CDF(Q_dB) +1

CDF(Q_dB) =

CDF(Q_dB) +1

Hình 2 – Lưu đồ mô phỏng xác suất dừng dùng

phương pháp Monte – Carlo trường hợp lựa

chọn chuyển tiếp bán phần.

`

Hình 3 – Lưu đồ mô phỏng xác suất dừng dùng

phương pháp Monte – Carlo trường hợp lựa

chọn chuyển tiếp toàn phần

Thay công thức (1) và công thức (19) vào

công thức (17), khi đó I₁^(FS1)sẽ là:

Tƣơng tự, I₂^(FS1)có dạng



công thức (24), (25), (26) đƣợc biểu diễn ở

cuối trang.

I₂^(FS1)

2 x 1 2  xK 2  x dx (22)





^^2K

₀



₁



2





0

(FS1)

I₂

Xét 02 trƣờng hợp ₂1 và ₂1

,

Đối với mô hình 2, tính toán tƣơng tự nhƣ

I₁^(FS2)

I₂^(FS2)

đƣợc biểu diễn nhƣ

đƣợc đƣa ra nhƣ sau:

mô hình 1,

và

0.5

, ₂1

, ₂1











sau:

I₂^(FS1)







(23)

₂ 1log( )

2

I₂^(FS2) ₂exp(₂)E (₂)

(27)

2

1

1 



₂

M i1

K

I₁^(FS2)

C^n1 exp( )E ( )

Khi đó, công suất ngõ ra chính xác trong mô

hình FS1 khi lựa chọn chuyển tiếp một phần







M

1

(28)

n1

i1



x 1  exp( )E ( )



1

(

P^(FS1)) đƣợc viết lại nhƣ công thức (24).

out

Khi đó, công suất ngõ ra dạng gần đúng cho

trƣờng hợp lựa chọn chuyển tiếp một phần

của mô hình 2 theo công thức (29)

Bằng cách xem xét các biến tƣơng quan nhƣ

là các biến ngẫu nhiên độc lập, dạng gần

đúng của I₁^(FS1)đƣợc biễu diễn nhƣ công thức

M i1

K



P^(FS2)1 1 C^n1 exp( )E ( )









out

M

1



n1

(25) và công suất ngõ ra trong mô hình FS1

khi lựa chọn chuyển tiếp một phần dạng gần

đúng đƣợc biểu diễn nhƣ công thức (26). Các

(29

)

i1



x 1  exp( )E ( )







1

2

1

2

(24)

(25)

(26)

mỗi thí nghiệm Monte Carlo đƣợc thực hiện



Trƣờng hợp lựa chọn chuyển tiếp

5x10⁵lần thử nghiệm, các khoảng cách giữa

nguồn (S) và điểm đích (D) đã đƣợc chuẩn

hóa thành đơn vị; các chuyển tiếp thứ cấp R_i

đƣợc đặt trên một đƣờng thẳng giữa nguồn

và đích.

toàn phần (fRS)

Khi thực hiện lựa chọn chuyển tiếp toàn bộ,

P ^fRS

xác suất ngꢂ ra

trong trƣờng hợp này

out

đƣợc định nghĩa theo công thức



^M



























_th

Q



SR_i

R_iD

P^fRS Pr maxK min 

,₂















out

1

Đặt tọa độ của các nút thứ cấp S, D, R_ivà nút

sơ cấp P lần lƣợt là (0,0), (1,0), (x_R, 0) và (x_P,

y_P). Khi đó, khoảng cách giữa các nút S và R,

giữa R và D, giữa S và P cũng nhƣ giữa R và

P sẽ đƣợc ký hiệu và đƣợc tính toán theo các







_SP

_{R P}







_i1

i









(30)

Đối với mô hình 1

Sử dụng phƣơng pháp phân bố tốt nhất thứ K

( fRS)

e2e

cho



và các biểu diễn toán học cần

công thức sau d_SR= x_R, d_RD1 x_R

,

P^(FS1_fRS)

thiết, công suất ngõ ra

dạng gần

out

2

d_SP



x_P² y_P²

,

d_RP



x  x  y_P²

.



_P

R

đúng nhƣ công thức (31).

Đối với mô hình 2

Các công thức mô phỏng dạng phân tích lý

thuyết trong chƣơng này đƣợc trình bày chi

tiết ở phần 3. Cụ thể, công thức (26) cho

trƣờng hợp chuyển tiếp một phần của mô

hình 1, công thức (29) cho trƣờng hợp

chuyển tiếp một phần của mô hình 2, trƣờng

hợp chuyển tiếp toàn phần của mô hình 1

đƣợc trình bày trong công thức (31) và mô

hình 2 là công thức (32).

Tƣơng tự mô hình 2 ở dạng lựa chọn chuyển

tiếp một phần, biểu thức biểu diễn công suất

ngõ ra của mô hình 2 trƣờng hợp chuyển tiếp

toàn phần P^{(FS2_ fRS)}nhƣ công thức (32).

out

Công thức (31) và công thức (32) đƣợc trình

bày ở cuối trang này.

4. KẾT QUẢ

Trong bài báo này, kết quả mô phỏng đối với

(31)

(32)

Kết quả mô phỏng xác suất dừng theo Q(dB)

của cả mô hình FS1 và FS2 trong cả hai

trƣờng hợp lựa chọn chuyển tiếp một phần

(pRS) và chuyển tiếp toàn phần (fRS) đƣợc

trình bày trong hình 4. Hình 4 cho thấy kết

quả mô phỏng dùng Monte Carlo và dạng

phân tích theo công thức gần đúng phꢁ hợp ở

tất cả mọi điểm. Điều này chứng tỏ kết quả

phân tích bằng lý thuyết và mô phỏng Monte

Carlo là phù hợp. Ngoài ra, kết quả mô

phỏng cho thấy khi Q tăng thì xác suất dừng

trong tất cả trƣờng hợp đều giảm, tức là hiệu

suất của hệ thống đều tăng khi Q tăng. Hơn

nữa, đƣờng biểu diễn hiệu suất của mô hình

FS1 luôn ở phía dƣới FS2, chứng tỏ hiệu suất

của mô hình đối với trƣờng hợp FS1 tốt hơn

FS2 trong cả 2 trƣờng hợp lựa chọn chuyển

tiếp. Hình 4.3 cũng chỉ ra rằng hiệu suất của

hệ thống trong trƣờng hợp lựa chọn chuyển

tiếp toàn phần (fRS) trong cả hai mô hình

đều tốt hơn trƣờng hợp lựa chọn chuyển tiếp

bán phần.

trƣờng hợp thay đổi số nút chuyển tiếp

M

đƣợc trình bày nhƣ hình 5. Hình 5 cho thấy

kết quả mô phỏng dùng Monte Carlo và kết

quả phân tích lý thuyết phù hợp nhau, chứng

tỏ kết quả đánh giá hiệu năng này là phꢁ hợp.

Trong trƣờng hợp lựa chọn chuyển tiếp tốt

nhất (K=1), kết quả đánh giá hiệu năng khi

mô phỏng và phân tích lý thuyết trở nên chặt

chẽ hơn ở các giá trị thấp của M. Ngoài ra,

hình 4.5 còn cho thấy khi M tăng, xác suất

dừng giảm. Điều này chứng tỏ hệ thống trong

trƣờng hợp fRS với lựa chọn nút chuyển tiếp

tốt nhất tăng đáng kể khi M tăng (khả năng

phân tập tăng).

Tác động của M đối với hiệu năng của

mạng vô tuyến nhận thức trƣờng hợp pRS

của mô hình FS1 đƣợc minh họa ở hình 6.

Kết quả mô phỏng đƣợc biểu diễn trong hình

6 cho thấy khi_thgiảm và M tăng thì hiệu

năng của mô hình cũng đƣợc cải thiện.

Hình 5 - Xác suất dừng theo Q (dB) cho trường

hợp lựa chọn chuyển tiếp toàn phần của mô hình

1 khi x_P 0.5

,

y_P 0.5

,

_th1

K 1 và các

,

Hình 4 - Xác suất dừng theo Q (dB) cho cả hai

trường hợp lựa chọn chuyển tiếp trong cả hai mô

giá trị khác nhau của M

Tuy nhiên, khi M tăng đến một giá trị

nhất định thì việc tăng M sẽ không ảnh

hình khi x_P 0.5

,

y_P 0.5

,

_th1

,

M  3

K 1

,

Kết quả mô phỏng hiệu năng mạng trong

khi Q = 10 dB, K=1, x_P 0.5

,

y_P 0.5

,

x_R 0.5

hƣởng đến hiệu năng của mạng. Điều này

xảy ra do khi M lớn thì xác suất giải mã của

R_bcó xu hƣớng thống nhất, do đó hiệu năng

của mạng phụ thuộc phần lớn vào chất lƣợng

của kênh giữa R_bvà D. Hơn nữa, hình 4.5

cũng cho thấy kết quả cho các biểu thức phân

tích lý thuyết phù hợp kết quả mô phỏng

tƣơng đƣơng.

và các giá trị khác nhau của

_th

Trong khi hình 7 cho thấy khi Q tăng hoặc K

giảm, xác suất dừng giảm thì hình 8 cho thấy

xác suất dừng cũng giảm khi tăng khoảng

cách nút P và các nút chuyển tiếp. Điều này

chứng tỏ hiệu năng của mạng trong hai

trƣờng hợp cho mô hình FS2 đều đƣợc cải

thiện khi tăng Q hoặc K giảm hoặc tăng

khoảng cách giữa P và các nút chuyển tiếp

Việc đánh giá ảnh hƣởng của K và vị trí

nút P đƣợc thực hiện bằng cách mô phỏng

xác suất dừng theo Q cho mô hình 2 trong cả

hai trƣờng hợp lựa chọn chuyển tiếp. Kết quả

mô phỏng đƣợc mô tả trong hình 7 và hình 8.

Trong khi hình 7 phân tích hiệu năng của

mạng trong mô hình 2 ở cả 2 trƣờng hợp lựa

chọn chuyển tiếp một phần và toàn phần thì

hình 8 phân tích hiệu năng mạng thông qua

các vị trí khác nhau của P. Kết quả mô phỏng

trên cả hai hình 7 và hình 8 cho thấy công

thức biểu diễn của xác suất dừng trong mô

hình FS2 phù hợp với kết quả mô phỏng

tƣơng ứng.

R_i

.

Hình 7 – Xác suất dừng theo Q của mô hình

2 trong 2 trƣờng hợp lựa chọn chuyển tiếp

một phần và toàn phần khi x_P 0.5

,

y_P 0.5

,

x_R 0.55

,

_th1, M  3 và K 1 và K  2

Hơn nữa, trong hình 7 khi nút chuyển tiếp

thứ 2 đƣợc chọn, chúng ta nhận thấy rằng

hiệu năng mạng trong trƣờng hợp lựa chọn

chuyển tiếp một phần (pRS) tốt hơn trƣờng

hợp lựa chọn chuyển tiếp toàn phần (fRS) khi

Q có giá trị thấp (Q<7.5dB). Tuy nhiên, khi

Q >7,5 dB, kết quả lại ngƣợc lại, tức là

trƣờng hợp pRS không phải là lựa chọn tối

ƣu cho các trƣờng hợp Q lớn. Cuối cùng, kết

quả mô phỏng trong hình 8 chỉ ra rằng P_Svà

Hình 6 - Xác suất dừng theo M cho trường hợp

lựa chọn chuyển tiếp tốt nhất pRS của mô hình 1

P_Rbcó thể cao hơn khi khoảng cách giữa P và

các nút chuyển tiếp R_ităng lên. Đây là cách

dạng phân bố Double Rayleigh, trong khi các

kênh giữa các thiết bị phát thứ cấp và ngƣời

sử dụng chính đƣợc mô phỏng bởi sự phân

bố của Rayleigh.

để cải thiện hiệu năng mạng cho cả hai mô

hình đã đề xuất.

Tính chính xác và tính phù hợp của các

biểu thức đƣợc trình bày đã đƣợc xác minh

bằng các mô phỏng Monte Carlo. Các kết

quả thu đƣợc đã chỉ ra rằng các giao thức

fRS đạt đến hiệu suất tối đa của nó khi

chuyển tiếp tốt nhất đƣợc lựa chọn để truyền.

Tuy nhiên, đối với những trƣờng hợp không

có chuyển tiếp tốt nhất và giá trị SNR thấp,

giao thức pRS có thể hoạt động tốt hơn so

với hệ thống fRS. Ngoài ra, luận văn cũng đã

đƣợc chứng minh đƣợc hiệu năng của mạng

trong cả hai trƣờng hợp RS là tốt hơn khi tất

cả các kênh fading theo phân bố Double -

Rayleigh.

Hình 8 – Xác suất dừng theo Q của mô hình 2

trong 2 trường hợp lựa chọn chuyển tiếp một

phần và toàn phần khi, x_R 0.6

,

_th 0.5

,

M  5

,

K  3 và các giá trị khác nhau của nút P

5. KẾT LUẬN

Bài báo đã nghiên cứu đƣợc hiệu năng

của mạng liên lạc nhận thức hợp tác kép với

lựa chọn chuyển tiếp tốt nhất thứ K dựa trên

mô hình kênh truyền Double - Rayleigh, điều

này cho thấy chính xác mô hình fading trên

phù hợp cho môi trƣờng liên lạc động. Luận

văn cũng đã nghiên cứu đƣợc hai trƣờng hợp

của RS đã đƣợc xem xét là pRS và fRS. Các

biểu thức dạng tích phân cũng nhƣ các dạng

xấp xỉ gần đúng cho xác suất dừng đã đƣợc

thu đƣợc cho hai mô hình fading khác nhau:

i) tất cả các kênh truyền đều đƣợc phân

bố theo Double Rayleigh;

Tuy nhiên, bài báo vẫn chƣa phân tích

hệ thống trong các điều kiện thực tế hơn nhƣ

hệ thống bị ảnh hƣởng bởi thông tin kênh

truyền không hoàn hảo (imperfect CSI), lỗi

phần cứng (hardware impairment). Do đó,

khi nghiên cứu hiệu năng mạng cần nghiên

cứu thêm các điều kiện thực tế nhƣ CSI, lỗi

phần cứng. Ngoài ra, bài báo vẫn chƣa phân

tích hiệu năng mạng theo hƣớng phân tích lỗi

bit BER/SER sử dụng giao thức khuếch đại

và chuyển tiếp để hệ thống hoạt động vùng

tín hiệu yếu...

ii) chỉ có kênh truyền từ nguồn thứ cấp

đến các chuyển tiếp và từ các chuyển tiếp

đến đích đến thứ cấp đƣợc phân phối dƣới

TÀI LIỆU THAM KHẢO

[1]

S. U. Rehman, M. A. Khan, T. a Zia, and L. Zheng, “Vehicular Ad-Hoc Networks

(VANETs) - An Overview and Challenges,” J. Wirel. Netw. Commun., vol. 3, no. 3, pp.

29–38, 2013.

[2] Z. Li, L. Jia, F. Li, and H. Hu, “Outage performance analysis in relay-assisted

inter-vehicular communications over double-rayleigh fading channels,” 2010 WRI Int.

Conf. Commun. Mob. Comput. C. 2010, vol. 2, pp. 266–270, 2010.

[3] C. Jiang, N. C. Beaulieu, L. Zhang, Y. Ren, M. Peng, and H. H. Chen, “Cognitive radio

networks with asynchronous spectrum sensing and access,” IEEE Netw., vol. 29, no. 3,

pp. 88–95, 2015.

[4] C. Kabiri, H. J. Zepernick, and H. Tran, “Outage probability of a cognitive cooperative

relay network with multiple primary users under primary outage constraint,” Int. Conf.

Adv. Technol. Commun., pp. 38–42, 2016.

[5] S. Srinivasa, “With Cognitive Radiosꢀ : An Information Theoretic Perspective,” Proc.

IEEE, vol. 97, no. 5, 2009.

[6] K. Ho-Van, “Exact outage analysis of underlay cooperative cognitive networks over

Nakagami-m fading channels,” IET Commun., vol. 7, no. 12, pp. 1254–1262, 2013.

[7] V. N. Q. Bao, T. Q. Duong, D. B. Da Costa, G. C. Alexandropoulos, and A. Nallanathan,

“Cognitive amplify-and-forward relaying with best relay selection in non-identical

Rayleigh fading,” IEEE Commun. Lett., vol. 17, no. 3, pp. 475–478, 2013.

[8] S. Sagong, J. Lee, and D. Hong, “Capacity of reactive DF scheme in cognitive relay

networks,” IEEE Trans. Wirel. Commun., vol. 10, no. 10, pp. 3133–3138, 2011.

[9] M. Seyfi, S. Muhaidat, J. Liang, and M. Uysal, “Relay selection in dual-hop vehicular

networks,” IEEE Signal Process. Lett., vol. 18, no. 2, pp. 134–137, 2011.

[10] X. Zhang, Z. Yan, Y. Gao, and W. Wang, “On the study of outage performance for

cognitive relay networks (CRN) with the nth best-relay selection in rayleigh-fading

channels,” IEEE Wirel. Commun. Lett., vol. 2, no. 1, pp. 110–113, 2013.

[11] P. S. Bithas, K. Maliatsos, and A. G. Kanatas, “The Bivariate Double Rayleigh

Distribution for Multichannel Time-Varying Systems,” IEEE Wirel. Commun. Lett., vol.

5, no. 5, pp. 524–527, 2016.

[12] C. Channel, “A Statistical Model of Mobile-to-Mobile Land,” vol. V, no. 1, pp. 2–7,

1986.

Tác giả chịu trách nhiệm bài viết:

Họ tên: VĂN HOÀNG PHƢƠNG

Đơn vị: Đại học Thủ Dầu Một

Điện thoại: 0937.884.112

Email: [email protected]

Xác nhận của GVHD

BÀI BÁO KHOA HỌC

THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ

Bài báo khoa học của học viên

có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn

Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam.

Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý

của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.

ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN!

Thực hiện theo MTCL & KHTHMTCL Năm học 2018-2019 của Thư viện Trường Đại học

Sư phạm Kỹ thuật Tp. Hồ Chí Minh.