Professional Documents
Culture Documents
HÀ NỘI - 2009
MỞ ĐẦU
Trao đổi thông tin luôn là nhu cầu cấp thiết trong xã hội hiện đại. Các hệ
thống thông tin di động với lợi thế giúp con người trao đổi thông tin mọi lúc,
mọi nơi đang ngày càng chiếm ưu thế và khẳng định ưu điểm nổi trội.
Lộ trình GSM-GPRS-EDGE-3G tỏ ra đặc biệt phù hợp với các mạng thông
tin di động của nhiều nước trên thế giới. Đối với các nhà khai thác mạng di
động GSM thì cái đích đến 3G là hệ thống CDMA băng rộng (W-CDMA) theo
chuẩn IMT-2000. Tại Việt Nam, các hệ thống thông tin di động thế hệ thứ 3
cũng đã và đang được các nhà khai ráo riết triển khai và đưa vào sử dụng.
Hệ thống thông tin di động thế hệ 3 với nhiều ưu điểm vượt trội về công nghệ
và dịch vụ. Nó là sự hội tụ của công nghệ, tích hợp của dịch vụ (“triple play”).
Do vậy, việc nghiên cứu hệ thống này là một công việc hết sức cấp bách và cần
thiết.
Bài toán đặt ra là phải trang bị phương pháp luận để tính toán, thiết kế mạng
thông tin di động thế hệ 3 một cách hợp lý. Xuất phát từ ý tưởng đó, luận văn
sẽ áp dụng lý thuyết hàng đợi với các mô hình Markov để đánh giá, tính toán
hiệu năng của hệ thống thông tin di động thế hệ sau. Luận văn cũng là một
bước đi khởi đầu nhằm tìm hiểu công cụ đó và từ đó trợ giúp thiết kế mạng di
động thế hệ sau.
Luận văn được chia thành bốn chương. Chương một giới thiệu về xích
Markov, các quá trình ngẫu nhiên, lý thuyết hàng đợi, các hệ thống Markov và
các lý thuyết cơ sở có liên quan. Chương hai tập trung vào tìm hiểu, phân tích
các đặc điểm của hệ thống thông tin di động thế hệ 3. Chương hai cũng đưa ra
mô hình kênh vô tuyến 3G nhằm làm cơ sở cho việc khảo sát các hiệu năng của
kênh vô tuyến 3G ở chương sau. Chương ba trình bày các loại mô hình kênh,
khảo sát và so sánh chúng để tìm ra được mô hình tối ưu là mô hình Markov ẩn
phục vụ việc khảo sát hiệu năng kênh vô tuyến 3G. Chương bốn trình bày các
công cụ, hệ thống mô phỏng, đánh giá các kênh vô tuyến 3G. Tính toán cụ thể
một mô hình và so sánh kết quả tính toán với kết quả mô phỏng.
CHƯƠNG 1. CƠ SỞ LÝ THUYẾT
2. P (2) = PxP = P 2 , P ( n ) = P n và P( n m) = P ( n ) x P( m) .
( n m ) (n)
3. = x P( m) .
Định lý
Giả sử P là ma trận xác suất chuyển chính qui, tức là tồn tại chỉ số n0, sao cho
i, j thì xác suất chuyển trạng thái từ i đến j sau n0 bước là một số dương:
pij( n ) > 0. Khi đó tồn tại 1 , 2 , …, N > 0 và 1 + 2 + … N =1 để cho
0
N N
x j xk pkj , j 1, 2,..., N ; x j 0j và x j 1.
k 1 j 1
Phân tích hệ thống hàng đợi hoặc mạng hàng đợi bao gồm:
Tính dừng
Tính độc lập
Tính đều đặn
Tiến trình Poisson là tiến trình điểm quan trọng nhất bởi vì vai trò của nó cũng
quan trọng như vai trò của phân bố chuẩn trong phân bố thống kê. Tất cả những
tiến trình điểm ứng dụng khác đều là dạng tổng quát hoá hay dạng sửa đổi của tiến
trình Poisson. Tiến trình Poisson mô tả rất nhiều tiến trình trong đời sống thực tế,
do nó có tính ngẫu nhiên nhất.
1.5 Các mô hình hàng đợi
1.5.1. Ký hiệu Kendall Bất kỳ hệ thống xếp hàng nào cũng được mô tả bởi :
Tiến trình đến
Tiến trình xử lý
Dung lượng hệ thống
Qui mô mật độ
Qui tắc xử lý
Ký hiệu Kendall
1.5.2. Quá trình Sinh-Tử (Birth-Death): Trạng thái của hệ thống được biểu diễn
bằng số các gói tin n trong một hệ thống. Khi có một gói tin mới đến thì trạng thái
của hệ thống sẽ thay đổi sang n+1, khi có một gói tin ra đi thì trạng thái hệ thống sẽ
thay đổi sang n-1, ta có lược đồ chuyển tiếp trạng thái là quá trình sinh tử.
1.6 Các hệ thống Markov: Hệ thống M/M/1, Hệ thống M/M/1/K, Hệ thống M/M/C,
Hệ thống M/G/1.
Là hệ thống thông tin di động toàn cầu cho các loại hình thông tin vô tuyến.
- Trong công ở.
- Ngoài đường.
- Trên xe.
- Vệ tinh.
Môi trường hoạt động của IMT-2000 được chia thành bốn vùng với tốc độ bit
Rb như sau:
1. Vùng 1: Trong nhà, ô pico, Rb ≤ 2 Mbit/s
2. Vùng 2: Thành phố, ô micro, Rb ≤ 384 kbit/s
3. Vùng 3: Ngoại ô, ô macro, Rb ≤ 144 kbit/s
4. Vùng 4: Toàn cầu, Rb = 9,6 kbit/s
Các công nghệ được nghiên cứu để đưa ra các đề xuất cho hệ thống thông tin di
động thế hệ ba bao gồm:
W – CDMA nhận được nhiều sự ủng hộ nhất, trước hết nhờ tính linh hoạt của lớp
vật lý trong việc hỗ trợ các kiểu dịch vụ khác nhau, đặc biệt là các dịch vụ tốc độ
bit thấp và trung bình. Nhược điểm của W – CDMA là ở hệ thống không cấp phép
trong băng TDD với phát thu liên tục, không tạo điều kiện cho các kỹ thuật chống
nhiễu ở các phương tiện làm việc như máy điện thoại không dây.
2.1 Cấu trúc mạng truy nhập vô tuyến (W-CDMA)
2.1.1 Các đặc điểm của W-CDMA
Hiệu suất sử dụng tần số cao
Dễ dàng quản lý tần số
Công suất phát của máy di động thấp
Sử dụng tài nguyên vô tuyến một cách độc lập trong đường lên và
đường xuống
Nhiều tốc độ dữ liệu
Cải thiện các giải pháp chống pha đinh nhiều tia
Giảm tỉ lệ gián đoạn tín hiệu
2.1.2 Các đặc tính kỹ thuật cơ bản của W-CDMA
Hình 2.7 Mô hình kênh rời rạckhông nhớ m đầu vào M đầu ra
và ta coi kênh đang xét được đặc trưng bằng (3.1). Nếu dãy lỗi ei , ei 1 ,...ei m
không phụ thuộc vào dãy phát:
t
Pr (b1t , st a1t , s0 ) Pr (bi , si ai , si 1 )
s1t 1 i 1
Phương trình (3.3) là một kiểu ma trận, ở đây Pr (bt at ) được định nghĩa như là
một ma trận xác suất có điều kiện (MP) của ký hiệu đầu ra thu được từ ma trận
đầu vào là Pr (bt , st j at , st 1 i) và ta có:
Pr (bt at ) [ Pr (bt , st at , st 1 ]u ,u
Xác suất có điều kiện Pr (b1t a1t , s0 ) của b1t trên trạng thái kênh ban đầu s0 và dãy
đầu vào a1t là phép toán dựa trên st thông qua Pr (b1t , st a1t , s0 ) . Xác suất có điều
kiện Pr (b1t a1t ) của b1t trên dãy kênh đầu vào a1t được tính như sau:
u
Pr (b1t a1t ) Pr (s0 ) Pr (b1t a1t , s0 )
s0 1
hoặc:
t
Pr (b1t a1t ) p0 p (b1t a1t ) p0 P (b1t a1t )1 p0 P(bi ai )1
i 1
Pr (a , j i) Pr ( j i ) Pr ( a i, j )
Điều này tạo nên một xích Markov với ma trận chuyển vị:
P [ Pr (i j )] Ps (a )
a
Với mô hình trạng thái, chúng ta không thể trực tiếp quan sát được, điều này có
nghĩa là trạng thái không thể được xác định bằng việc nhận dạng các ký hiệu..
Dãy trạng thái là một hàm xác suất của các trạng thái ẩn và xác suất có điều
kiện của các ký hiệu. Xác suất này chỉ phụ thuộc vào trạng thái hiện tại
Pr (at , i j ) Pr (at j ) và mô hình này được gọi là mô hình Markov ẩn rời rạc
(HMM). Đến đây chúng ta có thể nói rằng: một mô hình Markov ẩn là một quá
trình ngẫu nhiên mà ta không thể trực tiếp quan sát, nhận biết, nhưng ta có thể
nhận biết được nó thông qua việc phân tích từng phần của quá trình này. Mô
hình này được sử dụng để mô hình hóa kênh đầu vào.
Trong các ứng dụng quan trọng, chúng ta giả sử rằng xích Markov có tính dừng
và nếu ma trận P là ma trận chuẩn tắc thì véc tơ xác suất trạng thái ban đầu có
thể được tìm ra và là một giải pháp để nghiên cứu các hệ thống thông tin.
P 1 1
3.3 Mô hình Gilbert-Elliott’s
Mô hình Gilbert-Elliott’s là mô hình kênh nhị phân biến đổi theo thời gian.
3.4 Mô hình Fritchman’s
Hình 3.3 Mô hình Fritchman’s
Fritchman tiến hành nghiên cứu xích Markov với đầu ra là hàm quyết định
của các trạng thái. Đây là ý tưởng cơ sở cho mô hình Markov bán ẩn[2]. Hình
3.4 mô tả mô hình Markov bán ẩn với N trạng thái, trong đó có một trạng thái
xấu. Đây chính là kênh vô tuyến Fritchman với (N-1) trạng thái tốt và chỉ duy
nhất một trạng thái xấu. Các trạng thái tốt được biễu diễn là “0” (không lỗi) và
các trạng thái xấu được biễu diễn là “1” (có lỗi). Số lượng các trạng thái tốt
hoặc xấu có thể tăng hoặc giảm phụ thuộc vào các mẫu lỗi ngẩu nhiên.
3.5 Xác suất lỗi
Xác suất lỗi có thể thu được từ các tham số của mô hình Markov mà không
cần quan tâm đến dãy. Nó có thể được tính toán bằng cách cho tăng ma trận
chuyển trạng thái đến mức rất cao. Hay nói cách khác, chúng ta phải tính:
P
là ma trận xác suất giới hạn nhiều bước của quá trình. Các hàng của ma trận
này là xác suất các trạng thái của quá trình và chúng phải luôn tồn tại với mỗi
trạng thái ban đầu khi số lượng chuyển vị của quá trình được phép tăng đến số
lượng rất lớn. Chúng ta thấy rằng những hàng của ma trận đồng nhất. Xác
suất sau cùng được gán sẽ không phụ thuộc vào sự bắt đầu của quá trình. Ma
trận này chỉ ra xác suất chuyển trạng thái của quá trình Markov dừng. Thực
hiện phép nhân xác suất chuyển trạng thái với xác suất lỗi tương ứng sẽ cho
chúng ta kết quả của dãy lỗi.
Nếu B là ma trận xác suất ký hiệu đầu ra, với hàng thứ hai là xác suất lỗi trạng
thái tương ứng được tạo ra thì xác suất lỗi cho trạng thái N của xích Markov
được tính như sau:
N
PE (i, i ) B(2, i )
i 1
Với PE là xác suất của lỗi. Điều này có nghĩa là xác suất lỗi của mô hình
Markov có thể thu được trực tiếp từ các mô hình tham số mà không cần quan
tâm đến các dãy lỗi và tính toán các bít lỗi tương ứng.
3.6 Khoảng trạng thái
Trong phần này, luận văn sẽ chỉ ra bằng cách nào để xác định khoảng thời
gian tồn tại giữa hai trạng thái liền nhau .
3.7 Quá trình Markov bán ẩn
Mô hình nguồn lỗi có thể được tổng quát hóa bằng cách sử dụng quá trình
Markov bán ẩn (còn gọi là quá trình bán Markov). Chúng ta có thể xem quá
trình bán Markov như một quá trình mà trạng thái của nó được chi phối bởi các
xác suất chuyển vị của quá trình Markov.
Quá trình bán Markov có thể được mô tả bằng toán học như sau.
Gọi pij là xác suất mà quá trình bán Markov bắt đầu với trạng thái i và chuyển
vị cuối cùng sẽ được bắt đầu từ trạng thái j để đến chuyển vị tiếp theo. Xác suất
chuyển vị pij tất nhiên phải giống với xác suất chuyển vị trong quá trình
Markov, và ta có:
N
và p
i 1
ij 1 i 1, 2,..., N
Trong trường hợp này, quá trình của chúng ta có N trạng thái. Bất kỳ khi nào,
khi hệ thống ở trạng thái i, nó xác định được trạng thái tiếp theo j phù hợp với
trạng thái chuyển vị i’s và xác suất chuyển vị p i1, pi2,…, p iN. Mặc dù vậy, sau
khi trạng thái j đã được chọn thì trước khi thực hiện sự chuyển vị này, quá trình
phải thực hiện sự chuyển vị từ trạng thái i đến j. Đây gọi là quá trình dừng với
khoảng thời gian ij trong trạng thái i. Chúng ta cũng thấy rằng ij là luôn luôn
dương và các giá trị ngẫu nhiên nguyên dương này được mô tả bởi một hàm tập
trung xác suất hij (.) . Vậy ta có:
Pr ( ij m) hij (m)
Giả sử rằng giá trị trung bình ij là có giới hạn và tất cả các phân bố thời gian
dừng tập trung có đơn vị chiều dài thời gian là tối thiểu:
hij (0) 0
Chúng ta thấy rằng một tập các trạng thái và ký hiệu được tạo ra bằng tập của
các nguồn. Khi có một ký hiệu, chúng ta không thể nói trạng thái s đã tạo ra ký
hiệu này. Mô hình trạng thái của quá trình này không thể quan sát và dễ dàng
nhận ra được và vì vậy chúng ta gọi nó là mô hình Markov bán ẩn. Mô hình
này được sử dụng để mô hình hóa nhiều loại nguồn lỗi khác nhau của hệ thống
thông tin di động thế hệ sau.
Ứng dụng trong mô hình nguồn lỗi, mô hình bán Markov được mô tả bằng ma
trận của xác suất trạng thái khởi điểm, ma trận xác suất chuyển vị. Các ma trận
này được phân bố trong các khoảng và ma trận xác suất của lỗi. Việc mô tả mô
hình nguồn lỗi được coi như là mô hình bán Markov và các kênh tương ứng
được gọi là các kênh bán Markov đối xứng.. Nếu khoảng phân bố của quá trình
bán Markov chỉ phụ thuộc vào trạng thái hiện tại
P00 P01
P
P0 P11
3.9 Biểu diễn mô hình của các dãy xác định
Trong phần này, luận văn tiến hành xét đặc tính của các ma trận đã thu được từ
việc đánh giá các mô hình Markov.
Đặt x x1 , x2 ,..., xT là một dãy lỗi với xk=1 là bít lỗi thứ k được phát đi và xk=0
là bít phát không có lỗi. Ký hiệu ( 0 m 1 ) là sự kiện m mà có các bít không lỗi
liên tục được phát sau một bít lỗi, và ( 1m 0 ) biễu diễn sự kiện m có các bít lỗi
liên tục được phát theo sau bít không lỗi. Fitchman chỉ ra được rằng xác suất
xuất hiện của hai sự kiện trên được tính:
k
Pr (0m 1) f i im 1
i 1
N
Pr (1m 0) fi im 1
i k 1
Ở đây 1, 2,..., k , k 1, k 2,..., N là giá trị được lấy tương ứng từ AGG và ABB và fi’s là
hàm của aij’s.
3.11 Pha đinh trong kênh vô tuyến 3G
Chúng ta thấy rằng các mô hình Markov rất thích hợp để mô hình hóa các
loại kênh vô tuyến khác nhau, đặc biệt là các loại kênh vô tuyến trong hệ thống
thông tin di động thế hệ sau [4, 5, 6 và 7]. Các mô hình này tạo ra đầy đủ các
loại pha đinh khác nhau trong kênh vô tuyến và từ đó cho phép chúng ta mô
hình hóa và tính toán, đánh giá chúng. Những pha đinh này bao gồm cả kênh
đa đường và đơn đường.
3.12 Kết luận chương
Chương ba đã trình bày và tìm hiểu chi tiết hầu hết các mô hình được sử dụng
để mô hình hóa kênh vô tuyến nói chung và kênh vô tuyến 3G nói riêng. Qua
quá trình khảo sát, phân tích các ưu nhược điểm của từng mô hình. Trên cơ sở
đó, chương này đã tìm ra được mô hình tối ưu nhất đó là các mô hình Markov
ẩn. Sử dụng mô hình này chúng ta có thể đánh giá, tính toán được hầu như toàn
bộ các đặc tính của loại kênh vô tuyến hết sức phức tạp đó là kênh vô tuyến 3G.
Ưu điểm này là duy nhất chỉ có trong mô hình Markov ẩn.
CHƯƠNG 4. MÔ PHỎNG
4.1 Đặt vấn đề
Trong chương này, luận văn tập trung vào các vấn đề chính:
Cấu trúc mô phỏng.
Phương pháp luận cho việc mô hình hóa kênh vô tuyến thế hệ 3.
Tính tính toán và đưa ra kết quả mô phỏng nguồn lỗi.
Phần này cũng sẽ đề cập về mô phỏng hệ thống W-CDMA được ứng dụng
trong thông tin di động 3G. Ngoài ra còn đề cập đến công cụ dùng để mô hình
hóa kênh vô tuyến là hệ thống công cụ VIPER (Vector ImpulsE Response
Measurement System).
Hình 4.1 đưa ra cấu trúc mô phỏng dạng sóng của W-CDMA.
Hình 4.1 Mô hình cấu trúc của bộ mô phỏng W-CDMA với đầu vào
VIPER
4.2 Hệ thống công cụ VIPER
Phần này luận văn tập trung vào việc mô tả hệ thống VIPER. Đây thực chất là
một bộ thu băng rộng, đa kênh, thời gian thực được thiết kế thông qua sự kết
hợp giữa phần cứng và phần mềm điều khiển.[9].
Hình 4.3 Thiết bị thu băng rộng, đa kênh, thời gian thực
4.3 Mô hình hóa Markov
Như luận văn đã trình bày ở các phần trước, lỗi ngẫu nhiên là các ký tự nhị
phân “0” và “1” thu được từ bộ mô phỏng dạng sóng các kênh vô tuyến trong
W-CDMA.. Những dãy lỗi này sau đó sẽ được luận văn sử dụng để mô hình
hóa nguồn lỗi sử dụng các mô hình Markov khác nhau: mô hình Markov và mô
hình bán Markov ẩn.
Hình 4.4 cho ta các mô hình nguồn lỗi khác nhau mà chúng ta sẽ sử dụng để
mô phỏng và tính toán.
Hình 4.4 Các mô hình nguồn lỗi
Với mô hình này, chúng ta có một công cụ hết sức tin cậy để mô hình hóa kênh
vô tuyến trong thông tin di động thế hệ 3. Chúng ta có thể tạo ra các bit lỗi
ngẫu nhiên từ những mô hình này. Các dãy lỗi được tạo ra theo các mô hình
này không phải là ánh xạ điểm điểm song chúng là các dãy lỗi ngẫu nhiên. Với
các môi trường phức tạp như các kênh vô tuyến đa đường, đa giao diện, các mô
hình này vẫn cho ra các kết quả khảo sát rất sát với thực tế.
Tiếp theo, luận văn đưa ra mô phỏng cấu trúc của mô hình Markov ẩn.
KẾT LUẬN
Lý thuyết hàng đợi, các mô hình Markov, các quá trình ngẫu nhiên là những
nội dung xuyên suốt trong luận văn. Luận văn đã tiến hành nghiên cứu, đánh
giá chi tiết và phân tích cụ thể các lý thuyết cơ sở trên để từ đó áp dụng vào
việc tính toán hiệu năng của hệ thống thông tin di động 3G. Cụ thể là đánh giá
hiệu năng kênh vô tuyến 3G thông qua việc mô hình hóa chúng. Các mô hình
sử dụng để mô hình hóa kênh, mô hình hóa hệ thống cũng được luận văn xem
xét và đánh giá.
Luận văn cũng đã đi vào nghiên cứu các đặc trưng cơ bản của hệ thống thông
tin di động thế hệ 3, rút ra mô hình hệ thống thông tin di động 3G để xây dựng
cơ sở cho việc mô hình hóa và đánh giá.
Từ các nghiên cứu đó, chúng ta chỉ ra được mô hình và tính toán, đánh giá hiệu
năng hệ thống thông tin di động 3G thông qua việc mô hình hóa kênh vô tuyến
3G để đánh giá và tính toán hiệu năng kênh . Các mô hình Markov ẩn đã được
chứng minh là mô hình hợp lý nhất để mô hình hóa kênh vô tuyến 3G, loại
kênh vô tuyến hết sức phức tạp (đa đường, đa giao diện…).
Như phần giới thiệu đã trình bày, luận văn bước đầu tìm hiểu công cụ đánh giá
hiệu năng hệ thống 3G: đó là lý thuyết hàng đợi với các mô hình Markov, đặc
biệt là các mô hình Markov ẩn. Công cụ mà chúng ta khảo sát và nghiên cứu
bước đầu trợ giúp cho việc tính toán, thiết kế mạng thông tin di động thế hệ sau
3G một cách có hiệu quả và hợp lý hơn.