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

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
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.
CT 2
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
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.
CT 2

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 BS
0
) và sáu BS lân cận với nó thuộc lớp đầu tiên (ký hiệu là BS
1
, BS
2

, …, BS
6
). Gọi
d
l
(t), l = 0, 1, …, 6 là ký hiệu khoảng cách giữa MS và BS
l
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 BS
l
thu được tại MS có thể được
mô tả như [4]:

()
-r
ξ (t)/10
l
0
lll l
a(t)=
γ
dt/D 10 +v(t)
⎡⎤
⎢⎥
⎣⎦
(1)

Trong đó γ
l
là hằng số tỷ lệ với công suất tín hiệu được phát đi, r là số mũ của suy hao
đường truyền, D
0
là là khoảng cách tham khảo và ξ
l
(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 σ
s
) đặc trưng cho
hiện tượng bóng mờ. Với l ≠ k, ξ
l
(t) và ξ
k
(t) là các quá trình ngẫu nhiên độc lập. Nếu các mức
công suất phát của các tín hiệu Pilot là giống nhau thì γ
l
=

γ với l = 0, 1, …, 6. v
l
(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 (E
b

/I
0
) 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) + a
1
y(k-1) + a
2
y(k-2) = b
0
u(k-1) + b
1
u(k-2) (2)
Trong đó y(k) là tín hiệu ra và u(k) là tín hiệu vào; a
1
, a
2
, b
0
, b
1
là các tham số hệ thống.
Phương trình (2) có thể được viết dưới dạng véctơ như sau:
y(k) = φ
T

θ (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 = [a
1
a
2
b
0
b
1
]
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) = φ
T
θ + e(k) (4)
Trong đó e(k) là sai số. Từ phương trình (4) chúng ta có:
e(k) = y(k) - φ
T
θ (5)



Ý tưởng của phương pháp RLS là cực tiểu hóa hàm giá trị sau:
(6)
k

2
J= e(i)
i=1
k
∑
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:
(7)
k
k-i 2
J= λ e(i)
i=1
k
∑
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) - φ
T
(k+1)θ(k)
Bước 3: Cập nhật ma trận đồng phương sai:
T
φ(k +1)φ (k +1)P(k)
P(k +1) = P(k) I -
T

M
λ + φ (k)P(k)φ(k +1)
⎡
⎤
⎢
⎥
⎢
⎥
⎣
⎦

CT 2
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) = αI
M
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 t
n
trên cơ sở đo cường độ công suất tín hiệu
Pilot tại thời điểm đó. Trước khi có số liệu đo tại thời điểm t
n+1
, bộ dữ báo RLS tiến hành dự báo
xác suất để MS hoạt động trong tế bào đó tại thời điểm t
n+N
, với N = 1, 2, trên cơ sở đánh giá
của hệ suy diễn mờ tới thời điểm t
n
. 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.

Mờ hóa
Cơ cấu
suy diễn mờ
Giải mờ
Dự báo RLS
Cơ sở
luật mờ
Công

suất
tín hiệu
Pilot
CT 2

o được
Dự báo
xác suất
chuyển giao



đ

Hệ suy diễn mờ

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 (BS
0
) thu được tại MS lớn đồng thời công suất tín hiệu Pilot thu được từ BS thuộc tế
bào lân cận l (BS
l
) 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 BS
0
thu được tại MS nhỏ đồng thời công suất

tín hiệu Pilot thu được từ BS
l
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 BS
0
và các BS
l
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 = t
n
), biến ngôn ngữ đầu vào của hệ suy diễn mờ là các mức



công suất tín hiệu Pilot từ BS
0
(a
n,0
) và các BS
l
(a
n,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(a
n,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, (p
n,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(P
n,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 BS
0
và với BS
l
đó mà không phụ
thuộc vào các BS
j
khác (j = 1, , 6, j ≠ l) tức là chỉ phụ thuộc vào mức công suất tín hiệu Pilot
từ BS
0
(a
n,0
) và mức công suất của một tín hiệu Pilot từ BS
l
(a
n,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 a
n,l
, (l = 0, 1, , 6) ta sẽ có sáu cặp tín hiệu Pilot thu được (a
n,0
, a
n,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 (a
n,0
, a
n,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 a
n,0
là A
0,k
và a
n,l
là A
L,k
thì p
n,l
là P
L,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 t
n
, xác suất tại thời điểm t
n+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

Hình 3. Dự trữ tài nguyên giao Hình 4. Các tế bào trong hệ thống mô phỏng


BS1 BS1
BS24 BS25

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 BW
r
= m*P, trong đó BW
r
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
trên góc độ chuyển giao vào nó (xem hình 3). Giá trị Br này phải lớn hơn một giá trị cực tiểu
B
CT 2
B
rmin
đặt trước. Để đánh giá ảnh hưởng của việc dự trữ tài nguyên cho cuộc gọi chuyển giao,
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 B
rmax
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: γ
l
= 1, D = 100m, r = 4, σ
s
= 2 dB. Các tham số của dự trữ tài
nguyên là P
max,t
= 0.3, B
r,max
= 200 KHz, BB
r,min
= 50 KHz. Thông tin di chuyển được cập nhật mỗi
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.



a)
b)
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.


a)
b)
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