áp dụng lí thuyết hàng đợi để tính hiệu năng hệ thống thông tin di động 3G

BỘ GIÁO DỤC VÀ ĐÀO TẠO TẬP ĐOÀN BƯU CHÍNH VIỄN THÔNG VIỆT NAM
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG





CHU HỒNG LÂN



ÁP DỤNG LÝ THUYẾT HÀNG ĐỢI ĐỂ TÍNH HIỆU NĂNG
HỆ THỐNGTHÔNG TIN DI ĐỘNG 3G



CHUYÊN NGÀNH :Kỹ thuật điện tử
MÃ SỐ: 60.52.70


LUẬN VĂN THẠC SỸ KỸ THUẬT




Người hướng dẫn khoa học : PGS.TS TRẦN HỒNG QUÂN

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

1. Các khái niệm cơ bản về xích Markov
1.1. Một số định nghĩa
Định nghĩa 1
Xét một hệ thống xử lý biến đổi theo thời gian. Gọi X(t) là trạng thái của hệ
tại thời điểm t. Như vậy ứng với mỗi thời điểm t, X(t) chính là một biến ngẫu
nhiên mô tả trạng thái của hệ thống. Quá trình {X(t)}
t≥0
được gọi là một quá

trình ngẫu nhiên.
Tập hợp các vị trí có thể có của hệ gọi là không gian trạng thái S. Trong
trường hợp trên, nếu giả sử rằng X(t) chỉ có thể nhận một trong ba giá trị 1, 2, 3
với mọi t, thì S= {1, 2, 3}.
Giả sử trước thời điểm s, hệ đã ở trạng thái nào đó, còn tại thời điểm s
i
, hệ ở
trạng thái i. Chúng ta muốn đánh giá xác suất tại thời điểm t ( t>s), hệ sẽ ở
trạng thái j. Nếu xác suất này chỉ phụ thuộc vào bộ bốn (s, i, t, j), tức là:
P[X(t)=j/X(s)=i]=p(s,i,t,j] là đúng với mọi i, j, s, t thì điều này có nghĩa là sự
tiến triển của hệ trong tương lai chỉ phụ thuộc vào hiện tại (trạng thái của hệ tại
thời điểm s) và hoàn toàn độc lập với quá khứ ( tính không nhớ). Đó chính là
tính Markov. Lúc này quá trình ngẫu nhiên X(t) được gọi là quá trình Markov.
Trong trường hợp trên P[X(1) = 2/X(0) =1] là xác suất có điều kiện của sự
kiện X(1) = 2 (tại thời điểm t=1, hệ thống ở trạng thái 2) với điều kiện X(0) = 1
(tại thời điểm t=0, hệ thống ở trạng thái 1). Nếu quá trình ngẫu nhiên có tính
Markov thì xác suất này chỉ phụ thuộc vào trạng thái của hệ tại thời điểm s=0
và hoàn toàn độc lập với trạng thái của hệ trong quá khứ (trước thời điểm t=0).
Định nghĩa 2
Nếu không gian trạng thái S gồm một số hữu hạn hoặc vô hạn đếm được các
trạng thái thì quá trình Markov X(t) được gọi là xích Markov. Lúc này có thể kí
hiệu S = {1, 2, 3, …}, tức là các trạng thái được đánh số. Hơn nữa, nếu tập các
giá trị t không quá đếm được (chẳng hạn t=0, 1, 2, …) thì ta có xích Markov
với thời gian rời rạc, hay xích Markov rời rạc. Nếu t

[0,∞] thì ta có xích
Markov với thời gian liên tục, hay xích Markov liên tục.
Định nghĩa 3
Xét một xích Markov. Nếu xác suất chuyển trạng thái p(s, i ,t, j)=p(s+h, i,
t+h, j),


i,

j,

s,

t và

h>0, thì ta nói rằng xích Markov thuần nhất theo
thời gian.
1.2. Ma trận xác suất chuyển trạng thái và phân phối dừng
Định nghĩa 1
Giả sử tại thời điểm t=n, X(n) cũng có thể nhận một trong các N giá trị với
xác suất tương ứng là
( )
1
n

,
( )
2
n

,…,
( )
n
N

(với

( )
1
n

+
( )
2
n

+
( )
n
N

=1) thì véc tơ
( )
n

= (
( )
1
n

,
( )
2
n

, …,
( )

n
N

) được gọi là véc tơ phân phối tại thời điểm t=n.
Với t = 0., ta có véc tơ phân phối ban đầu
(0)

= [
(0)
1

,
(0)
2

,…,
(0)
n

].
Ma trận P=[p
ij
]
NxN
, trong đó p
ij
=p(t, i, t+1, j)=P[X(t+1)=j/X(t)=i)

t là xác
suất chuyển trạng thái từ vị trí i sang j sau một bước,


i=1, 2,…., N và

j=1,
2, …, N được gọi là ma trận xác suất chuyển trạng thái hay ma trận chuyển sau
một bước.
Định nghĩa 2
Xét xích Markov rời rạc và thuần nhất với ma trận chuyển P=[p
ij
]
NxN
. Lúc đó,
véc tơ phân phối xác suất

=[
1

,
2

,…,
N

] thỏa mãn điều kiện

x(I-P)
= 0 được gọi là phân phối dừng của xích Markov đã cho. Có thể thấy ngay,
phân phối dừng

không phụ thuộc vào

(0)

mà chỉ phụ thuộc vào ma trận
P.
1.3. Các tính chất và định lý
Xét xích Markov rời rạc và thuần nhất với ma trận chuyển P = [p
ij
]
NxN
. Có thể
chứng minh được các tính chất và định lý sau:

 Các tính chất:
1.
( )
m n
ij
p

=
( ) ( )
1
N
n m
ik kj
k
p p


( phương trình Chapman – Kolmogorov).

2.
(2)
P
= PxP =
2
P
,
( )
n
P
=
n
P
và
( )
n m
P

=
( )
n
P
x
( )
m
P
.

3.

( )
n m

=
( )
n

x
( )
m
P
.

 Định lý

Giả sử P là ma trận xác suất chuyển chính qui, tức là tồn tại chỉ số n
0
, sao cho

i, j thì xác suất chuyển trạng thái từ i đến j sau n
0
bước là một số dương:
0
( )
n
ij
p
> 0. Khi đó tồn tại
1


,
2

, …,
N

> 0 và
1

+
2

+ …
N

=1 để cho
( )
lim
n
ij j
x
p



không phụ thuộc vào i.
Các số
1

,

2

,…,
N

được tìm từ hệ phương trình


1
, 1,2, , ; 0
N
j k kj j
k
x x p j N x j

   

và
1
1
N
j
j
x



.

Nếu các số

1

,
2

,…,
N

thỏa mãn điều kiện
1

+
2

+ …
N

=1 và
( )
lim
n
ij j
x
p



, không phụ thuộc vào i thì ma trận P là ma trận chính qui.
1.4 Lý thuyết hàng đợi và mạng hàng đợi
1.4.1 Lý thuyết hàng đợi

1.4.1.1 Hàng đợi và đặc điểm


Hình 1.1 Mô hình chung của hệ thống hàng đợi
Phân tích hệ thống hàng đợi hoặc mạng hàng đợi bao gồm:
 Phân tích giải tích.
 Quá trình mô phỏng.
 Cả hai phương pháp trên.
Kết quả giải tích đạt được:
 Yêu cầu ít tính toán.
 Đưa ra kết quả chính xác (không xảy ra lỗi xác suất).
Những kết quả thu được (các thông số dịch vụ) được chia thành hai nhóm lớn:
 Dành cho người sử dụng.
 Dành cho các nhà cung cấp phục vụ.
Thông số quan trọng cho người sử dụng:
 Trễ hàng đợi.
 Tổng trễ (bao gồm trễ hàng đợi và trễ phục vụ ).
 Số lượng gói tin trong hàng đợi.
 Số lượng gói tin trong hệ thống (gồm gói tin chờ và gói tin đang
được xử lý ).
 Xác suất nghẽn mạng (khi kích thước bộ đệm hữu hạn).
 Xác suất chờ để xử lý.
Thông số quan trọng cho các nhà cung cấp dịch vụ:
 Khả năng sử dụng bộ xử lý.
 Khả năng sử dụng bộ đệm.
 Lợi ích thu được (thông số dịch vụ và các xem xét về kinh tế).
 Lợi ích bị mất (thông số dịch vụ và các xem xét về kinh tế).
 Đáp ứng nhu cầu của người sử dụng.
Chất lượng dịch vụ (QoS):
 Tổn thất (PDF, mean).

 Trễ (PDF, mean).
 Jitter (PDF, mean).
Đưa ra các thông số trên để thu được:
 Hàm phân bố xác suất.
 Các giá trị trung bình.
 Đo được các thời điểm cực đại, cực tiểu.
Các hàm phân bố xác suất chứa đựng đầy đủ các thông tin liên quan đến các
thông số quan tâm. Tuy nhiên, việc thiết lập được các hàm này là khó thực hiện.
Phân tích hệ thống hàng đợi được chia thành:
 Phân tích ở thời gian ngắn (dựa trên một thời điểm nhất định).
 Phân tích trong một khoảng thời gian (trạng thái ổn định) – (dựa
trên tham số vô hạn).
 Cấu trúc logic của phân tích hệ thống hàng đợi.
 Đo được nhiều thông số thống kê: mean-mean, moments,
transform, pdf.
Phân tích thời gian ngắn sử dụng cho các trường hợp đơn giản- sử dụng các
phương pháp mô phỏng hay xấp xỉ.
Việc phân tích chính xác không thể cho áp dụng cho quá trình ổn định- sử dụng các
phương pháp xấp xỉ, nếu không thì dùng các phương pháp mô phỏng.
Từ những phân tích trên, luận văn có nhận xét sau:
 Với các hệ thống thông tin gói thì sử dụng hệ thống hàng đợi để phân tích là
hợp lý.
 Các giả thiết liên quan đến đặc tính và cấu trúc của hệ thống hàng đợi đạt
được kết quả chính xác ít nhất là cho các thông số hiệu năng trung bình với
điều kiện ổn định.
1.4.1.2 Các tham số hiệu năng trung bình
 Số lượng trung bình gói tin trong hệ thống
 Số lượng trung bình gói tin trong hàng đợi
 Thời gian trung bình trong hệ thống
 Độ sử dụng bộ xử lý

1.4.2 Một số khái niệm thống kê cơ bản
1.4.2.1 Đặc điểm iến trình điểm
 Tính dừng
 Tính độc lập
 Tính đều đặn
1.4.2.2. Tiến trình Poisson
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.
1.7 Kết luận chương.
Xác định các thông số hàng đợi như: chiều dài hàng đợi ở các thời điểm bất kỳ
hoặc ngay cả khi có gói tin, … qua đó đưa ra các phương án điều khiển lưu lượng
trên mạng cho phù hợp nhằm giảm thiểu các sự cố trên mạng, đánh giá được hiệu
suất sử dụng tài nguyên đồng thời xác định được cấp QoS mà có thể cung cấp trên

mạng, đó là cơ sở cho việc thiết kế các mạng hệ thống viễn thông thế hệ sau
(NGN).
CHƯƠNG 2. TỔNG QUAN VỀ HỆ THỐNG THÔNG TIN DI ĐỘNG
THẾ HỆ 3 (3G)
Sự phát triển nhanh chóng của các dịch vụ số liệu, IP đã đặt ra các yêu cầu
mới đối với công nghiệp viễn thông di động. Thông tin di động thế hệ hai mặc
dù sử dụng công nghệ số nhưng vì là hệ thống băng hẹp và được xây dựng trên
cơ chế chuyển mạch kênh nên không thể đáp ứng được các dịch vụ mới này.
Trong bối cảnh đó, ITU đã đưa ra đề án tiêu chuẩn hóa hệ thống thông tin di
động thế hệ ba với tên gọi IMT – 2000. IMT-2000 đã mở rộng đáng kể khả
năng cung cấp dịch vụ và cho phép sử dụng nhiều phương tiện thông tin. Mục
đích của IMT-2000 là đưa ra nhiều khả năng mới nhưng cũng đồng thời đảm
bảo sự phát triển liên tục của thông tin di động thế hệ hai (2G). Thông tin
di động thế hệ ba (3G) xây dựng trên cơ sở IMT-2000 được đưa vào phục vụ từ
năm 2001. Các hệ thống 3G cung cấp nhiều dịch vụ viễn thông bao gồm: thoại,
số liệu tốc độ bit thấp và cao, đa phương tiện, video (triple play) cho người sử
dụng làm việc ở cả phương tiện công cộng lẫn tư nhân ( vùng công sở, vùng
dân cư, phương tiện vận tải )
Các tiêu chí chung để xây dựng IMT-2000 như sau:

 Sử dụng dải tần qui định quốc tế 2GHz như sau:

- Đường lên: 1885 – 2025 MHz.

- Đường xuống: 2110 – 2200 MHz.

 Là hệ thống thông tin di động toàn cầu cho các loại hình thông tin vô tuyến.

- Tích hợp các mạng thông tin hữu tuyến và vô tuyến.

- Tương tác cho mọi loại dịch vụ viễn thông.

 Sử dụng các phương tiện khai thác khác nhau.

- Trong công ở.

- Ngoài đường.

- Trên xe.

- Vệ tinh.

 Có thể hỗ trợ các dịch vụ như:
- Các phương tiện nhà ảo (VHE: Virtual Home Environment) trên cơ sở
mạng thông minh, di động cá nhân và chuyển mạch toàn cầu.
- Đảm bảo chuyển mạch quốc tế
- Đảm bảo dịch vụ đa phương tiện đồng thời cho thoại, số liệu chuyển
mạch kênh và số liệu chuyển mạch gói.

 Dễ dàng hỗ trợ các dịch vụ mới xuất hiện

Môi trường hoạt động của IMT-2000 được chia thành bốn vùng với tốc độ bit
R
b
như sau:
1. Vùng 1: Trong nhà, ô pico, R
b
≤ 2 Mbit/s
2. Vùng 2: Thành phố, ô micro, R
b

≤ 384 kbit/s
3. Vùng 3: Ngoại ô, ô macro, R
b
≤ 144 kbit/s
4. Vùng 4: Toàn cầu, R
b
= 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 ( Wideband CDMA: CDMA băng rộng )
 W – TDMA ( W TDMA: TDMA băng rộng )
 TDMA/CDMA băng rộng
 OFDMA ( Orthogonal Frequency Division Multiple Access: Đa truy nhập
phân chia theo tần số trực giao)
 ODMA ( Opportunity Driven Multipe Access: Đa truy nhập theo cơ hội )

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


2.2 Cấu trúc của mạng truy nhập vô tuyến W-CDMA


Hình 2.1 Cấu trúc mạng W-CDMA
2.3 Các công ghệ then chốt trong W-CDMA
 Sử dụng chế độ không đồng bộ giữa các BS và phân chia mã đường
xuống
 Truyền dẫn OVSF
 Cấu trúc pilot
 Phương pháp truy nhập gói
 Các mã Turbo
 TPC
 Phân tập truyền dẫn
 Kỹ thuật thu phát song công phân chia theo thời gian và phân chia theo
tần số
2.4 Mô hình kênh
Mô hình kênh thông tin số gồm nguồn số liệu và bộ chuyển đổi đầu vào,bộ
mã hóa nguồn, bộ mã hóa kênh, bộ điều chế số, kênh, bộ giải điều chế số,
giải mã kênh, giải mã nguồn và bộ chuyển đổi đầu ra. Trước đây, người ta
thường dùng phương pháp phân tích, mô phỏng mức dạng sóng.
Trong luận văn này sẽ sử dụng mô hình kênh thông tin số. Đặc biệt, để phù
hợp với các kênh di động 3G chúng ta sẽ đưa thêm các hiện tượng vật lý
xảy ra, trong đó là: các nguồn can nhiễu, truyền lan đa đường. Đặc trưng
cho chúng là mô hình kênh rời rạc và mô hình Markov[1]. Chúng ta sẽ sử

dụng công cụ toán học là lý thuyết xếp hàng đã nói ở chương 1 để mô hình
hóa kênh và mô phỏng chúng. Mô hình này được Shannon đưa ra và được
gọi là kênh có trạng thái hữu hạn, trong đó có kênh không nhớ và kênh có
nhớ. Kênh không nhớ là loại kênh không có can nhiễu giữa các ký hiệu
hoặc pha đinh. Kênh không nhớ rất đơn giản, trái lại kênh có nhớ rời rạc thì
quá trình truyền lan và xử lý tín hiệu trong đó rất phức tạp. Kênh vô tuyến
nói chung là kênh có pha đinh, có nhớ và có sự tương quan giữa các ký hiệu
đầu vào và đầu ra. Hình 2.6 chỉ ra mô hình kênh nhị phân; các kí hiệu đầu
vào và đầu ra là “0” hoặc “1” và xác suất sửa đổi kênh là đối xứng.

Hình 2.6 Mô hình kênh nhị phân
Trong kênh này, kênh tác động vào ký hiệu “0” hoặc “1” là như nhau. Đối với
kênh có nhớ, xác suất lỗi phụ thuộc vào các bit đã phát đi trước đó. Hình 2.7
chỉ ra một kênh rời rạc m đầu vào và M đầu ra.


Hình 2.7 Mô hình kênh rời rạckhông nhớ m đầu vào M đầu ra

Trong trường hợp này
( ) ( )
r i j r i j
P Y y X x P y x
   .
Trên cơ sở mô hình tổng quan kênh rời rạc này, luận văn sẽ kết hợp với các
khái niệm, đặc tính của các hàng đợi đã đề cập ở chương 1 để khảo sát các hiệu
năng của kênh vô tuyến 3G.

2.6 Kết luận chương
Chương hai giới thiệu một số đặc tính cơ bản nhất của hệ thống thông tin di
động thế hệ 3. Từ đó rút ra một số điểm để phục vụ cho việc phân tích, tính

toán ở chương ba.
Các hệ thống thông tin thế hệ 3 chủ yếu dựa trên tiêu chuẩn IMT-2000 với các
công nghệ CDMA, đa sóng mang OFDM nhằm tăng tốc độ dữ liệu truyền trên
kênh nhưng giảm thiểu được pha đinh lựa chọn theo tần số. Hiện tượng xuyên
nhiễu giữa các ký hiệu giảm. Như vậy, một cách gần đúng ta coi kênh là không
nhớ và các dãy các gói tin đầu vào máy thu coi là có phân bố Poisson. Tuy
nhiên, khi có pha đinh tác động vào hệ thống thì lúc này phải sử dụng mô hình
Markov ẩn.
Hệ thống thông tin di động 3G cho phép kết hợp nhiều lớp dịch vụ có tốc độ
thấp cao khác nhau cho nên khi phân tích hiệu năng tại các nút và mô hình
hàng đợi tại đó ta sẽ sử dụng loại nhiều lớp, đa dịch vụ.

CHƯƠNG 3. TÍNH CÁC HIỆU NĂNG CỦA KÊNH VÔ TUYẾN 3G

3.1 Giới thiệu
Từ những kiến thức cơ bản đã nói ở chương 1 về chuỗi Markov, xác suất
chuyển đổi trạng thái, ma trận chuyển đổi trạng thái. Kết hợp với đặc điểm
kênh vô tuyến, hệ thống thông tin di động 3G đã giới thiệu ở chương 2, đối
chiếu với mục tiêu của đề tài. Luận văn chọn mô hình Markov ẩn để biểu diễn
kênh vô tuyến có các trạng thái hữu hạn. Từ đó mở rộng sang biểu diễn bằng
ma trận mô hình kênh vô tuyến bằng mô hình Markov bán ẩn. Từ các mô hình
đó sẽ tính được các hiệu năng kênh.
3.2 Mô hình trạng thái kênh
Ta biết rằng, trong hệ thống thông tin di động 3G, các gói tin ở đầu phát được
ký hiệu bằng một tập véc tơ trạng thái


1 2
, , ,
m

a a a a
 và đầu ra là


1 2
, , ,
m
b b b b
 , ở đây m là một số nguyên không âm (
m N

). Trong trường
hợp nếu b

a, ngoại trừ thời gian trễ thì ta gọi là kênh không nhiễu. Nếu không
xảy ra điều đó, lúc đó ta nói kênh bị lỗi và đặc trưng cho nó là xác suất có điều
kiện thu được dãy b khi phát dãy a.


1 1
( , , , , , , )
r i i i m i i i m
P b b b a a a
   


và ta coi kênh đang xét được đặc trưng bằng (3.1). Nếu dãy lỗi
1
, ,
i i i m

e e e
 

không phụ thuộc vào dãy phát:


1 1 1
( , , , , , , ) ( , , )
r i i i m i i i m r i i i m
P e e e a a a P e e e
     


thì kênh được gọi là đối xứng. Kênh sẽ là dừng nếu các xác suất này không phụ
thuộc vào i. Ta có thể mô tả lỗi bằng hàm phân phối m chiều. Việc tính toán
phân bố m chiều với m khá lớn là một việc hết sức khó khăn. Vì vậy, trong luận
văn này sẽ dùng phương pháp xấp xỉ dãy lỗi kênh bằng mô hình nguồn lỗi.
Giả sử rằng kênh bao gồm các không gian trạng thái


1 2
, , ,
m
S s s s

. Nếu tại
thời điểm t-1, kênh ở trạng thái
1
t
s


và ký hiệu kênh đầu vào là
t
a A

, kênh
đầu ra là
t
b B

và chuyển đến trạng thái
t
s S

với xác suất
1
( , , )
r t t t t
P b s a s

. Xác
suất của trạng thái cuối cùng s
t
và dãy thu được
1
( , , )
r t t t t
P b s j a s i

 

với điều
kiện trạng thái ban đầu là s
0
và dãy phát
1 1 2
( , , )
t
t
a a a a

được tính:


1
1
1 1 0 1
1
( , , ) ( , , )
t
t
t t
r t r i i i i
i
s
P b s a s P b s a s









Phương trình (3.3) là một kiểu ma trận, ở đây
( )
r t t
P b a
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
1
( , , )
r t t t t
P b s j a s i

 
và ta có:


1 ,
( ) [ ( , , ]
r t t r t t t t u u
P b a P b s a s


Xác suất có điều kiện
1 1 0
( , )
t t
r

P b a s
của
1
t
b
trên trạng thái kênh ban đầu s
0
và dãy
đầu vào
1
t
a
là phép toán dựa trên s
t
thông qua
1 1 0
( , , )
t t
r t
P b s a s
. Xác suất có điều
kiện
1 1
( )
t t
r
P b a
của
1
t

b
trên dãy kênh đầu vào
1
t
a
được tính như sau:

0
1 1 0 1 1 0
1
( ) ( ) ( , )
u
t t t t
r r r
s
P b a P s P b a s




hoặc:


1 1 0 1 1 0 1 1 0
1
( ) ( ) ( )1 ( )1
t
t t t t t t
r i i
i

P b a p p b a p P b a p P b a

  


Ở đây
0 0 0 0
[ ( 1) ( 2) ( )]
r r r
p P s P s P s u
    là ma trận của xác suất trạng thái
kênh ban đầu.
Mô hình trạng thái kênh đôi khi người ta còn gọi là “mô hình nguồn”. “Nguồn”
ở đây được mô tả bởi A, không gian trạng thái S. Ma trận hàng p
s
của xác suất
trạng thái ban đầu và ma trận xác suất P
s
(a) là một phần của xác suất thu từ
trạng thái nguồn i đến trạng thái j và đưa ra ký hiệu a:
( , )
r
P a j i
.
Xác suất đưa ra một dãy
1
t
a
trong mô hình kênh được tính như sau:

1
1
( ) ( )1
t
t
r s s i
t
P a p P a




Ở đây, những phần tử của P
s
(a) được biễu diễn:


( , ) ( ) ( , )
r r r
P a j i P j i P a i j


Điều này tạo nên một xích Markov với ma trận chuyển vị:


[ ( )] ( )
r s
a
P P i j P 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
( , ) ( )
r t r t
P a i j P a 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.


1 1
P
  
 

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:

1
( , ) (2, )
N
E
i
P i i B i

 


Với P
E
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
ij
p
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
ij
p
tất nhiên phải giống với xác suất chuyển vị trong quá trình
Markov, và ta có:


0 1,2, , ; 1,2, ,
ij
p i N j N
  

và
1
1 1,2, ,
N
ij
i
p i 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
, p
i2

,…, 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
(.)
ij
h . Vậy ta có:

( ) ( )
r ij ij
P m h 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:

(0) 0

ij
h


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


( ) ( ) 1,2, , ; 1,2, ,
ij i
h m h m i N j N
  

thì quá trình được gọi là “tự học”.



Hình 3.4 Quá trình bán Markov
Hình 3.5 chỉ ra một phần đường đi của quá trình bán Markov rời rạc theo thời
gian. Những đoạn dài màu đen và có chấm ở đầu mô tả quá trình vào tức thì

của trạng thái sau một chuyển vị. Hình vẽ này chỉ ra quá trình vào trạng thái 1
tại thời điểm 0, được giữ ở trạng thái 1 với 3 đơn vị thời gian và sau đó thực
hiện chuyển vị đến trạng thái 2. Sau đó giữ ở trạng thái 2 một khoảng là 1 đơn
vị thời gian và sau đó nhảy đến trạng thái 3. Quá trình tiếp tục được giữ ở trạng
thái 3 trong khoảng 2 đơn vị thời gian và sau đó nhảy đến trạng thái 2. Chú ý
rằng kết nối cơ sở giữa thời gian cân bằng và thời gian chuyển vị là không tính
đến. Chúng ta có thể thấy rằng xác suất của ba lần chuyển vị nằm trong một
thời gian tổng. Quá trình Markov rời rạc theo thời gian cũng được liên hệ với
quá trình bán Markov rời rạc theo thời gian như sau:


( ) ( 1) 0,1,2 ; , 1,2, ,
ij
h m m m i j N

   
Ở đây

là hàm delta và N là tổng số các trạng thái của quá trình Markov.
3.7.1 Chuyển vị thực và chuyển vị ảo
Chuyển vị thực là chuyển vị mà nó yêu cầu sự thay đổi thật tác động đến trạng
thái. Chuyển vị ảo là chuyển vị mà sự thay đổi trạng thái có thể giống với
trước khi được chuyển vị.
3.7.2 Mô hình hóa nguồn lỗi bằng quá trình Markov
Ý tưởng cơ sở của mô hình này được đưa ra bởi Fritchman[3]. Chúng ta có
một dãy các số 0 và 1 như sau: 000011000000000000001110000001100000, ta
có thể viết lại dãy như sau
4 2 14 3 6 2 5
0 1 0 1 0 1 0
. Sự biến đổi này được gọi là

“runlengh coding”.
Thuận lợi chính của việc biến đổi này ở trong các thuật toán là mũ hóa ma trận
nhanh và phân tích biểu thức có thể được sử dụng để đánh giá các tham số của
các mô hình Markov. Trong phần này, luận văn cũng đưa ra khả năng về việc
kết hợp quá trình bán Markov và công cụ có khả năng tính toán để thực hiện
việc mô hình hóa nguồn lỗi trong môi trường W-CDMA bằng cách sử dụng
công cụ VIPER[8,9] để đánh giá các kênh vô tuyến trong hệ thống 3G.


Hình 3.7 Mô hình bán Markov

3.8 Biểu diễn ma trận khối
Trong một số trường hợp, để thuận tiện cho mục đích mô hình hóa và tính
toán, một ma trận sẽ được chia thành các khối. Và các ma trận khối này có thể
được sử dụng để đánh giá tham số mô hình bán Markov ẩn. Xét một quá trình
Markov với hai ký hiệu. Có tổng tất cả là N trạng thái và tập các trạng thái này
có thể phân thành hai tập con nhỏ hơn N
0
, N
1
. N
0
biểu diễn các trạng thái ứng
với ký hiệu “0”, N
1
biểu diễn các trạng thái ứng với ký hiệu 1. Nói cách khác,
chúng ta có thể quy cho tất cả các trạng thái với ký hiệu 0 ở đầu ra về trạng thái
N
0
và tương ứng N

1
được quy cho ký hiệu 1. Chúng ta cũng có thể quy cho tất
cả các trạng thái với số lượng khởi điểm i=1,2,…, R cho tập con N
0
và các
trạng thái còn lại với số lượng i=R+1, R+2,…, N cho tập con N
1
. Ma trận
chuyển vị trạng thái P có thể được viết:


00 01
0 11
P P
P
P P
 

 
 

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


1 2
, , ,
T

x x x x
 là một dãy lỗi với x
k
=1 là bít lỗi thứ k được phát đi và x
k
=0
là bít phát không có lỗi. Ký hiệu (
0 1
m
) là sự kiện m mà có các bít không lỗi
liên tục được phát sau một bít lỗi, và (
1 0
m
) 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:


1
1
(0 1)
k
m m
r i i
i
P f










1
1
(1 0)
N
m m
r i i
i k
P f


 



Ở đây
1,2, , 1, 2, ,
,
k k k N
 
 
là giá trị được lấy tương ứng từ A
GG
và A
BB
và f

i
’s là
hàm của a
ij
’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.


Hình 4.5 Sơ đồ mô phỏng cấu trúc của mô hình Markov ẩn
Các mô hình Markov ẩn dùng véc tơ lỗi đầu vào được xây dựng theo nguyên
tắc bit by bit để xây dựng mô hình thuật toán. Khi hoạt động ở chế độ thời gian
thực, mô hình này sẽ chiếm rất nhiều thời gian nếu dãy đầu vào phức tạp.
Trong phần này, luận văn tiến hành khảo sát các ký hiệu được tạo ra là các ký
tự nhị phân “0” hoặc “1” và sẽ chỉ ra một lỗi đơn (“0” ứng với không lỗi, “1”
ứng với lỗi).
Sơ đồ mô phỏng cấu trúc của mô hình bán Markov ẩn được mô tả:




Hình 4.6 Sơ đồ mô phỏng cấu trúc của mô hình bán Markov ẩn
Mô hình này sử dụng đầu vào là các “runlength vector”, các dãy đầu vào được
mã hóa theo phương thức “runlength coding” như đã trình bày ở phần trước.
Chúng ta thấy rằng các mô hình trên có thể đưa ra các dãy hoàn toàn trùng
khớp với các dãy lỗi mà ta thu được từ bộ mô phỏng W-CDMA.
Theo [11], nếu chúng ta thực hiên mô hình hóa pha đinh bằng mô hình Markov
ẩn thì các bít lỗi và các khối lỗi trong dữ liệu phát lên các kênh pha đinh cũng
có thể được mô hình hóa bằng mô hình Markov ẩn này.
Đối với việc mô phỏng các kênh vô tuyến 3G, sử dụng các mô hình Markov có
thể tạo ra rất nhiều trạng thái phụ thuộc vào độ phức tạp của kênh (hoặc độ
phức tạp của các phần lỗi như việc mô hình hóa nguồn lỗi). Trong trường hợp
mô hình hóa nguồn lỗi, xác suất lỗi tự nó không quyết định được tính chính xác
của mô hình do có thể có nhiều hơn một dãy lỗi có cùng tham số BER nhưng
lại khác biệt nhau hoàn toàn.
4.4 Mô phỏng, tính toán nguồn lỗi

Trong phần này, luận văn sẽ chỉ ra rằng: sử dụng các mô hình Markov, các dãy
lỗi có thể được tạo ra tương tự như dãy thu được từ bộ mô phỏng W-CDMA.
Một dãy lỗi thu được từ bộ mô phỏng W-CDMA sẽ được sử dụng để làm đầu
vào cho các thuật toán trong mô hình Markov. Quá trình mô phỏng nguồn lỗi
đã được luận văn giới thiệu ở chương ba. Ở đây, chúng ta chỉ xét cho trường
hợp sử dụng mô hình Markov ẩn thu phát hai chiều để mô hình hóa và tính toán
cho nguồn lỗi. Các trường hợp còn lại cũng sẽ được thực hiện tương tự.
Xét một dãy lỗi có 4000000 bít, xác suất lỗi thu được từ bộ mô phỏng W-
CDMA là 0,0819.
Ta có một dãy lỗi thu được ở các phần trước với đầu vào là 3 trạng thái. Sau
200 lần tác động, ta thu được các tham số đánh giá của mô hình Markov ẩn:

 
0,9807 0,0027 0,0166
0,8407 0,0853 0,0740
0,3188 0,0124 0,6688
0,9253 0,2461 0,8248
0,0747 0,7539 0,1752
1.0000 0.0000 0.0000
P
B

 
 

 
 
 
 


 
 


Bây giờ chúng ta định nghĩa ma trận

như sau:

n
P
 

Ở đây n là một số đủ lớn.
Ta thực hiện tăng ma trận P với hiệu suất cao đến khi thu được một ma trận có
các hàng giống nhau. Để đạt được điều này thì theo giả thiết đặt ra từ đầu ta thu
được số lần phải tăng là
10
10
. Ta thấy rằng việc tăng ma trận P không làm thay
đổi các hàng và cột của ma trận thu được. P hoàn toàn là một ma trận ngẫu
nhiên và có tổng các hàng bằng 1. Nếu hàng thứ hai của ma trận B tương đương
với xác suất ký hiệu đầu ra được tạo bởi một lỗi thì thì xác suất của lỗi P
E
là:

10000000
0,9482 0,0035 0,0483
0,9482 0,0035 0,0483
0,9482 0,0035 0,0483
P 

 
 

 
 
 







1 2 3
1 1 2 2 3 3
( , ) ( , ) ( , )
( / ) ( ) ( / ) ( ) ( / ) ( )
(1,1) (2,1) (2,2) (2,2) (3,3) (2,3)
0,0819
E
P P e S P e S P e S
P e S P S P e S P S P e S P S
B B B
  
  
     


Kết quả này hoàn toàn khớp với kết quả thu được từ bộ mô phỏng WCDMA
như đã trình bày ở trên.

4.5 Kết luận chương
Chương này đã thực hiện mô hình hóa mô hình Markov, đặc biệt là mô hình
Markov ẩn để từ đó có cơ sở cho việc tính toán và so sánh các kết quả và một
lần nữa khẳng định việc chọn mô hình Markov ẩn để mô hình và đánh giá kênh
vô tuyến 3G là phương án tối ưu nhất.


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.