Phân tích tỷ lệ lỗi khối của mạng vô tuyến nhận thức dạng nền lựa chọn nút chuyển tiếp từng phần trong truyền thông gói tin ngắn

Download

Nguyễn Duy Chinh, Ngô Hoàng Tú, Võ Nguyễn Quốc Bảo

PHÂ N TÍ CH TỶ LỆ LỖI KHỐI CỦA MẠNG

VÔ TUYẾN NHẬN THỨC DẠNG NỀN LỰA

CHỌN NÚT CHUYỂN TIẾP TỪNG PHẦN

TRONG TRUYỀN THÔ NG GÓ I TIN NGẮN

Nguyễn Duy Chinh^*, Ngô Hoàng Tú^#Võ Nguyễn Quốc Bảo^*

* Học Viện Cô ng Nghệ Bưu Chính Viễn Thô ng

^#Trường Đại học Giao Thô ng Vận Tải thành phố Hồ Chí Minh

bằng 100 và tốc độ truyền tối đa xấp xỉ C− V / mQ⁻¹ ,

Tóm tắt- Trong bài báo này, chúng tôi đề xuất mô hình

( )

mạng chuyển tiếp hai chặng trong môi trường vô tuyến



với

là tỉ lệ lỗi khối (BLER), là chiều dài khối tin,

nhận thức dạng nền ứng dụng vào truyền thông gói tin

ngắn. Kỹ thuật lựa chọn nút chuyển tiếp từng phần (PRS)

được áp dụng cho một tập đa nút chuyển tiếp và kỹ thuật

tỉ số kết hợp cực đại (MRC) được áp dụng cho một tập đa

anten tại máy thu. Biểu thức dạng tường minh (closed-

form expression) cho thông số tỉ lệ lỗi khối (BLER) được

chúng tôi chứng minh và sử dụng để đánh giá hiệu năng

mô hình hệ thống. Sau đó, mô phỏng Monte-Carlo được

chúng tôi thực hiện để kiểm chứng lại các kết quả vừa

chứng minh được. Kết quả mô phỏng cho thấy hiệu năng

vượt trội của mô hình hệ thống được đề xuất. Bên cạnh đó,

chúng tôi cũng khảo sát và xác định được các giá trị tối ưu

của các thông số thiết kế lên hiệu năng hệ thống như số

lượng nút chuyển tiếp, số lượng anten tại máy thu và chiều

dài khối tin. Đặc biệt, chúng tôi còn so sánh hiệu năng hệ

thống trong hai trường hợp sử dụng kỹ thuật giải mã và

chuyển tiếp có chọn lọc (SDF) và kỹ thuật giải mã và

chuyển tiếp cố định (FDF).

là độ phân tán kênh,

là dung lượng chuẩn hóa kênh

Q⁻¹

là hàm ngược của hàm Q-

( )

truyền Shannon và

function được định nghĩa trong [5]. Điều này không chỉ mở

ra các hướng nghiên cứu mới có nhiều tiềm năng trong

truyền thông gói ngắn mà còn có tác dụng xem xét lại các

phương pháp tiếp cận trong các hệ thống truyền thông vô

tuyến thông thường.

Bên cạnh đó, khi khoảng cách giữa hai thiết bị đầu cuối

quá xa, nếu muốn truyền dữ liệu trực tiếp thì phải tăng công

suất phát lên rất lớn, điều này sẽ gây nên ảnh hưởng can

nhiễu lên các người dùng khác của hệ thống. Để giải quyết

vấn đề này, một giải pháp hữu hiệu đã và đang thu hút được

nhiều sự quan tâm của các nhà khoa học trên thế giới hiện

nay tập trung nghiên cứu đó là mạng chuyển tiếp [6-11]. Về

cơ bản, có hai kỹ thuật nổi tiếng được sử dụng để xử lý tín

hiệu tại nút chuyển tiếp là kỹ thuật khuếch đại và chuyển

tiếp (AF) [12-14] và kỹ thuật giải mã và chuyển tiếp (DF)

[15-17]. Tận dụng ưu điểm này kết hợp với ưu điểm của

truyền thông gói tin ngắn, một số công trình nghiên cứu

khoa học đã được tiến hành. Trong bài báo [18], các tác giả

nghiên cứu về hiệu năng trong mạng chuyển tiếp hai chặng

lựa chọn nút chuyển tiếp từng phần ứng dụng vào truyền

thông gói tin ngắn. Hai đóng góp chính được ghi nhận từ

nghiên cứu này là biểu thức dạng đóng về tỷ lệ lỗi khối của

hệ thống và biểu thức tiệm cận đơn giản cho tỷ lệ lỗi khối

của hệ thống ở những vùng tỉ số tín hiệu trên nhiễu cao

được chứng minh và thu được dưới dạng tường minh.

Ngoài ra trong bài báo [7], Xiazhi và các cộng sự đã đề xuất

mô hình mạng chuyển tiếp hai chặng có đường truyền trực

tiếp áp dụng trong truyền gói tin ngắn và có kết hợp với

phương thức đa truy nhập không trực giao (NOMA). Các

kết quả từ công trình này cho thấy rằng hiệu năng mô hình

khi có áp dụng mạng chuyển tiếp vượt trội hơn so với mô

hình truyền trực tiếp. Ngoài ra, bài báo còn có hai đóng góp

chính khác như hiệu suất toàn trình của hệ thống được cải

thiện đáng kể do các nút chuyển tiếp hỗ trợ truyền giữa nút

nguồn và nút đích mà không cần tăng công suất phát quá

lớn và hiệu năng của hệ thống sẽ được cải thiện nếu chúng

ta càng tăng chiều dài khối tin.

Từ khóa- Giải mã và chuyển tiếp, kênh fading

Rayleigh, lựa chọn chuyển tiếp từng phần, tỉ lệ lỗi khối, tỉ

số kết hợp cực đại, truyền thông gói tin ngắn, vô tuyến

nhận thức dạng nền.

I. GIỚI THIỆU

Để tăng khả năng chống nhiễu, truyền thông điểm nối

điểm trong các hệ thống thông tin thường sử dụng gõi tín

dài. Tuy nhiên, các ứng dụng Internet vạn vật (IoT) trong

mạng vô tuyến thế hệ thứ năm (5G) lại yêu cầu chất lượng

dịch vụ (QoS) cao và độ trễ thấp. Truyền thông với độ trễ

cực kỳ đáng tin cậy (uRLLC) là một trong những giải pháp

được lựa chọn cho vấn đề này. Đây là một trong những dịch

vụ tiềm năng mới trong mạng vô tuyến thế hệ thứ năm (5G)

để giảm độ trễ truyền [1-3]. Tuy nhiên theo cách tiếp cận

này, hiệu suất không thể được cải thiện tốt như chúng ta tùy

ý mong muốn với một tốc độ mã hóa nhất định như truyền

thông gói dài do bị giới hạn về kích thước gói. Lấy ý tưởng

từ việc khắc phục nhược điểm này, Polyanskiy và các cộng

sự trong bài báo [4] đã phát triển một khung tiên phong cho

truyền thông gói ngắn. Đây là một cách tiếp cận mới với

giới hạn khả năng đạt được mới, ràng buộc chặt chẽ các

giới hạn cơ bản cho độ dài khối xác định là lớn hơn hoặc

Tác giả liên hệ: Võ Nguyễn Quốc Bảo

Email: [email protected]n

Đến tòa soạn: 9/2020; chỉnh sửa: 10/2020; chấp nhận đăng: 12/2020

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

ĐÁNH GIÁ HIỆU NĂNG MẠNG TRUYỀN THÔ NG SỬ DỤNG GÓ I TIN NGẮN VỚI CÁ C NÚT CHUYỂN TIẾP …

Hơn nữa, vô tuyến nhận thức cũng là một từ khóa hấp

dẫn không kém so với mạng chuyển tiếp mà chúng tôi vừa

đề cập [19-21]. Vô tuyến nhận thức là một hệ thống truyền

thông không dây thông minh có khả năng nhận biết sự thay

đổi của môi trường xung quanh và từ đó, các thiết bị sẽ có

khả năng điều chỉnh các tham số hoạt động (công suất

truyền, tần số sóng mang, phương thức điều chế,...) trong

thời gian thực với độ tin cậy cao và hiệu quả sử dụng phổ

[21]. Trong bài báo [22], Dương Quang Trung và các cộng

sự đã khảo sát xác suất dừng của các mạng chuyển tiếp AF

hai chặng trong môi trường vô tuyến nhận thức trên kênh

Phần III. Phần IV, chúng tôi sẽ tiến hành mô phỏng Monte-

Carlo để kiểm chứng lại các kết quả lý thuyết trong phần

III. Cuối cùng là phần kết luận của bài báo.

II. MÔ HÌ NH HỆ THỐNG

Chúng tôi xem xét mạng vô tuyến nhận thức dạng nền

trong chuyển tiếp hai chặng sử dụng kỹ thuật PRS và MRC

trong truyền thông gói tin ngắn. Mạng gồm

nút chuyển

tiếp là R₁,...,R_N, các nút chuyển tiếp này sẽ hỗ trợ việc

truyền dữ liệu từ máy phát thứ cấp đến máy thu thứ

( )

. Trong mô hình này, hệ thống mạng thứ cấp hoạt

Nakagami-

Ngoài ra, Krzysztof và các cộng sự trong bài

cấp

(

)

báo [23] đã khảo sát việc tích hợp mạng chuyển tiếp trong

môi trường vô tuyến nhận thức. Các kết quả từ các nghiên

cứu trên đều cho thấy hiệu năng vượt trội của mô hình hệ

thống sử dụng mạng chuyển tiếp kết hợp trong môi trường

vô tuyến nhận thức.

động với mức can nhiễu tối đa có thể chấp nhận được tại

được xác định là _p. Trong mạng,

máy thu sơ cấp

(

)

nguồn phát

và các nút chuyển tiếp

được

R n =1, N

(

)

trang bị một ăng ten duy nhất, nguồn đích

được trang bị

Rõ ràng, mô hình kết hợp cả mạng chuyển tiếp và vô

tuyến nhận thức sẽ tận dụng được ưu điểm của nhau và

đồng thời cũng hạn chế các nhược điểm. Cụ thể, mạng vô

tuyến nhận thức có thể tận dụng ưu điểm từ mạng chuyển

tiếp ít nhất ở hai khía cạnh: (i) thứ nhất, các nút mạng thứ

cấp sẽ có thể hợp tác và chia sẻ với nhau thông tin nhận

dạng băng tần đang trống của mạng sơ cấp, từ đó cải thiện

hiệu suất sử dụng phổ, tránh lãng phí phổ khi không sử

dụng; (ii) thứ hai, chất lượng của cả mạng sơ cấp và thứ cấp

đều có thể được cải thiện với sự hỗ trợ của các nút chuyển

tiếp. Bên cạnh đó, các nhược điểm của mạng chuyển tiếp

được giải quyết dựa vào ưu điểm tính chất của vô tuyến

nhận thức đó là cải thiện hiệu suất sử dụng phổ tần đáng kể

(phổ tần được sử dụng theo thời gian, tần số và không gian

nhiều hơn, ít thời gian bỏ trống hơn) và mạng vô tuyến nhận

thức cho phép triển khai các dịch vụ vô tuyến mới đối với

cả những băng tần có hiệu suất sử dụng phổ thấp.

đa ăng ten

¹. Hệ thống hoạt động với chế độ

M_mm =1, M

(

)

bán song công trong hai khe thời gian như Hình 1.

I_p

h_{r, p}

M₁

M₂

h_{s, p}

R₁

g₁

g₂

R_b

g_M

h_N

R_N

Từ những nghiên cứu liên quan trên, trong bài báo này,

chúng tôi khảo sát việc tích hợp mạng chuyển tiếp hai

chặng DF với đa nút chuyển tiếp trong môi trường vô tuyến

nhận thức với đa anten tại máy thu trong truyền thông sử

dụng gói tin ngắn. Một số đóng góp chính từ bài báo như

Hì nh 1 Mô hì nh mạng vô tuyến nhận thức dạng nền trong

chuyển tiếp hai chặng với PRS và MRC trong truyền

thô ng gó i tin ngắn.

Một số thông số về hệ số kênh truyền được quy ước

h_{s, p}, h_{r, p}

như sau:

h_nvà g_mlần lượt là hệ số kênh

i) Kỹ thuật lựa chọn nút chuyển tiếp từng phần (PRS)

được áp dụng cho một tập đa nút chuyển tiếp để chọn

ra nút chuyển tiếp tốt nhất và tiến hành chuyển tiếp gói

tin cho chặng sau. Kỹ thuật tỉ số kết hợp cực đại (MRC)

được áp dụng cho một tập đa anten tại máy thu nhằm

mục đích cải thiện độ phân tập không gian hệ thống,

tăng độ tin cậy và độ lợi phổ.

truyền cho các đường truyền từ

R → PR,

S →PR,

S → R_nvà R_b→ D

Trong khe thời gian đầu tiên, với kỹ thuật PRS, nút

chuyển tiếp có tỉ số tín hiệu trên nhiễu (SNR) cao nhất sẽ

được lựa chọn làm nút chuyển tiếp tốt nhất, nút chuyển tiếp

tốt nhất này có nhiệm vụ giải mã và tiếp tục truyền dữ liệu

đến chặng tiếp theo. Giả sử R_blà nút được lựa chọn để

ii) Đánh giá hiệu năng vượt trội của mô hình hệ thống

thông qua thông số tỉ lệ lỗi khối toàn trình. So sánh hiệu

năng hệ thống trong hai trường hợp sử dụng kỹ thuật

giải mã và chuyển tiếp có chọn lọc (SDF) và kỹ thuật

giải mã và chuyển tiếp cố định (FDF). Tìm ra các giá trị

tối ưu của số lượng nút chuyển tiếp, số lượng anten tại

máy thu và chiều dài khối tin.

truyền chuyển tiếp trong nút chuyển tiếp [24, 25], ta có



b = arg max _1,n, với

là tỉ số SNR của đường truyền

1,n

n=1,....,N

S → R_n. Gọi  _là tỉ số SNR tổng hợp của toàn chặng 1,



do sử dụng kỹ thuật PRS,

sẽ bằng SNR lớn nhất trong

₁



tất cả các nhánh _1,n, ta có thể viết

_= max _1,n.

Phần còn lại của bài báo được trình bày như sau. Phần

II sẽ trình bày mô hình của hệ thống mạng chuyển tiếp hai

chặng với đa nút chuyển tiếp và đa anten thu tại máy thu

trong môi trường vô tuyến nhận thức. Phương pháp phân

tích theo mô hình đề xuất để đánh giá chất lượng của hệ

thống với thông số tỉ lệ lỗi khối sẽ được chứng minh trong

(1)

n=1,....,N

¹Giá trị của

và

sẽ được sử dụng xuyên suốt bài

m =1, M

n =1, N

báo.

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

Nguyễn Duy Chinh, Ngô Hoàng Tú, Võ Nguyễn Quốc Bảo































_I



 = Pr min

,_Ph_n  = Pr

 _P,_Ph_n  + Pr

 _P,

h_n  .

( )





_1,n































h_{s, p}

h_s,p



I_1,n

I _2,n

(6)



_I



















_I





_I



_I

⁼



^{x dxdy =}

I _2,n= Pr h

, h_n



h_{s, p}

( )

y F

( )

y dy

( )





s, p

h_n

h_s,p

_P

_I





_P

(8)















_{s, p}





















_I





⁼ ^

exp − y 1−exp −

dy = exp −

1−

exp −

(

)













s, p

^1,n_I

^{s, p}_P

^1,n_P





_I







_{s, p}+

^1,n_I









_P





^N

















_{s, p}











1−exp −



















_I









 = 1−exp −

+exp −

1−

exp −

(9)

( )

















_₁

^{s, p}_P

¹_P

^{s, p}_P

¹_P















_{s, p}+

¹_I

















Gọi

phát thứ cấp

là tổng công suất nguồn được phân bổ cho nút











 = Pr    = Pr max _1,n 

( )

(

)

_n=1,....,N

_₁

₁

và

_b. Với môi trường vô tuyến nhận thức

(5)

dạng nền, năng lượng truyền tại và R_bsẽ bị giới hạn

Pr    =

 .

( )

(

)

sao cho nhiễu gây ra cho máy thu sơ cấp

một ngưỡng nhiễu có thể chịu đựng được _p. Khi đó, công

phải nhỏ hơn

1,n

_1,n



n=1

suất truyền tín hiệu tại

và R_bcó thể được tính như

_1,n

Trong (5), chúng ta cần tính hàm CDF của

trong (6).

như

trong [26]:









I_p

I _1,n

Do sự độc lập giữa h_{s, p}và h_n

có thể được





(2)

P = min

₂,P

viết thành

h_{s, p}

















_I

_P



_P

và

I_1,n= Pr h



Pr h





s, p









(7)

I_p











(3)

















P = min

₂,P .

_I



R_b



= 1−exp −

1−exp −













^{s, p}_P

^1,n_P



r, p









Tỉ số SNR tại R_ntrong chặng đầu tiên cho đường

I _2,n

Rõ ràng, xác suất

không phải là xác suất của các

I _2,n

truyền S → R_ncó thể được tính như sau:

biến ngẫu nhiên độc lập do cả hai sự kiện của

đều có

chứa biến ngẫu nhiên h_{s, p}². Do đó, chúng ta sẽ sử dụng





_I





(4)

_1,n

h_n= min

₂,_Ph_n







lý thuyết về xác suất hàm hai biến ngẫu nhiên không độc

N₀

h_{s, p}



I _2,n

sẽ được tính như trong

lập [27] để tính _2,n. Khi đó,

biểu thức (8).

I_p

_P

với _I=

và là công suất nhiễu

N₀

Thay (7) và (8) vào (6), sau đó thay vào (5), ta thu

 _

N₀

được CDF của

như trong (9). Chú ý rằng với giả sử

Gauss trắng cộng (AWGN). Xét trong môi trường Rayleigh

kênh truyền từ S → R_nlà kênh fading Rayleigh có phân

bố độc lập và đồng dạng, tỉ số tín hiệu trên nhiễu trung

bình tại mỗi nhánh

h_{s, p}

fading,

và h_nsẽ tuân theo phân bố mũ có tham số

_{s, p}_1,n

đặc trưng lần lượt là

và

_1,n

sẽ đều bằng nhau và bằng một

= 

₁. Để đơn giản



hằng số được ký hiệu là



₁, nghĩa là



1,n

Hàm phân bố xác suất (CDF) của

như sau

có thể được tính

₁

_1,n= ₁

nhưng không mất tính tổng quát, chúng tôi giả sử

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

ĐÁNH GIÁ HIỆU NĂNG MẠNG TRUYỀN THÔ NG SỬ DỤNG GÓ I TIN NGẮN VỚI CÁ C NÚT CHUYỂN TIẾP …















_I



 = Pr min

,_P

g_m 

( )

_₂

_







h_{r, p}





^m=1



(14)













_I

h_{r, p}

I _4,m





= Pr _P

,_P

g_m  + Pr _P

g_m  .



₂

















h_{r, p}

m=1

I _3,m















_I

_P



_P



I _3,m= Pr _P

,_P

g_m  = Pr h_{r, p}



g_m

















h_{r, p}

m=1













 M,



^2,m_P





















_I

_P

_I

_P



_P



= Pr h



g_m



= 1−exp −

(15)





















r, p

_



 M

(

)





m=1









^m



2,m



 ^{M −1}

(

)



_2,m

_P





















_I

_P

_I



= 1−exp −

− 1−exp −

exp −

  .













^{r, p}_P

m !

_P

r, p

_









_{m =0}

Trong khe thời gian thứ 2, tỉ số SNR thu được của ăng

PDF và CDF của phân bố chi-bình phương với biến ngẫu

ten thứ

tại nút đích, tương ứng đường truyền từ

nhiên

như sau



R_b→ M_m, được xác định như sau:

m=1

M −1

^M







2,m

_I



f _M

x =

( )

exp −

(12)

(13)

(

)

2,m

(10)

_2,m= min

₂,_Pg_m









 M

(

)

g_m



h_{r, p}

m=1

và

h_{r, p}

với

và g_m²đều tuân theo phân bố mũ với tham

_{r, p}_2,m

 M,

(

)

2,m

số đặc trưng lần lượt là

và

F_M

x =

( )

 M

(

)

g_m



m=1

Giả sử rằng R_bsử dụng kỹ thuật DF để giải mã và

chuyển tiếp tín hiệu đến . Tại nút đích , không có

đường truyền hồi tiếp, nút đích

để cải thiện độ phân tập không gian hệ thống.

sử dụng kỹ thuật MRC

 , x = e^−tt^{ −1}dt

với

là hàm Gamma không hoàn

(

)



Trong kỹ thuật MRC, tỉ số tín hiệu trên nhiễu tại ngõ

ra là tổng của tất cả các tỉ số SNR trên các nhánh. Do đó,

tỉ số tín hiệu trên nhiễu của tín hiệu nhận được sẽ tăng



 z = e^−tt^z−1dt

thành cận dưới và

là hàm Gamma được

( )



tuyến tính với số ăng ten tại phía máy thu . Trong khe

định nghĩa như trong công thức [5, CT. (8.350.1) và CT.

(8.310.1)]. Dựa vào công thức (11), hàm CDF của

thời gian này, tỉ số tín hiệu trên nhiễu tại

tính

có thể được

 _

được tính như trong công thức (14).











^m=1

_I

Tương tự, do tính chất độc lập giữa hai biến ngẫu nhiên

(11)

_



= min

,



_P_

2,m

m=1

r, p

I _3,m

h_{r, p}và

g_m

có thể được tính như trong công



m=1

Giả sử đường truyền R_b→ M_mcũng là các kênh

_2,m= ₂.

( )

thức (15), với

là bước áp dụng công thức [5, CT.

fading Rayleigh độc lập và đồng dạng, ta có

Đơn giản nhưng không mất tính tổng quát, chúng tôi giả

(8.352.6)].

_2,m= ₂

sử

Chúng tôi sẽ dựa vào lý thuyết xác suất của hàm hai

I _4,m

biến ngẫu nhiên trong [27] một lần nữa để tính toán

Trong trường hợp này, do g_mtuân theo phân bố mũ

I _4,m

Khi đó,

được tính toán như trong công thức (16), với

 _

nên

sẽ có phân bố chi-bình phương [28] với kỳ vọng

là

là bước áp dụng công thức [5, CT. (3.351.2) ],

( )



= M₂

và phương sai là 2M₂. Chúng ta có hàm

là

₂

bước áp dụng công thức [5, CT. (8.352.4)] và

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG 83

Nguyễn Duy Chinh, Ngô Hoàng Tú, Võ Nguyễn Quốc Bảo



















 M,











2,m











= Pr 



 

y Pr

( )



y dy =



exp −

(

)



4,m

r, p

₂

_





h_r,p



 M

(

)



r, p

m=1

r, p

_I





_I



_P

m₂











M −1 



2,m

(

)























= exp −

−

exp− 

+ 

y y ²dy









r, p

2,m

r, p







m !













m₂=0

_I

_P

m₂















m +1, 

+ 

r, p









M −1 



2,m



( )



























= exp −

−





r, p



m₂+1

m !











m₂=0



+ 

r, p





2,m







m₂

m₃

³



























exp− 

+ 













+ 

r, p

m₂

M −1 2,m

2,m

r, p









2,m



( )



























= exp −

−





r, p





m₂+1

m !











m₂=0

m₃=0



+ 

r, p





2,m









(16)



^m



₂

_P







 ^{M −1}













_I

₂

_P



exp −   ^m

 =1− 1−exp −

( )

















_₂

^{r, p}_P

m !

_





_{m =0}

^m







(17)







_I

_P

₂

_P

 ^mexp −





^{M −1} ^m





_I

_P



m₂

₂







−_{r, p}

exp −











r, p



_I

m₃!

_{m =0}



_{m =0}







^{m +1−m}



_I

² + 

_{r, p}





khối BLER trung bình có thể được tính như trong [29, CT.

(59)] và [31, CT. (4)] như sau

 , x = e^−tt^{ −1}dt

là hàm Gamma không hoàn thành

(

)

















C  −r

(

)



cận trên được định nghĩa như trong [5, CT. (8.8350.2)].



_ _

(19)

là















V  / k

(

)











_2,m= 

Cuối cùng, với giả sử

₂, hàm CDF của chặng



được tính toán như trong (17) bằng cách thay

_₂

hai

( )

  ,

 .

với _là tỉ lệ lỗi khối (BLER),



₂



thế (15) và (16) vào (14).











t²

toán tử kỳ vọng và

là hàm Q-

Q x =

( )

exp −



_2



III. PHÂ N TÍ CH TỈ LỆ LỖI KHỐI HỆ THỐNG

function .

Giả sử rằng chiều dài tổng khối truyền là

k , độ dài

Từ (19), tỉ lệ lỗi khối trung bình BLER có thể được tính

toán như sau

khối truyền trong mỗi chặng được chia đều là k / 2 . Chúng

tôi giả sử rằng kênh truyền là kênh fading tĩnh [29], với hệ

số kênh truyền được cố định trong mỗi khối và chúng thay











C  −r

(

)



đổi độc lập giữa các khối. Khi

truyền

bit thông tin



(20)

^{ }^Q

f_ d,

( )











V  / k

tới

tính là

qua hai khe thời gian, chúng ta có tỉ lệ lỗi khối được

(

)



f_X

là hàm mật độ xác suất của biến ngẫu nhiên

( )

với

2

r =

(18)













C  −r

(

)

Chiều dài khối tin được yêu cầu tối thiểu là 100 [30].

C x = log 1+ x



Do biểu thức

rất phức tạp, chúng ta





Gọi

là dung lượng chuẩn hóa kênh

( )

(

)

V  / k

(

)



rất khó để tìm ra biểu thức dạng tường minh của BLER

trong (20). Do đó, chúng ta sẽ tính xấp xỉ hàm Q . như













V x = 1−

log e

truyền Shanon và

là hàm

( )

(

)

( )



1+ x

(

)

phân tán kênh truyền được định nghĩa trong [4], tỉ lệ lỗi

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

ĐÁNH GIÁ HIỆU NĂNG MẠNG TRUYỀN THÔ NG SỬ DỤNG GÓ I TIN NGẮN VỚI CÁ C NÚT CHUYỂN TIẾP …













^N



















_H

_L

)

d ⁽= v k

−1 u + 1−u

exp −n d

_{s, p}

n₁

_{s, p}







^^^



_ v k 1− u + 1−u

exp −

(

)

(

)

(

)

(

)

(

)

 _









n =0



_L

_{s, p}+ 





¹_I























_H





)

⁽= v k

−1

u^{n −n}1−u ⁿ

d

n₁

₁

exp −n

^^

^^









(

)

n₂

(

)

(

)



n₂

 +

n =0

n₂=0

(

)





_L









exp − 









(

)

1− Nuexp − − 1− u N

)

−1 u exp −n

(

)

(

)

(

)

(

)

^

_H

 +

n =2



= v k

d

 ^

exp −n

















₁

^

^^





(

)

n₂

−1 n u^{n −1}1− u 

−1

u^{n −n}1− u ⁿ

_L



(

)

(

)

(

)

(

)







n₂

 +

n =2

n₂=2

(

)



^





_H

exp − 

^^







(

)

1− Nuexp −

d +

−1 u exp −n d

^{d +} ^{− 1−u N}



(

)

(

)

(

)

(

)



(

)



n₁

 +

n =2



_

_L



= v k







^

_H

exp −n

^^

^^



^^











₁

(

)

(

)

n₂

n −n₂

n₂

−1 n u^{n −1}1−u 

d +

−1

1− u ⁿ

d

(

)

(

)

(

)

(

)

_



n₂

 +

(

n =2

n₂=2

)









_L







(23)

−1 ^{n +1}uⁿ











(

)

C  −r

(

)







exp −n  − exp −n 

1 L

(

)

(

)









Z 

(

trong [30, CT. (14)], cụ thể là

với

)

 _n







n

_{n =2}









V  / k

(

)



(25)

Sử dụng công thức [5, CT. (3.352.3)],

và

có thể

_ _L



được tính



(21)

và

Z 

−v k  − ,      ,

(

)

(

)















= −N Ei −  +   −Ei −  +   ,

(

)

(

)













_ _L





(26)











−1 ⁿ¹n u^{n −1}1−u  exp n

_H= +

(

)

(

)

(

)









2v k

v =

 = 2^r−1,

với









_

2 2^2r−1

^{n =2}













 Ei −  +  n − Ei −  +  n

(

)

(

)















_L= −

(27)

2v k

^e^−t

Thay thế (21) vào (20), ta có

^{Ei x = −}

với

được định nghĩa theo [5, CT.

( )

−x



(8.221.1)].



^{ }^{Z }

^{ d =}^{Z }

(

)

( )

(

)

( )



_



_

Để tính toán

₅, chúng ta sử dụng công thức [5, CT.



 = 

 = 0

(3.353.1)], được viết lại như trong (28).





= Z 



( )

 dZ 

( )



⁻^F

(22)

(

)

(

)



_





_H

= v k

 d.

( )

_



_L

_s,p_I

₁

_P

 =

Thay (9) vào (22), sau đó đặt

u =1−exp − .

 =

và



Chúng ta có BLER tại khe thời gian

(

)

thứ nhất được tính theo công thức (23), mà ở đó chúng ta

( )

áp dụng lý thuyết nhị thức Newton trong bước

và

ở công thức (23) có thể được tính một dễ

dàng như sau

₁= _H− _L+

exp − −exp −

(

)

(

)

(

)



(24)

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

Nguyễn Duy Chinh, Ngô Hoàng Tú, Võ Nguyễn Quốc Bảo



exp −n 













































(

)

(

)

d

n −n₂

n₂

n −n₂

n₂

−1

1−u ²

d −

−1

1−u ²

(

)

(

)

(

)

(

)



 _n



 _n

n₂





 +

(

 +

(

)

n =2

n₂=2

n =2

n₂=2

_L

_H

n −1





n −n −1



(

)









n −1 ! −n

exp − n

(

)

(

)

(

)

(

)



−

_

n₃





n −1 !

)



+



+





















(

)

(

)



n₃=1

n −n₂





²





−1

1−u ²

(

)

(

)

 _n

n₂−1





n =2

n₂=2

−n

(

)









exp n Ei −  + n − Ei −  + n

(

)

(

)

(

)





















n −1 !

(

)

(28)



















 v k

+v k



− 

exp − −exp −

− N Ei −  +   − Ei −  + 



(

)

(

)

(

)

(

)





(

)





₁

























n −1

−1 ¹n u

1−u  exp n

n +1



(

)

(

)

(

)





−1









(

)





)





exp −n  −exp −n 

+ v k

(29)

(

)

(









1 H

1 L



 _n

_

n



n =2









 Ei −  +  n − Ei −  +  n

(

)

(

)





















n −1









n −n −1

(

)







n −1 ! −n

exp − n

(

)

(

)

(

)

(

)

n₃



−

_

n₃





n −1 !

(

)



+



+





















(

)

(

)



n −n₂

n₂

n₃=1





1−u ²

+v k

−1

(

)

(

)









 _n

__n

n₂−1



n =2

n₂=2

−n

(

)











exp n Ei −  + n − Ei −  + n

(

)

(

)

(

)





















n −1 !

(

)

^m











_P

_{M −1} ²



_H













_I



_P





_= v k

1− 1− exp −

exp − ²  d





















_

^{r, p}_P

m !





m =0

_L













(30)



^m











_I

_P



 ^mexp − ²

^m





_P









_H

m₂

M −1









_I



²







 ^

+v k

exp −

d .

_{r, p}



^{r, p}_P

m₃!

₂+1−m₃

m₂=0

m₃=0







^m







_I

_L

² + 

_{r, p}



M −1



















_H







_I



₂

_P

₂

_P

−1



=  −  − 1−exp −

 m +1,



− m +1,



(31)

(32)











_L



_

^{r, p}_{P m =0}m ! 

























^m

_I

_P



m₂

M −1







^m







_I

_H− _L



m₃!

²







₈= 

exp −

_{r, p}



^{r, p}_P

m₂=0

m =0





^m





_L













 − 

_H+ 



 − 

_H+ 







m₄

^L

²

m₄

₂+1−m₃







exp −









_P













1− x_m²

_



^m

m₄=1



_I

 − 

_H+ 







_L



²

m₄

+ 







_{r, p}











Thay thế J , J , J ,

và

tương ứng từ các

Việc tính toán

dụng lý thuyết Gauss-Chebyshev 1^stQuadrature tham khảo

trong [32, Eq. (25.4.38)] và [33, Eq. (8.8)], được tính

rất khó theo cách thông thường. Áp

công thức (24), (26), (25), (27) và (28) vào (23). Chúng ta

có được biểu thức dạng đóng của



như trong (29).

₁

như trong (32), với

 2m −1  



là số lượng mẫu và



Trong khe thời gian thứ 2, tỉ lệ lỗi khối BLER

được đưa ra như trong (30).

₂

(

)

x_m= cos





2





J ,

Sử dụng công thức (3.351.2) trong [5] để tính toán

Thay thế (31) và (32) vào (30), chúng tôi thu được biểu

khi đó

được tính như trong (31).



thức dạng đóng của

như trong (33).

₂

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

ĐÁNH GIÁ HIỆU NĂNG MẠNG TRUYỀN THÔ NG SỬ DỤNG GÓ I TIN NGẮN VỚI CÁ C NÚT CHUYỂN TIẾP …

M −1























_H





_I

−1 

₂

_P

₂

_P

_P

_= v k  −  − v k 1− exp −

 m +1,



−  m +1,



_L

(

)









 



_

^{r, p}_{P m =0}m ! 

















^m







_I

_P



m₂

M −1



^m











_I

_H− _L



(35)

+v k

exp −





²



_{r, p}



^{r, p}_P

m₃!

m₂=0

₃=0







^m



_L













 − 

_H+ 



 − 

_H+ 

^L



²

m₄

₂+1−m₃







exp −





m₄







_P













1− x_m²

_

m₄=1







^m



_I

 − 

_H+ 







_L

²

m₄

+ 

_{r, p}













Nếu tại nút chuyển tiếp, chúng ta sử dụng kỹ thuật SDF

thì tỉ lệ lỗi khối toàn trình (e2e) BLER của hệ thống được

tính toán như sau

phỏng (SDF Simulation và FDF Simulation). Điều này

chứng minh rằng các phân tích lý thuyết của chúng tôi

trong phần III là hoàn toàn chính xác. Rõ ràng, với dải

SNR trung bình

thấp, cụ thể trong Hình 2 là nhỏ hơn



_{e2e SDF}= + 1−  .

(33)

(

)

₁

₂

(

)

khoảng 8dB với k = 512 , nhỏ hơn khoảng 4dB với

k =1024 và nhỏ hơn khoảng 2dB với k = 2048 , thì

BLER toàn trình của kỹ thuật FDF nhỏ hơn kỹ thuật SDF.

Khi nút chuyển tiếp sử dụng kỹ thuật FDF, tỉ lệ lỗi khối

toàn trình sẽ được tính theo công thức sau

Mặc dù, với dải SNR trung bình

cao, BLER toàn trình



_{e2e FDF}=_1− + 1−  .

) (

PHÂ N TÍ CH KẾT QUẢ MÔ PHỎNG

(34)

(

)

₂

₁

₂

(

)

của cả hai kỹ thuật là gần bằng nhau. Nhưng nhìn chung

trên tổng thể, hiệu năng hệ thống khi sử dụng kỹ thuật FDF

vẫn tốt hơn khi sử dụng kỹ thuật SDF. Do đó, chúng tôi sẽ

khảo sát hiệu năng hệ thống đối với kỹ thuật FDF trong

các khảo sát tiếp theo. Mặt khác, trên tất cả các dải SNR

IV.

Trong phần này chúng tôi thực hiện mô phỏng trên

phần mềm Matlab và dựa vào lý thuyết mô phỏng trong

[34] để chứng minh tính đúng đắn của lý thuyết mà chúng

tôi đã phân tích trong phần III thông qua phép mô phỏng

Monte Carlo.

trung bình

thì với các giá trị càng lớn của chiều dài khối



tin

cái nhìn khách quan hơn về sự ảnh hưởng của thông số

này lên hiệu năng hệ thống, chúng tôi sẽ khảo sát tỉ lệ lỗi

khối toàn trình là hàm theo như trong Hình 3.

thì hiệu năng hệ thống càng được cải thiện. Để có

Các thông số mô phỏng được sử dụng trong bài báo

này như số bit thông tin

và chiều dài khối

 =128

k = 256 . Giả sử khoảng cách từ S→D được chuẩn hóa

bằng , khoảng cách các đường truyền S → R_n

S →PR

R_b→ D và R_b→ PR đều bằng nhau và bằng , để

đảm bảo mức độ tối ưu về mặt công suất phát và tỉ số tín

hiệu trên nhiễu của hai chặng từ S → R_ntừ R_b→ D là

tốt nhất về mặt lý thuyết trong bài toán tối ưu công suất

phát và vị trí của các trạm chuyển tiếp, quy ước ký hiệu

. Xem xét mô hình suy hao

d_sr= d_sp= d_rd= d_rp

đường truyền đơn giản [35], các hệ số năng lượng kênh

 = d^−,

 = d^−

−

_{s, p}= d_sp

trung bình là

và

−

_{r, p}= d

với

là giá trị hệ số suy hao đường truyền

 = 3

được sử dụng trong bài báo này. Mức can nhiễu có thể chịu

I =  P



, với là hằng số dương khác 0.

đựng được

Trong bài báo này, chúng tôi giả sử  =1, nghĩa là máy

thu sơ cấp có thể chịu được mức can nhiễu tối đa

Hì nh 2 So sá nh tỉ lệ lỗi khối trong hai trường hợp sử

dụng kỹ thuật SDF và FDF với và

M = 2

N = 2

bằng với tổng công suất nguồn phát. Do N₀là hằng số

khác 0 nên ta cũng có _I= _P.

Trong Hình 2, chúng tôi khảo sát tỉ lệ lỗi khối BLER

là một hàm theo SNR trung bình  = _P= _I. Đồng thời,

chúng tôi cũng khảo sát sự ảnh hưởng của chiều dài khối

tin

như k = 512

nút chuyển tiếp và số lượng anten thu được cố định lần

. Từ Hình 2 , chúng ta có thể thấy

lên hiệu năng hệ thống với các trường hợp đặc trưng

k =1024 và k = 2048 . Giả sử, số lượng

lượt là N = 2 và

rằng các kết quả phân tích lý thuyết (SDF Analysis và FDF

Analysis) hoàn toàn trùng khớp với các kết quả đường mô

M =2

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

Nguyễn Duy Chinh, Ngô Hoàng Tú, Võ Nguyễn Quốc Bảo

Hì nh 3 Ảnh hưởng của chiều dài khối tin lên hiệu năng hệ

thống với và

Hì nh 4 Khảo sá t tỉ lệ lỗi khối trong ba trường hợp tổng

quá t và

M = 2

N = 2

N < M N > M

N = M

Tiếp theo, trong Hình 3 , chúng tôi xem xét ảnh hưởng

của chiều dài khối truyền lên hiệu năng hệ thống sử dụng

Tiếp theo, trong Hình 4 , chúng tôi khảo sát tỉ lệ lỗi khối

toàn trình sử dụng kỹ thuật FDF so sánh với tỉ lệ lỗi khối

kỹ thuật FDF, cụ thể là chiều dài khối truyền

sát từ 100 đến 1000. Giả sử, số lượng nút chuyển tiếp và

số lượng anten thu được cố định lần lượt là và

được khảo

từng chặng trong ba trường hợp tổng quát là

và

cho

N  M

và

. Cụ thể, chúng tôi chọn

N  M

M =2

N = M

N =1

N = 2

cho trường hợp

và

N  M N =5

M =3

. Vẫn sử dụng phương pháp kiểm chứng bằng mô

M =2

trường hợp N  M và N = M =6 cho trường hợp

N = M . Quan sát Hình 4 , chúng ta có thể thấy: đối với

trường hợp

phỏng Monte-Carlo, một cách tương tự đối với tất cả các

hình khảo sát trong bài báo, chúng tôi đều thể hiện được

sự trùng khớp giữa các kết quả lý thuyết và kết quả mô

phỏng. Điều này chứng minh được những phân tích và

khảo sát hiệu năng hệ thống với sự ảnh hưởng của các

thông số thiết kế trong bài báo này của chúng tôi là hoàn

toàn đáng tin cậy.

thì tỉ lệ lỗi khối toàn trình sẽ gần bằng

N  M

thì tỉ lệ lỗi khối toàn trình sẽ gần bằng với tổng

N  M

với tỉ lệ lỗi khối của chặng 1. Đối với trường hợp

và

N = M

tỉ lệ lỗi khối của cả hai chặng.

Chúng tôi có thể kết luận rằng, trong chuyển tiếp hai

chặng truyền thông sử dụng gói tin ngắn, nếu số lượng nút

Hình 3 cho chúng ta thấy rằng khi càng tăng giá trị của

chuyển tiếp

ít hơn số lượng anten tại máy thu

thì

chiều dài khối tin

và SNR trung bình

thì hiệu năng



chúng ta chỉ quan tâm đến hiệu năng hệ thống của chặng

truyền đến nút chuyển tiếp thôi. Đóng góp này có thể

hệ thống sẽ được cải thiện đáng kể. Điều này đúng như

chúng ta mong đợi. Tuy nhiên, chúng ta không thể nào tìm

cung cấp ý tưởng để giải quyết các vấn đề về giảm tải việc

tính toán trong nghiên cứu hoặc trong một số trường hợp

chúng ta thậm chí không tìm được biểu thức dạng đóng

ra được giá trị

Bên cạnh đó, chúng ta phải cân nhắc hai vấn đề trái ngược

nhau về chiều dài khối tin rằng: i) chiều dài khối tin vừa

k tối ưu cụ thể nào từ hình ảnh nhận xét.

cho tỉ lệ lỗi khối của chặng truyền đến

anten vì độ phức

được đánh giá là càng tăng thì hiệu năng hệ thống càng tốt

và ii) giảm chiều dài khối tin sẽ giảm được độ trễ truyền.

tạp của các kỹ thuật xử lý tín hiệu. Trường hợp ngược lại

thì hiệu năng toàn hệ thống sẽ phụ thuộc vào cả hai chặng,

cụ thể là N  M và N = M . Do đó, ảnh hưởng của hai

Do đó, giá trị

k phù hợp nhất chỉ được chọn khi được yêu

cầu đáp ứng một trường hợp thiết kế hệ thống và chất

lượng dịch vụ cụ thể. Ví dụ, một dịch vụ yêu cầu tỉ lệ lỗi

thông số

và

này lên hiệu năng hệ thống rất quan

trọng. Việc lựa chọn ra số lượng nút chuyển tiếp và số

lượng anten thu sao cho số lượng trang thiết bị là ít nhất

mà hiệu năng hệ thống phải đạt tốt nhất là một tiêu chí thiết

kế luôn được mong đợi. Chúng tôi sẽ khảo sát sự ảnh

hưởng của hai thông số thiết kế này lên hiệu năng hệ thống

trong Hình 6 và Hình 5.

khối phải nhỏ hơn hoặc bằng 610⁻³, thì giá trị của

được chọn ứng với từng trường hợp công suất phát 10, 15

và 20 dB là khoảng 1000, 390 và 170.

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

ĐÁNH GIÁ HIỆU NĂNG MẠNG TRUYỀN THÔ NG SỬ DỤNG GÓ I TIN NGẮN VỚI CÁ C NÚT CHUYỂN TIẾP …

(MRC) nhằm mục đích cải thiện độ phân tập không gian

hệ thống, tăng độ tin cậy và độ lợi phổ. Hiệu năng của hệ

thống được xem xét ở kênh truyền fading Rayleigh thông

qua tỉ lệ lỗi khối toàn trình. Mô phỏng Monte Carlo dùng

để đánh giá kết quả phân tích lý thuyết và khảo sát hiệu

năng của mô hình phân tích đề xuất. Đặc biệt, chúng tôi so

sánh hiệu năng hệ thống trong hai trường hợp sử dụng kỹ

thuật giải mã và chuyển tiếp có chọn lọc (SDF) và kỹ thuật

giải mã và chuyển tiếp cố định (FDF). Kết quả cho thấy,

về tổng thể thì hiệu năng hệ thống khi sử dụng kỹ thuật

FDF tốt hơn kỹ thuật SDF. Bên cạnh đó, kết quả phân tích

cũng chỉ ra rằng

số lượng nút chuyển tiếp và số lượng anten tại máy thu cho

mô hình mà chúng tôi đề xuất. Ngoài ra, chúng ta cũng

và

là các giá trị tối ưu của

N = 4

M =4

thấy rằng khi tăng

thì hiệu năng hệ thống càng được cải



Hì nh 5 Khảo sá t BLER là hàm theo số lượng nút chuyển

tiếp với giả sử

thiện, điều này đúng như chúng ta mong đợi. Tuy nhiên,

chúng ta cũng không nên lạm dụng việc tăng tăng công

suất phát quá lớn sẽ có thể ảnh hưởng can nhiễu lớn lên

các người dùng khác của hệ thống.

M = 2

Hình 5 khảo sát tỉ lệ lỗi khối toàn trình là hàm theo số

lượng nút chuyển tiếp. Ở đây, chúng tôi cố định giá trị của

, trục hoành là trục được khảo sát với các giá trị của

từ 1 đến 10 và hệ thống sử dụng kỹ thuật FDF. Rõ ràng,

M =2

LỜI CẢM ƠN

với giá trị của

cải thiện đáng kể. Tuy nhiên, kể từ giá trị

nhỏ hơn 4 thì hiệu năng hệ thống được

Nghiên cứu này được hỗ trợ bởi các nghiên cứu viên

tại Phòng thí nghiệm thông tin vô tuyến và được tài trợ bởi

Học Viện Công nghệ Bưu Chính Viễn Thông dưới mã số

15-HV-2020-RD_VT2.

trở đi,

N = 4

hiệu năng hệ thống không được cải thiện thêm. Nếu chọn

thì chúng ta sẽ vừa tốn thêm kinh phí lắp đặt mà

N  4

hiệu năng hệ thống vẫn không cải thiện thêm được, đây là

sự lãng phí và là điều chúng ta không mong muốn. Do đó,

TÀI LIỆU THAM KHẢO

sẽ được chọn làm thông số thiết kế tối ưu cho số

lượng nút chuyển tiếp.

N = 4

[1] Petar Popovski, Cedomir Stefanovi, Jimmy J. Nielsen,

Elisabeth de Carvalho, Marko Angjelichinoski, Kasper F.

Trillingsgaard, and Alexandru-Sabin Bana, "Wireless

access for ultra-reliable low-latency communication:

Principles and building blocks," IEEE Network vol. 32, no.

2, pp. 16-23, 2018.

[2] V. N. Swamy, Sahaana Suri, Paul Rigge, Matthew Weiner,

Gireeja Ranade, Anant Sahai and Borivoje Nikoli,

"Cooperative communication for high-reliability low-

latency wireless control," presented at the 2015 IEEE

International Conference on Communications (ICC), 2015.

[3] G. Durisi, T. Koch, and P. Popovski, "Toward Massive,

Ultrareliable, and Low-Latency Wireless Communication

With Short Packets," Proceedings of the IEEE, vol. 104, no.

9, pp. 1711-1726, 2016.

[4] Yury Polyanskiy, H. Vincent Poor and Sergio Verdú,

"Channel Coding Rate in the Finite Blocklength Regime,"

IEEE TRANSACTIONS ON INFORMATION THEORY, vol.

56, no. 5, MAY 2010.

[5] I. S. Gradshteyn, and I. M. Ryzhik, Table of Integrals,

Series, and Products, 7th ed. 2007.

Hì nh 6 Khảo sá t BLER là hàm theo số lượng anten thu

với giả sử

N = 4

[6] P. Zhang, et al, "Cooperative localization in 5G networks:

A survey," Ict Express vol. 3, no. 1, pp. 27-32, 2017.

Trong Hình 6 , chúng tôi khảo sát tỉ lệ lỗi khối toàn trình

là hàm theo số lượng anten tại máy thu và hệ thống sử dụng

[7] X. Lai, Q. Zhang, and J. Qin, "Cooperative NOMA Short-

Packet Communications in Flat Rayleigh Fading Channels,"

IEEE Transactions on Vehicular Technology, 2019.

[8] E. Ahmed, and Hamid Gharavi, "Cooperative vehicular

networking: A survey," IEEE Transactions on Intelligent

Transportation Systems, vol. 19, no. 3, pp. 996-1014, 2018.

[9] Belbase Khagendra, Chintha Tellambura, and Hai Jiang.,

"Coverage, Capacity, and Error Rate Analysis of Multi-Hop

Millimeter-Wave Decode and Forward Relaying," IEEE

Access, 2019.

kỹ thuật FDF. Để tìm ra giá trị tối ưu của

, chúng tôi

cũng sẽ cố định giá trị của . Trong Hình 6, chúng tôi sẽ

sử dụng lại giá trị

là giá trị tối ưu của số lượng nút

N = 4

chuyển tiếp vừa được khảo sát trong Hình 5 với các giá trị

của tăng từ 1 đến 10. Quan sát Hình 6 , một cách tương

tự như Hình 5 , chúng ta cũng sẽ chọn được

là giá

M =4

trị số lượng anten thu tối ưu cho thiết kế hệ thống.

[10] X. Wang, H. Zhang, T. Q. Duong, M. Elkashlan, and V. N.

Q. Bao, "Secure Cooperative Communication with Nth Best

Relay Selection," in 2014 IEEE 79th Vehicular Technology

Conference (VTC Spring), 2014, pp. 1-5.

[11] T. Nguyen, Q. Vo-Nguyen, M. Vo, and L. Mai, "Energy

efficient cooperative communication techniques for

Intelligent Transport System," in The 2011 International

Conference on Advanced Technologies for Communications

(ATC 2011), 2011, pp. 76-80.

V. KẾT LUẬN

Trong bài báo này, chúng tôi đã đánh giá hiệu năng

mạng chuyển tiếp hai chặng DF với đa nút chuyển tiếp

trong môi trường vô tuyến nhận thức với đa anten tại máy

thu trong truyền thông sử dụng gói tin ngắn. Để tận dụng

tập đa nút chuyển tiếp, chúng tôi đề xuất áp dụng kỹ thuật

lựa chọn nút chuyển tiếp từng phần (PRS). Tại nút đích,

chúng tôi đề xuất sử dụng kỹ thuật tỉ số kết hợp cực đại

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

Nguyễn Duy Chinh, Ngô Hoàng Tú, Võ Nguyễn Quốc Bảo

[12] S. Dang, et al., "OFDM-IM based dual-hop system using

fixed-gain amplify-and-forward relay with pre-processing

at finite blocklength," IEEE Transactions on Information

Theory, vol. 60, no. 7, p. 4232, 2014.

[30] Behrooz Makki, Tommy Svensson, and Michele Zorzi,

"Finite Block-Length Analysis of the Incremental

Redundancy HARQ," IEEE Wireless Commun. Lett., vol. 3,

no. 5, pp. 529-532, Oct. 2014.

[31] Yuehua Yu, He Chen , Yonghui Li, Zhiguo Ding , and

Branka Vucetic, "On the Performance of Non-Orthogonal

Multiple Access in Short-Packet Communications," IEEE

Communications Letters, vol. 22, no. 3, pp. 590-593, 2018.

[32] Milton Abramowitz, and Irene A. Stegun, Handbook of

Mathematical Functions With Formulas, Graphs, and

Mathematical Tables, 9th ed. New York, NY, USA: Dover,

1972.

capability,"

IEEE

Transactions

Wireless

Communications, vol. 18, no. 4, pp. 2259-2270, 2019.

[13] Nhu Tri Do, Daniel Benevides da Costa, Trung Q. Duong,

Vo Nguyen Quoc Bao, and Beongku An, "Opportunistic

scheduling for fixed-gain amplify-and-forward-based

multiuser multirelay SWIPT cooperative networks,"

presented at the 2017 International Conference on Recent

Advances in Signal Processing, Telecommunications &

Computing (SigTelCom), 2017.

[14] T. Q. Duong, Daniel Benevides da Costa, Maged Elkashlan,

and Vo Nguyen Quoc Bao, "Cognitive amplify-and-forward

relay networks over Nakagami-m fading," IEEE

Transactions on Vehicular Technology vol. 61, no. 5, pp.

2368-2374, 2012.

[15] Dac-Binh Ha, Tung Thanh Vu, Tran Trung Duy, and Vo

Nguyen Quoc Bao, "Secure cognitive reactive decode-and-

forward relay networks: With and without eavesdropper,"

Wireless Personal Communications vol. 85, no. 4, pp. 2619-

2641, 2015.

[16] N. A. Tuan, Vo Nguyen Quoc Bao, and Truong Trung Kien,

"Performance Analysis of Energy Harvesting Two-Way

Decode-and-Forward Relay Networks with Power Beacon

over Nakagami-m Fading Channels," presented at the 2018

International Conference on Advanced Technologies for

Communications (ATC), 2018.

[33] F. Hildebrand, Introduction to numerical analysis, T M H

ed. 1987.

[34] V. N. Q. Bảo, "MÔ PHỎNG HỆ THỐNG TRUYỀN

THÔNG," Nhà Xuất Bản Khoa Học và Kỹ Thuật, p. 268,

2020.

[35] A. Goldsmith, Wireless communications (Copyright by

Cambridge University Press). Stanford University, 2005.

PERFORMANCE ANALYSIS OF

UNDERLAY COGNITIVE DUAL-HOP

NETWORKS WITH PARTIAL RELAY

SELECTION SCHEME AND MAXIMAL

RATIO COMBINING UNDER SHORT

PACKET COMMUNICATIONS

[17] Y. Lu, and Wai Ho Mow, "Low-complexity Detection and

Performance Analysis for Decode-and-forward Relay

Networks," presented at the ICASSP 2019-2019 IEEE

International Conference on Acoustics, Speech and Signal

Processing (ICASSP), 2019.

[18] V. N. Q. Bao and T. T. Thanh, "Performance Analysis of

Partial Relay Selection Networks with Short Packet

Communications," in 2019 6th NAFOSTED Conference on

Information and Computer Science (NICS), 2019, pp. 23-

26.

Abstract: In this paper, we proposed a system in

underlay cognitive radio with dual-hop relay network

under short pạcket communication. In this system, the

partial relay selection scheme is applied to a set of multiple

relay nodes and maximal ratio combining will be used for

multiple antennas at the receiver. For system performance

evaluation, we derive the closed-form expression for end-

to-end block error rate. The Monte-Carlo simulations are

conducted to verify our analytical results and to suggest

the optimal value of the system parameters including the

number of relays, the number of antennas and the system

block length.

[19] M. Amjad, Mubashir Husain Rehmani, and Shiwen Mao,

"Wireless multimedia cognitive radio networks:

comprehensive survey," IEEE Communications Surveys &

Tutorials, vol. 20, no. 2, pp. 1056-1103, 2018.

[20] F. Hu, Bing Chen, and Kun Zhu, "Full spectrum sharing in

cognitive radio networks toward 5G: A survey," IEEE

Access, vol. 6, pp. 15754-15776, 2018.

[21] S. Haykin, "Cognitive radio: brain-empowered wireless

communications," IEEE journal on selected areas in

communications, vol. 23, no. 2, pp. 201-220, 2005.

[22] T. Q. Duong, D. B. da Costa, M. Elkashlan, and V. N. Q.

Bao, "Cognitive amplify-and-forward relay networks over

Nakagami-$ m $ fading," IEEE Transactions on Vehicular

Technology, vol. 61, no. 5, pp. 2368-2374, 2012.

[23] K. Cichoń, Adrian Kliks, and Hanna Bogucka, "Energy-

efficient cooperative spectrum sensing: A survey," IEEE

Communications Surveys & Tutorials vol. 18, no. 3, pp.

1861-1886, 2016.

[24] Ioannis Krikidis, John Thompson, Steve McLaughlin, and

Norbert Goertz, "Amplify-and-forward with partial relay

selection," IEEE Communications letters, vol. 12, no. 4, pp.

235-237, 2008.

[25] Vo Nguyen Quoc Bao, and Hyung Yun Kong, "Diversity

order analysis of dual-hop relaying with partial relay

selection," IEICE transactions on communications, vol. 92,

no. 12, pp. 3942-3946, 2009.

[26] Y. Yu, Z. Yang, Y. Wu, J. A. Hussein, W. Jia, and Z. Dong,

"Outage Performance of NOMA in Cooperative Cognitive

Radio Networks With SWIPT," IEEE Access, vol. 7, pp.

117308-117317, 2019.

Keywords: block error rate, dual-hop networks,

maximal ratio combining, partial relay selection, Rayleigh

fading channels, short packet communications, underlay

cognitive radio.

Nguyễn Duy Chinh tốt nghiệp kỹ sư

chuyên ngành Kĩ thuật điện tử truyền

thông tại Học viện Công Nghệ Bưu

Chính Viễn Thông cơ sở tại thành phố

Hồ Chí Minh vào năm 2019. Hiện nay,

Nguyễn Duy Chinh đang là giảng viên tại

bộ môn vô tuyến, Khoa viễn thông 2,

Học Viện Công Nghệ Bưu Chính Viễn

Thông cơ sở tại thành phố Hồ Chí Minh.

Hướng nghiên cứu hiện tại đang quan

tâm bao gồm: vô tuyến nhận thức, truyền thông hợp tá c, thu thập

năng lượng vô tuyến và truyền thông gói tin ngắn.

Email: [email protected]du.vn

[27] A. P. S. U. Pillai, Probability, Random Variables and

stochastic processes, 4th ed.

[28] E. W. Weisstein. Chi-Squared Distribution. Available:

https://mathworld.wolfram.com/Chi-

SquaredDistribution.html

[29] Wei Yang, Giuseppe Durisi, Tobias Koch, and Yury

Polyanskiy, "Quasi-static multipleantenna fading channels

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

ĐÁNH GIÁ HIỆU NĂNG MẠNG TRUYỀN THÔ NG SỬ DỤNG GÓ I TIN NGẮN VỚI CÁ C NÚT CHUYỂN TIẾP …

Ngô Hoàng Tú tốt nghiệp kỹ sư

chuyên ngành Truyền thô ng và mạng

má y tí nh tại Đại học Giao Thô ng Vận Tải

thành phố Hồ Chí Minh vào năm 2020.

Hiện nay, Ngô Hoàng Tú đang là giảng

viên của bộ mô n Kỹ thuật má y tí nh,

Khoa Cô ng nghệ thông tin, trường Đại

học Giao Thô ng Vận Tải thành phố Hồ

Chí Minh. Hướng nghiên cứu hiện tại

đang quan tâm bao gồm: vô tuyến nhận

thức, truyền thô ng hợp tác, đa truy nhập

khô ng trực giao và truyền thô ng gó i tin ngắn.

Email: [email protected]u.vn

Võ Nguyễn Quốc Bảo tốt nghiệp

Tiến sĩ chuyên ngành vô tuyến tại Đại

học Ulsan, Hàn Quốc vào năm 2010.

Hiện nay, TS. Bảo là phó giáo sư của Bộ

Mô n Vô Tuyến, Khoa Viễn Thô ng 2, Học

Viện Cô ng Nghệ Bưu Chính Viễn Thô ng

Cơ Sở Thành Phố Hồ Chí Minh và đồng

thời là giám đốc của phò ng thí nghiệm

nghiên cứu vô tuyến (WCOMM). TS.

Bảo hiện là thành viên chủ chốt (senior

member) của IEEE và là tổng biên tập kỹ thuật của tạp chí REV

Journal on Electronics and Communication. TS. Bảo đồng thời là

biên tập viên (editor) của nhiều tạp chí khoa học chuyên ngành uy

tí n trong và ngoài nước, ví dụ: Transactions on Emerging

Telecommunications Technologies (Wiley ETT), VNU Journal of

Computer Science and Communication Engineering. TS. Bảo đã

tham gia tổ chức nhiều hội nghị quốc gia và quốc tế, ví dụ: ATC

(2013, 2014), NAFOSTED-NICS (2014, 2015, 2016), REV-ECIT

2015, ComManTel (2014, 2015), và SigComTel 2017. Hướng

nghiên cứu hiện tại đang quan tâm bao gồm: vô tuyến nhận thức,

truyền thô ng hợp tá c, truyền song cô ng, bảo mật lớp vật lý và thu

thập năng lượng vô tuyến.

Email: baovnq@ptithcm.edu.vn

SOÁ 04B (CS.01) 2020

TAÏP CHÍ KHOA HOÏC COÂNG NGHEÄ THOÂNG TIN VAØ TRUYEÀN THOÂNG

12 trang Thùy Anh 11780 Free

Download

Bạn đang xem tài liệu "Phân tích tỷ lệ lỗi khối của mạng vô tuyến nhận thức dạng nền lựa chọn nút chuyển tiếp từng phần trong truyền thông gói tin ngắn", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

File đính kèm:

phan_tich_ty_le_loi_khoi_cua_mang_vo_tuyen_nhan_thuc_dang_ne.pdf