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.

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

, …, 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)

/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

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

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

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

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

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

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

[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