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


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


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

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,

(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).

( )
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

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

1.4.1.1 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).

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

- 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

 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

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

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

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






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

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:




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

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

,…, 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

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

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



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

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.

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

 
 

 
 
 
 


 
 

 
 
 

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.