ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
---------------------------------------

NGUYỄN ANH TÚ

ỨNG DỤNG MACHINE LEARNING TRONG VIỆC TĂNG
HIỆU SUẤT PHỔ HỆ THỐNG NOMA MASSIVE MIMO

Chuyên ngành:
Mã số:

Kỹ thuật điện tử
8520203

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC:
1. TS. Lê Thị Phương Mai
2. TS. Trần Thế Sơn

Đà Nẵng – Năm 2022

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


LỜI CAM ĐOAN
Tơi cam đoan đây là cơng trình nghiên cứu của tôi dưới sự hướng dẫn của TS. Lê
Thị Phương Mai và TS. Trần Thế Sơn.

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được cơng bố
trong bất kỳ cơng trình nào khác.
Học viên thực hiện

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


LỜI CẢM ƠN
Trước hết, tơi xin bày tỏ lịng biết ơn sâu sắc đến TS. Lê Thị Phương Mai
và TS. Trần Thế Sơn, cùng các thầy cô giáo trong khoa Điện tử Viễn Thơng, là
những người đã tận tình chỉ dạy, hướng dẫn, cung cấp kiến thức nền tảng cho tơi
trong suốt thời gian qua để tơi có thể hồn thành luận văn này.
Tôi xin chân thành cảm ơn đến các bạn đồng nghiệp nơi tơi cơng tác, gia
đình, bạn bè đã luôn động viên và giúp đỡ tôi trong suốt q trình học tập.
Kính chúc tất cả q thầy cơ, gia đình, bạn bè sức khỏe và thành cơng!
Đà Nẵng, ngày tháng 5 năm 2022
Học viên thực hiện

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


Tóm tắt luận văn
ỨNG DỤNG MACHINE LEARNING TRONG VIỆC TĂNG HIỆU SUẤT
PHỔ HỆ THỐNG NOMA MASSIVE MIMO
Học viên: Nguyễn Anh Tú. Chuyên ngành: Kỹ thuật điện tử
Mã số: …………Khóa: 41 Trường Đại học Bách khoa - ĐHĐN

Tóm tắt - Massive MIMO được giới thiệu trong mạng 5G và sau 5G là một trong những giải
pháp quan trọng nhất để nâng cao hiệu quả hoạt động hệ thống vô tuyến. Tuy vậy, massive MIMO
cũng gặp những thách thức lớn khi triển khai trong thực tế, nhất là với các trường hợp khi các th
bao tập trung lớn, mơi trường truyền sóng khơng có nhiều khác biệt hoặc mơi trường u cầu số
lượng kết nối mật độ lớn thì hiệu suất phổ của hệ thống massive MIMO suy giảm nghiêm trọng.
Trong trường hợp này, NOMA miền mã (Code-Domain NOMA) được xem là một giải pháp triển
vọng cho hệ thống massive MIMO bằng cách phân các chuỗi mã cho những nhóm người dùng có
cùng đặc tính kênh truyền. Việc áp dụng các phương pháp machine learning trong việc phân loại
người dùng góp phần nâng cao hiệu năng của hệ thống NOMA massive MIMO. Chính vì vậy, hệ
thống NOMA-massive MIMO, ngồi những ưu điểm về hiệu suất phổ còn hỗ trợ số lượng kết nối
lớn, được xem là một giải pháp triển vọng cho các mạng thế hệ tương lai.

Từ khóa – Massive MIMO; code-domain NOMA; spectral efficiency; K-means; Kmedoids.

APPLICATION OF MACHINE LEARNING IN IMPROVING
UNIVERSAL PERFORMANCE OF NOMA MASSIVE MIMO
SYSTEM
Abstract - Massive MIMO introduced in the 5G and beyond 5G network is one of the most
important technologies to improve radio system performance. However, massive MIMO also
faces major challenges when deployed in practice, especially in cases when subscribers are
concentrated, the transmission environment is not much different, or the environment requires a
large number of connections. With densified network, the spectral efficiency of massive MIMO
systems is severely degraded. In this case, Code-Domain NOMA is considered as a promising
solution for massive MIMO system by assigning code sequences to groups of users with the
similar channel characteristics. The application of machine learning methods in user grouping
contributes to improving the performance of the NOMA massive MIMO system. Therefore,
NOMA-massive MIMO system, in addition to the advantages of spectrum efficiency, and the
ability to support massive connectivity, is a promising solution to improve the system
performance for the next generation network.
Key words - Massive MIMO; code-domain NOMA; spectral efficiency; K-means; Kmedoids.


THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


DANH MỤC KÍ HIỆU & CHỮ VIẾT TẮT

1
2

Từ viết
tắt
RAN
BER

3

CDMA

STT

Thuật ngữ
Radio Access Network
Bit error rate
Code Division Multiple
Access

Mạng truy nhập vô tuyến
Ti lệ bit lỗi


Code-domain NOMA

NOMA miền mã
Đa truy cập phân chia mã theo
chuỗi trực tiếp
Biến đổi Fourier rời rạc
Đa truy cập phân chia theo tần
số
Mã hóa miền tần số
Đa truy cập được mã hóa trực
giao theo nhóm
Biến đổi Fourier nhanh
nghịch đảo

6

CDMNOMA
DSCDMA
DFT

7

FDMA

8

FDS

9


GOCA

10

IFFT

11

IGMA

12

IDMA

13

IDFT

14
15

LSL
LDPC

16

LDSCDMA

17


LSSA

18

20

LCRS
LDSSVE
MPA

Direct-sequence Code
Division Multiple Access
Discrete Fourier Transform
Frequency Division Multiple
Access
Frequency Domain Spreading
Group Orthogonal Coded
Access
Inverse Fast Fourier
Transform
Interleave-grid Multiple
Access
Interleave Division Multiple
Access
Inverse Discrete Fourrier
Transform
Large system limit
Low-Density Parity-Check
Low Density Spreading Code Division Multiple

Access
Low code rate and Signature
based Shared Access
Low Code Rate Spreading
Low Density Spreading Signature Vector Extension
Message passing algorithm

21

MUSA

Multi-user Shared Access

4
5

19

22
23
24

MC NOMA
MCRSMA
NOMA

Nghĩa

Đa truy cập phân chia theo mã


Đa truy cập lưới xen kẽ
Đa truy cập phân chia xen kẽ
Biến đổi Fourier rời rạc
nghịch đảo
Giới hạn hệ thống lớn
Kiểm tra chẵn lẻ thưa
Đa truy cập phân chia mã –
đặc trưng thưa
Truy cập dựa trên chia sẻ từ
mã và tỉ lệ mã thấp
Mã hóa tỷ lệ mã thấp
Mã hóa thưa – Mở rộng
vector từ mã
Thuật tốn truyền thơng tin
Truy cập phân chia đa người
dùng

Multi-carrier NOMA

NOMA đa sóng mang

Multi-carrier Resource
Spread Multiple Access
Non-Othogonal Multiple
Access

Đa truy cập mã hóa tài
nguyên đa sóng mang
Kỹ thuật đa truy cập phi trực
giao


THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

Non-orthogonal Coded
Multiple Access
Non-orthogonal Coded
NOCA
Access
OMA
Othogonal Multiple Access
Othogonal Frequency

OFDM
Division Multiple
Orthogonal Frequency
OFDMA
Division Multiple Access
PDPower Domain NonNOMA Othogonal Multiple Access
Pattern Division Multiple
PDMA
Access
Parallel Interference
PIC
Cancellation
SCMA
Sparse Code Multiple Access
Time Division Multiple
TDMA
Access
THTime-Hopping - Code
CDMA Division Multiple Access
UE
User Equipment
REs
Resource elements
Repetition Division Multiple
RDMA
Access
Resource Spread Multiple
RSMA
Access
NCMA


Đa truy cập được mã hóa
khơng trực giao
Truy cập mã hóa khơng trực
giao
Kỹ thuật đa truy cập trực giao
Ghép kênh phân chia theo tần
số trực giao
Đa truy nhập phân tần trực
giao
Đa truy cập phi trực giao
miền công suất
Đa truy cập phân chia theo
mẫu
Loại bỏ nhiễu song song
Đa truy cập mã thưa
Đa truy cập phân chia theo
thời gian
Nhảy thời gian-Đa truy cập
phân chia theo mã
Thiết bị người dùng
Các phần tử tài nguyên
Đa truy cập phân chia lặp lại
Đa truy cập mã hóa tài
nguyên

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ



DANH MỤC BẢNG
Số hiệu bảng
1.1
4.1

Tên bảng
Thông số kỹ thuật mạng 5G
Thông số cơ bản của mạng giả lập

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Trang
6
45

Lưu hành nội bộ


DANH MỤC HÌNH VẼ
Số hiệu
hình
vẽ
1.1
1.2
1.3
1.4
1.5
1.6
1.7

1.8
1.9
1.10
1.11
1.12
1.13
1.14
1.15
1.16
1.17
1.18
1.19
1.20
1.21
1.22
1.23
1.24
1.25
1.26
1.27
1.28
1.29
1.30
1.31

Tên hình vẽ

Trang

Tăng trưởng lưu lượng data trên mỗi thuê bao

Tăng trưởng thiết bị kết nối data
Sự hình thành và phát triển của 5G
Các thế hệ mạng di động
So sánh tiêu chuẩn kỹ thuật 4G và 5G
Các loại hình dịch vụ eMBB trong 5G
Các loại hình dịch vụ URLLC trong 5G
Các loại hình dịch vụ URLLC trong 5G
Các loại hình dịch vụ mMTC trong 5G
Các loại hình dịch vụ chung trong 5G
Các mơ hình kết nối NSA trong 5G
So sánh kết nối core giữa 4G và 5G NSA
So sánh kết nối core giữa 5G SA và 5G SA-4G NSA
Kiến trúc core 5G
Kiến trúc dịch vụ trong Network slicing 5G
So sánh kiến trúc dịch vụ giữa 5G và 4G
So sánh kết nối phần RAN giữa trạm 4G và 5G
Các thông số kỹ thuật cho các giao diện kết nối trong 5G
Các vị trí triển khai thử nghiệm 5G VNPT tại Hà Nội
Kết quả thử nghiệm 5G VNPT tại Hà Nội
Các vị trí triển khai thử nghiệm 5G VNPT tại TP Hồ Chí Minh
So sánh kết quả driving test giữa 4G và 5G
So sánh kết quả test giữa 4G và 5G
Phân loại NOMA miền mã
Phân bổ nguồn tài nguyên trong CDMA
Phân bổ công suất trong PD-NOMA
Sơ đồ đa truy cập NOMA và OMA trong trường hợp 2 người
dùng.
Ví dụ chịm sao mã hóa xếp chồng 2 người dùng.
Chịm sao giải mã SIC hai người dùng
Tín hiệu vơ tuyến đi theo nhiều đường giữa máy phát và máy

thu
Beamforming tập trung tín hiệu khơng dây theo một hướng cụ
thể

4
4
5
6
7
8
8
9
9
10
10
11
11
12
12
13
14
14
15
15
16
16
17
18
19
21


THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

22
22
23
25
25

Lưu hành nội bộ


1.32
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
3.1
3.2
3.3
3.4
3.5
4.1

4.2


4.3

4.4

4.5

4.6
4.7
4.8

Thông tin trạng thái kênh được sử dụng để mô tả một hệ thống
mMIMO
Minh họa 2 cách thực hiện phân chia khối tài nguyên thời
gian/tần số giữa UL và DL
Minh họa sơ đồ diều chế đa sóng mang TDD trong mạng
mMIMO
Block TDD chuẩn
Block TDD chuẩn với nhiều subcarrier
Các dạng hình học của anten. a) Loại anten tuyến tính dọc, b)
Loại anten tuyến tính ngang, c) Loại anten mảng phẳng
Mơ hình kênh 2D
Minh họa anten mảng phẳng kích thước
Mơ hình kênh 3D MIMO
Mối quan hệ giữa AI, Machine Learning và Deep Learning.
Bài tốn phân cụm.
Khoảng cách Eucild
Tương quan khơng gian UL của 2 UE i, j khi so sánh với 2 cell
l, j.
Tương quan không gian DL của 2 UE i, j khi so sánh với 2 cell
l, j.

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=1, M=64, G=2 khi thay đổi số UE (K) phân bố ngẫu
nhiên
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=1, M=64, G=4 khi thay đổi số UE (K) phân bố ngẫu
nhiên
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=1, M=64, G=8 khi thay đổi số UE (K) phân bố ngẫu
nhiên
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=1, M=64, G=2 khi thay đổi số UE (K) phân bố ở góc
phần tư cell
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=1, M=64, G=4 khi thay đổi số UE (K) phân bố ở góc
phần tư cell
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=1, M=64, G=8 khi thay đổi số UE (K) phân bố ở góc
phần tư cell
Kết quả tổng hiệu suất phổ trung bình UL của hệ thống phân
theo 8 group ngẫu nhiên trong mạng 1 cell có số anten thay đổi
Kết quả tổng hiệu suất phổ trung bình UL của hệ thống phân
theo 8 group ở mỗi góc phần tư cell trong mạng 1 cell có số
anten thay đổi

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

26
28
29
29

29
30
30
30
31
35
36
37
42
42

47

47

48

48

49

49
50

50

Lưu hành nội bộ


4.9


4.10

4.11

4.12

4.13

4.14

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=4, M=64, G=2 khi thay đổi số UE (K) phân bố ngẫu
nhiên
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=4, M=64, G=4 khi thay đổi số UE (K) phân bố ngẫu
nhiên
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=4, M=64, G=8 khi thay đổi số UE (K) phân bố ngẫu
nhiên
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=4, M=64, G=2 khi thay đổi số UE (K) phân bố tập trung
ở góc phần tư cell
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=4, M=64, G=4 khi thay đổi số UE (K) phân bố tập trung
ở góc phần tư cell
Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA
với L=4, M=64, G=8 khi thay đổi số UE (K) phân bố tập trung
ở góc phần tư cell


THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

51

52

52

53

53

54

Lưu hành nội bộ


MỤC LỤC
MỞ ĐẦU ......................................................................................................................1
CHƯƠNG 1: TỔNG QUAN VỀ MẠNG 5G ............................................................4
1.1 Giới thiệu chương ............................................................................................... 4
1.2 Lịch sử phát triển mạng di động ....................................................................... 5
1.3 Tổng quan mạng 5G ........................................................................................... 6
1.3.1 Các ứng dụng phổ biến trong mạng 5G....................................................... 8
1.3.2 Mơ hình mạng 5G ....................................................................................... 10
1.3.3 Tổng quan mạng 5G ................................................................................... 11
1.3.4 Tình hình triển khai 5G trên thế giới và Việt Nam ................................... 14
1.4 Kỹ thuật NOMA ............................................................................................... 17
1.4.1 Truy cập NOMA miền mã ............................................................................ 18
1.4.2 Truy cập NOMA miền công suất ................................................................. 20

1.5 Kỹ thuật Massive MIMO ................................................................................. 24
1.5.1 Massive MIMO là gì? ................................................................................... 24
1.5.2 Các kỹ thuật Massive MIMO........................................................................ 24
1.5.3 Lợi ích của Massive MIMO .......................................................................... 27
1.6 Kết luận chương ................................................................................................ 27
CHƯƠNG 2: HỆ THỐNG NOMA-MASSIVE MIMO .........................................28
2.1 Giới thiệu chương ................................................................................................ 28
2.2 Mơ hình hệ thống đề xuất ................................................................................... 28
2.2.1 Mơ hình kênh truyền .................................................................................... 29
2.2.2 Ước lượng kênh truyền................................................................................. 31
2.2.3 Mơ hình truyền dữ liệu ................................................................................. 32
2.3 Hiệu suất phổ của hệ thống ................................................................................ 32
2.4 Kết luận chương .................................................................................................. 34
CHƯƠNG 3: MACHINE LEARNING VÀ ỨNG DỤNG MACHINE
LEARNING TRONG PHÂN LOẠI NGƯỜI DÙNG...............................................35
3.1. Giới thiệu chương ............................................................................................. 35
3.2. Cơ sở lý thuyết cho việc phân loại người dùng .............................................. 36
3.3. Các thuật toán unsupervised learning ............................................................ 37
3.3.1 Thuật toán K-means ..................................................................................... 37
3.3.2 Thuật toán K-means ++ ................................................................................ 40

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


3.3.3 Thuật toán K-medoids .................................................................................. 40
3.4. Đề xuất thuật toán phân loại người dùng cho hệ thống NOMA-mMIMO . 41
3.4.1 Sử dụng thuật toán K-means trong phân loại người dùng......................... 42
3.4.2 Sử dụng thuật toán K-medoids trong phân loại người dùng ...................... 43

3.5. Kết luận chương ................................................................................................ 44
CHƯƠNG 4: KẾT QUẢ THỰC HIỆN VÀ ĐÁNH GIÁ HIỆU QUẢ .................45
4.1 Giới thiệu chương ................................................................................................ 45
4.2 Thiết lập mô phỏng.............................................................................................. 45
4.3 Kết quả thực hiện mơ phỏng với mạng có 1 cell ............................................... 46
4.4 Kết quả thực hiện mô phỏng với mạng có 4 cell ............................................... 50
4.5 Đánh giá hiệu quả của các thuật toán đề xuất .................................................. 54
4.6 Kết luận chương .................................................................................................. 55
KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI ....................56
TÀI LIỆU THAM KHẢO ........................................................................................57

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


1

MỞ ĐẦU
Mạng thông tin di động thứ 5 (mạng 5G) đã bắt đầu được triển khai trên thế giới
từ năm 2018 góp phần đáp ứng sự bùng nổ về lưu lượng data và yêu cầu cao hơn về
chất lượng cho các dịch vụ mới ( VR, AR, các dịch vụ tự hành, cloud…). Ở nước
ta, mạng thông tin di động thế hệ thứ năm (5G) cũng bắt đầu được triển khai từ năm
2020 nhằm giới thiệu các dịch vụ cơ bản 5G cho người dân và tăng trải nghiệm
khách hàng.
Đối với các nhà cung cấp dịch vụ, để đáp ứng sự bùng nổ về lưu lượng data và
số lượng kết nối cho các loại hình dịch vụ thì cần tăng băng thơng hoặc tăng số
lượng trạm phủ sóng (thậm chí cả hai yếu tố này). Tuy nhiên, những tài nguyên trên
rất hiếm và càng khó triển khai, đồng thời làm tăng chi phí vận hành và các yếu tố
phi kỹ thuật khác. Một yếu tố khác có thể giúp xử lý vấn đề trên đó là nâng cao hiệu

quả sử dụng phổ tần. Và Massive MIMO được giới thiệu trong mạng 5G là một
trong những giải pháp quan trọng nhất để nâng cao hiệu quả hoạt động hệ thống.
Trong massive MIMO sử dụng số lượng lớn anten, giúp tập trung năng lượng
vào một vùng không gian nhỏ hơn nhằm cung cấp không chỉ thông lượng UL/DL
cao hơn cho UE mà còn tăng cường vùng phủ và số lượng UE kết nối.
Tuy nhiên, bên cạnh những ưu điểm trên, massive MIMO cũng gặp những thách
thức lớn khi triển khai, nhất là với các trường hợp khi các UE tập trung lớn, mơi
trường truyền sóng khơng có nhiều khác biệt (ví dụ: khu đơ thị có nhiều tịa nhà cao
tầng, các sự kiện lễ hội tập trung đông người, sân vận động…) hoặc môi trường yêu
cầu số lượng kết nối mật độ lớn ( nhiều thuê bao và thiết bị IoT…) thì hiệu suất phổ
của hệ thống massive MIMO suy giảm nghiêm trọng do đặc tính phân tập khơng
gian khơng cịn được đảm bảo [1] [2].
Trong trường hợp này, NOMA miền mã (Code-Domain NOMA) được xem là
một giải pháp triển vọng cho hệ thống massive MIMO bằng cách phân các chuỗi
mã cho những nhóm người dùng có cùng đặc tính kênh truyền [1]. Và vì vậy, hệ
thống NOMA-massive MIMO, ngồi những ưu điểm về hiệu quả phổ còn hỗ trợ số
lượng kết nối lớn, là một giải pháp giúp nâng cao hiệu quả hoạt động hệ thống trong
các trường hợp trên.
MỤC ĐÍCH NGHIÊN CỨU
- Nghiên cứu đặc điểm, đặc trưng các loại hình dịch vụ trong mạng 5G và sau
5G qua đó đánh giá khả năng áp dụng NOMA trong hệ thống massive MIMO để
nâng cao hiệu năng của hệ thống.
- Đề xuất mơ hình hệ thống, các phương pháp xử lý tín hiệu số của NOMAmassive MIMO cho các loại hình trạm trong 5G và sau 5G dựa trên mơ hình tính
tốn cụ thể.

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ



2

- Đề xuất các phương pháp ứng dụng machine learning trong việc phân loại
người dùng để nâng cao hiệu năng của hệ thống.
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Đối tượng nghiên cứu
- Các kỹ thuật tiên tiến được đề xuất cho các mạng vô tuyến 5G và sau 5G như:
NOMA (Non-Orthogonal Multiple Access) và Massive MIMO
- Hiệu suất phổ của hệ thống NOMA-massive MIMO
- Ứng dụng machine learning cho việc phân loại người dùng của hệ thống
NOMA-masive MIMO.
Phạm vi nghiên cứu
- Mạng 5G và các công nghệ lớp vật lý cho mạng 5G
- Mơ hình tốn học hệ thống NOMA-masive MIMO
- Các kỹ thuật machine learning với phân loại unsupervised learning.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp luận của luận văn là kết hợp nghiên cứu lý thuyết với thực tiễn để
làm rõ nội dung đề tài. Cụ thể như sau:
- Nghiên cứu các yếu tố kỹ thuật liên quan đến mạng 5G
- Xem xét các đề tài nghiên cứu liên quan, các phương án kỹ thuật đang triển
khai, so sánh và đánh giá các ưu điểm, khuyết điểm của các phương pháp.
- Nghiên cứu mơ hình hệ thống và kênh truyền
- Đề xuất kỹ thuật machine learning trong việc phân loại người dùng.
- Đánh giá kết quả thực hiện thông qua mô phỏng.
Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI
Ý nghĩa khoa học: Từ việc nghiên cứu thực tế mạng 5G, kết quả triển khai 5G
của các nhà mạng và nghiên cứu hệ thống massive MIMO, NOMA massive MIMO;
trên cơ sở các tính tốn, mơ phỏng các trường hợp, đề tài đưa ra hướng đề xuất áp
dụng NOMA cho hệ thống massive MIMO ở mạng 5G và sau 5G.
Ý nghĩa thực tiễn: Kết quả của đề tài nêu ra một số cơ sở lý thuyết để cung cấp

khả năng, hướng áp dụng nhằm giải quyết các vấn đề gặp phải khi triển khai massive
MIMO ở các mạng di dộng (nhất là với các trường hợp khi các UE tập trung lớn,
mơi trường truyền sóng khơng có nhiều khác biệt. Ví dụ: khu đơ thị có nhiều tịa
nhà cao tầng, các sự kiện lễ hội tập trung đông người, sân vận động… hoặc môi
trường yêu cầu số lượng kết nối mật độ lớn có nhiều thuê bao và thiết bị IoT…).
CẤU TRÚC CỦA LUẬN VĂN: Luận văn gồm 4 chương
Chương 1: Tổng quan về mạng 5G và các công nghệ tiên tiến cho mạng 5G

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


3

Chương 2: Hệ thống NOMA-massive MIMO
Chương 3: Machine learning và ứng dụng machine learning trong phân loại người
dùng
Chương 4: Kết quả thực hiện và đánh giá hiệu quả

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


4

CHƯƠNG 1: TỔNG QUAN VỀ MẠNG 5G
1.1 Giới thiệu chương
Theo thống kê của các hãng nghiên cứu thị trường, truy cập từ điện thoại di động

hiện chiếm khoảng một nửa lưu lượng truy cập web trên toàn thế giới [3]. Trong quý
đầu tiên của năm 2021, thiết bị di động (khơng bao gồm máy tính bảng) đã tạo ra
54.8% lưu lượng truy cập web toàn cầu [3]. Các nền tảng kinh tế mới dựa trên ứng
dụng data ngày càng nhiều. Điều này thể hiện qua số lượng thiết bị kết nối data ngày
càng lớn, lượng data trên mỗi thuê bao càng tăng. Chi tiết thể hiện qua biểu đồ Hình
1.1 và 1.2

Hình 1.1: Tăng trưởng lưu lượng data trên mỗi thuê bao
(Nguồn: />
Hình 1.2: Tăng trưởng thiết bị kết nối data
(Nguồn: />
THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


5

Ngoài ra, với sự xuất hiện Internet Vạn Vật (IoT), yêu cầu hạ tầng mạng đủ sức
xử lý hàng tỷ thiết bị kết nối bên cạnh việc đảm bảo tốc độ kết nối cho các dịch vụ
data di động với yêu cầu tốc độ cao và độ ổn định lớn như các dịch vụ streaming
video, gaming, các loại hình sản xuất tự động, xe tự hành…Càng nhiều thiết bị di
động, càng nhiều lưu lượng data, yêu cầu sử dụng hiệu quả năng lượng tiêu thụ của
thiết bị lẫn mạng lưới càng cấp thiết. Tất cả những yêu cầu trên dẫn đến sự ra đời
của mạng 5G với 3 loại hình dịch vụ cơ bản:
+ Enhanced mobile broadband (eMBB)
+ Ultra-reliable and low-latency communications (URLLC)
+ Massive machine type communications (mMTC).
Trong chương này sẽ đi vào giới thiệu lại lịch sử phát triển của các thế hệ mạng
di động, các tiêu chuẩn kỹ thuật và loại hình dịch vụ mà mạng 5G hứa hẹn sẽ mang

đến cho người dùng.
1.2 Lịch sử phát triển mạng di động
Mạng di động bắt đầu xuất hiện vào khoảng năm 1980. Thế hệ đầu tiên (1G) của
thông tin di động dựa trên truyền dẫn tương tự, trong đó cơng nghệ chính là hệ thống
điện thoại di động tiên tiến (AMPS). Sau đó, một số phát triển khác đã xuất hiện vào
đầu những năm 1990, chẳng hạn như di động kỹ thuật số cá nhân (PDC), AMPS kỹ
thuật số (D-AMPS), hệ thống thơng tin di động tồn cầu (GSM) hình thành thế hệ
thứ hai của thơng tin di động (2G). Khả năng truy cập internet không dây nhanh vào
đầu năm 2000 là đặc tính nổi bật ở thế hệ thứ ba (3G) của thông tin di động, sử dụng
công nghệ truy cập gói tốc độ cao (HSPA). Cơng nghệ thế hệ thứ tư (4G) dựa trên
LTE đã hội tụ thế giới thành một ngành cơng nghiệp viễn thơng tồn cầu duy nhất
với nhiều cải tiến về kết nối, bảo mật và quản lý dữ liệu. Khi nhu cầu ngày càng cao
về tốc độ nhanh hơn, độ trễ cực thấp và số lượng lớn các kết nối thiết bị, một công
nghệ thế hệ mới đã được yêu cầu để đáp ứng tất cả các nhu cầu. Cuối cùng, sự xuất
hiện của hệ thống thông tin di động thế hệ thứ năm (5G) đã được hình thành trong
bản 3GPP-15. Hình 1.3 & 1.4 mơ tả hành trình từ 1G đến 5G.

Hình 1.3: Sự hình thành và phát triển của 5G

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


6

Hình 1.4: Các thế hệ mạng di động
Theo dự báo của Ericsson, gần 20% thế giới sẽ được bao phủ bởi 20 tỷ thiết bị
IoT được kết nối với mạng 5G và 9 tỷ thiết bị di động vào năm 2023. Kể từ bản phát
hành 3GPP-15, các nhà nghiên cứu và kỹ sư đang làm việc hướng tới bản phát hành

IMT-2020 để cung cấp kiến trúc 5G độc lập (SA). Trong khi đó, 5G đã phát triển
như một kiến trúc NSA với LTE / LTE-Advanced (LTE-A). 5G có một số thông số
kỹ thuật khá lớn để đáp ứng thách thức toàn cầu sắp tới về kết nối và bảo mật.
1.3 Tổng quan mạng 5G
Các ý tưởng mạng vô tuyến 5G được ITU-R đưa ra lần đầu vào năm 2012 thông
qua kế hoạch ITU-2020 trong đó phác thảo các xu hướng và tầm nhìn về 5G New
Radio (NR). Các ý tưởng này được vạch ra để giải quyết 3 kịch bản dịch vụ:
+ Enhanced mobile broadband (eMBB)
+ Ultra-reliable and low-latency communications (URLLC)
+ Massive machine type communications (mMTC).
Với các thông số kỹ thuật cụ thể cho từng loại hình dịch vụ như sau:
Bảng 1.1: Tiêu chuẩn kỹ thuật mạng 5G
Khả Năng
Tốc độ data
downlink
Tốc độ data
uplink
Tốc độ data
downlink
trải nghiệm
thực tế
Tốc độ data
uplink trải
nghiệm thực
tế

Miêu Tả

Yêu Cầu


Loại dịch vụ

Tốc độ data min/max mà
công nghệ hỗ trợ

20 Gbps

eMBB

10 Gbps

eMBB

Tốc độ data trong môi
trường thử nghiệm đơ thị
dày đặc chiếm 95% tồn
trình

100 Mbps

eMBB

50 Mbps

eMBB

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ



7

Độ trễ
Di chuyển
Mật độ kết
nối
Hiệu suất
năng lượng
Khả năng
lưu lương
vùng
Hiệu suất
phổ
downlink
cực đại

Thời gian mạng vơ tuyến di
chuyển gói
Tốc độ tối đa cho yêu
cầu handover và QoS
Tổng số thiết bị trên một đơn
vị diện tích
Data được gửi/nhận trên mỗi
đơn vị năng lượng tiêu thụ
(theo thiết bị hoặc mạng)

4 ms

eMBB


1 ms

URLLC
eMBB /
URLLC

500 km/h
106 / km2

mMTC

Tương đương với
4G

eMBB

10 Mbps / m2

eMBB

Thông lượng trên mỗi đơn vị
băng thông không dây và
30 bit / s / Hz
trên mỗi cell.

eMBB

Tổng traffic trên tồn khu
vực phủ sóng


So sánh với các thơng số kỹ thuật mạng 4G thì có thể thấy trong 5G có yêu cầu
cho các dịch vụ cao hơn hẳn (xem Hình 1.5).

Hình 1.5: So sánh tiêu chuẩn kỹ thuật 4G và 5G
Với các tiêu chuẩn kỹ thuật như trên, mạng 5G đem lại rất nhiều kỳ vọng:
+ Các nhà quản lý kỳ vọng tạo ra một hạ tầng viễn thơng mới, thúc đẩy các loại
hình dịch vụ mới, thuận lợi hơn cho việc quản lý xã hội: quản lý dân cư, quản lý tài
nguyên, quản lý giao thơng, các dịch vụ hành chính cơng….

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


8

+ Các nhà mạng kỳ vọng cung cấp một hệ sinh thái thúc đẩy các dịch vụ mới qua
đó tạo ra những tệp khách hàng mới, thúc đẩy doanh thu cho trong bối cảnh các dịch
vụ truyền thống đến ngưỡng bão hòa.
+ Khách hàng mong muốn nhà mạng cung cấp loại hình dịch vụ đa dạng hơn,
chất lượng dịch vụ tốt hơn và giá thành phù hợp hơn….
1.3.1 Các ứng dụng phổ biến trong mạng 5G
Các ứng dụng trong mạng 5G xoay quanh 3 lớp dịch vụ:
+ Enhanced mobile broadband (eMBB): các dịch vụ di động băng rộng tốc độ
cao. Các ứng dụng eMBB có thể kể gồm: các dịch vụ VR, AR, video, giải trí,
data…Đây là các loại dịch vụ chủ yếu yêu cầu tốc độ DL/UL cao (xem Hình 1.6)

Hình 1.6: Các loại hình dịch vụ eMBB trong 5G
+ Ultra-reliable and low-latency communications (URLLC): các dịch vụ hỗ trợ

kết nối có độ trễ thấp và độ ổn định cao. Các ứng dụng URLLC có thể kể gồm: xe
tự hành, phẫu thuật từ xa, điều khiển từ xa, sản xuất tự động…Đây là các dịch vụ
yêu cầu cao về độ ổn định và độ trễ (xem Hình 1.7 và 1.8).

Hình 1.7: Các loại hình dịch vụ URLLC trong 5G

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


9

Hình 1.8: Các loại hình dịch vụ URLLC trong 5G
+ Massive machine type communications (mMTC): các dịch vụ cho phép kết nối
với số lượng lớn. Các ứng dụng mMTC có thể kể gồm: ứng dụng nông nghiệp thông
minh, cảnh báo thiên tai, các ứng dụng IoT ….Đây là các dịch vụ không yêu cầu cao
về tốc độ, tuy nhiên năng lực mạng lưới cần đảm bảo kết nối số lượng lớn thiết bị
cảm biến IoT (xem Hình 1.9)

Hình 1.9: Các loại hình dịch vụ mMTC trong 5G

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


10

Như vậy, với các lớp ứng dụng như trên; mạng 5G hứa hẹn tạo ra một hạ tầng

mới cho xã hội (xem Hình 1.10)

Hình 1.10: Các loại hình dịch vụ chung trong 5G
1.3.2 Mơ hình mạng 5G
Tổ chức 3GPP đã chuẩn hóa hai mơ hình triển khai 5G gồm:
• NSA (non-standalone access)
NR NonStand Alone (NSA) hồn thành chuẩn hóa vào năm 2017, được giới thiệu
qua các option 3, 3a, 3x tùy theo các phần tử mạng (xem Hình 1.11).

Hình 1.11: Các mơ hình kết nối NSA trong 5G
Trong kiến trúc NR NonStand Alone (NSA): các gNB & eNB cùng kết nối với
core EPC để cải thiện BW so với LTE thơng thường (xem Hình 1.12). Trong kiến
trúc NSA 3x, gNB 5G chỉ kết nối S1-U với EPC và khơng có kết nối S1-C. Trạm kết
nối S1-C thông qua eNodeB

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


11

Hình 1.12: So sánh kết nối core giữa 4G và 5G NSA
• SA (NR Stand Alone):
Triển khai option SA giúp đơn giản hóa kiến trúc mạng và nâng cao hiệu
quả mạng 5G.
- Mơ hình SA cho phép triển khai các dịch vụ 5G có yêu cầu cao hơn với yêu
cầu độ trễ rất thấp (URLLC). Ví dụ: các giao tiếp thực tế ảo, người máy, điều khiển
giao thông…
- Triển khai mạng 5G SA yêu cầu:

+ Phần core 5G đã sẵn sàng
+ Thiết bị đầu cuối người dùng (UE / CPE) hỗ trợ 5G SA
+ Tối ưu vùng phủ 5G SA và sẵn sàng việc chuyển giao (handover) sang
các lớp LTE khi cần

Hình 1.13: So sánh kết nối core giữa 5G SA và 5G SA-4G NSA
1.3.3 Tổng quan mạng 5G
a) Kiến trúc mạng core 5G:
Mạng core 5G được xây dựng dựa trên ý tưởng hướng đến phục vụ nhu cầu đa
dạng của khách hàng. Phần điều khiển (control plane - CP) và phần dịch vụ (user
plane - UP) được tách biệt. Trong mạng 5G giới thiệu khái niệm mới SBA trong đó
CP được thiết kế dựa trên yêu cầu của dịch vụ sử dụng giao diện Serive-Based (SBI)

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


12

nhờ đó có thể tách biệt các dịch vụ từ yêu cầu người dùng khỏi dịch vụ từ nhà cung
cấp (xem Hình 1.14). Điều này làm cho mạng lưới linh hoạt và hiệu quả hơn.

Hình 1.14: Kiến trúc core 5G
Một trong những thay đổi quan trọng nhất trong 5G so với các thế hệ di động
trước là việc đưa ra Network slicing - một tập hợp các NF (network function) cung
cấp các dịch vụ như một mạng đầy đủ (xem Hình 1.15). Trong đó, NSSF chọn tập
hợp các network slice có thể phục vụ theo yêu cầu của UE. Mỗi slice được cấu trúc
và tối ưu hóa cho các ứng dụng cụ thể. Network slicing cho phép nhà mạng cung
cấp các mạng ảo chuyên dụng với chức năng dành riêng cho dịch vụ hoặc khách

hàng qua cơ sở hạ tầng mạng chung. Do đó, có thể hỗ trợ cụ thể cho một phân khúc
khách hàng riêng. Điều này tạo cơ hội cho nhà mạng có cấu hình linh hoạt và năng
động dựa trên yêu cầu của khách hàng thay vì một kiến trúc cố định cho tất cả yêu
cầu. Qua đó nhà mạng có thể cung cấp trải nghiệm khách hàng tốt nhất

Hình 1.15: Kiến trúc dịch vụ trong Network slicing 5G

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ


13

Network slicing có vai trị quan trọng trong mạng 5G, cho phép hỗ trợ linh hoạt
các dịch vụ mới trên nền tảng 5G so với các mạng 4G trở về trước (xem Hình 1.16).
Dù các dịch vụ mới này đặt ra các yêu cầu cao hơn về chức năng, hiệu suất và các
thơng số QoS khác nhau

Hình 1.16: So sánh kiến trúc dịch vụ giữa 5G và 4G
b) Kiến trúc RAN 5G:
Trong 5G RAN, trạm 5G chia thành ba phần chính (xem Hình 1.17):
+ Khối xử lý trung tâm (Central Unit - CU),
+ Khối xử lý phân nhánh (Distributed Unit - DU),
+ Khối xử lý vô tuyến (Remote Radio Unit - RRU)
Thiết kế mạng truy nhập vô tuyến mới hỗ trợ ảo hóa mạng truy cập vơ tuyến
(RAN) tốt hơn. Trong đó:
• Fronthaul là kết nối giữa RRU (Remote Radio Unit) và DU thông qua các
giao diện kết nối loại CPRI hoặc eCPRI.
• Midhaul là kết nối giữa DU và CU thơng qua các giao diện kết nối F (F

interface).
• Backhaul là kết nối giữa CU và 5G CN (NG interface); giữa các CUs (Xn
interface).
Trong một số trường hợp, CU và DU cùng lắp trong gNB. Lúc đó, kết nối RRU
đến gNB là fronthaul và kết nối gNB đến 5G CN là backhaul (xem Hình 1.18).

THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.

Lưu hành nội bộ