BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - VŨ VĂN SƠN TỐI ƯU PHÂN BỔ TÀI NGUYÊN TRONG CÁC MẠNG TRUYỀN THÔNG KHÔNG DÂY SỬ DỤNG PHÂN TÍCH DỮ LIỆU LỚN LUẬN VĂN THẠC SĨ KHOA HỌC HỆ THỐNG THÔNG TIN HÀ NỘI - 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - VŨ VĂN SƠN TỐI ƯU PHÂN BỔ TÀI NGUYÊN TRONG CÁC MẠNG TRUYỀN THÔNG KHÔNG DÂY SỬ DỤNG PHÂN TÍCH DỮ LIỆU LỚN LUẬN VĂN THẠC SĨ KHOA HỌC HỆ THỐNG THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC TS NGUYỄN TIẾN HÒA Hà Nội – 2020 LỜI CAM ĐOAN Tơi xin cam đoan kết trình bày luận văn cơng trình nghiên cứu hướng dẫn cán hướng dẫn Các số liệu, kết trình bày luận văn hồn tồn trung thực chưa cơng bố cơng trình trước Các kết sử dụng tham khảo trích dẫn đầy đủ theo quy định Hà Nội, Ngày tháng năm 2020 Tác giả LỜI NÓI ĐẦU Trong 40 năm qua, giới chứng kiến phát triển vượt bậc công nghệ di động tế bào (Cellular Networks) Những năm 1980, công nghệ 2G đời đáp ứng dịch vụ thoại data với tốc độ thấp (Kbps), sau đến 3G đáp ứng tốc độ Mbps, công nghệ 4G đạt tốc độ hàng trăm Mbps Các công nghệ di động phát triển, phủ sóng, đảm bảo kết nối internet tới nơi trái đất, tiền đề hạ tầng kết nối để tạo mạng IoT (Internet of Things) với hàng tỷ thiết bị đầu cuối cung cấp dịch vụ Mỗi công nghệ đời, kỹ thuật đưa vào sử dụng Ở mạng di động 2G có kỹ thuật phân chia theo thời gian tần số (TDMA + FDMA) Mạng di động 3G có kỹ thuật trải phổ chuỗi trực tiếp (DS-CDMA) Mạng di động 4G có kỹ thuật ghép kênh phân chia theo tần số trực giao (OFDMA) Các kỹ thuật đưa để xử lý vấn đề mà công nghệ yêu cầu (đảm bảo tốc độ, chất lượng dịch vụ, giảm nhiễu ) Mạng di động hệ (5G) giới nghiên cứu, chuẩn hóa, thử nghiệm với mục tiêu tốc độ đạt hàng Gbps, độ trễ thấp, mức độ tin cậy cao để đáp ứng hạ tầng mạng cho dịch vụ yêu cầu thời gian thực như: Giao thông thông minh (ô tô tự lái), y tế từ xa, điều khiển robot Vì vậy, việc chọn thuật tốn, kỹ thuật, chuẩn kết nối để phù hợp với mục tiêu mạng 5G yêu cầu cần thiết Một cơng nghệ có tiềm giải u cầu mạng 5G đưa cơng nghệ nhiều đầu vào, nhiều đầu ra, sử dụng nhiều antenna mật độ dày (Massive MIMO) kết hợp với điều khiển búp sóng (Beamforming) Công nghệ cho phép sử dụng quỹ tài ngun tần số, cơng suất có khả phục vụ nhiều người với hiệu suất sử dụng phổ lượng cao Tuy nhiên, số lượng người dùng lớn, công nghệ Massive MIMO kết hợp Beamforming làm tăng số lượng kết nối mạng di động (cả số lượng + lưu lượng kết nối) dẫn đến lượng liệu trao đổi người dùng (user) trạm thu phát (BS) lớn, ảnh hưởng đến hiệu xử lý hệ thống Các hệ thống Massive MIMO nghiên cứu tập trung vào phân bổ tài nguyên tế bào mạng Trong mạng di động tế bào, đặc điểm quan trọng tính di động (Mobility), user trao đổi với tế bào mà trao đổi thông tin với nhiều tế bào (BS) để giữ kết nối suốt trình di chuyển từ tế bào sang tế bào khác Số lượng user lớn kết hợp với Masive MIMO sinh lượng liệu lớn thông tin kênh truyền cần trao đổi với BS Việc chia sẻ thông tin với lượng liệu lớn nhiều BS yêu cầu việc quản lý nghiêm ngặt Luận văn với nội dung “Tối ưu phân bổ tài nguyên mạng truyền thơng khơng dây sử dụng phân tích liệu lớn” với mục tiêu đưa phương pháp xử lý để tối ưu tài nguyên công suất mạng 5G Luận văn so sánh phương pháp tập trung phân tán để tối thiểu hóa lượng với ràng buộc chất lượng cho toàn người dùng hệ thống mạng Việc phân tích độ phức tạp thuật toán, số lượng tham số cần trao đổi trạm thu phát hội tụ việc thực lặp lại phân tích cụ thể Trong q trình nghiên cứu phịng Lab Mạch Xử lý tín hiệu – Viện Điện tử Viễn thơng dẫn dắt TS Nguyễn Tiến Hịa, em học hỏi nhiều kiến thức bổ ích rèn luyện kỹ làm việc cần thiết Đây kiến thức giúp đỡ em nhiều trình học tập làm việc Em xin gửi lời cảm ơn đến thầy Nguyễn Tiến Hòa định hướng nghiên cứu, cung cấp tài liệu để em hồn thành luận văn tốt nghiệp cách tốt Mặc dù cố gắng hồn thành luận văn chắn khơng tránh khỏi sai sót Em kính mong nhận cảm thơng, bảo tận tình q thầy Em xin chân thành cảm ơn! Hà Nội, Ngày tháng năm 2020 TÓM TẮT LUẬN VĂN Luận văn so sánh hai phương pháp tập trung phân tán để giải vấn đề tối thiểu hóa lượng với ràng buộc chất lượng dịch vụ (QoS) đường xuống (DL) hệ thống đa đầu đa đầu vào (MIMO) đa cell Cụ thể luận văn nghiên cứu độ phức tạp tính tốn, số lượng tham số cần trao đổi trạm gốc (BS) hội tụ việc thực lặp lại Mặc dù việc triển khai phân tán dựa phân tách kép (chỉ yêu cầu thông tin kênh thống kê BS) thường hội tụ đến mức tối ưu toàn cục sau vài lần lặp, nhiều tham số cần trao đổi để đạt hội tụ ABSTRACT This thesis compares centralized and distributed methods to solve the power minimization problem with quality-of-service (QoS) constraints in the downlink (DL) of multi-cell Massive multiple-input multiple-output (MIMO) systems In particular, we study the computational complexity, number of parameters that need to be exchanged between base stations (BSs), and the convergence of iterative implementations Although a distributed implementation based on dual decomposition (which only requires statistical channel knowledge at each BS) typically converges to the global optimum after a few iterations, many parameters need to be exchanged to reach convergence Mục lục MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT iii DANH MỤC HÌNH VẼ iv DANH MỤC BẢNG vi DANH MỤC CÁC KÝ HIỆU TOÁN HỌC Chương GIỚI THIỆU LUẬN VĂN Chương TỔNG QUAN LÝ THUYẾT vii 12 2.1 Lý thuyết xác suất 12 2.1.1 Phân bố Gaussian phức 12 2.1.2 Tính hội tụ biến ngẫu nhiên 13 2.2 Lý thuyết tổng quan tối ưu 15 2.3 Độ phức tạp tính tốn giải toán tối ưu sử dụng liệu lớn 17 2.4 Giới thiệu kỹ thuật truyền dẫn MIMO sử dụng cực nhiều ăng-ten (Massive MIMO) 18 2.5 Khái niệm beamforming 20 2.6 Kết luận chương 23 Chương TRIỂN KHAI MƠ HÌNH HỆ THỐNG 24 3.1 Mơ hình hệ thống 24 3.2 Truyền tải đường xuống 26 3.3 Xây dựng vấn đề tối thiểu tổng công suất truyền tải 29 i 3.4 Thực thi phân tán phân tích đối ngẫu 30 3.4.1 Thực thi phân tán 31 3.4.2 Chi tiết thực thi phân tán 31 3.4.3 Phân tích độ phức tạp thuật tốn toán tối ưu (3.31) 37 3.5 Kết luận chương 38 Chương KẾT QUẢ MÔ PHỎNG VÀ KẾT LUẬN 39 4.1 Kết mô 39 4.2 So sánh phương pháp thực tập trung phân tán 41 4.3 Kết luận 44 TÀI LIỆU THAM KHẢO 46 ii i,∗,(n) i,∗,(n) tối ưu tổng quan thu từ vòng n từ L vấn đề phụ θ˜l,k với θl,k (3.31) Phương pháp chiếu phụ (The subgradient projection method) [15] sử dụng để tính tốn hệ số nhân Lagrange sau i,(n+1) λl,k i,∗,(n) i,∗,(n) i,(n) − θl,k = λl,k − ς (n) θ˜l,k , ∀l, i, k, (3.40) + ς (n) kích thước bước dương lần lặp n [·]+ hình chiếu lên chỉnh lưu khơng âm Nếu vấn đề giải BS tùy ý, thu tham số quán 2K(L − 1)2 từ BS lại L − i,(n) Hệ số nhân Lagrange 2K(L − 1) cập nhật λl,(n) i,k λl,k , ∀i, l, k, i = L nên gửi lại cho BS l lần lặp Tổng cộng, số lượng tham số trao đổi cho lần lặp 4K(L − 1)2 Việc triển khai phân phối đề xuất vấn đề (3.24) trình bày Thuật tốn 3.4.2 Thuật Tốn 3.4.2 (t) Vấn đề thực thi phân tán cho toán (3.24) Input: i,(1) i , ∀, l, i, k ; Khởi tạo hệ số nhân Lagrange λ Pmax,l , ∀l; ξl,k , ∀l, k ; βl,k l,k , ∀l, i, k ; Khởi tạo n = ς (1) Iteration n: 1.1 BS l giải vấn đề (3.31) sử dụng λi,(n) l,k từ mức ∗,(n) 1.2 BS l lưu công suất tối ưu tại: ρ∗,(n) = ρ˜l,k , ∀l, k l,k i,∗,(n) i,∗,(n) 1.2 BS l gửi giá trị tối ưu θ˜l,k θl,k , ∀l, i, k, tới mức 1.3 Cập nhập λi,(n+1) sử dụng (3.40) gửi lại BS l l,k If Tiêu chí dừng vịng lặp thỏa mãn → Dừng Ngược lại, quay lại bước 3 Xem set n = n + cập nhập ς (n+1) , Đi tới bước Output: Nghiệm tối ưu: ρ∗l,k = ρ(n) l,k ∀l, k Hơn nữa, thuộc tính hội tụ Thuật tốn 3.4.2 thiết lập định lý sau 36 Định lý 3.4.3 Nếu kích thước bước ς (n) đủ nhỏ, việc triển khai phân tán Thuật toán 3.4.2 mang lại giải pháp tối ưu cho (3.24) Chứng minh Các hàm ràng buộc vấn đề (3.31) hồn tồn lồi, đó, giải pháp cho vấn đề kép (3.39) hội tụ đến giá trị tối ưu toàn cục với i i θl,k − θ˜l,k → 0, ∀l, i, k, (3.41) chứng thực [17, 24] Do đó, việc thực tập trung phân tán có giải pháp tối ưu 3.4.3 Phân tích độ phức tạp thuật tốn tốn tối ưu (3.31) Bởi vấn đề (3.31) chứa ràng buộc SOC, phương pháp điểm nội tiêu chuẩn (Standard interior-point method - IPM) [13, 25] sử dụng để tìm nghiệm tối ưu Thời gian chạy trường hợp xấu tính sau Định nghĩa 1: Với sai số l, ˜i, , θl,k coi -giải > 0, tập hợp ρ˜l,k , sl , θi,k pháp vấn để (3.31) if sl ≤ s∗l + , (3.42) với s∗l nghiệm tối ưu vấn đề (3.31) Số lượng biến định vấn đề (3.31) theo thứ tự m = O (K(2L − 1) + 1) O(·) đại diện cho ký hiệu big-O, có Bổ đề 3.4.4 Bổ đề 3.4.4 Độ phức tạp tính tốn để có -giải pháp tới vấn đề (3.31) δ LK + 6LK + KL2 + 6LK + 3K + + m2 m, (3.43) với giá trị δ xác định sau δ = ln( −1 √ ) 2LK + (3.44) Chứng minh Đầu tiên, vấn đề (3.31) có ràng buộc K SOC thứ nguyên (K + L + 1), (L − 1)K + ràng buộc SOC thứ nguyên (K + 2), ràng 37 buộc SOC thứ nguyên (K + 1) Dựa quan sát này, người ta làm theo bước tương tự [26, Section V-A] để đến (3.43) Lưu ý thuật ngữ δ in (3.43) thứ tự số lần lặp yêu cầu để đạt -solution cho vấn đề (3.31) thuật ngữ lại biểu thị tính tốn lần lặp chi phí [26, 27] 3.5 Kết luận chương Trong chương này, xây dựng tốn tối thiểu tổng cơng suất với điều kiện ràng buộc chất lượng dịch vụ cho người dùng, vấn đề giới hạn cơng suất trạm phát Nếu tốn thực thi tập trung, vấn đề tối ưu tốn tối ưu tuyến tính, cho phép hệ thống thu thập liệu chứa thơng tin đặc tính kênh truyền sau tìm điểm tối ưu tồn cục Nếu tốn thực thi phân tán, có dạng tốn tối ưu nón bậc hai, cho phép trạm BS tối ưu công suất cấp phát đến người dùng Để đạt điểm tối ưu toàn cục, lý thuyết đối ngẫu Langrange sử dụng Hơn nữa,độ phức tạp tính tốn ước lượng 38 Chương KẾT QUẢ MÔ PHỎNG VÀ KẾT LUẬN Tiếp theo, nghiên cứu hội tụ phương pháp phân tách kép Với thông số chung cho việc mô liệt kê thông qua bảng 4.1 Hệ số fading quy mô lớn mơ hình hóa theo mơ hình suy hao khơng gian tự với hệ số mũ suy hao αL = 3.75 l l l , (4.1) = −148.1 − 37.5 log10 (dll,k ) + zl,k [dB] = −148.1 − 10αL log10 (dll,k ) + zl,k βl,k l tuân theo phân phối Gaussian thơng thường với biến bóng mờ dần zl,k thể tiêu chuẩn dB Số nhân Lagrange ban đầu chọn λi,(1) l,k = 0, ∀l, i, k , kích thước bước (3.40) xác định ς (n) = 0.01 Tiền mã hóa ZF sử dụng cho mơ Kết Monte-Carlo thu 1000 nhận biết khác vị trí người dùng 4.1 Kết mơ Hình 4.1 biểu diễn giá trị hệ số fading quy mô lớn sử dụng công thức (4.1) cho mạng mạng tế bào có 64 trạm BSs Bởi vị trí người dùng tn theo phân bố ngẫu nghiên đồng (uniform distribution), kết lấy trung bình qua nhiều vị trí người dùng khác Hình vẽ chứng thực người dùng phục vụ bới trạm BS cho giá trị fading quy mô lớn lớn thể đường chéo ảnh Các trạm BS xa cho hệ số fading lớn nhỏ nguồn gây nhiễu Hơn nữa, góc phải trái dưới, hệ số fading lớn có giá trị tương đối lớn kỹ thuật bao viền (wrapped arround) sử dụng để mô mạng tế bào quy mô lớn 39 Bảng 4.1: Bảng thông số mô Thông số Số lượng tế bào Sô antenna trạm thu phát Số tín hiệu khoảng tương quan Tổng công suất Công suất tối đa cho người dùng Chất lượng dịch vụ Nhiễu nhiệt Diện tích vùng phủ sóng Băng thơng Giá trị 500 200 40 W 200 mW 0,5 b/s/Hz -96 dBm km2 20 MHz -0.011 -0.0115 -0.012 -0.0125 -0.013 -0.0135 -0.014 -0.0145 -0.015 Hình 4.1: Biểu đồ màu cho số pha-đing mức lớn dạng 2D Hình 4.3 cho thấy xác suất số lần lặp mà Thuật toán 3.4.2 cần đạt 95 % mức tối ưu toàn cục cho (a) K = (b) ) K = 10 Thuật toán 3.4.2 hội tụ đến giá trị mục tiêu mong muốn sau vài lần lặp Ví dụ: với K = 10, 12, 4% việc thực vị trí người dùng cần lần lặp để đạt 95 % mức tối ưu toàn cục Nếu số lần lặp 400 mức tối đa để chấm dứt thuật toán cho việc thực người dùng gặp rắc rối để đạt 95 % mức tối ưu tồn cục, có 1, 4% việc thực người dùng vấn đề Trong đó, cách so sánh Fig 4.3 a Fig 4.3b, quan sát Thuật toán 3.4.2 yêu cầu nhiều lần lặp để hội tụ tối 40 0.8 K=1 Xác suất 0.6 0.4 0.2 0 200 Tổng số vịng lặp 400 Hình 4.2: Phân phối số lần lặp yêu cầu cho Thuật tốn 3.4.2 để đạt 95% tối ưu tồn cục với tế bào có K = người dùng ưu toàn cục tăng số lần lặp tối ưu tồn cục người dùng mạng Hình 4.4 đưa xác suất phân phối tích lũy (CDF) QoS thực tế cho người dùng thuật toán đạt 95 % mức tối ưu toàn cục Kết xác nhận việc triển khai phân tán đề xuất đáp ứng yêu cầu QoS hầu hết người dùng, số nhận QoS thấp chút số cao Tuy nhiên, khoảng cách hiệu suất thuật toán đề xuất đối tác tập trung rộng số lượng người dùng tăng lên, chủ yếu theo nghĩa người dùng nhận QoS cao so với yêu cầu 4.2 So sánh phương pháp thực tập trung phân tán Bảng 4.2 tóm tắt tổng số biến tối ưu tham số trao đổi cho tập trung hai triển khai phân tán Trong bảng này, N đại diện cho số lần lặp 41 0.8 K = 10 Xác suất 0.6 0.4 0.2 0 200 Tổng số vịng lặp 400 Hình 4.3: Phân phối số lần lặp yêu cầu cho Thuật tốn 3.4.2 để đạt 95% tối ưu tồn cục với tế bào có K = 10 người dùng Bảng 4.2: Tổng số biến tối ưu biến trao đổi cho phương pháp Phương pháp Thực thi tập trung Phân tán Phân tán đối ngẫu Nơi thực Mạng trung tâm Trạm thu phát Trạm thu phát Tổng số biến tối ưu KL KL2 2KL2 −KL + L Tổng số lượng biến trao đổi 2KL2 + 2KL 2K(L − 1)2 L +K(L − 1)L 4K(L − 1)2 N +2K(L − 1)L sử dụng thuật toán phân tách kép để đạt hội tụ Mặc dù cách tiếp cận phân tán sử dụng phân tách kép chia (3.24) thành toán L BS tối ưu tồn cục hệ số kiểm sốt cơng suất, đưa biến tối ưu dẫn đến số lượng lớn biến tối ưu, hai so sánh toán với toán tập trung Lưu ý vấn đề toàn cục chương trình tuyến tính, tốn chương trình SOC, phức tạp để giải số lượng biến tối ưu Tổng số tham số trao đổi với cách tiếp cận phân tách kép nhỏ dạng triển khai phân tán, N thường nhỏ Phần Tuy nhiên, trường hợp số lần lặp cần thiết cho phương pháp 42 0.8 CDF 0.6 0.4 0.2 10!2 0.5 b/s/Hz 10!1 100 QoS [b/s/Hz] K=1 K = 10 101 Hình 4.4: Giá trị thực QoS [b/s/Hz] người dùng đạt 95% giá trị tối ưu toàn cục phân tách kép tăng lên, số lượng tham số trao đổi vượt số lần thực hai lần triển khai khác Không giống mạng quy mơ nhỏ, hệ số fading quy mơ nhỏ từ ăng ten đến người dùng cần trao đổi để giải vấn đề tập trung, Massive MIMO cần trao đổi vài thông số thống kê cho người dùng Do đó, Massive MIMO, việc thực phân tán phân tách kép không mang lại giảm đáng kể tín hiệu truyền dẫn so với đối tác tập trung; bản, hệ thuộc tính làm cứng kênh [16] 43 4.3 Kết luận Luận văn so sánh triển khai phân tán tập trung vấn đề giảm thiểu công suất phát tổng thể với yêu cầu QoS hệ thống Massive MIMO đa tế bào Trong triển khai phân tán dựa phân tách kép, BS độc lập đồng thời giảm thiểu tối đa khả truyền nó, đồng thời kiểm sốt nhiễu tế bào dựa hệ số nhân Lagrange {λil,k } cung cấp a thực thể trung tâm, tập hợp tham số i ,θ ˜i } nên gửi danh nghĩa đại diện cho cường độ giao thoa lẫn {θl,k l,k đến thực thể trung tâm để cập nhật số nhân Lagrange Phương pháp lặp hội tụ đến mức tối ưu toàn cục sau vài lần lặp (trong hầu hết lần thực vị trí người dùng) hội tụ đảm bảo mặt lý thuyết Trong mạng MIMO quy mô nhỏ, cách tiếp cận làm giảm đáng kể độ phức tạp tính tốn tín hiệu truyền dẫn Tuy nhiên, hệ thống MIMO lớn, việc triển khai phân tán không mang lại giảm đáng kể lượng thông tin trao đổi, kênh mơ tả vài tham số Do đó, vấn đề phân bổ tài nguyên liên quan đến hệ số mờ dần quy mô lớn, việc triển khai tập trung ưu tiên tín hiệu backhaul độ phức tạp Như công việc giải luận văn bao gồm: • Đưa thuật tốn phân tán tín hiệu mà thu nghiệm tối ưu cho tồn hệ thống • Lựa chọn liệu cần trao đổi trạm thu phát hệ thống mạng • Giới hạn độ phức tạp thuật toán phương pháp lặp Thông qua việc giải vấn đề trình bày luận văn, hướng phát triển cho đóng góp luận văn sau: 44 • Đề xuất triển khai hệ thống tính tốn phân tán trạm BS sẵn có, tích hợp lên phần cứng, chip • Tích hợp điều kiện giới hạn xử lý báo hiệu mạng lõi (limitted backhaul signalling) 45 Tài liệu tham khảo [1] J Jeon, “NR Wide Bandwidth Operations,” IEEE Communications Magazine, vol 56, no 3, pp 42–46, March 2018 [2] H Ji, S Park, J Yeo, Y Kim, J Lee, and B Shim, “Ultra-Reliable and Low-Latency Communications in 5G Downlink: Physical Layer Aspects,” IEEE Wireless Communications, vol 25, no 3, pp 124–130, Jun 2018 [3] Z Ding, F Adachi, and H V Poor, “The Application of MIMO to NonOrthogonal Multiple Access ,” IEEE Transactions on Wireless Communications, vol 15, no 1, pp 537–552, Jan 2016 [4] T Yoon, T H Nguyen, X T Nguyen, D Yoo, B Jang, and V D Nguyen, “Resource Allocation for NOMA-based D2D Systems Coexisting with Cellular Networks,” IEEE Access, vol 6, pp 66293–66304, 2018 [5] J Choi, “Minimum power multicast beamforming with superposition coding for multi-resolution broadcast and application to NOMA systems,” IEEE Transactions on Communications, vol 63, no 3, pp 791–800, March 2015 [6] M Zeng, A Yadav, O A Dobre, and H V Poor, “Energy-Efficient Power Allocation for MIMO-NOMA With Multiple Users in a Cluster,” IEEE Access, vol 6, pp 5170–5181, 2018 [7] Y Li and G A A Baduge, “NOMA-Aided Cell-Free Massive MIMO Systems,” IEEE Wireless Communications Letters, vol 7, pp 950–953, Dec 2018 [8] X Chen, F Gong, G Li, H Zhang, and P Song, “User Pairing and Pair 46 Scheduling in Massive MIMO-NOMA Systems,” IEEE Communications Letters, vol 22, no 4, pp 788–791, April 2018 [9] J Ma, C Liang, C Xu, and L Ping, “On Orthogonal and Superimposed Pilot Schemes in Massive MIMO-NOMA Systems,” IEEE Journal on Selected Areas in Communications, vol 35, no 12, pp 2696–2707, Dec 2017 [10] W Hao, M Zeng, Z Chu, and S Yang, “Energy-Efficient Power Allocation in Millimeter Wave Massive MIMO With Non-Orthogonal Multiple Access,” IEEE Wireless Communications Letters, vol 6, no 6, pp 782– 785, Dec 2017 [11] T V Chien, E Bjăornson, and E G Larsson, “Joint Pilot Design and Uplink Power Allocation in Multi-Cell Massive MIMO Systems,” IEEE Transactions on Wireless Communications, vol 17, pp 2000–2015, March 2018 [12] H Tabassum, M S Ali, E Hossain, M Hossain, D I Kim, et al., “Nonorthogonal multiple access (NOMA) in cellular uplink and downlink: Challenges and enabling techniques,” arXiv preprint arXiv:1608.05783, 2016 [13] S Boyd and L Vandenberghe, Convex Optimization Cambridge Uni- versity Press, 2004 [14] S Boyd, L Xiao, A Mutapcic, and J Mattingley, “Primal and dual decomposition: Notes on decomposition methods.” [Online] Available: https://stanford.edu/class/ee364b/lectures.html [15] D Palomar and M Chiang, “A tutorial on decomposition methods for network utility maximization,” IEEE J Sel Areas Commun., vol 24, no 8, pp 1439–1451, 2006 47 [16] T L Marzetta, E G Larsson, H Yang, and H Q Ngo, Fundamentals of Massive MIMO Cambridge University Press, 2016 [17] E Bjăornson and E Jorswieck, Optimal resource allocation in coordinated multi-cell systems,” Foundations and Trends in Communications and Information Theory, vol 9, no 2-3, pp 113–381, 2013 [18] A Adhikary, A Ashikhmin, and T L Marzetta, “Uplink interference reduction in large-scale antenna systems,” IEEE Trans Wireless Commun., vol 65, no 5, pp 2194–2206, 2017 [19] A Zappone, L Sanguinetti, G Bacci, E Jorswieck, and M Debbah, “Distributed energy-efficient UL power control in Massive MIMO with hardware impairments and imperfect CSI,” in Proc IEEE ISWCS, 2015, pp 311–315 [20] H Asgharimoghaddam, A Tolli, and N Rajatheva, “Decentralizing the optimal multi-cell beamforming via large system analysis,” in Proc IEEE ICC, 2014, pp 5125–5130 [21] S Kay, Fundamentals of Statistical Signal Processing: Estimation Theory Prentice Hall, 1993 [22] T V Chien and E Bjăornson, Massive MIMO Communications Springer International Publishing, 2017, pp 77116 [23] CVX Research Inc., “CVX: Matlab software for disciplined convex programming, academic users, http://cvxr.com/cvx, 2015 [24] H Pennanen, A Tăolli, and M Latva-aho, “Decentralized coordinated downlink beamforming via primal decomposition,” IEEE Signal Process Lett., vol 18, no 11, pp 647–650, 2011 [25] A Ben-Tal and A Nemirovski, Lectures on Modern Convex Optimization Society for Industrial and Applied Mathematics, 2001 48 [26] K.-Y Wang, A M.-C So, T.-H Chang, W.-K Ma, and C.-Y Chi, “Outage constrained robust transmit optimization for multiuser MISO downlinks: Tractable approximations by conic optimization,” IEEE Trans Signal Process., vol 62, no 21, pp 5690–5705, Nov 2014 [27] T A Le, Q.-T Vien, H X Nguyen, D W K Ng, and R Schober, “Robust chance-constrained optimization for power-efficient and secure SWIPT systems,” IEEE Trans Green Comm and Networking, vol 1, no 3, pp 333–346, 2017 [28] Ansuman Adhikary, Alexei Ashikhmin, and Thomas L Marzetta Uplink interference reduction in large-scale antenna systems IEEE Transactions on Communications, 65(5):2194–2206, 2017 [29] Hossein Asgharimoghaddam, Antti Tăolli, and Nandana Rajatheva Decentralizing the optimal multi-cell beamforming via large system analysis In 2014 IEEE International Conference on Communications (ICC), pages 5125–5130 IEEE, 2014 [30] Huy-Dung Han, Dang-An Nguyen, Van-Duc Nguyen, Tien-Hoa Nguyen, and Muhammad Zia Pilot decontamination for multi-cell massive mimo systems using asynchronous pilot design and data-aided channel estimation Physical Communication, 30:76–85, 2018 [31] Tien Hoa Nguyen, The Khai Nguyen, Huy Dung Han, et al Optimal power control and load balancing for uplink cell-free multi-user massive mimo IEEE access, 6:14462–14473, 2018 [32] Hai Tran, Tuan-Anh Mai, Son Dang, and Hoang-Anh Ngo Large-scale mu-mimo uplink channel estimation using sounding reference signal In 2018 2nd International Conference on Recent Advances in Signal Processing, Telecommunications & Computing (SigTelCom), pages 107– 110 IEEE, 2018 49 [33] Kien T Truong and Robert W Heath Effects of channel aging in massive mimo systems Journal of Communications and Networks, 15(4):338– 351, 2013 [34] Trinh Van Chien, Emil Bjăornson, and Erik G Larsson Joint power allocation and user association optimization for massive mimo systems IEEE Transactions on Wireless Communications, 15(9):6384–6399, 2016 [35] L Wang, H Tang, H Wu, and G L Stă uber Resource Allocation for D2D Communications Underlay in Rayleigh Fading Channels IEEE Transactions on Vehicular Technology, 66(2):1159–1170, Feb 2017 [36] Alessio Zappone, Luca Sanguinetti, Giacomo Bacci, Eduard Jorswieck, and Mérouane Debbah Distributed energy-efficient ul power control in massive mimo with hardware impairments and imperfect csi In 2015 International Symposium on Wireless Communication Systems (ISWCS), pages 311–315 IEEE, 2015 50 ... - VŨ VĂN SƠN TỐI ƯU PHÂN BỔ TÀI NGUYÊN TRONG CÁC MẠNG TRUYỀN THÔNG KHÔNG DÂY SỬ DỤNG PHÂN TÍCH DỮ LIỆU LỚN LUẬN VĂN THẠC SĨ KHOA HỌC HỆ THỐNG THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA... Việc chia sẻ thông tin với lượng liệu lớn nhiều BS yêu cầu việc quản lý nghiêm ngặt Luận văn với nội dung ? ?Tối ưu phân bổ tài nguyên mạng truyền thơng khơng dây sử dụng phân tích liệu lớn? ?? với mục... l tối ưu cục khả truyền tới người dùng K sử dụng thông tin phần Các giả định sau thực để phân bổ công suất cho truyền tuyến xuống: BS l sở hữu thông tin thống kê bao gồm hệ số mờ dần quy mơ lớn