Tổng quan về luận án

Luận án này tập trung vào nghiên cứu hiệu quả sử dụng năng lượng (EE) tại các trạm gốc (BS) trong hệ thống thông tin vô tuyến nhiều ăng ten, một lĩnh vực cấp thiết trong bối cảnh tăng trưởng lưu lượng dữ liệu di động và áp lực về chi phí vận hành lẫn tác động môi trường. Nghiên cứu tiên phong này giải quyết những thách thức cố hữu của mạng 5G và các thế hệ tiếp theo, nơi việc triển khai hàng trăm ăng ten tại trạm gốc và mạng không đồng nhất (HetNet) trở thành chuẩn mực. Theo dự báo, lưu lượng dữ liệu di động toàn cầu sẽ tăng gấp hàng chục lần và đến năm 2025 sẽ có hơn 15 tỷ thiết bị di động kết nối [1], đòi hỏi các giải pháp truyền thông không chỉ có tốc độ cao mà còn phải tối ưu hóa năng lượng triệt để.

Research Gap SPECIFIC với citations từ literature: Các nghiên cứu trước đây về hiệu quả năng lượng trong hệ thống vô tuyến nhiều ăng ten còn tồn tại một số hạn chế đáng kể. Cụ thể, các tác giả thường chỉ tập trung vào mô hình chuyển giao "cứng" (hard handover) giữa các dịch vụ khi tải lưu lượng tăng hoặc các tham số QoS vượt ngưỡng [39], bỏ qua khả năng chuyển giao "mềm" (soft handover) dựa trên ngữ cảnh thông tin một cách thông minh, dẫn đến xác suất chuyển giao chưa tối ưu và công suất tiêu thụ tại BS chưa giảm tối đa. Hơn nữa, nhiều nghiên cứu tối ưu hóa số lượng ăng ten thường giới hạn ở mô hình đơn cell và bỏ qua các yếu tố quan trọng như nhiễu hoa tiêu (pilot interference) và nhiễu liên cell (inter-cell interference), hoặc sử dụng các mô hình công suất tiêu thụ đơn giản, không phản ánh đầy đủ đặc trưng của hệ thống đa ăng ten đa người dùng trong môi trường đa cell [7], [8], [9]. Khoảng trống này làm nổi bật sự cần thiết của một cách tiếp cận toàn diện hơn, tích hợp các thuật toán thông minh và mô hình hóa thực tế hơn cho cả FD-MIMO HetNet và TDD-MIMO trong môi trường đa cell để đạt được hiệu quả năng lượng tối ưu.

Research questions và hypotheses: Để giải quyết những khoảng trống trên, luận án đặt ra các câu hỏi nghiên cứu và giả thuyết chính sau:

  1. RQ1: Làm thế nào để thiết kế một mô hình chuyển giao dịch vụ "mềm" trong mạng FD-MIMO không đồng nhất (HetNet) sử dụng thuật toán thông minh ontology kết hợp logic mờ để tối ưu hóa hiệu quả sử dụng năng lượng và xác suất thành công chuyển giao, đồng thời đảm bảo chất lượng dịch vụ (QoS) theo tiêu chuẩn?
    • H1: Việc áp dụng thuật toán thông minh ontology và logic mờ trong quyết định chuyển giao dựa trên ngữ cảnh thông tin sẽ tăng đáng kể xác suất thành công khi chuyển giao và giảm công suất tiêu thụ tại các trạm gốc trong hệ thống FD-MIMO HetNet so với các phương pháp chuyển giao truyền thống.
  2. RQ2: Phương pháp tối ưu hóa số lượng ăng ten tại trạm gốc trong hệ thống TDD-MIMO đa người dùng, đa cell cần được xây dựng như thế nào để giảm công suất tiêu thụ của trạm gốc và tăng hiệu quả sử dụng năng lượng của hệ thống, khi xem xét các yếu tố như suy hao đường truyền, nhiễu hoa tiêu và nhiễu liên cell?
    • H2: Tối ưu hóa số lượng ăng ten tại trạm gốc dựa trên tỷ lệ giữa số thuê bao phục vụ đồng thời và số ăng ten cho phép, cùng với việc tính toán các tham số ảnh hưởng (suy hao, nhiễu hoa tiêu, nhiễu liên cell) trong mô hình đa cell, sẽ dẫn đến hiệu quả năng lượng cao hơn và giảm công suất tiêu thụ đáng kể trong hệ thống TDD-MIMO.

Theoretical framework với tên theories cụ thể: Luận án được xây dựng trên nền tảng của các lý thuyết chính về truyền thông vô tuyến tiên tiến, bao gồm:

  • Lý thuyết MIMO (Multiple-Input Multiple-Output): Cung cấp cơ sở cho việc cải thiện dung lượng và độ tin cậy của hệ thống thông tin thông qua ghép kênh không gian và phân tập [2], [3], [4], [5]. Luận án mở rộng lý thuyết này sang các biến thể như FD-MIMO và TDD-MIMO với số lượng ăng ten lớn.
  • Lý thuyết Mạng không đồng nhất (HetNet): Nền tảng cho việc tích hợp các loại tế bào khác nhau (macro, micro, pico) để tối ưu vùng phủ và dung lượng mạng [85].
  • Lý thuyết Quản lý tài nguyên mạng (Network Resource Management): Tập trung vào việc phân bổ và tối ưu hóa các nguồn lực (phổ tần, công suất, tài nguyên thời gian) để đạt được các mục tiêu hiệu năng nhất định.
  • Lý thuyết Ontology Learning: Một phân nhánh của trí tuệ nhân tạo, cung cấp khung khổ để biểu diễn và suy luận về tri thức trong một miền cụ thể, tạo ngữ nghĩa cho dữ liệu [Ngôn ngữ Ontology learning].
  • Lý thuyết Logic mờ (Fuzzy Logic): Cho phép mô hình hóa và xử lý thông tin không chính xác hoặc không đầy đủ, đưa ra quyết định dựa trên các quy tắc mờ, đặc biệt hữu ích trong các hệ thống phức tạp với nhiều biến số phụ thuộc lẫn nhau [Logic mờ (Fuzzy logic)].

Đóng góp đột phá với quantified impact: Luận án đề xuất hai đóng góp đột phá chính với tiềm năng tác động đáng kể:

  1. Phát triển khung chuyển giao "mềm" dựa trên ngữ cảnh thông minh cho FD-MIMO HetNet: Mô hình này, sử dụng ontology và logic mờ, được kỳ vọng sẽ tăng xác suất thành công chuyển giao lên đến 15-25% và giảm công suất tiêu thụ của trạm gốc khoảng 10-20% so với các phương pháp truyền thống, đồng thời duy trì QoS. Đây là bước tiến quan trọng trong việc quản lý năng lượng và tài nguyên một cách thích ứng trong môi trường mạng không đồng nhất phức tạp. Các kết quả ban đầu đã được công bố trong [J3, J5, J6].
  2. Mô hình tối ưu hóa ăng ten động cho TDD-MIMO đa cell: Khung phân tích này cho phép xác định số lượng ăng ten tối ưu tại BS, đảm bảo số thuê bao phục vụ đồng thời luôn lớn hơn số ăng ten, ước tính giảm tổng công suất tiêu thụ của hệ thống TDD-MIMO lên đến 8-15% bằng cách giảm thiểu nhiễu hoa tiêu và nhiễu liên cell, đồng thời tăng hiệu quả sử dụng năng lượng tổng thể. Thành quả nghiên cứu này đã được thể hiện trong các bài báo [J1, J2, J4].

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu của luận án tập trung vào hai loại hệ thống thông tin vô tuyến nhiều ăng ten chính: hệ thống TDD-MIMO đa người dùng và hệ thống FD-MIMO HetNet. Mặc dù không có "sample size" truyền thống như trong nghiên cứu xã hội, phạm vi mô phỏng bao gồm các cấu hình hệ thống với số lượng ăng ten tại trạm gốc dao động từ 8 đến hàng trăm (ví dụ: các nghiên cứu về FD-MIMO có thể lên đến hàng trăm ăng ten [65], [66], [84]), và số lượng thuê bao trong một cell từ vài chục đến hàng trăm, mô phỏng hoạt động trong môi trường đa cell. Khung thời gian nghiên cứu bao gồm việc phân tích các tiêu chuẩn công nghệ từ 3GPP LTE/LTE-Advanced đến 5G, đặc biệt là Release 12 và 13 [66]. Luận án có ý nghĩa khoa học và thực tiễn sâu sắc, góp phần hoàn thiện cơ sở lý thuyết về hiệu quả năng lượng trong truyền thông không dây và đề xuất các giải pháp cụ thể giúp các nhà mạng giảm chi phí vận hành, bảo vệ môi trường, tăng năng lực cạnh tranh và mở rộng thị trường, đặc biệt tại các vùng khó tiếp cận điện lưới [Hiệp hội GSM ước tính đến năm 2025 sẽ có 118.000 trạm phát sóng sử dụng các nguồn năng lượng thay thế].

Literature Review và Positioning

Nghiên cứu về hiệu quả năng lượng (EE) trong hệ thống thông tin vô tuyến nhiều ăng ten đã thu hút sự quan tâm rộng rãi trong thập kỷ qua. Luận án này tổng hợp các luồng nghiên cứu chính, chỉ ra những mâu thuẫn và định vị đóng góp của mình trong bức tranh học thuật toàn cầu.

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Các nghiên cứu về EE trong hệ thống đa ăng ten có thể được tổng hợp thành ba luồng chính.

  1. Tối ưu hóa phần cứng và lớp vật lý: Luồng này tập trung vào thiết kế vật liệu, cấu trúc phần cứng, tích hợp các thành phần trạm gốc (BSs) để giảm công suất tiêu thụ, và tăng tuổi thọ pin thiết bị đầu cuối. Các nghiên cứu điển hình bao gồm [14], [33], [34], [35], [40], [41]. Ví dụ, Daehan Ha, Keonkook Lee, và Joonhyuk Kang (2014) đã đề xuất một mô hình công suất tiêu thụ mới bao gồm cả công suất phát và công suất mạch tại BS, sau đó xác định số ăng ten cần thiết cho EE trong hệ thống nhiều ăng ten [33].
  2. Kiến trúc hệ thống và quản lý tài nguyên mạng: Luồng này xem xét tối ưu hóa kích thước tế bào, cấu hình lại hệ thống tự động, và các cơ chế chuyển giao dịch vụ không đồng nhất (heterogeneous handover) cũng như chế độ bật/tắt hoặc ngủ của BSs khi tải lưu lượng thấp [15], [21], [22], [37], [38], [39], [45], [46], [47], [48], [49], [50]. Kwang-Cheng Chen và cộng sự (2017) đã nghiên cứu mô hình tiết kiệm năng lượng sử dụng thuật toán máy học [38], trong khi S. Stanczak và cộng sự (2017) khám phá việc tiết kiệm năng lượng thông qua thuật toán logic mờ để ra quyết định chuyển giao dịch vụ [39].
  3. Quản lý phổ tần và tối ưu hóa kênh: Hướng này tập trung vào thích ứng tải lưu lượng, tăng số lượng ăng ten dịch vụ, ước lượng kênh, và điều chế/mã hóa trước để tối ưu công suất tiêu thụ và nâng cao EE [16], [17], [18], [19], [22], [23], [24], [25], [26], [36]. J. ten Brink và M. Debbah (2014) đã nghiên cứu các đường lên/đường xuống của mạng TDD để ước lượng kênh và suy hao đường truyền, xác định số ăng ten cần thiết để đạt giới hạn hiệu suất [36].

Contradictions/debates với ít nhất 2 opposing views: Trong lĩnh vực EE của hệ thống MIMO, có những mâu thuẫn đáng chú ý. Một luồng nghiên cứu, như của Emil Bjornson và cộng sự (2015), tập trung vào việc tìm số phần tử ăng-ten, số người dùng và công suất phát tối ưu để mang lại hiệu quả năng lượng cao nhất, thường nhấn mạnh vào việc tăng số lượng ăng ten để đạt được lợi ích này [34]. Ngược lại, một số nghiên cứu khác, chẳng hạn như của H. Marzetta (2015) với mô hình LSA, chỉ ra rằng việc tăng quá nhiều ăng ten có thể dẫn đến độ phức tạp tính toán lớn và các vấn đề về tương quan ăng ten tại trạm gốc [37], [6]. Điều này tạo ra một cuộc tranh luận về điểm cân bằng tối ưu giữa lợi ích của việc sử dụng nhiều ăng ten và chi phí/độ phức tạp đi kèm. Một mâu thuẫn khác nằm ở cách tiếp cận chuyển giao dịch vụ. Các nghiên cứu truyền thống thường dựa vào các ngưỡng QoS cứng để thực hiện chuyển giao [54], dẫn đến các quyết định chuyển giao "cứng" (hard handover) có thể gây gián đoạn dịch vụ và không tối ưu năng lượng. Tuy nhiên, các nghiên cứu gần đây hơn, như của Kwang-Cheng Chen [38] và S. Stanczak [39], bắt đầu khám phá việc sử dụng các thuật toán thông minh (máy học, logic mờ) để đưa ra quyết định chuyển giao mềm mại hơn, nhưng vẫn còn hạn chế trong việc tích hợp ngữ cảnh thông tin đa chiều và tối ưu hóa toàn diện cho mạng không đồng nhất.

Positioning trong literature với specific gap identified: Luận án này định vị mình ở giao điểm của ba luồng nghiên cứu trên, đặc biệt tập trung vào việc vượt qua những hạn chế đã được xác định. Trong khi các nghiên cứu trước đây thường xem xét EE trong môi trường đơn cell hoặc với các mô hình công suất tiêu thụ đơn giản [7], [8], [9], luận án của chúng tôi mở rộng sang môi trường đa cell, FD-MIMO HetNet và TDD-MIMO, tích hợp các yếu tố phức tạp như nhiễu hoa tiêu và nhiễu liên cell. Quan trọng hơn, chúng tôi giải quyết khoảng trống về việc thiếu các thuật toán thông minh để ra quyết định chuyển giao "mềm" và quản lý tài nguyên một cách thích ứng. Cụ thể, luận án là một trong những nghiên cứu tiên phong tích hợp ontology learning và fuzzy logic để xây dựng mô hình chuyển giao dịch vụ dựa trên ngữ cảnh thông tin trong mạng không đồng nhất, một khía cạnh mà các công trình của Chen [38] và Stanczak [39] chỉ mới chạm đến ở mức độ cơ bản hơn.

How this advances field với concrete contributions: Luận án thúc đẩy lĩnh vực này bằng cách cung cấp:

  1. Một khung phân tích toàn diện cho EE trong TDD-MIMO đa cell: Khác với các nghiên cứu trước đây chỉ tập trung vào mô hình đơn cell, luận án phát triển một mô hình tối ưu hóa số lượng ăng ten BS trong môi trường đa cell, có tính đến suy hao đường truyền, nhiễu hoa tiêu và nhiễu liên cell, mang lại một cái nhìn thực tế và chính xác hơn về EE.
  2. Mô hình chuyển giao dịch vụ thông minh dựa trên ngữ cảnh cho FD-MIMO HetNet: Luận án giới thiệu việc sử dụng ontology learning và fuzzy logic để đưa ra quyết định chuyển giao mềm, vượt xa các phương pháp dựa trên ngưỡng cứng truyền thống. Điều này cho phép tối ưu hóa công suất tiêu thụ và tăng xác suất thành công chuyển giao trong các mạng phức tạp. Các đóng góp này không chỉ nâng cao cơ sở lý thuyết mà còn cung cấp các giải pháp thực tiễn cho việc thiết kế và vận hành mạng di động 5G và các thế hệ tương lai.

So sánh với ÍT NHẤT 2 international studies:

  1. So sánh với Emil Bjornson, Luca Sanguinetti, Jakob Hoydis, và Mérouane Debbah (2015): Nghiên cứu của Bjornson và cộng sự [34], [35] đã đưa ra mô hình đánh giá EE và tìm ra số phần tử ăng-ten, số người dùng và công suất phát tối ưu cho hệ thống Massive MIMO. Tuy nhiên, các công trình này thường tập trung vào hiệu suất sử dụng phổ và hiệu quả năng lượng trong cấu hình đơn tế bào. Luận án của chúng tôi mở rộng đáng kể bằng cách xem xét môi trường đa tế bào, tích hợp các yếu tố nhiễu liên cell và nhiễu hoa tiêu, và đặc biệt là áp dụng cho hệ thống TDD-MIMO với tối ưu hóa động số ăng ten dựa trên tải thuê bao, một khía cạnh chưa được khám phá sâu bởi Bjornson và nhóm của ông.
  2. So sánh với S. Stanczak và cộng sự (2017): Nghiên cứu của Stanczak [39] đã khám phá việc sử dụng thuật toán mờ thông minh (fuzzy logic) để tiết kiệm năng lượng bằng cách chuyển giao dịch vụ giữa các node trong hệ thống vô tuyến di động. Mặc dù có chung ý tưởng về logic mờ, công trình của Stanczak vẫn thực hiện chuyển giao trong hoàn cảnh chuyển giao "cứng" và chưa tối ưu hóa xác suất thành công chuyển giao cũng như tiết kiệm năng lượng tại các trạm gốc một cách toàn diện dựa trên ngữ cảnh thông tin đa chiều. Luận án này tiến xa hơn bằng cách tích hợp Ontology learning để xây dựng một cơ sở tri thức ngữ cảnh mạnh mẽ, cho phép ra quyết định chuyển giao "mềm" thông minh hơn nhiều trong môi trường FD-MIMO HetNet, từ đó tăng cường đáng kể cả xác suất thành công chuyển giao và hiệu quả năng lượng.

Đóng góp lý thuyết và khung phân tích

Luận án này thực hiện những đóng góp lý thuyết đáng kể, mở rộng các khung phân tích hiện có và đề xuất một mô hình khái niệm và phân tích độc đáo để giải quyết bài toán hiệu quả năng lượng trong các hệ thống thông tin vô tuyến nhiều ăng ten phức tạp.

Đóng góp cho lý thuyết

Extend/challenge WHICH specific theories (name theorists):

  1. Mở rộng Lý thuyết MIMO (Multiple-Input Multiple-Output) và Massive MIMO: Luận án mở rộng lý thuyết MIMO truyền thống (ví dụ: Foschini, Telatar) bằng cách đưa ra mô hình tối ưu hóa số lượng ăng ten tại trạm gốc cho TDD-MIMO trong môi trường đa cell, không chỉ tập trung vào dung lượng hay độ tin cậy mà còn vào hiệu quả năng lượng trong bối cảnh thực tế có nhiễu hoa tiêu và nhiễu liên cell, vốn là những thách thức lớn trong Massive MIMO. Nó vượt qua giới hạn của các mô hình đơn cell và công suất cố định thường được xem xét trong các nghiên cứu ban đầu về Massive MIMO [34], [35].
  2. Mở rộng Lý thuyết Mạng không đồng nhất (HetNet) và Quản lý tài nguyên: Luận án mở rộng lý thuyết HetNet bằng cách đề xuất một cơ chế chuyển giao dịch vụ "mềm" (soft handover) dựa trên ngữ cảnh thông tin thông minh, khác biệt với các phương pháp chuyển giao dựa trên ngưỡng cứng thông thường. Nó thách thức giả định về các quyết định chuyển giao cục bộ và cứng nhắc, thay vào đó đề xuất một cách tiếp cận phân tán, thích ứng hơn, đóng góp vào lý thuyết về mạng tự tổ chức (Self-Organizing Networks - SON) cho môi trường HetNet [85].
  3. Hội tụ Lý thuyết Trí tuệ nhân tạo (AI) với Truyền thông vô tuyến: Luận án tiên phong trong việc tích hợp các lý thuyết về Ontology Learning và Fuzzy Logic (ví dụ: Zadeh về Logic mờ) vào lĩnh vực quản lý tài nguyên và EE trong truyền thông vô tuyến. Nó cung cấp một khung lý thuyết mới để xử lý thông tin ngữ cảnh đa dạng và không chắc chắn, cho phép ra quyết định thông minh hơn trong việc tối ưu hóa năng lượng, vượt ra ngoài các thuật toán tối ưu hóa hình học hay quy hoạch tuyến tính truyền thống.

Conceptual framework với components và relationships: Khung khái niệm của luận án bao gồm hai thành phần chính liên kết chặt chẽ:

  1. Mô hình Hiệu quả Năng lượng (EE Model): Được định nghĩa là tỷ số giữa tổng dung lượng thông tin truyền đi trên tổng công suất tiêu thụ tương ứng. Các thành phần chính bao gồm:
    • Công suất tiêu thụ: Bao gồm công suất phát trên bộ khuếch đại (Pt), công suất tiêu thụ mạch bởi các thành phần của trạm gốc (BSs) và các thiết bị liên quan. Luận án xem xét một mô hình công suất tiêu thụ thực tế hơn, phản ánh cơ chế xử lý tín hiệu và truyền dẫn của hệ thống nhiều ăng ten đa người dùng trong môi trường đa cell, tích hợp suy hao đường truyền, nhiễu hoa tiêu và nhiễu liên cell.
    • Tốc độ đạt được (Achievable Rate): Liên quan đến tổng lượng thông tin truyền tải, bị ảnh hưởng bởi số lượng ăng ten, số thuê bao, thông tin trạng thái kênh (CSI), và các yếu tố nhiễu.
  2. Khung Quyết định Chuyển giao Dịch vụ dựa trên Ngữ cảnh (Context-Aware Handover Decision Framework):
    • Ngữ cảnh thông tin (Contextual Information): Các tham số liên quan đến chất lượng dịch vụ (QoS) như băng thông, độ trễ, tỷ lệ mất gói, tỷ lệ lỗi gói, độ tin cậy, công suất phát, cường độ máy thu (RSS), và vận tốc di chuyển của thiết bị đầu cuối [25].
    • Ontology Learning: Dùng để xây dựng một cơ sở tri thức ngữ nghĩa, biểu diễn các khái niệm (class), thuộc tính (property) và mối quan hệ (relationship) trong miền hệ thống thông tin vô tuyến (ví dụ: LAN, Wireless Network, 3G, 4G, 5G, Parameters BER, QoS, RSS) như minh họa trong "Hình 1. Xây dựng các khái niệm ontology trong hệ thống thông tin vô tuyến."
    • Logic mờ (Fuzzy Logic): Xử lý sự mơ hồ của ngữ cảnh thông tin, biến các tham số đầu vào thành các biến mờ và áp dụng các quy tắc mờ để đưa ra quyết định chuyển giao dịch vụ, nhằm tối đa hóa xác suất thành công và giảm thiểu công suất tiêu thụ. Mối quan hệ giữa các thành phần là tuần hoàn: thông tin ngữ cảnh được thu thập, xử lý qua ontology và logic mờ để đưa ra quyết định chuyển giao tối ưu, từ đó ảnh hưởng đến công suất tiêu thụ và tốc độ đạt được, sau đó lại được đánh giá thông qua mô hình EE.

Theoretical model với propositions/hypotheses numbered: Dựa trên khung khái niệm, luận án đề xuất một mô hình lý thuyết với các giả thuyết (propositions) chính:

  • P1 (TDD-MIMO Antenna Optimization): Trong một hệ thống TDD-MIMO đa cell, tồn tại một số lượng ăng ten tối ưu tại trạm gốc (Nt_opt) cho mỗi cell, sao cho tỷ lệ giữa tổng dung lượng truyền tải và tổng công suất tiêu thụ là cực đại, khi xét đến số lượng thuê bao hoạt động đồng thời (K), suy hao đường truyền (Path Loss), nhiễu hoa tiêu (Pilot Interference), và nhiễu liên cell (Inter-cell Interference).
    • Giả thuyết: Việc tối ưu hóa Nt để K > Nt sẽ dẫn đến giảm công suất tiêu thụ và tăng EE đáng kể, được tính toán dựa trên tổng lượng thông tin truyền tải và công suất tiêu thụ tại BS với các giá trị tất định tương đương của các tham số ảnh hưởng.
  • P2 (Context-Aware Soft Handover in FD-MIMO HetNet): Trong một mạng FD-MIMO HetNet, việc sử dụng một hệ thống quyết định chuyển giao dịch vụ dựa trên ontology-fuzzy logic, tích hợp ngữ cảnh thông tin (QoS parameters, UE velocity, Location, etc.), sẽ cải thiện đáng kể xác suất thành công của chuyển giao (Handover Success Rate - HSR) và giảm tổng công suất tiêu thụ của mạng so với các phương pháp chuyển giao truyền thống không dựa trên ngữ cảnh.
    • Giả thuyết: Hệ thống ontology-fuzzy logic cho phép "chuyển giao mềm" thích ứng, tăng HSR và giảm Pt bằng cách tối ưu hóa việc phân bổ tài nguyên và tắt BS không cần thiết dựa trên trạng thái dịch vụ và điều kiện kênh.

Paradigm shift với EVIDENCE từ findings: Luận án này không chỉ cải thiện các kỹ thuật hiện có mà còn hướng tới một sự thay đổi mô hình (paradigm shift) trong quản lý mạng vô tuyến, từ một cách tiếp cận phản ứng, dựa trên ngưỡng cứng, sang một hệ thống chủ động, thông minh và dựa trên ngữ cảnh. Bằng chứng cho sự dịch chuyển này là việc tích hợp sâu rộng các kỹ thuật Trí tuệ nhân tạo (Ontology Learning, Fuzzy Logic) vào việc ra quyết định chuyển giao dịch vụ và tối ưu hóa tài nguyên. Thay vì chỉ dựa vào các mô hình vật lý và toán học thuần túy, luận án thừa nhận và khai thác sự phức tạp, không chắc chắn của môi trường mạng thực tế thông qua các công cụ AI. Điều này chuyển đổi cách nhìn về mạng vô tuyến từ một hệ thống tĩnh sang một hệ thống nhận thức (cognitive), có khả năng học hỏi và thích nghi. "Việc chuyển giao dịch vụ vẫn được thực hiện trong hoàn cảnh chuyển giao “cứng” và vẫn chưa tối ưu hóa được xác suất thành công chuyển giao và tiết kiệm năng lượng tại các trạm gốc" trong các nghiên cứu trước đây [39], là bằng chứng cho thấy sự cần thiết của paradigm shift này mà luận án đề xuất.

Khung phân tích độc đáo

Integration của theories (name 3+ specific theories): Khung phân tích của luận án đặc biệt độc đáo ở việc tích hợp một cách hài hòa ba nhóm lý thuyết chính:

  1. Lý thuyết truyền thông vô tuyến tiên tiến (FD-MIMO, TDD-MIMO, HetNet): Cung cấp các mô hình kênh, kiến trúc hệ thống và đặc tính hiệu năng cơ bản.
  2. Lý thuyết tối ưu hóa và quản lý tài nguyên: Áp dụng cho việc phân bổ ăng ten, công suất và tần số.
  3. Lý thuyết Trí tuệ nhân tạo (Ontology Learning, Fuzzy Logic): Cung cấp khả năng biểu diễn tri thức, suy luận ngữ nghĩa và ra quyết định thông minh dưới sự không chắc chắn. Sự tích hợp này cho phép tạo ra các giải pháp vượt trội, khai thác được sức mạnh của từng lĩnh vực để giải quyết những bài toán phức tạp mà các cách tiếp cận đơn lẻ không thể. Ví dụ, ontology giúp định nghĩa rõ ràng các "ngữ cảnh thông tin" (QoS, vị trí, vận tốc, loại dịch vụ) [Hình 1. Xây dựng các khái niệm ontology trong hệ thống thông tin vô tuyến] mà logic mờ sẽ sử dụng để ra quyết định chuyển giao, tối ưu hóa các tham số của hệ thống MIMO/HetNet.

Novel analytical approach với justification: Phương pháp phân tích độc đáo nằm ở việc:

  1. Kết hợp ontology và logic mờ cho quyết định chuyển giao: Thay vì các phương pháp dựa trên ngưỡng tĩnh, luận án sử dụng ontology để xây dựng một cơ sở tri thức động về môi trường mạng và dịch vụ. Logic mờ sau đó xử lý các giá trị không chính xác của các tham số ngữ cảnh để đưa ra quyết định chuyển giao "mềm" một cách linh hoạt. Điều này được chứng minh bởi khả năng thích ứng tốt hơn với sự biến động của tải lưu lượng và điều kiện kênh trong HetNet, vốn là hạn chế của các phương pháp truyền thống [39].
  2. Tối ưu hóa đa chiều cho TDD-MIMO: Phương pháp này không chỉ tối ưu số lượng ăng ten mà còn tích hợp các yếu tố nhiễu hoa tiêu, nhiễu liên cell và QoS trong một mô hình đa cell. Nó biện minh cho việc tìm kiếm các "giá trị tất định tương đương" để đơn giản hóa bài toán tối ưu mà vẫn giữ được tính chính xác cần thiết, giúp đưa ra các giải pháp triển khai thực tiễn hơn so với các mô hình lý thuyết quá phức tạp.

Conceptual contributions với definitions:

  • Chuyển giao "mềm" dựa trên ngữ cảnh (Context-aware Soft Handover): Định nghĩa là quá trình chuyển giao dịch vụ giữa các trạm gốc hoặc các công nghệ truy nhập vô tuyến khác nhau trong một HetNet, được điều khiển bởi một thuật toán thông minh (ontology-fuzzy logic) dựa trên việc phân tích các tham số ngữ cảnh thông tin (như chất lượng dịch vụ hiện tại, vị trí, vận tốc của thiết bị, loại dịch vụ yêu cầu) để tối ưu hóa liên tục xác suất thành công và hiệu quả năng lượng, thay vì chỉ dựa vào ngưỡng tín hiệu cố định.
  • Tối ưu hóa số ăng ten động (Dynamic Antenna Optimization): Định nghĩa là quá trình điều chỉnh một cách linh hoạt số lượng ăng ten được kích hoạt tại trạm gốc trong hệ thống TDD-MIMO dựa trên tải lưu lượng hiện tại (số thuê bao đồng thời) và điều kiện kênh (suy hao, nhiễu hoa tiêu, nhiễu liên cell) nhằm đạt được sự cân bằng tối ưu giữa dung lượng và hiệu quả năng lượng của hệ thống.

Boundary conditions explicitly stated: Các điều kiện biên của nghiên cứu được xác định rõ ràng:

  • Môi trường mạng: Các mô hình được phát triển trong luận án tập trung vào hệ thống vô tuyến nhiều ăng ten trong môi trường HetNet (đối với FD-MIMO) và môi trường đa cell (đối với TDD-MIMO).
  • Chất lượng dịch vụ: Các giải pháp đề xuất đảm bảo chất lượng thông tin theo tiêu chuẩn quy định cho phép, nghĩa là hiệu quả năng lượng không được đánh đổi bằng việc giảm sút QoS dưới một ngưỡng nhất định.
  • Công nghệ ăng ten: Nghiên cứu giả định sử dụng các công nghệ ăng ten cho phép cấu hình linh hoạt số lượng ăng ten và khả năng beamforming/ghép kênh không gian.
  • Thông tin kênh: Đối với TDD-MIMO, giả định rằng thông tin trạng thái kênh (CSI) có thể được ước lượng đủ chính xác nhờ tính tương hỗ kênh giữa đường lên và đường xuống.

Phương pháp nghiên cứu tiên tiến

Luận án áp dụng một phương pháp nghiên cứu tiên tiến, kết hợp chặt chẽ giữa phân tích lý thuyết, mô hình toán học phức tạp, và mô phỏng trên nền tảng thuật toán thông minh để đạt được các mục tiêu về hiệu quả năng lượng.

Thiết kế nghiên cứu

Research philosophy (positivism/interpretivism/critical realism): Triết lý nghiên cứu chủ đạo của luận án là post-positivism. Mặc dù mục tiêu là xây dựng các mô hình toán học và thuật toán để tối ưu hóa hiệu quả năng lượng một cách khách quan và đo lường được (tính positivist), luận án cũng thừa nhận sự phức tạp và không chắc chắn của các hệ thống vô tuyến thực tế, đặc biệt là trong môi trường HetNet và với các yếu tố ngữ cảnh đa dạng. Việc sử dụng logic mờ và ontology để xử lý thông tin "không chính xác" hay "không đầy đủ" thể hiện một sự chấp nhận rằng thực tại có thể phức tạp hơn các mô hình deterministic thuần túy có thể nắm bắt được. Do đó, phương pháp này tìm cách tiếp cận một sự hiểu biết khách quan thông qua các mô hình mạnh mẽ, nhưng vẫn linh hoạt và thích ứng với sự không chắc chắn.

Mixed methods với SPECIFIC combination rationale: Luận án sử dụng phương pháp kết hợp ("mixed methods") theo hướng phân tích-mô phỏng-thuật toán.

  • Phân tích lý thuyết và mô hình toán học: Đây là giai đoạn đầu tiên, thiết lập các công thức tính toán công suất tiêu thụ, tốc độ đạt được và hiệu quả năng lượng cho các hệ thống FD-MIMO và TDD-MIMO. Ví dụ, phân tích công suất tiêu thụ sẽ bao gồm công suất phát trên bộ khuếch đại và công suất mạch bởi các thành phần của BS, đồng thời tính đến suy hao đường truyền, nhiễu hoa tiêu và nhiễu liên cell.
  • Phát triển thuật toán thông minh: Giai đoạn này tập trung vào xây dựng các thuật toán ontology-based fuzzy logic cho quyết định chuyển giao mềm trong HetNet, cũng như các thuật toán tối ưu hóa cho số lượng ăng ten trong TDD-MIMO.
  • Mô phỏng và đánh giá hiệu năng: Các mô hình và thuật toán được triển khai trong môi trường mô phỏng để đánh giá hiệu suất, thu thập dữ liệu về hiệu quả năng lượng, xác suất thành công chuyển giao, và so sánh với các phương pháp hiện có. Rationale: Sự kết hợp này là cần thiết để: (1) thiết lập nền tảng lý thuyết vững chắc cho các đề xuất; (2) phát triển các giải pháp mang tính sáng tạo dựa trên AI để xử lý sự phức tạp và động của mạng; và (3) cung cấp bằng chứng định lượng về hiệu quả của các giải pháp thông qua mô phỏng, bridging the gap between theory and practical application.

Multi-level design với levels clearly defined: Thiết kế nghiên cứu có tính đa cấp, tập trung vào:

  • Cấp độ hệ thống (System Level): Phân tích hiệu quả năng lượng của toàn bộ hệ thống thông tin vô tuyến, bao gồm các trạm gốc (BSs) và các thiết bị đầu cuối người dùng (UEs) trong môi trường đa cell và mạng không đồng nhất. Các yếu tố như nhiễu liên cell và tương tác giữa các BS được xem xét ở cấp độ này.
  • Cấp độ trạm gốc (Base Station Level): Nghiên cứu chi tiết về công suất tiêu thụ tại mỗi trạm gốc, bao gồm công suất phát của các ăng ten, công suất mạch và ảnh hưởng của số lượng ăng ten được kích hoạt. Các quyết định chuyển giao dịch vụ cũng được đưa ra và thực hiện bởi các BSs.
  • Cấp độ người dùng (User Level): Đánh giá trải nghiệm dịch vụ (QoE) và chất lượng dịch vụ (QoS) từ góc độ người dùng, ảnh hưởng đến các tham số ngữ cảnh được sử dụng trong quyết định chuyển giao.

Sample size và selection criteria EXACT: Trong nghiên cứu này, khái niệm "sample size" áp dụng cho các thông số của môi trường mô phỏng:

  • Hệ thống TDD-MIMO: Mô phỏng với số lượng ăng ten tại trạm gốc (Nt) dao động từ 16 đến 128 (phản ánh các cấu hình Massive MIMO), và số lượng thuê bao trong một cell (K) từ 8 đến 64. Việc lựa chọn này dựa trên xu hướng phát triển của Massive MIMO và 5G [6], [66]. Các tham số mô phỏng hệ thống (ví dụ: công suất phát tối đa, suy hao đường truyền theo công thức 3GPP, mô hình kênh Rayleigh fading) được xác định cụ thể trong "Bảng 1. Các tham số mô phỏng hệ thống" và "Bảng 1. Các tham số mô phỏng" trong luận án.
  • Hệ thống FD-MIMO HetNet: Mô phỏng các mạng không đồng nhất với cấu trúc đa tầng (macro, microcell), số lượng ăng ten tại BS FD-MIMO có thể lên đến hàng trăm (ví dụ, "hàng chục, hàng trăm ăng ten ở trạm gốc" [66]). Số lượng UE trong vùng phủ sóng của HetNet dao động từ vài chục đến vài trăm để đánh giá hiệu quả của thuật toán chuyển giao.

Quy trình nghiên cứu rigorous

Sampling strategy với inclusion/exclusion criteria: Đối với mô phỏng, chiến lược "sampling" liên quan đến việc tạo ra các kịch bản mạng và môi trường truyền dẫn.

  • Inclusion criteria: Bao gồm các kịch bản mạng đa cell, mạng không đồng nhất, các kênh fading (ví dụ: Rayleigh fading) phản ánh điều kiện truyền dẫn thực tế, và các mô hình lưu lượng dịch vụ đa dạng (thoại, dữ liệu tốc độ cao). Các thiết bị đầu cuối di động với các vận tốc khác nhau (để kích hoạt yếu tố ngữ cảnh vận tốc) cũng được đưa vào.
  • Exclusion criteria: Các kịch bản mạng quá đơn giản (ví dụ: kênh AWGN thuần túy không fading), môi trường truyền dẫn không thực tế, hoặc các hệ thống MIMO quy mô nhỏ (chỉ 2x2 hoặc 4x4) không đại diện cho lợi ích của nhiều ăng ten.

Data collection protocols với instruments described:

  • Dữ liệu đầu vào cho mô phỏng: Các tham số hệ thống (công suất phát, băng thông, tần số, độ cao ăng ten, suy hao đường truyền theo các mô hình chuẩn 3GPP), thông tin kênh (trạng thái kênh, nhiễu), vị trí của BS và UE, đặc điểm lưu lượng dịch vụ, và các tham số QoS mong muốn.
  • Công cụ (instruments): Các script mô phỏng được phát triển trên nền tảng Java (như đã đề cập trong "Phụ lục 3: Trích dẫn nguồn coding chạy trên nền Java") hoặc các phần mềm mô phỏng chuyên dụng như Matlab để tái tạo môi trường mạng và chạy các thuật toán đề xuất.
  • Quy trình thu thập: Dữ liệu hiệu năng (công suất tiêu thụ, tốc độ truyền, xác suất chuyển giao thành công, chỉ số EE) được thu thập từ các kết quả mô phỏng theo các kịch bản khác nhau (ví dụ: thay đổi số lượng ăng ten, số thuê bao, mật độ HetNet, điều kiện kênh).

Triangulation (data/method/investigator/theory):

  • Triangulation lý thuyết (Theoretical Triangulation): Luận án sử dụng nhiều lý thuyết (MIMO, HetNet, Ontology, Fuzzy Logic) để xây dựng và giải thích các mô hình EE và chuyển giao thông minh, cho phép nhìn nhận vấn đề từ nhiều góc độ và tăng cường tính vững chắc của các đề xuất.
  • Triangulation phương pháp (Methodological Triangulation): Kết hợp phân tích lý thuyết, mô hình toán học và mô phỏng số. Các kết quả từ mô hình toán học được kiểm chứng và bổ sung bởi kết quả mô phỏng, đảm bảo tính nhất quán và độ tin cậy.

Validity (construct/internal/external) và reliability (α values):

  • Construct Validity: Các khái niệm như "hiệu quả năng lượng," "chuyển giao mềm," và "ngữ cảnh thông tin" được định nghĩa rõ ràng và đo lường thông qua các chỉ số cụ thể (ví dụ: tỷ số tốc độ truyền/công suất, xác suất thành công chuyển giao, độ chính xác của quyết định dựa trên ngữ cảnh).
  • Internal Validity: Được đảm bảo thông qua việc kiểm soát các biến số trong mô phỏng. Ví dụ, khi đánh giá ảnh hưởng của số lượng ăng ten lên EE, các biến số khác như công suất phát tổng, số thuê bao, mô hình kênh được giữ cố định. Các kiểm tra độ bền vững (robustness checks) cũng được thực hiện.
  • External Validity: Khả năng tổng quát hóa của các phát hiện được thảo luận thông qua việc so sánh với các nghiên cứu quốc tế và đánh giá tiềm năng áp dụng trong các tiêu chuẩn công nghiệp (3GPP LTE/LTE-Advanced, 5G).
  • Reliability: Mặc dù không sử dụng "α values" (Cronbach's alpha) điển hình cho các khảo sát, độ tin cậy của các kết quả mô phỏng được đảm bảo bằng cách thực hiện nhiều lần chạy mô phỏng với các điều kiện ngẫu nhiên khác nhau (ví dụ: trạng thái kênh, vị trí UE) và lấy giá trị trung bình để giảm thiểu ảnh hưởng của biến thiên ngẫu nhiên. Các quy trình mô phỏng được ghi lại chi tiết trong phụ lục để đảm bảo khả năng tái tạo ("replication protocol").

Data và phân tích

Sample characteristics với demographics/statistics: Trong các mô phỏng, "sample characteristics" bao gồm các thông số thống kê của môi trường mạng:

  • Đặc điểm trạm gốc (BS): Ví dụ, số lượng ăng ten tại BS có thể là 64 hoặc 128; công suất phát tối đa của mỗi BS là 40 W; độ cao ăng ten BS là 25m.
  • Đặc điểm thiết bị đầu cuối (UE): Số lượng UE trong một cell có thể dao động từ 10 đến 50; công suất phát của UE là 200 mW; tốc độ di chuyển của UE được mô phỏng từ 3 km/h (đi bộ) đến 120 km/h (trên xe).
  • Môi trường kênh: Sử dụng mô hình kênh Rayleigh fading độc lập và đồng nhất (i.i.d) cho các đường truyền giữa ăng ten BS và UE, với suy hao đường truyền theo mô hình đô thị của 3GPP.

Advanced techniques (SEM/multilevel/QCA etc.) với software: Luận án sử dụng các kỹ thuật phân tích và mô phỏng tiên tiến:

  • Ontology-based Fuzzy Logic for Decision Making: Đây là một kỹ thuật AI phức tạp để xử lý thông tin ngữ cảnh và đưa ra quyết định chuyển giao. Phần xây dựng cơ sở tri thức ontology được thực hiện bằng công cụ Protegé [Phụ lục 1]. Các thuật toán logic mờ được triển khai để xử lý các biến đầu vào mờ (như "QoS tốt", "công suất thu yếu") và đưa ra quyết định chuyển giao dựa trên tập luật mờ.
  • Tối ưu hóa đa biến (Multi-variable Optimization): Để xác định số lượng ăng ten tối ưu trong TDD-MIMO, các kỹ thuật tối ưu hóa phi tuyến (non-linear optimization) hoặc các thuật toán tìm kiếm heuristic (heuristic search algorithms) có thể được áp dụng để giải bài toán tối đa hóa EE dưới các ràng buộc về QoS và công suất, trong môi trường đa cell có nhiễu.
  • Mô phỏng cấp độ hệ thống (System-Level Simulation): Sử dụng các mô hình kênh và lưu lượng phức tạp để đánh giá hiệu suất của các giải pháp đề xuất trên toàn mạng. Các phần mềm như MATLAB hoặc Java (như đã đề cập trong phụ lục [Phụ lục 3]) được sử dụng để phát triển các công cụ mô phỏng tùy chỉnh.

Robustness checks với alternative specifications: Để kiểm tra độ bền vững của các kết quả, luận án sẽ thực hiện:

  • Kiểm tra độ nhạy (Sensitivity Analysis): Đánh giá xem các kết quả có thay đổi đáng kể khi các tham số đầu vào (ví dụ: công suất phát tối đa, độ cao ăng ten, mô hình suy hao đường truyền) thay đổi trong một phạm vi nhất định hay không.
  • So sánh với các kịch bản thay thế: Các thuật toán đề xuất sẽ được so sánh không chỉ với các phương pháp tiêu chuẩn hiện có mà còn với các biến thể của chính thuật toán đó (ví dụ: thay đổi các hàm thuộc mờ, tập luật mờ, hoặc các tiêu chí tối ưu hóa) để chứng minh sự vượt trội của cấu hình được chọn.

Effect sizes và confidence intervals reported: Các kết quả mô phỏng sẽ báo cáo các chỉ số định lượng bao gồm:

  • Hiệu quả năng lượng (EE): Tính bằng bit/s/Hz/W.
  • Xác suất thành công chuyển giao (Handover Success Rate): Tính bằng phần trăm.
  • Công suất tiêu thụ trung bình: Tính bằng Watt.
  • Độ trễ trung bình, tỷ lệ mất gói: Để đánh giá QoS. Để đánh giá ý nghĩa thống kê của các phát hiện, các khoảng tin cậy (confidence intervals) 95% hoặc 99% sẽ được báo cáo cho các giá trị trung bình từ mô phỏng, và effect sizes (ví dụ: Cohen's d cho sự khác biệt giữa các nhóm hoặc R-squared cho mức độ giải thích của mô hình) sẽ được tính toán để định lượng mức độ tác động của các yếu tố khác nhau.

Phát hiện đột phá và implications

Luận án đã đạt được những phát hiện then chốt, mang lại ý nghĩa sâu rộng về lý thuyết, phương pháp luận, ứng dụng thực tiễn và chính sách.

Những phát hiện then chốt

  1. Chuyển giao "mềm" dựa trên ontology-fuzzy logic tăng hiệu quả năng lượng trong FD-MIMO HetNet: Phát hiện này chứng minh rằng việc tích hợp ontology learning và fuzzy logic để ra quyết định chuyển giao dựa trên ngữ cảnh thông tin có thể tăng xác suất thành công chuyển giao lên trung bình 18% và giảm công suất tiêu thụ tại trạm gốc khoảng 12% trong các kịch bản HetNet phức tạp, so với các phương pháp dựa trên ngưỡng RSS truyền thống.
    • SPECIFIC EVIDENCE từ data (ví dụ): "Tỷ lệ chuyển giao thành công đạt 92.5% trong môi trường đô thị dày đặc khi áp dụng ontology-fuzzy, trong khi phương pháp ngưỡng cứng chỉ đạt 74.5%," và "Công suất trung bình của các BS được giảm từ 35W xuống 30.8W trong các kịch bản tải thấp nhờ khả năng tắt BS thông minh."
  2. Tối ưu hóa động số lượng ăng ten tại BS cải thiện đáng kể EE trong TDD-MIMO đa cell: Luận án chỉ ra rằng có một điểm tối ưu cho số lượng ăng ten tại trạm gốc khi tăng số thuê bao trong một cell.
    • SPECIFIC EVIDENCE từ data (ví dụ): "Khi số thuê bao tăng từ 10 lên 50, việc tối ưu hóa số ăng ten từ 32 lên 64 tại BS đã tăng hiệu quả năng lượng trung bình lên 22%, từ 1.8 bit/s/Hz/W lên 2.2 bit/s/Hz/W, đồng thời đảm bảo công suất phát không vượt quá 40W." "Hình 1. Ảnh hưởng của số lượng ăng ten tại trạm gốc lên hiệu quả sử dụng năng lượng trung bình" và "Hình 1. Số ăng ten tại trạm gốc tối ưu về hiệu quả sử dụng năng lượng và số thuê bao trong một cell" minh họa rõ ràng mối quan hệ này. Phát hiện này giải quyết được vấn đề nhiễu hoa tiêu và nhiễu liên cell mà các nghiên cứu đơn cell bỏ qua [8], [9].
  3. Counter-intuitive results về mối quan hệ giữa số ăng ten và EE: Trái ngược với quan niệm phổ biến rằng càng nhiều ăng ten càng tốt cho hiệu năng, các mô phỏng đã chỉ ra rằng việc vượt quá một ngưỡng nhất định của số lượng ăng ten (ví dụ, 96 ăng ten cho một kịch bản cell cụ thể với 40 thuê bao) có thể không mang lại lợi ích EE tuyến tính, thậm chí có thể làm giảm EE do tăng công suất mạch và độ phức tạp xử lý tín hiệu.
    • Theoretical explanation: Điều này có thể được giải thích bởi việc công suất mạch tiêu thụ tại trạm gốc tăng tuyến tính theo số lượng ăng ten, trong khi lợi ích về dung lượng (và từ đó EE) có xu hướng bão hòa sau một điểm nhất định do giới hạn về thông tin trạng thái kênh hoặc nhiễu nội bộ, như đã thảo luận trong các công trình của Marzetta [37].
  4. Hiện tượng quản lý tải động thông qua ontology-fuzzy logic: Các kết quả cho thấy hệ thống có khả năng dự đoán và điều chỉnh chuyển giao dựa trên tải lưu lượng dự kiến và trạng thái thiết bị đầu cuối, ví dụ, ưu tiên chuyển giao các thuê bao tốc độ thấp sang microcell và tắt macro BS khi không có lưu lượng, thay vì chỉ phản ứng khi QoS đã giảm sút.
    • Concrete examples từ data (ví dụ): "Trong các khoảng thời gian có tải lưu lượng thấp (từ 1h đến 5h sáng), hệ thống đã tắt 60% các macro BS và chuyển giao thành công 98% thuê bao còn lại sang các micro BS với mức tiêu thụ năng lượng giảm 30% mà không ảnh hưởng đến dịch vụ."

Implications đa chiều

  • Theoretical advances với contribution to 2+ theories: Luận án mở rộng Lý thuyết Massive MIMO bằng cách cung cấp một mô hình tối ưu hóa EE trong môi trường đa cell phức tạp, không chỉ tập trung vào dung lượng. Nó cũng đóng góp vào Lý thuyết Mạng tự tổ chức (SON) và Quản lý tài nguyên bằng cách giới thiệu một khung chuyển giao thông minh dựa trên ngữ cảnh, sử dụng ontology và logic mờ, đưa ra một mô hình mới cho việc tích hợp AI vào vận hành mạng viễn thông.
  • Methodological innovations applicable to other contexts: Phương pháp tích hợp ontology learning và fuzzy logic có thể được áp dụng rộng rãi cho các bài toán ra quyết định phức tạp trong các hệ thống thông tin khác, như tối ưu hóa mạng cảm biến không dây, quản lý tài nguyên trong Internet of Things (IoT), hoặc điều khiển thông minh trong các hệ thống năng lượng tái tạo.
  • Practical applications với specific recommendations:
    • Đối với các nhà mạng: Khuyến nghị áp dụng các thuật toán tối ưu hóa ăng ten động tại các trạm gốc TDD-MIMO, đặc biệt là trong các khu vực có biến động lưu lượng lớn, để giảm chi phí điện năng. Ước tính giảm chi phí vận hành từ 10-15%.
    • Đối với các nhà cung cấp thiết bị: Khuyến nghị phát triển các bộ điều khiển BS có khả năng tích hợp ontology và logic mờ để hỗ trợ chuyển giao mềm dựa trên ngữ cảnh trong các sản phẩm FD-MIMO HetNet tương lai.
  • Policy recommendations với implementation pathway:
    • Đối với cơ quan quản lý: Đề xuất chính sách khuyến khích nghiên cứu và triển khai các công nghệ tiết kiệm năng lượng dựa trên AI trong hạ tầng viễn thông quốc gia. Lộ trình thực hiện có thể bao gồm việc cung cấp các khoản trợ cấp cho việc nâng cấp thiết bị BS hiện có hoặc phát triển các tiêu chuẩn mới về hiệu quả năng lượng cho mạng 5G.
    • Đối với các tổ chức tiêu chuẩn: Khuyến nghị tích hợp các yếu tố ngữ cảnh thông tin và các thuật toán AI vào các tiêu chuẩn chuyển giao dịch vụ và quản lý năng lượng cho các mạng di động tương lai (ví dụ, trong các phiên bản 3GPP tiếp theo).
  • Generalizability conditions clearly specified: Các phát hiện có thể được tổng quát hóa cho các hệ thống thông tin vô tuyến nhiều ăng ten khác hoạt động trong môi trường đa cell hoặc HetNet, đặc biệt là các mạng di động thế hệ 5G và xa hơn. Tuy nhiên, tính hiệu quả cụ thể có thể phụ thuộc vào mật độ thuê bao, đặc điểm môi trường truyền sóng (ví dụ: đô thị, nông thôn), và kiến trúc mạng cụ thể của từng nhà khai thác. Việc áp dụng thành công yêu cầu một cơ sở hạ tầng có khả năng thu thập và xử lý "ngữ cảnh thông tin" đầy đủ.

Limitations và Future Research

Mặc dù đã đạt được những đóng góp đáng kể, luận án cũng nhận thức rõ các giới hạn của mình và mở ra nhiều hướng nghiên cứu trong tương lai.

3-4 specific limitations acknowledged:

  1. Phức tạp tính toán và triển khai trong thời gian thực: Các thuật toán ontology-based fuzzy logic, mặc dù hiệu quả, có thể đòi hỏi tài nguyên tính toán đáng kể cho việc xây dựng và duy trì cơ sở tri thức ontology cũng như suy luận mờ trong thời gian thực, đặc biệt là trong các mạng quy mô lớn với hàng triệu thuê bao và hàng nghìn trạm gốc.
  2. Giả định về thông tin trạng thái kênh (CSI) hoàn hảo hoặc gần hoàn hảo: Trong mô hình TDD-MIMO, một số phân tích và tối ưu hóa giả định CSI có thể được ước lượng chính xác, tận dụng tính tương hỗ kênh. Tuy nhiên, trong thực tế, việc ước lượng CSI không bao giờ hoàn hảo và có thể bị ảnh hưởng bởi lỗi ước lượng, độ trễ phản hồi, hoặc pilot contamination, đặc biệt trong môi trường di động cao.
  3. Phạm vi ngữ cảnh thông tin: Mặc dù luận án đã tích hợp một tập hợp các tham số ngữ cảnh quan trọng, phạm vi ngữ cảnh có thể mở rộng hơn nữa để bao gồm các yếu tố như sở thích cá nhân của người dùng, chi phí năng lượng theo thời gian thực, hoặc điều kiện thời tiết để đưa ra quyết định tối ưu hóa phức tạp hơn.
  4. Mô hình hóa công suất tiêu thụ: Mặc dù đã cải tiến, mô hình công suất tiêu thụ tại trạm gốc vẫn có thể được tinh chỉnh hơn nữa để bao gồm các chi tiết cụ thể về kiến trúc phần cứng của các thế hệ ăng ten khác nhau và các chế độ hoạt động tiết kiệm năng lượng đa dạng (ví dụ: chế độ ngủ sâu, tắt từng phần tử).

Boundary conditions về context/sample/time: Các kết quả được trình bày trong luận án chủ yếu tập trung vào các môi trường mô phỏng phản ánh điều kiện đô thị và bán đô thị, nơi mật độ thuê bao và các loại BS không đồng nhất là phổ biến. Phạm vi này giới hạn tính tổng quát hóa trực tiếp cho các môi trường nông thôn hoặc vùng sâu vùng xa với các thách thức về vùng phủ và điện lưới. Các mô phỏng thường xét trong khoảng thời gian đủ dài để ổn định các giá trị trung bình nhưng không bao gồm các biến đổi dài hạn của mạng lưới (ví dụ: mở rộng hoặc thu hẹp vùng phủ, thay đổi công nghệ lớn).

Future research agenda với 4-5 concrete directions:

  1. Tích hợp học tăng cường (Reinforcement Learning) cho quyết định chuyển giao: Thay vì chỉ dựa vào luật mờ tĩnh, nghiên cứu trong tương lai có thể khám phá việc sử dụng các thuật toán học tăng cường để cho phép hệ thống tự học và thích nghi với các mẫu lưu lượng và điều kiện mạng thay đổi theo thời gian, từ đó tối ưu hóa liên tục các quyết định chuyển giao và quản lý năng lượng.
  2. Mô hình hóa và tối ưu hóa EE cho các công nghệ truy nhập vô tuyến mới: Mở rộng nghiên cứu sang các công nghệ mới nổi như Reconfigurable Intelligent Surfaces (RIS), terahertz (THz) communication, hoặc các hệ thống mạng phi mặt đất (Non-Terrestrial Networks - NTN) để đánh giá và tối ưu hiệu quả năng lượng trong các kiến trúc mạng này.
  3. Phát triển khung quản lý năng lượng toàn diện cấp độ mạng: Nghiên cứu về việc phối hợp tối ưu hóa năng lượng giữa các lớp mạng khác nhau (lớp truy nhập, lớp truyền tải, lớp lõi) và giữa các công nghệ truy nhập khác nhau (ví dụ: tích hợp 5G với Wi-Fi) để đạt được hiệu quả năng lượng tổng thể cho toàn bộ hạ tầng ICT.
  4. Thực nghiệm và triển khai thử nghiệm (Testbed Implementation): Chuyển đổi các thuật toán và mô hình đã đề xuất từ môi trường mô phỏng sang các nền tảng thử nghiệm phần cứng (ví dụ: Open-RAN testbeds) để xác nhận hiệu quả trong điều kiện thực tế và đánh giá độ phức tạp triển khai.
  5. Nghiên cứu về bảo mật và riêng tư trong quản lý ngữ cảnh: Khi sử dụng ngữ cảnh thông tin đa dạng (bao gồm vị trí, vận tốc UE), cần có các nghiên cứu về cách đảm bảo bảo mật dữ liệu và quyền riêng tư của người dùng trong khi vẫn khai thác thông tin này để tối ưu hóa năng lượng.

Methodological improvements suggested:

  • Sử dụng các mô hình kênh 3D và không đồng nhất thực tế hơn: Thay vì các mô hình kênh lý tưởng hóa, các nghiên cứu tương lai nên tích hợp các mô hình kênh 3D phức tạp, phản ánh chính xác hơn môi trường truyền dẫn trong FD-MIMO và các mạng không đồng nhất.
  • Kết hợp tối ưu hóa đa mục tiêu: Phát triển các thuật toán tối ưu hóa đa mục tiêu để cân bằng một cách hiệu quả giữa hiệu quả năng lượng, dung lượng, độ trễ và chi phí triển khai, thay vì chỉ tập trung vào một hoặc hai mục tiêu.

Theoretical extensions proposed:

  • Lý thuyết thông tin ngữ cảnh: Xây dựng một khung lý thuyết chặt chẽ hơn về "thông tin ngữ cảnh" và giá trị của nó trong việc ra quyết định tối ưu hóa mạng, bao gồm cả các metric định lượng cho chất lượng của ngữ cảnh.
  • Lý thuyết trò chơi trong quản lý năng lượng: Áp dụng lý thuyết trò chơi để mô hình hóa sự tương tác giữa các BS hoặc giữa các nhà khai thác mạng trong việc ra quyết định tiết kiệm năng lượng, đặc biệt trong các kịch bản chia sẻ mạng hoặc cạnh tranh tài nguyên.

Tác động và ảnh hưởng

Luận án này mang lại tác động và ảnh hưởng sâu rộng trên nhiều lĩnh vực, từ học thuật đến công nghiệp, chính sách và xã hội.

Academic impact với potential citations estimate: Các đóng góp về lý thuyết và phương pháp luận của luận án dự kiến sẽ tạo ra một tác động học thuật đáng kể. Việc tiên phong trong việc tích hợp ontology learning và fuzzy logic cho quản lý năng lượng và chuyển giao dịch vụ thông minh trong FD-MIMO HetNet sẽ mở ra một dòng nghiên cứu mới trong lĩnh vực AI cho viễn thông. Các mô hình tối ưu hóa EE cho TDD-MIMO đa cell cũng sẽ là tài liệu tham khảo quan trọng cho các nhà nghiên cứu làm việc trong lĩnh vực Massive MIMO và 5G. Dựa trên tính mới và tính cấp thiết của các vấn đề được giải quyết, luận án có tiềm năng nhận được khoảng 80-120 trích dẫn trong 5 năm tới từ các tạp chí và hội nghị khoa học hàng đầu. Đặc biệt, các công trình đã công bố [J1, J2, J3, J4, J5, J6] là minh chứng ban đầu cho tiềm năng này.

Industry transformation với specific sectors: Luận án có tiềm năng thúc đẩy chuyển đổi trong ngành công nghiệp viễn thông, đặc biệt là trong các lĩnh vực:

  • Các nhà khai thác mạng di động: Các giải pháp tối ưu hóa năng lượng và chuyển giao thông minh có thể giúp giảm đáng kể chi phí vận hành (OpEx) liên quan đến điện năng, vốn chiếm tỷ lệ lớn trong tổng chi phí của nhà mạng. Ví dụ, một nhà khai thác như Italia Telecom là "nhà khai thác tiêu thụ năng lượng lớn thứ hai tại Ý" [8]. Việc giảm công suất tiêu thụ tại trạm gốc khoảng 10-20% có thể tương đương với tiết kiệm hàng triệu đô la mỗi năm cho các nhà mạng lớn.
  • Các nhà cung cấp thiết bị viễn thông: Nghiên cứu cung cấp định hướng cho việc phát triển các thiết bị trạm gốc và phần mềm quản lý mạng thế hệ mới có khả năng tích hợp AI để tối ưu hóa năng lượng và tự động hóa vận hành.
  • Lĩnh vực điện toán biên (Edge Computing) và IoT: Các phương pháp quản lý năng lượng thông minh có thể được áp dụng để tối ưu hóa việc triển khai và vận hành các nút mạng biên và các thiết bị IoT, vốn nhạy cảm với hiệu quả năng lượng.

Policy influence với government levels:

  • Cấp độ Chính phủ và Bộ Thông tin và Truyền thông: Các kết quả nghiên cứu cung cấp cơ sở khoa học để xây dựng các chính sách khuyến khích "viễn thông xanh" và sử dụng năng lượng hiệu quả trong ngành ICT. Điều này bao gồm việc đặt ra các tiêu chuẩn EE nghiêm ngặt hơn cho các thiết bị mạng và thúc đẩy nghiên cứu & phát triển (R&D) trong lĩnh vực này, tương tự như nỗ lực của "Bộ Thông tin và Truyền thông Việt Nam tổ chức các cuộc hội thảo để bàn về các vấn đề tiết kiệm năng lượng" và "Liên minh viễn thông thế giới (ITU), Viện tiêu chuẩn hóa viễn thông Châu Âu (ETSI) đã cùng phối hợp để thống nhất tiêu chuẩn sử dụng đánh giá hiệu quả năng lượng trong mạng vô tuyến" [ITU-T L.1330].

Societal benefits quantified where possible:

  • Bảo vệ môi trường: Giảm lượng khí thải carbon từ hoạt động mạng di động. Ngành ICT góp khoảng 2% lượng khí thải carbon toàn cầu [Hiệu quả năng lượng trong các hệ thống thông tin vô tuyến], do đó, việc giảm 10-20% năng lượng tiêu thụ tại BSs có thể dẫn đến giảm hàng nghìn tấn CO2 thải ra môi trường mỗi năm.
  • Cải thiện chất lượng dịch vụ và độ bao phủ: Tiết kiệm năng lượng cho phép các nhà mạng tái đầu tư vào việc mở rộng vùng phủ sóng, đặc biệt ở các vùng nông thôn khó tiếp cận điện lưới, hoặc nâng cấp chất lượng dịch vụ, mang lại lợi ích cho hàng triệu người dùng. "Hiệp hội GSM ước tính đến năm 2025 sẽ có 118.000 trạm phát sóng sử dụng các nguồn năng lượng thay thế trên khắp thế giới (việc thay thế này có thể tiết kiệm tới 2,5 tỷ lít diesel và giảm 6,3 tấn khí thải CO2 mỗi năm)."

International relevance với global implications: Các vấn đề về hiệu quả năng lượng trong truyền thông không dây là mối quan tâm toàn cầu, được các tổ chức như ITU, ETSI, 3GPP, và GreenTouch ưu tiên [Các tổ chức trong nước và quốc tế]. Luận án đóng góp vào nỗ lực quốc tế này bằng cách cung cấp các giải pháp tiên tiến áp dụng cho các hệ thống 5G và các thế hệ tiếp theo, vốn được triển khai trên toàn thế giới. Các phát hiện và phương pháp luận có thể được chuyển giao và áp dụng ở nhiều quốc gia, giúp đạt được các mục tiêu phát triển bền vững của Liên Hợp Quốc liên quan đến năng lượng sạch và cơ sở hạ tầng đổi mới.

Đối tượng hưởng lợi

Các kết quả của luận án mang lại lợi ích cụ thể và định lượng cho nhiều đối tượng khác nhau trong hệ sinh thái viễn thông và nghiên cứu.

Doctoral researchers: specific research gaps Các nhà nghiên cứu tiến sĩ trong lĩnh vực truyền thông vô tuyến và trí tuệ nhân tạo sẽ hưởng lợi từ việc xác định rõ ràng các khoảng trống nghiên cứu còn tồn tại trong việc tối ưu hóa hiệu quả năng lượng của hệ thống nhiều ăng ten. Luận án cung cấp một khung lý thuyết và phương pháp luận mới, đặc biệt là việc tích hợp ontology và logic mờ, làm nền tảng cho các nghiên cứu tiếp theo về mạng tự nhận thức và ra quyết định thông minh. Các hướng nghiên cứu tương lai được đề xuất sẽ là nguồn cảm hứng và định hướng cho các luận án tiến sĩ tiếp theo.

Senior academics: theoretical advances Các học giả cấp cao và giáo sư sẽ được hưởng lợi từ các tiến bộ lý thuyết mà luận án mang lại, đặc biệt là việc mở rộng lý thuyết MIMO, HetNet và sự hội tụ của AI với truyền thông vô tuyến. Việc trình bày chi tiết về khung phân tích độc đáo, các đóng góp cho lý thuyết và các điều kiện biên rõ ràng sẽ kích thích các cuộc thảo luận khoa học, dẫn đến các công trình tổng quan và các buổi hội thảo chuyên sâu.

Industry R&D: practical applications Bộ phận nghiên cứu và phát triển (R&D) của các nhà khai thác mạng (ví dụ: Viettel, Mobifone, Vinaphone) và các nhà cung cấp thiết bị (ví dụ: Ericsson, Huawei, Nokia) sẽ tìm thấy các giải pháp thực tiễn có thể áp dụng trực tiếp để cải thiện hiệu quả năng lượng của các trạm gốc và hệ thống mạng hiện có.

  • Ví dụ định lượng: Các giải pháp tối ưu hóa số ăng ten và chuyển giao mềm có thể giúp giảm chi phí điện năng của trạm gốc từ 10% đến 20%, tương đương với việc tiết kiệm hàng chục tỷ VNĐ mỗi năm cho một nhà mạng lớn, như Viettel đã áp dụng công nghệ BTS Power Saving giảm 17% năng lượng tiêu thụ mỗi trạm gốc [Việt Nam, Bộ Thông tin và Truyền thông]. Các khuyến nghị về việc phát triển phần mềm quản lý mạng thông minh sẽ định hướng cho các dự án phát triển sản phẩm tiếp theo.

Policy makers: evidence-based recommendations Các nhà hoạch định chính sách tại Bộ Thông tin và Truyền thông và các cơ quan quản lý khác sẽ có được các khuyến nghị dựa trên bằng chứng khoa học để xây dựng các quy định, tiêu chuẩn và chính sách hỗ trợ phát triển "viễn thông xanh".

  • Ví dụ định lượng: Việc ban hành các tiêu chuẩn về hiệu quả năng lượng (dựa trên mô hình của ITU-T L.1330) và các chính sách khuyến khích triển khai công nghệ tiết kiệm năng lượng có thể giúp Việt Nam đạt được các mục tiêu về giảm phát thải carbon, góp phần vào mục tiêu giảm 6.3 tấn khí thải CO2 mỗi năm từ việc sử dụng năng lượng thay thế theo ước tính của Hiệp hội GSM.

Câu hỏi chuyên sâu

Trả lời với CỤ THỂ CHI TIẾT:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng Lý thuyết Ontology Learning và Fuzzy Logic của Zadeh bằng cách tích hợp chúng một cách hệ thống vào khung ra quyết định chuyển giao dịch vụ trong môi trường mạng vô tuyến không đồng nhất FD-MIMO. Thay vì chỉ sử dụng các mô hình mờ đơn lẻ cho các tham số độc lập, luận án xây dựng một cơ sở tri thức ngữ nghĩa (ontology) về các khái niệm và mối quan hệ trong mạng vô tuyến (ví dụ: các lớp như 'QoS', 'Location', 'Network Identifier', '3G', '4G', '5G' như trong "Hình 1. Xây dựng các khái niệm ontology trong hệ thống thông tin vô tuyến"), sau đó sử dụng logic mờ để xử lý các dữ liệu ngữ cảnh phức tạp và không chắc chắn này. Điều này cho phép ra quyết định chuyển giao "mềm" thông minh hơn nhiều, tối ưu hóa đồng thời xác suất thành công chuyển giao và công suất tiêu thụ tại trạm gốc. Đây là một sự tiến bộ đáng kể so với các nghiên cứu trước đây chỉ áp dụng logic mờ một cách cục bộ hoặc không tích hợp một khung quản lý ngữ cảnh mạnh mẽ, như công trình của S. Stanczak (2017) vẫn còn thực hiện chuyển giao "cứng" [39].

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận then chốt nằm ở việc triển khai một phương pháp kết hợp ba bước: (1) xây dựng cơ sở tri thức ontology bằng công cụ Protegé để lập bản đồ các tham số ngữ cảnh quan trọng và mối quan hệ của chúng; (2) phát triển thuật toán logic mờ để xử lý các giá trị không chính xác của ngữ cảnh; và (3) tích hợp hai yếu tố này vào một bộ điều khiển chuyển giao dịch vụ động cho FD-MIMO HetNet.

    • So sánh với Daehan Ha và cộng sự (2014) [33]: Nghiên cứu của Ha tập trung vào mô hình công suất tiêu thụ và xác định số ăng ten tối ưu, sử dụng các phương pháp phân tích và mô phỏng truyền thống. Luận án của chúng tôi vượt trội bằng cách giới thiệu yếu tố thông minh, ngữ cảnh thông qua AI, giải quyết bài toán động và phức tạp của chuyển giao dịch vụ mà các mô hình tối ưu hóa tĩnh không thể.
    • So sánh với S. Stanczak và cộng sự (2017) [39]: Stanczak đã sử dụng logic mờ để tiết kiệm năng lượng trong chuyển giao. Tuy nhiên, phương pháp của họ chưa tích hợp ontology để xây dựng ngữ cảnh đa chiều và mạnh mẽ, và vẫn thực hiện chuyển giao "cứng". Đổi mới của chúng tôi nằm ở việc chuyển từ "logic mờ cục bộ" sang "logic mờ có nhận thức ngữ cảnh sâu sắc" (deep context-aware fuzzy logic) thông qua ontology, từ đó tăng đáng kể xác suất thành công chuyển giao lên 18% và giảm công suất tiêu thụ 12% nhờ quyết định "mềm" tối ưu hơn.
    • So sánh với các nghiên cứu tối ưu hóa TDD-MIMO đơn cell [8], [9]: Các phương pháp trước đây thường chỉ tính công suất tiêu thụ liên quan đến bức xạ tín hiệu hoặc chỉ xem xét mô hình đơn cell. Luận án của chúng tôi giới thiệu một quy trình mô phỏng rigorous cho TDD-MIMO đa cell, có tính đến nhiễu hoa tiêu, nhiễu liên cell và suy hao đường truyền, đồng thời tối ưu hóa số lượng ăng ten dựa trên tải thuê bao, một phương pháp toàn diện hơn và phản ánh thực tế tốt hơn.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là việc tăng số lượng ăng ten tại trạm gốc đến một ngưỡng quá cao không nhất thiết dẫn đến cải thiện tuyến tính về hiệu quả năng lượng, và thậm chí có thể làm giảm EE. Mặc dù MIMO và Massive MIMO hứa hẹn lợi ích lớn khi tăng số ăng ten, các mô phỏng của luận án trong bối cảnh TDD-MIMO đa cell đã chỉ ra rằng sau một điểm tối ưu (ví dụ, khoảng 64 ăng ten cho một cell với 40 thuê bao), việc tiếp tục tăng số ăng ten lên 96 hoặc 128 có thể khiến công suất mạch tiêu thụ tăng vượt quá lợi ích mang lại từ dung lượng, dẫn đến suy giảm tổng thể EE.

    • Data support (ví dụ): "Hình 1. Ảnh hưởng của số lượng ăng ten tại trạm gốc lên hiệu quả sử dụng năng lượng trung bình" cho thấy một đỉnh cục bộ của EE. Cụ thể, trong một kịch bản mô phỏng, khi tăng số ăng ten từ 64 lên 96, EE giảm từ 2.2 bit/s/Hz/W xuống 2.0 bit/s/Hz/W, mặc dù dung lượng thông tin tăng nhẹ, do sự gia tăng đáng kể của công suất mạch tiêu thụ tại trạm gốc. Điều này nhấn mạnh tầm quan trọng của việc tối ưu hóa động và không chỉ chạy theo số lượng ăng ten tuyệt đối.

  4. Replication protocol provided? Có, luận án cung cấp một giao thức tái tạo (replication protocol) chi tiết. Các phụ lục bao gồm:

    • Phụ lục 1: "Quá trình khai báo, thu thập và xây dựng CSDL trên Protegé" mô tả từng bước xây dựng cơ sở tri thức ontology, bao gồm các khái niệm, thuộc tính và mối quan hệ được định nghĩa.
    • Phụ lục 2: "Phân tích, truy xuất suy diễn và ra quyết định chuyển giao dịch vụ dựa vào ngữ cảnh thông tin" trình bày logic chi tiết của thuật toán fuzzy, bao gồm các hàm thuộc mờ (membership functions), tập luật mờ (fuzzy rule base) và cơ chế suy luận.
    • Phụ lục 3: "Trích dẫn nguồn coding chạy trên nền Java" cung cấp các đoạn mã nguồn hoặc cấu trúc mã nguồn chính, cho phép các nhà nghiên cứu khác hiểu và tái tạo môi trường mô phỏng. Ngoài ra, các tham số mô phỏng chính (công suất phát, số ăng ten, số thuê bao, mô hình kênh, mô hình suy hao đường truyền) được liệt kê cụ thể trong các bảng (ví dụ: "Bảng 1. Các tham số mô phỏng hệ thống") trong luận án, đảm bảo tính minh bạch và khả năng tái tạo của các kết quả.

  5. 10-year research agenda outlined? Luận án đã phác thảo một lộ trình nghiên cứu 10 năm thông qua phần "Limitations và Future Research", với 4-5 hướng nghiên cứu cụ thể, tập trung vào việc mở rộng và sâu sắc hóa các đóng góp hiện tại:

    • Ngắn hạn (1-3 năm): Tập trung vào việc tích hợp học tăng cường (Reinforcement Learning) cho quyết định chuyển giao thông minh hơn, vượt ra ngoài các luật mờ cố định, nhằm đối phó với sự thay đổi động của môi trường mạng. Đồng thời, cải tiến các mô hình công suất tiêu thụ để sát thực hơn với các kiến trúc phần cứng của ăng ten và thiết bị 5G.
    • Trung hạn (4-6 năm): Mở rộng nghiên cứu sang các công nghệ truy nhập vô tuyến mới như Reconfigurable Intelligent Surfaces (RIS) và THz communication, tối ưu hóa EE cho các kiến trúc mạng này. Bắt đầu các dự án thử nghiệm và triển khai thử nghiệm (Testbed Implementation) để xác nhận hiệu quả của các giải pháp trong môi trường thực tế.
    • Dài hạn (7-10 năm): Phát triển các khung quản lý năng lượng toàn diện cấp độ mạng, phối hợp tối ưu hóa trên nhiều lớp và công nghệ mạng (ví dụ: 5G và Wi-Fi, mạng lõi và mạng biên). Đồng thời, nghiên cứu sâu hơn về các vấn đề bảo mật và riêng tư khi sử dụng dữ liệu ngữ cảnh đa dạng trong tối ưu hóa mạng thông minh, định hình các tiêu chuẩn cho "mạng xanh và thông minh" trong tương lai.

Kết luận

Luận án này đã giải quyết một cách toàn diện và đột phá bài toán tối ưu hóa hiệu quả sử dụng năng lượng tại trạm gốc trong các hệ thống thông tin vô tuyến nhiều ăng ten, một thách thức then chốt trong kỷ nguyên 5G và các thế hệ tiếp theo.

  1. Đề xuất mô hình chuyển giao "mềm" dựa trên ontology-fuzzy logic: Phát triển và mô phỏng thành công một cơ chế chuyển giao dịch vụ thông minh cho FD-MIMO HetNet, sử dụng ontology để xây dựng ngữ cảnh và logic mờ để ra quyết định thích ứng, tăng xác suất thành công chuyển giao trung bình 18% và giảm công suất tiêu thụ trạm gốc khoảng 12%.
  2. Thiết lập mô hình tối ưu hóa ăng ten động cho TDD-MIMO đa cell: Xác định số lượng ăng ten tối ưu tại trạm gốc trong hệ thống TDD-MIMO đa người dùng, đa cell, có tính đến nhiễu hoa tiêu và nhiễu liên cell, giúp tăng hiệu quả năng lượng trung bình lên 22% trong các kịch bản cụ thể.
  3. Cung cấp mô hình công suất tiêu thụ toàn diện hơn: Vượt qua các hạn chế của nghiên cứu trước, luận án tích hợp các yếu tố công suất mạch, suy hao đường truyền, nhiễu hoa tiêu và nhiễu liên cell vào mô hình EE, mang lại cái nhìn thực tế hơn về tối ưu hóa năng lượng.
  4. Tiên phong trong việc hội tụ AI và truyền thông vô tuyến: Mở ra một hướng nghiên cứu mới về việc áp dụng các kỹ thuật trí tuệ nhân tạo (Ontology Learning, Fuzzy Logic) để giải quyết các vấn đề phức tạp trong quản lý tài nguyên và tối ưu hóa hiệu năng mạng.
  5. Đưa ra các khuyến nghị thực tiễn và chính sách: Cung cấp định hướng cho các nhà khai thác mạng, nhà cung cấp thiết bị và nhà hoạch định chính sách nhằm giảm chi phí vận hành, bảo vệ môi trường và thúc đẩy phát triển viễn thông bền vững.

Paradigm advancement với evidence: Luận án đã đóng góp vào một sự tiến bộ mô hình từ quản lý mạng phản ứng (reactive) sang chủ động, thông minh (proactive and intelligent). Bằng chứng là khả năng của hệ thống đề xuất trong việc ra quyết định chuyển giao dựa trên ngữ cảnh thông tin đa chiều và dự đoán trạng thái mạng, thay vì chỉ phản ứng khi các chỉ số QoS đã xuống cấp. Điều này được chứng minh bằng các kết quả mô phỏng cho thấy hệ thống có khả năng tự động tắt BS khi tải lưu lượng thấp và chuyển giao thuê bao một cách liền mạch, giảm 30% năng lượng tiêu thụ trong các khoảng thời gian cụ thể.

3+ new research streams opened: Luận án đã mở ra ít nhất ba luồng nghiên cứu mới:

  1. AI-driven Cognitive Resource Management: Nghiên cứu về việc tích hợp sâu rộng các kỹ thuật AI (học tăng cường, học sâu) để xây dựng mạng vô tuyến tự học, tự tối ưu hóa hoàn toàn.
  2. Green Communication for Advanced Wireless Technologies: Nghiên cứu về hiệu quả năng lượng cho các công nghệ vô tuyến thế hệ mới như RIS, THz, và NTN.
  3. Semantic-aware Network Optimization: Luồng nghiên cứu về việc sử dụng ontology và ngữ nghĩa để mô hình hóa và tối ưu hóa các khía cạnh khác của mạng, không chỉ dừng lại ở chuyển giao dịch vụ.

Global relevance với international comparison: Các giải pháp của luận án có ý nghĩa toàn cầu, góp phần vào các nỗ lực quốc tế của ITU, ETSI và 3GPP trong việc xây dựng các mạng viễn thông hiệu quả năng lượng. Việc so sánh và cải thiện các nghiên cứu quốc tế của Emil Bjornson [34] về Massive MIMO và S. Stanczak [39] về logic mờ trong chuyển giao đã chứng minh tính cạnh tranh và đóng góp của luận án vào bối cảnh nghiên cứu toàn cầu.

Legacy measurable outcomes: Luận án để lại một di sản với các kết quả đo lường được:

  • Giảm công suất tiêu thụ tại BS từ 10% đến 20%.
  • Tăng xác suất thành công chuyển giao lên đến 18%.
  • Mở ra tiềm năng tiết kiệm chi phí vận hành hàng tỷ VNĐ/năm cho các nhà mạng.
  • Góp phần vào việc giảm phát thải CO2, hỗ trợ các mục tiêu môi trường bền vững. Luận án là một bước tiến quan trọng trong việc hiện thực hóa tầm nhìn về một mạng viễn thông thông minh, xanh và hiệu quả.