DỰ ĐOÁN CÔNG SUẤT TỐI ƯU NGUỒN PHÁT CỦA HỆ THỐNG TRUYỀN GÓI TIN NGẮN QUA MẶT PHẢN XẠ THÔNG MINH BẰNG KỸ THUẬT HỌC SÂU

Abstract

Dự đoán công suất tối ưu nguồn phát trong
các hệ thống mạng viễn thông đóng một vai trò quan
trọng và giúp tiết kiệm chi chí năng lượng của nguồn
phát trong thực thi hệ thống mạng thực tế. Tuy nhiên,
trong các hệ thống mạng không dây hiện tại vấn đề
phân bổ công suất nguồn phát sao cho đảm bảo yêu
cầu nghiêm ngặt về độ tin cậy và độ trễ của hệ thống
giao tiếp cực kỳ tin cậy và độ trễ cực thấp (uRLLCs)
là một thử thách do tính toán quá phức tạp. Để giải
quyết thử thách này, chúng tôi nghiên cứu kỹ thuật
học sâu (đặt biệt, mạng nơ ron sâu) để dự đoán công
suất nguồn phát của hệ thống truyền gói tin ngắn có
sự hỗ trợ của mặt phản xạ thông minh. Học sâu là
một nhánh con của học máy và cũng là một trong
những phương pháp học tiềm năng trong trí tuệ nhân
tạo. Học sâu cho phép các thuật toán đưa ra các dự
đoán, phân loại hay các quyết định dựa vào tập dữ
liệu mà không cần phải tính toán, lập trình phức tạp.
Trong bài báo này, chúng tôi đề xuất mô hình mạng
nơ ron sâu để dự đoán công suất tối ưu nguồn phát
của hệ thống truyền tin gói ngắn qua mặt phản xạ
thông minh phù hợp yêu cầu uRLLCs. Đầu tiên,
chúng tôi dẫn ra biểu thức xấp xỉ tỉ lệ lỗi khối qua
kênh truyền fading Rayleigh. Dựa trên biểu thức tỉ lệ
lỗi khối, chúng tôi tạo tập dữ liệu cho quá trình huấn
luyện mạng nơ ron sâu. Sau quá trình huấn luyện,
mạng nơ ron được tạo ra thông qua một hàm ánh xạ
từ dữ liệu đầu vào và các tham số trong quá trình
huấn luyện. Tiếp theo, chúng tôi tiến hành kiểm tra
kết quả dự đoán với một tập kiểm thử bất kỳ. Để đánh
giá chất lượng dự đoán của mô hình mạng nơ ron tạo
được, chúng tôi dựa vào phương pháp đánh giá lỗi
trung bình bình phương gốc (RMSE). Kết quả cho
thấy rằng giá trị RMSE nhỏ vào khoảng 0.01 và giá
trị này càng giảm khi tăng số lượng mẫu kiểm tra.
Cuối cùng, chúng tôi cũng cho thấy được công suất
được dự đoán từ mô hình mạng nơ ron gần như khớp
hoàn toàn với giá trị công suất nguồn phát mong
muốn của hệ thống.