Lập lịch cho mạng truyền thông tán xạ ngược cấp nguồn không dây sử dụng trò chơi Stackelberg

Bài viết giới thiệu mô hình mạng truyền thông IoT không đồng nhất tán xạ ngược và cấp nguồn không dây, trong đó, chúng tôi giả thiết nguồn phát (PB) thuộc nhà cung cấp dịch vụ năng lượng (ESP) và các thiết bị IoT thuộc nhà cung cấp dịch vụ IoT (ISP).

Lập lịch cho mạng truyền thông tán xạ ngược cấp nguồn không dây sử dụng trò chơi Stackelberg

Ngoc-Tan Nguyen1, Nam-Hoang Nguyen2, and Quoc-Tuan Nguyen3 Khoa Điện tử - Viễn thông, Trường Đại học Công Nghệ, ĐHQGHN, Hanoi, Việt Nam

Email: 115028004@vnu.edu.vn,2hoangnn@vnu.edu.vn,3tuannq@vnu.edu.vn

Tóm tắt nội dung—Trong bài báo này, chúng tôi giới thiệu mô

hình mạng truyền thông IoT không đồng nhất tán xạ ngược và

cấp nguồn không dây, trong đó, chúng tôi giả thiết nguồn phát

(PB) thuộc nhà cung cấp dịch vụ năng lượng (ESP) và các thiết

bị IoT thuộc nhà cung cấp dịch vụ IoT (ISP) Để tối đa đồng thời

lợi nhuận của hai nhà cung cấp dịch vụ về mặt hiệu quả năng

lượng và thông lượng mạng, mô hình trò chơi Stackelberg được

sử dụng để nghiên cứu các tương tác giữa ISP và ESP Trong bài

báo này, chúng tôi sẽ giới thiệu một thuật toán tối ưu hoá luân

phiên để giải quyết bài toán tối ưu không lồi của ISP Thông qua

các mô phỏng máy tính, chúng tôi chỉ ra rằng phương pháp đề

xuất có thể nâng cao được lợi nhuận cho cả hai nhà cung cấp so

với các phương pháp thông thường, ví dụ như các phương pháp

tán xạ ngược song phân và "thu hoạch-truyền" (HTT) Ngoài

ra, các kết quả mô phỏng cũng xác thực độ phức tạp của thuật

toán tối ưu luân phiên là thấp và có thể hoàn thành trong thời

gian đa thức.

Index Terms—Tán xạ ngược, thu hoạch năng lượng.

I GIỚITHIỆU Internet vạn vật (IoTs) được định nghĩa là một mô hình

mạng thông minh sử dụng các công nghệ hiện đại cho phép

các thiết bị IoT kết nối với nhau [1] Trong thập kỷ vừa qua,

với tốc độ phát triển vũ bão, IoT đã được ứng dụng trong

nhiều lĩnh vực như thành phố/nhà thông minh, nông nghiệp,

chăm sóc sức khỏe, và giao thông nhằm mang lại những tiện

ích cao cấp cho cuộc sống của chúng ta [1]- [2] Để đáp ứng

các yêu cầu như chi phí thấp và kích thước gọn nhẹ, các thiết

bị IoT thường được cấp nguồn bằng pin có dung lượng nhỏ

để hỗ trợ hoạt động của chúng Tuy nhiên, việc thường xuyên

sạc lại hoặc thay thế pin cho một lượng lớn số lượng thiết bị

IoT như vậy thường không hiệu quả vì nó rất tốn kém, bất

tiện, và thậm chí không khả thi trong một số trường hợp (ví

dụ như trong cấy ghép y sinh) [3]

Mạng WPBC tích hợp hai công nghệ đó là phương pháp Thu

hoạch năng lượng-Truyền (HTT) [4] và truyền thông tán xạ

ngược [5] Trong mạng WPBC, thiết bị cấp nguồn không dây

(WPD) được thiết kế để thực hiện truyền thông tán xạ ngược

(tức là truyền dữ liệu thụ động) hoặc truyền thông bằng cách

sử dụng mạch vô tuyến (RF) của nó (tức là truyền dữ liệu chủ

động) và năng lượng thu được từ một nguồn phát sóng RF, ví

dụ như “Power beacon" (PB)

Hầu hết các nghiên cứu hiện tại về WPBC đều tập trung

tối ưu hóa việc lập lịch cho các thiết bị để thực hiện các tác

vụ như thu hoạch năng lượng, truyền dữ liệu chủ động và

thụ động theo giao thức ghép kênh phân chia theo thời gian

(TDM) với giả định là các thiết bị IoT đồng nhất về cấu hình

phần cứng và các yêu cầu về năng lượng [6]- [7] Trên thực

tế có nhiều loại WPD khác nhau với các chức năng và cấu hình phần cứng khác nhau, ví dụ như chúng có thể thực hiện truyền thông tán xạ ngược hoặc HTT hoặc cả hai Hơn nữa, các thiết bị IoT thường thuộc về một nhà cung cấp dịch vụ IoT (ISP) và nó phải trả chi phí cho việc mua năng lượng để vận hành các dịch vụ của mình Trong trường hợp này, các giao dịch năng lượng giữa ISP và nhà cung cấp dịch vụ năng lượng (ESP) nên được tính đến trong khi tối ưu hóa việc lập lịch cho các thiết bị IoT

Trong bài báo này, mục tiêu của chúng tôi là giới thiệu một giải pháp cho việc tối ưu hóa việc giao dịch năng lượng và lập lịch thời gian cho mạng WPBC (HWPBC) không đồng nhất bằng cách nghiên cứu sự tương tác giữa ISP và ESP Cụ thể, chúng tôi sử dụng lý thuyết trò chơi Stackelberg để nắm bắt tương tác chiến lược giữa PB và các thiết bị IoT [8]- [7] Trong trò chơi này, ISP đóng vai trò là người chơi thứ nhất (NC1) làm chủ trò, nó có thể chủ động chọn một dịch vụ năng lượng bằng cách gửi yêu cầu năng lượng của mình với giá cả và thời gian sạc Sau đó, ESP được mô hình hoá là người chơi thứ hai (NC2) sẽ đưa ra chiến lược để đối phó với chiến lược từ NC1 Do đó, trong trò chơi này, nó có nhiệm vụ tìm ra công suất truyền tối ưu để có thể tối đa hóa lợi ích của nó trong khi vẫn đáp ứng các yêu cầu từ ISP Mô hình chi phí có dạng hàm bậc hai được áp dụng cho giao dịch năng lượng [9] để tối ưu hóa lợi nhuận của ESP, tức là NC2, đạt được bằng cách bán năng lượng dựa trên chi phí và thời gian hoạt động của

PB do ISP (hay là NC1) đưa ra Lợi nhuận của ISP thu được

từ doanh thu của việc cung cấp dịch vụ (ví dụ như thu thập

dữ liệu) sau khi đã trừ đi chi phí năng lượng Đây là một hàm không lồi đa biến theo đơn giá mua năng lượng và thời gian hoạt động của các thiết bị PB và IoT được đề xuất bởi ISP Để tối đa hàm lợi nhuận này, chúng tôi giới thiệu một thuật toán tối ưu luân phiên Cuối cùng, các kết quả mô phỏng xác minh hiệu quả của phương pháp được đề xuất so với các phương pháp khác (BBCM [11] và HTTCM [4])

II MÔ HÌNH HỆ THỐNG

A Thiết lập mạng

Như được minh hoạ trong Hình 1a, chúng tôi xem xét mô hình mạng HWPBC có hai nhà cung cấp dịch vụ, đó là ISP

và ESP Ở phía ISP, chúng tôi xem xét ba loại thiết bị IoT có giá thành thấp và cấu hình phần cứng khác nhau có thể hỗ trợ hai chức năng: BBCM và HTTCM Loại thiết bị IoT đầu tiên được đại diện bởiA=∆{AWPDa|∀a = {1, , A}} là các thiết bị IoT cấp nguồn không dây chủ động (được kí hiệu là AWPD), chúng được trang bị mạch thu năng lượng và truyền

RF

Power Beacon

RF signal

RF signal

RF signal

RF signal

PWPD AWPD

HWPD

Backscatter signal Transmit signal

Energy supply

service

Communication service

(a)

Sleeping period (1 − 𝛽) Normalized time frame of the HWPBCN

Operating period 𝛽

Energy Harvesting

Backscattering Self Transmitting

A ∪ H\{HWPDH}

A ∪ H

A ∪ H

(b) Hình 1: (a) Mô hình của hệ thống (b) Khung thời gian chuẩn

hoá

dữ liệu không dây Với cấu hình phần cứng này, AWPD chỉ có

thể hoạt động trong chế độ HTTCM Tiếp theo, chúng tôi ký

hiệu P=∆{PWPDp|∀p = {1, , P }} là một tập hợp các thiết

bị IoT cấp nguồn không dây thụ động (PWPD), chúng được

thiết kế với mạch truyền thông tán xạ ngược để thực hiện chế

độ BBCM Cuối cùng, các thiết bị IoT cấp nguồn không dây

kết hợp (HWPD) thuộc loạiH=∆{HWPDh|∀h = {1, , H}},

chúng được trang bị tất cả các thành phần phần cứng để hỗ trợ

cả hai chế độ hoạt động nói trên Mặt khác, ESP sử dụng một

bộ phát sóng vô tuyến chuyên dụng (PB) để cung cấp năng

lượng cho các thiết bị IoT

Dịch vụ IoT hoạt động trong hai khoảng thời gian làm việc

liên tiếp của PB, tức là, thời gian phát sóng vô tuyến β và

thời gian ngủ (1− β) như được hiển thị trong Hình 1b Để

đơn giản và đạt được tính hiệu quả trong việc phân bổ tài

nguyên thời gian cho nhiều thiết bị IoT, khung thời gian TDM

được áp dụng ở đây để tránh xung đột giữa các lần truyền của

các thiết bị IoT Chúng tôi ký hiệu θ= (θ1, , θ∆ p, , θP)T

và τ = (τ∆ 1, , τh, , τH)Tlần lượt là các véc-tơ thời gian

truyền thông tán xạ ngược của các thiết bị PWPD và HWPD

trong chu kỳ phát sóng vô tuyến của PB Tương tự, ν =∆

(ν1, , νa, , νA)Tvà µ= (µ1, , µ∆ h, , µH)Tlần lượt

là các véc-tơ thời gian truyền dữ liệu chủ động của các thiết

bị AWPD và HWPD trong khoảng thời gian ngủ của PB Khi

PB đang trong chu kỳ phát sóng vô tuyến, nó truyền tín hiệu

RF không điều chế, do đó, các thiết bị IoT (PWPD và HWPD)

với khả năng truyền thông tán xạ ngược có thể truyền dữ liệu

của chúng một cách thụ động bằng cách tận dụng các tín hiệu

đó Trong khi đó, các thiết bị AWPD và HWPD được trang

bị mạch thu năng lượng có thể thu hoạch năng lượng cho quá

trình truyền dữ liệu chủ động của chúng trong giai đoạn hoạt

động tiếp theo của PB (giai đoạn ngủ) Lưu ý rằng thiết bị AWPDa có thể thực hiện thu hoạch năng lượng trong toàn bộ thời gian phát sóng vô tuyến của PB (tức là β), trong khi đó thời gian thu hoạch năng lượng của HWPDhlà (β− τh) vì nó phải thực hiện truyền thông tán xạ ngược trong khoảng thời gian τh Trong giai đoạn ngủ của PB, các AWPD và HWPD

có thể thực hiện truyền dữ liệu chủ động để cung cấp dữ liệu cho gateway dựa trên giao thức TDMA

B Phân Tích Thông Lượng Mạng 1) Giai đoạn phát sóng vô tuyến của PB: Trong mô hình

hệ thống mà chúng tôi đề xuất, có ba kênh truyền bao gồm: (1) kênh truyền từ PB đến các thiết bị IoT, (2) kênh truyền

từ các thiết bị IoT đến IoT gateway, và (3) kênh truyền từ PB đến IoT gateway Vì phạm vi truyền thông của các mạng IoT thường giới hạn, nên chúng ta chỉ xem xét các kênh truyền trên là truyền thẳng (LOS), do đó, độ lợi của chúng là:

gc=GBGDλ

2 (4πdBD)2, gd=

GDGGλ2 (4πdDG)2, gg=

GBGGλ2 (4πdBG)2, (1) trong đó, gc, gd, và gg lần lượt là độ lợi của các kênh truyền

1, 2, và 3 GB, GD, và GG lần lượt là độ lợi ăng-ten của

PB, IoT devices, và IoT gateway λ là bước sóng của sóng vô tuyến, và dBD, dDG, và dBG lần lượt là khoảng cách truyền của các kênh truyền kể trên Tốc độ tán xạ ngược có thể đạt được (tính bằng bit/s) của PWPDp và HWPDh là [14]:

W = ΛBlog2



1 + ζP

ep R

N0



trong đó, công suất nhận tại IoT gateway là:PRep =

η2gcgd 4

π 2(Γ0− Γ1)2PS ζ là hệ số bù so với điều chế thực

tế, và N0 là phân bố phổ công suất (psd) của nhiễu đường truyền Tổng thông lượng thu được qua truyền thông tán xạ ngược trong khoảng thời gian phát sóng vô tuyến của PB là:

Rep=

P X

p=1

Wpθp+

H X

h=1

Whτh

=

P X

p=1 ΛBθplog2(1+κpPS)+

H X

h=1 ΛBτhlog2(1+κhPS) ,

(3)

where κp = ζη2pgc,pgd,p(Γ0− Γ1)2π24N 0

a and κh =

ζη2

hgc,hgd,h(Γ0− Γ1)2π24N0

h

2) Giai đoạn ngủ của PB: Như được đề cập trong phần trên, chỉ có các thiết bị AWPD và HWPD là có khả năng truyền thông với gateway trong giai đoạn này bằng việc sử dụng các mạch truyền thông vô tuyến của chúng Tổng lương năng lượng thu hoạch được của các thiết bị AWPDa và HWPDh

từ PB lần lượt là Ea = βPaR và Eh = (β− τh) PhR Trong

đó, PR,aB = ϕagc,aPS và PR,hB = ϕhgc,hPS lần lượt là công suất tín hiệu nhận được ở AWPDa và HWPDh từ PB [12]

PS là công suất truyền của PB và {ϕa, ϕh} lần lượt là hiệu quả thu hoạch năng lượng của AWPDa và HWPDh Để cho đơn giản, chúng tôi giả sử năng lượng tiêu hao bởi quá trình truyền chủ động của AWPDs và HWPDs chiếm tỉ trọng lớn nhất, do đó, năng lượng tiêu hao bởi mạch điện được bỏ qua

Do đó, toàn bộ năng lượng thu hoạch được sử dụng cho quá

trình truyền dữ liệu của AWPDs và HWPDs khi PB không

phát sóng Công suất truyền của AWPDa và HWPDh lần lượt

là Pat= Ea/νa và Pht= Eh/µh Vì vậy, tổng thông lượng đạt

được do việc truyền dữ liệu chủ động của AWPD và HWPD

khi PB ở trạng thái ngủ được xác định như sau:

Rsp=

A

X

a=1

νaΛDlog2

 1+ζgd,aP

t a

N0 a

 +

H X

h=1

µhΛDlog2

 1+ζgd,hP

t h

N0 h



=

A

X

a=1

νaΛDlog2

 1+δaβPS νa

 +

H X

h=1

µhΛDlog2

 1+δh(β−τh)PS

µh

 , (4) trong đó, δa=ζϕa g c,a g d,a

N a

0 và δh=ζϕh g c,h g d,h

N h 0

ΛD là băng thông sử dụng trong giao thức HTT, và{N0

a, Nh} lần lượt là0

ồn trên các kênh truyền từ AWPDa và HWPDh đến gateway

Cuối cùng, thông lượng mạng (Rsum) được tính như trong

công thức (5) và được mô hình hoá là lợi nhuận đạt được của

ISP để từ đó xây dựng bài toán tối đa đồng thời lợi nhận của

cả hai nhà cung cấp dịch vụ

III THỰC HIỆN GIAO DỊCH NĂNG LƯỢNG VÀ LẬP LỊCH

ĐỒNG THỜI DỰA TRÊN LÝ THUYẾT TRÒ CHƠI

STACKELBERG

A Thiết lập trò chơi

1) Hàm lợi nhuận của ISP: Hàm lợi nhuận đạt được của

ISP được định nghĩa như sau:

UISP(pl, β, ψ) = prRsum− plβPS, (6)

trong đó, pr là số tiền được trả trên mỗi bit thông tin được

truyền bởi các thiết bị IoT, pllà đơn giá năng lượng được trả

bởi ISP cho ESP Do đó, ISP cần tối đa hàm lợi nhuận của nó

ULtheo đơn giá năng lượng pl, thời gian hoạt động của PB β,

và thời gian hoạt động của các thiết bị IoT ψ= (θ, ν, τ , µ).∆

2) Hàm lợi nhuận của ESP: Trong trò chơi này, PB đóng

vai trò là NC2, nó tối ưu công suất truyền của nó dựa trên

yêu cầu của ISP, đó là đơn giá năng lượng và thời gian hoạt

động từ ISP Hàm lợi nhuận của NC2 được xác định dựa trên

lợi nhuận của nó thu được từ việc bán năng lượng cho ISP và

giá thành của việc tạo ra năng lượng:

UESP(PS) = β [plPS− F (PS)] , (7)

trong đó, F (x) = amx2+ bmx là một hàm bậc hai được dùng

để tính giá thành của việc tạo ra năng lượng ở PB [9]

B Nghiệm của trò chơi Stackelberg

Định nghĩa cân bằng Stackelberg (SE) được phát biểu là:

là cân bằng Stackelberg (SE) nếu các điều kiện sau đây thoả

mãn [13]:



UISP(PS∗, p∗l, β∗, ψ∗)≥ UISP(PS∗, pl, β, ψ) ,

UESP(PS∗, p∗l, β∗, ψ∗)≥ UESP(PS, p∗l, β∗, ψ∗) (9)

Để tìm được cân bằng Stackelberg, chúng tôi sử dụng kỹ

thuật quy nạp ngược trong hai bổ đề sau

Bổ đề 1 Nếu biết được chiến lược của NC1 (ở đây là ISP),

NC2 (ở đây là ESP) có thể tìm được một giá trị tối ưu duy nhất của PS∗ theo chiến lược đó.

Chứng minh. Thật vậy, hàm lợi nhuận của NC2 trong công thức (7) là một hàm bậc hai theo PS Do đó, nếu biết được chiến lược (pl, β, ψ) của NC1, nghiệm tối ưu và duy nhất PS

là PS∗=pl −bm

2a m

tồn tại một tập nghiệm tối ưu cho NC1 (ISP), và do đó, chiến lược tốt nhất mà ISP có thể đưa ra được tìm thông qua một thuật toán lặp.

Chứng minh. Với chiến lược PS∗của NC2, hàm lợi nhuận của NC1 có thể được biểu diễn lại như trong công thức (8) Bài toán tối ưu lợi nhuận của NC1 được biểu diễn như sau:

max

Pimin≤ Pit≤ Pimax, i∈ {a, h} , (10b)

Eimin≤ Ei≤ Eimax, i∈ {a, h} , (10c)

γibb≥ γmin

0≤XPp=1θp+XH

h=1τh≤ β ≤ 1, ∀θp,∀τh≥0, (10e)

0≤XAa=1νa+XH

h=1µh≤1−β ≤1, ∀νa,∀µh≥0 (10f) trong đó, PS = (pl −b m )

2a m , Pat = ϕa g c,a β(p l −b m )

2a m ν a , and Pht =

ϕ h g c,h (β−τ h )(p l −b m ) 2a m µ h Trong bài toán tối ưu trên, (10a)-(10f) là các ràng buộc về mặt thời gian và công suất của PB và các thiết bị IoT Để tìm nghiệm tối ưu χ∗= (p∗l, β∗, ψ∗) cho bài toán không lồi (10), chúng tôi sẽ giới thiệu một thuật toán có

độ phức tạp thấp áp dụng kỹ thuật BCD trong phần sau

IV THUẬT TOÁN TỐI ƯU LUÂN PHIÊN

Để giải bài toán tối ưu không lồi trong (10), chúng tôi

đề xuất một thuật toán tối ưu luân phiên để chia nhỏ tập biến χ thành hai tập biến nhỏ hơn, đó là đơn giá mua năng lượng và thời gian phát năng lượng của PB pl, β, và thời gian hoạt động của các thiết bị IoT ψ = (θ, τ , ν, µ) Cụ thể là,∆ thuật toán sẽ khởi chạy tại điểm khởi tạo{pl(0), β(0), ψ(0)} Hai bước sau đây sẽ được thực hiện tuần tự và lặp lại cho đến khi nào hàm lợi nhuận của ISP không tăng lên nữa: (i) Tối ưu đồng thời đơn giá mua năng lượng và thời gian phát năng lượng của PB pl(n), β(n)từ điểm tối ưu ở vòng lặp trước {p(n−1)l , β(n−1), ψ(n−1)}; (ii) Tối ưu thời gian hoạt động của các thiết bị IoT ψ(n) và giữ nguyên pl(n), β(n)

A Tối ưu đồng thời đơn giá mua năng lượng và thời gian phát của PB

Trong mục này, chúng ta sẽ tối ưu đồng thời đơn giá mua năng lượng pl và thời gian phát năng lượng của β dựa trên

Rsum(θ, ν, τ , µ)= Rep+Rsp=

P X

p=1

γpWpθp+

A X

a=1

νaκalog2

 1+δaβPS

νa

 +

H X

h=1



γhWhτh+µhκhlog2

 1+δh(β−τh)PS

µh

 (5)

UL(pl, β, ψ) = pr

( P X

p=1

ΛBθplog2

 1+κp(pl− bm)

2am

 +

A X

a=1

ΛDνalog2

 1+δaβ (pl− bm) 2νaam



+

H X

h=1



ΛBτhlog2

 1+κh(pl−bm)

2am

 +ΛDµhlog2

 1+δh(β−τh)(pl−bm)

2µham

)

−plβ(p2al−bm)

m

(8)

nghiệm tối ưu trong vòng lặp trước {p(n−1)l , β(n−1), ψ(n−1)}

thông qua bài toán tối ưu phụ sau:

max

0≤ pl− bm≤ 2amPSmax, (11b)

Pamin≤ ϕagc,aβ

2νa(n−1)am

(pl− bm)≤ Pamax, (11c)

Phmin≤

ϕhgc,hβ− τh(n−1)



2µ(hn−1)am

(pl− bm)≤Pmax

h , (11d)

Emina ≤ ϕa2agc,aβ

m (pl−bm)≤ Emax

Eminh ≤

ϕhgc,hβ− τh(n−1)



2am (pl− bm)≤ Emax

h , (11f)

κa(pl−bm)≥ 2amγminp , κh(pl−bm)≥ 2amγminh , (11g)

trong đó, G (pl, β) ở trong biểu thức (12), và c1 = prΛB,

c2= prΛD Tuy nhiên, hàm mục tiêu G là một hàm không lồi

vì xuất hiện tích βpl(pl− bm) Do đó, ta phải tuyến tính hoá

tích này bằng cách đặt biến phụ q1 = 1/2 (pl− bm) (1 + β)

và q2= 1/2 (pl− bm) (1− β) Bài toán (11) trở thành:

max

q 1 ,q 2

0≤ q1+ q2≤ 2amPSmax, (13b)

Pamin≤ ϕagc,a

2νa(n−1)am

(q1−q2)≤Pamax, (13c)

Phmin≤

ϕhgc,hh1−τh(n−1)

 q1−1+τh(n−1)q2i 2µ(n−1)h am ≤Pmax

h , (13d)

Eamin≤ϕa2agc,a

m (q1−q2)≤Emax

Ehmin≤

ϕhgc,hh1−τh(n−1)

 q1−1+τh(n−1)q2i

h , (13f)

κp(q1+q2)≥ 2amγminp , κh(q1+q2)≥ 2amγhmin, (13g)

trong đó, Q(q1, q2) được biểu diễn trong biểu thức (14) Tuy

nhiên, bài toán tối ưu phụ (13) là bài toán

difference-of-convex-function (DC) nên chúng ta có thể dễ dàng giải được bằng

phương pháp convex-concave procedure (CCCP) [15].

B Tối ưu thời gian hoạt động của các thiết bị IoT

Tiếp theo, chúng ta sẽ thực hiện tối ưu thời gian hoạt động của các thiết bị IoT ψ(n)với các giá trị cố định {p(n)l , β(n)} Bài toán tối ưu ban đầu (10) được đơn giản hoá thành: max

ψ

˜

s.t Pamin≤c3ϕagc,aβ

( n)

νa ≤ Pmax

Phmin≤c3ϕhgc,h β

( n)

− τh

Ehmin≤ c3ϕhgc,hβ(n)− τh



≤ Ehmax, (15c)

0≤XPp=1θp+XH

h=1τh≤1 − β( n),∀θp, τh≥0, (15d)

0≤XAa=1νa+XH

h=1µh≤β( n),∀νa, µh≥0, (15e) trong đó, c3=



p(n)l −b m

 2a m ,

˜ G(ψ) =

P X

p=1 c1θplog2(1 + c3κp)+

A X

a=1 c2νalog2

 1+c3δaβ

( n)

νa



+

H X

h=1

"

c1τhlog2(1+c3κh)+c2µhlog21+c3δh β

( n)

−τh

µh

!#

− c3p(n)l β(n)

(16) Chúng ta có thể dễ dàng nhận thấy rằng các ràng buộc về SNR của các thiết bị tán xạ ngược (PWPDs và HWPDs) và các thiết bị truyền chủ động (AWPDs và HWPDs) bị triệt tiêu với các giá trị cố định của {p(n)l , β(n)} Vì hàm mục tiêu ˜G

là một hàm lõm theo ψ, do đó, ta có thể giải dễ dàng bằng phương pháp “Interior-point"

C Thuật toán lặp tìm nghiệm cho bài toán tối ưu hàm lợi nhuận của ISP

Thuật toán 1 được sử dụng để tìm nghiệm tối ưu cho bài

toán tối ưu hàm lợi nhuận của ISP

V KẾT QUẢ MÔ PHỎNG Trong phần này, chúng tôi sẽ thực hiện các mô phỏng để minh hoạ nghiệm tối ưu và đánh giá lợi nhuận của NC1 (ở đây là mạng IoT) đạt được bởi phương pháp đề xuất và các phương pháp truyền thống Chúng tôi sử dụng tần số sóng mang là 2.4 GHz Băng thông của tín hiệu vô tuyến và độ lợi

G (pl, β) =

P

X

p=1

c1θp(n−1)log2

 1+ κp 2am(pl−bm)

 +

A X

a=1 c2νa(n−1)log2

"

1+ δaβ 2νa(n−1)am

(pl−bm)

#

+

H

X

h=1

( c1τh(n−1)log2

 1+ κp 2am(pl−bm)

 +c2µ(n−1)h log2

"

1+δh(β−τh(n−1)) 2µ(n−1)h am

(pl−bm)

#)

−βpl(p2al−bm)

m ,

(12)

Q(q1, q2) =

P

X

p=1

c1θ(n−1)p log2



1 + κp(q1+ q2) 2am

 +

A X

a=1 c2νa(n−1)log2

"

1+δa(q1−q2) 2νa(n−1)am

#

+

H

X

h=1







c1τh(n−1)log2

 1+κh(q1+q2) 2am

 +c2µ(hn−1)log2





 1+

δhh(1−τh(n−1))q1−(1+τh(n−1))q2i

2µ(n−1)h am













− q

2

1+bmq1
2am +

q22+bmq2
2am ,

(14)

Transmission Power of the Power Beacon PS -1000

0 1000 2000 3000 4000 5000 6000 7000

Profit of the Follower

pl = 29752

Hình 2: Lợi nhuận của NC2 theo (a) công suất truyền của PB, (b) giá và thời gian mua năng lượng đề xuất

1: Đầu vào: Đầu ra của vòng lặp trước

{pl(n−1), β(n−1), ψ(n−1)}

}, sai số ξ1> 0

5: Tìm{pl(n), β( n)

} từ {pl(n−1), β( n−1), ψ( n−1)

} bằng việc sử dụng phương pháp CCCP;

6: Tìm ψ( n)với giá trị cố định của{pl(n),β(n)} bằng việc

giải quyết bài toán phụ 2 (15);

7: Nếu:

8: UL pl( n), β( n), ψ( n)
−UL pl( n−1), β( n−1), ψ( n−1)

< ξ1;

9: Thì:

10: Đặt{pl∗, β∗, ψ∗} = {pl(n), β(n), ψ(n)} và dừng lại

12: Cập nhật n← n + 1 và tiếp tục

hàm lợi nhuận của ISP

ăng-ten của PB lần lượt là 10 MHz và 6 dBi Băng thông của

các tín hiệu vô tuyến phát bởi AWPDs và HWPDs là 1 MHz

và độ lợi ăng-ten của chúng là 1.8 dBi Khoảng cách giữa PB

và các thiết bị IoT được thiết lập mặc định là 10 mét Hiệu

quả thu hoạch năng lượng của AWPDs và HWPDs là ϕ = 0.6,

trong khi đó, hiệu quả tán xạ η gây ra sự suy hao 1.1 dB ở

PWPDs và HWPDs Ngoài ra, hệ số bù hiệu năng và psd của

ồn của các thiết bị IoT lần lượt là ζ =−5 dB và N0=−100 dBm Laptop Dell với cấu hình: CPU Intel core i7-8565U, 16

GB RAM, và GPU Radeon RX 540 series, được sử dụng để

mô phỏng Đầu tiên, chúng ta sẽ đánh giá lợi nhuận của NC2 (ở đây là ESP) ở trong Hình 2 Đầu tiên chúng ta mô phỏng lợi nhuận này như một hàm bậc 2 theo công suất truyền của

PB như ở trong biểu thức (7) Hình 2(a) biểu diễn giá năng lượng đề xuất tương ứng với điểm tối ưu của đường cong lợi nhuận Sau khi thiết lập công suất truyền tối ưu cho PB, lợi nhuận của ESP phụ phuộc vào giá năng lượng và thời gian hoạt động của PB được đề xuất bởi ISP Hình 2(b)đề xuất Có thể nhận thấy rằng, lợi nhuận của ESP sẽ tăng tuyến tính theo thời gian mua năng lượng và phi tuyến theo giá năng lượng

đề xuất

Tiếp theo, chúng ta sẽ đánh giá lợi nhuận của ISP khi thay đổi lợi nhuận thu được trên mỗi bit được truyền trong khoảng 0.1 đến 1 (Hình 3) Trong mô phỏng này chúng ta giả sử mỗi loại thiết bị sẽ có 10 thiết bị Rõ ràng, lợi nhuận của ISP đạt được bởi tất cả các phương pháp đều tăng khi lợi nhuận thu được trên mỗi bit truyền tăng Ngoài ra, lợi nhuận thu được bởi phương pháp đề xuất cũng cao hơn các phương pháp khác Ngược lại, vì hiệu quả tán xạ thấp nên phương pháp BBCM cho kết quả là lợi nhuận của ISP thấp hơn nhiều so với các phương pháp khác

Trong Hình 4, chúng tôi biểu diễn lợi nhuận của NC1 thay đổi theo khoảng cách giữa PB và các thiết bị IoT Ở khoảng cách 2 mét, lợi nhuận của NC1 (ISP) đạt được bằng phương

0.1 0.2 0.3 0.4 0.5

Benefit per bit transmitted pr

0

1

2

3

4

Proposed Approach

BBCM

HTTCM

TDMA

Hình 3: Lợi nhuận của NC2 theo

lợi ích trên mỗi bit truyền được

Distance between the PB and IoT devices (m) 0

0.5 1 1.5 2 2.5

105

Proposed Approach BBCM HTTCM TDMA

Hình 4: Lợi nhuận của NC2 theo khoảng cách từ PB đến các thiết bị IoT

1 2 3 4 5 6 7 8

N = 5

N = 10

Hình 5: Thời gian chạy của các phương pháp

pháp BBCM lớn hơn rất nhiều so với các phương pháp khác vì

công suất truyền của PB có ảnh hưởng rất lớn đến các thiết bị

tán xạ ngược Tuy nhiên, hiệu quả của phương pháp này giảm

một cách nhanh chóng khi khoảng cách này tăng lên Ngược

lại, lợi nhuận của ISP đạt được bởi các phương pháp đề xuất,

TDMA, và HTTCM thì giảm nhẹ khi khoảng cách tăng lên

nhưng vẫn nhỏ hơn 10 mét Khi khoảng cách lớn hơn 4 mét

thì lợi nhuận của ISP đạt được bởi phương pháp đề xuất lớn

hơn tất cả các phương pháp khác

Cuối cùng, Hình 5 biểu diễn thời gian chạy (độ phức tạp)

của thuật toán đề xuất khi thay đổi số lượng các thiết bị IoT

Chúng ta sẽ thực hiện đo thời gian chạy của thuật toán đề

xuất trong 1000 lần chạy với số lượng các thiết bị IoT trong

mỗi loại lần lượt là N = 5, N = 10, N = 15 Nhìn chung,

thời gian chạy của thuật toán đề xuất là khá thấp, ngay cả với

trường hợp tổng số các thiết bị là 45 (tương ứng N = 15) thì

thời gian chạy vẫn nhỏ hơn 5 giây Rõ ràng khi chúng ta tăng

số lượng thiết bị IoT lên thì thời gian chạy cũng sẽ tăng lên,

chủ yếu do bài toán lập lịch cho các thiết bị IoT

VI KẾTLUẬN Như vậy, trong bài báo này, chúng tôi đã giới thiệu lý thuyết

trò chơi Stackelberg trong việc tối đa lợi nhuận của hai nhà

cung cấp dịch vụ trong các mạng truyền thông IoT không

đồng nhất cấp nguồn không dây, đó là nhà cung cấp dịch vụ

IoT (ISP) và nhà cung cấp năng lượng (ESP) Điểm cân bằng

Stackelberg đạt được bao gồm một công suất phát sóng vô

tuyến tối ưu của ESP và đơn giá mua năng lượng, thời gian

phát sóng vô tuyến của PB, và thời gian hoạt động của các

thiết bị IoT được đề xuất bởi ISP thông qua thuật toán tối ưu

luân phiên Thuật toán này được chứng minh thông qua cả lý

thuyết và mô phỏng là có tốc độ hội tụ nhanh và hiệu quả tính

toán cao trong thời gian đa thức Các kết quả mô phỏng cũng

chỉ ra rằng lợi nhuận đạt được của phương pháp đề xuất cao

hơn các phương pháp khác

TÀI LIỆU [1] D Bandyopadhyay and J Sen, “Internet of Things: Applications

and Challenges in Technology and Standardization," Wireless Pers.

Commun.,vol 58, no 1, pp 49–69, Apr 2011.

[2] A A Fuqaha et al., “Internet of Things: A Survey on Enabling

Technologies, Protocols, and Applications," IEEE Commun Surv &

Tut., vol 17, no 4, pp 2347-2376, Jun 2015.

[3] D W K Ng et al., “The Era of Wireless Information and Power

Transfer," in Wireless Information and Power Transfer: Theory and Practice,Wiley, pp.1-16, 2019.

[4] H Ju and R Zhang, “Throughput maximization in wireless powered

communication networks,” IEEE Trans Wireless Commun., vol 13, no.

1, pp 418-428, Jan 2014.

[5] N Van Huynh et al., “Ambient Backscatter Communications: A

Con-temporary Survey," IEEE Commun Surv & Tut., vol 20, no 4, pp.

2889-2922, May 2018.

[6] S Gong et al., “Backscatter Relay Communications Powered by

Wire-less Energy Beamforming," IEEE Trans Commun., vol 66, no 7, pp.

3187-3200, July 2018.

[7] W Wang et al., "Stackelberg Game for Distributed Time Scheduling in

RF-Powered Backscatter Cognitive Radio Networks," IEEE Trans on Wireless Commun., vol 17, no 8, pp 5606-5622, Aug 2018 [8] D T Hoang et al.,“Overlay RF-powered backscatter cognitive radio

networks: A game theoretic approach," in IEEE Inter Conf on Com-mun.,Paris, May 2017, pp 1-6.

[9] A M Rad et al., “Autonomous demand-side management based on game-theoretic energy consumption scheduling for the future smart

grid," IEEE Trans Smart Grid, vol 1, no 3, pp 320-331, Dec 2010.

[10] P Tseng, “Convergence of a block coordinate descent method for

nondifferentiable minimization,” Jour Optim Theory Appl., vol 109,

no 3, pp 475–494, June 2001.

[11] N F Hilliard, P N Alevizos and A Bletsas,“Coherent Detection and

Channel Coding for Bistatic Scatter Radio Sensor Networking," IEEE Trans Commun.,vol 63, no 5, pp 1798-1810, May 2015.

[12] C A Balanis, Antenna Theory: Analysis and Design NY, Wiley, 2012 [13] D Fudenberg, J Tirole, Game Theory, MIT Press, 1991.

[14] S H Kim and D I Kim, “Hybrid Backscatter Communication for Wireless-Powered Heterogeneous Networks," in IEEE Transactions on Wireless Communications, vol 16, no 10, pp 6557-6570, Oct 2017 [15] A L Yuille and A Rangarajan, “The Concave-Convex Procedure

(CCCP)," in Proc Adv Neural Inf Process Syst., Apr 2001, pp.

1033–1040.

cung cấp dịch vụ mạng truyền thông IoT không

đồng cấp nguồn khơng dây, nhà cung cấp dịch vụ

IoT (ISP) nhà cung cấp lượng (ESP) Điểm cân

Stackelberg đạt bao... tăng lên,

chủ yếu toán lập lịch cho thiết bị IoT

VI KẾTLUẬN Như vậy, báo này, chúng tơi giới thiệu lý thuyết

trị chơi Stackelberg việc tối đa lợi... pháp khác

cơng suất truyền PB có ảnh hưởng lớn đến thiết bị

tán xạ ngược Tuy nhiên, hiệu phương pháp giảm

một cách nhanh chóng khoảng cách tăng lên Ngược

lại, lợi nhuận