បញ្ហា (The Problem)៖ ការកើនឡើងយ៉ាងឆាប់រហ័សនៃសេវាកម្មទិន្នន័យបានបង្កើតឱ្យមានវិបត្តិវិសាលគម (Spectrum crisis) ដែលទាមទារឱ្យមានបច្ចេកទេសបែងចែកធនធានប្រកបដោយប្រសិទ្ធភាពសម្រាប់បណ្តាញវិទ្យុឆ្លាតវៃ (Cognitive Radio Networks) ដោយមិនធ្វើឱ្យប៉ះពាល់ដល់អ្នកប្រើប្រាស់ចម្បងនៃប្រេកង់នោះ។ ភាពស្មុគស្មាញនៃការគណនាក្នុងការបែងចែកថាមពល និងប្រេកង់រងនៅតែជាបញ្ហាប្រឈមធំ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់បច្ចេកទេសគណិតវិទ្យាដើម្បីបង្កើតក្បួនដោះស្រាយថ្មីៗសម្រាប់ការបែងចែកធនធានប្រកបដោយប្រសិទ្ធភាព និងកាត់បន្ថយភាពស្មុគស្មាញនៃការគណនា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Optimal Integer Linear Programming (ILP) វិធីសាស្ត្រសរសេរកម្មវិធីលីនេអ៊ែរជាចំនួនគត់ដ៏ល្អបំផុត |
ផ្តល់នូវដំណោះស្រាយល្អបំផុតដាច់ខាត (Global Optimal) សម្រាប់ការបែងចែកប្រេកង់រង កម្រិតប៊ីត និងថាមពលបញ្ជូនដោយធានាបាននូវអត្រាទិន្នន័យខ្ពស់បំផុត។ | មានភាពស្មុគស្មាញក្នុងការគណនាយ៉ាងខ្លាំង (Exponential complexity) ដែលមិនអាចអនុវត្តបានសម្រាប់ប្រព័ន្ធទូរគមនាគមន៍ដែលទាមទារការឆ្លើយតបលឿនភ្លាមៗ។ | ផ្តល់អត្រាទិន្នន័យ (Throughput) ខ្ពស់បំផុត ប៉ុន្តែទាមទារប្រតិបត្តិការគណនារហូតដល់ O(5 x 10^9) នៅក្នុងសេណារីយ៉ូតេស្តមួយ។ |
| Proposed Suboptimal Recursive Algorithm ក្បួនដោះស្រាយសុទិដ្ឋិកម្មបែបហៅរង្វិលដែលបានស្នើឡើង |
កាត់បន្ថយភាពស្មុគស្មាញយ៉ាងច្រើនសន្ធឹកសន្ធាប់ដោយបម្លែងបញ្ហាទៅជាទម្រង់ Convex ព្រមទាំងងាយស្រួលក្នុងការដាក់បញ្ចូលទៅក្នុងប្រព័ន្ធជាក់ស្តែង។ | ទោះបីជាលទ្ធផលល្អតែក៏ជាដំណោះស្រាយបែប Suboptimal ដែលមិនធានាថាវាជាលទ្ធផលល្អដាច់ខាត 100% ដូចវិធីសាស្ត្រ ILP នោះទេ។ | សម្រេចបានអត្រាទិន្នន័យប្រហាក់ប្រហែលវិធីសាស្ត្រ ILP (99% នៃកម្រិតល្អបំផុត) ស្របពេលកាត់បន្ថយការគណនាមកត្រឹម O(1 x 10^5) ពោលគឺលឿនជាងមុនរាប់រយដង។ |
| Extended Greedy Max-Min Algorithm ក្បួនដោះស្រាយ Greedy Max-Min បែបពង្រីក |
ងាយស្រួលក្នុងការអនុវត្តសម្រាប់ការធ្វើតុល្យភាពអត្រាទិន្នន័យ (Rate Balancing) ក្នុងចំណោមអ្នកប្រើប្រាស់ច្រើន ដោយចំណាយធនធានគណនាតិចតួចបំផុត។ | មិនអាចផ្តល់បរិមាណទិន្នន័យសរុប (Total Sum-Rate) ខ្ពស់បំផុតនោះទេ ដោយសារតែត្រូវផ្តោតលើភាពស្មើគ្នានៃការបែងចែក។ | ធ្វើតុល្យភាពអត្រាទិន្នន័យអ្នកប្រើប្រាស់ដោយភាពត្រឹមត្រូវខ្ពស់ ដោយប្រើប្រាស់ប្រតិបត្តិការគណនាត្រឹមតែ O(128) ប៉ុណ្ណោះក្នុងតេស្តសាកល្បងធៀបនឹងរាប់លានប្រតិបត្តិការរបស់ ILP។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះពឹងផ្អែកជាចម្បងលើការក្លែងធ្វើកុំព្យូទ័រដោយប្រើប្រាស់កម្មវិធីគណិតវិទ្យា និងកម្លាំងគណនាដើម្បីដំណើរការក្បួនដោះស្រាយដ៏ស្មុគស្មាញ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យបណ្តាញ និងរលកសញ្ញាដែលបានបង្កើតឡើងដោយកុំព្យូទ័រ (Computer-generated Gaussian random variables) សម្រាប់ការក្លែងធ្វើ មិនមែនជាទិន្នន័យវាស់វែងជាក់ស្តែងពីបរិស្ថានរលកសញ្ញាណាមួយឡើយ។ សម្រាប់បរិបទប្រទេសកម្ពុជា ការអនុវត្តជាក់ស្តែងចាំបាច់ត្រូវមានការធ្វើតេស្តជាមួយទិន្នន័យពិតប្រាកដ ដោយសារកម្ពុជាមានស្ថានភាពភូមិសាស្ត្រ អាកាសធាតុ និងការរំខានរលកសញ្ញា (Interference) រួមទាំងហេដ្ឋារចនាសម្ព័ន្ធទូរគមនាគមន៍ទីក្រុង-ជនបទខុសៗគ្នា។
បច្ចេកទេសបែងចែកធនធានសម្រាប់បណ្តាញវិទ្យុឆ្លាតវៃ (CRNs) នេះពិតជាមានសារៈសំខាន់ខ្លាំងក្នុងការជួយដោះស្រាយបញ្ហាកង្វះខាតហ្វ្រេកង់ស៍នៅកម្ពុជា ជាពិសេសពេលបច្ចេកវិទ្យា 5G លេចចេញជារូបរាង។
ជារួម ការប្រើប្រាស់បច្ចេកទេសបែងចែកហ្វ្រេកង់ស៍ឆ្លាតវៃនេះ អាចជួយកម្ពុជាពង្រីកសក្តានុពលបណ្តាញឌីជីថលរបស់ខ្លួនបានយ៉ាងទូលំទូលាយដោយមិនចាំបាច់មានការវិនិយោគលើប្រេកង់ស៍ថ្មីដែលមានតម្លៃកប់ពពកនោះឡើយ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Cognitive Radio Networks | បណ្តាញនេះប្រើប្រាស់បច្ចេកវិទ្យាឆ្លាតវៃដើម្បីស្វែងរកហ្វ្រេកង់ស៍ (Spectrum) ទំនេរដែលមិនមានអ្នកប្រើប្រាស់ ហើយឆ្លៀតយកវាទៅបញ្ជូនទិន្នន័យដោយស្វ័យប្រវត្តិ ដោយមិនធ្វើឲ្យមានការរំខានដល់អ្នកប្រើប្រាស់ម្ចាស់ដើម (Primary Users)។ | ដូចជាការបើកបររថយន្តនៅគន្លងផ្លូវ VIP ពេលដែលម្ចាស់ផ្លូវមិននៅ ហើយឆាប់ប្តូរចេញមកគន្លងធម្មតាវិញភ្លាមៗពេលម្ចាស់ផ្លូវត្រលប់មកដល់។ |
| OFDMA | ជាបច្ចេកទេសបែងចែករលកអាកាស (ហ្វ្រេកង់ស៍) ជាបណ្តាញរងតូចៗ (Subchannels) ច្រើនដាច់ពីគ្នា ដើម្បីអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ច្រើននាក់អាចបញ្ជូនទិន្នន័យស្របគ្នាក្នុងពេលតែមួយដោយមិនជ្រៀតជ្រែកគ្នា។ | ដូចជាការយកផ្លូវជាតិមួយខ្សែធំ មកគូសបន្ទាត់ចែកជាគន្លងតូចៗច្រើន ដើម្បីឲ្យម៉ូតូ កង់ និងរថយន្ត អាចបើកបរស្របគ្នាដោយមិនប៉ះទង្គិចគ្នា។ |
| MIMO | បច្ចេកវិទ្យាប្រើប្រាស់អង់តែនច្រើនទាំងនៅឧបករណ៍បញ្ជូន និងឧបករណ៍ទទួល ដើម្បីបង្កើនល្បឿនទិន្នន័យ និងគុណភាពសេវា តាមរយៈការបង្កើតផ្លូវបញ្ជូនទិន្នន័យស្របគ្នាច្រើនក្នុងពេលតែមួយ។ | ដូចជាការបន្ថែមបំពង់ទុយោទឹកច្រើនទ្វេដង ដើម្បីឲ្យទឹកអាចហូរពីអាងមួយទៅអាងមួយទៀតបានកាន់តែច្រើន និងលឿនជាងមុន។ |
| Beamforming | ជាបច្ចេកទេសផ្តោតកម្លាំងរលកសញ្ញាអង់តែនតម្រង់ឆ្ពោះទៅកាន់ទិសដៅអ្នកទទួលជាក់លាក់ណាមួយ ជាជាងការបញ្ចេញរលកសញ្ញាខ្ចាត់ខ្ចាយគ្រប់ទិសទី ដែលជួយបង្កើនគុណភាពទិន្នន័យ និងកាត់បន្ថយការរំខានដល់អ្នកផ្សេងទៀត។ | ដូចជាការប្រើពិលបញ្ចាំងពន្លឺ (Flashlight) ផ្តោតចំទៅរកវត្ថុណាមួយច្បាស់ៗ ជាជាងការប្រើអំពូលភ្លើងមូលដែលបញ្ចេញពន្លឺរាយប៉ាយគ្រប់ទិសទី។ |
| Integer Linear Programming | ជាវិធីសាស្ត្រគណិតវិទ្យាក្នុងការស្វែងរកដំណោះស្រាយកម្រិតខ្ពស់បំផុតដោយចងលក្ខខណ្ឌថាអថេរត្រូវតែជាចំនួនគត់ (ឧទាហរណ៍៖ ការបែងចែកអង់តែនទី១ ទី២ គឺមិនអាចជាអង់តែនទី១.៥បានទេ)។ | ដូចជាការរៀបចំអីវ៉ាន់ចូលប្រអប់ ដែលយើងមិនអាចកាត់របស់របរពាក់កណ្តាលបានទេ ពោលគឺត្រូវដាក់វាចូលទាំងមូលដើម្បីប្រើប្រាស់ទំហំប្រអប់ឲ្យចំណេញបំផុត។ |
| Underlay Spectrum Sharing | ជាយុទ្ធសាស្ត្រមួយក្នុងបណ្តាញវិទ្យុឆ្លាតវៃ ដែលអ្នកប្រើប្រាស់បន្ទាប់បន្សំ (Secondary Users) អាចបញ្ជូនទិន្នន័យក្នុងហ្វ្រេកង់ស៍តែមួយជាមួយម្ចាស់ដើម ឲ្យតែថាមពលនៃការជ្រៀតជ្រែក (Interference leakage) ស្ថិតក្រោមកម្រិតអនុញ្ញាតមិនឲ្យដឹង។ | ដូចជាការនិយាយខ្សឹបៗប្រាប់មិត្តភ័ក្តិនៅក្នុងបណ្ណាល័យ ដែលយើងអាចប្រាស្រ័យទាក់ទងគ្នាបាន ឲ្យតែសម្លេងរបស់យើងមិនឮខ្លាំងរំខានដល់អ្នកដែលកំពុងអានសៀវភៅ។ |
| Convex Optimization | ជាទម្រង់នៃសមីការគណិតវិទ្យាដែលក្រាហ្វនៃអនុគមន៍មានរាងជាបាតខ្ទះ ដែលជួយឲ្យក្បួនដោះស្រាយ (Algorithm) អាចរកឃើញចំណុចទាបបំផុត ឬល្អបំផុត (Global Minimum) បានយ៉ាងងាយស្រួលដោយមិនមានភាពស្មុគស្មាញច្រើន។ | ដូចជាការទម្លាក់ឃ្លីចូលទៅក្នុងចានគោម ដែលទោះអ្នកទម្លាក់វាពីជ្រុងណាក៏ដោយ ឃ្លីនោះនឹងរមៀលទៅរកបាតចាន (ចំណុចល្អបំផុត) ជានិច្ចដោយស្វ័យប្រវត្តិ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
