Đánh Giá Hiệu Năng Của Các Phương Pháp Chọn Relay Trong Mạng Relay Nhận Thức Nền

Luận văn thạc sĩ kỹ thuật viễn thông phân tích hiệu năng các phương pháp chọn relay trong mạng relay nhận thức nền, cung cấp cái nhìn sâu sắc.

• Tác giả: Bùi Văn Cường
• Người hướng dẫn: PGS. Hồ Văn Khương
• Trường học: Đại học Bách Khoa
• Chuyên ngành: Kỹ thuật viễn thông
• Đề tài: Đánh Giá Hiệu Năng Các Phương Pháp Chọn Relay Trong Mạng Relay Nhận Thức Nền
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng Quan Mạng Relay Nhận Thức Nền Tiềm Năng Ứng Dụng

Mạng relay nhận thức nền (CRN) đang nổi lên như một giải pháp đầy hứa hẹn để giải quyết tình trạng khan hiếm phổ tần hiện nay. Thay vì cấp phát độc quyền, CRN cho phép các thiết bị thứ cấp sử dụng phổ tần của mạng sơ cấp khi mạng này không sử dụng hoặc sử dụng chưa hiệu quả. Relay đóng vai trò quan trọng trong việc tăng cường vùng phủ sóng và cải thiện hiệu suất truyền dẫn. Tuy nhiên, việc lựa chọn phương pháp chọn relay phù hợp là yếu tố then chốt để đảm bảo hiệu năng tối ưu của mạng CRN. Công nghệ này được xem là một giải pháp hiệu quả trong việc giải quyết bài toán hiệu suất sử dụng băng thông, đảm bảo chất lượng truyền tải thông tin giữa các người dùng. Theo [4], CRN cho phép chia sẻ phổ tần giữa mạng sơ cấp và mạng thứ cấp. Điều này mở ra tiềm năng lớn cho việc phát triển các ứng dụng truyền thông tốc độ cao và đa phương tiện.

1.1. Vai trò của Relay trong mạng Cognitive Radio Networks

Relay không chỉ đơn thuần là trạm chuyển tiếp tín hiệu. Relay đóng vai trò như một bộ xử lý tín hiệu thu phát, có khả năng khuếch đại, mã hóa và giải mã tín hiệu. Việc này giúp giảm khoảng cách truyền dẫn, giảm suy hao tín hiệu và cải thiện đáng kể hiệu suất truyền thông. Relay trung gian đóng vai trò là nút trung gian để truyền dữ liều giữa hai đầu cuối, giúp giảm khoảng cách giữa nguồn phát và đích nhận, điều này đồng nghĩa với việc làm giảm đáng kể nhiễu trong quá trình truyền với khoảng cách lớn, giảm suy hao và nâng cao tốc độ truyền tải. Quan trọng hơn, relay giúp giảm sự can thiệp lẫn nhau giữa các mạng.

1.2. Ứng dụng thực tiễn của mạng relay nhận thức nền

Mạng relay nhận thức nền có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm: mạng di động thế hệ tiếp theo (LTE, 5G), mạng cảm biến không dây, và các hệ thống truyền thông khẩn cấp. Việc ứng dụng mạng relay nhận thức nền vào hệ thống mạng vô tuyến thực tế sẽ giúp tận dụng đáng kể các băng tần đang được cấp phép lãng phí, nâng cao hiệu suất sử dụng băng thông đồng thời giải quyết nhu cầu truyền tải dữ liệu đa phương tiện ở các thiết bị đầu cuối như di động, laptop,… Công nghệ này mang lại sự linh hoạt cao trong việc quy hoạch tần số và tối ưu hóa việc sử dụng phổ tần.

II. Thách Thức Tiêu Chí Đánh Giá Hiệu Năng Mạng Relay CRN

Việc triển khai mạng relay nhận thức nền không phải là không có thách thức. Một trong những thách thức lớn nhất là đảm bảo rằng mạng thứ cấp không gây nhiễu đáng kể cho mạng sơ cấp. Bên cạnh đó, việc lựa chọn phương pháp chọn relay tối ưu cũng là một bài toán khó. Hiệu năng của mạng CRN cần được đánh giá dựa trên nhiều tiêu chí, bao gồm: Throughput (thông lượng), Energy Efficiency (hiệu quả năng lượng), Outage Probability (xác suất ngừng hoạt động), SER (Symbol Error Rate), và SNR (Signal-to-Noise Ratio). Để đảm bảo chất lượng phục vụ của PU, can nhiễu của mạng thứ cấp (SN – Secondary Network) phải đảm bảo dưới một ngưỡng cho phép của mạng sơ cấp (PN – Primary Network).

2.1. Các yếu tố ảnh hưởng đến hiệu năng mạng relay

Nhiều yếu tố có thể ảnh hưởng đến hiệu năng của mạng relay, bao gồm: chất lượng kênh truyền, số lượng relay, vị trí của relay, và các tham số cấu hình mạng. Suy hao đường truyền và fading cũng là những yếu tố quan trọng cần được xem xét. Thông tin trạng thái kênh giữa SS với PU ảnh hưởng đến xác suất dừng nhiều hơn relay đến PU ra sao.

2.2. Tiêu chí đánh giá chất lượng truyền dẫn

Các tiêu chí đánh giá chất lượng truyền dẫn trong mạng relay nhận thức nền bao gồm: Throughput (thông lượng), Energy Efficiency (hiệu quả năng lượng), Outage Probability (xác suất ngừng hoạt động), SER (Symbol Error Rate), và SNR (Signal-to-Noise Ratio). Độ trễ truyền dẫn cũng là một yếu tố quan trọng trong một số ứng dụng.

III. Phương Pháp Nth Best Relay Selection Ưu Điểm Hạn Chế

Phương pháp Nth Best Relay Selection là một trong những thuật toán chọn relay đơn giản và phổ biến nhất trong mạng relay nhận thức nền. Phương pháp này chọn relay có chất lượng kênh tốt thứ N trong số tất cả các relay có sẵn. Ưu điểm của phương pháp này là tính đơn giản và dễ triển khai. Tuy nhiên, nhược điểm là hiệu năng có thể không tối ưu so với các phương pháp phức tạp hơn. Theo [5], thông qua đánh giá hiệu năng của phương pháp Nth Best – RS trong mạng relay nhận thức nền sử dụng giao thức truyền hợp tác DF trong kênh Fading phẳng cho thấy ảnh hưởng của công suất ngưỡng nhiễu cực đại của PU, công suất phát của SS và số lượng relay tham gia chuyển tiếp đến xác suất chọn được relay hoặc không chọn được relay ra sao.

3.1. Phân tích xác suất dừng của phương pháp Nth Best

Xác suất dừng (Outage Probability) là một chỉ số quan trọng để đánh giá hiệu năng của phương pháp Nth Best. Xác suất dừng phụ thuộc vào nhiều yếu tố, bao gồm số lượng relay, chất lượng kênh truyền, và ngưỡng công suất nhiễu cho phép của mạng sơ cấp. Từ những phân tích xác suất dừng – xác suất không chọn được relay (OP – Outage Probability) trong phần lý thuyết và kết quả mô phỏng cho thấy phương pháp Nth Best – RS có OP cao hơn phương pháp R – RS và phương pháp P – RS.

3.2. Ưu điểm và hạn chế của Nth Best Relay Selection

Ưu điểm chính của phương pháp Nth Best là tính đơn giản và dễ triển khai. Tuy nhiên, phương pháp này có thể không đạt được hiệu năng tối ưu trong một số trường hợp, đặc biệt là khi số lượng relay lớn hoặc chất lượng kênh truyền biến động mạnh. Phương pháp này chưa đảm bảo độ lợi phân tập, tăng cường được vùng phủ sóng, nâng cao hiệu quả sử dụng băng thông, giảm công suất phát tổng trên toàn hệ thống mạng.

IV. Reactive Proactive Relay Selection So Sánh Hiệu Năng

Reactive Relay Selection (R-RS) và Proactive Relay Selection (P-RS) là hai phương pháp chọn relay nâng cao, có thể cải thiện hiệu năng so với Nth Best. R-RS chọn relay dựa trên thông tin kênh hiện tại, trong khi P-RS dự đoán chất lượng kênh trong tương lai. Việc so sánh hiệu năng giữa hai phương pháp này phụ thuộc vào điều kiện kênh truyền và yêu cầu ứng dụng. Theo [7], tác giả đã so sánh dung lượng kênh truyền của phương pháp R – RS với phương pháp P – RS trong [7], để đánh giá lại dung lượng của phương pháp R – RS dùng giao thức truyền hợp tác DF nhằm giảm số relay ửng cử viên tham gia chuyển tiếp.

4.1. Ưu và nhược điểm của Reactive Relay Selection R RS

Ưu điểm của R-RS là khả năng thích ứng tốt với điều kiện kênh truyền thay đổi. Tuy nhiên, R-RS đòi hỏi thông tin kênh chính xác và có thể gây ra trễ do cần thời gian để thu thập thông tin. Tác giả đã phân tích hiệu năng của phương pháp R –RS trong mạng relay nhận thức có ước lượng thông tin kênh truyền (CSI) không tốt ở [7], kết quả mô phỏng cho thấy tăng số lượng relay là giải pháp hiệu quả để giảm xác suất dừng.

4.2. Ưu và nhược điểm của Proactive Relay Selection P RS

P-RS có thể đạt được hiệu năng tốt hơn trong môi trường kênh truyền biến động nhanh. Tuy nhiên, P-RS đòi hỏi mô hình kênh truyền chính xác và có thể phức tạp hơn R-RS. Khi công suất truyền của người dùng thứ cấp bị giới hạn bởi ngưỡng công suất của PU thì hiệu năng phụ thuộc chủ yếu vào kết nối SS đến relay và relay với SD.

V. Mô Phỏng Đánh Giá Các Phương Pháp Chọn Relay Bằng Matlab

Việc mô phỏng mạng relay bằng phần mềm Matlab là một phương pháp hiệu quả để đánh giá hiệu năng của các phương pháp chọn relay khác nhau. Thông qua mô phỏng, có thể so sánh các chỉ số hiệu năng như Throughput (thông lượng), Energy Efficiency (hiệu quả năng lượng), và Outage Probability (xác suất ngừng hoạt động). Để đưa ra những phân tích và đánh giá các phương pháp chọn relay trong mạng relay nhận thức nền bằng thuật toán và kết quả mô phỏng giúp chúng ta đề xuất những giải pháp hiệu quả cho một số mô hình mạng đang phát triển hiện nay như LTE, Wimax… Toàn bộ đề tài: “đánh giá hiệu năng của các phương pháp chọn relay trong mạng relay nhận thức nền” đều sử dụng phần mềm Matlab để mô phỏng và đánh giá.

5.1. Thiết lập mô phỏng mạng relay nhận thức nền trong Matlab

Việc thiết lập mô phỏng mạng relay nhận thức nền trong Matlab đòi hỏi việc mô hình hóa các thành phần mạng, bao gồm: nguồn phát, đích, relay, và kênh truyền. Các tham số cấu hình mạng (ví dụ: công suất phát, băng thông, sơ đồ điều chế) cần được thiết lập phù hợp.

5.2. So sánh kết quả mô phỏng các phương pháp chọn relay

Kết quả mô phỏng có thể được sử dụng để so sánh hiệu năng của các phương pháp chọn relay khác nhau. Việc so sánh nên dựa trên nhiều chỉ số hiệu năng, bao gồm: Throughput (thông lượng), Energy Efficiency (hiệu quả năng lượng), và Outage Probability (xác suất ngừng hoạt động). Kết quả phân tích và mô phỏng ở [8], cho thấy phương pháp R – RS cho xác suất dừng tốt...

VI. Kết Luận Hướng Phát Triển Mạng Relay Nhận Thức Nền

Bài viết đã trình bày tổng quan về mạng relay nhận thức nền, các thách thức và tiêu chí đánh giá hiệu năng, cũng như các phương pháp chọn relay phổ biến. Kết quả mô phỏng cho thấy việc lựa chọn phương pháp chọn relay phù hợp có thể cải thiện đáng kể hiệu năng của mạng CRN. Việc nghiên cứu và phát triển mạng relay nhận thức nền vẫn còn nhiều tiềm năng. Các hướng nghiên cứu tiềm năng bao gồm: phát triển các thuật toán chọn relay thông minh hơn, tối ưu hóa việc quản lý tài nguyên trong mạng CRN, và nghiên cứu các ứng dụng mới của mạng CRN.

6.1. Tổng kết ưu và nhược điểm của các phương pháp

Phương pháp Nth Best: Đơn giản, dễ triển khai, hiệu năng chưa tối ưu. Phương pháp Reactive Relay Selection: Thích ứng tốt, yêu cầu thông tin kênh chính xác. Phương pháp Proactive Relay Selection: Hiệu năng tốt trong kênh biến động, đòi hỏi mô hình kênh chính xác. Cần đánh giá kỹ lưỡng và chọn phương pháp phù hợp với ứng dụng cụ thể.

6.2. Hướng phát triển công nghệ nhận thức nền trong tương lai

Tập trung vào các thuật toán chọn relay thông minh, quản lý tài nguyên động, và khám phá ứng dụng mới trong các lĩnh vực như IoT, smart city, và truyền thông đa phương tiện. Ứng dụng công nghệ mạng relay nhận thức nền vào hệ thống mạng vô tuyến thực tế sẽ giúp tận dụng đáng kể các băng tần đang được cấp phép lãng phí, nâng cao hiệu suất sử dụng băng thông đồng thời giải quyết nhu cầu truyền tải dữ liệu đa phương tiện ở các thiết bị đầu cuối như di động, laptop,…

Trích đoạn nội dung tài liệu

Chương 1 – Giới thiệu. Chương 2 – Tổng quan về kênh truyềnvô tuyến. Chương 3 – Mạng vô tuyến nhận thức. Chương 4 – Các phương pháp chọn relay trong mạng relay nhận thức nền.

Chương 5 – Kết quả mô phỏng và đánh giá. Chương 6 – Kết luận và hướng phát triển 3 1.6 Tóm tắt các công trình liên quan: Trong hệ thống mạng vô tuyến nhận thức (CRN – Cognitive Radio Network) nhiều công nghệ được đề suất nhằm chia sẽ phổ tần của mạng sơ cấp để truyền dữ liệu trong mạng thứ cấp từ guồn phát đến đích nhưng vẫn đảm bảo chất lượng cho người dùng sơ cấp [4]. Trong đó, có 3 công nghệ được quan tâm sử dụng hiện nay: công nghệ Interweave sử dụng kỹ thuật đa truy cập phân chia theo thời gian hoặc tần số để tránh gây can nhiễu giữa mạng sơ cấp và mạng thứ cấp, công nghệ Overlay chỉ sử dụng phổ tần của mạng sơ cấp khi mà nó không sử dụng, công nghệ Underlay sử dụng phổ tần ở một mức ngưỡng cho phép, nó rất được quan tâm và sử dụng bởi tính hiệu quả trong việc chia sẽ phổ tần giữa các hệ thống mạng sơ cấp và thứ cấp [4]. Từ kết quả ở [5], thông qua đánh giá hiệu năng của phương pháp Nth Best – RS trong mạng relay nhận thức nền sử dụng giao thức truyền hợp tác DF trong kênh Fading phẳng cho thấy ảnh hưởng của công suất ngưỡng nhiễu cực đại của PU, công suất phát của SS và số lượng relay tham gia chuyển tiếp đến xác suất chọn được relay hoặc không chọn được relay ra sao.

Trong [6], tác giả đã phân tích và chỉ ra xác suất của mạng relay nhận thức cao hơn mạng thông thường đồng thời cũng cho thấy ở mạng relay nhận thức nền có cùng độ lợi phân tập với mạng thường. Tác giả đã phân tích hiệu năng của phương pháp R –RS trong mạng relay nhận thức có ước lượng thông tin kênh truyền (CSI) không tốt ở [7], kết quả mô phỏng cho thấy tăng số lượng relay là giải pháp hiệu quả để giảm xác suất dừng. Mặt khác, thông tin trạng thái kênh giữa SS với PU ảnh hưởng đến xác suất dừng nhiều hơn relay đến PU ra sao. Tác giả đã so sánh dung lượng kênh truyền của phương pháp R – RS với phương pháp P – RS trong [7], để đánh giá lại dung lượng của phương pháp R – RS dùng giao thức truyền hợp tác DF nhằm giảm số relay ửng cử viên tham gia chuyển tiếp.

Khi công suất truyền của người dùng thứ cấp bị giới hạn bởi ngưỡng công suất của PU thì hiệu năng phụ thuộc chủ yếu vào kết nối SS đến relay và relay với SD. Kết quả phân tích và mô phỏng ở [8], cho thấy phương pháp R – RS cho xác suất dừng tốt hơn phương pháp P – RS khi xét thêm đường trực tiếp và không có sự chênh lệch giữa công suất ngưỡng từ SS đến relay và relay đến SD. Ở [9], tác giả cũng so sánh xác suất dừng của 2 phương pháp P – RS và R – RS cho thấy không có sự chênh lệch khi ngưỡng công suất giữa 2 kết nối SS đến relay và relay đến SD bằng nhau, tuy nhiên tỉ lệ bit lỗi ở phương pháp R – RS tốt hơn P – RS. 4 Cùng với [9], ở [10], tác giả chỉ ra rằng công suất ngưỡng ở kết nối từ SS đến relay và relay đến SD không có sự chênh lệch thì xác suất dừng không có sự khác biệt, điều đó chỉ xảy ra khi có sự chênh lệch công suất ngưỡng giữa 2 đường kết nối này.

Đặc biệt khi số relay tham gia vào mạng tăng thì độ chênh lệch càng tăng theo [10]. Trong luận văn này, tôi xin phân tích đánh giá hiệu năng của các phương pháp chọn relay trong mạng relay nhận thức nền. Đề tài sẽ tập trong vào 3 phương pháp: Nth Best Relay Selection, Reactive Relay Selection và Proactive Relay Selection. Trong phần I đề tài sẽ phân tích và đánh giá các phương pháp trong cùng điều kiện ngưỡng công suất cho phép, phần II đề tài sẽ so sánh giữa các phương pháp trong điều kiện và khác điều kiện về công suất ngưỡng giữa 2 pha truyền dữ liệu.

5 CHƯƠNG 2: TỔNG QUAN VỀ KÊNH TRUYỀN VÔ TUYẾN 2.1 Kênh truyền vô tuyến: Trong hệ thống thông tin vô tuyến, kênh truyền vô tuyến là môi trường chính để truyền tín hiệu, chất lượng của tín hiệu ở máy thu phụ thuộc hoàn toàn vào đặc tính kênh truyền. Nó không giống với kênh truyền hữu tuyến sử dụng cáp đồng, cáp quang,…là ổn định và có thể đoán được. Ở kênh truyền vô tuyến – nó hoàn toàn ngẫu nhiên nên việc phân tích tín hiệu ở đầu thu rất phức tạp do phụ thuộc rất lớn vào trạng thái kênh truyền ở từng thời điểm khác nhau [1]. Tín hiệu phát đi sẽ chịu tác động của nhiễu, suy hao, đa đường,…chính những nhân tố trên làm ảnh hưởng đến chất lượng tín hiệu ở máy thu [2].

Đặc tính của kênh truyền sẽ được mô hình hoá bằng công thức toán học và mô phỏng bằng phần mềm Matlab để phân tích, đánh giá và đưa ra những giải pháp khắc phục cũng như nâng cao chất lượng tín hiệu để đầu thu để có thể khôi phục về gần với dạng tín hiệu ban đầu nhất [1], [2].2 Đặc tính của kênh truyền: 2.1 Biến ngẫu nhiên Gaussian: Đĩnh nghĩa: Biến ngẫu nhiên X là biến nhận các giá trị phụ thuộc vào kết quả các phép thử ngẫu nhiên. Ta thường sử dụng các kí hiệu X, Y, Z là biến ngẫu nhiên và x, y, z để chỉ các giá trị ngẫu nhiên mà biến X, Y, Z sẽ nhận. Ví dụ: tung đồng thời 2 con xúc sắc, X là tổng số chấm trên 2 mặt xúc xắc, X sẽ nhận các giá trị từ 2 đến 12. Mỗi biến ngẫu nhiên X tạo ra một phân phối xác suất chứa các thông tin về nó.

Nếu X là một biến ngẫu nhiên, phân phối xác suất tương ứng gán cho đoạn [a,b] một xác suất Pr[a ≤ x ≤ b], nghĩa là xác suất mà biến ngẫu nhiên X sẽ nhận giá trị trong đoạn [a,b]. Với mỗi số thực x, hàm phân phối tích lũy lấy giá trị nhỏ hơn hoặc bằng x được định nghĩa như sau: F(x) = Pr(X ≤ x) = ∫ ( ) dx (2.1) Hàm mật độ xác suất (PDF – Probability Density Function) dùng để biễu diễn một phân bố xác suất theo tích phân, nó có giá trị không âm và tích phân của nó trong khoảng - ∞ đến + ∞ có giá trị bằng 1. Nếu một phân bố xác suất có mật độ f(x), thì khoảng vi phân [x, x + dx] có xác suất bằng f(x)dx. PDF là một hàm bất kỳ f(x) mô tả mật độ xác suất theo biến đầu vào x, với f(x) ≥ 0 với mọi giá trị đầu của biến x.2) Từ công thức (2) ta được xác suất thự sực của một biến ngẫu nhiên x trong khoảng (a,b) là: Pr(a ≤ x ≤ b) = ∫ ( )dx (2.3) Nếu biến ngẫu nhiên X có hàm mật độ xác suất f(x) và nếu ∫ | |.4) Biến ngẫu nhiên Gaussian được mô tả theo 2 tham số là σ > 0 và m ϵ R, trong đó µ = E[X] = m là trị trung bình và VAR[X] = σ2 là phương sai của biến ngẫu nhiên Gaussian.

Biến ngẫu nhiên Gaussian X có phân phối xác suất được biễu diễn như sau: X ~ N(m,σ2). PDF của biến ngẫu nhiên Gaussian được cho bởi công thức: ( ) (x) = (2.5) √ Trường hợp m = 0 và σ = 1 được gọi là phân phối chuẩn hóa, khi đó PDF của biến ngẫu nhiên Gaussian được viết lại là: ( ) (x) = (2.6) √ Hàm Q của biến ngẫu nhiên Gaussian có phân phối chuẩn được xác định: = [ (0,1) > ] = ∫ (2.7) √ Hàm phân bố xác suất (CDF– Cumulative Distribution Function) của biến ngẫu nhiên Gaussian được cho bởi: 1 ( ) 1 ( ) ( ) = dt = 1 − dt √2 √2 =1− ∫ =1− , với = (2.6 mu = 0 & sigma2 = 2 Normal Probability Density Function mu = - 2 & sigma2 = 0.2 0 -5 -4 -3 -2 -1 0 1 2 3 4 5 X - Gaussian Random Variables Hình 2.01: Đồ thị hàm mật độ xác suất của biến ngẫu nhiên Gaussian.9 Normal Cumulative Distribution Function 0.5 0 -5 -4 -3 -2 -1 0 1 2 3 4 5 X - Gaussian Random Variables Hình 2.02: Đồ thị hàm phân bố xác suất của biến ngẫu nhiên Gaussian.2 Biến ngẫu nhiên Rayleigh: Nếu X1 và X2 là 2 biến ngẫu nhiên Gaussian có phân bố (0, ) thì = + là biến ngẫu nhiên Rayleigh. PDF của biến ngẫu nhiên Rayleigh được cho bởi: ( )= , ớ >0 (2.9) 0 , ℎá Với trị trung bình và phương sai là: E[X] = σ (2.11) Hàm phân bố xác suất có được từ hàm mật độ xác suất của biến ngẫu nhiên Rayleigh: ( )= 1− , ớ >0 (2.12) 0 , ℎá Đồ thị PDF, CDF của biến ngẫu nhiên Rayleigh được vẽ ở Hình 2. Probability density function of Rayleigh 1.2 sigma = 2 sigma = 3 1 Probability density function 0.2 0 0 1 2 3 4 5 6 7 8 9 10 Rayleigh random variables Hình 2.03: Đồ thị hàm mật độ xác suất của biến ngẫu nhiên Rayleigh.

9 Cumulative distribution function of Rayleigh 1 0.8 Cumulative distribution function 0.1 sigma = 3 0 0 1 2 3 4 5 6 7 8 9 10 Rayleigh random variables Hình 2.04: Đồ thị hàm phân bố xác suất của biến ngẫu nhiên Rayleigh.3 Nhiễu AWGN: Nhiễu AWGN là loại nhiễu có mật độ phổ công suất phân bố đồng đều trong cả băng thông và có biên độ tuân theo phân bố Gaussian. Nhiễu trắng có thể do nhiều nguồn khác nhau gây ra như thời tiết, do bộ khuếch đại ở máy thu, do nhiệt độ,… 1.5 Original signal Signal with AWGN 1 0.05: Đồ thị biễu diễn nhiễu Gaussian trên tín hiệu Răng cưa. 10 Nhiễu nhiệt (sinh ra do sự chuyển động của các hạt tải điện) là loại nhiễu tiêu biểu cho nhiễu Gaussiantrắng cộng tác động đến kênh truyền dẫn. n(t) x(t) y(t) H(jω) Tín hiệu phát Tín hiệu thu Hình 2.06: Mô hình kênh nhiễu AWGN.14) Do trị trung bình bằng 0 nên độ lệch chuẩn cũng bằng phương sai của biến ngẫu nhiên x.

Cụ thể hơn nhiễu trắng có công suất không đổi σ2. Về mặt lý thuyết, nhiễu trắng có băng tần vô hạn và có công suất nhiễu trãi đều đặn ở mọi tần số. Trên thực tế không có hệ thống nào có băng tần vô hạn mà bị giới hạn ở một băng tần nào đó nên mật độ phổ công suất cũng bị giới hạn như ở Hình 2. Φnn(jω) σ2ta -ωg -ωg Hình 2.07: Mật độ phổ công suất nhiễu AWGN.