Tổng quan luận án

Trong các hệ thống thông tin vô tuyến hiện đại, nhu cầu truyền dẫn dữ liệu tốc độ cao và băng thông rộng ngày càng gia tăng trong khi tài nguyên phổ tần vô tuyến có giới hạn. Sự kết hợp giữa kỹ thuật nhiều đầu vào – nhiều đầu ra (MIMO) và ghép kênh phân chia theo tần số trực giao (OFDM) tạo nên hệ thống MIMO-OFDM, cho phép tăng dung lượng đường truyền mà không cần tăng công suất phát hoặc mở rộng băng thông, đồng thời giảm thiểu hiệu ứng pha-đinh lựa chọn tần số và can nhiễu giữa các ký hiệu (ISI). Tuy nhiên, hiệu năng của hệ thống MIMO-OFDM phụ thuộc nghiêm ngặt vào tính trực giao giữa các sóng mang con. Khi truyền qua kênh vô tuyến thực tế, các yếu tố vật lý phá vỡ tính trực giao này, dẫn đến hiện tượng can nhiễu giữa các sóng mang con (Inter-Carrier Interference - ICI), làm suy giảm nghiêm trọng tỷ lệ tín hiệu trên can nhiễu cộng nhiễu (SINR) và làm tăng tỷ lệ lỗi bit (BER).

Khoảng trống nghiên cứu được luận án chỉ ra gồm hai điểm chính:

  1. Các giải pháp giảm ICI truyền thống đòi hỏi hy sinh dung lượng đường truyền đáng kể, hoặc do cơ chế phát lặp dữ liệu dư thừa (như phương pháp tự giảm ICI), hoặc do phải chèn nhiều tín hiệu thử (pilot) phục vụ ước lượng kênh (chiếm từ 10% đến 13% dung lượng đường truyền trong các cấu hình cân bằng thông thường).
  2. Các nghiên cứu hiện hữu chủ yếu tập trung vào ICI tuyến tính; số lượng công trình nghiên cứu về xử lý ICI phi tuyến sinh ra do tỷ số công suất đỉnh trên công suất trung bình (PAPR) cao qua các bộ khuếch đại công suất (PA) còn rất hạn chế.

Mục tiêu nghiên cứu:

  1. Đề xuất giải pháp giảm ICI sử dụng tối thiểu tín hiệu thử để hạn chế tiêu tốn dung lượng đường truyền.
  2. Đề xuất giải pháp giảm ICI phi tuyến.

Nhiệm vụ nghiên cứu:

  1. Nghiên cứu tổng quát về hệ thống MIMO-OFDM và xây dựng mô hình toán học của MIMO-OFDM.
  2. Xây dựng mô hình toán học của ICI trong hệ thống MIMO-OFDM dưới các tác động vật lý khác nhau.
  3. Phân tích, đánh giá các giải pháp giảm ICI trong hệ thống MIMO-OFDM đang được áp dụng hiện nay.
  4. Đề xuất các giải pháp cân bằng kênh mới nhằm nâng cao hiệu quả giảm ICI trong hệ thống MIMO-OFDM.
  5. Tính toán và sử dụng các công cụ mô phỏng sự kiện rời rạc để kiểm chứng tính đúng đắn và hiệu quả của các giải pháp đề xuất.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Can nhiễu giữa các sóng mang con (ICI) và các giải pháp giảm ICI trong hệ thống MIMO-OFDM; các kỹ thuật cân bằng mù; các kỹ thuật nội suy kênh và bám kênh thích nghi.
  • Phạm vi nghiên cứu: Hệ thống MIMO-OFDM và can nhiễu giữa các sóng mang con trong MIMO-OFDM; mô hình kênh pha-đinh Rayleigh đa đường dừng theo nghĩa rộng với các tán xạ không tương quan (WSSUS), biến đổi theo thời gian theo khối ký tự (quasi-static).

Tổng quan tài liệu và vị trí của luận án

Luận án đã tổng thuật hệ thống các công trình nghiên cứu nền tảng và chuyên sâu liên quan đến hệ thống MIMO-OFDM và các kỹ thuật xử lý ICI:

  • Nền tảng công nghệ MIMO-OFDM: Luận án viện dẫn công trình của Telatar [47] về việc sử dụng nhiều anten để tăng dung lượng kênh truyền; Bingham [37] về nguyên lý truyền dữ liệu đồng thời trên các sóng mang con băng hẹp để khắc phục pha-đinh đa đường; Weinstein và Ebert [58] về giải pháp sử dụng tiền tố chu kỳ (Cyclic Prefix - CP) để xử lý can nhiễu giữa các ký tự (ISI); Fazel và Kaiser [62] về việc ứng dụng MIMO-OFDM trong các chuẩn công nghệ như 4G LTE, WiMAX và truyền hình số mặt đất DVB-T.
  • Cơ chế phát sinh ICI: Các nghiên cứu của Pollet và cộng sự [64] phân tích suy giảm BER do dịch tần số sóng mang (CFO); Jakes [40], Russell và Stuber [61] mô tả suy biến phẩm chất hệ thống do trải Doppler trong môi trường di động; O'Droma và cộng sự [29], Cripps [21, 22] phân tích hiện tượng méo phi tuyến biên độ và pha do bộ khuếch đại công suất cao (HPA/PA) hoạt động ở miền bão hòa do tín hiệu có PAPR cao.
  • Các nhóm phương pháp giảm ICI hiện hành:
    • Tự giảm can nhiễu (ICI Self-Cancellation): Công trình của Yuping Zhao và Sven-Gustav Haggman (2001) [83] phát triển phương pháp ghép nhóm sóng mang con phát dư thừa để tự triệt tiêu can nhiễu; phân tích giới hạn của Zhao và cộng sự [81] chỉ ra phương pháp này làm giảm 50% hiệu suất sử dụng phổ tần.
    • Phát lặp ký tự kết hợp ước lượng hợp lý cực đại (MLE): Moose [50], Wang và cộng sự [70], Armstrong [44] sử dụng việc truyền lặp ký tự OFDM để ước lượng độ lệch tần số $\hat{\varepsilon}$ và bù pha.
    • Nắn dạng xung (Pulse Shaping): Haas và Belfiore [31], Beaulieu và cộng sự [74], Tan và Beaulieu [75] khảo sát các dạng xung như xung chữ nhật (REC), xung nâng cosin (RC), xung tốt hơn nâng cosin (BTRC), xung lũy thừa sinc (SP) và xung lũy thừa sinc cải tiến (ISP) nhằm nén biên độ búp sóng phụ.
    • Phương pháp triệt can nhiễu song song kết hợp quyết định thống kê (PIC-DSC): Suyama và cộng sự [1], Fang và cộng sự [34], Wu và cộng sự [56] ứng dụng giải mã lặp dựa trên thuật toán cực đại hóa xác suất hậu nghiệm (MAP) để giảm can nhiễu đa tầng.
    • Cân bằng kênh miền tần số và miền thời gian: Moon và Choi [43], Tomasin và cộng sự [76], Moon và cộng sự [49], Van Acker và cộng sự [32] phát triển kỹ thuật cân bằng Per-Tone; Stamoulis và cộng sự [84], Choi và cộng sự [4], Rugini và cộng sự [46] nghiên cứu các bộ lọc cân bằng miền thời gian.
    • Cân bằng dựa trên tín hiệu thử và cân bằng mù: Tong và Perreau [14], Haykin [45] phân tích nguyên lý cân bằng mù dựa trên thống kê bậc hai (SOS) và bậc cao (HOS); Li và cộng sự [27], He và cộng sự [79] chỉ ra mức tiêu tốn 10% đến 13% dung lượng đường truyền cho tín hiệu thử trong các hệ thống MIMO-OFDM truyền thống.

Khoảng trống nghiên cứu luận án lựa chọn giải quyết: Luận án định vị nghiên cứu vào việc giải quyết mâu thuẫn giữa hiệu quả triệt can nhiễu và dung lượng đường truyền bằng cách tiếp cận kỹ thuật tách nguồn mù (BSS) thông qua phân tích thành phần độc lập (ICA) trên miền tần số mà không cần tín hiệu thử. Đồng thời, luận án hoàn thiện giải pháp cân bằng lọc tối ưu miền thời gian bằng cách tích hợp mạng nơ-ron hàm cơ sở bán kính (RBFNN) và lọc thích nghi nhân mở rộng (EX-KRLS) để xử lý các biến đổi phi tuyến và biến đổi nhanh của kênh truyền.

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Khung lý thuyết và mô hình toán học

Hệ thống MIMO-OFDM được mô hình hóa với $M_t$ anten phát, $M_r$ anten thu và $K$ sóng mang con. Kênh truyền giữa anten phát thứ $i$ và anten thu thứ $j$ là bộ lọc đáp ứng xung hữu hạn (FIR) có bậc $L-1$ với các hệ số $h_{p,ji}(l)$.

  • Mô hình dữ liệu cơ sở: Vectơ tín hiệu phát miền tần số ký tự thứ $p$ là $S(p) \in \mathbb{C}^{KM_t \times 1}$. Tín hiệu miền thời gian sau biến đổi IFFT $K$ điểm được xác định bởi: $$s(p) = (F_K^H \otimes I_{M_t}) S(p)$$ trong đó $F_K$ là ma trận biến đổi Fourier rời rạc $K$ điểm, $\otimes$ là tích Kronecker, $I_{M_t}$ là ma trận đơn vị kích thước $M_t \times M_t$. Sau khi chèn tiền tố chu kỳ CP độ dài $K_{CP} \ge L$ qua ma trận $A_{CP}$, tín hiệu truyền qua kênh và được loại bỏ CP tại phía thu bằng ma trận $A_{ReCP}$, tạo ra tín hiệu miền thời gian $x(p) = h_{p,FIR} s(p) + z(p)$. Ma trận kênh tương đương $h_{p,FIR}$ là ma trận vòng khối (block circulant matrix). Qua biến đổi FFT tại phía thu: $$X(p) = (F_K \otimes I_{M_r}) x(p) = H_p S(p) + Z(p)$$ Trong điều kiện lý tưởng, $H_p$ là ma trận đường chéo khối, hệ thống duy trì tính trực giao và không xuất hiện ICI.

  • Mô hình ICI do dịch tần số sóng mang (CFO): Khi tồn tại độ lệch tần số $\Delta f$ giữa máy phát và máy thu, độ dịch tần chuẩn hóa là $\varepsilon = \frac{\Delta f}{\Delta f_s} = \Delta f K T_s$. Tín hiệu miền thời gian bị nhân với thừa số pha $e^{j\frac{2\pi \varepsilon n}{K}}$, làm ma trận đáp ứng xung $h_{p,FIR_CFO}$ mất tính chất vòng. Ma trận kênh miền tần số $H_{p_FO}$ mất tính chất đường chéo: $$X(pK+k) = H_{p_FO}(k,k)S(pK+k) + \sum_{q=0, q \neq k}^{K-1} H_{p_FO}(k,q)S(pK+q) + Z(pK+k)$$ Hệ số can nhiễu từ sóng mang con $q$ sang sóng mang con $k$ được xác định bởi: $$\gamma(q-k) = \frac{\sin(\pi(\varepsilon + k - q))}{\pi(\varepsilon + k - q)} \frac{\frac{\pi(\varepsilon + k - q)}{K}}{\sin\left(\frac{\pi(\varepsilon + k - q)}{K}\right)} e^{j\pi(\varepsilon + k - q)\frac{K-1}{K}} e^{j\frac{\pi(\varepsilon + k - q)}{K}}$$

  • Mô hình ICI do trải Doppler: Chuyển động tương đối giữa máy phát và máy thu với vận tốc $v$ tạo ra độ dịch tần Doppler cực đại $f_d = \frac{v}{c}f_c$. Mô hình kênh biến đổi theo thời gian $h_{l,p}(n)$ với hàm tương quan Jakes $R(\tau) = J_0(2\pi f_d \tau)$ (trong đó $J_0(\cdot)$ là hàm Bessel bậc 0 loại 1). Ma trận kênh $H_{p_Doppler}$ xuất hiện các thành phần ngoài đường chéo gây can nhiễu.

  • Mô hình ICI phi tuyến do bộ khuếch đại công suất (PA): PA được mô hình hóa bằng đa thức không nhớ bậc $2M+1$ với các hệ số phức $c_{2m+1}$. Tín hiệu miền tần số thu tại sóng mang con $k$ ở anten $j$ bao gồm thành phần tuyến tính và các thành phần can nhiễu phi tuyến bậc lẻ: $$X(pK+k, j) = \sum_{i=1}^{M_t} H_{p,ji}(k,k) c_1 S(pK+k, i) + \sum_{i=1}^{M_t} \sum_{m=1}^M H_{p,ji}(k,k) c_{2m+1} \Psi_{2m+1}(s(p,i), k) + Z(pK+k, j)$$

  • Lý thuyết phân tích thành phần độc lập (ICA): Bài toán giảm ICI được quy đổi về bài toán tách nguồn mù (BSS). Do các luồng dữ liệu phát $S(p)$ là độc lập thống kê, quá trình trộn kênh làm giảm tính độc lập của tín hiệu thu $X(p)$. Thuật toán ICA tìm ma trận tách $W$ nhằm tối đa hóa hàm mục tiêu đo lường tính phi Gauss (tính độc lập) của tín hiệu đầu ra thông qua hàm kích hoạt phi tuyến $\varphi(y)$.

  • Lý thuyết lọc tối ưu miền thời gian và lọc thích nghi nhân: Sử dụng ma trận lọc $W(p)$ để đường chéo hóa ma trận kênh tương đương $G = (F_K \otimes I_{M_r}) W(p) h_{p,FIR_ICI} (F_K^H \otimes I_{M_t})$. Luận án kết hợp cấu trúc mạng nơ-ron RBF để nội suy phi tuyến các hệ số kênh và thuật toán bình phương nhỏ nhất đệ quy nhân mở rộng (EX-KRLS) trong không gian Hilbert tái tạo (RKHS) để bám trạng thái kênh phi tuyến biến đổi theo thời gian.

2. Phương pháp nghiên cứu và nguồn dữ liệu

  • Phương pháp nghiên cứu: Sử dụng phương pháp mô hình hóa toán học giải tích kết hợp phương pháp mô phỏng số sự kiện rời rạc trên máy tính.
  • Nguồn dữ liệu và tham số mô phỏng: Dữ liệu được tạo lập theo các kịch bản chuẩn trong truyền thông vô tuyến:
    • Điều chế: BPSK, QPSK, 16-QAM.
    • Cấu hình hệ thống: Số sóng mang con $K = 64$; số anten $M_t = 2, M_r = 2$; độ dịch tần chuẩn hóa $\varepsilon \in {0.05, 0.15, 0.30}$; tần số Doppler $f_d$ từ $0$ đến $700\text{ Hz}$.
    • Mô hình kênh: Kênh fading Rayleigh đa đường WSSUS tuân theo phân bố Jakes.
    • Các chỉ tiêu đánh giá: Tỷ lệ lỗi bit (BER) theo tỷ lệ tín hiệu trên nhiễu (SNR), tỷ lệ công suất sóng mang trên can nhiễu (CIR), và độ lợi tỷ lệ tín hiệu trên can nhiễu cộng nhiễu (SINR Gain).

Nội dung chính theo từng chương

Chương 1: Hệ thống MIMO – OFDM và ICI trong MIMO-OFDM

Chương 1 thiết lập cơ sở toán học về mô hình truyền dẫn tín hiệu trong hệ thống MIMO-OFDM và phân tích bản chất của can nhiễu giữa các sóng mang con.

  1. Phân tích nguyên nhân gây mất trực giao:
    • Xác lập mô hình toán học chứng minh ma trận đáp ứng xung tương đương $h_{p,FIR}$ là ma trận vòng khối trong điều kiện lý tưởng, dẫn đến ma trận đáp ứng tần số $H_p$ có dạng đường chéo khối (không có ICI).
    • Chứng minh toán học sự phá vỡ cấu trúc ma trận vòng khi xuất hiện CFO ($\Delta f$), trải Doppler ($f_d$) và méo phi tuyến bão hòa của PA. Các ma trận $H_{p_FO}$, $H_{p_Doppler}$ và mô hình đa thức không nhớ của PA đều làm xuất hiện các phần tử ngoài đường chéo, tạo ra dòng can nhiễu giữa các sóng mang con lân cận và can nhiễu xuyên anten.
  2. Đánh giá các giải pháp giảm ICI hiện hữu:
    • Tự giảm can nhiễu: Điều chế dữ liệu theo từng cặp sóng mang con đối ngẫu $S(1) = -S(0)$, giải điều chế vi sai giúp giảm hệ số can nhiễu từ $\gamma(q-k)$ xuống $\gamma''(q-k) = 2\gamma(q-k) - \gamma(q-k-1) - \gamma(q-k+1)$. Phương pháp này cải thiện CIR nhưng làm giảm 50% hiệu suất sử dụng phổ tần.
    • Phát lặp ký tự kết hợp MLE: Phát lặp khối ký tự OFDM để ước lượng độ dịch tần $\hat{\varepsilon} = \frac{1}{2\pi} \arg \sum_{k=0}^{K-1} X_2(k) X_1^*(k)$ và quay pha bù sai lệch. Phương pháp này giảm độ nhạy với CFO nhưng tiêu tốn băng thông đường truyền.
    • Nắn dạng xung: Đánh giá 5 hàm dạng xung (REC, RC, BTRC, SP, ISP); phân tích phổ cho thấy xung ISP và SP triệt tiêu tốt búp sóng phụ nhưng làm mở rộng búp sóng chính.
    • Phương pháp PIC-DSC: Sử dụng bộ giải mã lặp trao đổi thông tin mềm thông qua thuật toán MAP kết hợp triệt can nhiễu song song PIC và kết hợp thống kê quyết định DSC.
    • Cân bằng kênh miền thời gian và miền tần số: Cân bằng Per-Tone hoán đổi thao tác lọc kênh và biến đổi FFT; cân bằng lọc tối ưu miền thời gian sử dụng ma trận trọng số $W(p)$ để làm suy giảm các thành phần ngoài đường chéo.
Phương pháp giảm ICI Nguyên lý kỹ thuật Ưu điểm Nhược điểm / Hạn chế
Tự giảm ICI (Self-Cancellation) Phát dư thừa dữ liệu trên các cặp sóng mang con liên tiếp để can nhiễu tự triệt tiêu Cấu trúc đơn giản, không cần ước lượng kênh Mất 50% dung lượng đường truyền; không triệt tiêu hoàn toàn can nhiễu giữa các sóng mang con ở xa
Phát lặp ký tự kết hợp MLE Phát lặp lại khối ký tự OFDM để ước lượng độ dịch tần $\hat{\varepsilon}$ qua tương quan pha Giảm độ nhạy của hệ thống đối với sai số tần số Tiêu tốn băng thông do phải truyền lặp dữ liệu; cấu trúc tính toán phức tạp
Nắn dạng xung (Pulse Shaping) Sử dụng các hàm cửa sổ (RC, BTRC, SP, ISP) để nén búp sóng phụ Giảm can nhiễu giữa các kênh con mà không cần chèn thêm dữ liệu phụ Mở rộng búp sóng chính, có thể gây méo tín hiệu và làm giảm hiệu quả trực giao
Phương pháp PIC-DSC Triệt can nhiễu song song kết hợp thông tin mềm từ giải mã lặp dựa trên thuật toán MAP Hiệu năng triệt nhiễu cao, tận dụng được độ lợi giải mã lặp Độ trễ xử lý lớn, độ phức tạp thuật toán cao
Cân bằng kênh truyền thống Cân bằng Per-Tone miền tần số hoặc lọc tuyến tính miền thời gian Xử lý trực tiếp trên ma trận truyền dẫn kênh Đòi hỏi từ 10% đến 13% dung lượng đường truyền cho tín hiệu thử (pilot); kém hiệu quả với ICI phi tuyến

Chương 2: Giảm ICI bằng cân bằng mù miền tần số dựa trên phân tích thành phần độc lập

Chương 2 trình bày giải pháp cân bằng mù miền tần số dựa trên kỹ thuật Phân tích thành phần độc lập (ICA), loại bỏ sự phụ thuộc vào tín hiệu thử.

  1. Chuyển đổi bài toán: Luận án chứng minh phương trình hệ thống miền tần số khi có can nhiễu $X(p) = H_{p_ICI} S(p) + Z(p)$ có dạng hoàn toàn tương thích với mô hình trộn tuyến tính trong lý thuyết tách nguồn mù (BSS). Do các dòng dữ liệu phát $S(p)$ là độc lập thống kê, ma trận kênh $H_{p_ICI}$ đóng vai trò là ma trận trộn làm suy giảm tính độc lập của các tín hiệu thu $X(p)$.
  2. Cấu trúc máy thu ICA và ICA-MMSE:
    • Xây dựng mô hình máy thu MIMO-OFDM mù dựa trên ICA: Tách tín hiệu trên từng nhóm sóng mang con sử dụng sóng mang tham chiếu $k_r$.
    • Đề xuất mô hình kết hợp ICA-MMSE: Sử dụng thuật toán ICA để tách các luồng tín hiệu độc lập ban đầu, sau đó kết hợp tiêu chuẩn sai số bình phương trung bình nhỏ nhất (MMSE) với cấu trúc lặp tuần tự để triệt tiêu hoàn toàn can nhiễu xuyên kênh và can nhiễu giữa các anten.
  3. Thuật toán học cho bộ cân bằng ICA:
    • Xây dựng hàm mục tiêu dựa trên độ đo tính độc lập thống kê (tối đa hóa tính phi Gauss của tín hiệu sau tách).
    • Thiết lập hàm kích hoạt phi tuyến $\varphi(y)$ phù hợp với phân bố xác suất của các chòm sao điều chế số.
    • Xây dựng sơ đồ luồng tín hiệu cập nhật ma trận tách $W$ theo hướng dốc độ lợi cực đại.
  4. Kết quả mô phỏng và kiểm chứng:
    • Kiểm chứng hiệu năng qua 3 kịch bản tham số (Bảng 2.1, 2.2, 2.3) với điều chế BPSK, QPSK và các độ dịch tần chuẩn hóa $\varepsilon = 0.15$ và $\varepsilon = 0.30$.
    • Đường cong BER theo SNR (Hình 1.17 đến 1.22) chứng minh: Giải pháp ICA-MMSE đề xuất đạt phẩm chất BER tương đương hoặc vượt trội so với giải pháp Tự giảm can nhiễu và các giải pháp cạnh tranh ZF-PDR, MMSE-PDR, đồng thời bảo toàn 100% dung lượng đường truyền do không sử dụng tín hiệu thử.

Chương 3: Giảm ICI bằng cân bằng miền thời gian kết hợp với nội suy kênh và bám kênh

Chương 3 giải quyết bài toán giảm ICI trong môi trường kênh thay đổi nhanh và có tính phi tuyến thông qua việc cải tiến bộ lọc tối ưu miền thời gian.

  1. Phân tích hạn chế của lọc tuyến tính tối ưu: Khảo sát bộ lọc tuyến tính tối ưu miền thời gian trong hệ thống SISO-OFDM và MIMO-OFDM. Hiệu quả đường chéo hóa ma trận kênh của bộ lọc tối ưu suy giảm mạnh khi kênh biến đổi nhanh trong khoảng thời gian truyền một ký tự hoặc khi hệ thống xuất hiện méo phi tuyến do bộ khuếch đại công suất.
  2. Giải pháp 1: Lọc tối ưu kết hợp ước lượng và nội suy kênh bằng mạng nơ-ron RBF:
    • Ứng dụng mạng nơ-ron hàm cơ sở bán kính (RBFNN) để mô hình hóa và nội suy phi tuyến các hệ số đáp ứng xung của kênh $h_{p,ji}(l)$ giữa các thời điểm lấy mẫu.
    • Bổ sung tham số cấu trúc nhằm đảm bảo tính ổn định và tốc độ hội tụ của mạng RBF trong môi trường đa đường.
    • Kết quả mô phỏng (Hình 3.3) xác nhận: Cấu trúc lọc tối ưu kết hợp nội suy kênh RBF đạt mức cải thiện độ lợi SINR (SINR Gain) vượt trội so với giải pháp lọc tối ưu không có nội suy kênh.
  3. Giải pháp 2: Lọc tối ưu kết hợp bám kênh bằng lọc thích nghi nhân (Kernel Adaptive Filtering):
    • Chuyển bài toán bám kênh biến đổi theo thời gian sang không gian trạng thái phi tuyến trong không gian Hilbert tái tạo (RKHS).
    • Phân tích các thuật toán bình phương nhỏ nhất đệ quy: RLS tuyến tính, RLS mở rộng, KRLS chuẩn.
    • Đề xuất thuật toán bình phương nhỏ nhất đệ quy nhân mở rộng (Extended Kernel Recursive Least Squares - EX-KRLS) chuyên biệt cho mô hình bám kênh Rayleigh biến đổi liên tục.
    • Đánh giá so sánh các thuật toán bám kênh (Bảng 3.5 và Hình 3.5): Thuật toán EX-KRLS duy trì sai số bám kênh nhỏ nhất, giúp bộ lọc tối ưu miền thời gian triệt tiêu hiệu quả ICI do trải Doppler và méo phi tuyến PA, nâng cao độ lợi SINR Gain của hệ thống.
Thuật toán bám kênh Không gian biểu diễn Xử lý phi tuyến Độ phức tạp tính toán Hiệu năng bám kênh Rayleigh biến đổi
RLS chuẩn Không gian Euclidean tuyến tính Không Thấp ($\mathcal{O}(L^2)$) Suy giảm nhanh khi xuất hiện méo phi tuyến và Doppler cao
RLS mở rộng Không gian trạng thái tuyến tính Hạn chế Trung bình Tự thích nghi với kênh thay đổi nhưng không xử lý được phi tuyến
KRLS Không gian Hilbert tái tạo (RKHS) Tốt (nhờ hàm nhân phi tuyến) Tăng theo kích thước mẫu dữ liệu Xử lý tốt phi tuyến nhưng khả năng bám động kém khi kênh biến đổi liên tục
EX-KRLS (Đề xuất) Không gian trạng thái phi tuyến RKHS Tối ưu cho mô hình phi tuyến động Kiểm soát được qua cơ chế lọc thích nghi mở rộng Đạt sai số bám nhỏ nhất, duy trì SINR Gain cao nhất dưới tác động của CFO, Doppler và PA

Kết quả và những đóng góp mới

Luận án đã đạt được các kết quả khoa học và đóng góp mới sau:

  1. Về mặt lý luận:
    • Hệ thống hóa toàn diện cơ sở toán học về các nguyên nhân gây mất tính trực giao trong hệ thống MIMO-OFDM, bao gồm mô hình ICI tuyến tính do CFO, mô hình ICI do trải Doppler và mô hình ICI phi tuyến do bộ khuếch đại công suất PA đa thức không nhớ bậc $2M+1$.
    • Thiết lập mối quan hệ tương đương giữa bài toán giảm can nhiễu ICI trong MIMO-OFDM và bài toán tách nguồn mù (BSS) trong xử lý tín hiệu thống kê, tạo cơ sở lý thuyết cho việc ứng dụng phân tích thành phần độc lập (ICA) trong miền tần số.
  2. Về mặt giải pháp kỹ thuật và thực tiễn:
    • Giải pháp cân bằng mù miền tần số ICA-MMSE: Xây dựng thành công máy thu MIMO-OFDM mù dựa trên ICA kết hợp cân bằng MMSE lặp tuần tự. Giải pháp này triệt tiêu hiệu quả can nhiễu ICI mà không đòi hỏi chèn tín hiệu thử, giúp tiết kiệm từ 10% đến 13% dung lượng đường truyền so với các phương pháp cân bằng dựa trên pilot truyền thống.
    • Giải pháp lọc tối ưu kết hợp nội suy kênh bằng mạng RBFNN: Đề xuất cấu trúc cân bằng miền thời gian tích hợp mạng nơ-ron RBF để ước lượng và nội suy phi tuyến các hệ số kênh, giải quyết hiện tượng suy giảm phẩm chất của bộ lọc tối ưu khi kênh biến đổi.
    • Giải pháp lọc tối ưu kết hợp bám kênh bằng thuật toán EX-KRLS: Xây dựng thuật toán bình phương nhỏ nhất đệ quy kernel mở rộng (EX-KRLS) cho mô hình không gian trạng thái phi tuyến, cho phép bám kênh chính xác trong môi trường pha-đinh Rayleigh di động cao và có méo phi tuyến PA, nâng cao độ lợi SINR Gain của hệ thống.

Hạn chế và hướng nghiên cứu tiếp

Căn cứ theo nội dung và phạm vi nghiên cứu được trình bày trong văn bản luận án:

  • Hạn chế:
    • Mô hình kênh truyền được giới hạn trong giả thiết kênh pha-đinh Rayleigh dừng theo nghĩa rộng với các tán xạ không tương quan (WSSUS) và biến đổi dạng quasi-static theo từng khối ký tự OFDM.
    • Mô hình phi tuyến của bộ khuếch đại công suất (PA) mới khảo sát ở dạng mô hình đa thức không nhớ (memoryless polynomial), chưa xét đến các hiệu ứng nhớ phi tuyến phức tạp trong thực tế.
    • Các đánh giá hiệu năng chủ yếu được thực hiện thông qua mô phỏng số sự kiện rời rạc trên máy tính với các cấu hình anten giới hạn ($M_t = 2, M_r = 2$) và các phương thức điều chế BPSK, QPSK, 16-QAM.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng nghiên cứu các giải pháp giảm ICI cho các mô hình bộ khuếch đại công suất có nhớ (memory polynomial models).
    • Nghiên cứu ứng dụng và tối ưu hóa thuật toán ICA-MMSE và lọc kernel mở rộng cho các hệ thống đa anten quy mô lớn (Massive MIMO-OFDM).
    • Triển khai kiểm chứng thực nghiệm các thuật toán đề xuất trên các hệ thống vô tuyến định nghĩa bằng phần mềm (Software Defined Radio - SDR).

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên sâu cho các nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên: Phù hợp làm tài liệu nghiên cứu và giảng dạy chuyên ngành Kỹ thuật Viễn thông, Kỹ thuật Điện tử và Xử lý tín hiệu số. Khung mô hình hóa toán học về ICI (Chương 1) và các mô hình không gian trạng thái phi tuyến RKHS (Chương 3) là tài liệu tham khảo giá trị cho các nghiên cứu tiếp theo về lớp vật lý (PHY layer).
  • Kỹ sư thiết kế hệ thống và người làm chính sách/tiêu chuẩn kỹ thuật vô tuyến: Cung cấp giải pháp kỹ thuật cụ thể để cải thiện hiệu suất sử dụng phổ tần trong các chuẩn truyền dẫn vô tuyến băng rộng như 4G LTE, WiMAX, DVB-T và các hệ thống phát thanh truyền hình số mặt đất.
  • Các phần đáng tham khảo:
    • Chương 1: Các dẫn xuất toán học chi tiết về ma trận kênh khi có CFO, Doppler và PA phi tuyến.
    • Chương 2: Thuật toán học thích nghi và sơ đồ khối máy thu kết hợp ICA-MMSE.
    • Chương 3: Thuật toán bám kênh EX-KRLS và mô hình tích hợp mạng nơ-ron RBF với lọc tối ưu.

Câu hỏi thường gặp

1. Tại sao hiện tượng can nhiễu giữa các sóng mang con (ICI) lại xuất hiện trong hệ thống MIMO-OFDM? ICI xuất hiện khi tính trực giao nghiêm ngặt giữa các sóng mang con bị phá vỡ. Trong thực tế, có ba nguyên nhân vật lý chính gây ra hiện tượng này: (1) Độ lệch tần số sóng mang (CFO) do sai lệch tần số giữa bộ dao động nội của máy phát và máy thu; (2) Trải Doppler sinh ra do chuyển động tương đối giữa máy thu và máy phát; (3) Tính phi tuyến của các bộ khuếch đại công suất (PA) khi hệ thống có tỷ số công suất đỉnh trên công suất trung bình (PAPR) cao, tạo ra sự chồng lấn phổ giữa các sóng mang con.

2. Nhược điểm căn bản của phương pháp Tự giảm can nhiễu (ICI Self-Cancellation) là gì? Phương pháp tự giảm can nhiễu phát dư thừa dữ liệu trên các cặp sóng mang con kế tiếp (ví dụ $S(1) = -S(0)$) để can nhiễu tự triệt tiêu lẫn nhau. Nhược điểm lớn nhất của phương pháp này là làm mất 50% dung lượng đường truyền, làm giảm hiệu quả sử dụng phổ tần của hệ thống, đồng thời không thể loại bỏ hoàn toàn can nhiễu từ các sóng mang con ở khoảng cách xa.

3. Giải pháp cân bằng mù miền tần số dựa trên ICA trong luận án giúp tiết kiệm băng thông như thế nào? Các phương pháp cân bằng truyền thống phải sử dụng các chuỗi tín hiệu thử (pilot) đã biết trước để ước lượng thông tin trạng thái kênh (CSI), chiếm từ 10% đến 13% dung lượng đường truyền. Giải pháp của luận án tiếp cận bài toán giảm ICI như một bài toán tách nguồn mù (BSS), sử dụng thuật toán ICA để khôi phục trực tiếp tín hiệu dựa trên tính độc lập thống kê của dữ liệu thu mà không cần sử dụng tín hiệu thử, qua đó bảo toàn 100% dung lượng đường truyền.

4. Điểm khác biệt cốt lõi giữa thuật toán KRLS chuẩn và thuật toán KRLS mở rộng (EX-KRLS) được đề xuất trong Chương 3 là gì? Thuật toán KRLS chuẩn chỉ giải quyết bài toán hồi quy phi tuyến tĩnh trong không gian Hilbert tái tạo (RKHS), hiệu năng suy giảm khi kênh truyền thay đổi liên tục theo thời gian. Thuật toán EX-KRLS do luận án đề xuất kết hợp mô hình không gian trạng thái phi tuyến động vào không gian kernel, cho phép bám chính xác sự biến đổi thời gian của kênh pha-đinh Rayleigh ngay cả khi có ảnh hưởng của hiệu ứng Doppler và méo phi tuyến PA.

5. Méo phi tuyến của bộ khuếch đại công suất PA được mô hình hóa như thế nào trong luận án? PA được mô hình hóa bằng mô hình đa thức không nhớ (memoryless polynomial) bậc $2M+1$ với các hệ số phức $c_{2m+1}$. Tín hiệu sau PA gồm thành phần tuyến tính bậc 1 và các thành phần phi tuyến bậc lẻ ($3, 5, \dots, 2M+1$), gây ra sự mở rộng phổ và tạo thành thành phần can nhiễu ICI phi tuyến $\Psi_{2m+1}(s(p))$ tại từng sóng mang con ở đầu thu.

Kết luận

Luận án đã giải quyết bài toán giảm can nhiễu giữa các sóng mang con (ICI) trong hệ thống MIMO-OFDM thông qua việc tiếp cận các kỹ thuật cân bằng kênh hiện đại. Các đóng góp nổi bật bao gồm việc đề xuất máy thu cân bằng mù miền tần số ICA-MMSE giúp triệt tiêu ICI mà không tiêu tốn dung lượng cho tín hiệu thử, cùng với việc phát triển giải pháp lọc tối ưu miền thời gian kết hợp mạng nơ-ron RBF và thuật toán bám kênh phi tuyến EX-KRLS. Các kết quả mô phỏng số sự kiện rời rạc đã chứng minh tính đúng đắn và hiệu quả vượt trội về BER và độ lợi SINR của các giải pháp đề xuất so với các phương pháp truyền thống. Công trình cung cấp cơ sở lý thuyết hoàn chỉnh và tài liệu tham khảo giá trị cho việc thiết kế và tối ưu hóa các hệ thống thông tin vô tuyến băng rộng hiện đại.