Luận văn thạc sĩ kỹ thuật tiền mã hóa tuyến tính kết hợp kỹ thuật phân tích thành phần chính trong hệ thống massive mimo

Luận văn thạc sĩ nghiên cứu kỹ thuật tiền mã hóa tuyến tính và phân tích thành phần chính trong hệ thống massive MIMO, nâng cao hiệu suất truyền thông.

• Tác giả: Phạm Thị Huyền
• Người hướng dẫn: PGS. Đinh Văn Khôi
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Kỹ thuật Viễn thông
• Đề tài: Kỹ Thuật Tiền Mã Hóa Tuyến Tính Kết Hợp Kỹ Thuật Phân Tích Thành Phần Chính Trong Hệ Thống Massive MIMO
• Loại tài liệu: Đề án tốt nghiệp thạc sĩ kỹ thuật
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG MASIVE MIMO
• 1.1. Quá trình phát triển từ hệ thống MIMO điểm - điểm lên hệ thống Massive MIMO
• 1.2. Hệ thống MIMO điểm – điểm
• 1.3. Hệ thống MIMO đa người dùng
• 1.4. Quá trình truyền dữ liệu trong hệ thống Massive MIMO
• 1.4.1. Quá trình truyền dữ liệu đường lên
• 1.4.2. Quá trình truyền dữ liệu đường xuống
• 1.5. Một số ưu điểm, nhược điểm của hệ thống Massive MIMO
• 1.5.1. Nhược điểm
• 1.6. Xu hướng triển khai của hệ thống Massive MIMO
• 1.7. Kết luận chương
• 2. CHƯƠNG 2: KỸ THUẬT TIỀN MÃ HÓA TUYẾN TÍNH KẾT HỢP KỸ THUẬT PHÂN TÍCH THÀNH PHẦN CHÍNH TRONG HỆ THỐNG MASSIVE MIMO
• 2.1. Mô hình kênh đường xuống hệ thống Massive MIMO
• 2.2. Kỹ thuật tiền mã hóa tuyến tính
• 2.2.1. Kỹ thuật tiền mã tuyến tính ZF
• 2.2.2. Kỹ thuật tiền mã hóa tuyến tính MMSE
• 2.2.3. Kỹ thuật tiền mã hóa tuyến tính kết hợp kỹ thuật rút gọn giàn
• 2.2.3.1. Tổng quan về kỹ thuật rút gọn giàn
• 2.2.3.2. Kỹ thuật tiền mã hóa tuyến tính có sự hỗ trợ của thuật toán rút gọn giàn
• 2.3. Kỹ thuật tiền mã hóa tuyến tính kết hợp kỹ thuật phân tích thành phần chính
• 2.3.1. Tổng quan về kỹ thuật phân tích thành phần chính
• 2.3.2. Kỹ thuật tiền mã hóa tuyến tính dưới sự hỗ trợ của thuật toán phân tích thành phần chính
• 2.4. Phân tích độ phức tạp tính toán
• 2.4.1. Phân tích độ phức tạp tính toán của thuật toán tiền mã hóa tuyến tính kết hợp kỹ thuật rút gọn giàn
• 2.4.2. Phân tích độ phức tạp tính toán của thuật toán tiền mã hóa tuyến tính kết hợp kỹ thuật phân tích thành phần chính
• 2.5. Kết luận chương
• 3. CHƯƠNG 3: SO SÁNH, ĐÁNH GIÁ PHẨM CHẤT BER, ĐỘ PHỨC TẠP TÍNH TOÁN CỦA CÁC THUẬT TOÁN TIỀN MÃ HÓA
• 3.1. So sánh phẩm chất BER hệ thống của các thuật toán tiền mã hóa
• 3.2. So sánh phẩm chất BER các thuật toán tiền mã hóa trong điều kiện kênh truyền hoàn hảo, không có tính tương quan
• 3.3. So sánh phẩm chất BER các thuật toán tiền mã hóa trong điều kiện kênh truyền không hoàn hảo
• 3.4. So sánh phẩm chất BER các thuật toán tiền mã hóa trong điều kiện kênh truyền có tính tương quan
• 3.5. So sánh phẩm chất BER các thuật toán tiền mã hóa trong điều kiện kênh truyền chịu tác động đồng thời giữa kênh truyền không hoàn hảo và có tính tương quan
• 3.6. So sánh độ phức tạp tính toán của các thuật toán tiền mã hóa
• 3.7. Kết luận chương
• KẾT LUẬN VÀ KIẾN NGHỊ
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Kỹ Thuật Tiền Mã Hóa Tuyến Tính trong Massive MIMO

Kỹ thuật tiền mã hóa tuyến tính là một phần quan trọng trong hệ thống Massive MIMO, giúp cải thiện hiệu suất truyền dẫn. Hệ thống này sử dụng nhiều ăng-ten để tối ưu hóa việc truyền tín hiệu, từ đó nâng cao dung lượng và độ tin cậy của mạng. Kỹ thuật này không chỉ giúp giảm thiểu nhiễu mà còn tăng cường khả năng phục vụ nhiều người dùng đồng thời. Việc áp dụng kỹ thuật tiền mã hóa tuyến tính trong hệ thống Massive MIMO đã mở ra nhiều cơ hội mới cho ngành viễn thông.

1.1. Khái niệm về Kỹ Thuật Tiền Mã Hóa Tuyến Tính

Kỹ thuật tiền mã hóa tuyến tính là phương pháp sử dụng ma trận để điều chỉnh tín hiệu trước khi truyền. Điều này giúp giảm thiểu nhiễu và cải thiện tỷ lệ lỗi bít (BER).

1.2. Lợi ích của Kỹ Thuật Tiền Mã Hóa trong Hệ Thống MIMO

Kỹ thuật tiền mã hóa giúp tăng cường hiệu suất truyền dẫn, giảm độ phức tạp tính toán và cải thiện khả năng phục vụ nhiều người dùng trong cùng một thời điểm.

II. Vấn đề và Thách thức trong Hệ Thống Massive MIMO

Hệ thống Massive MIMO đối mặt với nhiều thách thức, bao gồm độ phức tạp tính toán cao và yêu cầu về thông tin trạng thái kênh truyền (CSI). Việc xử lý tín hiệu trong môi trường có nhiều nhiễu và biến động là một vấn đề lớn. Ngoài ra, việc tối ưu hóa số lượng ăng-ten và người dùng cũng là một thách thức không nhỏ. Những vấn đề này cần được giải quyết để đảm bảo hiệu suất tối ưu cho hệ thống.

2.1. Độ Phức Tạp Tính Toán trong Hệ Thống MIMO

Độ phức tạp tính toán của các thuật toán tiền mã hóa tuyến tính trong hệ thống Massive MIMO có thể tăng lên đáng kể khi số lượng ăng-ten và người dùng tăng.

2.2. Yêu Cầu về Thông Tin Trạng Thái Kênh Truyền

Thông tin trạng thái kênh truyền (CSI) là yếu tố quan trọng để đảm bảo hiệu suất của hệ thống. Việc thu thập và xử lý CSI trong môi trường thực tế là một thách thức lớn.

III. Phương Pháp Tiền Mã Hóa Tuyến Tính Kết Hợp Phân Tích Thành Phần Chính

Phương pháp tiền mã hóa tuyến tính kết hợp với phân tích thành phần chính (PCA) giúp giảm độ phức tạp tính toán và cải thiện hiệu suất truyền dẫn. Kỹ thuật này cho phép tối ưu hóa việc sử dụng tài nguyên tần số và nâng cao chất lượng tín hiệu. Việc áp dụng PCA trong tiền mã hóa tuyến tính đã chứng minh được hiệu quả trong nhiều nghiên cứu gần đây.

3.1. Tổng Quan về Phân Tích Thành Phần Chính

Phân tích thành phần chính (PCA) là một kỹ thuật thống kê giúp giảm số chiều của dữ liệu, từ đó tối ưu hóa quá trình xử lý tín hiệu trong hệ thống MIMO.

3.2. Kết Hợp PCA với Kỹ Thuật Tiền Mã Hóa

Kết hợp PCA với kỹ thuật tiền mã hóa tuyến tính giúp giảm thiểu độ phức tạp tính toán và cải thiện tỷ lệ lỗi bít (BER) trong hệ thống Massive MIMO.

IV. Ứng Dụng Thực Tiễn của Kỹ Thuật Tiền Mã Hóa trong Hệ Thống MIMO

Kỹ thuật tiền mã hóa tuyến tính đã được áp dụng rộng rãi trong các hệ thống viễn thông hiện đại, đặc biệt là trong mạng 5G. Việc sử dụng kỹ thuật này giúp cải thiện đáng kể hiệu suất truyền dẫn và khả năng phục vụ nhiều người dùng đồng thời. Các nghiên cứu cho thấy rằng việc áp dụng tiền mã hóa tuyến tính có thể nâng cao đáng kể chất lượng dịch vụ trong các ứng dụng thực tế.

4.1. Ứng Dụng trong Mạng 5G

Kỹ thuật tiền mã hóa tuyến tính đóng vai trò quan trọng trong việc phát triển mạng 5G, giúp cải thiện dung lượng và độ tin cậy của mạng.

4.2. Kết Quả Nghiên Cứu và Thực Nghiệm

Nhiều nghiên cứu đã chỉ ra rằng việc áp dụng kỹ thuật tiền mã hóa tuyến tính kết hợp PCA mang lại kết quả khả quan trong các điều kiện kênh truyền khác nhau.

V. Kết Luận và Tương Lai của Kỹ Thuật Tiền Mã Hóa Tuyến Tính

Kỹ thuật tiền mã hóa tuyến tính kết hợp với phân tích thành phần chính trong hệ thống Massive MIMO đang mở ra nhiều triển vọng mới cho ngành viễn thông. Những nghiên cứu tiếp theo cần tập trung vào việc tối ưu hóa các thuật toán tiền mã hóa để đáp ứng nhu cầu ngày càng cao về chất lượng dịch vụ. Tương lai của kỹ thuật này hứa hẹn sẽ mang lại nhiều cải tiến đáng kể trong các hệ thống thông tin vô tuyến.

5.1. Triển Vọng Nghiên Cứu trong Tương Lai

Nghiên cứu về kỹ thuật tiền mã hóa tuyến tính sẽ tiếp tục phát triển, với mục tiêu cải thiện hiệu suất và giảm độ phức tạp tính toán.

5.2. Tác Động đến Ngành Viễn Thông

Kỹ thuật tiền mã hóa tuyến tính sẽ có tác động lớn đến sự phát triển của các hệ thống viễn thông trong tương lai, đặc biệt là trong bối cảnh phát triển mạng 5G và các công nghệ mới.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của các dịch vụ dữ liệu di động tốc độ cao và làn sóng thiết bị thông minh kết nối vạn vật đặt ra thách thức lớn đối với hạ tầng mạng viễn thông. Để đáp ứng các mục tiêu trọng tâm của chuẩn di động thế hệ thứ năm theo định hướng IMT-2020 với tốc độ truyền tải lên đến 10 Gbps và độ trễ dưới 1 mili giây, công nghệ Massive MIMO (đa đầu vào - đa đầu ra quy mô lớn) đã trở thành giải pháp cốt lõi. Bằng cách trang bị mảng ăng-ten lớn tại trạm gốc gồm từ 64 đến 128 phần tử nhằm phục vụ đồng thời 32 thiết bị người dùng trên cùng một tài nguyên tần số, hệ thống Massive MIMO cho phép tăng hiệu suất sử dụng phổ tần lên gấp 10 lần so với các mạng MIMO truyền thống trên nền tảng 4G LTE.

Tuy nhiên, trong quá trình truyền dữ liệu đường xuống, hiện tượng giao thoa liên người dùng trở nên đặc biệt nghiêm trọng. Các thuật toán tiền mã hóa phi tuyến kinh điển như mã hóa giấy bẩn hay Tomlinson Harashima mang lại tỷ lệ lỗi bít tối ưu nhưng lại đòi hỏi độ phức tạp tính toán vượt quá giới hạn của các bộ xử lý số tín hiệu hiện nay. Ngược lại, các kỹ thuật tiền mã hóa tuyến tính phổ biến như cưỡng bức bằng không hay trung bình bình phương sai số nhỏ nhất tuy có độ phức tạp thấp nhưng lại bị suy giảm phẩm chất nghiêm trọng khi môi trường truyền sóng thực tế xuất hiện tính tương quan không gian giữa các ăng-ten và sai số ước lượng kênh truyền.

Đề án tốt nghiệp thạc sĩ kỹ thuật của tác giả Phạm Thị Huyền, thực hiện tại Học viện Công nghệ Bưu chính Viễn thông năm 2023 dưới sự hướng dẫn khoa học của Phó Giáo sư Đinh Văn Khôi, tập trung giải quyết bài toán cân bằng giữa phẩm chất truyền dẫn và độ phức tạp tính toán. Mục tiêu cụ thể của nghiên cứu là đề xuất và hoàn thiện giải pháp tiền mã hóa tuyến tính kết hợp kỹ thuật phân tích thành phần chính nhằm triệt tiêu nhiễu liên người dùng, giảm thiểu tỷ lệ lỗi bít và cắt giảm số lượng phép tính dấu phẩy động cho trạm gốc 5G Massive MIMO.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa của ba nền tảng lý thuyết viễn thông và đại số tuyến tính chuyên sâu:

Lý thuyết kênh truyền vô tuyến Massive MIMO đa người dùng: Mô hình hóa kênh truyền đường xuống giữa trạm gốc trang bị $M = 64$ ăng-ten và $K = 32$ người dùng đơn ăng-ten hoạt động theo cơ chế ghép kênh phân chia theo thời gian với khoảng kết hợp 200 ký hiệu (tương đương băng thông kết hợp 200 kHz và thời gian kết hợp 1 mili giây). Mô hình kênh tích hợp đồng thời hai yếu tố phi lý tưởng: mô hình tương quan không gian hàm mũ với hệ số tương quan giữa các ăng-ten liền kề dao động từ 0,2 đến 0,7 và mô hình thông tin trạng thái kênh truyền không hoàn hảo với hệ số phương sai lỗi ước lượng kênh từ 0,0 đến 0,3.

Lý thuyết tiền mã hóa tuyến tính đường xuống: Trọng tâm là hai cấu trúc tiền mã hóa cưỡng bức bằng không và trung bình bình phương sai số nhỏ nhất. Ma trận tiền mã hóa được thiết kế tại trạm gốc nhằm biến đổi các luồng dữ liệu phát trước khi bức xạ qua mảng ăng-ten, kết hợp với khối chuẩn hóa công suất phát và mạch tự động điều khiển khuếch đại tại máy thu người dùng để đảm bảo mức công suất bức xạ ổn định.

Lý thuyết phân tích thành phần chính và tối ưu hóa ma trận: Ứng dụng phép biến đổi trực giao thống kê thông qua phân tách ma trận QR và phân tách giá trị đơn nhất để trích xuất các thành phần mang phương sai lớn nhất của ma trận kênh truyền hiệu dụng, từ đó trực giao hóa không gian tín hiệu và triệt tiêu tính tương quan không gian giữa các phần tử ăng-ten.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phương pháp phân tích giải tích toán học và phương pháp mô phỏng số thực nghiệm trên nền tảng phần mềm kỹ thuật:

Cỡ mẫu và quy trình thu thập dữ liệu mô phỏng: Quá trình đánh giá phẩm chất hệ thống sử dụng phương pháp mô phỏng thống kê với độ dài chuỗi phát đạt $10^6$ khối dữ liệu nhị phân ngẫu nhiên được điều chế theo sơ đồ điều chế biên độ cầu phương đa mức. Kênh truyền fading Rayleigh bán tĩnh được tái tạo lặp lại qua hơn $10.000$ hiện thực kênh độc lập để đảm bảo độ tin cậy thống kê cho các đường cong tỷ số lỗi bít ở mức $10^{-4}$ đến $10^{-5}$.

Phương pháp phân tích độ phức tạp tính toán: Toàn bộ các thuật toán được lượng hóa chi tiết thành số lượng phép tính dấu phẩy động chuẩn. Theo quy ước chuẩn quốc tế, mỗi phép tính số thực tương đương 1 phép tính dấu phẩy động, một phép nhân số phức tiêu tốn 6 phép tính dấu phẩy động và một phép chia số phức tiêu tốn 11 phép tính dấu phẩy động.

Lý do lựa chọn phương pháp: Việc kết hợp giữa tính toán giải tích số lượng phép tính dấu phẩy động và mô phỏng Monte Carlo trên miền tỷ số tín hiệu trên tạp âm từ 0 dB đến 30 dB cho phép đánh giá chính xác phẩm chất kỹ thuật trong điều kiện kênh truyền thực tế, đồng thời cung cấp minh chứng định lượng rõ ràng cho khả năng ứng dụng thực tế trên các vi mạch xử lý tín hiệu số chuyên dụng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và phân tích số liệu đã đem lại các phát hiện cốt lõi về hiệu năng và độ phức tạp:

Thứ nhất, trong điều kiện kênh truyền hoàn hảo không có tương quan không gian, thuật toán đề xuất kết hợp phân tích thành phần chính và cưỡng bức bằng không mang lại độ lợi công suất vượt trội, cải thiện tỷ số tín hiệu trên tạp âm từ 2,5 dB đến 3,2 dB tại mức tỷ lệ lỗi bít $10^{-3}$ so với kỹ thuật cưỡng bức bằng không truyền thống trên hệ thống cấu hình 64 ăng-ten phát và 32 người dùng.

Thứ hai, trong môi trường kênh truyền thực tế chịu tác động đồng thời của hệ số tương quan không gian 0,5 và sai số ước lượng kênh 0,2, thuật toán đề xuất thể hiện khả năng kháng nhiễu vượt bậc. Khi kỹ thuật cưỡng bức bằng không truyền thống xuất hiện hiện tượng sàn lỗi bít ở mức xấp xỉ $10^{-2}$, thuật toán phân tích thành phần chính vẫn duy trì độ dốc suy giảm lỗi ổn định, đạt mức lỗi bít dưới $10^{-4}$ tại mức tín hiệu trên tạp âm 25 dB, tiệm cận phẩm chất của kỹ thuật rút gọn giàn phức tạp với độ chênh lệch phẩm chất chưa đến 0,4 dB.

Thứ ba, về mặt chi phí tính toán, thuật toán đề xuất cắt giảm từ 42% đến 58% tổng số lượng phép tính dấu phẩy động so với kỹ thuật rút gọn giàn hỗ trợ chéo hóa khối thông thường. Việc loại bỏ hoàn toàn các vòng lặp hoán đổi cột ma trận không cố định giúp thời gian xử lý tín hiệu tại trạm gốc trở nên tất định và giảm tải đáng kể cho bộ nhớ đệm.

+-----------------------------------------------------------------------------+
|               BẢNG SO SÁNH PHẨM CHẤT VÀ ĐỘ PHỨC TẠP TÍNH TOÁN               |
+---------------------+-----------------------+-------------------------------+
| Thuật toán          | Độ phức tạp (FLOPs)   | Phẩm chất BER (tại SNR=20 dB) |
+---------------------+-----------------------+-------------------------------+
| ZF truyền thống     | Rất thấp              | Kém (xuất hiện sàn lỗi ~10^-2)|
| LC-RBD-LR-ZF (Giàn) | Cực cao (chứa vòng lặp)| Rất tốt (~10^-4)              |
| PCA-ZF (Đề xuất)    | Trung bình (giảm ~50%)| Tương đương LR (~10^-4)       |
+---------------------+-----------------------+-------------------------------+

Thảo luận kết quả

Nguyên nhân cốt lõi giúp thuật toán đề xuất đạt được hiệu quả vượt bậc nằm ở cơ chế chuyển đổi không gian tín hiệu của phép phân tích thành phần chính. Trong các hệ thống mảng ăng-ten kích thước lớn, các cột của ma trận kênh truyền thực tế thường bị suy thoái tính trực giao do khoảng cách giữa các phần tử ăng-ten chỉ đạt khoảng 6 cm (tương đương nửa bước sóng ở tần số 2,6 GHz). Thuật toán phân tích thành phần chính thông qua phân tách QR và phân tách giá trị đơn nhất đã tự động cô lập các hướng không gian có năng lượng suy hao lớn nhất và tập trung công suất phát vào các thành phần trực giao chủ đạo.

Kết quả nghiên cứu khi được biểu diễn trên đồ thị bán logarit giữa tỷ lệ lỗi bít và tỷ số tín hiệu trên tạp âm cho thấy đường cong hiệu năng của giải pháp đề xuất bám sát đường biên lý thuyết của các thuật toán phi tuyến phức tạp. So với các công trình nghiên cứu trước đây vốn chỉ dừng lại ở các giả định kênh lý tưởng hoặc giải pháp rút gọn giàn có cấu trúc tính toán phân nhánh phức tạp, giải pháp kết hợp phân tích thành phần chính mang lại sự cân bằng tối ưu giữa việc triệt tiêu giao thoa đa người dùng và khả năng hiện thực hóa trên phần cứng trạm gốc 5G.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, nghiên cứu đưa ra 4 giải pháp ứng dụng mang tính khả thi cao:

Tích hợp thuật toán tiền mã hóa vào khối xử lý băng cơ sở trạm gốc 5G: Các doanh nghiệp sản xuất thiết bị mạng viễn thông như Tập đoàn Công nghiệp - Viễn thông Quân đội và Tập đoàn Bưu chính Viễn thông Việt Nam cần tích hợp cấu trúc ma trận tiền mã hóa đề xuất vào phần mềm xử lý tín hiệu số của các khối vô tuyến tập trung, hướng tới mục tiêu giảm 45% tải xử lý tín hiệu số trong giai đoạn 2024–2025.

Thiết kế kiến trúc phần cứng chuyên dụng trên nền tảng vi mạch bán dẫn: Các viện nghiên cứu vi mạch cần triển khai thiết kế các khối đồng xử lý phần cứng tối ưu hóa cho phép phân tách QR và phân tách giá trị đơn nhất song song trên chip FPGA hoặc ASIC, đảm bảo thời gian xử lý tiền mã hóa dưới 0,5 mili giây cho mỗi khung truyền dẫn vô tuyến, hoàn thành mục tiêu thử nghiệm trong 18 tháng.

Xây dựng cơ chế thích nghi tham số kênh truyền theo thời gian thực: Các nhà khai thác mạng di động cần triển khai các thuật toán ước lượng hệ số tương quan không gian và mức độ lỗi thông tin trạng thái kênh truyền theo điều kiện môi trường thực tế, giúp bộ tiền mã hóa tự động điều chỉnh ngưỡng phân tách thành phần chính, nâng cao 20% dung lượng phổ truyền dẫn đường xuống giai đoạn 2025–2026.

Ban hành quy chuẩn kiểm thử tính năng tiền mã hóa cho thiết bị Massive MIMO: Cơ quan quản lý chuyên ngành trực thuộc Bộ Thông tin và Truyền thông cần nghiên cứu ban hành bộ tiêu chuẩn đánh giá hiệu năng tiêu thụ năng lượng và tỷ lệ lỗi bít cho các trạm gốc Massive MIMO băng tần sub-6 GHz (2,6 GHz và 3,5 GHz) áp dụng cho các nhà mạng di động tại Việt Nam trong lộ trình 2024–2026.

Đối tượng nên tham khảo luận văn

Tài liệu là công trình nghiên cứu giá trị cao đối với 4 nhóm đối tượng trọng tâm:

Kỹ sư thiết kế hệ thống vô tuyến và xử lý tín hiệu số: Cung cấp đầy đủ công thức giải tích ma trận, công thức tính toán số lượng phép tính dấu phẩy động và lưu đồ thuật toán chi tiết để trực tiếp lập trình, nhúng mã nguồn lên các bộ xử lý tín hiệu số và vi mạch chuyên dụng trong các trạm thu phát sóng 5G.

Chuyên gia quy hoạch và tối ưu hóa mạng di động: Giúp đội ngũ kỹ thuật mạng vô tuyến hiểu rõ tác động định lượng của tương quan không gian mảng ăng-ten và sai số ước lượng kênh truyền đến tỷ lệ lỗi bít thực tế, từ đó đưa ra phương án lắp đặt mảng ăng-ten tối ưu tại các khu vực đô thị có mật độ thuê bao cao.

Học viên cao học, nghiên cứu sinh và giảng viên ngành Điện tử Viễn thông: Đóng vai trò như một tài liệu tham khảo chuẩn mực về mô hình toán học Massive MIMO, kỹ thuật rút gọn giàn, phân tích thành phần chính và phương pháp xây dựng mô phỏng Monte Carlo đánh giá hiệu năng mạng không dây thế hệ mới.

Cán bộ quản lý kỹ thuật và hoạch định chiến lược công nghệ viễn thông: Cung cấp góc nhìn toàn diện về sự đánh đổi giữa hiệu năng truyền dẫn và chi phí đầu tư phần cứng xử lý tín hiệu số, phục vụ công tác lựa chọn công nghệ và định hướng đầu tư hạ tầng mạng 5G và 6G.

Câu hỏi thường gặp

Tại sao tiền mã hóa tuyến tính lại được ưu tiên ứng dụng trong hệ thống Massive MIMO? Trong hệ thống Massive MIMO, số lượng ăng-ten tại trạm gốc lên tới 64 hoặc 128 phần tử khiến kích thước ma trận kênh truyền rất lớn. Các phương pháp phi tuyến như mã hóa giấy bẩn có độ phức tạp tính toán tăng theo cấp số nhân, vượt quá khả năng xử lý thời gian thực của trạm gốc, trong khi các bộ tiền mã hóa tuyến tính có cấu trúc tính toán đơn giản và đạt hiệu năng tiệm cận tối ưu.

Kỹ thuật phân tích thành phần chính đóng vai trò cốt lõi gì trong việc xử lý tín hiệu vô tuyến? Phép phân tích thành phần chính sử dụng các phép biến đổi trực giao để chuyển đổi tập dữ liệu kênh truyền có tính tương quan cao thành tập các giá trị không tương quan tuyến tính. Quá trình này giúp cô lập và trích xuất các hướng không gian mang năng lượng chủ đạo, triệt tiêu hiệu quả hiện tượng can nhiễu giữa các luồng tín hiệu người dùng.

Tính tương quan không gian giữa các ăng-ten phát sinh từ nguyên nhân nào và ảnh hưởng ra sao? Hiện tượng tương quan không gian phát sinh do giới hạn kích thước vật lý của khung mảng ăng-ten (ví dụ mảng 128 ăng-ten kích thước 28x29 cm) khiến khoảng cách giữa các phần tử rất gần nhau. Sự tương quan này làm suy giảm tính trực giao của các cột ma trận kênh truyền, dẫn đến hiện tượng khuếch đại nhiễu và làm tăng tỷ lệ lỗi bít của các bộ tiền mã hóa truyền thống.

Sai số ước lượng kênh truyền ảnh hưởng thế nào đến phẩm chất của hệ thống? Do sự biến động liên tục của môi trường vô tuyến và giới hạn về chuỗi tín hiệu đo kiểm (pilot), trạm gốc không thể có được thông tin trạng thái kênh truyền hoàn hảo. Khi sai số ước lượng kênh truyền tăng lên, ma trận tiền mã hóa được thiết kế không còn khớp chính xác với đáp ứng kênh thực tế, gây ra hiện tượng sàn lỗi bít ở vùng tỷ số tín hiệu trên tạp âm cao.

Giải pháp đề xuất trong luận văn giúp tiết kiệm tài nguyên tính toán như thế nào so với kỹ thuật rút gọn giàn? Kỹ thuật rút gọn giàn sử dụng thuật toán hoán đổi cột phụ thuộc điều kiện với số vòng lặp không cố định, gây khó khăn cho việc thiết kế đường ống xử lý tín hiệu. Thuật toán kết hợp phân tích thành phần chính sử dụng các phép phân tách QR và giá trị đơn nhất có số lượng phép tính cố định, giúp giảm khoảng 50% số phép tính dấu phẩy động và đảm bảo thời gian xử lý tín hiệu tức thời.

Kết luận

• Đề án đã giải quyết trọn vẹn bài toán tối ưu hóa tiền mã hóa đường xuống cho hệ thống Massive MIMO 5G trong điều kiện kênh truyền thực tế có tương quan không gian và sai số trạng thái kênh.
• Đề xuất thành công thuật toán tiền mã hóa tuyến tính kết hợp kỹ thuật phân tích thành phần chính với cấu trúc tính toán mạch lạc và khả năng triệt tiêu can nhiễu liên người dùng vượt trội.
• Chứng minh bằng mô phỏng số thực nghiệm rằng giải pháp đề xuất giúp cải thiện từ 2,5 dB đến 3,2 dB tỷ số tín hiệu trên tạp âm so với kỹ thuật cưỡng bức bằng không truyền thống tại mức lỗi bít $10^{-3}$.
• Giảm thiểu thành công từ 42% đến 58% tổng số lượng phép tính dấu phẩy động so với kỹ thuật tiền mã hóa dựa trên rút gọn giàn phức tạp, tạo điều kiện thuận lợi cho việc hiện thực hóa trên phần cứng.
• Đưa ra lộ trình triển khai thử nghiệm chi tiết trên các nền tảng trạm gốc mở O-RAN và vi mạch chuyên dụng trong giai đoạn 2024–2026.

Công trình là tài liệu tham khảo chuyên môn giá trị cho các nhà nghiên cứu, kỹ sư phát triển phần cứng và các đơn vị viễn thông. Quý độc giả và các chuyên gia quan tâm có thể khai thác chi tiết các mô hình toán học và kết quả mô phỏng trong toàn văn đề án để ứng dụng vào các dự án nghiên cứu và phát triển hệ thống thông tin vô tuyến băng rộng thế hệ mới.

Trích đoạn nội dung tài liệu

CHƯƠNG I - TỔNG QUAN VỀ HỆ THỐNG MASIVE MIMO 1. Quá trình phát triển từ hệ thống MIMO điểm - điểm lên hệ thống Massive MIMO 1. Hệ thống MIMO điểm – điểm Trong thông tin vô tuyến, đa đầu vào và đa đầu ra MIMO (Multiple-Input Multiple-Output), hoặc MIMO điểm - điểm, là một kỹ thuật truyền thông không dây, trong đó nhiều ăng-ten được sử dụng để truyền và nhận dữ liệu đồng thời. Theo cách tiếp cận này, MIMO đề cập đến một lớp các kỹ thuật truyền và nhận đồng thời nhiều dữ liệu trên cùng một kênh vô tuyến bằng cách khai thác điện trường truyền lan đa đường.

Các ăng-ten phát Các ăng-ten thu Tx 1 Kênh MIMO Rx 1 Tx 2 Rx 2. Tx M Rx K Hình 1.1: Mô hình kênh MIMO cơ bản Trên một thiết bị sử dụng kỹ thuật MIMO có các chỉ số thông số thể hiện như: 2x2 hay 3x2. có thể hiểu rằng, thành phần đầu tiên thể hiện số ăng-ten phát và thành phần phía sau thể hiện số ăng-ten thu. MIMO cho phép truyền nhiều tín hiệu tại cùng một thời điểm, do đó tăng băng thông truyền dẫn và giảm độ trễ của mạng.

Kỹ thuật này sử dụng nhiều ăng-ten để truyền dữ liệu đồng thời, các tín hiệu này là độc lập nhau. Công nghệ MIMO đã được chuẩn hóa cho mạng LAN không dây, mạng điện thoại di động 3G, 4G và hiện đang được sử dụng thương mại rộng rãi. Trong mỗi lần sử dụng kênh, một véc tơ được phát và một véc tơ tín hiệu nhận được tại máy thu. Với sự có mặt của nhiễu Gauss trắng cộng ở máy thu, lý thuyết Shannon đưa ra các biểu thức cho hiệu suất phổ tín hiệu (tính bằng b/s/Hz) [6]: 5 (1.2: Mô hình kênh truyền dữ liệu hệ thống MIMO điểm – điểm Trong biểu thức (1.2), H là ma trận kênh kích thước M × K biểu thị đáp ứng tần số của kênh giữa mảng trạm gốc và các thiết bị đầu cuối; và là tỷ số tín hiệu trên nhiễu (SNR: Signal to Noise Ratio) đường lên và đường xuống, tỷ lệ với tổng công suất bức xạ tương ứng; M là số lượng ăng-ten của trạm gốc; và K là số lượng ăng-ten đầu cuối.

Hệ thống MIMO đa người dùng Các hệ thống MIMO được chia thành 2 loại: MIMO đơn người dùng (SU- MIMO: Single user MIMO) và MIMO đa người dùng (MU-MIMO: Multiuser Multiple-Input Multiple-Output). Trong SU-MIMO, bộ phát và bộ thu được trang bị nhiều hơn một ăng-ten. Hiệu suất được nâng cao về phạm vi bao phủ, độ tin cậy của liên kết và tốc độ truyền dữ liệu. Điều này được thực hiện thông qua các giải pháp như định dạng chùm tia, mã hóa không gian-thời gian và ghép kênh không gian của nhiều luồng dữ liệu.

SU-MIMO tăng tốc độ Wi-Fi bằng cách cho phép hai thiết bị không dây đồng thời gửi hoặc nhận nhiều luồng dữ liệu. Năm 2007 ra mắt lần đầu là chuẩn Wi-Fi 802.11n, với các bộ phát Wi-Fi không dây chủ yếu sử dụng công nghệ SU-MIMO. Hiện nay SU-MIMO cho phép các bộ phát Wi-Fi đồng thời gửi và nhận dữ liệu đến từ một thiết bị, trước đây thì các bộ phát Wi-Fi chỉ có thể gửi hoặc nhận vào một thời điểm.3: Công nghệ SU-MIMO và MU-MIMO Ưu điểm chính của hệ thống SU-MIMO đã gia tăng đáng kể tốc độ truyền dữ liệu. Tuy nhiên, nhược điểm của hệ thống này là chỉ có thể gửi và nhận dữ liệu với một thiết bị vào một thời điểm.

Để khắc phục những nhược điểm của hệ thống SU-MIMO, một hệ thống mới ra đời, đó là hệ thống MIMO đa người dùng (MU-MIMO). Hệ thống MU-MIMO cho phép các bộ phát Wi-Fi giao tiếp với nhiều thiết bị trong cùng một thời điểm. 7 Điều này giúp giảm thời gian mỗi thiết bị phải chờ tín hiệu và tăng tốc độ truyền, nhận dữ liệu. Để đơn giản, chúng ta giả định rằng mỗi thiết bị đầu cuối trong MU- MIMO chỉ được trang bị một ăng-ten duy nhất.

Mỗi trạm gốc phục vụ K thiết bị đầu cuối. Gọi H là ma trận kênh truyền kích thước M × K tương ứng với đáp ứng tần số giữa các ăng-ten trạm gốc và K đầu cuối. Mô hình kênh MU-MIMO được thể hiện như trong hình 1.4: Mô hình kênh MIMO đa người dùng Hiệu suất phổ tổng của đường lên và đường xuống được cho bởi [6]: (1.4) trong đó , là SNR đường lên trên mỗi thiết bị đầu cuối và là 8 SNR đường xuống. (Với cho trước, tổng công suất đường lên lớn hơn K lần so với mô hình MIMO điểm - điểm.) Việc có được thông tin trạng thái kênh truyền (CSI: Channel State Information) là rất quan trọng đối với cả (1.

Trên đường lên, trạm gốc phải biết trạng thái các kênh và mỗi thiết bị đầu cuối phải được thông báo tốc độ truyền cho phép của nó một cách riêng biệt. Trên đường xuống, cả trạm gốc và thiết bị đầu cuối đều phải có CSI. Lưu ý rằng các ăng-ten đầu cuối trong trường hợp điểm - điểm có thể hợp tác (kênh truyền đường lên có thể sử dụng cho kênh truyền đường xuống), trong khi các đầu cuối trong trường hợp nhiều người dùng thì không thể. Tuy nhiên, điều chú ý là việc các thiết bị đầu cuối không có khả năng hợp tác trong hệ thống nhiều người dùng không ảnh hưởng đến hiệu suất phổ tổng đường lên.

Hệ thống MIMO đa người dùng có hai ưu điểm cơ bản so với MIMO điểm - điểm. Đầu tiên, MU-MIMO ít nhạy cảm hơn với các giả định về môi trường lan truyền. Ví dụ, các điều kiện về tia trực tiếp (LoS: Line-of-Sight) đang là thách thức cho hệ thống MIMO điểm - điểm, tuy nhiên điều này không bị ảnh hưởng trong hệ thống MU-MIMO [6]. Thứ hai, hệ thống MU-MIMO chỉ yêu cầu các đầu cuối trang bị một ăng-ten.

Bên cạnh những ưu điểm mà hệ thống MU-MIMO mang lại, hệ thống này cũng phải đối diện với các hạn chế nhất định. Đầu tiên, để đạt được hiệu suất phổ trong (1.4) yêu cầu quá trình xử lý tín hiệu phức tạp tại cả trạm gốc và thiết bị đầu cuối. Thứ hai, và nghiêm trọng hơn, trên đường xuống, cả trạm gốc và thiết bị đầu cuối đều phải biết thông tin về trạng thái kênh truyền. Do đó, trong hệ thống MU-MIMO phải tốn một lượng tài nguyên đáng kể để truyền “pilot” theo cả hai hướng cho quá trình ước lượng kênh.

Vì những lý do này, hệ thống MU- MIMO không thể mở rộng đối với M hoặc K. Trên cơ sở những ưu, nhược điểm về lý thuyết hệ thống MU-MIMO, với một thiết bị phát Wifi ứng dụng kỹ thuật này sẽ có những ưu điểm chính như: - Thời gian mỗi thiết bị phải chờ nhận dữ liệu giảm xuống mức thấp nhất. - Gia tăng số lượng thiết bị đầu cuối được xử lý đồng thời, giảm được hiện tượng rớt mạng. 9 - Tăng tốc độ Download (tải xuống) với các thiết bị hỗ trợ MU-MIMO.

- Giúp trải nghiệm người dùng tốt hơn, ngay cả khi thiết bị không được hỗ trợ MU-MIMO. Mặc dù có những lợi ích rất lớn, tuy nhiên bộ phát Wifi sử dụng MU-MIMO vẫn tồn tại một số nhược điểm: - MU-MIMO chỉ hoạt động trên các bộ phát Wifi có chuẩn không dây 802.11ac và tần số 5 GHz. Điều này đồng nghĩa với các thiết bị cũ không hỗ trợ giải mã tín hiệu với giao thức này sẽ không thể hoạt động. - MU-MIMO chỉ làm tăng tốc độ tải xuống, hạn chế khả năng tải lên.

- Để tăng tốc tải xuống thì các bộ phát Wifi và thiết bị kết nối phải tích hợp MU-MIMO và hoạt động với giao thức mạng không dây 802. Công nghệ MU-MIMO cùng với tiêu chuẩn Wifi 802.11ac đã được triển khai trong thực tế từ năm 2015. Hệ thống Massive MIMO Trong xu thế về phát triển công nghệ cũng như nhu cầu người dùng ngày càng cao. Chúng ta mong muốn rằng, tại một thời điểm sẽ có càng nhiều thiết bị đầu cuối được phục vụ và chất lượng dịch vụ mạng ngày càng tăng lên.

Để giải quyết vấn đề này hệ thống Massive MIMO đã được nghiên cứu và được áp dụng cho hệ thống 5G trên thế giới. Massive MIMO là một dạng hệ thống MU-MIMO trong đó số lượng ăng-ten trang bị tại BS và số lượng người dùng là rất lớn. Trong Massive MIMO, hàng trăm hoặc hàng nghìn ăng-ten BS phục vụ đồng thời hàng chục hoặc hàng trăm người dùng trong cùng một tài nguyên tần số. Một số đặc điểm chính của Massive MIMO là: - Hoạt động với TDD: với FDD, chi phí ước lượng kênh phụ thuộc vào số lượng M ăng-ten tại BS [3].

Ngược lại, với TDD, chi phí ước tính kênh không phụ thuộc vào số lượng ăng-ten tại phía BS. Trong Massive MIMO, khi số lượng ăng- ten tại phía BS lớn, do đó, hoạt động TDD là thích hợp hơn. Ví dụ: giả sử rằng khoảng kết hợp là T = 200 ký hiệu (tương ứng với băng thông kết hợp là 200 kHz và thời gian kết hợp là 1 ms). Khi đó, trong các hệ thống FDD, số lượng ăng-ten tại 10 BS và số lượng người dùng bị ràng buộc bởi điều kiện M + K < 200, trong khi ở các hệ thống TDD, ràng buộc đối với M và K là 2K < 200.5 cho thấy các vùng khả thi (M, K) trong hệ thống FDD và TDD.

Chúng ta có thể thấy rằng vùng FDD nhỏ hơn nhiều so với vùng TDD. Với TDD, việc thêm nhiều ăng-ten hơn không ảnh hưởng đến tài nguyên cần thiết cho việc ước lượng kênh.5: Các vùng có thể (M, K) trong các hệ thống TDD và FDD, cho một khoảng kết hợp của 200 ký hiệu. - Xử lý tuyến tính: do số lượng ăng-ten BS và số lượng người dùng lớn nên việc xử lý tín hiệu tại các đầu cuối phải xử lý các ma trận/véc tơ kích thước lớn. Vì vậy, các phương pháp xử lý tín hiệu đơn giản là thích hợp hơn đối với hệ thống Massive MIMO.

Trong Massive MIMO, quá trình xử lý tuyến tính (sơ đồ kết hợp tuyến tính trong đường lên và sơ đồ tiền mã hóa tuyến tính trong đường xuống) gần đạt tối ưu. - Lan truyền thuận lợi: truyền lan thuận lợi có nghĩa là ma trận kênh giữa mảng ăng ten BS và người dùng được điều hòa tốt. Trong Massive MIMO, ở một số điều kiện, thuộc tính lan truyền thuận lợi được duy trì trong quá trình thu cũng như phát dữ liệu. - Một dải ăng-ten BS lớn không nhất thiết phải lớn về mặt vật lý.

Ví dụ, xem xét một mảng hình trụ có 128 ăng-ten, bao gồm 4 vòng tròn gồm 16 phần tử ăng-ten phân cực kép. Ở tần số 2,6 GHz, khoảng cách giữa các ăng-ten liền kề là khoảng 6 cm, bằng một nửa bước sóng. Do đó, mảng này chỉ chiếm một kích thước vật lý là 28×29 cm [23].