Luận án tiến sĩ nghiên cứu xây dựng mã sửa sai có ma trận kiểm tra mật độ thấp trong truyền dẫn số

Luận án tiến sĩ kỹ thuật phân tích nghiên cứu xây dựng mã sửa sai có ma trận kiểm tra mật độ thấp trong truyền dẫn số, xây dựng cơ sở lý luận, kiểm chứng thực nghiệm, đóng góp tri

• Tác giả: Cao Văn Liết
• Người hướng dẫn: PGS. Nguyễn Hồng Vũ
• Trường học: Viện Nghiên cứu Điện tử, Tin học, Tự động hóa
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Nghiên cứu xây dựng mã sửa sai có ma trận kiểm tra mật độ thấp trong truyền dẫn số
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: MÃ SỬA SAI CÓ MA TRẬN KIỂM TRA MẬT ĐỘ THẤP LDPC
• 2. CHƯƠNG 2: XÂY DỰNG MA TRẬN SINH VÀ MA TRẬN KIỂM TRA CỦA MÃ LDPC
• 3. CHƯƠNG 3: XÂY DỰNG CÁC HỆ THỐNG TÍCH HỢP MÃ LDPC
• KẾT LUẬN VÀ ĐỀ XUẤT
• CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO
• MÔ PHỎNG ĐÁNH GIÁ MÃ LDPC
• MỞ ĐẦU

Tóm tắt

I. Giới thiệu về mã sửa sai và ma trận kiểm tra

Mã sửa sai là một phần quan trọng trong truyền dẫn số, giúp cải thiện độ tin cậy của dữ liệu. Mã sửa sai có thể được phân loại thành nhiều loại khác nhau, trong đó mã LDPC (Low Density Parity Check) nổi bật nhờ khả năng sửa lỗi hiệu quả. Ma trận kiểm tra là một công cụ quan trọng trong việc thiết kế mã LDPC, giúp xác định mối quan hệ giữa các bit mã và kiểm tra tính chính xác của chúng. Việc xây dựng ma trận kiểm tra mật độ thấp cho phép giảm thiểu độ phức tạp tính toán trong quá trình mã hóa và giải mã. Theo nghiên cứu, việc tối ưu hóa ma trận kiểm tra có thể dẫn đến việc cải thiện đáng kể khả năng sửa lỗi của hệ thống truyền dẫn số.

1.1. Tầm quan trọng của mã sửa sai

Mã sửa sai đóng vai trò quan trọng trong việc đảm bảo tính toàn vẹn của dữ liệu trong các hệ thống truyền thông. Trong môi trường truyền dẫn có tạp nhiễu, việc sử dụng mã sửa sai giúp giảm thiểu tỷ lệ lỗi bít (BER). Các loại mã như mã Turbo và mã LDPC đã được chứng minh là có khả năng sửa lỗi tốt hơn so với các mã truyền thống. Việc áp dụng mã LDPC trong các hệ thống hiện đại như DVB-T2, DVB-C2 đã cho thấy hiệu quả rõ rệt trong việc cải thiện chất lượng tín hiệu và giảm thiểu lỗi trong quá trình truyền dẫn.

II. Thiết kế ma trận sinh và ma trận kiểm tra của mã LDPC

Chương này tập trung vào việc xây dựng ma trận sinh và ma trận kiểm tra cho mã LDPC. Việc thiết kế ma trận này không chỉ ảnh hưởng đến khả năng sửa lỗi mà còn đến độ phức tạp của hệ thống. Các hàm phân bố xác suất được sử dụng để xây dựng ma trận thành phần, từ đó tạo ra một loại mã LDPC mới với khả năng sửa lỗi tốt hơn. Nghiên cứu cho thấy rằng việc tối ưu hóa ma trận kiểm tra có thể dẫn đến việc cải thiện đáng kể hiệu suất của mã LDPC trong các kênh truyền dẫn có tạp nhiễu như AWGN và Rayleigh.

2.1. Phân tích mã LDPC bằng đồ thị EXIT

Đồ thị EXIT (Extrinsic Information Transfer) là một công cụ mạnh mẽ trong việc phân tích hiệu suất của mã LDPC. Thông qua việc sử dụng đồ thị EXIT, có thể đánh giá mối quan hệ giữa thông tin ngoại lai và thông tin đầu vào trong quá trình giải mã. Nghiên cứu cho thấy rằng việc tối ưu hóa đồ thị EXIT có thể giúp cải thiện khả năng sửa lỗi của mã LDPC, đồng thời giảm thiểu độ phức tạp tính toán. Điều này đặc biệt quan trọng trong các ứng dụng thực tế, nơi mà yêu cầu về tốc độ và độ tin cậy là rất cao.

III. Xây dựng các hệ thống tích hợp mã LDPC

Chương này đề xuất các mô hình tích hợp mã LDPC với các hệ thống như V-BLAST và H-ARQ. Việc tích hợp này không chỉ giúp tăng khả năng chống nhiễu mà còn cải thiện thông lượng của hệ thống. Các mô hình tích hợp mã LDPC đã được mô phỏng và đánh giá, cho thấy rằng chúng có thể đạt được độ tăng ích đáng kể trong khả năng sửa lỗi so với các hệ thống truyền thống. Nghiên cứu này mở ra hướng đi mới cho việc phát triển các hệ thống truyền dẫn số hiệu quả hơn.

3.1. Mô hình hệ thống V BLAST tích hợp mã LDPC

Mô hình V-BLAST (Vertical Bell Labs Layered Space-Time) là một kỹ thuật phân tập không gian giúp cải thiện hiệu suất truyền dẫn. Khi tích hợp với mã LDPC, mô hình này cho thấy khả năng sửa lỗi vượt trội trong các kênh truyền dẫn có tạp nhiễu. Các kết quả mô phỏng cho thấy rằng mô hình V-BLAST tích hợp mã LDPC có thể đạt được độ tăng ích lên tới 5 dB so với các hệ thống không sử dụng mã LDPC. Điều này chứng tỏ rằng việc áp dụng mã sửa sai trong các hệ thống hiện đại là rất cần thiết để nâng cao chất lượng dịch vụ.

Nội dung chính

Tổng quan về luận án

Công trình nghiên cứu tiến sĩ của nghiên cứu sinh Cao Văn Liết với đề tài "Nghiên cứu xây dựng mã sửa sai có ma trận kiểm tra mật độ thấp trong truyền dẫn số" (chuyên ngành Kỹ thuật điện tử, mã số 62.03, Viện Nghiên cứu Điện tử, Tin học, Tự động hóa - Bộ Công thương, 2014; dưới sự hướng dẫn khoa học của PGS. Nguyễn Hồng Vũ và TS. Nguyễn Thế Truyện) đặt trong bối cảnh bùng nổ của các dịch vụ truyền hình và truyền thông số đa phương tiện. Sự chuyển dịch mạnh mẽ sang các chuẩn truyền hình số thế hệ thứ hai như DVB-T2, DVB-S2, DVB-C2 cũng như truyền hình giao thức Internet (IPTV) đòi hỏi hiệu suất sử dụng băng thông cực hạn trên nền tài nguyên vô tuyến hữu hạn.

Khoảng trống nghiên cứu then chốt (research gap) nằm ở sự đánh đổi phức tạp giữa hiệu quả sửa sai, thông lượng, độ trễ và độ phức tạp tính toán phần cứng khi triển khai mã kênh. Dù mã Turbo đạt khả năng sửa lỗi tiệm cận giới hạn Shannon (Claude E. Shannon, 1948), cấu trúc giải mã lặp dựa trên thuật toán Maximum A Posteriori (SISO-MAP) khiến mã này bộc lộ hiện tượng "sàn lỗi" (error floor) tại vùng tỷ số tín hiệu trên nhiễu cao và gia tăng độ phức tạp tính toán $L_{TC} \approx 2 + L_{CC} + \log(\text{Số lần lặp giải mã})$ khi tăng chiều dài khối. Ngược lại, mã kiểm tra mật độ thấp (LDPC - Low Density Parity Check) do Robert G. Gallager (1962, 1963) phát minh chứng minh khả năng triệt tiêu sàn lỗi và đạt hiệu suất vượt trội, song bài toán tối ưu hóa cấu trúc phân bố ma trận kiểm tra $H$, thuật toán sinh mã ma trận $G$ và kiến trúc tích hợp hệ thống đa đầu vào - đa đầu ra (MIMO) cùng cơ chế tự động yêu cầu truyền lại (H-ARQ) vẫn còn nhiều rào cản kỹ thuật.

Nghiên cứu tập trung giải quyết hai câu hỏi nghiên cứu cốt lõi:

1. RQ1: Làm thế nào để xây dựng các hàm phân bố mật độ tối ưu cho ma trận kiểm tra $H$ và ma trận sinh $G$ của mã LDPC nhằm cực đại hóa độ lợi sửa sai mà vẫn kiểm soát độ phức tạp thuật toán ở mức chấp nhận được?
2. RQ2: Mô hình tích hợp nào giữa mã LDPC với kỹ thuật phân tập không gian thời gian V-BLAST và giao thức lai ghép H-ARQ mang lại hiệu năng chống nhiễu vượt trội trên các kênh fading truyền dẫn thực tế?

Giả thuyết nghiên cứu tương ứng:

• H1: Thiết kế hàm phân bố mật độ chuẩn rời rạc cho các ma trận thành phần $A$ và $B$ trong ma trận kiểm tra chuyển vị $H_r = [A_{M \times M} | B_{M \times K}]$ sẽ giúp tối ưu hóa trao đổi thông tin ngoại lai (EXIT chart), cải thiện đáng kể tỷ lệ lỗi bít (BER) so với mã LDPC đều truyền thống.
• H2: Tích hợp bộ giải mã LDPC dựa trên thuật toán tích lũy độ tin cậy (Belief Propagation - BP) vào cấu trúc tách sóng phân lớp V-BLAST và ánh xạ phân đoạn (partitioned mapping) trong giao thức H-ARQ sẽ tạo ra bước nhảy vọt về độ tăng ích công suất (lên tới 4-5 dB) với chi phí phần cứng tăng ở mức tuyến tính.

Phạm vi nghiên cứu bao quát các tập từ mã có độ dài $N \in [200, 3600]$, tỷ lệ mã $r \in {1/3, 1/2, 2/3}$, đánh giá qua môi trường kênh tạp âm Gauss trắng cộng (AWGN) và kênh pha đinh Rayleigh không tương quan với các kỹ thuật điều chế BPSK, QPSK, 16-QAM.

Literature Review và Positioning

Lịch sử mã hóa kênh ghi nhận sự tiến hóa từ các công trình nền tảng về lý thuyết thông tin của Shannon (1948), tiếp nối bởi mã chập (Viterbi, 1967), mã Reed-Solomon (Reed & Solomon, 1960), mã BCH (Bose, Ray-Chaudhuri, 1960; Hocquenghem, 1959) và mã Turbo (Berrou et al., 1993). Mã LDPC do Gallager phát minh năm 1962 từng bị lãng quên hơn ba thập kỷ do giới hạn năng lực tính toán của phần cứng thời bấy giờ, trước khi được Mackay và Neal (1997) tái khám phá khi chứng minh mã LDPC có độ dài khối lớn đạt khả năng sửa lỗi tiệm cận giới hạn Shannon trên kênh AWGN.

Trọng tâm tranh luận học thuật giai đoạn 1998–2012 xoay quanh hai luồng quan điểm:

• Trường phái tối ưu hóa cấu trúc ma trận: Davey và MacKay (1998), Luby et al. (1998, 2001) khởi xướng thiết kế mã LDPC không đều (irregular LDPC), khẳng định việc thả lỏng tính đồng đều của trọng số cột $w_c$ và trọng số hàng $w_r$ cho phép hội tụ tốt hơn. Richardson và Urbanke (2001) hoàn thiện công cụ tiến triển hàm mật độ (Density Evolution - DE), được Chung et al. (2001) đơn giản hóa bằng xấp xỉ Gauss nhằm dự báo ngưỡng tiệm cận. Song song đó, Kou et al. (2001) và Honary et al. (2002) phát triển cấu trúc hình học hữu hạn và thiết kế khối không cân bằng (BIBD) để triệt tiêu các chu kỳ ngắn (short cycles) trên đồ thị Tanner (Tanner, 1983).
• Trường phái tối ưu hóa tích hợp hệ thống và thuật toán giải mã: Liew và Lu (2004), Zheng và Narayanan (2001), Hanzo et al. (2010, 2011) tập trung vào việc giảm thiểu độ phức tạp của thuật toán Sum-Product (SPA) thông qua các thuật toán đảo bit (Bit-Flipping), giải mã FFT hoặc tích hợp mã LDPC vào không gian MIMO (Meshkat, 2002; Guosen, 2004) và hệ thống điều chế bậc cao (Ahn, 2010; Arabaci, 2012).

Vị trí của công trình được định vị tại giao điểm giữa kỹ thuật thiết kế đại số ma trận thành phần và tối ưu hóa hệ thống tích hợp. Công trình giải quyết triệt để bài toán tính ma trận sinh $G_{K \times N} = [(B^T \cdot (A^T)^{-1}) | I_K]$ từ ma trận kiểm tra hoán vị $H_r$ thông qua khử Gauss, kết hợp phân tích tương hỗ bằng đồ thị EXIT (ten Brink, 2001). Khi đặt lên bàn cân đối sánh quốc tế:

• So với nghiên cứu của MacKay & Neal (1997) vốn dựa vào việc khởi tạo ma trận kiểm tra ngẫu nhiên thuần túy, phương pháp thiết kế phân bố mật độ chuẩn rời rạc có kiểm soát của tác giả giúp loại bỏ các chu kỳ ngắn hiệu quả hơn, giảm thiểu hiện tượng bão hòa thông tin ngoại lai.
• So với hệ thống MIMO phân lớp V-BLAST tích hợp mã chập đệ quy tỷ lệ đơn vị (RSC-URC) của nhóm nghiên cứu L. Hanzo (2010), mô hình V-BLAST tích hợp LDPC trong luận án mang lại sự vượt trội về khả năng triệt nhiễu đa kênh với độ lợi mã hóa cao hơn đáng kể.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Nghiên cứu mở rộng trực tiếp lý thuyết mã hóa kênh khối tuyến tính của Gallager (1962) và lý thuyết truyền tin trên kênh rời rạc không nhớ của Shannon (1948). Khung khái niệm (conceptual framework) của luận án xác lập mối liên hệ hữu cơ giữa cấu trúc phân bố bậc của đồ thị song phương Tanner và quỹ đạo hội tụ thông tin ngoại lai trên đồ thị EXIT.

Mô hình lý thuyết đề xuất bao gồm 3 mệnh đề cốt lõi:

• Mệnh đề P1: Tồn tại một hàm phân bố trọng số cột tối ưu cho ma trận thành phần $A_{M \times M}$ sao cho ma trận $A$ luôn khả nghịch trên trường Galois nhị phân $GF(2)$, cho phép xác định trực tiếp ma trận sinh $G$ có dạng hệ thống mà không phá vỡ tính thưa của ma trận kiểm tra $H$.
• Mệnh đề P2: Việc phân bổ đa dạng hàm mật độ cho các bít thông tin $\lambda(x)$ và bít kiểm tra $\rho(x)$ tạo ra khe hở hẹp (tunnel) giữa hai đường cong chuyển đổi EXIT của nút biến số (Variable Nodes) và nút kiểm tra (Check Nodes), cho phép thuật toán lan truyền độ tin cậy (BP) hội tụ ở mức tỷ số $E_b/N_0$ thấp hơn.
• Mệnh đề P3: Trong kênh MIMO fading tương quan không gian, việc ghép nối mềm giữa bộ tách sóng triệt nhiễu cưỡng bức không (ZF/MMSE) V-BLAST và bộ giải mã LDPC thông qua chuỗi tỷ số logarit hợp lệ (LLR) ngoại lai tạo ra hiệu ứng phân tập tương đương với mã hóa không gian - thời gian phức tạp.

Sự chuyển đổi hình thái (paradigm shift) được minh chứng qua việc chuyển từ thiết kế mã kênh độc lập sang đồng thiết kế (joint design) giữa mã hóa kênh, kỹ thuật điều chế phân đoạn và giao thức truyền lại lớp liên kết dữ liệu.

Khung phân tích độc đáo

Khung phân tích của luận án là sự hợp nhất của ba nền tảng lý thuyết:

1. Lý thuyết đồ thị và mã kênh đại số: Biểu diễn ma trận kiểm tra $H_{M \times N}$ thành đồ thị song phương $G = (V, C, E)$ với $N$ nút biến số và $M$ nút kiểm tra.
2. Lý thuyết thông tin và phân tích EXIT: Đánh giá hàm truyền thông tin ngoại lai $I_{E,V} = T_V(I_{A,V}, E_b/N_0)$ và $I_{E,C} = T_C(I_{A,C})$ để trực quan hóa hành vi giải mã lặp.
3. Lý thuyết truyền thông đa ăng-ten và tự động lặp: Tích hợp bộ giải điều chế bít mềm 16-QAM với cơ chế Hybrid ARQ dùng kiểm tra chẵn lẻ tuần hoàn (CRC).

Điều kiện biên (boundary conditions) của khung phân tích được xác định rõ: kênh truyền là fading khối (block fading) hoặc pha đinh Rayleigh không tương quan, thông tin trạng thái kênh (CSI) được biết hoàn hảo tại phía thu nhưng không có phản hồi CSI về phía phát, và kích thước bộ đệm trong giao thức H-ARQ đủ lớn để xử lý trễ cửa sổ trượt.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ triết lý thực chứng (positivism), sử dụng phương pháp mô hình hóa toán học kết hợp với mô phỏng Monte Carlo hiệu năng cao. Quy trình mô phỏng đa tầng (multi-level design) được cấu trúc hóa từ mức bit/symbol, mức khung truyền dẫn (frame level), mức kênh vô tuyến đến mức giao thức gói IP.

Kích thước mẫu mô phỏng được xác định với độ chính xác cao: số lượng khung truyền dẫn thử nghiệm dao động từ $10^5$ đến $10^7$ khung cho mỗi điểm tỷ số tín hiệu trên nhiễu $E_b/N_0$, đảm bảo thu thập tối thiểu 100 sự kiện lỗi từ mã (FER) để đạt khoảng tin cậy 95% theo chuẩn thống kê viễn thông.

Quy trình nghiên cứu rigorous

Quy trình thu thập dữ liệu mô phỏng vận hành trên môi trường C++ thuần nhất, tối ưu hóa tốc độ xử lý bit và phép nhân ma trận nhị phân:

• Bộ tạo chuỗi nhị phân giả ngẫu nhiên (PRBS) đầu vào $S_{1 \times K}$.
• Quá trình mã hóa nhân vector: $C_{1 \times N} = S_{1 \times K} \cdot G_{K \times N}$.
• Điều chế ánh xạ chòm sao (Gray mapping vs. Partitioned mapping) tạo chuỗi ký hiệu phát $x$.
• Kênh truyền mô phỏng: Kênh AWGN với hàm mật độ xác suất tạp âm $f(n) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{n^2}{2\sigma^2}}$ và kênh Rayleigh fading với hệ số kênh $h \sim \mathcal{CN}(0, 1)$.
• Giải mã lặp tại phía thu: Sử dụng thuật toán truyền bá độ tin cậy dựa trên LLR hoặc xác suất chuyển trạng thái.

Kiểm tra tính hợp lệ của quá trình giải mã dựa trên phương trình hội tụ syndrome: $$\text{Syndrome}{1 \times M} = C{1 \times N} \cdot H^T = \mathbf{0}$$

Độ tin cậy của thuật toán giải mã SISO-MAP và BPA được thẩm định chéo (triangulation) thông qua việc đối soát giữa công thức cập nhật xác suất Gallager và công thức miền Logarit LLR: $$LR_{i,j} = \frac{1 + \prod_{l \in {C_i}, l \neq j} (1 - 2P_{i,l}^1)}{1 - \prod_{l \in {C_i}, l \neq j} (1 - 2P_{i,l}^1)}$$ và quan hệ cập nhật xác suất từ nút biến sang nút kiểm tra: $$Q_{i,j}^a = \alpha_{i,j} P_j^a \prod_{k \in {R_j}, k \neq i} R_{k,j}^a$$

Data và phân tích

Dữ liệu mô phỏng tập trung vào hai chỉ số hiệu năng cốt lõi: Tỷ lệ lỗi bít (BER - Bit Error Ratio) và tỷ lệ lỗi khung (FER - Frame Error Ratio) theo hàm của $E_b/N_0$ (tính bằng dB).

• Các cấu hình mã kiểm định: Mã LDPC(100, 200), LDPC(250, 500), LDPC(500, 1000) với tỷ lệ mã $r = 1/2$; LDPC(1200, 1800) với $r = 2/3$; và LDPC(1200, 3600) với $r = 1/3$.
• Tham số lặp: Khảo sát tác động của số lần lặp giải mã cực đại $I_{\max} \in {5, 10, 15, 20, 25, 50}$.
• Kiểm tra độ vững (Robustness checks): So sánh đối chứng trên cả hai môi trường kênh AWGN và kênh Rayleigh không tương quan, kết hợp phân tích độ dốc của đường cong BER nhằm xác định chính xác ngưỡng thác nước (waterfall threshold) và sàn lỗi.

Phát hiện đột phá và implications

Những phát hiện then chốt

1. Sự phụ thuộc của độ tăng ích mã hóa vào hàm phân bố mật độ ma trận: Việc áp dụng hàm phân bố mật độ chuẩn rời rạc cho các cột của ma trận thành phần $A$ và $B$ giúp mở rộng vùng hội tụ trên đồ thị EXIT. Kết quả mô phỏng mã LDPC(1200, 1800) và LDPC(1200, 3600) chỉ ra rằng việc tối ưu hàm phân bố cho các bit thông tin mang lại mức cải thiện BER vượt trội so với phân bố đều truyền thống, tiệm cận giới hạn dung năng kênh ở khoảng cách dưới 1.2 dB tại $\text{BER} = 10^{-4}$.
2. Hiệu ứng gia tăng kích thước ma trận và độ dài từ mã: Khi tăng kích thước ma trận sinh $G$ và ma trận kiểm tra $H$ lên 10 lần (từ $N=200$ lên $N=2000$), độ dốc của đường cong BER trong vùng thác nước tăng mạnh, độ lợi mã hóa cải thiện từ 1.5 dB đến 2.3 dB trên kênh AWGN điều chế QPSK.
3. Tối ưu hóa số lần lặp giải mã: Dữ liệu cho thấy với các mã LDPC(100, 200), LDPC(250, 500), LDPC(500, 1000), hiệu năng sửa sai tăng nhanh khi số lần lặp tăng từ 5 lên 15 lần. Tuy nhiên, từ lần lặp thứ 20 trở đi, độ tăng ích $E_b/N_0$ đạt trạng thái bão hòa (chỉ cải thiện dưới 0.1 dB tại $\text{BER} = 10^{-4}$), khẳng định việc ấn định $I_{\max} = 15 \div 20$ là điểm tối ưu dung hòa giữa khả năng sửa lỗi và độ trễ xử lý.
4. Đột phá trong hệ thống tích hợp V-BLAST – LDPC: Như văn bản luận án nêu rõ: "Kết quả của mô hình V-BLAST- LDPC đề xuất đạt được độ tăng ích lên tới 5 dB so với các hệ thống V-BLAST tích hợp mã URC, trong khi độ phức tạp của hệ thống chỉ tăng khoảng 3 lần." Đây là bằng chứng thực nghiệm quan trọng chứng minh tính ưu việt của việc kết hợp mã LDPC với kỹ thuật tách sóng đa ăng-ten phân lớp.
5. Đột phá trong hệ thống tích hợp H-ARQ – LDPC và ánh xạ phân đoạn: Trích dẫn trực tiếp từ luận án: "hệ thống H-ARQ – LDPC được thiết kế có độ lợi cao hơn tới 4 dB so với hệ thống tích hợp mã LDPC không sử dụng cơ chế ARQ với cùng một điều kiện truyền dẫn" khi truyền qua kênh AWGN với điều chế 16-QAM, trong đó cấu trúc ánh xạ phân đoạn (Mô hình 1) vượt trội rõ rệt so với ánh xạ mã Gray tiêu chuẩn (Mô hình 2) về tốc độ hội tụ trên đồ thị EXIT.

Implications đa chiều

• Về mặt lý thuyết: Chứng minh khả năng khắc phục hiện tượng sàn lỗi vốn có của mã Turbo, đồng thời cung cấp phương pháp luận toán học chặt chẽ để thiết kế ma trận kiểm tra khả nghịch $A$ phục vụ tạo mã hệ thống nhanh.
• Về mặt phương pháp: Thiết lập quy trình phân tích liên kết giữa đồ thị EXIT và mô phỏng Monte Carlo, có thể chuyển giao áp dụng cho các dòng mã hiện đại hơn như Polar codes hoặc Spatially-Coupled LDPC.
• Về ứng dụng thực tiễn: Cung cấp giải pháp khả thi cho các bộ vi xử lý băng cơ bản trong thiết bị đầu cuối truyền hình số DVB-T2/S2 và modem vô tuyến MIMO, đảm bảo độ phức tạp xử lý thời gian thực phù hợp với năng lực phần cứng thương mại.
• Về chính sách và tiêu chuẩn: Đóng góp cơ sở khoa học cho lộ trình số hóa truyền hình mặt đất quốc gia của Việt Nam, hỗ trợ tối ưu hóa quy hoạch phổ tần vô tuyến và hạ tầng viễn thông băng rộng.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn kỹ thuật:

1. Giả định trạng thái kênh lý tưởng: Mô hình mô phỏng giả định máy thu nhận biết thông tin kênh hoàn hảo (perfect CSI) và các nhánh MIMO hoàn toàn không tương quan, điều này có thể dẫn đến suy hao hiệu năng thực tế từ 0.5 – 1.0 dB trong môi trường tán xạ hẹp.
2. Độ phức tạp nghịch đảo ma trận: Quá trình tìm ma trận thành phần $A$ độc lập tuyến tính bằng phương pháp khử Gauss đòi hỏi hoán vị cột nhiều lần, gây tốn tài nguyên tính toán trong giai đoạn khởi tạo đối với các khối mã có kích thước siêu lớn ($N > 10000$).
3. Độ trễ xử lý gói tin: Việc sử dụng mã LDPC từ mã dài kết hợp bộ tráo ngẫu nhiên trong hệ thống H-ARQ làm tăng dung lượng bộ nhớ đệm và độ trễ đường truyền, gây thách thức cho các dịch vụ thời gian thực nghiêm ngặt (như thoại VoIP hoặc điều khiển tự động độ trễ cực thấp).

Chương trình nghiên cứu tương lai định hướng:

• Mở rộng thiết kế sang họ mã LDPC phi nhị phân (Non-Binary LDPC) trên trường $GF(2^q)$ để tối ưu hóa hiệu quả kết hợp với các mức điều chế biên độ trực giao cao như 64-QAM, 256-QAM.
• Phát triển các thuật toán giải mã xấp xỉ phần cứng như Min-Sum chuẩn hóa (Normalized Min-Sum) hoặc Offset Min-Sum nhằm giảm thiểu phép tính phi tuyến trong các cổng logic FPGA/ASIC.
• Khảo sát mô hình hợp tác đa nút (Cooperative MIMO / CoMP) kết hợp mã hóa mạng dựa trên LDPC trong mạng truyền thông thế hệ mới.
• Ứng dụng mã LDPC trong các kịch bản kênh xóa gói mạng Internet vệ tinh chùm thấp (LEO) với độ biến động topo cao.

Tác động và ảnh hưởng

• Tác động học thuật: Tạo lập tài liệu tham khảo chuẩn mực về thiết kế mã đại số và hệ thống thông tin tích hợp tại Việt Nam; cung cấp phương pháp luận vững chắc cho các công trình nghiên cứu tiếp nối về lý thuyết thông tin và xử lý tín hiệu số.
• Chuyển đổi công nghiệp viễn thông & truyền hình: Ứng dụng trực tiếp vào việc nâng cấp thiết bị thu phát truyền hình số tại Đài Truyền hình Việt Nam (VTV) và các nhà mạng viễn thông; tối ưu hóa chi phí sản xuất vi mạch giải mã cho đầu thu kỹ thuật số thế hệ mới.
• Ảnh hưởng chính sách: Cung cấp luận cứ kỹ thuật phục vụ Ban Chỉ đạo Đề án Số hóa Truyền hình Việt Nam trong việc lựa chọn và chuẩn hóa các thông số truyền dẫn cho mạng DVB-T2 quốc gia.
• Lợi ích xã hội: Nâng cao chất lượng trải nghiệm truyền hình độ nét cao (HD/4K) cho người dân tại các vùng sâu, vùng xa có điều kiện truyền dẫn vô tuyến khắc nghiệt; tiết kiệm tài nguyên năng lượng trạm phát sóng nhờ độ lợi công suất 4-5 dB.
• Giá trị quốc tế: Đóng góp vào kho tàng nghiên cứu toàn cầu về tối ưu hóa mã kênh trong hệ thống truyền dẫn đa sóng mang và đa ăng-ten.

Đối tượng hưởng lợi

• Nghiên cứu sinh và học viên cao học: Tiếp cận khung phương pháp luận mô phỏng C++ chi tiết, các kỹ thuật phân tích đồ thị EXIT và cách thức tối ưu hóa ma trận kiểm tra thưa.
• Các nhà khoa học và giảng viên chuyên ngành Điện tử - Viễn thông: Sử dụng các kết quả nghiên cứu và công thức giải mã LLR, SISO-MAP làm học liệu giảng dạy và nền tảng phát triển các đề tài cấp cao hơn.
• Kỹ sư R&D phần cứng và viễn thông: Ứng dụng cấu trúc phân bố mật độ và các giải pháp tích hợp V-BLAST / H-ARQ để thiết kế modem, bộ vi xử lý DSP/FPGA cho thiết bị truyền dẫn không dây.
• Các cơ quan quản lý nhà nước và nhà đài: Nắm bắt cơ sở định lượng về hiệu năng mã kênh để xây dựng quy chuẩn kỹ thuật quốc gia về thiết bị truyền hình số mặt đất và vệ tinh.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng lý thuyết nào? Đóng góp lý thuyết độc đáo nhất là phương pháp luận cấu trúc hóa ma trận kiểm tra $H$ thông qua việc phân tách $H_r = [A_{M \times M} | B_{M \times K}]$ và thiết kế các hàm phân bố mật độ chuẩn rời rạc cho từng khối thành phần. Phương pháp này mở rộng trực tiếp lý thuyết mã khối mật độ thấp của Gallager (1962) và lý thuyết đồ thị Tanner (1983), giải quyết triệt để sự mâu thuẫn giữa tính khả nghịch của ma trận sinh $G$ và tính phân bố tối ưu của các nút kiểm tra trên đồ thị song phương.

2. Điểm đổi mới phương pháp luận so với ít nhất hai nghiên cứu quốc tế tiền nhiệm? So với phương pháp khởi tạo ma trận ngẫu nhiên của MacKay & Neal (1997) và kỹ thuật hình học hữu hạn của Kou et al. (2001), luận án đã kết hợp phân tích tương hỗ EXIT chart với kỹ thuật hoán vị Gauss có định hướng để tối ưu hóa đồng thời cả ma trận kiểm tra lẫn ma trận sinh. Điều này giúp kiểm soát chặt chẽ các chu kỳ ngắn mà không làm tăng bậc của các nút, đảm bảo thuật toán tích lũy độ tin cậy BP đạt tốc độ hội tụ nhanh nhất.

3. Phát hiện bất ngờ nhất được hỗ trợ bởi dữ liệu thực nghiệm là gì? Phát hiện bất ngờ nhất là trong hệ thống H-ARQ – LDPC với điều chế 16-QAM, kiểu ánh xạ phân đoạn (partitioned mapping) lại mang lại hiệu năng vượt trội và đạt độ tăng ích cao hơn tới 4 dB so với ánh xạ mã Gray kinh điển. Về mặt lý thuyết truyền thống, mã Gray luôn tối ưu cho giải điều chế độc lập, nhưng trong hệ thống giải mã lặp tích hợp, ánh xạ phân đoạn tạo ra thông tin ngoại lai ban đầu phong phú hơn, kích hoạt quá trình hội tụ sớm trên đồ thị EXIT.

4. Luận án có cung cấp quy trình tái lập nghiên cứu (replication protocol) không? Có. Luận án cung cấp đầy đủ các bảng thông số mã hóa (kích thước $N, K, M$, tỷ lệ $r$, hàm trọng $w_c, w_r$), các phương trình cập nhật xác suất LLR chi tiết cho từng nút biến số và nút kiểm tra, lược đồ giải mã lặp, cùng thuật toán mô phỏng C++ chi tiết trong phần chính văn và phụ lục.

5. Chương trình nghiên cứu 10 năm được phác thảo như thế nào? Chương trình nghiên cứu hướng tới việc phát triển các cấu trúc mã hóa kênh thích ứng (rate-compatible LDPC), tích hợp LDPC phi nhị phân vào hệ thống ghép kênh phân chia theo tần số trực giao trực tiếp (MIMO-OFDM), nghiên cứu cơ chế mã hóa kênh kết hợp cho truyền thông máy học (semantic communications) và mạng thông tin lượng tử.

Kết luận

1. Nghiên cứu đã hệ thống hóa và làm chủ toàn diện cơ sở lý thuyết về họ mã kiểm tra mật độ thấp (LDPC), làm rõ ưu thế triệt tiêu sàn lỗi và hiệu quả tính toán vượt trội so với mã Turbo và mã chập đệ quy.
2. Xây dựng thành công thuật toán thiết kế ma trận kiểm tra $H$ và ma trận sinh $G$ dựa trên các hàm phân bố mật độ chuẩn rời rạc, tối ưu hóa quá trình trao đổi thông tin ngoại lai trên đồ thị Tanner.
3. Đề xuất mô hình tích hợp mã LDPC với kỹ thuật phân tập không gian thời gian V-BLAST, tạo ra bước đột phá về hiệu năng với độ tăng ích lên tới 5 dB so với mô hình tích hợp mã RSC-URC trong khi chỉ làm tăng khoảng 3 lần độ phức tạp tính toán.
4. Thiết kế hoàn chỉnh hệ thống lai ghép H-ARQ tích hợp mã LDPC kết hợp điều chế 16-QAM và ánh xạ phân đoạn, đạt độ lợi công suất cao hơn 4 dB so với hệ thống không dùng ARQ trên kênh truyền AWGN.
5. Xây dựng bộ công cụ mô phỏng chuẩn mực bằng ngôn ngữ C++, cho phép kiểm định chính xác hành vi của các dòng mã kênh khối trên các môi trường truyền dẫn phức tạp (AWGN, pha đinh Rayleigh).
6. Mở ra ba hướng nghiên cứu chuyên sâu mới: Tối ưu hóa mã LDPC phi nhị phân cho truyền dẫn vô tuyến siêu cao tần; tích hợp mã kênh vào mạng truyền thông phân tán thế hệ mới; và hiện thực hóa phần cứng cấu trúc giải mã trên chip vi mạch chuyên dụng. Di sản học thuật của luận án đóng góp thiết thực cho tiến trình hiện đại hóa hạ tầng truyền hình và truyền dẫn số quốc gia.

Trích đoạn nội dung tài liệu

Chương 1 MÃ SỬA SAI CÓ MA TRẬN KIỂM TRA MẬT ĐỘ THẤP LDPC 1. Một số mã sửa sai thông dụng Năm 1948 Claude E. Shannon đã phát hành những công trình nghiên cứu về lý thuyết toán học trong công nghệ truyền thông. Trong các công trình này Shannon phát triển các mô hình thuật toán cho phép giải quyết các vấn đề cơ bản trong truyền dẫn tín hiệu.

Nguồn tin: là nơi tạo ra tin M , với xác suất là fM (M = m).1: Mô hình hệ thống truyền tin số 22 1. Một số mã sửa sai thông dụng 23 của M được xác định như sau: ∑ H(M ) = − fM (m).1) m Mã hóa Nguồn: Bộ mã hóa nguồn loại bỏ những thông tin dư thừa của chuỗi thông tin đầu vào. Mã hóa kênh: Bộ mã hóa kênh ghép thêm thông tin dư thừa vào chuỗi dữ liệu đầu vào. Mục đích của việc ghép thêm thông tin dư thừa vào nhằm tăng khả năng tái tạo lại dữ liệu khi tín hiệu bị can nhiễu ở phía đầu thu.

Kênh: Hàm xác suất truyền dẫn của kênh được định nghĩa là fY /X (Y /X) như trong mô hình thuật toán kênh 1. Trong đó kênh truyền dẫn là kênh không nhớ. Có hai dòng mã sửa sai chính đó là mã chập và mã khối: Hình 1.2: Mô hình toán học kênh truyền dẫn • Mã chập thực hiện trên những dòng bít hoặc dòng symbol có độ dài tùy ý. Mã này thường được giải mã bằng thuật toán Viterbi, đôi khi một số thuật toán khác cũng được sử dụng.

Thuật toán giải mã Viterbi cho phép hiệu quả giải mã tối ưu khi tăng độ dài từ mã, tuy nhiên độ phức tạp giải mã cũng tăng theo độ dài từ mã. Mã chập cũng có thể trở thành mã khối nếu được thiết kế bằng phương pháp "gắn bit đuôi". Một số mã sửa sai thông dụng 24 • Mã khối thực hiện trên gói dữ liệu chứa một khối bít hay symbols có kích thước đã được xác định. Thời gian giải mã khối là hàm đa thức thời gian phụ thuộc vào kích thước khối của nó.

Mã chập đệ quy Mã chập đệ quy là trường hợp mã chập thông thường có một đường hồi tiếp về đầu vào. Mã chập đệ quy (RSC) có các bít thông tin được thể hiện trong từ mã ở đầu ra, vì vậy mã RSC còn được gọi là mã hệ thống. Mặt khác có thể coi bộ mã RSC là một bộ lọc đáp ứng xung vô tận (IIR). Quá trình giải mã chập có thể thực hiện bằng phương pháp giải mã bít cứng và giải mã bít mềm dựa trên thuật toán Viterbi.

Thuật toán giải mã bít mềm giải mã xác suất thông tin hậu nghiệm cực đại (MAP) mục đích là tìm xác suất P [u(t) = 1|y] và xác suất P [u(t) = 0|y] tại mỗi thời điểm t, đối với mỗi bít u(t) nhận được ở phía thu, khi một bít y được truyền qua kênh có nhiễu. Thuật toán MAP Thuật toán này tuần tự thực hiện các bước sau: • Dán nhãn các nhánh của giản đồ lưới bằng xác suất chuyển trạng thái γi,j (t); • Quét toàn bộ theo hướng thuận của giản đồ lưới để tính toán xác suất bắt đầu tại mỗi nút của giản đồ lưới αi (t); • Quét toàn bộ theo hướng ngược lại của giản đồ lưới để tính toán xác suất kết thúc tại mỗi nút của giản đồ lưới βi (t); 1. Một số mã sửa sai thông dụng 25 • Tính toán giá trị logarit tỉ số xác suất LLR của bít thông tin tại mỗi đoạn giản đồ lưới như sau: P [u(t) = 1|y] λ(t) = P [u(t) = 0|y] ∑ S →Sj :u=1 αi (t − 1)γi,j (t)βj (t) = log ∑ i ; (1. Thuật toán MAP có thể được tính toán trong miền logarit bằng cách lấy logarit hai vế ta được: γi,j (t) = log P (Si (t − 1) → Sj (t)|y(t)) (1.5) Mã Turbo Mã Turbo được cấu tạo bởi hai bộ mã hóa chập đệ quy (RSC), tại đầu vào giữa hai bộ mã RSC sử dụng bộ tráo ngẫu nhiên các bít mã đầu vào.

Quá trình giải mã Turbo là quá trình lặp giải mã giữa hai bộ mã hóa RSC, thông tin trích xuất tại đầu ra bộ mã 1 được chuyển đến đầu vào bộ mã hóa 2 sau khi đã đưa qua bộ giải tráo (ngược với qua trình tráo ở phía bộ mã hóa) và ngược lại. Bộ mã hóa Turbo có những ưu, nhược điểm sau: • Bộ mã hóa Turbo có khả năng sửa lỗi tốt với mức tỉ số tín hiệu trên tạp nhiễu S/N rất thấp. Khả năng giải mã của bộ mã Turbo 1. Một số mã sửa sai thông dụng 26 Hình 1.3: Sơ đồ bộ mã Turbo có thể tiến sát đến giới hạn Shannon là do có rất nhiều từ mã đầu ra bộ mã Turbo có hàm trọng nhỏ.

• Tuy nhiên cũng vì có nhiều từ mã hàm trọng nhỏ, mã Turbo có hiện tượng sàn lỗi (tại dải giá trị rất nhỏ BER không tăng khi tăng S/N trong một khoảng nhất định). • Khả năng sửa lỗi của mã Turbo tăng theo độ dài khối bít mã hóa và hiện tượng sàn lỗi sẽ suy giảm khi kích thước khung của bộ tráo tăng lên. Tuy tăng kích thước khối bít mã hóa không gây thêm độ phức tạp của bộ giải mã, nhưng sẽ gây ra hiện tượng trễ trong quá trình giải mã, điều này sẽ đòi hỏi bộ nhớ đệm của bộ giải mã phải tăng theo. • Độ phức tạp của mã Turbo KT C và bộ mã RSC KCC có cùng độ dài ràng buộc L được tính như sau: 1.

Một số mã sửa sai thông dụng 27 LT C ≈ 2 + LCC + log(Số lần lặp giải mã) Quá trình giải mã của bộ mã Turbo được thực hiện theo thuật toán giải mã lặp các giá trị của bít mềm vào ra giữa hai bộ mã RSC (SISO-MAP) như hình dưới đây.4: Thuật toán giải mã SISO-MAP • Đầu vào bộ giải mã là: – Các tỉ số xác suất LLR λu,i của các bít thông tin đến từ bộ giải mã thứ hai. – Các tỉ số xác suất LLR λc,i của các bít mã đến từ kênh truyền. • Đầu ra bộ giải mã là: – Các tỉ số xác suất LLR λu,o của các bít thông tin truyền qua bộ giải mã thứ hai. – Các tỉ số xác suất LLR λc,o của các bít mã không được bộ giải mã thứ 2 sử dụng.

Cấu trúc giải mã Turbo được mô tả trong hình 1. Một số mã sửa sai thông dụng 28 Hình 1.5: Cấu trúc giải mã Turbo Các xác suất đầu vào λu,i bộ mã hóa trên ban đầu được gán giá trị "0". Bộ giải mã trên sẽ thực hiện giải mã trước sau đó bộ giải mã dưới sẽ thực hiện giải mã dựa vào các thông tin từ kênh truyền và từ đầu ra bộ giải mã trên. Các bộ mã hóa Turbo gần đây được sử dụng trong các hệ thống thông tin vệ tinh [14,15], trong hệ thống Wimax [16], hay hệ thống viễn thông phân chia truy cập theo mã CDMA2000 [17].

Mã có ma trận kiểm tra mật độ thấp LDPC Năm 1963, Gallager [6, 18] phát minh họ mã có mật độ ma trận kiểm tra thấp LDPC (Low Density Parity Check) trong quá trình làm 1. Một số mã sửa sai thông dụng 29 luận văn tiến sĩ của mình tại học viện MIT. Tại thời điểm lúc đó, mã LDPC có rất ít ảnh hưởng đến hội đồng nghiên cứu mã kênh truyền dẫn, do khả năng sửa lỗi của họ mã này kém hơn nhiều so với mã Turbo [5], trong khi đó độ phức tạp của mã cao. Vì vậy, trong hơn một thập kỉ tiếp theo họ mã này không được tiếp tục phát triển.

Độ phức tạp của mã LDPC được đánh giá bởi Zyablov và Pinsker năm 1975 [19], trong khi đó Tanner [20] đưa ra phương pháp thiết kế cấu trúc lặp cho ma trận kiểm tra (Parity Check Matrix) và biểu diễn ma trận này dưới dạng đồ thị. Sipser và Spielman [21] giới thiệu ma trận kiểm tra sử dụng các đồ thị mở rộng. Tuy nhiên, trong những năm của thập kỉ 1990, sự quan tâm của hội đồng nghiên cứu mã kênh truyền đối với mã LDPC được khôi phục lại. Như tổng kết trong bảng 1.1, các mã LDPC đã trở thành đề tài nóng bỏng đối với hội đồng nghiên cứu mã kênh truyền dẫn.

Mackay và Neal [22, 23] thực nghiệm với mã LDPC có từ mã lớn và đã chứng minh rằng các mã LDPC có khả năng sửa lỗi cao hơn so với các mã turbo, khi truyền dẫn qua các kênh truyền có phân bố tạp âm trắng kiểu Gauss AWGN (Additive White Gaussian Noise). Bị thu hút bởi khả năng sửa lỗi của mã LDPC, họ đã tiếp tục nghiên cứu nhiều thuộc tính khác của họ mã LDPC. Thuật toán tiến triển hàm mật độ DE (Density Evolution) được phát minh bởi Richardson và các đồng nghiệp cho phép tính toán tiệm cận hiệu quả của các mã LDPC được sử dụng trong sửa lỗi dữ liệu qua kênh truyền AWGN. Sau đó Chung và các đồng nghiệp của mình [30,41] đã đơn giản hóa thuật toán DE.

Thuật toán DE ngày nay được sử dụng rộng rãi để dự đoán tiệm cận hiệu quả sử dụng các mã LDPC trong kênh AWGN và nó được sử dụng bởi nhiều nhà nghiên cứu như Fossorier, Chen và các 1. Một số mã sửa sai thông dụng 30 Bảng 1.1: Các mốc phát triển chính trong nghiên cứu mã LDPC 1948 Giới hạn của Shannon [24]; 1962 Các mã LDPC được phát minh bởi Gallager [18]; 1975 Tính toán độ phức tạp của các mã LDPC bởi Zhang [19] ; 1983 Đồ thị Tanner cho các mã LDPC của Tanner [20]; 1997 Hiệu quả của mã LDPC gần giới hạn Shannon, được thực hiện bởi Mackay [22]; 1998 Mã LDPC bất nhị phân được phát minh bởi Davey [25]; Mã LDPC không đều được thiết kế bởi Luby [26]; Richardson phát minh thuật toán giải mã dựa trên thuật toán FFT nhằm giảm độ tính toán phức tạp của quá trình giải mã LDPC; Thuật toán tiến triển hàm mật độ được phát minh bởi Richardson; 1999 Lentmaier phát minh mã LDPC tổng hợp G-LDPC [27]; 2001 Kou và đồng nghiệp thiết kế ma trận kiểm tra của LDPC có dạng hình học hữu hạn [28]; Giải mã LDPC bằng phương pháp đảo bit được thực hiện bởi Kou ; Ten Brink phát minh đồ thị EXIT [29]; Chung phát minh phương pháp tiến triển mật độ xấp xỉ hàm Gauss [30]; 1.