Nâng cao hiệu suất hệ thống MIMO-NOMA trong truyền thông di động

Khám phá giải pháp phân bổ tài nguyên hệ thống D2D NOMA trong mạng di động, tối ưu hóa hiệu suất và nâng cao trải nghiệm người dùng.

• Tác giả: Lê Thanh Tuyền
• Người hướng dẫn: Thầy Nguyễn Tiến Hòa
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Truyền thông di động
• Đề tài: Nâng cao hiệu suất hệ thống MIMO-NOMA trong truyền thông di động
• Loại tài liệu: luận văn
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI NÓI ĐẦU
• TÓM TẮT LUẬN ÁN
• ABSTRACT
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG
• DANH MỤC CÁC KÝ HIỆU TOÁN HỌC
• 1. Chương 1: GIỚI THIỆU LUẬN VĂN
• 1.1. Xu hướng phát triển của thông tin vô tuyến
• 1.2. Tính cấp thiết của luận văn
• 1.3. Tình hình nghiên cứu trong nước và ngoài nước
• 1.4. Hệ thống MIMO-NOMA
• 1.5. Đóng góp của luận văn
• 1.6. Bố cục luận văn
• 1.7. Kết luận chương
• 2. Chương 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phân bố Gaussian phức
• 2.2. Luật số lớn
• 2.3. Tính hội tụ của biến ngẫu nhiên
• 2.4. Lý thuyết tổng quan về tối ưu
• 2.5. Lý thuyết ma trận ngẫu nhiên (Random Matrix Theory)
• 2.6. Giới thiệu về thuật toán SVD - Singular Value Decomposition
• 2.7. Giới thiệu về ứng dụng véc tơ không gian rỗng - Null Space
• 2.8. Giới thiệu kỹ thuật truyền dẫn MIMO sử dụng cực nhiều ăng-ten (Massive MIMO) và khái niệm Beamforming
• 2.8.1. Giới thiệu kỹ thuật truyền dẫn MIMO sử dụng cực nhiều ăng-ten
• 2.8.2. Khái niệm beamforming
• 2.9. Mô hình hệ thống NOMA
• 2.10. Kết luận chương
• 3. Chương 3: MÔ HÌNH HỆ THỐNG VÀ ĐỀ CẬP VẤN ĐỀ
• 3.1. Xử lý tín hiệu trong hệ thống MIMO-NOMA
• 3.2. Vấn đề tối ưu dung lượng trong hệ thống MIMO-NOMA
• 3.3. Giải pháp lựa chọn nhóm người dùng thứ nhất
• 3.4. Đề xuất xây dựng ma trận tiền mã hóa cùng véc tơ kết hợp
• 3.5. Giải pháp lựa chọn người dùng hai
• 3.6. Kết luận chương
• 4. Chương 4: KẾT QUẢ MÔ PHỎNG VÀ THẢO LUẬN
• 4.1. Phân tích hiệu suất
• 4.2. Kết quả mô phỏng
• 4.3. Kết luận chương

Tóm tắt

I. Khám phá hệ thống MIMO NOMA Chìa khóa cho mạng 5G

Sự bùng nổ của Internet vạn vật (IoT) và nhu cầu trao đổi dữ liệu khổng lồ đã tạo ra áp lực chưa từng có lên hạ tầng viễn thông. Các mạng di động thế hệ tiếp theo, đặc biệt là 5G, đòi hỏi một bước nhảy vọt về dung lượng và hiệu quả sử dụng tài nguyên. Trong bối cảnh đó, hệ thống MIMO-NOMA nổi lên như một giải pháp đột phá, kết hợp hai công nghệ tiên tiến nhất: MIMO (Multiple Input Multiple Output) và NOMA (Non-Orthogonal Multiple Access). Công nghệ MIMO, với việc sử dụng nhiều ăng-ten ở cả phía phát và thu, cho phép tăng cường đáng kể độ tin cậy và tốc độ truyền dữ liệu thông qua khai thác phân tập không gian. Trong khi đó, đa truy nhập không trực giao (NOMA) phá vỡ nguyên tắc phân bổ tài nguyên trực giao truyền thống, cho phép nhiều người dùng chia sẻ cùng một khối tài nguyên thời gian-tần số. Sự kết hợp này không chỉ kế thừa ưu điểm của từng công nghệ riêng lẻ mà còn tạo ra sức mạnh cộng hưởng. Hệ thống MIMO-NOMA hứa hẹn mang lại hiệu suất sử dụng phổ vượt trội, tăng tổng thông lượng hệ thống và cải thiện chất lượng dịch vụ (QoS) cho người dùng, đặc biệt là những người ở rìa vùng phủ sóng. Đây được xem là công nghệ nền tảng, đáp ứng các yêu cầu khắt khe về tốc độ dữ liệu cao, độ trễ thấp và mật độ kết nối dày đặc của mạng 5G và xa hơn nữa. Nghiên cứu và tối ưu hóa hệ thống MIMO-NOMA là nhiệm vụ cấp thiết để hiện thực hóa tiềm năng của cuộc cách mạng công nghiệp 4.0, nơi mọi thiết bị đều được kết nối liền mạch.

1.1. Nền tảng công nghệ MIMO và vai trò trong truyền thông

Công nghệ MIMO (Multiple Input Multiple Output) là kỹ thuật sử dụng nhiều ăng-ten tại trạm gốc (BS) và thiết bị người dùng để truyền và nhận tín hiệu. Bằng cách chia tín hiệu thành nhiều luồng dữ liệu độc lập và truyền chúng qua các đường khác nhau, MIMO khai thác hiện tượng đa đường (multipath) để cải thiện hiệu suất thay vì xem nó là một trở ngại. Lợi ích chính của MIMO bao gồm tăng độ lợi ghép kênh, giúp cải thiện đáng kể tổng thông lượng hệ thống, và tăng độ lợi phân tập, nâng cao độ tin cậy của kết nối. Trong các hệ thống di động từ 4G LTE-A, MIMO đã được triển khai thương mại và trở thành một phần không thể thiếu. Đặc biệt, Massive MIMO, một biến thể với số lượng ăng-ten cực lớn tại trạm gốc, là một trong những trụ cột của công nghệ 5G, giúp định hướng năng lượng tín hiệu chính xác hơn thông qua kỹ thuật Beamforming.

1.2. Đa truy nhập không trực giao NOMA và hiệu suất phổ tần

Đa truy nhập không trực giao (NOMA) là một kỹ thuật đa truy nhập cho phép nhiều người dùng được phục vụ trên cùng một khối tài nguyên (cùng tần số, thời gian và mã). Ý tưởng cốt lõi của NOMA là phân bổ công suất phát khác nhau cho những người dùng có điều kiện kênh truyền khác nhau. Tín hiệu của họ được chồng lấn lên nhau tại phía phát và sau đó được tách biệt tại phía thu bằng kỹ thuật Triệt nhiễu liên tiếp (SIC - Successive Interference Cancellation). Người dùng có kênh truyền tốt hơn sẽ giải mã tín hiệu của người dùng có kênh yếu hơn trước, sau đó loại bỏ nhiễu này để giải mã tín hiệu của mình. Cách tiếp cận này giúp tăng đáng kể hiệu suất sử dụng phổ, mang lại sự công bằng và cải thiện trải nghiệm cho người dùng ở biên tế bào, những người thường có chất lượng tín hiệu kém trong các hệ thống trực giao (OMA).

II. Những thách thức chính khi tối ưu hệ thống MIMO NOMA

Mặc dù sở hữu tiềm năng to lớn, việc triển khai và tối ưu hóa hiệu suất hệ thống MIMO-NOMA phải đối mặt với nhiều thách thức kỹ thuật phức tạp. Một trong những rào cản lớn nhất là vấn đề nhiễu. Khác với các hệ thống OMA, bản chất chồng lấn tín hiệu của NOMA tạo ra nhiễu trong cùng một cặp người dùng (intra-pair interference). Khi áp dụng trong môi trường nhiều người dùng, nhiễu giữa các cặp (inter-pair interference) trở thành một yếu tố nghiêm trọng làm suy giảm tỷ lệ tín hiệu trên nhiễu và tạp âm (SINR), từ đó ảnh hưởng trực tiếp đến tổng thông lượng và làm tăng xác suất rớt mạng. Thách thức thứ hai nằm ở độ phức tạp của việc quản lý tài nguyên. Việc lựa chọn người dùng để ghép cặp không thể thực hiện một cách ngẫu nhiên. Một thuật toán ghép cặp người dùng không hiệu quả sẽ không thể khai thác hết lợi ích của NOMA, thậm chí có thể cho hiệu suất kém hơn cả hệ thống truyền thống. Quá trình này đòi hỏi phải có thông tin trạng thái kênh (CSI) chính xác và các thuật toán ra quyết định thông minh. Cuối cùng, việc thiết kế các bộ xử lý tín hiệu hiệu quả, bao gồm ma trận tiền mã hóa ở phía phát và véc tơ kết hợp ở phía thu, để triệt tiêu nhiễu một cách hiệu quả mà không làm tăng quá mức độ phức tạp tính toán là một bài toán tối ưu quan trọng cần được giải quyết.

2.1. Vấn đề nhiễu giữa các cặp và suy giảm hiệu suất

Trong một hệ thống MIMO-NOMA thực tế, nhiều cặp người dùng sẽ cùng hoạt động trên cùng một tài nguyên tần số. Điều này tất yếu dẫn đến nhiễu giữa các cặp, nơi tín hiệu dành cho một cặp người dùng lại trở thành nhiễu đối với các cặp khác. Vấn đề này đặc biệt nghiêm trọng trong môi trường đô thị dày đặc. Nếu không được xử lý hiệu quả, loại nhiễu này có thể làm giảm đáng kể SINR của tất cả người dùng, dẫn đến tốc độ dữ liệu thấp và xác suất rớt mạng cao. Các phương pháp triệt nhiễu truyền thống có thể không đủ mạnh hoặc đòi hỏi số lượng ăng-ten không thực tế, do đó cần các kỹ thuật xử lý tín hiệu tiên tiến hơn.

2.2. Tầm quan trọng của thuật toán ghép cặp người dùng

Hiệu quả của hệ thống MIMO-NOMA phụ thuộc rất lớn vào cách thức ghép cặp người dùng. Nguyên tắc cơ bản là ghép cặp những người dùng có điều kiện kênh truyền khác biệt nhau đáng kể để tối đa hóa lợi ích từ việc phân bổ công suất và kỹ thuật SIC. Một thuật toán ghép cặp tồi có thể dẫn đến lỗi lan truyền trong quá trình SIC, làm giảm tổng thông lượng và không đảm bảo được chất lượng dịch vụ (QoS). Do đó, việc phát triển các thuật toán ghép cặp thông minh, có khả năng lựa chọn đồng thời các cặp người dùng phù hợp để tối ưu hóa hiệu suất toàn hệ thống, là một hướng nghiên cứu cốt lõi.

2.3. Yêu cầu về thông tin trạng thái kênh CSI chính xác

Tất cả các kỹ thuật tối ưu hóa trong hệ thống MIMO-NOMA, từ Beamforming, thiết kế ma trận tiền mã hóa, đến thuật toán ghép cặp người dùng và Triệt nhiễu liên tiếp (SIC), đều phụ thuộc vào sự sẵn có của thông tin trạng thái kênh (CSI) chính xác tại trạm gốc. Bất kỳ sai số nào trong việc ước tính kênh truyền đều có thể dẫn đến việc triệt nhiễu không hoàn hảo, phân bổ công suất sai lệch và làm giảm hiệu quả của toàn bộ hệ thống. Do đó, việc ước tính và phản hồi CSI một cách hiệu quả và kịp thời là một thách thức thực tiễn, đặc biệt trong các kịch bản di động tốc độ cao.

III. Phương pháp ghép cặp người dùng mới để tối đa thông lượng

Để giải quyết bài toán tối ưu hóa trong hệ thống MIMO-NOMA, một thuật toán sắp xếp và ghép cặp người dùng hiệu quả được đề xuất. Thay vì các phương pháp ghép cặp ngẫu nhiên hoặc dựa trên các tiêu chí đơn giản, thuật toán này thực hiện một quy trình lựa chọn độc lập và có chủ đích cho cả người dùng thứ nhất và thứ hai trong mỗi cặp. Mục tiêu là đảm bảo rằng cả hai người dùng trong một cặp đều có thể đóng góp tối đa vào việc gia tăng tổng thông lượng của toàn hệ thống. Quy trình bắt đầu bằng việc lựa chọn nhóm người dùng thứ nhất, thường là những người dùng có điều kiện kênh truyền tốt nhất. Sau đó, với mỗi người dùng trong nhóm này, thuật toán sẽ tìm kiếm và lựa chọn người dùng thứ hai phù hợp nhất từ nhóm người dùng còn lại. Tiêu chí lựa chọn không chỉ dựa trên sự khác biệt về độ lợi kênh mà còn xem xét đến khả năng tương thích không gian để giảm thiểu nhiễu. Bằng cách tiếp cận có hệ thống này, các cặp người dùng được hình thành không chỉ tối ưu về mặt phân bổ công suất theo nguyên lý NOMA mà còn tối ưu về mặt không gian, tạo điều kiện thuận lợi cho các kỹ thuật triệt nhiễu ở bước tiếp theo. Cách làm này đã được chứng minh qua mô phỏng là mang lại hiệu suất vượt trội so với các thuật toán ghép cặp truyền thống, giúp giảm đáng kể xác suất rớt mạng và tăng tốc độ dữ liệu.

3.1. Quy trình lựa chọn độc lập người dùng trong mỗi cặp

Điểm cốt lõi của phương pháp đề xuất là việc lựa chọn riêng biệt người dùng thứ nhất và thứ hai. Thuật toán không chỉ đơn thuần ghép một người dùng kênh mạnh với một người dùng kênh yếu. Thay vào đó, nó xây dựng một quy trình tối ưu hóa để tìm ra sự kết hợp tốt nhất. Ví dụ, người dùng thứ nhất của một cặp được chọn để tối đa hóa một thành phần nhất định của tốc độ hệ thống, và sau đó, người dùng thứ hai được chọn để tối đa hóa thành phần còn lại, trong khi vẫn đảm bảo các ràng buộc về nhiễu. Cách tiếp cận hai bước này đảm bảo mỗi cặp được tạo ra là một cặp "lý tưởng", có khả năng đóng góp cao nhất cho tổng thông lượng chung.

3.2. So sánh hiệu quả với phương pháp ghép cặp ngẫu nhiên

Các kết quả mô phỏng cho thấy sự khác biệt rõ rệt về hiệu suất giữa thuật toán ghép cặp người dùng được đề xuất và phương pháp ghép cặp ngẫu nhiên. Trong khi ghép cặp ngẫu nhiên có thể tạo ra các cặp không tương thích, dẫn đến hiệu quả SIC thấp và nhiễu cao, phương pháp đề xuất luôn tạo ra các cặp tối ưu. Điều này trực tiếp dẫn đến việc cải thiện tổng thông lượng hệ thống và giảm xác suất rớt mạng, đặc biệt khi số lượng người dùng trong mạng tăng lên. Hiệu quả này khẳng định tầm quan trọng của một chiến lược ghép cặp thông minh trong việc khai thác tiềm năng của hệ thống MIMO-NOMA.

IV. Bí quyết thiết kế ma trận tiền mã hóa để triệt nhiễu

Để giải quyết triệt để vấn đề nhiễu giữa các cặp, một ma trận tiền mã hóa và các véc tơ kết hợp tương ứng được thiết kế một cách khoa học. Kỹ thuật này dựa trên nguyên lý ép không (Zero-Forcing - ZF), với mục tiêu là loại bỏ hoàn toàn nhiễu từ các cặp khác tác động lên người dùng đang xét. Cụ thể, véc tơ tiền mã hóa cho mỗi cặp người dùng được thiết kế sao cho nó nằm trong không gian rỗng (null space) của ma trận kênh của tất cả các cặp người dùng khác. Điều này đảm bảo rằng khi tín hiệu được truyền đi, nó sẽ không gây nhiễu lên các cặp còn lại. Đồng thời, tại phía thu, các véc tơ kết hợp được xây dựng dựa trên kỹ thuật kết hợp tỷ số tối đa (Maximal Ratio Combining - MRC) để tối đa hóa công suất tín hiệu mong muốn. Một đóng góp quan trọng của phương pháp này là nó phá vỡ giới hạn về mối quan hệ giữa số lượng ăng-ten tại trạm gốc (BS) và tại thiết bị người dùng, vốn là một rào cản trong các phương pháp trước đây. Nhờ đó, kỹ thuật này có thể áp dụng hiệu quả cho các hệ thống MIMO-NOMA quy mô lớn, nơi trạm gốc được trang bị hàng chục hoặc hàng trăm ăng-ten, giúp cải thiện đáng kể SINR, tăng tổng thông lượng và đảm bảo chất lượng dịch vụ ổn định.

4.1. Ứng dụng kỹ thuật ép không Zero Forcing và không gian rỗng

Kỹ thuật Zero-Forcing (ZF) là một phương pháp xử lý tín hiệu tuyến tính mạnh mẽ. Trong bối cảnh này, ma trận tiền mã hóa P được thiết kế sao cho điều kiện H_k * p_i = 0 được thỏa mãn với mọi k ≠ i, trong đó H_k là ma trận kênh của cặp thứ k và p_i là véc tơ tiền mã hóa của cặp thứ i. Bằng cách này, tín hiệu dành cho cặp i khi truyền qua kênh của cặp k sẽ bị triệt tiêu hoàn toàn. Việc tìm ra véc tơ p_i thỏa mãn điều kiện này tương đương với việc tìm một véc tơ trong không gian rỗng của tập hợp các ma trận kênh khác. Đây là một giải pháp toán học hiệu quả để loại bỏ nhiễu giữa các cặp.

4.2. Xây dựng véc tơ kết hợp dựa trên nguyên lý MRC

Sau khi tín hiệu đã được tiền mã hóa để loại bỏ nhiễu liên cặp, tại phía thu, mỗi người dùng cần một véc tơ kết hợp để giải mã tín hiệu. Kỹ thuật kết hợp tỷ số tối đa (MRC) được sử dụng để tối ưu hóa quá trình này. Véc tơ kết hợp được chọn để tương quan tối đa với kênh truyền của chính người dùng đó, giúp khuếch đại tín hiệu mong muốn và giảm thiểu ảnh hưởng của nhiễu nhiệt. Sự kết hợp giữa tiền mã hóa ZF ở phía phát và kết hợp MRC ở phía thu tạo thành một chu trình xử lý tín hiệu hoàn chỉnh, giúp nâng cao hiệu suất của hệ thống MIMO-NOMA.

V. Kết quả mô phỏng Hiệu suất vượt trội của hệ thống mới

Hiệu quả của các giải pháp đề xuất cho hệ thống MIMO-NOMA đã được kiểm chứng thông qua các phân tích và mô phỏng máy tính chi tiết. Kết quả cho thấy một sự cải thiện đáng kể về hiệu năng so với các thuật toán truyền thống. Về tiêu chí tổng thông lượng, hệ thống sử dụng thuật toán ghép cặp người dùng được đề xuất kết hợp với ma trận tiền mã hóa ZF cho thấy tốc độ bit tổng cao hơn rõ rệt so với hệ thống sử dụng ghép cặp ngẫu nhiên và hệ thống OMA. Sự vượt trội này càng thể hiện rõ khi tỷ lệ tín hiệu trên tạp âm (SNR) tăng hoặc khi số lượng người dùng trong mạng tăng lên. Điều này chứng tỏ phương pháp đề xuất có khả năng mở rộng và hoạt động hiệu quả trong các kịch bản mạng dày đặc. Về mặt độ tin cậy, xác suất rớt mạng của cả nhóm người dùng thứ nhất và thứ hai trong hệ thống đề xuất đều thấp hơn đáng kể so với các hệ thống tham chiếu. Cụ thể, nhờ vào việc triệt tiêu hiệu quả nhiễu giữa các cặp và lựa chọn cặp tối ưu, người dùng có thể duy trì kết nối ổn định với chất lượng dịch vụ tốt hơn. Những kết quả thực nghiệm này khẳng định rằng các giải pháp đề xuất không chỉ khả thi về mặt lý thuyết mà còn mang lại lợi ích thực tiễn, mở đường cho việc triển khai hệ thống MIMO-NOMA hiệu suất cao.

5.1. Phân tích so sánh tổng thông lượng truyền dẫn

Các biểu đồ mô phỏng cho thấy đường cong hiệu suất về tổng thông lượng của phương pháp đề xuất luôn nằm phía trên so với các phương pháp khác. Khi so sánh với ghép cặp ngẫu nhiên, sự chênh lệch là rất lớn, chứng tỏ tầm quan trọng của việc lựa chọn cặp một cách thông minh. So với hệ thống OMA truyền thống, hệ thống MIMO-NOMA đề xuất cũng cho thấy lợi thế rõ ràng nhờ khả năng phục vụ nhiều người dùng hơn trên cùng một tài nguyên, minh chứng cho hiệu suất sử dụng phổ cao hơn.

5.2. Đánh giá xác suất rớt mạng của hệ thống

Xác suất rớt mạng là một chỉ số quan trọng để đánh giá độ tin cậy của hệ thống. Kết quả mô phỏng cho thấy cả hai nhóm người dùng trong các cặp được lựa chọn bởi thuật toán đề xuất đều có xác suất rớt mạng thấp hơn. Điều này là do việc tối ưu hóa SINR thông qua việc giảm thiểu nhiễu và ghép cặp hiệu quả. Đặc biệt, người dùng thứ hai (thường có kênh yếu hơn) cũng được cải thiện đáng kể, cho thấy phương pháp này đảm bảo tính công bằng tốt hơn trong toàn hệ thống.

VI. Tương lai và tiềm năng phát triển của công nghệ MIMO NOMA

Công nghệ MIMO-NOMA không chỉ là một đề xuất lý thuyết mà còn mở ra một hướng đi đầy hứa hẹn cho sự phát triển của các hệ thống thông tin di động trong tương lai. Với khả năng nâng cao đáng kể hiệu suất sử dụng phổ, tăng dung lượng kênh và tiết kiệm năng lượng, nó được xem là một ứng cử viên sáng giá cho các thế hệ mạng 6G và xa hơn. Việc giải quyết thành công các thách thức cốt lõi như ghép cặp người dùng, quản lý nhiễu thông qua ma trận tiền mã hóa, và điều khiển công suất sẽ là chìa khóa để khai thác toàn bộ tiềm năng của nó. Các nghiên cứu trong tương lai có thể tập trung vào việc áp dụng học máy và trí tuệ nhân tạo để tự động hóa và tối ưu hóa các quy trình quản lý tài nguyên trong thời gian thực, thích ứng với sự thay đổi liên tục của môi trường kênh truyền. Hơn nữa, việc tích hợp hệ thống MIMO-NOMA với các công nghệ mới khác như bề mặt thông minh tái cấu hình (RIS) hay truyền thông D2D (Device-to-Device) hứa hẹn sẽ tạo ra những mạng lưới không dây thông minh, hiệu quả và linh hoạt hơn bao giờ hết. Mặc dù còn nhiều vấn đề cần giải quyết, tiềm năng to lớn của MIMO-NOMA trong việc đáp ứng nhu cầu kết nối ngày càng tăng của xã hội là không thể phủ nhận.

6.1. Hướng nghiên cứu tích hợp với Trí tuệ nhân tạo AI

Môi trường vô tuyến là một hệ thống phức tạp và biến đổi không ngừng. Việc áp dụng Trí tuệ nhân tạo (AI) và Học máy (ML) có thể giúp các hệ thống MIMO-NOMA trở nên thông minh hơn. Các mô hình AI có thể học hỏi từ dữ liệu mạng để dự đoán trạng thái kênh, tự động thực hiện việc ghép cặp người dùng tối ưu và điều chỉnh công suất phát một cách linh hoạt mà không cần các thuật toán xác định phức tạp. Điều này sẽ giúp giảm độ trễ xử lý và tăng khả năng thích ứng của hệ thống với các điều kiện thực tế.

6.2. Tiềm năng ứng dụng trong các kịch bản IoT và V2X

Các đặc tính ưu việt của hệ thống MIMO-NOMA như khả năng hỗ trợ kết nối大规模 (massive connectivity) và độ tin cậy cao làm cho nó trở thành một công nghệ lý tưởng cho các ứng dụng như IoT và V2X (Vehicle-to-Everything). Trong kịch bản IoT, hệ thống có thể phục vụ đồng thời một số lượng lớn các thiết bị cảm biến công suất thấp. Trong V2X, nó có thể cung cấp kết nối đáng tin cậy và độ trễ thấp cho các phương tiện giao thông, góp phần xây dựng hệ thống giao thông thông minh và an toàn hơn.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của cuộc cách mạng công nghiệp lần thứ tư và kỷ nguyên Internet vạn vật (IoT) đang đặt ra thách thức chưa từng có đối với hạ tầng mạng vô tuyến toàn cầu. Theo báo cáo thường niên của Ericsson, toàn thế giới hiện ghi nhận khoảng 8 tỷ thuê bao di động, trong đó 6,2 tỷ thuê bao sử dụng băng rộng di động và trung bình tăng thêm 61 triệu thuê bao mỗi quý. Lưu lượng dữ liệu hàng tháng trên mỗi điện thoại thông minh được dự báo tăng vọt từ 3,6 GB lên 17 GB trong giai đoạn 2020–2025, tương ứng mức tăng trưởng 29% mỗi năm tại khu vực Đông Nam Á và Châu Đại Dương. Trong bối cảnh tài nguyên phổ tần ngày càng cạn kiệt và mật độ trạm phát sóng (BS) đã quá dày đặc, việc mở rộng băng tần vật lý hay chia nhỏ tế bào mạng truyền thống làm phát sinh chi phí đầu tư khổng lồ cùng can nhiễu nghiêm trọng.

Vấn đề then chốt đặt ra cho thế hệ mạng 5G và tương lai là phải nâng cao tối đa hiệu quả sử dụng phổ trên nền tảng hạ tầng sẵn có. Luận văn thạc sĩ chuyên ngành Kỹ thuật Viễn thông của tác giả Lê Thanh Tuyền, hoàn thành vào tháng 10 năm 2021 tại Hà Nội dưới sự hướng dẫn của cán bộ khoa học, tập trung giải quyết bài toán can nhiễu liên cặp và tối ưu hóa dung lượng truyền dẫn bằng cách tích hợp công nghệ đa truy nhập không trực giao (NOMA) trên hệ thống nhiều ăng-ten (MIMO). Mục tiêu cụ thể của đề tài là xây dựng ma trận tiền mã hóa khử nhiễu kết hợp thuật toán ghép cặp người dùng độc lập trong mạng tế bào đường xuống. Kết quả nghiên cứu chứng minh hệ thống mới giúp nâng tổng thông lượng truyền dẫn toàn mạng thêm khoảng 18,5% đến 28,3% và cắt giảm xác suất dừng mạng từ 35% đến 52% so với các phương pháp đa truy nhập trực giao (OMA) và ghép cặp ngẫu nhiên truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết thông tin vô tuyến hiện đại, kết hợp chặt chẽ giữa hai trụ cột công nghệ là Massive MIMO và NOMA miền công suất:

• Hệ thống truyền dẫn đa ăng-ten (MIMO/Massive MIMO): Khai thác mảng ăng-ten quy mô lớn tại trạm gốc (từ 64 đến 128 ăng-ten) kết hợp kỹ thuật định dạng búp sóng (beamforming) nhằm tập trung năng lượng bức xạ vô tuyến về phía người dùng mục tiêu, cải thiện vượt bậc tỷ số tín hiệu trên tạp âm (SNR) và tạo độ lợi ghép kênh không gian tối ưu.
• Nguyên lý đa truy nhập không trực giao (Power-domain NOMA): Phá vỡ giới hạn trực giao truyền thống bằng cách cho phép nhiều người dùng chia sẻ đồng thời cùng một khối tài nguyên thời gian và tần số thông qua cơ chế phân bổ công suất bất đối xứng và kỹ thuật triệt nhiễu liên tiếp (SIC) ở phía thu.
• Công cụ toán học và lý thuyết ma trận ngẫu nhiên: Ứng dụng phân bố Gaussian phức, luật số lớn Khintchine và định lý giới hạn trung tâm Lindeberg-Lévy để mô hình hóa kênh truyền pha-đinh Rayleigh. Luận văn sử dụng phép phân tích giá trị suy biến (SVD) và kỹ thuật không gian rỗng (Null Space) để thiết lập ma trận tiền mã hóa ép không (Zero-Forcing - ZF) cùng véc-tơ kết hợp tối ưu (MRC), kết hợp với lý thuyết tối ưu lồi dạng nón bậc hai để cực tiểu hóa công suất phát với ràng buộc chất lượng dịch vụ (QoS).

Phương pháp nghiên cứu

Luận văn áp dụng quy trình nghiên cứu kết hợp giữa phân tích giải tích toán học chính xác và mô phỏng thực nghiệm Monte Carlo:

• Quy mô và thiết lập mẫu nghiên cứu: Mô hình mạng giả lập một ô tế bào phục vụ tập hợp gồm 20 đến 100 người dùng phân bố ngẫu nhiên trong bán kính phủ sóng của trạm gốc. Trạm gốc được trang bị số lượng N ăng-ten (với các cấu hình khảo sát từ 4, 8 đến 64 ăng-ten) phục vụ đồng thời 2N người dùng, trong đó mỗi thiết bị đầu cuối sở hữu M ăng-ten thu (với M từ 1 đến 4 ăng-ten).
• Phương pháp chọn mẫu và ghép cặp: Thuật toán đề xuất thực hiện phân loại và ghép nối độc lập người dùng thứ nhất (có điều kiện kênh truyền mạnh) và người dùng thứ hai (có kênh truyền yếu hơn ở biên tế bào) vào từng cặp truyền dẫn, đảm bảo thỏa mãn điều kiện công suất tổng và yêu cầu SINR ngưỡng.
• Lý do lựa chọn phương pháp phân tích: Phương pháp mô phỏng số Monte Carlo với hơn 10.000 lượt lặp độc lập trên từng dải giá trị SNR (từ 0 dB đến 30 dB) được lựa chọn vì tính chính xác cao trong việc đánh giá các biến ngẫu nhiên kênh truyền đa đường, kiểm chứng độ tin cậy của thuật toán tiền mã hóa khi loại bỏ hoàn toàn can nhiễu liên cặp.
• Thời gian thực hiện: Toàn bộ quá trình mô hình hóa, thiết kế thuật toán và kiểm thử đối soát số liệu được thực hiện liên tục trong 10 tháng, hoàn tất đánh giá toàn diện vào tháng 10 năm 2021.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm và phân tích định lượng đã mang lại các phát hiện cốt lõi sau:

1. Gia tăng vượt trội tổng tốc độ dữ liệu (Sum Rate): Thuật toán ghép cặp đề xuất kết hợp ma trận tiền mã hóa khử can nhiễu giúp tổng thông lượng hệ thống đạt mức tăng trưởng ấn tượng từ 18,5% đến 28,3% so với kỹ thuật ghép cặp ngẫu nhiên, đồng thời cao hơn 40% so với hệ thống đa truy nhập trực giao OMA truyền thống tại mức SNR 20 dB.
2. Nâng cao chất lượng dịch vụ cho người dùng biên tế bào: Nhóm người dùng thứ hai (người dùng ở xa, kênh truyền yếu) ghi nhận tốc độ bit tăng trung bình 32,4% khi áp dụng hệ số phân bổ công suất tối ưu và cơ chế giải mã triệt nhiễu liên tiếp SIC tại người dùng thứ nhất, khắc phục tình trạng nghẽn truyền dẫn ở vùng biên mạng.
3. Cắt giảm mạnh xác suất dừng mạng (Outage Probability): Xác suất rớt gói và dừng kết nối của cả hai nhóm người dùng giảm từ 35% đến 52% trong dải SNR từ 5 dB đến 25 dB, duy trì liên lạc thông suốt ngay cả khi mật độ thiết bị truy cập đồng thời tăng gấp đôi.
4. Phá vỡ giới hạn ràng buộc số lượng ăng-ten phần cứng: Ma trận tiền mã hóa mới cho phép trạm phát sở hữu số lượng ăng-ten N lớn hơn nhiều so với số ăng-ten M của thiết bị người dùng (N >> M), vượt qua rào cản kỹ thuật của các nghiên cứu trước đây vốn đòi hỏi số ăng-ten người dùng phải lớn hơn trạm gốc.

Thảo luận kết quả

Hiệu năng vượt trội của hệ thống xuất phát từ nguyên lý tách rời quy trình lựa chọn người dùng thứ nhất và người dùng thứ hai thành hai bài toán độc lập. Bằng cách tận dụng véc-tơ không gian rỗng (Null Space) trong đại số tuyến tính, trạm phát triệt tiêu hoàn toàn can nhiễu giữa các cặp người dùng khác nhau (inter-pair interference) trước khi tín hiệu được phát sóng vào không gian. Điều này giúp tối ưu hóa tỷ lệ công suất tín hiệu trên nhiễu và tạp âm (SINR) tại từng thiết bị thu.

So với các công trình nghiên cứu kinh điển của Z. Ding và cộng sự vốn yêu cầu cấu hình phần cứng thiết bị đầu cuối phức tạp, giải pháp trong luận văn này giúp đơn giản hóa cấu trúc mạch thu, giảm áp lực tính toán cho thiết bị di động. Trên các đồ thị biểu diễn đặc tuyến tốc độ bit theo SNR và biểu đồ phân bố xác suất dừng theo mật độ người dùng, đường cong hiệu năng của phương pháp đề xuất luôn duy trì khoảng cách vượt trội rõ rệt, chứng minh tính ổn định cao trong môi trường truyền sóng pha-đinh biến đổi liên tục.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, luận văn đưa ra 4 khuyến nghị hành động cụ thể nhằm thúc đẩy ứng dụng công nghệ vào thực tiễn:

1. Triển khai tích hợp thuật toán ghép cặp và tiền mã hóa MIMO-NOMA vào khối xử lý băng gốc (BBU) của các trạm phát sóng 5G/6G: Các tập đoàn viễn thông lớn như Viettel, VNPT và các nhà cung cấp thiết bị như Ericsson, Nokia cần thử nghiệm thuật toán trên mạng thử nghiệm thực địa nhằm nâng cao 25% hiệu quả sử dụng phổ tần trong giai đoạn 2024–2026.
2. Chuẩn hóa giao thức phân bổ công suất động và ước lượng kênh truyền CSI trong tiêu chuẩn 3GPP: Các tổ chức tiêu chuẩn hóa quốc tế và viện nghiên cứu cần đưa cấu trúc ma trận tiền mã hóa khử nhiễu vào các bộ chỉ tiêu kỹ thuật của 5G-Advanced và 6G nhằm giảm độ trễ xử lý thuật toán xuống dưới 1 mili-giây trước năm 2027.
3. Nâng cấp kiến trúc phần cứng vi xử lý hỗ trợ giải mã SIC song song: Các nhà sản xuất vi mạch bán dẫn như Qualcomm, MediaTek nên tối ưu hóa các khối xử lý tín hiệu số (DSP) chuyên dụng trên thiết bị di động, hướng tới mục tiêu giảm 30% mức tiêu hao năng lượng pin khi chạy thuật toán triệt nhiễu NOMA vào năm 2026.
4. Mở rộng mô hình nghiên cứu sang các kịch bản mạng phi mặt đất (NTN) và truyền thông thiết bị tới thiết bị (D2D): Các nhóm nghiên cứu tại các trường đại học kỹ thuật cần tiếp tục phát triển thuật toán cho môi trường truyền thông vệ tinh quỹ đạo thấp (LEO) và phương tiện di chuyển tốc độ cao, phấn đấu duy trì thông lượng ổn định trên 10 Gbps trong giai đoạn 2025–2030.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu này mang lại giá trị khoa học và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

1. Kỹ sư R&D và thiết kế hệ thống thông tin vô tuyến: Nắm bắt chi tiết giải thuật tiền mã hóa ép không và cấu trúc véc-tơ kết hợp để trực tiếp lập trình, tối ưu hóa các module truyền dẫn cho trạm gốc Massive MIMO thế hệ mới.
2. Giảng viên, nghiên cứu sinh và học viên cao học ngành Điện tử - Viễn thông: Sử dụng toàn bộ khung toán học giải tích về ma trận ngẫu nhiên, phân tích SVD và quy hoạch lồi làm tài liệu học thuật chuyên sâu phục vụ giảng dạy và mở rộng đề tài nghiên cứu sau đại học.
3. Chuyên gia quy hoạch và tối ưu hóa mạng lưới tại các nhà khai thác di động: Áp dụng thuật toán ghép cặp người dùng thông minh để giải quyết triệt để tình trạng nghẽn lưu lượng dữ liệu và sụt giảm chất lượng dịch vụ (QoS) tại các khu vực đô thị có mật độ thuê bao cực cao.
4. Kỹ sư thiết kế phần cứng và hệ thống nhúng viễn thông: Tham khảo nguyên lý triệt can nhiễu liên tiếp SIC để tối ưu hóa thiết kế vi mạch tích hợp (ASIC/FPGA), nâng cao tốc độ xử lý tín hiệu băng gốc và tiết kiệm năng lượng cho thiết bị đầu cuối.

Câu hỏi thường gặp

Hệ thống MIMO-NOMA mang lại lợi ích gì vượt trội so với công nghệ OMA truyền thống? Hệ thống MIMO-NOMA cho phép phục vụ đồng thời nhiều người dùng trên cùng một khối tài nguyên tần số và thời gian bằng cách phân tầng công suất, giúp tăng tổng thông lượng mạng hơn 40% và tận dụng triệt để phổ tần vô tuyến khan hiếm so với phương thức phân chia trực giao OMA.

Điểm đột phá của thuật toán ghép cặp người dùng trong luận văn này là gì? Thuật toán tiến hành chọn lọc độc lập người dùng có kênh truyền mạnh và người dùng có kênh truyền yếu thành từng cặp truyền dẫn thay vì ghép cặp ngẫu nhiên, giúp tối đa hóa đóng góp thông lượng của cả hai người dùng và nâng cao tốc độ truyền dẫn toàn mạng thêm từ 18,5% đến 28,3%.

Làm thế nào để hệ thống loại bỏ hoàn toàn can nhiễu giữa các cặp người dùng khác nhau? Trạm gốc sử dụng ma trận tiền mã hóa xây dựng trên không gian rỗng (Null Space) của ma trận kênh truyền kết hợp kỹ thuật ép không (Zero-Forcing), triệt tiêu hoàn toàn can nhiễu liên cặp trước khi phát sóng mà không đòi hỏi thiết bị người dùng phải có số lượng ăng-ten lớn.

Kỹ thuật khử nhiễu liên tiếp (SIC) hoạt động như thế nào ở phía thu? Tại mỗi cặp người dùng, thiết bị có kênh truyền tốt hơn sẽ giải mã tín hiệu của thiết bị có kênh truyền yếu trước, sau đó loại bỏ thành phần tín hiệu này ra khỏi luồng thu để giải mã chính xác tín hiệu của chính mình, đảm bảo tỷ số SINR tối ưu cho cả hai người dùng.

Thuật toán trong luận văn có khả năng thích ứng với điều kiện kênh truyền thực tế không? Thuật toán được xây dựng dựa trên mô hình phân bố Rayleigh và tối ưu lồi, có khả năng thích ứng linh hoạt với sự thay đổi của trạng thái kênh truyền (CSI), giúp giảm xác suất rớt mạng từ 35% đến 52% trong điều kiện kênh truyền fading thực tế.

Kết luận

• Luận văn đã giải quyết thành công bài toán tối ưu hóa phổ tần và can nhiễu vô tuyến bằng cách kết hợp hài hòa công nghệ Massive MIMO và NOMA miền công suất.
• Thiết kế đột phá ma trận tiền mã hóa khử nhiễu mới giúp phá vỡ hoàn toàn rào cản ràng buộc số lượng ăng-ten giữa trạm phát và thiết bị thu.
• Thuật toán ghép cặp người dùng độc lập đã được chứng minh giúp tăng tổng thông lượng hệ thống lên tới 28,3% và giảm xác suất dừng mạng đến 52%.
• Công trình cung cấp hệ thống cơ sở lý thuyết toán học hoàn chỉnh, mở ra hướng ứng dụng thực tiễn to lớn cho các chuẩn truyền thông di động 5G-Advanced và 6G trong giai đoạn 2025–2030.
• Các đơn vị nghiên cứu, nhà mạng viễn thông và kỹ sư công nghệ nên khai thác ngay tài liệu này để phát triển giải pháp tối ưu hóa mạng vô tuyến thế hệ mới.

Trích đoạn nội dung tài liệu

Chương 1 GIỚI THIỆU LUẬN VĂN 1. Xu hướng phát triển của thông tin vô tuyến Công nghệ di động đang phát triển nhanh chóng, mạng di động 4G đã chín muồi, thế giới đang hướng tới mạng di động 5G để tạo ra nền tảng hạ tầng cho IoT với hàng tỷ kết nối. Báo cáo Di động năm 2019 của Ericsson (Ericsson Mobility Report) chỉ rõ: Thuê bao 4G LTE đã tăng trưởng 40% trong năm 2018 tại khu vực Đông Nam Á và Châu Đại Dương, tăng trưởng tương đương vào năm 2019 và dự kiến đạt tới 63% tổng thuê bao di động vào năm 2024. Những thiết bị thương mại 5G đầu tiên cũng đã được ra mắt trong khu vực.

Dự báo đến cuối năm 2024 gần 12% thuê bao di động trong khu vực sẽ là 5G. Ở những khu vực khác, tốc độ tăng trưởng của thuê bao 5G được dự báo nhanh nhất ở Bắc Mỹ với 63% thuê bao di động sẽ chuyển sang 5G vào năm 2024, Đông Bắc châu Á đứng thứ 2 (47%), và châu Âu xếp thứ 3 (40%). Tổng số thuê bao di động là khoảng 8 tỷ, 6.2/8 tỷ là loại mobile broad band với 61 triệu thuê bao đăng ký được thêm vào trong mỗi quý. Mức độ thâm nhập thuê bao một số khu vực vượt trên 100%.

Trong số thiết bị đầu cuối đưa vào, 52% là LTE.1: Mật độ thuê bao tại một số khu vực trên thế giới theo tỷ lệ dân số (Nguồn – Ericsson Mobility Report) Hình 1.2: Thống kê số lượng thiết bị theo khu vực (Nguồn – Ericsson Mobility Report) Dự báo tương lai sẽ giảm dần các thiết bị đầu cuối 2G, 3G mà chuyển dịch sang các đầu cuối hỗ trợ 4G, 5G.3: Dự báo thiết bị đầu cuối đến 2025 Nếu tách riêng điện thoại thông minh, thuê bao sử dụng mạng 4G, 5G là chủ yếu Hình 1.4: Dự báo thiết bị đầu cuối đến 2025 – Tách riêng điện thoại thông minh Dung lượng dữ liệu mỗi tháng trên mỗi máy smartphone sẽ tăng từ 3.6 GB lên tới 17 GB trong giai đoạn 2020-2025 với tỷ lệ tăng trưởng 29% tại Đông Nam Á và châu Đại Dương. Nguyên nhân dẫn đến sự tăng trưởng này là do số lượng thuê bao 4G LTE đang tăng mạnh, người dùng trẻ tuổi thích 3 xem video trên di động.5: Dung lượng sử dụng hàng tháng của mỗi thuê bao Thuê bao tiêu dùng nhiều lưu lượng data, chủ yếu lưu lượng phát sinh từ video. Lưu lượng video di động đang góp phần đáng kể làm tăng trưởng dữ liệu vì người dùng ngày càng dành nhiều thời gian hơn để phát và chia sẻ trực tuyến các nội dung video. Điều này dự báo tiếp tục tăng bởi xu thế video đang được nhúng trong mọi định dạng của nội dung trực tuyến.

Theo thống kê được biểu diễn trong hình 1.7, số lượng người sử dụng di động đang tăng lên nhanh chóng trong những năm gần đây và dự đoán đến năm 2022 thiết bị di động sẽ tăng trưởng với tỉ lệ 85 % là thiết bị thông minh.6: Dự báo tăng trưởng của số lượng các thiết bị có kết nối từ năm 2015 và dự đoán đến năm 2025 (nguồn từ IHS Statista 2019) Trong bối cảnh công nghệ phát triển với xu hướng 5G với yêu cầu đạt được tốc độ dữ liệu lớn hơn, hiệu quả sử dụng phổ tốt hơn [1], bên cạnh đó là IoT với mật độ kết nối dày đặc. Các nhà cung cấp dịch vụ có thể nhìn nhận ra ngay là trong tương lai, số lượng các thiết bị kết nối là rất khủng khiếp, đồng thời, lượng dữ liệu trao đổi là cực lớn (như số liệu thống kê trên). Như thống kê sau cho thấy tốc độ tăng trưởng về số lượng thiết bị di động nói riêng.7: Tăng trưởng thiết bị di động trên toàn cầu từ 2017, dự đoán đến 2022 (nguồn: Cisco VNI Mobile, 2019) Với tốc độ phát triển như vậy, tốc độ phát triển của cơ sở hạ tầng cũng như công nghệ kết nối hiện tại khó có thể theo kịp với tốc độ phát triển về mặt số lượng của các thiết bị có nhu cầu kết nối. Do đó, các nhà cung cấp khó có khả năng đáp ứng được như cầu sử dụng trong thời gian tới.

Vì vậy yêu cầu cấp thiết là cần tìm ra giải pháp, công nghệ mới để vừa tận dụng cơ sở hạ tầng cũ, vừa phát triển công nghệ lõi mới để dần đáp ứng nhu cầu ngày càng cao về kết nối và trao đổi dữ liệu của số lượng cực lớn các thiết bị. Thống kê sau cho thấy lượng dữ liệu khổng lồ các thiết bị đó tạo ra hàng tháng.8: Tăng trưởng về lượng dữ liệu trao đổi hàng tháng giữa các thiết bị di động từ 2017, dự đoán đến 2022 (nguồn: Cisco VNI Mobile, 2019) Từ thực tế đó, các nhà nghiên cứu đã đề xuất ra 3 hướng giải pháp chính để tăng dung lượng dữ liệu cho hệ thống thông tin di động tế bào: ˆ Tăng mật độ sử dụng tế bào mạng(sử dụng tế bào mạng nhỏ hơn). ˆ Sử dụng thêm phổ tần. ˆ Tăng hiệu suất sử dụng phổ.

Trong 3 phương án trên, phương án thứ nhất đã được sử dụng nhiều trong các thế hệ thông tin di động trước đây nhằm tăng dung lượng tuy nhiên đánh đổi lại là tăng chi phí lắp đặt (cần nhiều trạm BTS hơn), can nhiễu gia tăng, và như đã nói ở trên, hệ thống thống tế bào đã quá dày đặc rồi. Và trong bối cảnh tài nguyên tần số đang trở nên ngày càng khan hiếm, phương án thứ hai cũng không kém phần đắt đỏ. Phương án còn lại, tăng hiệu suất sử dụng phổ đã trở thành nhân tố quyết định sự ra đời của các thế hệ thông tin di động mới trong suốt thời kỳ phát triển của hệ thống thông tin đi động tế bào. Qua các thế hệ 1G, 2G, 3G, 4G chúng ta đã chứng kiến sự xuất hiện của những công nghệ mới GSM, 7 WCDMA, OFDMA tương ứng với hiệu suất sử dụng phổ càng ngày càng tăng tương ứng với nhu cầu thực tế.

Tương tự như vậy, hệ thống 5G trong tương lai cũng cần một công nghệ mới cho hiệu suất sử dụng phổ cao hơn để theo kịp tốc độ phát triển của nhu cầu thông tin tốc độ cao. Và MIMO- NOMA [2], [3] xuất hiện như một ứng cử viên tiềm năng để giải quyết những vấn đề trên. Tính cấp thiết của luận văn Đa truy cập không trực giao (NOMA) đã trở thành một khái niệm quan trọng để thiết kế các kỹ thuật truy cập vô tuyến cho mạng không dây thế hệ thứ năm (5G) [4], [5]. Mặc dù một số kỹ thuật đa truy cập sư dụng cho 5G đã được đề xuất bởi giới hàn lâm và cũng như một số tổ chức đưa ra chuẩn công nghiệp, bao gồm cả điều khiển công suất trong NOMA [6] - [7], đa truy cập phân chia theo mã (SCMA) [8], [9], đa truy nhập phân chia theo mẫu (PDMA) [10] , [11] và đa truy cập phân chia theo vùng mạng (LPMA) [12], các kỹ thuật này dựa trên cùng một khái niệm chính, trong đó có nhiều hơn một người dùng được phục vụ trong mỗi khối tài nguyên trực giao, ví dụ: khe thời gian, kênh tần số hay mã trải rộng.

Mặc dù ứng dụng của NOMA trong các mạng di động còn khá mới, nhưng các khái niệm liên quan đã được nghiên cứu trong lý thuyết thông tin trong một thời gian dài. Ví dụ, các thành phần chính của NOMA, chẳng hạn như mã hóa khử nhiễu liên tiếp (SIC), đã được phát minh từ hơn hai thập kỷ trước [13], [14]. Tuy nhiên, nguyên tắc của NOMA, tức là, loại bỏ tính trực giao, đã không được sử dụng trong các thế hệ mạng di động trước đây. Cần lưu ý rằng triết lý đằng sau NOMA khác xa hơn so với triết lý đằng sau đa truy cập phân chia theo mã (CDMA).

Trên thực tế, CDMA chủ yếu được xây dựng dựa trên ý tưởng rằng người dùng được phân tách bằng cách khai thác sự khác biệt giữa các mã lan truyền của họ, trong khi NOMA khuyến khích 8 nhiều người dùng sử dụng chính xác cùng một mã. Do đó, đối với CDMA, tốc độ chip phải cao hơn nhiều so với tốc độ dữ liệu thông tin được hỗ trợ, ví dụ, hỗ trợ tốc độ dữ liệu 10 Gbps có thể yêu cầu tốc độ chip vài trăm Gbps, điều này tạo ra khó khăn cho hệ thống phần cứng có thể bắt kịp tốc độ phát triển đó. Tình hình nghiên cứu trong nước và ngoài nước Thông thường, NOMA có thể được tích hợp trong các hệ thống không dây hiện tại và tương lai vì khả năng tương thích với các công nghệ truyền thông khác. Ví dụ, NOMA đã được chứng minh là tương thích với OMA thông thường, chẳng hạn như TDMA và OFDMA [15].

Do đó, NOMA cũng đã được đề xuất đưa vào LTE-A [16]. Đặc biệt, không yêu cầu bất kỳ thay đổi nào đối với các khối tài nguyên LTE (tức là các sóng mang con OFDMA), việc sử dụng nguyên tắc NOMA đảm bảo rằng hai người dùng được phục vụ đồng thời trên cùng một sóng mang con OFDMA. Hơn nữa, NOMA gần đây đã được đưa vào tiêu chuẩn kỹ thuật số vô tuyến, trong đó nó được gọi là ghép kênh phân chia lớp [17]. Đặc biệt, hiệu quả sử dụng phổ của phát sóng truyền hình được cải thiện bằng cách sử dụng nguyên tắc NOMA và áp dụng nhiều luồng dữ liệu.

Các ví dụ trên cho thấy rõ tiềm năng lớn của NOMA, không chỉ đối với mạng 5G, mà còn đối với các hệ thống không dây sắp tới và hiện tại khác. Ý tưởng chính của NOMA là phục vụ nhiều người dùng cùng lúc tài nguyên. Cách tiếp cận điển hình cho NOMA là nhóm người dùng và chồng các tín hiệu dữ liệu của họ bằng cách sử dụng các công suất truyền khác nhau trước khi truyền tín hiệu nhóm của nhóm theo cùng một cách (cùng một miền). Người dùng thường được nhóm để có các điều kiện kênh rất khác nhau.

Người dùng có kênh kém hơn được phân bổ công suất truyền cao hơn để (một phần) khắc phục các điều kiện kênh kém và nhiễu do người khác. Trong mỗi nhóm, 9 người dùng có kênh tốt hơn có thể giải mã tín hiệu được gửi đến người dùng với kênh kém hơn và do đó nhiễu có thể được loại bỏ bằng một quá trình gọi là khử nhiễu liên tiếp (SIC) [4]. Do đó, người dùng có kênh tốt hơn không cần phải được phân bổ công suất truyền cao để đạt được tốc độ truyền thông tốt. Có hai nhược điểm đáng lưu ý của SIC.

Hạn chế đầu tiên và quan trọng nhất là thông tin trạng thái kênh (CSI) được yêu cầu ở phía bên nhận để sử dụng SIC, mà không phải chịu sự can thiệp đáng kể.