Giới thiệu dự án

Sự bùng nổ của mạng thông tin di động toàn cầu trong hơn ba thập kỷ qua đã định hình lại toàn bộ nền kinh tế số. Kể từ khi thế hệ 1G ra đời vào những năm 1980 với tốc độ truyền tải khiêm tốn 2,4 kbps dành riêng cho thoại tương tự, lưu lượng dữ liệu không dây đã tăng trưởng vượt bậc hơn 500.000 lần, đạt mốc 1,2 Gbps trên nền tảng 4G LTE và hướng tới mục tiêu 20 Gbps trên mạng thế hệ thứ 5 (5G New Radio - 5G NR). Theo báo cáo phân tích của Hiệp hội Di động Toàn cầu (GSMA) và Liên minh Viễn thông Quốc tế (ITU), lưu lượng dữ liệu di động toàn cầu dự kiến vượt 5000 Exabytes mỗi năm với sự gia nhập của hàng chục tỷ thiết bị kết nối IoT vào năm 2030.

Tuy nhiên, việc mở rộng băng thông trên các dải tần số cao như sub-6 GHz (2,5 – 5,0 GHz) và sóng milimet mmWave (24 – 39 GHz) đặt ra thách thức nghiêm trọng về suy hao truyền lan, nhiễu đa đường và hiệu ứng Doppler. Môi trường vô tuyến khắc nghiệt đòi hỏi công nghệ mã hóa kênh (Channel Coding) tại tầng vật lý (Physical Layer - PHY) phải đạt hiệu suất truyền tải tiệm cận giới hạn dung lượng Shannon, đồng thời đáp ứng các chỉ số khắt khe về độ trễ xử lý và thông lượng dữ liệu.

+-------------------------------------------------------------------------+
|                  SỰ PHÁT TRIỂN CÔNG NGHỆ MÃ HÓA KÊNH                    |
|                                                                         |
|  1G (1980s): Không mã hóa số (FDMA Tương tự)                            |
|  2G (1990s): Mã khối / Mã chập (Convolutional Code) -> GSM (9.6 kbps)  |
|  3G (2000s): Mã Turbo / Convolutional -> WCDMA/CDMA2000 (2 Mbps)        |
|  4G (2010s): Mã Turbo (LTE/LTE-A) -> Đạt 1 Gbps (Nghẽn trễ giải mã)    |
|  5G (2020s): QC-LDPC (Kênh dữ liệu) & Polar Code (Kênh điều khiển)      |
+-------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn kỹ thuật (Problem Statement)

Trong mạng 4G LTE, mã Turbo (Turbo Code) đóng vai trò làm chuẩn mã hóa kênh dữ liệu. Tuy nhiên, khi chuyển đổi sang 5G NR với ba kịch bản trọng tâm gồm eMBB (Enhanced Mobile Broadband - Băng thông rộng di động nâng cao), URLLC (Ultra-Reliable and Low-Latency Communications - Truyền thông siêu tin cậy, độ trễ cực thấp) và mMTC (Massive Machine Type Communications - Truyền thông máy quy mô lớn), mã Turbo bộc lộ các hạn chế cốt lõi:

  1. Nghẽn cổ chai cấu trúc giải mã nối tiếp: Thuật toán giải mã Turbo dựa trên bộ đan xen (Interleaver) phức tạp, gây khó khăn cho việc xử lý song song ở tốc độ hàng chục Gbps.
  2. Độ trễ xử lý cao (Decoding Latency): Không thể đáp ứng yêu cầu độ trễ mặt phẳng người dùng dưới 1 ms của kịch bản URLLC.
  3. Hiệu suất suy giảm ở kích thước khối lớn: Suy giảm năng lượng ở vùng sàn lỗi (Error Floor) khi mở rộng kích thước khối mã truyền tải.

Mục tiêu đề tài

Đồ án tốt nghiệp "Nghiên cứu Kỹ thuật Mã hóa kênh trong mạng 5G" do sinh viên Hoàng Đức Thuận thực hiện dưới sự hướng dẫn của ThS. Nguyễn Văn Dương tại Trường Đại học Quản lý và Công nghệ Hải Phòng tập trung vào các mục tiêu cụ thể sau:

  1. Khảo sát và hệ thống hóa: Phân tích lộ trình tiến hóa của các hệ thống thông tin di động (1G đến 5G) và cơ chế phân bổ tài nguyên phổ tần vô tuyến.
  2. Làm chủ cấu trúc mã hóa 5G NR QC-LDPC: Nghiên cứu ma trận kiểm tra chẵn lẻ kiểm soát tựa vòng (Quasi-Cyclic Low-Density Parity-Check), đồ hình Tanner (Tanner Graph), cấu trúc đồ thị cơ sở Base Graph 1 (BG1) và Base Graph 2 (BG2) theo chuẩn 3GPP TS 38.212.
  3. Mô hình hóa chuỗi xử lý truyền dẫn (Transceiver Chain): Thiết lập trọn vẹn quy trình mã hóa kênh bao gồm: Gắn mã kiểm tra dư thừa vòng CRC khối truyền tải, phân mảnh khối mã (Code Block Segmentation) và gắn CRC khối mã, mã hóa LDPC với ma trận con đường chéo kép, thích ứng tốc độ (Rate Matching) theo Redundancy Version (RV0 – RV3) và ghép khối mã.
  4. Tối ưu hóa và đánh giá thuật toán giải mã: Xây dựng, mô phỏng và đánh giá hiệu năng 4 thuật toán giải mã: Sum-Product Algorithm (SPA), Min-Sum Algorithm (MSA), Layered Sum-Product Algorithm (LSPA) và Layered Min-Sum Algorithm (LMSA) qua các chỉ số xác suất lỗi khối (BLER), tỉ số tín hiệu trên tạp âm (SNR) và năng lượng bit trên mật độ phổ nhiễu ($E_b/N_0$).

Phạm vi và Giới hạn nghiên cứu

  • Phạm vi kỹ thuật: Tập trung chuyên sâu vào mã hóa QC-LDPC cho kênh dữ liệu chia sẻ đường xuống PDSCH (Physical Downlink Shared Channel) và đường lên PUSCH (Physical Uplink Shared Channel) theo chuẩn 3GPP Release 15/16.
  • Môi trường đánh giá: Kênh truyền nhiễu Gauss trắng cộng (AWGN) và điều chế số (BPSK/QAM) trên nền tảng MATLAB.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để đáp ứng yêu cầu truyền dẫn dữ liệu cực lớn trong 5G NR, các cơ quan tiêu chuẩn hóa quốc tế đã đặt lên bàn cân nhiều giải pháp mã hóa kênh khác nhau trước khi đưa ra quyết định chính thức tại Hội nghị 3GPP RAN1.

Tiêu chí so sánh Mã chập (Convolutional) Mã Turbo (4G LTE) Mã Cực (Polar Code) Mã QC-LDPC (5G NR)
Chuẩn ứng dụng 2G GSM / 3G WCDMA 4G LTE / LTE-Advanced 5G NR (Kênh điều khiển) 5G NR (Kênh dữ liệu)
Khả năng song song hóa Thấp (Thuật toán Viterbi) Trung bình (Max-Log-MAP) Trung bình (SC / SCL) Rất cao (Cấu trúc ma trận QC)
Độ phức tạp phần cứng Thấp Cao ($\mathcal{O}(N)$ mỗi vòng) Trung bình ($\mathcal{O}(N \log N)$) Linh hoạt (Phụ thuộc bậc ma trận)
Độ trễ giải mã Trung bình Cao (Nhiều vòng lặp nối tiếp) Thấp đến trung bình Cực thấp (Giải mã phân lớp)
Hiệu năng khối dữ liệu lớn Kém Tốt (Tiệm cận Shannon) Tốt Xuất sắc (Gần giới hạn Shannon)
Khả năng thích ứng tốc độ Cắt tỉa (Puncturing) Phức tạp Đóng băng bit (Frozen bits) Tự nhiên (Circular Buffer HARQ)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc có):
    • Hỗ trợ đầy đủ hai đồ thị cơ sở BG1 (cho kích thước khối lớn và tốc độ mã cao $R > 0.67$) và BG2 (cho khối dữ liệu nhỏ $A \le 292$ bit hoặc $R \le 0.25$).
    • Hỗ trợ 51 kích thước nâng (Lifting Size $Z_c$) từ 2 đến 384 với 8 tập chỉ số $i_{LS} \in [0, 7]$.
    • Thuật toán giải mã quyết định mềm (Soft-Decision) hội tụ nhanh.
  • Should have (Nên có):
    • Triển khai kỹ thuật giải mã phân lớp (Layered Decoding) nhằm giảm 50% số vòng lặp tính toán so với chuẩn Flood Decoding.
    • Bộ đệm thích ứng tốc độ dạng vòng tròn hỗ trợ cơ chế HARQ Retransmission thông qua 4 phiên bản dư thừa (RV0, RV1, RV2, RV3).
  • Could have (Có thể có):
    • Tích hợp kỹ thuật bù hệ số tỉ lệ (Scaling Factor) $\alpha = 0.75 - 0.8$ trong thuật toán LMSA để thu hẹp khoảng cách hiệu năng với LSPA.
  • Won't have (Chưa thực hiện trong giai đoạn này):
    • Thực thi trực tiếp trên chip mảng phần cứng FPGA/ASIC thời gian thực.

Thiết kế hệ thống

Kiến trúc chuỗi xử lý mã hóa và giải mã 5G NR LDPC được thiết kế theo cấu trúc module hóa tuân thủ nghiêm ngặt đặc tả kỹ thuật 3GPP TS 38.212.

graph TD
    subgraph Kênh Phát (Transmitter Chain)
        A[Dữ liệu khối truyền tải A] --> B[Gắn CRC khối truyền tải CRC-24A/16]
        B --> C[Lựa chọn đồ thị cơ sở BG1 / BG2]
        C --> D[Phân mảnh khối mã & Gắn CRC-24B]
        D --> E[Mã hóa QC-LDPC với ma trận E]
        E --> F[Thích ứng tốc độ Circular Buffer RV0-3]
        F --> G[Ghép khối mã Bit Interleaving]
    end

    G --> H((Kênh truyền vô tuyến AWGN))

    subgraph Kênh Thu (Receiver Chain)
        H --> I[Tách khối mã Bit Deinterleaving]
        I --> J[Giải thích ứng tốc độ De-rate Matching]
        J --> K[Bộ giải mã QC-LDPC LMSA / LSPA]
        K --> L[Giải phân mảnh khối mã]
        L --> M[Kiểm tra lỗi CRC & Xuất dữ liệu]
    end

Ngăn xếp công nghệ và Môi trường thực thi

  • Nền tảng phân tích và tính toán: MATLAB R2023b (MathWorks) tích hợp 5G Toolbox và Communications Toolbox.
  • Đặc tả kỹ thuật: 3GPP Technical Specification TS 38.212 V15.2.0 (Multiplexing and channel coding).
  • Cấu trúc lưu trữ dữ liệu: Ma trận thưa (Sparse Matrices) và vector số thực định dạng dấu phẩy động 64-bit (Double Precision) phục vụ tính toán Log-Likelihood Ratio (LLR).

Phương pháp nghiên cứu và Quy trình triển khai (Methodology)

Dự án áp dụng phương pháp nghiên cứu toán học ứng dụng kết hợp mô phỏng Monte Carlo theo quy trình 4 giai đoạn với các mốc kiểm soát chất lượng rõ ràng:

[Tuần 1-4] Khảo sát lý thuyết 5G & 3GPP TS 38.212
    │
    ▼
[Tuần 5-8] Thiết kế thuật toán ma trận cơ sở BG1/BG2 & Chuỗi xử lý CRC/Rate-Matching
    │
    ▼
[Tuần 9-12] Lập trình 4 giải pháp giải mã (SPA, LSPA, MSA, LMSA) trên MATLAB
    │
    ▼
[Tuần 13-16] Chạy mô phỏng Monte Carlo, Phân tích BLER/SNR & Tổng hợp đồ án
  • Đánh giá rủi ro kỹ thuật: Hiện tượng bất ổn định số học (Numerical Instability) do phép nhân xác suất liên tục trong miền xác suất được loại bỏ hoàn toàn bằng cách chuyển đổi toàn bộ thuật toán sang miền Log-Likelihood Ratio (LLR domain), biến phép nhân thành phép cộng và phép chia thành phép trừ.

Implementation và kết quả

Quy trình phát triển và Thuật toán cốt lõi

1. Quy tắc lựa chọn Base Graph và Phân mảnh khối mã

Căn cứ vào kích thước khối truyền tải đầu vào $A$ và tỉ lệ mã hóa $R$:

  • Chọn Base Graph 2 (BG2) khi: $A \le 292$, hoặc ($A \le 3824$ và $R \le 0.67$), hoặc $R \le 0.25$.
  • Chọn Base Graph 1 (BG1) cho các trường hợp còn lại.

Số bit thông tin cực đại cho mỗi khối mã $K_{cb}$ được quy định: $$K_{cb} = \begin{cases} 8448 & \text{với Base Graph 1} \ 3840 & \text{với Base Graph 2} \end{cases}$$

Nếu kích thước dữ liệu kèm CRC ($B = A + L$) vượt quá $K_{cb}$, khối truyền tải sẽ được chia thành $C$ khối mã nhỏ: $$C = \left\lceil \frac{B}{K_{cb} - L_{cbCRC}} \right\rceil$$ Trong đó $L_{cbCRC} = 24$ bit (sử dụng đa thức sinh $g_{CRC24B}(D) = D^{24} + D^{23} + D^6 + D + 1$).

2. Cấu trúc ma trận kiểm tra chẵn lẻ $H$ và Mã hóa đường chéo kép

Ma trận cơ sở $H_{BG}$ được mở rộng thành ma trận kiểm tra $H$ thông qua kích thước nâng $Z_c$. Mỗi phần tử $P_{i,j}$ trong $H_{BG}$ được thay thế bằng một ma trận con kích thước $Z_c \times Z_c$:

  • Nếu $P_{i,j} = -1$: Thay bằng ma trận toàn số 0.
  • Nếu $P_{i,j} = 0$: Thay bằng ma trận đơn vị $I_{Z_c}$.
  • Nếu $P_{i,j} > 0$: Thay bằng ma trận hoán vị vòng tròn $I(P_{i,j})$ thu được bằng cách dịch chuyển ma trận đơn vị sang phải $P_{i,j}$ vị trí.

Nhờ ma trận con $E$ có cấu trúc đường chéo kép (Dual-Diagonal Structure), các vector bit chẵn lẻ $p = [p_1, p_2, \dots, p_m]^T$ được tính toán đệ quy nhanh chóng với độ phức tạp tuyến tính $\mathcal{O}(N)$ thay vì phải nghịch đảo ma trận $\mathcal{O}(N^3)$:

% Thuật toán tính toán bit kiểm tra chẵn lẻ QC-LDPC với ma trận đường chéo kép
function parity_bits = encode_qc_ldpc_dual_diagonal(info_bits, H_bg, Zc)
    % Khởi tạo ma trận kích thước nâng
    [num_rows, num_cols] = size(H_bg);
    num_info_cols = num_cols - num_rows;
    
    % Bước 1: Tính toán tổng tích luỹ cho 4 hàng kiểm tra cốt lõi (Core Parity)
    % Xác định vector p1 thông qua phương trình tích luỹ chuyển vị vòng
    p1 = zeros(Zc, 1);
    for row = 1:4
        for col = 1:num_info_cols
            shift = H_bg(row, col);
            if shift >= 0
                p1 = mod(p1 + circshift(info_bits(:, col), shift), 2);
            end
        end
    end
    
    % Bước 2: Đệ quy tính toán các bit chẵn lẻ tiếp theo (p2, p3, p4, ...)
    parity_bits = zeros(Zc, num_rows);
    parity_bits(:, 1) = p1;
    for r = 2:num_rows
        temp = zeros(Zc, 1);
        for col = 1:num_info_cols
            shift = H_bg(r, col);
            if shift >= 0
                temp = mod(temp + circshift(info_bits(:, col), shift), 2);
            end
        end
        % Cập nhật bit kiểm tra dựa trên cấu trúc đường chéo kép
        parity_bits(:, r) = mod(temp + parity_bits(:, r-1), 2);
    end
end

3. Thuật toán giải mã phân lớp Min-Sum (Layered Min-Sum - LMSA)

Thuật toán giải mã quyết định mềm xử lý các giá trị $L(c_i)$ (Log-Likelihood Ratio): $$L(c_i) = \ln \left( \frac{P(c_i = 0 | y_i)}{P(c_i = 1 | y_i)} \right)$$

Trong thuật toán LMSA, ma trận kiểm tra $H$ được chia thành $M$ lớp con (Layers). Mỗi lớp cập nhật tức thời giá trị LLR tiên nghiệm của nút biến và chuyển giao ngay cho lớp kế tiếp:

+-----------------------------------------------------------------------+
|                CƠ CHẾ CẬP NHẬT CỦA GIẢI MÃ PHÂN LỚP (LMSA)            |
|                                                                       |
|  LLR Kênh ──> [ Lớp 1 ] ──LLR_1──> [ Lớp 2 ] ──LLR_2──> [ Lớp 3 ]...   |
|                  │                    │                    │          |
|                  ▼                    ▼                    ▼          |
|             (Cập nhật LLR        (Cập nhật LLR        (Cập nhật LLR   |
|              tức thì)             tức thì)             tức thì)       |
|                                                                       |
|  ==> Tốc độ hội tụ tăng gấp 2 lần so với thuật toán Flood tiêu chuẩn  |
+-----------------------------------------------------------------------+

Công thức cập nhật tin nhắn từ nút kiểm tra $j$ sang nút biến $i$ trong thuật toán Min-Sum được đơn giản hóa: $$L(r_{ij}) = \alpha \cdot \left( \prod_{i' \in V_j \setminus {i}} \text{sign}(L(q_{i'j})) \right) \cdot \min_{i' \in V_j \setminus {i}} |L(q_{i'j})|$$ Trong đó hệ số tỉ lệ chuẩn hóa $\alpha = 0.75$ giúp triệt tiêu sai số ước lượng biên độ của phép xấp xỉ $\min$.

Kiểm thử và Đánh giá kết quả (Testing and Validation)

Mô phỏng thực nghiệm được tiến hành trên khối truyền tải kích thước $A = 2400$ bit, chiều dài sau khi gắn CRC là $B = 2424$ bit ($L = 24$), lựa chọn đồ thị cơ sở Base Graph 2, kích thước nâng $Z_c = 120$, tổng chiều dài từ mã sau mã hóa là 6000 bit.

So sánh hiệu năng giữa các thuật toán giải mã

Thuật toán giải mã Số vòng lặp ($I_{max}$) BLER tại $E_b/N_0 = 2.0\text{ dB}$ BLER tại $E_b/N_0 = 3.5\text{ dB}$ Độ phức tạp tính toán Tốc độ xử lý tương đối
Sum-Product (SPA) 30 $3.2 \times 10^{-2}$ $4.5 \times 10^{-4}$ Rất cao (Hàm tanh/log) $1.0\times$ (Cơ sở)
Layered SPA (LSPA) 15 $2.8 \times 10^{-2}$ $3.8 \times 10^{-4}$ Cao $1.9\times$
Min-Sum (MSA) 30 $6.5 \times 10^{-2}$ $1.2 \times 10^{-3}$ Thấp (Chỉ so sánh/cộng) $4.2\times$
Layered Min-Sum (LMSA) 15 $3.0 \times 10^{-2}$ $4.1 \times 10^{-4}$ Thấp (Tối ưu phần cứng) $7.8\times$ 
                 BIỂU ĐỒ SO SÁNH ĐƯỜNG CONG HIỆU NĂNG BLER
  BLER
   10^0 +---+---------+---------+---------+---------+---------+
        |   \                                                 |
   10^-1+    \   (MSA - 30 vòng)                              |
        |     \                                               |
   10^-2+      \     (SPA - 30 vòng)                          |
        |       \   \                                         |
   10^-3+        \   \   (LMSA - 15 vòng)                     |
        |         \   \   \                                   |
   10^-4+          \   \   \   (LSPA - 15 vòng)               |
        +---+-------+---+---+---+---------+---------+---------+
           0.5     1.0 1.5 2.0 2.5       3.0       3.5      4.0
                                                          Eb/N0 (dB)

Phân tích kết quả thực nghiệm:

  1. Hiệu quả của kiến trúc phân lớp: Thuật toán LMSA ở 15 vòng lặp đạt hiệu năng đường cong BLER tương đương với thuật toán MSA tiêu chuẩn ở 30 vòng lặp, giúp giảm $50%$ số chu kỳ xung nhịp và tiết kiệm năng lượng xử lý trên thiết bị đầu cuối UE.
  2. Khoảng cách hiệu năng tối ưu: Nhờ hệ số chuẩn hóa $\alpha = 0.75$, hiệu năng của LMSA chỉ cách thuật toán tối ưu lý thuyết LSPA khoảng $0.15\text{ dB}$ tại ngưỡng $\text{BLER} = 10^{-3}$, trong khi giảm được hơn $70%$ chi phí phần cứng do loại bỏ hoàn toàn các phép toán lượng giác siêu việt $\tanh$ và $\text{arctanh}$.

Đổi mới và đóng góp

  1. Tối ưu hóa kiến trúc chuỗi truyền dẫn hoàn chỉnh: Đề tài không dừng lại ở mức mô hình giải mã đơn lẻ mà đã hiện thực hóa trọn vẹn chuỗi xử lý 3GPP TS 38.212 từ khối bit truyền tải thô, phân mảnh đa khối mã, thích ứng tốc độ với bộ đệm vòng (Circular Buffer Rate Matching) đến giải mã và khôi phục dữ liệu.
  2. Cải tiến tốc độ hội tụ với giải pháp phân lớp (Layered Architecture): Chứng minh trên dữ liệu thực nghiệm rằng giải mã phân lớp giúp đẩy nhanh quá trình lan truyền niềm tin giữa các nút biến (Variable Nodes) và nút kiểm tra (Check Nodes), giải quyết bài toán nghẽn thông lượng trong các ứng dụng vô tuyến băng thông siêu rộng.
  3. Cung cấp bộ công cụ mô phỏng chuẩn xác: Xây dựng framework mô phỏng trên MATLAB có tính tham chiếu cao, hỗ trợ kiểm thử linh hoạt tất cả 51 giá trị lifting size $Z_c$ và 8 tập chỉ số $i_{LS}$, đóng góp tài liệu nghiên cứu chuyên sâu cho sinh viên và kỹ sư viễn thông chuyên ngành vô tuyến.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đời sống và công nghiệp

                             HỆ SINH THÁI ỨNG DỤNG 5G QC-LDPC
                                             │
      ┌──────────────────────────────────────┼──────────────────────────────────────┐
      │                                      │                                      │
      ▼                                      ▼                                      ▼
┌──────────────────────────┐   ┌──────────────────────────┐   ┌──────────────────────────┐
│          eMBB            │   │          URLLC           │   │      FWA / mmWave        │
│  - Truyền phát Video 8K  │   │  - Xe tự hành kết nối    │   │  - Internet không dây    │
│  - Thực tế ảo AR/VR      │   │    mạng (V2X)            │   │    thay thế cáp quang    │
│  - Tốc độ tải > 10 Gbps  │   │  - Phẫu thuật từ xa      │   │  - Triển khai đô thị     │
│  - Trạm phát sóng gNodeB │   │  - Độ trễ < 1ms          │   │    mật độ cao            │
└──────────────────────────┘   └──────────────────────────┘   └──────────────────────────┘
  1. Fixed Wireless Access (FWA) & Cáp quang không dây: Cung cấp đường truyền băng rộng gia đình qua dải tần 3.5 GHz và mmWave thay thế cho đường cáp quang FTTx truyền thống. Các nhà mạng lớn như Verizon và T-Mobile đã chứng minh hiệu quả giảm $40%$ chi phí đầu tư hạ tầng cáp (CAPEX) tại các khu vực ngoại ô.
  2. Điều khiển tự động hóa và Robot công nghiệp (URLLC): Tận dụng đồ thị cơ sở BG2 với kích thước khối mã nhỏ và thuật toán LMSA để đảm bảo độ trễ truyền gói tin dưới $1\text{ ms}$ với độ tin cậy $99.999%$, cho phép vận hành hệ thống drone cứu hộ và dây chuyền sản xuất thông minh.
  3. Hệ thống truyền thông V2X (Vehicle-to-Everything): Đảm bảo tính toàn vẹn của tín hiệu cảnh báo va chạm giao thông trong môi trường truyền sóng chịu tác động fading đa đường và dịch tần Doppler lớn khi phương tiện di chuyển ở tốc độ trên $120\text{ km/h}$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Mô hình kênh truyền: Các kịch bản kiểm thử chủ yếu thực hiện trên kênh truyền nhiễu cộng AWGN; chưa tích hợp toàn diện các mô hình kênh fading đa đường thực tế như TDL (Tapped Delay Line) hoặc CDL (Clustered Delay Line) theo chuẩn 3GPP TR 38.901.
  • Định dạng dấu phẩy động: Thuật toán giải mã đang chạy trên môi trường tính toán dấu phẩy động 64-bit (Floating-Point), chưa chuyển đổi xuống định dạng số học dấu phẩy tĩnh (Fixed-Point 6-8 bit) để đánh giá suy hao do lượng tử hóa trên phần cứng thực.

Hướng phát triển tiếp theo

  • Tích hợp trí tuệ nhân tạo (AI/Deep Learning): Ứng dụng mạng nơ-ron sâu (Deep Neural Networks) để tối ưu hóa trọng số đồ hình Tanner hoặc học các hệ số bù tỉ lệ thích ứng $\alpha$ theo từng trạng thái kênh truyền SNR tức thời.
  • Hiện thực hóa trên phần cứng SDR/FPGA: Triển khai thuật toán LMSA trên nền tảng vô tuyến định nghĩa bằng phần mềm (Software Defined Radio - SDR USRP) kết hợp chip FPGA Xilinx Zynq UltraScale+ nhằm đo lường thông lượng thực tế ở tốc độ Gbps.

Đối tượng hưởng lợi

+----------------------------------------------------------------------------+
|                        GIÁ TRỊ MANG LẠI CHO CÁC NHÓM                      |
+----------------------------------------------------------------------------+
|  SINH VIÊN & HỌC VIÊN CAO HỌC:                                             |
|  - Nắm vững kiến thức toán học và tiêu chuẩn 3GPP TS 38.212                |
|  - Nguồn mã nguồn mẫu phục vụ học tập, nghiên cứu và làm đồ án             |
+----------------------------------------------------------------------------+
|  KỸ SƯ THIẾT KẾ PHY / DSP:                                                 |
|  - Cấu trúc module rõ ràng, dễ dàng porting sang C/C++ hoặc VHDL/Verilog   |
|  - Benchmark chi tiết giữa 4 thuật toán giải mã để lựa chọn kiến trúc tối ưu|
+----------------------------------------------------------------------------+
|  DOANH NGHIỆP VIỄN THÔNG & TÍCH HỢP HỆ THỐNG:                              |
|  - Tài liệu tham khảo kỹ thuật phục vụ tối ưu hóa modem 5G NR Private     |
|  - Căn cứ khoa học để hoạch định tham số trạm phát sóng gNodeB             |
+----------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu cấu hình hệ thống để triển khai mô phỏng là gì?

Hệ thống yêu cầu máy tính cài đặt MATLAB R2020b trở lên (khuyến nghị R2023b) với dung lượng RAM tối thiểu 8 GB (khuyến nghị 16 GB để chạy mô phỏng Monte Carlo $10^6$ khối bit) và bộ xử lý CPU đa nhân (Intel Core i5/AMD Ryzen 5 trở lên) để chạy song song nhiều luồng kiểm thử SNR.

2. Giới hạn thông lượng của mã QC-LDPC trong thực tế là bao nhiêu?

Theo chuẩn 3GPP 5G NR, mã QC-LDPC hỗ trợ thông lượng cực đại đường xuống lên tới 20 Gbps và đường lên 10 Gbps. Giới hạn thực tế phụ thuộc vào kiến trúc phần cứng bộ giải mã (số lượng đơn vị xử lý nút song song Processing Units và băng thông bộ nhớ nội SRAM).

3. Tại sao 5G không dùng mã Polar cho toàn bộ kênh dữ liệu mà lại chia thành LDPC và Polar?

Mã Polar có hiệu năng vượt trội ở kích thước khối nhỏ và tốc độ mã thấp, lý tưởng cho các kênh điều khiển (Control Channels như PDCCH/PUCCH). Tuy nhiên, với khối dữ liệu kích thước lớn (hàng nghìn bit) trong kênh dữ liệu (PDSCH/PUSCH), mã QC-LDPC vượt trội hoàn toàn về khả năng xử lý song song hóa phần cứng và thông lượng giải mã.

4. Chi phí bộ nhớ để lưu trữ các ma trận cơ sở trong 5G LDPC có lớn không?

Rất nhỏ. Nhờ cấu trúc tựa vòng (Quasi-Cyclic), phần cứng không cần lưu trữ ma trận kiểm tra đầy đủ $H$ kích thước hàng nghìn hàng cột, mà chỉ cần lưu trữ ma trận cơ sở $H_{BG}$ (kích thước tối đa $46 \times 68$ phần tử) và bảng tra chỉ số dịch vòng $P_{i,j}$.

5. Thuật toán LMSA có gây suy giảm chất lượng tín hiệu so với SPA truyền thống không?

Suy hao hiệu năng của LMSA so với SPA chỉ dao động trong khoảng $0.1 - 0.2\text{ dB}$ khi sử dụng hệ số chuẩn hóa $\alpha \approx 0.75$. Đổi lại, thuật toán giảm hơn $70%$ độ phức tạp tính toán và tăng gấp đôi tốc độ xử lý, mang lại hiệu quả vượt trội cho các modem thương mại.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu Kỹ thuật Mã hóa kênh trong mạng 5G" của sinh viên Hoàng Đức Thuận đã giải quyết trọn vẹn bài toán xây dựng và đánh giá chuỗi mã hóa và giải mã kênh dữ liệu 5G NR theo đặc tả kỹ thuật quốc tế 3GPP TS 38.212. Bằng việc phân tích sâu sắc cấu trúc ma trận tựa vòng QC-LDPC, đồ thị cơ sở BG1/BG2 và hiện thực hóa thành công 4 thuật toán giải mã quyết định mềm (SPA, LSPA, MSA, LMSA), công trình đã chứng minh tính ưu việt của giải pháp giải mã phân lớp Min-Sum trong việc cân bằng giữa hiệu năng sửa sai (BLER) và độ phức tạp phần cứng.

Kết quả nghiên cứu không chỉ đóng góp một tài liệu kỹ thuật có giá trị khoa học cao cho ngành Điện tử Truyền thông mà còn mở ra nền tảng vững chắc cho các nghiên cứu tiếp theo về tích hợp trí tuệ nhân tạo vào tầng vật lý mạng di động thế hệ mới 5G-Advanced và 6G.