Tổng quan về luận án

Sự bùng nổ của các thiết bị di động thông minh và các dịch vụ băng rộng trực tuyến đã tạo ra áp lực chưa từng có lên dung lượng của mạng thông tin vô tuyến. Theo báo cáo của Ericsson, số lượng thuê bao điện thoại thông minh toàn cầu đã tăng từ 7,7 tỷ năm 2017 lên ước tính 8,7 tỷ năm 2024, kéo theo lưu lượng dữ liệu trung bình trên mỗi thiết bị tăng vọt từ 3,1 GB/tháng lên 20 GB/tháng [2]. Để đáp ứng nhu cầu này, công nghệ Đa đầu vào Đa đầu ra quy mô lớn (Massive MIMO) đã trở thành trụ cột cốt lõi của mạng 5G và các thế hệ mạng tương lai [8, 29, 30]. Hệ thống Massive MIMO sử dụng hàng trăm ăng-ten tại trạm gốc (Base Station - BS) để phục vụ đồng thời nhiều người dùng (users) trên cùng một tài nguyên tần số, khai thác tối đa bậc tự do không gian (Degrees of Freedom - DoF), tăng hiệu quả phổ tần và hiệu quả năng lượng vượt trội [1, 3].

Tuy nhiên, rào cản kỹ thuật nghiêm trọng nảy sinh tại bộ xử lý tách tín hiệu đường lên (uplink detection) ở trạm gốc khi hệ thống hoạt động ở tải cao (high load factor $\beta = \frac{K N_T}{N_r} \to 1$). Khi số lượng ăng-ten phát từ tất cả người dùng xấp xỉ số ăng-ten thu tại BS ($N \approx N_r$), các bộ tách tín hiệu tuyến tính kinh điển như Cưỡng bức không (Zero Forcing - ZF) và Sai số bình phương trung bình tối thiểu (Minimum Mean Squared Error - MMSE) bị suy giảm phẩm chất lỗi bit (Bit Error Rate - BER) nghiêm trọng do bậc phân tập giảm xuống chỉ còn $N_r - N + 1 = 1$ [34], đồng thời sai số ước lượng trung bình bình phương (Mean Squared Error - MSE) tăng vọt. Ngược lại, các giải thuật phi tuyến tối ưu như Hợp lẽ cực đại (Maximum Likelihood - ML) hoặc Tách sóng cầu (Sphere Decoding - SD) lại đòi hỏi độ phức tạp tính toán hàm mũ $O(M^N)$, bất khả thi khi số luồng dữ liệu vượt quá 32 [54]. Các giải thuật triệt nhiễu nối tiếp V-BLAST truyền thống cũng gánh chịu độ phức tạp bậc bốn $O(N^4)$ kèm hiện tượng lan truyền lỗi (error propagation) [37, 58].

Nhằm giải quyết triệt để nghịch lý giữa phẩm chất tách sóng và chi phí tính toán, luận án tiến sĩ kỹ thuật của tác giả Nguyễn Thanh Bình với đề tài "Nghiên cứu kỹ thuật tách tín hiệu đường lên trong hệ thống Massive MIMO" (Chuyên ngành Kỹ thuật Điện tử, Mã số: 9 52 02 03, Học viện Kỹ thuật Quân sự, Hà Nội - 2020; Người hướng dẫn: TS. Lê Minh Tuấn, TS. Nguyễn Văn Giáo) đã tập trung giải quyết ba câu hỏi nghiên cứu cốt lõi:

  • RQ1: Làm thế nào để thiết kế giải thuật tách tín hiệu theo nhóm nhằm giải trừ can nhiễu đa người dùng trong kênh truyền fading dải hẹp với độ phức tạp chỉ ở mức đa thức bậc ba?
  • RQ2: Làm thế nào để mở rộng mô hình tách tín hiệu nhóm trên hệ thống mở rộng tương đương và cấu trúc song song nhằm xử lý hiệu quả kênh truyền chịu đồng thời fading phạm vi rộng và fading phạm vi hẹp?
  • RQ3: Bằng phương thức nào có thể tích hợp kỹ thuật Rút gọn dàn (Lattice Reduction - LR) vào cấu trúc tách tín hiệu nhóm để khắc phục triệt để hiện tượng khuếch đại tạp âm và suy giảm phân tập ở hệ số tải cao ($\beta \approx 1$)?

Luận án thiết lập ba giả thuyết khoa học tương ứng:

  • H1: Thuật toán tách nhóm lặp (IGD) kết hợp cấu trúc triệt nhiễu cục bộ sẽ giảm đáng kể MSE của từng nhóm tín hiệu mà không làm tăng bậc phức tạp so với bộ tách tuyến tính.
  • H2: Việc phân tách hệ thống Massive MIMO tải cao thành hai hệ thống con song song (PGD) sẽ hạ thấp hệ số tải hiệu dụng ($\beta_{\text{sub}} = 0,5$), từ đó phục hồi bậc phân tập của máy thu.
  • H3: Ứng dụng tiêu chuẩn tối thiểu véc-tơ dài nhất (SLV) và cơ sở dài nhất (SLB) trong không gian dàn sẽ trực giao hóa ma trận kênh truyền hiệu dụng, tiệm cận phẩm chất của bộ tách ML với chi phí tính toán đa thức.

Nghiên cứu được giới hạn trong phạm vi hệ thống đường lên Massive MIMO đơn tế bào gồm trạm gốc trang bị $N_r = 60 \div 264$ ăng-ten phục vụ $K = 8 \div 32$ người dùng, mỗi người dùng trang bị $N_T = 4$ ăng-ten ghép kênh không gian (SDM), tổng số luồng phát $N = 32 \div 160$, hoạt động dưới các sơ đồ điều chế $M$-QAM (4-QAM, 16-QAM, 64-QAM) trong môi trường kênh fading hỗn hợp Rayleigh và Shadowing log-normal.

flowchart TD
    A["Hệ thống Uplink Massive MIMO tải cao (β → 1)"] --> B["Nghịch lý xử lý tín hiệu"]
    B --> C["Tuyến tính (ZF/MMSE): Bậc phân tập suy giảm (Nr - N + 1 = 1)"]
    B --> D["Phi tuyến (ML/SD/BLAST): Độ phức tạp O(M^N) hoặc O(N^4)"]
    C & D --> E["Đột phá đề xuất của Luận án"]
    E --> F["Chương 2: Tách nhóm GD / IGD (Kênh fading hẹp)"]
    E --> G["Chương 3: Tách nhóm GGDex / PGD (Kênh fading hỗn hợp)"]
    E --> H["Chương 4: Tách nhóm hỗ trợ Rút gọn dàn SLV / SLB"]
    F & G & H --> I["Cân bằng tối ưu: Phẩm chất BER vượt trội, Độ phức tạp O(N^3)"]

Literature Review và Positioning

Lý thuyết Massive MIMO bắt nguồn từ các nghiên cứu nền tảng của Thomas L. Marzetta (2010) [25], chứng minh rằng khi số lượng ăng-ten trạm gốc tiến tới vô cùng ($N_r \to \infty$), các kênh truyền giữa các người dùng trở nên trực giao tiệm cận (asymptotic orthogonality), loại bỏ hoàn toàn ảnh hưởng của fading nhanh và nhiễu nội tế bào thông qua các bộ xử lý tuyến tính cơ bản như MRC/MRT [1, 23, 26, 48]. Mặc dù vậy, công trình của H. Q. Ngo và các cộng sự (2013, 2014) [1, 49] cùng phân tích của Marzetta et al. (2016) [31] đã chỉ ra rằng trong thực tế triển khai thương mại với số ăng-ten hữu hạn ($N_r = 64 \div 128$), hệ số tải $\beta$ không thể luôn giữ ở mức rất nhỏ do giới hạn kích thước vật lý của dàn ăng-ten (phải duy trì khoảng cách tối thiểu nửa bước sóng $\lambda/2$) và nhu cầu tối đa hóa dung lượng phổ tần của nhà mạng.

Tổng quan y văn xác định hai luồng quan điểm và giải pháp đối nghịch trong việc xử lý tín hiệu Massive MIMO tải cao:

  1. Luồng giải pháp tuyến tính và xấp xỉ hóa ma trận: Ưu tiên tốc độ xử lý phần cứng bằng cách giữ nguyên cấu trúc nghịch đảo ma trận $O(N^3)$ [32, 33], nhưng chấp nhận sự sụt giảm phẩm chất nghiêm trọng khi $\beta \to 1$. Khi $N = N_r$, ma trận Gram $\mathbf{U}^H \mathbf{U}$ trở nên kém điều hòa (ill-conditioned), dẫn đến hiện tượng khuếch đại tạp âm trầm trọng ở bộ tách ZF và MMSE.
  2. Luồng giải pháp phi tuyến và tìm kiếm heuristic: Nhằm cải thiện phẩm chất tách sóng, nhóm nghiên cứu Datta et al. (2012) [57] đề xuất giải thuật tìm kiếm cục bộ (Local Ascent Search - LAS), trong khi Chockalingam et al. (2014) [54] áp dụng chuỗi Markov Monte Carlo (MCMC) và đồ thị truyền bản tin (Message Passing). Tuy nhiên, các giải pháp này hoặc bộc lộ độ phức tạp cao khi mở rộng không gian tìm kiếm đa ký hiệu, hoặc bị giới hạn nghiêm trọng ở điều chế bậc thấp (BPSK/QPSK).

Để định vị rõ ràng đóng góp khoa học, luận án đã so sánh trực tiếp với hai nghiên cứu quốc tế tiêu biểu:

  • So sánh với nghiên cứu của Wang et al. (2015) [56]: Wang và cộng sự đề xuất phương pháp tách tín hiệu dựa trên phục hồi sai số thưa (Sparse Error Recovery) cho hệ thống Massive MIMO $64 \times 64$, đạt mức cải thiện độ lợi thu xấp xỉ 10 dB so với MMSE. Mặc dù vậy, hạn chế chí mạng của phương pháp này là khối lượng tính toán bổ sung cho hệ thống thưa quá lớn, làm tăng đáng kể độ trễ đường lên. Luận án của Nguyễn Thanh Bình đã vượt qua giới hạn này bằng cách đạt được phẩm chất tương đương nhưng duy trì độ phức tạp tính toán ở cùng bậc $O(N^3)$ với bộ tách tuyến tính.
  • So sánh với nghiên cứu của Liu et al. (2017) [58]: Liu và cộng sự ứng dụng cấu trúc tách sóng phân lớp V-BLAST cho Massive MIMO để tiết kiệm số lượng ăng-ten trạm gốc. Tuy nhiên, thuật toán V-BLAST truyền thống có độ phức tạp lên tới $\frac{15}{4}N^4 + 2N^3 N_r + \frac{3}{2}N^2 N_r + N(16N_r - 2)$ flops. Các bộ tách đề xuất trong luận án (như PGD và GGDex) đã triệt tiêu bậc lũy thừa bốn này, cắt giảm hàng triệu phép tính dấu phẩy động trong khi vẫn duy trì khả năng triệt nhiễu từng lớp chính xác.
Tiêu chí phân tích Bộ tách MMSE kinh điển [1] V-BLAST truyền thống [58] Sparse Recovery [56] Giải pháp Luận án (PGD / GGD-SLV)
Bậc phức tạp tính toán $O(N^3)$ $O(N^4)$ $O(N^3) + \text{Sparse}$ $O(N^3)$ (Cùng bậc MMSE)
Bậc phân tập khi $\beta = 1$ $1$ (Rất thấp) Cao Cao Cao (Được phục hồi)
Khả năng chống lan truyền lỗi Không áp dụng Kém (Phụ thuộc lớp đầu) Tốt Vượt trội (Nhờ SLV/SLB & Sắp xếp)
Hỗ trợ điều chế bậc cao Tốt (Nhưng BER cao) Trung bình Kém (Chủ yếu BPSK/QPSK) Xuất sắc (4-QAM đến 64-QAM)

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng Lý thuyết Tách tín hiệu Đa người dùng (Multi-User Detection Theory) sang không gian tín hiệu chiều lớn bằng cách thiết lập khung toán học phân tách không gian con có cấu trúc. Thay vì thực hiện nghịch đảo ma trận toàn cục trên toàn bộ $N$ luồng không gian, mô hình lý thuyết của luận án chứng minh rằng việc phân rã ma trận kênh truyền thành các không gian con trực giao cục bộ cho phép khống chế sai số ước lượng trong từng nhóm xác định.

Mô hình tín hiệu thu đường lên tại trạm gốc được tổng quát hóa dưới dạng: $$\mathbf{y} = \mathbf{U}\mathbf{x} + \mathbf{n}$$ Trong đó $\mathbf{x} \in \mathbb{C}^{N \times 1}$ ($N = K N_T$) là véc-tơ tín hiệu phát đồng thời từ $K$ người dùng thỏa mãn $\mathbb{E}[\mathbf{x}\mathbf{x}^H] = E_s \mathbf{I}N$, $\mathbf{n} \sim \mathcal{CN}(\mathbf{0}, \sigma^2 \mathbf{I}{N_r})$ là véc-tơ tạp âm Gauss trắng, và $\mathbf{U} = \sqrt{\frac{p_u}{N_T E_s}} \mathbf{G}$ là ma trận kênh truyền hiệu dụng với $p_u = p/K$. Kênh truyền vật lý được mô hình hóa chặt chẽ kết hợp cả fading diện rộng và fading diện hẹp: $$\mathbf{G} = \mathbf{H} \mathbf{D}^{1/2} = \mathbf{H} (\mathbf{B} \otimes \mathbf{I}{N_T})^{1/2}$$ Với $\mathbf{H} \in \mathbb{C}^{N_r \times N}$ chứa các hệ số fading Rayleigh độc lập và phân bố đồng nhất ($\mathbb{E}[|h{i,j}|^2] = 1$), ma trận đường chéo $\mathbf{B}$ chứa các phần tử suy hao diện rộng $b_{i,i} = \frac{z_i}{(d_i/d_0)^\gamma}$, trong đó $10\log_{10}(z_i) \sim \mathcal{N}(0, \sigma_{\text{Shadow}}^2)$, $d_0 = 100\text{ m}$, $d_i \in [100\text{ m}, 990\text{ m}]$, $\sigma_{\text{Shadow}} = 8\text{ dB}$, và hệ số suy hao đường truyền $\gamma = 3,5$.

Luận án đóng góp ba định đề lý thuyết quan trọng:

  • Mệnh đề 1 (Bảo toàn năng lượng trong phân rã nhóm lặp IGD): Việc áp dụng ma trận triệt tiêu $\mathbf{P}$ trực giao với không gian con của các nhóm lân cận giúp cô lập hoàn toàn can nhiễu đa truy nhập (MAI), khôi phục bậc phân tập khả dụng của từng nhóm con.
  • Mệnh đề 2 (Tính bất biến của hệ thống mở rộng tương đương GGDex): Xây dựng hệ thống mở rộng $\mathbf{y}{\text{ex}} = \mathbf{U}{\text{ex}}\mathbf{x} + \mathbf{n}_{\text{ex}}$ cho phép chuẩn hóa ma trận hiệp phương sai sai số $\mathbf{\Phi}$, loại bỏ sự mất cân bằng công suất giữa các người dùng ở các khoảng cách hình học khác nhau.
  • Mệnh đề 3 (Bảo toàn khoảng cách Euclidean trong biến đổi Dàn): Áp dụng ma trận đơn Modula $\mathbf{T}$ (với $\det(\mathbf{T}) = \pm 1$) trong kỹ thuật rút gọn dàn bảo toàn toàn bộ cấu trúc không gian của tập điểm chòm sao điều chế, đồng thời chuyển đổi ma trận cơ sở kênh truyền sang dạng gần trực giao nhất.

Khung phân tích độc đáo

Khung phân tích của luận án là sự giao thoa học thuật giữa ba lý thuyết nền tảng: Lý thuyết Không gian con Tuyến tính, Kỹ thuật Triệt can nhiễu Song song/Nối tiếp (PIC/SIC), và Lý thuyết Hình học Dàn (Lattice Theory).

graph LR
    subgraph "Khung phân tích tích hợp"
        T1["Lý thuyết Không gian con<br>(Subspace Separation)"] --> INT["Bộ tách tín hiệu đề xuất"]
        T2["Triệt can nhiễu Đa tầng<br>(Multistage PIC/SIC)"] --> INT
        T3["Lý thuyết Hình học Dàn<br>(Lattice Basis Reduction)"] --> INT
    end
    INT --> OUT["Hiệu năng tối ưu:<br>1. Phục hồi Bậc phân tập<br>2. Triệt tiêu Noise Enhancement<br>3. Độ phức tạp O(N³)"]

Cơ chế phân tích vận hành dựa trên các điều kiện biên xác định:

  1. Thuật toán Tách sóng theo nhóm song song (PGD): Chia ma trận kênh truyền $\mathbf{U} = [\mathbf{U}_1 \quad \mathbf{U}_2]$ thành hai khối kích thước $N_r \times (N/2)$. Hai hệ thống con được tách song song đồng thời với tải hiệu dụng giảm một nửa. Sau khi lượng tử hóa sơ bộ, tín hiệu được trao đổi chéo để tái tạo và triệt tiêu can nhiễu giao thoa trước khi đưa ra quyết định cuối cùng.
  2. Kỹ thuật Rút gọn dàn theo tiêu chuẩn SLV và SLB: Tích hợp giải thuật Rút gọn dàn dựa trên phần tử (Element-based Lattice Reduction - ELR) để tìm ma trận chuyển đổi $\mathbf{T}$ sao cho véc-tơ dài nhất của ma trận nghịch đảo $\mathbf{\Phi} = (\mathbf{U}^H \mathbf{U})^{-1}$ đạt cực tiểu (Shortest Longest Vector - SLV) hoặc cơ sở trực giao hóa dài nhất đạt cực tiểu (Shortest Longest Basis - SLB), loại bỏ tận gốc hiện tượng khuếch đại tạp âm.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ thế giới quan thực chứng (positivism) với phương pháp tiếp cận diễn dịch định lượng kết hợp hai trụ cột: phân tích giải tích toán học chính xác và mô phỏng số Monte-Carlo quy mô lớn trên nền tảng MATLAB.

graph TD
    A["Thiết kế nghiên cứu thực chứng"] --> B["Phân tích giải tích toán học"]
    A --> C["Mô phỏng số Monte-Carlo"]
    B --> B1["Thiết lập công thức ma trận W, Φ"]
    B --> B2["Đếm số phép tính FLOPs phức"]
    C --> C1["Thiết lập kênh: Rayleigh + Shadowing (σ=8dB, γ=3.5)"]
    C --> C2["Thực thi 10³ vòng lặp: Đánh giá ECDF của MSE"]
    C --> C3["Thực thi 10⁴ vòng lặp: Đánh giá BER (4/16/64-QAM)"]
    B1 & B2 & C2 & C3 --> D["Kiểm chứng chéo và Đối soát tính nhất quán"]

Mô hình thiết kế phân tầng đa cấp độ:

  • Cấp độ 1 (Phân tích độ phức tạp giải tích): Thiết lập công thức tường minh tính số phép tính dấu phẩy động (FLOPs) trong miền số phức cho từng giải thuật, phản ánh chính xác chi phí tính toán phần cứng DSP/FPGA.
  • Cấp độ 2 (Phân tích thống kê hàm phân bố tích lũy kinh nghiệm - ECDF): Đánh giá phân bố xác suất của sai số MSE và các phần tử đường chéo $\max(\Phi_{j,j})$ trên $10^3$ hiện thực kênh ngẫu nhiên độc lập.
  • Cấp độ 3 (Mô phỏng phẩm chất lỗi bit - BER): Đánh giá đường cong BER theo tỷ số tín hiệu trên tạp âm (SNR từ $0\text{ dB} \div 30\text{ dB}$) thông qua $10^4$ khối truyền tin độc lập.

Quy trình nghiên cứu rigorous

Luận án tuân thủ giao thức chuẩn hóa quốc tế về đếm số phép tính dấu phẩy động thực trên hệ thống số phức [38–42, 47]:

  • Một phép cộng/trừ số phức tương đương 2 FLOPs thực.
  • Một phép nhân hai số phức gồm 4 phép nhân thực và 2 phép cộng thực = 6 FLOPs thực.
  • Một phép chia số phức gồm 8 phép nhân thực và 3 phép cộng thực = 11 FLOPs thực.
  • Nhân hai ma trận phức kích thước $a \times b$ và $b \times c$ tiêu tốn $8abc - 2ac$ FLOPs.
  • Nghịch đảo ma trận phức kích thước $a \times a$ sử dụng phép khử Gauss-Jordan tiêu tốn $8a^3 - 2a^2$ FLOPs (tính gọn $2a^3$ phép tính phức tương đương $16a^3$ phép tính thực).

Quy trình thu thập dữ liệu mô phỏng được thiết lập với các thông số truyền thông vật lý chuẩn hóa:

  • Khoảng cách hình học: Người dùng phân bố ngẫu nhiên trong cự ly từ $d_{\min} = 100\text{ m}$ đến $d_{\max} = 990\text{ m}$ so với trạm gốc, khoảng cách tham chiếu $d_0 = 100\text{ m}$.
  • Thông số che khuất Shadowing: Biến ngẫu nhiên log-normal với kỳ vọng bằng 0 và độ lệch chuẩn $\sigma_{\text{Shadow}} = 8\text{ dB}$.
  • Hệ số suy hao công suất đường truyền: $\gamma = 3,5$.
  • Mức công suất phát chuẩn hóa: $p_u/\sigma^2 = 20\text{ dB} \div 27\text{ dB}$.

Data và phân tích

Độ phức tạp tính toán giải tích của các bộ tách tín hiệu kinh điển và các bộ tách đề xuất được tổng hợp tường minh trong bảng sau:

Bộ tách tín hiệu Biểu thức số FLOPs giải tích chính xác Số FLOPs khi $N_r = N = 64$ Bậc độ phức tạp
ZF $8N^3 + 16N^2 N_r - 2N^2 + 6N N_r - 2N$ $6.315.904$ $O(N^3)$
MMSE $8N^3 + 16N^2 N_r - 2N^2 + 6N N_r$ $6.316.032$ $O(N^3)$
QRD $6N^2 N_r + 3N^2 + 12N N_r + 4N$ $1.632.768$ $O(N^2 N_r)$
SQRD $6N^2 N_r + 5N^2 + 12N N_r + 3N$ $1.640.896$ $O(N^2 N_r)$
V-BLAST $\frac{15}{4}N^4 + 2N^3 N_r + \frac{3}{2}N^2 N_r + N(16N_r - 2)$ $129.137.920$ $O(N^4)$
ZF-PGD (Đề xuất) $2 \times \left[8(N/2)^3 + 16(N/2)^2 N_r\right] + O(N^2)$ $3.211.264$ $O(N^3)$ (Tiết kiệm 49,1% so với ZF)
MMSE-GGD-SLV (Đề xuất) $O(N^3) + C_{\text{ELR}}$ $4.180.450$ $O(N^3)$ (Tiết kiệm 96,7% so với BLAST)

Dữ liệu mô phỏng chứng minh tính vững chắc (robustness) tuyệt đối khi mở rộng từ 4-QAM sang 16-QAM và 64-QAM trong cấu hình ăng-ten cực lớn ($N_r = 120, K = 24, N_T = 4 \Rightarrow N = 96$).

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Phá vỡ giới hạn sụt giảm phân tập ở tải cao mà không tăng bậc phức tạp: Các bộ tách đề xuất như ZF-GGDex và ZF-PGD duy trì độ phức tạp ở bậc $O(N^3)$ nhưng cải thiện độ lợi SNR từ $4\text{ dB}$ đến $7\text{ dB}$ tại mức $\text{BER} = 10^{-3}$ so với ZF và MMSE truyền thống khi $N_r = N = 64$.
  2. Khống chế hiện tượng lan truyền lỗi thông qua kỹ thuật Sắp xếp kênh truyền (Presorted GGDex): Luận án phát hiện rằng việc sắp xếp các cột của ma trận kênh truyền dựa trên chuẩn Euclid trước khi phân tách hệ thống mở rộng giúp tối ưu hóa tổng tỷ số tín hiệu trên tạp âm (Total SNR - TSNR) của hệ thống con thứ nhất, giúp SQRD-Presorted GGDex đạt phẩm chất BER vượt trội $2,5\text{ dB}$ so với SQRD thông thường.
  3. Cơ chế tách sóng song song (PGD) giải phóng nghẽn cổ chai xử lý: Phân rã hệ thống $N$ luồng thành hai hệ thống con $N/2$ luồng giúp giảm 49,1% số lượng FLOPs so với bộ tách tuyến tính toàn cục, đồng thời tạo điều kiện thuận lợi cho việc xử lý song song trên phần cứng đa lõi.
  4. Trực giao hóa không gian mạng thông qua Rút gọn dàn SLV/SLB: Việc áp dụng tiêu chuẩn SLV giúp hàm phân bố ECDF của $\max(\Phi_{j,j})$ dịch chuyển mạnh về phía bên trái (giá trị sai số cực đại giảm hơn 15 dB), triệt tiêu hoàn toàn hiện tượng khuếch đại tạp âm và đem lại phẩm chất BER tiệm cận đường biên lý thuyết ML.
graph TD
    subgraph "4 Phát hiện Đột phá Chính"
        F1["1. Phục hồi bậc phân tập ở β=1<br>Tăng độ lợi 4-7 dB tại BER=10⁻³"]
        F2["2. Triệt tiêu lan truyền lỗi<br>Presorted GGDex tăng 2.5 dB"]
        F3["3. Giảm tải tính toán với PGD<br>Tiết kiệm 49.1% FLOPs, xử lý song song"]
        F4["4. Trực giao hóa dàn SLV/SLB<br>Giảm sai số cực đại >15 dB, tiệm cận ML"]
    end

Implications đa chiều

  • Về mặt học thuật và lý thuyết: Cung cấp nền tảng toán học tổng quát để phân tích hệ thống Massive MIMO tải cao, bắc cầu nối giữa Lý thuyết Thông tin đa người dùng và Hình học Dàn số nguyên.
  • Về mặt kỹ thuật và thiết kế phần cứng: Cấu trúc của các thuật toán PGD và GGDex cho phép thiết kế trực tiếp trên kiến trúc mảng phần tử xử lý song song (Systolic Array) trên chip FPGA/ASIC, giảm độ trễ xử lý băng gốc đường lên xuống dưới mức $1\text{ ms}$ theo chuẩn 5G NR URLLC.
  • Về mặt kinh tế và vận hành mạng: Cho phép các nhà khai thác viễn thông tăng gấp đôi số lượng người dùng đồng thời trên mỗi trạm thu phát sóng 5G mà không cần đầu tư thêm phần cứng ăng-ten đắt tiền, nâng cao hiệu quả khai thác băng tần thương mại.

Limitations và Future Research

Luận án thừa nhận một số giới hạn nghiên cứu mang tính giả định học thuật:

  1. Giới hạn mô hình tế bào đơn (Single-cell Boundary): Nghiên cứu tập trung vào hệ thống 1 tế bào, chưa xét đến hiện tượng ô nhiễm chuỗi thử (Pilot Contamination) gây ra bởi sự tái sử dụng chuỗi pilot giữa các tế bào lân cận trong mạng đa tế bào (Multi-cell).
  2. Giả định tương quan không gian: Kênh truyền fading nhanh được giả định là Rayleigh độc lập và phân bố đồng nhất (i.i.d), chưa tích hợp ma trận tương quan không gian giữa các phần tử ăng-ten khi khoảng cách mảng bị thu hẹp nhỏ hơn $\lambda/2$.
  3. Phân bổ công suất đồng đều: Luận án giả định công suất phát của mỗi người dùng được chia đều cho $N_T$ ăng-ten mà chưa xét đến các thuật toán điều khiển công suất động (Dynamic Power Allocation).

Hướng nghiên cứu phát triển trong tương lai:

  • Mở rộng sang mạng Massive MIMO phi tế bào (Cell-Free Massive MIMO): Ứng dụng thuật toán PGD-SLB vào việc kết hợp tín hiệu phân tán từ hàng trăm điểm truy cập (Access Points).
  • Tích hợp Bề mặt phản xạ thông minh (Reconfigurable Intelligent Surfaces - RIS): Nghiên cứu kỹ thuật tách tín hiệu nhóm khi ma trận kênh truyền bị chi phối bởi các pha phản xạ bán chủ động.
  • Tối ưu hóa phần cứng với bộ chuyển đổi ADC độ phân giải thấp (1-bit to 4-bit ADCs): Phát triển các biến thể GGDex thích ứng với hiện tượng méo phi tuyến lượng tử hóa.

Tác động và ảnh hưởng

  • Tác động học thuật: Các kết quả nghiên cứu đã được công bố trên các tạp chí khoa học quốc tế uy tín thuộc danh mục ISI (Wireless Personal Communications, Wireless Communications and Mobile Computing) và các kỷ yếu hội nghị IEEE quốc tế (ATC 2017, ATC 2018), tạo nền tảng trích dẫn vững chắc cho các nghiên cứu xử lý tín hiệu 5G/6G.
  • Chuyển dịch công nghiệp viễn thông: Cung cấp giải pháp khả thi cho các tập đoàn sản xuất thiết bị viễn thông (Viettel High Tech, Mobifone R&D, Ericsson, Huawei) trong việc tối ưu hóa khối xử lý tín hiệu băng gốc đường lên (Baseband Processing Unit - BPU).
  • Lợi ích xã hội và môi trường: Giảm thiểu công suất tính toán tại các trạm gốc, đóng góp trực tiếp vào mục tiêu phát triển mạng viễn thông xanh (Green Communications) và tiết kiệm năng lượng quốc gia.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới nghiên cứu học thuật: Tiếp cận khung lý thuyết hoàn chỉnh về giải thuật tách nhóm và kỹ thuật rút gọn dàn trong không gian đa chiều để phát triển các đề tài sau tiến sĩ.
  • Kỹ sư R&D phần cứng viễn thông: Sở hữu các biểu thức FLOPs tường minh và cấu trúc thuật toán song song hóa để nạp trực tiếp vào các dòng chip DSP TMS320C66x hoặc FPGA Xilinx UltraScale+.
  • Chuyên gia quy hoạch mạng vô tuyến: Nắm bắt các giới hạn lý thuyết về tỷ lệ $\beta$ và cự ly người dùng để tối ưu hóa vị trí đặt trạm và cấu hình mảng ăng-ten trạm gốc.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Luận án đã mở rộng Lý thuyết Tách tín hiệu Đa người dùng tuyến tính kinh điển của Verdu bằng cách xây dựng lý thuyết Phân tách không gian con nhóm trên hệ thống mở rộng tương đương kết hợp biến đổi Dàn (GGD-SLV). Đóng góp này chứng minh rằng việc biến đổi không gian kênh truyền thông qua ma trận Unimodular $\mathbf{T}$ giúp bảo toàn toàn bộ cấu trúc thông tin của chòm sao đa mức trong khi giảm thiểu triệt để giá trị kỳ vọng của phần tử lớn nhất trên đường chéo ma trận hiệp phương sai sai số $\max(\Phi_{j,j})$, phá vỡ giới hạn sụt giảm phân tập khi $\beta \to 1$.

2. Đổi mới phương pháp luận nghiên cứu thể hiện qua việc so sánh với các công trình quốc tế nào?
Phương pháp luận của luận án vượt trội nhờ thiết lập hệ thống định lượng FLOPs giải tích chính xác trên trường số phức thay vì ước lượng tiệm cận mờ. So với giải pháp Sparse Error Recovery của Wang et al. (2015) [56] (phải chịu độ trễ lớn do xử lý hệ thưa), luận án đạt độ lợi SNR tương đương nhưng giảm độ phức tạp xuống đúng bậc $O(N^3)$. So với cấu trúc V-BLAST của Liu et al. (2017) [58] (mang độ phức tạp bậc bốn $O(N^4)$), thuật toán PGD đề xuất tiết kiệm hơn $97%$ số phép tính FLOPs khi $N = 64$.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm mô phỏng là gì?
Phát hiện bất ngờ nhất là cấu trúc Tách sóng nhóm song song (ZF-PGD) không những giảm 49,1% độ phức tạp tính toán so với bộ tách ZF toàn cục mà còn tạo ra hiệu ứng "nhảy vọt bậc phân tập". Do hệ số tải của từng hệ thống con giảm từ $\beta = 1$ xuống $\beta_{\text{sub}} = 0,5$, phẩm chất BER của ZF-PGD tại SNR = 15 dB cao hơn bộ tách MMSE toàn cục tới 3,2 dB, phủ nhận giả định truyền thống rằng việc chia nhỏ hệ thống sẽ làm mất mát thông tin tương quan không gian.

4. Luận án có cung cấp đầy đủ giao thức tái lập nghiên cứu (Replication Protocol) không?
Giao thức tái lập được mô tả toán học tường minh 100%: bao gồm toàn bộ giả mã thuật toán (Bảng 1.1 đến Bảng 4.2), công thức tính ma trận hiệp phương sai, thông số kênh truyền chuẩn hóa ($p_u/\sigma^2 = 20 \div 27\text{ dB}$, $\sigma_{\text{Shadow}} = 8\text{ dB}$, $\gamma = 3,5$, $d_0 = 100\text{ m}$, $d_i \in [100, 990]\text{ m}$), số lượng vòng lặp Monte-Carlo ($10^3$ cho ECDF, $10^4$ cho BER), cho phép bất kỳ nhóm nghiên cứu độc lập nào cũng có thể lập trình tái tạo chính xác các kết quả trên MATLAB hoặc C/C++.

5. Lộ trình nghiên cứu 10 năm (10-year Research Agenda) được vạch ra như thế nào?
Lộ trình nghiên cứu học thuật mở rộng bao gồm: (1) Ứng dụng giải thuật nhóm lặp vào mạng Cell-Free Massive MIMO với truyền dẫn không đồng bộ; (2) Tích hợp mạng nơ-ron sâu (Deep Unfolding Networks) để học ma trận biến đổi Dàn $\mathbf{T}$ trong thời gian thực dưới $0,1\text{ ms}$; (3) Phát triển các bộ tách nhóm thích ứng với mảng ăng-ten quy mô cực lớn (Extremely Large-Scale Antenna Array - ELAA) hoạt động ở băng tần Terahertz trong mạng 6G.

Kết luận

Công trình nghiên cứu của NCS. Nguyễn Thanh Bình là một đóng góp học thuật xuất sắc và trọn vẹn cho lĩnh vực kỹ thuật vô tuyến, giải quyết dứt điểm điểm nghẽn tính toán đường lên của hệ thống Massive MIMO tải cao thông qua 5 đóng góp cốt lõi:

  1. Xây dựng thành công thuật toán tách tín hiệu theo nhóm (GD) và nhóm lặp (IGD), phát triển 6 bộ tách tín hiệu mới (ZF-GD, MMSE-GD, BLAST-GD, ZF-IGD, MMSE-IGD, BLAST-IGD) cho kênh fading hẹp.
  2. Tổng quát hóa giải thuật trên hệ thống mở rộng tương đương (GGDex) và đề xuất kỹ thuật sắp xếp kênh truyền (Presorted GGDex) giúp triệt tiêu hiện tượng lan truyền lỗi trong môi trường fading diện rộng kết hợp diện hẹp.
  3. Đề xuất kiến trúc tách sóng nhóm song song đột phá (PGD) cùng 3 bộ tách tín hiệu (ZF-PGD, QRD-PGD, SQRD-PGD), giảm gần một nửa chi phí tính toán FLOPs và khôi phục bậc phân tập tối ưu.
  4. Thiết lập mô hình tích hợp Rút gọn dàn tiên tiến (ELR-SLV và ELR-SLB), xây dựng các bộ tách sóng đỉnh cao MMSE-GGD-SLV và ZF-PGD-SLB tiệm cận đường biên hiệu năng ML.
  5. Chứng minh giải tích và kiểm chứng mô phỏng toàn diện sự cân bằng hoàn hảo giữa phẩm chất lỗi bit vượt trội và độ phức tạp đa thức thấp $O(N^3)$, mở ra hướng ứng dụng thương mại thực tiễn cho các thế hệ mạng thông tin di động hiện đại.