Giới thiệu dự án

Sự bùng nổ của lưu lượng dữ liệu di động toàn cầu cùng với sự xuất hiện của các dịch vụ thế hệ mới như thực tế ảo mở rộng (XR), truyền thông giao tiếp ba chiều (Holographic Telepresence) và kết nối vạn vật thông minh (AIoT) đang đặt ra thách thức chưa từng có cho hạ tầng viễn thông. Trong khi mạng 5G đạt đỉnh ở tốc độ vài Gbps, thế hệ mạng vô tuyến 6G hướng tới mục tiêu tốc độ truyền dẫn đạt từ 100 Gbps đến 1 Tbps, độ trễ dưới 1 ms và mật độ kết nối lên tới 10 triệu thiết bị/$\text{km}^2$. Tuy nhiên, việc dịch chuyển lên các dải tần số siêu cao (mmWave và Terahertz - THz) khiến sóng điện từ chịu tổn hao truyền sóng (path loss) cực lớn và đặc biệt nhạy cảm với các vật cản vật lý, gây ra hiện tượng mất tầm nhìn thẳng (Non-Line-of-Sight - NLoS) và tạo ra các "vùng mù" phủ sóng trong môi trường đô thị hoặc trong nhà.

       +-----------------------------------------------------------+
       |             MÔ HÌNH TRUYỀN DẪN VÔ TUYẾN HỖ TRỢ RIS        |
       +-----------------------------------------------------------+
       
       [ Nguồn phát (S) ] --- Kênh h_i (Rayleigh) ---> [ Bề mặt RIS (N phần tử) ]
         (Transmitter)                                  | (Điều khiển pha theta_i)
                                                        |
         [ Vật cản / Suy hao NLoS ]                     | Kênh g_i (Rayleigh)
                                                        v
                                              [ Máy thu đích (D) ]
                                                (Receiver)

Vấn đề cốt lõi đặt ra là các giải pháp truyền thống như trạm phát phụ (Small-cell Base Station) hay bộ lặp khuếch đại chủ động (Active Relay) đòi hỏi chi phí phần cứng rất lớn, tiêu thụ nhiều năng lượng và làm tăng độ phức tạp xử lý RF (Radio Frequency chains). Để khắc phục triệt để rào cản này, đề tài "Nghiên cứu một mạng vô tuyến với sự trợ giúp của bề mặt phản xạ thông minh" được thực hiện bởi nhóm nghiên cứu Trường Đại học Sư phạm Kỹ thuật TP.HCM (GVHD: TS. Phạm Ngọc Sơn; SVTH: Đoàn Nguyễn Duy Bảo, Phạm Thiên Đông) nhằm đề xuất giải pháp tái cấu trúc môi trường truyền sóng bằng bề mặt phản xạ thông minh (Reconfigurable Intelligent Surface - RIS).

Các mục tiêu nghiên cứu cụ thể của đồ án bao gồm:

  1. Tổng hợp và chuẩn hóa cơ sở lý thuyết về cấu tạo vật liệu, cơ chế điều khiển pha và nguyên lý hoạt động của bề mặt phản xạ thông minh RIS trong mạng 6G.
  2. Xây dựng mô hình toán học giải tích end-to-end ($e2e$) cho kênh truyền Rayleigh không có đường tầm nhìn thẳng trực tiếp giữa nguồn phát ($S$) và máy thu đích ($D$).
  3. Thiết lập giải thuật và mô phỏng trên nền tảng MATLAB để đánh giá định lượng 3 chỉ số hiệu năng cốt lõi: Tỷ lệ tín hiệu trên nhiễu trung bình (Average SNR), Xác suất dừng (Outage Probability - OP), và Dung lượng Ergodic (Ergodic Capacity - EC).
  4. Phân tích tác động của số lượng phần tử metasurface ($N$) và công suất phát ($\rho_t$) đối với độ tin cậy và hiệu năng toàn hệ thống.

Phạm vi nghiên cứu tập trung vào mô hình mạng vô tuyến điểm - điểm với $S$ và $D$ trang bị ăng-ten đơn, liên lạc gián tiếp qua một mảng RIS gồm $N$ phần tử phản xạ thụ động lý tưởng hoạt động trên kênh fading Rayleigh phẳng biến đổi chậm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để giải quyết bài toán suy hao tín hiệu và tắc nghẽn NLoS, các công nghệ lớp vật lý hiện nay được đặt lên bàn cân so sánh:

Tiêu chí so sánh Bề mặt phản xạ thông minh (RIS) Kỹ thuật Đa ăng-ten (Massive MIMO) Bộ chuyển tiếp chủ động (Relay AF/DF) Tán xạ ngược (Backscatter)
Cơ chế hoạt động Tái cấu hình pha thụ động/bán chủ động Xử lý chùm tia chủ động (Active beamforming) Thu, khuếch đại/giải mã rồi phát lại Phản xạ thụ động tín hiệu nền
Chế độ song công Song công toàn phần (Full-duplex) Full-duplex / Half-duplex Thường là Bán song công (Half-duplex) Song công (Full-duplex)
Số chuỗi RF cần thiết 0 chuỗi RF (Không cần ADC/DAC/PA) Rất nhiều (tương ứng số ăng-ten) Nhiều (yêu cầu khối thu/phát riêng) 0 chuỗi RF
Năng lượng tiêu thụ Cực thấp (Chỉ cấp nguồn cho vi điều khiển) Rất cao Cao Rất thấp
Chi phí phần cứng Thấp (Mạch in Metasurface phẳng) Rất đắt đỏ Cao Rất thấp
Độ phức tạp lắp đặt Dễ triển khai trên tường, kính, trần nhà Cồng kềnh, tải trọng lớn Trung bình Rất dễ

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Mô hình hóa chính xác kênh truyền kép $S \to \text{RIS} \to D$; bù pha tối ưu $\theta_i = -(\theta_{hi} + \theta_{gi})$ để các tín hiệu phản xạ đồng pha tại $D$; giải thuật Monte Carlo $10^4$ khung bit trên MATLAB.
  • Should-have (Nên có): Công thức gần đúng dạng đóng (closed-form approximation) cho hàm mật độ xác suất (PDF) và hàm phân phối tích lũy (CDF) của SNR $e2e$.
  • Could-have (Có thể có): Mở rộng đánh giá hiệu năng khi thay đổi ngưỡng truyền dẫn $\rho_{th}$ và biến thiên số lượng phần tử $N \in {1, 2, 5, 10}$.
  • Won't-have (Chưa thực hiện): Chế tạo phần cứng mẫu vật lý và ước lượng kênh truyền thời gian thực (CSI estimation) trong môi trường di động cao.

Thiết kế hệ thống

Kiến trúc phần cứng của RIS gồm cấu trúc 3 lớp tích hợp:

  1. Lớp ngoài cùng (Metasurface Layer): Chứa mảng $N$ phần tử phản xạ siêu bề mặt (Reflection Units). Mỗi phần tử tích hợp các linh kiện bán dẫn như Diode biến dung (Varactor Diode) hoặc Diode PIN đóng/ngắt để điều khiển liên tục hoặc rời rạc độ dịch pha từ $0$ đến $2\pi$.
  2. Lớp giữa (Ground Plane): Mặt phẳng kim loại bằng đồng đóng vai trò cách ly, triệt tiêu hiện tượng rò rỉ năng lượng điện từ ra phía sau.
  3. Lớp trong cùng (Control Layer): Bo mạch tích hợp vi điều khiển (Microcontroller) kết nối với mạng lõi để điều khiển phân cực điện áp độc lập cho từng diode, định hình búp sóng phản xạ (Passive Beamforming).
graph TD
    subgraph Signal_Flow ["Quy trình xử lý tín hiệu"]
        S["Nguồn phát (S)"] -->|"Kênh fading h_i"| RIS["Mảng phản xạ RIS (N phần tử)"]
        RIS -->|"Kênh fading g_i"| D["Máy thu đích (D)"]
    end
    subgraph Control_Flow ["Cơ chế điều khiển pha"]
        MCU["Bộ điều khiển trung tâm"] -.->|"Điện áp phân cực"| Diode["Varactor / PIN Diode"]
        Diode -.->|"Dịch pha theta_i = -(theta_hi + theta_gi)"| RIS
    end

Công nghệ và môi trường thực thi:

  • Nền tảng mô phỏng: MATLAB R2020b / R2021a.
  • Thư viện chuyên dụng: Signal Processing Toolbox, Statistics and Machine Learning Toolbox.
  • Phương pháp lấy mẫu: Mô phỏng thống kê ngẫu nhiên Monte Carlo với $M = 10^4$ bit frames cho mỗi mức công suất truyền $\rho_t$ từ $-40\text{ dB}$ đến $+40\text{ dB}$.

Cơ sở toán học và mô hình kênh truyền

Tín hiệu băng tần cơ sở tương đương nhận được tại nút đích $D$ được biểu diễn bởi phương trình:

$$y = \left( \sum_{i=1}^{N} h_i g_i r_i \right) x + n$$

Trong đó:

  • $x$ là tín hiệu truyền với công suất $E_s = \mathbb{E}[|x|^2]$.
  • $n \sim \mathcal{CN}(0, N_0)$ là tạp âm Gauss trắng cộng (AWGN) với phương sai $N_0$.
  • $h_i = |h_i| e^{j\theta_{hi}}$ và $g_i = |g_i| e^{j\theta_{gi}}$ lần lượt là hệ số kênh fading Rayleigh phẳng giữa $S \to \text{phần tử } i$ và $\text{phần tử } i \to D$.
  • $r_i = |r_i| e^{j\theta_i}$ là hệ số phản xạ của phần tử thứ $i$. Khi đặt biên độ phản xạ lý tưởng $|r_i| = 1$ và dịch pha tối ưu $\theta_i = -(\theta_{hi} + \theta_{gi})$, ta thu được tín hiệu đồng pha hoàn toàn tại $D$:

$$A = \sum_{i=1}^{N} |h_i| |g_i|$$

Tỷ lệ SNR tức thời đầu cuối ($e2e$ SNR) tại $D$ đạt cực đại:

$$\rho = A^2 \rho_s \quad \text{với} \quad \rho_s = \frac{E_s}{N_0}$$

Hệ số khuếch đại đa dạng (Diversity Gain) của hệ thống tỷ lệ với bình phương số phần tử:

$$G_{RIS} \propto \left(\frac{16 - \pi^2}{\pi^2}\right) N^2$$

Xác suất dừng (Outage Probability - OP) với ngưỡng tốc độ $\rho_{th}$ được tính theo hàm Gamma không đầy đủ:

$$P_0 = \Pr(\rho < \rho_{th}) = \frac{\gamma\left(a+1, \frac{\rho_{th}}{b\sqrt{\rho_s}}\right)}{\Gamma(a+1)}$$

Dung lượng Ergodic (Ergodic Capacity - EC) đo lường tốc độ truyền dữ liệu không lỗi cực đại đạt được:

$$C = \mathbb{E}\left[ \log_2(1 + \rho) \right] = \int_{0}^{\infty} \log_2(1 + x) f_{\rho}(x) dx$$

Implementation và kết quả

Thuật toán và cấu trúc mã nguồn mô phỏng

Toàn bộ giải thuật được module hóa trên MATLAB thành chương trình chính (Main) và hai module con phục vụ tính toán giải tích (SNR_LT) và mô phỏng thống kê Monte Carlo (ASNR_SM).

% =========================================================================
% MODULE MÔ PHỎNG MONTE CARLO: TÍNH SNR TRUNG BÌNH QUA KÊNH TRUYỀN HỖ TRỢ RIS
% =========================================================================
function ASNR_SM = ASNR_SM(ro_t_dB, bit_frame, N, FIG1)
    SUM_SM = zeros(1, length(ro_t_dB));
    SNR = 10.^(ro_t_dB / 10);
    ro_s = SNR;
    var_channel = 2; % Phương sai kênh truyền Rayleigh
    
    for kk = 1:length(ro_t_dB)
        for bit_num = 1:bit_frame(kk)
            A = 0;
            for ii = 1:N
                % Giả lập đáp ứng kênh Rayleigh độc lập S-RIS và RIS-D
                hi = (randn(1,1) + 1i*randn(1,1)) * sqrt(var_channel/4);
                gi = (randn(1,1) + 1i*randn(1,1)) * sqrt(var_channel/4);
                
                % Đồng pha hóa tối ưu tại phần tử metasurface thứ i
                abs_hi = abs(hi);
                abs_gi = abs(gi);
                A = A + abs_hi * abs_gi; % Tổng biên độ theo công thức (3.6)
            end
            % SNR tức thời e2e tại nút đích D
            ro = ro_s(kk) * (A^2);
            SUM_SM(kk) = SUM_SM(kk) + ro;
        end
    end
    
    % Giá trị SNR trung bình qua 10^4 lần thử nghiệm
    ASNR_SM = SUM_SM ./ bit_frame;
    
    if (FIG1 == 1)
        semilogy(ro_t_dB, ASNR_SM, 'sb', 'LineWidth', 1.2, 'MarkerSize', 6);
        grid on; hold on;
        xlabel('Công suất phát \rho_t (dB)');
        ylabel('Average SNR (dB)');
    end
end

% =========================================================================
% MODULE PHÂN TÍCH GIẢI TÍCH (ANALYTICAL): TÍNH DỰA TRÊN HÀM PHÂN PHỐI GAMMA
% =========================================================================
function Out_SNR_LT = SNR_LT(ro_t_dB, N, FIG1)
    SNR = 10.^(ro_t_dB / 10);
    ro_s = SNR;
    % Ước lượng các tham số phân phối thống kê của A
    k1 = (pi^2) / (16 - pi^2);
    a = k1 * N - 1;
    b = (16 - pi^2) / (2 * pi);
    
    % Tính kỳ vọng toán học giải tích của SNR e2e
    ts = gamma(a + 1);
    diversity_factor = (gamma(a + 3) * (b^2)) / ts;
    Out_SNR_LT = ro_s .* diversity_factor;
    
    if (FIG1 == 1)
        semilogy(ro_t_dB, Out_SNR_LT, '-r', 'LineWidth', 1.5);
        grid on; hold on;
        legend('Mô phỏng Monte Carlo', 'Lý thuyết Giải tích');
    end
end

Kết quả đo lường và đánh giá thực nghiệm

Kết quả mô phỏng trên $10^4$ khung dữ liệu phản ánh sự tương thích tuyệt đối giữa phân tích toán học và thực nghiệm số:

    Xác suất dừng (Outage Probability) theo SNR với các giá trị N khác nhau:
    
    10^0  +---\-----------------------------------------+
          |    \---\  (N=1)                             |
    10^-2 |         \---\                               |
          |              \---\  (N=2)                   |
    10^-6 |                   \---\                     |
          |                        \---\  (N=5)         |
    10^-12|                             \---\           |
          |                                  \---\      |
    10^-16+---------------------------------------\-----+
         -20dB     -10dB      0dB       10dB      20dB     30dB

  1. Tỷ lệ tín hiệu trên nhiễu trung bình (Average SNR):

    • Với số lượng phần tử $N$ cố định, Average SNR tăng tuyến tính chính xác theo độ tăng của công suất phát $\rho_t$ (tỷ lệ 1:1 trên thang logarit).
    • Khi tăng số phần tử metasurface từ $N=1$ lên $N=5$, mức tăng ích độ lợi SNR đạt xấp xỉ $14\text{ dB}$ tại cùng mức công suất phát, minh chứng cho việc mở rộng số phần tử phản xạ khuếch đại năng lượng tín hiệu vượt bậc mà không cần tăng công suất trạm phát.

  2. Xác suất dừng (Outage Probability - OP):

    • Khi cố định $N=5$, tại mức $\text{SNR} = -20\text{ dB}$, hệ thống có $\text{OP} \approx 10^0$ (nghẽn kết nối hoàn toàn). Khi tăng SNR lên $-10\text{ dB}$, OP giảm mạnh xuống $10^{-1}$, và khi SNR đạt $+30\text{ dB}$, OP triệt tiêu xuống mức $10^{-16}$.
    • Tại mức $\text{SNR} = 0\text{ dB}$, chuyển đổi từ $N=1$ sang $N=5$ giúp giảm xác suất ngắt kết nối từ $4.5 \times 10^{-1}$ xuống dưới $10^{-4}$ (cải thiện hơn 4500 lần).

  3. Dung lượng Ergodic (Ergodic Capacity - EC):

    • Đồ thị dung lượng kênh biểu diễn xu hướng tăng logarit theo $\rho_t$. Tại $\rho_t = 10\text{ dB}$, hệ thống đạt $\text{EC} \approx 5.2\text{ bps/Hz}$; khi tăng $\rho_t$ lên $30\text{ dB}$, EC tăng trưởng gấp đôi lên mức xấp xỉ $10.4\text{ bps/Hz}$ với $N=5$.
    • Tăng $N$ giúp dịch chuyển toàn bộ đường cong dung lượng lên phía trên mà không làm biến dạng đáp ứng phổ.

Đổi mới và đóng góp

  1. Chuyển dịch mô hình truyền dẫn từ thụ động thích ứng sang chủ động định hình môi trường: Thay vì chấp nhận kênh truyền vô tuyến là một thực thể ngẫu nhiên không thể can thiệp, nghiên cứu chứng minh RIS cho phép lập trình hóa không gian truyền sóng (Smart Radio Environment), biến các vật cản thành các điểm chuyển tiếp tín hiệu có lợi.
  2. Loại bỏ hoàn toàn gánh nặng phần cứng RF: Khác với hệ thống khuếch đại và chuyển tiếp truyền thống (AF/DF Relay) đòi hỏi bộ trộn tần, bộ biến đổi DAC/ADC và bộ khuếch đại công suất cao (PA), kiến trúc RIS trong nghiên cứu vận hành hoàn toàn thụ động, giúp tiết kiệm tới 85 - 90% điện năng tiêu thụ của hạ tầng trạm thu phát.
  3. Đóng góp giải tích toán học chuẩn xác: Đồ án đã thiết lập thành công mô hình giải tích dựa trên phân phối Gamma rút gọn và hàm Bessel loại 2 ($K_0, K_1, K_2$), tạo cơ sở lý thuyết vững chắc cho các kỹ sư viễn thông ước tính nhanh hiệu năng kênh truyền mà không cần chạy mô phỏng ngẫu nhiên tiêu tốn tài nguyên tính toán.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng điển hình

       +-------------------------------------------------------------------+
       |                 ỨNG DỤNG RIS TRONG TÒA NHÀ THÀNH PHỐ              |
       +-------------------------------------------------------------------+
       
       Trạm phát Base Station (GBS)
            \
             \ (Sóng tần số cao mmWave)
              v
       [ Tấm kính cửa sổ phủ màng RIS ] ===> Tái định hướng chùm tia (Beamforming)
                                              |
                        +---------------------+---------------------+
                        |                                           |
                        v                                           v
             [ Thiết bị trong phòng họp ]               [ Cảm biến IoT thông minh ]
  • Phủ sóng trong nhà thông minh & văn phòng cao tầng: Triển khai tấm dán màng mỏng RIS siêu nhẹ lên bề mặt kính cửa sổ hoặc tường ngăn để bẻ hướng sóng mmWave/THz từ trạm phát ngoài trời vào các góc khuất bên trong phòng làm việc.
  • Hạ tầng giao thông thông minh (V2X): Gắn các mảng RIS lên biển báo giao thông hoặc mặt tiền các tòa nhà ngã tư để duy trì kết nối liên tục, chống rớt gói tin cho xe tự hành di chuyển ở tốc độ cao khi bị xe tải lớn che khuất tầm nhìn thẳng.
  • Mạng công nghiệp không dây (IIoT): Triển khai trong các nhà xưởng cơ khí nhiều kết cấu thép gây phản xạ phức tạp, giúp tối ưu hóa định tuyến tín hiệu điều khiển robot tự hành AGV với độ trễ dưới 1 ms.

Lộ trình triển khai thực tế (Roadmap)

Giai đoạn 1 (Hiện thực)    Giai đoạn 2 (Thử nghiệm)    Giai đoạn 3 (Thương mại hóa)
  [ Mô phỏng MATLAB ]   -->   [ Phần cứng mẫu FPGA ] -->   [ Tích hợp 6G Thương mại ]
   - Kiểm chứng lý thuyết      - Tấm RIS 64 phần tử         - Điều khiển AI thời gian thực
   - Khảo sát tham số          - Test suy hao phòng Lab     - Dán bề mặt diện rộng
  • Yêu cầu phần cứng tối thiểu để triển khai thử nghiệm: Tấm metasurface 64 hoặc 256 phần tử trên chất nền FR4/Rogers, mảng Diode PIN/Varactor tần số hoạt động 28 GHz, bo mạch vi điều khiển nhúng ARM Cortex-M4 hoặc chip FPGA hỗ trợ cập nhật ma trận pha với tần số quét tối thiểu 1 kHz.
  • Phân tích chi phí - lợi ích (ROI): Việc triển khai một mảng RIS thụ động có chi phí chế tạo ước tính chỉ bằng 15-20% so với việc lắp đặt thêm một trạm thu phát sóng cỡ nhỏ (Femtocell/Small Cell), đồng thời chi phí bảo trì định kỳ và điện năng tiêu thụ giảm hơn 80%, giúp các nhà mạng (Telcos) thu hồi vốn đầu tư hạ tầng chỉ sau 18 - 24 tháng vận hành.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả lý thuyết và mô phỏng quan trọng, đề tài vẫn tồn tại một số hạn chế kỹ thuật cần được khắc phục trong các nghiên cứu chuyên sâu tiếp theo:

  • Giả thiết điều kiện lý tưởng: Mô hình hiện tại giả định bề mặt phản xạ có hệ số biên độ tuyệt đối $|r_i| = 1$ và độ dịch pha điều khiển liên tục. Trong thực tế, các linh kiện diode luôn có điện trở ký sinh gây suy hao phản xạ (thường $|r_i| \approx 0.8 - 0.9$) và pha bị lượng tử hóa rời rạc (1-bit hoặc 2-bit phase shifts).
  • Thông tin trạng thái kênh truyền (CSI): Giả định trạm điều khiển nắm bắt thông tin kênh hoàn hảo (Perfect CSI). Đối với RIS thụ động không có mạch thu sóng RF riêng, việc ước lượng kênh truyền chính xác theo thời gian thực là thách thức rất lớn.
  • Hướng phát triển:
    1. Tích hợp thuật toán học sâu (Deep Reinforcement Learning) trên vi điều khiển để tự động tối ưu hóa góc dịch pha thích nghi với vị trí người dùng di động.
    2. Mở rộng mô hình nghiên cứu sang hệ thống đa người dùng (Multi-user MISO/MIMO) kết hợp công nghệ đa truy cập phi trực tiếp (NOMA).
    3. Chế tạo phần cứng thực nghiệm tấm RIS hoạt động trên dải tần Sub-6GHz và mmWave để kiểm thử môi trường ngoài trời.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Điện tử - Viễn thông: Tài liệu học tập chuyên sâu, cung cấp phương pháp mô hình hóa kênh truyền ngẫu nhiên và kỹ thuật lập trình mô phỏng Monte Carlo nâng cao trên MATLAB.
  • Kỹ sư R&D Viễn thông: Khung thuật toán và cấu trúc mã nguồn tối ưu hóa dịch pha để tham khảo khi thiết kế tiền khả thi cho các module ăng-ten thông minh thế hệ mới.
  • Doanh nghiệp và Nhà khai thác mạng viễn thông: Cung cấp cơ sở định lượng về hiệu quả chi phí, dung lượng truyền dẫn và mức độ tiết kiệm điện năng để xây dựng chiến lược phát triển mạng 6G trong giai đoạn 2025 - 2030.
  • Nhà nghiên cứu học thuật: Mô hình giải tích đóng của hàm mật độ xác suất và xác suất dừng là tiền đề để mở rộng phân tích các hệ thống RIS hỗ trợ bảo mật lớp vật lý (Physical Layer Security) hoặc truyền năng lượng không dây (SWIPT).

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai mô hình mô phỏng này trên máy tính là gì?

Hệ thống yêu cầu máy tính trang bị CPU từ 4 nhân (Intel Core i5 hoặc AMD Ryzen 5 thế hệ 8 trở lên), RAM tối thiểu 8 GB và phần mềm MATLAB (phiên bản R2018a trở lên). Để chạy mô phỏng Monte Carlo với số lượng mẫu lớn ($10^6$ bit frames) cho nhiều nút người dùng cùng lúc, khuyến nghị nâng cấp RAM lên 16 GB và sử dụng Parallel Computing Toolbox để tăng tốc độ tính toán song song trên đa luồng CPU.

2. Sự khác biệt cốt lõi giữa RIS và một tấm gương phẳng kim loại phản xạ thông thường là gì?

Gương kim loại thông thường chỉ phản xạ sóng theo định luật Snell cố định (góc phản xạ bằng góc tới). Ngược lại, RIS bao gồm mảng các phần tử siêu bề mặt có khả năng điều khiển độc lập độ lệch pha của từng điểm, cho phép bẻ cong hướng sóng theo góc bất kỳ mong muốn (Anomalous Reflection) hoặc hội tụ năng lượng sóng từ nhiều hướng về một điểm đích duy nhất để tối đa hóa SNR.

3. RIS có làm tăng độ trễ truyền dẫn của hệ thống mạng không dây không?

Không. Bản chất của RIS là cấu trúc phản xạ sóng điện từ trường thụ động gần như tức thời (tốc độ ánh sáng). Thời gian trễ duy nhất nằm ở chu kỳ cấu hình điện áp phân cực của bộ vi điều khiển (thường chỉ mất từ vài micro-giây đến mili-giây khi thiết lập kết nối ban đầu), do đó hoàn toàn đáp ứng tiêu chuẩn độ trễ siêu thấp dưới 1 ms của mạng 6G.

4. Khi kích thước mảng phản xạ tăng lên (ví dụ $N = 1000$), thách thức kỹ thuật lớn nhất là gì?

Thách thức lớn nhất là độ phức tạp tính toán điều khiển và chi phí đường truyền dây dẫn phân cực đến từng diode. Để giải quyết, các kỹ sư thường áp dụng kỹ thuật điều khiển theo nhóm phần tử (Sub-array grouping) hoặc điều khiển pha lượng tử hóa 1-bit (chỉ gồm 2 trạng thái $0^\circ$ và $180^\circ$) để đơn giản hóa kiến trúc mạch mà chỉ làm suy giảm hiệu năng không đáng kể ($\approx 3\text{ dB}$).

5. RIS có khả năng hoạt động ở dải tần số 5G thương mại hiện nay (Sub-6 GHz) không?

Có. Mặc dù RIS phát huy hiệu quả đột phá nhất ở dải tần số cao mmWave và Terahertz do kích thước phần tử nhỏ gọn ($\approx \lambda/2$), công nghệ này hoàn toàn có thể thiết kế để hoạt động ở dải tần Sub-6 GHz (như 2.6 GHz hay 3.5 GHz) phục vụ việc tăng cường chất lượng vùng phủ cho mạng 4G LTE và 5G hiện hữu.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu một mạng vô tuyến với sự trợ giúp của bề mặt phản xạ thông minh" đã thực hiện thành công việc giải quyết bài toán suy hao và tắc nghẽn đường truyền vô tuyến NLoS trong mạng truyền thông tương lai. Bằng việc kết hợp chặt chẽ giữa lý thuyết giải tích thống kê kênh truyền Rayleigh và mô phỏng Monte Carlo trên nền tảng MATLAB, nghiên cứu đã chứng minh định lượng rằng: khi tăng số lượng phần tử metasurface ($N$), hiệu năng tỷ lệ tín hiệu trên nhiễu (SNR) và dung lượng Ergodic (EC) tăng trưởng vượt bậc, đồng thời xác suất ngắt kết nối (OP) giảm xuống mức gần như triệt tiêu ($10^{-16}$).

Với ưu thế vượt trội về tiêu thụ năng lượng cực thấp, chi phí chế tạo rẻ và khả năng tùy biến linh hoạt môi trường truyền sóng, bề mặt phản xạ thông minh RIS khẳng định vị thế là một trong những công nghệ phần cứng đột phá hàng đầu, tạo nền tảng vững chắc cho sự hiện thực hóa mạng di động thế hệ thứ sáu (6G) và kỷ nguyên kết nối vạn vật toàn cầu.