Giới thiệu dự án
Sự bùng nổ của các tiêu chuẩn truyền thông không dây thế hệ mới như 5G NR (New Radio) và sự tiếp tục duy trì của mạng 4G LTE (Long-Term Evolution) đã thúc đẩy mật độ kết nối vô tuyến tăng trưởng vượt bậc, ước tính trên 20% mỗi năm theo các báo cáo viễn thông toàn cầu. Điều này dẫn đến tình trạng khan hiếm tài nguyên phổ tần (spectrum scarcity) nghiêm trọng. Để tối ưu hóa hiệu quả sử dụng băng tần, mạng vô tuyến nhận thức (Cognitive Radio - CR) ra đời như một giải pháp đột phá, cho phép các thiết bị thứ cấp (Secondary Users) tự động phát hiện và khai thác các dải phổ chưa được sử dụng (white spaces) mà không gây can nhiễu cho các người dùng sơ cấp (Primary Users).
Vấn đề cốt lõi trong vô tuyến nhận thức là cảm biến phổ (spectrum sensing). Trong môi trường thực tế, các tín hiệu 5G và LTE được điều chế phức tạp và truyền qua các kênh truyền vô tuyến chịu nhiều tác động suy hao khắc nghiệt: can nhiễu đa đường (multipath fading), hiệu ứng dịch chuyển tần số Doppler (Doppler shift), mô hình kênh đường trễ cụm (Clustered Delay Line - CDL), kênh fading Rayleigh, cùng các loại nhiễu như nhiễu Gaussian trắng cộng hưởng (AWGN), nhiễu nhiệt và nhiễu xung. Các phương pháp nhận dạng tín hiệu truyền thống dựa trên trích xuất đặc trưng thủ công kết hợp học máy cổ điển (Machine Learning - ML) bộc lộ nhiều điểm hạn chế: đòi hỏi kiến thức chuyên gia sâu, độ phức tạp tính toán cao và suy giảm độ chính xác mạnh khi tỷ số tín hiệu trên nhiễu (Signal-to-Noise Ratio - SNR) xuống thấp.
Đồ án tốt nghiệp "Cảm biến phổ trong vô tuyến nhận thức thông qua phát triển mô hình học sâu dùng cho phân đoạn tín hiệu LTE – 5G" (thực hiện bởi sinh viên Nguyễn Gia Vương, hướng dẫn bởi TS. Huỳnh Thế Thiện tại Trường Đại học Sư phạm Kỹ thuật TP.HCM) giải quyết trực tiếp thách thức này thông qua phương pháp tiếp cận thị giác máy tính kết hợp học sâu (Deep Learning - DL).
graph LR
A[Tín hiệu thô miền thời gian y(t)] --> B[Biến đổi FFT 4096 điểm]
B --> C[Ảnh phổ Spectrogram 256x256]
C --> D[Mô hình DeepLabV3+ cải tiến]
D --> E[Khối ATM: Tự chú ý theo kênh Stage 2]
D --> F[Khối ADR: ASPP thích ứng 1,2,4,6]
D --> G[Cắt tỉa bộ lọc Prune Taylor bậc 1]
E & F & G --> H[Bản đồ phân đoạn phổ 5G NR / LTE]
Mục tiêu dự án
- Thiết kế pipeline tiền xử lý tín hiệu: Chuyển đổi tín hiệu miền thời gian sang biểu diễn ảnh phổ 2D (spectrogram) trực quan bằng biến đổi Fourier nhanh (Fast Fourier Transform - FFT) 4096 điểm, chuẩn hóa về kích thước $256 \times 256$ pixel.
- Cải tiến kiến trúc mạng phân đoạn ngữ nghĩa: Nâng cấp mô hình mã hóa – giải mã DeepLabV3+ bằng cách tích hợp mô-đun hệ số giãn nở thích ứng (Adaptive Dilation Rate - ADR) trong khối ASPP và cơ chế tự chú ý theo kênh (Attention Mechanism - ATM) tại bộ mã hóa.
- Tối ưu hóa tài nguyên tính toán: Ứng dụng kỹ thuật cắt tỉa trọng số (Filter Pruning) dựa trên xấp xỉ Taylor bậc một nhằm giảm mạnh số lượng tham số học tập mà vẫn duy trì độ chính xác nhận dạng.
- Đánh giá và kiểm thử toàn diện: Thực nghiệm mô hình trên tập dữ liệu mô phỏng chuẩn hóa với đa dạng kịch bản kênh truyền (CDL, Rayleigh) và các mức SNR khác nhau từ thấp đến cao.
Kết quả đo lường kỳ vọng
- Tăng chỉ số trung bình giao trên tập hợp (mean Intersection over Union - mIoU) lên ít nhất 12% so với DeepLabV3+ gốc.
- Đạt độ chính xác toàn cục (Global Accuracy) trên 86% và mIoU trên 72% ở điều kiện nhiễu thực tế chấp nhận được.
- Cắt giảm trên 50% số lượng trọng số học tập để đảm bảo khả năng triển khai thời gian thực trên các phần cứng nhúng và IoT.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Các kỹ thuật cảm biến và nhận dạng phổ hiện nay được phân chia thành nhiều trường phái với các ưu và nhược điểm rõ rệt:
| Phương pháp |
Đặc điểm kỹ thuật |
Ưu điểm |
Nhược điểm |
| Truyền thống (Energy Detection, Cyclostationary) |
Phân tích thống kê miền thời gian/tần số, trích xuất đặc trưng thủ công |
Dễ cài đặt toán học, không cần tập dữ liệu huấn luyện lớn |
Rất nhạy cảm với nhiễu AWGN, không phân biệt được 5G và LTE khi phổ chồng lấn |
| BiSeNet (Bilateral Segmentation) |
Kiến trúc 2 nhánh: Spatial Path (không gian) và Context Path (ngữ cảnh) |
Tốc độ xử lý nhanh, phù hợp thời gian thực |
Nhánh không gian dễ bị nhiễu làm sai lệch đặc trưng ở SNR thấp, mIoU chỉ ở mức trung bình |
| Swin-Unet |
Kiến trúc Transformer thuần túy với cơ chế Self-Attention đa tầng |
Khả năng học quan hệ không gian toàn cục vượt trội, độ chính xác rất cao |
Bùng nổ số lượng tham số (>100M params), chi phí tính toán cực lớn, không khả thi trên thiết bị nhúng |
| DeepLabV3+ (Gốc) |
Encoder-Decoder với ASPP (Dilation rates: 1, 6, 12, 18) |
Trích xuất ngữ cảnh đa tỷ lệ tốt, cân bằng giữa độ chính xác và tính toán |
Vùng nhận thức ASPP gốc quá lớn so với feature map $16 \times 16$, gây lãng phí trọng số; thiếu chú ý kênh |
| Giải pháp đề xuất (DeepLabV3+ ADR-ATM-Prune) |
ASPP cải tiến [1, 2, 4, 6] + Squeeze-and-Excitation Stage 2 + Taylor Pruning |
Tối ưu vùng nhận thức, triệt tiêu nhiễu kênh, nén 54.17% trọng số, mIoU đạt 72.36% |
Yêu cầu bước tiền xử lý FFT trước khi đưa vào mô hình |
Phân tích yêu cầu hệ thống theo MoSCoW
- Must Have (Bắt buộc):
- Pipeline chuyển đổi tín hiệu FFT 4096 điểm sang spectrogram $256 \times 256 \times 3$.
- Mô hình DeepLabV3+ cải tiến với khối ADR và ATM hoạt động ổn định.
- Phân loại chính xác 3 lớp ngữ nghĩa: Background (nhiễu nền), LTE, 5G NR.
- Should Have (Nên có):
- Thuật toán cắt tỉa Taylor bậc một giúp giảm ít nhất 50% tham số.
- Khả năng chống chịu suy hao kênh đa đường CDL và fading Rayleigh.
- Could Have (Có thể có):
- Khả năng mở rộng nhận dạng thêm các chuẩn tín hiệu vô tuyến khác (Wi-Fi 6, Radar).
- Won't Have (Chưa thực hiện trong giai đoạn này):
- Triển khai phần cứng SDR thu thập tín hiệu Over-The-Air (OTA) thực tế tại hiện trường.
Thiết kế hệ thống
+-----------------------------------------------------------------------------------+
| KIẾN TRÚC TOÀN HỆ THỐNG |
+-----------------------------------------------------------------------------------+
| 1. RAW SIGNAL INGESTION |
| y(t) = x(t) * h(t) + n(t) [Tín hiệu thô 5G NR & LTE qua kênh CDL/Rayleigh] |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| 2. SPECTRAL TRANSFORMATION MODULE |
| - 4096-point Fast Fourier Transform (FFT) |
| - Dynamic Range Normalization: [0, 1] |
| - Output: 2D Spectrogram (256 x 256 x 3) |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| 3. PROPOSED ENCODER MODULE |
| - Backbone: ResNet50 / ResNet18 / MobileNetV2 (Downsampling factor = 16) |
| - Stage 2 Feature Refinement: Channel Attention Module (ATM / Squeeze-and-Exc) |
| s = sigmoid(W2 * ReLU(W1 * AvgPool(Feature_Map))) |
| - Low-level Features (Stage 2) -----[Skip Connection]-----> (Decoder) |
| - High-level Features (16 x 16) ----> [Adaptive ASPP (ADR)] |
| ADR Dilation Rates: [1, 2, 4, 6] (Receptive field max 15x15 <= 16x16) |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| 4. DECODER & PRUNING MODULE |
| - Feature Fusion: Low-level features (ATM refined) + Upsampled High-level ASPP |
| - Transposed Convolution & Bilinear 4x Upsampling |
| - First-order Taylor Filter Pruning: Phi(Wi) = (1/M) * Sum(|dL/dw * w|) |
| - Output: Pixel-wise Semantic Segmentation Mask (256 x 256) |
+-----------------------------------------------------------------------------------+
Technology Stack
- Ngôn ngữ lập trình: Python 3.10.12
- Deep Learning Framework: PyTorch 2.1.0, Torchvision 0.16.0
- Môi trường tăng tốc tính toán: CUDA 12.1, cuDNN 8.9.2
- Thư viện tính toán khoa học: NumPy 1.24.3, SciPy 1.11.2, Matplotlib 3.7.2
- Công cụ sinh dữ liệu viễn thông: MATLAB R2023b (5G Toolbox, LTE Toolbox)
Yêu cầu phi chức năng
- Độ trễ suy luận (Inference Latency): $\le 45 \text{ ms}$ cho mỗi khung ảnh phổ trên GPU NVIDIA RTX 3060 (hoặc tương đương trên thiết bị nhúng như Jetson Orin).
- Bộ nhớ tiêu thụ (Memory Footprint): Dung lượng mô hình sau khi nén $< 85 \text{ MB}$.
Implementation và kết quả
Chi tiết thuật toán và giải pháp kỹ thuật
1. Biến đổi Fourier nhanh (FFT)
Tín hiệu thu nhận $y(t)$ được biến đổi sang miền tần số $Y(f)$ thông qua thuật toán FFT 4096 điểm:
$$Y(f) = \sum_{t=0}^{T-1} y(t) \cdot e^{-i 2\pi \frac{ft}{T}} \quad \text{với } T = 4096$$
Ảnh phổ thu được sau đó được chuẩn hóa biên độ về khoảng $[0, 1]$ và nội suy về ma trận kích thước $256 \times 256 \times 3$.
2. Khối Atrous Spatial Pyramid Pooling thích ứng (ADR)
Trong DeepLabV3+ nguyên bản, các bộ lọc tích chập atrous của ASPP sử dụng dilation rates $r \in {1, 6, 12, 18}$. Với feature map đầu ra của bộ mã hóa có kích thước $16 \times 16$, bộ lọc với $r=18$ tạo ra vùng nhận thức $37 \times 37$, vượt quá kích thước feature map. Kết quả là tại mỗi thời điểm quét, chỉ có 1 trọng số thực sự tương tác với dữ liệu, còn lại 8 trọng số bị lãng phí.
Đồ án đề xuất tập hệ số giãn nở thích ứng $r \in {1, 2, 4, 6}$, đảm bảo kích thước vùng nhận thức tối đa là $15 \times 15 \le 16 \times 16$:
$$F_{\text{ADR}} = \left\langle A_{1,1}^{1\times 1}(X), A_{1,2}^{3\times 3}(X), A_{1,4}^{3\times 3}(X), A_{1,6}^{3\times 3}(X) \right\rangle$$
import torch
import torch.nn as nn
import torch.nn.functional as F
class AdaptiveASPP(nn.Module):
"""
Khối ASPP thích ứng với Dilation Rates [1, 2, 4, 6] cho feature map 16x16
"""
def __init__(self, in_channels: int, out_channels: int = 256):
super(AdaptiveASPP, self).__init__()
self.conv1x1 = nn.Sequential(
nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=1, padding=0, bias=False),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True)
)
# Thay the rates mac dinh [6, 12, 18] bang [2, 4, 6]
self.conv3x3_r2 = nn.Sequential(
nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=2, dilation=2, bias=False),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True)
)
self.conv3x3_r4 = nn.Sequential(
nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=4, dilation=4, bias=False),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True)
)
self.conv3x3_r6 = nn.Sequential(
nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=6, dilation=6, bias=False),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True)
)
self.global_avg_pool = nn.Sequential(
nn.AdaptiveAvgPool2d((1, 1)),
nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=1, bias=False),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True)
)
self.project = nn.Sequential(
nn.Conv2d(out_channels * 5, out_channels, kernel_size=1, stride=1, bias=False),
nn.BatchNorm2d(out_channels),
nn.ReLU(inplace=True),
nn.Dropout(0.5)
)
def forward(self, x: torch.Tensor) -> torch.Tensor:
h, w = x.shape[2], x.shape[3]
feat1 = self.conv1x1(x)
feat2 = self.conv3x3_r2(x)
feat3 = self.conv3x3_r4(x)
feat4 = self.conv3x3_r6(x)
feat_gap = F.interpolate(self.global_avg_pool(x), size=(h, w), mode='bilinear', align_corners=False)
concat_feats = torch.cat([feat1, feat2, feat3, feat4, feat_gap], dim=1)
return self.project(concat_feats)
3. Mô-đun tự chú ý theo kênh (ATM - Squeeze-and-Excitation)
Mô-đun ATM được tích hợp tại cuối Stage 2 của mạng lõi. Tại vị trí này, các đặc trưng vừa đủ mức độ trừu tượng để mô hình nhận diện dải tín hiệu mà không khuếch đại nhiễu nền ở các mức SNR thấp:
$$z_c = \frac{1}{H \times W} \sum_{h=1}^{H} \sum_{w=1}^{W} X(h, w, c)$$
$$s = \sigma\left( W_2 \cdot \delta\left( W_1 \cdot z \right) \right)$$
$$\text{Output}_{\text{ATM}} = X \odot s$$
class ChannelAttentionModule(nn.Module):
"""
Co che tu chu y theo kenh (ATM) dat tai cuoi Stage 2 cua Backbone
"""
def __init__(self, in_channels: int, reduction_ratio: int = 16):
super(ChannelAttentionModule, self).__init__()
self.avg_pool = nn.AdaptiveAvgPool2d(1)
self.fc = nn.Sequential(
nn.Linear(in_channels, in_channels // reduction_ratio, bias=False),
nn.ReLU(inplace=True),
nn.Linear(in_channels // reduction_ratio, in_channels, bias=False),
nn.Sigmoid()
)
def forward(self, x: torch.Tensor) -> torch.Tensor:
b, c, _, _ = x.size()
y = self.avg_pool(x).view(b, c)
y = self.fc(y).view(b, c, 1, 1)
return x * y.expand_as(x)
4. Cắt tỉa mô hình dựa trên xấp xỉ Taylor bậc 1 (Prune)
Để đánh giá mức độ đóng góp của từng bộ lọc $W_i$ (gồm $M$ trọng số), đồ án áp dụng xấp xỉ Taylor bậc một để tính toán hàm mục tiêu tổn thất $\Phi(W_i)$ khi loại bỏ bộ lọc:
$$\Phi(W_i) = \frac{1}{M} \sum_{m=1}^{M} \left| \left. \frac{\partial \mathcal{L}}{\partial w_{i,m}} \right|{w{i,m}=0} \cdot w_{i,m} \right|$$
Các bộ lọc có giá trị $\Phi(W_i)$ nhỏ nhất trong toàn mạng sẽ bị loại bỏ tuần tự theo từng vòng lặp đánh giá.
Testing và validation
Mô hình được huấn luyện và kiểm thử trên tập dữ liệu mô phỏng gồm các dạng sóng chuẩn 3GPP 5G NR và LTE trong các điều kiện:
- Băng thông LTE: $1.4\text{ MHz} - 20\text{ MHz}$ (chế độ FDD).
- 5G NR: Sub-6 GHz với SCS $15\text{ kHz}, 30\text{ kHz}$, cấu hình khối SSB chuẩn.
- Kênh truyền: Rayleigh fading và Clustered Delay Line (CDL-A, CDL-B).
- Mức SNR khảo sát: Từ $-10\text{ dB}$ đến $+20\text{ dB}$.
Bảng so sánh hiệu năng thực nghiệm giữa các mô hình
| Mô hình |
Mạng lõi (Backbone) |
Số lượng tham số (Params) |
FLOPs (G) |
Global Accuracy (%) |
Mean IoU (%) |
mIoU cải thiện so với Base |
| BiSeNet |
ResNet50 |
49.20 M |
65.4 |
81.12% |
63.45% |
- |
| Swin-Unet |
Swin Transformer |
104.50 M |
148.2 |
87.90% |
74.10% |
- |
| DeepLabV3+ (Base) |
ResNet50 |
43.90 M |
58.6 |
82.35% |
59.37% |
Gốc |
| DeepLabV3+ + ADR |
ResNet50 |
43.90 M |
58.6 |
84.60% |
66.82% |
+7.45% |
| DeepLabV3+ + ATM |
ResNet50 |
44.15 M |
58.9 |
84.15% |
65.10% |
+5.73% |
| Proposed (ADR + ATM) |
ResNet50 |
44.15 M |
58.9 |
86.86% |
72.36% |
+12.99% |
| Proposed + Prune (Nén) |
ResNet50 |
20.24 M |
27.8 |
85.92% |
70.86% |
+11.49% |
So sánh số lượng tham số và mIoU:
Base DeepLabV3+: [43.90M Params] ======> mIoU: 59.37%
Proposed (ADR+ATM): [44.15M Params] ============> mIoU: 72.36% (+12.99%)
Proposed + Prune: [20.24M Params] ==========> mIoU: 70.86% (Nén 54.17% trọng số, mIoU chỉ giảm 1.50%)
Đổi mới và đóng góp
- Khắc phục triệt để nghịch lý vùng nhận thức trong ASPP: Đề tài đã chỉ ra và chứng minh bằng toán học rằng các hệ số giãn nở mặc định $[6, 12, 18]$ của DeepLabV3+ gây lãng phí 88.8% trọng số trên feature map $16 \times 16$. Bộ tham số thích ứng $[1, 2, 4, 6]$ giúp tăng hiệu quả trích xuất đặc trưng đa tỷ lệ, đóng góp mức tăng $7.45%$ mIoU độc lập.
- Vị trí tích hợp cơ chế tự chú ý tối ưu: Khác với các nghiên cứu tích hợp cơ chế chú ý ồ ạt gây bùng nổ tính toán và nhạy cảm với nhiễu, việc bố trí khối ATM (Squeeze-and-Excitation) duy nhất tại Stage 2 của bộ mã hóa đã giúp mô hình lọc sạch nhiễu biên tần mà chỉ tăng $0.57%$ tổng số tham số.
- Hiệu quả nén vượt bậc bằng Taylor Pruning: Phương pháp cắt tỉa bộ lọc dựa trên xấp xỉ đạo hàm bậc một giúp loại bỏ chính xác $54.17%$ số lượng tham số dư thừa (từ 44.15M xuống 20.24M) mà điểm mIoU chỉ suy giảm nhẹ $1.50%$ (vẫn duy trì mức $70.86%$, cao hơn bản gốc $11.49%$).
- Đóng góp học thuật và thực tiễn: Tạo ra giải pháp chuẩn hóa cho bài toán cảm biến phổ 5G/LTE trong mạng vô tuyến nhận thức, mở ra hướng ứng dụng thị giác máy tính vào xử lý tín hiệu số chuyên sâu.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng thực tế
- Quản lý phổ tần động (Dynamic Spectrum Access - DSA): Trạm gốc thông minh tự động quét toàn bộ dải băng tần từ $700\text{ MHz} - 3.5\text{ GHz}$, xác định các khe phổ rỗng xung quanh vùng hoạt động của 5G/LTE để cấp phát tức thời cho người dùng thứ cấp.
- Giám sát và xử lý can nhiễu viễn thông: Các cơ quan quản lý vô tuyến (như Cục Tần số Vô tuyến điện) sử dụng hệ thống để phát hiện các nguồn phát sóng trái phép hoặc can nhiễu chéo giữa trạm phát LTE và 5G NR.
- Tác chiến điện tử và an ninh quốc phòng: Nhận dạng tự động các nguồn phát sóng lạ, định vị tần số trung tâm và băng thông của đối phương trong môi trường nhiễu chủ động.
Kiến trúc phần cứng triển khai
- Thiết bị thu thập sóng vô tuyến: USRP B210 / HackRF One / LimeSDR (thu thập I/Q samples).
- Bộ xử lý nhúng trung tâm: NVIDIA Jetson AGX Orin hoặc Jetson Xavier NX.
- Hệ điều hành & Driver: Ubuntu 22.04 LTS, UHD (USRP Hardware Driver), TensorRT 8.6 để tối ưu hóa mô hình đã cắt tỉa.
graph TD
Antenna[Antenna Array] --> SDR[USRP B210 SDR Frontend]
SDR -->|I/Q Samples qua USB 3.0| Host[NVIDIA Jetson AGX Orin]
subgraph Jetson Processing Pipeline
Host --> FFT_Engine[CUDA C++ FFT Module]
FFT_Engine --> TensorRT_Engine[TensorRT Pruned DeepLabV3+ Engine]
TensorRT_Engine --> Decision[Cognitive Radio Controller]
end
Decision -->|Cấp phát kênh truyền| Transceiver[Secondary Transmission]
Hạn chế và hướng phát triển
Hạn chế kỹ thuật hiện tại
- Dữ liệu huấn luyện: Mô hình chủ yếu được kiểm chứng trên tập dữ liệu mô phỏng từ MATLAB Toolbox; các hiện tượng phi tuyến tính của bộ khuếch đại công suất thực tế (Power Amplifier Non-linearities) chưa được mô phỏng toàn diện.
- Chồng lấn tín hiệu dày đặc: Trong trường hợp tín hiệu 5G NR và LTE chồng lấn phổ hoàn toàn tại cùng một tần số trung tâm và thời điểm, việc phân đoạn ngữ nghĩa 2D có thể gặp hiện tượng mờ ranh giới (boundary blur).
Hướng phát triển tương lai
- Thu thập dữ liệu Over-The-Air (OTA): Triển khai trạm thu SDR ngoài thực tế để xây dựng tập dữ liệu đo đạc thực địa tại các khu đô thị lớn.
- Lượng tử hóa INT8 kết hợp TensorRT: Tiếp tục nén mô hình từ định dạng FP32/FP16 xuống INT8 để đạt tốc độ suy luận dưới $15\text{ ms}$ trên các chip nhúng chi phí thấp như Raspberry Pi 5 kết hợp Coral TPU.
- Mở rộng đa chuẩn: Bổ sung các lớp nhận dạng cho Wi-Fi 6E/7, Bluetooth 5.3 và tín hiệu vệ tinh băng Ku/Ka.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo hoàn chỉnh về cách kết hợp giữa xử lý tín hiệu số (DSP) và thị giác máy tính (Computer Vision), kèm mã nguồn mẫu về kỹ thuật tùy biến ASPP, cơ chế chú ý và nén mô hình Taylor Pruning.
- Kỹ sư AI & Embedded IoT: Nắm bắt quy trình tối ưu hóa mô hình học sâu từ khâu nghiên cứu lý thuyết đến khâu cắt tỉa trọng số phục vụ triển khai phần cứng thực tế.
- Doanh nghiệp viễn thông & Nhà mạng: Sở hữu giải pháp công nghệ có khả năng tích hợp trực tiếp vào các trạm phát sóng di động nhỏ (Small Cells), giúp nâng cao hiệu suất khai thác băng tần và tiết kiệm hàng triệu USD chi phí mua bản quyền phổ tần.
- Nhà nghiên cứu học thuật: Cung cấp baseline so sánh vững chắc và phương pháp luận rõ ràng cho các bài toán phân đoạn phổ tín hiệu vô tuyến thế hệ tiếp theo.
Câu hỏi thường gặp
1. Yêu cầu phần cứng tối thiểu để triển khai mô hình là gì?
Đối với môi trường huấn luyện, hệ thống cần GPU tối thiểu 8GB VRAM (như NVIDIA RTX 3060 hoặc RTX 4060). Đối với môi trường triển khai thực tế (Inference), sau khi áp dụng thuật toán cắt tỉa Prune và lượng tử hóa, mô hình có thể chạy ổn định trên các kit nhúng như NVIDIA Jetson Nano / Xavier NX / Orin Nano với yêu cầu RAM tối thiểu 4GB.
2. Tại sao lại chọn DeepLabV3+ thay vì các kiến trúc phân đoạn mới hơn như Swin-Unet?
Mặc dù Swin-Unet cho kết quả mIoU cao hơn ($74.10%$ so với $72.36%$), kiến trúc Transformer đòi hỏi số lượng tham số gấp 2.4 lần (104.5M so với 44.15M) và chi phí tính toán FLOPs cao hơn gần 3 lần. Đối với bài toán cảm biến phổ yêu cầu phản hồi thời gian thực trên thiết bị nhúng, DeepLabV3+ cải tiến mang lại sự cân bằng tối ưu nhất giữa độ chính xác và chi phí tài nguyên phần cứng.
3. Mô hình xử lý như thế nào khi tín hiệu bị ảnh hưởng bởi nhiễu cực mạnh (SNR < -5 dB)?
Tại các mức SNR rất thấp, khối tự chú ý ATM tại Stage 2 giúp tập trung vào các đặc trưng tương quan giữa các kênh mang thông tin tín hiệu thay vì khuếch đại nhiễu nền. Tuy nhiên, nếu SNR xuống dưới $-8\text{ dB}$, hệ thống có thể kích hoạt thêm thuật toán khử nhiễu phổ (Spectrogram Denoising) trước khi đưa vào bộ phân đoạn DeepLabV3+.
4. Quá trình cắt tỉa Taylor Pruning có làm mất khả năng tổng quát hóa của mô hình không?
Không. Xấp xỉ Taylor bậc một đánh giá mức độ nhạy cảm của hàm mất mát đối với từng bộ lọc cụ thể. Chỉ những bộ lọc có giá trị đạo hàm và trọng số tiệm cận 0 (tức hầu như không đóng góp vào kết quả phân loại) mới bị loại bỏ. Kết quả thực nghiệm cho thấy sau khi cắt bỏ $54.17%$ trọng số, mô hình chỉ giảm $1.50%$ mIoU và vẫn giữ độ chính xác nhận dạng $85.92%$.
5. Chi phí triển khai hệ thống cảm biến phổ này là bao nhiêu?
Chi phí phần cứng cho một trạm cảm biến phổ nhận thức hoàn chỉnh ước tính khoảng $800 - 1,500\text{ USD}$ (bao gồm kit SDR USRP B210 / HackRF One và máy tính nhúng NVIDIA Jetson Orin), thấp hơn rất nhiều so với các máy phân tích phổ chuyên dụng (Spectrum Analyzers) truyền thống có giá từ $15,000 - 40,000\text{ USD}$.
Kết luận
Đồ án tốt nghiệp "Cảm biến phổ trong vô tuyến nhận thức thông qua phát triển mô hình học sâu dùng cho phân đoạn tín hiệu LTE – 5G" của tác giả Nguyễn Gia Vương (GVHD: TS. Huỳnh Thế Thiện) đã giải quyết thành công bài toán cảm biến phổ phức tạp trong mạng không dây thế hệ mới. Bằng việc kết hợp sáng tạo giữa biến đổi Fourier nhanh (FFT 4096 điểm), kiến trúc DeepLabV3+ cải tiến (ASPP thích ứng ADR $[1, 2, 4, 6]$ và cơ chế tự chú ý ATM) cùng thuật toán nén mô hình Taylor Pruning, nghiên cứu đã đạt được các chỉ số kỹ thuật ấn tượng:
- Tăng $12.99%$ mIoU so với mô hình DeepLabV3+ gốc.
- Đạt độ chính xác toàn cục $86.86%$ và mIoU $72.36%$ trong môi trường can nhiễu thực tế.
- Giảm $54.17%$ số lượng trọng số, tối ưu hóa hoàn hảo cho các thiết bị IoT và phần cứng nhúng thời gian thực.
Đây là minh chứng rõ nét cho tiềm năng to lớn của việc ứng dụng Trí tuệ nhân tạo và Thị giác máy tính vào việc giải quyết các bài toán viễn thông chuyên sâu, mở đường cho việc xây dựng các mạng vô tuyến nhận thức tự hành, thông minh và hiệu quả trong kỷ nguyên 5G-Advanced và 6G.
