Đồ Án Tốt Nghiệp: Phát Triển Mô Hình Học Sâu Cho Phân Đoạn Tín Hiệu LTE – 5G

Đồ án nghiên cứu tốt nghiệp cảm biến phổ trong vô tuyến nhận thức thông qua phát triển mô hình học sâu dùng cho phân, thiết kế chi tiết, tính toán kỹ thuật theo tiêu chuẩn, đánh

Người đăng

Ẩn danh

Thể loại

Khóa Luận Tốt Nghiệp

2024

74
4
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CẢM ƠN

LỜI CAM ĐOAN

TÓM TẮT LUẬN VĂN

1. CHƯƠNG 1: TỔNG QUAN

1.1. GIỚI THIỆU

1.2. MỤC TIÊU

1.3. PHƯƠNG PHÁP NGHIÊN CỨU

1.4. GIỚI HẠN NGHIÊN CỨU

1.5. BỐ CỤC

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. LÝ THUYẾT VỀ TÍN HIỆU 5G – LTE

2.1.1. Truyền nhận tín hiệu trong truyền thông không dây

2.1.2. Tổng quan về LTE

2.1.3. Tổng quan về 5G

2.2. TỔNG QUAN VỀ LÝ THUYẾT HỌC SÂU

2.2.1. Mạng nơ-ron sâu

2.2.2. Mạng nơ-ron tích chập

2.2.3. Cơ chế tự chú ý

2.3. PHÂN ĐOẠN NGỮ NGHĨA TRONG ẢNH DÙNG HỌC SÂU

2.3.1. Phân đoạn ngữ nghĩa và phân đoạn đối tượng

2.3.2. Phân đoạn ngữ nghĩa trong ảnh dùng học sâu

2.4. TỔNG QUAN VỀ CÁC MẠNG HỌC SÂU TRONG PHÂN ĐOẠN NGỮ NGHĨA HÌNH ẢNH

2.4.1. So sánh tổng quan giữa các kiến trúc mạng phân đoạn ngữ nghĩa

2.5. KỸ THUẬT CẮT GIẢM ĐỘ PHỨC TẠP CỦA MÔ HÌNH HỌC SÂU

3. CHƯƠNG 3: THIẾT KẾ HỆ THỐNG

3.1. YÊU CẦU CỦA HỆ THỐNG

3.2. TỔNG QUAN KIẾN TRÚC HỆ THỐNG

3.3. PHƯƠNG PHÁP ĐỀ XUẤT

3.3.1. Biến đổi Fourier nhanh

3.3.2. Khảo sát mô hình mạng phân đoạn DeepLabV3+

3.3.3. Mô hình cải tiến đề xuất

3.4. CÀI ĐẶT MÔ PHỎNG

3.4.1. Tạo bộ dữ liệu tín hiệu mô phỏng

3.4.2. Triển khai hệ thống

4. CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN

4.1. HIỆU SUẤT PHÂN ĐOẠN PHỔ TÍN HIỆU CỦA MÔ HÌNH ĐỀ XUẤT

4.2. SO SÁNH HIỆU SUẤT PHÂN ĐOẠN VỚI CÁC MẠNG LÕI VÀ CÁC CẢI TIẾN KHÁC NHAU

4.2.1. Cải tiến ATM và ADR

4.2.2. Cải tiến Prune

4.2.3. Trực quan hóa kết quả

4.3. SO SÁNH HIỆU SUẤT PHÂN ĐOẠN VỚI CÁC MÔ HÌNH TIÊN TIẾN NGÀY NAY

5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

5.1. KẾT LUẬN

5.2. HƯỚNG PHÁT TRIỂN

PHỤ LỤC MÃ NGUỒN CHƯƠNG TRÌNH

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Nghiên cứu Mô hình Học Sâu cho Phân Đoạn Tín Hiệu LTE 5G

Nghiên cứu này tập trung vào việc phát triển mô hình học sâu nhằm phân đoạn tín hiệu trong mạng LTE và 5G. Sự phát triển của công nghệ không dây đã tạo ra nhu cầu cao về việc nhận diện và phân loại tín hiệu một cách chính xác. Mô hình học sâu được áp dụng để tự động hóa quá trình này, giúp cải thiện hiệu suất và độ chính xác trong việc phân đoạn tín hiệu.

1.1. Giới thiệu về tín hiệu LTE và 5G

Tín hiệu LTE và 5G là những công nghệ tiên tiến trong truyền thông không dây. LTE (Long-Term Evolution) cung cấp tốc độ truyền tải cao, trong khi 5G (Fifth-Generation) hứa hẹn mang lại tốc độ nhanh hơn và độ trễ thấp hơn. Việc phân đoạn tín hiệu trong các công nghệ này là rất quan trọng để tối ưu hóa hiệu suất mạng.

1.2. Tầm quan trọng của phân đoạn tín hiệu

Phân đoạn tín hiệu giúp xác định các vùng tần số khác nhau trong phổ tín hiệu, từ đó hỗ trợ việc quản lý và tối ưu hóa tài nguyên mạng. Điều này đặc biệt quan trọng trong bối cảnh ngày càng nhiều thiết bị kết nối vào mạng không dây.

II. Thách thức trong Phân Đoạn Tín Hiệu LTE 5G

Mặc dù có nhiều tiến bộ trong công nghệ học sâu, việc phân đoạn tín hiệu LTE và 5G vẫn gặp phải nhiều thách thức. Các tín hiệu phức tạp và nhiễu từ môi trường truyền dẫn có thể làm giảm độ chính xác của mô hình. Do đó, cần có những phương pháp cải tiến để giải quyết những vấn đề này.

2.1. Nhiễu và biến đổi tín hiệu

Nhiễu từ môi trường có thể làm méo tín hiệu, gây khó khăn trong việc phân đoạn chính xác. Việc áp dụng các kỹ thuật tiền xử lý như biến đổi Fourier nhanh (FFT) có thể giúp cải thiện chất lượng tín hiệu đầu vào cho mô hình.

2.2. Đặc trưng phức tạp của tín hiệu

Các tín hiệu LTE và 5G thường có cấu trúc phức tạp, đòi hỏi mô hình học sâu phải có khả năng học và nhận diện các đặc trưng này. Việc thiết kế mô hình phù hợp là một thách thức lớn trong nghiên cứu.

III. Phương pháp Nghiên cứu Mô hình Học Sâu

Để phát triển mô hình học sâu cho phân đoạn tín hiệu, nghiên cứu này áp dụng kiến trúc DeepLabV3+ với các cải tiến nhằm tối ưu hóa hiệu suất. Các phương pháp học sâu sẽ được sử dụng để tự động hóa quá trình phân đoạn tín hiệu.

3.1. Kiến trúc DeepLabV3

DeepLabV3+ là một trong những mô hình phân đoạn ngữ nghĩa tiên tiến, cho phép nhận diện các vùng tín hiệu một cách chính xác. Mô hình này sử dụng cơ chế tự chú ý để tập trung vào các đặc trưng quan trọng của tín hiệu.

3.2. Cải tiến mô hình học sâu

Nghiên cứu đề xuất tích hợp các khối ASPP (Atrous Spatial Pyramid Pooling) để cải thiện khả năng nhận diện tín hiệu trong các điều kiện khác nhau. Điều này giúp mô hình có thể hoạt động hiệu quả hơn trong môi trường thực tế.

IV. Ứng dụng Thực tiễn và Kết quả Nghiên cứu

Kết quả từ mô hình học sâu cho thấy sự cải thiện đáng kể trong việc phân đoạn tín hiệu LTE và 5G. Các thử nghiệm cho thấy mô hình cải tiến có thể đạt được độ chính xác cao hơn so với các phương pháp truyền thống.

4.1. Kết quả thử nghiệm mô hình

Mô hình cải tiến đã cho thấy sự tăng cường đáng kể về độ chính xác và hiệu suất phân đoạn. Các chỉ số như IoU (Intersection over Union) đã được cải thiện, cho thấy khả năng nhận diện tín hiệu tốt hơn.

4.2. Ứng dụng trong thực tế

Mô hình này có thể được áp dụng trong nhiều lĩnh vực như quản lý phổ, tối ưu hóa mạng và phát hiện nhiễu. Điều này mở ra nhiều cơ hội cho việc phát triển các ứng dụng mới trong truyền thông không dây.

V. Kết luận và Hướng phát triển tương lai

Nghiên cứu này đã chỉ ra tiềm năng của mô hình học sâu trong việc phân đoạn tín hiệu LTE và 5G. Tuy nhiên, vẫn còn nhiều thách thức cần được giải quyết trong tương lai để nâng cao hiệu suất và khả năng ứng dụng của mô hình.

5.1. Hướng phát triển tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện khả năng của mô hình trong các điều kiện môi trường khác nhau, cũng như mở rộng ứng dụng của mô hình trong các lĩnh vực khác nhau của truyền thông không dây.

5.2. Tầm quan trọng của nghiên cứu tiếp theo

Việc tiếp tục nghiên cứu và phát triển các mô hình học sâu sẽ giúp nâng cao khả năng nhận diện tín hiệu, từ đó đóng góp vào sự phát triển của công nghệ không dây trong tương lai.

10/07/2025
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

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan • Chương 2: Cơ sở lý thuyết • Chương 3: Thiết kế hệ thống • Chương 4: Kết quả và thảo luận • Chương 5: Kết luận và hướng phát triển. 5 Chương 2 CƠ SỞ LÝ THUYẾT 2.1 LÝ THUYẾT VỀ TÍN HIỆU 5G – LTE 2.1 Truyền nhận tín hiệu trong truyền thông không dây Trong truyền thông không dây, tín hiệu nói chung và tín hiệu 5G – LTE nói riêng được truyền và nhận trong không khí từ thiết bị phát (trạm cơ sở hoặc tháp di động) đến thiết bị nhận (điện thoại di động, máy tính bảng hoặc các thiết bị khác). Quá trình truyền nhận tín hiệu qua kênh không dây có thể được biểu diễn toán học bằng phương trình sau: y(t) = x(t) × h(t) + n(t), (2.1) trong đó t đại diện cho thời gian, x chỉ định các tín hiệu ban đầu được tạo ra tại thiết bị phát, y chỉ định các tín hiệu nhận được ở thiết bị thu, h chỉ định hệ số kênh truyền, đặc trưng cho một số loại kênh tham chiếu nhất định, và n chỉ định nhiễu cộng hưởng được thêm vào khi tín hiệu đi qua kênh truyền ở các trạm phát sóng. Các mô hình suy giảm kênh truyền khác nhau có thể kể đến như mô hình kênh truyền đường trễ cụm (clustered delay line – CDL) hoặc mô hình kênh truyền Rayleigh.

Nhiễu cộng hưởng có thể bao gồm nhiều loại, có thể kể đến như nhiễu Gaussian trắng cộng hưởng (additive white gaussian noise – AWGN), nhiễu nhiệt độ (thermal noise – TN), nhiễu mờ đa đường (multipath fading noise – MFN), nhiễu xung (impulsive noise – IN). Hơn nữa, một số hiện tượng thực tế trong truyền thông không dây như hiệu ứng phân tán đa đường, phân tán thời gian và hiệu ứng Doppler (xuất phát từ sự chuyển động tương đối giữa bộ phát và bộ thu), có thể gây suy giảm chất lượng tín hiệu và cần được xem xét. Hiệu ứng phân tán đa đường xảy ra khi tín hiệu truyền tới thiết bị nhận qua nhiều con đường khác nhau, gây ra sự chồng chéo tín hiệu. Hiệu ứng phân tán thời gian xảy ra khi tín hiệu được phân mảnh trước khi truyền và các phần khác nhau của tín hiệu được thu lại được tại các thời điểm khác nhau, dẫn đến sự biến dạng của tín hiệu.

Hiệu ứng Doppler, do sự di chuyển của các thiết bị, làm thay đổi tần số của tín hiệu nhận được. Những yếu tố này đều ảnh hưởng đến hiệu suất tổng thể của hệ thống truyền thông không dây. Đặc biệt, trong ngữ cảnh vô tuyến nhận thức, khi mà các hệ thống truyền nhận được thiết kế thông minh để phát hiện một khoảng phổ đang sử dụng hay không, và nhảy (hoặc thoát khỏi nếu cần thiết) rất nhanh qua một khoảng phổ tạm thời không sử dụng khác, nhằm không gây nhiễu cho các hệ thống được cấp phép khác, các tác nhân này đặc biệt gây khó khăn cho các nhà quản lý dịch vụ mạng khi không thể xác định thủ 6 CDL channel 5G Core UE Control and user planes Rayleigh fading channel UE LTE Core LTE Hình 2.1: Mô hình mạng không dây cho truyền nhận tín hiệu 5G – LTE. Đường gạch đứt màu đen đại diện cho các mặt phẳng điều khiển (control planes) và đường gạch liền màu đen đại diện cho mặt phẳng người dùng (user planes).

công các vùng tần số không sử dụng để tối ưu hóa mạng. Điều này đặt ra những thách thức cũng như yêu cầu thiết kế một hệ thống thông minh tự động nhận diện tín hiệu trong môi trường truyền nhận không hoàn hảo. Về mặt tổng quát, mô hình truyền nhận tín hiệu 5G NR và LTE thực tế được mô tả ở mức cơ bản như hình 2. Mạng không dây hoạt động thông qua hai mặt phẳng chính là mặt phẳng điều khiển (control planes – CP) và mặt phẳng người dùng (user planes – UP).

CP đóng vai trò như hệ thống điều khiển giao thông, đảm bảo tín hiệu được định tuyến đến đúng thiết bị, còn UP chịu trách nhiệm truyền tải dữ liệu thực tế. Thiết bị người dùng (user equipment – UE) là bất kỳ thiết bị nào có thể kết nối với mạng không dây để nhận tín hiệu, chẳng hạn như điện thoại di động, máy tính bảng, máy thu tín hiệu. Ngoài ra, mạng không dây 5G và LTE còn có các core chịu trách nhiệm xử lý và chuyển tiếp dữ liệu giữa UE và dịch vụ mạng, cung cấp một cách tổng quan về tốc độ, độ trễ và chất lượng tín hiệu. Việc hiểu rõ các yếu tố này là cần thiết để phát triển và tối ưu hóa các hệ thống truyền thông không dây hiện đại, đảm bảo chúng hoạt động hiệu quả trong các điều kiện thực tế phức tạp.2 Tổng quan về LTE LTE là một chuẩn công nghệ không dây được phát triển bởi 3GPP (Third Gener- ation Partnership Project) nhằm cung cấp tốc độ truyền dữ liệu cao, độ trễ thấp và hiệu quả phổ tần tốt hơn so với các thế hệ mạng di động trước đó, đồng thời LTE cũng được xem như là một chuẩn công nghệ tiệm cận với 4G (fourth-generation) ngày nay.

LTE được thiết kế để đáp ứng nhu cầu ngày càng tăng về dữ liệu và các dịch vụ đa phương tiện, đồng thời cung cấp nền tảng mạnh mẽ cho sự phát triển của các ứng dụng và dịch 7 Hình 2.2: Kiến trúc của mạng LTE [11] bao gồm hai thành phần chính là E-UTRAN và ETC, giúp kết nối và giao tiếp giữa UE và mạng bên ngoài. vụ tương lai. Kiến trúc của mạng LTE: Mạng LTE bao gồm hai thành phần chính: E-UTRAN (evolved universal terrestrial radio access network) và EPC (evolved packet core). E- UTRAN bao gồm các trạm gốc eNodeB (evolved NodeB), trong khi EPC bao gồm các thành phần mạng lõi như MME (mobility management entity), S-GW (serving gateway) và PDN-GW (packet data network gateway), được thể hiện một cách trực quan thông qua hình 2.

Mỗi bộ phận trong mạng LTE đều đóng một vai trò quan trọng như: • eNodeB: Trạm gốc eNodeB chịu trách nhiệm truyền và nhận dữ liệu từ các UE. eNodeB quản lý tài nguyên vô tuyến và thực hiện các chức năng như điều khiển kết nối, quản lý tài nguyên, và xử lý tín hiệu. • MME: Quản lý di động, đăng ký, và xác thực người dùng. • SGW: Chuyển tiếp dữ liệu giữa E-UTRAN và EPC.

• PGW: Kết nối mạng LTE với các mạng dữ liệu ngoài, như Internet. Các tham số của tín hiệu: Trong thực tế, các tín hiệu được tạo ra và tuân theo các bộ tham số tín hiệu riêng biệt của chúng một cách nghiêm ngặt [12]. Với LTE, các tham số nổi bật có thể kể đến như kênh tham chiếu, băng thông và chế độ song công. • Kênh tham chiếu trong LTE: Kênh tham chiếu trong LTE là một phần quan trọng của hệ thống tín hiệu, cung cấp các tiêu chuẩn để hiệu chỉnh và đánh giá chất lượng kênh truyền.

Kênh tham chiếu được sử dụng để quy định các phương thức truyền dẫn, số lượng khối tài nguyên được sử dụng cho truyền dẫn, phương thức điều chế, số lượng cổng ăng-ten được sử dụng hay tỷ lệ giữa số bit dữ liệu gốc và tổng số bit sau khi mã hóa. Tất cả những thông số này sẽ được quy định rõ ràng trong kênh tham chiếu và đóng vai trò quan trọng trong việc xác định hiệu suất và chất lượng của hệ thống LTE. 8 • Băng thông trong LTE: LTE hỗ trợ nhiều tùy chọn băng thông để đáp ứng các yêu cầu khác nhau của mạng và người dùng, từ 1, 4 MHz đến 20 MHz. Sự linh hoạt này cho phép các nhà cung cấp dịch vụ tối ưu hóa việc sử dụng phổ tần, cải thiện hiệu suất và đáp ứng các nhu cầu về dịch vụ và ứng dụng khác nhau.

Cụ thể hơn, mạng LTE thường sử dụng một số băng thông nhất định cho những mục đích khác nhau như băng thông 3 MHz và 5 MHz cung cấp sự cân bằng giữa tốc độ truyền dữ liệu và phủ sóng, phù hợp cho các ứng dụng di động phổ biến, băng thông 10 MHz và 20 MHz được sử dụng trong các khu vực đô thị hoặc các khu vực cần tốc độ dữ liệu cao, hỗ trợ các dịch vụ đòi hỏi băng thông lớn như streaming video chất lượng cao và các ứng dụng đám mây. • Chế độ song công trong LTE: LTE hỗ trợ hai chế độ song công chính: song công phân chia theo tần số (frequency division duplex – FDD) và song công phân chia theo thời gian (time division duplex – TDD). Trong đó, FDD thường được ưa chuộng hơn với việc sử dụng hai dải tần riêng biệt cho việc truyền và nhận dữ liệu, một dải dành cho đường lên (uplink) và một dải dành cho đường xuống (downlink). Điều này giúp tăng cường hiệu suất truyền dẫn và giảm nhiễu lẫn nhau giữa các tín hiệu truyền và nhận.

FDD thường được sử dụng trong các môi trường yêu cầu độ trễ thấp và truyền dẫn liên tục, chẳng hạn như các dịch vụ thoại và video.3 Tổng quan về 5G Tương tự như LTE, 5G cũng là một chuẩn công nghệ không dây, đã nhanh chóng trở thành điểm nóng trong lĩnh vực viễn thông, hứa hẹn mang lại sự kết nối tốc độ cao, độ trễ thấp và khả năng đa dạng hóa ứng dụng. Là một hệ thống phức tạp, 5G kết hợp nhiều công nghệ và ý tưởng mới để đáp ứng nhu cầu ngày càng tăng về dữ liệu và kết nối. Kiến trúc của mạng 5G: Kiến trúc của mạng 5G thường được chia thành ba phần chính: RAN (radio access network), UPD (user plane function), và UE. Nhìn chung, kiến trúc mạng 5G phức tạp hơn (được thể hiện ở hình 2.3), tạo điều kiện để quản lý truyền thông không dây tốt hơn.

Cách thức hoạt động của mạng 5G có thể được mô tả sơ bộ như sau: • UE: UE là thiết bị người dùng, có thể là điện thoại thông minh hoặc thiết bị di động kết nối thông qua RAN tới trạm phát 5G và xa hơn là tới mạng bên ngoài, như Internet. • UPF: UPR cung cấp chức năng mặt phẳng người dùng giúp vận chuyển lưu lượng dữ liệu giữa UE và các mạng bên ngoài. • AMF (access and management mobility function): AMF hoạt động như một điểm vào duy nhất cho kết nối của UE. Dựa trên dịch vụ được UE yêu cầu, AMF chọn chức 9 Hình 2.3: Kiến trúc của mạng 5G [13].

Vùng màu xanh mô tả các chức năng có trong mạng giúp cung cấp các công cụ quản lý truyền thông không dây. năng quản lý phiên SMF (session management function) tương ứng để quản lý người dùng. • AUSF (authentication server function): AUSF cung cấp các chức năng máy chủ giúp xác thực và cho phép AMF quản lý UE và truy cập các dịch vụ của 5G. • Ngoài ra, kiến trúc mạng 5G còn nhiều chức năng khác nhau (tham khảo ở hình 2.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Nghiên Cứu Phát Triển Mô Hình Học Sâu Cho Phân Đoạn Tín Hiệu LTE – 5G" cung cấp cái nhìn sâu sắc về việc áp dụng các mô hình học sâu trong việc phân đoạn tín hiệu trong các mạng viễn thông hiện đại như LTE và 5G. Nghiên cứu này không chỉ giúp cải thiện độ chính xác trong việc phân tích tín hiệu mà còn mở ra cơ hội tối ưu hóa hiệu suất mạng, từ đó nâng cao trải nghiệm người dùng.

Để hiểu rõ hơn về các ứng dụng của học sâu trong lĩnh vực viễn thông, bạn có thể tham khảo tài liệu Ứng dụng học sâu cho phân loại điều chế tự động trong hệ thống ghép kênh theo tần số trực giao, nơi trình bày cách học sâu được sử dụng để cải thiện quy trình phân loại điều chế. Ngoài ra, tài liệu Nghiên cứu mô hình học sâu để dự báo khách hàng rời mạng viễn thông ở tây ninh cũng mang đến cái nhìn về việc dự đoán hành vi khách hàng trong ngành viễn thông, một khía cạnh quan trọng trong việc duy trì và phát triển mạng lưới.

Những tài liệu này không chỉ giúp bạn mở rộng kiến thức về học sâu mà còn cung cấp những ứng dụng thực tiễn trong ngành viễn thông, từ đó giúp bạn nắm bắt xu hướng công nghệ mới nhất.