Nghiên Cứu Thuật Toán Tách Sóng và Giải Mã P-LDPC cho Hệ Thống Thông Tin MIMO

Luận án tiến sĩ toán học nghiên cứu nghiên cứu thuật toán tách sóng và giải mã p ldpc cho hệ thống thông tin mimo cỡ lớn với bộ adc độ, phân tích chuyên sâu, xây dựng mô hình lý

• Tác giả: Đặng Ngọc Hùng
• Người hướng dẫn: PGS. Nguyễn Văn Thủy
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên Cứu Thuật Toán Tách Sóng và Giải Mã P-LDPC cho Hệ Thống Thông Tin MIMO
• Loại tài liệu: luận án
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng Quan Nghiên Cứu Thuật Toán Tách Sóng MIMO P LDPC

Hệ thống thông tin MIMO (Multiple-Input Multiple-Output) đang ngày càng trở nên quan trọng trong các mạng không dây hiện đại, đặc biệt là trong bối cảnh mạng 5G và các hệ thống truyền thông tốc độ cao. Kỹ thuật MIMO cho phép tăng đáng kể tốc độ truyền dữ liệu và hiệu suất phổ tần. Việc sử dụng nhiều ăng ten ở cả phía phát và phía thu tạo ra các kênh truyền song song, cho phép truyền đồng thời nhiều luồng dữ liệu. Tuy nhiên, việc xử lý tín hiệu trong các hệ thống MIMO cỡ lớn đặt ra nhiều thách thức, đặc biệt là trong việc tách sóng MIMO và giải mã P-LDPC. Theo thống kê, lưu lượng dữ liệu mạng di động đã tăng trưởng đáng kể, điều này càng thúc đẩy sự cần thiết của các giải pháp MIMO hiệu quả. Luận án này tập trung vào việc nghiên cứu và phát triển các thuật toán tách sóng MIMO và giải mã P-LDPC hiệu quả cho các hệ thống MIMO cỡ lớn, đặc biệt trong điều kiện sử dụng bộ chuyển đổi ADC độ phân giải thấp.

1.1. Tầm quan trọng của hệ thống thông tin MIMO hiện đại

Hệ thống thông tin MIMO đóng vai trò then chốt trong việc đáp ứng nhu cầu băng thông ngày càng tăng của các ứng dụng không dây hiện đại. Khả năng tăng tốc độ truyền dữ liệu và hiệu suất phổ của kỹ thuật MIMO cho phép cung cấp các dịch vụ chất lượng cao cho người dùng. Theo nghiên cứu, lưu lượng dữ liệu di động tiếp tục tăng trưởng với tốc độ chóng mặt, đòi hỏi sự cải tiến liên tục trong công nghệ truyền thông. Việc áp dụng MIMO vào các tiêu chuẩn không dây như Wi-Fi và 5G đã chứng minh hiệu quả của nó trong việc cải thiện trải nghiệm người dùng và hỗ trợ các ứng dụng đòi hỏi băng thông lớn.

1.2. Giới thiệu về mã P LDPC và ứng dụng trong MIMO

Mã P-LDPC là một loại mã sửa lỗi tiên tiến, được sử dụng rộng rãi trong các hệ thống truyền thông hiện đại. Với khả năng sửa lỗi tốt và độ phức tạp giải mã thấp, mã P-LDPC là lựa chọn lý tưởng cho các hệ thống MIMO. Giải mã P-LDPC hiệu quả là yếu tố then chốt để đảm bảo độ tin cậy của truyền dẫn dữ liệu trong các hệ thống MIMO cỡ lớn. Các thuật toán giải mã lặp cho phép đạt được hiệu suất gần với giới hạn Shannon, làm cho P-LDPC trở thành một công cụ mạnh mẽ trong việc cải thiện chất lượng liên kết không dây.

1.3. Thách thức của việc triển khai MIMO cỡ lớn với ADC độ phân giải thấp

Triển khai MIMO cỡ lớn với bộ chuyển đổi ADC độ phân giải thấp đặt ra nhiều thách thức kỹ thuật. Việc giảm độ phân giải của ADC giúp giảm tiêu thụ năng lượng và chi phí phần cứng, nhưng đồng thời làm giảm chất lượng tín hiệu và tăng độ phức tạp của việc tách sóng MIMO. Cần phải có các thuật toán tách sóng tối ưu và kỹ thuật giải mã P-LDPC hiệu quả để bù đắp cho sự suy giảm chất lượng tín hiệu do ADC độ phân giải thấp gây ra. Sự cân bằng giữa hiệu suất và độ phức tạp là yếu tố quan trọng trong việc thiết kế các hệ thống MIMO cỡ lớn hiệu quả.

II. Giải Quyết Bài Toán Tách Sóng MIMO Các Phương Pháp Chính

Bài toán tách sóng MIMO là một trong những vấn đề cốt lõi trong các hệ thống truyền thông không dây. Mục tiêu chính là khôi phục các tín hiệu được truyền đi từ nhiều ăng ten phát khác nhau, dựa trên các tín hiệu nhận được tại nhiều ăng ten thu. Có nhiều phương pháp tách sóng MIMO khác nhau, mỗi phương pháp có ưu và nhược điểm riêng về độ phức tạp và hiệu suất. Một số thuật toán phổ biến bao gồm tách sóng ML, tách sóng MMSE, và tách sóng ZF. Việc lựa chọn thuật toán tách sóng tối ưu phụ thuộc vào nhiều yếu tố, bao gồm số lượng ăng ten, điều kiện kênh truyền, và yêu cầu về độ phức tạp tính toán. Luận án này sẽ tập trung vào việc phân tích và cải thiện hiệu suất của các thuật toán tách sóng MIMO trong môi trường sử dụng mã P-LDPC và bộ chuyển đổi ADC độ phân giải thấp.

2.1. Thuật toán tách sóng Maximum Likelihood ML và độ phức tạp

Thuật toán tách sóng ML là phương pháp tách sóng tối ưu về mặt lý thuyết, vì nó tìm kiếm tổ hợp tín hiệu truyền đi có khả năng cao nhất tạo ra tín hiệu nhận được. Tuy nhiên, độ phức tạp tính toán của tách sóng ML tăng theo cấp số mũ với số lượng ăng ten phát, làm cho nó không khả thi cho các hệ thống MIMO cỡ lớn. Các phương pháp gần đúng của tách sóng ML được sử dụng để giảm độ phức tạp, nhưng vẫn có thể không đáp ứng được yêu cầu về thời gian thực trong một số ứng dụng.

2.2. Tách sóng MMSE Minimum Mean Square Error Ưu và nhược điểm

Tách sóng MMSE là một thuật toán tách sóng MIMO phổ biến, cân bằng giữa hiệu suất và độ phức tạp. Tách sóng MMSE giảm thiểu lỗi bình phương trung bình giữa tín hiệu truyền đi ước tính và tín hiệu truyền đi thực tế. So với tách sóng ML, tách sóng MMSE có độ phức tạp thấp hơn đáng kể, làm cho nó phù hợp hơn cho các hệ thống MIMO cỡ lớn. Tuy nhiên, tách sóng MMSE có thể không đạt được hiệu suất tốt nhất trong một số điều kiện kênh truyền nhất định.

2.3. Tách sóng ZF Zero Forcing Giải pháp đơn giản và nhanh chóng

Tách sóng ZF là một thuật toán tách sóng MIMO đơn giản và nhanh chóng, loại bỏ nhiễu giữa các luồng tín hiệu bằng cách đảo ngược ma trận kênh truyền. Tách sóng ZF có độ phức tạp tính toán thấp, nhưng nó có thể khuếch đại nhiễu, đặc biệt là khi ma trận kênh truyền gần suy biến. Do đó, tách sóng ZF thường không được sử dụng một mình, mà được kết hợp với các kỹ thuật khác để cải thiện hiệu suất.

III. Giải Mã P LDPC Hiệu Quả Thuật Toán và Tối Ưu Hóa Hệ Thống

Giải mã P-LDPC là một quá trình quan trọng để khôi phục dữ liệu gốc từ mã được mã hóa. Hiệu quả của quá trình giải mã P-LDPC ảnh hưởng trực tiếp đến hiệu suất của hệ thống MIMO. Có nhiều thuật toán giải mã P-LDPC khác nhau, bao gồm thuật toán Belief Propagation và các biến thể của nó như thuật toán Min-Sum và thuật toán Sum-Product. Việc lựa chọn thuật toán giải mã P-LDPC hiệu quả phụ thuộc vào yêu cầu về hiệu suất và độ phức tạp. Ngoài ra, việc tối ưu hóa cấu trúc mã P-LDPC cũng đóng vai trò quan trọng trong việc cải thiện hiệu suất hệ thống.

3.1. Thuật toán Belief Propagation BP và ứng dụng trong P LDPC

Thuật toán Belief Propagation là thuật toán giải mã P-LDPC phổ biến nhất, sử dụng các thông điệp trao đổi giữa các nút biến và nút kiểm tra trong đồ thị Tanner. Thuật toán Belief Propagation cho phép đạt được hiệu suất giải mã gần với giới hạn Shannon, nhưng độ phức tạp của nó có thể cao trong một số trường hợp. Các biến thể của Belief Propagation được sử dụng để giảm độ phức tạp và cải thiện hiệu suất trong các hệ thống thực tế.

3.2. So sánh thuật toán Min Sum và Sum Product trong giải mã P LDPC

Thuật toán Min-Sum và thuật toán Sum-Product là hai biến thể phổ biến của thuật toán Belief Propagation. Thuật toán Min-Sum có độ phức tạp thấp hơn thuật toán Sum-Product, nhưng hiệu suất của nó có thể kém hơn trong một số trường hợp. Việc lựa chọn giữa thuật toán Min-Sum và thuật toán Sum-Product phụ thuộc vào sự cân bằng giữa hiệu suất và độ phức tạp.

3.3. Thiết kế và tối ưu hóa cấu trúc mã P LDPC để cải thiện hiệu suất

Cấu trúc của mã P-LDPC đóng vai trò quan trọng trong việc xác định hiệu suất giải mã. Việc thiết kế mã P-LDPC với các đặc tính tốt, chẳng hạn như khoảng cách Hamming lớn và chu trình ngắn, có thể cải thiện đáng kể hiệu suất hệ thống. Các kỹ thuật tối ưu hóa cấu trúc mã P-LDPC, chẳng hạn như thuật toán PEG (Progressive Edge Growth), được sử dụng để tạo ra các mã có hiệu suất tốt và độ phức tạp giải mã thấp.

IV. Ứng Dụng Nghiên Cứu Đánh Giá Hiệu Suất Hệ Thống MIMO

Nghiên cứu này tập trung vào đánh giá hiệu suất của hệ thống MIMO sử dụng mã P-LDPC và bộ chuyển đổi ADC độ phân giải thấp. Các kết quả mô phỏng cho thấy rằng việc sử dụng các thuật toán tách sóng và giải mã P-LDPC phù hợp có thể bù đắp cho sự suy giảm chất lượng tín hiệu do ADC độ phân giải thấp gây ra. Các chỉ số hiệu suất quan trọng được đánh giá bao gồm BER (Bit Error Rate) và SNR (Signal-to-Noise Ratio). Việc đánh giá hiệu suất hệ thống trong các điều kiện kênh truyền khác nhau cho phép xác định các điểm mạnh và điểm yếu của các thuật toán khác nhau, từ đó đưa ra các khuyến nghị thiết kế phù hợp.

4.1. Đánh giá tỷ lệ lỗi bit BER và ảnh hưởng của SNR

Tỷ lệ lỗi bit (BER) là một chỉ số quan trọng để đánh giá chất lượng của hệ thống truyền thông. BER thể hiện xác suất một bit được giải mã sai. SNR (Signal-to-Noise Ratio) là tỷ lệ giữa công suất tín hiệu và công suất nhiễu. BER giảm khi SNR tăng, cho thấy chất lượng tín hiệu tốt hơn. Các kết quả mô phỏng cho thấy mối quan hệ giữa BER và SNR trong các hệ thống MIMO sử dụng mã P-LDPC và ADC độ phân giải thấp.

4.2. Ảnh hưởng của số lượng ăng ten MIMO đến hiệu suất hệ thống

Số lượng ăng ten trong hệ thống MIMO ảnh hưởng trực tiếp đến hiệu suất. Việc tăng số lượng ăng ten có thể cải thiện dung lượng kênh và hiệu suất phổ, nhưng cũng làm tăng độ phức tạp của việc xử lý tín hiệu. Các kết quả mô phỏng cho thấy mối quan hệ giữa số lượng ăng ten và hiệu suất hệ thống trong các điều kiện khác nhau.

4.3. So sánh hiệu suất giữa các thuật toán tách sóng khác nhau

Việc so sánh hiệu suất giữa các thuật toán tách sóng khác nhau là cần thiết để xác định thuật toán phù hợp nhất cho một hệ thống MIMO cụ thể. Các kết quả mô phỏng cho thấy sự khác biệt về hiệu suất giữa các thuật toán tách sóng ML, MMSE, và ZF trong các điều kiện kênh truyền khác nhau.

V. Kết luận Hướng Phát Triển Cho Nghiên Cứu Tách Sóng MIMO P LDPC

Luận án này đã trình bày các nghiên cứu về thuật toán tách sóng và giải mã P-LDPC cho hệ thống thông tin MIMO cỡ lớn. Các kết quả cho thấy việc sử dụng mã P-LDPC kết hợp với các thuật toán tách sóng tối ưu có thể cải thiện đáng kể hiệu suất hệ thống, ngay cả trong điều kiện sử dụng bộ chuyển đổi ADC độ phân giải thấp. Tuy nhiên, vẫn còn nhiều hướng nghiên cứu tiềm năng để tiếp tục cải thiện hiệu suất và giảm độ phức tạp của hệ thống. Các hướng nghiên cứu trong tương lai bao gồm việc phát triển các thuật toán tách sóng thích ứng với điều kiện kênh truyền thay đổi, và việc thiết kế các cấu trúc mã P-LDPC phù hợp với các ứng dụng cụ thể. Việc triển khai phần cứng của các thuật toán tách sóng và giải mã P-LDPC cũng là một hướng nghiên cứu quan trọng.

5.1. Tóm tắt những đóng góp chính của luận án

Luận án đã đóng góp vào việc phát triển các thuật toán tách sóng và giải mã P-LDPC hiệu quả cho hệ thống thông tin MIMO cỡ lớn. Nghiên cứu này đã phân tích ảnh hưởng của bộ chuyển đổi ADC độ phân giải thấp đến hiệu suất hệ thống, và đề xuất các giải pháp để bù đắp cho sự suy giảm chất lượng tín hiệu. Các kết quả mô phỏng đã chứng minh tính khả thi của việc sử dụng mã P-LDPC và các thuật toán tách sóng tối ưu trong các hệ thống MIMO thực tế.

5.2. Các hướng nghiên cứu tiềm năng trong tương lai

Các hướng nghiên cứu tiềm năng trong tương lai bao gồm việc phát triển các thuật toán tách sóng thích ứng với điều kiện kênh truyền thay đổi, và việc thiết kế các cấu trúc mã P-LDPC phù hợp với các ứng dụng cụ thể. Việc nghiên cứu các kỹ thuật giải mã P-LDPC hiệu quả với độ phức tạp thấp cũng là một hướng đi quan trọng. Ngoài ra, việc khảo sát ứng dụng MIMO trong các lĩnh vực khác nhau, chẳng hạn như 5G MIMO và Wireless communication, sẽ mở ra nhiều cơ hội mới.

5.3. Triển khai phần cứng của thuật toán tách sóng và giải mã P LDPC

Việc triển khai phần cứng của các thuật toán tách sóng và giải mã P-LDPC là một thách thức kỹ thuật. Các giải pháp triển khai sử dụng FPGA implementation hoặc ASIC implementation có thể được sử dụng để đạt được hiệu suất cao và tiêu thụ năng lượng thấp. Nghiên cứu về các kiến trúc phần cứng hiệu quả cho tách sóng MIMO và giải mã P-LDPC là một hướng đi quan trọng để đưa các thuật toán này vào thực tế.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN VỀ HỆ THỐNG MIMO CỠ LỚN VỚI BỘ ADC ĐỘ PHÂN GIẢI THẤP SỬ DỤNG MÃ P-LDPC Công nghệ đa đầu vào đa đầu ra cỡ lớn (LS-MIMO) là một trong những kỹ thuật quan trọng cho phép triển khai mạng không dây thế hệ thứ 5 (5G). Do sở hữu một số lượng lớn các ăng-ten tại trạm gốc (BS), các hệ thống MIMO lớn có thể mang lại những cải thiện đáng kể về hiệu suất phổ (SE). Tuy nhiên, số lượng ăng-ten tăng lên làm tăng đáng kể mức tiêu thụ năng lượng trên mạch tần số vô tuyến (RF).

Theo đó, một hướng nghiên cứu quan trọng là làm thế nào cải thiện hiệu quả năng lượng (EE) hay hiệu năng của hệ thống thông tin MIMO mà vẫn đảm bảo hiệu suất phổ và yêu cầu về độ trễ xử lý. Phần đầu của chương này trình bày các lý thuyết tổng quan về các khái niệm và vấn đề hiệu năng của hệ thống thông tin MIMO cỡ lớn. Phần tiếp theo của chương trình bày ngắn gọn các nghiên cứu và lý thuyết cơ sở về các đối tượng nghiên cứu chính của luận án. Trong phần cuối, các khảo sát và phân tích về các công trình nghiên cứu có liên quan trong và ngoài nước được xem xét để làm rõ các mục tiêu của luận án.

Công nghệ đa đầu vào đa đầu ra (MIMO) Các mạng di động thương mại đã phát triển nhanh chóng để đáp ứng nhu cầu dữ liệu ngày càng tăng trong nhiều thập kỷ kể từ khi hệ thống di động thế hệ đầu tiên (1G) ra đời vào năm 1980. Gần đây, sách trắng do Cisco phát hành đã khẳng định rằng mạng 4G hiện tại không thể đáp ứng nhu cầu dữ liệu không dây trong tương lai gần [33]. Một trong những thách thức chính trong thiết kế hệ thống di động thế hệ tiếp theo (5G) nằm ở việc cải thiện SE. Công nghệ MIMO đã được chuẩn hóa và thương mại hóa trong mạng 5G [34].

Để cải thiện hơn nữa SE, kỹ thuật MIMO cỡ lớn (còn được gọi là hệ thống ăng ten quy mô lớn, MIMO rất lớn, siêu MIMO, MIMO đầy đủ kích thước) sử dụng số lượng ăng ten BS lớn hơn nhiều so với trong các hệ thống MIMO truyền thống và đã được coi là một trong những tính năng chính trong 5G [4], [5], [24], [35]–[37]. Tuy nhiên, cho đến nay số lượng ăng ten quy chuẩn cho một hệ thống MIMO cỡ lớn vẫn chưa được quy định cụ thể. Ví dụ, vào tháng 8 năm 2016 Ericsson đã trình diễn hệ thống MIMO cỡ lớn phiên bản thương mại đầu tiên trên thế giới là Ericsson AIR 6468, với 64 ăng 7 (LUAN.THAP an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm (LUAN.THAP ten thu [38]. Tiếp đó, HUAWEI và Samsung cũng xem xét sử dụng 32 và 64 ăng ten thu trong các ứng dụng 5G mới nhất của họ [39], [40].

Hơn nữa, để các kết quả so sánh là công bằng với các công trình nghiên cứu gần nhất, số lượng ăng ten trong các nghiên cứu của luận án được lựa chọn trong khoảng từ 10 cho đến 100, như đã được giới hạn ở trên. Một số khái niệm cơ sở trong một hệ thống MIMO cỡ lớn được xem xét trong luận án này được trình bày dưới đây. Dung lượng kênh Dung lượng kênh được định nghĩa là tốc độ tối đa mà thông tin có thể truyền qua kênh một cách đáng tin cậy. Khái niệm về dung lượng kênh được Shannon đưa ra lần đầu tiên vào năm 1948 [41], trong đó chỉ ra rằng có một giới hạn lý thuyết về dung lượng kênh.

Giới hạn này tương ứng với mức tối đa của thông tin tương hỗ 𝐼(𝑠, 𝑦) giữa tín hiệu truyền s và tín hiệu nhận được y: 𝐶 = 𝑚𝑎𝑥𝑝𝑠(𝑆) 𝐼(𝑠, 𝑦) (1.1) Trong đó, 𝑝𝑠 là hàm mật độ xác suất của tín hiệu truyền. Trong công trình [15], Telatar đưa ra biểu thức lý thuyết cho dung lượng kênh MIMO trong các kênh Rayleigh Fading. Ông chỉ ra rằng dung lượng này tăng tuyến tính với số lượng tối thiểu của ăng ten thu và ăng ten phát. Dung lượng này phụ thuộc phần lớn vào mô hình kênh, do vậy, dung lượng kênh tức thời được xem xét khi ma trận kênh H được xác định.

Kênh Rayleigh Fading được sử dụng trong các mô hình hệ thống MIMO, được xem xét trong các công trình nghiên cứu của luận án này. Mô hình hệ thống MIMO Xem xét một hệ thống truyền thông không dây được mã hóa MIMO, có M ăng ten phát (đầu vào) và N ăng ten thu (đầu ra) như Hình 1. Tại máy phát, một khối bit thông tin 𝑏 kích thước 𝐿𝑖 đầu tiên được mã hóa bởi bộ mã hóa thành một từ mã c với độ dài các bit được mã hóa là 𝐿𝑐. Giá trị của 𝐿𝑐 được biểu diễn thông qua 𝐿𝑖 thông qua tỉ lệ mã hóa 𝑅 = 𝐿𝑖 / 𝐿𝑐.

Bộ mã hóa kênh có thể là bộ mã hóa chập, bộ mã hóa turbo hoặc bộ mã hóa LDPC. Các bit được mã hóa 𝑐 ∈ {0, 1} được điều chế thông qua bộ điều chế pha nhị phân (BPSK) với các mức đầu ra thuộc tập 𝑠 = (−1)𝑐 ∈ {+1, −1}. Trong một lần sử dụng kênh, sử dụng 8 (LUAN.THAP an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm (LUAN.THAP sơ đồ ghép kênh không gian [20], M tín hiệu được điều chế sẽ được truyền thông qua M ăng ten. Như vậy, nó đòi hỏi sử dụng kênh 𝐿 = [𝐿𝑐 / 𝑀] lần để truyền tất cả các bit được mã hóa 𝐿𝑐.

Mô hình tổng quan hệ thống thông tin MIMO mã hóa Như vậy, kênh MIMO được mô hình bằng toán học như sau: 𝑟 = 𝐻𝑥 + 𝑤 (1.2) Trong đó, 𝑥 = [x1 , x2 , … , x𝑚 ]𝑇 là tín hiệu MIMO được truyền đi với các phần tử thuộc 2 miền giá trị của bộ điều chế pha nhị phân. Năng lượng tín hiệu trung bình 𝐸𝑠 = 𝐸(||𝑥|| ) được chuẩn hóa về 1. Ma trận 𝐻 𝜖 ∁𝑁 𝑥 𝑀 là ma trận hệ số kênh chứa các thành phần ℎ[𝑛, 𝑚] tại hàng n và cột m của ma trận 𝐻.3) ⋮ … ⋮ ℎ𝑛1 ℎ𝑛2 ⋯ ℎ𝑛𝑚 Giả sử giá trị ℎ[𝑛, 𝑚] là các phần tử của ma trận H, có giá trị tuân theo phân phối Gauss phức với độ lệch chuẩn bằng 0 và phương sai đơn vị, được ký hiệu ∁𝒩 (0, 1). Như được giới hạn trong phần phạm vi luận án, các nghiên cứu trong luận án này được thực hiện với giả thiết rằng thông tin trạng thái kênh (CSI) là có ở phía thu nhưng không có ở phía phát.

Theo đó, vector nhiễu 𝑊 = [𝑤 [1], 𝑤[2],· · · , 𝑤[𝑁]]𝑇 T 𝜖 C N x 1 được giả sử là 9 (LUAN.THAP an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm (LUAN.THAP vector nhiễu Gauss trắng cộng với các phần tử tuân theo phân phối chuẩn Gauss với trung bình không và phương sai N0, nghĩa là ∁𝒩 (0, 𝑁0 ). Cuối cùng, 𝑟 = [𝑟[1], 𝑟[2],· · · , 𝑟[𝑁]]T 𝜖 CN x 1 là vector tín hiệu nhận được với 𝑟[𝑛] là tín hiệu nhận được tại ăng ten thứ n. Tại máy thu, chúng ta có thể quan sát thấy tổng tuyến tính của các ký hiệu được truyền trong kênh MIMO bị nhiễu. Do vậy, một nhiệm vụ của bộ tách sóng MIMO là khôi phục lại được vector 𝑥 được truyền từ vector 𝑟 chứa nhiễu nhận được.

Tiếp đó, các hoạt động ngược lại được thực hiện để khôi phục thông tin đã truyền. Đầu tiên, tín hiệu nhận được tại mỗi ăng ten thu, 𝑟[𝑛] với 𝑛 = 1, 2, … , 𝑁 được chuyển đổi từ dạng tương tự sang dạng số thông qua một cặp ADC tại mô-đun tần số vô tuyến. Sau đó, các ký hiệu này được giải điều chế và giải mã LDPC. Quá trình này được thực hiện trong một tiến trình lặp liên tục, nhờ vậy hiệu năng của hệ thống được cải thiện.

Thuật toán tách sóng và giải mã phía thu này sẽ được trình bày chi tiết trong các nội dung nghiên cứu tại Chương 3 và Chương 4 của luận án. Phần tiếp theo sẽ trình bày về bộ chuyển đổi tín hiệu tương tự sang số (ADC) độ phân giải ∑ 𝑏𝑖𝑡 tại phía thu. Bộ chuyển đổi tín hiệu tương tự sang số (ADC) Ngày nay, bộ ADC được sử dụng rộng rãi trong nhiều ứng dụng khác nhau. Trong khi đó, tần số sóng mang cũng như băng thông ngày càng mở rộng, đòi hỏi tốc độ lấy mẫu cao hơn và tăng băng thông đầu vào tín hiệu tương tự.

Tuy nhiên, hiệu năng của các bộ thu kỹ thuật số, còn được gọi là bộ thu vô tuyến phần mềm, bị hạn chế bởi độ méo (distortion) do ADC tạo ra và các yêu cầu về dải tín hiệu điển hình khó đáp ứng với các bộ chuyển đổi hiện có trên thị trường [42]. Các bộ ADC được sử dụng tại trạm gốc để chuyển đổi tín hiệu tương tự nhận được thành tín hiệu số. Một bộ tách sóng sau đó được sử dụng để khôi phục các tín hiệu đã truyền. Hoạt động của bộ lượng tử hóa ADC được trình bày sau đây, để giải thích nguyên nhân sự ảnh hưởng nghiêm trọng của quá trình lượng tử hóa độ phân giải thấp đối với hiệu năng của các hệ thống MIMO cỡ lớn.

Hoạt động của bộ ADC Bộ chuyển đổi ADC trong thực tế là một thiết bị điện tử phức tạp. Tuy nhiên, lý thuyết hoạt động của một bộ chuyển đổi ∑-bit lý thuyết tương đối đơn giản để giải thích. Bộ chuyển 10 (LUAN.THAP an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm (LUAN.THAP đổi có tín hiệu đầu vào thời gian liên tục, được ký hiệu là 𝑠(𝑡 ). Tín hiệu này có thể giả định bất kỳ giá trị thực nào, có thể bị giới hạn trong miền hữu hạn, tức là 𝑠(𝑡 ) là liên tục cả về biên độ và thời gian.

Sau đó, chuyển đổi tương tự sang số là một lượng tử hóa theo thời gian và biên độ, sao cho mọi thời điểm 𝑛𝑇𝑠 , trong đó 𝑇𝑠 là chu kỳ lấy mẫu và 𝑛 là chỉ số mẫu (số 𝑀−1 nguyên), một đầu ra 𝑥𝑖 được tạo ra từ một tập hữu hạn {𝑥𝑗 }𝑗=0. Ở đây, 𝑀 = 2∑ là số mức lượng tử hóa hoặc số mã đầu ra có thể có, với ∑ là số bit của bộ lượng tử. Phiên bản được chuyển đổi A/D của đầu vào 𝑠(𝑡 ) có thể được biểu diễn bằng tín hiệu thời gian rời rạc 𝑥𝑛 ∈ 𝑀−1 {𝑥𝑗 } 𝑗=0. Người ta thường chia một thiết bị ADC lý thuyết thành hai phần: Thành phần giữ và lấy mẫu và Thành phần lượng tử như trong Hình 1.

Cấu trúc này không chỉ thuận tiện về mặt lý thuyết toán học mà còn phù hợp với một số kiến trúc ADC thực tế.