Mở đầu cho xu hướng áp dụng AI vào các hệ thống giao tiếp tín hiệu không dây, trong [4] tác giả đã sử dụng DL (Deep learning). Cụ thể hơn, mô hình DNN đã được đưa vào hệ thống giao tiếp tín hiệu không dây sử dụng SISO OFDM (single input single output OFDM) dé thay thé gần như toàn bộ hệ thống xử lí tại máy thu được thể hiện trong Hình 1.1 mà vẫn giữ được các giá trị BER không bị sụt giảm. Một điểm mạnh của thiết kế trong [4] đó là việc mô phỏng quá trình truyền nhận dữ liệu trong không gian là không lí tưởng và sát với thực tế. Tuy nhiên, một yếu điểm khá rõ ràng của thiết kế trong [4] đó là chỉ có thể áp dụng cho hệ thống SISO OFDM và thiết kế sẽ không phù hợp nữa khi được ứng dụng vào hệ thống lớn hơn là MIMO OFDM.
V ee] — [| Yp: Tín hiệu pilot sau khi thực hiện DFT Conventional SISO Yd: Tin hiệu dữ liệu sau khi thực hiện DFT OFDM receiver Hình 1.1: Thiết kế cải tiến của hệ thống SISO OFDM trong [4] Đối với hệ thống MIMO, các tác giả của [5]-[7] đã đề xuất phương pháp áp dụng AI để thay thế cũng như cải thiện hiệu suất khôi phục tín hiệu của hệ thống máy thu thông thường. Cụ thể trong [5], máy thu được thay thế bằng các mô hình DNN, CNN được thé hiện trong Hình 1.2 và cho thay không những các giá trị BER không bị suy giảm mà kết quả còn tốt hơn đôi chút so với máy thu thông thường. Đối với [6] và [7], mô hình DCNN (Deep convolutional neural network) được thêm vào nhằm loại bỏ nhiễu xuất hiện trong quá trình truyền nhận tín hiệu được trình bay trong Hình 1. Kết quả cho thấy rằng mô hình DCNN hoàn toàn có thể giúp loại bỏ một phần nhiễu khỏi tín hiệu và từ đó cải thiện các giá trị BER tại đầu ra của bộ xử lí.
Tuy nhiên, điểm yếu của các mô hình này chính là chỉ có thé áp dụng cho hệ thống MIMO mà không phải là MIMO OFDM. V RE Signal detector =» Demapping =» h vy Channel Conventional MIMO RE estimator receiver Fully connected + Softmax = DNN based MIMO receiver ¥ Fully connected => + Softmax Hình 1.2: Các mô hình MIMO được đề xuất trong [5] H + r Receiver >@ >| MLD x}— (4) >| DCNN Hình 1.3 Mô hình MIMO được dé xuất trong [6] zl , H + xị :| Receiver [-z(+) 2| detector Linear x}— (+) »[ DCNN Hình 1.4: Mô hình MIMO được đề xuất trong [7] Trong [8], tác gia đề xuất đề thay thé một số thành phan trong một máy thu thông thường với mong muốn có thể đơn giản hóa cũng như cải thiện hiệu suất được miêu tả trong Hình 1. Điểm mạnh của nghiên cứu này cũng giống với các nghiên cứu bên trên đó chính là quan tâm đến việc mô phỏng truyền nhận tín hiệu là không lí tưởng. Cụ thể hơn, tác giả quan tâm đến vấn đề về PAPR cao do bộ PA (Power amplifier) gây ra khi phải hoạt động trong vùng khuếch đại phi tuyến tính.
Tín hiệu khi bị tác động bởi PAPR cao sẽ bị biến dạng và sẽ không còn giữ được đặc điểm trước đó. Đề khắc phục điều này, có một phương pháp được sử dụng là phương pháp loại bỏ các đỉnh của tín hiệu. Khi tín hiệu bị loại bỏ các đỉnh tại các điểm xảy ra tính trạng PAPR. cao thì vấn đề về PAPR cao sẽ được khắc phục.
Tuy nhiên, đặc tính của tín hiệu vẫn bị ảnh hưởng do việc tín hiệu bị tác động bởi việc loại bỏ các đỉnh. Và AI được áp dụng cũng đề khắc phục điều này khi cố gắng khôi phục lai phan tín hiệu bị tác động bởi việc loại bỏ các đỉnh tại máy thu. Trong [8], ngoài hai mô hình được đề xuất dé cải thiện hiệu xuất bằng cách thêm mô hình DNN vào để thay thế khối Demapping thì tác giả còn đề xuất thêm một mô hình vượt trội hơn. Mô hình DNN vượt trội này ở điểm đó là có thé thay thế các khối như Channel estimator, Signal Detector, Demappnig dé khôi phục lại tín hiệu nhận được sau khối FFT và giúp đơn giản hóa máy thu.
Song song với những kết quả tích cực mang lại rằng các kiến trúc được đề xuất có BER tốt so với máy thu thông thường, điểm hạn chế của nghiên cứu đó là tác giả sử dụng mô hình MIMO OFDM 2x8 với việc sử dụng 2 anten tại máy phát và 8 anten tai máy thu. Điều đó giúp kết quả đạt được dé dàng và có phần khả quan hơn so với các mô hình MIMO OFDM 2x2 và 4x4 thông thường. Và với việc phát triển nhanh của AI thì lại xuất hiện thêm nhiều van đề. Khi vận hành một hệ thống trí tuệ nhân tạo, chúng ta luôn cần một hệ thống đủ lớn dé xử lí những phép toán phức tạp với số lượng lên tới hàng triệu phép tính với tốc độ cao.
Va cũng cần đủ bộ nhớ dé lưu trữ hàng triệu thông số và nguồn năng lượng đủ dé duy trì hệ thống hoạt động. Giải pháp cho điều đó là chúng ta sử dụng những hệ thống Server đủ mạnh nhưng không phải lúc nào hệ thống của chúng ta cũng có thể kết nói tới một hệ thống Server để cho hệ thống hoạt động ổn định và quá trình truyền nhận dữ liệu dita Server và Client sẽ lớn nếu lượng dữ liệu cần truyền tải lớn. Từ đó, những thiết bi phần cứng có thé đáp ứng được những yêu cầu của một hệ thống trí tuệ nhân tạo thay cho Server ra đời và kéo theo nhiều bài công trình nghiên cứu về điều này bang cách sử dụng các kĩ thuật như lượng tử hóa, huffman-coding, pruning [9]-[15],. Chính những kĩ thuật nay sẽ giúp chúng ta giải quyết được những hạn chế về việc sử dụng những hệ thống Server bằng những thiết bị phần chuyên chuyên dụng với lượng tài nguyên tiêu hao không quá lớn.
+ = ~ 1* proposed MIMO OFDM receiver Um sr [op] —> [Rem fe |= = [ps] Ya R yian Conventional « MIMO OFDM Xp] ° receiver Rr|— [s|=‡ 3L [Re] cœ + | 3| = S: Đầu ra của khói Signal detector Yp: Tín hiệu pilot sau khi thực hiện FFT__ | Yp—> Ya: Tín hiệu di liệu sau khi thực hiện FFT | Ya—> > Xp: Tin hiệu pilot tai máy phát đã biết trước | Xp— 2" proposed MIMO OFDM receiver Hình 1.5: Các mô hình MIMO OFDM được đề xuất trong [8] 1. Hướng thực hiện đề tài Dựa trên những van dé đã đưa ra bên trên, về cơ bản đề tài sẽ thực hiện hai công việc chính. Đầu tiên, tiến hành xây dựng các mô hình DNN có khả năng thay thế một phần cũng như toàn bộ hệ thông xử lí truyền thông không dây tại máy thu MIMO - OFDM có khả năng xử lí để khôi phục tín hiệu bị ảnh hưởng bởi việc loại bỏ các đỉnh để tránh bộ PA hoạt động trong vùng không tuyến tính. Hệ thống sẽ bao gồm các thông số cài đặt sau đây: - _ Số lượng ăng ten tại máy phát và thu: 2x2 và 4x4 - _ Số lượng sóng mang con (Subcarrier): 64 - _ Số lượng pilot: 64 - Sơ đỗ điều chế: QAM-4 (Quadrature amplitude modulation).
- Môi trường mô phỏng: Da đường truyền rayleigh với 15 tap (Số lượng tap là số lượng đường truyền trong môi trường giữa máy phát và máy thu do xảy ra các hiện tượng tán xạ, nhiễu xạ, khúc xạ,. Công việc tiếp theo đó là thực hiện xây dựng phần cứng phù hợp có sử dụng các kĩ thuật thiết kế đặc biệt dé tối ưu phần cứng như pipeline và sử dụng số lượng tử hóa thay vì sử dụng số floating-point 32 bit. Và do tập trung vào việc phát triển và tối ưu hệ thống nên việc nạp thiết kế phần cứng xuống board FPGA thật sẽ không được thực hiện. Mục tiêu của khóa luận Mục tiêu đề ra của khóa luận sẽ bao gồm hai phần chính: - _ Xây dựng các mô hình DL có khả năng thay thế một phần cũng toàn bộ hệ thống xử lí truyền thông không dây tại máy thu MIMO — OFDMở hai kiến trúc là 2x2 và 4x4 đề khôi phục tín hiệu bị ảnh hưởng bởi yếu tố PAPR cao sử dụng QAM-4.
Ngoài ra khi so sánh với các bộ DSP (Digital signal processor) thông thường như ZF, MMSE thi giá trị BER có thé tốt hơn 5dB cho hệ thống 2x2 và 2dB cho hệ thống 4x4 khi so sánh với cùng một mức SNR (Signal to noise ratio) (Được thê hiện trong hình Hình 1. 107 1" ps S4 Desired result SdB œ 103 a —&— ZF LS non-linear DSP model 5dB —&— MMSE LS non-linear DSP model 5dB =@- Desired non-linear result at 5dB 30-+| —®— ZF LS non-linear DSP model 7dB —®— MMSE LS non-linear DSP model 7dB. result linear —&— ZF LS linear DSP model and 7B —&— MMSE LS linear DSP model _„ | =®- Desired non-linear result at 7dB 10°} —e- Desired linear result —#— MLD LS non-linear DSP model 5dB —®—_MLD LS non-linear DSP model 748 -*~ MLD LS linear DSP model ` ¬ 10 15 20 25 30 35 40 SNRdB Hình 1.6: Mục tiêu với hệ thống MIMO OFDM 2x2 DSP and desired result SdB 10-1 1072 © SP and desired “<3 result 7đ, F2 10-3 a —&— ZF LS non-linear DSP model 5dB. —® MMSE LS non-linear DSP model 5dB.
: DSP and _, | “Desired non-linear result at 5dB Kiên: 10 “3 —e— ZF LS non-linear DSP model 7dB. TS Bi —®- MMSE LS non-linear DSP model 7dB. ~®-_ Desired non-linear result at 7dB —® ZF LS linear DSP model 10-54 —@— MMSE LS linear DSP model =e Desired linear result —® MLDLS non-linear DSP model 5dB —®—_MLD LS non-linear DSP model 7d8. 10-94 ~®— MLD LS linear DSP model 5 10 15 20 25 30 35 40 SNRdB Hình 1.7: Mục tiêu với hệ thống MIMO OFDM 4x4 - Xây dựng phan cứng phù hợp có sử dụng kĩ thuật thiết kế pipeline và sử dụng số lượng tử hóa cho việc tính toán và lưu trữ dữ liệu để xây dựng và tối ưu phan cứng.
Và do tập trung vào phat triên và tối ưu hệ thống nên nhóm không thực hiện việc nạp thiết kế xuống board FPGA thật. Kì vọng về phần cứng có thể đạt được là thiết kế hệ thống với kích thước có thể nạp được xuống board Virtex 7 vc709, có tần số hoạt động của hệ thống > 100MHz, năng lượng tiêu thụ < 10W. Hệ thống MIMO OFDM 2. Hệ thống OFDM Kỹ thuật OFDM do R.W Chang phát minh năm 1966 ở Mỹ và nằm trong lớp các kỹ thuật điều chế đa sóng mang trong thông tin vô tuyến được trình bày chỉ tiết trong [16].