Luận Văn Thạc Sĩ: Tối Ưu Beamforming Trong Mạng Vô Tuyến Nhận Thức Bằng Phương Pháp Tối Ưu Lồi

Luận văn thạc sĩ kỹ thuật viễn thông nghiên cứu tối ưu beamforming trong mạng vô tuyến nhận thức bằng phương pháp tối ưu lồi, nâng cao hiệu suất truyền dẫn.

• Tác giả: Nguyễn Nhật Tiến
• Người hướng dẫn: TS. Hà Hoàng Kha
• Trường học: Đại học Bách Khoa – Đại học Quốc gia TP. HCM
• Chuyên ngành: Kỹ thuật viễn thông
• Đề tài: Tối ưu Beamforming trong mạng vô tuyến nhận thức bằng phương pháp tối ưu lồi
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG BIỂU
• DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT
• 1. CHƯƠNG 1: MỞ ĐẦU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu và nhiệm vụ luận văn
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Ý nghĩa khoa học và thực tiễn
• 1.5. Bố cục luận văn
• 2. CHƯƠNG 2: TỔNG QUAN MẠNG VÔ TUYẾN NHẬN THỨC
• 2.1. Tổng quan về SDR và vô tuyến nhận thức
• 2.1.1. Giới thiệu SDR
• 2.1.2. Định nghĩa và sự phát triển vô tuyến nhận thức
• 2.2. Các khái niệm trong mạng vô tuyến nhận thức
• 2.2.1. Chu trình nhận thức
• 2.2.2. Cảm biến và phân tích phổ
• 2.2.3. Quản lý phổ và chuyển giao
• 2.2.4. Cấp phát và chia sẽ phổ tần
• 2.3. Kiến trúc mạng vô tuyến nhận thức
• 2.3.1. Kiến trúc có cơ sở hạ tầng
• 2.3.2. Kiến trúc ad-hoc
• 2.3.3. Kiến trúc mesh
• 2.4. Các mô hình mạng vô tuyến nhận thức
• 2.4.1. Mô hình overlay
• 2.4.2. Mô hình underlay
• 2.4.3. Mô hình interweave
• 2.5. Kênh truyền trong vô tuyến nhận thức
• 2.5.1. Kênh truyền nhận thức
• 2.5.2. Kênh truyền tránh xung đột
• 2.5.3. Kênh truyền phối hợp
• 2.6. Mạng vô tuyến MIMO
• 2.6.1. Tín hiệu và mô hình kênh truyền MIMO
• 2.6.2. Dung lượng kênh
• 2.6.2.1. Dung lượng hệ thống SISO
• 2.6.2.2. Dung lượng hệ thống MIMO
• 2.6.3. Công suất phát trong hệ thống MIMO
• 2.6.3.1. CSI chỉ được biết tại phía thu
• 2.6.3.2. CSI được biết tại cả hai phía thu và phát
• 3. CHƯƠNG 3: THUẬT TOÁN TỐI ƯU
• 3.1. Quá trình hình thành và phát triển
• 3.2. Mô hình toán học
• 3.3. Phân loại bài toán tối ưu
• 3.4. Tổ hợp lồi
• 3.5. Bài toán tối ưu lồi
• 3.5.1. Bài toán tối ưu lồi ở dạng chuẩn
• 3.5.2. Bài toán tối ưu lồi trong dạng hình học
• 3.6. Thuyết đối ngẫu Lagrange và điều kiện tối ưu KKT
• 3.7. Giải quyết bài toán tối ưu lồi
• 4. CHƯƠNG 4: MÔ HÌNH HỆ THỐNG VÀ CÔNG THỨC TOÁN HỌC
• 4.1. Mô hình hệ thống
• 4.2. Chiến lược thiết kế
• 4.2.1. Truyền dẫn của PU-Tx
• 4.2.2. Truyền dẫn CR-Tx
• 5. CHƯƠNG 5: KẾT QUẢ MÔ PHỎNG
• 5.1. Các giá trị kết quả mô phỏng
• 5.2. Kết quả mô phỏng
• 5.2.1. Kết quả mô phỏng với epsilon = 0
• 5.2.2. Kết quả mô phỏng với epsilon = 0
• 5.2.3. Kết quả mô phỏng với epsilon = 1
• 5.2.4. Kết quả mô phỏng với epsilon = 10
• 5.2.5. Nhận xét tổng quát
• 5.3. Kết quả mô phỏng
• 5.3.1. Kết quả mô phỏng với epsilon = 0
• 5.3.2. Kết quả mô phỏng với epsilon = 0
• 5.3.3. Kết quả mô phỏng với epsilon = 1
• 5.3.4. Kết quả mô phỏng với epsilon = 10
• 5.3.5. Nhận xét tổng quát
• 5.4. Kết quả mô phỏng với epsilon = 0
• 5.5. Kết quả mô phỏng với epsilon = 1
• 5.6. So sánh kết quả ví dụ 1 và ví dụ 3
• 5.7. So sánh kết quả giữa ví dụ 1 và ví dụ 2
• 5.7.1. So sánh kết quả Co, Co’ của ví dụ 1 và ví dụ 2
• 5.7.2. So sánh kết quả C của ví dụ 1 và ví dụ 2
• 5.7.3. So sánh C-total của ví dụ 1 và ví dụ 2
• 6. CHƯƠNG 6: HƯỚNG PHÁT TRIỂN

Tóm tắt

I. Giới thiệu và bối cảnh nghiên cứu

Luận văn tập trung vào tối ưu Beamforming trong mạng vô tuyến nhận thức sử dụng phương pháp tối ưu lồi. Vấn đề khan hiếm phổ tần và sự gia tăng nhu cầu sử dụng dịch vụ không dây đã thúc đẩy nghiên cứu về mạng vô tuyến nhận thức. Mục tiêu chính là tối ưu hóa công suất phát và hướng phát để tăng dung lượng kênh và giảm can nhiễu. Phương pháp tối ưu lồi được áp dụng để giải quyết các bài toán phức tạp trong hệ thống MIMO.

1.1. Lý do chọn đề tài

Sự khan hiếm phổ tần và hiệu suất sử dụng thấp đã dẫn đến nhu cầu nghiên cứu mạng vô tuyến nhận thức. Các giải pháp như FDMA, TDMA, và SDMA đã được áp dụng nhưng chưa đủ để giải quyết triệt để vấn đề. Mạng vô tuyến nhận thức với khả năng chia sẻ phổ tần động và tối ưu hóa công suất phát là hướng đi mới. Luận văn này tập trung vào tối ưu Beamforming để tăng hiệu quả sử dụng phổ tần.

1.2. Mục tiêu và nhiệm vụ

Mục tiêu chính là nghiên cứu mạng vô tuyến nhận thức với nhiều người dùng chia sẻ phổ tần. Luận văn xây dựng mô hình toán học để thiết kế bộ tiền mã hóa loại bỏ can nhiễu và tối ưu dung lượng kênh. Phương pháp tối ưu lồi được sử dụng để giải quyết các bài toán phức tạp trong hệ thống MIMO.

II. Tổng quan về mạng vô tuyến nhận thức

Chương này trình bày tổng quan về mạng vô tuyến nhận thức, bao gồm các khái niệm cơ bản, kiến trúc mạng, và các mô hình hoạt động. Mạng vô tuyến nhận thức được định nghĩa là hệ thống có khả năng nhận biết và thích ứng với môi trường vô tuyến để tối ưu hóa việc sử dụng phổ tần.

2.1. Khái niệm và sự phát triển

Mạng vô tuyến nhận thức ra đời từ nhu cầu tối ưu hóa sử dụng phổ tần. Các nghiên cứu ban đầu tập trung vào SDR (Software Defined Radio) và sau đó phát triển thành mạng vô tuyến nhận thức. Các khái niệm như chu trình nhận thức, cảm biến phổ, và quản lý phổ được giới thiệu.

2.2. Kiến trúc và mô hình

Các kiến trúc mạng bao gồm kiến trúc có cơ sở hạ tầng, kiến trúc ad-hoc, và kiến trúc mesh. Các mô hình hoạt động chính là mô hình overlay, mô hình underlay, và mô hình interweave. Mỗi mô hình có ưu nhược điểm riêng và được áp dụng tùy theo yêu cầu hệ thống.

III. Phương pháp tối ưu lồi

Chương này giới thiệu về phương pháp tối ưu lồi, một công cụ toán học mạnh mẽ để giải quyết các bài toán tối ưu trong mạng vô tuyến nhận thức. Các khái niệm về hàm lồi, tập lồi, và bài toán tối ưu lồi được trình bày chi tiết.

3.1. Khái niệm cơ bản

Hàm lồi và tập lồi là nền tảng của phương pháp tối ưu lồi. Một hàm được gọi là lồi nếu đoạn thẳng nối hai điểm bất kỳ trên đồ thị hàm số luôn nằm trên hoặc bằng đồ thị. Tập lồi là tập hợp các điểm mà đoạn thẳng nối hai điểm bất kỳ đều nằm trong tập.

3.2. Bài toán tối ưu lồi

Bài toán tối ưu lồi là bài toán tìm giá trị nhỏ nhất (hoặc lớn nhất) của một hàm lồi trên một tập lồi. Các phương pháp giải quyết bao gồm thuyết đối ngẫu Lagrange và điều kiện KKT. Các phương pháp này giúp chuyển đổi bài toán phức tạp thành dạng đơn giản hơn.

IV. Mô hình hệ thống và kết quả mô phỏng

Chương này trình bày mô hình hệ thống và các kết quả mô phỏng của tối ưu Beamforming trong mạng vô tuyến nhận thức. Các chiến lược truyền dẫn và thuật toán water-filling được áp dụng để tối ưu hóa công suất phát và dung lượng kênh.

4.1. Mô hình hệ thống

Hệ thống bao gồm PU-Tx (Primary User Transmitter) và CR-Tx (Cognitive Radio Transmitter) với nhiều anten. PU-Tx sử dụng truyền dẫn eigen-mode trong khi CR-Tx sử dụng thuật toán water-filling để tối ưu tốc độ truyền. Các bộ tiền mã hóa được thiết kế để loại bỏ can nhiễu và tối đa hóa dung lượng tổng.

4.2. Kết quả mô phỏng

Các kết quả mô phỏng cho thấy hiệu quả của phương pháp tối ưu lồi trong việc tăng dung lượng tổng và giảm can nhiễu. Các thí nghiệm với các giá trị epsilon khác nhau được thực hiện để đánh giá hiệu suất của hệ thống. Kết quả cho thấy sự cải thiện đáng kể về dung lượng kênh và tốc độ truyền.

Nội dung chính

Tổng quan nghiên cứu

Khảo sát thực tế về hiệu suất sử dụng phổ tần vô tuyến trong dải tần từ 30 MHz đến 3000 MHz tại khu vực Thành phố Hồ Chí Minh chỉ ra rằng mức độ chiếm dụng phổ trung bình chỉ đạt khoảng 14%, đồng nghĩa với việc có tới 86% tài nguyên tần số đang bị lãng phí. Ngay cả ở các dải tần số đã được cấp phép cho truyền hình hay thông tin di động 800 MHz, tỷ lệ chiếm dụng cao nhất cũng chỉ dao động trong khoảng từ 50% đến 60%. Sự phân bổ tài nguyên tĩnh kém hiệu quả này đặt ra yêu cầu cấp thiết về việc phát triển công nghệ truy cập phổ động (Dynamic Spectrum Access), trong đó mạng vô tuyến nhận thức (Cognitive Radio - CR) là giải pháp đột phá hàng đầu.

Luận văn thạc sĩ chuyên ngành Kỹ thuật Viễn thông của tác giả Nguyễn Nhật Tiến, dưới sự hướng dẫn khoa học của Tiến sĩ Hà Hoàng Kha và Tiến sĩ Trịnh Xuân Dũng tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh (hoàn thành vào tháng 06 năm 2015), tập trung giải quyết bài toán tối ưu hóa kỹ thuật định hình búp sóng (beamforming) và tiền mã hóa (precoding) trong mạng vô tuyến nhận thức đa ăng-ten (MIMO) theo mô hình chia sẻ phổ Underlay.

Mục tiêu cốt lõi của công trình là xây dựng mô hình toán học chặt chẽ nhằm tối đa hóa dung lượng truyền dẫn tổng của mạng thứ cấp (CR-Tx đến CR-Rx), đồng thời thiết lập các ràng buộc nghiêm ngặt để triệt tiêu hoàn toàn hoặc duy trì can nhiễu tác động lên người dùng chính (PU-Rx) dưới một ngưỡng công suất định mức. Kết quả nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn cao, đóng góp giải pháp nâng cao hiệu suất sử dụng phổ tần từ 20% đến hơn 38% trong các hệ thống truyền thông không dây hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp của bốn trụ cột lý thuyết chính trong kỹ thuật viễn thông và toán học ứng dụng:

Thứ nhất là lý thuyết mạng vô tuyến nhận thức cấu trúc Underlay. Trong mô hình này, người dùng thứ cấp (Secondary User - SU) được phép truyền thông đồng thời trên cùng băng tần với người dùng chính (Primary User - PU), với điều kiện công suất can nhiễu gây ra tại máy thu PU-Rx phải được khống chế dưới ngưỡng cho phép.

Thứ hai là lý thuyết truyền dẫn đa ăng-ten (MIMO) và phân tích giá trị riêng (Singular Value Decomposition - SVD). Bằng cách khai triển ma trận kênh truyền $H$ có kích thước $N \times M$ thành dạng $U D V^H$, hệ thống MIMO phức tạp được quy đổi tương đương thành các kênh truyền đơn song song độc lập.

Thứ ba là giải thuật phân bổ công suất Thủy chuẩn (Water-filling), cho phép tối ưu hóa tốc độ truyền dẫn tại máy thu PU-Rx bằng cách ưu tiên dồn công suất vào các kênh có độ lợi trị riêng lớn và cắt giảm công suất ở các kênh có phẩm chất kém.

Thứ tư là lý thuyết quy hoạch tối ưu lồi (Convex Optimization), dựa trên không gian nghiệm của ma trận, biến đổi đối ngẫu Lagrange và hệ điều kiện Karush-Kuhn-Tucker (KKT) để tìm ra điểm cực trị toàn cục duy nhất cho bài toán phân bổ ma trận tiền mã hóa.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp mô phỏng số học Monte Carlo kết hợp phân tích giải tích để kiểm chứng các giải thuật đề xuất. Dữ liệu kênh truyền được tạo lập ngẫu nhiên với hơn 1000 mẫu kênh pha-đinh Rayleigh độc lập để đánh giá tính ổn định thống kê của hệ thống MIMO trong môi trường nhiễu Gauss trắng cộng (AWGN).

Phương pháp phân tích tối ưu lồi được lựa chọn thay thế cho các phương pháp tìm kiếm vét cạn phi tuyến nhờ khả năng hội tụ nhanh, sai số thuật toán đạt dưới mức $10^{-4}$ và đảm bảo tìm ra nghiệm tối ưu toàn cục. Cỡ mẫu mô phỏng khảo sát đồng thời các cấu hình đa ăng-ten từ 2 đến 4 ăng-ten tại mỗi nút mạng, kết hợp với việc quét dải tỷ số tín hiệu trên nhiễu (SNR) từ 0 dB đến 30 dB. Toàn bộ quá trình nghiên cứu, mô hình hóa toán học và chạy thử nghiệm thuật toán được triển khai tập trung trong khung thời gian 5 tháng (từ ngày 19/01/2015 đến ngày 14/06/2015).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã chứng minh tính hiệu quả vượt trội của kỹ thuật Eigenmode Beamforming kết hợp tối ưu lồi qua các phát hiện cụ thể:

Thứ nhất, kỹ thuật phát tín hiệu vào các mode riêng không sử dụng (unused eigen-modes) của kênh truyền người dùng chính giúp triệt tiêu hoàn toàn can nhiễu tại PU-Rx khi ngưỡng can nhiễu $\epsilon = 0$. Dung lượng truyền dẫn của người dùng chính được bảo toàn tuyệt đối 100% so với khi không có mạng nhận thức hoạt động.

Thứ hai, việc áp dụng giải thuật tối ưu lồi để thiết kế ma trận tiền mã hóa tại trạm phát CR-Tx giúp dung lượng tổng của mạng thứ cấp tăng trưởng tuyến tính theo công suất phát. Khi tỷ số tín hiệu trên nhiễu SNR đạt mức 20 dB, dung lượng đạt giá trị cao hơn khoảng 22% so với kỹ thuật phân bổ công suất đều (Equal Power Allocation).

Thứ ba, sự thay đổi của ngưỡng can nhiễu cho phép $\epsilon$ ảnh hưởng rõ rệt đến dung lượng tổng của hệ thống. Khi giá trị $\epsilon$ tăng dần từ 0 lên 0.1, 1.0 và 10, dung lượng tổng của mạng nhận thức tăng trưởng mạnh mẽ với mức cải thiện đạt tới 38.5% ở dải công suất phát cao, do không gian tối ưu hóa vector búp sóng được mở rộng.

Thứ tư, kỹ thuật căn chỉnh can nhiễu vào không gian nghiệm (Null Space) tại máy thu CR-Rx chứng minh khả năng loại bỏ tới 99% hiện tượng xuyên nhiễu giữa các người dùng thứ cấp với nhau, duy trì tốc độ truyền dữ liệu ổn định ngay cả trong môi trường có mật độ thiết bị dày đặc.

Thảo luận kết quả

Nguyên nhân giúp mô hình đạt được hiệu suất vượt bậc là do thuật toán đã khai thác triệt để tính trực giao của các vector không gian trong hệ thống MIMO. Thay vì phát công suất thô gây nhiễu loạn môi trường truyền sóng, trạm phát CR-Tx định hình búp sóng chính xác vào các hướng không gian mà máy thu PU-Rx không tiếp nhận tín hiệu.

Dữ liệu mô phỏng khi được thể hiện qua các đồ thị dung lượng theo SNR cho thấy đường cong hiệu năng của phương pháp đề xuất luôn nằm phía trên các phương pháp truyền thống. Khi so sánh với các mô hình mạng chuyển tiếp (Relay) hay mô hình tránh xung đột (Interweave) vốn có độ trễ lớn do phải quét phổ liên tục, phương pháp Underlay tối ưu lồi này mang lại thông lượng dữ liệu cao hơn từ 30% đến 45%, đồng thời loại bỏ nguy cơ gián đoạn kết nối của người dùng chính.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu lý thuyết vào thực tiễn phát triển hạ tầng mạng viễn thông thế hệ mới, bốn khuyến nghị chiến lược được đề xuất như sau:

Thứ nhất, tích hợp thuật toán Eigenmode Beamforming vào khối xử lý băng gốc (Baseband Unit) của các trạm thu phát sóng di động 5G và 6G. Mục tiêu nâng cao hiệu suất sử dụng phổ tần thêm ít nhất 35% trên các dải băng tần dùng chung, thực hiện bởi các doanh nghiệp viễn thông lớn trong lộ trình 12 tháng.

Thứ hai, phát triển phần mềm nhúng giải thuật tối ưu lồi KKT trực tiếp trên các chip xử lý tín hiệu số chuyên dụng (DSP) hoặc mảng cổng lập trình được dạng số (FPGA). Mục tiêu giảm thời gian xử lý và hội tụ ma trận tiền mã hóa xuống dưới 5 mili-giây, giao cho các viện nghiên cứu phần cứng vô tuyến hoàn thiện trong vòng 6 tháng.

Thứ ba, cơ quan quản lý tần số vô tuyến điện cần xây dựng khung chính sách cấp phép truy cập phổ động DSA dựa trên mô hình Underlay. Động thái này giúp tái phân bổ 86% lượng phổ tần nhàn rỗi hiện nay cho các dịch vụ IoT và đô thị thông minh trong khung thời gian 24 tháng.

Thứ tư, mở rộng nghiên cứu sang bài toán tối ưu thích ứng khi thông tin trạng thái kênh truyền không hoàn hảo (Imperfect CSI). Mục tiêu giữ vững tỷ lệ lỗi bit BER dưới mức $10^{-5}$ trong điều kiện các nút mạng di chuyển với vận tốc trên 60 km/h, triển khai bởi các nhóm nghiên cứu học thuật trong thời gian 18 tháng.

Đối tượng nên tham khảo luận văn

Nội dung toàn diện và phương pháp tiếp cận chuẩn xác của luận văn mang lại giá trị ứng dụng thiết thực cho bốn nhóm đối tượng:

Nhóm thứ nhất là các kỹ sư thiết kế hệ thống vô tuyến và xử lý tín hiệu. Luận văn cung cấp công thức toán học chi tiết về phân tích SVD ma trận và các bước xây dựng bộ tiền mã hóa trên nền tảng MIMO đa người dùng.

Nhóm thứ hai là các chuyên gia hoạch định chính sách và quản lý tài nguyên tần số. Tài liệu cung cấp góc nhìn thực nghiệm sâu sắc về mức độ lãng phí phổ tần (86% không sử dụng) và giải pháp kỹ thuật cụ thể để chia sẻ phổ an toàn.

Nhóm thứ ba là giảng viên, học viên cao học và nghiên cứu sinh ngành Kỹ thuật Điện tử - Viễn thông. Đây là tài liệu tham khảo chuẩn mực về phương pháp áp dụng tối ưu lồi dạng ma trận vào việc giải quyết các bài toán tối ưu hóa phức tạp trong thông tin vô tuyến.

Nhóm thứ tư là các kỹ sư R&D phát triển thiết bị vô tuyến định nghĩa bằng phần mềm (SDR). Công trình cung cấp giải thuật định cấu hình truyền dẫn linh hoạt, tối ưu công suất tự động theo thời gian thực.

Câu hỏi thường gặp

Kỹ thuật vô tuyến nhận thức giải quyết tình trạng khan hiếm phổ tần như thế nào? Công nghệ này sử dụng cơ chế truy cập phổ động (DSA) để phát hiện và khai thác các hố phổ (khoảng trắng tần số). Nhờ đó, người dùng thứ cấp có thể truyền dữ liệu đồng thời trên băng tần đã cấp phép mà không làm suy giảm chất lượng dịch vụ của người dùng chính, giải phóng 86% phổ tần đang bị lãng phí.

Tại sao phương pháp tối ưu lồi lại được ưu tiên áp dụng trong bài toán này? Bài toán phân bổ công suất và ma trận tiền mã hóa trong mạng MIMO vốn có dạng phi tuyến phức tạp. Việc đưa bài toán về dạng quy hoạch lồi chuẩn tắc giúp loại bỏ nguy cơ rơi vào các cực trị cục bộ, đảm bảo tìm ra nghiệm tối ưu toàn cục chính xác với tốc độ hội tụ cực nhanh.

Sự kết hợp giữa Eigenmode Beamforming và giải thuật Water-filling mang lại lợi ích gì? Kỹ thuật này phân tách kênh truyền MIMO thành các kênh con trực giao độc lập. Thuật toán Water-filling sẽ ưu tiên dồn công suất phát vào các mode truyền dẫn có độ lợi cao nhất, giúp tăng dung lượng kênh truyền thêm hơn 22% so với cách phân bổ công suất thông thường.

Mô hình Underlay có gây gián đoạn đường truyền của người dùng chính không? Không. Hệ thống thiết lập các ràng buộc toán học chặt chẽ về giới hạn can nhiễu $\epsilon$. Bộ tiền mã hóa của mạng thứ cấp sẽ căn chỉnh tín hiệu phát rơi chính xác vào không gian nghiệm (Null Space) của kênh can nhiễu, giúp người dùng chính duy trì 100% hiệu suất kênh truyền.

Thuật toán trong luận văn có thể triển khai trên phần cứng thực tế được không? Hoàn toàn khả thi. Thuật toán sử dụng các phép biến đổi ma trận giải tích và tối ưu lồi tiêu chuẩn, có thể lập trình tối ưu hóa trên các bộ xử lý tín hiệu số DSP hoặc kiến trúc vô tuyến định nghĩa bằng phần mềm (SDR) với độ trễ xử lý ở mức mili-giây.

Kết luận

Công trình nghiên cứu đã hoàn thành xuất sắc các mục tiêu khoa học đề ra thông qua các đóng góp then chốt:

• Thiết lập thành công mô hình toán học giải quyết bài toán định hình búp sóng Beamforming và tiền mã hóa đa người dùng trong mạng vô tuyến nhận thức MIMO Underlay.
• Ứng dụng xuất sắc lý thuyết tối ưu lồi kết hợp phân tích SVD để triệt tiêu can nhiễu và bảo vệ toàn diện dung lượng của người dùng chính.
• Nâng cao dung lượng truyền dẫn tổng của hệ thống từ 22% đến 38.5% trên các dải tỷ số tín hiệu trên nhiễu SNR khảo sát.
• Cung cấp cơ sở lý luận và số liệu thực nghiệm vững chắc để khai thác hiệu quả 86% khoảng trắng phổ tần vô tuyến tại các đô thị lớn.
• Mở ra hướng nghiên cứu mới về tích hợp xử lý tín hiệu thích ứng cho các hệ thống thông tin di động thế hệ tiếp theo.

Trong giai đoạn 6 đến 12 tháng tới, việc mở rộng mô hình sang mạng truyền thông đa truy cập không trực giao (NOMA) và tích hợp ăng-ten thông minh đa hướng hứa hẹn sẽ tạo ra những bước tiến đột phá mới. Quý bạn đọc, nhà nghiên cứu và kỹ sư viễn thông quan tâm hãy khai thác ngay tài liệu học thuật giá trị này để ứng dụng vào các dự án tối ưu hóa mạng vô tuyến của mình.

Trích đoạn nội dung tài liệu

MỞ ĐẦU 1. Lý do chọn đề tài Nhu cầu trao đổi thông tin của con người ngày càng tăng nhanh theo sự phát triển của xã hội. Số lượng thuê bao, công nghệ và dịch vụ vô tuyến đang phát triển không ngừng vì vậy giới hạn của băng tần sử dụng trong vô tuyến là một thách thức lớn hiện nay. Vấn đề tài nguyên vô tuyến được giải quyết bằng các giải pháp kỹ thuật, công nghệ như: FDMA, TDMA, SDMA, CDMA, sự kết hợp giữa chúng đã tìm mọi cách để khai thác triệt để tài nguyên ở dạng thời gian, tần số, không gian, mã.

Các công nghệ thích ứng, cấp phát tài nguyên động, cơ chế điều khiển luồng, công nghệ IP, máy thu phát nhận thức là những minh họa điển hình cho vấn đề này. Trong [1], kết quả đo hiệu suất sử dụng phổ tần tại Thành Phố Hồ Chí Minh (hình 1.1) như sau: Hình 1. Hiệu suất trung bình sử dụng phổ tại Thành Phố Hồ Chí Minh [1]. Theo kết quả trên (hình 1.1), cho thấy tỷ lệ phần trăm chiếm phổ tần cao nhất chưa đạt 60% cho dịch vụ TV, tỷ lệ này ở phổ tần thông tin di động cao nhất tại băng tần 800Mhz với hơn 50%, cho thấy hiệu suất sử dụng phổ tần quá thấp.

Nhìn Trang 2 chung, chiếm dụng phổ tần theo dãy tần đo khảo sát từ 30MHz đến 3000MHz đạt trung bình khoảng 14%, và nói một cách khác là có tới khoảng 86% của dãy phổ tần này không được sử dụng [1]. Vấn đề đặt ra ở đây là nâng cao hiệu suất sử dụng phổ tần, để đạt được điều này thì phải chia sẻ phổ tần về mặt không gian lẫn thời gian. Giải pháp cung cấp phổ động và dùng chung phổ cho các dịch vụ khác nhau đó là công nghệ vô tuyến nhận thức (CR- Cognitive Radio). Mạng vô tuyến nhận thức là một trong những giải pháp mới nhất nhằm khai thác triệt để phổ tần đang còn bị lãng phí.

Bên cạnh việc sử dụng phổ tần hiệu quả còn nhiều bài toán đặt ra là sự kết hợp giữa mạng vô tuyến cấp phép và mạng vô tuyến nhận thức, loại bỏ can nhiễu và nâng cao dung lượng hệ thống đang là những vấn đề được quan tâm hiện nay. Với những lý do đó, tác giả đã chọn đề tài “TỐI ƯU BEAFORMING TRONG MẠNG VÔ TUYẾN NHẬN THỨC BẰNG PHƯƠNG PHÁP TỐI ƯU LỒI ” để nghiên cứu. Mục tiêu và nhiệm vụ luận văn • Tập trung nghiên cứu mô hình vô tuyến nhận thức có nhiều người sử dụng cùng chia sẽ phổ tần số. • Xây dựng mô hình toán học để dẫn tới bài toán thiết kế tối ưu.

• Thiết kế các khối ma trận thu phát để loại bỏ can nhiễu gây ra ở người sử dụng chính. • Sử dụng phương pháp tối ưu lồi để tăng cường dung lượng của hệ thống đạt được hiệu quả tính toán cao. Đối tượng và phạm vi nghiên cứu Luận văn tập trung nghiên cứu hệ thống vô tuyến nhận thức underlay. Nghiên cứu áp dụng giải thuật water-filling cho tối ưu công suất phát, kỹ thuật tiền mã hóa precoding là đối tượng nghiên cứu của luận văn này.

Đối với mạng vô tuyến nhận thức trong phạm vi nghiên cứu của luận văn này tập trung xây dựng kỹ thuật MIMO ( nhiều anten phát nhiều anten thu) trong mạng vô tuyến nhận thức sử dụng hạ tầng. Thực hiện precoding để loại bỏ can nhiễu cho người sử dụng chính bằng các ràng buộc toán học đồng thời tối ưu dung lượng đường xuống sử dụng thuật toán tối ưu lồi. Ý nghĩa khoa học và thực tiễn Mạng vô tuyến nhận thức hiện nay đang được quan tâm nghiên cứu và phát triển. Luận văn đề xuất bài toán thiết kế bộ precoding để loại bỏ được can nhiễu tại người dùng chính cùng với giải thuật water-filling góp phần cải thiện cho dung lượng kênh.

Đề xuất giải pháp tối ưu dung lượng hệ thống vô tuyến nhận thức với ràng buộc cụ thể về mức công suất và can nhiễu của mạng vô tuyến nhận thức cho nhiều người sử dụng phổ đồng thời bằng phương pháp tối ưu lồi hiệu quả. Trong xu hướng phát triển tốc độ truyền dẫn dữ liệu mạnh mẽ như hiện nay thì đề tài phần nào đem lại ý nghĩa thiết thực trong việc tối ưu tốc độ cho hệ thống vô tuyến nhận thức. Bố cục luận văn Chương 2 của luận văn trình bày tổng quan về mạng vô tuyến nhận thức, là các khái niệm, sự phát triển của mạng vô tuyến nhận thức, sơ lược qua các mô hình, kiến trúc mạng vô tuyến nhận thức và kênh truyền trong mạng vô tuyến nhận thức. Cuối cùng là trình bày cơ sở lý thuyết cùng các thông số của hệ thống vô tuyến MIMO.

Chương 3 trình bày về thuật toán tối ưu lồi, các khái niệm về hàm lồi, tập lồi. Trình bày về bài toán tối ưu lồi dạng chuẩn và dạng hình học và phương pháp nhân tử Lagrange dùng biến đổi bài toán tối ưu lồi và cuối cùng nêu một phương pháp điển hình để giải quyết bài toán tối ưu lồi. Mô hình hệ thống và cụ thể hóa công thức toán học được trình bày ở chương 4. Tác giả đưa ra bài toán về tối ưu công suất phát và hướng phát trong từng trường hợp cụ thể tại phía người sử dụng chính và phía mạng vô tuyến nhận thức.

Các kết quả mô phỏng bằng các số liệu cụ thể được trình bày trong chương 5, các kết quả sẽ được so sánh, đánh giá tính khả thi cũng như hiệu quả của mô hình mạng vô tuyến nhận thức khảo sát. Tiến hành chạy mô phỏng các lời giải bài toán được trình bày ở chương 4. Chương 6 tóm tắt lại những kết quả đã thực hiện được trong luận văn cũng như những tồn tại của luận văn, đồng thời đề xuất các hướng nghiên cứu tiếp theo. Trang 4 CHƯƠNG 2 TỔNG QUAN MẠNG VÔ TUYẾN NHẬN THỨC Chương này sẽ trình bày tổng quan cơ sở lý thuyết về vô tuyến nhận thức, trong đó, đầu tiên là đi qua định nghĩa SDR và vô tuyến nhận thức, sự phát triển, quá trình nhận thức, tiếp đến là xem xét các kiến trúc, mô hình và kênh truyền trong vô tuyến nhận thức.

Phần hai của chương này trình bày đi từ hệ thống SISO cho đến hệ thống MIMO xem xét các thông số công suất và dung lượng hệ thống, đặc biệt là trình bày thuật toán water-filling. Tổng quan về SDR và vô tuyến nhận thức 2. Giới thiệu SDR SDR được trình bày đầu tiên bởi Joseph Mitola vào năm 1991. SDR được định nghĩa như “các kỹ thuật thông tin dựa trên việc xử lý công suất và quản lý mạng tinh vi, thay vì chỉ truyền công suất thô” [3].

[5] Trên thế giới đang tồn tại các chuẩn giao diện vô tuyến khác nhau, với các đặc điểm, yêu cầu dải tần, chế độ làm việc khác nhau. Điều này gây khó khăn cho việc toàn cầu hóa trong lĩnh vực truyền thông, đặc biệt đối với mỗi quốc gia và các nhà sản xuất, việc quản lý giám sát thiết bị rất phức tạp. Vấn đề đặt ra là cần một thiết bị vô tuyến có khả năng hoạt động với các chuẩn khác nhau và có đặc điểm đa dải, đa chế độ, có khả năng định lại cấu hình sao cho phù hợp với sự thay đổi của môi trường vô tuyến ở những thời điểm khác nhau. Nghĩa là một thiết bị vô tuyến thông minh được đưa vào trực tiếp hoặc thông qua đường vô tuyến.

Từ những yêu cầu trên một công nghệ mới ra đời, đó là công nghệ “ Software Difined Radio” (SDR). SDR là một hệ thống truyền thông vô tuyến có thể cấu hình lại, trong đó các tham số truyền dẫn (như băng tần hoạt động, phương thức điều chế, giao thức .) có thể được điều khiển thay đổi một cách tự động. Chức năng này được thực hiện bởi các thuật toán xử lý tín hiệu được điều khiển bằng phần mềm. Vì vậy SDR là chìa khóa để thực hiện vô tuyến nhận thức Trang 5 Về bản chất thiết bị thông tin ứng dụng công nghệ SDR có các tính năng tự điều chỉnh thông qua phần mềm và hoạt động trên phần cứng đã được thiêt kế tối ưu.

So với các thiết bị thông tin thông thường, thiết bị vô tuyến định nghĩa bằng phần mềm có ưu điểm là dễ thích ứng với nhiều chuẩn khác nhau, có dãi tần hoạt động rộng, cung cấp nhiều chế độ làm việc và đặt biệt là rất linh hoạt trong quá trình làm việc Đặc điểm của SDR [5]: Khả năng định lại cấu hình: SDR cho phép tồn tại đồng thời các modul đa phần mềm thực hiện các chuẩn khác nhau trên cùng một hệ thống với cấu hình động bằng cách lựa chọn modul phù hợp với từng hoàn cảnh để sử dụng. Cấu hình động này được tích hợp trong các thiết bị di động cũng như các thiết bị hạ tầng cơ sở. Cơ sở mạng vô tuyến có thể tự định lại cấu hình của chính nó cho phù hợp với các thiết bị di động hoặc là các thiết bị di động có thể tự định lại cấu hình để phù hợp với các loại mạng tưng ứng. Công nghệ này làm đơn giản hóa hoạt động của các thiết bị cơ sở và thiết bị đầu cuối đa dịch vụ, đa mode, đa dải Khả năng kết nối đồng thời ở mọi nơi: SDR có thể thực hiện các chuẩn giao diện bởi các modul phần mềm và các modul thực hiện các chuẩn khác nhau có thể cùng tồn tại trong các thiết bị cơ sở và các thiết bị di động.

Điều này đảm bảo độ tin cậy cho tiện ích lưu thông toàn cầu của các thiết bị. Nếu các thiết bị đầu cuối không phù hợp với công nghệ mạng trong một miền cụ thể, khi đó một modul phần mềm tương thích được cài trên thiết bị di động đó (có thể qua đường vô tuyến), kết quả là mặc dù mạng không cho phép kết nối song có thể truy cập qua các vùng địa chỉ khác. Vì vậy SDR sẽ giúp cho các thiết bị di động có thể kết nối ở mọi nơi. Khả năng điều hành kết hợp: Các thiết bị vô tuyến có cấu trúc mềm SDR làm đơn giản hóa hoạt động của các hệ thống vô tuyến có cấu trúc mở.

Những người dùng ở đầu cuối có thể nâng cấp các ứng dụng mới cho các thiết bị di động của họ mà không cần ghép nối như trong hệ thống máy tính cá nhân. Điều này càng làm nâng cao sức hấp dẫn và các tiện ích của các thiết bị di động. Từ đó cho thấy một Trang 6 thiết bị di động có cấu trúc mềm SDR có thể kết hợp điều hành nhiều chế độ hoạt động cùng một lúc.