i LàI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cāu cÿa riêng tôi. Các số liệu, kết quả nêu trong đề tài là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Hồ Chí Minh, ngày 10 tháng 5 năm 2024 Học viên thực hiện đề án Lê Minh Trí ii LàI CKM ¡N Được sự hướng dẫn cÿa Khoa Viễn Thông II, Học viện Công nghệ Bưu chính Viễn thông Cơ sở tại Thành phố Hồ Chí Minh và sự đồng ý cÿa Thầy GS. Võ Nguyßn Qußc B¿o, Em đã lựa chọn và thực hiện đề tài <Ứng dāng AI trong °ßc l°ÿng và tßi °u hißu nng hß thßng STAR-RIS=.
Em xin được gửi lời cảm ơn chân thành đến Thầy GS. Võ Nguyßn Qußc B¿o, người đã tận tình hướng dẫn em trong suốt quá trình thực hiện đề tài tốt nghiệp. Thầy đã cung cấp cho em tài liệu nghiên cāu, giúp em định hướng được những vấn đề trọng tâm. Trong thời gian làm việc cùng Thầy, em đã học tập được thái độ làm việc nghiêm túc, cách suy luận, cũng như tiếp cận vấn đề mới một cách khoa học, đây sẽ là những bài học quý giá cho bản thân em trong suốt cuộc đời.
Đồng thời, em xin cảm ơn Phòng Thí Nghiệm Thông Tin Vô Tuyến tại Học viện Công nghệ Bưu chính Viễn thông Cơ sở tại Thành phố Hồ Chí Minh đã tạo những điều kiện thuận lợi để em có thể hoàn thành tốt đề tài này. Em trân trọng cảm ơn Ban giám hiệu và tất cả các quý Thầy Cô đã tham gia giảng dạy trong suốt quá trình học tập và nghiên cāu tại Học viện Công nghệ Bưu chính Viễn thông để có những kiến thāc để hoàn thành đề tài một cách tốt nhất. Cuối cùng, em xin cảm ơn gia đình và bố mẹ, người đã luôn ở bên động viên và tạo điều kiện tốt nhất để em có thể nỗ lực hoàn thành tốt đề tài. Em xin chân thành cảm ơn! TP.
Hồ Chí Minh, ngày 10 tháng 5 năm 2024 Học viên thực hiện đề án Lê Minh Trí iii MĀC LĀC LàI CAM ĐOAN. ii DANH MĀC CÁC THUÀT NGĀ VÀ CHĀ VI¾T TÂT. v DANH SÁCH HÌNH VẼ. 1 CH¯¡NG 1 - C¡ Sâ L[ LUÀN .1 Bề mặt phản xạ thông minh (RIS) .1 Cấu tạo RIS .2 Nguyên lý làm việc cÿa RIS .2 Bề mặt phát và phản xạ thông minh (STAR-RIS) .1 Cấu tạo cÿa STAR-RIS .2 Nguyên lý làm việc cÿa STAR-RIS.3 Mạng đa truy cập không trực giao .4 Āng dụng cÿa mô hình STAR-RIS.
15 CH¯¡NG 2 – KHKO SÁT VÀ ĐÁNH GIÁ HIàU NNG MÔ HÌNH STAR- RIS .1 Mô hình hệ thống STAR-RIS .2 Hiệu năng hệ thống STAR-RIS .1 Tỷ số tín hiệu trên nhiễu cÿa hệ thống STAR-RIS .2 Xác suất dừng cÿa hệ thống STAR-RIS .3 Đánh giá hiệu năng và mô phỏng. 24 CH¯¡NG 3 - ¯NG DĀNG AI TRONG ¯£C L¯£NG. 30 VÀ T×I ¯U HIàU NNG Hà TH×NG STAR-RIS .2 Liên hệ giữa AI và mạng học sâu DNN .3 Bài toán tối ưu .4 Āng dụng DNN trong ước lượng và tối ưu hiệu năng hệ thống .1 Kết quả mô phỏng .2 Đánh giá độ tin cậy cÿa mạng học sâu DNN. 38 CH¯¡NG 4 – K¾T QUK VÀ H¯£NG PHÁT TRIàN .2 Hướng phát triển đề tài.
40 DANH MĀC TÀI LIàU THAM KHKO. 43 v DANH MĀC CÁC THUÀT NGĀ VÀ CHĀ VI¾T TÂT Vi¿t tÃt Ti¿ng Anh Ti¿ng Viát AI Artificial Intelligence Trí tuệ nhân tạo DNN Deep Neural Network Mạng học sâu nơ-ron ML Machine Learning Học máy NOMA Non Orthogonal Multiple Access Đa truy cập không trực giao Orthogonal Frequency Division Đa truy cập phân chia theo tần số OFDMA Multiple Access trực giao OP Outage Probability Xác suất dừng Mặt phẳng thông minh có thể tái RIS Reconfigurable Intelligent Surfaces cấu hình SIC Successive Interference Cancellation K礃̀ thuật khử nhiễu tuần tự T椃ऀ lệ tín hiệu trên nhiễu cộng can SINR Signal to Interference & Noise Ratio nhiễu Simultaneously Transmitting and STAR Truyền và phản xạ đồng thời Reflecting vi DANH SÁCH HÌNH VẼ Hình 1. Cấu tạo RIS………………………………………………………. Cấu tạo mặt phẳng RIS…………………………………………….
RIS dựa trên các siêu bề mặt………………………………………. Nguyên lý làm việc cÿa RIS………………………………………… 7 Hình 1. STAR-RIS cơ bản…………………………………………………. Nguyên lý làm việc cÿa STAR-RIS………………………………… 9 Hình 1.
Các giao thāc hoạt động cÿa STAR-RIS…. So sánh OFDMA và NOMA………………………………………. Quá trình khử nhiễu tuần tự tại máy thu……………………………. Mô hình hệ thống thông tin STAR-RIS đường xuống……………… 16 Hình 2.
Mô hình toán hệ thống STAR-RIS…………………………………. Xác suất dừng tại người dùng n. Xác suất dừng tại người dùng f. So sánh xác suất dừng tại người dùng n cÿa STAR-RIS và 28 RIS…………………………………………………………………………….
Xác suất dừng cÿa toàn hệ thống STAR-RIS. Kiến trúc mạng Nơ-ron……………………………………………. Mạng học sâu DNN…………………………………………………. Cấu trúc các giai đoạn cÿa mạng học sâu DNN…………………….
Quá trình tạo tập dữ liệu huấn luyện cho mạng học sâu DNN ……. Giá trị xác xuất dừng cÿa hệ thống tại SNR= -5dB, 0dB, 5dB và 36 10dB………………………………………………………………………… Hình 3. Kết quả dự đoán hệ số phân bổ công suất qua mạng học sâu DNN 37 vii Hình 3. So sánh hiệu năng hệ thống với các hệ số phân bổ công suất khác 38 nhau………………………………………………………………………….
RMSE cÿa các mạng học sâu DNN………………………………. 39 1 Mâ Đ¾U Mạng 5G ra đời như xu thế phát triển tất yếu cÿa công nghệ, cùng yêu cầu về tốc độ xử lý, khả năng phÿ sóng, độ tin cậy và trễ thấp thì tất yếu sẽ có các thế hệ mạng sau 5G được nghiên cāu và triển khai. Cùng với các yêu cầu cÿa người dùng, āng dụng và phạm vi sử dụng cÿa mạng mới sẽ mang lại nhiều vấn đề, thách thāc, đòi hỏi các mô hình truyền thông khác biệt, các công nghệ phối hợp hiệu quả, đặc biệt là ở lớp vật lý. Trong những năm gần đây, một k礃̀ thuật hỗ trợ nổi trội, đem lại sự tối ưu cho công nghệ truyền thông không dây đó là bề mặt phản xạ thông minh có thể tái cấu hình RIS, đã thu hút sự chú ý rộng rãi sự quan tâm trong giới hàn lâm và công nghiệp.
RIS giúp khắc phục các tác động tiêu cực cÿa mạng truyền thống, giảm nhiễu, đảm bảo độ tin cậy, tăng sự bảo mật, tối ưu hóa kênh truyền, nâng cao hiệu quả phổ, tiết kiệm năng lượng, mở rộng phạm vi phÿ sóng, đáp āng các yêu cầu về tốc độ dữ liệu truyền cÿa người dùng và chất lượng dịch vụ, góp phần nâng cao hiệu năng chung cÿa toàn bộ hệ thống truyền thông. Trong một số công trình nghiên cāu gần đây, xuất hiện một số định nghĩa khác để đặc tả tính năng cÿa bề mặt phản xạ thông minh, có thể kể đến: ✓ Bề mặt phản xạ thông minh IRS (Intelligent Reflecting Surfaces): bao gồm một mảng các phần tử, mỗi phần tử này gây ra một số thay đổi đối với tín hiệu tới. Sự thay đổi nói chung có thể là về pha, biên độ hoặc tần số [1]. ✓ Bề mặt thông minh có thể cấu hình lại RIS (Reconfigurable Intelligent Surface): RIS có thể tái cấu hình bằng cách sử dụng phần mềm để điều khiển pha chung cÿa tất cả các phần tử và các pha cÿa các tia phản xạ.
Tín hiệu RF phản xạ có thể được bổ sung để cải thiện công suất tín hiệu nhận được [2]. ✓ Bề mặt thông minh lớn LIS (Large Intelligent Surface): là một bề mặt rộng với lượng lớn ăng-ten, cho phép truyền dữ liệu chÿ động, thay vì phản xạ thụ động các tín hiệu từ các trạm gốc như trong trường hợp IRS. 2 ✓ Gương thông minh (Intelligent mirror): Tạo liên kết LoS bằng cách xoay RIS hoặc thay đổi mặt sóng điện từ. Tuy cách gọi và phạm vi sử dụng khác nhau nhưng bản chất chung cÿa các công nghệ này đều hướng đến mục tiêu là thay đổi phương thāc thu phát tín hiệu không dây truyền thống nhằm giúp nâng cao hiệu năng tổng thể cÿa hệ thống.
Tuy nhiên, hầu hết các đóng góp nghiên cāu hiện tại đều xem xét trường hợp RIS ch椃ऀ hoạt động ở chế độ phản xạ [3]. Trong trường hợp này, máy phát và máy thu phải được đặt ở cùng một phía với RIS, do đó dẫn đến ch椃ऀ có nửa vùng không gian được phục vụ (mặt trước tấm RIS). Hạn chế không gian này không phải lúc nào cũng được đáp āng trong thực tế, do đó hạn chế tính linh hoạt và hiệu quả cÿa RIS vì người dùng có thể nằm ở bất kỳ vị trí nào so với RIS. Để khắc phục hạn chế này, một k礃̀ thuật mới STAR-RIS cho phép truyền và phản xạ đồng thời được ra đời.
Tín hiệu tới ngẫu nhiên trên một phần tử cÿa STAR-RIS được chia thành hai tín hiệu thành phần cụ thể. Một phần tín hiệu phản xạ (cùng không gian với tín hiệu tới, gọi là không gian phản xạ) và phần kia tín hiệu được truyền/khúc xạ qua STAR-RIS (không gian đối diện với tín hiệu tới, gọi là không gian truyền/khúc xạ)[4]. Bằng cách điều ch椃ऀnh cả dòng điện và từ cÿa phần tử STAR-RIS, tín hiệu truyền và phản xạ có thể được cấu hình lại thông qua hai hệ số truyền và hệ số phản xạ. Khi đó, STAR-RIS có thể hỗ trợ toàn không gian.
Tuy có những ưu điểm trên, nhưng việc nghiên cāu STAR-RIS trong các hệ thống truyền thông không dây vẫn còn trong giai đoạn sơ khai [4]. Để tối ưu hiệu năng cÿa hệ thống STAR-RIS, cần phải xem xét nhiều vấn đề như: Tỷ lệ tối ưu giữa hệ số phân bổ công suất nút nguồn S cho từng người dùng để hệ thống có thể đạt được xác xuất dừng tối thiểu… Do đó, để giải quyết các vấn đề tối ưu hiệu năng hệ thống STAR-RIS, dựa trên các vấn đề khảo sát nêu trên và các vấn đề nghiên cāu mở, tôi xin chọn đề tài: <Ứng dāng AI trong °ßc l°ÿng và tßi °u hißu nng hß thßng STAR-RIS=. Đề án sẽ tập trung giải quyết bài toán tối ưu bằng k礃̀ thuật AI và đề xuất cấu trúc mạng nơ- 3 ron phù hợp để ước lượng và tối ưu hiệu năng hệ thống trong vùng tỷ lệ tín hiệu trên nhiễu hoạt động cÿa hệ thống. Đề án gồm 4 chương với nội dung tóm tắt như sau: CH¯ƠNG 1: CƠ Sà LÝ LUẬN Chương này giới thiệu tổng quan về cấu tạo và nguyên lý hoạt động cÿa công nghệ: RIS, STAR-RIS và āng dụng cÿa công nghệ này vào hệ thống viễn thông.
Đồng thời tìm hiểu về nguyên tắc hoạt động cÿa mạng đa truy cập không trực giao. CH¯ƠNG 2: KH¾O SÁT VÀ ĐÁNH GIÁ HIÞU NNG MÔ HÌNH STAR-RIS Chương này trình bày về nghiên cāu cựu thể cÿa cÿa mô hình STAR-RIS trong hệ thống viễn thông, đồng thời đánh giá hiệu năng cÿa mô hình thông qua các thông số: Tỷ lệ tín hiệu trên nhiễu và xác suất dừng cÿa hệ thống.