Tóm tắt luận văn tốt nghiệp

TRƯỜNG ĐẠI HỌC KỸ THUẬT TP HCM
KHOA ĐIỆN – ĐIỆN TỬ
BỘ MÔN VIỄN THÔNG

TÓM TẮT
LUẬN VĂN TỐT NGHIỆP
ỨNG DỤNG BỘ CÂN BẰNG
DÙNG NEURAL NETWORKS
TRIỆT NHIỄU GIAO THOA KÝ TỰ
TRONG HỆ THỐNG GSM
INTER-SYMBOL INTERFERENCE CANCELLATION
FOR GSM SYSTEM USING NEURAL NETWORKS EQUALIZER
GVHD :ThS HOÀNG ĐÌNH CHIẾN
SVTH :TRƯƠNG ÁNH THU 49600887
LÊ THANH NHẬT 49601145
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
Khóa 1996-2001
ABSTRACT
Neural Networks have seen an explosion of interest in the last few years and have been
successfully applied to a wide range of problem domains, in areas as diverse as finance,
medicine, engineering, geology and physics. In fact, wherever prediction, classification,
control and processing are needed, Neural Networks can be introduced. This sweeping
success can be attributed to Neural Networks as the latter have sophisticated techniques
that are capable of modeling extremely complex functions. Neural Networks can learn
from examples. The Neural Networks user only has to gather representative data, then
evokes training algorithms so that the networks can automatically learn the structure of
the data. Training Neural Networks is in fact an adjustment of some parameters of the
networks to minimize square error. Weight and bias are two of the parameters that are
adjusted in the analysis.
The aim of this thesis is to apply Neural Networks to the equalizer for intersymbol
interference suppression in GSM system. To achieve this aim, the thesis deals with two

main parts : (1) Introduction to mobile communications system (GSM), equalizer and
Neural Networks, and (2) Simulating Neural Networks on the computer.
The first part of the thesis gives a general introduction to Neural Networks and some of
their important models. Some fundamental knowledge of mobile communications system
(GSM) and equalizer is also provided in this part.
The second part of the thesis is concerned with computer simulation programmed in
Matlab 5.3. This part offers some model communications in Gauss Noise, Fading,
Cochannel environment and noise suppression techniques by the use of Neural Networks.
Generally speaking, Neural Networks can be used for cancellation of all kinds of noise,
however, because of the time limit of our thesis, we can only apply Neural Networks to
two types of modulation, BPSK and QPSK. Simulation results are presented plotting BER
curves.
Finally, some conclusions are drawn from simulation results and followed by the
suggestions for further developments of the thesis.
Lê Thanh Nhật-Trương Ánh Thu 2 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
TÓM TẮT
Neural Networks trong một vài năm trở lại đây đang được quan tâm và đã áp dụng thành
công trong nhiều lónh vực khác nhau, như truyền thông, kỹ thuật, tài chính, y tế, đòa chất,
vật lý v.v… Thật vậy, bất cứ ở đâu có vấn đề dự báo, phân loại, điều khiển và xử lý,
Neural Networks đều có thể ứng dụng được. Sự thành công nhanh chóng của mạng
Neural là nhờ mạng có những thuật toán huấn luyện rất tinh vi, có khả năng mô phỏng
các hàm cực kì phức tạp. Neural Networks có tính học theo các ví dụ. Người sử dụng
Neural Networks thu nhập các dữ liệu đặc trưng, sau đó gọi các thuật toán huấn luyện để
mạng có thể tự học cấu trúc của dữ liệu. Quá trình huấn luyện thực ra là sự điều chỉnh
các thông số trên mạng để cực tiểu hóa bình phương sai số. Trọng số (weight) và ngưỡng
(bias) là hai trong các thông số cần được điều chỉnh.
Mục tiêu của luận văn này là ứng dụng Neural Networks vào bộ cân bằng để triệt nhiễu
giao thoa kí tự trong hệ thống GSM. Hướng về mục tiêu này, luận văn chia thành hai
phần chính -- giới thiệu hệ thống thông tin di động GSM, bộ cân bằng và Neural

Networks; mô phỏng Neural Networks trên máy tính.
Phần đầu giới thiệu bằng tổng quan Neural Networks cũng như đề cập tới các mô hình
mạng quan trọng của Neural Networks. Đồng thời một số kiến thức cơ bản liên quan đến
các hệ thống thông tin di động GSM, bộ cân bằng cũng được giới thiệu sơ quát.
Phần còn lại trình bày phần mềm mô phỏng trên máy tính được thực hiện trên môi trường
Matlab 5.3. Phần này đưa ra mô hình hệ thống thông tin trong môi trường nhiễu Gauss,
fading và nhiễu đồng kênh với các phương pháp triệt nhiễu dùng Neural Networks. Về
phương diện tổng quát Neural Networks có khả năng triệt nhiễu cho tất cả các loại tín
hiệu, nhưng do thời gian có hạn nên chúng tôi chỉ dùng cho hai loại điều chế BPSK và
QPSK. Các kết quả mô phỏng được trình bày dưới dạng đồ thò xác xuất lỗi (BER).
Cuối cùng là một số kết luận rút ra từ kết quả mô phỏng và hướng phát triển cho đề tài.
Lê Thanh Nhật-Trương Ánh Thu 3 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
NỘI DUNG CỦA LUẬN VĂN
Nhiệm vụ chính của luận văn là nghiên cứu Neural Networks và ứng dụng để triệt nhiễu
giao thoa ký tự trong hệ thống GSM.
Phần 1
LÝ THUYẾT
1. Hệ thống thông tin di động GSM
- Cấu trúc mạng.
- Liên kết vô tuyến.
2. Kỹ thuật cân bằng
- Nhiễu trong hệ thống thông tin.
- Bộ cân bằng.
3. Neural Networks
- Giới thiệu tổng quát.
- Các loại mạng.
Phần 2
MÔ PHỎNG
1. Mô phỏng hệ thống thông tin dùng hai phương pháp điều chế BPSK, QPSK trong

môi trường nhiễu Gauss, Fading, Cochannel.
2. Áp dụng Neural Networks để loại nhiễu nhằm nâng cao chất lượng hệ thống.
Lê Thanh Nhật-Trương Ánh Thu 4 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
Bản tóm tắt này chỉ trình bày một số khái niệm cơ bản về hệ thống thông tin di động
GSM, kỹ thuật cân bằng Equalizer và Neural Networks. Chi tiết các phần được trình bày
kỹ trong luận văn.
1. TỔNG QUAN HỆ THỐNG GSM
Mạng GSM có thể chia thành ba phần chính. Trạm di động (Mobile Station_MS) do thuê
bao giữ. Hệ thống con trạm gốc (Base Station Subsystem_BSS) điều khiển liên kết với
trạm di động. Hệ thống mạng con (Network Subsystem_NS) là phần chính của trung tâm
chuyển mạch dòch vụ di động (Mobile services Switching Center_MSC), thực hiện
chuyển mạch cuộc gọi giữa những người sử dụng điện thoại di động, và giữa di động với
thuê bao mạng cố đònh. MSC xử lý các hoạt động quản lý di động. Trạm di động và hệ
thống con trạm gốc thông tin dùng giao tiếp Um, còn được gọi là giao tiếp không trung
hay liên kết vô tuyến. Hệ thống con trạm gốc liên lạc với trung tâm chuyển mạch dòch
vụ di động dùng giao tiếp A.
Mô hình hệ thống thông tin di động tế bào
Vì phổ vô tuyến là tài nguyên hữu hạn dùng chung cho tất cả thuê bao, một phương pháp
phải đưa ra là chia băng thông để càng nhiều thuê bao sử dụng càng tốt. GSM đã chọn
phương pháp kết hợp đa truy cập phân chia theo tần số và thời gian (TDMA/FDMA).
FDMA bao gồm chia tần số băng thông tối đa 25 MHz thành 124 tần số sóng mang cách
nhau 200 KHz. TDMA chia kênh vô tuyến 200 KHz thành 8 khe thời gian (tạo 8 kênh
logic). Do đó một kênh logic được đònh nghóa bằng tần số và số khe thời gian của khung
TDMA. Bằng cách áp dụng 8 khe thời gian, mỗi kênh phát dữ liệu số theo từng chuỗi
“burst” ngắn : đầu cuối GSM chỉ phát 1 trong 8 khe thời gian đó.
Lê Thanh Nhật-Trương Ánh Thu 5 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
FDMA là gán các kênh đến từng người sử dụng riêng lẻ. Các kênh này được gán dựa trên
các yêu cầu mà người sử dụng cần. TDMA chia phổ vô tuyến ra thành các khe thời gian

(time slot) và mỗi khe chỉ cho phép người sử dụng được phát hoặc thu.
CẤU TRÚC BURST
Burst là đơn vò phát của GSM. Việc phát xảy ra trong một cửa sổ thời gian (576+12/13)
s, nghóa là suốt chu kỳ bit (156 + ¼). Một burst thông thường chứa hai gói 58 bit (57 bit
dữ liệu + 1 bit dư (stealing bit)) và một chuỗi huấn luyện 26 bit. Chuỗi huấn luyện 26 bit
là một chuỗi biết trước dùng so sánh với chuỗi tín hiệu thu được để xây dựng lại tín hiệu
gốc (cân bằng đa đường).
2. KỸ THUẬT CÂN BẰNG
Cân bằng là một kỹ thuật sử dụng để triệt nhiễu liên ký tự. Bộ cân bằng hoạt động xử lý
tín hiệu làm giảm thiểu ISI. Trong kỹ thuật truyền vô tuyến có nhiều bộ cân bằng thích
ứng khác nhau được sử dụng để triệt nhiễu.
Các chế độ hoạt động tổng quát của bộ cân bằng thích ứng là huấn luyện và tracking.
Đầu tiên, chuỗi huấn luyện có chiều dài cố đònh được phát đi để bộ cân bằng máy thu có
thể tìm trò trung bình cài đặt thích hợp. Chuỗi huấn luyện thường là tín hiệu nhò phân giả
ngẫu nhiên hoặc kiểu bit cố đònh, mô tả trước. Theo sau tức thời chuỗi huấn luyện này,
dữ liệu user (có thể có hoặc không mã hóa) được gởi đi, và bộ cân bằng thích ứng tại máy
thu sử dụng thuật toán hồi quy xác đònh mức kênh truyền và ước lượng hệ số bộ lọc để bù
cho kênh truyền. Chuỗi huấn luyện được thiết kế cho phép bộ cân bằng máy thu có được
các hệ số bộ lọc đúng trong những điều kiện kênh truyền có thể xấu nhất sau khi đã
truyền hết chuỗi huấn luyện, các hệ số bộ lọc gần với giá trò tối ưu để nhận được dữ liệu
user. Khi dữ liệu user nhận được, thuật toán thích ứng của bộ cân bằng lần theo sự thay
Lê Thanh Nhật-Trương Ánh Thu 6 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
đổi của kênh truyền. Kết quả là bộ cân bằng thích ứng thay đổi liên tục đặc tính lọc của
nó.
Theo thời gian, bộ cân bằng hội tụ về hàm của thuật toán cân bằng, cấu trúc bộ cân bằng
và tốc độ thay đổi theo thời gian của kênh vô tuyến đa đường. Bộ cân bằng cần được tái
huấn luyện theo chu kỳ để duy trì hiệu suất triệt ISI, và thường sử dụng trong hệ thống
thông tin số, ở đó dữ liệu user được phân đoạn nhỏ theo thời gian. Hệ thống vô tuyến đa
truy cập phân chia thời gian (TDMA) đặc biệt phù hợp cho bộ cân bằng. Hệ thống

TDMA gởi dữ liệu theo khối thời gian chiều dài cố đònh, và chuỗi huấn luyện thường
được gởi ở đầu khối. Tại mỗi thời điểm, một khối dữ liệu mới được nhận, bộ cân bằng tái
huấn luyện sử dụng cùng một chuỗi huấn luyện.
Bộ cân bằng thường thực hiện tại băng tần gốc hoặc tại IF của máy thu. Tín hiệu đã giải
điều chế và thuật toán bộ cân bằng thích ứng thường mô phỏng và thực hiện ở băng tần
gốc.
Bộ điều chế Máy phát
Kênh vô tuyến
Bộ lọc tách
Tần IF
Máy thu RF
sóng phù hợp
Tín hiệu băng
gốc x(t)
kênh vô tuyến đa đường và máy thu RF/IF
f(t)
Bộ cân bằng
Bộ quyết đònh
h (t)
eq
Dữ liệu khôi phục d(t)
Nhiễu tương đương
n (t)
b
y(t)
-
+
e(t)
d (t)
^

sai số
f(t) : đáp ứng xung kết hợp của máy phát
Giản đồ khối hệ thống thông tin
sử dụng bộ cân bằng thích ứng ở máy thu
3. TỔNG QUAN NEURAL NETWORKS
Neural Networks phát triển từ nghiên cứu mạng trí tuệ nhân tạo; đặc biệt cố gắng bắt
chước bộ não có cấu trúc cấp thấp về khả năng học và chấp nhận sai của hệ thống neuron
sinh học. Mạng Neural là một trong những mô hình đặc trưng cho trí tuệ nhân tạo, là một
lónh vực khoa học kỹ thuật mới ra đời cách đây khoảng năm thập kỷ, nhưng chỉ được áp
dụng thật sự khoảng mười lăm năm gần đây. Cơ cấu mạng được xây dựng dựa trên cấu
trúc của hệ thần kinh sinh học của con người, bao gồm nhiều thành phần đơn giản kết nối
lại và hoạt động song song nhau. Sự kết nối giữa các thành phần này quyết đònh phạm vi
Lê Thanh Nhật-Trương Ánh Thu 7 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
chức năng của mạng. Mạng được mô phỏng thực hiện một chức năng cụ thể bằng cách
điều chỉnh các giá trò của liên kết giữa những thành phần, gọi là trọng số (weight). Một
mô hình mạng Neural tổng quát như sau :
Ngày nay mạng Neural có thể giải quyết nhiều vấn đề phức tạp, áp dụng trong nhiều lónh
vực như nhận dạng, đònh dạng, phân loại, xử lý tín hiệu, hình ảnh v.v…
* Mô hình một Neuron
Đầu vào của một neuron gồm ngưỡng b và tổng các trọng số vào. Ngõ ra của neuron phụ
thuộc vào đầu vào và hàm truyền.
* Cấu trúc một lớp mạng
Cấu trúc một mạng có thể mô tả bằng số lớp, số neuron trong một lớp, hàm truyền của
mỗi lớp và kết nối giữa các lớp. Tùy thuộc vấn đề mạng cần giải quyết mà có cấu trúc
khác nhau. Neuron đơn rất ít sử dụng. Tuy nhiên một vài neuron có thể kết hợp thành
một lớp hay nhiều lớp thì khả năng xử lý cao hơn. Vấn đề đơn giản có thể trình bày bằng
một lớp đơn. Tuy nhiên, nó không giải quyết được nhiều vấn đề phức tạp. Mạng đa lớp
feedforward có khả năng giải quyết lớn hơn.
Có hai loại mạng static network và dynamic network. Cấu trúc đònh dạng của dữ liệu vào

ảnh hưởng đến việc mô phỏng của mạng. Hai kiểu dữ liệu vào cơ bản là kiểu xảy ra
Lê Thanh Nhật-Trương Ánh Thu 8 GVHD : Hoàng Đình Chiến