(2) tóm tắt luận án tiến sĩ NGHIÊN cứu GIẢI PHÁP GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN TRONG hệ THỐNG THÔNG TIN vệ TIN

BỘ THÔNG TIN VÀ TRUYỀN THÔNG
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

NGUYỄN VIẾT MINH

NGHIÊN CỨU
GIẢI PHÁP GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN
TRONG HỆ THỐNG THÔNG TIN VỆ TINH
Chuyên ngành: Kỹ thuật Viễn thông
Mã số: 9.52.02.08

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

Hà Nội - 2018


Công trình hoàn thành tại:
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

Người hướng dẫn khoa học:
1. PGS. TS. Trần Hồng Quân
2. PGS. TS. Lê Nhật Thăng

Phản biện 1:
Phản biện 2:
Phản biện 3:

Luận án được bảo vệ trước hội đồng chấm luận án cấp Học viện họp
tại:
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG
vào hồi: 8 giờ 30, ngày 25 tháng 11 năm 2016

Có thể tìm hiểu luận án tại:
1. Thư viện Quốc gia Việt Nam
2. Thư viện Học viện Công nghệ Bưu chính Viễn thông


1

MỞ ĐẦU
Thông tin vệ tinh trên thế giới đang chuyển sang các hệ thống thông
tin vệ tinh tiên tiến hoàn toàn dựa trên nền IP, hỗ trợ tốt cho việc truyền hình
ảnh số và video qua vệ tinh như các chuẩn Quảng bá hình ảnh số qua vệ tinh
phiên bản hai, DVB-S2 và Quảng bá hình ảnh số qua vệ tinh với kênh phản
hồi, DVB-RCS. Kênh vệ tinh có pha-đinh tác động, có các phần tử lọc làm
cho tín hiệu thu bị méo tuyến tính [1] [3]. Trên vệ tinh sử dụng bộ khuếch
đại công suất hoạt động trong điều kiện tổn hao kênh biến đổi nên công suất
phát phải biến đổi, sử dụng phương pháp truyền dẫn ghép kênh phân chia
theo tần số trực giao, OFDM, số lượng kênh con biến đổi ngẫu nhiên dẫn đến
tải bộ khuếch đại biến đổi ngẫu nhiên. Các yếu tố cơ bản đó làm cho bộ
khuếch đại công suất phải làm việc ở chế độ phi tuyến cao, đặc biệt đối với
các hệ thống thông tin vệ tinh sử dụng quỹ đạo địa tĩnh với khoảng cách
truyền dẫn trên 36.000km.
Bên cạnh đó, với kết nối đa phương tiện qua vệ tinh cho nên các yếu
tố phi tuyến khác của hệ thống sẽ tác động đến kênh [3]. Ảnh hưởng của các
tác động đó dẫn đến: Xuyên nhiễu giữa các ký hiệu, ISI, biến động các điểm
định thời, xuyên nhiễu giữa các sóng mang con trong hệ thống, ICI. Các ảnh
hưởng này đặc biệt nghiêm trọng đối với các hệ thống thông tin vệ tinh di
động sử dụng truyền dẫn đa sóng mang. Các hệ thống này thường triển khai
vệ tinh ở quỹ đạo thấp để đảm bảo công suất cho máy đầu cuối.
Với lý do trên mà việc nghiên cứu đề xuất giải pháp nhằm khắc phục
méo phi tuyến và giảm can nhiễu, nâng cao hiệu năng của hệ thống thông tin

vệ tinh đa phương tiện là một yêu cầu cấp thiết, thu hút được nhiều sự quan
tâm nghiên cứu của các nhà khoa học ở trong và ngoài nước. Chính vì thế,
nghiên cứu sinh đã quyết định lựa chọn hướng “Nghiên cứu giải pháp giảm
can nhiễu và méo phi tuyến trong hệ thống thông tin vệ tinh” cho luận án
của mình. Luận án hướng tới xây dựng bộ cân bằng sử dụng mạng nơ-ron và
phương pháp kernel để cải thiện hiệu năng cân bằng đáp ứng yêu cầu của
kênh vệ tinh đa phương tiện.
Đối tượng nghiên cứu của luận án là hệ thống thông tin vệ tinh số đa
phương tiện. Phạm vi nghiên cứu tập trung vào tính phi tuyến của HPA và


2
nhiễu ISI do đa đường của kênh truyền sóng đường xuống, giải pháp khắc
phục nhiễu ISI và méo phi tuyến của HPA bằng việc sử dụng bộ cân bằng tại
máy thu.
Để khắc phục nhiễu liên ký hiệu và méo phi tuyến cho hệ thống thông
tin vệ tinh mới, luận án tập trung vào giải pháp cải thiện hiệu năng bộ cân
bằng thực hiện theo hai hướng:
+ Cải thiện hiệu năng MSE của bộ cân bằng nhờ việc sử dụng mạng
neuron trong quá trình xây dựng bộ cân bằng. Nghiên cứu của luận án tập
trung vào cải tiến, nâng cao hiệu năng của các bộ cân bằng nơ-ron như bộ
cân bằng RBF để từ đó áp dụng vào cân bằng cho kênh vệ tinh phi tuyến cao
như kênh vệ tinh địa tĩnh.
+ Cải thiện hiệu năng tốc độ hội tụ, đơn giản hóa việc tính toán cho các
bộ cân bằng thích nghi truyền thống Phương pháp kernel được sử dụng để
cải tiến các giải thuật này. Luận án tập trung nghiên cứu giải thuật KRLS áp
dụng cho kênh phi tuyến thay đổi để ứng dụng vào các bộ cân bằng thích
nghi cho kênh vệ tinh di động
Phương pháp nghiên cứu được sử dụng trong luận án là nghiên cứu lý
thuyết dựa trên mô hình giải tích, các công cụ mới trong xây dựng bộ cân

bằng, kết hợp với tính toán, mô phỏng để kiểm chứng.
Luận án được bố cục trong 4 chương với các nội dung như sau:
Chương 1: Tổng quan về giảm can nhiễu và méo phi tuyến trong hệ
thống thông tin vệ tinh
Chương 2: Kỹ thuật cân bằng cho kênh vệ tinh
Chương 3: Giảm can nhiễu và méo phi tuyến cho hệ thống thông tin vệ
tinh cố định dựa trên quỹ đạo địa tĩnh
Chương 4: Giảm can nhiễu và méo phi tuyến cho hệ thống thông tin vệ
tinh di động dựa trên quỹ đạo thấp.


3

CHƯƠNG 1: TỔNG QUAN VỀ GIẢM CAN NHIỄU VÀ
MÉO PHI TUYẾN TRONG HỆ THỐNG THÔNG TIN VỆ
TINH
Tóm tắt 1: Nội dung chương 1 trình bày về Hệ thống thông tin vệ tinh và
các phương pháp giảm nhiễu liên ký hiệu và méo phi tuyến cho hệ thống.
Các công trình nghiên cứu liên quan đến đề tài luận án cũng được giới thiệu
trong chương, từ đó chỉ rõ hướng nghiên cứu của luận án.
1.1. HỆ THỐNG THÔNG TIN VỆ TINH
1.1.1. Giới thiệu
Thông tin vệ tinh là hệ thống truyền dẫn vô tuyến chuyển tiếp sử dụng
các thiết bị thu phát trên vệ tinh để chuyển tiếp tín hiệu vô tuyến giữa các
trạm mặt đất.
1.1.1.1. Cấu trúc hệ thống thông tin vệ tinh
Hình 1.1 giới thiệu cấu trúc tổng quan của một hệ thống thông tin vệ tinh.

Bộ phát đáp

DL

HPA

LNA &
DC

Rx &
DeMod

Giải mã
Thông
tin thu

HPA

UC

HPA: Bộ khuếch đại công suất cao
LNA: Bộ khuếch đại tạp âm thấp
Mod/DeMod: Điều chế/Giải điều chế

Mod

Mã hóa

Thông
tin phát

Rx: Máy thu

UC/DC: Trộn nâng tần/Trộn hạ tần
UL/DL: Đường lên/Đường xuống

Hình 1.1. Hệ thống thông tin vệ tinh [8]
Hệ thống vệ tinh bao gồm phân đoạn không gian và phân đoạn mặt đất:
1
: Một phần nội dung chương 1 được trình bày tại Hội nghị quốc gia về Điện tử
và truyền thông REV2013-KC01 [H1].


4
+ Phân đoạn không gian bao gồm một hoặc một vài vệ tinh hoạt
động phân tán được tổ chức như một chòm sao. Phân hệ thông tin
trên vệ tinh là các bộ phát đáp đóng vai trò chuyển tiếp tín hiệu giữa
các trạm mặt đất.
+ Phân đoạn mặt đất bao gồm các trạm lưu lượng mặt đất.
1.1.1.2. Các hệ thống thông tin vệ tinh
Các hệ thống thông tin vệ tinh về cơ bản được chia thành các loại [2]:
Hệ thống thông tin vệ tinh cố định
Hệ thống thông tin vệ tinh cố định sử dụng vệ tinh trên quỹ đạo địa tĩnh,
GEO, cung cấp đường chuyển tiếp cho các trạm mặt đất cố định với dịch vụ
vệ tinh cố định, FSS.
Hệ thống thông tin vệ tinh di động
Hệ thống thông tin vệ tinh di động cung cấp dịch vụ kết nối di động cho
người dùng, MSS, thường sử dụng quỹ đạo trung bình, MEO, hoặc quỹ đạo
thấp, LEO.
Trong phạm vi nghiên cứu của luận án, các giải pháp giảm can nhiễu và
méo phi tuyến được tập trung nghiên cứu trên cơ sở đặc trưng truyền dẫn của
hai hệ thống thông tin vệ tinh cố định và thông tin vệ tinh di động.
1.1.1.3. Đặc điểm hệ thống

Tính phi tuyến
Tính phân tán
1.1.2. Hệ thống thông tin vệ tinh băng rộng đa phương tiện
1.1.2.1. Dịch vụ vệ tinh đa phương tiện
Thông tin vệ tinh trên thế giới đang chuyển sang các hệ thống thông tin
vệ tinh tiên tiến hoàn toàn dựa trên nền IP, hỗ trợ tốt cho truyền dẫn đa
phương tiện. Thay đổi này đòi hỏi phải có phải có sự điều chỉnh, thích nghi
của các phần tử hệ thống trong điều kiện truyền dẫn mới.
1.1.2.2. Đặc trưng mới của kênh vệ tinh đa phương tiện.
Trên vệ tinh sử dụng bộ khuếch đại công suất hoạt động trong điều kiện:
+ Tổn hao kênh biến đổi nên công suất phát phải biến đổi.
+ Sử dụng phương pháp truyền dẫn đa sóng mang OFDM, số lượng
kênh con biến đổi ngẫu nhiên dẫn đến tải bộ khuếch đại biến đổi.


5
Điều đó làm cho bộ khuếch đại công suất làm việc ở chế độ phi tuyến cao.
Với kết nối đa phương tiện qua vệ tinh cho nên các yếu tố phi tuyến khác
của hệ thống sẽ tác động đến kênh. Ảnh hưởng của các tác động đó dẫn đến:
+ Xuyên nhiễu giữa các ký hiệu.
+ Biến động các điểm định thời
+ Xuyên nhiễu giữa các sóng mang con trong hệ thống
1.2. GIẢI PHÁP GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN
1.2.1. Tổng quan về can nhiễu và méo phi tuyến
1.2.1.1. Méo phi tuyến
1.2.1.2. Can nhiễu
1.2.2. Kỹ thuật méo trước
1.2.3. Kỹ thuật cân bằng
1.2.3.3. Các tham số đánh giá hiệu năng của bộ cân bằng
Lỗi trung bình bình phương

Tốc độ hội tụ
Độ phức tạp tính toán
1.3. CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN ĐẾN ĐỀ TÀI
LUẬN ÁN
1.3.1. Các công trình nghiên cứu trong nước
Nhìn chung các nghiên cứu trong nước về lĩnh vực thông tin vệ tinh còn
ít, chủ yếu tập trung vào nghiên cứu triển khai hệ thống, vận hành, khai thác
hệ thống [22] [23].
1.3.2. Các công trình nghiên cứu trên thế giới
1.3.2.1. Các nghiên cứu về cân bằng nơ-ron
Các nghiên cứu trong lĩnh vực này đã tập trung vào các kiến trúc mạng
nơ-ron khác nhau và các thuật toán học để giải quyết vấn đề của cân bằng
kênh thông tin vô tuyến. Hạn chế cơ bản của các bộ cân bằng nơ-ron là độ
phức tạp tính toán lớn do việc huấn luyện rộng [38].


6
1.3.2.2. Các nghiên cứu về cân bằng kernel
Phương pháp kernel dùng cho cân bằng kênh phi tuyến là một phương
pháp rất hấp dẫn các nhà nghiên cứu trong một vài năm trở lại đây. Các công
trình cân bằng phi tuyến bằng phương pháp kernel hiện nay đang dừng ở
thuật toán KRLS [41] hoặc phương pháp KLMS [42].
Trong vài năm gần đây, đã xuất hiện một số công trình sử dụng kernel
cho cân bằng và đạt được kết quả nhất định. Các tác giả [40] [45] [46] cho
thấy việc kết hợp đa kernel mang lại cải thiện hiệu năng đáng kể cho các bộ
cân bằng kênh phi tuyến.
1.4. HƯỚNG NGHIÊN CỨU CỦA LUẬN ÁN
Luận án tập chung vào các hướng nghiên cứu:
+ Nghiên cứu đặc trưng của kênh truyền vệ tinh đối với hệ thống
thông tin vệ tinh cố định dựa trên quỹ đạo địa tĩnh và hệ thống thông

tin vệ tinh di động dựa trên quỹ đạo thấp.
+ Nghiên cứu cải tiến bộ cân bằng cho kênh vệ tinh đa phương tiện
trên cơ sở cải thiện hiệu năng bộ cân bằng sử dụng các công cụ và
phương pháp mới.
+ Nghiên cứu bộ cân bằng nơ-ron RBF cho kênh phi tuyến, phân tích
các hướng cải tiến bộ cân bằng RBF trên cơ sở đề xuất về lựa chọn
hàm phi tuyến, thuật toán huấn luyện, thay đổi kiến trúc mạng … .
+ Nghiên cứu bộ cân bằng kernel với các giải thuật cập nhật RLS,
LMS. Đề xuất các hướng cải tiến bộ cân bằng kernel RLS, kernel
LMS áp dụng cho kênh vệ tinh đa phương tiện.
1.4.2.2 Các nội dung nghiên cứu
1. Nghiên cứu đề xuất giải pháp cải tiến bộ cân bằng nơ-ron RBF trên cơ
sở đưa ra giải thuật học cải tiến cho mạng RBF để giảm số tâm cần tính toán
qua đó nâng cao tốc độ hội tụ của bộ cân bằng.
2. Nghiên cứu cải tiến bộ cân bằng KRLS dựa trên giải thuật KRLS mở
rộng với khả năng thích nghi bộ cân bằng với kênh vệ tinh phi tuyến động.
Bộ cân bằng Ex-KRLS được luận án đề xuất cho giải pháp này.
3. Nghiên cứu đề xuất bộ cân bằng đa kernel LMS với việc lựa chọn các
kernel đơn thành phần nhằm đặt được hiệu năng tốt nhất của bộ cân bằng kết
hợp MK-LMS trên cơ sở cải thiện độ phức tạp tính toán và tốc độ hội tụ.


7

CHƯƠNG 2: KỸ THUẬT CÂN BẰNG CHO KÊNH VỆ
TINH
Tóm tắt 2: Nội dung chương này trình bày về các kỹ thuật cân bằng cho
kênh vệ tinh. Các yêu cầu hiệu năng đối với bộ cân bằng cho kênh vệ tinh đa
phương tiện được đề cập cùng với nó là khái quát các giải pháp nâng cao
hiệu năng của bộ cân bằng sử dụng mạng nơ-ron và phương pháp kernel.

2.1. CÂN BẰNG CHO KÊNH VỆ TINH ĐA PHƯƠNG TIỆN
Trong nghiên cứu này, NCS tập trung vào phương pháp sử dụng bộ cân
bằng (Equalizer) vì một số lý do sau:
+ Kỹ thuật cân bằng giúp giảm méo phi tuyến hiệu quả. Việc sử dụng
bộ cân bằng tại máy thu mặt đất sẽ xử lý đồng thời méo phi tuyến
trên toàn tuyến vệ tinh, giúp giảm tải xử lý trên vệ tinh.
+ Kết hợp giảm méo phi tuyến với giảm đồng thời ISI giúp cho việc
xử lý nhanh hơn phù hợp với yêu cầu thích ứng trực tiếp trong kênh
pha-đinh nhanh trên đường truyền tốc độ cao.
2.2. YÊU CẦU HIỆU NĂNG ĐỐI VỚI BỘ CÂN BẰNG CHO KÊNH
VỆ TINH ĐA PHƯƠNG TIỆN
2.2.1. Các yêu cầu hiệu năng
+ Cân bằng hiệu quả.
+ Thích nghi với sự thay đổi của kênh
+ Cân bằng trực tiếp
2.2.2. Phương pháp đánh giá hiệu năng bộ cân bằng
Phân tích hiệu năng bằng phương pháp giải tích
Đánh giá hiệu năng bằng đo lường
Đánh giá hiệu năng bằng mô phỏng
2.3. GIẢI PHÁP NÂNG CAO HIỆU NĂNG BỘ CÂN BẰNG

2
: Một phần nội dung chương 2 được trình bày tại Hội nghị quốc gia về Điện tử
và truyền thông REV2013-KC01 [H1].


8
2.3.1. Cân bằng sử dụng mạng nơ-ron
Bộ cân bằng dùng RBF
Mô hình bộ cân bằng ở hình 2.2.

Bộ cân bằng

RBF-R

x(n-D)
Kênh
x(n)

HPA

H

+

+

Q

s(n)
-

+
S

Tạp âm
j
RBF-I

Thuật toán hướng dẫn

e(n)

Hình 2.2. Cân bằng thích ứng của kênh phi tuyến có nhớ
Đầu ra các bô lọc có thể được viết như sau [5]:
𝑁𝑞′ −1 ′
𝑧(𝑛) = ∑𝑘=0
𝑞 𝑘 𝑦(𝑛 − 𝑘) = 𝑧 𝑅 (𝑛) + 𝑗𝑧 𝐼 (𝑛)
(2.4)
Mạng nơ-ron bao gồm hai mạng con, một cho phần thực (R), một cho
phần ảo (I). Mỗi mạng con có hai đầu vào vô hướng (zR(n) và zI(n)), M nơron trong lớp đầu tiên, và một đầu ra vô hướng. Hai đầu ra này sau đó được
kết hợp để tạo thành đầu ra phức s(n):

s(n)=sR(n)+jsI(n)

(2.5)

Các thông số mạng nơ-ron được cập nhật để cực tiểu hàm mục tiêu J(n)
giữa đầu ra mong muốn (đó là một chuỗi được biết đến là truyền trễ, x(n ∆)) và cân bằng đầu ra s(n):
1
1
1
𝐽(𝑛) = 2 𝑒(𝑛)2 = 2 ((𝑒 𝑅 (𝑛))2 + ((𝑒 𝐼 (𝑛))2 = 2 ||𝑥(𝑛 − ∆) −
𝑠(𝑛)||2
Việc đề xuất cải tiến bộ cân bằng RBF cho kênh vệ tinh phi tuyến được
luận án trình bày trong phần 3.3 và 3.4 chương 3.


9
2.3.2. Cân bằng sử dụng phương pháp kernel
Phương pháp kernel dùng cho cân bằng kênh phi tuyến là một phương

pháp chứng tỏ được sự vượt trội so với các bộ cân bằng nơ-ron RBF. Với
cân bằng KLMS [52] [55] tuy đơn giản nhưng tốc độ hội tụ chậm, không
thích hợp cho kênh tốc độ cao. Còn cân bằng KRLS có cải thiện tốc độ hội
tụ hơn so với KLMS nhưng nó lại có độ bám trạng thái kênh kém [44]. Vì
vậy phương pháp này chỉ thích hợp khi kênh có tham số không biến đổi theo
thời gian hoặc biến đổi rất chậm.
Trong trường hợp kênh pha đinh, kênh phi tuyến, mô hình trạng thái có
dạng:
x i  1  Ax i   n i 

d  i   u  i  x i   v i  .
T

(2.21)

Với A là ma trận chuyển đổi trạng thái, n[i] là nhiễu trạng thái, v[i] là
nhiễu quan sát;  i  F
Như vậy khi sử dụng phương pháp kernel đã thay u[i], trong không gian
trạng thái của lọc Kalman thích hợp với kênh tuyến tính, bằng [i] trong
KRLS phù hợp kênh phi tuyến bất kỳ nhưng các phép tính trong không gian
đặc trưng H là tuyến tính – tích vô hướng. Điều này làm đơn giản tính toán
cho các thuật toán tính toán trọng số phức tạp. Việc ứng dụng và đề xuất mở
rộng bộ cân bằng kernel luận án sẽ giới thiệu ở mục 4.3 và 4.4 chương 4.




10

CHƯƠNG 3: GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN

CHO HỆ THỐNG THÔNG TIN VỆ TINH CỐ ĐỊNH DỰA
TRÊN QUỸ ĐẠO ĐỊA TĨNH
Tóm tắt 3: Chương tập trung trình bày giải pháp cải tiến tham số bộ cân
bằng RBF bằng cách bố trí hợp lý số tâm của nó trong quá trình huấn luyện,
giúp giảm khối lượng tính toán, cải thiện tốc độ hội tụ.
3.1. HỆ THỐNG THÔNG TIN VỆ TINH CỐ ĐỊNH QUỸ ĐẠO ĐỊA
TĨNH
Quỹ đạo địa tĩnh, với khoảng cách truyền dẫn quá xa nên máy phát phải
có công suất lớn hàng trăm Oát để bù cho tổn hao truyền sóng. Vấn đề lớn
cần giải quyết của hệ thống thông tin vệ tinh quỹ đạo địa tĩnh chính là méo
phi tuyến. Đây chính là nhiệm vụ của bộ cân bằng kênh vệ tinh này.
3.2. MÔ HÌNH KÊNH VỆ TINH CỐ ĐỊNH QUỸ ĐẠO ĐỊA TĨNH
3.2.1. Đặc tính kênh truyền sóng cố định quỹ đạo địa tĩnh
3.2.3. Mô hình kênh FSS
Đối với kênh vệ tinh địa tĩnh, vấn đề chính cần giải quyết là đặc tính phi
tuyến cao của bộ khuếch đại công suất cao gây ra méo phi tuyến mạnh. Kênh
thông tin vệ tinh về cơ bản hoạt động như kênh không nhớ phi tuyến do đầu
ra chỉ phụ thuộc vào đầu vào hiện tại [4].
Biểu diễn tín hiệu đầu vào HPA là 𝑥(𝑛) = 𝑟(𝑛)𝑒 𝑗𝜙0 (𝑛), khi đó đầu ra
được biểu diễn như sau [56]:
𝑦(𝑛) = 𝑓(𝑥(𝑛)) = 𝐴(𝑟(𝑛))𝑒 𝑗[𝜙(𝑟(𝑛))+𝜙0 (𝑛)]
(3.1)
Phương trình giải tích thông số hóa Saleh nổi tiếng [57] là ví dụ điển hình
cho mô hình HPA truyền thống.
Tuy nhiên với đặc tính của hệ thống vệ tinh đa phương tiện, cần có các
mô hình phân tích HPA hiệu quả.

: Kết quả nghiên cứu của chương 3 được công bố trong 02 bài báo đăng trên
Tạp chí Khoa học Công nghệ Quân sự [T1], Tạp chí Khoa học và Công nghệ Đại
học Công nghiệp Hà Nội [T4].

3


11
3.3. CÂN BẰNG KÊNH VỆ TINH BẰNG BỘ CÂN BẰNG NƠ-RON
Bộ cân bằng RBF
Hình 3.3 biểu thị hệ thống cân bằng sử dụng mạng RBF [6].
Chuỗi số liệu s(k) được phát qua kênh phi tuyến bao gồm phần tuyến tính
mô tả bởi hàm truyền đạt H(z) và phần phi tuyến N(z) được điều chỉnh bởi
hệ thức [61]:
p

y  k    h i  s  k  i 
i 0

y  k   D1 y  k   D2 y  k   D3 y  k   D4 y  k  .
2

3

4

(3.16)

Trong đó p là bậc của kênh, Di là hệ số thành phần phi tuyến thứ i. Chuỗi
ký hiệu phát s(k) được giả sử là chuỗi nhị phân độc lập đồng xác suất nhận
giá trị {±1}. Ta coi đầu ra kênh bị ảnh hưởng của tạp âm Gaussian trắng cộng
e(k). Với giả thiết này đầu ra kênh có thể được viết:
y  k   y  k   e k .

(3.17)

Hình 3.3. Cấu trúc hệ thống cân bằng RBF
Nếu q ký hiệu cho bậc cân bằng (số phần tử trễ nhánh trong bộ cân bằng),
khi đó tồn tại 𝑀 = 2𝑝+𝑞+1 chuỗi đầu vào khác nhau có thể thu được (mỗi
thành phần có thể là 1 hoặc -1).:
s  k    s  k  , s  k  1 ,..., s  k  p  q   .

(3.18)

Với bậc của kênh và của bộ cân bằng xác định, số mẫu vào ảnh hưởng tới
bộ cân bằng là M và véc-tơ đầu vào bộ cân bằng khi không có nhiễu là:


12

y  k    y  k  , y  k  1 ,..., y  k  q   .



(3.19)

Véc-tơ 𝑦̂(𝑘) mô tả trạng thái kênh mong muốn và có thể tách thành hai
+1
−1
tập 𝑌𝑞,𝑑
và 𝑌𝑞,𝑑
phụ thuộc vào giá trị s(k-d), trong đó d là thời gian trễ mong
muốn,







Yq,d1  y  k  | s  k  d   1 ;



Yq,d1  y  k  | s  k  d   1 .

(3.20)

Nhiệm vụ của bộ cân bằng là khôi phục ký hiệu phát s(k-d) dựa trên véctơ thu y(k). Giải pháp tạo ra bộ cân bằng Bayesian tối ưu được cho như sau
[62]:
ns1



f B  y  k     exp  y  k   yi1
i 1

2



ns1



2 e2   exp  y  k   yi1
i 1

1,
s  k  d   sgn f B  y  k    
1,





2

fB  y  k   0

fB  y  k   0



2 e2 .

(3.21)

.

(3.22)

3.4. CẢI TIẾN THAM SỐ BỘ CÂN BẰNG RBF
3.4.1. Bộ cân bằng RBF cải tiến

Trong luận án này NCS đưa ra giải pháp “Quá trình học lai” gồm hai giai
đoạn khắc phục được hiện tượng sai số do bỏ qua một số tâm có ý nghĩa
+ Giai đoạn học tự tổ chức: Mục đích của nó là ước lượng vị trí các
tâm một cách hợp lý cho các hàm xuyên tâm trong lớp ẩn.
+ Giai đoạn học có giám sát: Mục đích của nó là hoàn thành thiết kế
mạng bằng cách ước lượng các trọng số tuyến tính của lớp ra.
Giai đoạn học tự tổ chức: Thuật toán tạo cụm kmean (k trung bình) [28]
chỉ lấy các tâm của RBF trong các miền không gian tín hiệu vào ℋ có ý
𝑚1
nghĩa nhất. Ký hiệu m1 là số hàm RBF, {𝑐𝑘 (𝑛)}𝑘=1
là số tâm của các hàm
RBF tại bước lặp thứ n của thuật toán. Thuật toán tạo cụm kmean như sau:
1. Khởi đầu: Chọn ngẫu nhiên các giá trị của tâm ban đầu 𝑐𝑘 (0) với
những giá trị khác nhau.
2. Lấy mẫu: Lấy ra một véc-tơ mẫu x từ không gian vào 𝑋 với một xác
suất nào đó. Véc-tơ x là đầu vào của thuật toán tại bước lặp n.


13
3. Phối hợp đồng dạng: Ký hiệu k(x) là chỉ số tâm phối hợp tốt nhất
đối với véc-tơ vào x. Tìm k(x) tại bước lặp thứ n bằng cách sử dụng
tiêu chuẩn khoảng cách Euclide bé nhất.

k  x   arg min x  n   ck  n  ; k  1, 2,..., m1.

(3.24)

k

4. Cập nhật: Điều chỉnh tâm của các hàm RBF bằng thuật toán:


ck  n     x  n   ck  n   ;
ck  n  1  
ck  n 



k  k  x
k

.

(3.25)

5. Tiếp tục: Tăng n lên 1, quay lại bước 2 và tiếp tục thủ tục cho đến
lúc không có sự biến đổi nào đáng kể của ck.
Giai đoạn học có giám sát: Trong giai đoạn này, luận án đưa ra giải pháp
tính các trọng số tuyến tính ở lớp ra của mạng nơ-ron RBF bằng phương
pháp Gradient:
Wi  n  1  Wi  n   i Wi   n  ; i  1, 2,..., m1.

(3.26)

3.4.2. Hiệu năng của bộ cân bằng RBF cải tiến
3.4.2.1. Tốc độ hội tụ
Mô phỏng cho thấy bộ cân bằng RBF cải tiến cho hiệu năng tốt hơn với
khối lượng tính toán giảm đáng kể so với giải pháp cân bằng RBF truyền
thống (hình 3.4).

MSE

Typical RBF
Jungsik method
Proposal method

Số chu kỳ huấn luyện

Hình 3.4. Hội tụ của quá trình huấn luyện mạng nơ-ron


14
3.4.2.2. Xác xuất lỗi
Để đánh giá hiệu năng của giải pháp cải tiến mạng RBF, ta thực hiện mô
phỏng với đáp ứng kênh được chọn [64] của kênh thoại chuẩn (lựa chọn này
nhằm đảm bảo công bằng khi so sánh với các giải pháp tương đồng khác):
h  0,04  0 ,05Z 1  0 ,07 Z 2  0 , 21Z 3  0 ,5Z 4 
(3.29)

10lg(Pe)

Dãy tín hiệu vào có phân bố Bernoulli. Mô phỏng sử dụng mô hình
Monte-Carlo. Kết quả mô phỏng thể hiện trên hình 3.5.
Nhận xét:
+ Hiệu năng BER của giải pháp đề trong luận án tốt hơn so với giải
pháp của tác giả Jungsik [61] khi SNR > 13dB. Điều này là nhờ giải
thuật học lai nêu trên giúp giữ lại những tâm có ý nghĩa không nằm
trên biên.

SNR (dB)
Hình 3.5. So sánh hiệu năng tỉ lệ lỗi

Như vậy bộ cân bằng RBF cải tiến do luận án đề xuất đã đạt được các tiêu
chí đặt ra. Cải thiện nhận được đáng kể đối với hiệu năng tốc độ hội tụ.


15

CHƯƠNG 4: GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN
CHO HỆ THỐNG THÔNG TIN VỆ TINH DI ĐỘNG DỰA
TRÊN QUỸ ĐẠO THẤP
Tóm tắt 4: Chương này trình bày giải pháp cân bằng cho hệ thống thông
tin vệ tinh quỹ đạo thấp sử dụng bộ cân bằng kernel. Các giải pháp cải tiến
bộ cân bằng kernel được tập trung phân tích nhằm cải thiện hiệu năng cân
bằng.
4.1. HỆ THỐNG THÔNG TIN VỆ TINH DI ĐỘNG QUỸ ĐẠO THẤP
Hệ thống thông tin vệ tinh di động quỹ đạo thấp được triển khai với nhiều
vệ tinh trên các quỹ đạo khác nhau để đảm bảo vùng phủ sóng toàn cầu. Với
quỹ đạo thấp độ cao quỹ đạo từ 700 km đến 2.000 km.
4.2. MÔ HÌNH KÊNH VỆ TINH DI ĐỘNG QUỸ ĐẠO THẤP
4.2.1. Đặc tính kênh truyền sóng di động quỹ đạo thấp
4.2.2. Các mô hình thống kê cơ bản
4.2.3. Mô hình kênh LMSS
Kênh được xem xét trong chương 4 bao gồm một bộ phi tuyến không nhớ
theo sau là một bộ lọc đáp ứng xung kim hữu hạn (FIR) H [67] [68] [69]. Mô
hình này phù hợp với kênh LMSS được ITU-R khuyến nghị trong [70] [71]
[72].
Các kênh đầu ra có thể được thể hiện như sau [5]:
𝑦(𝑛) = ∑𝐿−1
(4.1)
𝑘=0 ℎ𝑘 𝑓(𝑥(𝑛 − 𝑘)) + 𝑁0 (𝑛)
Trong đó:

f (.) là hàm phi tuyến của HPA.
−𝑘
𝐻(𝑧) = ∑𝐿−1
là bộ lọc tuyến tính.
𝑘=0 ℎ𝑘 𝑧

: Kết quả nghiên cứu của chương 4 được công bố trong 03 bài báo đăng trên
các Tạp chí Khoa học Công nghệ Quân sự [T2], Tạp chí Công nghệ thông tin và
truyền thông Học viện Công nghệ Bưu chính Viễn thông [T3], Tạp chí Khoa học và
công nghệ Đại học công nghiệp Hà Nội [T5] và 01 báo cáo tại Hội thảo quốc gia về
Điện Tử, Truyền thông và công nghệ thông tin REV-2016 [H2].
4


16
Hình 4.1 mô tả mô hình hệ thống truyền dẫn phi tuyến bao gồm phần
tuyến tính H(z) và phần phi tuyến f(.).
Kênh phi tuyến
x(n)
H(z)

N(n)

y(n)

r(n)

f(.)

+

Hình 4.1. Mô hình hệ thống truyền dẫn phi tuyến
Trong đó x[n] là tín hiệu phát, N[n] là nhiễu AWGN trung bình không,
phương sai 2.
Phần tuyến tính đặc trưng bằng bộ lọc đáp ứng xung hữu hạn FIR có hàm:
H  z   h0  h1 z 1  h2 z 2  ...  hL z  L1.

(4.2)

Tín hiệu đầu ra của hệ thống:
 L 1

y  n   f   hi x  n  i   .
 i 0


(4.3)

4.3. CÂN BẰNG KÊNH VỆ TINH BẰNG BỘ CÂN BẰNG KERNEL
4.3.1. Đơn giản độ phức tạp tính toán bằng cân bằng kernel đa thức
4.3.2. Hiệu năng bộ cân bằng kernel đa thức
4.4. CẢI TIẾN BỘ CÂN BẰNG KERNEL
4.4.1. Bộ cân bằng kernel RLS mở rộng
4.4.1.1. Đặt vấn đề
4.4.1.2. Bộ cân bằng thích nghi Ex-KRLS
Trong trường hợp kênh pha đinh, kênh phi tuyến, để khắc phục nhược
điểm đó luận án đưa ra phương pháp cân bằng bằng thuật toán Kernel thích
nghi mở rộng.
Bộ cân bằng Ex-KRLS

Mô hình trạng thái kênh trong trường hợp KRLS mở rộng có dạng:
x i  1  Ax i   n i .

d  i   u i  x i   v i 
T

(4.13)


17
Với A là ma trận chuyển đổi trạng thái, n[i] là nhiễu trạng thái, v[i] là
nhiễu quan sát;  i  F
q I ; i  j
T
E  n i .n  j     1
.

  0; i  j
(4.14)



q ; i  j
T
E v i .v  j     2
.

 0; i  j

(4.15)

Như vậy khi sử dụng phương pháp kernel ta đã thay u[i], trong không
gian trạng thái của lọc Kalman thích hợp với kênh tuyến tính, bằng [i] trong
KRLS phù hợp kênh phi tuyến bất kỳ nhưng các phép tính trong không gian
đặc trưng H là tuyến tính – tích vô hướng. Điều này làm đơn giản việc tính
toán.
Giả thiết kênh biến đổi theo thời gian, A  .I ,  là hệ số biến đổi của
kênh. Ta có mô hình:
x i  1   x i   n i .

d i     i  x i   v i 
T

(4.16)

Mô hình này thích hợp cho kênh pha đinh chậm, lúc đó   1 . Với mô
hình (4.16), phương trình hồi quy là:
Khởi đầu   0   0; P  0    1I ; lặp với i  1

r i    i   i  P i  1 i  .
T

k i    P i  1 i  r i 
e i   d i    i   i  1

(4.17)

T

 i    i  1  k i  e i 

T
2
P i     P i  1  P i  1 i  i  P i  1 r i    i qI



Với các phương trình hồi quy (4.17), các biểu thức  i  P i  i  với
mọi k, i, j có thể có dạng 1x  x  x  x  x1 , vì vậy nếu thực hiện tính
toán chúng trong không gian đầu vào là không thể được. Vì vậy phải sử dụng
phương pháp kernel để tính toán trong không gian đặc trưng chỉ có các thuật
toán tích vô hướng giữa các véc-tơ vào đã chuyển đổi   . và đặc trưng
T


18
kernel. Từ đó rút ra thuật toán hồi quy bình phương bé nhất kernel mở rộng,
Ex-KRLS như sau:
Khởi đầu:
a 1 

 d 1

  k u 1 , u 1

2
 r 1        q 



Q 1 





2

   k u 1 , u 1      q 



2

Tính toán:
Lặp với i > 1
h i    k u i  , u 1 ,..., k u i  , u i  1 

T

z i   Q i  1 h i 

r i    i  r i  1  k u i  , u i   h i  z i 
T

e i   d i   h i  a i  1
T

 a i  1  z i  r 1 i  e i 
a i    


r 1 i  e i 


2
i
 r i    r i  1     q  r i  1


2
Q i  1 r i   z i  z i T


Q i  
T
2
 z i 
r i      i q  r i  1 



 z  i 

1 

Hiệu năng của bộ cân bằng sử dụng giải thuật Ex-KRLS được trình bày
trong phần 4.4.3.
4.4.2. Bộ cân bằng đa kernel LMS
4.4.2.1. Thuật toán thích nghi đa kernel LMS
4.4.2.2. Bộ cân bằng MK-LMS
Sơ đồ khối bộ cân bằng hai kernel đơn được biểu thị trên hình 4.3.

19

X1  H1

kw,1(x(n))

y1  n 

KAF1

-

e1(n)

x(n)

X2  H2

kw,2(x(n))

m1
e(n)

+

y2  n 

KAF2

m1

y n

-

e2(n)

y n

S

-

+

+

Hình 4.3. Cân bằng thích nghi đa kernel
Từ công thức (4.34) suy ra ước lượng đầu ra bộ cân bằng trong trường
hợp hai kernel sẽ là:
L1

L2

1

1

yt  m1  1, j , k1  x1 , x   m2  2, j , k2  x2 , x .

(4.35)

m là tốc độ học của thuật toán
Trong bộ cân bằng hai kernel, t ,i , được tính theo thuật toán LMS chuẩn
Trong đó

[74]:

t , j ,  t 1, j ,  m et

k  xt , x j 

  k 2  xt , x j 

.

(4.36)

et  xt  yt  m là ước lượng sai số.
Thuật toán đa kernel:
Thuật toán Bình phương trung bình tối thiểu đa kernel – MK-LMS
Khởi tạo:

Thư mục: D   x0 
Tập kernel: K  k1 , k2 ,

, kL 

Trọng số khởi đầu: k , x  mˆ .d1 (cho từng kernel)
1
(Để đơn giản, ký hiệu k , x là trọng số tương ứng với kernel k và véc-tơ hỗ trợ
x)


20
for Cặp huấn luyện  xt , dt  do:
Phương sai mẫu: eD  min x D xt  x j
j
Dự đoán:

yt  m  x D  kK k , x j k  xt , x j 
j

Lỗi: et  dt  yt
Đặc tính mới
if et   e  eD   d then
Thêm mẫu mới: D  D   xt 
for all k  K do

Khởi đầu trọng số mới: k , x  mˆ.dt
t
end for
else
for all k  K , x j  D do
Cập nhật:

k , x  k , x  mˆ et
j

j

k  xt , x j 

  k  xt , x j 

2

end for
end if
Biểu diễn và loại trừ
for all x j  D do
Biểu diễn tức thời: pt  x j   KG  x j , xt 
Biểu diễn: Pt x j  1    Pt 1 x j   pt x j
end for

 

 

 

if Thực hiện loại trừ then

Loại trừ mẫu: D   x j  D : Pt  x    p 
end if
end for

4.4.3. Hiệu năng bộ cân bằng kernel cải tiến

4.4.3.1. Hiệu năng bộ cân bằng Ex-KRLS
Giả thiết tính toán được thực hiện trên kênh pha đinh Rayleigh.
Phần tử phi tuyến làm việc ở chế độ bão hòa. Đáp ứng xung của kênh:
h  n  x  n .  n   .

(4.37)


21
Giá trị trung bình và phương sai của tín hiệu được tính:





E x  n     2.

 x n  E  x n    4 2 
2

E

2

(4.39)

Ngoài ra hàm tự tương quan chuẩn khi chuyển động với vận tốc không
đổi được mô hình bằng hàm Bessel bậc “0” loại “1”:
E  x  n  x  n  k   J 0  2 f DTS k  ; k  ..., 1, 0,1,....

(4.40)

Ở đây TS là chu kỳ lấy mẫu của dãy, fD là tần số Doppler cực đại của kênh
pha đinh và hàm J0 được xác định:
J0  y  

1





 cos  y sin   d .
0

(4.41)

MSE (dB)

So sánh hiệu năng cân bằng kênh bằng thuật toán KRLS và Ex-KRLS,
đồng thời so sánh hiệu năng của cân bằng dùng thuật toán LMS và Ex-RLS.
Tính toán cho 4 trường hợp, sử dụng Kernel Gaussian với tham số a =
0,05. Với kênh pha đinh chậm thì   1 và q  0. Tạo 1.000 ký hiệu cho mỗi
lần mô phỏng, sử dụng Monte Carlo có các đầu vào độc lập và nhiễu cộng.
Kết quả mô phỏng được biểu thị trên hình 4.4.

Số lần lặp
Hình 4.4. Kết quả mô phỏng với bộ cân bằng NLMS, Ex-RLS, KRLS,
Ex-KRLS

22
Bảng 4.4 biểu thị so sánh hiệu năng MSE của giải pháp Ex-KRLS với ba
bộ cân bằng NLMS, KRLS và Ex-RLS.
Bảng 4.4. So sánh hiệu năng của các bộ cân bằng LMS, Ex-RLS, KRLS
và Ex-KRLS
Thuật toán

MSE (dB)

NLMS

-10,85 ± 0,50

Ex-RLS

-11,71 ± 0,32

KRLS

-14,41 ± 0,45

Ex-KRLS

-16,82 ± 0,68

Như vậy giải thuật Ex-KRLS đã cải thiện được đáng kể hiệu năng MSE
của bộ cân bằng với giá trị MSE tương đối là -16,82dB, tốt hơn 6dB so với
giải thuật NLMS và cũng đạt cải thiện xấp xỉ 2,5dB so với giải thuật KRLS
thông thường. Bộ cân bằng Ex-KRLS còn chứng tỏ khả năng thích ứng tốt

với sự thay đổi nhanh của kênh.
4.4.3.2. Hiệu năng bộ cân bằng MK-LMS
Trong phần này, ta xét việc kết hợp hai thuật toán KLMS với kernel
Gaussian có độ rộng băng tần khác nhau. Hệ thống phi tuyến sử dụng trong
đánh giá được mô tả bởi phương trình [48]:





2
d  n   0,8  0,5exp d  n  1  d  n  1 .


2
 0,3  0,9 exp d  n  1  d  n  2   0,1sin  d  n  1  







(4.43)

Với d  n  : Đầu ra hệ thống, u  n    d  n  1 , d  n  2   : Đầu vào. Điều
kiện khởi đầu được đặt là d  0   d 1  0,1 . Đầu ra d  n  bị ảnh hưởng bởi tạp
âm Gaussian trắng cộng trung bình không z  n  với lệch chuẩn   0,1 .
So sánh được thực hiện giữa mô hình kết hợp hai thuật toán KLMS dựa
trên giải thuật MK-LMS mà luận án đề xuất, gọi là ComKAF, với hai thuật

toán KLMS độc lập, thuật toán MKLMS trong [47] [87] và thuật toán
MxKLMS trong [88]. Tốc độ học để cập nhật chức năng cổng của thuật toán
T


23

EMSE (dB)

MxKLMS chọn là 0,1. Kết quả thực nghiệm được tính trung bình cho 200
lần chạy Monte Carlo.
Kết quả đánh giá hiệu năng của các bộ cân bằng được trình bày trong hình
4.5.

Số lần lặp n
(a)

(n)
C

C

Số lần lặp n
(b)
Hình 4.5. Kết quả phân tích hiệu năng. (a) Đường cong học EMSE trung
C cho trọng số chức năng
bình; (b) Đường cong trung bình
Như vậy bộ cân bằng MK-LMS luận án đề xuất đã đặt được các mục tiêu
cải thiện về MSE và 𝜆(𝑛) như đề ra ban đầu.