Nghiên cứu kỹ thuật truyền thông tin và năng lượng đồng thời trong hệ thống đa anten

ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
--------------------------

HUỲNH BÁ CƯỜNG

NGHIÊN CỨU KỸ THUẬT TRUYỀN
THÔNG TIN VÀ NĂNG LƯỢNG ĐỒNG THỜI
TRONG HỆ THỐNG ĐA ANTEN

Chuyên ngành

: Kỹ thuật Điện tử

Mã số

: 60.52.02.03

TÓM TẮT
LUẬN VĂN THẠC SĨ
KỸ THUẬT ĐIỆN TỬ

Đà Nẵng - Năm 2018


Công trình được hoàn thành tại
TRƯỜNG ĐẠI HỌC BÁCH KHOA

Người hướng dẫn khoa học: TS. NGÔ MINH TRÍ

Phản biện 1: TS. Trần Thị Hương

Phản biện 2: TS. Trần Thế Sơn

Luận văn sẽ được bảo vệ trước Hội đồng chấm Luận văn tốt
nghiệp thạc sĩ kỹ thuật điện tử họp tại Trường Đại học Bách khoa
vào ngày 29 tháng 09 năm 2018.

Có thể tìm hiểu luận văn tại:
- Trung tâm học liệu, Đại học Đà Nẵng tại Trường Đại học
Bách khoa
- Thư viện Khoa ĐTVT, Trường Đại học Bách khoa - ĐHĐN


1
MỞ ĐẦU
1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Trong những năm gần đây, người ta nhận thấy rằng các tín hiệu
trong tần số vô tuyến (Radio Frequence - RF) ngoài việc truyền thông
tin còn có thể truyền năng lượng cho các thiết bị di động trong hệ thống
không dây, lĩnh vực này đã thu hút sự chú ý ngày càng tăng của giới
khoa học. Vì lý do này, mạng truyền thông tin và năng lượng vô tuyến
đồng thời (Simultaneous Wireless Information and Power Transfer SWIPT) đã xuất hiện như một công nghệ đầy hứa hẹn, kết hợp với các
thiết bị thu năng lượng (Energy Harvesting - EH) để cung cấp cho
mạng không dây. SWIPT cung cấp một ưu điểm về việc khống chế để
đảm bảo yêu cầu về truyền năng lượng và thông tin đồng thời với giá
thành thấp mà không cần thay đổi nhiều phần cứng của máy phát. Kết
quả là, lượng thông tin truyền và năng lượng truyền không thể đạt cực
đại đồng thời.
Trong hệ thống SWIPT, thiệt kế máy phát đã được nghiên cứu
trong vài năm qua để tối đa tốc độ giải mã thông tin ở người dùng
(Information Decoding - ID) và năng lượng thu được ở người dùng EH

một cách đồng thời. Vấn đề đặt ra là làm thế nào để tối ưu cho hệ thống
SWIPT sử dụng đa anten (Multiple-Input Multiple-Output - MIMO),
để người dùng EH và ID thu được mức năng lượng và thông tin tốt
nhất trên cùng một tài nguyên phổ tần.
Từ những vấn đề nêu trên tôi đề xuất đề tài: “Nghiên cứu kỹ
thuật truyền nhận thông tin và năng lượng đồng thời trong hệ thống
đa anten” để người dùng đồng thời thu được mức năng lượng và thông
tin tốt nhất trong hệ thống SWIPT.
2. MỤC TIÊU NGHIÊN CỨU
- Nghiên cứu mô hình tín hiệu của hệ thống SWIPT.


2
- Nghiên cứu các thuật toán tối ưu hệ thống giữa máy phát và
máy thu. - Viết chương trình mô phỏng trên Matlab nhằm đánh giá
hiệu năng của các thuật toán tối ưu.
3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
a. Đối tượng nghiên cứu
- Tìm hiểu mô hình hệ thống SWIPT sử dụng đa anten MIMO.
- Nghiên cứu các thuật toán tiền/hậu mã hóa.
- Nghiên cứu thuật toán tối ưu cho máy phát WMMSE.
- Viết chương trình mô phỏng bằng Matlab.
b. Phạm vi nghiên cứu
Đề tài sử dụng hệ thống SWIPT để khảo sát và cải thiện chất
lượng thu nhận thông tin trên máy thu ID và năng lượng trên máy thu
EH. Ứng dụng các giải pháp tối ưu để tăng hiệu suất hệ thống.
4. PHƯƠNG PHÁP NGHIÊN CỨU:
Phương pháp thực hiện luận văn là kết hợp nghiên cứu lý thuyết
và mô phỏng để đánh giá hiệu năng của hệ thống:
- Tìm hiểu, phân tích các tài liệu liên quan đến đề tài.

- Tìm hiểu nguyên lý hoạt động, đánh giá ưu, nhược điểm các
phương pháp đã được đề xuất, dựa vào đó đưa ra phương pháp cải
thiện chất lượng hệ thống.
- Tìm hiểu các thuật toán tối ưu có thể áp dụng vào hệ thống
SWIPT.
- Nghiên cứu thành phần nhiễu ảnh hưởng đến hệ thống.
- Sử dụng công cụ Matlab để thực hiện mô phỏng hệ thống.
- Đánh giá kết quả đã mô phỏng của thuật toán tối ưu hệ thống.
5. Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI
Hệ thống truyền thông tin và năng lượng vô tuyến đồng thời
(SWIPT) là một giải pháp đầy hứa hẹn để tăng thời lượng sử dụng của


3
các thiết bị không dây. Đặc biệt sự phát triển của công nghệ IoT và
mạng cảm biến không dây đòi hỏi các thiết bị nhỏ gọn và công suất sử
dụng thấp. Bài toán về nguồn năng lượng của các thiết bị này là vấn
đề mà các nhà khoa học đang nghiên cứu và phát triển. Việc sử dụng
hệ thống SWIPT một cách tối ưu dự kiến sẽ mang lại một số thay đổi
cơ bản trong thiết kế và giải quyết vấn đề năng lượng cho mạng truyền
thông không dây trong tương lai.
6. CẤU TRÚC LUẬN VĂN
Luận văn gồm 4 chương sau đây:
Mở đầu
Chương 1: Tổng quan hệ thống swipt và kỹ thuật truyền năng
lượng không dây
Chương 2: Hệ thống đa kênh truyền MIMO
Chương 3. Mô hình hệ thống và tối ưu thông số WMMSE
Chương 4: Mô phỏng và đánh giá kết quả
Kết luận và hướng phát triển của đề tài

4
CHƯƠNG 1
TỔNG QUAN HỆ THỐNG SWIPT VÀ KỸ THUẬT
TRUYỀN NĂNG LƯỢNG KHÔNG DÂY
1.1. Giới thiệu hệ thống
1.2. Hệ thống SWIPT
1.2.1. Chuyển mạch thời gian (TS)
1.2.2. Chia công suất (PS)
1.2.3. Chuyển mạch anten (AS)
1.2.4. Chuyển mạch không gian (SS)
1.3. Kỹ thuật truyền năng lượng không dây
1.3.1. Cấu trúc mạng thu năng lượng
1.4. Cấu trúc cơ bản của một thiết bị thu năng lượng
1.5. Nguyên lý truyền năng lượng RF
1.6. Các chỉ số đánh giá thu hoạch năng lượng không dây
1.6.1. Phạm vi hoạt động
1.6.2. Hiệu suất chuyển đổi năng lượng RF-DC (PCE)
1.6.3. Yếu tố cộng hưởng
1.6.4. Độ nhạy
1.7. Các nguồn RF trong không gian tự do
1.7.1. Nguồn RF chuyên dụng
1.7.2. Nguồn RF xung quanh
1.7.2.1. Nguồn RF tĩnh xung quanh
1.7.2.2. Nguồn RF động xung quanh
1.8. Một số ứng dụng của thu năng lượng không dây
1.9. Kết luận chương

5
CHƯƠNG 2
HỆ THỐNG ĐA KÊNH TRUYỀN MIMO
2.1. Giới thiệu chương
2.2. Tổng quan hệ thống đa kênh truyền MIMO
2.2.1. Ưu điểm của kỹ thuật MIMO.
2.2.2. Khuyết điểm của hệ thống MIMO.
2.3. Các kỹ thuật phân tập.
2.3.1. Phân tập thời gian.
2.3.2. Phân tập tần số.
2.3.3. Phân tập không gian.
2.4. Dung lượng và độ lợi trong hệ thống MIMO
2.4.1. Dung lượng kênh MIMO
2.4.2. Độ lợi trong hệ thống MIMO.
2.4.2.1. Độ lợi Beamforming
2.4.2.2. Độ lợi ghép kênh không gian.
2.4.2.3. Độ lợi phân tập.
2.5. Một số khái niệm cơ bản trong MIMO
2.5.1. Nhiễu trắng
2.5.2. Nhiễu xuyên ký hiệu (ISI)
2.5.3. Nhiễu đồng kênh (CCI)
2.5.4. Pha-đinh
2.5.5. Kỹ thuật định hướng búp sóng (Beamforming)
2.6. Các kỹ thuật tiền mã hóa cho hệ thống MIMO đa người dùng
2.7. Một số ứng dụng tiêu biểu.
2.7.1. Chuẩn 802.11n
2.7.2. Wimax
2.7.3. Công nghệ 4G
2.8. Kết luận chương

6
CHƯƠNG 3
MÔ HÌNH HỆ THỐNG VÀ TỐI ƯU THÔNG SỐ WMMSE
3.1. Giới thiệu chương
Nội dung chương này trình bày mô hình tổng quang và các thông
số của hệ thống. Phát triển một phương pháp thiết kế mới của máy phát
và máy thu ID theo MMSE cho MIMO BC SWIPT, với máy thu EH
và máy thu ID được tách riêng, và xác định vùng cân bằng tối ưu nhất
về MSE và năng lượng. Để có được một xử lý theo hướng tối ưu hơn
về hiệu năng lỗi, chúng ta xây dựng một hệ thống SWIPT MMSE
(WMMSE) có sử dụng trọng số làm giảm thiểu các tổng trọng số lỗi
cho máy thu ID trong khi vẫn đáp ứng được giới hạn EH đã xác định
trước cho máy thu EH. Vì hàm không chúng ta xét lồi nên sẽ gây ra
những khó khăn hơn trong việc tính toán bằng trọng số so với trường
hợp thông thường. Để giải quyết vấn đề, trước tiên ta tập trung vào
phía máy phát cho riêng máy thu ID và đưa ra giải pháp là một dạng
bán kín mà có thể tính toán được bằng các phương pháp phân đôi
(bisection) đơn giản. Khi máy thu ID có một anten đơn, thì búp sóng
tối ưu được tạo ra từ phương pháp tiền mã hóa cho chúng ta thấy tỷ lệ
tín hiệu trên nhiễu (SNR) tối đa tương ứng với tốc độ truyền tin tối đa.
Đặc biệt thú vị khi giải pháp đề xuất có thể đạt được bằng phương pháp
phân đôi (bisection) đơn giản để tìm ra giá trị tối ưu.
Mô hình hệ thống tổng quát hệ thống

Hình 3.1: Mô hình truyền thông tin và năng lượng đồng thời SWIPT


7
Trong đề tài này, chỉ xét đến các kịch bản đơn giản chỉ với một

hoặc hai thiết bị người dùng (UT) hoạt động trong mạng tại bất kỳ thời
điểm nào. Đối với trường hợp có hai UT, ta giả sử hệ thống sử dụng
chuyển mạch theo thời gian (time switching), tức là hai UT lần lượt
nhận thông tin hoặc năng lượng (độc lập) từ điểm truy cập (AP) qua
các khe thời gian khác nhau. Kết quả là, khi một UT nhận được thông
tin từ AP, UT khác có thể có cơ hội thu được năng lượng từ cùng một
tín hiệu phát sóng bởi AP, và ngược lại. Do đó, ở mỗi khe thời gian,
một UT hoạt động như một bộ thu nhận thông tin (ID), và một bộ thu
UT khác như một máy thu năng lượng (EH).

Hình 3.2: Một hệ thống MIMO kênh quảng bá cho SWIPT
Vì vậy, trường hợp đề cập đến này là tách riêng máy thu EH và
ID. Mặt khác, đối với trường hợp chỉ với một UT duy nhất hoạt động
(trong khi tất cả các UT khác được giả định ở chế độ tắt / ngủ), UT
hoạt động cần thu năng lượng cũng như giải mã thông tin từ cùng một
tín hiệu gửi bởi AP, tức là, cùng một bộ anten nhận được chia sẻ bởi
cả hai máy thu EH và ID tồn tại trong cùng một UT.
Theo các giả định trên, một hệ thống phát sóng MIMO ba nút
được trình bày trong đề tài này, như thể hiện trong hình 3.2, trong đó
các máy thu EH và ID thu năng lượng và giải mã thông tin riêng biệt
với tín hiệu được gửi bởi một máy phát thông thường. Trong đề tài
này, mô hình hệ thống chỉ đề cập đến trường hợp của máy thu EH và


8
ID riêng biệt, nhưng bao gồm cả các máy thu đồng vị như là một trường
hợp đặc biệt khi các kênh MIMO từ máy phát đến cả hai máy thu trở
nên giống hệt nhau.
3.2. Thiết kế bộ thu /phát WMMSE cho hệ thống SWIPT
3.2.1. Mô hình hệ thống

Hình 3.3: Mô hình một hệ thống MIMO kênh quảng bá cho SWIPT
với bộ thu phát tuyến tính.
Như thể hiện trong hình 3.3, phần này trình bày một hệ thống
phát sóng không dây bao gồm một máy phát, một máy thu EH, và một
máy thu ID. Giả sử rằng máy phát được trang bị anten truyền ≥ 1, và
bộ tiếp nhận EH và máy thu ID có 𝑁𝐸𝐻 ≥ 1 và anten nhận 𝑁𝐼𝐷 ≥ 1.
Ngoài ra, giả sử rằng máy phát và cả hai máy thu hoạt động trên cùng
một băng tần. Giả sử việc truyền băng hẹp qua các kênh pha-đinh bán
tĩnh, các kênh tương đương từ bộ truyền đến bộ thu EH và máy thu ID
có thể được mô phỏng theo các ma trận 𝐇 𝛜 ℂ𝑁𝐼𝐷 ×𝑁𝑇 và 𝐆 𝛜 ℂ𝑁𝐸𝐻 ×𝑁𝑇
tương ứng. Giả sử ở mỗi trạng thái suy hao dần, G và H đều được biết
đến ở máy phát, và được biết riêng biệt ở máy thu tương ứng. Lưu ý
rằng đối với trường hợp của máy thu EH và ID đồng vị, G là giống hệt
với H và do đó NEH =NID. Cũng giả sử máy phát biết tất cả các thông
tin trạng thái kênh (CSI) H và G, và mỗi máy thu đều biết CSI tương


9
ứng. Sử dụng ghép kênh không gian, ta truyền luồng dữ liệu NS đồng
thời sử dụng vectơ tín hiệu đầu vào x 𝛜 ℂ𝑁𝑆 ×1 với Ԑ[xxH] = 𝐈𝑁𝑆 .
Với những giả định này, tín hiệu ước tính x̂ 𝛜 ℂ𝑁𝑆 ×1 tại ID người
sử dụng có thể được mô phỏng bằng công thức dưới
x̂ = 𝐋(𝐇𝐅x + n)

(3-1)

Trong đó:
- n ϵ ℂ𝑁𝐼𝐷 ×1 là nhiễu đầu thu với n ~ CN (0, INID)
- 𝐋 ϵ ℂ𝑁𝐸𝐻 ×𝑁𝑇 là bộ thu tuyến tính tại người sử dụng ID

- 𝐅 ϵ ℂ𝑁𝑇 ×𝑁𝑆 là bộ mã hoá tuyến tính tại máy phát nó phụ
thuộc vào mức năng lượng Tr (FFH) ≤ PT. Sau đó, lỗi ước lượng tại
người dùng ID có thể được định nghĩa là e = γ-1 x̂ - x và MSE là kết
quả tính toán được cho bởi MSE = Tr (WԐ[eeH]).
Ở đây, tham số điều chỉnh tỷ lệ γ-1 là tham số tự điều chỉnh và
W là trọng số ma trận đường chéo.
Trong khi đó, tổng năng lượng thu hoạch tại máy thu EH, được định
nghĩa bởi Q, có thể được biểu diễn như sau:

(

2
Q =   GFx  = Tr F G  GF



)

(3-2)

Vói 𝛿 là hằng số chỉ thất thoát trong bộ chuyển đổi năng lượng thu
được thành năng lượng lưu trữ. Trong phạm vi đề tài, để thuận cho
việc phân tích, giả định rằng 𝛿 = 1.
Từ đây, ta có được năng lượng của búp sóng là 𝐅𝐄𝐇 =
√𝑃𝑇 [v𝑔,1 𝑶𝑁𝑇 ×(𝑁𝑆 −1) ] năng lượng tối đa thu được Emax=PTg1 và tổng
MSE có thể đạt được với búp sóng này là MEH.
√𝑔1 là giá trị riêng lớn nhất của G.
v𝑔,1 là vectơ đơn bên phải của G.
Trong khi đó, tổng MSE và năng lượng có thể đạt được bằng bộ mã
hóa MMSE là FID được biểu hiện bằng Mmin và EID tương ứng.

10
Nền nhiễu tại bộ thu EH là không đáng kể, xem như bỏ qua.
Bây giờ hãy xem xét trường hợp cả người dùng EH và ID cùng tồn
tại. Sau đó, khu vực năng lượng MSE có thể đạt được là:
ℛM,E ≜ {(M,E): M ≥ Tr (WԐ[eeH]), E ≤ Tr(FHGHGF),
Tr (FFH )≤ PT)}

(3-3)

Và mỗi điểm ranh giới của ℛM,E có thể đạt được bằng cách giải
quyết vấn đề tối ưu hoá SWIPT-WMMSE sau:

(

)

min

Tr Wε eeH 

s.t

E  Tr F HG HGF ,Tr FF H  PT

( γ ,F,L )

(

) (

)

(3-4)

Trong đó EID ≤ 𝐸 ≤ Emax. Mục tiêu của đề tài là tìm ra các giải
pháp hiệu quả cho phương trình (3-4) và xác định mức năng lượng
MSE tốt nhất có thể tại vùng ℛM,E .
3.2.2. Phương pháp nhân tử Lagrangian
Trong ngành tối ưu hóa, phương pháp nhân tử Lagrange (đặt
theo tên của nhà toán học Joseph Louis Lagrange) là một phương pháp
để tìm cực tiểu hoặc cực đại của một hàm số chịu các điều kiện giới
hạn.
Nếu chúng ta đưa được bài toán này về một bài toán không ràng
buộc thì chúng ta có thể tìm được nghiệm bằng cách giải hệ phương
trình đạo hàm theo từng thành phần bằng 0 (giả sử rằng việc giải hệ
phương trình này là khả thi).
Điều này là động lực để nhà toán học Lagrange sử dụng hàm số:
ℒ(x, λ) = f0 (x) + λf1 (x)
(a)
Chú ý rằng, trong hàm số này, chúng ta có thêm một biến nữa là λ,
biến này được gọi là nhân tử Lagrange (Lagrange multiplier). Hàm
số ℒ(x, λ) được gọi là hàm hỗ trợ. Người ta đã chứng minh được rằng,
điểm tối ưu của bài toán (a) thoả mãn điều kiện ∇x,λ ℒ(x, λ) =0. Điều
này tương đương với:


11
∇x f0 (x) + λ∇x f1 (x) = 0

(b)
f1 (x) = 0
(c)
Để ý rằng điều kiện thứ hai chính là ∇λ ℒ(x, λ) =0, và cũng
chính là ràng buộc trong bài toán (a). Việc giải hệ phương
trình (b)−(c), trong nhiều trường hợp, đơn giản hơn việc trực tiếp đi
tìm optimal value của bài toán (a).
3.2.3. Phương pháp chia đôi Bisection
Giả sử f(x) liên tục trên [a, b] và f(a), f(b) trái dấu (đoạn [a, b]
không cần phải là khoảng phân ly). Như vậy trong khoảng này phải có
một nghiệm α. Ta sẽ tìm nghiệm này bằng cách chia đôi khoảng [a, b],
chọn khoảng con chứa nghiệm, rồi chia đôi tiếp khoảng con chứa
nghiệm nà cho đến khi tìm thấy nghiệm hoặc khoảng con đã đủ nhỏ để
bảo đảm rằng mọi giá trị trong khoảng đó đều có thể xem là xấp xỉ
nghiệm.
Cụ thể trước hết ta đặt a0 = a, b0 =b và cho trước một giá trị ε >
0 đủ nhỏ để dùng làm điều kiện xấp xỉ nghiệm và dừng quá trình tính
toán. Sau đó ta thực hiện các bước sau:
Đặt x 0 =

➢ Bước 0:

a 0 + b0
2

Vì f(a0) f(b0) <0, do đó một trong 2 trường hợp sau xảy ra:
a. f(x0) = 0. Ta có x0 là nghiệm và kết thúc.
b. f(x0) ≠ 0. Nếu f(a)f(x0) <0 thì nghiệm sẽ ở trong khoảng [a, x0]
do đó ta đặt
a1 = a0, b1 = x0

Nếu f(x0) f(b)<0 thì nghiệm sẽ ở trong khoảng [x0, b] do đó ta đặt
a1 = x0, b1 = b
Vì nghiệm α ∈[a1, b1], ta có | x0- α| ≤ | b1-a1| =
Chuyển sang bước 1.
➢ Bước 1:

Đặt x1 = a1 + b1
2

b−a
2


12
Vì f(a1)f(b1) < 0, do đó một trong 2 trường hợp sau xảy ra:
a. f(x1) = 0. Ta có nghiệm là x1 và kết thúc.
b. f(x1) ≠ 0.
Nếu f(a1)f(x1) < 0 thì nghiệm sẽ ở trong khoảng [a1, x1] do đó ta đặt
a2 = a1, b2 = x1
Nếu f(x1)f(b1) < 0 thì nghiệm sẽ ở trong khoảng [x1,b1] do đó ta đặt
a2 = x1, b2 = b1
Vì nghiệm α ∈[a2,b2], ta có | x1- α| ≤ | b2- a2| = b − a
2
Chuyển sang bước 2.
…
a + bn
➢ Bước n:
Đặt x n = n
2
Vì f(an)f(bn)<0, do đó một trong 2 trường hợp sau xảy ra:

a. f(xn) = 0. Ta có nghiệm là xn và kết thúc.
b. f(xn) ≠ 0.
Nếu f(an)f(xn)<0 thì nghiệm sẽ ở trong khoảng [an, xn] do đó ta đặt
an+1 = an, bn+1 = xn
Nếu f(xn)f(bn )<0 thì nghiệm sẽ ở trong khoảng [xn, bn] do đó ta
đặt
an+1 = xn, bn+1 = bn
b−a
Vì nghiệm α ∈[an+1,bn+1], ta có | xn - α| ≤ | bn+1- an+1| =
2n +1
Ta kiểm tra xem nếu

b−a
≤ ε thì kết thúc, nếu không thì
2n +1

Chuyển sang bước n+1
➢ Nhận xét về thuật toán chia đôi
Ưu điểm của phương pháp chia đôi là đơn giản. Nhược điểm là
tốc độ hội tụ chậm, không tận dụng được tính chất của hàm số f(x). Dù
hàm số có dạng gì thì chúng ta cũng chỉ chia đôi, xét giá trị của hàm
tại các điểm chia rồi quyết định chọn đoạn nào để chia tiếp. Nếu


13
khoảng [a, b] ban đầu lớn thì phải khá nhiều bước mới đạt được độ
chính xác cần thiết.
3.2.4. Tính toán tối ưu hệ thống
Trong phần này, chúng ta giải quyết vấn đề (3-4) dựa trên điều
kiện Karush-Kuhn Tucker (KKT). Sử dụng biểu thức e và các giả định

trong phần trước, chúng ta xây dựng Lagrangian như sau:

(

L(  ,  , , F,L ) = Tr W( −1LHF − I N S )( −1LHF − I N S )
−2



(





+Tr ( WLL ) −  Tr( F G GF ) − E

(

+  Tr( F  F ) − PT

)

)

)
(3-5)

Ta giải các điều kiện KKT để có được các điều kiện cần thiết
cho việc tối ưu:

LHFF H + L =  F H

(3-6)

H L WLHF - G GF + F =  H L W

(3-7)

)

(3-8)

(

(

Tr WLHFF H L + WLL =  Tr F H L W

(

)

)

  0;   0;Tr F HGF  E;Tr( FF)  PT

(



)

(3-10)

)

(3-11)

 Tr( F F) - PT = 0

(

(3-9)

 Tr( FG GF) - E = 0

Với λ̅ ≜ λγ2 , 𝜇̅ ≜ 𝜇γ2, và các phương trình từ (3-6) đến (3-8) là
các kết quả suy ra từ các điều kiện cho bằng “0” của các đạo hàm theo
các biến.
Ta thiết lập 2 ma trận nhằm đơn giản hóa việc tính toán như sau:
Y=H L WLH +

Tr( WLL )
I NT
PT


14

Z=G  G +

E
IN
PT T

Ở đây, Y là một ma trận xác định rõ ràng, nhưng Z có vô số tập
xác định làm cho việc phân tích trở nên phức tạp. Dựa trên từng kết
quả này, mỗi máy phát và máy thu có thể được tối ưu hóa riêng như
trong các định lý sau đây:
➢ Đinh lý 3.1: Khi L được cho tùy ý, các kết quả của bài toán (3-4)
được tính bởi:
−1
𝐅̂ = γ̂𝐅̅ (λ̅) = γ̂(𝐘 − λ̅𝐙) 𝐇𝐇 𝐋H 𝐖

(3-12)

𝑃𝑇
Khi γ̂ = √
và giá trị tối ưu λ̅ là nghiệm của hàm
̅
̅)𝐻 )
𝑇𝑟(𝐅̅ (λ)𝐅̅ (λ

J(x) = 𝑇𝑟(𝐅̅ (𝑥)𝐻 𝐙𝐅̅ (𝑥) ) và λ̅ luôn được tìm ra trong khoảng
0 ≤ λ̅ ≤ 1⁄𝑘 bằng các phương pháp tìm kiếm đơn giản trong đó
𝑘 ≜ ||𝐙𝐘 −𝟏 ||22
Chứng minh: Trước tiên chúng ta xét các hàm Lagrange 2 nghiệm
𝑔(𝜆, 𝜇) = min𝛾,𝑭 ℒ(λ, μ, γ, 𝐅, 𝐋) với λ, μ, 𝐋 không đổi Sau đó ta
bỏ qua vấn đề liên tục của hàm, thì việc tìm tính cực tiểu ℒ cho γ, 𝐅 là
tương tự nhau

( (

)

min  −2 Tr F KF − 2 Tr (  ( WWLHF ) )
 ,F

)

(3-13)

Với 𝐾 ≜ 𝐇 𝐋 𝐖𝐋𝐇 − λ̅𝐆 𝐆 + 𝜇̅ 𝐈𝑁𝑇 . Bây giờ, giả sử rằng ít
𝐇 H

H

nhất một giá trị riêng của K là một số thực không dương với vector
riêng tương ứng là v 𝛜 ℂ𝑁𝑇 ×1 . Sau đó, ta có thể dễ dàng thấy phương
trình (3-13) trở nên vô hạn với 𝐅𝐄𝐇 = [v 𝐎𝑁𝑇 ×(𝑁𝑆 −1) ] như γ → 0+ . Vì
vậy, để có được một giá trị tối ưu ở phương trình (3-4), cần phải chọn
λ̅ và 𝜇̅ tối ưu sao cho K ≻ 0
Giả sử K ≻ 0, bây giờ chúng ta có được điều kiện KKT (3-7) rằng


15
𝐅̂ = 𝛾𝐊 −1 𝐇 𝐇 𝐋H 𝐖. Ngoài ra, từ (3-7) - (3-9) ta được :

(

)

(
= Tr ( F
= Tr ( F

 Tr F  H  L W = Tr F  H  L WLHF − F G GF + F  F

)
L WLHF ) + Tr ( WLL )



H  L WLHF −  E +  PT



H



)



Đồng nhất 2 vế sau của biểu thức trên suy ra được:

=

(

 E + Tr WLL
PT

) 0

Từ đây, hàm tối ưu 2 biến J(λ̅, 𝜇̅ ) trở thành hàm 1 biến J(λ̅).
𝑃

𝑇
Từ (3-10) ta có Tr(𝐅𝐅 𝐇 ) = 𝑃𝑇 và γ̂ = √
̅)𝐅̅ (λ
̅)𝐻 )
𝑇𝑟(𝐅̅ (λ

Kết luận 1: Để λ̅ tối ưu trên 0 ≤ λ̅ ≤ 1⁄𝑘.
Ta có

   J(x) T  F(x) 
 J(x)
= Tr  

   F x   x 
x



= Tr   2  ZF(x)


(

)



 F(x) 

x 

(a)
Suy ra từ 2 vế phương trình (3-7) ta được 𝑲𝐅̅ (x) = 𝐇 𝐋 𝐖 ta có:
𝐇 𝐇


F(x)
KF(x) = −ZF(x) + Κ
=0


x
x
Từ 2 phướng trình (a), (b) ta suy ra được:

  F(x)  F(x) 
 J(x)

= Tr   2 
 Κ
  x 

x
x 


Với K ≻ 0 (hoặc x<1/k), J(x) là một hàm tăng đơn điệu của x.
Mặt khác, từ công thức (3-12) ta có:

(b)


16

(

−1

−1

J(x) = Tr W  L H  ( Y − x Z ) Z ( Y − x Z ) HLW

(

= Tr  W  L H  I NT − x ZY −1


)

−1

)

−1
Y −1Z ( Y − x Z ) HLW 


Kết quả này nghĩa rằng x→1/k, J(x) sẽ là một số vô cùng lớn (+∞ hoặc
-∞). Như đã trình bày ở trên, hàm J (x) tăng trên x<1/k. Từ biểu thức
ta có 𝑙𝑖𝑚𝑥→1/𝑘 𝐽(𝑥) → +∞
Kết luận 2: J(x) là một hàm đơn điệu tăng trong khoảng 0 ≤ x < 1⁄k và
𝑙𝑖𝑚𝑥→1/𝑘 𝐽(𝑥) > 0
Với các kết luận 1 và 2, giá trị tối ưu biến đổi λ̅ tính bằng λ̂ có
thể tính như sau: Trước tiên chúng ta thấy từ điều kiện KKT (3-11)
rằng λ̅(Tr(𝐅 𝐇𝐆𝐇 𝐆𝐅) − 𝐸̅ ) = 𝟎 phải thỏa mãn, nghĩa là λ̅ 𝐽(λ̂ ) = 𝟎
- Nếu J(0) ≥ 0 thì chúng ta được λ̂ =0, vì 𝐽(λ̂ ) > 0 thì λ̅ > 0
- Nếu J(0) < 0 thì có thể xác định được giá trị λ̂ ≠ 0 thỏa mãn
𝐽(λ̂ ) = 0 vì J(1/k) > 0 nên có thể tìm được nghiệm trên
khoảng 0 ≤ λ̅ < 1 ⁄ k
Cần lưu ý 𝐽(λ) phải luôn lớn hơn hoặc bằng 0, bởi vì nếu không
bộ thu EH không thể đạt được mức năng lượng mong muốn 𝐄̂ . Kết
quả khi thỏa mãn điều kiện KKT của phương trình (3-7) – (3-10) là
duy nhất, kết quả của bộ tiền mã hóa (3-12) giúp cho bài toán được tối
ưu và bài toán được giải quyết.
➢ Định lý 3.2: Khi 𝜸 và F được đưa ra, giải pháp của (3-4) được
biểu diễn bằng :
𝐋̂ = 𝛾𝐅 H 𝐇 H (𝐇𝐅𝐅 H 𝐇𝐇 + 𝐈𝑁𝐼𝐷 )−𝟏
Thuật toán tối ưu WMMSE
For j=1: NG do
̅̅̅
̅̅̅𝑯 𝟏/𝟐
Khởi tạo ̅̅̅

𝐅𝑱 và 𝛾𝑱 = (𝑃𝑇 /Tr(𝐅
𝑱 𝐅𝑱 ))

(3-14)


17
Repeat
Tính L từ công thức (3-14) với ̅̅̅
𝐅𝑱 và 𝛾𝑱
Cập nhật 𝐅𝑱 = 𝛾𝑱 ̅̅̅
𝐅𝑱 sử dụng công thức (3-12) với 𝐋𝑱 đã có
Until 𝐅𝑱 đạt giá trị hội tụ.
End for
Chọn giá trị tốt nhất trong {(𝐅𝑱 , 𝐋𝑱 )|𝑗 = 1, … , 𝑁𝐺 |} mà trong
đó ta tìm được giá trị tổng nhỏ nhất của WMSE
Lưu đồ thuật toán trên mô tả cho phương pháp tính toán tối ưu
WMMSE. Trong đó giá trị ̅̅̅
𝐅𝑱 và 𝛾𝑱 được khởi tạo mặc định ở các chu
kỳ. Dựa vào các công thức (3-12 và 3-14) ta tính toán được giá trị 𝐅𝑱
hội tụ bằng phương pháp đơn giản.
3.3. Kết luận chương


18
CHƯƠNG 4
MÔ PHỎNG VÀ ĐÁNH GIÁ KẾT QUẢ
4.1. Thiết lập thông số mô phỏng
Để đánh giá được chất lượng của phương WMMSE, bằng cách
so sánh hiệu suất số của hai tiêu chí thiết kế SWIPT của MIMO BC:

WMMSE và tốc độ thông tin [7]

Hình 0.1: Một mô hình một hệ thống MIMO BC cho SWIPT với
NT=NR=2.
Hình trên mô tả mô hình hệ thống MIMO BC cho SWIPT tổng
quát được sử dụng trong tài liệu [7]. Các tham số hệ thống chính được
tóm tắt trong Bảng 4.1. Trong mô phỏng này, các kênh được tạo ra từ
−3/2 ̃
mô hình phân bố lỗi gói Pha-đinh của Rayleigh, với 𝐇 = 𝑑ℎ
𝐇 và
−3/2

𝐆 = 𝑑𝑔

̃. Ta đặt NT=NS=NID=NEH=4 khoảng cách dh=dg=10(m).
𝐆

Ta chọn công suất phát PT=20dBm(100mW). Trong đó, đơn vị năng
lượng mà máy thu EH nhận được trong mô phỏng này là 1μW.


19
Bảng 0.1: Thông số mô phỏng hệ thống
Tên thông số
Giá trị thông số
Mật độ phổ công suất của nhiễu -100dBm/Hz
Hiệu suất chuyển đổi năng 50%(=0.5)
lượng
Hệ số suy giảm tín hiệu đường
3

truyền (Pathloss exponent)
Băng thông tín hiệu
10 MHz
Khoảng cách: Tx – máy thu ID dh(m)
Khoảng cách: Tx – máy thu EH dg(m)
Kênh truyền
randn(‘state’, θ )
̃ = (randn(NID; NT ) + j ∗ randn(NID;
𝐇
NT))=sqrt(2);
̃ = (randn(NID; NT) + j ∗ randn(NID;
𝐆
NT))=sqrt(2);
4.2. Kết quả và đánh giá hiệu suất
Hình 4.2 (a) (b) minh họa các xu hướng hội tụ của đề tài được
đề xuất với PT = 100mW về cả tổng hợp MSE và RATE. Trong đó,
ma trận W = I 4 và trọng số của MSE(N_for, NG) và RATE(N_for,
NG) với N_for là số vòng lặp và giá trị NG thay đổi từ 1 đến 4.
Trong mỗi vòng lặp, tổng MSE(M) và Rate (R) được tính từ

M = Tr(W(F H H H + I NT )−1 ) và R = log F H H H HF+ I NT .
Do phương trình (3-4) không lồi nên hiệu suất kết quả đạt được
phụ thuộc vào trọng số của ma trận W và các vòng lặp. Tuy nhiên, có
thể thấy rằng khi thay đổi trong số ma trận M và R từ NG=1 cho đến
NG=4 và số vòng lặp từ 5 cho đến 10 vòng thì chúng ta đạt được hiệu
suất hội tụ như hình 4.2. Quan sát từ kết quả mô phỏng cho thấy rằng


20
giải pháp của chúng ta với nhiều điểm chọn ban đầu tiếp cận khu vực

cân bằng năng lượng MSE tốt.

Hình 0.2: So sánh MSE và RATE trong SWIPT MIMO BC với

W = I 4 và E = Emax / 2
Hình 4.3(a) minh họa các điểm ranh giới của các khu vực năng lượng
MSE và tỷ lệ năng lượng đạt được tương ứng. Qua đó cho ta thấy
phương pháp SWIPT-WMMSE cho kết quả sai số bình phương trung
bình thấp trong phần lớn vùng truyền năng lượng và có xu hướng tuyến
tính. Ngoài ra, Hình 4.3(a) cho thấy rằng khi W = ΛH, bộ mã hóa
WMMSE đạt được hầu hết các điểm ranh giới của vùng năng lượng
tốc độ tối ưu. Ở đây xin lưu ý rằng mặc dù chúng tôi trình bày kết quả
mô phỏng với θ = 11, vậy xu hướng này không thay đổi đối với tất cả
các kênh thực hiện.


21

M EH , Emax

Mmin , E ID

R EH , Emax

M max , E ID

Hình 0.3: (a)Vùng MSE- Năng lượng (b) Vùng tốc độ thông tinNăng lượng của phương pháp SWIPT- WMMSE.
Kết quả mô phỏng ở hình 4.3(b) cho ta thấy vùng tốc độ truyền
tín hiệu tối ưu truyền của phương pháp WMMSE ở đây cũng đạt được
kết quả tốt trong vùng truyền đồng thời cả tín hiệu và năng lượng. Từ

kết quả này, ta có thể thấy vùng thu cân bằng giữa 50% mức năng
lượng thu tối đa thì phương pháp SWIPT luôn cho kết quả tốt.
Ở kết quả mô phỏng ở hình 4.4 mô phỏng tốc độ truyền tín hiệu
cho các trường hợp khi thay đổi công suất phát. Ở đây, ta thấy được
tốc độ truyền của phương pháp WMMSE tăng theo công suất phát. Từ
các kết quả mô phỏng trên, ta có thể kết luận rằng mô hình SWIPT
trong hệ thống MIMO BC cho ta điểm tiếp cận vùng tối ưu R-E tốt và
có thể khả thi để tiếp tục nghiên cứu để áp dụng thực tế.


22

Hình 0.4: Sự thay đổi giữa tốc độ truyền tín hiệu theo công suất phát
4.3. Kết luận chương
Chương này đã nghiên cứu việc thiết lập các thông số để đánh giá
được chất lượng của phương WMMSE, bằng cách so sánh hiệu suất số
của hai tiêu chí thiết kế SWIPT của MIMO BC: WMMSE và tốc độ
thông tin. Làm giảm thiểu tổng trọng số MSE của máy thu ID trong
khi vẫn đáp ứng được thu năng lượng của máy thu EH.
Từ các thông số thiết lập ta có thể thấy được các kết quả mô phỏng
giải pháp trên với nhiều điểm ban đầu tiếp cận khu vực cân bằng tốt
nhất có thể của vùng R E.


23
LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
KẾT LUẬN
Với các kết quả đã đạt được, đề tài đã trình bày một số các nội
dung như sau:
➢ Đã trình bày tổng quan về lý thuyết của hệ thống truyền thông

tin và năng lương đồng thời (SWIPT).
➢ Đã trình bày các nguyên lý truyền năng lượng, các chỉ số
trong quá trình thu năng lượng.
➢ Đã trình bày các nguồn năng lượng có trong không gian tự
do và các ứng dụng thu năng lượng không dây.
➢ Đã trình bày khái quát được các đặc điểm, các kỹ thuật tiền
mã hóa của hệ thống MIMO.
➢ Đã xây dựng được mô hình SWIPT trong hệ thống MIMO
BC, xây dựng được các phương trình và các điều kiện ràng buộc cho
việc tìm ra điểm tiếp cận điểm tối ưu trong cân bằng giữa tốc độ truyền
và năng lượng
➢ Mặt khác mô hình WMMSE cũng đã thiết lập được cấu trúc
tiền mã hóa tối ưu dưới dạng đơn biến và có thể dễ dàng tính được
bằng phương pháp phân đôi đơn giản.
➢ Mặc dù hàm giải quyết là 1 hàm lồi, tuy nhiên kết quả mô
phỏng đã cho ra nhiều điểm ban đầu tiếp cận tốt nhất có thể khu vực
cân bằng của vùng tốc độ truyền – năng lượng.
HƯỚNG PHÁT TRIỂN ĐỀ TÀI
Do hạn chế về thời gian, có nhiều vấn đề cần được giải quyết có
thể đưa vào hướng phát triển của đề tài sau:
➢ Trong luận văn này, để việc phân tích được đơn giản, tôi đã
giả sử rằng hiệu suất chuyển đổi năng lượng ở bộ thu năng lượng là lý
tưởng, đây là vấn đề chỉ có trên lý thuyết. Để giảm thiểu được vấn đề
này có thể sẽ có 2 giải pháp được đưa ra đó là thiết kế bộ phát năng
lượng tối ra hóa việc truyền năng lượng trong không gian, và tối ưu