Tóm tắt Luận án tiến sĩ Kỹ thuật: Giảm can nhiễu trong hệ thống MOMI-OFDM

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

NGUYỄN KIM QUANG
GIẢM CAN NHIỄU TRONG HỆ THỐNG MOMI-OFDM

Chuyên ngành : Kỹ thuật viễn thông
Mã số: 62.52.02.08

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

HÀ NỘI - 2018


Học Viện Công Nghệ Bưu Chính Viễn Thông
Người hướng dẫn khoa học:
1. PGS.TS. Trần Hồng Quân


1
MỞ ĐẦU
Nhằm đáp ứng được các yêu cầu về tốc độ dữ liệu ngày càng cao, băng thông
lớn trong khi tài nguyên vô tuyến ngày càng hạn chế, các hệ thống thông tin vô
tuyến hiện đại phải đối diện với việc giải quyết hai bài toán cơ bản: một là
nâng cao tốc độ truyền tin và hai là sử dụng một cách hiệu quả phổ tần. Sự kết
hợp công nghệ MIMO và OFDM là một lời giải cho cả hai vấn đề đó.
Công nghệ MIMO với việc sử dụng nhiều anten ở cả đầu phát và đầu thu đã
cho phép tăng dung lượng đường truyền mà không cần tăng công suất phát
hoặc tăng băng thông. Công nghệ ghép kênh phân chia theo tần số trực giao
(Orthogonal Frequency Division Multiplexing) cho phép truyền dữ liệu đồng

thời trên những sóng mang con băng hẹp, qua đó giảm thiểu hiệu ứng pha đing
lựa chọn tần số, và pha đing đa đường. Hệ quả, là vấn đề can nhiễu giữa các ký
tự ISI (InterSymbol Interference) vốn là một vấn đề nan giải về cơ bản được
giải quyết. Hơn nữa, khác với kiểu điều chế đa song mang trước đây, OFDM
điều chế tín hiệu trên các sóng mang trực giao nhau nhưng cho phép phổ của
chúng chờm lên nhau là một giải pháp hiệu quả để tận dụng phổ tần. Hệ thống
sử dụng hai công nghệ kết hợp MIMO và OFDM được gọi là hệ thống MIMOOFDM, một hệ thống hứa hẹn nhiều tiềm năng trong thông tin vô tuyến hiện
đại. Trên thực tế, hệ thống này được lựa chọn cho nhiều loại hình mạng, dịch
vụ truyền thông vô tuyến hiện nay như mạng di động 4G LTE, WiMax, truyền
hình số mặt đất DVB-T…
Bên cạnh những ưu điểm nổi bật như đã nêu trên, hệ thống MIMO-OFDM
cũng đặt ra những thách thức không nhỏ. Để đảm bảo truyền và nhận dữ liệu
một cách chính xác, hệ thống MIMO-OFDM đòi hỏi tất cả các sóng mang con
phải duy trì tính trực giao nghiêm ngặt. Tuy nhiên trong thực tế, khi truyền qua
kênh vô tuyến, mỗi sóng mang con chịu ảnh hưởng của kênh truyền sẽ bị dịch
tần số, phá vỡ tính trực giao với các sóng mang khác, từ đó gây ra can nhiễu.
Can nhiễu giữa các sóng mang con như vậy người ta gọi là ICI (InterCarrier
Interference).
Việc nghiên cứu, tìm ra những giải pháp nhằm giảm ICI trong hệ thống
MIMO-OFDM hiện đang là một trong những hướng nghiên cứu quan trọng và
có nhiều thách thức. Luận án định hướng giải quyết bài toán giảm ICI trong
MIMO-OFDM bằng các bộ cân bằng ở cả miền tần số và miền thời gian.
MỤC TIÊU, ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Mục tiêu nghiên cứu:
- Đề xuất được giải pháp giảm ICI sử dụng tối thiểu tín hiệu thử để hạn
chế tiêu tốn dung lượng đường truyền.

-

Đề xuất được giải pháp giảm ICI phi tuyến.

2
Đối tượng nghiên cứu
- ICI và các giải pháp giảm ICI trong MIMO-OFDM
-

Các kỹ thuật cân bằng mù.

-

Các kỹ thuật nội suy kênh và bám kênh.

Phạm vi nghiên cứu:
- Hệ thống MIMO-OFDM và can nhiễu giữa các sóng mang con trong
MIMO-OFDM.
Nhiệm vụ nghiên cứu
Để đạt được mục tiêu nghiên cứu đã nêu ở trên, nghiên cứu sinh tập trung vào
các nhiệm vụ nghiên cứu như sau:
- Nghiên cứu tổng quan về hệ thống MIMO-OFDM
-

Xây dựng mô hình của ICI trong các hệ thống MIMO-OFDM.

-

Nghiên cứu các giải pháp giảm ICI trong hệ thống MIMO-OFDM
đang được áp dụng hiện nay.

-

Đề xuất những giải pháp cân bằng kênh mới để nâng cao hiệu quả
giảm ICI trong hệ thống MIMO-OFDM.

-

Tính toán và sử dụng các công cụ mô phỏng để chứng minh sự phù
hợp của các giải pháp được đề xuất.

Cấu trúc luận án
Mở đầu
Chương 1: Hệ thống MIMO – OFDM và ICI trong MIMO-OFDM..
Chương 2: Giảm ICI bằng cân bằng mù miền tần số dựa trên phân tích thành
phần độc lập.
Chương 3: Giảm ICI bằng cân bằng miền thời gian kết hợp với nội suy kênh
và bám kênh.
Kết luận


3
CHƯƠNG 1. HỆ THỐNG MIMO – OFDM VÀ ICI TRONG MIMOOFDM
1.1 GIỚI THIỆU

Chương này trình bày tổng quan về hệ thống MIMO-OFDM, phân tích, làm
rõ những nguyên nhân gây ra ICI trong hệ thống MIMO-OFDM và ảnh hưởng
của ICI tới hiệu năng của hệ thống. Trong chương này, luận án cũng trình bày
tổng quan về các giải pháp giảm ICI chủ yếu hiện nay,phân tích, tìm ra những
điểm còn cần nghiên cứu để bổ sung, hoàn thiện nhằm nâng cao hiệu quả
giảm ICI trong hệ thống MIMO-OFDM.
1.2 MÔ HÌNH HỆ THỐNG MIMO-OFDM

Mô hình nguyên lý hoạt động của hệ thống MIMO-OFDM

1.2.1
.

Chèn
CP

P/S
S/P

DỮ LIỆU NGUỒN

MÃ HÓA KÊNH

IFFT

ĐIỀU CHẾ SỐ
MÃ HÓA

Chèn

MIMO

P/S
S/P

IFFT

Gỡ bỏ



S/P
P/S

DỮ LIỆU ĐÍCH

GIẢI MÃ KÊNH

GIẢI ĐIỀU CHẾ

FFT

GIẢI MÃ

Gỡ bỏ




MIMO

S/P
P/S

FFT

ƯỚC LƯỢNG KÊNH

Hình 1.2.1: Mô hình hệ thống MIMO – OFDM

M t anten phát và M r anten thu


4
1.2.2

Mô hình dữ liệu của hệ thống MIMO-OFDM

Giả thiết hệ thống MIMO-OFDM có M t anten phát và M r anten thu, không
có dịch tần số sóng mang giữa máy phát và máy thu, kênh là tuyến tính và
không biến đổi trong thời gian truyền một ký tự OFDM.
Khi đó, tín hiệu ở miền thời gian của hệ thống MIMO-OFDM được biểu diễn
bởi phương trình:

x  p   h p , FIRs  p   z  p 

trong đó

(1.1)

x  p  , s  p  tương ứng là tín hiệu thu và tín hiệu phát miền thời gian

của ký tự OFDM thứ p ,

z  p  là nhiễu cộng Gauss, h p , FIR là đáp ứng xung

tương đương của kênh được biểu diễn bằng một ma trận vòng khối.

Phương trình tín hiệu ở miền tần số thời gian của hệ thống MIMO-OFDM
được biểu diễn bởi:



X  p   H pS  p   Z  p 





Trong đó, H p  FK  I M r h p , FIR FKH  I M t



(1.2)
là đáp ứng tần số tương

đương của kênh, với FK là ma trận biến đổi Fourier rời rạc K điểm,
ma trận đối phức (Hermitian) của

 . , I

Mt

 .

H

là

là ma trận đơn vị có kích thước

M t  M t , ký hiệu  biểu thị tích Kronecker. Vì h p , FIR là ma trận vòng khối
nên H p sẽ là ma trận đường chéo:
Do H p là ma trận đường chéo, nên tín hiệu ở miền tần số của sóng mang con
thứ k của hệ thống MIMO-OFDM có thể được biểu diễn bởi phương trình:
(1.3)
X  pK  k   H p  k , k  S  pK  k   Z  pK  k 
Trong đó H p  k , k  là đáp ứng tần số đối với sóng con mang thứ k của ký tự
OFDM thứ p. Từ phương trình này, có thể thấy rằng, nếu các giả thiết ban đầu
như đã nêu trên được thỏa mãn, trong hệ thống không phát sinh hiện tượng
ICI. Phần tiếp theo của luận án trình bày trong trường hợp các giả thiết đó
không được thỏa mãn thì ICI sẽ sinh ra như thế nào.
1.3 ICI TRONG HỆ THỐNG MIMO-OFDM

1.3.1 ICI do dịch tần số sóng mang giữa bên phát và bên thu
Các bộ dao động nội trong máy thu và máy phát thường có sự khác nhau về
tần số, nên giữa tần số sóng mang của máy thu và tần số sóng mang của máy


5
phát luôn luôn tồn tại một độ lệch  f . Độ lệch này được gọi là dịch tần số
sóng mang (Carrier Frequency Offset – CFO) và là một trong những nguyên
nhân chủ yếu gây ra mất trực giao giữa các sóng mang con, dẫn đến hiện
tượng ICI.
1.3.2 ICI do trải Doppler
Ngoài nguyên nhân do lệch tần số của các bộ dao động nội như đã nêu ở trên,
dịch tần số song mang còn sinh ra do hiệu ứng Doppler, khi mà bên phát và
bên thu không đứng yên mà chuyển động tương đối đối với nhau.

1.3.3 ICI do tính phi tuyến của hệ thống MIMO-OFDM
Một trong những nhược điểm của hệ thống MIMO – OFDM là tỷ lệ công suất
đỉnh trên công suất trung bình là cao. Đối với các tín hiệu có công suất cao,
các bộ khuếch đại công suất (Power Amplifiers –PA) phải làm việc ở miền phi
tuyến. Vì vậy, các PA sẽ tạo ra méo phi tuyến làm cắt phổ và tạo ra những
khối phổ của kênh con này chồng lấn sang các kênh con. Điều này sẽ dẫn đến
can nhiễu giữa các kênh con mà người ta gọi là ICI phi tuyến.
1.4 NHỮNG PHƯƠNG PHÁP GIẢM ICI CHỦ YẾU HIỆN NAY

1.4.1 Tự giảm ICI
Ý tưởng của phương pháp tự giảm ICI là hy sinh một phần dung lượng đường
truyền để phát dư thừa dữ liệu với một cơ một cơ chế phát thích hợp trên một
nhóm các sóng mang con sao cho ICI tạo ra trong nhóm đó tự triệt tiêu lẫn
nhau. Tại phía thu, bộ giải điều chế tự giảm nhiễu tiếp tục tận dụng độ dư thừa
này để một lần nữa tăng cường hiệu quả giảm ICI bằng các thuật toán phù
hợp.
1.4.2 Phát lặp các ký tự kết hợp ước lượng hợp lý cực đại
Ý tưởng của phương pháp này là thông qua việc phát lặp các ký tự để ước
lượng độ chênh lệch tần số sóng mang theo phương pháp ước lượng hợp lý
cực đại, sau đó dựa theo giá trị ước lượng độ chênh lệch tần số sóng mang con,
tiến hành sửa chữa chênh lệch tần số của hệ thống, từ đó giảm nhiễu giữa các
sóng mang.
1.4.3 Giảm ICI bằng nắn dạng xung
Trong phổ của OFDM, mỗi sóng mang con có một búp sóng chính và các búp
sóng phụ. Khi tính trực giao giữa các sóng mang con được duy trì thì tại đỉnh
búp sóng chính của một sóng mang con, các búp sóng phụ của các sóng mang
khác sẽ bằng không. Trong trường hợp tính trực giao bị phá vỡ, tại điểm đỉnh
búp sóng chính của một sóng mang con sẽ có các thành phần công suất của các
búp sóng phụ của các sóng mang con khác. Điều này sẽ dẫn đến can nhiễu
giữa các sóng mang con. Ý tưởng của phương pháp nắn dạng xung (Pulse

shaping) là làm tăng độ rộng của búp sóng chính và giảm biên độ của các búp
sóng phụ và qua đó làm giảm ICI.


6
1.4.4 Giảm ICI bằng phương pháp PIC-DSC
Phương pháp này được thực hiện dựa trên nguyên lý giảm can nhiễu bằng giải
mã lặp(Iterative decoding). Theo nguyên lý này, các bộ giải mã tính toán trước
một giá trị gần đúng của các bản tin đầu vào. Giá trị này được gọi là "thông tin
mềm". Sau đó, bộ quyết định sẽ tạo ra một quyết định cứng bằng cách lựa
chọn giá trị bản tin đầu vào ứng với thông tin mềm lớn nhất. Khi sử dụng hai
mã liên kết với nhau, thông tin mềm của bộ “mã này” có thể hữu ích cho bộ
giải mã của "mã kia". Sự trao đổi của thông tin mềm liên tục giữa các bộ giải
mã một cách hội tụ được gọi là “giải mã lặp”. Để tạo ra thông tin mềm, sử
dụng thuật toán ước lượng để cực đại hóa xác suất hậu nghiệm MAP
(Maximum A posteriori Probability). Phương pháp PIC được thực hiện với sự
hỗ trợ của bộ ước lượng kênh và sử dụng bộ giảm ICI song song (Paralell
Interference Cancellation-PIC) cùng với bộ quyết định thống kê kết hợp
(Decision Statistical Combining-DSC), vì vậy thường được gọi là phương
pháp PIC-DSC.
1.4.5 Giảm ICI bằng bộ cân bằng kênh
Có hai loại cân bằng được sử dụng trong các hệ thống MIMO-OFDM để giảm
ICI là cân bằng miền tần số và cân bằng miền thời gian.
Cân bằng miền tần số biến đổi các tín hiệu đầu vào sau khi tín hiệu đã đi qua
bộ FFT và cân bằng miền thời gian biến đổi tín hiệu đầu vào trước khi tín hiệu
đi qua bộ FFT. Có nhiều thuật toán cân bằng đã được đề xuất cho cả hai loại
cân bằng này.
1.5 KẾT LUẬN CHƯƠNG

Hệ thống MIMO-OFDM rất nhậy cảm với các yếu tố làm phá vỡ tính trực giao

của các tín hiệu được truyền đi, dẫn đến hiện tượng ICI.
Những nguyên nhân gây ra ICI là đa dạng, tồn tại một cách phổ biến và không
thể loại trừ trong thực tế. Vì vậy, giảm ICI là một việc cần phải thực hiện để
đảm bảo hoạt động ổn định của hệ thống. Các giải pháp giảm ICI chủ yếu hiện
nay đều đòi hỏi tiêu tốn dung lượng đường truyền và hầu hết mới chỉ giải
quyết bài toán ICI tuyến tính.
CHƯƠNG 2. GIẢM ICI BẰNG CÂN BẰNG MÙ MIỀN TẦN SỐ DỰA
TRÊN PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP
2.1 GIỚI THIỆU CHƯƠNG

Giả thiết rằng các dữ liệu nguồn là độc lập tương hỗ với nhau, khi đó, tín hiệu
ở miền tần số độc lập tương hỗ với nhau. Do các nguyên nhân khác nhau mà
tín hiệu ở sóng mang con này can nhiễu sang sóng mang con khác, vì vậy các
tín hiệu nhận được ở miền tần số đã trở nên “ít độc lập” với nhau hơn. Ý tưởng
chủ đạo của giải pháp cân bằng miền tần số mà luận án đề xuất là sử dụng độ
đo tính độc lập của các tín hiệu tại các sóng mang con và thực hiện cân bằng
sao cho độ đo này đạt giá trị lớn nhất.


7
Nội dung của chương này sẽ trình bày bằng các mô hình toán cách tiếp cận bài
toán theo ý tưởng nói trên và cách thức hiện thực hóa ý tưởng đó. Các phân
tích, luận giải trong chương này sẽ đưa đến một giải pháp giảm ICI được đặt
tên là “Cân bằng miền tần số dựa trên phân tích thành phần độc lập”.
2.2 MỐI QUAN HỆ GIỮA BÀI TOÁN GIẢM ICI VÀ BÀI TOÁN PHÂN TÍCH
THÀNH PHẦN ĐỘC LẬP

2.2.1

Xem xét mô hình ICI tuyến tính như một bộ trộn tuyến tính

Đối với tín hiệu miền tần số tại sóng mang con thứ k , ta có phương trình:

X( pK  k )  H p _ ICI (k , k )S( pK  k ) 
K 1

  H p _ ICI (k , q)S( pK  q)  Z( pK  k )
q 0
qk

(2.1)
Ở đây, H p _ ICI biểu thị đáp ứng ở miền tần số trong trường hợp có ICI
Biểu thức (2.1) cho thấy rằng, tín hiệu thu tại mỗi sóng mang con là trộn tín
hiệu của các sóng mang con khác . Nếu viết phương trình (2.1) cho từng sóng
mang con k với k  0,1..., K  1, và phân rã tiếp cho từng anten thu, ta có
một hệ phương trình biểu thị cho một hệ trộn tuyến tính với số đầu vào bằng
số đầu ra và bằng MK  MK . (Với giả thiết rằng số anten phát bằng số anten
thu, tức là M t  M r  M ).
.
2.2.2

Các kỹ thuật tách trộn mù

Các kỹ thuật tách trộn mù, bao gồm: Phân tích thành phần chính (Principal
Component analysis-PCA), Phân tích thành phần độc lập (Independent
Component Analysis-ICA),Ước lượng hợp lý cực đại(Mximum Likelihood
Estimation-MLE).
2.3 NGUYÊN LÝ GIẢI PHÁP GIẢM ICI DỰA TRÊN ICA

2.3.1

Giảm ICI bằng phương pháp lặp

Ý tưởng của giảm ICI bằng phương pháp lặp là các quyết định về tín hiệu trên
các sóng mang con được cải thiện một cách lặp đi lặp lại. Những cải thiện này
được thực hiện từ việc xác định và trừ đi sự can nhiễu của tất cả các sóng
mang con khác, dựa trên các quyết định của lần lặp lại trước đó. Ở đây, có thể
phân biệt hai loại giảm ICI dựa trên phương pháp lặp là : giảm song song
(Parallel Interference Cancellation -PIC) và giảm tuần tự (Serial Interference
Cancellation -SIC) tùy thuộc vào cách thức mà các quyết định tín hiệu tại các
sóng mang con được thực hiện


8
2.3.2

Giảm ICI bằng phương pháp lặp dựa trên ICA

Dựa trên phân tích thành phần độc lập (ICA), chúng ta có thể thu được được

 0
ước lượng ban đầu của tín hiệu miền tần số đã phát đi S  p  là S  p  và từ

đó ước lượng ma trận đáp ứng tần số H p _ ICI . Từ ước lượng ban đầu này và sử
dụng phương pháp lặp như đã nêu ở trên, chúng ta có thể giảm được ICI bằng
cách giảm song song hoặc nối tiếp. Để nhận được ước lượng ban đầu

S 0  p  , luận án đã xây dựng máy thu MIMO_OFDM như trình bày ở phần

tiếp theo.

2.4 XÂY DỰNG MÔ HÌNH MÁY THU MIMO-OFDM DỰA TRÊN ICA

2.4.1

Máy thu MIMO dựa trên ICA

Mô hình máy thu dựa trên ICA của một hệ thống MIMO được trình bày tại
Hình 2.1.

CÂN BẰNG ICA

ICA

TIỀN MÃ

DỊCH

SẮP XẾP

GIẢI

PHA

LẠI

MÃ

HÓA

QUYẾT

ĐỊNH

Hình 2.4.1: Mô hình hệ thống MIMO với máy thu dựa trên ICA
Dữ liệu gốc trước khi phát đi sẽ được tiền mã hóa như sau:

s  n, p  
Trong đó, d ref

1
1  a2

d  n, p   ad ref  n, p  

(2.2)
 n, p  là dữ liệu tham chiếu mà cả bên phát và bên thu đã được

biết trước. Dữ liệu tham chiếu này được lựa chọn một cách ngẫu nhiên, có kích


9
thước và cấu trúc giống như dữ liệu nguồn, các thành phần của d ref  n, p  là
độc lập với nhau; a là một hằng số tiền mã hóa với 0  a  1 .
Trong mô hình máy thu MIMO dựa trên ICA được trình bày tại Hình 2.1,
ngoài các khối giải mã và quyết định, còn có ba khối khác là khối ICA, khối
dịch pha và khối sắp xếp lại. Các khối này được xây dựng để thực hiện ICA và
khắc phục các nhập nhằng của ICA về tính hoán vị và về nhân vô hướng
2.4.2 Mô hình máy thu MIMO-OFDM có cân bằng ICA
Mô hình máy thu MIMO-OFDM có thể được suy ra một cách trực tiếp từ máy
thu MIMO dựa trên ICA bằng cách sử dụng K bộ cân bằng ICA.
Tuy nhiên, cách thức có một nhược điểm là không phù hợp với kênh pha đing

lựa chọn tần số. Để khắc phục điểm yếu này, luận án đề xuất một giải pháp có
tính ổn định, tin cậy hơn, đó là chỉ sử dụng một bộ cân bằng ICA cho một sóng
mang con, còn các bộ cân bằng khác là cân bằng theo thuật toán trung bình
bình phương sai số nhỏ nhất (Minimum mean square error-MMSE) . Bộ cân
bằng này được đặt tên là cân bằng ICA-MMSE, như sẽ được trình bày trong
phần tiếp theo.
2.4.3 Mô hình máy thu MIMO-OFDM có cân bằng ICA-MMSE
Mô hình may thu có cân bằng ICA-MMSE được trình bày trong Hình 2.2.

S/P

GỠ BỎ CP

FFT

CÂN BẰNG
ICA

MMSE

S/P

GỠ BỎ CP

FFT

GIẢI

QUYẾT

MÃ

ĐỊNH

MMSE

Hình 2.4.2: Mô hình máy thu MIMO-OFDM với cân bằng ICA-MMSE
Trong mô hình này, chúng ta chỉ giữ lại một bộ cân bằng ICA cho sóng mang
con tham chiếu, còn đối với các sóng mang con khác, sử dụng cân bằng
MMSE để tách trộn các tín hiệu. Luận án đã chứng minh rằng mô hình này sẽ
giải quyết nhập nhằng về tính hoán vị và pha cho tất cả các sóng mang con.


10
2.5 XÂY DỰNG THUẬT TOÁN CHO BỘ CÂN BẰNG ICA

Để thực hiện được giải pháp cân bằng dựa trên ICA cần có thuật toán ICA
hiệu quả. Luận án đề xuất một thuật toán ICA không bị tác động bởi nhiễu
cộng Gauss. Một trong những đặc tính thống kê quan trọng của nhiễu Gauss
là các nửa bất biến (cumulant) bậc lớn hơn hai của nó bằng 0 vì vậy luận án
xây dựng thuật toán chỉ sử dụng các cumulant có bậc từ ba trở lên, do đó
không chịu ảnh hưởng bởi sự có mặt của nhiễu cộng Gauss.
2.5.1 Xây dựng hàm mục tiêu
Hàm mục tiêu của thuật toán là cực đại hóa mức độ độc lập tương hỗ của các
thành phần trong vectơ tín hiệu ra y . Để đo độ độc lập của các tín hiệu , luận
án sử dụng khoảng cách Kullback-Leibler.
Sau khi tính toán, xác định được khoảng cách Kulback-Leibler D( W) như
sau :

D( W)   H  x   log det  W  

N  k2
k 3 (k  10ki ,3 )2 
N
log(2 e)    i ,3  i ,4  i ,6

2
48
1440
i 1  12


(2.3)
Trong đó, ki ,k là giá trị cumulant bậc k của yi .
Đây là hàm mục tiêu của thuật toán tách nguồn. Nhiệm vụ của thuật toán là
tìm ma trận tách trộn tín hiệu W sao cho D( W) đạt giá trị nhỏ nhất.
2.5.2 Xây dựng hàm kích hoạt
Để xây dựng thuật toán học việc xác định ma trận W , cần xây dựng một hàm
kích hoạt cho vectơ tín hiệu ra y . Luận án đã thực hiện điều này bằng cách
lấy đạo hàm phương trình (2.3) theo W và xây dựng một một hàm kích hoạt
cho thuật toán
Hàm kích hoạt  ( yi ) cho mỗi phần tử yi của y được xác định như sau:

 ( yi ) 
2.5.3

1 5 2 7 15 9 2 11 112 13
512 17
yi  yi  yi  yi 
yi  128 yi15 

yi
2
3
2
15
3
3

(2.4)

Xây dựng thuật toán học

Mục tiêu của thuật toán học là nhằm cực tiểu hóa khoảng cách KulbackLeibler D( W) . Luận án sử dụng phương pháp độ dốc gradient được cho bởi :

W  W  n  1  W  n   

D( W)
W

Từ đây, thuật toán học được xác định như sau :

(2.5)


11

W  n  1  W  n     n  [I  φ  y  n   yT  n ]W  n 

(2.6)

Trong đó:

φ  y     y1  ,   y2  ...,   yN 

T

và  là tốc độ học

2.6 GIẢM ICI BẰNG MÁY THU DỰA TRÊN CÂN BẰNG ICA-MMSE

Sau các phần đã trình bày ở trên, chúng ta đã có được mô hình hoàn chỉnh của
máy thu MIMO-OFDM dựa trên cân bằng ICA-MMSE. Tiếp theo, sử dụng
máy thu này kết hợp với phương pháp lặp để giảm can nhiễu ICI. Lược đồ của
phương pháp này được trình bày tại Hình 2.3. Theo phương pháp lặp, bằng
ICA-MMSE với mỗi sóng mang con k , chúng ta có được ước lượng ban đầu
của dữ liệu phát như đã trình bày ở trên, ký hiệu ước lượng này là d

 0

k 

.

ƯỚC LƯỢNG KÊNH

GIẢM TUẦN TỰ

Hình 2.6.3: Giảm ICI bằng máy thu ICA-MMSE kết hợp lặp tuần tự

 pK  k  đã ước lượng được, chúng ta sẽ có ước lượng

Sl 1  pK  k  . Từ các ước lượng Sl 1  pK  k  , tiến hành xây dựng khối
 l 1
dữ liệu S
 k  có N S ký tự . Tương ứng với N S ký tự phát này chúng ta
có N S ký tự thu được, ký hiệu là X  k  .
X  k    X  k  , X  K  k  ,..., X   N s  1 K  k 
Với d

 l 1

Ước lượng kênh MIMO theo phương pháp bình phương tối thiểu LS như sau:

ˆ l   k   X  k  Sl 1  k  
H


Giả nghịch đảo của S

 l 1

 k  được xác định bởi:

†

(2.7)


12
†

Sl 1  k   Sl 1  k 

 


H



S

l 1

 k  Sl 1  k 



H 1

(2.8)

Sử dụng ước lượng kênh này, chúng ta sẽ có được ước lượng mềm như sau:

Sˆil   pK  k   gi l   k   X  pK  k 
H

(2.9)

 k  là vectơ cân bằng của MMSE đối với dòng dữ liệu thứ
i 1, 2,..., M t  , được xác định như sau:

l 

Trong đó gi

i;

1

l 

Trong đó, hi

gi l   k    Rl   k   hil   k 

 k  là ký hiệu của cột thứ i

(2.10)

ˆ l   k  và R l   k  là ma
của H

trận tự tương quan của bộ trộn thu được xác định bởi:




R l   k    hi l   k  hil   k 
 i



H


2
  I


(2.11)

Thứ tự trích từ bé nhất tới lớn nhất MSE



MSEi   k   1  hi   k 
l

l



H

1

 Rl   k  hil   k 



(2.12)

Ma trận tự tương quan của bộ trộn thu đã trừ đi can nhiễu là:

 M r i 
R  k    h j  k  hji   k 
 j
i 





H


 I


(2.13)
l 

Cuối cùng, dữ liệu được giải mã để nhận được ước lượng mềm di

 pK  k 

Ước lượng mềm này được đưa tới bộ quyết định để thu được ước lượng cứng:
l
l
di  ( pK  k )  Q di   pK  k 

(2.14)

Trong đó, Q . là hàm ước lượng cứng

Trước khi thực hiện lặp tiếp theo, phần can nhiễu ICI được trừ đi từ tín hiệu
thu tại mỗi sóng mang con:

X( pK  k )  X( pK  k )  hi i Sil   pK  k 

(2.15)

2.7 MÔ PHỎNG GIẢI PHÁP GIẢM ICI BẰNG CÂN BẰNG MIỀN TẦN SỐ
DỰA TRÊN ICA

Mô phỏng được thực hiện với hệ thống MIMO-OFDM có 2 anten phát và 2
anten thu , 64 sóng mang con , độ dài của CP là 16, kênh Rayleigh, số mắt lọc
của kênh là 5, các phương pháp điều chế được sử dụng là BPSK và QPSK, độ
dịch tần số chuẩn hóa là   0.15 và   0.3 .


13
Mô phỏng được thực hiện trong với đối với các trường hợp khác nhau và so
sánh với giải pháp “Tự giảm ICI” (ICI Self Cancellation) là giải pháp giảm ICI
rất phổ biến hiện nay.
Kết quả mô phỏng được trình bày tại Hình 2.4, trong đó đường SC biểu thị kết
quả của giải pháp “Tự giảm ICI”, các đường còn lại biểu thị kết quả của giải
pháp đề xuất trong những trường hợp áp dụng khác nhau: đường ICA-MMSE
biểu thị kết quả khi chỉ dùng bộ cân bằng mà không thực hiện kết hợp với
bước lặp giảm tuần tự; đường Iteration I=4 biểu thị kết quả khi áp dụng đầy
đủ giải pháp là kết hợp cân bằng – lặp giảm với số lần lặp bằng 4; đường

Iteration I=2 biểu thị kết quả khi số lần lặp bằng 2.

Hình 2.7.4: So sánh BER theo SNR của giải pháp đề xuất với giải pháp “Tự
giảm ICI”
a)   0.15 , BPSK

b)   0.3 , BPSK

c)   0.15 , QPSK

d)   0.3 , QPSK


14
2.8 KẾT LUẬN CHƯƠNG

Luận án đã đề xuất một mô hình giải pháp giảm ICI mới bằng cân bằng mù
miền tần số dựa trên phân tích các thành phần độc lập. Giải pháp này tỏ ra hiệu
quả để trong môi trường kênh biến đổi chậm và ICI sinh ra do dịch tần số sóng
mang hoặc sinh ra do tính phi tuyến của các bộ khuếch đại công suất. Đặc
điểm của giải pháp này là không yêu phải có tín hiệu thử và do đó tiết kiệm
được dung lượng đường truyền cho các ứng dụng vô tuyến
CHƯƠNG 3. GIẢM ICI BẰNG CÂN BẰNG MIỀN THỜI GIAN KẾT
HỢP VỚI NỘI SUY KÊNH VÀ BÁM KÊNH
3.1 GIỚI THIỆU CHƯƠNG

Bài toán giảm ICI bằng cân bằng miền thời gian cho hệ thống MIMO-OFDM
đã thu hút nhiều nghiên cứu trong những năm gần đây, trong số đó bộ lọc miền
thời gian dựa trên cực đại hóa tỷ lệ tín hiệu trên can nhiễu ( SINR ) có tên gọi
là lọc tuyến tính tối ưu là một giải pháp hiệu quả trong việc giảm ICI tuyến

tính và được nhiều công trình nghiên cứu tham khảo. Nội dung của chương
này là, phân tích và chỉ ra những điểm có thể bổ sung, hoàn thiện giải pháp
lọc tối ưu, từ đó đề xuất những cải tiến mới, nâng cao hiệu quả giảm ICI của
lọc tối ưu và giúp cho giải pháp này thực hiện được cả việc giảm ICI phi
tuyến. Những đề xuất này bao gồm nội suy kênh bằng mạng nơron RBF và
bám kênh bằng lọc thích nghi nhân.
3.2 GIẢM ICI BẰNG LỌC TUYẾN TÍNH TỐI ƯU

3.2.1

Giảm ICI bằng lọc tuyến tính tối ưu trong hệ thống SISO –
OFDM

Bộ lọc tối ưu xác định như sau:
1
1. Tính R yy (bằng cách ước lượng kênh với các tín hiệu thử)
2. Với mỗi sóng mang con m  0  m  K  1 , tính như sau:

w m  R yy1h m
w m,opt  w m / | w m |

SINR

(3.1)

tối ưu tương ứng với sóng mang con thứ m là:

SINRm,opt 

h mH R yy1h m

(1  h mH R yy1h m )

(3.2)


15
3.2.2

Giảm ICI bằng lọc tuyến tính tối ưu trong hệ thống MIMO –
OFDM

w kM r ,opt   R yy1hkM r với 0  k  K 1, 1  r  M
(3.3)
1
H
Trong đó,  là hằng số chuẩn hóa và R yy 
I KM  h FIR _ ICI h FIR
_ ICI .
M .SNR
Ma trận lọc tối ưu :

Wopt

3.2.3

 w1,Hopt 
 H

w



 Q H  2,opt 


w H

 KM ,opt 

(3.4)

Những yếu tố ảnh hưởng đến hiệu quả của giải pháp lọc tối ưu và
đề xuất phương án cải tiến

Hiệu quả giảm ICI của giải pháp lọc tối ưu phụ thuộc vào chất lượng của việc
ước lượng kênh. Giải sử rằng hệ thống có K sóng mang con và kênh có L
mắt lọc thì để ước lượng h FIR _ ICI ta cần ước lượng tới KL tham số. Nếu chỉ
dùng tín hiệu thử thì việc ước lượng KL tham số là một bài toán không thể
giải được, bởi vì thậm chí nếu sử dụng toàn bộ K sóng mang con trong một
ký tự OFDM để làm tín hiệu thử thì chúng ta cũng chỉ ước lượng được K
tham số. Vì vậy, để ước lượng được toàn bộ kênh, các kỹ thuật bổ sung khác
cần được thực hiện. Các kỹ thuật này thông thường là nội suy kênh và bám
kênh. Đã có các nghiên cứu về các kỹ thuật này, tuy nhiên đều áp dụng đối với
với kênh tuyến tính. Luận án đề xuất các kỹ thuật nội suy và bám kênh có khả
năng làm việc với kênh phi tuyến, và do đó góp phần giải quyết được bài toán
giảm ICI phi tuyến.Các nội dung này sẽ được trình bày trong các phần tiếp
theo.
3.3 ĐỀ XUẤT GIẢI PHÁP CẢI TIẾN LỌC TỐI ƯU VỚI NỘI SUY KÊNH
BẰNG MẠNG NƠRON RBF

3.3.1

Bài toán nội suy với cách tiếp cận hàm cơ sở bán kính

Powell đã phát biểu bài toán nội suy với cách tiếp cận hàm cơ sở bán kính
(Radial Basis Function - RBF) như sau:





Cho một tập N mẫu xi , di i  1, 2..., N với xi  R n , di  R m


16
Tìm hàm f : R n  R m thỏa mãn điều kiện nội suy như sau:
f  xi   di với i  1, 2..., N
Powell đề xuất tìm hàm

f . có dạng như sau:
N

f  x    wii  x  xi
i 1

Trong đó,

  x  x  i  1, 2,..., N
i



(3.5)

(3.6)

là một tập N hàm (thường là phi

tuyến) bất kỳ, được gọi là hàm cơ sở bán kính, .

là ký hiệu khoảng cách

Euclid, các điểm dữ liệu đã biết xi  R n , i  1, 2,.., N được gọi là tâm của các
hàm.
3.3.2 Mạng nơron RBF
Mạng nơron cơ sở bán kính (Radial Basis Function Neural Network-RBFNN)
là mạng nơron đa lớp sử dụng hàm cơ sở bán kính làm hàm thực hiện. Mạng
RBF thông thường có ba lớp với vai trò khác nhau. Lớp vào có các nút nguồn
để nối mạng với các đầu vào của nó, lớp thứ hai là lớp ẩn trong mạng để thực
hiện biến đổi phi tuyến từ không gian vào thành không gian ẩn nhiều chiều,và
lớp ra là tuyến tính tạo thành đáp ứng của mạng đối với tín hiệu vào. Mạng
RBF có thể được sử dụng cho các bài toán nội suy phi tuyến.
3.3.3 Bổ sung tham số đảm bảo hoạt động của mạng nơron RBF nội suy
Mạng nơron RBF có thể sử dụng để nội suy kênh phi tuyến. Tuy nhiên, để
đảm bảo thực hiện được điều này, cần giải quyết thêm một vấn đề như sau:
Trong bài toán nội suy kênh, ma trận các trọng số

w

được xác định từ phương

1

trình w  Φ x , trong đó, Φ là ma trận nội suy. Bài toán đặt ra là nếu ma
trận này suy biến, thì làm thế nào để tính được vector trọng số

w . Luận án đã

giải quyết bài toán nói trên trên cơ sở áp dụng định lý Tikhonov với việc bổ
sung thêm tham số điều chỉnh

 để tính được các trọng số của mạng RBF nội

suy ngay cả trong trường hợp Φ bị suy biến.
3.3.4

Giảm ICI bằng lọc tối ưu kết hợp với ước lượng và nội suy kênh
bằng mạng RBF

Ước lượng

M

hàng của h FIR _ ICI bằng tín hiệu thử, ký hiệu các hàng này là

hm(1) ,..., hm( M ) . Ký hiệu tập hợp các kênh này là   m 1 ,...m  M  .

Đánh dấu các mốc thời gian mà tại đó ta có ước lượng kênh và ký hiệu các
mốc đó là pi theo cách như sau :

17

p

0

 m1 , p1  m1 ,..., pM 1  m M 



Ứng với các mốc này, ta có các ước lượng kênh ký hiệu là

hˆ

0

 hm1 , hˆ 1  h m 2 ,..., hˆ M 1  h m M 



(3.7)

hˆ i



:



Như vậy, chúng ta có một tập ML mẫu pi , hi i  0,1,..., M 1

Trong đó hi   hi  0  , hi 1 ,..., hi  L  1  là vectơ có độ dài L .
Từ tập mẫu này, tìm hàm f thỏa mãn điều kiện nội suy như sau:
T

 

f mi   hi với i  1,..., M

(3.8)

Áp dụng cách tiếp cận hàm cơ sở bán kính cho bài toán nội suy nói trên, ta có
thể áp dụng mạng RBF để giải quyết, cụ thể như sau:
Lựa chọn mạng RBF có một đầu vào, số nơron lớp ẩn là M , tâm được chọn
là các vị trí đánh dấu i  pi , độ trải rộng  cho tất cả các tâm được đặt như
sau:



d max
2M

(3.9)

Trong đó, d max là khoảng cách lớn nhất giữa các tâm đã chọn, nói cách khác

d max được xác định bởi:
dmax  max

m

i 

 m j  i  1, 2,..., M ; j  1, 2,..., M



(3.10)

Lớp ra có L nơron ứng với độ dài vectơ cần nội suy.
Tại thời điểm thứ j , L đầu ra của mạng sẽ cho ta ước lượng đáp xung của
T
kênh tại thời điểm đó là hˆ j   h j  0  , h j 1 ,..., h j  L  1 .

Trong đó, ứng với nơron thứ l của lớp ra , ta có nội suy của

hj l 

như sau:

M

h j  l    wili  i  với 0  l  L  1
i 1

Thay  . bằng hàm Gauss , chúng ta có:

 j  i
h j  l    wil exp  


2 2
i 1

M

2






(3.11)

Mô phỏng giải pháp.
Xét hệ thống với hai trường hợp có tần số sóng mang khác nhau là
fc  2.4GHz và f c  5GHz , hệ thống có 64 sóng mang con, kênh có số mắt


18
lọc L  4 , tốc độ di chuyển là 96 Km/h ( tương đương với tần số Doppler là
214Hz và 445Hz tương ứng với các trường hợp tần số sóng mang là 2.4GHz
và 5GHz ).

Hình 3.3.1: So sánh SINR Gain của giải pháp có nội suy kênh và không có
nội suy kênh
Mô phỏng sử dụng độ đo là độ lợi của SINR , ký hiệu là SINR Gain và
được định nghĩa như sau :
1/ N

Trong đó SINRkw

 K 1
w 
  SINRk 

(3.12)
SINR Gain   kK01


  SINRk 
 k 0

là SINR tại sóng mang con thứ k khi hệ thống có sử dụng

giải pháp giảm và SINRk là SINR tại sóng mang con thứ k khi hệ thống
không áp dụng giải pháp giảm ICI.
Mô phỏng được trình bày tại Hình 3.1 cho hai trường hợp : giảm ICI bằng lọc
tối ưu và giảm ICI bằng lọc tối ưu kết hợp với nội suy kênh bằng mạng RBF.


19
Kết quả mô phỏng cho thấy, việc kết hợp lọc tối ưu với nội suy kênh bằng
mạng RBF cho kết quả độ lợi SINR cao hơn so với giải pháp với giải pháp
lọc tuyến tính đơn thuần.
3.4 ĐỀ XUẤT GIẢI PHÁP CẢI TIẾN LỌC TỐI ƯU VỚI BÁM KÊNH BẰNG
LỌC THÍCH NGHI NHÂN

Đã có nhiều nghiên cứu về ước lượng và bám kênh để giảm ICI nhưng hầu hết

đều tập trung cho ước lượng và bám kênh tuyến tính. Tuy nhiên, kênh MIMOOFDM thường là kênh phi tuyến và đó cũng là nguyên nhân gây ra ICI trong
hệ thống, do vậy việc ước lượng và bám kênh phi tuyến là cần thiết. Để thực
hiện được điều này, luận nghiên cứu áp dụng lọc thích nghi nhân (Kernel
Adaptive Filter) là một cấu trúc toán phù hợp cho bài toán cân bằng phi tuyến ,
trên cơ sở đó luận án đề xuất thuật toán cho mô hình bám kênh để phục vụ cho
giải pháp cải thiện lọc tối ưu giảm ICI
3.4.1 Cải thiện lọc tối ưu bằng bám kênh
Trong phần này, luận án trình bày một số giải pháp bám kênh đã được nghiên
cứu, đề xuất để kết hợp với lọc tối ưu nhằm cải thiện hiệu quả giảm ICI trong
MIMO-OFDM. Các giải pháp này mới chỉ áp dụng được đối với kênh tuyến
tính. Luận án đề xuất một phương pháp bám kênh phi tuyến theo phương pháp
kernel, được trình bày trong các phần tiếp theo.
3.4.2 Phương pháp kernel và mô hình không gian trạng thái phi tuyến
Một kernel là một hàm liên tục, đối xứng, xác định dương  : U  U  R
hoạt động trên không gian số liệu vào U .
,
Định lý Mercer chỉ ra rằng bất kỳ kernel  u, u nào cũng có thể được biểu
diễn như sau:







  u, u,     ii  u  i  u, 

(3.13)

i 1

Trong đó  i và i tương ứng là các giá trị riêng và các hàm riêng. Các giá
trị này là không âm. Chúng ta có định lý sau:
Định lý : Cho một mô hình không gian phi tuyến :

s  i  1  g  s  i  

(3.14)

d i   h u i  , s i   v i 
Trong đó, s  S là vectơ trạng thái gốc ; g : S  S , và h : U  S  R là các
hàm phi tuyến. Tồn tại một vectơ đầu vào được chuyển đổi   u  , một vectơ
trạng thái được chuyển đổi x  s  và một toán tử tuyến tính A sao cho thỏa
mãn hệ các phương trình sau :


20

x  s  i  1   Ax  s  i  

(3.15)

d i    u i  x s i   v i 
T

  u    u,     u, u, 
T

Trong đó:

(3.16)

Với  là một hàm kernel phù hợp.
Định lý này cho thấy đối với bất kỳ một mô hình không gian trạng thái phi
tuyến nào được biểu diễn tại (3.14) luôn tồn tại một mô hình không gian trạng
thái tuyến tính tương đương được biểu diễn tại (3.15). Định lý này cung cấp
một khuôn khổ lý thuyết để giải quyết các vấn đề ước lượng mô hình không
gian phi tuyến bằng phương pháp kernel .
3.4.3 Thuật toán bình phương nhỏ nhất đệ quy kernel
Thuật toán cơ bản sử dụng trong lọc thích nghi nhân là thuật toán “Bình
phương nhỏ nhất đệ quy kernel” (Kernel Recursive Least Squares-KRLS).
Trước tiên, biến đổi dữ liệu u  i  vào không gian đặc trưng F bằng biến đổi

  u  i   (được ký hiệu là   i  ). Sau đó, thuật toán bình phương nhỏ nhất đệ





quy (Recursive Least Squares) được áp dụng trên chuỗi mẫu d 1 , d  2  ...





và  1 ,   2  ... . Tại mỗi bước của thuật toán, vectơ trọng số w  i  được
cực tiểu hóa theo :
2

i

min   d  j   w  i    j    w  i 
wi 

3.4.4

T

2

(3.17)

j 1

Đề xuất thuật toán bình phương nhỏ nhất đệ quy kernel mở rộng
cho mô hình bám kênh

Vấn đề của thuật toán KRLS là không cho phép bám kênh. Từ quan điểm của
mô hình không gian trạng thái, KRLS nghầm giả định rằng các phương trình
không gian trạng thái của hệ thống như sau:

x  i  1  x  i 

d i   u i  x i   v i 
T

(3.18)

Tức là KRLS xét hệ phương trình (3.15) trong trường hợp đặc biệt khi ma trận
chuyển đổi A  I , tức là trạng thái không thay đổi theo thời gian. Để phục vụ

việc bám kênh thay đổi theo thời gian, luận án xem xét mô hình (3.15) trong
trường hợp khi A   I , khi đó mô hình trở thành:


21

x  i  1   x  i   n  i 

(3.19)

d i    i  x i   v i 
Trong đó, A là ma trận chuyển đổi, n  i  là nhiễu trạng thái và v  i  là nhiễu
T

quan sát,  là một hệ số nhân vô hướng. Kết quả thuật toán KRLS mở rộng
được trình bày tại Bảng 3.1.

Bảng 3.4.1: Thuật toán KRLS mở rộng cho mô hình bám
Thuật toán KRLS mở rộng để bám kênh
Khởi đầu
Lặp
i 1
h  i     u  i  , u 1  ,...  u  i  , u  i  1  

T

z  i   Q  i  1 h  i 

r  i    i  r  i  1   u  i  , u  i    h  i  z  i 
T

z i  e i  

 a  i  1 

r i  

a i    

e i 




r i 


 r  i  1
r  i   2
   i q  r  i  1
Q i  

3.4.5

(3.20)

 Q  i  1 r  i   z  i  z  i T

2
z  i 

r  i      i q  r  i  1  





2

z  i  

1 

Giảm ICI bằng lọc tối ưu kết hợp với ước lượng và bám kênh
bằng KRLS mở rộng

Xét hệ phương trình tiến trình (trạng thái) và phương trình đo (quan sát) của
hệ thống:

h n 1   h n  n  i 

(3.21)

x  i     i  hn  v  i 
T

Trong đó:
h n là trạng thái ước lượng kênh tại thời điểm thứ n , có kích thước là L1 :

hn  hn  0  , hn 1 ,..., hn  L  1

T


22

n  i  là vectơ nhiễu tiến trình, có kích thước là L1 :
T
n  i   vn  0  , vn 1 ..., vn  L  1

với vn  l  là nhiễu mô hình đã nêu tại (3.61)
S n là ma trận đo sử dụng L ký tự đã truyền đi có tác động đến ký tự thu được
tại thời điểm thứ n :

Sn   s  n  , s  n  1 ..., s  n  L  1

T

Tín hiệu nhận được x  n  tại mỗi thời điểm được coi là quan sát đầu vào cho
thuật toán (3.20) của bộ lọc.
Ước lượng kênh miền thời gian thu được trên toàn bộ khung được sử dụng để
đưa ra ma trận kênh h FIR _ ICI và sẽ được đưa tới bộ lọc tối ưu để thực hiện
các bước tiếp theo.
Mô phỏng giải pháp
Xét hệ thống với hai trường hợp có tần số sóng mang khác nhau là
fc  2.4GHz và f c  5GHz , hệ thống có 64 sóng mang con, kênh có số mắt
lọc L  4 , tốc độ di chuyển là 96 Km/h ( tương đương với tần số Doppler là
214Hz và 445Hz tương ứng với các trường hợp tần số sóng mang là 2.4GHz
và 5GHz ).
Các tham số được đặt là   0.01 ,   0.999999 , q  104 ,   0.995 .

Hình 3.4.2: So sánh SINR Gain của giải pháp có bám kênh với KRLS mở
rộng và không có bám kênh


23
Kết quả mô phỏng được trình bày tại Hình 3.2. Kết quả mô phỏng cho thấy
giải pháp lọc tối ưu kết hợp với ước lượng và bám kênh bằng lọc bình phương
nhỏ nhất đệ quy kernel mở rộng đã cho SINR Gain cao hơn 2dB so với giải
pháp giảm ICI bằng lọc tối ưu thông thường tại điểm SNR  25dB .
3.5 KẾT LUẬN CHƯƠNG

Cân bằng kênh miền thời gian là một trong những giải pháp quan trọng để
giảm ICI. Trong số các giải pháp cân bằng kênh miền thời gian thì lọc tối ưu là
một giải pháp hiệu quả, tuy nhiên, bản thân lọc tối ưu và những cải tiến về sau
đều mới chỉ tập trung cho ICI tuyến tính. Tại chương này, luận án đã đề xuất
hai cải tiến mới bổ sung để không những cải thiện hiệu quả giảm ICI tuyến
tính mà còn giúp cho lọc tối ưu có thể giảm ICI phi tuyến. Giải pháp thứ nhất
là ước lượng và nội suy kênh bằng mạng nơron RBF và giải pháp thứ hai là
ước lượng và bám kênh bằng lọc thích nghi nhân với thuật toán KRLS mở
rộng.
KẾT LUẬN VÀ ĐỊNH HƯỚNG NGHIÊN CỨU TIẾP THEO
KẾT LUẬN

Luận án đã đi theo hướng nghiên cứu giảm ICI bằng các bộ cân bằng bao gồm
cả cân bằng miền tần số và cân bằng miền thời gian. Trong quá trình thực hiện
theo hướng nghiên cứu này, một số kết quả khoa học đã được luận án đưa ra,
góp phần làm nâng cao hơn nữa hiệu quả giảm ICI trong MIMO-OFDM và
làm phong phú thêm các giải pháp giảm ICI hiện có. Các kết quả này có thể
được xếp vào hai nhóm chính như sau:
1. Giảm ICI bằng cân bằng miền tần số

-

Mô hình máy thu MIMO-OFDM có cân bằng miền tần số dựa trên
ICA.
Thuật toán mù cho bộ cân bằng dựa trên ICA.
Giải pháp giảm ICI bằng cách ứng dụng bộ cân bằng mù miền tần số
kết hợp với phương pháp lặp giảm tuần tự.

2. Giảm ICI bằng cân bằng miền thời gian
-

Phương pháp ước lượng và nội suy kênh MIMO-OFDM bằng mạng
nơron RBF.
Cách thức để đảm bảo mạng nơron RBF nội suy hoạt động ngay cả
trong trường hợp ma trận nội suy bị suy biến.
Giải pháp giảm ICI bằng cách kết hợp ước lượng và nội suy kênh bằng
mạng RBF với lọc tối ưu.