Mô hình hóa mạch khuếch đại siêu cao tần trong thông tin di động sử dụng mạng neuron

ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA


NGUYỄN THỊ TRÂM

MƠ HÌNH HỐ MẠCH KHUẾCH ĐẠI SIÊU CAO TẦN
TRONG THÔNG TIN DI ĐỘNG SỬ DỤNG MẠNG NEURON

Chuyên ngành: Kỹ thuật Điện tử
Mã ngành: 60 52 70

LUẬN VĂN THẠC SĨ

---------------------TP. HỒ CHÍ MINH, tháng 01 năm 2013


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: TS. Lương Vinh Quốc Danh

Cán bộ chấm nhận xét 1: TS. Đỗ Hồng Tuấn

Cán bộ chấm nhận xét 2: TS. Phạm Quang Thái

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp.
HCM ngày 25 tháng 01 năm 2013.
Thành phần đánh giá luận văn thạc sĩ gồm:
(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn

thạc sĩ)
1. …………………………………………….
2. …………………………………………….
3. …………………………………………….
4. …………………………………………….
5. …………………………………………….
Xác nhận của Chủ tịch Hội đồng đánh giá LV và Bộ môn quản lý chuyên
ngành sau khi luận văn đã được sửa chữa (nếu có).
Chủ tịch Hội đồng đánh giá LV

Bộ môn quản lý chuyên ngành

TRƯỞNG KHOA


ĐẠI HỌC QUỐC GIA TP. HCM
CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
Độc Lập - Tự Do - Hạnh Phúc
----------------

---oOo---

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên:Nguyễn Thị Trâm

MSHV: 11810082

Ngày, tháng, năm sinh : 15/04/1975

Nơi sinh : TP. Cần Thơ

Chuyên ngành : Kỹ thuật Điện tử
1- TÊN ĐỀ TÀI:
Mơ hình hố mạch khuếch đại siêu cao tần trong thông
tin di động sử dụng mạng neuron.
2- NHIỆM VỤ LUẬN VĂN: Tác giả xây dựng mơ hình mạch khuếch đại siêu cao
tần PA (Power Amplifiers) với tín hiệu vào lần lượt 2-tone và W-CDMA (Wideband Code
Division Multiple Access) để thu thập dữ liệu tín hiệu vào/ra. Dùng dữ liệu này huấn luyện,
kiểm tra và xác nhận trong mơ hình NARX ( Nonlinear Autoregressive with External
Input). Mục tiêu của Đề tài là chứng minh tính khả thi của giải pháp đề ra bằng cách mơ
hình hố mạch khuếch đại siêu cao tần trong thông tin di động sử dụng mạng neuron. Kết
quả đạt được sẽ khẳng định và bổ sung cho sự lựa chọn phương pháp mơ hố hành vi
mạch khuếch đại siêu cao tần.
3- NGÀY GIAO NHIỆM VỤ:
4- NGÀY HOÀN THÀNH NHIỆM VỤ:30/11/2012
5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS. Lương Vinh Quốc Danh

Nội dung và đề cương Luận văn thạc sĩ đãđược Hội Đồng Chuyên Ngành thơng
qua.
Tp.Hồ Chí Minh, ngày 30 tháng 11 năm 2012
CB HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TRƯỞNG KHOA ĐIỆN –ĐIỆN TỬ


LỜI CẢM ƠN


Bằng tất cả tấm lòng, tác giả xin gởi lời cảm ơn chân thành đến:
TS. Lương Vinh Quốc Danh, là thầy trực tiếp hướng dẫn tác giả thực hiện
luận văn này. Dù bận rộn nhưng Thầy đã dành rất nhiều thời gian để hướng dẫn,
giúp đỡ, truyền đạt kiến thức và phương pháp nghiên cứu; cung cấp rất nhiều tài
liệu và cơng cụ mơ phỏng hữu ích. Những lời động viên và nhắc nhở thường xuyên
của Thầy đã giúp cho tác giả rất nhiều trong q trình hồn tất luận văn;
TS. Nguyễn Chí Ngơn dù thầy khơng trực tiếp hướng dẫn tác giả và thầy rất
bận rộn nhưng Thầy đã dành nhiều thời gian để hướng dẫn, góp ý, và giúp đỡ tác
giả tìm hiểu và sử dụng Neural Networks để hồn tất luận văn;
Q Thầy Cơ BM Điện tử Viễn thông – Khoa Công nghệ – Trường Đại học
Cần Thơ đã hướng dẫn, đóng góp thật nhiều ý kiến quý báu cho luận văn của tác
giả. Tạo điều kiện thuận lợi cho tác giả trong suốt khoá học và thời gian thực hiện
luận văn;
Qúi Thầy Cô trong BM Viễn Thông - Khoa Điện Điện tử - Trường Đại học
Bách khoa đã truyền đạt những kiến thức hữu ích trong suốt khoá học;
Cuối cùng, tác giả xin gởi lời cảm ơn chân thành đến gia đình, bạn bè đồng
nghiệp đã quan tâm, động viên, cung cấp tài liệu trong suốt q trình hồn tất luận
văn.
Xin chân thành cảm ơn!

TP HCM, Tháng 12/2012

Nguyễn Thị Trâm


TĨM TẮT LUẬN VĂN THẠC SĨ


Kỹ thuật mơ hình hố hành vi (behavioral modeling) cung cấp một
phương pháp tiện lợi và hiệu quả để dự đốn chính xác ngõ ra của hệ thống, đặc biệt

cho hệ thống mạch khuếch đại siêu cao tần (PA – Power Amplifiers), mà không cần
sự tính tốn phức tạp của các mơ hình ở cấp độ vật lý của hệ thống phi tuyến. Mơ
hình hố sử dụng NARX (Nonlinear Autoregressive with External Input) được ứng
dụng thành cơng cho mơ hình hành vi mạch khuếch đại siêu cao tầnn trong thơng
tin di động.
Mơ hình được huấn luyện với hai bộ dữ liệu được thu thập từ phép đo
đạc trên hai mơ hình mạch PA với tín hiệu vào 2-tone và tín hiệu WCDMA
(Wideband Code Division Multiple Access). Kết quả mơ phỏng cho thấy rằng mơ
hình hành vi hành ít MSE (Means Square Erorr) và thời gian mơ phỏng nhanh.
Từ khố: Mơ hình hành vi, Mạng neuron, Mạch khuếch đại siêu
cao tần.


ABSTRACT

Behavioral modeling techniques provide a convenient and efficient means to
predict system-level performance without the computational complexity of full
circuit simulation or physicslevel analysis of nonlinear systems, thereby
significantly speeding up the analysis process. Nonlinear Autoregressive with
External Input (NARX) models have been successfully applied for radio frequency
(RF) power amplifier (PA) behavioral modeling.
The model has been trained with two data sets that were collected from
measurements on two PAs with 2-tone and WCDMA signals. Simulation results
show that NARX behavioral model has less MSE (means square error).
Index Terms—Behavioral Model, Neural Networks, Power Amplifier.


LỜI CAM ĐOAN
Luận văn này là kết quả của quá trình tự nghiên cứu từ các bài báo khoa học trên
tạp chí IEEE, từ các ebook về mơ hình hố hành vi (Behavioral Modeling – BM)

của mạch khuếch đại công suất trong thông tin di động. Các tư liệu đã đề cập trong
phần tài liệu tham khảo. Những kết quả nêu ra trong luận văn là thành quả lao động
của cá nhân tôi dưới sự giúp đỡ của giáo viên hướng dẫn TS. Lương Vinh Quốc
Danh, các thầy cô, các đồng nghiệp cùng bạn bè các lớp cao học điện tử 2009 –
2011 Đại Học Bách Khoa TP HCM tổ chức tại Cần Thơ. Tôi xin cam đoan luận văn
này hồn tồn khơng sao chép lại bất kì một cơng trình nào đã có từ trước.


MỤC LỤC

Chương 1 - MỞ ĐẦU ............................................................................................ 1
1.1.

Giới thiệu:..................................................................................................... 1

1.1.1. Mơ hình hành vi: ........................................................................................ 1
1.1.2. Mơ hình hố hành vi mạch khuếch đại công suất: ...................................... 4
1.2. Mục tiêu nghiên cứu: ....................................................................................... 7
1.3. Đối tượng nghiên cứu: ..................................................................................... 8
1.4. Phương pháp nghiên cứu: ............................................................................... 8
1.5. Các mơ hình nghiên cứu liên quan đến đề tài: ............................................... 8
1.5.1.Mơ hình đa thức:......................................................................................... 8
1.5.2.Mơ hình phân tích chuỗi Volterra mở rộng: ................................................ 9
1.5.3.Mơ hình mạng Neuron căn bản: .................................................................. 9
1.6. Kết luận: .......................................................................................................... 9
1.7. Cách trình bày luận văn:............................................................................... 10

Chương 2 - CƠ SỞ LÝ THUYẾT ....................................................................... 12
2.1.

Mơ hình hành vi: ........................................................................................ 12

2.1.1.Giới thiệu: ................................................................................................ 12
2.1.2.

Mơ hình vật lý: .................................................................................... 15

2.1.3.

Mơ hình hành vi (BM-Behavioral Model): ......................................... 16

2.2.

Mơ hình hố vi mạch khuếch đại siêu cao tần: ......................................... 16

2.2.1.

Giới thiệu: ........................................................................................... 16

2.2.2.

Nền tảng nhận dạng hệ thống phi tuyến: ............................................ 17

2.3.

Mơ hình PA mức hệ thống: ........................................................................ 24

2.3.1.

Mơ hình PA khơng nhớ:...................................................................... 24

2.3.2.

Mơ hình PA nhớ tuyến tính................................................................. 26

2.3.3.

Mơ hình PA nhớ phi tuyến:................................................................. 27

i


2.4.

Mạng neural: .............................................................................................. 36

Chương 3 - XÂY DỰNG MƠ HÌNH MẠCH KHUẾCH ĐẠI CÔNG SUẤT ... 41
3.1.

Tổng quan: ................................................................................................. 41

3.2.

Đo đạc dữ liệu: ........................................................................................... 42

3.2.1.Giới thiệu chương trình mơ phỏng ADS (Advanced Design System): ..... 43
3.2.2.Mơ hình cho PA với tín hiệu vào 2-tone: ................................................. 44
3.2.3.Mơ hình của PA với tín hiệu vào WCDMA: ............................................ 46
3.3.

Xây dựng mơ hình PA: .............................................................................. 48

Chương 4 - KẾT QUẢ MƠ PHỎNG MƠ HÌNH HỐ MẠCH KHUẾCH ĐẠI
CƠNG SUẤT ....................................................................................................... 52
4.1. Mơ hình NARX cho PA: ................................................................................ 52
4.2. Mơ phỏng với tín hiệu vào 2-tone: ................................................................ 53
4.3. Mơ phỏng với tín hiệu W-CDMA: ................................................................ 58

Chương 5 - KẾT LUẬN & HƯỚNG NGHIÊN CỨU TIẾP THEO .................. 64
5.1. Tóm tắt kết quả.............................................................................................. 64
5.2. Kết luận: ........................................................................................................ 64
5.3. Hướng nghiên cứu tiếp theo của đề tài: ........................................................ 65

ii


DANH MỤC CÁC HÌNH VẼ

Hình 1. 1: Mơ hình hố hệ thống PA dựa theo các phương pháp. .................... 2
Hình 1. 2: Mơ hình hành vi tổng qt từ các nguồn khác nhau. ....................... 3
Hình 1. 3: Mạch PA trong sơ đồ khối của hệ thống truyền thông không dây cơ
bản. ................................................................................................................. 4
Hình 1. 4: Méo dạng của PA lên những kênh lận cận. ..................................... 5
Hình 1. 5: Sơ đồ khối của mạch khuếch đại công suất và mạch bù méo. .......... 6

Hình 2. 1: Sơ đồ khối của hệ thống truyền thơng khơng dây........................... 13
Hình 2. 2: Sơ đồ mạch khuếch đại tại bộ phận phát. ...................................... 13
Hình 2. 3: Sơ đồ khối mạch khuếch đại tại bộ phận thu. ................................ 14
Hình 2. 4: Sơ đồ khối của mạch khuếch đại siêu cao tần phi tuyến. ............... 15
Hình 2. 5:Tổng quan của mơ hình hành vi ..................................................... 17

Hình 2. 6: Cấu trúc kinh điển của mạch lọc phi tuyến FIR. (a) Mạch lọc tiêu
biểu ở bậc thứ nhất. (b) Mạch lọc tiêu biểu ở bậc thứ ba. .............................. 20
Hình 2. 7: Cấu trúc tổng quan của mạch lọc tuyến tính đệ quy phi tuyến yếu. 21
Hình 2. 8: Cấu trúc tổng quát của mạng neural nhân tạo một lớp ẩn đệ qui. . 22
Hình 2. 9: Cấu trúc tổng quan của một mạng neural động một lớp ẩn hồi tiếp.
...................................................................................................................... 22
Hình 2. 10: Cấu trúc tương đương của ANN một lớp ẩn hồi tiếp.................... 23
Hình 2. 11: Mơ hình hành vi không nhớ biểu trưng AM-AM và AM-PM. ....... 25
Hình 2. 12: Mơ hình hành vi tham số PA. Độ lợi phụ thuộc phi tuyến vào biên
độ bao hình tức thời và một tham số động tuyến tính. .................................... 29
Hình 2. 13: Cấu trúc mơ hình kết nối mạch lọc khơng nhớ phi tuyến song song.
...................................................................................................................... 30
Hình 2. 14: Ví dụ của phần bậc thứ (2n+1) của cấu trúc mơ hình mạch lọc FIR
phi tuyến để đại diện cho hành vi IMD bất đối xứng tần số phụ thuộc. ......... 31

iii


Hình 2. 15: Cấu trúc mơ hình mạch lọc FIR phi tuyến một chiều được kế thừa
tương đương như mô hình ở hình 2.14. .......................................................... 32
Hình 2. 16: Biểu diễn tương đương mạch lọc FIR phi tuyến 1-D từ hình 2.14
và 2.15. .......................................................................................................... 33
Hình 2. 17: Biểu đồ mạng Neuron nhân tạo ................................................... 37
Hình 2. 18: Cấu trúc một mạng neuron nhiều lớp .......................................... 38
Hình 2. 19: Quá trình xử lý thông tin của neuron thứ i thuộc lớp l................. 39
Hình 2. 20: Cấu trúc mơ hình mạng neuron MLP cơ bản dùng cho mạch
khuếch ........................................................................................................... 39

Hình 3. 1: Lưu đồ xây dựng mơ hình cho đối tượng ....................................... 42
Hình 3. 2: Giao diện của phần mền ADS ....................................................... 44

Hình 3. 3: Sơ đồ mơ phỏng mạch PA với tín hiệu vào 2-tone ......................... 45
Hình 3. 4: Đáp tuyến độ lợi của mạch PA với tín hiệu vào 2-tone .................. 46
Hình 3. 5: Mơ hình mơ phỏng PA với tín hiệu vào CDMA ............................. 47
Hình 3. 6: Đáp tuyến độ lợi của mạch PA với tín hiệu vào WCDMA.............. 47
Hình 3. 7: Kiến trúc mơ hình NARX ............................................................... 49

Hình 4. 1: Mơ hình hố của PA sử dụng NARX............................................. 53
Hình 4. 2: Biểu đồ hội tụ của quá trình huấn luyện ........................................ 54
Hình 4. 3: Ngõ ra của mơ hình NN và ngõ ra của PA .................................... 54
Hình 4. 4: Phần mở rộng của tín hiệu huấn luyện ở hình 4.3 ......................... 55
Hình 4. 5: Tín hiệu kiểm tra; ngõ ra của PA và mơ hình NARX ..................... 56
Hình 4. 6: Phần mở rộng kết quả kiểm tra ở hình 4.5.................................... 56
Hình 4. 7: Sự hội tụ của mơ hình NARX ......................................................... 57
Hình 4. 8: So sánh PSD mơ hình NARX với dữ liệu đo đạc. ........................... 58
Hình 4. 9: Biểu đồ hội tụ q trình huấn luyện với tín hiệu WCDMA............. 59
Hình 4. 10: Ngõ ra của mơ hình NN và ngõ ra của PA .................................. 59
Hình 4. 11: Phần mở rộng của tín hiệu huấn luyện ở hình 4.9 ....................... 60
Hình 4. 12:Tín hiệu kiểm tra; ngõ ra của PA và mơ hình NARX .................... 60
Hình 4. 13: Phần mở rộng kết quả kiểm tra ở hình 4.11................................ 61
iv


Hình 4. 14: Sự hội tụ của mơ hình NARX ....................................................... 61
Hình 4. 15: PSD ngõ ra của mơ hình NARX với tín hiệu WCDMA ................. 62
Hình 4. 16: So sánh giữa ngõ ra của NARX với dữ liệu đo............................. 63

v


DANH MỤC CÁC TỪ VIẾT TẮT


ACEPR

adjacent-channel error power ratio

ACPR

adjacent-channel power ratio

ADC

analogue-to-digital converter

ADS

advanced design system

AM–AM/AM–PM

AM–AM and AM–PM model or characterisation

ANN

artificial neural network

CAD

computer-aided design

CDMA

code-division multiple access

CW

continuous-wave

DSP

digital signal processing

DTD

direct-time domain

FDMA

frequency-division multiple access

FET

field-effect transistor

FFT

fast Fourier transform

FIR

finite impulse response

FPGA

field-programmable gate array

GSM

global system for mobile communications

HB

harmonic balance

IC

integrated circuit

IFFT

inverse fast Fourier transform

IIR

infinite impulse response

IMD

intermodulation

IMP

intermodulation product

LNA

low-noise amplifier

MIMO

multiple-input–multiple-output

MLP

multilayer perceptron

NARMA

nonlinear autoregressive moving-average

NARX

nonlinear autoregressive with exogenous input
vi


NMSE

normalised mean-square error

OFDM

orthogonal frequency-division multiplexing

PA

power amplifier

PAPR

peak to average power ratio

PSD

power spectral density

RF

radio-frequency

TDNN

time-delay neural network

WCDMA

wideband code-division multiple access

vii

Chương 1 - Mở đầu

Chương 1 - MỞ ĐẦU


1.1. Giới thiệu:
1.1.1. Mơ hình hành vi:
1.1.1.1. Sự cần thiết của mơ hình hành vi:
Cùng với sự phát triển nhanh chóng và liên tục của truyền thông không dây
và hệ thống truyền thông vô tuyến với độ phức tạp ngày càng tăng, sự phức tạp và
phạm vi ứng dụng đã cùng song hành phát triển trong nghiên cứu về lĩnh vực điện
tử, linh kiện điện tử, hệ thống con hay hệ thống. Điều này làm tăng một cách nhanh
chóng hàng loạt các công nghệ mới và tiên tiến trong thế giới truyền thông không
dây và cho sự hội nhập rộng rãi của các phần mền mô phỏng vào các linh kiện, thiết
bị hay hệ thống. Để đáp ứng nhu cầu ngày càng tăng thì lĩnh vực mơ hình hố linh
kiện, mạch hay hệ thống được các nhà nghiên cứu ngày càng quan tâm. Mơ hình
hố một đối tượng tức là thiết lập những phương trình tốn học để trình bày thay thế
cho một đối tượng thực.
Về cơ bản có 3 phương pháp để mơ hình hố một đối tượng, đó là phương
pháp vật lý, phương pháp mạch tương đương và phương pháp hộp đen (black-box).
-

Phương pháp vật lý có thể cho một mơ hình chi tiết và chính xác dựa

trên những định luật vật lý cơ bản. Với kỹ thuật mơ hình này thì kích thước vật lý
của đối tượng cần được xem xét. Tuy nhiên, phương pháp này đôi khi yêu cầu một
số tham số mà đối tượng không thể đáp ứng.
-

Phương pháp mạch tương đương (circuit-based approach) sử dụng

những phần tử mạch điện tử và lý thuyết mạch.
-

Đối với tín hiệu hay hệ thống phức tạp thì hai mơ hình trên gần như

khơng thể mơ hình hố được, chẳng hạn như đối với mạch khuếch đại công suất
(PAs-power amplifiers) trong thông tin di động.

Thd: TS Lương Vinh Quốc Danh

Trang 1

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

Hình 1. 1: Mơ hình hố hệ thống PA dựa theo các phương pháp (1).

Thêm vào đó, cấu trúc bên trong của những thành phần tích cực hay thụ động
của đối tượng là khó có thể quan sát và đặc biệt là đối tượng bị đóng gói hay bị bịt
kín. Trong trường hợp này thì mơ hình hộp đen hay cịn gọi là mơ hình hành vi
(BM-Behavioral Model) được những nhà nghiên cứu quan tâm.
1.1.1.2. Behavioral modeling:
Behavioral model ( mơ hình hành vi) cịn được gọi là mơ hình hộp đen, mơ
hình này khơng địi hỏi biết trước sự phân tích tính vật lý bên trong đối tượng.
Những tham số của mơ hình hành vi được xác định từ mối quan hệ giữa dữ liệu đo
đạc ở ngõ vào và dữ liệu đo đạc ở ngõ ra. Vì vậy, kỹ thuật đo và chất lượng của dữ
liệu đo ảnh hưởng đến tính chính xác của mơ hình. Mơ hình hành vi cung cấp một

1

Nguồn tài liệu tham khảo [1] trang 9

Thd: TS Lương Vinh Quốc Danh

Trang 2

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

phương tiện tính tốn hiệu quả từ mối quan hệ giữa dữ liệu vào và dữ liệu ra mà
khơng cần biết tính chất vật lý của linh kiện, của mạch điện hay của hệ thống [2].

Hình 1. 2: Mơ hình hành vi tổng qt từ các nguồn khác nhau.

1.1.1.3. Thuận lợi của mơ hình hành vi:
So với một số mơ hình truyền thống trước đây thì mơ hình hành vi giảm một
cách đáng kể thời gian mô phỏng, hay là đối với những mạch hay hệ thống phức tạp
như hiện nay thì mơ hình truyền thống khó mà đáp ứng được.
Một lợi ích khác của mơ hình hành vi là cung cấp một cách tích cực để bảo
vệ quyền sở hữu trí tuệ của mạch hay hệ thống, vì khi đó mạch (hay hệ thống) đã
được đóng gói như một hộp đen.
Đã có nhiều thực nghiệm để mơ hình hố đối tượng là hệ thống phi tuyến
nhưng ở đây mơ hình hành vi cấp hệ thống (system level) thường được chọn lựa
nhiều nhất. Đây là phương pháp hiệu quả để phân tích hiệu ứng nhớ của những hệ
thống phi tuyến có tín hiệu vào biến điệu phức tạp, chẳng hạn như hệ thống PA

trong thông tin di động.

Thd: TS Lương Vinh Quốc Danh

Trang 3

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

1.1.2. Mơ hình hố hành vi mạch khuếch đại công suất:
Đối với thông tin vô tuyến thì bộ khuếch đại cơng suất là một thành phần
tương đối quan trọng.

Hình 1. 3: Mạch PA trong sơ đồ khối của hệ thống truyền thông không dây cơ bản(1).

Chức năng chính của PA là làm tăng cơng suất của tín hiệu trước khi đưa tới
antenna để truyền đi. Mạch khuếch đại PA được thiết kế lý tưởng là khuếch đại
tuyến tính. Tín hiệu thơng tin liên lạc cho cơng suất ngõ ra được yêu cầu không gây
ra việc mở rộng phổ. Trong thực tế, thiết bị này có xu hướng phi tuyến ở tần số siêu
cao, đặc biệt là khi gần đến giá trị bão hoà. Sự phi tuyến gây ra việc mở rộng phổ
(spectral growth) vượt ra ngoài băng thơng tín hiệu, điều này gây nhiễu với những
kênh lân cận. Nó cũng là nguyên nhân của sự méo dạng bên trong băng thơng của
tín hiệu, mà những điều này làm tăng bit lỗi tại đầu thu.

1

Nguồn tài liệu tham khảo [1] trang 10

Thd: TS Lương Vinh Quốc Danh

Trang 4

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

Hình 1. 4: Méo dạng của PA lên những kênh lận cận[3].

Các hiện tượng phi tuyến xảy ra ở các mạch khuếch đại siêu cao tần là vấn
đề khó mà các nhà nghiên cứu mong muốn tìm một phương pháp tổng qt và chính
xác để mơ phỏng nhằm dự đoán mức độ phi tuyến ở ngõ ra. Một giải pháp được đưa
ra là để giảm sự phi tuyến của hệ thống hay mạch PA thì hệ thống hay mạch PA có
thể được thiết kế kéo độ phi tuyến vào vùng tuyến tính. Tuy nhiên, với những hình
thức truyền thơng mới như hiện nay, chẳng hạn như: kỹ thuật WCDMA ( wideband
code division multiple access), OFDM ( orthogonal frequency division
multiplexing)…thì có tỉ lệ cơng suất trung bình đỉnh (PAPR – peak to average
power ratios) cao và khoảng biến thiên lớn trong bao hình tín hiệu. Điều này có
nghĩa là mạch PA cần được kéo xa vị trí bão hoà, điều này sẽ cho hiệu suất thấp.
Ngoài những kỹ thuật đưa mạch PA về dạng tuyến tính thì kỹ thuật bù méo (
predistortion) là một trong những kỹ thuật cho hiệu suất cao nhất. Kỹ thuật bù méo
nhằm để cải tiến sự phi tuyến của hệ thống thành tuyến tính. Do đó tín hiệu trước
khi đưa vào mạch khuếch cơng suất đưa đến anten phát thì được đưa vào mạch bù
méo để tín hiệu ngõ ra mạch PA được tuyến tính. Kỹ thuật bù méo được dùng để cải
thiện độ tuyến tính của mạch khuếch đại cơng suất PA ở tần số vô tuyến (RF –

Thd: TS Lương Vinh Quốc Danh

Trang 5

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

Radio Frequency). Mạch bù méo là mơ hình có đặc tuyến pha, độ lợi nghịch với đặc
tuyến pha, độ lợi của mạch PA và khi kết hợp với mạch PA sẽ tạo ra một hệ thống
tuyến tính, làm giảm sự méo dạng (distortion) của mạch PA. Về bản chất, sự méo
nghịch (inverse distortion) sẽ được đưa vào ngõ vào của mạch khuếch đại PA, từ do
có thể triệt tiêu sự phi tuyến của mạch PA.

Hình 1. 5: Sơ đồ khối của mạch khuếch đại công suất và mạch bù méo.

Muốn thực hiện việc bù méo có hiệu quả thì cần biết mức độ phi tuyến cũng
như hiệu ứng nhớ của mạch PA một cách chính xác. Vì vậy, cần một mơ hình có thể
mơ tả chính xác mức độ phi tuyến cũng như hiệu ứng nhớ của mạch khuếch đại
cơng suất[4].
Ngồi ra, đối với các đối tượng phi tuyến thì phương pháp cân bằng hoạ tần
cũng thường được các nhà nghiên cứu quan tâm. Phương pháp này thường được sử
dụng để mơ phỏng mạch điện có tính phi tuyến và được sử dụng để xử lý đáp ứng
ổn định của phương trình vi phân phi tuyến. Đây là một phương pháp miền tần số
để tính tốn trạng thái ổn định, nó đối nghịch với phương pháp trạng thái ổn định
trong miền thời gian. Phương pháp cân bằng hoạ tần kết hợp kỹ thuật phân tích
trong miền thời gian với miền tần số thông qua phép biến đổi Fourier thuận và
nghịch. Mạch cao tần là ứng dụng đầu tiên cho phương pháp cân bằng hoạ tần trong
kỹ thuật điện tử. Tuy nhiên, phương pháp này chỉ phù hợp cho những mạch có kích
thước nhỏ, số lượng hài ít và nhược điểm cơ bản của phương pháp này là tốc độ tính
tốn chậm, người sử dụng phải thường xun giải quyết vấn đề hội tụ. Lúc này mơ

hình hành vi cho PA nhận được sự quan tâm rộng rãi của nhiều nhà nghiên cứu vì
tính thiết thực của mơ hình.

Thd: TS Lương Vinh Quốc Danh

Trang 6

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

Bên cạnh đó, nếu như mạch tương của PA là khơng sẵn có hay cần mơ phỏng
mạch ở cấp độ hệ thống thì mơ hình hành vi của PA là thích hợp, vì mơ hình này
hồn toàn dựa vào sự quan sát hay đo đạc của dữ liệu ở ngõ vào và ngõ ra để thiết
lập nên mối quan hệ giữa chúng. Do do, khi sử dụng mơ hình hành vi khơng cần
biết cấu trúc bên trong mạch.

1.2. Mục tiêu nghiên cứu:
Tạo ra một mơ hình tốn học mơ tả chính xác hoạt động mạch khuếch đại
siêu cao tần phi tuyến thực nhằm dự đoán được ngõ ra ở cấp độ hệ thống.
Vì với mong muốn dự đốn chính xác các hiện tượng ở ngõ ra của mạch hay
hệ thống mạch khuếch đại siêu cao tần phi tuyến, các nhà nghiên cứu mong muốn
tìm ra một mơ hình để mơ phỏng và dự đốn chính xác ngõ ra của mạch khuếch đại
siêu cao tần phi tuyến. Mơ hình hố các trạng thái hoạt động của mạch khuếch đại
siêu cao tần phi tuyến đã nhận được nhiều sự quan tâm chú ý của các nhà nghiên
cứu trong những năm gần đây. Nhìn chung, mơ hình hoạt động của mạch phi tuyến
có thể xem như là một hộp đen mà hộp đen này có thể được mơ tả hoàn toàn dựa
vào những đáp ứng bên ngoài. Nghĩa là, mơ hình được xây dựng hồn tồn dựa vào
sự biểu diễn mối quan hệ giữa tín hiệu vào và tín hiệu ra bằng biểu thức tốn học.

Mơ hình hố của một mạch hay một hệ thống là một phương pháp đo cơ bản để dự
đoán trước sự thực thi của một mạch hay một hệ thống mà không cần sự tính tốn
phức tạp hay phân tích mạch phi tuyến ở mức độ vật lý, điều đó làm tăng tốc độ q
trình xử lý.
Đề tài này sẽ xây dựng mơ hình của mạch khuếch đại công suất (Power
Amplifier - PA) trong thông tin di động dựa vào mạng neuron (Neural Network –
NN). Kết quả đạt được góp phần khẳng định tính hiệu quả của mơ hình hành vi và
sẽ bổ sung thêm các tiêu chí để lựa chọn mơ hình phù hợp cho việc xây dựng mơ
hình mạch khuếch đại siêu cao tần phi tuyến trong thông tin di động.

Thd: TS Lương Vinh Quốc Danh

Trang 7

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

1.3. Đối tượng nghiên cứu:
Mơ hình hoá hành vi (Behavioral Modeling) trở thành đối tượng nghiên cứu
rộng rãi trong nhiều năm qua. Đặc biệt mơ hình hóa cho mạch khuếch đại siêu cao
tần phi tuyến. Mơ hình hóa của PA sẽ sử dụng NN được cho là phù hợp với đối
tượng là phi tuyến có hiệu ứng nhớ phi tuyến. Mơ hình hố hành vi cịn gọi là hộp
đen, nó khơng được u cầu biết trước cấu hình vật lý của mạch hay hệ thống. Các
tham số của mơ hình hành vi chỉ dựa vào sự đo lường tính tốn nhờ vào tín hiệu ngõ
vào và ngõ ra. Nghĩa là những thơng số của mơ hình được tính tốn và xác định nhờ
vào dữ liệu đo và tính tốn của ngõ ra và ngõ vào. Vì vậy, kỹ thuật đo và chất lượng
của dữ liệu ảnh hưởng đến sự chính xác của mơ hình.

1.4. Phương pháp nghiên cứu:
Đề tài này sẽ được nghiên cứu dựa trên các phương pháp sau đây:
- Phương pháp nghiên cứu lí thuyết
- Phương pháp thực nghiệm:
Ở luận văn này thay vì dùng phương pháp đo đạc thực tế để xây dựng mơ
hình mơ hành vi cho mạch PA thì ở đây dùng phần mềm ADS ( Advanced Design
System) để xây dựng mơ hình mơ phỏng thu thập dữ liệu. Dữ liệu ở mơ hình này
mang tính tham chiếu.
- Phương pháp phân tích và xử lý dữ liệu để giải quyết bài tốn đặt ra.

1.5. Các mơ hình nghiên cứu liên quan đến đề tài:
1.5.1. Mơ hình đa thức:
Phương pháp đa thức [6][7]có bất lợi về vấn đề khả năng hội tụ khi ngoại suy
dữ liệu và bậc đa thức làm hạn chế mơ hình có thể áp dụng được, phương pháp phân
tích chậm và tiêu tốn nhiều thời gian bởi nó cần xác định và tính tốn một số lượng
lớn các toán hạng.

Thd: TS Lương Vinh Quốc Danh

Trang 8

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

1.5.2. Mơ hình phân tích chuỗi Volterra mở rộng:
Mơ hình chuỗi Volterra [6][7] đóng vai trị quan trọng trong mơ hình hành vi
của các yếu tố phi tuyến động. Mặc dù nó có phổ biến nhưng mơ hình hành vi dựa
vào chuỗi Volterra chỉ có thể xác định cho những hệ thống phi tuyến yếu, ít số hạng

và u cầu nặng về tính tốn để tính hạt nhân Volterra. Đặc biệt khi mạch là biến
điệu tương hỗ đa tần số là một vấn đề phức tạp, khó tính tốn…

1.5.3. Mơ hình mạng Neuron căn bản:
Module tính tốn mạng neuron những năm gần đây được cơng nhận như một
cơng cụ hữu ích và độc đáo cho mơ hình hố mạch siêu cao tần. Mạng neuron có
thể được huấn luyện để tìm hiểu hành vi của những thành phần mạch tích cực hoặc
thụ động. Một mạng neuron được huấn luyện có thể được sử dụng cho thiết kế ở
mức độ cao, cung cấp một đáp án nhanh và chính xác. Mạng neuron là sự lựa chọn
thích hợp để sử dụng cho những phương pháp thông thường như là phương pháp
mơ hình hố với mức độ tính tốn phức tạp, hay phương pháp phân tích mà gặp khó
khăn để có được sản phẩm mới, hay là các giải pháp mơ hình thực nghiệm có phạm
vi và độ chính xác bị giới hạn. Kỹ thuật mạng neuron đã được sử dụng rộng rãi
trong những ứng dụng siêu cao tần, nó đã áp dụng thành công cho ứng dụng mạch
khuếch đại siêu cao tần. Bằng những thuận lợi từ lợi thế huấn luyện hành vi ở mức
độ mạch dựa vào mô phỏng và tính tốn tập hợp những tín hiệu vào, ra của nó. Mơ
hình mạng Neuron căn bản hành vi dường như là một sự lựa chọn lợi thế cho mơ
hình mạch khuếch đại siêu cao tần phi tuyến có công suất từ vừa đến lớn.

1.6. Kết luận:
Sau thời gian thực hiện, tác giả đã hồn chỉnh cho mơ hình hóa mạch khuếch
đại siêu cao tần phi tuyến sử dụng NN. Mơ hình xây dựng là mạch khuếch đại siêu
cao tần được kiểm nghiệm với hai loại tín hiệu vào là hai tone, tần số f=1,9GHz ±
10MHz và tín hiệu W-CDMA (3GPP uplink tần số 1.95GHZ). Kết quả mô phỏng
cho thấy, mơ hình đề nghị là khả thi.

Thd: TS Lương Vinh Quốc Danh

Trang 9

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

Kết quả của luận văn này cũng đóng góp một phần vào lĩnh vực mơ hình hoá
mạch khuếch đại siêu cao tần nhằm hỗ trợ cho việc thiết kế cũng như tính tốn
mạch PA cao tần, hỗ trợ và phát triển những hàm (hay mạch) bù méo thật chính xác
để mạch PA có ngõ ra tuyến tính.
Với tính khả thi của giải pháp đặt ra, tác giả đề nghị khảo sát tiếp 2 vấn đề
sau:
-

Khảo sát mơ hình với tín hiệu vào là CDMA được test lại với tín hiệu

vào 2-tone.
-

Mở rộng đáp tuyến biên độ tín hiệu vào.

1.7. Cách trình bày luận văn:
Luận văn này được trình bày gồm 4 chương; các chương cụ thể trình bày các
nội dung sau:
-

Chương 1 trình bày sơ lược về lịch sử phát triển của việc mơ hình hóa

cho một đối tượng, sự cần thiết của việc mơ hình hố cho mạch PA. Từ đó, nêu vấn
đề đặt ra và phương hướng giải quyết vấn đề của tác giả.
-

Chương 2 trình bày các lý thuyết cơ sở đã sử dụng trong đề tài, bao

gồm: giới thiệu tóm tắt về các kiểu mơ hình hành vi, về mơ hình hố cho mạch
khuếch đại siêu cao tần, giới thiệu về mạng neural networks; trình bày các mơ hình
PA ở mức độ hệ thống và đồng thời đưa ra các nghiên cứu trước đó có liên quan
đến đề tài.
-

Chương 3 sẽ giới thiệu về phần mềm mô phỏng ADS (Advanced

Design Systems), thiết kế mạch PA trên nền ADS lần lượt với các tín hiệu vào là tín
hiệu 2-tone và tín hiệu W-CDMA để lấy dữ liệu vào/ra và xây dưng mơ hình PA sử
dụng neural networks.
-

Chương 4 trình bày các kết quả mơ phỏng dựa trên mơ hình đã lập

trong các điều kiện với tín hiệu vào là 2-tone và W-CDMA, cùng với các nhận xét
và lời bàn ứng với mỗi kết quả.

Thd: TS Lương Vinh Quốc Danh

Trang 10

Hvth: Nguyễn Thị Trâm


Chương 1 - Mở đầu

-

Chương 5 tóm tắt kết quả, kết luận và nêu hướng nghiên cứu tiếp theo

của đề tài.
Nội dung luận văn có một số thuật ngữ khơng có từ tương đương trong tiếng
Việt nên tác giả sử dụng từ gốc tiếng Anh. Một số thuật ngữ tác giả dịch sang tiếng
Việt, tuy nhiên để tránh hiểu sai nghĩa, tác giả có ghi thêm từ gốc bằng tiếng Anh
trong ngoặc đơn liền theo thuật ngữ đã dịch. Các từ viết tắt trong luận văn đã liệt kê
sau phần mục lục. Dù vậy, ở đầu mỗi chương hoặc các tiểu mục có sử dụng từ viết
tắt nhiều lần, tác giả có ghi lại từ gốc tiếng Anh trong ngoặc đơn ở lần đề cập đầu
tiên.

Thd: TS Lương Vinh Quốc Danh

Trang 11

Hvth: Nguyễn Thị Trâm