THÔNG TIN TÀI LIỆU
ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu ước lượng tham số tín hiệu truy cập thông tin vô tuyến NGUYỄN ĐỨC ANH anhnd.setbk@gmail.com Ngành Kỹ thuật viễn thông Giảng viên hướng dẫn: GS.TS Vũ Văn Yêm Chữ ký GVHD Trường: Điện – Điện tử HÀ NỘI, 04/2023 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: NGUYỄN ĐỨC ANH Đề tài luận văn: Nghiên cứu ước lượng tham số tín hiệu truy cập thông tin vô tuyến Chuyên ngành: Kỹ thuật viễn thông Mã số SV: 20202029M Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 18 tháng 04 năm 2023 với nội dung sau: - Bổ sung xếp thuật ngữ viết tắt theo thứ tự alphabet Chuyển đổi số thuật ngữ tiếng Anh sang tiếng Việt Việt hóa, thay số hình vẽ mờ, độ phân giải khơng cao Bổ sung thêm kết luận, đưa đánh giá rõ trường hợp sử dụng thuật toán học máy ước lượng mơ hình suy hao kênh truyền Ngày 18 tháng 04 năm 2023 Tác giả luận văn Giáo viên hướng dẫn CHỦ TỊCH HỘI ĐỒNG Lời cảm ơn Các kết luận văn thạc sỹ em thực hướng dẫn GS.TS Vũ Văn m GS.TS Vũ Văn m có tồn quyền sử dụng luận văn Em xin chân thành cảm ơn GS.TS Vũ Văn Yêm tận tình hướng dẫn, cung cấp tài liệu tham khảo, kinh nghiệm ý kiến đóng góp quý báu động viên tinh thần suốt trình nghiên cứu thực luận văn Cũng qua đây, em xin gửi lời cảm ơn chân thành đến tập thể phòng nghiên cứu RF – Lab tận tình giúp đỡ, hỗ trợ cung cấp tài liệu, trao đổi để em hoàn thành tốt nghiên cứu Và cuối em xin chân thành cảm ơn gia đình, người thân, bạn bè bên cạnh động viên, tiếp sức cho em Em xin chân thành cảm ơn Tóm tắt nội dung luận văn Hệ thống thông tin di động hệ thứ - 5G (the Fifth Genderation) công nghệ cải thiện cho hệ thống di động không dây hệ thứ (4G) nhiều mặt bật tốc độ xử lý liệu độ trễ Các băng tần sử dụng mạng 5G triển khai triển khai thực tế nhà cung cấp dịch vụ viễn thông lớn Việt Nam bao gồm băng tần C (3,3 – 4,2 GHz) band n40: 2,3 GHz, band n41 :2,6 GHz, Việc triển khai phát sóng hệ thống thơng tin 5G nhà cung cấp dịch vụ gấp rút triển khai thành phố lớn dựa sở hạ tầng có sẵn, nhu cầu sử dụng, điều kiện thực tế Dự đốn mơ hình suy hao truyền sóng kênh sóng điều kiện thực tế khu vực triển khai quan trọng cho việc thiết kế quy hoạch trạm phát sóng ước lượng vùng phủ sóng thiết kế dung lượng mạng không dây, mạng không dây siêu băng rộng Việc xác định mơ hình suy hao khu vực địa lý có ý nghĩa lớn với nhà mạng viễn thơng việc giảm chi phí triển khai lắp đặt, vận hành trạm việc tối ưu hóa vùng phủ khu vực tương ứng Dựa Mơ hình suy hao NYU WIRELESS 3GPP sở lý thuyết tác giả trình bày kiểm chứng việc mô tối ưu hóa liệu đo thực tế thu được, liệu đo kiểm tiến hành xử lý thuật toán Machine Learning - Hồi quy tuyến tính K-Nearest Neighbor (KNN) để đưa kết suy hao kênh truyền sóng hệ thống thơng tin di động 5G phát sóng thử nghiệm thực tế HỌC VIÊN Ký ghi rõ họ tên MỤC LỤC CHƯƠNG HỆ THỐNG THÔNG TIN DI ĐỘNG 5G VÀ ỨNG DỤNG 1.1 Tổng quan phát triển mạng 5G 1.2 Phổ tần triển khai công nghệ 5G 1.3 Tiêu chuẩn mạng 5G 12 1.4 Các nhà mạng Việt Nam triển khai cung cấp dịch vụ 5G 14 1.5 Kết luận chương 16 CHƯƠNG CÁC MƠ HÌNH SUY HAO TRUYỀN SĨNG TRONG THƠNG TIN DI ĐỘNG VÀ KỸ THUẬT XỬ LÝ DỮ LIỆU TRONG ƯỚC LƯỢNG SUY HAO KÊNH TRUYỀN 18 2.1 Các mơ hình suy hao truyền sóng thơng tin vơ tuyến 18 2.1.1 Mơ hình suy hao không gian tự 19 2.1.2 Mơ hình suy hao 3GPP TR 38.900 21 2.1.3 Mơ hình Stanford University Interim Model (SUI model) 25 2.1.4 Mơ hình suy hao đề xuất nhóm nghiên cứu đại học New York University (NYU) 26 2.2 Kỹ thuật xử lý liệu cho toán suy hao kênh truyền 29 2.2.1 Thuật toán phân tích hồi quy tuyến tính 30 2.2.2 Thuật toán K-Nearest Neighbor ứng dụng cho hồi quy 33 2.3 Kết luận chương 37 CHƯƠNG KẾT QUẢ ĐO KIỂM 5G VÀ ƯỚC LƯỢNG SUY HAO TRUYỀN SÓNG 5G TẠI KHU VỰC THỬ NGHIỆM 38 3.1 Phát sóng thử nghiệm 5G Khánh Hịa 38 3.1.1 Mơ hình trạm phát sóng 38 3.1.2 Giới thiệu công cụ đo kiểm Tems Pocket đo kiểm 41 3.1.3 Bài tốn triển khai 5G Khánh Hịa 44 3.1.4 Kết đo kiểm thực tế 46 3.2 Thuật toán xử lý liệu ước lượng suy hao kênh truyền sử dụng tập liệu đo kiểm thực tế 48 3.3 Kết dự đốn mơ hình suy hao truyền sóng 5G vực đại học Nha Trang – Khánh Hòa sử dụng giải thuật hồi quy tuyến tình thuật tốn KNN 50 3.3.1 Sử dụng thuật toán Hồi quy tuyến tính 50 3.3.2 Sử dụng thuật toán KNN 55 3.4 Kết luận chương 57 KẾT LUẬN 59 TÀI LIỆU THAM KHẢO 61 DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT STT Viết tắt Tiếng Anh Tiếng Việt 3GPP Third Generation Partnership Project Tổ chức chuẩn hóa công nghệ mạng thông tin 4G LTE Long Term Evolution Công nghệ di động hệ thứ 5G NSA Non stand alone Mạng 5G dựa tảng 4G 5G SA Stand alone Mạng 5G độc lập AI Artificial Intelligence Trí tuệ nhân tạo AWGN Additive White Gauss Noise Nhiễu Gauss trắng CI Close – in Mơ hình suy hao tham chiếu khoảng cách EPC Evolved Packet Core Mạng lõi nâng cao mạng 4G FDD Frequency Division Duplex Song công phân chia theo tần số 10 FI Floating – intercept mơ hình suy hao phạm vi hẹp 11 FS Free Space Không gian tự 12 IoT Internet of Thing Internet kết nối vạn vật 13 KNN K-Nearest Neighbor Giải thuật KNN 14 LOS Light of sight Khoảng nhìn thẳng 15 MIMO Multi input multi output Đa anten truyền nhận 16 MMSE Minimum mean square error Lỗi trung bình bình phương tối thiểu 17 mmWave Millimeter Wave Sóng cực ngắn 18 MSE Mean square error Lỗi trung bình bình phương 19 NLOS Non Light of sight Khoảng nhìn bị chắn 20 NYU New York University Đại học New York 21 RAT Radio Access Technologies Công nghệ truy nhập vô tuyến 22 TDD Time Division Duplex Song công phân chia theo thởi gian 23 Uma Urban macrocell Vùng đô thị macro cell 24 Umi Urban microcell Vùng đô thị cỡ nhỏ DANH MỤC BẢNG BIỂU Bảng 1-1 Dải tần số hoạt động mạng 5G – theo 3GPP[3] .6 Bảng 1-2 Định nghĩa băng tần[3] .7 Bảng 1-3 Các băng tần hoạt động trạm gốc gNodeB[3] Bảng 1-4 Các băng tần trung số lượng thiết bị LTE hỗ trợ (số liệu cập nhật đến cuối 01/2021)[4] .12 Bảng 1-5 So sánh tiêu kỹ thuật hai công nghệ di động 13 Bảng 1-6 Tiêu chuẩn mạng di động 5G [2] 14 Bảng 2-1 Số mũ suy hao n môi trường xác định [9] 21 Bảng 2-2 Bảng suy hao truyền sóng điều kiên mơi trường khác đề xuất tổ chức kiểm định viễn thông châu Âu 3GPP[12] 22 Bảng 2-3 Tham số loại điều kiện địa hình SUI model[13] 26 Bảng 3-1 Băng tần hoạt động 5G thử nghiệm 40 Bảng 3-2 Công suất phát site 5G triển khai 41 Bảng 3-3 Ý nghĩa chức trạng thái 43 Bảng 3-4 Ý nghĩa chức Menu 43 Bảng 3-5 Kết dự đốn mơ hình suy hao truyền sóng khu vực trường đại học Nha Trang, tần số 2600 MHz – 2.6 GHz chiều cao anten phát 20 m công suất máy phát 46 dBm sử dụng thuật toán Hồi quy tuyến tính 50 Bảng 3-6 Kết dự đốn mơ hình suy hao truyền sóng khu vực đại học Nha Trang, tần số phát sóng 2.6 GHz, chiều cao anten phát 20 m công suất máy phát 46 dBm sử dụng thuật toán KNN .55 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1-1 Tăng trưởng thuê bao di đơng thồn cầu (tỷ kết nối)[1] Hình 1-2 Tăng trưởng thuê bao 4G 5G (tỷ kết nối)[2] Hình 1-3 Ứng dụng 5G lĩnh vực[4] Hình 1-4 Nhà mạng Viettel triển khai thử nghiệm 5G[3] 15 Hình 1-5 Nhà mạng MobiFone triển khai thử nghiệm 5G[3] 16 Hình 2-1 Quy ước khoảng cách mơ hình suy hao đề xuất tổ chức kiểm định viễn thông châu Âu 3GPP[12] .22 Hình 2-2 Ví dụ kỹ thuật hồi quy tuyến tính[4] 30 Hình 2-3 Ví dụ tìm cực tiểu đạo hàm[5] 32 Hình 2-4 Một ví dụ thuật tốn KNN cho tốn Regression[4] 34 Hình 3-1 Kiến trúc mạng 5G NSA-SA .39 Hình 3-2 Kiến trúc mạng 5G NSA Option3 theo 3GPP[25] 39 Hình 3-3 Băng thơng kênh cấu hình băng thơng phát cho kênh truyền 5G[3] 41 Hình 3-4 Thanh trạng thái phần mềm TEMS pocket 42 Hình 3-5 Thanh Menu phần mềm TEMS pocket 42 Hình 3-6 Trạm 5G phát sóng khu vực trường đại học Nha Trang .44 Hình 3-7 Trạm phát sóng 5G khu vực tháp bưu điện thành phố 45 Hình 3-8 Trạm phát sóng 5G khu vực quảng trường bờ biển 45 Hình 3-9 Trạm phát sóng 5G khu vực Vinpearl 46 Hình 3-10 Kết đo kiểm vùng phủ điểm triển khai phát sóng thử nghiệm 5G band 2.6Ghz 47 Hình 3-11 Kết đo kiểm ùng phủ đại học Nha Trang - triển khai phát sóng thử nghiệm 5G band 2.6Ghz 47 Hình 3-12 Kết đo kiểm vùng phủ khu vực VinPearl - triển khai phát sóng thử nghiệm 5G band 2.6Ghz 48 Hình 3-13 Sơ đồ thuật tốn ước lượng mơ hình suy hao truyền sóng sử dụng 49 Hình 3-14 Ước lượng suy hao truyền sóng điều kiện LOS tần số phát sóng 2.6 GHz 51 Hình 3-15 Ước lượng suy hao truyền sóng điều kiện NLOS tần số phát sóng 2.6 GHz 52 Hình 3-17 Giá trị độ lệch chuẩn phương trình suy hao LOS tần số 2.6 GHz, anten phát 46 dBm, chiều cao 20 m giá trị k thay đổi .56 Hình 3-18 Giá trị độ lệch chuẩn phương trình suy hao NLOS tần số 2.6 GHz, anten phát 46 dBm, chiều cao 20 m giá trị k thay đổi .57 MỞ ĐẦU Hệ thống thông tin di động hệ thứ - 5G (the Fifth Generation) công nghệ cải thiện cho hệ thống di động không dây hệ thứ (4G) nhiều mặt bật tốc độ xử lý liệu băng thông Theo cập nhật từ Hiệp hội nhà cung cấp di động tồn cầu (GSA) cho biết, tính đến cuối tháng năm 2022 có 427 nhà khai thác 137 quốc gia/vùng lãnh thổ đầu tư vào mạng 5G, thông qua thử nghiệm hay lên kế hoạch triển khai thực tế Các băng tần sử dụng mạng 5G triển khai/đang triển khai thực tế nhà mạng lớn bao gồm băng tần C (3,3 – 4,2 GHz) band n40: 2,3 GHz, band n41:2,6 GHz, số thiết bị nghiên cứu thử nghiệm dải sóng millimeter wave (mmW) Dự đốn mơ hình suy hao truyền sóng kênh sóng thực tế khu vực triển khai quan trọng cho việc thiết kế quy hoạch trạm phát sóng ước lượng vùng phủ sóng dung lượng mạng khơng dây siêu băng rộng [1][2] Mơ hình suy hao truyền sóng dải tần số cơng bố dựa tập liệu thí nghiệm thành phố New York [3][4] sử dụng hai mơ hình truyền thống mơ hình tham chiếu theo khơng gian tự Close-in mơ hình hồi quy bình phương tối thiểu Floating-intercept [2][5] Họ kết hợp hai mơ hình để dự đốn mơ hình suy hao truyền sóng cho hai dạng Line-of-Sight (LOS) Non-Line-of-Sight (NLOS) Học máy phương pháp dựa vào tập liệu mở lớn kiến trúc mơ hình linh hoạt để đưa dự đốn Gần đây, Học máy sử dụng rộng rãi nhiều lĩnh vực xe tự lái, khai thác liệu, nhận dạng giọng nói,… Học máy phân thành hai loại học giám sát học không giám sát, phụ thuộc vào mẫu liệu có nhãn khơng Đối với dự đốn suy hao, vấn đề hồi quy giám sát, giải thuật toán học máy giám sát artificial neural network (ANN) – mạng nơron nhân tạo, support vector regression (SVR) – hồi quy véc-tơ, decision tree – định Nghiên cứu rằng, mơ hình dựa vào học máy xác mơ hình thực nghiệm hiệu tính tốn lớn so với mơ hình xác định [6,7] Trong đề tài này, tác giả nghiên cứu đề xuất hai thuật tốn học máy cho mơ hình suy hao có tên Hồi quy tuyến tính K-Nearest Neighbor (KNN) Thuật tốn Hồi quy tuyến tính thường dùng để dự đốn biến phụ thuộc (Y) vào Hình 3-13 Sơ đồ thuật tốn ước lượng mơ hình suy hao truyền sóng sử dụng x Thuật tốn Hồi quy tuyến tính sau: Bước 1: Đầu tiên, tập liệu điểm thu điều kiện LOS/NLOS chia thành hai tập với tỷ lệ số lượng mẫu tập huấn luyện 80%, tập kiểm thử 20% Bước 2: Lựa chọn mơ hình Hồi quy tuyến tính Bước 3: Thiết lập siêu tham số cách tăng tốc độ học cho mơ hình Bước 4: Khi huấn luyện mơ hình thực tối ưu hàm mát thuật tốn Gradient Descent để tìm sai số dự đốn nhỏ Bước 5: Đánh giá độ xác mơ hình Bước 6: Đưa mơ hình suy hao truyền sóng với mẫu liệu LOS/NLOS tối ưu cuối x Thuật toán K-Nearest Neighbor sau: Bước 1: Đầu tiên, tập liệu LOS/NLOS chia thành hai tập với tỷ lệ mẫu liệu cho tập huấn luyện 80% tập kiểm thử 20% Bước 2: Lựa chọn mơ hình K-Nearest Neighbor 49 Bước 3: Thiết lập siêu tham số cách tăng giá trị k từ đến 19 (chỉ chọn giá trị lẻ) Bước 4: Khi huấn luyện mô hình, khoảng cách điểm điểm huấn luyện tính theo khoảng cách Euclidean k điểm liệu gần lựa chọn dựa khoảng cách vừa tính Sau tính giá trị trung bình cộng điểm liệu gần để đưa dự đoán cuối cho điểm Bước 5: Lựa chọn giá trị k cho kết tối ưu tốt Bước 6: Với giá trị k lựa chọn bước 5, mơ hình suy hao truyền sóng mẫu liệu LOS/NLOS tối ưu cuối đưa 3.3 Kết dự đốn mơ hình suy hao truyền sóng 5G vực đại học Nha Trang – Khánh Hòa sử dụng giải thuật hồi quy tuyến tình thuật tốn KNN Kịch : Thiết lập tần số máy phát 2600 MHz – 2.6Ghz, công suất máy phát 46 dBm, chiều cao anten máy phát 20 m 3.3.1 Sử dụng thuật tốn Hồi quy tuyến tính Sử dụng thuật tốn Hồi quy tuyến tính, thực mơ phần mềm Matlab, ta thu kết đạt Bảng 3-5 Bảng 3-5 Kết dự đốn mơ hình suy hao truyền sóng khu vực trường đại học Nha Trang, tần số 2600 MHz – 2.6 GHz chiều cao anten phát 20 m công suất máy phát 46 dBm sử dụng thuật tốn Hồi quy tuyến tính f (GHz) 2.6 Tx Rx Hight Hight (m) (m) 20 1,5 LOS NLOS NLOS (Close-in) (Close-in) (Floating-intercept) PLE ߪ PLE ݊ത [dB] ݊ത 2.84 8.73 4.44 ߪ [dB] ߙ [dB] 9.49 68.47 PLE ݊ത 3.32 ߪ [dB] 8.78 Bảng 3-5 cho thấy tần số phát sóng 2600 MHz – 2,6 GHz, giá trị số mũ suy hao trung bình điều kiện LOS 2.84 điều kiện NLOS 4.4 Giá trị số mũ suy hao hợp lý so sánh với mơ hình lý thuyết (số mũ suy hao không gian tự số mũ suy hao thuộc dải từ 3-5 cho khu vực mơi trường thị có hiệu ứng shadow) Độ lệch chuẩn mơ hình CI tượng shadow fading có giá trị lớn Kết biểu diễn phương trình sau, ta có phương 50 trình suy hao truyền sóng dải tần 2.6 GHz trường thị sử dụng ước lượng liệu đo thực Tại tần số 2.6 GHz, ta có phương trình suy hao kênh truyền vô tuyến cho tập mẫu đo LOS NLOS cho phương trình 3.1 phương trình 3.2 ܲܮଶǤீு௭ିሺைௌሻ ሾ݀ܤሿ ሺ݀ሻ ൌ ͶͲǤ ʹͺǤͶ ݈݃ሺ݀ሻଵ ܺఙ ሺߪ ൌ ͺǤ͵ሻ ܲܮଶǤீு௭ିሺேைௌሻ ሾ݀ܤሿ ሺ݀ሻ ൌ ͶͲǤ ͶͶǤͶ ݈݃ሺ݀ሻଵ ܺఙ ሺߪ ൌ ͻǤͶͻሻ (3.1) (3.2) ܲܮேைௌǡ௧ ሺ݀ ሻ ൌ ͺǤͶ ͵͵Ǥʹ݈݃ଵ ሺ݀ ሻ ܺఙǡேைௌ ሺ݀ܤሻሺߪ ൌ ͺǤͺሻ Hình 3-14 Ước lượng suy hao truyền sóng điều kiện LOS tần số phát sóng 2.6 GHz 51 Hình 3-15 Ước lượng suy hao truyền sóng điều kiện NLOS tần số phát sóng 2.6 GHz Như trình bày mơ hình suy hao đề xuất nhóm nghiên cứu TS Rappaport đại học NYU, áp dụng mô hình CI cho LOS NLOS mơ hình FI cho NLOS ܲܮைௌ ሺ݀ ሻ ൌ ʹͲ݈݃ଵ Ͷߨ ͳͲ݊ത݈݃ଵ ሺ݀ ሻ ܺఙǡைௌ ሺ݀ ͳ݉ሻሺ݀ܤሻ ݀ ܲܮேைௌǡூ ሺ݀ ሻ ൌ ʹͲ݈݃ଵ Ͷߨ ͳͲ݊ത݈݃ଵ ሺ݀ ሻ ܺఙǡேைௌ ሺ݀ ܤሻ ݀ ሺ݀ ͳ݉ሻ ܲܮேைௌǡ௧ ሺ݀ ሻ ൌ ߙ ߚ݈݃ଵ ሺ݀ ሻ ܺఙǡேைௌ ሺ݀ ͳ݉ሻሺ݀ܤሻ (3.3) (3.4) (3.5) Tác giả mô tả cách dùng thuật toán để ước lượng tham số cho mơ hình đề xuất Với mơ hình tham chiếu khoảng cách không gian (CI model MMSE fit): ܲܮைௌ ሺ݀ ሻ ൌ ʹͲ݈݃ଵ Ͷߨ݀ ݀ ͳͲ݊ത݈݃ଵ ൬ ൰ ܺఙ ሺ݀ܤሻ ݀ ݀ 52 (3.6) Dựa theo đề xuất xử lý liệu mơ nói đến, sử dụng phương pháp hàm tối thiểu MMSE cho mơ hình CI, ta đặt cố định cho tham số ߠ giá trị khoảng cách tham chiếu tính theo cơng thức ʹͲ݈݃ଵ ସగௗబ ఒ ݀ ൌ ͳ݉ tần số 2.6 GHz có ߠ ൌ Ǥ ૠࢊ chạy thuật toán gradient descent cho ߠଵ ͳͲ݊ത để tìm độ giá trị lệch chuẩn ߪ nhỏ Với mơ hình FI (LSE fit) : ܲܮேைௌǡ௧ ሺ݀ ሻ ൌ ߙ ߚ݈݃ଵ ሺ݀ ሻ ܺఙǡேைௌ ሺ݀ܤሻ (3.7) Trong trường hợp ߙ ߚ có giá trị nên để đơn giản ta sử dụng công thức nghiệm tốn hồi quy tuyến tính (LSE fit): ሺߙǡ ߚሻ ൌ ሺܺ ் ܺሻିଵ ܺ ் ܻ (3.8) Sau lấy liệu NRSRP - mức thu 5G vùng phủ trạm phát KHNT8B khu vực đại học Nha Trang, tác giả sử dụng thuật toán Gradient Desent để ước lượng hàm suy hao khơng gian truyền sóng So sánh với mơ hình suy hao 3GPP kết NYU Wireless 3GPP đưa nhiều cơng thức suy hao truyền sóng cho trường hợp môi trường khác nhau, để so sánh kết suy hao khu vực trường đại học Nha Trang, với cơng thức đưa 3GPP tác giả chọn công thức phù hợp với đặc tính mơ hình mơ luận án phương trình 3.9 3.10: ܲைௌ ሺ݀ ሻ ൌ ͵ʹǤͶ ʹͳ݈݃ଵ ሺ݀ଷ ሻ ʹͲ݈݃ଵ ሺ݂ ሻሺ݀ܤሻሺߪ ൌ Ͷ݀ܤሻ ܲேைௌ ሺ݀ ሻ ൌ ͵ʹǤͶ ͵ͳǤͻ݈݃ଵ ሺ݀ଷ ሻ ʹͲ݈݃ଵ ሺ݂ ሻሺ݀ܤሻሺߪ ൌ ͺǤʹ݀ܤሻ (3.9) (3.10) Áp dụng mơ hình đưa 3GPP với tần số sóng mang ݂ ൌ ʹǤ ݖܪܩta phương trình suy hao kênh truyền sóng 5G tần số 2.6 GHz cho là: Tại tần số ݂ ൌ ʹǤ ݖܪܩ: ܲைௌ ሺ݀ ሻ ൌ ͵ʹǤͶ ʹͳ݈݃ଵ ሺ݀ଷ ሻ ʹͲ݈݃ଵ ሺʹǤሻሺ݀ ܤሻሺߪ ൌ Ͷ݀ܤሻ ՜ ܲைௌ ሺ݀ ሻ ൌ Ǥ ૠ ݈݃ଵ ሺ݀ଷ ሻሺ݀ܤሻሺ࣌ ൌ ࢊሻ (3.11) ܲேைௌ ሺ݀ ሻ ൌ ͵ʹǤͶ ͵ͳǤͻ݈݃ଵ ሺ݀ଷ ሻ ʹͲ݈݃ଵ ሺʹǤሻሺ݀ܤሻሺߪ ൌ ͺǤʹ݀ܤሻ ՜ ܲேைௌ ሺ݀ ሻ ൌ Ǥ ૠ Ǥ ૢ݈݃ଵ ሺ݀ଷ ሻሺ݀ܤሻሺ࣌ ൌ ૡǤ ࢊሻ 53 (3.12) Nhận xét so sánh kết với mơ hình 3GPP nhóm nghiên cứu NYU tiến sĩ Rappaport : - Cơng thức mơ hình suy hao kênh truyền PathLoss 3GPP đưa điều kiện môi trường thị Macro Cell (Uma) có số mũ suy hao ݊തcố định ݊ത ൌ ʹǤͳ ݊ത ൌ ͵Ǥͳͻ tương ứng hai điều kiện tầm nhìn thẳng LOS điều kiện bị che chắn NLOS Trong đề xuất nghiên cứu luận án, số mũ suy hao ݊ത khu vực Đại học Nha Trang có giá trị 2.84 cho máy thu có điều kiện LOS 4.4 cho máy thu điều kiện NLOS tần số phát sóng thử nghiệm 2.6 GHz - Tham số cố định công thức 3GPP cộng thêm tham số thay đổi số tần số sóng mang ሺʹͲ݈݃ଵ ሺ݂ ሻሻ cho kết giống với suy hao khoảng cách tham chiếu ݀ ൌ ͳ݉ cơng thức tổng qt mơ hình CI, có giá trị ሺʹͲ݈݃ଵ ସగௗబ ఒ ሻ Thêm vào kết ước lượng tham số phương trình suy hao có tính tương tự cao với kết cơng bố nhóm nghiên cứu tiến sĩ Rapparot đại học New York University (NYU), điều củng cố cho kết ước lượng thuật toán Hồi quy có tính thuyết phục cao Tuy nhiên có sai số giải thích tính xác phép đo, điều kiện đo, độ nhạy máy đo, điều kiện đặt trạm phát thu, fading mơi trường phát sóng thực tế Để hình dung rõ kết Bảng 3.5, kết biểu diễn dạng đồ thị Hình 3-14, Hình 3-15 Trong Hình 3-14 dễ dàng thấy rằng, đường suy hao theo công thức CI (LOS) tần số 2.6 GHz có độ dốc thấp chút so với đường suy hao theo công thức không gian tự do, số mũ suy hao ݊ത cho mơ hình khơng gian tự ݊ത ൌ ʹ cịn mơ hình CI ݊ത ൌ ʹǤͺͶ Trong trường hợp NLOS, Hình 3-15 đường suy hao dốc nhiều so với đường suy hao không gian số mũ suy hao ݊തtrong trường hợp 4.44 tần số 2.6 GHz thử nghiệm Ngoài ra, đồ thị Hình 3-15 cịn cho thấy đường suy hao mơ hình FI (NLOS) có độ dốc tương đương mơ hình CI có qua nhiều điểm liệu đo, điều cho thấy mơ hình FI cho kết hợp lý với liệu đo 54 3.3.2 Sử dụng thuật toán KNN Với tập liệu đo kiểm sử dụng thuật toán hồi quy tuyến tính trên, kết sử dụng thuật toán K-Nearest Neighbor Bảng 3-7, cho thấy, hệ số ݇ thay đổi số mũ suy hao ݊ത điều kiện LOS NLOS phương trình suy hao truyền sóng khơng thay đổi ݊ത ൌ ʹǤͺͶ cho điều kiện LOS ݊ത ൌ ͶǤͶͶ cho điều kiện NLOS tần số thử nghiệm 2.6 GHz Kết số mũ suy hao không khác so với kết xử lý tập liệu đo thuật tốn Hồi quy tuyến tính trình bày Kết dự đốn mơ hình suy hao truyền sóng sử dụng thuật tốn KNN cho môi trường LOS, NLOS thể thể Bảng 3-7 bên dưới, tương ứng với giá trị ݇ ta có phương trình suy hao truyền sóng tương ứng Bảng 3-6 Kết dự đốn mơ hình suy hao truyền sóng khu vực đại học Nha Trang, tần số phát sóng 2.6 GHz, chiều cao anten phát 20 m công suất máy phát 46 dBm sử dụng thuật toán KNN Tx Rx Hight Hight (m) (m) 20 ݇ LOS NLOS NLOS (Close-in) (Close-in) (Floating-intercept) PLE ࣌ PLE ഥ [dB] ഥ 1,5 2.84 5.76 20 1,5 2.84 20 1,5 20 ࣌ [dB] ࢻ [dB] ࢼ ࣌ [dB] 4.44 8.78 75.5 3.08 8.78 8.07 4.44 8.41 86.5 2.8 8.4 2.84 1.67 4.44 7.0 83.5 2.9 7.0 1,5 2.84 2.24 4.44 7.4 79.7 3.2 7.4 20 1,5 2.84 3.37 4.44 7.7 78.7 3.2 7.7 11 20 1,5 2.84 3.5 4.44 6.1 90.4 2.8 6.1 13 20 1,5 2.84 3.7 4.44 6.3 75.6 3.5 6.3 15 20 1,5 2.84 2.23 4.44 6.0 81.2 3.2 6.0 17 20 1,5 2.84 4.52 4.44 10.4 110.2 2.02 10.4 19 20 1,5 2.84 3.40 4.44 7.8 79.9 3.48 7.8 Giá trị độ lệch chuẩn điều kiện LOS NLOS mơ hình CI lại biến thiên liên tục ݇ tăng từ đến 19 (Hình 3-16, Hình 3-17) Khi giá trị ݇ tăng từ đến mô hình underfit, overfit ݇ tăng từ đến 19 Giá trị độ lệch chuẩn ߪ ൌ ͳǤ݀ ܤkhi ݇ ൌ ͷ, điều có nghĩa 55 giá trị độ lệch chuẩn nhỏ tất dự đoán hay ݇ ൌ ͷ điểm tối ưu độ lệch chuẩn hàm suy hao Do đó, suy hao truyền sóng khoảng cách d, số mũ suy hao ݊ത ൌ ʹǤͺͶ biểu diễn công thức (3.13): ܲܮଶǤீு௭ିሺைௌሻ ሾ݀ܤሿ ሺ݀ሻ ൌ Ǥ ૠ ૡǤ ݈݃ሺ݀ሻଵ ܺఙ ሺ࣌ ൌ Ǥ ૠ ሻ (3.13) Sigma(dB) 1 11 13 15 17 19 Giá trị k Hình 3-16 Giá trị độ lệch chuẩn phương trình suy hao LOS tần số 2.6 GHz, anten phát 46 dBm, chiều cao 20 m giá trị k thay đổi Tương tự trường hợp liệu LOS trên, Hình 3-7 cho thấy giá trị ݇ ൌ ͳͷ độ lệch chuẩn đạt giá trị nhỏ ߪ ൌ ǤͲ , cơng thức suy hao truyền sóng điều kiện NLOS xác định phương trình 3.14: ܲܮଶǤீு௭ିሺேைௌሻ ሾ݀ܤሿ ሺ݀ሻ ൌ Ǥ ૠ Ǥ ݈݃ሺ݀ሻଵ ܺఙ ሺ࣌ ൌ Ǥ ሻ 56 (3.14) 12 Sigma(dB) 10 11 13 15 17 19 Giá trị k Hình 3-17 Giá trị độ lệch chuẩn phương trình suy hao NLOS tần số 2.6 GHz, anten phát 46 dBm, chiều cao 20 m giá trị k thay đổi Kết tối ưu thuật toán K-Nearest Neighbor cho kết số mũ suy hao ݊തgiống với số mũ suy hao ݊തkhi tập liệu xử lý tối ưu thuật tốn Hồi quy tuyến tính, độ lệch chuẩn tối ưu thuật toán K-Nearest Neighbor thấp giá trị phụ thuộc vào giá trị ݇ Điều cho thấy thuật toán K-Nearest Neighbor cho kết tối ưu cuối mơ hình CI tốt thuật tốn Hồi quy tuyến tính với tập liệu đầu vào Tuy nhiên, kết mơ hình FI (NLOS) khác biệt nhiều thuật toán K-Nearest Neighbor thực lựa chọn ݇ điểm liệu liền kề gần để tính giá trị điểm làm cho tham số mơ hình FI (NLOS) thay đổi liên tục tạo khác biệt lớn khơng xác 3.4 Kết luận chương Trong chương xây dựng mơ hình suy hao truyền sóng 5G dải tần band n41 dựa vào liệu thu từ đo kiểm khu vực triển khai thử nghiệm phát sóng 5G, sử dụng kỹ thuật xử lý liệu học máy kết hai thuật toán đưa kết số mũ suy hao sau tối ưu có tính tương tự cao với kết nhóm nghiên cứu NYU Wireless dự án đo họ Tuy nhiên độ lệch chuẩn kết tối ưu lớn hạn chế công cụ đo, độ nhạy máy thu, việc di chuyển trình đo ngẫu nhiên gây hiệu ứng shadow không mong muốn Trong nghiên cứu này, tác giả ứng dụng hai thuật toán Học máy Hồi quy tuyến tính K-Nearest Neighbor để xây dựng mơ hình suy hao truyền sóng 57 5G tần số band n41 Thuật toán Hồi quy tuyến tính dựa việc giảm khoảng cách (sai số) điểm liệu đường thẳng tuyến tính cần tìm cách tối ưu hàm mát thuật tốn Gradient Descent, đó, thuật tốn K-Nearest Neighbor lại lựa chọn tham số ݇ điểm liệu gần để huấn luyện tập liệu tìm giá trị k tối ưu cho mơ hình Để có kết khách quan mơ hình suy hao truyền sóng áp dụng hai thuật tốn này, tác giả mô sử dụng kết đo kiểm thực tế khu vực triển khai thử nghiệm phát sóng 5G dải tần cấp phép 2.6 GHz Nhận thấy, tần số máy phát địa hình khu vực mơ ảnh hưởng đến số mũ suy hao mơ hình CI Nhưng số mũ suy hao hợp lý so sánh với phép tính 3GPP NYU Wireless Thuật tốn K-Nearest Neighbor cho kết tốt với độ lệch chuẩn mơ hình CI thuật tốn Hồi quy tuyến tính Tuy nhiên, mơ hình FI (NLOS) khu vực phát sóng khơng bị ảnh hưởng điều kiện xấu thuật tốn Hồi quy tuyến tính cho kết tối ưu xác Do đó, việc kết hợp hai thuật toán vào việc xây dựng mơ hình suy hao truyền sóng 5G giúp cải thiện kết tối ưu mơ hình suy hao truyền sóng 58 KẾT LUẬN Đề tài “Nghiên cứu ước lượng tham số tín hiệu truy cập thơng tin vơ tuyến” giới thiệu tổng quan hệ thống thông tin di động 5G ứng dụng 5G phát triển mặt xã hội Cùng với luận văn giới thiệu mơ hình suy hao đường truyền sóng vơ tuyến tổ chức viễn thơng nhóm nghiên cứu giới công bố áp dụng tiêu chuẩn viễn thơng nay, kể đến mơ hình suy hao khơng gian tự do, mơ hình Stanford University Interim, mơ hình NYU Wireless mơ hình 3GPP Các mơ hình suy hao truyền sóng xét đến khu vực đặc trưng, mơ hình suy hao đường truyền khác Ngồi ra, nhóm đề tài ứng dụng hai thuật toán Học máy Hồi quy tuyến tính K-Nearest Neighbor để ước lượng xây dựng mơ hình suy hao truyền sóng tập liệu đo kiểm thực tế Thuật tốn Hồi quy tuyến tính dựa việc giảm khoảng cách (sai số) điểm liệu đường thẳng tuyến tính cần tìm cách tối ưu hàm mát thuật tốn Gradient Descent thuật tốn K-Nearest Neighbor lại lựa chọn k điểm liệu gần để huấn luyện tập liệu tìm giá trị k tối ưu cho mơ hình Để có kết khách quan mơ hình suy hao truyền sóng áp dụng hai thuật tốn hồi quy tuyến tính K-Nearest Neighbor, tác giả sử dụng liệu đo kiểm thực tế vùng phủ 5G khu vực phát sóng đại học Nha Trang tần số thử nghiệm phát sóng 2.6 GHz Sau phân tích liệu Matlab, nhận thấy, số mũ suy hao phương trình suy hao truyền sóng sau tác giả sử dụng ước lượng thuật toán học máy hợp lý so sánh với phương trình công bố 3GPP kết NYU Wireless cho khu vực tương tự Thuật toán K-Nearest Neighbor cho kết tốt với độ lệch chuẩn mô hình CI thuật tốn Hồi quy tuyến tính Tuy nhiên, mơ hình FI(NLOS) khu vực có phạm vi đủ tốt thuật tốn Hồi quy tuyến tính cho kết tối ưu xác Do đó, việc kết hợp hai thuật toán vào việc xây dựng mơ hình suy hao truyền giúp cải thiện nâng cao kết tối ưu mơ hình kênh vơ tuyến Việc xác định mơ hình suy hao kênh truyền cho khu vực riêng biết có ý nghĩa to lớn nhà 59 mạng việc tối ưu hóa vùng phủ sóng, đặc biệt vùng phủ sóng 5G, phát sóng thử nghiệm số khu vực đặc biệt nước Từ kết thu đề tài, tương lai gần nghiên cứu thêm nhiều kỹ thuật xử lý liệu dựa vào học máy (Machine Learning) Học sâu (Deep Learning) cho toán suy hao mơ hình truyền sóng Ngồi ra, hướng phát triển nghiên cứu sâu thêm mơ hình suy hao truyền sóng nhiều dạng địa hình khu vực truyền sóng khác khu vực đồi núi, nơng thơn để với địa hình khu vực nhà phát triển có phương án quy hoạch tối ưu vùng phủ mạng viễn thông khác đáp ứng nhu cầu sử dụng dịch vụ khách hàng 60 TÀI LIỆU THAM KHẢO [1] Cục tần số vô tuyến điện, “Công nghệ thông tin động 5G: Tầm nhìn dần thực hóa,” Bộ thơng tin truyền thông, Hà Nôi, Việt Nam, 2017 [2] Cục tần số vô tuyến điện, “5G đạt mốc tỷ thuê bao toàn cầu vào cuối năm 2028”, Bộ thông tin truyền thông, Hà Nôi, Việt Nam, 2023 [3] Cục tần số vơ tuyến điện,“Tổng quan tình hình triển khai mạng 5G, thiết bị phân bổ phổ tần cho 5G năm 2020 toàn cầu”, Bộ thông tin truyền thông, Hà Nôi, Việt Nam, 2021 [4] Cục tần số vô tuyến điện, “5G - Công cụ thúc đẩy chuyển đổi số nhiều ngành”, Bộ thông tin truyền thông, Hà Nôi, Việt Nam, 2021 [5] Ian Goodfellow, Yoshua Bengio, and Aaron Courville Deep Learning MIT Press, 2016 http://www.deeplearningbook.org [6] Vũ Hữu Tiệp, “Machine Learning bản”,2022 [7] David W Aha, Dennis Kibler, and Marc K Albert “Instance-based learning algorithms Machine learning”, 6(1):37–66, 1991 [8] John Duchi, Elad Hazan, and Yoram Singer “Adaptive subgradient methods for online learning and stochastic optimization” Journal of Machine Learning Research, 12(Jul):2121–2159, 2011 [9] Trevor Hastie, Robert Tibshirani, Jerome Friedman, “The Elements of Statistical Learning, Data Mining, Inference and Prediction”, Springer, 2009, pp 14 [10] Cheikh A L DIAKHATE, “Propagation Channel Modeling at Centimeter–and– Millimeter–Wave Frequencies in 5G Urban Micro–cell Context”, Paris, France, 28 March 2019, pp 56 [11] Isabona, J.; Srivastava, V.M., “Hybrid neural network approach for predicting signal propagation loss in urban microcells,” Proceedings of the 2016 IEEE Region 10 Humanitarian Technology Conference (R10-HTC), Agra, India, 21–23 December 2016, pp 1-5 [12] Östlin, E.; Zepernick, H.J.; Suzuki, H., “Macrocell path-loss prediction using artificial neural networks,” IEEE Trans Veh Technol 2010, 59, 2735–2747 61 [13] “5G; Study on channel model for frequencies from 0.5 to 100 GHz” 07-2018 3GPP TR 38.901 version 14.0.0 Release 15, pp 24-27 [14] Mathew, Samimi K; George, MacCarney R; Jr, Shu Sun; Theodore, s Rappaport;, "28 GHz Millimeter-Wave Ultrawideband Small-Scale Fading Models in Wireless Channels," in IEEE Vehicular Technology Conference (VTC2016-Spring), 2016 [15] Akdeniz et al, "Millimeter wave channel modeling and cellular capacity evaluation," IEEE J Sel Areas Commun, vol 32, no 6, p 1164–1179, Jun 2014 [16] 3GPP, "5G; Study on channel model for frequencies from 0.5 to 100 GHz," 3GPP, 08-2017 [17] 3GPP, "5G 3GPP-like Channel Models for Outdoor Urban Microcellular and Macrocellular Environment," 2015 [18] Theodore, Rappaport; Jr, MacCartney;, "73 GHz millimeter wave propagation measurements for outdoor urban mobile and backhaul communications in New York City," IEEE ICC, p 4862–4867, Jun 2014 [19] George, MacCartney; Mathew, SamimI; Rappaport,Theodore;, "Omnidirectional Path Loss Models in New York City at 28 GHz and 73 GHz," IEEE 25th International Symposium on Personal Indoor and Mobile Radio Communications (PIMRC), 2014 [20] Azar, Wong; Shu, Wang; Rappaport, Theodore, "28 GHz Propagation Measurements for Outdoor Cellular Communications Using Steerable Beam Antennas in New York City," in 2013 IEEE International Conference on Communications (ICC), 2013 [21] Theodore Rappaport; Shu Sun, "Millimeter Wave Wireless Communications for 5G Cellular It will work," Samsung DMC R&D Communications Research Team and Samsung Telecommunications America, New York, 2013 [22] Sulyman;Nassar; Samimi; MacCartney; Rappaport;, "Radio propagation path loss models for 5G cellular networks in the 28 GHz and 38 GHz millimeter-wave bands," Communications Magazine, IEEE, vol 52, no 9, pp 78-86, 2014 [23] MacCartney;Zhang; Nie;Rappaport;, "Path loss models for 5G millimeter wave propagation channels in urban microcells," in IEEE Global Communications Conference (GLOBECOM), Dec 2013 62 [24] T S Rappaport et al (2013) “Millimeter Wave Mobile Communications for 5G Cellular: It Will Work” IEEE Access 1: 335-349 [25] T S Rappaport, R W Heath, Jr., R C Daniels, and J N Murdock, “Millimeter Wave Wireless Communications,” Pearson/Prentice Hall, 2015 [26] Polegre, A A., Perez Leal, R., Garcia Garcia, J A., & Garcia Armada, A (2019) “Drive Tests-based Evaluation of Macroscopic Pathloss Models for Mobile Networks” 2019 European Conference on Networks and Communications (EuCNC) 63
Ngày đăng: 03/06/2023, 08:27
Xem thêm: