Luận văn thạc sĩ Kỹ thuật viễn thông: Đánh giá hiệu năng của mạng vô tuyến nhận thức noma sử dụng học sâu

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINHTRƯỜNG ĐẠI HỌC BÁCH KHOA

LỜI CẢM ƠN

Đầu tiên, tôi xin được gửi lời cảm ơn chân thành đến thầy hướng dẫn luận văn của mình PGS.TS Hồ Văn

Khương Trong quá trình thực hiện luận văn, thầy là người đã nhiệt tình hỗ trợ, chỉ dẫn giúp tôi củng cố kiến

thức đồng thời chỉ ra những vấn đề cốt lõi giúp tôi có định hướng đúng đắn để hoàn thành luận văn.

Tiếp đến, tôi xin được gửi lời cảm ơn đến các thầy cô đã và đang dạy tại trường Đại Học Bách Khoa

Tp.HCM và đặc biệt là các thầy cô ở Bộ Môn Viễn Thông đã giúp tôi xây dựng được kiến thức nền tảng, là

cơ sở để tôi thực hiện được luận văn này.

Cuối cùng tôi xin gửi lời cảm ơn đến gia đình, bạn bè, đồng nghiệp đã hết sức giúp đỡ, quan tâm, động

viên để tôi có điều kiện thuận lợi để thực hiện luận văn này.

Xin chân thành cảm ơn!

Hồ Chí Minh, ngày 18 tháng 08 năm 2021Học viên thực hiện

Nguyễn Hữu Sự

TÓM TẮT

Trong những năm gần đây, sự phát triển mạnh mẽ của truyền thông di động thế hệ mới 5G và sự phổ biếnrộng rãi của các thiết bị thông minh phục vụ cho các hệ thống Internet-of-Thing (IoT) đã cho phép triển khainhiều ứng dụng rộng rãi chẳng hạn như: Nhà thông minh, thiết bị di động đa luồng, các thiết bị thông minh cókhả năng tự kết nối thành một mạng lưới, điều khiển tự động và truyền dữ liệu với tốc độ cực cao, độ trễ thấp.Tuy nhiên, để có thể đáp ứng được những yêu cầu đặt ra này, một trong những vấn đề cấp thiết nhất hiện naycủa các hệ thống viễn thông vô tuyến đó là vấn đề về sự cạn kiệt phổ tần số Để khắc phục vấn đề này và cảithiện hiệu suất phổ tần sử dụng, một vài phương pháp đã được đề xuất như: tái sử dụng tần số, ứng dụng mạngđa truy cập trực giao sóng mang, mạng vô tuyến nhận thức, và gần đây nhất là công nghệ đa truy cập không trựcgiao (NOMA) Đây cũng là một hướng nghiên cứu được quan tâm bởi nhiều nhà khoa học và tổ chức khoa họctrong thời gian gần đây Mặt khác với sự phát triển đa chiều từ các thiết bị di động đến các thiết bị phục vụ chocác ứng dụng IoT (camera, cảm biến thu thập dữ liệu, hệ thống điều khiển tự động, ), dẫn đến nhu cầu triểnkhai các hệ thống song song cùng tồn tại là một bài toán vô cùng nan giải, chính vì đó việc ứng dụng mạng vôtuyến nhận thức trong giải quyết và nâng hiệu quả sử dụng phổ tần số là một giải pháp hoàn toàn phù hợp trongcác ứng dụng triển khai thực tế Ưu điểm chính của hệ thống vô tuyến nhận thức đó là cho phép mạng thứ cấpsẽ cùng hoạt động song song và tồn tại cùng với mạng sơ cấp (hệ thống sử dụng phổ tần được cấp phép) trêncùng một phổ tần số, trong đó mạng thứ cấp sẽ điều chỉnh mức phát công suất phát dưới một ngưỡng cố địnhđể đảm bảo không can nhiễu đến mạng sơ cấp Đó là những lý do của việc chọn đề tài luận văn này.

Luận văn tập trung nghiên cứu một mô hình mạng vô tuyến nhận thức kết hợp với NOMA phục vụ 2 ngườidùng Trong mô hình đề xuất, học viên sẽ phân tích hiệu năng của mô hình này với mô hình truyền hợp tácthông thường sử dụng kỹ thuật phân chia theo thời gian Bên cạnh đó, để cụ thể hóa hơn về tính chất và xuhướng hoạt động, biểu thức tính xác suất dừng của hệ thống được tính toán dưới dạng biểu thức chính xác.Ngoài ra, để có tính ứng dụng hơn cho các hệ thống thực tế, học viên đã đề xuất một giải pháp ứng dụng mạnghọc sâu DNN trong việc dự đoán xác suất dừng Ứng dụng này sẽ là cơ sở để các hệ thống có thể ước lượng vàtham chiếu trong quá trình thiết lập các thông số truyền tin Cuối cùng, luận văn thực hiện các mô phỏng vớicác số liệu cụ thể để kiểm chứng và đánh giá hiệu năng của mô hình hệ thống đã xây dựng.

iii

In recent years, the strong development of 5G new-generation mobile communications and the widespreadpopularity of smart devices for Internet-of-Thing (IoT) systems have allowed the Deploy a wide range of ap-plications such as: Smart home, multi-threaded mobile devices, smart devices capable of self-connecting intoa network, automatic control and data transmission with ultra-high-speed, low latency However, in order tomeet these requirements, one of the most urgent problems of radio telecommunications systems today is theproblem of frequency spectrum depletion To overcome this problem and improve spectrum efficiency, severalmethods have been proposed such as frequency reuse, carrier orthogonal multiple access network application,cognitive radio network, and the most recent is non-orthogonal multiple access (NOMA) technology This isalso a research direction that has been interested in many scientists and scientific organizations in recent times.On the other hand, with the multi-dimensional development of mobile devices and devices for IoT applications(cameras, data collection sensors, automatic control systems, ), leading to the need to deploy parallel sys-tems that coexist is an extremely difficult problem, so the application of cognitive radio networks in solvingand improving the efficiency of frequency spectrum usage is a solution that is perfectly suitable in real de-ployed applications The main advantage of the cognitive radio system is that it allows the secondary networkto operate in parallel and co-exist with the primary network (the system using the licensed spectrum) on thesame frequency spectrum, in which the secondary network will adjust the transmit power level below a fixedthreshold to ensure no interference to the primary network Those are the reasons for choosing this thesis topic.This thesis focuses on researching a model of cognitive radio network system combining with NOMAserving 2 users In the proposed model, student will analyze the performance of this model with conventionalcooperative transmission model using time division technique Besides, in order to be more specific about theproperties and operating trends, the expression for calculating the outage probability of the system is calculatedas an exact expression In addition, for more applicability to real systems, student also proposed a solution toapply deep learning network DNN in predicting the outage probability, this application will be the basis for thesystem to estimate and refer to in the process of setting transmission parameters Finally, the thesis performssimulations with specific data to verify and evaluate the performance of the built system model.

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, do PGS.TS Hồ Văn Khương hướng dẫn.

Các lý thuyết, thông số được trình bày trong luận văn được trích dẫn từ các tài liệu khoa học được công bố bởicác tổ chức uy tín Các kết quả mô phỏng được trình bày trong luận văn là kết quả trung thực và do tôi thựchiện.

Hồ Chí Minh, ngày 18 tháng 8 năm 2021

Nguyễn Hữu Sự

v

Mục lục

1.1 Lý do chọn đề tài 1

1.2 Mục tiêu nghiên cứu 2

1.3 Các nghiên cứu liên quan 2

1.4 Đối tượng và pham vi nghiên cứu 3

1.5 Phương pháp nghiên cứu 3

2.1.3 Khử can nhiễu tuần tự (SIC) 7

2.1.4 Lợi ích của kỹ thuật NOMA 9

2.2 Vô tuyến nhận thức (CR) 9

2.2.1 Khái niệm 9

2.2.2 Kiến trúc vật lý của vô tuyến nhận thức 9

2.2.3 Chức năng vô tuyến nhận thức 11

2.2.4 Mô hình mạng vô tuyến nhận thức 12

2.2.5 Cấu trúc mạng vô tuyến nhận thức 13

2.3 Các kỹ thuật chuyển tiếp 14

2.4.3 Phân loại mạng neuron nhân tạo 17

CHƯƠNG 3 PHÂN TÍCH VÀ ĐÁNH GIÁ HIỆU NĂNG CỦA MẠNG VÔ TUYẾN NHẬN THỨCNOMA 2 NGƯỜI DÙNG183.1 Mô hình hệ thống 18

MỤC LỤC

3.1.1 Mô tả hoạt động của mô hình đề xuất 18

3.1.2 Khe truyền thứ nhất 19

3.1.3 Khe truyền thứ hai 20

3.2 Phân tích hiệu năng của hệ thống 20

3.2.1 Xác suất dừng theo sự kiện 1: Tại nút chuyển tiếp 21

3.2.2 Xác suất dừng theo sự kiện 2: Tại người dùng thứ cấp 23

4.3 Dự đoán bằng phương pháp học sâu 33

4.3.1 Mô hình dự đoán xác suất dừng bằng DNN 33

4.3.2 Mô hình học tập 34

4.3.3 Kết quả dự đoán xác suất dừng bằng phương pháp DNN 35

CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN375.1 Kết luận 37

5.2 Hướng phát triển đề tài 37

TÀI LIỆU THAM KHẢO 41

DANH MỤC CÁC TỪ VIẾT TẮT

AF Amplify-and-Forward Khuếch đại và chuyển tiếp

BER Bit Error Rate Tỷ lệ lỗi bitBLER Block Error Rate Tỷ lệ lỗi khối

CR Cognitive Radio Vô tuyến nhận thứcD2D Device-to-Device Thiết bị đến Thiết bị

DF Decode-and-Forward Giải mã và chuyển tiếp

DNN Deep Neural Network Mạng nơron sâu

FDMA Frequency Division Multiple Access Đa truy nhập phân chia theo tần số

IoT Internet of Things Internet vạn vậtMIMO Multiple-Input Multiple-Output Đa đầu vào đa đầu ra

MISO Multiple-Input Single-Output Đa đầu vào đơn đầu raNOMA Non-Orthogonal Multiple Access Đa truy cập không trực giao

OFDM Orthogonal Frequency Division Multiplexing Đa truy nhập theo tần số trực giaoOMA Orthogonal Multiple Access Đa truy cập trực giao

OP Outage Probability Xác suất dừngRF Radio Frequency Tần số vô tuyến

SC Superposition Coding Mã hóa xếp chồngSIC Successive Interference Cancellation Khử can nhiễu tuần tự

TDMA Time Division Multiple Access Đa truy nhập phân chia theo thời gianSNR Signal to Noise Ratio Tỷ số tín hiệu trên nhiễu

SINR Signal to Interference Plus Noise Ratio Tỷ số tín hiệu trên can nhiễu cộng nhiễu

DANH SÁCH HÌNH VẼ

Danh sách hình vẽ

2.1 Mô hình NOMA đường xuống 6

2.2 Mô hình NOMA đường xuống nhiều người dùng 8

2.3 Mô hình NOMA đường xuống 2 người dùng 8

2.4 Sơ đồ khối phần vô tuyến của hệ thống vô tuyến nhận thức 10

2.5 Chu kỳ cảm nhận phổ tần 12

2.6 Chia sẻ phổ tần trong mô hình dạng nền 12

2.7 Chia sẽ phổ tần trong mô hình dạng chồng chập 13

2.8 Cấu trúc mạng vô tuyến nhận thức 14

2.9 Mô hình chuyển tiếp đơn giản 15

2.10 Mô hình chuyển tiếp hợp tác 15

2.11 Mô hình cấu trúc của mạng học sâu DNN 16

2.12 Hai mô hình mạng neuron nhân tạo một lớp: a Mạng truyền thẳng 1 lớp; b Mạng hồi quy 1 lớp 172.13 Mạng hồi quy nhiều lớp 17

3.1 Mô hình đề xuất của mạng vô tuyến nhận thức NOMA 2 người dùng 18

4.1 Xác suất dừng của các người dùng hệ thống NOMA so với OMA với ρS = 10 : 5 : 60 dB 30

4.2 Xác suất dừng của các người dùng D1và D2khi L tăng với ρS = 10 : 5 : 60 dB 31

4.3 Hiệu suất suy hao của các người dùng D1và D2với sai số ước lượng kênh truyền nhiễu β tạiρS = 50 dB 31

4.4 Xác suất dừng các người dùng D1và D2khi hệ số phân bổ công suất α1thay đổi 32

4.5 Xác suất dừng các người dùng D1và D2khi tốc độ hai người tương ứng thay đổi R1và R2 33

4.6 Mô hình DNN 33

4.7 Huấn luyện xác suất dừng với DNN 35

4.8 Dự đoán xác suất dừng các người dùng D1và D2với phương pháp DNN 36

Danh sách bảng

4.1 Thông số đầu vào dữ liệu cho quá trình huấn luyện và thử nghiệm DNN 34

Để khắc phục vấn đề này và cải thiện hiệu suất phổ tần sử dụng, một vài phương pháp đã được đề xuất như:tái sử dụng tần số, ứng dụng mạng đa truy cập trực giao sóng mang, hệ thống mạng vô tuyến nhận thức, và gầnđây nhất là công nghệ đa truy cập không trực giao (NOMA) So sánh với các kỹ thuật trước đây (phân chia tầnsố, phân chia thời gian, sử dụng mã truy cập, sử dụng sóng mang trực giao), các hệ thống NOMA đạt được mộtsố ưu điểm đáng chú ý như: cho phép người dùng trong hệ thống sử dụng cùng một nguồn tài nguyên (băngthông, khe thời gian, mã truy cập )[2] Ý tưởng chính trong triển khai các hệ thống NOMA đó chính là việcphân chia công suất nguồn thành nhiều mức công suất phát khác nhau tương ứng chất lượng kênh truyền củangười dùng trong hệ thống, ví dụ: người dùng ở gần nguồn phát tín hiệu sẽ có chất lượng kênh truyền tốt nhấtsẽ được phát ít công suất hơn người dùng ở xa nguồn phát tín hiệu, một ứng dụng khác đó chính là người dùngcó yêu cầu chất lượng dịch vụ cao hơn sẽ được ưu tiên phân bổ công suất nhiều hơn so với những người dùng ítcần hơn (người dùng cần download phim/livestream/download dữ liệu tốc độ cao sẽ được ưu tiên hơn các ngườidùng như đọc báo, xem tin tức, lướt web, ) Về đặc điểm kỹ thuật [3], người dùng được phát công suất cao hơnsẽ giải mã trực tiếp tín hiệu nhận của chính nó và xem các tín hiệu còn lại như nhiễu nền, trong khi đó ngườidùng có mức công suất thấp hơn sẽ thực hiện giải mã và khử can nhiễu liên tiếp (SIC) Tuy nhiên, đó chỉ làtrong điều kiện lý tưởng khi người dùng có công suất cao hơn được trang bị phần cứng mạch đáp ứng SIC hoànhảo, trong triển khai thực tế, thường các mạch này sẽ không được thiết kế hoàn hảo và dẫn đến một lượng nhỏtín hiệu sau SIC sẽ còn lại gây ra hiện tượng can nhiễu nội, đây cũng là một vấn đề nan giải và đang được xemxét trong các nghiên cứu gần đây.

Với sự phát triển đa chiều từ các thiết bị di động đến các thiết bị phục vụ cho các ứng dụng IoT (camera,cảm biến thu thập dữ liệu, hệ thống điều khiển tự động, ), dẫn đến nhu cầu triển khai các hệ thống song songcùng tồn tại là một bài toán vô cùng nan giải, chính vì đó việc ứng dụng mạng vô tuyến nhận thức trong giảiquyết và nâng hiệu quả sử dụng phổ tần số là một giải pháp hoàn toàn phù hợp trong các ứng dụng triển khaithực tế Ưu điểm chính của hệ thống vô tuyến nhận thức đó là cho phép mạng thứ cấp sẽ cùng hoạt động song

1

CHƯƠNG 1 GIỚI THIỆU TỔNG QUAN

song và tồn tại cùng với mạng sơ cấp (hệ thống sử dụng phổ tần được cấp phép) trên cùng một phổ tần số, trongđó mạng thứ cấp sẽ điều chỉnh mức phát công suất phát dưới một ngưỡng cố định để đảm bảo không can nhiễuđến mạng sơ cấp.

Hiện nay, việc nghiên cứu và ứng dụng các hệ thống kết hợp và không kết hợp NOMA trong vô tuyến nhậnthức đang được thực hiện và nghiên cứu với nhiều khía cạnh và mục tiêu khác nhau, ví dụ như: các hệ thốngđược trang bị nhiều ăng ten ở cả máy phát và máy thu (MISO/SIMO/SISO/MIMO/Masive MIMO), hệ thốngchuyển tiếp hai chặng, hệ thống chuyển tiếp đa chặng, hệ thống tích hợp thu thập năng lượng, hệ thống máybay không người lái trong truyền thông cộng tác (UAV), bảo mật lớp vật lý, v.v Tùy thuộc vào nhu cầu và đặcđiểm cụ thể mà các hệ thống sẽ có những thông số và các tiêu chí đánh giá khác nhau Một trong những tiêuchí cơ bản trong việc đánh giá một hệ thống đó là: Xác suất dừng (OP), thông lượng (Throughput), dung lượng(Ergodic capacity), xác suất lỗi ký tự/ghép cặp (SEP/PEP), tỷ lệ lỗi bít (BER) và tỷ lệ lỗi khối (BLER).

Sau khi tìm hiểu những vấn đề trên, học viên nhận thấy rằng mô hình đa truy cập không trực giao NOMAtại nút chuyển tiếp trong hệ thống vô tuyến nhận thức vẫn chưa được nghiên cứu đầy đủ Vì vậy, trong luận vănnày, học viên tập trung nghiên cứu mô hình nhiễu đồng kênh trong đa truy cập không trực giao NOMA với nútchuyển tiếp trong mạng vô tuyến nhận thức.

Mục tiêu nghiên cứu của đề tài luận văn bao gồm các điểm cơ bản sau:

• Xây dựng mô hình hệ thống đa truy cập không trực giao NOMA tại nút chuyển tiếp trong hệ thống vôtuyến nhận thức 2 người dùng.

• Áp dụng mô hình mạng học sâu DNN trong việc dự đoán xác suất dừng nhằm nâng cao hiệu năng củahệ thống.

• Xây dựng chương trình mô phỏng để đánh giá hiệu năng của hệ thống vô tuyến nhận thức NOMA 2 ngườidùng.

Gần đây có nhiều bài báo công bố về công nghệ NOMA như mô hình ứng dụng D2D tại nút chuyển tiếptrong hệ thống MOMA để tăng cường khả năng chuyến tiếp tín hiệu đến người dùng vùng biên cell trong vùngcó điều kiện kênh truyền kém [4], hay tại nút chuyển tiếp ứng dụng D2D để tăng cường dung lượng của hệthống trong pha chuyển tiếp thứ hai [5] Tăng cường tổng tốc độ truyền và mở rộng vùng phủ sóng với [6] vàmột nghiên cứu khác trong đề xuất thuật toán tìm kiếm tối ưu trong việc cải thiện hiệu suất năng lượng cho cácngười dùng D2D [7].

Hệ thống vô tuyến nhận thức NOMA với nút chuyển tiếp và nút đích có nhiều anten [8] Mô hình can nhiễuđồng kênh và sự ảnh hưởng của nhiễu nhiệt lên hiệu suất hệ thống trong [9] với nút chuyển tiếp thực hiện giảimã sau đó mã hóa chuyến tiếp tín hiệu đến người dùng, hay với nút chuyển tiếp khuếch đại [10] Xác suất lỗi

CHƯƠNG 1 GIỚI THIỆU TỔNG QUAN

bit với nút chuyển tiếp khuếch đại tối ưu [11] và xác suất dừng với khử can nhiễu SIC không hoàn hảo trong[12], hay lý thuyết về phân chia phổ tài nguyên tối ưu trong [13].

Bên cạnh đó việc nghiên cứu ứng dụng mạng học sâu vào các mô hình truyền thông cũng đang là xu thếnghiên cứu mới hiện nay điển hình là một số nghiên cứu: đánh giá hiệu suất bằng mạng học sâu mô hình truyềnthông gói ngắn trong mạng IoT nhận thức được hỗ trợ không dây [14], ứng dụng mạng học sâu DNN cho việcquản lý tài nguyên trong mạng đa truy cập không trực giao NOMA [15], hay phân tích hiệu suất và đánh giábằng DNN trong việc tăng cường độ bảo mật vật lý của các hệ thống NOMA bằng cách sử dụng gây nhiễu vàlựa chọn người dùng [16].

Trong khuôn khổ thực hiện luận văn, mô hình hệ thống được xây dựng dựa trên kỹ thuật đa truy cập khôngtrực giao NOMA kết hợp nút chuyển tiếp sử dụng kỹ thuật giải mã và chuyển tiếp (DF) trong hệ thống vô tuyếnnhận thức phục vụ 2 người dùng Đồng thời nghiên cứu áp dụng mô hình mạng học sâu DNN nhằm đánh giáhiệu năng của hệ thống.

Các kết quả thu được từ quá trình tính toán và mô phỏng ngoài việc phục vụ cho việc nghiên cứu và đánhgiá sâu hơn về các kỹ thuật như NOMA, mạng vô tuyến nhận thức, mạng DNN, nó còn mang giá trị tham khảođể có thể xây dựng hệ thống trong thực tế Tuy nhiên, để áp dụng vào thực tế còn phụ thuộc vào nhiều yêu cầuvề nền tảng kỹ thuật, công nghệ, điều kiện thời gian, đáp ứng công nghiệp, và điều kiện kinh tế - xã hội.

Phương pháp nghiên cứu được lựa chọn trong luận văn là áp dụng lý thuyết đã được nghiên cứu, kiểm chứngtrong các tài liệu khoa học được công bố bởi các tổ chức uy tín để xây dựng mô hình, công thức tính toán Kếtquả sẽ được mô phỏng bằng phần mềm MATLAB trên máy tính và trên tensoflow phiên bản 2.1.0 với Python3.7.9 kết hơp Keras 2.3.1 cùng với công cụ hỗ trợ tối ưu hóa độ chính xác Adam optimize, để đánh giá tính khảthi của mô hình đã xây dựng và đưa ra các hướng phát triển trong tương lai.

Nội dung của luận văn bao gồm 5 chương Chương thứ 1 của luận văn sẽ giới thiệu tổng quan về luận vănbao gồm: lý do chọn đề tài, mục tiêu nghiên cứu, các nghiên cứu liên quan, mục tiêu nghiên cứu, phương phápnghiên cứu và bố cục luận văn Một vài cơ sở lý thuyết về đa truy cập không trực giao NOMA, kỹ thuật khử cannhiễu tuần tự SIC, mạng vô tuyến nhận thức và mạng học sâu DNN sẽ được trình bày ở Chương 2 Chương thứ3 trình bày về mô hình hệ thống đề xuất của mạng vô tuyến nhận thức NOMA 2 người dùng sau đó tính toáncông thức xác suất dừng tại nút chuyển tiếp và tại 2 người dùng xa Chương thứ 4 sẽ trình bày các kết quả môphỏng bằng phần mềm MATLAB và kết quả dự đoán bằng phương pháp học sâu được thực hiện trên tensoflowphiên bản 2.1.0 với Python 3.7.9 kết hợp Keras 2.3.1 cùng với công cụ hỗ trợ tối ưu hóa độ chính xác Adam

CHƯƠNG 1 GIỚI THIỆU TỔNG QUAN

optimize Các kết quả mô phỏng sẽ được phân tích, nhận xét Từ đó, đánh giá về hiệu năng của mô hình hệthống đã xây dựng Chương 5 sẽ tóm tắt lại kết quả nghiên cứu, đồng thời đề ra hướng phát triển trong tươnglai của luận văn.

5

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

Hình 2.1: Mô hình NOMA đường xuống

Tín hiệu nhận được tại hai người dùng như sau:

trong đó i = {1,2}, hilà hệ số kênh truyền giữa S và Di, nilà nhiễu cộng hay nhiễu Gauss của hệ thống.Mật độ phổ công suất nhiễu của ni là N0,i Trong kỹ thuật NOMA đường xuống, tín hiệu được phát đi tại Struyền tới hai người dùng đều là x Do đó sự phân tách tín hiệu tại phía các người dùng (Di), với i={1,2} cầnđược thực hiện để mỗi người dùng Dicó thể nhận biết được tín hiệu của chính nó Để thực hiện được điều nàythì tại mỗi Dicần phải sử dụng kỹ thuật khử can nhiễu tuần tự (SIC) Trong kỹ thuật này, dựa vào thông tin hệsố kênh truyền trước đó mà S sẽ phân bổ các mức công suất khác nhau, nếu ở gần sẽ phân bổ mức công suấtít hơn và ở xa thì ngược lại Tiếp theo, người dùng sẽ tiến hành giải mã tín hiệu nào có hệ số kênh truyền yếunhất, quá trình này cứ tiếp tục cho đến khi giải mã được tín hiệu của chính nó Trong mô hình này, giả sử rằngh1và h2lần lượt là hệ số kênh truyền của D1và D2, và|h1|

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

Sau khi giải mã xong tín hiệu của D2rồi, D1tiến hành trừ tín hiệu x2của D2ra và tiếp tục giải mã tín hiệux1của chính D1 Giả sử rằng việc khử can nhiễu tuần tự là hoàn hảo, ta có tỉ số tín hiệu trên nhiễu (γ1) của x1

tại D1là

(2.3)Giả sử quá trình giải mã các tín hiệu x1và x2tại D1thành công, và trong quá trình truyền không xảy ralỗi Dựa vào tính chất quảng bá của kênh truyền vô tuyến, D1sẽ gửi một mã xác nhận để truyền tới các thiết bịkhác để các thiết bị khác nhận được Tại D2(không sử dụng SIC), sau khi đã nhận tín hiệu x từ S, cùng với mãxác nhận của D1gửi tới nên tỉ số tín hiệu trên nhiễu (γ2) nhận được tại D2là

để D2biết được Và tại D2sau khi đã nhận được thông tin từ D1thì xem tín hiệu của D1là can nhiễu thì tiếnhành loại ra và giải mã tín hiệu của chính nó.

2.1.3Khử can nhiễu tuần tự (SIC)

Đầu tiên, T Cover đã đề xuất kỹ thuật SIC để giải mã thông tin chồng lên nhau ở mỗi máy thu [19] SICcó thể được hiểu là cách khai thác các thông số kỹ thuật về sự khác biệt về cường độ tín hiệu giữa các tín hiệuđáng quan tâm Ý tưởng cơ bản của SIC là tín hiệu người dùng được giải mã tuần tự Sau khi một tín hiệu ngườidùng được giải mã, nó sẽ bị trừ khỏi tín hiệu kết hợp trước khi tín hiệu người dùng tiếp theo được giải mã KhiSIC được áp dụng, một trong các tín hiệu người dùng được giải mã, coi tín hiệu của người dùng khác là cannhiễu, những tín hiệu sau đó được giải mã với lợi ích của tín hiệu trước đã bị loại bỏ.

Tuy nhiên, quá trình tiền xử lý để có thể áp dụng SIC là người dùng được đánh chỉ số theo tham số cườngđộ tín hiệu, với mục đích người nhận có thể giải mã tín hiệu mạnh hơn tín hiệu của mình trước: trừ tín hiệu kếthợp và tách tín hiệu yếu hơn khỏi dư lượng Lưu ý rằng, mỗi người dùng được giải mã và coi tín hiệu của ngườidùng khác là can nhiễu trong việc thu tín hiệu.

Tóm lại, quá trình cụ thể liên quan đến giải mã các thông điệp chồng lấn có thể được biểu diễn bằng toánhọc [20] (với giả sử số người dùng là hai và người dùng thứ hai gần BS hơn người dùng thứ nhất) như sau:

• Tại người dùng thứ nhất, dùng bộ giải mã một người dùng giải mã tin của người dùng thứ nhất S1(n)bằng cách xử lý tin của người dùng thứ hai S2(n) như can nhiễu.

• Tại người dùng thứ hai, thực hiện các bước sau để khôi phục tuần tự tin của mình từ tín hiệu nhận đượcY2(n):

− Giải mã tin của người dùng thứ nhất S1(n) bằng cách sử dụng bộ giải mã một người dùng.

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

− Trừ cho√P α1h2S1(n) từ tín hiệu nhận được Y2(n):γ1=P1|h1|2

(2.5)với P là công suất máy phát, α1là hệ số phân bổ năng lượng cho người dùng thứ i, hilà hệ số kênhtruyền giữa BS và người dùng thứ i.

− Giải mã tin của người dùng thứ hai S2(n) bằng cách áp dụng bộ giải mã một người dùng còn lạitrên Y20(n).

Bài toán tổng quát đa người dùng được phân tích và trình bày trong [21] có thể được phát biểu như sau:Giả sử tất cả người dùng đều được trang bị kỹ thuật SIC, hmlà hệ số kênh từ BS đến người dùng thứ m.Để không mất tính tổng quát, tác giả đã giả sử |h2| ≤ ≤ |h2

M| Rõ ràng, hmtỉ lệ nghịch với khoảng cách dohm= √gm

Có nghĩa là, người dùng thứ m nằm gần BS hơn người dùng thứ i với i < m Có thể vẽ lại môhình như Hình 2.2, sắp xếp các người dùng nằm trên cùng đường thẳng để dễ xét:

Hình 2.2: Mô hình NOMA đường xuống nhiều người dùng

Kỹ thuật SIC được thực hiện trên tất cả người dùng Khi đó, người dùng thứ m (gần BS hơn) sẽ phát hiệngói tin của người dùng thứ i (xa BS hơn), i < m, sau đó quan sát người dùng nào xa hơn (dựa vào cường độ tínhiệu) sẽ loại các tin của người dùng này một cách tuần tự Tin của người dùng thứ i (gần BS hơn), sẽ được xửlý như can nhiễu tại người dùng thứ m (xa BS hơn), với i < m.

Lấy ví dụ đơn giản với M = 2 người dùng, mô hình xem Hình 2.3.

Hình 2.3: Mô hình NOMA đường xuống 2 người dùng

Hai người dùng đều sử dụng kỹ thuật SIC Giả sử U1gần BS hơn U2, tức |h2| ≥ |h2| Gọi silà dữ liệu mongmuốn nhận được từ BS truyền đến Ui Do tín hiệu được truyền quảng bá đến các người dùng trong NOMA nêntại hai người dùng đều nhận được tin s1+ s2.

Đầu tiên xét tại U1, người dùng U1 này sẽ dựa vào cường độ tín hiệu phát hiện người dùng U2xa hơn vàloại tin s2đi, không có tín hiệu từ người dùng gần BS hơn U1nên lúc này chỉ còn U1với tin s1cũng chính làdữ liệu nó mong muốn nhận được và xử lý tin s1(không còn can nhiễu).

Xét tại U2, người dùng U2cũng dựa vào cường độ tín hiệu, không phát hiện được có người dùng nào xa hơnmình, tin lúc này vẫn là s1+ s2 Tiếp theo, U2thấy cường độ tín hiệu của người dùng U1mạnh hơn nên sẽ xửlý tin s2và xem s1như can nhiễu.

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

2.1.4Lợi ích của kỹ thuật NOMA

NOMA là một kỹ thuật ghép kênh mới nhằm mục đích cải thiện hiệu quả phổ bằng cách sử dụng một tênmiền mới, đó là miền công suất mà miền này không được sử dụng trong các hệ thống trước đó.

Không giống như kỹ thuật đa truy nhập trực giao thông thường (OMA), sử dụng ghép kênh theo miền thờigian hoặc tần số hay theo mã khác nhau để đảm bảo chất lượng của hệ thống Tuy nhiên, với nhu cầu ngày càngtăng cao bởi nhu cầu sử dụng của các thiết bị trong tương lai nên cần thiết phải có một kỹ thuật mới để đáp ứngđược yêu cầu Đó là kỹ thuật ghép kênh theo miền mới, đó là miền công suất Bên cạnh việc phân bổ các nguồncông suất với các mức khác nhau cho các người dùng khác nhau tùy theo điều kiện xa hoặc gần thì trong kỹthuật ghép kênh mới này cũng giúp cho khả năng giải mã tín hiệu của các người dùng được tốt hơn, bởi vì cácngười dùng sẽ biết được thông tin hệ số kênh truyền của tất cả các người dùng khác, qua đó sẽ nhận biết và giảimã được chính xác dữ liệu của chính nó.

2.2.1Khái niệm

Vô tuyến nhận thức là một mô hình mới mà có khả năng tự nhận thức các thực thể, rất nhạy cảm với thayđổi trong môi trường xung quanh và nó có khả năng tương tác với môi trường một cách thích nghi để tự cấuhình hay tái thiết lập mạng, đây là ý tưởng kỹ thuật hoàn toàn mới đối với các nghiên cứu tại Việt Nam Chođến nay có rất nhiều định nghĩa khác nhau về vô tuyến nhận thức như:

Theo [22] vô tuyến nhận thức là một hệ thống có khả năng nhận biết môi trường xung quanh và điều chỉnhcác các tham số hoạt động của nó để tối ưu hoá hệ thống dưới dạng: tối đa băng thông, giảm can nhiễu, truynhập phổ tần động.

Định nghĩa do giáo sư Simon Hayskin - cha đẻ của vô tuyến nhận thức [23]: vô tuyến nhận thức là một hệthống truyền thông không dây thông minh có khả nhận biết được môi trường xung quanh và từ môi trường nósẽ thích nghi với sự thay đổi của môi trường bằng cách thay đổi các thông số tương ứng (công suất truyền, tầnsố sóng mang, phương pháp điều chế) trong thời gian thực với hai vấn đề chính: i) truyền thông với độ tin cậycao bất cứ khi nào và bất cứ nơi đâu và ii) sử dụng hiệu quả phổ vô tuyến

Theo IEEE: Vô tuyến nhận thức là hệ thống phát/nhận tần số vô tuyến mà được thiết kế để thông minhphát hiện một khoảng phổ đang sử dụng hay không, và nhảy (hoặc thoát khỏi nếu cần thiết) rất nhanh qua mộtkhoảng phổ tạm thời không sử dụng khác, nhằm không gây nhiễu cho các hệ thống được cấp phép khác.

2.2.2Kiến trúc vật lý của vô tuyến nhận thức

Bộ phận chính của hệ thống thu phát vô tuyến nhận thức gồm hai phần là phần cao tần (RF front end), nhưtrình bày ở Hình 2.4, và phần xử lý băng gốc (baseband processing unit) Hai bộ phận đều có thể được tái cấuhình thông qua đường điều khiển (control) nhằm thích nghi với các điều kiện thay đổi liên tục của môi trường.Phần xử lí băng gốc tương tự như các hệ thống thu phát bình thường Ưu điểm nổi trội của phần đầu cao tần

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

trong hệ thống vô tuyến nhận thức là khả năng nhận biết rộng, có thể điều chỉnh đến bất cứ phần nào trong dảiphổ rộng lớn Hơn nữa phần cao tần có thể đo lường các thông tin phổ từ môi trường để phục vụ cho chức năngnhận biết phổ.

Hình 2.4: Sơ đồ khối phần vô tuyến của hệ thống vô tuyến nhận thức

Chức năng cụ thể của các khối trong RF Front-End như sau:

• Bộ lọc cao tần (RF Filter): Có tác dụng chọn lọc được khoảng băng thông mong muốn bằng cách cho tínhiệu qua bộ lọc thông dải.

• Bộ khuếch đại nhiễu thấp (LNA-Low noise amplifier): Bộ khuếch đại nhiễu thấp có tác dụng loại nhiễutần số ảnh, khuếch đại nhiễu thấp tín hiệu ngõ vào của máy thu tới mức cần thiết để đổi tần, tăng độ nhạymáy thu LNA thường có từ một đến ba tầng khuếch đại tuyến tính, có điều hưởng chọn lọc tần số băngthông tín hiệu mong muốn Có tác dụng khuếch đại tín hiệu mong muốn đồng thời giảm tín hiệu nhiễu.

• Bộ trộn tần (MIXER): Tại bộ đổi tần thì tín hiệu thu được từ máy thu sẽ được trộn với tần số gốc đượcphát ra và chuyển tới dải băng gốc hay tần số trung tâm.

• Bộ VCO (Voltage controlled oscillator): Được biết đến như là bộ điều chỉnh tần số bằng điện áp, có tácdụng như bộ khóa pha giúp tần số ra ổn định.

• Bộ lọc lựa chọn tần số (Channel selection filter): Được dùng để chọn kênh mong muốn đồng thời loại bỏkênh kế cận.

• Bộ điều khiển độ lợi tự động (AGC - Automatic gain control): Là hệ thống hồi tiếp điều chỉnh độ lợi máythu dựa vào biên độ tín hiệu thu đồng thời mở rộng dải động, cho phép ta tăng hoặc giảm độ khuếch đạikhi tín hiệu thu yếu hay mạnh bằng cách thay đổi điện áp phân cực.

• Bộ vòng khóa pha (PLL - Phase locked loop): Là hệ thống hồi tiếp vòng kín Tín hiệu hồi tiếp được dùngđể khóa tần số và pha của tín hiệu ra theo tần số và pha của tín hiệu vào.

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

2.2.3Chức năng vô tuyến nhận thức

Hệ thống vô tuyến nhận thức có các chức năng chính đó là:

Nhận biết phổ: cho phép người dùng thứ cấp (SU) phát hiện ra khoảng phổ trống và tận dụng những khoảngtần số này để truyền tín hiệu mà không ảnh hưởng đến hệ thống sơ cấp.

Quản lý phổ: bao gồm hai chức năng nhỏ là phân tích phổ và quyết định phổ Trong hệ thống vô tuyến nhậnthức, người dùng thứ cấp sẽ phải quyết định khoảng phổ nào đáp ứng tốt nhất yêu cầu chất lượng dịch vụ (QoS)trong những khoảng phổ trống Chia theo chức năng, quản lý phổ bao gồm:

• Phân tích phổ: tính toán ước lượng dung lượng phổ và chất lượng những hố phổ tốt nhất Một trong nhữngnhiệm vụ quan trọng của chức năng phân tích phổ là tính toán ước lượng dung lượng phổ Tuy nhiên,ngoài dung lượng phổ ra còn cần phải lưu ý đến các yếu tố khác như thời gian trễ, tốc độ lỗi liên kết vàthời gian chiếm giữ, cũng ảnh hưởng đến chất lượng dịch vụ Hơn nữa trong quá trình tính toán ước lượngphổ còn phải cân nhắc đến nhiễu xuyên kênh và suy hao Suy hao sẽ gia tăng khi tần số hoạt động tăng.Vì vậy, nếu công suất truyền của người dùng CR vẫn không đổi thì khoảng truyền của nó sẽ giảm ở tần sốcao hơn, nhưng nếu tăng công suất truyền để bù suy hao thì kết quả là sẽ gây nhiễu cho người dùng khác.Cho đến nay, việc phân tích phổ và mô hình hóa của phổ trong hệ thống CR vẫn đang được phát triển.Tuy nhiên, để tìm ra được một khoảng phổ thích hợp cho nhiều ứng dụng khác nhau, đòi hỏi còn phảinghiên cứu nhiều về các dải phổ và kết nối tất cả các thông số đặc trưng của nó để đưa ra quyết định hợplý Một phương pháp ước lượng dung lượng phổ được đề cập là dựa vào băng thông và công suất truyềncho phép Theo đó, dung lượng phổ sẽ được tính như sau:

C = Blog

1 + SN + I

1 +G(f )S0N0

Hình 2.5 trình bày chu kỳ cảm nhận phổ tần tương tác với môi trường vô tuyến với các chức năng nêu trên [24]:

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

Cảm nhận

Kết luậnMôi trường

vô tuyến

Hình 2.5: Chu kỳ cảm nhận phổ tần

2.2.4Mô hình mạng vô tuyến nhận thức

Theo nhóm nghiên cứu cùng với giáo sư Goldsmith [25], có ba loại mô hình cho mạng vô tuyến nhận thức,bao gồm dạng nền (underlay), dạng chồng chập (overlay) và đan xen (interweave).

Mô hình mạng vô tuyến nhận thức dạng nền (underlay)

Trong mô hình vô tuyến nhận thức dạng nền, mạng thứ cấp và mạng sơ cấp hoạt động trên cùng một tầnsố trong đó máy phát thứ cấp phải điều chỉnh công suất phát sao cho công suất can nhiễu nhận tại máy thu sơcấp phải nhỏ hơn một ngưỡng quy định (Ip) Hay nói cách khác, quá trình truyền nhận dữ liệu của hệ thống thứcấp phải không được gây hại cho hệ thống sơ cấp Do đó, vùng phủ sóng của mạng vô tuyến nhận thức dạngnền thường nhỏ Một nhược điểm khác của mô hình mạng vô tuyến nhận thức dạng nền là máy phát thứ cấpcần phải biết thông tin kênh truyền (không trễ và không lỗi) của kênh truyền can nhiễu từ máy phát thứ cấp đếnmáy thu sơ cấp có thể do hệ thống sơ cấp hồi tiếp về cho hệ thống thứ cấp Tuy nhiên trong thực tế, thông tinkênh truyền này là có trễ và có lỗi dẫn đến thực tế rằng hệ thống thứ cấp không thể đảm bảo mức can nhiễu quyđịnh tại máy thu sơ cấp.

Hình 2.6: Chia sẻ phổ tần trong mô hình dạng nền

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

Mô hình mạng vô tuyến nhận thức dạng chồng chập (overlay)

Trong mô hình này, mạng sơ cấp và thứ cấp hoạt động trên cùng băng tần với giả định rằng hai mạng phảitrao đổi thông tin và kết hợp lẫn nhau để loại bỏ/tránh can nhiễu giữa hai mạng bằng các kỹ thuật xử lý tín hiệuphức tạp, ví dụ dirty code [25] Một mô hình đơn cử là hệ thống thứ cấp có thể giúp hệ thống sơ cấp cải thiệnhiệu năng dạng chuyển tiếp Cho đến nay, mô hình mạng loại này vẫn đang được nghiên cứu và làm rõ do cácgiả sử và điều kiện cần thiết để triển khai mạng hoặc chưa thực tế và/hoặc chưa hợp lý.

Mô hình mạng vô tuyến nhận thức dạng đan xen (interweave)

Mô hình vô tuyến nhận thức dạng đan xen là mô hình hoạt động dựa trên khái niệm lỗ phổ dưới dạng khônggian và thời gian như mô tả trong Hình 2.7, nghĩa là hệ thống thứ cấp sẽ phát dữ liệu nếu hệ thống phát hiện ralỗ phổ và lỗ phổ này đảm bảo chất lượng dịch vụ yêu cầu của hệ thống Do đó, mô hình này đòi hỏi hệ thốngthứ cấp phải biết được thông tin hoạt động truyền phát của hệ thống sơ cấp Hay nói cách khác, hệ thống thứcấp phải dừng truyền nếu hệ thống sơ cấp truyền phát trở lại hạn chế gây can nhiễu cho hệ thống sơ cấp.

Nhược điểm của mô hình mạng loại này là khả năng đáp ứng thời gian thực do hoạt động của hệ thống thứcấp hoàn toàn phụ thuộc vào hoạt động của hệ thống sơ cấp Trong một số trường hợp, hệ thống thứ cấp khôngthể đảm bảo hoạt động khi mà hệ thống sơ cấp hoạt động liên tục Do đó, việc kết hợp mô hình đan xen với môhình dạng nền, còn gọi là mô hình lai, là một giải pháp hữu hiệu.

Hình 2.7: Chia sẽ phổ tần trong mô hình dạng chồng chập

2.2.5Cấu trúc mạng vô tuyến nhận thức

Theo [26], mạng vô tuyến nhận thức có thể tồn tại ở hai dạng có cấu trúc và không có cấu trúc.

Với dạng có cấu trúc, các phần tử mạng có thể giao tiếp với nhau thông qua trạm gốc (hoặc nút chủ) ở tầnsố bản quyền hoặc tần số không bản quyền Trong mô hình mạng, có thể có phần tử quản lý phổ (Spectrumbroker), giúp trao đổi thông tin tần số (lỗ phổ) giữa các hệ thống vô tuyến nhận thức.

Với dạng không có cấu trúc (ad-hoc networks), các phần tử mạng kết nối với nhau thông qua kết nối ad-hoc.Mô hình mạng không có cấu trúc thường được sử dụng trong mạng cảm biến, thu thập thông tin.

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

Người dùng CRBăng tần không

bản quyền

Băng tần bản quyền I

Người dùng sơ cấpBăng tần bản quyền II

Người dùng sơ cấp

Mạng sơ cấp Mạng truy nhập CR không cơ sở hạ tầng

Mạng truy nhập CR có cơ sở hạ tầngMạng truy nhập

sơ cấp Mạng truy nhập CR

Các mạngCR khácQuản lý phổ

Trạm thu phát sơ cấp

Trạm thu phát CR

Hình 2.8: Cấu trúc mạng vô tuyến nhận thức

2.3.1Giới thiệu

Đặc trưng của mạng đa truy nhập không trực giao (NOMA) là các mạng tế bào nhỏ, khi đó với mật độ ngườidùng nhiều thì xảy ra hiện tượng sẽ có một số người dùng bị mất liên lạc với trạm gốc do bị che chắn hoặc cannhiễu từ các thiết bị điện tử khác hoặc di chuyển xa hơn vùng phủ sóng Mặc dù kỹ thuật này sử dụng phươngthức ghép kênh theo miền mới là miền công suất để đảm bảo cho các thiết bị ở xa với sự phân bổ công suấtnhiều hơn để dễ dàng kết nối hơn Chính vì vậy, để giải quyết vấn đề này thì cần phải có các thiết bị chuyển tiếpnhằm đảm bảo chất lượng của hệ thống mà đặc trưng của các nút chuyển tiếp (node relay) là tiếp nhận, xử lý vàtruyền các tín hiệu mang thông tin Có nhiều mô hình kênh chuyển tiếp khác nhau như mô hình kênh chuyểntiếp đơn giản và mô hình kênh chuyển tiếp hợp tác Trong mô hình kênh chuyển tiếp đơn giản, nút chuyển tiếpcó nhiệm vụ là trợ giúp cho các đường truyền trực tiếp giữa nút nguồn và nút đích Tuy nhiên, mô hình nútchuyển tiếp trong truyền thông hợp tác đã được mở rộng hơn Cụ thể, nút chuyển tiếp này là những đầu cuối cốđịnh và bản thân nó không chứa thông tin, hoặc có thể là những đầu cuối vừa có chức năng phát thông tin củachính nó, vừa có chức năng như một đầu cuối để truyền thông tin tới các đầu cuối khác để kết hợp các tín hiệulại với nhau và cuối cùng chọn ra được tín hiệu tốt nhất.

Trong hai loại hình nút chuyển tiếp trên, chuyển tiếp hợp tác đóng vai trò quan trọng hơn do nút thực hiệnchuyển tiếp là cố định Bên cạnh đó, khi thực hiện chức năng chuyển tiếp thì nút chuyển tiếp có các bước xử lý

CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN

Hình 2.9: Mô hình chuyển tiếp đơn giản

Hình 2.10: Mô hình chuyển tiếp hợp tác

dữ liệu được chuyển tới, chính vì vậy sẽ tiêu tốn nhiều năng lượng hơn Từ đó nảy sinh ra các vấn đề như haohụt năng lượng hoặc chuyển tiếp sai thông tin Vì thế, tại mỗi nút chuyển tiếp cần thực hiện các kỹ thuật để đảmbảo được chất lượng của tín hiệu chuyển tiếp như: Kỹ thuật giải mã và chuyển tiếp (Decode–and–Forward, viếttắt là DF) Hoặc kỹ thuật khuếch đại và chuyển tiếp (Amplify–and–Forward, viết tắt là AF) Trong bài luận vănnày đề xuất mô hình sử dụng NOMA hợp tác kỹ thuật giải mã và chuyển tiếp (DF) tại nút chuyển tiếp (relay).

Trong kỹ thuật giải mã và chuyển tiếp (DF), nút chuyển tiếp hoạt động như sau: Khi tín hiệu từ nút nguồnđược truyền tới nút chuyển tiếp thì nút này sẽ tiến hành xử lý tín hiệu bằng cách giải điều chế tín hiệu từ nútnguồn ở pha truyền thứ nhất Sau đó tín hiệu được điều chế lại và truyền tới nút đích ở pha truyền tiếp theo.

2.3.2Kỹ thuật NOMA hợp tác DF

Như đã giới thiệu ở phần trên, xem xét mô hình hợp tác ở Hình 2.10, hoạt động trong kỹ thuật NOMA hợptác sử dụng kỹ thuật DF đơn giản gồm có một nút nguồn (S), một nút chuyển tiếp (R) và một nút đích (D) vàsử dụng hai khe thời gian để truyền đi Trong khe thời gian đầu tiên, do tính chất quảng bá của kênh truyền vôtuyến, tín hiệu x gồm nhiều tín hiệu của các nút đích khác nhau từ nút nguồn được truyền tới nút chuyển tiếpvà các nút đích Tại nút chuyển tiếp, tín hiệu nhận được sẽ tiến hành giải mã hoặc giải điều chế, lúc này tín hiệuđược tái tạo lại như ban đầu và nhiễu trong quá trình truyền cũng được khử hoàn toàn Trong khe thời gian thứhai, nút nguồn không truyền tín hiệu và nút chuyển tiếp sẽ truyền tín hiệu đến nút đích, lúc này tại nút đích gồmcó 2 tín hiệu là từ nút nguồn truyền tới và từ nút chuyển tiếp truyền tới Lúc này tại nút đích sẽ tiến hành kếthợp các tín hiệu từ các kênh lại với nhau để chọn ra tín hiệu tốt nhất Sau đó tiếp tục sử dụng kỹ thuật khử nhiễutuần tự (SIC) để có được tín hiệu chính xác cho từng nút đích khác nhau.