Luận văn thạc sĩ Kỹ thuật viễn thông: Cân bằng mù trong mạng cảm biến y sinh ứng dụng bộ lọc Particle

Nhằm khắc phục các ảnh hưởng của nhiễu ISI trong mạng WBAN, luận văn trình bày phương pháp xây dựng hệ thông cân bằng mù dựa trên nền tảng của phương pháp tuần tự Monte Carlo là bộ lọc p

ĐẠI HỌC QUỐC GIA TP.HCM

Công trình được hoàn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM

Cán bộ hướng dẫn khoa học: ……PGS.TS Lê Tiến Thường

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: Hoàng Anh Ngọ MSHV: 13463057 Ngày, tháng, năm sinh: 14/4/1990 Nơi sinh: …,,Daklak Chuyên ngành: Kỹ Thuật Viễn Thông Mã số: … 60 52 02 08

I TÊN ĐỀ TÀI: Cân bằng mù trong mạng cảm biến y sinh ứng dụng bộ lọc

Particle II NHIỆM VỤ VÀ NỘI DUNG:

1 Tìm hiểu mô hình toán học mạng WBAN, 2 Tìm hiểu lý thuyết và các ứng dụng phổ biến của bộ lọc Particle và hệ thống

cân bằng mù, 3 Đề xuất giải pháp cho hệ thống cân bằng mù ứng dụng bộ lọc Particle, 4 Xây dựng lại hệ thống bằng mô phỏng Matlab và đánh giá kết quả thu được, 5 Thực thi hệ thống xây dựng trên Matlab lên phần cứng iMX53 Quick Start

Board ,ứng dụng vào thực tiễn

III NGÀY GIAO NHIỆM VỤ: 19/01/2015 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 14/12/2015 V CÁN BỘ HƯỚNG DẪN: PGS.TS Lê Tiến Thường

Để hoàn thành luận văn cao học này, trước tiên học em xin gửi lời cám ơn sâu sắc tới tất cả các Thầy, Cô trong bộ môn Viễn Thông và khoa Điện-Điện Tử đã nhiệt tình hướng dẫn, cung cấp cho em những kinh nghiệm, kiến thức hết sức sức quý báu trong khoảng thời gian học tập tại trường

Em xin chân thành cảm ơn thầy PGS.TS Lê Tiến Thường, người đã trực tiếp dạy và hướng dẫn em trong suốt quá trình thực hiện đề tài Cảm ơn Thầy đã luôn quan tâm, tận tình chỉ dạy, truyền đạt cho em những kinh nghiệm vô cùng hữu ích, hướng dẫn em từ việc tiếp cận đến định hướng nghiên cứu đề tài Trong khoảng thời gian làm việc cùng với Thầy, em đã học được rất nhiều điều không chỉ là kiến thức mà còn là tác phong làm việc nghiêm túc, lối tư duy khoa học, niềm đam mê nghiên cứu và lòng nhiệt huyết với nghề của Thầy

Em xin gửi lời cám ơn đến phòng Đào Tạo Sau Đại Học, trường Đại Học Bách Khoa Tp.Hồ Chí Minh, đã tạo điều kiện tốt cho em về trang thiết bị và tài liệu học tập trong suốt khóa học

Cuối cùng, em xin gửi lời cảm ơn đến gia đình và bạn bè đã luôn quan tâm, ủng hộ và là nguồn động viên cho em trong suốt quá trình học tập và thực hiện luận văn này

Tp.Hồ Chí Minh, ngày 14 tháng 12 năm 2015

HV Hoàng Anh Ngọ

Luận văn giới thiệu về mạng cảm biến WBAN (Wireless Body Area Network), là một nhánh ứng dụng được phát triển của mạng Wireless Sensor Network (WSN) hiện đang được áp dụng rộng rãi trong lĩnh vực y tế và chăm sóc sức khỏe Qua mạng WBAN, các thông tin về chỉ số y sinh của bệnh nhân được thu nhận từ các cảm biến và thông qua đường truyền vô tuyến đưa về trung tâm báo hiệu và xử lý Nhờ đó, tình trạng sức khỏe của mỗi bệnh nhân sẽ được giám sát liên tục mọi nơi, mọi thời điểm và các bác sĩ có thể căn cứ vào những thông tin thu nhận được để đưa ra phương án điều trị phù hợp Với nhu cầu thị yếu ngày càng tăng, các cảm biến thu nhận thông tin về sức khỏe càng có xu hướng tích hợp cả những ứng dụng giải trí tốc độ cao hoạt động ở băng tần cao từ vài trăm Mhz đến vài GHz Để có thể thực hiện được những ứng dụng như vậy, việc sử dụng công nghệ UWB (Ultra Wide Band) trong mạng WBAN đã từng được đề cập trong IEEE 802.15.4a vào năm 2008 Tuy nhiên ở băng tần cao, một trong những ảnh hưởng rõ rệt phải đối mặt là nhiễu liên ký tự (ISI) và nhiễu đa đường (MAI) Với môi trường phức tạp và thường xuyên thay đổi của cơ thể người, các ảnh hưởng của nhiễu cũng mang những nét đặc trưng riêng Nhằm khắc phục các ảnh hưởng của nhiễu ISI trong mạng WBAN, luận văn trình bày phương pháp xây dựng hệ thông cân bằng mù dựa trên nền tảng của phương pháp tuần tự Monte Carlo là bộ lọc phần tử (particle filter) Nội dung gồm các trình bày về mô hình kênh truyền của mạng WBAN trong môi trường văn phòng, thuật toán lấy mẫu của bộ lọc phần tử, ứng dụng của bộ lọc phần tử trong hệ thống cân bằng mù với mô hình mạng WBAN được đề cập Hiệu quả của hệ thông được đánh giá bằng tỉ lệ lỗi bit BER tương ứng với mỗi mức tỉ số tín hiệu trên nhiễu SNR, các mô phỏng được thực hiện trên môi trường máy tính sử dụng phần mềm Matlab Các kết quả mô phỏng trên Matlab cho thấy khi tăng số lượng phần tử càng lớn, kết quả ước lượng càng chính xác, khi nhiễu càng lớn, kết quả ước lượng càng suy giảm Khi đó, ta cần cân bằng được giữa tính hiệu quả và độ phức tạp của hệ thống khi lựa chọn số lượng mẫu dùng trong hệ thống Hiện nay vẫn chưa có một bài báo hay công trình nào trình bày về việc thực hiện một hệ thống cân bằng mù sử dụng bộ lọc phần tử trên phần cứng cụ thể nào khác máy tính.Vì vậy luận văn đồng thời tập trung vào việc tìm và nghiên cứu những phần cứng có cấu hình tiềm năng và thực thi thuật toán được xây dựng trên nền phần cứng đó Trong số những platform phổ biến hiện nay, iMX53 QSB được đánh giá là nền tảng khá mạnh để phát triển những ứng dụng chạy trên nền Linux có thể áp dụng vào thực tế Qua việc đánh giá kết quả thực thi hệ thống trên board iMX53 sẽ cho thấy khả năng áp dụng thực tế của thuật toán được xây dựng Một bài báo về đề

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, ngoại trừ những tham khảo đã đƣợc đánh số và có trích dẫn

Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kì công trình nào khác

Tôi xin chịu trách nhiệm cho những nội dung của luận văn

Học viên thực hiện

Hoàng Anh Ngọ

Ký hiệu Mô tả chi tiết

t

2( ,)

2

t

[ | ]

p a b Hàm xác suất xảy ra a khi biết b

[ | ]

q a b Hàm lấy mẫu các giá trị a khi biết b

Neff Ngƣỡng tái lấy mẫu của thuật toán

CHƯƠNG I LÝ THUYẾT CƠ BẢN 16

1.1 ĐỊNH LÝ BAYES VÀ PHƯƠNG PHÁP PHÂN TÍCH MONTE CARLO 16

1.1.1 Cơ bản về định lý Bayes 16

1.1.2 Định lý Bayes với hàm mật độ xác suất 16

1.1.3 Phương pháp Monte Carlo 17

1.2 NHIỄU ISI TRONG THÔNG TIN VÔ TUYẾN 18

1.2.1 Giới thiệu 18

1.2.2 Cơ sở lý thuyết 19

1.2.3 Cân bằng kênh truyền 24

CHƯƠNG II MẠNG CẢM BIẾN Y SINH WBAN 34

2.1GIỚI THIỆU VỀ MẠNG CẢM BIẾN WBAN 34

2.2CÁC NHÂN TỐ ẢNH HƯỞNG TRONG WBAN 38

2.3 MÔ HÌNH KÊNH TRUYỀN WBAN 41

CHƯƠNG III BỘ LỌC PHẦN TỬ (PARTICLE)……… 47

4.1XÂY DỰNG MÔ HÌNH HỆ THỐNG CÂN BẰNG MÙ 60

4.2 PHƯƠNG PHÁP ĐỆ QUY CỦA CÁC HÀM MẬT ĐỘ XÁC SUẤT 61

4.3 CÂN BẰNG MÙ SỬ DỤNG THUẬT TOÁN SIS 62

4.4 PHƯƠNG PHÁP TÁI LẤY MẪU 63

4.5 HÀM LẤY MẪU TRONG HỆ THỐNG CÂN BẰNG MÙ 63

4.6 SƠ ĐỒ THUẬT TOÁN CÂN BẰNG MÙ 64

CHƯƠNG V 67

5.1MATLAB 2012A VÀ TOOL MATLAB COMPILER 67

5.2TRÌNH BIÊN DỊCH ECLIPSE 68

5.3VMWARE WORKSTATION 69

5.4 TỔNG QUAN VỀ KIT I.MX53QUICK START BOARD 69

5.4.1 Giới thiệu chung về Kit i.MX53 Quick Start Board 69

5.4.2 Lịch sử phát triển I.MX 71

5.4.3 Đặc điểm chi tiết của I.MX53 QSB 74

5.4.4 Hệ điều hành Ubuntu 10.04 trên I.MX53 Quick Start Board 82

CHƯƠNG VI 84

6.1MÔ PHỎNG HỆ THỐNG TRÊN MATLAB 84

6.2KẾT QUẢ MÔ PHỎNG HỆ THỐNG BẰNG MATLAB 87

6.3 THỰC THI HỆ THỐNG TRÊN KIT IMX53QUICK START BOARD 88

DANH MỤC HÌNH ẢNH

dựng bằng bộ lọc phần tử tương ứng với số mẫu sử dụng

Bảng 2.7 Thông số cho mô hình CM4 tương ứng với các góc của cơ thể 22

Bảng 6.2 Kết quả thực hiện trên iMX53 QSB với thời gian thực thi và xác suất lỗi bit tương ứng với số mẫu N = 50, 100, 150, 200 69

MỞ ĐẦU 1 Tính cấp thiết của đề tài

Trong thời gian gần đây, mạng cảm biến y sinh rất được quan tâm bởi những ứng dụng rộng rãi trong nhiều lĩnh vực về thể thao, quân sự, y tế, chăm sóc sức khỏe vv….[8] Thông thường, một mạng cảm biến y sinh bao gồm một tập các cảm biến với mật độ dày đặc, dữ liệu từ các cảm biến được truyền đến các node xử lý qua nhiều đường khác nhau

Các cảm biến cần thiết kế để tiết kiệm năng lượng một cách tối đa bởi khi triển khai trong thực tế, có thể chúng sẽ không hoặc hạn chế việc sạc lại pin Phía thu không dây nơi tiếp nhận và xử lý tín hiệu từ cảm biến là nơi tiêu thụ đa phần năng lượng của hệ thống, bởi vậy hiệu suất sử dụng năng lượng trong các mạng WSN là mối quan tâm hàng đầu Bên cạnh vấn đề về tiêu thụ năng lượng, môi trường truyền tín hiệu khá phức tạp, chịu ảnh hưởng của hiện tượng nhiễu liên ký tự, hiện tượng đa đường, fading, shadowing vv… vì vậy cần có một phương pháp hiệu quả trong việc cân bằng và ước lượng tín hiệu khi môi trường thay đổi theo nhiễu

Cân bằng kênh truyền và ước lượng kênh truyền được sử dụng nhằm mục đích giảm bớt ảnh hưởng của nhiễu và can nhiễu, để hệ thống có thể đáp ứng được với sự thay đổi của kênh truyền khi có nhiễu xảy ra [1] [5], cải thiện băng thông cũng như hiệu suất sử dụng năng lượng hệ thống Với cân bằng kênh truyền, phương pháp dựa trên chuỗi huấn luyện truyền thống không chỉ lãng phí về bằng thông mà tiêu thụ nhiều công suất [17], thông thường các cảm biến không dây làm việc với chu kì nhiệm vụ thấp, việc nhúng một chuỗi huấn luyện dài vào mỗi gói tin truyền đi để phía thu có thể ước lượng lại được tín hiệu ban đầu là không hiệu quả Lúc này cân bằng mù là một giải pháp Thuật toán cân bằng mù được áp dụng khi ta loại bỏ chuỗi huấn luyện, hiệu quả hơn trong việc tăng cường công suất và sử dụng băng thông [18] Cân bằng mù, bao gồm việc ước ượng chuỗi ký tự được truyền qua hệ thống thông tin số một cách duy nhất từ những chuỗi quan sát và tín hiệu bị méo thu được Tất nhiên, đánh đổi cho việc tiện lợi khi không phải dùng chuỗi huấn luyện, thuật toán cân bằng mù thường phức tạp hơn, phần năng lượng hơn lại tiêu tốn trong khối lượng tính toán của thuật toán phía đầu thu [5] Mục tiêu của luận văn là thực thi được hệ thống cân bằng mù với độ phức tạp tương đương hoặc tốt hơn với hệ thống sử dụng chuỗi huấn luyện và cho tỉ lệ lỗi bit ở mức chấp nhận được Tuy nhiên, với đặc thù của mạng cảm biến thì các phương pháp cân bằng mù truyền thống lại chưa tỏ ra là một phương pháp thực sự hiệu quả Trong thời gian

gần đây đã có một số nghiên cứu liên quan đến việc sử dụng bộ lọc phần tử kỹ thuật cân bằng mù như [11] [12] [13]

Bộ lọc phần tử là một kỹ thuật sử dụng định lý ước lượng Bayesian và phương pháp tính toán đệ quy Monte Carlo, có thể được áp dụng và giữ một vai trò quan trọng trong hệ thống cân bằng mù, cân bằng giữa độ ổn định và tốc độ hội tụ với độ phức tạp khi thực thi Việc sử dụng bộ lọc phần tử vào trong các hệ thống cân bằng mù đã từng được đề cập ở [9], tuy nhiên bộ lọc phần tử chưa thu hút được nhiều sự chú ý đến thời điểm đó cho đến khi phần cứng máy tính được cải thiện về sau này, bộ lọc phần tử mới bắt đầu được nghiên cứu và sử dụng một cách rộng rãi

Để giảm bớt độ phức tạp và khối lượng tính toán của bộ lọc phần tử, một số phương pháp và thuật toán được kết hợp nhằm giảm số mẫu của thuật toán, ví dụ như hiệu chỉnh dữ liệu variance và gradient của thuật toán lẫy mẫu dựa trên khoảng cách Kullback-leibler [11], sử dụng bộ lọc phần tử kết hợp với phương pháp PCA [12] hay sử dụng bộ lọc phần tử Rao-Blackwellised [13], bộ lọc phần tử được sử dụng với thuật toán Mean Shift trong mạng cảm biến không dây như trong [14]

Mục tiêu của đề tài nhằm xây dựng một hệ thống cân bằng mù trong mạng cảm biến y sinh sử dụng bộ lọc phần tử và thực thi được trên hệ thống nhúng có thể áp dụng vào các ứng dụng thực tế với sự hỗ trợ của Kit iMX53 Quick Start Board

2 Mục tiêu nghiên cứu

Đề tài tập trung nghiên cứu các vấn đề sau:

đáp ứng xung rời rạc, nhân quả và bất biến theo thời gian

 Nghiên cứu thuật toán bộ lọc phần tử, phương pháp lấy mẫu, tái lấy mẫu

là phần cứng thực tế để chạy thuật toán

khác nhau, qua đó cho thấy ưu nhược điểm khi ta thay đổi số lượng phần tử sử dụng trong thuật toán, từ đó rút ra số lượng phần tử thích hợp

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu

 Nghiên cứu về kênh truyền vô tuyến

 Nghiên cứu lý thuyết bộ lọc phần tử áp dụng trong cân bằng kênh truyền

Phạm vi nghiên cứu

 Nghiên cứu cách đánh giá và mô phỏng một mô hình kênh qua phần mềm Matlab

4 Phương pháp nghiên cứu

 Thu thập, tìm hiểu và phân tích các bài báo, tài liệu liên quan đến đề tài

thi

phần tử

phương pháp khác nhau để rút ra giá trị tối ưu

5 Bố cục đề tài Bố cục của đề tài được chia thành 7 phần như sau:

Phần 1: Các lý thuyết cơ bản và mô hình mạng WBAN Phần này tập trung về các lý thuyết, cơ sở toán học liên quan đến định lý Bayes và các tính chất quan trọng của định lý này được áp dụng trong bộ lọc phần tử Đồng thời giới thiệu vấn đề kinh điển trong thông tin di động là nhiễu liên ký tự ISI và ảnh hưởng của nhiễu trong kênh truyền chọn lọc tần số Một số phương pháp cân bằng kênh truyền phổ biến cũng được đề cập một cách tổng quan về phương pháp và ưu điểm cũng như nhược điểm của từng loại kênh truyền

Phần 2: Mạng cảm biến y sinh WBAN Mô hình nghiên cứu về đặc tính kênh truyền và đáp ứng xung trong môi trường văn phòng được trình bày khá chi tiết trong phần 2, các kết quả toán học được xây dựng từ những phép đo đạc thực tế và là mô hình hiện đang được sử dụng khá phổ biến trong nhiều công trình nghiên cứu về WBAN

Phần 3: Bộ lọc phần tử

Các lý thuyết căn bản về phương pháp tính toán đệ quy và tuần tự trong mô hình MC và thuật toán SIR được trình bày trong phần này, ngoài ra còn đề cập đến vấn đề thoái hóa mẫu sau một thời gian lấy mẫu và phương pháp tái lấy mẫu được xem như một giải pháp nhằm khắc phục hiện trượng thoái hóa cũng như tăng độ hiệu quả cho bộ lọc phần tử

Để thể hiện tính hữu ích của bộ lọc phần tử, một vài ứng dụng trong hệ thống ước lượng hàm phi tuyến và theo vết đối tượng cũng được giới thiệu

Phần 4: Cân bằng mù trong mạng WBAN ứng dụng bộ lọc phần tử Mô hình hệ thống cân bằng mù với đáp ứng xung và nhiễu sử dụng bộ lọc phần tử được trình bày trong phần này, chi tiết về phương pháp lấy mẫu, ước lượng đáp ứng xung, tái lấy mẫu và ước lượng chuỗi bit truyền đi được đề cập

Phần 5: Phần mềm sử dụng và phần cứng iMX53 Quick Start Board Để có thể xây dựng được mô hình trên Matlab và trên hệ thống nhúng, đề tài có sử dụng các Tool Matlab Compiler dùng cho việc chuyển code được viết từ Matlab sang code C nhằm giảm bớt công sức lập trình, phần mềm máy ảo VMWARE để tạo môi trường chạy hệ điều hành Ubuntu 10.04 giống với môi trường trên phần cứng iMX53 QSB, trình biên dịch Eclipse Hellios hỗ trợ cho việc biên dịch lập trình và xây dựng hệ thống nhúng trên nền linux – máy tính , trình biên dịch chéo Arm – linux – cross compiler-gcc nhằm convert những file thực thi chạy trên nền linux máy tính có thể chạy được trên hệ thống nhúng iMX53 QSB

Hiện nay các Board nhúng của hãng Free Scale đang rất được ưa chuộng trong các ứng dụng hệ thống tự động Với giá thành ở mức tương đối, phần cứng mạnh mẽ, dòng iMX đang được hãng ưu tiên phát triển cho những ứng dụng điều khiển chạy trên nền Linux Đề tài sử dụng iMX53 Quick Start Board để chạy thuật toán được mô phỏng trên Matlab, với mục đích kiểm tra tính thời gian thực của thuật toán trên một hệ thống nhỏ có thể áp dụng được vào thực tế

Phần 6: Kết quả thực thi hệ thống cân bằng mù dùng bộ lọc phần tử Chương trình mô phỏng, sơ đồ thuật toán thực thi trên Matlab và trên Board được giới thiệu, kết quả thực thi trên Matlab được thể hiện bằng sự đánh giá giữa tỉ lệ lỗi bit BER so với tỉ số tín hiệu trên nhiễu SNR Kết quả thực thi trên phần cứng iMX được đánh giá bằng thời gian thực thi và tỉ lệ lỗi bit với chuỗi có chiều dài nhất định

Phần 7: Kết luận và hướng phát triển của đề tài Luận văn thực hiện thành công việc áp dụng bộ lọc phần tử nhằm khắc phục ảnh hưởng của nhiễu ISI gây ra trong môi trường WBAN với đáp ứng xung có bậc cho trước, thuật toán xây dựng được kiểm nghiệm qua mô phỏng xác suất lỗi bit

BER bằng Matlab, bên cạnh đó, hệ thống còn được xây dựng trên môi trường nhúng iMX53QSB với thời gian thực thi ở mức tương đối và tỉ lệ lỗi bit đạt yêu cầu

6 Ý nghĩa thực tiễn của đề tài

Cân bằng kênh truyền nhằm giải thiểu sự sai khác của hàm truyền kênh phát so với kênh thu do nhiều nguyên nhân trong quá trình truyền dẫn

Hướng nghiên cứu là dựa trên kết quả thu được sẽ đưa ra cái nhìn tổng thể về hệ thống để từ đó thấy được những ưu điểm của nó so với hệ thống khác rồi áp dụng vào thực tiễn Bên cạnh đó cũng tìm ra được những giá trị tối ưu khi thiết lập hệ thống để có thể đánh đổi một cách hợp lý giữa hiệu quả và thời gian thực thi hệ thống

Việc thực thi bộ lọc phần tử trong các ứng dụng theo vết đối tượng hay ước lượng hàm truyền đã từng được đề cập như trong [24], tuy nhiên đối với cân bằng mù thì hiện nay chưa có bài báo hay công trình nào Với xác suất BER thu được khi thực thi trên iMX53 QSB, thuật toán hứa hẹn sẽ là một phương pháp khá mạnh trong cân bằng kênh truyền nói chung và cân bằng mù nói riêng

CHƯƠNG I LÝ THUYẾT CƠ BẢN

1.1Định lý Bayes và phương pháp phân tích Monte Carlo

1.2 Nhiễu ISI trong thông tin vô tuyến 1.3 Cân bằng mù trong mạng thông tin vô tuyến

1.1 Định lý Bayes và phương pháp phân tích Monte Carlo

1.1.1 Cơ bản về định lý Bayes

Định lý Bayes cho phép tính xác suất xảy ra của một sự kiện ngẫu nhiên A

khi biết sự kiện liên quan B đã xảy ra Xác suất này được ký hiệu là P(A|B), và

đọc là "xác suất của A nếu có B" Đại lượng này được gọi xác suất có điều kiện hay xác suất hậu nghiệm vì nó được rút ra từ giá trị được cho của B hoặc phụ thuộc vào giá trị đó

Theo định lý Bayes, xác suất xảy ra A khi biết B sẽ phụ thuộc vào 3 yếu tố:

đọc là xác suất của A Đây được gọi là xác suất biên duyên hay xác suất tiên nghiệm, nó là "tiên nghiệm" theo nghĩa rằng nó không quan tâm đến bất kỳ thông tin nào về B

đọc là "xác suất của B" Đại lượng này còn gọi là hằng số chuẩn hóa (normalising constant), vì nó luôn giống nhau, không phụ thuộc vào sự kiện A đang muốn biết

 Xác suất xảy ra B khi biết A xảy ra Ký hiệu là P(B|A) và đọc là "xác suất của B nếu có A" Đại lượng này gọi là khả năng (likelihood) xảy ra B khi biết A đã xảy ra Chú ý không nhầm lẫn giữa khả năng xảy ra B khi biết A và xác suất xảy ra A khi biết B

Khi biết ba đại lượng này, xác suất của A khi biết B cho bởi công thức:

P Bnormalizing constt

Từ đó ta có:

P A B P B( | ) ( )P A( B)P B A P A( | ) ( ) (1.2)

1.1.2 Định lý Bayes với hàm mật độ xác suất

Một dạng của định lý Bayes cho các phân bố liên tục Với các hàm liên tục,

thay cho các xác suất trong định lý Bayes ta sẽ dùng mật độ xác suất Như vậy ta

có các công thức tương tự định nghĩa xác suất điều kiện

( | ) ( | ) ( )

( )

f y x f xf x y

f y

 (1.3)

Công thức tính xác suất đầy đủ:

( | ) ( )( | )

( | ) ( )

f y x f xf x y

f y x f x dx





Ý nghĩa của các thành phần trong các công thức trên: f(x, y) là mật độ phân phối đồng thời của các biến ngẫu nhiên X và Y, f(x|y) là mật độ phân phối xác suất hậu nghiệm của X với điều kiện Y  y, f x y( | )L x y( | )là (một hàm của x)

của X và Y tách biệt nhau, với f(x) là mật độ phân phối tiền nghiệm của X

Công thức trên là có nghĩa với giả sử hàm f khả vi và các tích phân trong

công thức tồn tại 1.1.3 Phương pháp Monte Carlo

Trong phần này, chúng ta sẽ xem xét một trong những nền tảng lý thuyết

quan trọng của lọc Particlet – phương pháp Monte Carlo Không mất tính tổng

quát, ta xem xét bài toán tính tích phân trong đó dữ liệu rất lớn, nhiều chiều (High-Dimensional Intergral) như sau

Trong đó, ( ) là một hàm ( | ) - khả tích Giả sử ta có thể sinh ngẫu nhiên N mẫu ngẫu nhiên phân phối độc lập và đồng nhất * + từ phân phối xác suất ( | ) Như vậy, phân phối xác suất ( | ) có thể được ước lượng như sau

thể được xấp xỉ bằng tích phân Monte Carlo (Monte Carlo Integration) như sau

Biểu thức ướng lượng trong (1.7) hợp lệ vì theo luật mạnh số lớn, nếu

được thỏa tương tự thì ký tự ký hiệu cho hội tụ trong phân phối xác suất Từ

dễ dàng ước lượng được ( ) Qua đó ta cũng có thể dễ dàng tính được mức độ hội tụ của phép ước lượng, hay mức độ lỗi của nó

Không những thế, điểm mạnh của phương pháp tích phân Monte Carlo còn

nằm ở chỗ phương pháp này không phụ thuộc vào số chiều của dữ liệu Bằng

phương pháp xấp xỉ tích phân Riemann, trong đó không gian trạng thái được mô hình hóa bằng một phương trình giải tích, độ chính xác của phép xấp xỉ sẽ là đối với tích phân trên miền dữ liệu có số chiều là , nghĩa là mức độ hội tụ của phép

là mức độ hội tụ của phép xấp xỉ càng giảm khi số chiều của phép tính tích phân càng tăng Trong khi đó, áp dụng phương pháp tích phân Monte Carlo, phương pháp mô phỏng ngẫu nhiên không gian trạng thái từ phân phối xác suất của nó,

dữ liệu Điều này có nghĩa là, phương pháp tích phân Monte Carlo độc lập với số

chiều của phép tính tích phân

Tuy nhiên, một vấn đề gặp phải khi áp dụng phương pháp tích phân Monte Carlo chính là làm sao để có thể tạo ra một tập các mẫu ngẫu nhiên từ phân phối xác suất đích ( | ) bất kỳ một cách hiệu quả Thật không may là chúng ta thường không có cách nào để sinh ra tập mẫu này một cách trực tiếp từ phân phối xác suất đích ( | ) vì ( | ), trong trường hợp tổng quát, thường là đa biến và không có một dạng chuẩn nhất định (non-standard) mà chúng ta có thể biết trước (dạng của ( | ) có thể biến đổi theo thời gian) Vì vậy, nhiều phương pháp gián tiếp để sinh ra tập các mẫu dữ liệu này đã được phát triển

1.2 Nhiễu ISI trong thông tin vô tuyến

1.2.1 Giới thiệu

Trong kênh truyền chọn lọc tần số chịu ảnh hưởng của hiện tượng nhiễu

liên ký hiệu ISI ( Intersymbol Interference) ISI xảy ra do hiệu ứng đa đường,

trong đó một tín hiệu tới sau sẽ gây ảnh hưởng lên ký hiệu trước đó Tín hiệu phản xạ (reflection) đến máy thu theo đường truyền dài hơn so với các tín hiệu còn lại Khoảng thời gian trễ (mức trải trễ) này tính như sau:

Trong các hệ thống đơn sóng mang, ISI là một vấn đề khá nan giải Lý do là độ rộng băng tần tỉ lệ nghịch với khoảng thời gian ký hiệu, do vậy, nếu muốn tăng tốc độ truyền dữ liệu trong các hệ thống này, tức là giảm khoảng ký hiệu , vô hình chung đã làm tăng mức trải trễ tương đối Lúc này hệ thống rất nhạy với trải trễ, và việc thêm khoảng bảo vệ sẽ rất khó triệt tiêu hết ISI Phương án giải quyết đc lựa chọn là tạo các đường truyền thẳng, theo đó, các anten thu phát sẽ đc đặt trên cao nhằm lấy đường truyền LOS ( Light of Sign) Tuy nhiên, trong những trường hợp không thể tạo ra được đường truyền thẳng thì phương pháp đó cũng không phải là một cách hiệu quả Một hiệu ứng khác cũng gây khá nhiều khó khăn cho các hệ thống đơn sóng mang là hiệu ứng fading chọn lọc tần số Trên băng thông rộng của tín hiệu phát, có thể xảy ra nhiễu tại một phần nào đó (do nguồn nhiễu hoạt động tại dải tần hẹp này) Điều này gây lỗi phần tín hiệu trên dải tần đó

Để giải quyết nhiễu ISI, một số phương pháp sau thưởng dược sử dụng trong các hệ thống về thông tin vô tuyến

 Linear Equalizer: Xử lý tín hiệu thu được sử dụng các bộ lọc tuyến tính

lỗi

 Decision Feedback Equalizer: Là một bộ cân bằng tuyến tính bằng cách cộng thêm vào bộ lọc ước lượng ký tự vào ngõ ra của bộ lọc ban đầu

đến đặc tính của kênh và loại bỏ chuỗi huấn luyện, chỉ sử dụng những thông tin từ dữ liệu thu được

cập nhập các hệ số cân bằng ( chẳng hạn như hệ số của bộ lọc) khi truyền dữ liệu Bộ lọc sử dụng hàm chi phí MSE, giả sử rằng bộ lọc tạo ra một quyết định đúng của ký tự, nó sẽ sử dụng ký tự để tính toán hàm E như bên trên

 Viterbi Equalizer: Tìm lời giải tối ưu cho Maximum Likelihood để giải quyết vấn đề cân bằng Mục đích là cực tiểu hóa xác suất lỗi của ký tự thu được

algorithm) để tìm cực đại của mật độ phổ (MAP), mục đích nhằm cực tiểu xác suất ước lượng sai một ký tự

 Turbo equalizer: Ứng dụng mã Turbo trong khi đang xử lý kênh truyền với mã tích chập

1.2.2 Cơ sở lý thuyết

Để hiểu nhiễu ISI là gì, ta xét quá trình truyền một chuỗi các ký tự với dạng sóng cơ bản u t( ) Để có thể gửi ký tự thứ n là bn , ta phải gửi chuỗi b u t nTn (  ) ,

với T là khoảng thời gian của một ký tự Khi đó, chuỗi tín hiệu truyền đi sẽ có dạng như sau

nn

là bộ lọc matched filter, i.e Ta đưa tín hiệu nhận được qua một bộ matched filter

( )()

v t  vt và lấy mẫu ở ngõ ra của bộ lọc này tại thời điểm t0 để thu được đặc tính quyết định Khi một chuỗi các ký tự được truyền, ta vẫn có thể thực hiện bộ lọc martched filter để giải điều chế Mục tiêu là lấy mẫu ở ngõ ra bộ lọc tại

các thời điểm tmT để thu được thống kê cho ký tự bm Ở thời điểm tmT

ngõ ra của bộ lọc matched filter sẽ có dạng

thành phần đầu tiên Sự ảnh hưởng không mong muốn này từ các ký tự khác gọi là can nhiễu liên ký tự intersymbol interference (ISI)

   Từ đây ta có v v mT* (nT)0 với nm và không có ISI Từ kết quả này, chiến thuật điều chế trên có thể được giải thích như một bộ matched filer cho mỗi ký tự Điều không mày là với dạng sóng hữu hạn về thời gian lại bị giới hạn về băng thông Vì vậy với một kênh truyền giới hạn băng thông, v t( ) và

* ( )

v v t là không giới hạn thời gian và nhiễu ISI sẽ xảy ra Cách thông thường để quan sát và đo đạc nhiễu ISI là nhìn vào bản đồ mắt của tín hiệu thu được Ảnh hưởng của ISI và các loại nhiễu khác có thể được quan sát thông qua một màn hình của oscilloscope hiển thị ngõ ra của bộ lọc matched filer với trục đứng là

ngõ vào, trục ngang là tốc độ lấy mẫu được thiết lập bằng bội số của 1/T Để mô

tả cho phần này, ta sét dạng sóng cơ bản u t( ) có dạng xung hình tam giác p tT( )

và tín hiệu binary được thực thi Biểu đồ mắt cho trường hợp với kênh truyền là all-pass và lowpass được cho như trong hình 1.2 và 1.3

Hình 1.3: Biểu đồ mắt của tín hiệu BPSK với ảnh hưởng của ISI

Xung Nyquist

Sự quan sát một cách cần thận như trong phương trình (1-11) trình bày có

for n



Với giá trị c là hằng số, không bị suy hao năng lượng, ta có thể đặt c = 1

Điều kiện Nyquist trong dạng này không hữu hiệu lắm khi thiết kế bộ xung mà không chịu ảnh hưởng của ISI Để tưởng minh hơn, ta xem lại điều kiện Nyquist trong miền tần số, tức là ta có

 



(1-16)

Đây là điều kiện Nyquist trong miền tần số Có thể nói rằng các phổ của x t( )

không bị trải khi không có ISI

Khi kênh truyền bị giới hạn ở WHz, i.e X f( )0 với | f | W , điều kiện Nyquist trở thành những dạng sau

Giả sử tốc độ ký tự quá lớn và 1

2WT  , lúc này phổ ( )

n

nX f

T





dạng như trong hình 1.4 Có một khoảng cách giữa những bản sao của X f( ) Không quan trọng dạng của X f( ) , điều kiện Nyquist không thể thỏa mãn và nhiễu ISI là không thể tránh khỏi

Giả sử tốc độ tín hiệu thấp hơn và thỏa điều kiện 1

2WT  , khi đó những bản sao của X f( )chỉ chạm vào những bản sao bên cạnh nó và không có khoảng hở giữa cản bản sao với nhau

Hàm tương ứng trong miền thời gian có dạng xung sinc như sau:

( )sin (/ )

x t  c t T

T 

Ta để ý rằng hàm xung sinc là không giới hạn về thời gian và không nhân quả, vì vậy không thể nhận biết một cách vật lý Một phiên bản cắt bớt và trễ

T



trong hình 1.4, khi đó ta có thể thiết kế một dạng xung ISI cho dạng phổ bằng phẳng

Khi tốc độ ký tự bé hơn tốc độ Nyquist, phổ ISI-free thường sử dụng là phổ hàm raised-cosine như trong hình 1.5

1, 0 | |

Hình 1.6: Phổ miền thời gian của hàm raised cosine Khi  0 sẽ tiêu giảm hàm sinc Ta thấy rằng với 0 ,x t( ) suy giảm

3

xung ít nhạy cảm với sai số thời gian hơn dạng xung sinc Giống như tất cả các

bị giới hạn về thời gian Vì vậy ta cần cắt và trễ cho việc nhận dạng Cuối cùng, nhắc lại rằngx t( ) là đáp ứng của dạng xung truyền qua kênh truyền giới hạn băng thông và bộ lọc matched filter, về mặt toán học

( ) | ( ) || c( ) ( ) |

Với U f V f( ), ( ) vàH f( ) là biến đổi Fourier của các hàm u(t), v(t) và h tc( )

Cho trước một phổ ISI X(f), ta có thể thực hiện hàm trên để thu được trường hợp

đơn giản của kênh truyền giới hạn băng thông Nếu kênh truyền không giới thiệu bất kì sự tán sắc nào trong khoảng passband của nó, ta có thể đơn giản lựa chọn

( )

kết quả xung ISI-free u(t) được gọi là square-root raised-cosine pulse

1.2.3 Cân bằng kênh truyền

Với các kênh truyền vật lý chẳng hạn như đường dây điện thoại, không chỉ giới hạn về băng thông mà còn bị tán sắc ( distortions) trong khoảng băng tần của nó

Hình 1.7: Kênh truyền ảnh hưởng bởi nhiễu trắng

Theo như kênh truyền mô hình bởi bộ lọc LTI bị ảnh hưởng bởi nhiễu trắng AWGN như trong hình Đây là mô hình kênh truyền tán sắc ta mô tả trước đó Với hệ thống thông tin liên lạc thực hiện điều chế tuyến tính, ví dụ nhưu BPSK, qua một kênh truyền tán sắc, toàn bộ hệ thống sẽ được mô tả dưới dạng mô hình như trong hình 1.8 Chuỗi thông tin được định nghĩa bởi { }Ik và HT( )f ,Hc( )f

tán sắc và bộ thu Điều kiện Nyquist trong trường hợp không có nhiễu ISI như trong chương trước đã trình bày có thể dễ dàng tính được từ hệ thống trên, cho

kiện trên,đây là xung Nyquist thiết kế mô tả trong chương trước Sự bất lợi chính của hệ thống xung dạng này là rất khó để xây dựng bộ analog cho HT( )f và

đặt một bộ lọc số, còn gọi là equalizer, tại ngõ ra để giảm ảnh hưởng của ISI như trong hình 1.9 Hành động để loại bỏ nhiễu này còn gọi là cân bằng hóa Lợi ích chính của việc này là do bộ lọc số sẽ dễ dạng xây dựng và thay thế số với bộ lọc khác, đồng thời phù hợp với các kênh truyền khác nhau

Hình 1.9: Mô hình thông tin liên lạc với bộ equalizer

Mô hình tương đương rời rạc theo thời gian: Muc đích là thiết kế một bộ cân bằng có thể loại bỏ được ISI, ta dịch truyển mô hình hệ thống liên lạc thời gian liên tục thành mô hình rời rạc theo thời gian để có thể phân tích dễ dạng hơn Các bước sau mô tả quá trình dịch

equivalent colored Gaussian noise khi phân tích hệ thống Bộ equivalent colored noise sẽ là ngõ ra của bộ HR( )f tùy thuộc vào nhiễu AWGN Kết quả mô hình được cho trong hình 1.10

Hình 1.10: Hệ thống thông tin với colored Gaussian noise

ngõ ra với mỗi T giây Nhờ vậy ta có thể đại diện hệ thống thông tin ở hình 1.10 từ thông tin về nguồn đến mẫu như là một bộ lọc số Bởi vì

R( )

Hf , Hc( )f và HT( )f là các bộ lọc tuyến tính, chúng có thể được kết hợp và đại diện bởi một bộ lọc số LTI Định nghĩa hàm truyền của bộ lọc này là H z( )và đáp ứng xung là { }hkk Kết quả là mô hình bộ lọc tuyến tính rời rạc theo thời gian được cho như trong hình 1.11, ctrong đó chuỗi ngõ ra được cho bởi:

gian với nhiễu màu

 Nhìn chung, hj 0 với một vài giá trị j0 Sau đó nhiễu ISI hiện diện Để ý rằng chuỗi nhiễu { }nk chứa các mẫu của bộ nhiễu màu Gauss và không trắng về mặt chung

và mạch cân bằng, thực hiện cân bằng ngõ ra như trong hình 1.12 Ảnh hưởng của bộ Hw( )z là để gây ảnh hưởng lên chuỗi nhiễu để cho các mẫu nhiễu này không tương quan với nhau Hw( )z chỉ phụ thuộc vào

R( )

ra Hw( )z , chuỗi bị nhiễu có tính chất “trắng” Vì vậy ta có thể giả sử mô hình rời rạc theo thời gian như trong hình 1.13, trong đó { }nk là chuỗi

 Cho G z( )H z H( ) w( )z Hệ thống thông tin từ thông tin về nguồn đến ngõ ra với ảnh hưởng của nhiễu trắng có thể được đại diện bởi mô hình bộ lọc nhiễu trắng rời rạc theo thời gian như trong hình 1.14 ngõ ra

.Giả sử rằng bộ cân bằng cũng đồng thời tuyến tính và bất biến theo thời gian như hàm truyền HE( )z và đáp ứng xung tương ứng {hE j, } Lúc này ngõ ra của bộ cân bằng sẽ có dạng:

a) Zero – forcing equalizer

Đầu tiên ra xét bộ cân bằng tuyến tính, ta thực thi một bộ LTI với hàm truyền HE( )z là mạch cân bằng Cách đơn giản nhất để loại bỏ ISI là chọn HE( )z

k

I =Ik với

mọi k nếu như nhiễu không xuất hiện Điều này có thể thực hiện bằng cách cho hàm truyền HE( )z 1/G z( ) Phương pháp này được gọi là cân bằng zero – forcing, trong đó thành phần ISI tại ngõ ra bộ cân bằng được cho bằng zero

hợp với việc trễ và cắt tín hiệu để ước lượng Lưu ý rằng ảnh hưởng của bộ cân bằng lên nhiễu sẽ không cần thiết trong mô hình ở trên Trong thực tế, có trường hợp bộ lọc cân bằng sẽ tăng cường công suất nhiễu và từ đây sai số của bộ thu sẽ tăng lên Để thấy được điều này, ta đánh

được cố định và bộ lọc matched filter được sử dụng ở bộ thu:

mô tả như sau:

W( jfT)( jfT)( jfT)( jfT)

Bởi vì bộ lọc zero-forcing ngược ảnh hưởng của kênh truyền lên thông tin

phương sai đơn vị Sau đó PSD của tín hiệu 1 và năng lượng tín hiệu ở ngõ ra của bộ cân bằng là 1/T Mặt khác, PSD của thành phần nhiễu ở ngõ ra của bộ cân

2

jfTE

N

cân bằng là 1/2 2 2

năng lượng nhiễu của nhiễu Ta có

11

01/2



b) MMSE Equalizer

Bộ lọc zero-forcing mặc dù loại bỏ được nhiễu ISI nhưng lại không cho kết quả tốt nhất về tỉ lệ lỗi bit Một phương pháp khác là bộ lọc bình phương cực tiểu trung bình - minimum mean square error(MMSE) Bộ lọc này dựa trên tiêu chuẩn về sai số trung bình bình phương (MSE)

Khi ta không biết thông tin về giá trị của Ik trước đó, ta xem mỗi giá trị này là một biến ngẫu nhiên GIải sử thông tin chuỗi { }Ik là WSS, ta chọn bộ lọc tuyến tính HE( )z để cực tiểu MSE giữa giá trị gốc ban đầu và giá trị thu nhận được

cân bằng Nhận thấy rằng sự trễ của L ký tự thu nhận được tại ngõ ra của bộ lọc FIR như sau:

2

2,

[ , ]T

Ta muốn cực tiểu giá trị MSE bằng cách chọn các giá trị hE [hE,L, hE L, ]T

thích hợp Với mỗi giá trị hE j, và đặt các giá trị khác bằng 0, ta thu được:

[ (kkkTE)] 0

E I I I h  (1-35) Sắp xếp lại ta có:

k k

RE I IdE I I



Nếu như R và d là tồn tại, bộ lọc MMSE có thể tìm được để giải quyết vấn đề về phương trình ma trận tuyến trính (4-31) Thực tế thì tỉ số tín hiệu trên nhiễu tại ngõ ra của bộ cân bằng MMSE tốt hơn zero-forcing

Bộ cân bằng MMSE có thể tìm được bằng cách tính toán lặp Ta để ý rằng

tiếp để thay đổi hE thành hướng tăng lớn nhất của MSE, trong trường hợp này gradient là 2(dRhE) Để giản MSE, ta update hE vào hướng ngược lại với gradient Đây gọi là thuật toán steepest descent algorithm Ở bước k-th, vector

kk

I I và I Ik k lần lượt Thuật toán trở thành

d) Decision feedback equalizer

Nhắc lại mô hình cân bằng rời rạc theo thời gian trong hình 1.14 như sau:

đó hiển nhiên sẽ loại bỏ được nhiễu ISI bằng cách trừ đi khoảng ảnh hưởng, bộ cân bằng sẽ cho:

Nói chung, ta không biết tất cả ký tự ảnh hưởng tại nơi nhận của ký tự hiện tại Tuy nhiên có thể sử dụng những quyết định trước đó để làm thuật toán trở nên chính xác hơn Đây chính là bộ cân bằng tên decision feedback equalizer Với những hồi tiếp về, ta có thể tưởng tượng bộ cân bằng bao gồm 2 phần –

bậc là L2 Giả sử việc ước lượng là hoàn hảo, tức là Idj Ij , ta có:

thay đổi ngẫy nhiên Ta tím hE F, và hE B, sao cho cực tiểu MSE như sau:

ˆ[( kk) ][( kTFE FTBE B) ]

21

[ F BT] LL

E I I I  xác định mà trận, phương trình để tìm đượchE F, và hE B, tối ưu còn lại là:

Giải những phương trình này ta thu được:

CHƯƠNG II MẠNG CẢM BIẾN Y SINH WBAN

2.1 Giới thiệu mạng cảm biến WBAN 2.2 Các nhân tố ảnh hưởng trong WBAN 2.3 Mô hình kênh truyền WBAN

2.1 Giới thiệu về mạng cảm biến WBAN

Với sự phát triển nhanh chóng của công nghệ không dây hiện nay, cảm biến và các loại mạch tích hợp đã mở ra một giai đoạn mới và hỗ trợ trong rất nhiều lĩnh vực.Cụ thể hơn, những mạng cảm biến được sử dụng để theo dõi sản lượng nông nghiệp, lưu lượng giao thông, nghiên cứu trắc địa, môi trường, đặc biệt là trong lĩnh vực y tế và chăm sóc sức khỏe Về phần này, một chuẩn riêng hiện đang được nghiên cứu cho các thiết bị cảm biến y sinh với giá thành rẻ và có thể mang theo bên mình hoặc đeo lên người, mạng này gọi tắt là WBAN - Wireles body area network, mạng này cho phép quan sát hiện trạng sức khỏe của bệnh nhân thời gian thực thông qua các phương tiện giao tiếp không dây Một cơ số các cảm biến có thể đeo hoặc cấy vào cơ thể người bệnh, truyền tín hiệu thu nhận được của cơ thể người bệnh và truyền về node xử lý trung tâm để có thể phát hiện một cách nhanh nhất về sự thay đổi điều kiện sinh hoc – y tế của bệnh nhận, giúp cho bác sĩ có thể đưa ra những chuẩn đoán nhanh chóng và kịp thời

Ngoài y tế, WBAN có thể được sử dụng trong nhiễu lĩnh vực liên quan khác như quân đội, thể thao, bảo mật và đa phương tiện Thông thường hệ thống WBAN được phân loại dựa trên một số tiêu chuẩn( bảng 2.2) dựa trên lĩnh vực áp dụng ứng dụng: non – medical và health care domain Những thông tin được truyền đi trong WBAN tạo bởi các cảm biến có thể đo đạc tức thời các chức năng y tế của con người như nhiệt độ, huyết áp, nhịp tim, điện tâm đồ, vv…

Hình 2.1: Hệ thống theo dõi sức khỏe bệnh nhân

Một trong những ứng dụng của hệ thống chăm sóc sức khỏe có thể kể đến như giám sát và điều chỉnh lượng thuốc thay đổi tùy thuộc vào thể trạng và điều kiện của bệnh nhân ở bất kì đâu, ứng dụng mô tả như trong hình 2.1

Với đặc tính thời sự và tính ứng dụng của WBAN, đã có rất nhiều các công trình nghiên cứu được thực hiện để có thể thực thi được hệ thống trên thành những ứng dụng thực tế WBAN là một sự tổng hợp của các thiết bị di động và các mạng cảm biến không dây có thể đeo trên cơ thể hoặc cấy ghép trong cơ thể của con người Tín hiệu của hệ thống chăm sóc sức khỏe được bức xạ trên bề mặt cơ thể, chính vì vậy yêu cầu các thiết bị này phải sử dụng công suất thấp như bluetooth, zigbee, vv… Để có thể thực hiện được điều này, hệ thống băng siệu rộng thường được áp dụng ( UBW) Năng lượng của hệ thống UBW có thể thấp đến mức không ảnh hưởng đến cơ thể của người bệnh

Thông thường hệ thống UBW là những hệ thông MIMO ( multiple – input – multiple – output và sử dụng phân tập không gian và phân tập chia, vì vậy sẽ đạt được tốc độ cao.Tuy nhiên bên cạnh đó, việc sử dụng tần số cao sẽ chịu nhiều ảnh hưởng của can nhiễu liên ký tự và nhiễu đa đường cũng như hiện tượng fading

Trong mạng WBAN, các phương án để giảm thiểu can nhiễu có thể kể đến như SIC( successive interference cancellation), phương pháp này khá hữu hiệu trong việc xử lý can nhiễu mạng CDMA và các hệ thống đa phương tiện

Hệ thống UWB sử dụng kỹ thuật trải phổ có thể chia làm 2 dạng:Điều chế biên độ xung/ chuỗi trực tiếp (PAM/DS) và điều chế vị trí xung/nhảy tần theo thời gian(PPM/TH) Ảnh hưởng của MAI có thể được giảm bớt bằng việc sử dụng trải phổ với sư tương quan tốt hơn Trong hệ thống PAM/DS, psuedo noise code ( PNC) thường hay được sử dụng làm code trải phổ

Các phương pháp thường được sử dụng để giảm thiểu ảnh hưởng của ISI và MAI như zero – forcing (ZF), minimum mean square error ( MMSE) vv…

Trong luận văn này sử dụng cân bằng mù ứng dụng bộ lọc phần tử để giảm quyết vấn đề về nhiễu ISI, với giả sử các node trong mạng WBAN được kết nối qua một kênh truyền vô tuyến ở khoảng cách rất gần Việc tiếp cần các node này bao gồm việc xử lý can nhiễu giữa những thiết bị khác

Để có thể phát triển một mạng WBAN, ta cần biết đặc tính của phương trình truyền sóng điện từ của những thiết bị cảm biến, với vị trí nằm trên bề mặt hoặc trong cơ thể con người, cấu trúc cũng như hình dạng của cơ thể người, việc thành lập một mô hình suy hao đơn giản để có thể tính toán một cách định lượng là không hề đơn giản Tùy thuộc vào vị trí của anten trên cơ thể mà người ta chia ra làm các loại như sau:

da, hoặc thậm chí là nằm luôn trong các cơ quan bên trong cơ thể

 Body Surface Node: Đây là loại cảm biến nằm trên bề mặt da hoặc cách da ít nhất 2 centimeters

 Extenal Node: Loại cảm biến này tách biệt với bề mặt của cơ thể ( nằm tầm vài cemtimeters đến 5 meter so với cơ thể)

Với các loại cảm biến trên, khoảng cách giữa các node thu và phát được xem như khoảng cách xung quanh cơ thể nếu như cả transmitter và receiver không nằm cùng phía so với chiều dọc của cơ thể Trong vài trường hợp, khoảng cách truyền có thể dao động từ vài centimeters đến 5 meters

Như vậy tùy vào từng vị trí của các cảm biến, ta sẽ xây dựng mô hình kênh truyền riêng, ký hiệu là CM Bảng dưới đây là một chuỗi các trường hợp mà thiết bị chuẩn IEEE802.15.6 sẽ hoạt động được Tổng cộng ta có 4 mode kênh truyền từ CM1 đến CM4

Trường

Mô hình kênh truyền

13.5, 50, 400, 600, 900 Mhz, 2.4, 3.1,

10.6 Ghz

CM3

S5

Body Surface to Body Surface (NLOS)

13.5, 50, 400, 600, 900 Mhz, 2.4, 3.1,

Tiêu chuẩn Mô hình kênh truyền WBAN

Lĩnh vực

Bảng 2.2: Phân loại mạng WBAN

Chi tiết về khoảng cách của từng loại CM1 đến CM4 như ở trong hình 2.2 bên dưới Như vậy trên cơ thể, ta có thể có các dạng CM1, CM2 và CM3 Trong đó đường đi của các CM được xếp theo thứ tự chiều dài từ nhỏ tới lớn như sau:

CM2 < CM1 < CM3 < CM4 Hiện tượng ISI sẽ ảnh hưởng đến CM4 nhiều hơn cả các trường hợp còn lại

Hình 2.2: Các kết nối trong mạng WBAN Sơ đồ hệ thống WBAN dạng đầy đủ:

Hình 2.3: Sơ đồ hệ thống UWB/MIMO

Hình trên là sơ đồ khối của một hệ thống WBAN bao gồm nhiều thiết bị từ device 0 đến device N Tín hiệu từ các thiết bị được mã hóa, trải phổ và điều chế PAM Bộ Encoder/Decoder MIMO được sử dụng để tăng tốc độ kênh truyền

2.2 Các nhân tố ảnh hưởng trong WBAN

Ảnh hưởng của Antena: Một antena nằm trên bề mặt cơ thể sẽ bị ảnh hưởng

lớn bởi những gì xung quang nó Hậu quả dẫn đến về sự thay đổi về hướng anten và đặc tính anten cần được hiểu rõ và tính toán trong suốt quá trình truyền sóng

BAN antena có thể được phân làm 2 nhóm chính: Electrical antennas, ví dụ như dipole: Electrical antenna điển hình tạo ra thành phần trường diện lớn trực giao với bề mặt của mô và sẽ làm nóng các mô có kích thước lớn Magnetic antennas: ví dụ như loop: Magnetic antenna sinh ra trường điện tiếp tuyến với bề mặt các mô và sẽ không làm nóng các mô này

Đặc tính điện của cơ thể: Cơ thể con người là môi trường lý tưởng cho việc

tuyền sóng radio Cơ thể là vật dẫn và chưa các chất liệu có những hằng số điện môi, có đặc tính trở kháng Tùy vào tần số hoạt động, cơ thể sẽ có những suy hao và sự hấp thụ năng lượng khác nhau

Trong mạng WBAN, những đường truyền sóng có thể bị fading vì nhiều lý do khác nhau, ví dụ như hấp thụ năng lượng, phản xạ, tán xạ, shadowing bởi cơ thể vv… Một lý do khác nữa cũng gây ra hiện tượng fading là do hiện tượng đa đường dựa trên môi trường xung quanh cơ thể Fading có thể phân ra làm 2 dạng: small scale fading và large scale fading

Small scale fading: Gây ra do sự thay đổi đột ngột về biên độ và phase của tín hiệ thu trong một khoảng diện tích nhỏ do sự thay đổi nhỏ về vị trí của các thiết bị trên cơ thể hoặc vị trí cơ thể

Large scale fading: Gây ra bởi sư thay đổi lớn trên một diện tích, nguyên nhân thường gây ra bởi khoảng cách giữa vị trí của anten trên cơ thể và những node bên ngoài

Không giống như các mạng không dây truyền thống, suy hao trong WBAN phụ thuộc cả vào khoảng cách và tần số Công thức dưới đây mô tả mô hình suy hao

giữa bên phát và bên thu như là một hàm của khoảng cách dựa trên công thức Friis về suy hao trong không gian tự do:

suy hao đường truyền Suy hao đường truyền gần antena phụ thuộc vào sự khác nhau giữa antena và cơ thể gây ra do antena không phụ hợp

Với sự biến thiên trong môi trường xung quanh cơ thể hoặc khi có sự kiện di chuyển các thành phần của cơ thể, suy hao sẽ khác nhau từ một giá trị trung bình đến một giá trị cho trước như trong phương trình ( 2-1 ) Hiện tượng này được gọi là shadowing, thể hiện sự thay đổi của suy hao đường truyền xung quanh một giá trị trung bình

Khi xem xét hiện tượng shadowing, tổng suy hao đường truyền trong công thức trên có thể được biểu diễn như sau:

( )

Với PL(d) được biểu diễn trong (1) và S là thành phần của shadowing

Bởi vì sự phản xạ đa đường, đáp ứng xung của kênh truyền BAN nhìn giống

như một chuỗi xung Về mặt thực thi, số lượng đáp ứng xung có thể rất lớn, phụ thuộc vào độ phân giải thời gian và hệ thống đo lường Trễ công suất của kênh truyền là giá trị công suất trung bình của tín hiệu như một hàm của trễ và giá trị trực tiếp của đường đầu tiên

Một số thông số cho các mô hình cho cảm biến on-body như sau

Body surface to body surface CM3 ở tần số 13.5 Mhz Đo lường dải tần số 13.5 Mhz – 13.571 Mhz được đề cập trong [25], sự quan sát ở dải tần này cho thấy kênh truyền có suy hao khá giống với suy hao trong không gian tự do Tuy nhiên bằng thông lại nhỏ hơn rất nhiều Bảng sau cho thấy các thông số đo lường