Toàn văn ước lượng kênh truyền MIMO dùng thuật toán bán mù cải tiến

Trong một cải tiến của thuật toán ước lượng kênh dựa trên phân tích SVD cho trường hợp xét đến sự sai số ma trận W, luận án dùng khung tín hiệu phát tăng cường thêm dữ liệu thống kê tín

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH ĐẠI HỌC KHOA HỌC TỰ NHIÊN

LỜI CÁM ƠN

Luận án này hoàn thành là kết quả của những nỗ lực cá nhân trong suốt thời

gian học nghiên cứu sinh Tác giả đã có bước đi dài từ việc kế thừa các kiến thức

thực nghiệm tích lũy sau thời gian dài công tác trong ngành thông tin vô tuyến cho

đến việc nghiên cứu sâu lĩnh vực ước lượng kênh Để có được những kết quả này,

tác giả xin gửi lời cảm ơn chân thành, sâu sắc đến PGS.TS Vũ Đình Thành Có thể

nói thời gian học nghiên cứu sinh quả là thời gian dài với nhiều khó khăn nhưng

Thầy đã rèn cho trò tính kiên nhẫn, tỉ mỉ trong nghiên cứu khoa học, đam mê trong

lĩnh vực tư duy sáng tạo Thầy luôn là nguồn động viên tinh thần trong suốt thời

gian dài nghiên cứu Không những Thầy cung cấp những góp ý, những nhận xét

phản biện để luận án được hoàn thiện mà còn làm cho luận án đảm bảo tính logic và

mang giá trị khoa học cao Bên cạnh đó, tôi cũng không quên sự giúp đỡ nhiệt tình,

sự tạo điều kiện về công tác cũng như những đóng góp xác đáng cho luận án của

các đồng nghiệp tại Đại học Khoa Học Tự Nhiên, Đại học Tôn Đức Thắng Thông

qua luận án này, tôi muốn gửi các kết quả nghiên cứu mới, những thành quả lao

động khoa học sáng tạo này đến cha mẹ, những người đã nuôi dưỡng, tạo điều kiện

cho tôi làm khoa học cho tới ngày hôm nay Cuối cùng, không có những sẻ chia,

động viên liên tục của vợ và con, tôi khó có thể hoàn thành luận án của mình đảm

bảo đúng tiến độ đào tạo

Đỗ Đình Thuấn

MỤC LỤC

CHƯƠNG 1: TỔNG QUAN 1

1.1 Giới thiệu về MIMO và mô hình kênh vô tuyến 1

1.2 Các loại kênh truyền fading 10

1.3 Dung lượng kênh MIMO 12

1.4 Ước lượng kênh truyền trong MIMO 15

1.5 Kết luận chương 17

CHƯƠNG 2 : ƯỚC LƯỢNG KÊNH BÁN MÙ CẢI TIẾN DỰA TRÊN PHÂN TÍCH SVD 19

2.1 Giới thiệu 19

2.2 Một số thiết kế về chuỗi huấn luyện cho ước lượng kênh 19

2.3 Phương pháp ước lượng kênh bán mù cải tiến 21

2.3.1 Mô hình kênh MIMO 21

2.3.2 Ước lượng kênh dùng phương pháp bình phương cực tiểu (LS) 21

2.3.3 Ước lượng kênh bán mù cải tiến dùng phương pháp phân tích giá trị riêng SVD 22

2.4 Chuỗi huấn luyện đề xuất cho ước lượng kênh bán mù cải tiến 23

2.5 Phân tích tính chính xác bộ ước lượng kênh 24

2.6 Kết quả mô phỏng 25

2.7 Kết luận chương 35

CHƯƠNG 3 : ĐÁNH GIÁ ƯỚC LƯỢNG KÊNH BÁN MÙ CẢI TIẾN DỰA TRÊN PHÂN TÍCH KHÔNG GIAN CON TÍN HIỆU 37

3.1 Giới thiệu 37

3.2 Một số phương pháp dùng cho xác định thông tin trạng thái kênh 37

3.3 Mô hình hệ thống 38

3.4 Ước lượng kênh bán mù cải tiến dựa trên không gian con tín hiệu cho MIMO 39

3.5 Kết quả mô phỏng 43

3.6 Kết luận chương 46

CHƯƠNG 4 : ƯỚC LƯỢNG KÊNH TRUYỀN BÁN MÙ CHO HỆ THỐNG MIMO OSTBC 48

4.1 Giới thiệu 48

4.2 Vấn đề ước lượng kênh trong MIMO OSTBC 48

4.3 Tổng quan về mã hóa khối không gian thời gian trực giao 49

4.4 Kỹ thuật ước lượng kênh dùng thuật toán bán mù cải tiến cho MIMO

OSTBC 53

4.5 Kết quả mô phỏng 54

4.6 Kết luận chương 59

CHƯƠNG 5 : ƯỚC LƯỢNG MÙ CHO KÊNH FADING LỰA CHỌN TẦN SỐ DỰA TRÊN THUẬT TOÁN SDR 60

5.1 Giới thiệu 60

5.2 Tổng quan các phương pháp ước lượng kênh fading lựa chọn tần số 60

5.3 Mô hình kênh fading lựa chọn tần số MIMO-OFDM 61

5.4 Phương pháp ước lượng kênh dựa trên ma trận bán xác định dương SDR 65

5.5 Kết quả mô phỏng 65

5.6 Kết luận chương 70

CHƯƠNG 6 : ƯỚC LƯỢNG KÊNH VỚI KHUNG TÍN HIỆU PHÁT NHÚNG DỮ LIỆU THỐNG KÊ BẬC HAI 72

6.1 Giới thiệu 72

6.2 Mô hình kênh MIMO 72

6.3 Khung tín hiệu phát nhúng dữ liệu thống kê bậc hai 73

6.4 Kết quả mô phỏng 74

6.5 Kết luận chương 78

CHƯƠNG 7 : CÁC KỸ THUẬT CÂN BẰNG KÊNH VÀ TRUYỀN THÔNG

MIMO BẢO MẬT 79

7.1 Giới thiệu 79

7.2 Tổng quan các kỹ thuật cân bằng kênh 79

7.3 Mô hình kênh MIMO cho thuật toán cân bằng kênh 80

7.4 Kỹ thuật cân bằng kênh cưỡng bức không ZF 81

7.5 Kỹ thuật cân bằng kênh MMSE 81

7.6 Vấn đề truyền thông bảo mật trong MIMO 81

7.7 Kết quả mô phỏng 84

7.8 Kết luận chương 90

CHƯƠNG 8 : KẾT LUẬN VÀ KIẾN NGHỊ 91

DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ 94

TÀI LIỆU THAM KHẢO 97

PHỤ LỤC 104

Danh mục các hình vẽ

Hình 1.1 Sơ đồ khối xử lý tín hiệu một hệ thống MIMO điển hình 3

Hình 1.2 Xử lý và tách tín hiệu trong một hệ thống MIMO khi biết giá trị kênh phía phát và thu 7

Hình 1.3 Vị trí khối ước lượng kênh trong kỹ thuật MIMO-OFDM 10

Hình 1.4 So sánh dung lượng số anten thu phát MIMO khác nhau 14

Hình 1.5 Cấu trúc khung tín hiệu phát gồm chuỗi huấn luyện và tín hiệu có ích 16

Hình 1.6 Sơ đồ khối xử lý tín hiệu thu phát chung cho hệ thông vô tuyến 17

Hình 1.7 Cấu trúc cụm tín hiệu trong chuẩn vô tuyến GSM 17

Hình 2.1 Kiểu chuỗi huấn luyện răng cài lược (a), kiểu khối (b), kiểu vòng (c) 20

Hình 2.2 Lưu đồ thuật toán tính sai số ước lượng kênh với pilot trực giao 27

Hình 2.3 MSE và Eb/No cho ước lượng kênh bình phương cực tiểu và bán mù cải tiến 28

Hình 2.4 MSE và độ dài chuỗi huấn luyện cho ước lượng bán mù cải tiến dựa trên SVD 30 Hình 2.5 So sánh trường hợp ước lượng bán mù cải tiến hoàn hảo và ước lượng kênh không hoàn hảo 31

Hình 2.6 Đánh giá MSE cho các cấu trúc chuỗi huấn luyện khác nhau 32

Hình 2.7 So sánh mô phỏng BER/SER cho ước lượng kênh bán mù cải tiến dùng chuỗi huấn luyện trực giao và phương pháp của Rustam Efendi 33

Hình 2.8 Đánh giá MSE của thuật toán ước lượng kênh bán mù cải tiến dựa trên SVD dùng các kỹ thuật điều chế khác nhau 34

Hình 2.9 Đánh giá dung lượng kênh của phương pháp bán mù cải tiến cho hệ thống MIMO 2 anten phát 2 anten thu 35

Hình 3.1 So sánh MSE của các phương pháp ước lượng khác nhau 43

Hình 3.2 Đánh giá MSE cho các độ dài chuỗi huấn luyện khác nhau 45

Hình 3.3 Đánh giá MSE cho ước lượng kênh dựa trên không gian con tín hiệu khi xét ảnh hưởng nhiễu 45

Hình 3.4 Đánh giá MSE khi tỉ lệ chuỗi huấn luyện trên dữ liệu có ích là 1/100 46

Hình 4.1 Cấu trúc tín hiệu mã hóa không gian-thời gian 50

Hình 4.2 Sơ đồ khối xử lý tín hiệu OSTBC trong MIMO 53

Hình 4.3 Lưu đồ thuật toán ước lượng kênh MIMO OSTBC 55

Hình 4.4 So sánh bộ ước lượng kênh bán mù cải tiến đề xuất và bộ ước lượng LS 57

Hình 4.5 MSE và Eb/No của bộ ước lượng kênh bán mù cải tiến với các hệ thống MIMO OSTBC3 với tốc độ mã khác nhau 57

Hình 4.5 MSE của bộ ước lượng kênh mù cho MIMO OSTBC dùng kĩ thuật điều chế khác nhau 58

Hình 5.1 So sánh BER các phương pháp ước lượng kênh dựa trên SDR và ZF 67

Hình 5.2 Phương pháp ước lượng kênh mù dựa trên SDR với số lần lặp khác nhau 68

Hình 5.3 So sánh ước lượng kênh cho các hệ thống MIMO có số anten thu phát khác nhau 68

Hình 5.4 So sánh độ phức tạp tính toán của 2 phương pháp ước lượng kênh 69

Hình 5.5 So sánh ước lượng kênh bán mù cải tiến dựa trên SDR và phương pháp của Zhi-Quan Luo 70

Hình 6.1 MSE của phương pháp ước lượng kênh WR nhúng dữ liệu thống kê bậc hai SOS 76

Hình 6.2 So sánh ước lượng kênh WR dùng SOS và phương pháp WR truyền thống 77

Hình 6.3 Ước lượng kênh WR nhúng dữ liệu SOS khi thay đổi số anten thu phát 77

Hình 7.1 Cấu trúc chuỗi huấn luyện có nhúng nhiễu nhân tạo AN, X 1 là chuỗi nhúng AN,

X 0 là chuỗi huấn luyện thông thường 82

Hình 7.2 Kênh truyền phân biệt trong MIMO bảo mật 83

Hình 7.3 So sánh các kỹ thuật cân bằng kênh ZF, MMSE 85

Hình 7.4 So sánh các kỹ thuật cân bằng kênh ZF-SIC, MMSE-SIC và ML 86

Hình 7.5a Kỹ thuật cân bằng kênh ZF-SIC cho các cấu hình MIMO khác nhau 86

Hình 7.5b Kỹ thuật cân bằng kênh MMSE-SIC cho các cấu hình MIMO khác nhau 87

Hình 7.6 Đánh giá NMSE với SNR, giả sử (SNR A =SNR U ) và K=1 89

Hình 7.7 Đánh giá NMSE với SNR cho K=10 89

Hình 7.8 Đánh giá NMSE với các giá trị K khác nhau và SNR=30 dB 89

Danh mục các bảng

Bảng 2.1 Giải thuật ước lượng kênh bán mù cải tiến MIMO dựa trên SVD 26

Bảng 2.2 Các tham số cài đặt trong mô phỏng 1 28

Bảng 2.3 Các tham số cài đặt trong mô phỏng 4 32

Bảng 4.1 Các tham số tín hiệu thu/phát liên quan cấu trúc OSTBC 51

Bảng 4.2 Giải thuật ước lượng kênh mù MIMO OSTBC 56

Bảng 5.1 Giải thuật ước lượng kênh mù cho kênh fading lựa chọn tần số 66

Bảng 6.1 Kết quả MSE của mô phỏng với nhiều giá trị lambda 75

Danh mục kí hiệu, chữ viết tắt

Các kí hiệu dùng trong luận án này:

Các chữ viết tắt

Communication

: hệ thống thông tin di động toàn cầu

OSTBC Orthogonal Space Time Block

Code

: mã khối không gian thời gian trực giao

Cancellation

: triệt nhiễu liên tiếp

SVD Singular Value Decomposition : phân tích giá trị riêng

Telecommunications System

: Hệ thống thông tin di động toàn cầu

TÓM TẮT LUẬN ÁN

Mục đích cơ bản của bộ thu tín hiệu vô tuyến là khôi phục tín hiệu gốc đã

phát Hiện nay, người ta đã phát triển rất nhiều thuật toán cân bằng kênh cho hệ

thống nhiều anten phát nhiều anten thu trên cơ sở tính chất phân tập không gian của

nó Hầu hết các bộ tách tín hiệu hay cân bằng kênh đều yêu cầu giá trị thông tin

trạng thái kênh để tái tạo lại tín hiệu đã phát ở phía thu Do đó, nhu cầu phát triển

các phương pháp ước lượng kênh truyền giữa thiết bị phát và thu là thành phần

quan trọng trong thiết kế bộ thu tín hiệu Luận án này trình bày nhiều thuật toán

khác nhau cho ước lượng kênh MIMO Trước tiên, luận án trình bày giải pháp đề

xuất là phương pháp ước lượng kênh bán mù cải tiến kết hợp ước lượng bình

phương cực tiểu với các giải pháp mù và có sử dụng chuỗi huấn luyện trực giao

Ngoài ra, luận án cũng nêu ra giải pháp mới kết hợp phương pháp bình phương cực

tiểu tỉ lệ với ước lượng dựa trên dự đoán tuyến tính Đặc biệt, hệ thống dùng cấu

trúc chuỗi huấn luyện trực giao đề xuất nhằm làm giảm độ phức tạp khi tính toán

các ma trận trong các thủ tục ước lượng kênh Gần đây, các nghiên cứu về nhận

dạng kênh mù cho MIMO OSTBC khá thu hút nhờ ưu điểm của bộ tách tín hiệu sử

dụng thuật toán Maximum Likelihood (ML) Trong các giải pháp đề xuất, ta đều

dựa trên phân tích giá trị riêng (SVD) của kênh truyền (phân tích kênh truyền thành

nhờ kết hợp thuộc tính trực giao tín hiệu phát và do vậy nên tăng độ chính xác khối

ước lượng kênh Bên cạnh đó, luận án cũng giải bài toán khó đối với ước lượng

kênh là khảo sát kênh fading lựa chọn tần số dùng phương pháp SDR

(Semi-Definite Relaxation) Trong một cải tiến của thuật toán ước lượng kênh dựa trên

phân tích SVD cho trường hợp xét đến sự sai số ma trận W, luận án dùng khung tín

hiệu phát tăng cường thêm dữ liệu thống kê tín hiệu nhằm giảm ảnh hưởng thành

phần nhiễu Dữ liệu thống kê thêm vào khung tín hiệu phát sẽ giúp giảm nhiễu xáo

trộn tín hiệu ở phía thu tuy mất một phần không đáng kể băng thông cho việc truyền

tín hiệu này Sau cùng, luận án trình bày các kỹ thuật cân bằng kênh và vấn đề bảo

mật trong MIMO Các phân tích lỗi trung bình bình phương (MSE), tỉ số lỗi bit

(BER) chứng tỏ sự cải thiện của bộ ước lượng kênh đề xuất so với phương pháp

truyền thống

ABSTRACT

The ultimate goal at the receiver is to recover the signal that was originally

transmitted A variety of equalization techniques has been developed for MIMO

systems depending on whether it is a diversity or spatial multiplexing system

Regardless of the type of MIMO systems, most of the equalization/detection

schemes require knowledge of the channel information in order to recover the

transmitted signal As a result, developing an efficient method of approximating the

transmission channel between the transmitter and the receiver is an essential

component in term of the receiver design Interestingly, it have many algorithms

investigated for channel estimation in MIMO systems Especially, these techniques

bring out some novel blind channel estimation schemes through combining the

conventional least square based method and blind ones using designed orthogonal

training sequence Besides, we also propose a new hybrid scheme which combines

the linear prediction estimation and scaled least square algorithm Recently, the

advanced technique in MIMO OSTBC system such as blind identification

effectively uses the advantages of Maximum Likelihood (ML) detection at the

receivers In most of proposed schemes, one can ultilize the novel blind channel

estimation method based on the singular value decomposition (SVD) of the original

channel matrix These algorithms have less the number of the parameters if we use

the properties of the orthogonal matrices and hence reduce the complexity in

computation Furthermore, this dissertation also solve the hard optimization

problem in term of frequency selective fading channel estimation In order to

combat interference part in received signal, we tranmit pure signal and its second

order statistic data as the modified whitening rotation based channel estimation

Related channel estimation issues, we present detailed equalization techniques such

as ZF, MMSE and MIMO security Finally, we focus on performance analysis in

terms of MSE criteria, in this dissertation, aiming to enhance the performance of

channel estimator in MIMO in comparion with previous works

MỞ ĐẦU

Trong những năm gần đây, lĩnh vực nghiên cứu thông tin vô tuyến đã phát

triển rất nhanh, đáp ứng được nhu cầu phát triển nhanh của các dịch vụ tốc độ cao

và chất lượng được cải thiện Tuy nhiên, băng thông dành cho các thiết bị đầu cuối

truy nhập hệ thống vô tuyến bị giới hạn Suốt nhiều năm qua, các nhà nghiên cứu đã

không ngừng phát triển các thiết bị vô tuyến chuẩn 4G (thế hệ mạng di động thứ 4)

hỗ trợ các ứng dụng dữ liệu đa phương tiện tốc độ cao như DVB nhằm phát triển

các dịch vụ cung cấp nội dung số độ phân giải cao

Một trong những thách thức lớn nhất của các nhà thiết kế hệ thống vô tuyến

là đặc tính phức tạp của kênh truyền vô tuyến Không giống như kênh hữu tuyến,

các kênh vô tuyến thay đổi nhanh và chịu ảnh hưởng của hiện tượng fading Bản

chất của fading kênh vô tuyến phát sinh ra đa đường tín hiệu do hiện tượng tán xạ từ

các vật thể như nhà cửa, cây cối và các vật thể khác Từ lúc bắt đầu phát triển công

nghệ vô tuyến thế hệ 2 và thế hệ 3, các hệ thống đều là dạng một anten phát, một

anten thu (SISO) Tuy nhiên, dung lượng của các đường truyền vô tuyến này bị ảnh

hưởng bất lợi bởi fading dẫn đến tín hiệu thu bị suy hao nghiêm trọng khi bị fading

sâu Vấn đề này có thể giảm bớt một phần nhờ sử dụng đa anten ở bộ thu Bằng

cách đặt các anten thu cách nhau một khoảng lớn hơn xấp xỉ nửa bước sóng của tín

hiệu băng hẹp, người ta đảm bảo rằng các kênh vô tuyến giữa các cặp anten thu phát

này có khả năng xử lý fading độc lập Vì vậy xác suất để các kênh bị fading sâu

giảm đáng kể nên đảm bảo độ tin cậy các tín hiệu Cấu trúc sử dụng đa anten thu

đảm bảo cải thiện chất lượng tín hiệu nhờ triệt fading còn gọi là thu phân tập

Tương tự vậy, phân tập phía phát nhờ dùng đa anten phía phát cũng giảm fading

Do đó, hệ thống MIMO dùng đa anten phát, đa anten thu còn được gọi là hệ thống

anten thông minh

Ngoài ra, một trong các tính chất của hệ thống MIMO khác là dung lượng

tăng tuyến tính với số lượng anten Do đó, hệ thống MIMO mạng lại lợi ích kép,

vừa tăng dung lượng nhờ ghép kênh không gian và triệt fading nhờ phân tập

thu/phát Các tính chất này đã thu hút sự quan tâm của các nhà nghiên cứu về các

vấn đề hệ thống vô tuyến nhiều năm qua Đó cũng là lý do dẫn đến các phát triển

thuật toán trình bày trong luận án này

Đặc biệt hơn trong hệ thống MIMO, vấn đề ước lượng kênh cho hệ thống vô

tuyến này là nhiệm vụ khó khăn từ yêu cầu của thiết bị đầu cuối Tính chất di động

của các thiết bị vô tuyến gây ra sự biến thiên theo thời gian của kênh vô tuyến sinh

ra do hiệu ứng Doppler Vì thế, khoảng thời gian mà kênh vô tuyến không thay đổi,

hay còn gọi là thời gian nhất quán (coherent time) là vài mili giây và đòi hỏi phải tái

ước lượng liên tục các hệ số kênh truyền

Vấn đề ước lượng kênh càng đặc biệt quan trọng trong hệ thống MIMO bởi

vì khi phân tập tăng, số lượng các tham số cần ước lượng tăng một khoảng là tích số

anten phát và anten thu Do vậy, các hệ thống MIMO cần ước lượng nhiều tham số

hơn so với hệ thống SISO Chính những thách thức này là động cơ cho các phát

triển kỹ thuật ước lượng kênh MIMO hiệu quả được trình bày trong các phần sau

của luận án

TÌNH HÌNH NGHIÊN CỨU

Các nghiên cứu trong nước:

Các nghiên cứu về ước lượng kênh truyền bán mù cải tiến cho hệ thống

MIMO ít được nghiên cứu chi tiết trong các tạp chí khoa học hay hội nghị khoa học

nào ở trong nước trong suốt thời gian vừa qua Một số vấn đề được nghiên cứu

nhiều trong các luận án bậc cao học, đại học liên quan tới phương pháp ước lượng

bình phương cực tiểu dùng chuỗi huấn luyện ứng dụng cho hệ thống MIMO-OFDM

[1] Liên quan tới ước lượng cho hệ thống MC-CDMA, nhóm tác giả Nguyễn Viết

Kính và cộng sự trình bày thuật toán EM [2] Đây là một phương pháp lặp để tìm

ước lượng ML của các tham số trong sự hiện diện của dữ liệu không quan sát được

Thuật toán EM được coi là phương pháp số để giải quyết vấn đề ước lượng ML Ý

tưởng của thuật toán này là làm tăng thêm thông tin cho dữ liệu quan sát được nhờ

thông tin dữ liệu tiềm tàng (dữ liệu này có thể là cả dữ liệu không thấy - missing

data và cả các giá trị tham số) Ngoài ra, trong tài liệu [3], tác giả cũng so sánh chất

lượng hai kỹ thuật ước lượng kênh LS và MMSE trong hệ thống MIMO-OFDM qua

đánh giá tỉ số lỗi bit BER

Các nghiên cứu nước ngoài:

Các nghiên cứu về ước lượng kênh vô tuyến có thể phân thành 3 loại:

- Ước lượng kênh dựa vào chuỗi huấn luyện

- Ước lượng kênh mù

- Ước lượng bán mù

Ước lượng kênh truyền là thành phần không thể thiếu trong bất kì hệ thống

vô tuyến nào Khác với một mạng truyền dẫn có dây, tín hiệu kênh truyền trong

thông tin vô tuyến bị tác động bởi nhiều yếu tố như: fading, nhiễu xạ hay tán xạ do

các các công trình kiến trúc nằm giữa thiết bị phát và thiết bị thu, tương quan tín

hiệu do ảnh hưởng các kênh phát kề nhau, ảnh hưởng bởi tần số phát kề nhau giữa

các kênh, nhiễu liên kí tự, …Do đó, ngay từ hệ thông tin di động thế hệ 2 (dùng đa

truy nhập phân chia theo thời gian TDMA), người ta đã sử dụng đến phương pháp

ước lượng kênh dùng chuỗi huấn luyện Giả sử tín hiệu phát được sắp xếp gồm các

thông tin huấn luyện như là mào đầu của chuỗi dữ liệu, sau đó là phần tín hiệu

mang tin Những tín hiệu huấn luyện này hoàn toàn được biết ở phía thu và thường

có những thiết kế đặc biệt cho chuỗi huấn luyện này (thường là các thiết kế sao cho

chuỗi huấn luyện có tính trực giao) Đây có thể xem như phương pháp ước lượng rõ

và thường được dùng kết hợp với thuật toán Maximum Likelihood tại bộ tách tín

hiệu [4-9] Các phiên bản cải tiến của thuật toán ước lượng bình phương cực tiểu LS

này điển hình như phuơng pháp ước lượng cực tiểu trọng số, như trong [10]

Trong thuật toán ước lượng mù, người ta loại bỏ chuỗi huấn luyện, tín hiệu

được khôi phục nhờ căn cứ trên chính thông tin thu được Ý tưởng chính của thuật

toán này dựa vào tính thống kê tín hiệu [8, 11-15] Chẳng hạn, nếu phía phát truyền

các chòm sao tín hiệu có tính đối xứng với các xác suất biết trước bằng nhau, thì bộ

thu nhận luồng kí tự có trung bình thống kê bằng 0 Thêm vào đó, với thông tin về

tương quan tín hiệu phát, giá trị tương quan tín hiệu thu cần tính có thể ước lượng

phần nào đó giá trị kênh truyền Do vậy, thông tin thống kê cung cấp giá trị trung

bình để ước lượng kênh Nhờ loại bỏ kí tự huấn luyện, giải pháp này cho hiệu quả

băng thông cao Ta có thể khái quát các kỹ thuật mù sau:

(i) Kỹ thuật dựa trên phân tích module tín hiệu hằng số thích nghi CMA

(constant module adaptive) Đây là kĩ thuật đề xuất cách đây hơn 3 thập niên, áp

dụng phổ biến cho hệ thống một anten phát một anten thu SISO [16, 17] hoặc áp

dụng cho SIMO [18]

(ii) Ước lượng mù dựa trên thống kê bậc hai (SOS) tín hiệu thu cho MIMO

và các điều kiện cho thu tín hiệu mù được phát triển khá nhiều mãi cho đến gần đây

[19]

(iii) Ước lượng mù dựa vào thống kê bậc cao (HOS), có thể thấy nhược điểm

trong các giải pháp này là cần xử lý lượng lớn thông tin, độ phức tạp tính toán cao,

gây ra tình trạng thu tín hiệu bất định [20]

Qua phân tích các công trình nghiên cứu về lĩnh vực ước lượng kênh trong

thời gian gần đây, ta có các nhận xét như sau:

- Giải pháp ước lượng kênh mù là hướng nghiên cứu khá thu hút với mục

đích nhằm tăng số bit thông tin có ích (tiết kiệm băng thông) được phát

qua giao diện vô tuyến

- Các bài báo khoa học về cải tiến ước lượng mù xuất phát từ ý tưởng lai

ghép một giải thuật ước lượng dùng chuỗi huấn luyện truyền thống và

một phương pháp ước lượng mù dựa vào hàm thống kê tín hiệu [11, 21,

22]

- Trong các công nghệ truyền thông vô tuyến mới như hệ thống MIMO,

chất lượng tín hiệu thu suy giảm nhiều do phải xử lý đa tín hiệu thu được

từ nhiều anten phát, nên việc cải tiến các bộ ước lượng kênh thực chất là

các phép toán xử lý tín hiệu thu, tín hiệu phát, tín hiệu mô hình hóa kênh

truyền vô tuyến có dạng ma trận

- Các bài báo về ước lượng bán mù đều chỉ ra hạn chế của ước lượng dùng

chuỗi huấn luyện làm giảm băng thông dẫn đến giảm tốc độ truyền dữ

liệu trong khi các công nghệ vô tuyến mới ra đời nhằm mục đích giải

quyết yêu cầu nâng cao tốc độ dữ liệu của người dùng

Vì vậy, luận án chọn hướng nghiên cứu ước lượng bán mù cải tiến (kết hợp

ước lượng rõ và ước lượng mù) nhằm tiếp tục đưa ra các thuật toán lai ghép khác

nhau, tính toán hệ số lai ghép, phân tích chất lượng ước lượng kênh nhằm mục đích

cuối cùng là để nâng cao hiệu quả sử dụng băng thông, tăng tốc độ truyền dẫn

Phương pháp ước lượng bán mù cải tiến như là giải pháp trung hòa sẽ tận dụng ưu

điểm của ước lượng rõ và giảm hạn chế của ước lượng mù Động cơ để phát triển

các thuật toán bán mù cải tiến là: cải thiện ước lượng kênh nhờ dữ liệu có tính thống

kê để giảm sai số ước lượng, tối thiểu hóa số kí tự huấn luyện để nâng cao hiệu quả

băng thông Đây cũng là các giải pháp được phát triển ở nhiều khía cạnh (bảo mật

dữ liệu, tăng hiệu suất xử lý thông tin, giảm độ phức tạp tính toán trong khối ước

lượng kênh hay cân bằng kênh, cải thiện tính chính xác,…) và được trình bày chi

tiết trong các phần sau trong luận án này

MỤC ĐÍCH NGHIÊN CỨU

Khi phát triển các công nghệ vô tuyến, người ta quan tâm đến hiệu quả sử

dụng băng thông, cải tiến về chất lượng tín hiệu (đánh giá qua tỉ số lỗi bit BER, tỉ số

lỗi trung bình bình phương MSE) Do vậy, luận án này đưa ra các giải pháp ước

lượng kênh truyền nhằm cải tiến các phương pháp truyền thống Ngoài ra, luận án

cũng đề ra yêu cầu cho các kết quả nghiên cứu phải có tính ứng dụng cao, phù hợp

cho các triển khai thiết bị phần cứng thực tế Các thuật toán đề xuất nhằm giảm độ

phức tạp tính toán so với giải pháp ước lượng mù đã có trước đây

PHẠM VI NGHIÊN CỨU

Đề tài này nghiên cứu sâu khối ước lượng kênh vô tuyến trong một hệ thống

đa anten phát đa anten thu (MIMO) Do tính phức tạp của một số thuật toán ở các

khâu xử lý tín hiệu khác nhau cũng như các chi tiết kỹ thuật của một hệ thống vô

tuyến hoàn chỉnh, nên trong luận án này, tác giả chỉ tập trung vào các vấn đề cụ thể

sau và đây chính là các đóng góp mới của luận án:

- Trình bày vai trò của chuỗi huấn luyện tối ưu áp dụng cho khối ước

lượng bán mù cải tiến dựa trên phân tích SVD

- Đưa ra các giải pháp lai ghép giữa các kỹ thuật ước lượng mù với

phương pháp truyền thống Các kỹ thuật được giới thiệu trong luận án

này gồm: ước lượng dựa trên thống kê bậc hai tín hiệu, ước lượng dựa

vào phân tích không gian con tín hiệu, ước lượng dựa trên dự đoán tuyến

tính, ước lượng bình phương cực tiểu tỉ lệ

- Trình bày kỹ thuật ước lượng bán mù cải tiến mới cho hệ thống MIMO sử

dụng tín hiệu mã hóa không gian thời gian trực giao (OSTBC)

- Luận án đưa ra bài toán ước lượng kênh mù cho kênh fading lựa chọn

tần số dựa trên các công cụ giải hàm tối ưu lồi như SeDuMi

- Nhằm khắc phục hạn chế gây ra do thành phần nhiễu của phương pháp

ước lượng SVD, luận án cũng trình bày giải pháp nhúng dữ liệu thống kê

bậc hai trong khung tín hiệu phát

- Luận án cũng trình bày và phân tích các khối xử lý tín hiệu liên quan

khối ước lượng kênh là bộ cân bằng kênh MIMO, để thấy ảnh hưởng của

khối ước lượng kênh đến vấn đề tách sóng tín hiệu ở bộ thu Thêm vào

đó, luận án đề cập đến việc nhúng nhiễu nhân tạo vào tín hiệu phát cho

các ứng dụng MIMO yêu cầu độ bảo mật cao

PHƯƠNG PHÁP NGHIÊN CỨU

Dựa trên cơ sở dữ liệu trực tuyến của IEEE (hiệp hội kỹ sư điện tử Mỹ), luận

án căn cứ trên các bài báo khoa học để phân tích, đánh giá các phương pháp ước

lượng kênh đã được phát triển trong suốt các thập niên gần đây bởi các nhà nghiên

cứu, giáo sư ở các Đại học, Viện nghiên cứu lớn trên thế giới Dựa vào các phát

triển đó, luận án chọn hướng nghiên cứu ước lượng bán mù cải tiến áp dụng cho hệ

thống MIMO Đây được xem là lĩnh vực nghiên cứu khá thu hút hiện nay Ngoài ra,

luận án cũng dựa trên các cơ sở toán học lý thuyết (lý thuyết về tính toán ma trận,

đại số tuyến tính, lý thuyết xác suất thống kê) , các sơ sở lý thuyết toán áp dụng cho

xử lý tín hiệu số (lý thuyết ước lượng, lý thuyết tối ưu, mô phỏng Monte Carlo)

nhằm phân tích, đề xuất các giải pháp mới trong luận án này Sau cùng, luận án dựa

trên các công cụ hữu ích, được bổ sung liên tục của phần mềm MATLAB (Matlab

được xem là phần mềm mô phỏng hiệu quả trong lĩnh vực xử lý tín hiệu nói chung

và xử lý tín hiệu truyền thông vô tuyến nói riêng nhờ các hàm xây dựng sẵn phong

phú và cập nhật liên tục bởi các nhóm các nhà nghiên cứu cải tiến Matlab trên toàn

cầu) để mô phỏng các mô hình hệ thống đề xuất, cho phép hiển thị các kết quả

mang tính trực quan và kiểm nghiệm các phân tích lý thuyết (Cụ thể toàn bộ source

code luận án này được viết và chạy thử trên Matlab phiên bản 2010)

CẤU TRÚC LUẬN ÁN

Luận án trình bày các phương pháp, mục đích nghiên cứu, tóm tắt các kỹ

thuật ước lượng kênh đã được công bố thời gian gần đây trong phần mở đầu Khái

quát về các loại kênh truyền MIMO, phân tích dung lượng MIMO, xác định vai trò

bộ ước lượng kênh MIMO là các nội dung trình bày trong chương 1 (tổng quan)

Trong phần kế tiếp, ở chương 2 tác giả trình bày một cấu trúc chuỗi huấn luyện trực

giao phù hợp cho nhu cầu nhằm giảm các thông số trong tính toán ma trận tín hiệu

phát của một hệ thống vô tuyến phức tạp như MIMO (Dinh-Thuan Do, Dinh-Thanh

Vu, “A New Training Sequence for Secure Channel Estimation in MIMO Systems”,

Information Technology (IEEE ICCSIT 2010), pp 406-409, Chengdu, China, July

2010; Đỗ Đình Thuấn, Vũ Đình Thành, "Thiết kế chuỗi huấn luyện trực giao cho

ước lượng kênh bán mù trong hệ thống MIMO", Chuyên san Tạp chí Công nghệ

Thông tin và Truyền thông, pp 85-90, Kì 3, Tập V-1, số 24, Nov 2010) Với

chương 3, luận án đưa ra các phân tích không gian con tín hiệu nhằm tạo một giải

pháp ước lượng bán mù cải tiến dựa trên phép dự đoán tuyến tính tín hiệu phát

(Dinh-Thuan Do, Dinh-Thanh Vu, "Performance Analysis of Hybrid Scheme for

Semi-blind Channel Estimation in MIMO Systems", in Proc of International

Conferences on Advanced Technologies for Communications (ATC/REV 2010), Ho

Chi Minh City, Vietnam, pp.273-276, Oct 2010) Trong chương 4, tác giả trình bày

một cải tiến của phương pháp ước lượng mù cho MIMO từ việc dùng dữ liệu không

có cấu trúc sang ước lượng mù cho kênh MIMO dùng mã hóa không gian thời gian

trực giao OSTBC (Dinh-Thuan Do, "Analysis of imperfect semi-blind channel

estimation in MIMO", in Journal of Information Engineering, (IEL, Information

Engineering Research Institute, USA), Vol 2, No.4, pp.23-28, 2012) Vấn đề ước

lượng kênh mù cho kênh fading lựa chọn tần số được phân tích trong chương 5

(Dinh-Thuan Do, "Performance Analysis of Frequency-Selective Fading Blind

Channel Estimation in MIMO", in Proc of the International Green Technology

Workshop/Conference/Exhibition (IGTWCE 2012), Ho Chi Minh City, pp 32-34,

Apr 2012) Thêm vào đó, một cải tiến của phương pháp ước lượng kênh dựa trên

phân tích SVD là nhúng dữ liệu thống kế bậc hai ngay ở khung tín hiệu phát trình

bày trong chương 6 (Dinh-Thuan Do, "Analysis of New Transmit Scheme in

Whitening-Rotation based MIMO Channel Estimation " in Proc of 15th

International Conference on Advanced Communications Technology (ICACT2013),

Phoenix Park, PyeongChang, Korea, Jan 2013 (Accepted)) Ở chương 7, luận án

trình bày các kỹ thuật cân bằng kênh cưỡng bức không (ZF), cân bằng bình phương

trung bình cực tiểu (MMSE) Cũng trong chương này, luận án đề cập đến các ứng

dụng của nhiễu nhân tạo như là thành phần thêm vào chuỗi huấn luyện để tạo ra

chất lượng kênh phân biệt giữa các thuê bao hợp pháp và phi pháp trong các ứng

dụng đa phương tiện theo yêu cầu (Dinh-Thuan Do, "A Comparative Study of

Optimal Equalizers Applied in MIMO Systems", in Proc of the International

Green Technology Workshop/Conference/Exhibition (IGTWCE 2012), Ho Chi Minh

City, pp.47-48, Apr 2012; Dinh-Thuan Do, Dinh-Thanh Vu, “A New Training

IEEE International Conference on Computer Science and Information Technology

(IEEE ICCSIT 2010), pp 406-409, Chengdu, China, July 2010) Các kết luận trình

bày trong phần cuối ở chương 8

CHƯƠNG 1: TỔNG QUAN

1.1 Giới thiệu về MIMO và mô hình kênh vô tuyến

Một hệ thống thông tin vô tuyến dùng M Tanten phát và M R anten thu được

gọi là hệ thống đa anten phát đa anten thu MIMO, và kênh truyền sử dụng cho hệ

thống này gọi là kênh MIMO [23] Người ta phân loại các hệ thống MIMO như sau:

• Trường hợp đặc biệt M T =M R = 1 được gọi là hệ thống một anten

phát, một anten thu SISO, và kênh tương ứng gọi là kênh SISO

• Trường hợp đặc biệt thứ 2 là trường hợp trong đó sử dụng M T = 1 và

2

≥

R

SIMO, và kênh tương ứng là kênh SIMO

• Trường hợp thứ 3 là MISO cũng tương tự với M T ≥2và M R = 1, sử

dụng đa anten phát và một anten thu

• Trường hợp thứ 4 là MIMO với đa anten phát đa anten thu

Trong một hệ thống MIMO tổng quát với M anten phát và T M anten thu, R

kí hiệu đáp ứng xung của kênh thông thấp tương đương giữa anten phát thứ j và

anten thu thứ i là h ij( )τ;t , trong đó τ được gọi là biến trễ và t là biến thời gian Vì

thế kênh thay đổi theo thời gian một cách ngẫu nhiên được mô tả bằng ma trận

t h t h

t h t

h t h

t h t

h t h t

T R R

R

T T

M M M

M

M M

;

;

;

;

;

;

;

;

;

;

2 1

2 22

21

1 12

11

ττ

τ

ττ

τ

ττ

ττ

MM

MM

Giả sử tín hiệu phát từ anten phát thứ j là s j( )t ,j= 1 , 2 , ,M T Ta có tín hiệu

thu được ở anten thứ i trong trường hợp không có nhiễu là

j ij i

M i

t s t h

d t s t h t

r

T T

, ,2,1,

∞

−

ττ

τττ

(1.2)

Khi biểu diễn công thức trên ở dạng ma trận, biểu thức (1.2) trở thành

trong đó, s( )t là vector cột M T× 1và r( )t là vector cột M R× 1

Đối với kênh không lựa chọn tần số, ma trận kênh H được biểu diễn như sau:

h t h

t h t

h t h

t h t

h t h t

T R R

R

T T

M M M

M

M M

L

MM

MM

LL

1 1

2 22

21

1 12

∞

Trong khi đó, nếu ta cần biểu diễn ở dạng ma trận, vector tín hiệu thu r(t)

được viết như sau:

Ngoài ra, nếu biến đổi về mặt thời gian của đáp ứng xung được xem là chậm

trong khoảng thời gian 0≤t≤T, kênh H gần như không thay đổi trong một chu kì

kí tự đang xem xét thì biểu thức (1.6) được viết đơn giản hơn như sau

( )t Hs( )t

Mô hình kênh không lựa chọn tần số biến đổi thời gian chậm trong biểu thức

(1.7) được xem là mô hình đơn giản nhất cho truyền dẫn tín hiệu trong kênh MIMO

1.1.1 Tín hiệu qua kênh MIMO không lựa chọn tần số fading chậm

Xem xét hệ thống truyền tín hiệu không dây với đa anten phát đa anten thu

như hình vẽ 1.1 Giả sử rằng có M T anten phát và M R anten thu Như minh họa

trong hình vẽ, khối đầu tiên làm cho M T kí tự chuyển đổi từ nối tiếp sang song

song, và mỗi kí tự đưa vào một trong các bộ điều chế tín hiệu, sau đó mỗi bộ điều

chế được kết nối với anten tách biệt về không gian Vì thế, M kí tự được phát T

song song và được thu trên M R anten thu riêng biệt

Trong phần này, giả sử mỗi kí tự từ anten phát tới anten thu truyền trong môi

trường fading Rayleigh không lựa chọn tần số Ngoài ra, giả sử sự khác nhau trong

các lần truyền lan tín hiệu từ M Tanten phát tới M R anten thu là có quan hệ với chu

kì T Để đơn giản hóa việc tính toán, người ta xem tín hiệu từ M T anten phát tới

bất kì anten thu là đồng bộ Do đó, người ta có thể trình bày các tín hiệu thu thông

thấp tương đương ở các anten thu như sau

R m N

n n mn m

M m

T t

t z t g h

, ,2,1,0

Hình 1.1 Sơ đồ khối xử lý tín hiệu một hệ thống MIMO điển hình

với g( )t là đáp ứng xung của bộ lọc điều chế, h mnlà các giá trị phức và là

kênh giữa anten phát thứ n và anten thu thứ m tuân theo mô hình kênh Gauss trung

tiếp

……

……

bình bằng 0, s là kí tự phát trên kênh thứ n và là hàm lấy mẫu của quá trình Gauss n

Độ lợi kênh h mn là giá trị có phân bố độc lập giống nhau Hàm lấy mẫu Gauss là

các phân bố xác định và độc lập thống kê, mỗi hàm có trung bình bằng 0 và hàm

mật độ phổ công suất 2N0 Các kí tự mang tin là tín hiệu nhị phân hoặc M mức

(M-ary) PSK hoặc QAM

với xung g( )t , đầu ra của nó lấy mẫu ở cuối mỗi mức kí tự Đầu ra của bộ điều chế

tương ứng với anten thu thứ m có thể biểu diễn như sau

R m

mn M

=

Trong đó, năng lượng xung tín hiệu g( )t có giá trị là đơn vị và ηmlà thành

phần nhiễu Gauss Kế tiếp, các đầu ra M R từ các bộ giải điều chế truyền qua bộ tách

tín hiệu Để thuận tiện tính toán, biểu thức (1.9) có thể biểu diễn dưới dạng ma trận

η Hs

M

T M

T

y y

y1 2 , = 1 2 , = η1η2 η

của kênh truyền

1.1.2 Bộ thu tín hiệu trong hệ thống MIMO

Dựa trên mô hình kênh MIMO không lựa chọn tần số mô tả trong phần 1.1.1,

thông thường dùng 3 loại bộ tách tín hiệu phổ biến sau cho việc khôi phục tín hiệu

phát và đánh giá chất lượng của hệ thống cho fading Rayleigh và nhiễu Gauss trắng

cộng Người ta giả sử bộ tách tín hiệu đã biết các thành phần của ma trận kênh H

một cách hoàn hảo Trong thực tế, các thành phần của H thông thường được ước

lượng bằng cách sử dụng các chuỗi huấn luyện

Ý tưởng chủ đạo của bộ thu một hệ thống vô tuyến là khôi phục vector

n

R

m R

(1.11)

Trong đó H∈C m×n là ma trận kênh truyền đã biết (nhờ kỹ thuật ước lượng

kênh) và v∈R m là thành phần nhiễu Giả sử rằng v biểu thị bởi N(0 ,σI) Những

phần tử của ma trận s, gọi là s k thuộc tập S xác định, có kích thước S Do vậy, ta

có S ngiá trị vector s Để đơn giản, giả sử tất cả các tham số là số thực Giả sử rằng

n

cấu trúc đặc biệt Trong trường hợp H có cấu trúc (chẳng hạn là ma trận Toeplitz)

thì người ta sẽ có những thuật toán riêng cho trường hợp này

Bài toán chủ yếu cho bộ tách tín hiệu dựa trên thuật toán ML để xác định s

Điều này tương đương với phép tính sau

Khối cân bằng kênh Maximum-Likelihood (ML)

ML là bộ tách tín hiệu thu tối ưu bằng cách tối thiểu hóa xác xuất lỗi Các

thành phần nhiễu trắng ở anten thu M R là độc lập thống kê và phân bố giống nhau

(i.i.d.), phân bố Gauss trung bình bằng 0, hàm phân bố xác suất kết hợp là Gauss

Do đó, khối thu ML được chọn các vector kí tự để tối thiểu hóa khoảng cách

y s

Khối cân bằng kênh kiểu tối thiểu hóa trung bình bình phương lỗi

MMSE

Bộ thu này kết hợp tuyến tính các tín hiệu thu {y m,1≤m≤ M R} để ước

lượng tín hiệu phát Kết hợp tuyến tính được trình bày ở dạng ma trận

y W

tối thiểu hóa J( )W dẫn đến giải pháp vector trọng số tối ưu w1,w2, ,w M

T y

S yy

0, Rsslà ma trận đường chéo Mỗi thành phần của ước lượng được xác định tới gần

giá trị tín hiệu phát nhất

Khối cân bằng kênh kiểu kênh đảo ICD (Inverse Channel Detector)

Bộ thu này để ước lượng s bằng cách kết hợp tuyến tính các tín hiệu thu

{ym, 1 ≤m≤M R} Trong trường hợp này, nếu cho M R = M T, ma trận trọng số W

vậy, ta có

η H s y H

Mỗi thành phần của giá trị ước lượng được thực hiện sao cho gần xấp xỉ với

tín hiệu phát nhất Ngoài ra, ước lượng ICD không bị ảnh hưởng bởi nhiễu xuyên

kênh Tuy nhiên, điều này cũng nói lên rằng ICD không tận dụng tính phân tập tín

hiệu trong các tín hiệu đã thu được như các biểu thức bên dưới

Nếu M R >M T, ma trận trọng số H có thể chọn như là phép tính ma trận giả ⊥

đảo (pseudoinverse) của ma trận kênh Khi đó ta có:

(HHH) HH

Khối tách tín hiệu khi kênh được biết ở phía phát và phía thu

Các kỹ thuật cân bằng kênh ML, MMSE và ICD dựa trên các thông tin kênh

đã biết phía thu Các kĩ thuật xử lý tuyến tính khác được xây dựng dựa trên ma trận

riêng SVD của ma trận kênh H (giả sử hạng ma trận là r) diễn tả như sau

vector cột của ma trận U và V là trực giao Do đó, UHU=Ivà VHV=I trong đó

r

I là ma trận r× xác định Nếu thực hiện xử lý một vector tín hiệu ở phía phát bởi r

biến đổi tuyến tính

Vs

thì vector tín hiệu thu y là

η HVs η

Hình 1.2 Xử lý và tách tín hiệu trong một hệ thống MIMO khi biết giá trị kênh phía

phát và thu

Do đó, các phần tử của tín hiệu thu được xử lý riêng rẽ Tỉ lệ của các ký hiệu

phát bằng các giá trị { }σi bị tiêu hao ở phía phát bằng cách sử dụng biến đổi tuyến

tính VS− 1 thay cho V hoặc ở phía thu bằng cách sử dụng biến đổi tuyến tính S− 1UH

Sơ đồ tổng quát các khối xử lý trong hệ thống MIMO này cho như hình vẽ 1.2

1.1.3 Truyền dẫn tín hiệu qua kênh MIMO fading lựa chọn tần số

Trong phần này, chúng ta xét kênh truyền qua kênh MIMO lựa chọn tần số

trong đó tốc độ thay đổi thời gian của đáp ứng xung {h ij( )τ;t} là thấp hơn so với tốc

độ kí tự 1/T Theo biểu thức (1.2) và (1.3) tín hiệu thu được từ kênh MIMO lựa

chọn tần số được biểu diễn như sau

( ) ( ) (j ) i R M

j ij

1

=+

−

=

∞ +

∞

trong đó z i (t) biểu diễn cho nhiễu trắng ở anten thu thứ i Giả sử tín hiệu đã

phát trong mức thứ n là s j( )t =s j( ) (n g t−nT), trong đó g(t) là đáp ứng xung của

các bộ lọc điều chế và s j( )n là tập M T kí tự thông tin Sau khi thay thế trong biểu

Công thức này tiện lợi cho xử lý tín hiệu đã lấy mẫu Do đó, người ta phải

lấy mẫu tín hiệu thu r i( )t ở tốc độ lấy mẫu phù hợp F s = J /T, trong đó J là số

nguyên dương Ví dụ, ta chọn J =2 để có 2 mẫu trong một kí tự Một tốc độ lấy

mẫu phù hợp khi đáp ứng xung g(t) của các bộ lọc điều chế là băng thông giới hạn

T

f ≤1/

Ở mỗi anten, tín hiệu thu truyền qua các bộ lọc M T có đáp ứng xung thời

sử rằng các bộ lọc này như là bộ cân bằng tuyến tính Do đó, đầu ra bộ lọc FIR từ

R

thông tin thứ j phát ở thời gian tức thời n là

Các ước lượng có được từ (1.25) có thể viết gọn hơn ở dạng ma trận

n a n a

n a n

a n a

n a n

a n a n

T R R

R

T T

M M M

M

M M

* 2

* 1

*

2 22

* 21

*

1 12

* 11

*

L

MM

M

L

A

n r n

Ước lượng sˆ( )n đưa vào bộ tách tín hiệu để so sánh mỗi thành phần tín hiệu

của nó với các kí tự phát và chọn các kí tự s j( )n gần nhất khoảng cách Euclidean tới

( )n

sˆj

Khi các đáp ứng xung {h ij( )τ;t} thay đổi chậm theo thời gian, các hệ số bộ

cân bằng FIR có thể được điều chỉnh phù hợp với lỗi bình phương trung bình tối

thiểu (MSE) giữa các tín hiệu mong muốn {s j( )n,j= 1 , 2 , K ,M T} và giá trị ước lượng

sˆ , =1,2, , Việc hiệu chỉnh ban đầu cho các hệ số { }a ij( )n được thực hiện

bằng cách phát các chuỗi huấn luyện thời gian xác định từ M Tanten phát Trong chế

độ huấn luyện, lỗi ước lượng tín hiệu có dạng là

( ) ( ) ( )

s

n s n s n e

Các bộ cân bằng LMS (bình phương trung bình cực tiểu) hoặc RLS (bình

phương cực tiểu đệ qui) giúp chỉnh các hệ số cân bằng Nếu theo các phương pháp

dùng chuỗi huấn luyện, trong chế độ phát chuỗi dữ liệu, đầu ra bộ tách tín hiệu sử

dụng vị trí kí tự huấn luyện để xác định tín hiệu lỗi

nhất về khoảng cách so với giá trị ước lượng sˆj( )n

Để giảm ảnh hưởng của fading lựa chọn tần số, người ta thường kết hợp

MIMO với OFDM Trong hình 1.3 trình bày vị trí khối ước lượng kênh của hệ

thống MIMO-OFDM Ta có thể thấy tín hiệu sau điều chế QPSK được mã hóa

không gian –thời gian trong khối STBC MIMO Để ý rằng mỗi thành phần của ma

trận tín hiệu đã mã hóa này là một khối OFDM với số kí tự cố định cho trước

(chẳng hạn OFDM 64 kí tự) Các tín hiệu dạng cột ma trận này trước khi truyền dẫn

được đưa tới các khối biến đổi Fourier nhanh ngược IFFT khác nhau Trong các

module OFDM này ta thực hiện biến đổi IFFT, tín hiệu vào trong miền tần số thì

đầu ra IFFT là tín hiệu miền thời gian và nhờ chèn các khoảng bảo vệ và tín hiệu

trực giao nên triệt nhiễu ISI [25]

Hình 1.3 Vị trí khối ước lượng kênh trong kỹ thuật MIMO-OFDM

1.2 Các loại kênh truyền fading

Các vật cản trong môi trường gây ra các phản xạ của tín hiệu phát được nhận

từ nhiều hướng khác nhau và với các độ trễ truyền lan khác nhau Tác động qua lại

của sóng truyền trong môi trường vô tuyến tạo ra fading đa đường Fading đa đường

có thể gây ra suy hao thay đổi nhanh, ảnh hưởng đến tín hiệu phát và sẽ dẫn đến

truyền dẫn không tin cậy Trong khi đó, chuyển động tương đối giữa máy phát và

Tách tín hiệu

ML

TXn

QPSK

STBC MIMO

Ước lượng kênh Thông tin

máy thu thì làm cho tín hiệu phát và tín hiệu phản xạ của nó bị dịch tần số hay gọi là

độ dịch Doppler Tín hiệu có tần số sóng mang f cbị dịch tần số bởi biểu thức [24]

θcos

c

v f

f c m

trong đó, θ là góc tới của tín hiệu thu theo hướng chuyển động của máy thu,

m

v là vận tốc của máy thu, và clà vận tốc ánh sáng Trong kênh đa đường, tín hiệu

trải qua khoảng tần số

Một kênh được gọi là kênh fading chậm nếu đáp ứng xung kênh thay đổi ở

tốc độ chậm hơn tín hiệu băng cơ sở đã phát Trong trường hợp này, kênh có thể coi

là tĩnh qua một hay vài chu kì kí tự Tương tự như vậy, trải Doppler sẽ nhỏ hơn

nhiều so với băng thông tín hiệu phát

Ngược lại, đối với fading nhanh, trải Doppler lớn hơn băng thông tín hiệu

phát Trong miền thời gian, thời gian nhất quán của kênh xấp xỉ bằng nghịch đảo

của trải Doppler thì nhỏ hơn chu kì kí tự của tín hiệu phát T Fading nhanh xảy ra ở

tốc độ dữ liệu thấp hay khi vận tốc thiết bị thu cao

Việc gây méo tín hiệu ở miền thời gian làm cho các tín hiệu thu bị chồng lấn

dẫn đến fading lựa chọn tần số hay fading phẳng Nếu tất cả các thành phần phổ bị

ảnh hưởng tương tự nhau, fading này gọi là fading phẳng hay fading không lựa

chọn tần số Băng thông nhất quán là khoảng tần số mà qua đó fading được coi là

phẳng

Fading lựa chọn tần số xảy ra khi băng thông của tín hiệu phát lớn hơn băng

thông nhất quán của tín hiệu Các độ lợi khác nhau của các tín hiệu phát là nguyên

nhân của đáp ứng tần số thay đổi Đây là đặc tính của các hệ thống băng rộng

Fading lựa chọn tần số cũng gây ra nhiễu liên kí tự

Fading phẳng xảy ra nếu chu kì kí tự lớn hơn trải trễ đa đường Trải trễ đa

đường tỉ lệ nghịch với băng thông nhất quán Trong môi trường fafing phẳng, kênh

fading gây ra nhiễu không đáng kể bởi vì băng thông tín hiệu hẹp Kênh fading

phẳng thường bị fading sâu Fading phẳng là đặc tính của các hệ thống băng hẹp

Ngoài ra, công thức biểu diễn đáp ứng kênh thông thấp tương đương có dạng

trong đó, α( )t là đường bao tín hiệu và φ( )t biểu diễn về pha, s l( )t là tín hiệu

phát thông thấp tương đương Tùy theo giá trị α( )t tuân theo phân bố hàm Rician

(đường truyền tầm nhìn thẳng) hay hàm Rayleigh mà ta có kênh fading Rician hay

fading Rayleigh

1.3 Dung lượng kênh MIMO

Trong phần này, luận án đánh giá dung lượng mô hình kênh MIMO Để giới

hạn bài toán, chúng ta xét các kênh không lựa chọn tần số giả sử đã biết ở phía thu

Vì vậy các kênh đặc tính hóa bởi ma trận Hkích thước M T ×M Rvới các phần tử

{ }h ij , trong bất kì mức tín hiệu nào các phần tử này là các biến ngẫu nhiên giá trị

phức Trong trường hợp đặc biệt kênh fading Rayleigh { }h là các biến ngẫu nhiên ij

Gauss phức trung bình bằng 0 với các thành phần thực và phức không tương quan

Khi { }h ij là các biến ngẫu nhiên Gauss giá trị phức phân bố độc lập xác định, kênh

MIMO là kênh phân tập không gian hoàn toàn

Chúng ta xem xét kênh MIMO AWGN không lựa chọn tần số được đặc

trưng bởi ma trận kênh H Kí hiệu s là vector tín hiệu phát M T× 1 có trung bình

xem H như là kênh biết ở phía thu

Để xác định dung lượng của kênh MIMO, chúng ta tính hàm thông tin phụ

thuộc giữa vector tín hiệu phát s và vector thu y, kí hiệu I ;( )s y và sau đó xác định

phân bố xác suất của vector tín hiệu s để cực đại hóa I ;( )s y Vì vậy

( ) I( )s y

C s

max

trong đó C là dung lượng kênh (bits/s/Hz) C chỉ phụ thuộc vào tương quan

của vector tín hiệu Do vậy, dung lượng hệ thống MIMO được tính bằng

=

=

H ss N

R

C

R s

ss

H HR I

0 2

1det

logmax

trong đó tr R( )ss kí hiệu là phép tính tổng các phần tử trên đường chéo ma

trận của tương quan tín hiệu Rss Đây là tốc độ tối đa có thể phát tin cậy (không lỗi)

qua kênh MIMO cho bất kì ma trận kênh cho trước H

Trường hợp thực tế quan trọng là khi các tín hiệu do các anten phát M Tlà

các kí tự độc lập thống kê với mức năng lượng kí hiệu bằng εs/M T, ma trận tín

hiệu tương quan là ma trận đường chéo

T

M T

s ss

(1.39)

và tr( )Rss =εs Trong trường hợp này, biểu thức dung lượng kênh MIMO

viết đơn giản là

của HHHbằng cách sử dụng phân tích HHH =QSQ H Vì vậy

∑

s r

i

T

s M

H

T

s M

H

T

s M

N M

N M

N M

N M C

R R R

λεεεε

0 1

2

0 2

0 2

0 2

1 log

det log

det log

det log

S I

QS Q I

QSQ I

(1.41)

trong đó r là hạng của ma trận kênh H

Trường hợp riêng với hệ thống SISO λ1= h112, ta có

11 0

2 1

N M

C

T

s SISO

ε

(1.42)

kênh SISO, trong đó năng lượng phát trên mỗi kênh SISO là εsvà độ lợi kênh tương

ứng bằng giá trị riêng (eigenvalue)

0 5 10 15 20 25

Hình 1.4 So sánh dung lượng số anten thu phát MIMO khác nhau

Để thấy rõ hơn ảnh hưởng của cấu hình anten trong MIMO đến dung lượng

hệ thống ta xem xét trong mô phỏng hình 1.4 Hình vẽ này trình bày dung lượng

kênh của hệ thống MIMO với số anten thu phát bằng nhau Khi tăng số lượng anten,

dung lượng hệ thống cũng tăng lên

1.4 Ước lượng kênh truyền trong MIMO

1.4.1 Tại sao phải nghiên cứu ước lượng kênh mù/bán mù cải tiến

Trong phần này, luận án sẽ thảo luận tại sao lại phải dùng ước lượng bán mù

cải tiến hoặc mù trong hệ thống vô tuyến nói chung và MIMO nói riêng Trong hình

vẽ 1.5, ở hình (a) mô tả cấu trúc tín hiệu phát gồm B bit dành cho chuỗi huấn

luyện, kí hiệu T c là thời gian nhất quán (coherence time) trong chu kì truyền tín hiệu

được giả sử là thay đổi chậm Trong mỗi T c này, dữ liệu được truyền cùng với kí tự

huấn luyện B, nên tốc độ truyền dẫn là 1 −B / T cvà có thể dễ dàng thấy rằng hiệu số

này gần bằng 1 nếu T c >>B Chú ý rằng chuỗi huấn luyện này yêu cầu sử dụng

trong thời gian kết hợp để bám theo sự thay đổi của kênh truyền Ta có thể quan sát

trong hình (b) rằng thời gian kết hợp T c ngắn hơn so với hình (a) (chẳng hạn trong

trường hợp thiết bị phát hay thiết bị thu đặt trong phương tiện đang di chuyển rất

nhanh), khi đó tốc độ truyền dẫn sẽ thấp lại nếu ta vẫn duy trì độ dài B kí tự huấn

luyện (do yêu cầu thuật toán ước lượng nên phải duy trì số tối thiểu kí tự huấn luyện

này) [26] Đây chính là động cơ thúc đẩy các nhà nghiên cứu đưa ra phương pháp

ước lượng bán mù cải tiến để giải quyết vấn đề này

Hình 1.5 Cấu trúc khung tín hiệu phát gồm chuỗi huấn luyện và tín hiệu có ích

1.4.2 Vị trí khối ước lượng kênh trong hệ thống MIMO

Trong hình 1.6 mô tả tổng quát hệ thống thu phát số, ta thấy tín hiệu nguồn

tin là dạng tín hiệu số thông thường được bảo vệ bằng cách mã hóa kênh và ghép

xen tín hiệu (chống nhiễu hoặc sai kí tự trên cụm bit dài) nhằm tránh ảnh hưởng của

môi trường fading, sau đó các tín hiệu nhị phân này được điều chế và phát qua kênh

fading đa đường Nhiễu trắng cộng có phân bố Gauss thường sử dụng được coi là

thành phần không mong muốn thêm vào tín hiệu phát Bởi vì kênh đa đường sẽ gây

ra nhiễu liên kí tự ISI trong tín hiệu thu được, nên bộ cân bằng tín hiệu (detector)

dạng ML sẽ cần thông tin trạng thái kênh CSI từ khối ước lượng kênh cung cấp, để

cân bằng tín hiệu (sẽ loại bỏ nhiễu ISI) Sau đó, tín hiệu ra khỏi khối tách tín hiệu sẽ

được giải ghép xen và giải mã hóa kênh nhằm khôi phục được tín hiệu gốc Thông

thường thông tin trạng thái kênh CSI được khôi phục dựa trên chuỗi huấn luyện

được phát cùng với tín hiệu mang tin trong cụm tín hiệu phát như hình 1.7 Hình

này minh họa khung tín hiệu phát chuẩn hóa cho kỹ thuật thông tin di động thế hệ 2

(b)