Luận án tiến sĩ ứng dụng của xử lý số tín hiệu trong thông tin số – tối ưu hóa sự kết hợp mã nguồn và mã kênh (tt)

MỞ ĐẦU Giới thiệu đề tài Trước theo lý thuyết Shannon năm 1948 [1], mã hóa nguồn mã hóa kênh thiết kế hoạt động độc lập với mà không tối ưu, hệ thống thông tin số truyền thống thiết kế theo cấu trúc nối tiếp mã nguồn mã kênh TSCC (Tandem Source Channel Coding) riêng biệt Tuy nhiên định lý Shannon trường hợp lý tưởng, bên phát bên thu không bị giới hạn độ phức tạp độ trễ Điều khó áp dụng thực tế, độ phức tạp độ trễ hai yếu tố giới hạn ứng dụng thời gian thực Nhiều hướng nghiên cứu tập trung vào phương pháp khác kết hợp mã nguồn mã kênh JSCC (Joint Source Channel Coding) nhằm đạt hiệu hoạt động tốt mà đảm bảo độ trễ độ phức tạp mức độ định Hiện có nhiều nghiên cứu kỹ thuật phối hợp mã nguồn với mã kênh nhiên mang tính lý thuyết tính phức tạp cao hệ thống điều kiện thực tế có sai khác nhiều so với lý thuyết Trong luận án tập trung nghiên cứu phương pháp tối ưu hóa phương pháp gán từ mã cho mẫu tín hiệu lượng tử hay gọi phương pháp tối ưu việc gán số IA (Index Assignment) áp dụng cho hệ thống số truyền dẫn tín hiệu tương tự Phương pháp chất xếp lại thứ tự bảng mã (Codebook) lượng tử hóa theo thứ tự tối ưu, phương pháp thực đơn giản làm tăng hiệu hoạt động hệ thống không tăng thêm độ phức tạp, tốc độ bit độ trễ Hơn phương pháp linh hoạt không đỏi hỏi biết xác mức độ nhiễu kênh truyền thực độc lập phối hợp với mã kênh Do đó, phương pháp có tính khả thi cao, áp dụng để nâng cấp hệ thống sẵn có thay đổi thứ tự bảng mã lượng tử hóa không làm ảnh hưởng đến khối khác Đây lợi lớn việc thay hệ thống mới, thiết kế hoàn toàn dẫn đến tốn thời gian chi phí không nhỏ Những vấn đề tồn Trong phương pháp IA, để tìm thứ tự tối ưu bảng mã kích thước lượng tử hóa lớn điêu Do có nhiều nghiên cứu lý thuyết thuật toán để tìm phương án cận tối ưu Các phương pháp IA trước nghiên cứu riêng lẻ chưa phát triển để thực phương pháp cần khối tính toán lớn yêu cầu nhớ lớn, công nghệ máy tính chưa đại ngày Các nghiên cứu số tồn sau: + Hầu hết thuật toán dùng phương pháp IA có độ phức tạp cao, khó áp dụng trường hợp bảng mã có kích thước lớn Trên thực tế có nhiều ứng dụng sử dụng bảng mã kích thước lớn 9-10 bit + Các nghiên cứu phương pháp IA giả thiết đơn giản hóa hệ thống không xét đến kỹ thuật điều chế Do việc ước lượng tham số hệ thống phục vụ cho toán tối ưu IA áp dụng vào hệ thống thực tế không xác dẫn đến giảm hiệu tối ưu phương pháp IA Mục tiêu, đối tượng phương pháp nghiên cứu 3.1 Mục tiêu nghiên cứu • Nghiên cứu, cải tiến phương pháp IA để làm tăng chất lượng tín hiệu truyền dẫn hệ thống thông tin số mà không làm tăng độ phức tạp băng thông hệ thống Bao gồm vấn đề mục tiêu sau: o Nghiên cứu, đề xuất thuật toán tìm kiếm tối ưu cải tiến sử dụng phương pháp IA nhằm tăng độ ổn định, tốc độ hội tụ độ tối ưu thuật toán o Nghiên cứu, đề xuất phương pháp ước lượng tham số hệ thống thông tin số làm tham số đầu vào cho toán tối ưu IA • Nghiên cứu, tổng hợp trường hợp khác hệ thống đề xuất phương pháp tối ưu hóa mã nguồn mã kênh kỹ thuật điều chế sử dụng phương pháp IA • Nghiên cứu ứng dụng phương pháp IA vào kỹ thuật lượng tử hóa vectơ có cấu trúc để ứng dụng trường hợp lượng tử hóa vectơ có số chiều lớn kích thước bảng mã lớn 3.2 Đối tượng phạm vi nghiên cứu • Kỹ thuật phối hợp mã nguồn mã kênh phương pháp IA bao gồm: o Các thuật toán tối ưu hóa tổ hợp giải toán tìm kiếm tối ưu phương pháp IA o Phương pháp ước lượng tham số đầu vào (là tham số hệ thống thông tin số) cho toán IA có xét đến kỹ thuật điều chế số • Các hệ thống thông tin số truyền tín hiệu tương tự có độ tương quan cao (như thoại, audio, hình ảnh, ) sử dụng kỹ thuật lượng tử hóa vectơ (VQ) (hay lượng tử hóa theo khối) truyền dẫn qua kênh dừng với mô hình kênh rời rạc không nhớ DMC (Discrete Memoryless Channel) Hệ thống sử dụng mã kênh để điều khiển lỗi trường hợp cần thiết mã kênh (nếu có) mã khối có tính hệ thống (Symmetric Block Code) • Các lượng tử hóa vectơ có cấu trúc ứng dụng 3.3 Phương pháp nghiên cứu Nghiên cứu lý thuyết tài liệu, kết hợp với vấn đề thực tiễn để đưa vấn đề tồn tại, đồng thời đề xuất hướng giải Sử dụng mô máy tính thực nghiệm để kiểm chứng, đưa so sánh đánh giá hiệu phương pháp đề xuất phương pháp khác Cấu trúc luận án Nội dung luận án chia làm Chương CHƯƠNG GIỚI THIỆU 1.1 Kết hợp mã nguồn mã kênh thông tin số 1.1.1 Hệ thống thông tin số truyền thống Là hệ thống bao gồm khối mã hóa nguồn, mã hóa kênh, điều chế Trong mã hóa nguồn mã hóa kênh thiết kế độc lập hoạt động nối tiếp gọi TSCC 1.1.2 Kỹ thuật kết hợp mã nguồn mã kênh JSCC Bao gồm kỹ thuật: Mã nguồn tối ưu theo kênh (COSC), mã kênh tối ưu theo nguồn (SOCC), số kỹ thuật khác phối hợp giải mã kênh giải mã nguồn, kỹ thuật điều chế đa phân giải, kỹ thuật lai 1.2 Lượng tử hóa tín hiệu 1.2.1 Lượng tử hóa vectơ (VQ) Là kỹ thuật tổng quát kỹ thuật lượng tử hóa vô hướng, ứng dụng nhiều công cụ nén tín hiệu có hệ số nén cao đem lại chất lượng tốt VQ trường hợp tổng quát kỹ thuật lượng tử hóa vô hướng (SQ) luận án tập trung nghiên cứu kỹ thuật VQ 1.2.2 Điều kiện lượng tử hóa tối ưu 1.2.3 Thiết kế bảng mã cho lượng tử hóa vectơ Phần trình bày thuật toán thiết kế bảng mã (codebook) cho lượng tử hóa vectơ dựa tập huấn luyện S với số vectơ đủ lớn 1.3 Các tính chất ứng dụng kỹ thuật VQ 1.3.1 Đặc điểm kỹ thuật VQ Kỹ thuật VQ thích hợp để ứng dụng mã hóa tín hiệu tương tự có độ tương quan cao Với giới hạn thời gian, luận án nghiên cứu ứng dụng VQ lượng tử hóa tham số mã hóa tiếng nói 1.3.2 Lượng tử hóa tham số mã hóa tiếng nói Kỹ thuật VQ có nhiều ứng dụng, luận án đề cập đến ứng dụng phổ biến kỹ thuật mã hóa tiếng nói tốc độ thấp 1.4 Kỹ thuật kết hợp mã nguồn mã kênh – mã chống lỗi không dư thừa 1.4.1 Lượng tử hóa vectơ tối ưu theo kênh COVQ Phương pháp thiết kế lại bảng mã theo thuật toán LBG, có tính đến ảnh hưởng nhiễu gây sai khác số (từ mã) truyền đường truyền Phương pháp hoạt động tốt mức độ nhiễu huấn luyện Tuy nhiên điều kiện kênh tốt mức độ nhiễu huấn luyện phương pháp hoạt động không hiểu quả, chí kết hoạt động hệ thống không áp dụng phương pháp tối ưu 1.4.2 Phương pháp tối ưu hóa thứ tự bảng mã Phương pháp xếp lại thứ tự bảng mã codebook tối ưu, giảm méo tín hiệu gây nhiễu kênh truyền qua kênh nhiễu Phương pháp thực đơn giản, có tính khả thi cao, không đòi hỏi biết xác mức độ nhiễu kênh truyền phương pháp COVQ Ngoài phương pháp IA sử dụng để nâng cấp hệ thống sẵn có sử dụng kỹ thuật lượng tử hóa VQ Vì đặc điểm nên luận án tập trung sâu nghiên cứu phương pháp IA 1.5 Kết luận chương CHƯƠNG KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH BẰNG PHƯƠNG PHÁP TỐI ƯU HÓA THỨ TỰ BẢNG MÃ CỦA BỘ LƯỢNG TỬ HÓA 2.1 Giới thiệu chương Chương nghiên cứu phương pháp kết hợp mã nguồn mã kênh sử dụng phương pháp tối ưu hóa việc xắp xếp thứ tự bảng mã lượng tử hóa, gọi phương pháp đánh số IA (Index Assignment) Phương pháp gọi phương pháp mã kênh không dư thừa, không tăng tốc độ bit độ phức tạp mã hóa giải mã dẫn đến không làm tăng độ trễ mã hóa Phương pháp IA thực đơn giản, cần xếp lại (đổi chỗ) từ mã bảng mã lượng tử hóa Do vậy, phương pháp áp dụng để nâng cấp hệ thống sẵn có, mà không đòi hỏi phải thay đổi cấu trúc hệ thống Từ ta thấy tính khả thi ứng dụng phương pháp IA cao, thực tế việc nâng cấp hệ thống cách thay toàn phần hay thiết kế lại hệ thống dẫn đến tốn 2.2 Phương pháp tối ưu hóa thứ tự bảng mã IA 2.2.1 Mô hình toán học toán IA Bộ giải mã Bộ mã hóa x Tìm vectơ gần số i số j ci Tìm kiếm bảng mã cj Bảng mã C Bảng mã C Hình 2.1 Quá trình truyền dẫn tác động nhiễu Hình 2.1 biểu diễn trình truyền dẫn hệ thống sử dụng kỹ thuật lượng tử hóa vectơ Trên đường truyền phát số i phía thu sau giải mã nhận số j Xác suất truyền từ mã i nhận từ mã j xác suất chuyển đổi từ mã PC(j,i) Méo tổng cộng cho toàn bảng mã D(π) để đánh giá độ tối ưu cho phương án gán số π sau: N N i =1 j =1 D (π ) = ∑ Pa (i )∑ PC ( π ( j ), π (i ) ) d ( i , j ) (2-3) Bài toán đặt tìm hoán vị π cho D(π) nhỏ Nếu duyệt hết tất N! khả số lần duyệt lớn Nhiều phương pháp tìm kiếm gần để đạt phương án cận tối ưu nghiên cứu phát triển Để thuận tiện cho việc thực thuật toán IA, ta lưu giá trị tham số đầu vào Pa(i), PC(i,j) d(i,j) ma trận Pa, PC D tương ứng 2.2.2 Các bước triển khai phương pháp IA Mô hình hệ thống Bảng mã C Bước Ước lượng tham số hệ thống Pa PC D D(π) Bước Tìm thứ tự tối ưu (Dùng thuật toán IA) πopt Bước Sắp xếp lại bảng mã C theo thứ tự tối ưu tìm Copt Hình 2.2 Ba bước triển khai phương pháp IA Phương pháp IA bao gồm ba bước triển khai Bước từ mô hình hệ thống bảng mã, ước lượng tham số Pa(i), PC(i,j) d(i,j) (nghiên cứu Chương 3) Bước hai áp dụng thuật toán IA để tìm phương án tối ưu πopt cho D(πopt) nhỏ tốt Bước triển khai thực đổi chỗ (hoặc gán lại số) cho bảng mã lượng tử hóa Ở chương tập trung nghiên cứu thuật toán IA Bước 2.2.3 Các thuật toán IA Các công trình trước thường giải toán IA với giả thiết đơn giản hóa là: (1) kênh truyền kênh BSC dẫn đến ma trận PC đối xứng qua đường chéo (2) phương pháp đo khoảng cách (méo) vectơ sử dụng khoảng cách Euclid SED Những giả thiết hạn chế không hoàn toàn phù hợp ứng dụng thực tế Trong thuật toán thuật toán mô luyện kim SA (Simulated Annealing) thuật toán hiệu thông dụng với thời gian hội tụ nhanh, sử dụng rộng rãi toán tối ưu nói chung vấn đề tối ưu kết hợp mã nguồn mã kênh nói riêng [39,44] liên tục cải tiến [50] Trong chương luận án nghiên cứu đề xuất thuật toán cải tiến dựa thuật toán SA cho toán gán số IA nhằm giảm thời gian hội tụ thuật toán tăng độ tối ưu kết 2.3 Thuật toán mô luyện kim SA 2.3.1 Cơ sở thuật toán SA Thuật toán SA giải thuật Metaheuristic dùng phổ biến việc giải toán tối ưu tổ hợp rời rạc Thuật toán mô trình luyện kim, tinh thể thép nung nóng tới nhiệt độ cao sau làm nguội từ từ đến kết tinh cấu hình tinh thể cứng Tính giải thuật thoát khỏi cực tiểu địa phương cách cho phép chấp nhận phương án phương án để tăng thêm hội tìm phương án tối ưu Thuật toán điều khiển tham số trạng thái T (tương ứng với nhiệt độ luyện kim) giảm dần sau lần lặp Khi duyệt qua phương án mới, phương án tốt phương án chấp nhận, không thuật toán có khả chấp nhận phương án với xác suất e−∆D/T 2.3.2 Thuật toán SA tham số Trong phần mô tả chi tiết bước thuật toán SA, áp dụng cho toán gán số IA • Các tham số đầu vào: Các tham số ước lượng từ mô hình hệ thống Pa(i), PC(i,j) d(i,j) (hoặc dạng ma trận Pa, PC D) • Các tham số điều khiển: o Các tham số giới hạn trạng thái T0, Tmin, αT o Các tham số ngưỡng: Th1, Th2, Th3 • Tham số đầu ra: Phương án tối ưu πopt Bước 1: Khởi tạo: T ← T0; π ← πinit (phương án ban đầu) Bước 2: Sinh lân cận ngẫu nhiên π′, tính ∆D←D(π) – D(π’) If ∆D < then π ← π’ else π ← π’ với xác suất e-∆D/T Bước 3: If số lần giảm D(π) vượt Th1 số lần không giảm vượt Th2 then chuyển sang Bước 4, else quay bước Bước 4: Giảm tham số trạng thái: T ← αTT Bước 5: If T < Tmin tổng số lần D(π) không giảm vượt Th3 then dừng thuật toán trả kết πopt ← π else quay Bước 2.3.3 Thuật toán ISA cho toán tối ưu IA Thuật toán ISA [49] lưu lại phương án tốt sau lần sinh lân cận Bước 2, kết cuối trả phương án tốt toàn trình thực thuật toán 2.4 Cải tiến thuật toán SA 2.4.1 Những hạn chế thuật toán SA + Khối lượng tính toán Bước lớn Mỗi lần tính D(π′) theo (2-3) cần thực N(N+1) phép cộng N(N+1) phép nhân Thuật toán khó áp dụng với trường hợp N lớn số bước lặp lớn + Không có chế tránh duyệt trùng lặp khả duyệt trùng lặp làm giảm hội tìm phương án tốt + Trong giai đoạn cuối thuật toán, tham số T thấp gần 0, khả thoát khỏi bẫy cực tiểu cục gần [50] + Kết thuật toán không đảm bảo cực tiểu cục Nhất số bước lặp ít, thuật toán cho kết thuật toán tìm kiếm địa phương 2.4.2 Các giải pháp cải tiến thuật toán SA cho toán IA a Giảm khối lượng tính toán Tại Bước 2, tính ∆D tính D(π′) mà tính sau: N ∆D = ∑ {d ′ ( r, k ) [ P (π ′( r ), π ′(k ) ) − P (π (r ), π (k ) )] c c k =1 + d ′ ( k , r ) [ Pc ( π ′( k ), π ′( r ) ) − Pc ( π ( k ), π ( r ) )] (2-13) + d ′ ( s, k ) [ Pc ( π ′(s ), π ′( k ) ) − Pc ( π (s ), π ( k ) )] + d ′ ( k , s ) [ Pc ( π ′( k ), π ′(s ) ) − Pc ( π ( k ), π (s ) )]} Với cách tính ∆D cần thực 4N phép nhân 8N phép cộng Tổng thời gian thực thuật toán giảm đáng kế N lớn b Thêm chế tránh duyệt phương án trùng lặp Do tổng số lân cận π kmax không đổi: kmax = N(N-1)/2 nên đánh số cặp vị trí từ đến kmax Khi tương ứng với cặp số lân cận π Để sinh lân cận π′ ta cần chọn số nguyên k ngẫu nhiên khoảng đến kmax thực hoán đổi cặp vị trí thứ k π Để sinh k ngẫu nhiên không trùng lặp, ta tạo hoán vị ngẫu nhiên từ đến kmax, sau k chọn theo hoán vị c Cơ chế chủ động thoát khỏi cực tiểu cục Khi duyệt kmax lân cận π mà không tìm phương án tốt hơn, π cực tiểu cục Thuật toán chủ động thoát khỏi bẫy cực tiểu cục cách chấp nhận phương án d Tối ưu hóa kết quả, đảm bảo kết cực trị cục Nếu kết cuối chưa phải cực tiểu cục bộ, ta tối ưu hóa kết cách đưa cực tiểu cục gần thuật toán tìm kiếm địa phương 2.4.3 Thuật toán SA cải tiến – Thuật toán MSA Trên sở giải pháp khắc phục hạn chế Mục 2.4.2, luận án đề xuất thuật toán cải tiến cho thuật toán SA MSA Thuật toán MSA giống thuạt toán SA, có thay đổi Bước thêm vào Bước để tối ưu hóa kết quả, đưa kết cuối cực tiểu địa phương 2.4.4 Lựa chọn tham số điều khiển cho thuật toán SA/MSA Trong phần này, luận án phân tích ảnh hưởng tham số điều khiển đến hoạt động thuật toán Đồng thời xác định tiêu chí chọn tham số điều khiển đảm bảo phát huy ưu thuật toán (thuật toán cần có số vòng lặp đủ lớn để tiếp cận cực tiểu địa phương chuyển sang giai đoạn cuối thuật toán, T gần 0) Luận án đưa điều kiện cách chọn tham số sau (Bảng 2.1) Tham số T0 Tmin Điều kiện lý thuyết Cách chọn T0 > Không lớn < Tmin < T0 10-6 ÷ 10-4 αT 4 dB 2-4 dB > dB 2-4 dB > dB 0.921 0.499 0.000 0.921 0.499 0.000 0.968 1.499 0.006 0.001 1.077 2.857 1.294 1.003 1.723 0.596 1.035 2.512 0.545 0.002 1.204 4.894 2.455 1.077 2.925 1.129 1.097 3.523 1.029 0.003 1.338 6.691 3.742 1.158 4.125 1.738 1.163 4.505 1.570 0.004 1.461 8.470 4.969 1.234 5.358 2.286 1.227 5.530 2.093 0.005 1.585 10.187 6.173 1.307 6.399 2.857 1.287 6.469 2.586 0.01 2.185 17.265 12.332 1.673 11.679 5.799 1.592 11.170 5.191 0.1 7.887 17.176 79.401 6.011 32.266 55.664 5.316 35.921 49.802 4.5 Kết luận chương Chương nghiên cứu ứng dụng phương pháp IA vào kỹ thuật VQ có cấu trúc dùng trường hợp thực tế kích thước bảng mã lớn số chiều vectơ lượng tử hóa lớn Luận án đề xuất phương pháp IA-SSVQ kết hợp phương pháp IA với kỹ thuật VQ có cấu trúc SSVQ Phương pháp IASSVQ kiểm chứng với hai trường hợp lượng tử hóa nguồn tín hiệu ngẫu nhiên lượng tử hóa hệ số LSF mã hóa tiếng nói băng rộng Kỹ thuật IA-SSVQ hoạt động tốt điều kiện kênh không kém, có kết hợp bảo vệ mã hóa kênh Với ưu điểm đơn giản không làm tăng thêm độ phức tạp độ trễ, kỹ thuật IA có tính khả thi cao ứng dụng VQ có cấu trúc 23 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO Luận án tập trung nghiên cứu phát triển phương pháp IA So với phương pháp kết hợp mã nguồn mã kênh JSCC khác, mức độ hiệu phương pháp IA lợi khả sửa lỗi mà giảm thiểu méo tín hiệu tác động nhiễu kênh Tuy nhiên phương pháp IA lại có độ linh hoạt, tính khả thi cao, trả giá băng thông độ phức tạp hệ thống, áp dụng cho nhiều trường hợp khác Ngoài việc thiết kế tối ưu cho hệ thống, phương pháp IA nâng cấp hệ thống sẵn có, tận dụng thiết kế sẵn có mà không đòi hỏi phải thiết kế lại hệ thống Hơn nữa, phương pháp IA kết hợp với phương pháp điều khiển lỗi khác mã kênh để tăng khả chống lỗi cho hệ thống cần thiết Luận án có đóng góp sau: • Đề xuất hai thuật toán MSA SATS sử dụng phương pháp IA với hiệu tối ưu độ ổn định cao Thuật toán SATS phiên nâng cấp thuật toán MSA với chế chống duyệt trùng lặp, cho kết tốt lại có độ phức tạp cao Hai thuật toán cải tiến xét trường hợp tổng quát không bị hạn chế giả thiết giới hạn công trình trước có khả hội tụ nhanh áp dụng nhiều trường hợp thực tế với trường hợp bảng mã có kích thước lớn • Nghiên cứu, phát triển phương pháp kết hợp mã nguồn mã kênh phương pháp điều chế số sử dụng phương pháp IA Phương pháp kết hợp với mã kênh để điều khiển lỗi cần thiết Phương pháp cho hiệu hoạt động tốt phương pháp IA mà không xét đến kỹ thuật điều chế số trước Ngoài phương pháp ứng dụng để thiết kế nâng cấp hệ thống sẵn có mà không làm thay đổi thiết kế hệ thống, nhờ tiết kiệm nhiều công sức chi phí việc nâng cấp hệ thống • Nghiên cứu ứng dụng phương pháp IA vào kỹ thuật lượng tử hóa vectơ có cấu trúc, đề xuất phương pháp IA-SSVQ dựa kết hợp phương pháp IA với kỹ thuật lượng tử hóa vectơ chuyển mạch phân đoạn SSVQ để tăng khả giảm thiểu ảnh hưởng nhiễu kênh truyền dẫn Hướng nghiên cứu tiếp theo: • Tiếp tục nâng cấp phát triển tiếp thuật toán MSA/SATS để làm tăng hiệu độ tối ưu • Phương pháp ước lượng tham số phản ánh đặc tính kênh cho toán IA nghiên cứu Chương bị hạn chế giả thiết kênh truyền không nhớ DMC kết hợp với mã kênh kết hợp với mã kênh có tính hệ thống Hướng nghiên cứu mở rộng cho mô hình kênh khác (như kênh có nhớ) loại mã kênh khác Áp dụng vào hệ thống cụ thể 24 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN Tran Ngoc Tuan, Nguyen Quoc Trung (2014), Improving the Simulated Annealing Algorithm for the Index Assignment Method to Enhance the Robustness of Communication Systems, Special Issues on Research, Development and Application on Information & Communication Technology, Journal on Information Technology & Communication, Vol E-3, No 7(11), pp 13-20 Tran Ngoc Tuan, Nguyen Quoc Trung (2015), Index Assignment Optimization for Digital Communication Systems using M-ary Modulation Schemes, Special Issues on Research and Development on Information & Communications Technology, Journal on Information Communications Technology, Vol E-3, No 8(12), pp 38-47 Tran Ngoc Tuan, Nguyen Quoc Trung (2016), Joint Source-Channel Coding and Digital Modulation Technique with Index Assignment Optimization, Special Issues on Research and Development on Information & Communications Technology, Journal on Information Communications Technology, Vol E-3, No 9(13), pp 54-62 Tran Ngoc Tuan, Nguyen Quoc Trung, Tran Nguyen Khanh (2016), Improving the Simulated Annealing Algorithm for Source Codeword Index Assignment by Using the Mechanism of Tabu Search Algorithm, in Proceedings of The 2016 International Conference on Advanced Technologies for Communications (ATC’16), Hanoi, pp 91-96 Tran Ngoc Tuan, Nguyen Quoc Trung, Tran Hai Nam, Improving The Switched Split Vector Quantization Technique Using a Joint Source Channel Coding Approach Bài qua phản biện chấp nhận đăng tạp chí Khoa học Công nghệ Trường Đại học (Dự kiến đăng số tiếng Anh năm 2017) 25 ... 1.1.2 Kỹ thuật kết hợp mã nguồn mã kênh JSCC Bao gồm kỹ thuật: Mã nguồn tối ưu theo kênh (COSC), mã kênh tối ưu theo nguồn (SOCC), số kỹ thuật khác phối hợp giải mã kênh giải mã nguồn, kỹ thuật... 1.1 Kết hợp mã nguồn mã kênh thông tin số 1.1.1 Hệ thống thông tin số truyền thống Là hệ thống bao gồm khối mã hóa nguồn, mã hóa kênh, điều chế Trong mã hóa nguồn mã hóa kênh thiết kế độc lập... luận án nghiên cứu ứng dụng VQ lượng tử hóa tham số mã hóa tiếng nói 1.3.2 Lượng tử hóa tham số mã hóa tiếng nói Kỹ thuật VQ có nhiều ứng dụng, luận án đề cập đến ứng dụng phổ biến kỹ thuật mã