2. Ăng ten thông minh (smart antenna)
2.3. Hệ thống mảng Ăng ten thích ứng (AAA)
Ăng ten thích ứng ra đời từ 1959. Đó là công việc dành cho L. C. Van Atta’s work, Electromagnetic Reflection. Từ đó, các kỹ thuật búp sóng tương thích đã được triển khai để làm giảm nhiễu và gây nhiễu từ cổng ra, chủ yếu trong các ứng dụng quân sự. Với sự phát triển mạnh của công nghiệp thông tin vô tuyến và sự cải tiến của công nghệ vi điều khiển, các kỹ thuật búp sóng tương thích đã được ứng dụng trong thông tin vô tuyến. Với những phần cứng xử lý tín hiệu số (DSP) tại băng gốc, thuật toán có thể điều khiển các búp sóng Ăng ten thích ứng với điều kiện môi trường của tín hiệu, tạo ra búp sóng theo các hướng mong muốn trong khi vẫn đảm bảo không tạo ra nhiễu đồng kênh. Thêm vào đó, hiệu suất hệ thống được tối ưu theo các tham số chất lượng đường truyền và dung lượng hệ thống.
Mảng Ăng ten thích ứng có thể được ứng dụng tại bên phát, hay còn được gọi là tạo búp sóng phát (transmit beamforming - TxBF) hoặc tại bên thu được gọi là tạo búp sóng thu (receive beamforming - RxBF).
2.4.1. Tạo búp sóng phát (TxBF)
Ứng dụng của kỹ thuật mảng ăng ten tương thích trong một đầu cuối cầm tay rất khó đối với các phần cứng hiện nay do sự hạn chế bởi kích thước, giá thành và dung lượng nguồn cấp lưu trữ bên trong, trong khi đó nó lại dễ dàng được ứng dụng mảng ăng ten tại các trạm gốc.
Tạo búp sóng phát cung cấp phương pháp ưu việt làm tăng dung lượng kết nối đường xuống. Lý tưởng nhất cho TxBF tương tự với kỹ thuật mã hóa trước trong MIMO nhưng khác biệt trong cách để tính toán vector trọng số truyền. TxBF điều chỉnh búp sóng chính của ăng ten hướng đến người dùng cần thiết và giảm nhiễu đến những người dùng khác. Mô phỏng đơn giản của TxBF được thể hiện trong
39
Hình 2- 6: Mô hình tạo búp sóng phát
Thuật toán eigenvector TxBF [4]
Thuật toán Eignenvector TxBF được sử dụng phổ biến cho TxBF. Eigenvector của ma trận kênh hiệp phương sai không gian được tính như sau
Rss = λH
Trong đó, Rss là ma trận tự hiệp phương sai của của tín hiệu của một người sử dụng cho trước, H là ma trận kênh hiệp phương sai không gian. Eigenvector λmax mà tương ứng với giá trị eigen lớn nhất sẽ được lựa chọn là vector trọng số (công thức trên). Một ví dụ của mành búp sóng, cấu tạo gồm 4 thành phần mảng tuyến tính như trong hình 2-17.
40
Hình 2- 7: Mành búp sóng phát xạ của mảng 4 ăng ten trong một hệ thống (hướng búp sóng chính 2400)
Thuật toán mảng tương thích phát (TxAA)
Mảng tương thích phát (TXAA) là một kỹ thuật trong đó người sử dụng tuần tự gửi các ước lượng lượng tử hóa của các trọng số phát tối ưu đến BS thông qua kênh phản hồi. Các trọng số phần phát được tối ưu để gửi công suất lớn nhất đến người sử dụng. Các trọng số phát tối ưu được tính theo công thức
w = HH / HHH (1.11)
trong đó w là vector trọng số phát và H là ma trận kênh.
Các trọng số được đồng đều do đó công suất phát tổng không bị thay đổi. Trong trường hợp các kênh đa đường được phát ra từ từng ăng ten, các trọng số tối ưu sẽ được tính bằng vector eigen lý tưởng của ma trận tương quan kênh H HH. 2.4.2. Tạo búp sóng thu (RxBF)
Tạo búp sóng có thể được áp dụng trong kênh đường lên để làm tăng chất lượng kênh và làm giảm nhiễu đồng kênh, hay còn được gọi là tạo búp sóng thu
41
(receive beamforming - RxBF). Thông qua RxBF, hệ thống ăng ten thông minh có thể thu chính từ một hướng mong muốn (hướng của nguồn mong muốn) so với một số hướng nhất định (hướng của các nguồn nhiễu). RxBF chỉ ra rằng quá trình xử lý số có khả năng tạo ra mành phát xạ để hướng búp sóng một cách tương thích đến hướng của những tín hiệu mong muốn và không thu tại những hướng có các nguồn nhiễu. Quá trình này mang lại nhiễu đồng kênh nhỏ và hệ số khuếch đại lớn tương ứng với tín hiệu mong muốn. Dựa vào các tín hiệu tham chiếu lấy từ thuật toán tạo búp sóng, RxBF có thể được phân loại thành tạo búp sóng tham chiếu không gian (spatial reference beamforming - SRB), tạo búp sóng tham chiếu thời gian (temporal reference beamforming - TRB), và tạo búp sóng tham chiếu cấu trúc tín hiệu (signal structure reference beamforming - SSRB).
Tạo búp sóng tham chiếu không gian (SRB)
Phương thức tạo búp sóng tham chiếu không gian đôi khi coi như phương thức hướng của tín hiệu đến (direction of arrival - DoA). SRB ước lượng hướng đến của tín hiệu dựa vào tín hiệu tham chiếu trong không gian, sử dụng một trong các loại kỹ thuật như phân loại đa tín hiệu hoặc thuật toán ước lượng các tham số tín hiệu thông qua các kỹ thuật bất biến luân phiên hoặc các giá trị dẫn xuất từ đó. Trong đó bao gồm cả quá trình tìm phổ không gian của mảng ăng ten/cảm biến và tính toán DoA từ các giá trị đỉnh của phổ này. Một kiến trúc cơ bản của thuật toán SRB được thể hiện như trong hình 2-8. Các bước cơ bản của phương thức SRB được thể hiện như bên dưới:
42
Hình 2- 8: Cấu trúc cơ bản của một SRB
- Ước lượng DoA
o Mảng bất kỳ: MUSIC, …
o Mảng tuyến tính: ESPRIIT,… - Tổ hợp búp sóng
o Gram-Schmidt, … - Kết hợp
o EGC, MRC, Wiener Filter, …
Thuật toán phân loại đa tín hiệu (Multiple signal classification - MUSIC) ước lượng DoA của tín hiệu mong muốn bằng cách sử dụng phương thức eigen-space dựa vào tín hiệu tham chiếu theo không gian. MUSIC yêu cầu tính toán sâu về giá trị eigen và vector eigen của ma trận tự tương quan của vector đầu vào từ mảng ăng ten thu. Các bước cơ bản của thuật toán MUSIC được thể hiện như bên dưới:
- Thu thập các mẫu thu nhận và ước lượng ma trận hiệp phương sai của các mẫu thu.
- Thực hiện giải mã eigen của ma trận hiệp phương sai. - Tính toán phổ không gian.
43
- Ước lượng DoA bằng cách tìm vị trí các điểm đỉnh trong phổ.
Ước lượng các tham số tín hiệu thông qua kỹ thuật bất biến luân phiên
(ESPRIT) được sử dụng nhiều cho phương pháp SRB. Đồng thời, ESPRIT có nhiều ưu điểm quan trọng hơn thuật toán MUSIC:
- Không cần các thông tin về kiến trúc mảng và các đặc điểm của các thành phần mảng.
- Độ phức tạp trong tính toán ít hơn. - Không cần phải hiệu chỉnh mảng.
- Thuật toán ước lượng đồng thời số lượng của nguồn và DoA.
Tạo búp sóng tham chiếu thời gian (TRB)
Tạo búp sóng tham chiếu thời gian thể hiện trong hình 2-9 là phương thức được sử dụng để tạo mành phát xạ của mảng ăng ten bằng cách chèn các pha của các tín hiệu theo các DoA của người sử dụng mong muốn, và vô hiệu hóa mành của các người sử dụng nhiễu dựa vào tín hiệu tham chiếu thời gian. Dựa vào tín hiệu tham chiếu thời gian và một số tiêu chuẩn tính toán trọng số được định nghĩa trước, một số thuật toán tương thích như thuật toán LMS (Least Mean Square), RLS (Recursive Least Squares), và DSMI (Direct Sample Matrix Inverse) đã được sử dụng để điều chỉnh vector trọng số của mảng ăng ten nhằm làm tăng chất lượng đường truyền.
Các đặc điểm cơ bản của TRB bao gồm:
- Hiệu suất tốt trong môi trường kênh đa đường. - Không tốn kém
- Yêu cầu chuỗi hướng dẫn
44
Hình 2- 9: Cấu trúc chung của TRB
Tính toán trọng số tương thích
Sử dụng thuật toán minimum mean-square error (MMSE), trọng số được chọn để tối thiểu mean-square error (MSE) giữa đầu ra bộ tạo búp sóng và tín hiệu tham chiếu theo thời gian. Trong khi tiêu chuẩn maximum signal-to-interference ratio
(MSIR) có trọng số được chọn để trực tiếp làm tối đa tỉ lệ tín hiệu trên nhiễu (SIR). Và tiêu chuẩn minimum variance (MV) chọn trọng số làm tối thiểu sự biến thiên của công suất đầu ra. Cả 3 tiêu chuẩn nói trên có chung hàm
wopt = βRi-1v (1.12) trong đó Ri-1 là nghịch đảo của ma trận hiệp phương sai của tín hiệu nhiễu nhận được trong mảng ăng ten và V là vector truyền sóng của mảng ăng ten.
Giả thiết rằng d(t) là tín hiệu tham chiếu thời gian truyền và Ru là ma trận hiệp phương sai của các tín hiệu nhiễu tại cổng ra của bộ tạo búp sóng. Các giá trị β của MMSE, MSIR và như trong bảng bên dưới
45
Bảng 2- 1: Công thức tính toán trọng số β
Thuật toán tạo búp sóng tương thích
Thuật toán LMS (least mean square) sử dụng tín hiệu tham chiếu thời gian để cập nhật trọng số tối ưu để làm cho đầu ra của mảng gần tương đương nhất có thể với tín hiệu tham chiếu, trọng số đó chính là sự lược giản MSE. Bởi vì MSE có cấu trúc cầu phương, trọng số di chuyển theo hướng âm của gradient của MSE cho lỗi bề mặt là nhỏ nhất. Đẳng thức trọng số cập nhật như bên dưới:
w(t+1) = w (t) – μx(t+1)ε* (1.13) Trong đó:
- μ là hằng số chỉ thị kích thước các bước thay đổi, tức là tham số quyết định mức độ “gần” với giá trị tối ưu nhất của trọng số sau mỗi vòng lặp và nó điều khiển tốc độ hội tụ của thuật toán.
- ε là độ lệch tín hiệu giữa tín hiệu tham chiếu thời gian và tín hiệu thu được tại đầu ra của bộ tạo búp sóng.
- x(t+1) là vector tín hiệu nhận được của mảng ăng ten tại thời điểm t+1. Hạn chế lớn nhất của thuật toán LMS là thuật toán này rất nhạy với dải giá trị đầu vào. Hạn chế này dẫn đến thuật toán này rất khó chọn một bước μ có thẻ đảm bảo độ ổn định cho nó. Thuật toán NLMS (normalized least mean square) được biến đỏi từ LMS có thể giải quyết vấn đề này bằng cách ổn định hóa công suất của đầu vào. Chức năng cập nhật các trọng số của thuật toán NLMS được thể hiện trong công thức bên dưới:
w(t+1) = w (t) +
|| ( )|| ( ) ∗ (1.14)
Một thuật toán khác là RLS (Recursive least square) được thiết kế để khắc phục nhược điểm của việc tốc độ hội tụ chậm trong thuật toán LMS khi giá trị eigen
46
trải từ ma trận tương quan R của tín hiệu nhận được vector x lớn. Thuật toán RLS thay kích thước bước μ bằng ma trận nghịch đảo của R. Trọng số sau đó được cập nhật sử dụng công thức như bên dưới:
w(t+1) = w(t) – R-1x(t+1)ε* (1.15)
Hình 2-10: So sánh hiệu suất của các thuật toán LMS, NLMS, và RLS (theo BER).
Hình này thể hiện sự so sánh về hiệu suất đơn giản của 3 thuật toán trên trong hệ thống OFDMA dưới điều kiện kênh fading Rayleigh fading channel sử dụng 8 thành phần ăng ten. Qua đó, chúng ta thấy thuật toán RLS mang lại hiệu quả tốt nhất (BER thấp nhất và trạng thái ổn định nhanh nhất) do hội thụ nhanh hơn các thuật toán LMS và NLMS.
Thuật toán tạo búp song tham chiếu cấu trúc tín hiệu (SSRB)
Phương pháp SSRB dựa vào cấu trúc thừ kế của tín hiệu phát của một dạng tín hiệu tham chiếu ngầm. Những thuật toán như tạo búp sóng “mù”, căn quân phương tối thiểu và thuật toán khối cố định đều dựa vào phương pháp SSRB. Phương pháp này làm tăng sự khác biệt các điều kiện truyền sóng và không đòi hỏi hiểu biết khác nhau về mảng. Tuy nhiên vấn đề hồi tụ lại chính là nhược điểm chính của phương pháp SSRB.
47