Tóm tắt Luận án Nghiên cứu giải pháp giảm can nhiễu và méo phi tuyến trong hệ thống thông tin vệ tinh - Nguyễn Viết Minh

quan của một hệ thống thông tin vệ tinh. D L Bộ phát đáp HPA HPA UC Mod Mã hóa LNA & DC Rx & DeMod Giải mã Thông tin phát Thông tin thu HPA: Bộ khuếch đại công suất cao Rx: Máy thu LNA: Bộ khuếch đại tạp âm thấp UC/DC: Trộn nâng tần/Trộn hạ tần Mod/DeMod: Điều chế/Giải điều chế UL/DL: Đường lên/Đường xuống Hình 1.1. Hệ thống thông tin vệ tinh [8] Hệ thống vệ tinh bao gồm phân đoạn không gian và phân đoạn mặt đất: 1 : Một phần nội dung chương 1 được trình bày tại Hội nghị quốc gia về Điện tử và truyền thông REV2013-KC01 [H1]. 4 + Phân đoạn không gian bao gồm một hoặc một vài vệ tinh hoạt động phân tán được tổ chức như một chòm sao. Phân hệ thông tin trên vệ tinh là các bộ phát đáp đóng vai trò chuyển tiếp tín hiệu giữa các trạm mặt đất. + Phân đoạn mặt đất bao gồm các trạm lưu lượng mặt đất. 1.1.1.2. Các hệ thống thông tin vệ tinh Các hệ thống thông tin vệ tinh về cơ bản được chia thành các loại [2]: Hệ thống thông tin vệ tinh cố định Hệ thống thông tin vệ tinh cố định sử dụng vệ tinh trên quỹ đạo địa tĩnh, GEO, cung cấp đường chuyển tiếp cho các trạm mặt đất cố định với dịch vụ vệ tinh cố định, FSS. Hệ thống thông tin vệ tinh di động Hệ thống thông tin vệ tinh di động cung cấp dịch vụ kết nối di động cho người dùng, MSS, thường sử dụng quỹ đạo trung bình, MEO, hoặc quỹ đạo thấp, LEO. Trong phạm vi nghiên cứu của luận án, các giải pháp giảm can nhiễu và méo phi tuyến được tập trung nghiên cứu trên cơ sở đặc trưng truyền dẫn của hai hệ thống thông tin vệ tinh cố định và thông tin vệ tinh di động. 1.1.1.3. Đặc điểm hệ thống Tính phi tuyến Tính phân tán 1.1.2. Hệ thống thông tin vệ tinh băng rộng đa phương tiện 1.1.2.1. Dịch vụ vệ tinh đa phương tiện Thông tin vệ tinh trên thế giới đang chuyển sang các hệ thống thông tin vệ tinh tiên tiến hoàn toàn dựa trên nền IP, hỗ trợ tốt cho truyền dẫn đa phương tiện. Thay đổi này đòi hỏi phải có phải có sự điều chỉnh, thích nghi của các phần tử hệ thống trong điều kiện truyền dẫn mới. 1.1.2.2. Đặc trưng mới của kênh vệ tinh đa phương tiện. Trên vệ tinh sử dụng bộ khuếch đại công suất hoạt động trong điều kiện: + Tổn hao kênh biến đổi nên công suất phát phải biến đổi. + Sử dụng phương pháp truyền dẫn đa sóng mang OFDM, số lượng kênh con biến đổi ngẫu nhiên dẫn đến tải bộ khuếch đại biến đổi. 5 Điều đó làm cho bộ khuếch đại công suất làm việc ở chế độ phi tuyến cao. Với kết nối đa phương tiện qua vệ tinh cho nên các yếu tố phi tuyến khác của hệ thống sẽ tác động đến kênh. Ảnh hưởng của các tác động đó dẫn đến: + Xuyên nhiễu giữa các ký hiệu. + Biến động các điểm định thời + Xuyên nhiễu giữa các sóng mang con trong hệ thống 1.2. GIẢI PHÁP GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN 1.2.1. Tổng quan về can nhiễu và méo phi tuyến 1.2.1.1. Méo phi tuyến 1.2.1.2. Can nhiễu 1.2.2. Kỹ thuật méo trước 1.2.3. Kỹ thuật cân bằng 1.2.3.3. Các tham số đánh giá hiệu năng của bộ cân bằng Lỗi trung bình bình phương Tốc độ hội tụ Độ phức tạp tính toán 1.3. CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN ĐẾN ĐỀ TÀI LUẬN ÁN 1.3.1. Các công trình nghiên cứu trong nước Nhìn chung các nghiên cứu trong nước về lĩnh vực thông tin vệ tinh còn ít, chủ yếu tập trung vào nghiên cứu triển khai hệ thống, vận hành, khai thác hệ thống [22] [23]. 1.3.2. Các công trình nghiên cứu trên thế giới 1.3.2.1. Các nghiên cứu về cân bằng nơ-ron Các nghiên cứu trong lĩnh vực này đã tập trung vào các kiến trúc mạng nơ-ron khác nhau và các thuật toán học để giải quyết vấn đề của cân bằng kênh thông tin vô tuyến. Hạn chế cơ bản của các bộ cân bằng nơ-ron là độ phức tạp tính toán lớn do việc huấn luyện rộng [38]. 6 1.3.2.2. Các nghiên cứu về cân bằng kernel Phương pháp kernel dùng cho cân bằng kênh phi tuyến là một phương pháp rất hấp dẫn các nhà nghiên cứu trong một vài năm trở lại đây. Các công trình cân bằng phi tuyến bằng phương pháp kernel hiện nay đang dừng ở thuật toán KRLS [41] hoặc phương pháp KLMS [42]. Trong vài năm gần đây, đã xuất hiện một số công trình sử dụng kernel cho cân bằng và đạt được kết quả nhất định. Các tác giả [40] [45] [46] cho thấy việc kết hợp đa kernel mang lại cải thiện hiệu năng đáng kể cho các bộ cân bằng kênh phi tuyến. 1.4. HƯỚNG NGHIÊN CỨU CỦA LUẬN ÁN Luận án tập chung vào các hướng nghiên cứu: + Nghiên cứu đặc trưng của kênh truyền vệ tinh đối với hệ thống thông tin vệ tinh cố định dựa trên quỹ đạo địa tĩnh và hệ thống thông tin vệ tinh di động dựa trên quỹ đạo thấp. + Nghiên cứu cải tiến bộ cân bằng cho kênh vệ tinh đa phương tiện trên cơ sở cải thiện hiệu năng bộ cân bằng sử dụng các công cụ và phương pháp mới. + Nghiên cứu bộ cân bằng nơ-ron RBF cho kênh phi tuyến, phân tích các hướng cải tiến bộ cân bằng RBF trên cơ sở đề xuất về lựa chọn hàm phi tuyến, thuật toán huấn luyện, thay đổi kiến trúc mạng . + Nghiên cứu bộ cân bằng kernel với các giải thuật cập nhật RLS, LMS. Đề xuất các hướng cải tiến bộ cân bằng kernel RLS, kernel LMS áp dụng cho kênh vệ tinh đa phương tiện. 1.4.2.2 Các nội dung nghiên cứu 1. Nghiên cứu đề xuất giải pháp cải tiến bộ cân bằng nơ-ron RBF trên cơ sở đưa ra giải thuật học cải tiến cho mạng RBF để giảm số tâm cần tính toán qua đó nâng cao tốc độ hội tụ của bộ cân bằng. 2. Nghiên cứu cải tiến bộ cân bằng KRLS dựa trên giải thuật KRLS mở rộng với khả năng thích nghi bộ cân bằng với kênh vệ tinh phi tuyến động. Bộ cân bằng Ex-KRLS được luận án đề xuất cho giải pháp này. 3. Nghiên cứu đề xuất bộ cân bằng đa kernel LMS với việc lựa chọn các kernel đơn thành phần nhằm đặt được hiệu năng tốt nhất của bộ cân bằng kết hợp MK-LMS trên cơ sở cải thiện độ phức tạp tính toán và tốc độ hội tụ. 7 CHƯƠNG 2: KỸ THUẬT CÂN BẰNG CHO KÊNH VỆ TINH Tóm tắt 2: Nội dung chương này trình bày về các kỹ thuật cân bằng cho kênh vệ tinh. Các yêu cầu hiệu năng đối với bộ cân bằng cho kênh vệ tinh đa phương tiện được đề cập cùng với nó là khái quát các giải pháp nâng cao hiệu năng của bộ cân bằng sử dụng mạng nơ-ron và phương pháp kernel. 2.1. CÂN BẰNG CHO KÊNH VỆ TINH ĐA PHƯƠNG TIỆN Trong nghiên cứu này, NCS tập trung vào phương pháp sử dụng bộ cân bằng (Equalizer) vì một số lý do sau: + Kỹ thuật cân bằng giúp giảm méo phi tuyến hiệu quả. Việc sử dụng bộ cân bằng tại máy thu mặt đất sẽ xử lý đồng thời méo phi tuyến trên toàn tuyến vệ tinh, giúp giảm tải xử lý trên vệ tinh. + Kết hợp giảm méo phi tuyến với giảm đồng thời ISI giúp cho việc xử lý nhanh hơn phù hợp với yêu cầu thích ứng trực tiếp trong kênh pha-đinh nhanh trên đường truyền tốc độ cao. 2.2. YÊU CẦU HIỆU NĂNG ĐỐI VỚI BỘ CÂN BẰNG CHO KÊNH VỆ TINH ĐA PHƯƠNG TIỆN 2.2.1. Các yêu cầu hiệu năng + Cân bằng hiệu quả. + Thích nghi với sự thay đổi của kênh + Cân bằng trực tiếp 2.2.2. Phương pháp đánh giá hiệu năng bộ cân bằng Phân tích hiệu năng bằng phương pháp giải tích Đánh giá hiệu năng bằng đo lường Đánh giá hiệu năng bằng mô phỏng 2.3. GIẢI PHÁP NÂNG CAO HIỆU NĂNG BỘ CÂN BẰNG 2 : Một phần nội dung chương 2 được trình bày tại Hội nghị quốc gia về Điện tử và truyền thông REV2013-KC01 [H1]. 8 2.3.1. Cân bằng sử dụng mạng nơ-ron Bộ cân bằng dùng RBF Mô hình bộ cân bằng ở hình 2.2. HPA H + Q + S Thuật toán hướng dẫn e(n) x(n-D) Kênh Bộ cân bằng RBF-I RBF-R x(n) Tạp âm s(n) + - j Hình 2.2. Cân bằng thích ứng của kênh phi tuyến có nhớ Đầu ra các bô lọc có thể được viết như sau [5]: 𝑧(𝑛) = ∑ 𝑞′𝑘𝑦(𝑛 − 𝑘) = 𝑧 𝑅(𝑛) + 𝑗𝑧𝐼(𝑛) 𝑁𝑞′−1 𝑘=0 (2.4) Mạng nơ-ron bao gồm hai mạng con, một cho phần thực (R), một cho phần ảo (I). Mỗi mạng con có hai đầu vào vô hướng (zR(n) và zI(n)), M nơ- ron trong lớp đầu tiên, và một đầu ra vô hướng. Hai đầu ra này sau đó được kết hợp để tạo thành đầu ra phức s(n): s(n)=sR(n)+jsI(n) (2.5) Các thông số mạng nơ-ron được cập nhật để cực tiểu hàm mục tiêu J(n) giữa đầu ra mong muốn (đó là một chuỗi được biết đến là truyền trễ, x(n - ∆)) và cân bằng đầu ra s(n): 𝐽(𝑛) = 1 2 𝑒(𝑛)2 = 1 2 ((𝑒𝑅(𝑛))2 + ((𝑒𝐼(𝑛))2 = 1 2 ||𝑥(𝑛 − ∆) − 𝑠(𝑛)||2 Việc đề xuất cải tiến bộ cân bằng RBF cho kênh vệ tinh phi tuyến được luận án trình bày trong phần 3.3 và 3.4 chương 3. 9 2.3.2. Cân bằng sử dụng phương pháp kernel Phương pháp kernel dùng cho cân bằng kênh phi tuyến là một phương pháp chứng tỏ được sự vượt trội so với các bộ cân bằng nơ-ron RBF. Với cân bằng KLMS [52] [55] tuy đơn giản nhưng tốc độ hội tụ chậm, không thích hợp cho kênh tốc độ cao. Còn cân bằng KRLS có cải thiện tốc độ hội tụ hơn so với KLMS nhưng nó lại có độ bám trạng thái kênh kém [44]. Vì vậy phương pháp này chỉ thích hợp khi kênh có tham số không biến đổi theo thời gian hoặc biến đổi rất chậm. Trong trường hợp kênh pha đinh, kênh phi tuyến, mô hình trạng thái có dạng:               1 . T x i Ax i n i d i u i x i v i      (2.21) Với A là ma trận chuyển đổi trạng thái, n[i] là nhiễu trạng thái, v[i] là nhiễu quan sát;  i F  Như vậy khi sử dụng phương pháp kernel đã thay u[i], trong không gian trạng thái của lọc Kalman thích hợp với kênh tuyến tính, bằng [i] trong KRLS phù hợp kênh phi tuyến bất kỳ nhưng các phép tính trong không gian đặc trưng H là tuyến tính – tích vô hướng. Điều này làm đơn giản tính toán cho các thuật toán tính toán trọng số phức tạp. Việc ứng dụng và đề xuất mở rộng bộ cân bằng kernel luận án sẽ giới thiệu ở mục 4.3 và 4.4 chương 4. 10 CHƯƠNG 3: GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN CHO HỆ THỐNG THÔNG TIN VỆ TINH CỐ ĐỊNH DỰA TRÊN QUỸ ĐẠO ĐỊA TĨNH Tóm tắt 3: Chương tập trung trình bày giải pháp cải tiến tham số bộ cân bằng RBF bằng cách bố trí hợp lý số tâm của nó trong quá trình huấn luyện, giúp giảm khối lượng tính toán, cải thiện tốc độ hội tụ. 3.1. HỆ THỐNG THÔNG TIN VỆ TINH CỐ ĐỊNH QUỸ ĐẠO ĐỊA TĨNH Quỹ đạo địa tĩnh, với khoảng cách truyền dẫn quá xa nên máy phát phải có công suất lớn hàng trăm Oát để bù cho tổn hao truyền sóng. Vấn đề lớn cần giải quyết của hệ thống thông tin vệ tinh quỹ đạo địa tĩnh chính là méo phi tuyến. Đây chính là nhiệm vụ của bộ cân bằng kênh vệ tinh này. 3.2. MÔ HÌNH KÊNH VỆ TINH CỐ ĐỊNH QUỸ ĐẠO ĐỊA TĨNH 3.2.1. Đặc tính kênh truyền sóng cố định quỹ đạo địa tĩnh 3.2.3. Mô hình kênh FSS Đối với kênh vệ tinh địa tĩnh, vấn đề chính cần giải quyết là đặc tính phi tuyến cao của bộ khuếch đại công suất cao gây ra méo phi tuyến mạnh. Kênh thông tin vệ tinh về cơ bản hoạt động như kênh không nhớ phi tuyến do đầu ra chỉ phụ thuộc vào đầu vào hiện tại [4]. Biểu diễn tín hiệu đầu vào HPA là 𝑥(𝑛) = 𝑟(𝑛)𝑒𝑗𝜙0(𝑛), khi đó đầu ra được biểu diễn như sau [56]: 𝑦(𝑛) = 𝑓(𝑥(𝑛)) = 𝐴(𝑟(𝑛))𝑒𝑗[𝜙(𝑟(𝑛))+𝜙0(𝑛)] (3.1) Phương trình giải tích thông số hóa Saleh nổi tiếng [57] là ví dụ điển hình cho mô hình HPA truyền thống. Tuy nhiên với đặc tính của hệ thống vệ tinh đa phương tiện, cần có các mô hình phân tích HPA hiệu quả. 3 : Kết quả nghiên cứu của chương 3 được công bố trong 02 bài báo đăng trên Tạp chí Khoa học Công nghệ Quân sự [T1], Tạp chí Khoa học và Công nghệ Đại học Công nghiệp Hà Nội [T4]. 11 3.3. CÂN BẰNG KÊNH VỆ TINH BẰNG BỘ CÂN BẰNG NƠ-RON Bộ cân bằng RBF Hình 3.3 biểu thị hệ thống cân bằng sử dụng mạng RBF [6]. Chuỗi số liệu s(k) được phát qua kênh phi tuyến bao gồm phần tuyến tính mô tả bởi hàm truyền đạt H(z) và phần phi tuyến N(z) được điều chỉnh bởi hệ thức [61]:                 0 2 3 4 1 2 3 4 . p i y k h i s k i y k D y k D y k D y k D y k         (3.16) Trong đó p là bậc của kênh, Di là hệ số thành phần phi tuyến thứ i. Chuỗi ký hiệu phát s(k) được giả sử là chuỗi nhị phân độc lập đồng xác suất nhận giá trị {±1}. Ta coi đầu ra kênh bị ảnh hưởng của tạp âm Gaussian trắng cộng e(k). Với giả thiết này đầu ra kênh có thể được viết:      .y k y k e k  (3.17) Hình 3.3. Cấu trúc hệ thống cân bằng RBF Nếu q ký hiệu cho bậc cân bằng (số phần tử trễ nhánh trong bộ cân bằng), khi đó tồn tại 𝑀 = 2𝑝+𝑞+1 chuỗi đầu vào khác nhau có thể thu được (mỗi thành phần có thể là 1 hoặc -1).:        , 1 ,..., .s k s k s k s k p q      (3.18) Với bậc của kênh và của bộ cân bằng xác định, số mẫu vào ảnh hưởng tới bộ cân bằng là M và véc-tơ đầu vào bộ cân bằng khi không có nhiễu là: 12        , 1 ,..., .y k y k y k y k q     (3.19) Véc-tơ �̂�(𝑘) mô tả trạng thái kênh mong muốn và có thể tách thành hai tập 𝑌𝑞,𝑑 +1 và 𝑌𝑞,𝑑 −1 phụ thuộc vào giá trị s(k-d), trong đó d là thời gian trễ mong muốn,          1 1, ,| 1 ; | 1 .q d q dY y k s k d Y y k s k d         (3.20) Nhiệm vụ của bộ cân bằng là khôi phục ký hiệu phát s(k-d) dựa trên véc- tơ thu y(k). Giải pháp tạo ra bộ cân bằng Bayesian tối ưu được cho như sau [62]:          1 1 2 2 1 2 1 2 1 1 exp 2 exp 2 . s sn n B i e i e i i f y k y k y y k y               (3.21)             1, 0 sgn . 1, 0 B B B f y k s k d f y k f y k         (3.22) 3.4. CẢI TIẾN THAM SỐ BỘ CÂN BẰNG RBF 3.4.1. Bộ cân bằng RBF cải tiến Trong luận án này NCS đưa ra giải pháp “Quá trình học lai” gồm hai giai đoạn khắc phục được hiện tượng sai số do bỏ qua một số tâm có ý nghĩa + Giai đoạn học tự tổ chức: Mục đích của nó là ước lượng vị trí các tâm một cách hợp lý cho các hàm xuyên tâm trong lớp ẩn. + Giai đoạn học có giám sát: Mục đích của nó là hoàn thành thiết kế mạng bằng cách ước lượng các trọng số tuyến tính của lớp ra. Giai đoạn học tự tổ chức: Thuật toán tạo cụm kmean (k trung bình) [28] chỉ lấy các tâm của RBF trong các miền không gian tín hiệu vào ℋ có ý nghĩa nhất. Ký hiệu m1 là số hàm RBF, {𝑐𝑘(𝑛)}𝑘=1 𝑚1 là số tâm của các hàm RBF tại bước lặp thứ n của thuật toán. Thuật toán tạo cụm kmean như sau: 1. Khởi đầu: Chọn ngẫu nhiên các giá trị của tâm ban đầu 𝑐𝑘(0) với những giá trị khác nhau. 2. Lấy mẫu: Lấy ra một véc-tơ mẫu x từ không gian vào 𝑋 với một xác suất nào đó. Véc-tơ x là đầu vào của thuật toán tại bước lặp n. 13 3. Phối hợp đồng dạng: Ký hiệu k(x) là chỉ số tâm phối hợp tốt nhất đối với véc-tơ vào x. Tìm k(x) tại bước lặp thứ n bằng cách sử dụng tiêu chuẩn khoảng cách Euclide bé nhất.       1arg min ; 1,2,..., .k k k x x n c n k m   (3.24) 4. Cập nhật: Điều chỉnh tâm của các hàm RBF bằng thuật toán:             ; 1 . k k k k c n x n c n k k x c n c n k            (3.25) 5. Tiếp tục: Tăng n lên 1, quay lại bước 2 và tiếp tục thủ tục cho đến lúc không có sự biến đổi nào đáng kể của ck. Giai đoạn học có giám sát: Trong giai đoạn này, luận án đưa ra giải pháp tính các trọng số tuyến tính ở lớp ra của mạng nơ-ron RBF bằng phương pháp Gradient:      W 1W 1 W ; 1,2,..., .ii i in n n i m    (3.26) 3.4.2. Hiệu năng của bộ cân bằng RBF cải tiến 3.4.2.1. Tốc độ hội tụ Mô phỏng cho thấy bộ cân bằng RBF cải tiến cho hiệu năng tốt hơn với khối lượng tính toán giảm đáng kể so với giải pháp cân bằng RBF truyền thống (hình 3.4). Hình 3.4. Hội tụ của quá trình huấn luyện mạng nơ-ron Typical RBF Jungsik method Proposal method M SE Số chu kỳ huấn luyện 14 3.4.2.2. Xác xuất lỗi Để đánh giá hiệu năng của giải pháp cải tiến mạng RBF, ta thực hiện mô phỏng với đáp ứng kênh được chọn [64] của kênh thoại chuẩn (lựa chọn này nhằm đảm bảo công bằng khi so sánh với các giải pháp tương đồng khác): 1 2 3 40 04 0 05 0 07 0 21 0 5h , , Z , Z , Z , Z         (3.29) Dãy tín hiệu vào có phân bố Bernoulli. Mô phỏng sử dụng mô hình Monte-Carlo. Kết quả mô phỏng thể hiện trên hình 3.5. Nhận xét: + Hiệu năng BER của giải pháp đề trong luận án tốt hơn so với giải pháp của tác giả Jungsik [61] khi SNR > 13dB. Điều này là nhờ giải thuật học lai nêu trên giúp giữ lại những tâm có ý nghĩa không nằm trên biên. Hình 3.5. So sánh hiệu năng tỉ lệ lỗi Như vậy bộ cân bằng RBF cải tiến do luận án đề xuất đã đạt được các tiêu chí đặt ra. Cải thiện nhận được đáng kể đối với hiệu năng tốc độ hội tụ. 1 0 lg (P e) SNR (dB) 15 CHƯƠNG 4: GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN CHO HỆ THỐNG THÔNG TIN VỆ TINH DI ĐỘNG DỰA TRÊN QUỸ ĐẠO THẤP Tóm tắt 4: Chương này trình bày giải pháp cân bằng cho hệ thống thông tin vệ tinh quỹ đạo thấp sử dụng bộ cân bằng kernel. Các giải pháp cải tiến bộ cân bằng kernel được tập trung phân tích nhằm cải thiện hiệu năng cân bằng. 4.1. HỆ THỐNG THÔNG TIN VỆ TINH DI ĐỘNG QUỸ ĐẠO THẤP Hệ thống thông tin vệ tinh di động quỹ đạo thấp được triển khai với nhiều vệ tinh trên các quỹ đạo khác nhau để đảm bảo vùng phủ sóng toàn cầu. Với quỹ đạo thấp độ cao quỹ đạo từ 700 km đến 2.000 km. 4.2. MÔ HÌNH KÊNH VỆ TINH DI ĐỘNG QUỸ ĐẠO THẤP 4.2.1. Đặc tính kênh truyền sóng di động quỹ đạo thấp 4.2.2. Các mô hình thống kê cơ bản 4.2.3. Mô hình kênh LMSS Kênh được xem xét trong chương 4 bao gồm một bộ phi tuyến không nhớ theo sau là một bộ lọc đáp ứng xung kim hữu hạn (FIR) H [67] [68] [69]. Mô hình này phù hợp với kênh LMSS được ITU-R khuyến nghị trong [70] [71] [72]. Các kênh đầu ra có thể được thể hiện như sau [5]: 𝑦(𝑛) = ∑ ℎ𝑘 𝐿−1 𝑘=0 𝑓(𝑥(𝑛 − 𝑘)) + 𝑁0(𝑛) (4.1) Trong đó: f (.) là hàm phi tuyến của HPA. 𝐻(𝑧) = ∑ ℎ𝑘 𝐿−1 𝑘=0 𝑧 −𝑘 là bộ lọc tuyến tính. 4 : Kết quả nghiên cứu của chương 4 được công bố trong 03 bài báo đăng trên các Tạp chí Khoa học Công nghệ Quân sự [T2], Tạp chí Công nghệ thông tin và truyền thông Học viện Công nghệ Bưu chính Viễn thông [T3], Tạp chí Khoa học và công nghệ Đại học công nghiệp Hà Nội [T5] và 01 báo cáo tại Hội thảo quốc gia về Điện Tử, Truyền thông và công nghệ thông tin REV-2016 [H2]. 16 Hình 4.1 mô tả mô hình hệ thống truyền dẫn phi tuyến bao gồm phần tuyến tính H(z) và phần phi tuyến f(.). H(z) + Kênh phi tuyến x(n) y(n) f(.) r(n) N(n) Hình 4.1. Mô hình hệ thống truyền dẫn phi tuyến Trong đó x[n] là tín hiệu phát, N[n] là nhiễu AWGN trung bình không, phương sai 2. Phần tuyến tính đặc trưng bằng bộ lọc đáp ứng xung hữu hạn FIR có hàm:   1 2 1 0 1 2 ... . L LH z h h z h z h z         (4.2) Tín hiệu đầu ra của hệ thống:     1 0 . L i i y n f h x n i           (4.3) 4.3. CÂN BẰNG KÊNH VỆ TINH BẰNG BỘ CÂN BẰNG KERNEL 4.3.1. Đơn giản độ phức tạp tính toán bằng cân bằng kernel đa thức 4.3.2. Hiệu năng bộ cân bằng kernel đa thức 4.4. CẢI TIẾN BỘ CÂN BẰNG KERNEL 4.4.1. Bộ cân bằng kernel RLS mở rộng 4.4.1.1. Đặt vấn đề 4.4.1.2. Bộ cân bằng thích nghi Ex-KRLS Trong trường hợp kênh pha đinh, kênh phi tuyến, để khắc phục nhược điểm đó luận án đưa ra phương pháp cân bằng bằng thuật toán Kernel thích nghi mở rộng. Bộ cân bằng Ex-KRLS Mô hình trạng thái kênh trong trường hợp KRLS mở rộng có dạng:               1 . T x i Ax i n i d i u i x i v i      (4.13) 17 Với A là ma trận chuyển đổi trạng thái, n[i] là nhiễu trạng thái, v[i] là nhiễu quan sát;  i F      1 ; . . 0; T q I i j E n i n j i j       (4.14)     2 ; . . 0; T q i j E v i v j i j       (4.15) Như vậy khi sử dụng phương pháp kernel ta đã thay u[i], trong không gian trạng thái của lọc Kalman thích hợp với kênh tuyến tính, bằng [i] trong KRLS phù hợp kênh phi tuyến bất kỳ nhưng các phép tính trong không gian đặc trưng H là tuyến tính – tích vô hướng. Điều này làm đơn giản việc tính toán. Giả thiết kênh biến đổi theo thời gian, . ,A I  là hệ số biến đổi của kênh. Ta có mô hình:               1 . T x i x i n i d i i x i v i        (4.16) Mô hình này thích hợp cho kênh pha đinh chậm, lúc đó 1  . Với mô hình (4.16), phương trình hồi quy là: Khởi đầu     10 0; 0 ;P I   lặp với 1i                                                2 1 . 1 1 1 1 1 1 Ti T T i r i i P i i k i P i i r i e i d i i i i i k i e i P i P i P i i i P i r i qI                                  (4.17) Với các phương trình hồi quy (4.17), các biểu thức       T i P i i  với mọi k, i, j có thể có dạng      1x x x x x1    , vì vậy nếu thực hiện tính toán chúng trong không gian đầu vào là không thể được. Vì vậy phải sử dụng phương pháp kernel để tính toán trong không gian đặc trưng chỉ có các thuật toán tích vô hướng giữa các véc-tơ vào đã chuyển đổi  . và đặc trưng 18 kernel. Từ đó rút ra thuật toán hồi quy bình phương bé nhất kernel mở rộng, Ex-KRLS như sau: Khởi đầu:                 2 2 2 1 1 1 , 1 1 1 1 , 1 r d a k u u q Q k u u q                                Tính toán: Lặp với i > 1                                                                           1 1 2 2 2 , 1 ,..., , 1 1 1 , 1 1 1 1 1 11 T Ti r T i r r r T Ti r h i k u i u k u i u i z i Q i h i r i i k u i u i h i z i e i d i h i a i a i z i r i e i a i r i e i i i q i Q i r i z i z i z i Q i z ir i q i                                                                 Hiệu năng của bộ cân bằng sử dụng giải thuật Ex-KRLS được trình bày trong phần 4.4.3. 4.4.2. Bộ cân bằng đa kernel LMS 4.4.2.1. Thuật toán thích nghi đa kernel LMS 4.4.2.2. Bộ cân bằng MK-LMS Sơ đồ khối bộ cân bằng hai kernel đơn được biểu thị trên hình 4.3. 19 + + x(n) e(n) - S KAF2 X1  H1 X2  H2 KAF1 + m1 m1 kw,2(x(n)) kw,1(x(n)) e2(n) e1(n)  ny  1 ny  2 ny  y n - - Hình 4.3. Cân bằng thích nghi đa kernel Từ công thức (4.34) suy ra ước lượng đầu ra bộ cân bằng trong trường hợp hai kernel sẽ là:     1 2 1 1, , 1 1 2 2, , 2 2 1 1 , , . L L t j jy k x x k x xm  m       (4.35) Trong đó m là tốc độ học của thuật toán Trong bộ cân bằng hai kernel, , ,t i được tính theo thuật toán LMS chuẩn [74]:    , , 1, , 2 , . , t j t j t j t t j k x x e k x x   m     (4.36) m t t te x y    là ước lượng sai số. Thuật toán đa kernel: Thuật toán Bình phương trung bình tối thiểu đa kernel – MK-LMS Khởi tạo: Thư mục:  0D x Tập kernel:  1 2, , , LK k k k Trọng số khởi đầu: 1, 1 ˆ.k x d m (cho từng kernel) (Để đơn giản, ký hiệu ,k x là trọng số tương ứng với kernel k và véc-tơ hỗ trợ x) 20 for Cặp huấn luyện  ,t tx d do: Phương sai mẫu: min jD x D t j e x x  Dự đoán:  , ,jjt k x t jx D k Ky k x xm     Lỗi: t t te d y  Đặc tính mới if t e D de e    then Thêm mẫu mới:  tD D x  for all k K do Khởi đầu trọng số mới: , ˆ. tk x t d m end for else for all , jk K x D  do Cập nhật:     , , 2 , ˆ , j j t j k x k x t t j k x x e k x x   m     end for end if Biểu diễn và loại trừ for all jx D do Biểu diễn tức thời:    ,t j G j tp x K x x Biểu diễn:        11t j t j t jP x P x p x    end for if Thực hiện loại trừ then Loại trừ mẫu:   :j t pD x D P x    end if end for 4.4.3. Hiệu năng bộ cân bằng kernel cải tiến 4.4.3.1. Hiệu năng bộ cân bằng Ex-KRLS Giả thiết tính toán được thực hiện trên kênh pha đinh Rayleigh. Phần tử phi tuyến làm việc ở chế độ bão hòa. Đáp ứng xung của kênh:      . .h n x n n   (4.37) 21 Giá trị trung bình và phương sai của tín hiệu được tính:           2 2 2. 4 2 E x n E x n E x n         (4.39) Ngoài ra hàm tự tương quan chuẩn khi chuyển động với vận tốc không đổi được mô hình bằng hàm Bessel bậc “0” loại “1”:       0 2 ; ..., 1,0,1,....D SE x n x n k J f T k k    (4.40) Ở đây TS là chu kỳ lấy mẫu của dãy, fD là tần số Doppler cực đại của kênh pha đinh và hàm J0 được xác định:    0 0 1 cos sin .J y y d       (4.41) So sánh hiệu năng cân bằng kênh bằng thuật toán KRLS và Ex-KRLS, đồng thời so sánh hiệu năng của cân bằng dùng thuật toán LMS và Ex-RLS. Tính toán cho 4 trường hợp, sử dụng Kernel Gaussian với tham số a = 0,05. Với kênh pha đinh chậm thì   1 và q  0. Tạo 1.000 ký hiệu cho mỗi lần mô phỏng, sử dụng Monte Carlo có các đầu vào độc lập và nhiễu cộng. Kết quả mô phỏng được biểu thị trên hình 4.4. Hình 4.4. Kết quả mô phỏng với bộ cân bằng NLMS, Ex-RLS, KRLS, Ex-KRLS M SE ( d B ) Số lần lặp 22 Bảng 4.4 biểu thị so sánh hiệu năng MSE của giải pháp Ex-KRLS với ba bộ cân bằng NLMS, KRLS và Ex-RLS. Bảng 4.4. So sánh hiệu năng của các bộ cân bằng LMS, Ex-RLS, KRLS và Ex-KRL