Ứng dụng machine learning trong việc tăng hiệu suất phổ hệ thống NOMA massive MIMO

Tuy vậy, massive MIMO cũng gặp những thách thức lớn khi triển khai trong thực tế, nhất là với các trường hợp khi các thuê bao tập trung lớn, môi trường truyền sóng không có nhiều khác bi

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA -

NGUYỄN ANH TÚ

ỨNG DỤNG MACHINE LEARNING TRONG VIỆC TĂNG

HIỆU SUẤT PHỔ HỆ THỐNG NOMA MASSIVE MIMO

Chuyên ngành: Kỹ thuật điện tử

Mã số: 8520203

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

1 TS Lê Thị Phương Mai

2 TS Trần Thế Sơn

Đà Nẵng – Năm 2022

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi dưới sự hướng dẫn của TS Lê

Thị Phương Mai và TS Trần Thế Sơn

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được công bố

trong bất kỳ công trình nào khác

Học viên thực hiện

LỜI CẢM ƠN

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc đến TS Lê Thị Phương Mai

và TS Trần Thế Sơn, cùng các thầy cô giáo trong khoa Điện tử Viễn Thông, là

những người đã tận tình chỉ dạy, hướng dẫn, cung cấp kiến thức nền tảng cho tôi

trong suốt thời gian qua để tôi có thể hoàn thành luận văn này

Tôi xin chân thành cảm ơn đến các bạn đồng nghiệp nơi tôi công tác, gia đình, bạn bè đã luôn động viên và giúp đỡ tôi trong suốt quá trình học tập

Kính chúc tất cả quý thầy cô, gia đình, bạn bè sức khỏe và thành công!

Đà Nẵng, ngày tháng 5 năm 2022 Học viên thực hiện

Tóm tắt luận văn

ỨNG DỤNG MACHINE LEARNING TRONG VIỆC TĂNG HIỆU SUẤT

PHỔ HỆ THỐNG NOMA MASSIVE MIMO

Học viên: Nguyễn Anh Tú Chuyên ngành: Kỹ thuật điện tử

Mã số: …………Khóa: 41 Trường Đại học Bách khoa - ĐHĐN Tóm tắt - Massive MIMO được giới thiệu trong mạng 5G và sau 5G là một trong những giải pháp quan trọng nhất để nâng cao hiệu quả hoạt động hệ thống vô tuyến Tuy vậy, massive MIMO cũng gặp những thách thức lớn khi triển khai trong thực tế, nhất là với các trường hợp khi các thuê bao tập trung lớn, môi trường truyền sóng không có nhiều khác biệt hoặc môi trường yêu cầu số lượng kết nối mật độ lớn thì hiệu suất phổ của hệ thống massive MIMO suy giảm nghiêm trọng Trong trường hợp này, NOMA miền mã (Code-Domain NOMA) được xem là một giải pháp triển vọng cho hệ thống massive MIMO bằng cách phân các chuỗi mã cho những nhóm người dùng có cùng đặc tính kênh truyền Việc áp dụng các phương pháp machine learning trong việc phân loại người dùng góp phần nâng cao hiệu năng của hệ thống NOMA massive MIMO Chính vì vậy, hệ thống NOMA-massive MIMO, ngoài những ưu điểm về hiệu suất phổ còn hỗ trợ số lượng kết nối lớn, được xem là một giải pháp triển vọng cho các mạng thế hệ tương lai

Từ khóa – Massive MIMO; code-domain NOMA; spectral efficiency; means;

K-medoids

APPLICATION OF MACHINE LEARNING IN IMPROVING

UNIVERSAL PERFORMANCE OF NOMA MASSIVE MIMO

SYSTEM Abstract - Massive MIMO introduced in the 5G and beyond 5G network is one of the most

important technologies to improve radio system performance However, massive MIMO also faces major challenges when deployed in practice, especially in cases when subscribers are concentrated, the transmission environment is not much different, or the environment requires a large number of connections With densified network, the spectral efficiency of massive MIMO systems is severely degraded In this case, Code-Domain NOMA is considered as a promising solution for massive MIMO system by assigning code sequences to groups of users with the similar channel characteristics The application of machine learning methods in user grouping contributes to improving the performance of the NOMA massive MIMO system Therefore, NOMA-massive MIMO system, in addition to the advantages of spectrum efficiency, and the ability to support massive connectivity, is a promising solution to improve the system performance for the next generation network

Key words - Massive MIMO; code-domain NOMA; spectral efficiency; means;

K-medoids

DANH MỤC KÍ HIỆU & CHỮ VIẾT TẮT

STT Từ viết

3 CDMA Code Division Multiple

Đa truy cập phân chia mã theo chuỗi trực tiếp

6 DFT Discrete Fourier Transform Biến đổi Fourier rời rạc

7 FDMA Frequency Division Multiple

Access

Đa truy cập phân chia theo tần

số

8 FDS Frequency Domain Spreading Mã hóa miền tần số

9 GOCA Group Orthogonal Coded

11 IGMA Interleave-grid Multiple

12 IDMA Interleave Division Multiple

13 IDFT Inverse Discrete Fourrier

Transform

Biến đổi Fourier rời rạc nghịch đảo

15 LDPC Low-Density Parity-Check Kiểm tra chẵn lẻ thưa

LDS-CDMA

Low Density Spreading - Code Division Multiple Access

Đa truy cập phân chia mã – đặc trưng thưa

17 LSSA Low code rate and Signature

based Shared Access

Truy cập dựa trên chia sẻ từ

20 MPA Message passing algorithm Thuật toán truyền thông tin

21 MUSA Multi-user Shared Access Truy cập phân chia đa người

Đa truy cập mã hóa tài nguyên đa sóng mang

24 NOMA Non-Othogonal Multiple

Access

Kỹ thuật đa truy cập phi trực giao

25 NCMA Non-orthogonal Coded

27 OMA Othogonal Multiple Access Kỹ thuật đa truy cập trực giao

28 OFDM Othogonal Frequency

Division Multiple

Ghép kênh phân chia theo tần

số trực giao

29 OFDMA Orthogonal Frequency

Division Multiple Access

Đa truy nhập phân tần trực giao

32 PIC Parallel Interference

33 SCMA Sparse Code Multiple Access Đa truy cập mã thưa

34 TDMA Time Division Multiple

Nhảy thời gian-Đa truy cập phân chia theo mã

38 RDMA Repetition Division Multiple

39 RSMA Resource Spread Multiple

Access

Đa truy cập mã hóa tài nguyên

1.13 So sánh kết nối core giữa 5G SA và 5G SA-4G NSA 11

1.18 Các thông số kỹ thuật cho các giao diện kết nối trong 5G 14 1.19 Các vị trí triển khai thử nghiệm 5G VNPT tại Hà Nội 15

1.21 Các vị trí triển khai thử nghiệm 5G VNPT tại TP Hồ Chí Minh 16

1.27 Sơ đồ đa truy cập NOMA và OMA trong trường hợp 2 người

1.30 Tín hiệu vô tuyến đi theo nhiều đường giữa máy phát và máy

1.31 Beamforming tập trung tín hiệu không dây theo một hướng cụ

1.32 Thông tin trạng thái kênh được sử dụng để mô tả một hệ thống

2.5 Các dạng hình học của anten a) Loại anten tuyến tính dọc, b)

Loại anten tuyến tính ngang, c) Loại anten mảng phẳng 30

3.1 Mối quan hệ giữa AI, Machine Learning và Deep Learning 35

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=1, M=64, G=2 khi thay đổi số UE (K) phân bố ngẫu

4.2

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=1, M=64, G=4 khi thay đổi số UE (K) phân bố ngẫu

4.3

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=1, M=64, G=8 khi thay đổi số UE (K) phân bố ngẫu

4.4

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=1, M=64, G=2 khi thay đổi số UE (K) phân bố ở góc

4.5

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=1, M=64, G=4 khi thay đổi số UE (K) phân bố ở góc

4.6

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=1, M=64, G=8 khi thay đổi số UE (K) phân bố ở góc

4.7 Kết quả tổng hiệu suất phổ trung bình UL của hệ thống phân

theo 8 group ngẫu nhiên trong mạng 1 cell có số anten thay đổi 50 4.8

Kết quả tổng hiệu suất phổ trung bình UL của hệ thống phân

theo 8 group ở mỗi góc phần tư cell trong mạng 1 cell có số

4.9

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=4, M=64, G=2 khi thay đổi số UE (K) phân bố ngẫu

4.10

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=4, M=64, G=4 khi thay đổi số UE (K) phân bố ngẫu

4.11

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=4, M=64, G=8 khi thay đổi số UE (K) phân bố ngẫu

4.12

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=4, M=64, G=2 khi thay đổi số UE (K) phân bố tập trung

4.13

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=4, M=64, G=4 khi thay đổi số UE (K) phân bố tập trung

4.14

Hiệu suất phổ trung bình UL của hệ thống mMIMO-NOMA

với L=4, M=64, G=8 khi thay đổi số UE (K) phân bố tập trung

MỤC LỤC

MỞ ĐẦU 1

CHƯƠNG 1: TỔNG QUAN VỀ MẠNG 5G 4

1.1 Giới thiệu chương 4

1.2 Lịch sử phát triển mạng di động 5

1.3 Tổng quan mạng 5G 6

1.3.1 Các ứng dụng phổ biến trong mạng 5G 8

1.3.2 Mô hình mạng 5G 10

1.3.3 Tổng quan mạng 5G 11

1.3.4 Tình hình triển khai 5G trên thế giới và Việt Nam 14

1.4 Kỹ thuật NOMA 17

1.4.1 Truy cập NOMA miền mã 18

1.4.2 Truy cập NOMA miền công suất 20

1.5 Kỹ thuật Massive MIMO 24

1.5.1 Massive MIMO là gì? 24

1.5.2 Các kỹ thuật Massive MIMO 24

1.5.3 Lợi ích của Massive MIMO 27

1.6 Kết luận chương 27

CHƯƠNG 2: HỆ THỐNG NOMA-MASSIVE MIMO 28

2.1 Giới thiệu chương 28

2.2 Mô hình hệ thống đề xuất 28

2.2.1 Mô hình kênh truyền 29

2.2.2 Ước lượng kênh truyền 31

2.2.3 Mô hình truyền dữ liệu 32

2.3 Hiệu suất phổ của hệ thống 32

2.4 Kết luận chương 34

CHƯƠNG 3: MACHINE LEARNING VÀ ỨNG DỤNG MACHINE LEARNING TRONG PHÂN LOẠI NGƯỜI DÙNG 35

3.1 Giới thiệu chương 35

3.2 Cơ sở lý thuyết cho việc phân loại người dùng 36

3.3 Các thuật toán unsupervised learning 37

3.3.1 Thuật toán K-means 37

3.3.2 Thuật toán K-means ++ 40

3.3.3 Thuật toán K-medoids 40

3.4 Đề xuất thuật toán phân loại người dùng cho hệ thống NOMA-mMIMO 41 3.4.1 Sử dụng thuật toán K-means trong phân loại người dùng 42

3.4.2 Sử dụng thuật toán K-medoids trong phân loại người dùng 43

3.5 Kết luận chương 44

CHƯƠNG 4: KẾT QUẢ THỰC HIỆN VÀ ĐÁNH GIÁ HIỆU QUẢ 45

4.1 Giới thiệu chương 45

4.2 Thiết lập mô phỏng 45

4.3 Kết quả thực hiện mô phỏng với mạng có 1 cell 46

4.4 Kết quả thực hiện mô phỏng với mạng có 4 cell 50

4.5 Đánh giá hiệu quả của các thuật toán đề xuất 54

4.6 Kết luận chương 55

KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 56

TÀI LIỆU THAM KHẢO 57

MỞ ĐẦU

Mạng thông tin di động thứ 5 (mạng 5G) đã bắt đầu được triển khai trên thế giới

từ năm 2018 góp phần đáp ứng sự bùng nổ về lưu lượng data và yêu cầu cao hơn về chất lượng cho các dịch vụ mới ( VR, AR, các dịch vụ tự hành, cloud…) Ở nước

ta, mạng thông tin di động thế hệ thứ năm (5G) cũng bắt đầu được triển khai từ năm

2020 nhằm giới thiệu các dịch vụ cơ bản 5G cho người dân và tăng trải nghiệm khách hàng

Đối với các nhà cung cấp dịch vụ, để đáp ứng sự bùng nổ về lưu lượng data và

số lượng kết nối cho các loại hình dịch vụ thì cần tăng băng thông hoặc tăng số lượng trạm phủ sóng (thậm chí cả hai yếu tố này) Tuy nhiên, những tài nguyên trên rất hiếm và càng khó triển khai, đồng thời làm tăng chi phí vận hành và các yếu tố phi kỹ thuật khác Một yếu tố khác có thể giúp xử lý vấn đề trên đó là nâng cao hiệu quả sử dụng phổ tần Và Massive MIMO được giới thiệu trong mạng 5G là một trong những giải pháp quan trọng nhất để nâng cao hiệu quả hoạt động hệ thống Trong massive MIMO sử dụng số lượng lớn anten, giúp tập trung năng lượng vào một vùng không gian nhỏ hơn nhằm cung cấp không chỉ thông lượng UL/DL cao hơn cho UE mà còn tăng cường vùng phủ và số lượng UE kết nối

Tuy nhiên, bên cạnh những ưu điểm trên, massive MIMO cũng gặp những thách thức lớn khi triển khai, nhất là với các trường hợp khi các UE tập trung lớn, môi trường truyền sóng không có nhiều khác biệt (ví dụ: khu đô thị có nhiều tòa nhà cao tầng, các sự kiện lễ hội tập trung đông người, sân vận động…) hoặc môi trường yêu cầu số lượng kết nối mật độ lớn ( nhiều thuê bao và thiết bị IoT…) thì hiệu suất phổ của hệ thống massive MIMO suy giảm nghiêm trọng do đặc tính phân tập không gian không còn được đảm bảo [1] [2]

Trong trường hợp này, NOMA miền mã (Code-Domain NOMA) được xem là một giải pháp triển vọng cho hệ thống massive MIMO bằng cách phân các chuỗi

mã cho những nhóm người dùng có cùng đặc tính kênh truyền [1] Và vì vậy, hệ thống NOMA-massive MIMO, ngoài những ưu điểm về hiệu quả phổ còn hỗ trợ số lượng kết nối lớn, là một giải pháp giúp nâng cao hiệu quả hoạt động hệ thống trong các trường hợp trên

MỤC ĐÍCH NGHIÊN CỨU

- Nghiên cứu đặc điểm, đặc trưng các loại hình dịch vụ trong mạng 5G và sau 5G qua đó đánh giá khả năng áp dụng NOMA trong hệ thống massive MIMO để nâng cao hiệu năng của hệ thống

- Đề xuất mô hình hệ thống, các phương pháp xử lý tín hiệu số của massive MIMO cho các loại hình trạm trong 5G và sau 5G dựa trên mô hình tính toán cụ thể

NOMA Đề xuất các phương pháp ứng dụng machine learning trong việc phân loại người dùng để nâng cao hiệu năng của hệ thống

ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

Đối tượng nghiên cứu

- Các kỹ thuật tiên tiến được đề xuất cho các mạng vô tuyến 5G và sau 5G như: NOMA (Non-Orthogonal Multiple Access) và Massive MIMO

- Hiệu suất phổ của hệ thống NOMA-massive MIMO

- Ứng dụng machine learning cho việc phân loại người dùng của hệ thống NOMA-masive MIMO

Phạm vi nghiên cứu

- Mạng 5G và các công nghệ lớp vật lý cho mạng 5G

- Mô hình toán học hệ thống NOMA-masive MIMO

- Các kỹ thuật machine learning với phân loại unsupervised learning

PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp luận của luận văn là kết hợp nghiên cứu lý thuyết với thực tiễn để làm rõ nội dung đề tài Cụ thể như sau:

- Nghiên cứu các yếu tố kỹ thuật liên quan đến mạng 5G

- Xem xét các đề tài nghiên cứu liên quan, các phương án kỹ thuật đang triển khai, so sánh và đánh giá các ưu điểm, khuyết điểm của các phương pháp

- Nghiên cứu mô hình hệ thống và kênh truyền

- Đề xuất kỹ thuật machine learning trong việc phân loại người dùng

- Đánh giá kết quả thực hiện thông qua mô phỏng

Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI

Ý nghĩa khoa học: Từ việc nghiên cứu thực tế mạng 5G, kết quả triển khai 5G

của các nhà mạng và nghiên cứu hệ thống massive MIMO, NOMA massive MIMO; trên cơ sở các tính toán, mô phỏng các trường hợp, đề tài đưa ra hướng đề xuất áp dụng NOMA cho hệ thống massive MIMO ở mạng 5G và sau 5G

Ý nghĩa thực tiễn: Kết quả của đề tài nêu ra một số cơ sở lý thuyết để cung cấp

khả năng, hướng áp dụng nhằm giải quyết các vấn đề gặp phải khi triển khai massive MIMO ở các mạng di dộng (nhất là với các trường hợp khi các UE tập trung lớn, môi trường truyền sóng không có nhiều khác biệt Ví dụ: khu đô thị có nhiều tòa nhà cao tầng, các sự kiện lễ hội tập trung đông người, sân vận động… hoặc môi trường yêu cầu số lượng kết nối mật độ lớn có nhiều thuê bao và thiết bị IoT…)

CẤU TRÚC CỦA LUẬN VĂN: Luận văn gồm 4 chương

Chương 1: Tổng quan về mạng 5G và các công nghệ tiên tiến cho mạng 5G

Chương 2: Hệ thống NOMA-massive MIMO

Chương 3: Machine learning và ứng dụng machine learning trong phân loại người dùng

Chương 4: Kết quả thực hiện và đánh giá hiệu quả

CHƯƠNG 1: TỔNG QUAN VỀ MẠNG 5G

1.1 Giới thiệu chương

Theo thống kê của các hãng nghiên cứu thị trường, truy cập từ điện thoại di động hiện chiếm khoảng một nửa lưu lượng truy cập web trên toàn thế giới [3] Trong quý đầu tiên của năm 2021, thiết bị di động (không bao gồm máy tính bảng) đã tạo ra 54.8% lưu lượng truy cập web toàn cầu [3] Các nền tảng kinh tế mới dựa trên ứng dụng data ngày càng nhiều Điều này thể hiện qua số lượng thiết bị kết nối data ngày càng lớn, lượng data trên mỗi thuê bao càng tăng Chi tiết thể hiện qua biểu đồ Hình 1.1 và 1.2

Hình 1.1: Tăng trưởng lưu lượng data trên mỗi thuê bao (Nguồn: https://www.statista.com/statistics/271405/global-mobile-data-traffic-

forecast/)

Hình 1.2: Tăng trưởng thiết bị kết nối data (Nguồn: https://www.cisco.com/c/dam/en/us/solutions/collateral/executive- perspectives/annual-internet-report/white-paper-c11-741490.docx)

Ngoài ra, với sự xuất hiện Internet Vạn Vật (IoT), yêu cầu hạ tầng mạng đủ sức

xử lý hàng tỷ thiết bị kết nối bên cạnh việc đảm bảo tốc độ kết nối cho các dịch vụ data di động với yêu cầu tốc độ cao và độ ổn định lớn như các dịch vụ streaming video, gaming, các loại hình sản xuất tự động, xe tự hành…Càng nhiều thiết bị di động, càng nhiều lưu lượng data, yêu cầu sử dụng hiệu quả năng lượng tiêu thụ của thiết bị lẫn mạng lưới càng cấp thiết Tất cả những yêu cầu trên dẫn đến sự ra đời của mạng 5G với 3 loại hình dịch vụ cơ bản:

+ Enhanced mobile broadband (eMBB)

+ Ultra-reliable and low-latency communications (URLLC)

+ Massive machine type communications (mMTC)

Trong chương này sẽ đi vào giới thiệu lại lịch sử phát triển của các thế hệ mạng

di động, các tiêu chuẩn kỹ thuật và loại hình dịch vụ mà mạng 5G hứa hẹn sẽ mang đến cho người dùng

1.2 Lịch sử phát triển mạng di động

Mạng di động bắt đầu xuất hiện vào khoảng năm 1980 Thế hệ đầu tiên (1G) của thông tin di động dựa trên truyền dẫn tương tự, trong đó công nghệ chính là hệ thống điện thoại di động tiên tiến (AMPS) Sau đó, một số phát triển khác đã xuất hiện vào đầu những năm 1990, chẳng hạn như di động kỹ thuật số cá nhân (PDC), AMPS kỹ thuật số (D-AMPS), hệ thống thông tin di động toàn cầu (GSM) hình thành thế hệ thứ hai của thông tin di động (2G) Khả năng truy cập internet không dây nhanh vào đầu năm 2000 là đặc tính nổi bật ở thế hệ thứ ba (3G) của thông tin di động, sử dụng công nghệ truy cập gói tốc độ cao (HSPA) Công nghệ thế hệ thứ tư (4G) dựa trên LTE đã hội tụ thế giới thành một ngành công nghiệp viễn thông toàn cầu duy nhất với nhiều cải tiến về kết nối, bảo mật và quản lý dữ liệu Khi nhu cầu ngày càng cao

về tốc độ nhanh hơn, độ trễ cực thấp và số lượng lớn các kết nối thiết bị, một công nghệ thế hệ mới đã được yêu cầu để đáp ứng tất cả các nhu cầu Cuối cùng, sự xuất hiện của hệ thống thông tin di động thế hệ thứ năm (5G) đã được hình thành trong bản 3GPP-15 Hình 1.3 & 1.4 mô tả hành trình từ 1G đến 5G

Hình 1.3: Sự hình thành và phát triển của 5G

Hình 1.4: Các thế hệ mạng di động

Theo dự báo của Ericsson, gần 20% thế giới sẽ được bao phủ bởi 20 tỷ thiết bị IoT được kết nối với mạng 5G và 9 tỷ thiết bị di động vào năm 2023 Kể từ bản phát hành 3GPP-15, các nhà nghiên cứu và kỹ sư đang làm việc hướng tới bản phát hành IMT-2020 để cung cấp kiến trúc 5G độc lập (SA) Trong khi đó, 5G đã phát triển như một kiến trúc NSA với LTE / LTE-Advanced (LTE-A) 5G có một số thông số

kỹ thuật khá lớn để đáp ứng thách thức toàn cầu sắp tới về kết nối và bảo mật

1.3 Tổng quan mạng 5G

Các ý tưởng mạng vô tuyến 5G được ITU-R đưa ra lần đầu vào năm 2012 thông qua kế hoạch ITU-2020 trong đó phác thảo các xu hướng và tầm nhìn về 5G New Radio (NR) Các ý tưởng này được vạch ra để giải quyết 3 kịch bản dịch vụ: + Enhanced mobile broadband (eMBB)

+ Ultra-reliable and low-latency communications (URLLC)

+ Massive machine type communications (mMTC)

Với các thông số kỹ thuật cụ thể cho từng loại hình dịch vụ như sau:

Bảng 1.1: Tiêu chuẩn kỹ thuật mạng 5G

thực tế Tốc độ data trong môi trường thử nghiệm đô thị

dày đặc chiếm 95% toàn trình

Độ trễ Thời gian mạng vô tuyến di chuyển gói 4 ms eMBB

Di chuyển Tốc độ tối đa cho yêu

cầu handover và QoS 500 km/h

eMBB / URLLC Mật độ kết

nối Tổng số thiết bị trên một đơn vị diện tích 106 / km2 mMTC

Hiệu suất

năng lượng

Data được gửi/nhận trên mỗi đơn vị năng lượng tiêu thụ (theo thiết bị hoặc mạng)

Tương đương với

30 bit / s / Hz eMBB

So sánh với các thông số kỹ thuật mạng 4G thì có thể thấy trong 5G có yêu cầu cho các dịch vụ cao hơn hẳn (xem Hình 1.5)

Hình 1.5: So sánh tiêu chuẩn kỹ thuật 4G và 5G

Với các tiêu chuẩn kỹ thuật như trên, mạng 5G đem lại rất nhiều kỳ vọng: + Các nhà quản lý kỳ vọng tạo ra một hạ tầng viễn thông mới, thúc đẩy các loại hình dịch vụ mới, thuận lợi hơn cho việc quản lý xã hội: quản lý dân cư, quản lý tài nguyên, quản lý giao thông, các dịch vụ hành chính công…

+ Các nhà mạng kỳ vọng cung cấp một hệ sinh thái thúc đẩy các dịch vụ mới qua

đó tạo ra những tệp khách hàng mới, thúc đẩy doanh thu cho trong bối cảnh các dịch

vụ truyền thống đến ngưỡng bão hòa

+ Khách hàng mong muốn nhà mạng cung cấp loại hình dịch vụ đa dạng hơn, chất lượng dịch vụ tốt hơn và giá thành phù hợp hơn…

1.3.1 Các ứng dụng phổ biến trong mạng 5G

Các ứng dụng trong mạng 5G xoay quanh 3 lớp dịch vụ:

+ Enhanced mobile broadband (eMBB): các dịch vụ di động băng rộng tốc độ cao Các ứng dụng eMBB có thể kể gồm: các dịch vụ VR, AR, video, giải trí, data…Đây là các loại dịch vụ chủ yếu yêu cầu tốc độ DL/UL cao (xem Hình 1.6)

Hình 1.6: Các loại hình dịch vụ eMBB trong 5G

+ Ultra-reliable and low-latency communications (URLLC): các dịch vụ hỗ trợ kết nối có độ trễ thấp và độ ổn định cao Các ứng dụng URLLC có thể kể gồm: xe

tự hành, phẫu thuật từ xa, điều khiển từ xa, sản xuất tự động…Đây là các dịch vụ yêu cầu cao về độ ổn định và độ trễ (xem Hình 1.7 và 1.8)

Hình 1.7: Các loại hình dịch vụ URLLC trong 5G

Hình 1.8: Các loại hình dịch vụ URLLC trong 5G

+ Massive machine type communications (mMTC): các dịch vụ cho phép kết nối với số lượng lớn Các ứng dụng mMTC có thể kể gồm: ứng dụng nông nghiệp thông minh, cảnh báo thiên tai, các ứng dụng IoT ….Đây là các dịch vụ không yêu cầu cao

về tốc độ, tuy nhiên năng lực mạng lưới cần đảm bảo kết nối số lượng lớn thiết bị cảm biến IoT (xem Hình 1.9)

Hình 1.9: Các loại hình dịch vụ mMTC trong 5G

Như vậy, với các lớp ứng dụng như trên; mạng 5G hứa hẹn tạo ra một hạ tầng mới cho xã hội (xem Hình 1.10)

Hình 1.10: Các loại hình dịch vụ chung trong 5G

1.3.2 Mô hình mạng 5G

Tổ chức 3GPP đã chuẩn hóa hai mô hình triển khai 5G gồm:

• NSA (non-standalone access)

NR NonStand Alone (NSA) hoàn thành chuẩn hóa vào năm 2017, được giới thiệu qua các option 3, 3a, 3x tùy theo các phần tử mạng (xem Hình 1.11)

Hình 1.11: Các mô hình kết nối NSA trong 5G

Trong kiến trúc NR NonStand Alone (NSA): các gNB & eNB cùng kết nối với core EPC để cải thiện BW so với LTE thông thường (xem Hình 1.12) Trong kiến trúc NSA 3x, gNB 5G chỉ kết nối S1-U với EPC và không có kết nối S1-C Trạm kết nối S1-C thông qua eNodeB

Hình 1.12: So sánh kết nối core giữa 4G và 5G NSA

- Triển khai mạng 5G SA yêu cầu:

+ Phần core 5G đã sẵn sàng

+ Thiết bị đầu cuối người dùng (UE / CPE) hỗ trợ 5G SA

+ Tối ưu vùng phủ 5G SA và sẵn sàng việc chuyển giao (handover) sang các lớp LTE khi cần

Hình 1.13: So sánh kết nối core giữa 5G SA và 5G SA-4G NSA

1.3.3 Tổng quan mạng 5G

a) Kiến trúc mạng core 5G:

Mạng core 5G được xây dựng dựa trên ý tưởng hướng đến phục vụ nhu cầu đa dạng của khách hàng Phần điều khiển (control plane - CP) và phần dịch vụ (user plane - UP) được tách biệt Trong mạng 5G giới thiệu khái niệm mới SBA trong đó

CP được thiết kế dựa trên yêu cầu của dịch vụ sử dụng giao diện Serive-Based (SBI)

nhờ đó có thể tách biệt các dịch vụ từ yêu cầu người dùng khỏi dịch vụ từ nhà cung cấp (xem Hình 1.14) Điều này làm cho mạng lưới linh hoạt và hiệu quả hơn

Hình 1.14: Kiến trúc core 5G

Một trong những thay đổi quan trọng nhất trong 5G so với các thế hệ di động trước là việc đưa ra Network slicing - một tập hợp các NF (network function) cung cấp các dịch vụ như một mạng đầy đủ (xem Hình 1.15) Trong đó, NSSF chọn tập hợp các network slice có thể phục vụ theo yêu cầu của UE Mỗi slice được cấu trúc

và tối ưu hóa cho các ứng dụng cụ thể Network slicing cho phép nhà mạng cung cấp các mạng ảo chuyên dụng với chức năng dành riêng cho dịch vụ hoặc khách hàng qua cơ sở hạ tầng mạng chung Do đó, có thể hỗ trợ cụ thể cho một phân khúc khách hàng riêng Điều này tạo cơ hội cho nhà mạng có cấu hình linh hoạt và năng động dựa trên yêu cầu của khách hàng thay vì một kiến trúc cố định cho tất cả yêu cầu Qua đó nhà mạng có thể cung cấp trải nghiệm khách hàng tốt nhất

Hình 1.15: Kiến trúc dịch vụ trong Network slicing 5G

Network slicing có vai trò quan trọng trong mạng 5G, cho phép hỗ trợ linh hoạt các dịch vụ mới trên nền tảng 5G so với các mạng 4G trở về trước (xem Hình 1.16)

Dù các dịch vụ mới này đặt ra các yêu cầu cao hơn về chức năng, hiệu suất và các thông số QoS khác nhau

Hình 1.16: So sánh kiến trúc dịch vụ giữa 5G và 4G

b) Kiến trúc RAN 5G:

Trong 5G RAN, trạm 5G chia thành ba phần chính (xem Hình 1.17):

+ Khối xử lý trung tâm (Central Unit - CU),

+ Khối xử lý phân nhánh (Distributed Unit - DU),

+ Khối xử lý vô tuyến (Remote Radio Unit - RRU)

Thiết kế mạng truy nhập vô tuyến mới hỗ trợ ảo hóa mạng truy cập vô tuyến (RAN) tốt hơn Trong đó:

• Fronthaul là kết nối giữa RRU (Remote Radio Unit) và DU thông qua các giao diện kết nối loại CPRI hoặc eCPRI

• Midhaul là kết nối giữa DU và CU thông qua các giao diện kết nối F (F interface)

• Backhaul là kết nối giữa CU và 5G CN (NG interface); giữa các CUs (Xn interface)

Trong một số trường hợp, CU và DU cùng lắp trong gNB Lúc đó, kết nối RRU đến gNB là fronthaul và kết nối gNB đến 5G CN là backhaul (xem Hình 1.18)

Hình 1.17: So sánh kết nối phần RAN giữa trạm 4G và 5G

Hình 1.18: Các thông số kỹ thuật cho các giao diện kết nối trong 5G

1.3.4 Tình hình triển khai 5G trên thế giới và Việt Nam

Theo thống kê của GSA: đến tháng 4/2021 đã có 435 nhà mạng ở 133 quốc gia thông báo đang đầu tư cho mạng 5G Hiện có 162 nhà mạng thuộc 68 quốc gia đã thông báo khai trương dịch vụ 5G thương mại

Tại Việt Nam, các nhà mạng Vinaphone, Viettel, Mobifone đã triển khai dịch vụ 5G tại Hà Nội, TP Hồ Chí Minh và một số tỉnh thành phố trọng điểm

Với mạng Vinaphone (VNPT), đã triển khai tại Hà Nội và TP Hồ Chí Minh với

số lượng cụ thể như sau:

o Tại HNI triển khai 10 trạm cấu hình 64T64R và 40 trạm cấu hình 4T4R tại khu vực quận Hoàn Kiếm, sử dụng băng tần 2600MHz (xem Hình 1.19)

Hình 1.19: Các vị trí triển khai thử nghiệm 5G VNPT tại Hà Nội

Hình 1.20: Kết quả thử nghiệm 5G VNPT tại Hà Nội

o Tại TP Hồ Chí Minh, Vinaphone triển khai 50 trạm 5G tại khu vực quận 1

có số lượng và cấu hình tương tự các trạm triển khai tại Hà Nội :10 trạm cấu hình 64T64R, 40 trạm cấu hình 4T4R, sử dụng băng tần 2600MHz (xem Hình 1.21, Hình 1.22 và Hình 1.23)

Hình 1.21: Các vị trí triển khai thử nghiệm 5G VNPT tại TP Hồ Chí Minh

Hình 1.22: So sánh kết quả driving test giữa 4G và 5G

Hình 1.23: So sánh kết quả test giữa 4G và 5G

1.4 Kỹ thuật NOMA

Các thuê bao kết nối vào mạng di động thông qua một mạng truy nhập vô tuyến (RAN - Radio Access Network) Một RAN về cơ bản sử dụng một kỹ thuật truy cập kênh để cho phép các thiết bị đầu cuối di động được kết nối với mạng truy cập Việc thiết kế một kỹ thuật đa truy cập phù hợp là một trong những khía cạnh quan trọng nhất trong việc nâng cao năng lực hệ thống Đa truy cập cho phép nhiều người dùng chia sẻ kênh truyền thông một cách hiệu quả Người gửi tín hiệu một cách độc lập tới người nhận thông thường thông qua các kênh tương ứng Việc truyền phải nằm trong phạm vi băng thông của toàn bộ hệ thống với những hạn chế về năng lượng của người sử dụng Thông thường, việc truyền tải dữ liệu từ người dùng phải được phối hợp và đồng bộ với các trạm phát, sao cho các tín hiệu nhận được kết hợp Đa truy cập có thể dựa trên cơ chế đa truy cập trực giao (OMA) và đa truy cập phi trực giao (NOMA)

Đa truy cập trực giao (OMA) cho phép người dùng truy cập các kênh trực giao sao cho không có nhiễu vào dạng sóng tín hiệu của người dùng kia Do đó, tín hiệu

từ máy thu phát cho mỗi cặp người dùng không có nhiễu từ cặp người dùng khác với lỗi tương tự như của một cặp người dùng Cơ chế đa truy cập trực giao cho phép bộ thu tách hoàn toàn các tín hiệu không mong muốn khỏi tín hiệu cần khi sử dụng các chức năng cơ bản khác nhau Đa truy cập hợp kênh phân chia thời gian (TDMA) và đa truy cập hợp kênh phân chia tần số (FDMA) và đa truy cập hợp kênh phân chia tần số trực giao (OFDMA) là một vài ví dụ về các kỹ thuật OMA

Đa truy cập phi trực giao-NOMA là một công nghệ đầy hứa hẹn nhằm tăng cường thông lượng và nâng cao độ tin cậy hệ thống NOMA cho phép nhiều người dùng

chia sẻ tài nguyên thời gian và tần số trong cùng một lớp không gian Trong OMA, mặc dù người dùng ghép kênh trực giao có thể loại bỏ hoàn toàn hiện tượng giao thoa giữa các ký hiệu (ISI) nếu độ dài chuỗi bảo vệ (guard interval length) lớn hơn trễ truyền dẫn lớn nhất của kênh Tuy nhiên việc sử dụng chuỗi bảo vệ tránh được nhiễu phân tập đa đường nhưng làm giảm đi một phần hiệu suất sử dụng đường truyền, do bản thân chuỗi bảo vệ không mang thông tin có ích Ngược lại với OMA, NOMA cho phép phân bổ một kênh tần số cho nhiều người dùng cùng một lúc trong cùng một cell (tế bào) và mang lại một số lợi thế, bao gồm hiệu suất phổ được cải thiện, phản hồi kênh thoải mái (chỉ nhận được cường độ tín hiệu, thông tin trạng thái kênh chính xác), và độ trễ truyền thấp Các kỹ thuật NOMA sẵn có có thể được thực hiện trong các miền: NOMA miền công suất (Power-Domain), NOMA miền mã (Code- Domain NOMA) và một số miền khác như NOMA PDMA

1.4.1 Truy cập NOMA miền mã

Giống như kĩ thuật đa truy cập hợp kênh theo mã (CDMA), NOMA miền mã chia

sẻ toàn bộ tài nguyên có sẵn thời gian - tần số Nhưng NOMA miền mã sử dụng chuỗi (dãy) trải người dùng cụ thể hoặc là các dãy thưa thớt hoặc các dãy tương quan chéo phi trực giao với hệ số tương quan thấp (xem Hình 1.24)

Hình 1.24: Phân loại NOMA miền mã

a) Đa truy cập phân chia theo mã (CDMA)

Đa truy cập phân chia theo mã (CDMA) được minh họa trong Hình 1.25, ban đầu

được phát triển cho quân đội để cho phép nhiều người dùng M truyền tải trên mạng

cùng một lúc Nó được thực hiện bằng cách nhân dữ liệu của mỗi người sử dụng

với một trong những dãy trải duy nhất Mã trải được tổ hợp chuẩn hóa N chip Mã

trải làm tốc độ truyền cao hơn nhiều so với tốc độ của người dùng dẫn dến việc băng thông được mở rộng Máy thu biết rõ mã trải của mình sẽ giải phóng tín hiệu thu

được trở lại băng thông ban đầu và trong quá trình này, hủy bỏ hoặc giảm thiểu nhiễu từ những người dùng khác

Hình 1.25: Phân bổ nguồn tài nguyên trong CDMA

b) Trải mật độ thấp (LDS)

Trải mật độ thấp (LDS-CDMA) là một phiên bản được cải tiến của CDMA với các dãy trải thưa được sử dụng thay vì các dãy trải có mật độ thông thường Số lượng các dãy trải khác không nhỏ hơn nhiều so với CDMA, dẫn tới nhiễu giữa các chuỗi ít hơn Trong khi các dãy trải trực giao sẽ làm giảm đáng kể nhiễu của người sử dụng, chúng thường không được thiết kế cho kênh quá tải

Tại máy thu, SIC hoặc bộ phát hiện đơn giản được gọi là thuật toán truyền tin (Message-Passing Algorithm - MPA) có thể được sử dụng để phát hiện đa người dùng (MUD) Trong MPA, một trạm có thể biến đổi biểu diễn biểu tượng truyền và tham số trạm tương ứng với tín hiệu nhận được ở mỗi chip Độ tin cậy của các biểu tượng được tráo đổi giữa các trạm giúp cải thiện hiệu suất lỗi Hơn nữa, giả sử số lượng người dùng

tối đa được chồng chất lên cùng một chip w, do cấu trúc LDS, độ phức tạp thu là O(Q w )

so với tới O(Q M ), M > w cho CDMA thông thường Trong đó Q biểu thị bậc chòm sao

Một ưu điểm nữa là LDS-CDMA có thể được chuyển đổi trực tiếp sang LDS- OFDM, tại đó chip được thay thế bởi các sóng mang con trong OFDM

Hệ thống hợp kênh phân chia tần số trực giao LDS (hay LDS-OFDM) có thể coi là một phiên bản kết hợp của LDS-CDMA và OFDM, trong đó chip được thay thế bởi sóng mang con của OFDM nhằm chống lại fading đa đường Trong LDS- OFDM, các

ký hiệu được truyền trước tiên được ánh xạ tới các dãy LDS nhất định, sau đó truyền đi trên các sóng mang con OFDM khác nhau Số ký hiệu có thể lớn hơn số sóng mang con, nghĩa là quá tải được phép cải thiện hiệu quả phổ Thuật toán thông qua (MPA) trong LDS-CDMA cũng có thể được sử dụng trong bộ thu LDS-OFDM Về cơ bản, LDS-OFDM có thể được xem như là một dạng cải tiến của CDMA đa sóng mang (MC-CDMA) bằng cách thay thế các dãy trải mật độ thông thường với LDS

Do cấu trúc biểu tượng mật độ thấp, mọi biểu tượng dữ liệu sẽ chỉ được truyền trên một tập con nhỏ các sóng mang con (hiệu quả điều chế đạt được) và cũng sẽ được sử dụng tất cả các sóng mang con bởi một tập con nhỏ các biểu tượng dữ liệu

có thể thuộc về người dùng khác nhau Cấu trúc LDS có thể bị chiếm bởi mật độ, do

đó, tương tự như việc áp dụng LDS cho CDMA, việc phát hiện LDS- OFDM có thể

dựa trên thuật toán MPA

c) Đa truy cập mã thưa (SCMA-Spare Coding Multiple Access)

Để cải thiện hiệu suất trong điều chế bậc cao, đa truy cập mã thưa (SCMA) được giới thiệu, đó là một kỹ thuật trải phi trực giao Trong SCMA các dãy bit đến được ánh xạ trực tiếp tới các mã thưa khác nhau Tất cả các từ mã trong cùng một bảng

mã chứa các zero trong cùng không gian hai chiều và vị trí của các zero trong các bảng mã khác nhau được phân biệt nhằm tránh xung đột từ mã đa chiều của các bảng

mã SCMA giữa hai người dùng bất kì nào Mỗi lớp trong bảng có từ mã riêng của

nó Hình dạng đạt được của chòm sao đa chiều là một trong những nguồn chính của cải tiến hiệu suất so với sự lặp lại đơn giản của các ký hiệu QAM trong LDS

Như vậy, LDS khác cơ bản với SCMA là có chòm sao đa chiều được thiết kế cho SCMA để tạo ra các bảng mã, bảng mã sẽ cho độ lợi “định hình” (sharping gain)

mà LDS không thể có Để đơn giản hóa thiết kế chòm sao đa chiều, một chòm sao

mẹ được tạo ra bằng cách tối thiểu hóa năng lượng mẫu biểu tượng trung bình để có được khoảng cách Euclide tối thiểu cho trước giữa các điểm chòm sao và cũng ảnh hưởng đến hoạt động từ mã như quay pha, liên hợp phức và chiều hoán vị Chòm sao con dựa vào đó được tạo ra để có bảng mã dùng cho SCMA

Các hệ thống SDMA cho phép hai hoặc nhiều người dùng kết hợp cùng một trạm

cơ sở, sử dụng cùng một khoảng thời gian, tần số và tài nguyên mã dựa trên vị trí thực tế hoặc khoảng cách không gian Vì vậy, chúng ta có thể phân biệt giữa những người sử dụng bằng cách khai thác thực tế là những người dùng khác nhau xung đột các tín hiệu không gian khác nhau trên mảng anten nhận Điều này thường được thực hiện với anten định hướng Kỹ thuật SDMA có thể được sử dụng để tăng vùng phủ sóng di động Ngoài ra, chúng còn hữu ích trong việc giảm nhiễu, cải thiện chất lượng dịch vụ

1.4.2 Truy cập NOMA miền công suất

PD-NOMA (Power domain NOMA) là một ứng cử viên hàng đầu cho đa truy cập trong mạng thông tin di động 5G [4] Nó dựa trên các nguyên tắc mã chồng chất, trong đó tín hiệu được truyền là tổng các tín hiệu của người dùng trong miền công suất, như minh họa trong Hình 1.26 Cơ chế PD-NOMA khai thác sự khác biệt công suất nhận được do ảnh hưởng gần-xa giữa người dùng để giải quyết vấn đề không rõ ràng khi phát hiện (detect) Tức là những người dùng yếu hơn sẽ được phân

bổ nhiều công suất hơn so với người dùng mạnh hơn Do đó, mức độ khác nhau về

công suất lớn hơn của các tín hiệu người dùng, hiệu năng đạt tốt hơn cơ chế trực giao

Hình 1.26 Phân bổ công suất trong PD-NOMA

Trong hệ thống PD-NOMA, người dùng được ghép kênh trong cùng một khoảng thời gian và tần số nhưng khác nhau về mức công suất Mỗi sóng mang con có thể được gán cho nhiều người dùng đồng thời bằng cách áp dụng mã hóa chồng chất (SC), và mỗi người dùng loại bỏ các tín hiệu của người dùng khác bằng cách sử dụng kĩ thuật “loại bỏ nhiễu liên tiếp” (SIC) Dựa trên cách tiếp cận PD-NOMA, mỗi người dùng ở bên thu sẽ loại bỏ tín hiệu của người dùng khác thu được có đáp ứng kênh kém hơn và coi tín hiệu của người dùng khác như nhiễu

a) Mô hình hệ thống

Xét hệ thống truyền dẫn NOMA đường xuống gồm 1 trạm thu phát gốc BS (Base Station) trang bị 𝑁𝑡 anten phát và N thiết bị người dùng UE (User Equipment) với mỗi thiết bị trang bị 𝑁𝑟 anten thu BS gởi thông điệp đến các người dùng đồng thời với công suất phát tổng là P Giả sử tín hiệu vô tuyến từ BS đến các UE qua kênh truyền block fading Rayleigh có phân phối độc lập, đồng nhất và nhiễu trắng cộng Gaussian AWGN (Additive white Gaussian noise) Các kênh truyền được sắp xếp theo thứ tự 0 ≤ |ℎ1|2 ≤ ⋯ ≤ |ℎ𝑖|2 ≤ ⋯ ≤ |ℎ𝑁|2, nghĩa là người dùng thứ i có cường độ tín hiệu yếu thứ i Sơ đồ NOMA cho phép phục vụ đồng thời tất cả các người dùng bằng việc dùng chung băng thông hệ thống để truyền dữ liệu với sự hỗ trợ của kỹ thuật mã hóa xếp chồng SC và giải mã triệt giao thoa liên tiếp SIC Ghép kênh cho tín hiệu người dùng được thực hiện trong miền công suất BS truyền tín hiệu xếp chồng tuyến tính của dữ liệu người dùng bằng việc gán các hệ số công suất

𝛽𝑖 cho người dùng thứ i (công suất cho người dùng thứ i được gán như sau: 𝑃𝑖 =

𝑃𝛽𝑖) Ở bên thu, mỗi thiết bị người dùng giải mã tín hiệu của người dùng yếu hơn, nghĩa là thiết bị người dùng thứ i có thể giải mã tín hiệu của người dùng thứ m với cường độ tín hiệu của người dùng thứ m yếu hơn người dùng thứ i Tín hiệu của các người dùng yếu hơn sau đó được trừ từ tín hiệu nhận được để giải mã tín hiệu cho

người dùng thứ i Các tín hiệu này được xem là giao thoa trong cell Tín hiệu nhận được tại người dùng thứ i có thể được biểu diễn như sau:

U 2

U 1 1Hz

P 2

P 1

SIC của người dùng 1

Giải mã tín hiệu người dùng 2

Giải mã tín hiệu người dùng 1

U 2

U 1 1Hz

dùng 1

Người dùng 2

h 1

h 2

Trạm thu phát gốc

U 2

U 1 1Hz

dùng 1

Người dùng 2

h 1

h 2

1-a a

Hình 1.27: Sơ đồ đa truy cập NOMA và OMA trong trường hợp 2 người dùng

b) Kỹ thuật đa truy cập phi trực giao

Kỹ thuật đa truy cập phân chia theo tần số trực giao OFDMA gán tập sóng mang con cho việc truyền thông tin của mỗi người dùng Trong khi đó, mỗi người dùng

có thể sử dụng toàn bộ các sóng mang con để truyền thông tin trong NOMA

• Mã hóa xếp chồng

Để có được hiệu quả sử dụng phổ cao như vậy, NOMA sử dụng kỹ thuật mã hóa xếp chồng SC (Supperposition Coding) SC là kỹ thuật truyền thông tin đến nhiều người dùng đồng thời từ một nguồn phát Bên phát phải mã hóa thông tin liên quan đến từng người dùng

S

S2

S 1

Hình 1.28 Ví dụ chòm sao mã hóa xếp chồng 2 người dùng

Ví dụ, xét mã hóa xếp chồng cho 2 người dùng như trong Hình dưới, bên phát phải gồm 2 bộ mã hóa tương ứng với hai người dùng Như trong hình vẽ, chòm sao dịch pha cầu phương QPSK (Quadrature Phase-Shift Keying) của người dùng thứ nhất có mức công suất phát cao hơn người dùng thứ hai Với 𝑆1(𝑛) và 𝑆2(𝑛) lần lượt là tín hiệu phát cho người dùng thứ nhất và thứ hai, chuỗi tín hiệu ngõ ra của

bộ phát được biểu diễn như sau:

𝑋(𝑛) = √𝑃𝛽1𝑆1(𝑛) + √𝑃𝛽2𝑆2(𝑛) (1.2)

Trong đó, 𝛽1và 𝛽2 lần lượt là hệ số của tổng công suất 𝑃 được gán cho người dùng thứ nhất và thứ hai, với 𝛽1+ 𝛽2 = 1

• Triệt giao thoa liên tiếp

Để mã hóa thông tin được xếp chồng tại mỗi bên thu, kỹ thuật triệt giao thoa liên tiếp SIC (Successive Interference Cancellation) khai thác đặc tính khác nhau về cường độ tín hiệu giữa các người dùng

Giải mã S 1 Giải mã

S 2

Tín hiệu thu được Tín hiệu thu được

Hình 1.29: Chòm sao giải mã SIC hai người dùng.

Ý tưởng chính của SIC là tín hiệu của người dùng được giải mã một cách liên tục Khi tín hiệu của một người dùng đã được giải mã xong thì sẽ được trừ đi trong tín hiệu tổng hợp trước khi được giải mã cho người dùng tiếp theo Trong SIC, khi giải mã cho một người dùng thì những tín hiệu của các người dùng khác được xem

là giao thoa Nhưng một khi đã giải mã xong cho một người dung, “giao thoa” đó được loại bỏ Thứ tự ưu tiên trong SIC là theo cường độ tín hiệu Người dùng có cường độ tín hiệu mạnh nhất sẽ được giãi mã đầu tiên, sau đó đến người dùng có cường độ tín hiệu yếu hơn và cứ thế cho đến hết

Hình 1.29 biểu diễn quá trình giải mã cho tín hiệu phát từ Hình 1.28 Từ tín hiệu nhận thu được, chòm sao của người dùng thứ nhất được áp dụng để giải mã đầu tiên Sau đó đến giải mã chòm sao của người dùng thứ 2 sau khi đã trừ đi tín hiệu đã giải

mã của người dùng 1 Tại người dùng thứ nhất, một bộ giải mã đơn người dùng được áp dụng để giải mã thông điệp 𝑆1(𝑛) bằng cách xem 𝑆2(𝑛) như giao thoa từ tín hiệu thu nhật được 𝑌1(𝑛) Người dùng thứ hai tiến hành giải mã theo các bước sau:

- Giải mã thông điệp 𝑆1(𝑛) bằng bộ giải mã như người dùng thứ nhất từ tín hiệu thu nhận được 𝑌2(𝑛)

- Trừ √𝑃𝛽1ℎ2𝑆1(𝑛) từ 𝑌2(𝑛)

𝑌2′(𝑛) = 𝑌2(𝑛) − √𝑃𝛽1ℎ2𝑆1(𝑛) (1.3)

với ℎ2 là độ lợi kênh của người dùng thứ hai từ bên phát

- Giải mã thông điệp 𝑆2(𝑛) từ tín hiệu 𝑌2′(𝑛) bằng bộ giải mã đơn người dùng thứ hai

1.5 Kỹ thuật Massive MIMO

1.5.1 Massive MIMO là gì?

MIMO (Multi Input Multi Output - nhiều đầu vào, nhiều đầu ra) là công nghệ anten vô tuyến triển khai nhiều anten ở cả máy phát và máy thu để tăng chất lượng, thông lượng và dung lượng của đường truyền vô tuyến MIMO sử dụng kỹ thuật được gọi là phân tập không gian và ghép kênh không gian để truyền các tín hiệu dữ liệu được mã hóa độc lập và riêng biệt, được gọi là "luồng", sử dụng lại cùng một tài nguyên thời gian và tần số

Trong MIMO đa người dùng (MU-MIMO), máy phát đồng thời gửi các luồng khác nhau đến những người dùng khác nhau bằng cách sử dụng cùng quỹ tài nguyên thời gian và tần số, do đó tăng dung lượng mạng Hiệu suất và công suất phổ có thể được cải thiện bằng cách bổ sung thêm anten để hỗ trợ nhiều luồng hơn, cho đến điểm mà công suất chia sẻ giữa các luồng và nhiễu giữa người dùng gây nên suy hao có thể chấp nhận được

MIMO được sử dụng trong nhiều công nghệ không dây bao gồm cả Wi-Fi và di động (từ LTE trở đi) Với 3GPP, tổ chức toàn cầu chịu trách nhiệm về định nghĩa các tiêu chuẩn không dây, lần đầu tiên ấn định công nghệ MIMO cho LTE trong bản phát hành tiêu chuẩn R8 vào năm 2008 Ban đầu LTE sử dụng hai bộ phát và hai bộ thu, 2x2 MIMO; sau đó nhờ việc gia tăng công suất phát đã cho phép sử dụng nhiều luồng dữ liệu đồng thời hơn, 4G LTE hiện tại sử dụng MIMO 4×4 Điều này giúp cải thiện rõ rệt tốc độ dịch vụ trong mạng 4G sử dụng cấu hình 4T4R so với cấu hình 2T2R

Ngoài ra, việc sử dụng dải tần số mmWave có bước sóng rất ngắn dẫn đến kích thước anten nhỏ hơn (nhất là đối với 5G NR) Trong bản phát hành Release 15, 3GPP đã đưa ra tiêu chuẩn MIMO 32 (32 anten thu phát) và sẽ tăng lên 64 hoặc nhiều hơn nữa trong các bản phát hành trong tương lai Sự mở rộng này về số lượng của anten MIMO đã dẫn đến thuật ngữ Massive MIMO

1.5.2 Các kỹ thuật Massive MIMO

Massive MIMO dựa trên ba khái niệm chính về phân tập không gian, ghép kênh không gian và định dạng chùm MIMO xây dựng dựa trên thực tế là tín hiệu vô

tuyến giữa máy phát và máy thu được lọc bởi môi trường của nó, với phản xạ từ các tòa nhà và các chướng ngại vật khác dẫn đến nhiều đường dẫn tín hiệu (xem Hình 1.30)

Hình 1.30: Tín hiệu vô tuyến đi theo nhiều đường giữa máy phát và máy thu

Các tín hiệu phản xạ khác nhau sẽ đến anten thu với thời gian trễ khác nhau, mức

độ suy giảm và hướng di chuyển khác nhau Khi triển khai nhiều anten thu, mỗi anten nhận được một phiên bản tín hiệu khác nhau, có thể được kết hợp các tín hiệu này để cải thiện chất lượng nhận được Kỹ thuật này được gọi là phân tập theo không gian vì các anten máy thu được tách biệt về mặt không gian với nhau Phân tập không gian cũng đạt được bằng cách truyền tín hiệu vô tuyến qua nhiều anten phát, với mỗi anten, trong một số trường hợp, gửi các phiên bản đã sửa đổi của tín hiệu Trong khi phân tập không gian làm tăng độ tin cậy của liên kết vô tuyến, ghép kênh không gian làm tăng dung lượng của kênh vô tuyến bằng cách sử dụng nhiều đường chuyển tiếp làm kênh bổ sung để mang dữ liệu Ghép kênh không gian cho phép nhiều luồng dữ liệu duy nhất được gửi giữa máy phát và máy thu, làm tăng đáng kể thông lượng và cũng cho phép nhiều người dùng được hỗ trợ bởi một máy phát duy nhất, do đó có thuật ngữ MU-MIMO

Beamforming sử dụng công nghệ anten tiên tiến để tập trung tín hiệu không dây theo một hướng cụ thể, thay vì phát sóng đến một khu vực rộng (xem Hình 1.31) Beamforming là một kỹ thuật không dây quan trọng khác hoạt động đồng thời với Massive MIMO để tăng lưu lượng và dung lượng mạng Kỹ thuật này làm giảm nhiễu giữa các chùm theo các hướng khác nhau, cho phép triển khai các mảng anten lớn hơn [5]

Hình 1.31: Beamforming tập trung tín hiệu không dây theo một hướng cụ thể

Số lượng lớn các anten trong hệ thống Massive MIMO cho phép định dạng chùm tia 3D, tạo ra cả chùm tia ngang và dọc về phía người dùng, tăng tốc độ dữ liệu (và dung lượng) cho tất cả người dùng - đặc biệt hữu ích ở các khu vực đô thị với các tòa nhà cao tầng

Cả mạng và các thiết bị di động được kết nối trong hệ thống MIMO phải được phối hợp chặt chẽ Các thuật toán phức tạp sử dụng thông tin thu được từ tín hiệu tham chiếu thông tin trạng thái kênh (CSI-RS) cho phép trạm gốc giao tiếp với nhiều thiết bị đồng thời và độc lập CSI-RS là một loại tín hiệu pilot do trạm gốc gửi đến

UE, cho phép UE tính toán thông tin trạng thái kênh (CSI) và báo cáo lại cho trạm gốc

CSI mô tả cách tín hiệu truyền từ máy phát đến máy thu và bao gồm thông tin về cách tín hiệu đó chịu các tác động như tán xạ, fading và suy giảm công suất theo khoảng cách Để khôi phục luồng dữ liệu đã truyền ở máy thu, bộ giải mã hệ thống MIMO phải thực hiện một lượng xử lý tín hiệu đáng kể, sử dụng CSI để biểu diễn chức năng truyền kênh ở dạng ma trận (xem Hình 1.32)

Hình 1.32: Thông tin trạng thái kênh được sử dụng để mô tả một hệ thống mMIMO

Ma trận chuyển kênh được định nghĩa là:

[R] = [H] ×[T] (1.4)

Trong đó [R] là chuỗi tín hiệu nhận được từ các anten khác nhau trong mảng MIMO, [H] biểu thị các thuộc tính của từng đường tín hiệu và [T] các luồng dữ liệu khác nhau được truyền qua mạng

Bộ giải mã xây dựng ma trận chuyển kênh bằng cách ước tính các thuộc tính kênh riêng lẻ: ℎ11, ℎ12, v.v từ CSI Các luồng dữ liệu riêng lẻ sau đó được tái tạo lại bằng cách nhân tín hiệu nhận được với nghịch đảo của ma trận truyền:

[𝑇] = [𝐻]−1× [𝑅] (1.5)

Việc ước tính các thuộc tính kênh riêng lẻ và tính toán ma trận kênh nghịch đảo

là công việc tính toán chuyên sâu và có thể tăng thêm chi phí đáng kể cho mạng, đặc biệt khi số lượng anten tăng lên

Mô tả trên được đơn giản hóa một chút vì thực tế có nhiều kỹ thuật khác nhau để thu thập và tính toán CSI phụ thuộc vào các yếu tố như kỹ thuật ghép kênh được sử dụng, (TDD hoặc FDD), tần số tín hiệu và lượng chuyển động của UE Lĩnh vực này là chủ đề của nhiều nghiên cứu về cách các kỹ thuật tiên tiến có thể nâng cao

độ tin cậy và độ chính xác của Massive MIMO

1.5.3 Lợi ích của Massive MIMO

Là nền tảng của mạng 5G NR, Massive MIMO mang lại nhiều lợi ích cho cả nhà mạng và người dùng Công nghệ này cải thiện đáng kể hiệu suất phổ, mang lại nhiều dung lượng mạng hơn với cùng một lượng phổ, do đó cho phép các nhà mạng tối đa hóa khoản đầu tư của họ vào nguồn tài nguyên đắt đỏ này

Khi mạng 5G được triển khai, nhà mạng sẽ phụ thuộc nhiều vào mật độ người dùng để cung cấp tốc độ dữ liệu cần thiết và hỗ trợ số lượng kết nối cao, đặc biệt là

ở các khu vực thành thị Massive MIMO, kết hợp với công nghệ định dạng chùm tia (Beam forming) cho phép sử dụng phổ có mục tiêu cao, loại bỏ nghẽn tài nguyên vô tuyến như hiện tại, hỗ trợ số lượng lớn hơn người dùng trong cell và cải thiện trải nghiệm người dùng ở các khu vực đông dân cư

Các lợi ích tiềm năng khác bao gồm độ tin cậy của kết nối cao hơn cùng với khả năng chống nhiễu và gây nhiễu có chủ đích, do số lượng kênh tín hiệu tăng lên Các mạng MIMO lớn cũng sẽ đáp ứng tốt hơn với các thiết bị truyền ở tần số cao hơn, điều này sẽ cải thiện phạm vi phủ sóng, đặc biệt là trong nhà

1.6 Kết luận chương

Mạng di động hiện đã phát triển qua năm thế hệ Năng lực mạng, các loại hình dịch vụ đa dạng và chất lượng dịch vụ ngày càng được nâng cao Ban đầu, mạng di động chỉ có duy nhất loại hình dịch vụ thoại đến nay thì các nhà mạng đã cung cấp hàng chục-thậm chí hàng trăm dịch vụ trên nền tảng mạng di động Năng lực mạng lưới cũng được nâng cao, điều này được thể hiện rõ nhất từ khi triển khai kỹ thuật massive MIMO