Kết hợp wavelets neural networks xử lý tín hiệu thông tin vệ tinh

Một khái niệm mới ra đời trong thời gian vài năm trở lại đây dùng để gọi cho các cấu trúc mới này là phần mềm vô tuyến Software Radio hay Software Defined Radio , thuật ngữ này được viế

Trang 1

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

HOÀNG ĐÌNH CHIẾN

ĐỀ TÀI

KẾT HỢP WAVELETS-NEURAL NETWORKS

XỬ LÝ TÍN HIỆU THÔNG TIN VỆ TINH

A COMBINATION OF WAVELETS AND NEURAL NETWORKS

FOR SIGNAL PROCESSING ON SATELLITE COMMUNICATIONS

LUẬN ÁN TIẾN SỸ KỸ THUẬT

TP HỒ CHÍ MINH - 2004

Trang 2

Công trình được hoàn thành tại :

Bộ môn Viễn Thông - Trường Đại Học Bách Khoa – Đại Học Quốc Gia TP Hồ Chí Minh

Người hướng dẫn khoa học :

1/ PGS-TS Lê Tiến Thường : Giám đốc trung tâm du học trường ĐHBK Tp

Hồ Chí Minh

2/ TS Đinh Việt Hào : Phó Giám đốc học viện Công Nghệ Bưu Chính Viễn

Thông cơ sở Tp HCM

Thầy giới thiệu 1 :

Thầy giới thiệu 2 :

Luận án sẽ được bảo vệ tại hội đồng chấm luận án cấp nhà nước họp tại trường Đại Học Bách Khoa – Đại Học Quốc Gia Tp Hồ Chí Minh vào hồi

giờ phút tháng năm 2004

Có thể tìm hiểu luận án tại thư viện :

- Trường Đại Học Bách Khoa – Đại Học Quốc Gia Tp Hồ Chí Minh

- Khoa học tổng hợp Tp HCM

Trang 3

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của riêng mình Các chương trình và kết quả tính toán, mô phỏng, thực nghiệm được thực hiện tại bộ môn Viễn Thông trường Đại Học Bách Khoa Tp Hồ Chí Minh là trung thực và chưa từng được công bố trong bất kỳ công trình nào khác

Thành phố Hồ Chí Minh tháng 04 năm 2004

Tác giả

Hoàng Đình Chiến

Trang 4

LỜI CÁM ƠN

Tôi xin chân thành cám ơn :

- Thầy giáo PGS-TS Lê Tiến Thường, giám đốc trung tâm du học

trường ĐHBK TP HCM, đã tận tình hướng dẫn, rèn luyện phương pháp

nghiên cứu khoa học có hiệu quả và tạo mọi điều kiện thuận lợi trong quá trình thực hiện đề tài

- Thầy giáo TS Đinh Việt Hào, phó giám đốc học viện Công Nghệ Bưu

Chính Viễn Thông, đã hướng dẫn nhiệt tình

- TS Phan Thanh Bình, phó giám đốc Đại Học Quốc Gia TP HCM, đã

quan tâm, động viên và tạo điều kiện thuận lợi

- Các thầy giáo, đồng nghiệp trong và ngoài Bộ môn Viễn thông, các anh chị cùng trường đại học thông tin liên lạc MOSCOW ( MTYCI ), đã đóng góp những ý kiến quí báu

Sự nghiêm túc, phương pháp làm việc khoa học và kiến thức uyên bác của các Thầy hướng dẫn là tấm gương để tôi phấn đấu học hỏi

Cám ơn cha mẹ đã sinh thành và dày công nuôi dưỡng

Cám ơn vợ Phan thúy Hà và các con yêu thương Hoàng Phan Thảo My, Hoàng Phan Thảo Uyên luôn luôn chia sẻ sát cánh cùng tôi hoàn thành công việc

Trang 5

Cám ơn các em sinh viên mà tôi đã giảng dạy và hướng dẫn vì sự chia sẻ những

ước mơ khoa học, đặc biệt là em kỹ sư Võ Nguyễn Quốc Bảo

Mặc dù bản thân có nhiều cố gắng học hỏi, nhưng không tránh khỏi những sai sót, tôi mong nhận được các ý kiến đóng góp của các thầy cô và đồng nghiệp để hoàn thiện đề tài

Trang 6

MỤC LỤC

LUẬN ÁN TIẾN SỸ KỸ THUẬT 1

C HƯƠNG 0: CHƯƠNG MỞ ĐẦU – GIỚI THIỆU LUẬN ÁN 2

0.1 ĐẶT VẤN ĐỀ 2

0.2 XU HƯỚNG PHÁT TRIỂN CÔNG NGHỆ TRUYỀN THÔNG HIỆN ĐẠI 3

0.3 TÌNH HÌNH NGHIÊN CỨU Ở TRÊN THẾ GIỚI VÀ Ở VIỆT NAM 4

0.4 NỘI DUNG NGHIÊN CỨU 5

0.4.1 Nhiệm vụ nghiên cứu : 5

0.4.2 Phương pháp nghiên cứu : 6

C HƯƠNG 1: TỔNG QUAN HỆ THỐNG THÔNG TIN VỆ TINH 8

1.1 MÔ HÌNH HỆ THỐNG THÔNG TIN VỆ TINH 8

1.2 MÔ HÌNH KÊNH THÔNG TIN VỆ TINH SỐ 10

1.3 NHIỄU TRONG THÔNG TIN VỆ TINH 12

1.3.1 Nhiễu trắng: 12

1.3.2 Nhiễu nhiệt: 13

1.3.3 Fading trong thông tin vệ tinh và sự giảm suất do mưa: 13

1.3.4 Can nhiễu 14

1.3.5 Nhận xét 16

1.4 ĐÁNH GIÁ CHẤT LƯỢNG HỆ THỐNG THÔNG TIN VỆ TINH SỐ 17

1.5 CÁC PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG ĐƯỜNG TRUYỀN 19

1.5.1 Các phương pháp cải thiện bằng phần cứng 19

1.5.2 Các biện pháp cải thiện bằng phần mềm 19

C HƯƠNG 2: NGUYÊN LÝ BỘ CÂN BẰNG - BỘ CÂN BẰNG DÙNG NEURAL NETWORKS 22

2.1 ĐẶT VẤN ĐỀ 22

2.2 NGUYÊN LÝ BỘ CÂN BẰNG THÍCH ỨNG 23

2.3 BỘ CÂN BẰNG THÍCH ỨNG TỔNG QUÁT 25

2.4 GIẢI THUẬT TRUNG BÌNH BÌNH PHƯƠNG NHỎ NHẤT (LMS) 29

2.5 MẠNG NEURON 31

2.5.1 Tổng quan 31

2.5.2 Mô hình neuron 33

C HƯƠNG 3: CƠ SỞ TOÁN HỌC WAVELETS & TRIỆT NHIỄU DÙNG WAVELETS 43

3.1 CÁC KHÁI NIỆM BAN ĐẦU 43

Trang 7

3.1.1 Không gian hàm và tập cơ sở 43

3.1.2 Biểu diễn tín hiệu ở miền biến đổi 45

3.1.3 Các tính chất của hệ thống wavelets 46

3.2 PHÂN TÍCH TOÁN HỌC 48

3.2.1 Hàm tỷ lệ 49

3.2.2 Phân tích đa độ phân giải 50

3.2.3 Hàm wavelet 51

3.2.4 Biểu thức khai triển 54

3.2.5 Biến đổi wavelet rời rạc 55

3.3 GIẢI THUẬT MALLAT VÀ BĂNG LỌC CHO DWT 56

3.3.1 Phân tích wavelets 56

3.3.2 Tổng hợp wavelet 60

3.3.3 Các hệ số khai triển khởi đầu cho quá trình phân tích 62

3.3.4 Tóm tắt 62

3.4 ỨNG DỤNG CỦA PHÉP BIẾN ĐỔI WAVELETS 63

3.4.1 Xử lý tín hiệu dùng wavelets 63

3.4.2 Ưu điểm của phép biến đổi wavelets 63

3.5 TRIỆT NHIỄU DÙNG WAVELETS 64

3.5.1 Phương pháp lọc tuyến tính và phương pháp lọc phi tuyến 64

3.5.2 Triệt nhiễu dùng phương pháp lấy ngưỡng 65

3.5.3 Tóm tắt cơ sở lý luận dùng wavelets triệt nhiễu 68

C HƯƠNG 4: GIẢI PHÁP BỘ CÂN BẰNG DÙNG NEURAL NETWORKS KẾT HỢP WAVELETS 69

4.1 GIẢI PHÁP 69

4.1.1 Đặt vấn đề 69

4.1.2 Ứng dụng mạng neuron thực hiện bộ cân bằng 70

4.1.3 Giải pháp bộ cân bằng dùng mạng neuron kết hợp wavelets 81

4.1.4 Mô hình tổng quát giải pháp kết hợp wavelets và neural networks 84

4.1.5 Các mô hình cơ bản của giải pháp wavelets-neural networks xử lý tín hiệu 84

4.1.6 Cụ thể hóa mô hình kết hợp wavelets-neural networks xử lý tín hiệu thông tin vệ tinh 85

4.1.7 Phân tích và lựa chọn giải pháp kết hợp 85

4.1.8 Giải thuật triệt nhiễu dùng wavelets 87

4.1.9 Giải thuật huấn luyện bộ cân bằng dựa trên mạng neuron 88

4.1.10 Giải thuật sử dụng bộ cân bằng neuron 89

4.1.11 Giải thuật mô phỏng kênh truyền và triệt nhiễu 90

4.1.12 Mô hình mô phỏng 90

4.1.13 Cài đặt giải thuật trên DSP TMS320C6711 94

4.2 KẾT QUẢ MÔ PHỎNG VÀ NHẬN XÉT 99

4.2.1 Giới thiệu phần mềm mô phỏng trên MATLAB 99

Trang 8

4.2.2 Kết quả mô phỏng trên MATLAB VER 6.1 107

4.2.3 Kết quả cài đặt giải thuật trên DSP TMS320C6711 153

C HƯƠNG 5: KẾT LUẬN, Ý NGHĨA KHOA HỌC & HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 161

5.1 KẾT LUẬN VỀ CÁC NỘI DUNG NGHIÊN CỨU 161

5.2 KẾT LUẬN VỀ TÍNH KHẢ THI CỦA CÁC PHƯƠNG PHÁP TRIỆT NHIỄU 162

5.2.1 Khả năng triệt nhiễu của Wavelets 162

5.2.2 Phương pháp thực hiện bộ cân bằng dựa trên mạng neuron 163

5.2.3 Phương pháp kết hợp biến đổi wavelet với bộ cân bằng dùng mạng neural networks 164

5.3 KẾT LUẬN VỀ PHƯƠNG PHÁP - KỸ THUẬT MÔ PHỎNG & KIỂM CHỨNG GIẢI THUẬT TRÊN MÁY TÍNH & DSP 165

5.4 Ý NGHĨA KHOA HỌC 166

5.5 HƯỚNG PHÁT TRIỂN CHO ĐỀ TÀI 168

5.6 CÁC KẾT QUẢ NGHIÊN CỨU LIÊN QUAN ĐẾN LUẬN ÁN 169

TÀI LIỆU THAM KHẢO 177

TIẾNG VIỆT 177

TIẾNG ANH 178

TRANG WEB 187

Trang 9

LUẬN ÁN TIẾN SỸ KỸ THUẬT

Trang 10

Chương 0 – Chương mở đầu

Chương 0:

CHƯƠNG MỞ ĐẦU – GIỚI THIỆU LUẬN ÁN

0.1 ĐẶT VẤN ĐỀ

Ngày nay thông tin vệ tinh đóng vai trò đặc biệt quan trọng không thể thiếu được trong mạng thông tin toàn cầu, mạng quốc gia, mạng cục bộ, cũng như trong các lĩnh vực dân sự và quân sự

Tính chất đặc trưng riêng của thông tin vệ tinh là tín hiệu lan truyền qua quãng đường rất dài, xuyên qua nhiều lớp khí quyển ( trong đó có tầng ion ) luôn bị xáo trộn, gây méo pha đường truyền theo thời gian Do đó bộ cân bằng pha ở máy thu của các hệ thống thông tin vệ tinh đóng vai trò đặc biệt quan trọng trong việc cân bằng pha hay triệt nhiễu liên ký tự (Inter Symbol Interference - ISI) Nhiễu liên ký tự sinh ra do nhiều nguyên nhân như tín hiệu bị méo pha do đường truyền quá dài, nhiễu, đáp ứng bộ lọc hoặc kênh truyền không lý tưởng… Những ký tự kế cận sẽ chồng lên nhau làm giao thoa giữa chúng, gây lỗi bit tại máy thu ISI được xem là trở ngại chính trong việc truyền dữ liệu tốc độ cao trong thông tin số truyền đa phương tiện ( multimedia ) Cân bằng là một kỹ thuật sử dụng để triệt nhiễu liên ký tự Kỹ thuật cân bằng pha trước đây là bán tự thích nghi dùng phương pháp cơ khí kết hợp điện tử kém hiệu quả bởi lẽ chất lượng không cao, không linh hoạt và cồng kềnh ( làm các bộ bù pha khác nhau và chọn bằng tay )

Thêm vào đó, ngoài các nguồn nhiễu nhiệt, nhiễu xung, can nhiễu thu bởi búp hướng phụ và một phần búp hướng chính của anten trạm mặt đất còn có các nguồn nhiễu công nghiệp lớn ( thu ở khoảng cách gần khi góc ngẩng thấp do nhu cầu hướng thông tin liên lạc đòi hỏi ) ảnh hưởng đáng kể đến chất lượng hệ thống, cũng là vấn đề cần quan tâm

Phương thức kinh điển xử lý loại nhiễu này là dùng biện pháp phần cứng cải thiện ngưỡng thu từng khối thiết bị chức năng hoặc tăng công suất phát đè nhiễu công nghiệp tỏ ra không linh hoạt, hiệu quả không cao

Trang 11

Do tính chất đặc biệt quan trọng của bộ cân bằng trong thông tin vệ tinh số nên nó luôn luôn là đối tượng nghiên cứu bổ sung những thành tựu khoa học công nghệ mới sao cho các hệ thống thông tin vệ tinh số ngày càng chất lượng hơn, linh hoạt hơn, thông minh hơn

0.2 XU HƯỚNG PHÁT TRIỂN CÔNG NGHỆ TRUYỀN THÔNG HIỆN ĐẠI

Ngày nay các hệ thống thông tin được hiện đại hóa, chuyển đổi nhanh chóng từ Analog sang Digital, ứng dụng nhiều kỹ thuật công nghệ mới Nhiều chức năng của hệ thống vô tuyến đương thời được thực hiện bằng phần mềm

Một khái niệm mới ra đời trong thời gian vài năm trở lại đây dùng để gọi cho các cấu trúc mới này là phần mềm vô tuyến ( Software Radio hay Software Defined Radio ), thuật ngữ này được viết tắt cho cụm từ mang nghĩa là các thiết bị vô tuyến được xây dựng bởi phần mềm, bởi hầu hết các chức năng xử lý tín hiệu trong hệ thống bây giờ đều được thực thi bằng phần mềm trên các chip xử lý số tín hiệu DSP ( Powerful Digital Signal Processing – DSP đặc chế thực hiện bằng phần mềm nhiều chức năng của phần cứng vô tuyến trước đây như lọc, điều chế, giải điều chế, cân bằng, ), FPGA (Field Programmable Gate Array ) hay chip ASIC (Application Specific Integrated Circuits) Đây là những công nghệ tiên tiến cung cấp một phương thức thiết kế và xử lý các hệ thống số một cách nhanh chóng và tiện lợi, nó đặc biệt thích hợp

với việc nghiên cứu thử nghiệm trước khi đưa vào sản xuất đại trà ở quy mô lớn Điều

này giúp cho các hệ thống chất lượng hơn, gọn nhẹ hơn, thông minh hơn, tiêu thụ công suất ít hơn, đa năng hơn, linh hoạt - tương thích nhiều chuẩn Việc mô phỏng trên PC và thực nghiệm trên phần cứng kit DSP là phù hợp thực tế công nghệ truyền thông hiện đại – SOFTWARE-RADIO

Trang 12

Speed DAC

High-I

Q

BPF LNA

Speed ADC

High-I

Q

Digital

IF Processing

Baseband Modem Processing

Bitstream Processing

LO and Mixer

Periphery

Hình 0.1 - Cấu trúc hệ thống vô tuyến hiện đại dùng phần mềm vô tuyến

(Software Radio)

0.3 TÌNH HÌNH NGHIÊN CỨU Ở TRÊN THẾ GIỚI VÀ Ở VIỆT NAM

Đối với ngoài nước, đã có nhiều bài báo đăng tải trên các tạp chí quốc tế về nghiên cứu ứng dụng của Wavelets và Neural Networks trong xử lý ảnh, điều khiển, nhận dạng, nén data

Đối với trong nước, đã có một số kết quả nghiên cứu ban đầu về ứng dụng của Wavelets hoặc Neural Networks trong lĩnh vực xử lý ảnh, tự động, điều khiển, nhận dạng Việc dùng các công cụ xử lý tín hiệu độc lập như wavelets và neural networks đều có ưu và nhược điểm của từng công cụ, do đó cần tìm kiếm một hướng đi mới là kết hợp các công cụ xử lý tín hiệu một cách thích hợp sao cho kết hợp được những ưu điểm của chúng và hạn chế được nhược điểm riêng vào một điều kiện cụ thể như trong thông tin vệ tinh là một nhu cầu bức thiết của công nghệ viễn thông Việt Nam và trên thế giới

Đã có một số dạng cân bằng được nghiên cứu đề cập trong các tài liệu như bộ cân bằng ngang ( có nhược điểm đơn giản, chất lượng không cao ), bộ cân bằng hồi tiếp

Trang 13

quyết định - Decision Feedback Equalizer – DFE ( có nhược điểm bị lỗi lan truyền), cân bằng tuyến tính thích ứng Adaptive Linear Equalizer ( có nhược điểm không phù hợp kênh truyền phi tuyến ) Cần nghiên cứu tìm kiếm một dạng bộ cân bằng mới phù hợp cho đặc thù kênh truyền thông tin vệ tinh, phù hợp công nghệ tin học viễn thông hiện đại Đó là tiền đề của luận án “ Kết hợp Wavelets-Neural Networks xử lý tín hiệu thông tin vệ tinh “

0.4 NỘI DUNG NGHIÊN CỨU

0.4.1 Nhiệm vụ nghiên cứu :

Trọng tâm của luận án : là bộ cân bằng dùng Neural Networks kết hợp Wavelets

triệt nhiễu giao thoa ký tự ISI ở băng gốc ( Baseband ) thuộc khối giải điều chế số trong máy thu số trong thông tin vệ tinh Nội dung đề tài là một dạng phần mềm vô tuyến ( Software Radio ) mà công nghệ tin học-viễn thông hiện đại trên thế giới đang theo đuổi trong vài năm trở lại đây

Nội dung nghiên cứu gồm có :

- Tổng quan về thông tin vệ tinh và hướng nghiên cứu

- Bộ cân bằng trong thông tin số Cơ sở lý thuyết Neural Networks và xây dựng giải thuật của bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự (ISI – Inter Symbol Interference ), khảo sát cấu trúc và khả năng triệt nhiễu của mạng Neural

- Cơ sở toán học Wavelets và triệt nhiễu dùng Wavelets Xây dựng giải thuật triệt nhiễu dùng Wavelets, khảo sát khả năng triệt nhiễu các họ và các mức phân tích Wavelets

- Phân tích các cấu trúc của các tổ hợp bộ cân bằng Neural Networks kết hợp Wavelets xử lý tín hiệu trong thông tin vệ tinh, lựa chọn cấu trúc phù hợp nhất và giải thuật thực thi

- Thực hiện trên máy tính các khảo sát về lọc nhiễu dùng wavelets, về cấu trúc vvà giải thuật bộ cân bằng Neural Networks, các dạng bộ cân bằng Neural Networks kết hợp wavelets trong mô hình kênh truyền thông tin vệ tinh Thực nghiệm tương ứng trên phần cứng kit DSP- TMS320C6711 của Texas Instrumment

Trang 14

- Nhận xét, đánh giá kết quả của giải pháp dùng bộ cân bằng Neural Networks kết hợp Wavelets, so sánh với kết quả đăng trên tạp chí IEEE

- Kết luận, đề xuất hướng nghiên cứu – phát triển mở rộng từ các kết quả nghiên cứu

0.4.2 Phương pháp nghiên cứu :

Trên cơ sở các tài liệu, các công trình nghiên cứu của các nhà khoa học trên thế giới đăng tải trên các tạp chí chuyên ngành IEEE, trang WEB, sách, thực tiễn Việt Nam, ý kiến các chuyên gia viễn thông, các công ty phần mềm đang gia công cho nước ngoài, nghiên cứu thực hiện kết hợp Wavelets-Neural Networks xử lý tín hiệu trong thông tin vệ tinh

Để khảo sát, đánh giá đầy đủ khả năng triệt nhiễu của bộ cân bằng Neural Networks kết hợp wavelets cần phải thiết lập kênh truyền thông tin vệ tinh phù hợp cơ sở lý thuyết sau đó khảo sát các khả năng triệt nhiễu độc lập của công cụ wavelets, neural networks và giải pháp kết hợp

Sử dụng phần mềm MATLAB 6.1 mô phỏng giải thuật sau đó khảo sát, đánh giá và kiểm chứng các kết quả so với lý thuyết

Thực nghiệm kiểm chứng các kết quả trên phần cứng thực tế là kit DSP- TMS320 C6711 của Texas Instrumment

Xây dựng và phát triển giải thuật bộ cân bằng Neural Networks kết hợp Wavelets xử lý tín hiệu băng gốc ở máy thu vệ tinh

Để tìm được bộ cân bằng dùng neural networks kết hợp wavelets triệt nhiễu tốt nhất, dùng phương pháp thống kê như sau:

- Từ cơ sở toán học chương 3, khảo sát và tìm ra các Wavelets có khả năng triệt nhiễu tốt nhất và mức phân tích phù hợp

- Từ cơ sở toán học chương 2 dùng phần mềm mô phỏng để tìm ra cấu trúc mạng Neuron và giải thuật triệt nhiễu tốt nhất

- Bước tiếp, qua khảo sát tìm kiếm các kết hợp tối ưu từ các họ wavelets tốt nhất kết hợp với mạng neuron tốt nhất

Đánh giá kết quả xử lý tín hiệu qua kênh thông tin vệ tinh bằng hai phương pháp :

- Phương pháp khách quan thông qua tốc độ lỗi bit BER

- Phương pháp chủ quan thông qua hình ảnh, văn bản, âm thanh, video

Trang 15

Từ các đặt vấn đề và phân tích trên, có thể thấy hướng nghiên cứu của đề tài là mới, rộng, tổ hợp, phù hợp xu hướng phát triển của công nghệ truyền thông hiện đại trên thế giới Đây là đề tài thuộc lĩnh vực khoa học ứng dụng các thành tựu khoa học hiện đại và công cụ xử lý tín hiệu mới vào lập trình để xử lý nâng cao chất lượng hệ thống thông tin vệ tinh

Trang 16

Chương 1– Tổng quan hệ thống thông tin vệ tinh

Chương 1:

1.1 MÔ HÌNH HỆ THỐNG THÔNG TIN VỆ TINH

Sơ đồ khối cơ bản một tuyến thông tin vệ tinh số có dạng như sau :

Bộ chuyển

đổi ngõ vào Mã hóa kênh

Kênh truyền

Lọc thu

Điều chế số Lọc phát

Giải điều chế số

Giải mã kênh

Bộ chuyển

đổi ngõ ra

Hình 1.1 Sơ đồ khối thông tin vệ tinh số

Bộ chuyển đổi ngõ vào: còn gọi là mã hóa nguồn ( source encode ), thực hiện biến

đổi thông tin nguồn ( hình ảnh, văn bản, thoại, âm thanh, dữ liệu, ) sang dạng tín hiệu số ( có nén hoặc không nén ) thích hợp việc xử lý tín hiệu

Bộ chuyển đổi ngõ ra : còn gọi là giải mã nguồn ( source decode ), thực hiện chức

năng biến đổi ngược lại khối mã hóa nguồn

Khối mã hóa kênh (channel encode) : thực hiện chèn thêm các bit mã sửa sai nhằm

giảm xác suất lỗi bít truyền ( Pe )

Khối giải mã kênh (channel decode ) : thực hiện chức năng biến đổi ngược lại khối

mã hóa kênh

Khối điều chế số : chuyển đổi chuỗi bit ngõ ra bộ mã hóa kênh thành sóng mang cao

tần phù hợp kênh truyền vô tuyến Trong thông tin vệ tinh thường dùng điều chế số

Trang 17

QPSK, BPSK Phần đổi tần lên ở phát, đổi tần xuống ở thu coi như tuyến tính nên không đề cập

Khối giải điều chế số : thực hiện chức năng ngược lại khối điều chế số, khôi phục lại

chuỗi bit đã gởi đi từ tín hiệu cao tần thu được ở máy thu, đưa đến khối giải mã kênh

Kênh truyền : môi trường truyền tín hiệu từ máy phát đến máy thu Trong thông tin

vệ tinh, môi trường truyền là không khí hay không gian tự do, ở đó có nhiều nguồn nhiễu khác nhau như: nhiễu nhiệt, nhiễu khí quyển, can nhiễu, nhiễu công nghiệp làm ảnh hưởng đến chất lượng tín hiệu thu mong muốn Cơ sở lý thuyết thông tin vệ tinh được đề cập nhiều trong các tài liệu tham khảo, chương này trình bày tổng quan tóm tắt thông tin vệ tinh làm tiền đề dẫn nhập cho phần xử lý tín hiệu ở các chương sau

Satellite Tuyến lên Vệ tinh Tuyến xuống

(Up link) (Satellite) (Down link)

Trạm mặt đất Trạm mặt đất

(Earth station) (Earth station)

Satellite dish

Hình 1.2 Mô hình hệ thống thông tin vệ tinh

Qua phần đặt vấn đề ở mục 0.1, trọng tâm của luận án này là bộ cân bằng dùng Neural Networks kết hợp Wavelets triệt nhiễu ở tín hiệu băng gốc ( baseband ) thuộc khối giải điều chế số ở máy thu số trong thông tin vệ tinh để giảm lỗi bit, không đề cập đến mã Việc dùng mã sửa sai sẽ làm giảm lỗi bit thêm nữa, nhưng nằm ngoài nội dung đề tài Tuy nhiên trong phần mô phỏng có sử dụng mã hóa Hamming, BCH để minh họa và kiểm chứng giải thuật trên kênh truyền giả lập gần thực tế

Trang 18

1.2 MÔ HÌNH KÊNH THÔNG TIN VỆ TINH SỐ

y(t)

Lọc thu r(t)

Nhiễu n(t)

KênhLọc phát

Hình 1.3 : Mô hình tổng quan kênh thông tin vệ tinh

an chuỗi ký tự truyền đi; n(t) nhiễu cộng AWGN

gT(t) – đáp ứng xung bộ lọc phát

gR(t) – đáp ứng xung bộ lọc thu

Tín hiệu ngõ ra bộ lọc phát :

k: số bit, Rb tốc độ bit

Tín hiệu ngõ vào bộ lọc thu

)()()

(t a h t nT n t r

) ( ) ( ) (t C t g t

Giả sử bộ lọc thu tuyến tính có đáp ứng xung GR(t) và đáp tuyến tần số GR(f) Bộ lọc

thu kết hợp (matched filter) với h(t) cho tỷ số SNR là cực đại, ngõ ra bộ lọc thu có tín

hiệu:

)()(

)

y n

Để nhận lại chuỗi ký tự gửi đi an, lấy mẫu tín hiệu ngõ ra bộ lọc thu theo chu kỳ T Các

tín hiệu lấy mẫu ngõ ra có dạng:

Trang 19

) ( ) (

) (mT a x mT nT mT y

m n

m

n m m n

m n

n m n

Phần đầu công thức trên là x0an chính là chuỗi ký tự mong muốn nhận được tỷ lệ qua

thông số x0 Giả sử x0 bằng không thì an chính là chuỗi ký tự nhận được mong muốn

Còn vế thứ hai của công thức trên tạo nên nhiễu giao thoa ký tự ISI, và γm đại diện

cho nhiễu cộng hệ thống Như vậy ISI gây bởi kênh truyền (lọc phát, kênh, lọc thu)

không lý tưởng Cân bằng là kỹ thuật triệt nhiễu ISI Do kênh truyền trong thông tin vệ

tinh biến đổi rất chậm theo thời gian (tính theo ngày và đêm ) nên ISI cũng biến đổi

theo Do đó cần có bộ cân bằng thích nghi bù lại sự méo dạng xung do kênh truyền,

làm cho tín hiệu thu có độ tin cậy cao hơn, đồng thời cần có biện pháp khử nhiễu cộng

để chất lượng hệ thống làtốt nhất, thể hiện it lỗi bit nhất

Việc xử lý nhiễu trong các hệ thống thông tin vệ tinh nói riêng và vô tuyến số nói

chung dùng các công cụ toán học hiện đại, lập trình được, thực hiện trên các chip công

nghệ NANO, là kỳ vọng phấn đấu của công nghệ tin học-viễn thông hiện đại

Chương 2 sẽ đề cập rõ hơn về kỹ thuật cân bằng

Trang 20

1.3 NHIỄU TRONG THÔNG TIN VỆ TINH

T A – Tạp âm nhiệt, T F – Tạp âm nhiệt Feeder

T o - Nhiệt độ môi trường, L F - Tổn hao Feeder

T R – Tạp âm nhiệt máy thu

T e - Tổng tạp âm nhiệt tương đương quy vào ngõ vào máy thu

Nhiễu vũ trụ

Nhiễu khí quyển

Nhiễu mặt trời

Nhiễu trái đất

Tạp âm mưa

Can nhiễu các loại

Nguồn nhiễu khác

Anten không tổn hao

Nhiễu tổn hao Anten

Feeder không tổn

Nhiễu tổn hao Feeder

Nhiễu máy thu

N R

Nhiễu tín hiệu đầu ra

Hình 1.5 – Hàm tự tương quan và mật độ phổ công suất nhiễu trắng

Tương quan giữa nhiễu với tín hiệu được thể hiện qua tỷ số công suất tín hiệu trên nhiễu:

n

s

P

P N S

Trang 21

trong đó Ps là công suất tín hiệu

Pn là công suất nhiễu được tính theo công thức:

( )W 4

2

2 2

2

kTB R

v R R

v R i

với k=1.38x10-23J/oK là hằng số Boltzmann, T là nhiệt độ tuyệt đối đo bằng độ Kelvin,

R là điện trở đo bằng ohm và B là băng thông tính bằng Hz

1.3.2 Nhiễu nhiệt:

Nhiễu nhiệt hay còn gọi là nhiễu Johnson được tạo ra do sự chuyển động nhiệt của các

phần tử Với một điện trở nhiệt, giá trị bình phương trung bình của điện áp tức thời do

nhiễu nhiệt là:

kTRB

4

2 =

Kelvin, R là điện trở đo bằng ohm và B là băng thông Theo lý thuyết mạch, công suất

tối đa từ nguồn phát công suất nhiệt toả ra trên một tải phối hợp có điện trở R được cho

bởi công thức:

( )W

kTB R

v R R

v R i

2 2

với vrms là căn bậc hai của điện áp bình phương trung bình Mật độ phổ của nhiễu nhiệt

được cho bởi:

( ) (W/Hz)

2

kT f

P N =

(1.12) Phương trình (1.12) cho thấy mật độ phổ nhiễu nhiệt có dạng phẳng nghĩa là nhiễu

nhiệt là một dạng nhiễu trắng Phương trình (1.12) đúng cho đến các tần số vô tuyến

cực cao ở 1013Hz

Trong thông tin vệ tinh, nhiễu nội máy thu, nhiễu khí quyễn, nhiễu mặt trời, can nhiễu,

qui về nhiễu cộng, biểu diễn dưới dạng tạp âm nhiệt tương đương

1.3.3 Fading trong thông tin vệ tinh và sự giảm suất do mưa:

Trong quá trình truyền sóng giữa anten trạm mặt đất và anten vệ tinh các anten được

hướng trực tiếp vào nhau do đó đường truyền sóng hầu như chỉ là đường thẳng Nếu có

hiện tượng truyền sóng đa đường xảy ra thì số đường truyền rất ít và những đường

Trang 22

truyền nào lệch với phương truyền chính sẽ được anten thu rất yếu (do bị rơi vào các

sidelobe chứ không phải mainlobe) nên không gây ảnh hưởng nhiều đến tín hiệu thu

được trên phương truyền chính

Như vậy hiện tượng fading trong thông tin vệ tinh sẽ không gây ra những thay đổi đột

biến bất thường về pha và biên độ của tín hiệu thu Điều này không có nghĩa là mức

công suất thu ở anten thu chỉ dao động trong một khoảng hẹp khi công suất phát không

đổi Một nguyên nhân chính gây ra sự thay đổi (làm giảm) mức công suất tín hiệu ở

máy thu là sự giảm suất do mưa, còn gọi là fading phẳng

Những cơn mưa lớn trên đường truyền sóng sẽ hấp thu và làm phân tán mức công suất

phát ở những dải tần trên 7GHz và khi tần số càng tăng cao thì mức suy hao càng lớn

Khi thiết kế hệ thống thông tin cần phải tính toán đến khả năng làm việc trong điều

kiện tín hiệu bị suy hao nhiều do mưa

Khi xảy ra sự giảm suất do mưa có thể đơn giản sự ảnh hưởng của hiện tượng này bằng

một sự suy hao trên đường truyền ( fading phẳng ) Dựa trên các số liệu thống kê tính

toán hệ thống trong điều kiện làm việc với độ giảm suất lớn nhất (trong các

worst-month) Mức công suất thu khi có giảm suất do mưa sẽ được tính bằng mức công suất

thu khi không có mưa trừ đi độ giảm suất

rain rain no rain

L N

C N

Môi trường thông tin vệ tinh rất đặc biệt: tín hiệu lan truyền trên quảng đường rất dài,

suy hao nhiều trong khí quyển, dùng anten định hướng cao, môi trường truyền thay đổi

rất chậm mang tính thông kê theo ngày và đêm, công suất phát trên vệ tinh nhỏ do

nguồn năng lượng cung cấp cho thiết bị vệ tinh bị giới hạn nên mức tín hiệu thu nhỏ,

coi như không có fading đa đường như trong hệ thống viba mặt đất và coi như chỉ có

fading phẳng, có nghĩa là bộ cân bằng trong thông tin vệ tinh không quá phức tạp như

trong vi ba số và ít bộ trễ hơn ( tài liệu SIEMENS )

1.3.4 Can nhiễu

1.3.4.1 Định nghĩa

Trang 23

Là hiện tượng các tín hiệu không mong muốn (có nguồn gốc từ hoạt động truyền tín hiệu của con người) xen vào tín hiệu mong muốn thu dẫn đến sai lệch thông tin thu Trong thông tin vô tuyến hiện tượng này xảy ra khi anten thu nhận được hai hay nhiều tín hiệu trên cùng dải tần số hoạt động

1.3.4.2 Nguồn gốc tạo ra can nhiễu:

- Nguồn phát tín hiệu gây can nhiễu: một máy phát hoạt động ở chế độ có góc cắt do lọc không tốt tạo ra các thành phần tần số hài bậc cao 2,3, n lọt vào băng thông của tín hiệu muốn thu

- Tại máy thu: trong trường hợp này, can nhiễu do tầng khuếch đại cao tần (RF) và trộn tần hoạt động ở vùng phi tuyến, làm xuất hiện các thành phần tín hiệu do điều chế tương hỗ

- Can nhiễu các hệ thống vệ tinh kề cận, can nhiễu hệ thống mặt đất

- Can nhiễu do điều chế tương hỗ

- Nhiễu công nghiệp

Các phân tích trên cho thấy vấn đề can nhiễu luôn luôn hiện hữu trong hệ thống thông tin và cần được tính toán đến trong quá trình thiết kế hệ thống Cho dù được tạo ra từ nguồn gốc nào

Nếu can nhiễu đủ mạnh sẽ làm sai lệch thông tin trên kênh truyền, ví dụ nhiễu công nghiệp gần trạm mặt đất thu bởi búp phụ và một phần búp chính của anten có góc ngẩng thấp ( do nhu cầu thông tin liên lạc ) tác động mạnh đến ngõ vào máy thu, làm giảm mạnh tỷ số C/N, tức là giảm chất lượng hệ thống

1.3.4.3 Phân tích kênh truyền khi có can nhiễu

Xét một kênh truyền bị tác động bởi nhiễu trắng n(t) AWGN và các can nhiễu cộng

i1(t), i2(t),…ip(t) có công suất tương ứng là I1, I2,…,Ip nằm trong băng thông của tín hiệu thu Khi đó tổng công suất nhiễu trắng và can nhiễu là

k k

n E

1

2 1

) ( )

Tỷ số công suất tín hiệu trên tổng công suất nhiễu trắng và can nhiễu là :

Trang 24

1 1 1

1 1

C N

Công thức (1.16) là một công thức tổng quát để tính tỷ số CNR cho một kênh truyền có

nhiễu trắng lẫn can nhiễu cộng Tỷ số CNR cho kênh truyền vệ tinh bao gồm cả tuyến

suất tín hiệu trên nhiễu trắng và C I là tỷ số công suất tín hiệu trên can nhiễu của

toàn bộ đường truyền được tính theo công thức

1 1

C I

⎛ là tỷ số công suất tín hiệu trên can nhiễu tuyến lên và tuyến xuống

I

C

1.3.5 Nhận xét

tượng méo pha, cho nên bên phần thu trong thông tin vệ tinh thường dùng bộ cân bằng

để khử méo pha

Méo pha không chỉ gây ra ISI khi truyền ký tự mà còn gây ra méo ở các vùng ranh tối

sáng của ảnh Khi truyền ảnh làm cho độ nét của ảnh bị giảm và làm cho ảnh có nhiều

nét lặp lại

Thường nhiễu nhiệt và các loại nhiễu phẳng (băng rộng) khác không gây ra méo pha

Nhiễu do các tầng ion hóa của khí quyển gây ra méo pha hoặc fading sâu do mưa gây

Trang 25

qua tầng khí quyển dài hơn nên thường bị méo pha nhiều hơn nên khó khắc phục, vì

vậy bắt buột phải dùng các bộ cân bằng để bù lại

1.4 ĐÁNH GIÁ CHẤT LƯỢNG HỆ THỐNG THÔNG TIN VỆ TINH SỐ

Chất lượng hệ thống thông tin vệ tinh số phụ thuộc vào các thông số đường truyền và

các loại nhiễu tác động vào tín hiệu thu

Để đánh giá chất lượng hệ thống thông tin số dùng đại lượng tỷ số lỗi bit BER ( Bit

Error Rate ) BER là một giá trị được đo bằng thực nghiệm khi so sánh luồng bit phát

đi với luồng bit thu được sau kênh truyền Trong quá trình mô phỏng và thực nghiệm

trên phần cứng là kit DSP, sẽ sử dụng thông số BER để đánh giá chất lượng bộ cân

bằng dùng Neural Networks kết hợp Wavelets Đây là phương pháp đánh giá khách

quan

Phương pháp đánh giá chất lượng chủ quan bằng thị giác, thính giác, thông qua hình

ảnh-văn bản hay âm thanh cũng được sử dụng trong luận án này

Theo lý thuyết, với kênh truyền sử dụng dạng điều chế BPSK hoặc QPSK trong môi

trường nhiễu trắng, xác suất sai bit là:

N

E erfc P

C T N

E

b b o

Dựa vào công thức trên, vẽ đồ thị xác xuất lỗi bit trong môi trường nhiễu Gauss làm

đường chuẩn để so sánh trong quá trình mô phỏng

Trang 26

Hình 1.6 - Đồ thị xác suất lỗi của BPSK và QPSK

Nhận xét : bằng các phương pháp cải thiện khác nhau, chất lượng thu sẽ tốt hơn nếu

đồ thị trên dịch sang trái Nếu có fading (suy hao) hoặc nhiễu giao thoa, thì đồ thị sẽ

dịch phải Việc dùng bộ cân bằng Neural Networks kết hợp Wavelets triệt nhiễu giao

thoa ký tự ISI sẽ làm đồ thị dịch trái thể hiện giảm lỗi bit

Từ công thức trên có :

NR

CB N

C là tỷ số công suất sóng mang trên nhiễu ở ngõ vào detector ; B là băng thông nhiễu

(Hz); R là tốc độ bit (bps)

Trong kỹ thuật điều chế BPSK, có R = B, do đó:

N

C dB N E

N

C N

E NR

CB N

E

b

b b

Với cùng băng thông, kỹ thuật điều chế QPSK có tốc độ gấp đôi kỹ thuật BPSK Vì

vậy ở QPSK:

N

C N

E NR

CB N

2

0 0

=

⇔

=

Trang 27

N

E dB N C

dB dB

N

C dB N E

b

33

1.5 CÁC PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG ĐƯỜNG TRUYỀN

Chất lượng của hệ thống thông tin vệ tinh được đánh giá thông qua xác suất bit lỗi BER Như đã tính toán ở trên, BER phụ thuộc vào nhiều yếu tố như : tỉ số G/T của trạm thu, công suất phát, công suất nhiễu, môi trường truyền … Có một số giải pháp để nâng cao chất lượng tín hiệu

1.5.1 Các phương pháp cải thiện bằng phần cứng

1.5.1.1 Tăng độ lợi anten phát/thu

Độ lợi anten phụ thuộc vào loại và kích thước của anten, nhưng anten parabol càng lớn thì độ lợi càng cao nhưng càng tốn kém và bất tiện, việc bảo dưỡng rất phức tạp Một số loại anten được thiết kế đặc biệt như các anten Cassegrain được chế tạo hình bán cầu có hai mặt phản xạ nhằm tăng tính hội tụ cho các tia bức xạ, bộ feeder được đặt lệch sang một bên để giảm diện tích bề mặt phản xạ bị che khuất

Vì công suất tín hiệu thu rất nhỏ nên để giảm suy hao tín hiệu từ anten đến ngõ vào

máy thu, bộ khuếch đại tạp âm thấp LNA (low noise amplifier) hoặc LNB (low noise

block down converter ) đặt ngay tại điểm hội tụ của anten parabol

1.5.1.2 Giảm tạp âm nhiệt tương đương LNB, LNA

Nghiên cứu, chế tạo và sử dụng các LNB, LNA có nhiệt độ tạp âm thấp

1.5.1.3 Phương pháp tuyến tính hóa TWTA

Các thiết bị khuếch đại công suất cao tần dùng đèn sóng chạy (TWTA) có đặc tuyến phi tuyến gây can nhiễu tương hỗ khi khuếch đại công suất lớn nhiều sóng mang đồng thời Bộ tuyến tính hóa HPA (HPA Linearizer) cải thiện đáng kể đặc tuyến TWTA, giảm can nhiễu tương hỗ và cho phép tăng công suất phát

1.5.2 Các biện pháp cải thiện bằng phần mềm

1.5.2.1 Mã hóa luồng bit

Trang 28

Mã hóa luồng bit trước khi điều chế sẽ góp phần làm giảm BER Hạn chế của phương pháp này là làm tăng băng thông kênh truyền, giảm tốc độ truyền tín hiệu do phải chèn thêm bit mã sửa sai

1.5.2.2 Khai triển Wavelets

Khai triển wavelets là công cụ phân tích tín hiệu tỏ ra ưu việt vì các thành phần tín hiệu sau khi phân tích mang cả thông tin thời gian và tần số Nhờ tính định vị thời gian và tần số tốt của các hệ số khai triển wavelets mà có thể phân tích tín hiệu có nhiễu thành: thành phần xấp xỉ thô (mang phần lớn năng lượng tín hiệu) và các thành phần chi tiết (chứa năng lượng của nhiễu) Thông qua việc lấy ngưỡng các hệ số chi tiết, loại bỏ phần lớn nhiễu trong tín hiệu rồi tái tạo lại tín hiệu ban đầu mà không làm mất

đi bản chất tín hiệu Khai triển wavelets tỏ ra rất tiện lợi cho lập trình trên PC do việc khai triển có tính chất lặp đi lặp lại

1.5.2.3 Sử dụng Neural Networks làm giải thuật cho bộ cân bằng

Như đã nêu trên, cân bằng là kỹ thuật dùng để triệt nhiễu liên ký tự (ISI) Bộ cân bằng là bộ lọc nghịch đảo của kênh truyền, trước đây thường dùng ở IF, ngày nay dùng ở băng tần gốc thuộc khối giải điều chế của máy thu nhờ tính ưu việt của xử lý số tín hiệu

Trong thông tin vệ tinh vấn đề méo pha ảnh hưởng chất lượng đến dịch vụ truyền băng rộng ATM, multimedia… đặc biệt với góc ngẩng thấp (đặc biệt với hệ thống thông tin vệ tinh INTELSAT), chính vì thế bộ cân bằng đóng vai trò rất quan trọng trong thông tin vệ tinh Do mạng Neuron có khả năng tự học, tự điều chỉnh, nên bộ cân bằng dùng neural network cho phép thích nghi theo môi trường truyền biến động, nó đặc biệt quan trọng cho dịch vụ băng rộng, multimedia, ATM hay vệ tinh bay theo elip (đối với vệ tinh quĩ đạo elip)

1.5.2.4 Dùng bộ cân bằng Neural Networks kết hợp Wavelets triệt nhiễu ở máy thu

Đây là nội dung chính của đề tài với mục đích tìm kiếm một dạng bộ cân bằng mới dùng neural network kết hợp wavelets tức là tìm kiếm sự kết hợp tốt nhất ưu điểm của hai công cụ xử lý tín hiệu wavelets và neural network, hạn chế nhược điểm riêng của

Trang 29

chúng nhằm nâng cao chất lượng thông tin vệ tinh, phù hợp đặc thù thông tin vệ tinh được thực hiện dưới dạng phần mềm vô tuyến, phù hợp xu hướng phát triển công nghệ truyền thông hiện đại

Nếu thực hiện được bộ cân bằng trên, thì có thể kỳ vọng đến dịch vụ băng rộng, quĩ đạo thấp, elip với chất lượng mong muốn

Trang 30

Chương 2 – Nguyên lý bộ cân bằng – Bộ cân bằng dùng Neural Networks

Chương 2:

BỘ CÂN BẰNG DÙNG NEURAL NETWORKS

2.1 ĐẶT VẤN ĐỀ

Do đặc thù riêng về kênh truyền đã xét ở chương trước nên bộ cân bằng đóng một vai trò hết sức quan trọng trong việc triệt nhiễu liên ký tự (InterSymbol Interference - ISI) ở máy thu của các hệ thống thông tin vệ tinh Nhiễu liên ký tự sinh ra do nhiều nguyên nhân như tín hiệu truyền trên quãng đường rất dài xuyên qua nhiều lớp khí quyển, trong đó có tầng ion luôn bị xáo trộn, băng tần hữu hạn, nhiễu, đáp ứng bộ lọc hoặc kênh truyền không lý tưởng nên bị méo pha ở mức độ nào đó Những ký tự kế cận sẽ chồng lên nhau làm giao thoa giữa chúng, gây lỗi bit tại máy thu ISI được xem là trở ngại chính trong việc truyền dữ liệu tốc độ cao trong thông tin số Cân bằng là một kỹ thuật sử dụng để triệt nhiễu liên ký tự Theo nghĩa rộng, thuật ngữ cân bằng sử dụng để mô tả bất kỳ hoạt động xử lý tín hiệu nào làm giảm thiểu nhiễu ISI Vì kênh truyền bị fading ngẫu nhiên và thay đổi theo thời gian nên bộ cân bằng phải tìm bám được đặc tính thay đổi của kênh truyền, và vì thế gọi là bộ cân bằng thích ứng và mạng Neuron là giải pháp tốt - linh hoạt thực hiện bộ cân bằng thích ứng

Đã có một số dạng cân bằng được nghiên cứu đề cập trong các tài liệu như bộ cân bằng ngang ( có nhược điểm đơn giản, chất lượng không cao ), hồi tiếp quyết định ( Decision Feedback Equalizer - DFE có nhược điểm là gây lỗi lan truyền do cấu trúc DFE ), cân bằng tuyến tính thích ứng ( có nhược điểm không phù kênh truyền phi tuyến ) Do tính chất đặc biệt quan trọng của bộ cân bằng trong thông tin vệ tinh số nên nó luôn luôn là đối tượng nghiên cứu bổ sung những thành tựu khoa học công nghệ mới sao cho các hệ thống thông tin ngày càng chất lượng hơn, linh hoạt hơn, thông minh hơn Đó là tiền đề nghiên cứu của luận án “ Kết hợp Wavelets- Neural Networks xử lý tín hiệu thông tin vệ tinh “

Trang 31

2.2 NGUYÊN LÝ BỘ CÂN BẰNG THÍCH ỨNG

Nguyên lý hoạt động của bộ cân bằng thích ứng là huấn luyện và tracking Đầu tiên, chuỗi huấn luyện có chiều dài cố định được phát đi để bộ cân bằng máy thu có thể tìm trị trung bình cài đặt thích hợp theo kênh truyền Chuỗi huấn luyện thường là tín hiệu nhị phân giả ngẫu nhiên hoặc kiểu bit cố định qui ước, mô tả trước, tín hiệu ra của bộ cân bằng sẽ được so sánh với một chuỗi đích biết trước, sai số giữa hai chuỗi sẽ được dùng làm dữ liệu cập nhật các trọng số của bộ cân bằng thích ứng để cực tiểu hóa bình phương sai số Theo sau tức thời chuỗi huấn luyện này, dữ liệu (có thể có hoặc không mã hóa) được gởi đi, và bộ cân bằng thích ứng tại máy thu sử dụng thuật toán hồi quy xác định mức kênh truyền và ước lượng hệ số bộ lọc để bù cho kênh truyền Chuỗi huấn luyện được thiết kế cho phép bộ cân bằng máy thu có được các hệ số bộ lọc đúng trong những điều kiện kênh truyền xấu nhất có thể xảy ra sau khi đã truyền hết chuỗi huấn luyện Trong quá trình truyền và nhận dữ liệu, thuật toán thích ứng của bộ cân bằng tính toán các hệ số của bộ lọc để đáp ứng theo sự thay đổi của kênh truyền, tức là thay đổi liên tục đặc tính lọc của nó, đo dó gọi là bộ cân bằng thích ứng

Hình 2.1 - Sơ đồ khối hệ thống thông tin số dùng bộ cân bằng thích ứng

Theo thời gian, bộ cân bằng hội tụ về hàm của thuật toán cân bằng, cấu trúc bộ cân bằng và tốc độ thay đổi theo thời gian của kênh vô tuyến Bộ cân bằng được tái huấn luyện theo chu kỳ để duy trì khả năng triệt nhiễu ISI, thường sử dụng trong hệ thống thông tin số, ở đó dữ liệu user được phân đoạn nhỏ theo thời gian Hệ thống vô tuyến

đa truy cập phân chia thời gian (TDMA) đặc biệt phù hợp cho bộ cân bằng, dữ liệu

Trang 32

được gởi theo khối ( khe ) thời gian chiều dài cố định, và chuỗi huấn luyện thường

được gởi ở đầu khối Tại mỗi thời điểm, một khối dữ liệu mới được nhận, bộ cân bằng

tái huấn luyện sử dụng cùng một chuỗi huấn luyện

Hình 2.1 mô tả sơ đồ khối của một hệ thống thông tin sử dụng bộ cân bằng thích ứng

tại máy thu Nếu x(t) là tín hiệu thông tin gốc, f(t) là đáp ứng xung băng tần kết hợp

của máy phát, kênh truyền, và bộ phận RF/IF của máy thu, tín hiệu nhận được tại bộ

cân bằng có thể biểu diễn là:

)()()()

t n t f t x t

với f*(t) là liên hợp phức của f(t), nb(t) là nhiễu băng gốc tại ngõ vào bộ cân bằng, và

⊗ là phép tích chập Nếu đáp ứng xung của bộ cân bằng là heq(t), thì ngõ ra của bộ

cân bằng là:

)()()()(

)()()()()()

t h t n t g t x

t h t n t h t f t x t d

eq b

eq

⊗+

⊗

=

⊗+

⊗

với g(t) là đáp ứng xung kết hợp của máy phát, kênh truyền, bộ phận RF/IF của máy

thu, và bộ cân bằng Đáp ứng xung băng gốc phức của bộ cân bằng lọc ngang cho bởi :

=

n n

eq t c t nT

(2.3)

với c n là các hệ số bộ lọc phức của bộ cân bằng Ngõ ra mong muốn của bộ cân bằng

là x(t), dữ liệu nguồn gốc Giả sử nb(t) = 0 Để dÂ(t) = x(t) trong phương trình (2), g(t)

phải bằng:

) ( ) ( ) ( )

t t h t f t

Mục đích cân bằng là thỏa mãn phương trình (2.4) Trong miền tần số, phương trình

(2.4) được biểu diễn là:

1 ) ( ) (f F* f =

với Heq(f) và F(f) là biến đổi Fourier của heq(t) và f(t)

Phương trình (2.5) cho thấy bộ cân bằng thực sự là bộ lọc nghịch đảo của kênh truyền

Nếu kênh truyền chọn lọc tần số, bộ cân bằng nâng cao những thành phần tần số có

biên độ nhỏ và làm giảm thành phần tần số có biên độ lớn trong phổ tần số nhận được

để cho đáp ứng tần số nhận được bằng phẳng và đáp ứng pha tuyến tính Đối với kênh

truyền thay đổi theo thời gian, bộ cân bằng thích ứng được thiết kế để lần theo sự thay

Trang 33

đổi kênh truyền sao cho thỏa mãn gần chính xác phương trình (2.5), nghĩa là bộ cân bằng “ học ” được sự thay đổi của kênh truyền Từ ý tưởng này ứng dụng công cụ xử lý tín hiệu hiện đại là Neural Network vào bộ cân bằng thích ứng

2.3 BỘ CÂN BẰNG THÍCH ỨNG TỔNG QUÁT

Bộ cân bằng thích ứng là một bộ lọc thay đổi theo thời gian phải luôn luôn được tự

điều chỉnh Cấu trúc cơ bản của một bộ cân bằng thích ứng cho ở hình 2.2 với k là chỉ

số rời rạc thời gian

lỗi e

Tín hiệu vào

k

y 0k w

cập nhật các trọng số wnk

2k

-1 1k

k-1

y z

cân bằng Ngõ ra bộ

-k k

d được cài bằng x hoặc biết trước đặc tính

Nk w

thuật toán thích ứng

Hình 2.2 - Bộ cân bằng thích ứng tổng quát

Ở sơ đồ trên có một ngõ vào tại một thời điểm Giá trị yk phụ thuộc trạng thái tức thời của kênh truyền vô tuyến và giá trị cụ thể của nhiễu Vì thế yk là ngẫu nhiên Cấu trúc bộ cân bằng thích ứng này gọi là bộ lọc cân bằng ngang có N thành phần trễ, có N+1 nhánh và N+1 điều chỉnh trọng số (weights) Trọng số của bộ lọc được mô tả bằng vị trí vật lý của nó trong cấu trúc đường trễ, và có một chỉ số thứ hai k, chỉ sự thay đổi của chúng theo thời gian Những trọng số này được cập nhật liên tục bằng thuật toán thích ứng

Tín hiệu lỗi ek điều khiển bộ cân bằng thích ứng Tín hiệu lỗi này rút ra từ so sánh giữa tín hiệu ngõ ra dÂk của bộ cân bằng, với tín hiệu dk là tín hiệu đúng với tín hiệu phát xk (bản sao chuỗi huấn luyện của chuỗi phát ) Thuật toán thích ứng sử dụng ek để tính toán, cập nhật và tối ưu các trọng số của bộ cân bằng Ví dụ thuật toán trung bình bình phương nhỏ nhất (Least Mean Squares - LMS) tìm các trọng số bộ lọc tối ưu hoặc gần tối ưu bằng cách thực hiện các bước lặp lại sau:

Trang 34

Các trọng số mới = các trọng số trước + (hằng số)*(lỗi trước)*(vector vào hiện tại)

Với Lỗi trước = ngõ ra mong muốn trước – ngõ ra thực trước

Hằng số có thể được điều chỉnh bằng thuật toán để điều khiển độ thay đổi các trọng số

bộ lọc giữa các lần liên tiếp Chương trình lặp các bước trên để hội tụ và nhiều kỹ

thuật khác nhau (như các thuật toán gradient hay steepest decent) có thể sử dụng để

giảm thiểu lỗi Khi đạt được độ hội tụ, thuật toán thích ứng chốt các trọng số bộ lọc

cho đến khi tín hiệu lỗi vượt quá mức cho phép hoặc cho đến khi chuỗi huấn luyện mới

gởi đi

Định nghĩa tín hiệu vào bộ cân bằng là vector yk với:

N k k

k k

Ngõ ra của bộ cân bằng thích ứng là một tích vô hướng của 2 vector :

n k N

n nk

Từ phương trình (2.6), vector trọng số là:

Nk k

k k k

Sử dụng (2.6) và (2.8), (2.7) được viết lại như sau:

k T k k T k

Nếu ngõ ra bộ cân bằng mong muốn đã biết (nghĩa là dk = xk) thì tín hiệu lỗi là:

k k k k

Và từ (2.9)

k T k k k T k k

(2.12) dùng chỉnh bộ cân bằng thích ứng để có được đáp ứng phổ bằng phẳng (cực tiểu

ISI ) ở tín hiệu thu được Điều này có được khi tín hiệu vào yk và đáp ứng mong muốn

Trang 35

cực tiểu hóa MSE dẫn đến giải pháp tối ưu cho ωk

Xét bộ cân bằng ngang sau :

Hình 2.3 - Bộ cân bằng ngang có 2M + 1 đốt

Bộ này bao gồm một đường dây trễ 2M + 1 đốt, mỗi đốt có thời gian trễ Ts giây, và nó

được nối qua một bộ khuếch đại biến đổi được, ký hiệu các hệ số tăng ích tương ứng

với từng nhánh đó là Cm, ,C0, C1 , Cm cho 2M + 1 đốt; tất cả các đầu ra được nối đế

một bộ khuếch đại tổng Nếu biết dạng xung đi vào của bộ cân bằng là pr(t) và đầu ra

của nó là Peq(t), thì quan hệ giữa chúng là:

Peq(t) = ∑

−

+

−M

M m

s r

mp [t (m M)T ]

Giả sử pr(t) có đỉnh tại t = 0, và giao thoa giữa các ký hiệu ở cả hai phía, tốc độ lấy

mẫu ở đầu ra cho bởi:

m m r s

]m)T-[(kp

Để loại bỏ được ISI, về lý tưởng cần có:

Trang 36

0kvới

Vì chỉ có 2M + 1 đốt trong lúc đó số đốt cần thiết phải là vô cùng, vậy giá trị của Peq(t)

chỉ có thể định rõ tại 2M + 1 điểm:

0kvới

Từ các phương trình (2.20), (2.21), một tập hợp gồm (2M + 1) phương trình tuyến tính

đồng thời, có thể giải được Cm Tập này cho dưới dạng ma trận:

C C : : C : : C C

(0) p (2M)

p : : : : : :

1) 2M ( (0) p (1)p

p

2M) ( (1) p (0)p

p

1 2M

0 0 : 0 1 0 :

m

1 m 0

1 m m

r r

s r

r

r s

0 0

(2.18)

Ma trận đã cho trong phương trình (2.22) gọi là ma trận "cưỡng bức không" của các bộ

cân bằng và chọn các hệ số của đốt để méo đỉnh là bé nhất bằng cách ép bộ cân bằng

tiến tới 0 tại M điểm lấy mẫu ở cả hai phía của xung yêu cầu

Ví dụ: Sử dụng bộ cân bằng 3 đốt để điều chỉnh sao cho giảm được giao thoa giữa các

cân bằng Xác định các giá trị tăng ích của đốt và các giá trị của xung đã được cân

bằng tại các thời điểm lấy mẫu

1 -

C C

C 0,0 0,1

0,2 - 0,0

0,1 0,2 - 0 , 0

1 , 0

0 , 1 0 1 0

(2.19)

Trang 37

20 , 0

1 0

1

C C

Xung đã cân bằng chỉ ra trên hình 2.4 Chú ý rằng ở các phía khác nhau của t = 0

(nghĩa là t = ±Ts), là điểm 0 của xung ra

Hình 2.4 - Dạng sóng vào và ra bộ cân bằng ngang 3 đốt

Tổng quát các kỹ thuật cân bằng được đề cập trong các tài liệu tham khảo

2.4 GIẢI THUẬT TRUNG BÌNH BÌNH PHƯƠNG NHỎ NHẤT (LMS)

Bộ cân bằng mạnh hơn là bộ cân bằng LMS mà tiêu chuẩn sử dụng là cực tiểu hóa

trung bình bình phương sai số (MSE) giữa ngõ ra mong muốn của bộ cân bằng và ngõ

ra bộ cân bằng thực tế Trong hình 2.2 sai số dự đoán là:

và suy ra:

Trang 38

Với đường truyền cụ thể, sai số dự đoán ek độc lập đối với vector độ lợi ωN, vì thế

MSE của bộ cân bằng là hàm theo ωN Đặt hàm giá trị J(ωN) là trung bình bình phương

sai số là hàm của vector độ lợi ωN Để cực tiểu hóa MSE, cho đạo hàm ở phương trình

(2.23) bằng zero:

( )ω =−2 +2 =0ω

∂

ωN NN N

N N

R p

Rút gọn phương trình (2.24):

Phương trình (2.25) là kết quả kinh điển, gọi là phương trình chuẩn, do đó sai số được

cực tiểu hóa và trực giao (chuẩn hóa) với hình chiếu của tín hiệu mong muốn xk Khi

phương trình (2.25) thoả mãn, MSE của bộ cân bằng là:

Để thu được vector độ lợi tối ưu ωâN, phương trình chuẩn (2.26) phải được giải lặp đi lặp

lại để bộ cân bằng hội tụ đến giá trị nhỏ chấp nhận được của Jopt Có nhiều cách để

làm việc này, và nhiều biến thể của thuật toán LMS được xây dựng dựa trên việc giải

phương trình (2.26) Một phương pháp tính là:

Ưu điểm của phương pháp này giải trực tiếp phương trình (2.22) là chỉ yêu cầu N ký tự

ngõ vào để giải phương trình chuẩn Vì vậy, chuỗi huấn luyện dài là không cần thiết

Trong thực tế, việc cực tiểu hoá MSE được thực hiện đệ qui bằng cách sử dụng thuật

toán stochastic gradient Thường được gọi là giải thuật trung bình bình phương sai số

nhỏ nhất (LMS) Giải thuật LMS là giải thuật cân bằng đơn giản nhất và chỉ cần 2N+1

phép toán mỗi vòng lặp Các trọng số bộ lọc được cập nhật bởi các phương trình cập

Trang 39

nhật cho ở dưới đây Biến n là chuỗi những phép lặp, LMS được tính lặp đi lặp lại như

sau:

với chỉ số N là số tầng trễ trong bộ cân bằng, và α là kích thước nấc điều khiển tốc độ

hội tụ và tính ổn định của giải thuật

Bộ cân bằng LMS làm tăng tối đa tỉ số tín hiệu trên nhiễu tại ngõ ra bộ cân bằng Nếu

tín hiệu vào có đặc tính tán xạ thời gian lớn hơn nhiều độ trễ truyền qua bộ cân bằng,

thì bộ cân bằng sẽ không thể làm giảm độ méo dạng Tốc độ hội tụ của thuật toán

LMS chậm vì chỉ có một thông số, kích thước nấc α, điều khiển tốc độ thích ứng Để

tránh bộ cân bằng không ổn định, giá trị α được chọn trong khoảng:

∑

=λ

<

α

< N

i i

i

i =λ

∑

−1

(2.32)

kích thước nấc α có thể được điều khiển bằng tổng công suất ngõ vào để tránh mất ổn

định trong bộ cân bằng

Nhận xét: các nghiên cứu cho thấy Neural Networks là công cụ xử lý tín hiệu hiện

đại, lập trình được, có cấu trúc phù hợp với bộ cân bằng thích ứng Mục sau xem xét

Neural Networks và bộ cân bằng thích ứng dùng Neural Networks

2.5 MẠNG NEURON

2.5.1 Tổng quan

Neural Networks trong một vài năm trở lại đây đã được nhiều người quan tâm và đã

áp dụng thành công trong nhiều lĩnh vực khác nhau, như tài chính, y tế, địa chất và vật

lý Bất cứ ở đâu có vấn đề về dự báo, phân loại và điều khiển, Neural Networks đều

có thể ứng dụng được Sự thành công nhanh chóng của mạng Neural Networks có thể

là do một số nhân tố chính sau:

Trang 40

Chöông 2 – Nguyeân lyù boä caân baèng – Boä caân baèng duøng Neural Networks

Naêng löïc : Neural Networks laø nhöõng kyõ thuaät moâ phoûng raát tinh vi, coù khaû naêng moâ

phoûng caùc haøm cöïc kyø phöùc taïp Ñaëc bieät, Neural Networks coù theå hoaït ñoäng phi tuyeán laãn tuyeán tính

Deã söû duïng : Neural Networks coù tính hoïc theo caùc maãụ Ngöôøi söû duïng Neural

Networks thu thaäp caùc döõ lieäu ñaëc tröng ( ví duï chuoãi huaán luyeän trong thoâng tin soá ), vaø sau ñoù goïi caùc thuaät toaùn huaán luyeän ñeå coù theå töï hoïc caáu truùc cuûa döõ lieäụ Coù theå choïn vaø chuaån bò döõ lieäu, söû duïng loaïi maïng phuø hôïp vaø coù theå bieát ñöôïc caùc keát quaû

Moät neuron nhaân taïo: xöû lyù töông töï nhö moät neuron trong naõo ngöôøi, bao goàm:

Moät taäp cuûa caùc synapse (khôùp thaàn kinh) töông öùng vôùi caùc troïng soá synapse, moãi

troïng soá khôùp w ij

Moät boä coäng (haøm f(.)) seõ coäng taát caû caùc tín hieäu ngoõ vaøo sau khi ñaõ ñöôïc nhaân vôùi

troïng soá khôùp (synaptic weight)

khi ặ) laø haøm phi tuyeán Noù coù theå laø haøm giaù trò lieân tuïc, nhò phaân hay löôõng cöïc,

hoaëc coù theå laø haøm tuyeán tính trong moät soá tröôøng hôïp nhaát ñònh

0 n neáu 1 )

lim(n hard a

a = purelin(n) = n

e n

Neural Networks coù theå hoïc moái lieân heä giöõa ngoõ vaøo vaø ngoõ ra thoâng qua vieäc huaán luyeän Coù hai loaïi huaán luyeän söû duïng trong Neural Networks laø huaán luyeän coù giaùm

Định dạng
Số trang	196
Dung lượng	4,57 MB