LINK TẢI LUẬN VĂN MIỄN PHÍ CHO AE KET-NOI
xii
DANH MỤC BẢNG
Bảng 2.1: Bảng thông số của các mô hình TDL ................................................. 14
Bảng 3.1: Thông số huấn luyện cho mạng CNN. ................................................ 35
Bảng 4.1: Bảng tóm tắt các thông số cấu hình của mạng 1................................. 38
Bảng 4.2: Bảng tóm tắt các thông số cấu hình của mạng 2................................. 42
Bảng 4.3: Kết quả sai số bình phương MSE của 2 mạng với việc thay đổi các mô
hình TDL tại SNR = 10dB. .................................................................................. 45
Bảng 4.4: Kết quả sai số bình phương MSE của 2 mạng với phương pháp điều
chế QPSK tại SNR = 10dB. ................................................................................. 46
xiii
CÁC TỪ VIẾT TẮT
3GPP 3rd Generation Partnership Project Dự án hợp tác thế hệ thứ 3
5G 5th Generation Mạng di động thế hệ thứ 5
AI Artificial Intelligence Trí tuệ nhân tạo
ANN Artificial Neural Networks Mạng nơ-ron nhân tạo
CA Carrier Aggregation Ghép kênh sóng mang
CC Coordinated Multi-Point Đa Điểm Phối Hợp
CNN Convolutional Neural Network Mạng nơ-ron tích chập
CoMP Component Carrier Sóng mang thành phần
DL Deep Learning Học sâu
DM-RS DeModulation Reference Signal Tín hiệu tham chiếu giải điều
biến
EMBB Enhanced Mobile Broadband Băng rộng di động nâng cao
FCL Fully Connected Layer Lớp kết nối đầy đủ
IMT International Mobile
Telecommunications
Viễn Thông Di Động
Quốc Tế
IoT Internet of Things Mạng lưới vạn vật kết nối
internet
IP Internet Protocol Giao thức Internet
LTE Long Term Evolution Phát triển dài hạn
MAC Medium Access Control Điều khiển truy cập trung gian
MBMS Multimedia Broadcast Multicast
Service
Dịch vụ phát đa phương tiện
MCH Multicast Channel Kênh đa điểm
ML Machine Learning Máy học
MMTC Massive Machine-Type
Communications
Truyền thông máy số lượng
lớn
MSE Mean Square Error Sai số bình phương trung bình
xiv
NB-IoT Narrowband Internet of Things Interner vạn vật băng hẹp
NLP Neuro-Linguistic Programming Lập trình ngôn ngữ tư duy
Norm Normalization Chuẩn hoá
NR New Radio Sóng vô tuyến mới
OFDM Orthogonal Frequency Division
Multiplexing
PDSCH Physical Downlink Shared
Channel
Kênh chia sẻ đường xuống vật
lý
QAM Quadrature amplitude modulation Điều chế biên độ cầu phương
QPSK Quadrature Phase Shift Keying Điều chế pha trực giao
ReLU Rectified linear unit Hàm kích hoạt
RLC Radio Link Control Điều khiển liên kết Radio
RNNs Recurrent Neural Networks Mạng nơ-ron hồi quy
SISO Single Input - Single Output Đơn vào – Đơn ra
SNR Signal-to-Noise Ratio Tỷ lệ tín hiệu trên nhiễu
sTTI Shortened Transmission Time
Interval
Khoảng thời gian truyền dẫn
rút ngắn
TDD Time Division Duplex Phân chia song công theo thời
gian
TDL Tapped Delay Line Đường dây trễ có đầu ra
URLLC Ultra Reliable Low Latency
Communications
Truyền thông độ trễ thấp siêu
tin cậy
V2V Vehicle-Two-Vehicle Giao tiếp Xe-Tới-Xe
V2X Vehicle-Two-everything Giao tiếp Xe-Tới-mọi thứ
VR Virtual Reality Thực tế ảo
1
CHƯƠNG 1
TỔNG QUAN
1.1 GIỚI THIỆU
Hiện nay, mạng di động 5G hứa hẹn sẽ mang lại những tiến bộ đáng kể
trong việc kết nối và truyền tải dữ liệu. chức năng đáng chú ý của 5G bao gồm tốc
độ cao, thời gian đáp ứng thấp, có thể kết nối hàng tỷ thiết bị cùng lúc và hỗ trợ
ứng dụng đa dạng từ Internet of Things (IoT) đến truyền video 4K/8K và thậm chí
là thực tế ảo (VR). Trong đó để đảm bảo vấn đề hiệu suất truyền tải và chất lượng
dịch vụ của mạng 5G, việc ước lượng kênh là một yếu tố cực kỳ quan trọng.
Ước lượng kênh trong mạng di động là quá trình xác định tình trạng của
kênh truyền dẫn thông qua việc phân tích tín hiệu được nhận từ các thiết bị di động.
Thông tin thu được từ quá trình này rất quan trọng để điều chỉnh cấu hình của
mạng, tối ưu hóa nguồn lực và đảm bảo chất lượng dịch vụ. Tuy nhiên, việc thu
thập dữ liệu thực tế cho quá trình ước lượng kênh có thể đắt đỏ và khó khăn do yêu
cầu về cơ sở hạ tầng và tài nguyên.
Một giải pháp hiệu quả để giảm bớt chi phí và khả năng thu thập dữ liệu là
sử dụng phương pháp tổng hợp dữ liệu. Phương pháp sử dụng mô hình mạng nơ-
ron để tạo ra dữ liệu mô phỏng, giúp hiệu suất của các ứng dụng được cải thiện mà
không cần dựa vào dữ liệu thực tế. Trong ngữ cảnh này, mô hình mạng CNN
được coi là một công cụ tối ưu trong việc tổng hợp dữ liệu cho nhiều ứng dụng
khác nhau, kể cả việc ước lượng kênh trong mạng di động 5G.
1.2 MỤC TIÊU CỦA ĐỀ TÀI
Mục tiêu của đề tài này là nghiên cứu và phát triển các phương pháp sử
dụng mô hình mạng CNN để tổng hợp dữ liệu cho ước lượng kênh trong mạng 5G.
Mục tiêu cụ thể bao gồm:
2
• Phát triển một kiến trúc mô hình CNN hiệu quả cho việc tổng hợp dữ liệu
kênh trong mạng 5G.
• Cải thiện tính đa dạng và chính xác của dữ liệu tổng hợp để đảm bảo hiệu
suất ước lượng kênh tốt nhất.
• Đánh giá hiệu suất của việc ước lượng kênh bằng việc so sánh kết quả ước
lượng kênh thực nghiệm với ước lượng kênh hoàn hảo.
1.3 GIỚI HẠN ĐỀ TÀI
• Đề tài chỉ sử dụng công cụ matlab để hỗ trợ thực hiện.
• Quá trình ước lượng kênh chỉ trong chế độ truyền thông một đầu vào một
đầu ra (SISO).
• Đề tài này chỉ tập trung xây dựng mô hình CNN và áp dụng nó trong việc
ước lượng kênh của mạng viễn thông 5G.
1.4 CẤU TRÚC ĐỀ TÀI
Chương 1: Tổng quan
Chương sẽ giới thiệu sơ lược về đề tài, đưa ra mục tiêu, giới hạn và cấu trúc
của đề tài.
Chương 2: Cơ sở lý thuyết
Chương này trình bày lý thuyết của mạng viễn thông 5G, mạng nơ-ron nhân
tạo và mạng CNN để từ đó lựa chọn xây dựng mô hình cụ thể.
Chương 3: Ứng dụng CNN trong việc ước lượng kênh
Chương này chủ yếu tập trung xây dựng mạng CNN, quy trình huấn luyện
mạng và quy trình để ước lượng kênh.
Chương 4: Kết quả và đánh giá
Chương này đưa ra các kết quả nghiên cứu đã mô phỏng và tiến hành đánh
giá, nhận xét các thông số.
Chương 5: Kết luận và hướng phát triển
3
Dựa trên kết quả thu thập được, nêu ra những thứ đã đạt được trong mục
tiêu đề ra và hướng phát triển của đề tài.
4
2.1 CƠ SỞ LÝ THUYẾT VỀ 5G
2.1.1 Sự phát triển và ứng dụng của 5G
Tiêu chuẩn Long Term Evolution (LTE) ra đời vào năm 2009 (phiên bản 8),
đánh dấu bước khởi đầu của kỷ nguyên 4G và đã trải qua một loạt các giai đoạn
tiến hóa, mang lại cải thiện về hiệu suất và khả năng mở rộng [1]. Các cải tiến này
bao gồm các chức năng dành cho dịch vụ di động rộng băng thông, như truyền dữ
liệu có tốc độ cao hơn, hiệu suất phổ tốt hơn và cải thiện về phạm vi phủ sóng. Sự
tiến hóa liên tục của LTE và các cải tiến trong tương lai được coi là phần quan
trọng của giải pháp truy cập radio 5G tổng thể.
Sau các phiên bản phát hành ban đầu 8 và 9, xuất hiện nhiều yêu cầu và
mong đợi mới, do đó các phiên bản tiếp theo, được biết đến với tên gọi LTE
Advanced hay Evolution, đã được chuẩn bị với mục đích cung cấp các cải tiến
cũng như các chức năng khác trong các lĩnh vực khác nhau [1]. Hình 2.1 cho thấy
một số lĩnh vực chính mà LTE đã tiến hóa qua nhiều năm.
Hình 2.1: Sự tiến hóa của LTE [1]
CHƯƠNG 2
CƠ SỞ LÝ THUYẾT
5
Sự tiến hóa của LTE bắt đầu từ phiên bản 10, hoàn thành vào cuối năm
2010, với mục tiêu chính là đảm bảo tính tuân thủ của công nghệ truy cập radio
LTE với các yêu cầu IMT-Advanced [1]. Phiên bản LTE này giới thiệu tính linh
hoạt tần số LTE nâng cao thông qua ghép kênh sóng mang - CA: như có thể thấy
trong Hình 2.2, lên đến năm sóng mang thành phần - CC, có thể có băng thông
khác nhau, được tổ hợp và sử dụng cùng nhau cho việc truyền/nhận từ một thiết bị
đầu cuối duy nhất, cho phép có một băng thông truyền tối đa lên đến 100 MHz [1].
Hình 2.2: Tổ hợp tần số của LTE [1]
Việc sử dụng tổ hợp trạm mang lại một số lợi ích:
• Tốc độ dữ liệu cao hơn, vì việc tổ hợp các tần số tăng cường nguồn lực phổ.
• Tăng dung lượng, nhờ vào việc tập trung lưu lượng từ việc lên kế hoạch
động cho lưu lượng trên toàn bộ phổ.
• Sử dụng tối ưu nguồn lực phổ của các nhà khai thác: hầu hết các nhà khai
thác sở hữu các tần số phân mảnh bao gồm các băng tần khác nhau và tổ
hợp trạm giúp kết hợp chúng thành một nguồn lực phổ thuận tiện hơ
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
xii
DANH MỤC BẢNG
Bảng 2.1: Bảng thông số của các mô hình TDL ................................................. 14
Bảng 3.1: Thông số huấn luyện cho mạng CNN. ................................................ 35
Bảng 4.1: Bảng tóm tắt các thông số cấu hình của mạng 1................................. 38
Bảng 4.2: Bảng tóm tắt các thông số cấu hình của mạng 2................................. 42
Bảng 4.3: Kết quả sai số bình phương MSE của 2 mạng với việc thay đổi các mô
hình TDL tại SNR = 10dB. .................................................................................. 45
Bảng 4.4: Kết quả sai số bình phương MSE của 2 mạng với phương pháp điều
chế QPSK tại SNR = 10dB. ................................................................................. 46
xiii
CÁC TỪ VIẾT TẮT
3GPP 3rd Generation Partnership Project Dự án hợp tác thế hệ thứ 3
5G 5th Generation Mạng di động thế hệ thứ 5
AI Artificial Intelligence Trí tuệ nhân tạo
ANN Artificial Neural Networks Mạng nơ-ron nhân tạo
CA Carrier Aggregation Ghép kênh sóng mang
CC Coordinated Multi-Point Đa Điểm Phối Hợp
CNN Convolutional Neural Network Mạng nơ-ron tích chập
CoMP Component Carrier Sóng mang thành phần
DL Deep Learning Học sâu
DM-RS DeModulation Reference Signal Tín hiệu tham chiếu giải điều
biến
EMBB Enhanced Mobile Broadband Băng rộng di động nâng cao
FCL Fully Connected Layer Lớp kết nối đầy đủ
IMT International Mobile
Telecommunications
Viễn Thông Di Động
Quốc Tế
IoT Internet of Things Mạng lưới vạn vật kết nối
internet
IP Internet Protocol Giao thức Internet
LTE Long Term Evolution Phát triển dài hạn
MAC Medium Access Control Điều khiển truy cập trung gian
MBMS Multimedia Broadcast Multicast
Service
Dịch vụ phát đa phương tiện
MCH Multicast Channel Kênh đa điểm
ML Machine Learning Máy học
MMTC Massive Machine-Type
Communications
Truyền thông máy số lượng
lớn
MSE Mean Square Error Sai số bình phương trung bình
xiv
NB-IoT Narrowband Internet of Things Interner vạn vật băng hẹp
NLP Neuro-Linguistic Programming Lập trình ngôn ngữ tư duy
Norm Normalization Chuẩn hoá
NR New Radio Sóng vô tuyến mới
OFDM Orthogonal Frequency Division
Multiplexing
PDSCH Physical Downlink Shared
Channel
Kênh chia sẻ đường xuống vật
lý
QAM Quadrature amplitude modulation Điều chế biên độ cầu phương
QPSK Quadrature Phase Shift Keying Điều chế pha trực giao
ReLU Rectified linear unit Hàm kích hoạt
RLC Radio Link Control Điều khiển liên kết Radio
RNNs Recurrent Neural Networks Mạng nơ-ron hồi quy
SISO Single Input - Single Output Đơn vào – Đơn ra
SNR Signal-to-Noise Ratio Tỷ lệ tín hiệu trên nhiễu
sTTI Shortened Transmission Time
Interval
Khoảng thời gian truyền dẫn
rút ngắn
TDD Time Division Duplex Phân chia song công theo thời
gian
TDL Tapped Delay Line Đường dây trễ có đầu ra
URLLC Ultra Reliable Low Latency
Communications
Truyền thông độ trễ thấp siêu
tin cậy
V2V Vehicle-Two-Vehicle Giao tiếp Xe-Tới-Xe
V2X Vehicle-Two-everything Giao tiếp Xe-Tới-mọi thứ
VR Virtual Reality Thực tế ảo
1
CHƯƠNG 1
TỔNG QUAN
1.1 GIỚI THIỆU
Hiện nay, mạng di động 5G hứa hẹn sẽ mang lại những tiến bộ đáng kể
trong việc kết nối và truyền tải dữ liệu. chức năng đáng chú ý của 5G bao gồm tốc
độ cao, thời gian đáp ứng thấp, có thể kết nối hàng tỷ thiết bị cùng lúc và hỗ trợ
ứng dụng đa dạng từ Internet of Things (IoT) đến truyền video 4K/8K và thậm chí
là thực tế ảo (VR). Trong đó để đảm bảo vấn đề hiệu suất truyền tải và chất lượng
dịch vụ của mạng 5G, việc ước lượng kênh là một yếu tố cực kỳ quan trọng.
Ước lượng kênh trong mạng di động là quá trình xác định tình trạng của
kênh truyền dẫn thông qua việc phân tích tín hiệu được nhận từ các thiết bị di động.
Thông tin thu được từ quá trình này rất quan trọng để điều chỉnh cấu hình của
mạng, tối ưu hóa nguồn lực và đảm bảo chất lượng dịch vụ. Tuy nhiên, việc thu
thập dữ liệu thực tế cho quá trình ước lượng kênh có thể đắt đỏ và khó khăn do yêu
cầu về cơ sở hạ tầng và tài nguyên.
Một giải pháp hiệu quả để giảm bớt chi phí và khả năng thu thập dữ liệu là
sử dụng phương pháp tổng hợp dữ liệu. Phương pháp sử dụng mô hình mạng nơ-
ron để tạo ra dữ liệu mô phỏng, giúp hiệu suất của các ứng dụng được cải thiện mà
không cần dựa vào dữ liệu thực tế. Trong ngữ cảnh này, mô hình mạng CNN
được coi là một công cụ tối ưu trong việc tổng hợp dữ liệu cho nhiều ứng dụng
khác nhau, kể cả việc ước lượng kênh trong mạng di động 5G.
1.2 MỤC TIÊU CỦA ĐỀ TÀI
Mục tiêu của đề tài này là nghiên cứu và phát triển các phương pháp sử
dụng mô hình mạng CNN để tổng hợp dữ liệu cho ước lượng kênh trong mạng 5G.
Mục tiêu cụ thể bao gồm:
2
• Phát triển một kiến trúc mô hình CNN hiệu quả cho việc tổng hợp dữ liệu
kênh trong mạng 5G.
• Cải thiện tính đa dạng và chính xác của dữ liệu tổng hợp để đảm bảo hiệu
suất ước lượng kênh tốt nhất.
• Đánh giá hiệu suất của việc ước lượng kênh bằng việc so sánh kết quả ước
lượng kênh thực nghiệm với ước lượng kênh hoàn hảo.
1.3 GIỚI HẠN ĐỀ TÀI
• Đề tài chỉ sử dụng công cụ matlab để hỗ trợ thực hiện.
• Quá trình ước lượng kênh chỉ trong chế độ truyền thông một đầu vào một
đầu ra (SISO).
• Đề tài này chỉ tập trung xây dựng mô hình CNN và áp dụng nó trong việc
ước lượng kênh của mạng viễn thông 5G.
1.4 CẤU TRÚC ĐỀ TÀI
Chương 1: Tổng quan
Chương sẽ giới thiệu sơ lược về đề tài, đưa ra mục tiêu, giới hạn và cấu trúc
của đề tài.
Chương 2: Cơ sở lý thuyết
Chương này trình bày lý thuyết của mạng viễn thông 5G, mạng nơ-ron nhân
tạo và mạng CNN để từ đó lựa chọn xây dựng mô hình cụ thể.
Chương 3: Ứng dụng CNN trong việc ước lượng kênh
Chương này chủ yếu tập trung xây dựng mạng CNN, quy trình huấn luyện
mạng và quy trình để ước lượng kênh.
Chương 4: Kết quả và đánh giá
Chương này đưa ra các kết quả nghiên cứu đã mô phỏng và tiến hành đánh
giá, nhận xét các thông số.
Chương 5: Kết luận và hướng phát triển
3
Dựa trên kết quả thu thập được, nêu ra những thứ đã đạt được trong mục
tiêu đề ra và hướng phát triển của đề tài.
4
2.1 CƠ SỞ LÝ THUYẾT VỀ 5G
2.1.1 Sự phát triển và ứng dụng của 5G
Tiêu chuẩn Long Term Evolution (LTE) ra đời vào năm 2009 (phiên bản 8),
đánh dấu bước khởi đầu của kỷ nguyên 4G và đã trải qua một loạt các giai đoạn
tiến hóa, mang lại cải thiện về hiệu suất và khả năng mở rộng [1]. Các cải tiến này
bao gồm các chức năng dành cho dịch vụ di động rộng băng thông, như truyền dữ
liệu có tốc độ cao hơn, hiệu suất phổ tốt hơn và cải thiện về phạm vi phủ sóng. Sự
tiến hóa liên tục của LTE và các cải tiến trong tương lai được coi là phần quan
trọng của giải pháp truy cập radio 5G tổng thể.
Sau các phiên bản phát hành ban đầu 8 và 9, xuất hiện nhiều yêu cầu và
mong đợi mới, do đó các phiên bản tiếp theo, được biết đến với tên gọi LTE
Advanced hay Evolution, đã được chuẩn bị với mục đích cung cấp các cải tiến
cũng như các chức năng khác trong các lĩnh vực khác nhau [1]. Hình 2.1 cho thấy
một số lĩnh vực chính mà LTE đã tiến hóa qua nhiều năm.
Hình 2.1: Sự tiến hóa của LTE [1]
CHƯƠNG 2
CƠ SỞ LÝ THUYẾT
5
Sự tiến hóa của LTE bắt đầu từ phiên bản 10, hoàn thành vào cuối năm
2010, với mục tiêu chính là đảm bảo tính tuân thủ của công nghệ truy cập radio
LTE với các yêu cầu IMT-Advanced [1]. Phiên bản LTE này giới thiệu tính linh
hoạt tần số LTE nâng cao thông qua ghép kênh sóng mang - CA: như có thể thấy
trong Hình 2.2, lên đến năm sóng mang thành phần - CC, có thể có băng thông
khác nhau, được tổ hợp và sử dụng cùng nhau cho việc truyền/nhận từ một thiết bị
đầu cuối duy nhất, cho phép có một băng thông truyền tối đa lên đến 100 MHz [1].
Hình 2.2: Tổ hợp tần số của LTE [1]
Việc sử dụng tổ hợp trạm mang lại một số lợi ích:
• Tốc độ dữ liệu cao hơn, vì việc tổ hợp các tần số tăng cường nguồn lực phổ.
• Tăng dung lượng, nhờ vào việc tập trung lưu lượng từ việc lên kế hoạch
động cho lưu lượng trên toàn bộ phổ.
• Sử dụng tối ưu nguồn lực phổ của các nhà khai thác: hầu hết các nhà khai
thác sở hữu các tần số phân mảnh bao gồm các băng tần khác nhau và tổ
hợp trạm giúp kết hợp chúng thành một nguồn lực phổ thuận tiện hơ
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links