See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/334668358

Power Control for Sum Spectral Efficiency Optimization in MIMO-NOMA

Systems With Linear Beamforming

Book · July 2019

CITATIONS READS

0 50

1 author:

Tien Hoa Nguyen

hanoi university of science and technology journal
26 PUBLICATIONS   59 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

VNU-UET View project

Standardization of radio communication networks for conventional & high speed railway View project

All content following this page was uploaded by Tien Hoa Nguyen on 25 July 2019.

The user has requested enhancement of the downloaded file.

 LỜI CAM ĐOAN

Tôi xin cam đoan các kết quả trình bày trong luận án là công trình nghiên

cứu của tôi dưới sự hướng dẫn của cán bộ hướng dẫn. Các số liệu, kết quả trình

bày trong luận án là hoàn toàn trung thực và chưa được công bố trong bất kỳ

công trình nào trước đây. Các kết quả sử dụng tham khảo đều đã được trích

dẫn đầy đủ và theo đúng quy định.

Hà Nội, Ngày 18 tháng 6 năm 2019

Tác giả

Trương Anh Quân

 LỜI NÓI ĐẦU

Thế giới hiện nay đang có bước chuyển biến nhanh chóng trong lĩnh vực khoa

học công nghệ. Để đáp ứng được tốc độ phát triển như hiện nay, thông tin vô

tuyến đóng vài trò quan trọng trong công cuộc đối mới vĩ đại này. Hệ thống thông

tin với tốc độ truyền dữ liệu cao kèm độ tin cậy tuyệt đối đang làm nền tảng để

phát triển những ứng dụng vạn vật kết nối (IoT). Do đó việc chọn ra những thuật

toán, chuẩn kết nối đang cấp thiết hơn bao giờ hết. Một trong những kỹ thuật có
tiềm năng giải quyết những vấn đề còn tồn đọng trong việc phát triển giao tiếp vô

tuyến đó chính là kỹ thuật đa truy nhập NOMA.

Hơn nữa kĩ thuật beamforming từng đã được sử dụng ở những hệ thống giao

tiếp trước đây cũng được chứng minh cải thiện hiệu năng đáng kể trong hệ thống

MIMO-NOMA. Vì vậy, đồ án tốt nghiệp của em sẽ chọn việc xây dựng hệ thống

MIMO-NOMA và lựa chọn kỹ thuật xây dựng vector beamforming làm chủ đạo.

Trong quá trình tìm hiểu và học hỏi tại phòng lab Mạch và Xử lý Tín hiệu dưới

sự dẫn dắt của TS. Nguyễn Tiến Hòa, em đã học hỏi được nhiều kiến thức bổ ích

cũng như rèn luyện được những kỹ năng làm việc cần thiết. Đây thực sự là những

kiến thức bổ ích, giúp đỡ em nhiều trong quá trình học tập và làm việc sau này.

Em xin gửi lời cảm ơn sâu sắc đến thầy Nguyễn Tiến Hòa đã dạy em những kiến

thức cơ bản cũng như cung cấp những tài liệu bổ ích để em có thể hoàn thành

luận văn tốt nghiệp của mình một cách tốt nhất.

Hà Nội, Ngày 18 tháng 6 năm 2019

 TÓM TẮT LUẬN ÁN

Đồ án này xem xét đường xuống của một hệ thống đa truy cập có nhiều đầu vào

đầu ra đa truy nhập không trực giao (MIMO-NOMA) khi sử dụng nhiều phương

pháp beamforming tuyến tính khác nhau, trong đó trạm phát có nhiều anten sử

dụng mỗi anten để phục vụ một cặp người dùng. Trong 1 nhóm NOMA, trước tiên

đồ án này xây dựng công thức tính toán hiệu quả sử dụng phổ để hiệu suất của hệ

thống khi sử dụng phương pháp ghép cặp người dùng được đề xuất. Sau đó, đồ án
này tiếp tục xây dựng một bài toán tối ưu hóa tổng hiệu quả sử dụng phổ với quỹ

công suất truyền hạn chế mà được biết đến là một bài toán không lồi. Sau đó, đồ

án sẽ đề xuất một phương án giải quyết vấn đề không lồi ở trên theo hai bước: chặn

dưới bài toán không lồi này bằng một bài toán quy hoạch toàn phương qua việc sử

dụng dạng epigraph, và sau đó sử dụng thuật xấp xỉ liên tiếp để tìm ra tập điểm

Karush-Kuhn-Tucker (KKT). Các kết quả bằng số cho thấy rằng một hệ thống

MIMO-NOMA khi sử dụng vector beamforming Zero Forcing (ZF) mang lại hiệu

quả sử dụng phổ tốt nhất (Sum Spectral Efficiency - SE), trong khi Regularized

Zero Forcing (RZF) lại mang lại lợi ích cho SE của người dùng yếu.
 Abstract

This paper considers a multiple input multiple output non-orthogonal multiple

access (MIMO-NOMA) downlink transmission system with different linear beam-

forming techniques, where the base station uses each cluster to serve a pair of

users. In the considered NOMA cluster, we first derive the performance analysis of

the system that uses a proposed user paring method, which exploits the different

large-scale channel qualities of users to allocate the transmit power of the strong-

and weak user in each pair, to ensure that both users in each pair can contribute

the best on the system performance. We further formulate a sum spectral efficiency

maximization with subject to the limited transmit power budget which is empha-

sized to be non-convex. We have then proposed a framework that solves the above

non-convex problem in to two steps: lower bound this non-convex problem by a

geometric program by using arithmetic mean-geometric mean inequality, and then

employ the successive optimization approach to find the local Karush-Kuhn-Tucker

(KKT) point. Numerical results manifest that a NOMA-based network with zero

forcing (ZF) beamforming gives the highest sum spectral efficiency (SE), while

regularized zero-forcing (RZF) brings benefits to the SE of weak users.

 Mục lục

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT iii

DANH MỤC HÌNH VẼ iv

DANH MỤC BẢNG vi

DANH MỤC CÁC KÝ HIỆU TOÁN HỌC vii

Chương 1 GIỚI THIỆU ĐỒ ÁN 1

Chương 2 TỔNG QUAN LÝ THUYẾT 6

2.1. Lý thuyết xác suất . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1.1. Phân bố Gaussian phức . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1.2. Tính hội tụ của biến ngẫu nhiên . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2. Những định nghĩa toán học. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.3. Giới thiệu kỹ thuật MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.4. Giới thiệu kỹ thuật NOMA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.5. Khái niệm beamforming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.6. Kết luận chương . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Chương 3 TRIỂN KHAI MÔ HÌNH HỆ THỐNG 18

3.1. Mô hình hệ thống . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.2. Đường xuống trong hệ thống . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.3. Biến đổi toán học tính toán hiệu năng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.4. Ghép cặp người dùng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

i
 ii

3.5. Đánh giá hiệu năng của đường xuống với nhiều phương pháp beamforming

tuyến tính khác nhau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.5.1. Maximum Ratio Transmission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.5.2. Zero Forcing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.5.3. Regularized Zero Forcing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.6. Tối ưu hóa hiệu quả sử dụng phổ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3.7. Kết luận chương . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

Chương 4 KẾT QUẢ MÔ PHỎNG 32

4.1. Mô hình kênh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

4.2. Đánh giá hiệu năng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.3. Kết luận chương . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Chương 5 KẾT LUẬN 40

5.1. Kết luận . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5.2. Định hướng nghiên cứu trong tương lai . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

TÀI LIỆU THAM KHẢO 43

ii
DANH MỤC CÁC TỪ VIẾT TẮT

Viết tắt Tên tiếng Anh

OFDM Orthogonal Frequency Duplexing

Modulation

CSI Channel State Information

SNR Signal-to-Noise Ratio

OMA Orthogonal Multiple Access

NOMA Non Orthogonal Multiple Access

MIMO Multiple Input Multiple Output

SIC Successive Interference Cancellation

BS Base Station

SINR Signal to Interference

plus Noise Ratio

MRT Maximum Ratio Transmission

ZF Zero-Forcing

RZF Regularized Zero-Forcing

SOA Successive Outer Approximation

QoS Quality of Service

iii
 Danh sách hình vẽ

1.1 Sự tăng trưởng nhanh chóng của mạng di động . . . . . . . . . . . . . . 1

1.2 Dự báo về số lượng thiết bị thông minh truy cập hệ thống mạng cho

tới 2022 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2.1 Mô hình đơn giản về MIMO . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Sơ đồ khối truyền tin sử dụng kỹ thuật NOMA cơ bản . . . . . . . . . 12

2.3 So sánh tốc độ bit giữa hệ thông NOMA và OMA . . . . . . . . . . . . 13

2.4 So sánh xác suất ngắt kết nối NOMA và OMA . . . . . . . . . . . . . . 14

2.5 Mô hình kỹ thuật beamforming . . . . . . . . . . . . . . . . . . . . . . . 15

3.1 Hệ thống MIMO-NOMA đề xuất với 2N người dùng được chia thành

N nhóm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.2 Phân chia 2N người dùng thành N nhóm bằng phương pháp ghép

cặp đề xuất. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4.1 Tốc độ hội tụ của thuật toán 1 khi sử dụng những phương pháp

beamforming tuyến tính khác nhau. Hệ thống đang phục vụ 40 thiết

bị người dùng. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.2 Tổng công suất cấp phát cho nhóm người dùng yếu, khỏe so với số

cặp thiết bị trong hệ thống. . . . . . . . . . . . . . . . . . . . . . . . . . 34

4.3 Tổng hiệu quả sử dụng phổ của người dùng khỏe khi sử dụng các

phương pháp beamforming khác nhau. . . . . . . . . . . . . . . . . . . . 34

4.4 Tổng hiệu quả sử dụng phổ của người dùng yếu khi sử dụng các

phương pháp beamforming khác nhau. . . . . . . . . . . . . . . . . . . . 35

iv
 v

4.5 Hàm phân phối tích lũy của hiệu quả sử dụng phổ trên từng người

dùng [b/s/Hz] khi sử dụng các phương pháp beamforming khác nhau

(người dùng yếu và khỏe). . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.6 Hàm phân phối tích lũy của hiệu quả sử dụng phổ trên từng người

dùng [b/s/Hz] khi sử dụng các phương pháp beamforming khác nhau
(chỉ người dùng yếu). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.7 Hàm phân phối tích lũy của hiệu quả sử dụng phổ trên từng người

dùng [b/s/Hz] khi sử dụng các phương pháp beamforming khác nhau

(chỉ người dùng khỏe). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4.8 Hiệu quả sử dụng phổ khi sử dụng các thuật toán cấp phát tần số

khác nhau. Hệ thống sử dụng phương pháp beamforming ZF. . . . . . 38

v
 Danh sách bảng

4.1 Thông số mô phỏng. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

vi
 DANH MỤC CÁC KÝ HIỆU TOÁN HỌC

Ký hiệu Ý nghĩa

∗
(.) Phép lấy liên hiệp phức

T
(.) Phép chuyển vị vectơ hoặc ma trận

H
(.) Phép chuyển vị vectơ hoặc ma trận đồng thời lấy liên

hiệp phức (Hermitan transpose)

E(X) Kỳ vọng của X

m×n
(.) Ma trận kích thước m × n (m hàng, n cột)

IK Ma trận đơn vị có kích thước K × K .

k.k Euclidean norm.

n ∼ CN (0, C) Phân bố Gaussian phức đối xứng với ma trận phương

sai C.

vii
 Chương 1

GIỚI THIỆU ĐỒ ÁN

1. Tính cấp thiết của luận văn

Hiện nay, công nghệ đang phát triển nhanh chóng, đặc biệt là những bước
đầu để thiết kế hệ thống IoT. Tuy nhiên việc triển khai trên thực tế vẫn còn
gặp nhiều khó khăn do hạn chế của những kỹ thuật hiện nay. Đường truyền tốc
độ cao và tính bảo mật lớn là một trong những điều kiện tiên quyết để thực
hiện được những dự án IoT trong tương lai. Hơn nữa, khả năng phục vụ đồng
thời nhiều người dùng cùng lúc cũng đáng để những nhà nghiên cứu bắt tay
vào việc.

Theo thống kê được biểu diễn trong hình 1.1, số lượng người sử dụng di động
đang tăng lên nhanh chóng trong những năm gần đây và dự đoán đến năm 2022
thiết bị di động sẽ tăng trưởng với tỉ lệ 85 % là thiếu bị thông minh như trong
hình 1.2.

Hình 1.1: Sự tăng trưởng nhanh chóng của mạng di động

1
 2

Hình 1.2: Dự báo về số lượng thiết bị thông minh truy cập hệ thống mạng cho tới 2022

Với việc công nghệ 5G vẫn đang được đặt nền móng lý thuyết, việc tối ưu và
khai thác công nghệ đã cũ vẫn được đặt lên hàng đầu. Những bài toán đồ án
này đặt ra cũng mang tính cấp thiết như những bài toán trên thế giới

• Tăng hiệu quả sử dụng phổ cũng như tăng tổng thông lượng của một hệ
thống viễn thông.

• Hạn chế phân tập thông tin.

• Tiết kiệm công suất truyền dẫn.

• Nâng cao hiệu năng của nhóm người dùng ở xa trạm phát.

Những bài toán nêu trên đều là những vấn đề đang thịnh hành trong giới
nghiên cứu của lĩnh vực viễn thông và sẽ đều được đề cập và xử lý trong những
phần sau của đồ án này.

2. Động lực nghiên cứu của đồ án

Hiện nay trên thế giới việc áp dụng kỹ thuật đa truy nhập NOMA trong
hệ thống thông tin MIMO vẫn chưa được những nhà nghiên cứu khai thác. Vì

2
 3

vậy, đồ án này đã xây dựng một mô hình MIMO-NOMA với việc chia 2 người
dùng trong 1 nhóm, gọi là nhóm NOMA. Việc chọn người dùng để ghép thành
1 nhóm cũng là một vấn đề được lưu tâm trong đồ án này.
Công trình nghiên cứu trong bài báo [24, 30, 31, 32] thực hiện tối ưu hóa
hiệu năng của toàn hệ thống thông qua việc cấp phát cho mỗi người dùng một
công suất cố định xuyên suốt quá trình thực hiện. Tuy nhiên trên thực tế quỹ
công suất cấp phát có giới hạn nên giải pháp này không khả thi với những mô
hình có rất nhiều người dùng trong tương lai. Đồ án này sẽ thực hiện việc tối
ưu hóa thông lượng của toàn hệ thống thông qua bài toán tái phân chia lại tài
nguyên công suất.
Trong những nghiên cứu [20, 39, 40, 41, 42] chỉ tập trung vào thống kê và so
sánh hiệu năng của những phương pháp beamforming tuyến tính mà không xét
đến việc ghép nhóm người dùng sao cho tối ưu nhất. Đồ án lần này sẽ đề xuất
một thuật toán ghép cặp người dùng khi sử dụng kỹ thuật NOMA nhằm đạt
được hiệu quả sử dụng phổ tốt nhất.

3. Tình hình nghiên cứu trong và ngoài nước

Những công trình beamforming cho hệ thống NOMA và kỹ thuật ghép cặp
người dùng đã được triển khai gần đây cả trong nước lẫn ngoài nước. Những
tác giả trong bài báo [30] và [31] đã có những so sánh để chỉ ra rằng hệ thống
NOMA mang lại hiệu năng vượt trội so với hệ thống OMA thông thường. Điều
này được khẳng định một lần nữa ở bài báo [24] và mở rộng với việc chứng
minh rằng hệ thống MIMO-NOMA hoạt động tốt với 2 người dùng trong 1 cụm
hơn việc có nhiều người dùng [22, 32]. Tác giả của 2 bài báo [19, 20] đã chỉ ra
rằng đối với việc sử dụng nhiều hơn 1 người dùng trong 1 nhóm NOMA, nhiễu
giữa các cụm sẽ xuất hiện đặc biệt tại những vị trí rìa của một tế bào mạng
di động. Điều này dẫn đến sự suy giảm về chỉ số QoS đối với cả 2 người dùng
đang nằm ở vùng rìa đó. Bên cạnh đó, tác giả của bài báo [33] đã đề cập đến
trường hợp có phân bố ngẫu nhiên người dùng trong 1 nhóm NOMA để đi đến

3
 4

kết luận rằng hệ thống MIMO-NOMA hoạt động tốt nhất với chỉ 2 người dùng
trong 1 nhóm.

Việc sử dụng vector beamforming đã được nghiên cứu và áp dụng trong đường
xuống của hệ thống MIMO-NOMA trong những bài báo [21, 31, 34, 35, 36, 37].
Tác giả của bài báo [37] đã sử dụng vector beamforming ZF nhằm khử nhiễu
giữa các nhóm NOMA với nhau. Còn những tác giả của bài báo [31] lại đề
xuất mô hình beamforming 2 lớp để vừa khử nhiễu vừa tối thiểu hóa công suất
truyền trong bước beamforming thứ hai. Trong khi đó, bài báo [20] lại nêu lên
một phương pháp beamforming với việc phân bố công suất phát khác nhau cho
từng nhóm người dùng.

Trên thế giới, những kỹ sư viễn thông đã thực hiện những nghiên cứu kết
hợp hệ thống MIMO-NOMA hoặc hệ thống NOMA nhận thức như trong bài
báo [20, 39, 40, 41, 42, 43, 44]. Tuy nhiên với điều kiện và thời gian có hạn,
đồ án này chỉ đề cập đến vấn đề ghép cặp và tích hợp vector beamforming khi
truyền thông tin đi. Trong những hệ thống MIMO hay massive MIMO, những
nhà nghiên cứu chỉ thực hiện beamforming với 2 phương pháp có độ phức tạp
tính tóan thấp như ZF hay MRT [45]. Như trong bài báo [46], tác giả đã nói
rằng việc sử dụng những phương pháp beamforming tuyến tính giúp làm giảm
khối lượng tính toán ở phía thu. Tuy nhiên những công trình trên đều chưa đề
cập đến giải bài toán tối ưu hiệu suất sử dụng phổ đặc biệt đối với những người
dùng được cho là có điều kiện kênh không lý tưởng: ở xa hoặc ở khuất đường
truyền thông tin đến thiết bị người dùng.

5. Những đóng góp chính của luận văn

Sau khi cân nhắc những bài toán, vấn đề đã được đề cập ở phía trên, đồ án
đã đạt được các kết quả nghiên cứu và đóng góp chính như sau:

• Tính toán và đánh giá hiệu năng của hệ thống với 3 phương pháp beam-
forming khác nhau: MRT, ZF, RZF.

4
 5

• Đồ án này sẽ đề xuất một phương pháp ghép cặp người dùng trong hệ thống
NOMA. Mặc dù chúng ta đều biết rằng việc ghép cặp liên tục cho đến khi
đạt được hiệu năng tốt nhất. Tuy nhiên việc thuật toán có độ phức tạp rất
cao rất khó để áp dụng vào phần cứng để thực hiện.

• Giải bài toán tối ưu hóa hiệu quả sử dụng phổ với điều kiện giới hạn công
suất cấp phát

6. Bố cục luận văn

Đồ án tốt nghiệp này sẽ được sắp xếp theo thứ tự sau đây:

• Chương 1: Giới thiệu đồ án

• Chương 2: Tổng quan lý thuyết

• Chương 3: Triển khai mô hình hệ thống

• Chương 4: Kết quả mô phỏng

• Chương 5: Kết luận

5
 Chương 2

TỔNG QUAN LÝ THUYẾT

2.1. Lý thuyết xác suất

2.1.1. Phân bố Gaussian phức

Trong lý thuyết xác suất, phân bố Gaussian phức đề cập tới một họ phân
bố xác suất với đặc tính là các biến ngẫu nhiên phức với phần thực và phần ảo
đều tuân theo phân phối Gaussian. Một biến ngẫu nhiên tuân theo phân phối
Gaussian bao gồm 3 thông số quan trọng: giá trị trung bình µ, ma trận hiệp
phương sai Γ, và ma trận liên quan C . Phân phối phức chuẩn là một dạng phân
phối không biến thể của phân bố Gausian phức với µ = 0, Γ = 1 và C = 0.

Định nghĩa: Giả sử ta có 2 vector ngẫu nhiên X và Y thuộc không gian

Rk thỏa mãn vector [XY ] là một vector 2k chiều ngẫu nhiên theo phân phối
Gaussian, thì ta có vector:

Z = X + iY (2.1)

tuân theo phân phối chuẩn, Phân phối của Z bao gôm 3 tham số:

• µ = E(Z)

• Γ = E(Z − µ)(Z − µ)H

• Γ = E(Z − µ)(Z − µ)T

Trong đó: các chỉ số trên: T đại diện cho ma trận chuyển vị, H đại diện cho
ma trận liên hợp chuyển vị. Tại đây ta có µ là một vector phức n chiều, Γ là
một ma trận Hermitian xác định dương, C là một ma trận đối xứng.

6
 7

2.1.2. Tính hội tụ của biến ngẫu nhiên

Trong lý thuyết xác suất, tồn tại một số khái niệm về tính hội tụ của biến
ngẫu nhiên. Khái niệm này đề cập tới việc một chuỗi những biến ngẫu nhiên
hội tụ về một số lượng giới hạn các biến ngẫu nhiên, là một chủ đề quan trọng
trong lý thuyết xác suất và những ứng dụng cho thống kê và xử lý tất định
ngẫu nhiên.

Hội tụ về phân bố

Ở loại hội tụ này, ta mong muốn thấy đầu ra của một chuỗi các phép thử
ngẫu nhiên được mô hình hóa một cách ngày càng tốt hơn về một hàm phân
bố xác suất được cho trước.

Hội tụ về phân bố là kiểu hội tụ yếu nhất, bởi nó được bao hàm bởi tất cả
các kiểu hội tụ khác của biến ngẫu nhiên. Tuy nhiên đây lại là kiểu hội tụ được
sử dụng nhiều nhất, đặc biệt trong những ứng dụng liên quan tới định lý giới
hạn trung tâm.

Định nghĩa:

Một chuỗi những biến ngẫu nhiên thực X1 , X2 . . . được gọi là hội tụ về phân
bố, hoặc hội tụ yếu về một biến ngẫu nhiên X nếu:

lim Fn (x) = F (x) (2.2)

n→∞

Với mọi x ∈ R tại đó F liên tục. Fn và F tương ứng là hàm phân bối tích
lũy của biến ngẫu nhiên Xn và X .
s
Phân bố về xác suất được ký hiệu bởi: Xn →
− X
Với vector ma trận ngẫu nhiên X1 , X2 , ... ⊂ Rk , hội tụ về phân bố được định
nghĩa một cách tương tự. Ta nói chuỗi này hội tụ về về phân bố của vector ngẫu
nhiên X k chiều nếu:

lim (Xn ∈ A) = P r(X ∈ A) (2.3)

n→∞

7
 8

Với mọi A ⊂ Rk là một tập hợp liên tục của X .

Tính chất:

Hội tụ theo xác suất

Ở kiểu hội tụ này, xác suất của một phép thử ra kết quả “không bình thường”
trở nên ngày càng nhỏ theo tiến trình. Định nghĩa hội tụ theo xác suất được
sử dụng rất nhiều trong thống kê. Hội tụ theo xác suất còn là kiểu hội tụ được
xây dựng từ luật số nhiều yếu.

Định nghĩa:

Dãy Xn hội tụ về X theo xác suất nếu:

lim P (|Xn − X| ≤ ) = 0 (2.4)

n→∞

với mọi . Hội tụ theo xác suất thực ra là hội tụ của xác suất.

Hội tụ theo xác suất được ký hiệu bằng cách thêm chữ 0 P 0 vào phía trên mũi
tên chỉ sự hội tụ over:

d
Xn →
− X (2.5)

Hội tụ theo xác suất cũng là khái niệm hội tụ đề cập trong luật số lớn(yếu).
Hội tụ theo xác suất suy ra sự hội tụ theo phân phối.

Hội tụ gần chặt (Almost sure convergence)

Ta nói rằng dãy Xn hội tụ hầu như chắc chắn hay hầu khắp nơi hay với xác
suất 1 hay mạnh về X nếu:

 
P lim Xn = X = 1 (2.6)
n→∞

Có nghĩa là bạn được đảm bảo rằng các giá trị của Xn xấp xỉ giá trị của X ,
theo nghĩa (xem hầu như chắc chắn) là xác suất để Xn không hội tụ về X là
bằng 0. Bằng cách dùng không gian xác suất (Ω, F, P ) và khái niệm biến ngẫu
nhiên như là một hàm số từ Ω đến R, điều này tương đương với cách viết:

8
 9

 
P w ∈ Ω| lim Xn (w) = X(w) = 1 (2.7)
n→∞

Hội tụ hầu như chắc chắn thì suy ra hội tụ theo xác suất, và do đó cũng suy
ra hội tụ theo phân phối. Nó là khái niệm hội tụ được đề cập trong luật số lớn
(mạnh).

Hội tụ chặt

Một chuỗi biến ngẫu nhiên (Xn ) được gọi là hội tụ chặt về biến ngẫu nhiên
X nếu:

lim Xn (w) = X(w), ∀w ∈ Ω (2.8)

n→∞

Trong đó Ω là không gian mẫu của không gian xác suất mà biến ngẫu nhiên
X được định nghĩa.

2.2. Những định nghĩa toán học

Phần này nhắc đến 2 khái niệm toán học được sử dụng trong tài liệu [45, 50].
Cụ thể, khái niệm 1 định nghĩa thế nào là hàm đơn thức, đa thức, trong khi
định nghĩa về một bài toán quy hoạch toàn phương được diễn đạt trong khái
niệm 2.

PM2 Q M1
Definition 1. Một hàm đa biến h(x1 , . . . , xM1 ) = n=1 cn m=1 xbmn,m xác định
trên RM
+ là một signomial với M2 số hạng (M2 ≥ 2) nếu có số mũ bn,m là số
1

thực và hệ số cn thuôc tập số thực nhưng có ít nhất một trong số đó là số âm.

Nếu tất cả hệ số cn dương ∀n,, hàm h(x1 , . . . , xN1 ) được gọi là một polynomial.
QM1 bn,m
Trong trường hợp h(x1 , . . . , xM1 ) = cn m=1 xm , thì nó sẽ là một hàm đơn
thức nếu cn > 0.

9
 10

Definition 2. Một bài toán quy hoạch toàn phương có dạng tổng quát như sau

maximize f0 (x)
x∈X

subject to fn (x) ≤ 1 ∀n = 1, . . . N, (2.9)

hm (x) = 1 ∀m = 1, . . . , M,

trong đó f0 (x) có thể vừa là monomonial hoặc polynomial. Hàm fn (x), n =

1, . . . , N là polynomial và hm (x), m = 1, . . . , M là monomial. Tập xác định X
được coi là lồi.

2.3. Giới thiệu kỹ thuật MIMO

Hệ thống MIMO được hiểu nghĩa là gửi thông tin đồng thời qua một trạm
phát có nhiều anten trong khi vẫn sử dụng 1 kênh vô tuyến. Tín hiệu khi đó
sẽ được chia thành các luồng, gửi trên kênh truyền và được tổng hợp lại ở phía
thu. Bằng việc sử dụng nhiều anten thu anten phát, hệ thống MIMO có những
ưu việt hơn hệ thống SISO như sau

• Hệ thống MIMO xử lý được những vấn đề truyền dẫn như phản xạ đa

đường, cải thiện chất lượng tín hiệu khi đường truyền không phải đường
thẳng. Điều này đặc biệt cần thiết trong khi truyền thông tin trong môi
trường đô thị khi tín hiệu sẽ dễ dàng bị suy giảm khi sử dụng đơn anten.
Hơn nữa, môi trường này làm tín hiệu bị phản chiến lại rất nhiều trước khi
tín hiệu có thể đi đến phía thu.

• Tổng thông lượng của hệ thống có thể được cải thiện, đặc biệt quan trọng
trong việc giữ chất lượng truyền video, streaming ổn định.

• Bằng việc sử dụng nhiều luồng dữ liệu, những vấn đề gây ra bởi fading như
trễ, mất mát dữ liệu có thể được giảm thiểu.

• Tiết kiệm công suất cấp phát để truyền thông tin.

10
 11

Hình 2.1: Mô hình đơn giản về MIMO

Cho dù kỹ thuật mmWave massive MIMO đã được công nhận là một tiêu
chuẩn cho hệ thống di động 5G. Tuy nhiên tiêu chuẩn 3GPP mới nhất lại coi hệ
thống di động 5G là hệ thống MIMO với trạm phát có 16 anten[17, 18]. Công
bố này đã cho ta thấy rằng hệ thống MIMO sẽ vẫn là công nghệ chủ đạo của
5G trong 2 năm tới. Nhằm tăng thông lượng của hệ thống, kỹ thuật NOMA
cũng được kết hợp với MIMO tạo thành hệ thống NOMA với những phiên bản
2 người dùng [23] hay nhiều người dùng [22, 24] trong một nhóm. Kỹ thuật
NOMA sẽ được trình bày rõ hơn ở phần tiếp theo.

2.4. Giới thiệu kỹ thuật NOMA

Khi các mô hình khác đã được những nhà nghiên cứu khai thác triệt để,
chúng ta cần một mô hình mạng vô tuyến mới nhằm đáp ứng các nhu cầu về
truyền thông trong tương lai. Sự xuất hiện của mô hình kỹ thuật đa truy nhập
NOMA trong những năm gần đây đã và đang trên con đường giải quyết những
bài toán đó. Kỹ thuật NOMA được trình bày tổng quát như sau: Giả sử ta có
một hệ thống NOMA với trạm gốc (BS) trang bị 1 anten phát. Trạm BS này

11
 12

sử dụng để phục vụ cho 2 thiết bị sử dụng NOMA, mỗi người dụng được trang
bị 1 anten. Ví dụ đơn giản minh họa cho mô hình tuyến xuống, tín hiệu truyền
từ trạm BS có dạng
Tín hiệu truyền từ trạm phát như sau:
p p
s= P 1 s1 + P2 s 2 (2.10)

Hình 2.2: Sơ đồ khối truyền tin sử dụng kỹ thuật NOMA cơ bản

Khi đó tín hiệu thu tại người dùng thứ 1 được biểu diễn như sau:

y1 =h1 s + ζ1
p p (2.11)
h1 s1 P1 + h1 P2 s2 + ζ1

Theo kỹ thuật NOMA thông thường, tín hiệu của người có kênh truyền tốt
sẽ được cấp phát công suất kém hơn và sử dụng kỹ thuật SIC để triệt tiêu
nhiễu từ các người dùng có kênh truyền kém hơn, khi đó trước khi giải mã tín
hiệu của chính mình, người dùng có kênh truyền tốt sẽ giải mã tín hiệu của
người dùng kém trước sau đó sẽ loại bỏ tín hiệu đó đi để giải mã tín hiệu của
mình.Ta giả sử rằng kênh truyền của các người dùng có giá trị chuẩn như sau
|h1 | > |h2 |.Khi đó tỷ số tín hiện trên nhiễu được tính như sau:

P1 |h1 |2
γ1 = 2
(2.12)
|h1 |2 P2 + σDL,2
Tương tự với hệ thống NOMA với nhiều người dùng, khi đó tổng tốc độ bit
của hệ thông NOMA được viết như sau:

12
 13

K
X
RN OM A = E{log2 (1 + γk )}
k=1
K
(2.13)
X Pk |hk |2
= E{log2 (1 + PK 2
)}
k=1 |hk |2
0
k =k+1 P k 0 + σ
DL,k

Để so sánh với hệ thông NOMA, tổng tốc độ bit cho hệ thống OMA được
tính toán như sau:

K
1 X Pk h2k
ROM A = E{log2 (1 + )} (2.14)
K 1 σk2

Với việc tối ưu hóa sử dụng phổ như trên, tác giả trong bài [57] và [56] đã
tính toán cũng như chứng minh được sự tối ưu tốc độ bit của hệ thống NOMA
so với OMA thông thường:

Hình 2.3: So sánh tốc độ bit giữa hệ thông NOMA và OMA

13
 14

Trong hình 2.3, các trường hợp so sánh bao gồm việc áp dụng NOMA cho 2
người dùng vào một nhóm, 4,8 và N cùng kỹ thuật OMA truyền thống. Rõ ràng
độ lợi sử dụng phổ của NOMA cho nhiều người dùng là tốt nhất, tuy nhiên việc
kết hợp này sẽ gây ra nhiễu lớn lên người dùng như ở công thức 2.13 và gây
ra ảnh hưởng đến khả năng kết nối, và kết quả của tác giả này cũng đã chứng
minh.

Hình 2.4: So sánh xác suất ngắt kết nối NOMA và OMA

Như vậy rõ ràng kỹ thuật NOMA sẽ đạt được độ hiệu quả cao với cả hiệu
quả sử dụng phổ và xác suất kết nối khi áp dụng cho 2 người dùng.

14
 15

2.5. Khái niệm beamforming

Beamforming được biết đến là một kỹ thuật trong thông tin vô tiến nhằm
tập trung tín hiệu truyền dẫn. Kỹ thuật này trong lịch sử được nghiên cứu từ
những năm 90 và đã được ứng dụng phổ biến trong những năm gần đây. Đối
với mô hình truyền dẫn thông thường, thông tin từ trạm phát sẽ được lan tỏa
đều đến người dùng, như hình 2.5 Điều này có thể dẫn đến việc tiêu tán tín
hiệu, lãng phí công suất truyền dẫn mà chất lượng tín hiệu vẫn không đảm bảo.
Vẫn trên hình 2.5 đó là cách thức kỹ thuật beamforming hoạt động.

Hình 2.5: Mô hình kỹ thuật beamforming

Kỹ thuật beamforming còn được biết đến với cái tên bộ lọc không gian với
cơ chế hình thành một búp sóng giả tưởng đến với người dùng mục tiêu. Tất cả

15
 16

anten ở trạm phát sẽ cùng thực hiện việc truyền dẫn đến đích. Do đó, trên lý
thuyết, việc tăng số lượng anten tại trạm phát, hiệu ứng truyên búp sóng càng
hiệu quả. Những lợi ích mà kỹ thuật beamforming đem lại có thể liệt kê như
sau

• Cải thiện chỉ số SNR: Việc truyền thông tin định hướng giúp tiết kiệm tài
nguyên tần số, công suất, cải thiện chất lượng tín hiệu có ích.

• Hạn chế can nhiễu: Kỹ thuật beamforming hạn chế việc truyền thông tin
phân tán, do đó giảm thiểu ảnh hưởng của can nhiễu lên những người dùng
đích.

Vector định hướng này sẽ được thực hiện bởi quá trình nhân ma trận với tín
hiệu truyền đi ở trạm phát, với điều kiện thông tin về kênh truyền từ trạm phát
đến người dùng đã được biết trước. Do quá trình ước lượng kênh truyền đòi hỏi
những kỹ thuật liên quan và khối lượng tính toán lớn, việc tính toán CSI giữa
trạm phát và người dùng tạm thời được bỏ qua trong đồ án này. Trạm phát
được cho rằng đã có đầy đủ thông tin về kênh truyền giữa trạm phát và từng
người dùng.
Phạm vi của đồ án này sẽ chỉ làm việc với những phương pháp beamforming
tuyến tính nghĩa là thuật toán xây dựng vector không có tính hồi tiếp và khả
năng tự học hỏi. Nhữnh phương pháp beamforming tuyến tính cổ điển được đề
cập đến ở đây là MRT và ZF. Tuy nhiên đồ án còn đề cập đến một trường hợp
biến thể của phương pháp ZF đó chính là RZF. Nguyên lý, cơ chế cũng như
cách thức tạo ra vector beamforming sẽ được trình bày cụ thể hơn ở phần sau
nhằm áp dụng trực tiếp vào mô hình hệ thống đang làm việc.

16
 17

2.6. Kết luận chương

Chương này cung cấp những lý thuyết toán học về xác xuất, về những bổ
đề phục vụ cho quá trình xây dựng và giải bài toán tối ưu sau này. Bên cạnh
đó, những lý thuyết căn bản về truyền thông vô tuyến như MIMO, NOMA và
beamforming được đề cập và làm rõ trước khi xây dựng mô hình hệ thống viễn
thông trong chương sau.

17
 Chương 3

TRIỂN KHAI MÔ HÌNH HỆ THỐNG

3.1. Mô hình hệ thống

Đồ án này của em sẽ xét một hệ thống đường xuống MIMO đa người dùng với

một trạm phát có N anten phát với mục đích phục vụ được 2N người dùng. Trạm

phát sẽ sử dụng kỹ thuật beamforming để giảm thiểu nhiễu liên cụm và mỗi vector

beamforming sẽ tương ứng với 2 người dùng trong nhóm đó. Để giảm thiểu độ phức

tạp, đồ án này sẽ xây dựng mô hình với 2N người dùng đơn anten trong một mạng

tế bào NOMA. 2N người dùng này được chia đều cho N cụm như hình 3.1 Mặc dù
kênh truyền trên thực tế biến đổi liên tục cả trên miền thời gian và miền tần số

tuy nhiên với giới hạn lý thuyết của đồ án, em chỉ xét đến trường hợp kênh được

coi là phẳng. Kênh của người dùng thứ k ,k ∈ {1, 2}, được biểu diễn bởi hn,k ∈ CN

3.2. Đường xuống trong hệ thống

Ở đường xuống, trạm phát truyền một cặp symbol sn,1 , sn,2 ∈ C đến 2 người

dùng trong cụm thứ n với E{|sn,1 |2 } = 1 và E{|sn,2 |2 } = 1. Tín hiệu truyền đi dành

cho cụm thứ n được viết dưới dạng sau

√ √
xn = wn pn,1 sn,1 + wn pn,2 sn,2 , (3.1)

trong đó wn ∈ CN là vector beamforming được gán cho 2 người dùng trong cụm

thứ n, pn,1 và pn,2 lần lượt là công suất cấp phát để gửi tín hiệu đến những người

dùng này. pn,1 và pn,2 thỏa mãn điều kiện

0 ≤ pn,1 + pn,2 ≤ Pmax,n . (3.2)

Ở công thức trên, Pmax,n là mức công suất tối đa có thể cấp phát cho 2 người

dùng ở nhóm thứ n. Vì vậy, tín hiệu mà trạm phát gửi cho tất cả những người

18
 19

N clusters
...
BS

N antennas

Hình 3.1: Hệ thống MIMO-NOMA đề xuất với 2N người dùng được chia thành N nhóm.

dùng trong vùng phủ sóng được viết như sau

N N
X X √ √

x= xn0 = wn0 pn0 ,1 sn0 ,1 + pn0 ,2 sn0 ,2 . (3.3)
n0 =1 n0 =1

Trong đồ án này, em coi người dùng 1 là người dùng có điều kiện kênh kém hơn,

người dùng 2 có điều kiện kênh tốt hơn. Trong nhóm thứ n, n = 1, . . . , N , tín hiệu
nhận được của người 1 được biểu diễn như sau

yn,1 = hH
n,1 x + nn,1
N
(a) X √ √
hH


= n,1 wn pn0 ,1 sn0 ,1 + pn0 ,2 sn0 ,2 + nn,1
n=1
(b) √ √
= hH H
n,1 wn pn,1 sn,1 + hn,1 wn pn,2 sn,2 (3.4)
 
N
X √ √
+ hH
n,1
 wn0 pn0 ,1 sn0 ,1 + wn0 pn0 ,2 sn0 ,2 
n0 =1,n0 6=n

+ nn,1 .

19
 20

2 ) trong đó
Ở công thức (3.4), nn,1 là nhiễu Gaussian có phân bố nn,1 ∼ CN (0, σDL
2 là phương sai của nhiễu. Vế (a) đạt được bằng cách thế (3.3) vào trong công
σDL

thức (3.4). Vế đầu tiên của đẳng thức (b) là tín hiệu có ích, vế thứ hai là nhiễu

trong 1 cụm. Phần còn lại là nhiễu liên cụm và nhiễu trắng cộng. Tương tự như

vậy, tín hiệu nhận được tại thiết bị của người dùng 2 ở nhóm n là

√ √
yn,2 = hH H
n,2 wn pn,2 sn,2 + hn,2 wn pn,1 sn,1
 
N
X √ √
+ hH
n,2
 wn0 pn0 ,1 sn0 ,1 + wn0 pn0 ,2 sn0 ,2  (3.5)
n0 =1,n0 6=n

+ nn,2 .

Thành phần của biểu thức trên đều tương tự như công thức tín hiệu của người

dùng 1. Ở phần tiếp theo, đồ án này sẽ đề cập đến việc xây dựng vector beam-

forming vào những công thức trên.

3.3. Biến đổi toán học tính toán hiệu năng

Ở cụm thứ n, người dùng có điều kiện kênh kém được cho sẽ bỏ qua SIC, do đó

hiệu quả sử dụng phổ của người dùng 1 được viết như sau

Rn,1 = log2 (1 + SINRn,1 ) [b/s/Hz], (3.6)

trong đó tỉ số tín hiệu trên nhiễu ( signal-to-interference-and-noise ratio - SINR)

được tính như sau

h wn 2 pn,1
 H 
n,1
SINRn,1 =
N 
, (3.7)
 2 2
hH H 2
P
n,1 wn pn,2 +
  h wn0 pn0 + σ

n,1 DL
n0 =1,
n0 6=n

trong đó pn0 là tổng công suất cấp phát để gửi tín hiệu cho 2 người dùng trong

nhóm thứ n0 .

Cụm đầu tiên của mẫu số trong công thức (3.7) là nhiễu lẫn nhau trong một

20
 21

nhóm khi sử dụng phương pháp precoding thông thường. Cụm thứ hai của mẫu

số bao gồm nhiễu từ các nhóm khác gây ra. Cuối cùng là nhiễu nhiệt.

Đối với người dùng thứ 2 trong nhóm đấy, trước khi giải mã tín hiệu, SIC được

thực hiện để loại bỏ nhiễu gây ra từ người dùng 1. Vì vậy, hiệu quả sử dụng phổ

được tính toán như sau

Rn,2 = log2 (1 + SINRn,2 ) [b/s/Hz], (3.8)

trong đó chỉ số SINR của người dùng 2 là

h wn 2 pn,2
 H 
n,2
SINRn,2 =
N
. (3.9)

P  H 2
h wn0  pn0 + σ 2
n,2 DL
n0 =1,
n0 6=n

Khác với người dùng thứ nhất, nhiễu lẫn nhau trong một nhóm được khử hoàn

toàn nhờ kĩ thuật SIC. Cả công thức (3.7) và (3.9) đều còn sót lại nhiễu giữa các

cụm với nhau, điều này sẽ được giải quyết trong phần sau khi áp dụng các phương
pháp beamforming.

3.4. Ghép cặp người dùng

Ở phần này, đồ án sẽ đề xuất ra một phương pháp phân chia 2N người dùng

cho N nhóm. Cụ thể, độ lợi kênh của từng người dùng sẽ được tính toán trước

gk = khk k2 , ∀, k = 1, . . . , 2N, (3.10)

và được sắp xếp theo thứ tự tăng dần

g1 ≤ g2 ≤ · · · ≤ g2N −1 ≤ g2N . (3.11)

Phương pháp ghép gặp người dùng như hình 3.2 thực hiện trên tiêu chí chênh

lệch giữa 2 kênh truyền là lớn nhất. Ví dụ người dùng có kênh truyền kém nhất sẽ

ghép cặp với người dùng có kênh truyền tốt nhất. Tiếp theo, người dùng có kênh

21
 22

g1 g2 gN g N 1 g 2 N 1 g2 N

Hình 3.2: Phân chia 2N người dùng thành N nhóm bằng phương pháp ghép cặp đề
xuất.
truyền kém nhì sẽ kết nối với người dùng có kênh truyền tốt thứ nhì để tạo thành

một nhóm. Việc ghép cặp như này nhằm hạn chế ảnh hưởng của người dùng yếu

lên tín hiệu của người dùng tốt.

3.5. Đánh giá hiệu năng của đường xuống với nhiều phương pháp
beamforming tuyến tính khác nhau

Trong phạm vi của đồ án này, em coi rằng CSI hoàn chỉnh đã được trạm phát

tính toán cho 2N người dùng.

3.5.1. Maximum Ratio Transmission

Phương pháp được đánh giá là đơn giản nhất, có độ phức tạp tính toán thấp

nhất đó chính là MRT. Vector MRT được xây dựng cho 2 người dùng trong nhóm

n được tính như sau

hn,2
wnMRT = ∈ CN . (3.12)
khn,2 k2

Mục đích chính của phương pháp này là khuếch đại tín hiệu của một người dùng

cụ thể bằng cách nhân trực tiếp vector kênh với chính nó. Tuy nhiên, một nhược

điểm của phương pháp này là nó không hoàn toàn khử đi nhiễu từ những nhóm
khác. Khi sử dụng vector beamforming MRT, hiệu quả sử dụng phổ của người

dùng 1 trong nhóm n có dạng

MRT
= log2 1 + SINRMRT


Rn,1 n,1 [b/s/Hz], (3.13)

trong đó SINRMRT
n,1 là

22
 23

2
|hHn,1 hn,2 |
khn,2 k22
pn,1
SINRMRT
n,1 = , (3.14)
2 N 2
|hHn,1 hn,2 | P |hHn,1 hn0 ,2 | 2
khn,2 k22
pn,2 + khn0 ,2 k22
pn0 + σDL
n0 =1,
n0 6=n

trong khi của người dùng 2 là

MRT
= log2 1 + SINRMRT


Rn,2 n,2 [b/s/Hz], (3.15)

trong đó SINRMRT
n,2 là

2
|hHn,2 hn,2 |
khn,2 k22
pn,2
SINRMRT
n,2 = . (3.16)
M 2
P |hHn,2 hn0 ,2 | 2
khn0 ,2 k22
pn0 + σDL
n00 =1
n 6=n

3.5.2. Zero Forcing

Phương pháp beamforming tuyến tính tiếp theo được đề cập đến ở đây là phương

pháp ZF. Phương pháp này được biết đến với khả năng triệt nhiễu hiệu quả, giúp

hệ thống có hiệu năng vượt trội cho với việc sử dụng phương pháp MRT cũ. Vector

beamforming sử dụng kỹ thuật ZF cho mỗi nhóm người dùng được tính toán như

sau

HrZF
n
wnZF = ZF
∈ CN , (3.17)
kHrn k2

trong đó H ∈ CN ×N là ma trận H = h1,2 , . . . , hN,2 và rZF

  N
n ∈ C là cột thứ n của

−1
ma trận HH H .

Với việc tính toán như trên, phương pháp ZF beamforming fix lại giá trị gain

của người dùng cụ thể bằng 1, những giá trị còn lại bằng 0, tương đương với việc

thỏa mãn hệ điều kiện dưới đây


if n0 6= n,

0,

hH ZF
n,2 wn0 = (3.18)
1
if n0 = n,

,


kHrZF
n k2

23
 24

khi áp dụng phương pháp beamforming ZF (3.17), hiệu quả sử dụng phổ của

người dùng 1 trong nhóm n là

ZF
= log2 1 + SINRZF


Rn,1 n,1 [b/s/Hz], (3.19)

trong đó SINRZF
n,1 được tính như sau

2
|hHn,1 HrZF
n |
kHrZF 2 pn,1
n k2
2 N 2
. (3.20)
|hHn,1 HrZF
n |
P |hHn,1 HrZF
n0 | 2
kHrZF 2 pn,2 + kHrZF k2
pn0 + σDL
n k2 0 n0 2
n =1,
n0 6=n

Meanwhile, the achievable rate of user 2 in cluster n is given as

ZF
= log2 1 + SINRZF


Rn,2 n,2 [b/s/Hz], (3.21)

where the SINRZF

n,2 is
pn,2
SINRZF
n,2 = . (3.22)
kHrn k22 σDL
ZF 2

So sánh với công thức (3.16), thì biểu thức SINR của người dùng 2 trong công

thức (3.22) đơn giản hơn rất nhiều. Do đó, ta rút ra nhận xét rằng phương pháp

ZF cải thiện hiệu quả sử dụng phổ của nhóm người dùng có kênh tốt hơn.

3.5.3. Regularized Zero Forcing

Phương pháp beamforming tuyến tính cuối cùng được đề cập đến ở đây là

phương pháp RZF. Cách xây dựng vector beamforming RZF được thể hiện như

sau

HrRZF
n
wnRZF = RZF
∈ CN . (3.23)
kHrn k2

−1
trong đó rRZF
n là cột thứ n của ma trận HH H + αIN trong đó α là một hệ

số không âm.Dễ thấy phương pháp ZF là 1 trường hợp đặc biệt của phương pháp

MMSE khi có hệ số α = 0.

Khi sử dụng vector beamforming trong công thức (3.23), hiệu quả sử dụng phổ

của người dùng 1 trong nhóm thứ n có biểu thức như sau

24
 25

RZF
= log2 1 + SINRRZF


Rn,1 n,1 [b/s/Hz], (3.24)

trong đó SINRRZF
n,1 là

2
|hHn,1 HrRZF
n |
kHrRZF k22
pn,1
n
2 N 2
. (3.25)
|hHn,1 HrRZF
n | P |hHn,1 HrRZF
n0 | 2
kHrRZF k22
pn,2 + kHrRZF k22
pn0 + σDL
n n0
n0 =1,
n0 6=n

3.6. Tối ưu hóa hiệu quả sử dụng phổ

Trong phần này, em sẽ tối ưu hóa tổng hiệu quả sử dụng phổ của hệ thống

MIMO-NOMA dưới một số điều kiện ràng buộc về quỹ công suất. Bài toán tối ưu

được đặt ra ở đây là

N
X
maximize (Rn,1 + Rn,2 )
{pn,1 ,pn,2 ≥0}
n=1 (3.26)
subject to pn,1 + pn,2 ≤ Pmax,n ∀n.

Bài toán trên được chứng minh là không lồi nên không thể giải bằng cách thông

thường. Để thỏa mãn những điều kiện để đưa vào toolbox CVX [49], đầu tiên em

sẽ thế (3.6) và (3.8) vào (3.26)

N
X  
maximize log2 (1 + SINRn,1 )(1 + SINRn,2 )
{pn,1 ,pn,2 ≥0}
n=1 (3.27)
subject to pn,1 + pn,2 ≤ Pmax,n ∀n.

Bằng việc biến đổi hàm mục tiêu sử dụng epigraph form [50], ta có bài toán phụ

sau đây

25
 26

N
Y
maximize λn,1 λn,2
{pn,1 ,pn,2 ≥0}
{λn,1 ,λn,2 ≥0} n=1

subject to 1 + SINRn,1 ≥ λn,1 ∀n, (3.28)

1 + SINRn,2 ≥ λn,2 ∀n,

pn,1 + pn,2 ≤ Pmax,n ∀n.

Bài toán này sẽ được giải 3 lần với wn có giá trị lần lượt là các vector trong tập

{wnMRT , wnZF , wnRZF }. Bài toán (3.28) được biến đổi thành Lemma 1 như sau

Lemma 1. Bài toán tối ưu (3.28) là một bài toán quy hoạch đa thức.

Bất phương trình SINR của người dùng 1 trong nhóm n được viết như sau

N
2
hn,1 wn0 2 pn0 + λn,1 σDL
 H X  H  2
λn,1 hn,1 wn pn,2 + λn,1
 
n0 =1,
n0 6=n (3.29)
N
hn,1 wn0 2 pn0 − σDL
X  H  2
− ≤ 0,
n0 =1

trong đó vế trái là một đa thức có hệ số dương. Tương tự bất phương trình

SINR của người dùng 2 trong nhóm n được viết như sau

N
hn,2 wn0 2 pn0 + λn,2 σDL
X  H  2
λn,2
n0 =1
n0 6=n
N
(3.30)
2
hn,2 wn0 2 pn0 − σDL
 H X  H  2
− hn,2 wn  pn,2 − ≤ 0,
n0 =1
n0 6=n

Theo lemma 1, bài toán vẫn là bài toán tối ưu không lồi. Để giải quyết vấn

đề này, chúng ta phải tìm giá trị tối ưu phụ liên tục bằng phương pháp tối ưu

successive optimization [45, 51]. Áp dụng biến đổi bài toán về dạng quy hoạch

toàn phương, điều kiện SINR ở bên vế trái phải được chuyển từ dạng đa thức về

đơn thức theo lemma 2.

26
 27

Lemma 2. cho rằng h(x) là một đa thức từ N đơn thức {z1 (x), . . . , zN (x)} được

biểu diễn như sau

N
X
h(x) = zn (x), (3.31)
n=1

hàm h(x) bị chặn dưới bởi một đơn thức h̃(x) có dạng
N
Y
h(x) ≥ h̃(x) = (zn (x)/αn )αn , (3.32)
n=1

trong đó αn là một hệ số không âm tương ứng với zn (x). Gọi giá trị tối ưu h(x0 )

tại điểm x0 , giá trị αn được tính bằng

zn (x0 )
αn = PN . (3.33)
z 0 (x )
n0 =1 n 0

Điều kiện SINR của người dùng 1 trong nhóm n sẽ được viết lại thành

N
2
hn,1 wn0 2 pn0 + λn,1 σDL
 H X  H  2
λn,1 hn,1 wn pn,2 + λn,1
 
n0 =1,
n0 6=n (3.34)
N
hn,1 wn0 2 pn0 + σDL
X  H  2
≤ .
n0 =1

Coi vế phải của bất phương trình (3.34) là

N
hn,1 wn0 2 pn0 + σDL
X  H  2
hn (p n0 ,1 ,p
n0 ,2 )= , (3.35)
n0 =1

áp dụng Lemma 2, chặn dưới của hàm hn (pn0 ,1 , pn0 ,2 ) có dạng như sau

hn (pn0 ,1 , pn0 ,2 ) ≥ h̃n (pn0 ,1 , pn0 ,2 )

!α n
α0n Y
N h wn0 2 pn0 ,1 n0 ,1
 H 
2

σDL n,1
= ×
α0n αnn0 ,1 (3.36)
n0 =1
!αn
h wn0 2 pn0 ,1 n0 ,2
 H 
n,1
,
αnn0 ,2

trong đó những hệ số không âm α0n , αnn0 ,1 , αnn0 ,2 của người dùng 1 trong nhóm n

27
 28

thỏa mãn

N
X N
X
α0n + αnn0 ,1 + αnn0 ,2 = 1. (3.37)
n0 =1 n0 =1

Điều kiện SINR của người dùng 1 ở bài toán (3.28) xấp xỉ với

λn,1 hn,1 wn 2 pn,2 +

 H  λn,1
×
h̃n (pn0 ,1 , pn0 ,2 ) h̃n (pn0 ,1 , pn0 ,2 )
N 2 (3.38)
X
hn,1 wn0 2 pn0 +
 H  λn,1 σDL
≤ 1,
h̃n (pn0 ,1 , pn0 ,2 )
n0 =1,
n0 6=n

Tương tự điều kiện SINR của người dùng 2 sẽ được biểu diễn như sau

N 2
λn,2 hn,2 wn0 2 pn0 + λn,2 σDL
X  H 
≤ 1. (3.39)
g̃n (pn0 ,1 , pn0 ,2 ) 0 g̃n (pn0 ,1 , pn0 ,2 )
n =1,
n0 6=n

Giá trị tối ưu của bài toán (3.28) sẽ được giới hạn bởi những điều kiện sau đây

N
Y
maximize λn,1 λn,2
{pn,1 ,pn,2 ≥0}
{λn,1 ,λn,2 ≥0} n=1

subject to Constraint (3.38) ∀n, (3.40)

Constraint (3.39) ∀n,

pn,1 + pn,2 ≤ Pmax,n ∀n.

Theorem 1. Bài toán tối ưu (3.40) là một bài toán quy hoạch toàn phương, do đó

điểm lân cận cực trị được tìm thấy dựa trên độ phức tạp của polynomial.

Chứng minh. Cách chứng minh trực tiếp của bổ đề trên là do hàm mục tiêu của

(3.40) là một hàm monomial, trong khi bộ điều kiện lại là hàm posynomial. Do đó,

bài toán tối ưu (3.40) có dạng tổng quát của một bài toán quy hoạch toàn phương

theo khái niệm ?? [50].

Áp dụng SOA để giải bài toán (3.28) với số vòng lặp rất lớn với bộ công suất

khởi tạo {p(0) (0)

n,1 , pn,2 } nằm trong tập xác định. Tại vòng lặp thứ i, tập hệ số của người

28
 29

dùng 1 tại nhóm n được tính toán như sau

2
σDL
n,(i)
α0 =
N 
, (3.41)
  
hH wn0 2 p(i−1) (i−1) 2
P
n,1 n0 ,1 + p n0 ,2 + σDL
n0 =1
h wn0 2 p(i−1)
 H 
n,(i) n,1 n0 ,1
αn0 ,1 = , ∀n0 , (3.42)
N  
2 (i−1) 
hH (i−1)
+ σ2
P
n,1 wn0  p 0 + p 0
n ,1 n ,2 DL
n0 =1
h wn0 2 p(i−1)
 H 
n,(i) n,1 n0 ,2
αn0 ,2 = , ∀n0 . (3.43)
N  
2 (i−1) 
hH (i−1)
+ σ2
P
n,1 wn0  p 0 + p 0
n ,1 n ,2 DL
n0 =1

Còn của người dùng 2 sẽ là

2
σDL
n,(i)
α̃0,0 = , (3.44)
γ n,(i−1)
h wn 2 p(i−1)
 H 
n,(i) n,2 n,2
α̃0,1 = , (3.45)
γ n,(i−1)
h wn0 2 p(i−1)
 H 
n,(i) n,2 n0 ,1
α̃n0 ,1 = , ∀n0 , (3.46)
γ n,(i−1)
h wn0 2 p(i−1)
 H 
n,(i) n,2 n0 ,2
α̃n0 ,2 = , ∀n0 , (3.47)
γ n,(i−1)

trong đó giá trị γ n,(i−1) được tính toán dựa theo giá trị của vòng lặp trước
N
2 (i−1) X
hn,2 wn0 2 p(i−1)
n,(i−1)
 H  H  2
γ = hn,2 wn  pn,2 + n0 + σDL . (3.48)
0
n =1,
n0 6=n

Từ đó, bài toán sẽ được giải theo dạng quy hoạch toàn phương cho đến khi đạt

được giá trị tối ưu p(0) (0)

n,1 , pn,2 for ∀n. Cuối mỗi vòng lặp, các hệ số sẽ được cập nhật

cho vòng lặp tiếp theo để tính toán {p(0) (0)

n,1 , pn,2 }. Quá trình tính toán này sẽ dừng

lại nếu sự khác biệt giữa 2 giá trị tối ưu của hai vòng lặp liên tiếp là quá nhỏ, ta

gọi thuật toán đã hội tụ. Thuật toán đó sẽ được biểu diễn như dưới đây

Hơn nữa, tốc độ hội tụ của thuật toán 1 đến một giá trị cố định hay còn được

gọi là điểm KKT của bài toán tối ưu

29
 30

Algorithm 1 Thuật toán xấp xỉ liên tiếp cho bài toán (3.28)
Input: Set i = 1; Cấp phát công suất tối đa cho mỗi nhóm Pmax,n , ∀n; Lựa chọn giá trị khởi tạo của
(0) (0) (0) (0)
công suất pn,1 , pn,2 for ∀n; Tính toán trọng số của từng người dùng tương ứng với {pn,1 , pn,2 } bằng các
công thức (3.41)-(3.43) và (3.44)-(3.47).
(i) (i)
1. Iteration i: Giải bài toán quy hoạch toàn phương (3.40) để đạt được những giá trị {pn,1 , pn,2 }. Cập
nhất giá trị trọng số với những công thức (3.41)-(3.43) và (3.44)-(3.47)

2. Nếu điều kiện dừng thỏa mãn → Dừng tnhs toán.Nếu không quay trở lại bước 3
(i) (i) (i) (i)
3. Đặt λopt opt opt opt
n,1 = λn,1 , λn,2 = λn,2 , ∀n, và pn,1 = pn,1 , pn,2 = pn,2 ∀n; Đặt i = i + 1, trở lại bước 1.

Output: Giá trị λopt opt opt opt

n,1 , λn,2 và pn,1 , pn,2 , ∀n.

Theorem 2. Đầu ra của thuật toán 1 hội tụ tại điểm KKT của bài toán tối ưu

hóa (3.26).

Chứng minh. Cách chứng minh dựa theo những bước chính đã được đề cập đến

trong bài báo [45, 52]. Bằng việc chặn dưới hàm mục tiêu lẫn những bất phương
trình điều kiện như trong (3.38) và (3.39), ta có thể dễ dàng kết luận rằng điểm

tối ưu nằm trong tập xác định. Thuật toán xấp xỉ liên tiếp được thực hiện trên bài

toán quy hoạch toàn phương với số lượng vòng lặp rất lớn. Trong khi đó, những

điều kiện ràng buộc về quỹ công suất vẫn thỏa mãn nằm trong tập xác định, vì

thế thuật toán 1 phải hội tụ tại một điểm nào đó. Với việc liên tục đối chiếu kết

quả sau mỗi vòng lặp với bộ điều kiện KKT, ta có thể tìm thấy điểm KKT ấy.

30
 31

3.7. Kết luận chương

Chương này đã xây dựng mô hình kết hợp cả kỹ thuật MIMO và kỹ thuật

NOMA cũng như xây dựng công thức tính toán hiệu quả sử dụng phổ trong đường

xuống. Bên cạnh đó, thuật toán ghép cặp người dùng hiệu quả cũng được đề xuất

trước khi giải bài toán tối ưu hóa. Sau đó, lần lượt 3 phương pháp beamforming

tuyến tính sẽ được tích hợp vào công thức tính toán hiệu quả sử dụng phổ vừa xây

dựng. Cuối cùng chương này đưa ra bài toán tối ưu hóa và trình bày thuật toán

giải tìm điểm cực trị lận cận KKT của một vấn đề không lồi.

31
 Chương 4

KẾT QUẢ MÔ PHỎNG

Trong chương này, em sẽ thực hiện mô phỏng số học với số phép thử rất lớn

giữa các phương pháp beamforming. Thông số đưa ra cho mô hình mô phỏng được

tổng hợp như trong bảng 4.1

Nội dung mô phỏng bao gồm kiểm tra tốc độ hội tụ của cả 3 thuật toán beam-

forming như trong hình 4.1. Hình 4.2 mô tả sự khác nhau giữa công suất trạm

phát cấp cho mỗi người dùng. Hiệu quả sử dụng phổ của người dùng có điều kiện

kênh yếu và khỏe được thể hiện lần lượt trong hình 4.3 và hình 4.4.

4.1. Mô hình kênh

Trong phạm vi của đồ án này, kênh lan truyền từ trạm phát đến từng người

dùng tuân theo phân bố Rayleigh như sau

hn,n0 ∼ CN (0, βn,n0 IN ) , ∀n = 1, . . . N, n0 = 1, 2, (4.1)

trong đó βn,n0 là hệ số fading, được tính bằng

σzn,n0
βn,n0 = ξn,n0 10 10 , ∀n, n0 , (4.2)

trong đó σ là phương sai của fading, được thiết lập ở mức 7 dB trong đồ án này.

Bảng 4.1: Thông số mô phỏng.

Bán kính lan truyền nhỏ nhất 3.5 [m]
Bán kính lan truyền lớn nhất 250 [m]
Các kỹ thuật beamforming sử dụng MRT, RZF, ZF
Hệ số α trong phương pháp RZF σDL
Tần số hoạt động 5.9 [GHz]
Công suất cấp phát tối đa cho 1 thiết bị 26 [dBm]
Tổn hao nhiễu nhiệt -96 [dBm]

32
 33

zn,n0 có phân bố CN (0, 1). Hệ số suy hao trên đường truyền ξn,n0 được tính với công

thức như sau

ξn,n0 = −148.1 − 37.6 log10 dn,n0 , (4.3)

trong đó ξn,n0 có đơn vị dB và dn,n0 (tính bằng km) là khoảng cách giữa trạm

phát và người dùng trong nhóm n0 .

70
Sum spectral efficiency [b/s/Hz]

60

50

40 MRT
RZF
ZF
30

20

0 5 10 15 20
Iteration index

Hình 4.1: Tốc độ hội tụ của thuật toán 1 khi sử dụng những phương pháp beamforming
tuyến tính khác nhau. Hệ thống đang phục vụ 40 thiết bị người dùng.

4.2. Đánh giá hiệu năng

Hình 4.1 mô tả tính chất hội tụ của phép giải bài toán tối ưu. Thuật toán 1 có

tốc độ hội tụ khá nhanh với chỉ khoảng 20 vòng lặp đã đạt đến điểm KKT. Đối với

việc sử dụng phương pháp beamforming MRT, hiệu quả sử dụng phổ tăng thêm

40% so với giá trị khởi tạo ban đầu. Ngược lại, thời gian hội tụ của 2 phuong pháp

ZF và RZF ngắn hơn nhiều, chỉ tăng thêm 10% và 12% so với giá trị khởi tạo.

Hình 4.2 cho thấy tổng công suất sử dụng trong mạng khi sử dụng những phương

pháp beamforming khác nhau. Nếu trạm phát được trang bị 5 anten để phục vụ

33
 34

104
Weak users, MRT
MRT RZF ZF Strong users, MRT
Weak users, RZF
Total transmitted power [mW]

Strong users, RZF

Weak users, ZF
Strong users, ZF
103

102

5 10 15 20
Number of user pairs

Hình 4.2: Tổng công suất cấp phát cho nhóm người dùng yếu, khỏe so với số cặp thiết
bị trong hệ thống.

80
Sum spectral efficiency [bit/s/Hz]

MRT
RZF
ZF
60

40

20

0
5 10 15 20
Number of antennas at base station

Hình 4.3: Tổng hiệu quả sử dụng phổ của người dùng khỏe khi sử dụng các phương pháp
beamforming khác nhau.

34
 35

10-1
MRT

Sum spectral efficiency [bit/s/Hz]

RZF
ZF

10-2

10-3

10-4
5 10 15 20
Number of antennas at base station

Hình 4.4: Tổng hiệu quả sử dụng phổ của người dùng yếu khi sử dụng các phương pháp
beamforming khác nhau.

10 người dùng, công suất cấp phát để phát tín hiệu cho người dùng có chất lượng

kênh yếu, sử dụng phương pháp beamforming RZF và MRT nhiều gấp 7 lần khi

sử dụng vector beamforming ZF. Khi số cặp người dùng tăng lên từ 5 đến 20, độ

chênh lệch giữa phương pháp ZF và các phương pháp khác tăng lên đáng kể. Cụ

thể việc sử dụng phương pháp ZF chỉ yêu cầu 69.12 mW cho nhóm người dùng

yếu, trái ngược với 587.5 mW khi sử dụng phương pháp RZF.

Hình 4.3 và 4.4 biểu diễn mối quan hệ giữa tổng hiệu quả sử dụng phổ của người

dùng yếu và người dùng khỏe so với số cặp người dùng. Dễ thấy ở hình 4.3, hiệu

quả sử dụng phổ của người dùng khỏe đạt giá trị lớn nhất khi sử dụng phương pháp

beamforming ZF (khoảng 71.16 bit/s/Hz) đối với một hệ thống có 20 cặp người

dùng. Khi sử dụng phương pháp RZF thì con số này là 54.32 bit/s/Hz còn phương
pháp MRT chỉ đạt đc 21.57 bit/s/Hz. Tuy nhiên do cơ chế gán vector beamforming

cho riêng nhóm người dùng có điều kiện kênh tốt, nhóm người dùng yếu hơn sẽ

có thứ tự sắp xếp hiệu quả sử dụng phổ hoàn toàn khác. Cho dù tổng hiệu quả

sử dụng phổ khi sử dụng phương pháp RZF không phải tối ưu nhất nhưng lại cải

thiện giá trị này ở nhóm người dùng yếu. Ví dụ, khi sử dụng phương pháp RZF

35
 36

Cumulative Distribution Function (CDF) 1

MRT
RZF
0.8 ZF

0.6

0.4

0.2

0
10-8 10-6 10-4 10-2 100 102
Per user spectral efficiency [b/s/Hz]

Hình 4.5: Hàm phân phối tích lũy của hiệu quả sử dụng phổ trên từng người dùng
[b/s/Hz] khi sử dụng các phương pháp beamforming khác nhau (người dùng
yếu và khỏe).
Cumulative Distribution Function (CDF)

1
MRT
RZF
0.8 ZF

0.6

0.4

0.2

0
10-8 10-6 10-4 10-2 100
Per user spectral efficiency [b/s/Hz]

Hình 4.6: Hàm phân phối tích lũy của hiệu quả sử dụng phổ trên từng người dùng
[b/s/Hz] khi sử dụng các phương pháp beamforming khác nhau (chỉ người
dùng yếu).

36
 37

Cumulative Distribution Function (CDF)

1
MRT
RZF
0.8 ZF

0.6

0.4

0.2

0
0 0.5 1 1.5 2 2.5 3
Per user spectral efficiency [b/s/Hz]

Hình 4.7: Hàm phân phối tích lũy của hiệu quả sử dụng phổ trên từng người dùng
[b/s/Hz] khi sử dụng các phương pháp beamforming khác nhau (chỉ người
dùng khỏe).

có thể đạt được tổng thông lượng 9.11 × 10−02 bit/s/Hz cho nhóm người dùng yếu.

Giá trị này cao hơn rất nhiều so với khi sử dụng phương pháp ZF, chỉ đạt được

tổng cộng 9.63 × 10−04 b/s/Hz.

Hình 4.5 mô tả hàm phân bố tích lũy của hiệu quả sử dụng phổ. Đồ thị được

chia ra làm 2 phần với nửa phần dưới là phân bố giá trị hiệu quả sử dụng phổ của

người dùng yếu còn nửa trên là của người dùng khỏe. Có thể thấy rằng, hiệu quả

sử dụng phổ khi dùng phương pháp ZF phân bố rất thấp. Điều này được giải thích

là do phương pháp ZF cố định giá trị trọng số và ép những trọng số còn lại bằng

0. Để dễ hình dung hơn, hình 4.7 và hình 4.6 cho ta thấy đầy đủ phân bố của cả 2

nhóm người dùng. Bằng việc giảm nhẹ ưu tiên cho người dùng khỏe, hiệu quả sử

dụng phổ của người dùng yếu khi sử dụng phương pháp beamforming RZF đã cả

thiện đáng kể so với những phương pháp khác.

Nhằm làm nổi bật những cải tiến của đồ án này so với những phương pháp cấp

phát tần số đã được công bố, em đã so sánh tổng hiệu quả sử dụng phổ khi tăng

dần số anten ở trạm phát giữa những phương pháp phân chia tần số khác nhau.

37
 38

80

Sum spectral efficiency [bit/s/Hz] 70

Optimal power allocation
Random power allocation
60 Uniform power allocation

50

40

30

20

10
5 10 15 20
Number of antennas at base station

Hình 4.8: Hiệu quả sử dụng phổ khi sử dụng các thuật toán cấp phát tần số khác nhau.
Hệ thống sử dụng phương pháp beamforming ZF.

Có thể thấy trong hình 4.8, đường thấp nhất biểu diễn hiệu quả sử dụng phổ của

hệ thống khi chia đều quỹ công suất như trong bài báo [53]. Đường nằm giữa là

khi hệ thống sử dụng việc phân chia quỹ công suất ngẫu nhiên cho những người
dùng như trong bài báo [54]. Do cơ chế xóa nhiễu hiệu quả của kỹ thuật NOMA, 2

phương pháp phân bố công suất đầu tiên cải thiện hoạt động tốt và có sự cải tiến

rõ rệt khi tăng số anten cũng như tăng số người dùng. Khi số người dùng trong 1

tế bào mạng di động tăng, phương pháp phân chia công suất đều và ngẫu nhiên

không còn hoạt động hiệu quả. Điều này được thể hiện ở việc khi phục vụ 20 nhóm

người dùng tức có 40 thiết bị, phương pháp cấp phát tần số tối ưu có hiệu năng

vượt trội hơn so với phương pháp chia đều và chia ngẫu nhiên lần lượt 29.62% và

62.10%

38
 39

4.3. Kết luận chương

Đồ án lần này tập trung vào việc đánh giá hiệu năng của các phương pháp

beamforming tuyến tính trong đường xuống của hệ thống MIMO-NOMA với mục

tiêu là tối đa thông lượng của người dùng. Hiệu năng được đánh giá trong một mô

hình đơn cell, chia cặp người dùng theo mô hình đã đề xuất. Đồ án này đã giải bài

toán tối ưu không lồi với quỹ công suất giới hạn. Kết quả mô phỏng số học đã cho

thấy rằng phương pháp ZF là phương pháp tối ưu nhất cho cả hệ thống. Mặc dù

tổng thông lượng bị sụt giảm một chút nhưng, việc nâng đỡ tốc độ của nhóm người

dùng yếu, phương pháp RZF làm tốt hơn hẳn 2 phương pháp còn lại. Giữa những

phương pháp beamforming, MRT là phương pháp kém hiệu quả về mặt hiệu năng

nhất tuy nhiên việc tính toán đơn giản, ổn định cũng là một ưu điểm đáng quan

tâm.

39
 Chương 5

KẾT LUẬN

5.1. Kết luận

Đồ án này xem xét một hệ thống mạng với những người dùng di động được chia

thành các nhóm đều nhau. Thay vì số người dùng mỗi nhóm được thiết lập là ngẫu

nhiên, việc chọn 2 người để lập thành 1 nhóm NOMA đã được kiểm chứng trong

những bài báo khoa học khác là cách chia cặp tối ưu nhất.

Tất cả người dùng này được cho là hoạt động trên cùng một tài nguyên tần số.

Cách sắp xếp người dùng vào cùng nhóm hiệu quả đã được đề xuất trong đồ án

nhằm nâng cao hiệu năng của cả 2 loại người dùng trong nhóm. Từ cấu trúc mạng

và cách tích hợp những phương pháp beamforming tuyến tính, tốc độ truyền tải

có thể được đạt tối đa qua việc thực hiện thuật toán tối ưu với rất nhiều vòng

lặp.Mặc dù bài toán được biết đến là một bài toán không lồi, việc sử dụng phép

biến đổi epigraph form đã đưa về thành dạng tối ưu hóa quy hoạch toàn phương.

Kết quả mô phỏng số học đã cho ta thấy hiệu năng của từng phương pháp
beamforming khi tích hợp vào trong hệ thống, đối với nhóm người dùng yếu lẫn

người dùng khỏe. Tóm lại, các kết quả của đồ án được thể hiện tại những điểm

dưới đây.

Thứ nhất, về mặt lý thuyết, đồ án đã có những đóng góp như sau:

• Một hệ thống MIMO dựa trên kỹ thuật đa truy nhập NOMA, sử dụng phương

pháp phân chia và ghép cặp người dùng tối ưu.

• Bằng cách sử dụng các tiêu chuẩn về tốc độ truyền tải đạt được, bài toán tối

ưu hóa hiệu quả sử dụng phổ của cả hệ thống dựa trên những điều kiện giới

hạn về quỹ công suất đã được giải và chứng minh bằng kết quả mô phỏng.

• Thay vì tìm kiếm giải pháp tối ưu với độ phức tạp cực kỳ cao, bài toán được

40
 41

giải qua 3 bước: Đầu tiên, thực hiện ghép cặp người dùng dựa trên yếu tố

kênh truyền giữa trạm phát và các theiét bị thu. Thứ hai, thực hiện biến đổi

toán học đưa bài toán về dạng tìm kiếm điểm cực trị lân cận. Cuối cùng, giải

thuật xử lý bài toán quy hoạch toàn phương sẽ trả về giá trị cấp phát công

suất cho người dùng ở trong hệ thống.

Kết quả đã được đăng tại tạp chí IEEE Access: "Power Control for Sum Spectral

Efficiency Optimization in MIMO-NOMA Systems With Linear Beamforming”,

SeongGyoon Park, Anh Quan Truong, Tien Hoa Nguyen.

Thứ hai, về mặt triển khai trên phần cứng. Dựa trên những phân tích lý thuyết

đã trình bày ở trên, em đã tiến hành xây dựng nhưng thuật toán được đề xuất

trong phần cứng. Sản phẩm đã tham gia và được giải nhất trong kỳ thi Sinh viên

Nghiên cứu khoa học năm 2018-2019.

5.2. Định hướng nghiên cứu trong tương lai

Đồ án này vẫn tồn tại những bài toán, vấn đề chưa có lời giải do giới hạn về
thời gian, khối lượng. Em sẽ liệt kê ra những vấn đề nên được đề cập và giải quyết

trong tương lai. Đó là

• Triển khai mô hình MIMO-NOMA với CSI không hoàn hảo. Trong tương lai,

CSI sẽ đạt được qua phép ước lượng kênh thông qua việc tích hợp pilot symbol

trước khi truyền tín hiệu đi. Sau khi tín hiệu nhận được tại mỗi người dùng,

pilot symbol sẽ có vai trò quan trọng trong những thuật toán nội suy ra kênh

truyền.

• Triển khai hệ thống có trạm chuyển tiếp khi truyền tín hiệu về cho 2 người

dùng trong 1 nhóm, qua đó có thể xây dựng thuật toán beamforming 2 lớp

nhằm loại bỏ hoàn toàn can nhiễu giữa các nhóm NOMA với nhau.

• Nghiên cứu và áp dụng những thuật toán giải bài toán tối ưu hóa không lồi

có tốc độ hội tụ nhanh hơn và có độ phức tạp tính toán thấp hơn giúp tiết

41
 42

kiệm thời gian chạy mô phỏng, trên thực tế có thể giảm tải khối lượng tính

toán đáng kể cho thiết bị máy móc, tiết kiệm công suất sử dụng, qua đó cũng

có thể hạn chế nhiễu nhiệt lên việc xử lý tín hiệu.

42
 Tài liệu tham khảo

[1] K. Fazel and S. Kaiser, “Multi-Carrier and Spread Spectrum Systems: From
OFDM and MC-CDMA to LTE and WiMAX.” John Wiley & Sons, 2008.

[2] G. L. Stuber, J. R. Barry, S. W. Mclaughlin, Y. Li, M. A. Ingram, and T. G.

Pratt, “Broadband MIMO-OFDM wireless communications,” Proceedings of
the IEEE, vol. 92, no. 2, pp. 271–294, Feb. 2004.

[3] R. Van Nee, V. Jones, G. Awater, A. Van Zelst, J. Gardner, and G. Steele, “The
802.11n MIMO-OFDM Standard for Wireless LAN and Beyond,” Wireless
Personal Communications, vol. 37, no. 3-4, pp. 445–453, 2006.

[4] S. R. Islam, N. Avazov, O. A. Dobre, and K.-S. Kwak, “Power-Domain Non-

Orthogonal Multiple Access (NOMA) in 5G Systems: Potentials and Chal-
lenges,” IEEE Communications Surveys & Tutorials, vol. 19, no. 2, pp. 721–
742, 2017.

[5] A. Benjebbour, A. Li, K. Saito, Y. Saito, Y. Kishiyama, and T. Nakamura,

“NOMA: From concept to standardization,” in Conference on Standards for
Communications and Networking, pp. 18–23, Oct. 2015.

[6] Y. Huang, C. Zhang, J. Wang, Y. Jing, L. Yang, and X. You, “Signal Pro-
cessing for MIMO-NOMA: Present and Future Challenges,” IEEE Wireless
Communications, vol. 25, no. 2, pp. 32–38, April 2018.

[7] S. Islam, M. Zeng, O. A. Dobre, and K.-S. Kwak, “Resource Allocation for
Downlink NOMA Systems: Key Techniques and Open Issues,” IEEE Wire-
less Communications, vol. 25, no. 2, pp. 40–47, April 2018.

[8] M. Aldababsa, M. Toka, S. Gökçeli, G. K. Kurt, and O. Kucur, “A Tutorial on

43
 44

Nonorthogonal Multiple Access for 5G and Beyond,” Wireless Communica-

tions and Mobile Computing, vol. 2018, Feb. 2018.

[9] F. Boccardi, R. W. Heath, A. Lozano, T. L. Marzetta, and P. Popovski, “Five

disruptive technology directions for 5G,” IEEE Communications Magazine,
vol. 52, no. 2, pp. 74–80, Feb. 2014.

[10] Y. Saito, Y. Kishiyama, A. Benjebbour, T. Nakamura, A. Li, and

K. Higuchi,“Non-Orthogonal Multiple Access (NOMA) for Cellular Future
Radio Access,” in Vehicular Technology Conference (VTC Spring), 2013
IEEE 77th, pp. 1–5, 2013.

[11] V. W. Wong, R. Schober, D. W. K. Ng, and L.-C. Wang, Key technologies for
5G wireless systems. Cambridge university press, 2017.

[12] Y. Cai, Z. Qin, F. Cui, G. Y. Li, and J. A. McCann, “Modulation and Mul-
tiple Access for 5G Networks,” IEEE Communications Surveys & Tutorials,
vol. 20, no. 1, pp. 629–646, 2018.

[13] Z. Ding, Y. Liu, J. Choi, Q. Sun, M. Elkashlan, and H. V. Poor, “Applica-

tion of Non-Orthogonal Multiple Access in LTE and 5G networks,” IEEE
Communications Magazine, vol. 55, pp. 185–191, Feb. 2017.

[14] W. Shin, M. Vaezi, B. Lee, D. J. Love, J. Lee, and H. V. Poor, “Non-

Orthogonal Multiple Access in Multi-Cell Networks: Theory, Performance,
and Practical Challenges,” IEEE Communications Magazine, vol. 55, no. 10,
pp. 176–183, Oct. 2017.

[15] L. Dai, B. Wang, Y. Yuan, S. Han, I. Chih-Lin, and Z. Wang, “Non-orthogonal

multiple access for 5G: solutions, challenges, opportunities, and future re-
search trends,” IEEE Communications Magazine, vol. 53, no. 9, pp. 74–81,
Sept. 2015.

[16] F. Zhou, Y. Wu, Y.-C. Liang, Z. Li, Y. Wang, and K.-K. Wong, “State of

44
 45

the Art, Taxonomy, and Open Issues on Cognitive Radio Networks with
NOMA,” IEEE Wireless Communications, vol. 25, no. 2, pp. 100–108, April
2018.

[17] J. Jeon, “NR Wide Bandwidth Operations,” IEEE Communications Magazine,

vol. 56, no. 3, pp. 42–46, March 2018.

[18] H. Ji, S. Park, J. Yeo, Y. Kim, J. Lee, and B. Shim, “Ultra-Reliable and Low-
Latency Communications in 5G Downlink: Physical Layer Aspects,” IEEE
Wireless Communications, vol. 25, no. 3, pp. 124–130, Jun. 2018.

[19] W. Shin, M. Vaezi, B. Lee, D. J. Love, J. Lee, and H. V. Poor, “Coordi-

nated Beamforming for Multi-Cell MIMO-NOMA,” IEEE Communications
Letters, vol. 21, no. 1, pp. 84–87, Jan. 2017.

[20] B. Wang, L. Dai, Z. Wang, N. Ge, and S. Zhou, “Spectrum and Energy-
Efficient Beamspace MIMO-NOMA for Millimeter-Wave Communications
Using Lens Antenna Array,” IEEE Journal on Selected Areas in Communi-
cations, vol. 35, no. 10, pp. 2370–2382, Oct. 2017.

[21] S. Ali, E. Hossain, and D. I. Kim, “Non-Orthogonal Multiple Access (NOMA)

for Downlink Multiuser MIMO Systems: User Clustering, Beamforming, and
Power Allocation,” IEEE Access, vol. 5, pp. 565–577, 2017.

[22] M. Zeng, A. Yadav, O. A. Dobre, G. I. Tsiropoulos, and H. V. Poor, “Capacity

Comparison Between MIMO-NOMA and MIMO-OMA With Multiple Users
in a Cluster,” IEEE Journal on Selected Areas in Communications, vol. 35,
no. 10, pp. 2413–2424, Oct. 2017.

[23] M. Zeng, A. Yadav, O. A. Dobre, G. I. Tsiropoulos, and H. V. Poor, “On

the Sum Rate of MIMO-NOMA and MIMO-OMA Systems,” IEEE Wireless
Communications Letters, vol. 6, no. 4, pp. 534–537, Aug. 2017.

[24] Z. Ding, F. Adachi, and H. V. Poor, “The Application of MIMO to Non-

45
 46

Orthogonal Multiple Access ,” IEEE Transactions on Wireless Communica-

tions, vol. 15, no. 1, pp. 537–552, Jan. 2016.

[25] M. B. Shahab, M. F. Kader, and S. Y. Shin, “A Virtual User Pairing Scheme

to Optimally Utilize the Spectrum of Unpaired Users in Non-orthogonal
Multiple Access,” IEEE Signal Processing Letters, vol. 23, no. 12, pp. 1766–
1770, Dec. 2016.

[26] F. Alavi, K. Cumanan, Z. Ding, and A. G. Burr, “Robust Beamforming Tech-

niques for Non-Orthogonal Multiple Access Systems with Bounded Channel
Uncertainties,” IEEE Communications Letters, vol. 21, no. 9, pp. 2033–2036,
Sept. 2017.

[27] Z. Zhu, Z. Chu, N. Wang, S. Huang, Z. Wang, and I. Lee, “Beamforming and
Power Splitting Designs for AN-Aided Secure Multi-User MIMO SWIPT
Systems,” IEEE Transactions on Information Forensics and Security, vol. 12,
pp. 2861–2874, Dec. 2017.

[28] Q. Li, Q. Zhang, and J. Qin, “Secure Relay Beamforming for SWIPT in
Amplify-and-Forward Two-Way Relay Networks ,” IEEE Transactions on
Vehicular Technology, vol. 65, pp. 9006–9019, Nov. 2016.

[29] L. Yang, M. O. Hasna, and I. S. Ansari, “Physical layer security for TAS/MRC
systems with and without co-channel interference over ν−µ fading channels,”
IEEE Transactions on Vehicular Technology, 2018.

[30] T. Yoon, T. H. Nguyen, X. T. Nguyen, D. Yoo, B. Jang, and V. D. Nguyen,

“Resource Allocation for NOMA-based D2D Systems Coexisting with Cel-
lular Networks,” IEEE Access, vol. 6, pp. 66293–66304, 2018.

[31] J. Choi, “Minimum power multicast beamforming with superposition coding

for multi-resolution broadcast and application to NOMA systems,” IEEE
Transactions on Communications, vol. 63, no. 3, pp. 791–800, March 2015.

46
 47

[32] M. Zeng, A. Yadav, O. A. Dobre, and H. V. Poor, “Energy-Efficient Power Al-

location for MIMO-NOMA With Multiple Users in a Cluster,” IEEE Access,
vol. 6, pp. 5170–5181, 2018.

[33] M. S. Ali, H. Tabassum, and E. Hossain, “Dynamic User Clustering and

Power Allocation for Uplink and Downlink Non-Orthogonal Multiple Access
(NOMA) Systems,” IEEE Access, vol. 4, pp. 6325–6343, 2016.

[34] Y. Saito, Y. Kishiyama, A. Benjebbour, T. Nakamura, A. Li, and K. Higuchi,

“Non-Orthogonal Multiple Access (NOMA) for Cellular Future Radio Ac-
cess,” in 2013 IEEE 77th Vehicular Technology Conference (VTC Spring),
Dresden, 2013, pp. 1-5.

[35] C. Chen, W. Cai, X. Cheng, L. Yang, and Y. Jin, “Low Complexity Beam-
forming and User Selection Schemes for 5G MIMO-NOMA Systems,” IEEE
Journal on Selected Areas in Communications, vol. 35, no. 12, pp. 2708–2722,
Dec. 2017.

[36] Z. Chen, Z. Ding, and X. Dai, “Beamforming for Combating Inter-cluster and
Intra-cluster Interference in Hybrid NOMA Systems,” IEEE Access, vol. 4,
pp. 4452–4463, 2016.

[37] T. H. Nguyen, T. K. Nguyen, H. D. Han and V. D. Nguyen, “Optimal

Power Control and Load Balancing for Uplink Cell-Free Multi-User Mas-
sive MIMO,” IEEE Access, vol. 6, pp. 14462–14473, 2018.

[38] V. Nguyen, H. D. Tuan, T. Q. Duong, H. V. Poor, and O. Shin, “Precoder

Design for Signal Superposition in MIMO-NOMA Multicell Networks,” IEEE
Journal on Selected Areas in Communications, vol. 35, no. 12, pp. 2681-2695,
Dec. 2017.

[39] Y. Li and G. A. A. Baduge, “NOMA-Aided Cell-Free Massive MIMO Sys-

tems,” IEEE Wireless Communications Letters, vol. 7, pp. 950–953, Dec.
2018.

47
 48

[40] X. Chen, F. Gong, G. Li, H. Zhang, and P. Song, “User Pairing and Pair
Scheduling in Massive MIMO-NOMA Systems,” IEEE Communications Let-
ters, vol. 22, no. 4, pp. 788–791, April 2018.

[41] J. Ma, C. Liang, C. Xu, and L. Ping, “On Orthogonal and Superimposed Pi-
lot Schemes in Massive MIMO-NOMA Systems,” IEEE Journal on Selected
Areas in Communications, vol. 35, no. 12, pp. 2696–2707, Dec. 2017.

[42] W. Hao, M. Zeng, Z. Chu, and S. Yang, “Energy-Efficient Power Allocation

in Millimeter Wave Massive MIMO With Non-Orthogonal Multiple Access,”
IEEE Wireless Communications Letters, vol. 6, no. 6, pp. 782–785, Dec.
2017.

[43] N. T. Hoa, N. T. Hieu, N. Van Duc, G. Gelle, and H. Choo, “Second order
suboptimal power allocation for OFDM-based cognitive radio systems,” in
Proceedings of the 7th International Conference on Ubiquitous Information
Management and Communication, p. 50, ACM, 2013.

[44] T. Nguyen, H. Nguyen, V. Nguyen, G. Gelle, and H. Choo, “Second order sub-
optimal power allocation for MIMO-OFDM based cognitive radio systems,”
KSII Transactions on Internet and Information Systems, vol. 8, pp. 2647–
2662, Aug. 2014.

[45] T. V. Chien, E. Björnson, and E. G. Larsson, “Joint Pilot Design and Uplink
Power Allocation in Multi-Cell Massive MIMO Systems,” IEEE Transactions
on Wireless Communications, vol. 17, pp. 2000–2015, March 2018.

[46] Y. Jiang, M. K. Varanasi, and J. Li, “Performance Analysis of ZF and MMSE

Equalizers for MIMO Systems: An In-Depth Study of the High SNR Regime,”
IEEE Transactions on Information Theory, vol. 57, no. 4, pp. 2008–2026,
April 2011.

[47] T. V. Chien and E. Björnson, Massive MIMO Communications, Springer

International Publishing, Cham, pp. 77–116, 2017.

48
 49

[48] V. Annapureddy and V. Veeravalli, “Sum capacity of MIMO interference chan-

nels in the low interference regime,” IEEE Transactions on Information The-
ory, vol. 57, no. 5, pp. 2565–2581, May 2011.

[49] M. Grant and S. Boyd, “CVX: Matlab software for disciplined convex pro-
gramming, academic users.” http://cvxr.com/cvx, Dec. 2017.

[50] S. Boyd and L. Vandenberghe, Convex Optimization. Cambridge University

Press, 2004.

[51] M. Chiang, C. W. Tan, D. P. Palomar, D. O. Neill, and D. Julian, “Power Con-

trol By Geometric Programming ,” IEEE Transactions on Wireless Commu-
nications, vol. 6, no. 7, pp. 2640–2651, July 2007.

[52] B. R. Marks and G. P. Wright, “A General Inner Approximation Algorithm

for Nonconvex Mathematical Programs,” Operations Research, vol. 26, no. 4,
pp. 681–683, 1978.

[53] T. V. Chien, C. Mollén, and E. Björnson, “Large-Scale-Fading Decod-

ing in Cellular Massive MIMO Systems with Spatially Correlated Chan-
nels.” IEEE Transactions on Communications, https://doi.org/10.1109/
TCOMM.2018.2889090, Dec. 2018.

[54] H. Sun, X. Chen, Q. Shi, M. Hong, X. Fu, and N. D. Sidiropoulos, “Learning

to Optimize: Training Deep Neural Networks for Interference Management,”
in The International Zurich Seminar on Information and Communication
(IZS 2018) Proceedings, pp. 46–47, Zurich, February 2018.

[55] T. V. Chien, E. Björnson, and E. G. Larsson, “Multi-cell massive MIMO

performance with double scattering channels,” IEEE International Workshop
on Computer-Aided Modeling Analysis and Design of Communication Links
and Networks (CAMAD), Toronto, 2016, pp. 231-236.

[56] S. M. R. Islam, N. Avazov, O. A. Dobre, and K. s. Kwak, “Power-domain

49
 50

non-orthogonal multiple access (NOMA) in 5G systems: Potentials and chal-

lenges,” IEEE Communications Surveys & Tutorials, vol. 19, no. 2, pp. 721–
742, 2017.

[57] H. Tabassum, M. S. Ali, E. Hossain, M. Hossain, D. I. Kim, et al., “Non-

orthogonal multiple access (NOMA) in cellular uplink and downlink: Chal-
lenges and enabling techniques,” arXiv preprint arXiv:1608.05783, 2016.

50

View publication stats