Professional Documents
Culture Documents
PowerControlforSumSpectralEfficiencyOptimizationinMIMO NOMASystemsWithLinearBeamforming PDF
PowerControlforSumSpectralEfficiencyOptimizationinMIMO NOMASystemsWithLinearBeamforming PDF
net/publication/334668358
CITATIONS READS
0 50
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
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.
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
Tác giả
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
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.
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
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
forcing (ZF) beamforming gives the highest sum spectral efficiency (SE), while
MỤC LỤC
i
ii
3.5. Đánh giá hiệu năng của đường xuống với nhiều phương pháp beamforming
ii
DANH MỤC CÁC TỪ VIẾT TẮT
Modulation
BS Base Station
ZF Zero-Forcing
iii
Danh sách hình vẽ
1.2 Dự báo về số lượng thiết bị thông minh truy cập hệ thống mạng cho
tới 2022 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
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
bị người dùng. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Tổng công suất cấp phát cho nhóm người dùng yếu, khỏe so với số
4.3 Tổng hiệu quả sử dụng phổ của người dùng khỏe khi sử dụng các
4.4 Tổng hiệu quả sử dụng phổ của người dùng yếu khi sử dụng các
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
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
4.8 Hiệu quả sử dụng phổ khi sử dụng các thuật toán cấp phát tần số
v
Danh sách bảng
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
m×n
(.) Ma trận kích thước m × n (m hàng, n cột)
sai C.
vii
Chương 1
GIỚI THIỆU ĐỒ ÁN
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.
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.
• 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.
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.
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.
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
Đồ án tốt nghiệp này sẽ được sắp xếp theo thứ tự sau đây:
5
Chương 2
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.
Z = X + iY (2.1)
tuân theo phân phối chuẩn, Phân phối của Z bao gôm 3 tham số:
• µ = E(Z)
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
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:
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:
7
8
Tính chất:
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:
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.
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:
Trong đó Ω là không gian mẫu của không gian xác suất mà biến ngẫu nhiên
X được định nghĩa.
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
9
10
Definition 2. Một bài toán quy hoạch toàn phương có dạng tổng quát như sau
maximize f0 (x)
x∈X
hm (x) = 1 ∀m = 1, . . . , M,
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
• 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.
10
11
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.
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)
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:
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
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.
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
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
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
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
√ √
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
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.
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-
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
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
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.
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
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
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
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
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
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
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
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
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
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
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
ZF
= log2 1 + SINRZF
Rn,2 n,2 [b/s/Hz], (3.21)
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.
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
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
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
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
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
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
26
27
Lemma 2. cho rằng h(x) là một đa thức từ N đơn thức {z1 (x), . . . , zN (x)} được
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 )
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
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
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
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
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
Áp dụng SOA để giải bài toán (3.28) với số vòng lặp rất lớn với bộ công suất
28
29
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
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
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
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.
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
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
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
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.
Trong phạm vi của đồ án này, kênh lan truyền từ trạm phát đến từng người
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.
32
33
zn,n0 có phân bố CN (0, 1). Hệ số suy hao trên đường truyền ξn,n0 được tính với công
trong đó ξn,n0 có đơn vị dB và dn,n0 (tính bằng km) là khoảng cách giữa trạm
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.
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]
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
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
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
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
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
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
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
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
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.
• Một hệ thống MIMO dựa trên kỹ thuật đa truy nhập NOMA, sử dụng phương
• 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
Kết quả đã được đăng tại tạp chí IEEE Access: "Power Control for Sum Spectral
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
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
• 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
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.
[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.
[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.
43
44
[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.
[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.
[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.
[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.
45
46
[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.
46
47
[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.
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.
[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.
48
49
[49] M. Grant and S. Boyd, “CVX: Matlab software for disciplined convex pro-
gramming, academic users.” http://cvxr.com/cvx, Dec. 2017.
49
50
50