Ước lượng, bù dịch tần doppler trong hệ thống thông tin di động dải sóng milimet

GIỚ I THI Ệ U H Ệ TH ỐNG THÔNG TIN DI ĐỘ NG D Ả I SÓNG

Gi ớ i thi ệ u v ề băng tầ n milimet trong h ệ th ống thông tin di độ ng

1.1.1 Xu hướng phát triển công nghệ và dịch vụthông tin di động

Sự thiếu hụt băng tần trong truyền thông không dây đã dẫn đến việc ứng dụng băng tần millimeter (mmWave) ngày càng tăng Dữ liệu từ nhà mạng di động cho thấy rằng mmWave là giải pháp tiềm năng để đáp ứng nhu cầu băng thông cao trong tương lai.

Tại Hội thảo chuyên đề về công nghệ thông tin di động 4G và 5G diễn ra ở Hà Nội vào cuối tháng 6/2017, SK Telecom (Hàn Quốc) đã công bố rằng số lượng thuê bao 4G đã vượt qua 3G, với tỷ lệ gấp 4 lần Công ty cũng ghi nhận lưu lượng dữ liệu 4G tăng mạnh 227% vào tháng 3/2017 so với cùng kỳ năm 2015 Nhiều quốc gia phát triển đã triển khai công nghệ mạng 4G LTE, cho tốc độ cao hơn nhiều so với 3G, với khả năng tải xuống lên tới 100 Mb/giây Mạng 4G không chỉ hỗ trợ các dịch vụ tương tự như 3G mà còn cung cấp băng thông rộng cho các ứng dụng quản lý chất lượng dịch vụ QoS, truy cập mạng không dây băng tần rộng, tin nhắn đa phương tiện MMS, truyền hình trực tuyến độ phân giải cao và các dịch vụ cần băng thông rộng khác.

Mạng công nghệ 4,5G được triển khai để cung cấp cho người dùng các video độ phân giải ultra HD và công nghệ 3D holographic So với 4G, công nghệ 4,5G mang lại tốc độ nhanh hơn, độ trễ thấp hơn và nhiều tính năng ưu việt hơn Đồng thời, nó cũng tạo ra cơ hội khai thác doanh thu mới cho các nhà mạng khi băng thông di động ngày càng mạnh mẽ và hiệu quả hơn.

Hình 1.1 Đồ thị lưu lượng dữ liệu 3G và 4G của SK Telecom [1]

Theo dự báo, đến năm 2020, số lượng thiết bị thông minh sẽ tăng mạnh, với hơn 50 tỷ thiết bị kết nối mạng di động Mạng di động sẽ trở thành mạng "Internet" chính, kết nối không chỉ giữa người với người mà còn giữa người với máy móc Do đó, mạng di động cần đảm bảo các yếu tố quan trọng như QoS (Chất lượng dịch vụ), bảo mật và độ tin cậy Để đạt được điều này, công nghệ 5G cần có khả năng truyền tải với tốc độ khoảng 10 Gb/giây, tương đương với mạng cáp quang, nhằm xử lý nội dung đa phương tiện và truyền thông ảo với độ phân giải siêu nét.

Hệ thống 5G theo thông số kỹ thuật IMT-2020 sẽ nâng cao khả năng cho thiết bị và mạng, đồng thời tích hợp chặt chẽ với các ứng dụng sắp ra mắt Bảng 1.1 liệt kê 8 tham số chính của khả năng IMT-2020 5G.

Bảng 1.1 Tiêu chuẩn của mạng 5G [2]

Khảnăng Mô tả Mục tiêu

Tốc độ dữ liệu đỉnh

Tốc độ dữ liệu tối đa có thể đạt được

Tốc độ dữ liệu người dùng

Tốc độ dữ liệu có thể đạt được trên toàn khu vực phủ sóng

1 Gbit/s eMBB Độ trễ Mạng vô tuyến đóng góp vào thời gian di chuyển gói

Tính di động Tốc độ tối đa cho các yêu cầu bàn giao và QoS

Mật độ kết nối Tổng số thiết bị trên một đơn vị diện tích

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

Hiệu suất phổ Thông lượng trên mỗi đơn vị băng thông không dây và trên mỗi tế bào mạng (network cell)

Tổng lưu lượng truy cập

Tổng lưu lượng trên toàn khu vực phủ sóng

1.1.3 Sóng milimet trong công nghệ 5G

Người dùng kỳ vọng mạng thông tin di động 5G sẽ hỗ trợ tốc độ dữ liệu lên đến Gbps trong môi trường di động, mang lại chất lượng và trải nghiệm dịch vụ vượt trội gấp 10 lần so với mạng 4G hiện tại Các băng tần hiện tại dành cho thông tin di động như 900 MHz và 1800 MHz đang được sử dụng cho các mạng 2G, 3G và 4G.

2100 MHz, 2600 MHz,…) sẽ không đápứng được lượng băng thông liên tục cần

Để triển khai các dịch vụ di động với tốc độ Gbps, cần thiết phải có những băng tần mới Hiện nay, băng tần sóng milimet (mmWave) đang được các nhà nghiên cứu tập trung khai thác.

Sóng milimet (MmWave) có bước sóng cỡ milimet và dải tần từ 20GHz đến 300GHz, nằm giữa sóng microwave và hồng ngoại Dải tần này được ứng dụng trong truyền thông không dây tốc độ cao theo tiêu chuẩn Wi-Fi 802.11ad, hoạt động ở tần số 60 GHz MmWave đang được các tổ chức tiêu chuẩn quốc tế và nhóm nghiên cứu xem xét như dải tần số chính cho 5G, nhằm cung cấp băng thông rộng hơn, tốc độ cao hơn và độ trễ thấp hơn.

Thụy Sỹ, Hội nghị Thông tin vô tuyến thế giới (WRC-15) đã đưa ra danh sách gồm

Có 9 băng tần tiềm năng trong dải tần từ 24.25 GHz đến 86 GHz (Hình 1.2) được đề xuất cho thông tin di động IMT-2020, và các băng tần này sẽ được giao cho các nhóm nghiên cứu của Liên minh Viễn thông Quốc tế (ITU-R) để tiến hành nghiên cứu.

Hình 1.2 Các băng tần tiềm năng cho thông tin di động [3]

Tại Hội nghị Thông tin vô tuyến thế giới năm 2019 (WRC-19), sẽ quyết định băng tần nào trong số 09 băng tần được sử dụng cho thông tin di động 5G Theo Ted Rappaport, người sáng lập NYU Wireless, lưu lượng dữ liệu di động dự đoán sẽ tăng 53% mỗi năm trong tương lai, với nhu cầu về tốc độ máy tính và kích thước bộ nhớ sẽ tăng gấp 6 lần Để đáp ứng nhu cầu sử dụng dữ liệu ngày càng cao, chúng ta cần một phổ tần số cao hơn, trong đó sóng millimet đóng vai trò quan trọng trong việc truyền tải dữ liệu lớn với tốc độ cao.

5 cao Hình 1.3 dưới cho chúng ta thấy sự khác biệt về tốc độ truyền dữ liệu của mạng 3G, 4G, 5G

Hình 1.3 Biểu đồ tốc độ truyền dữ liệu 3G, 4G, 5G [3]

Ngành công nghiệp không dây đang đối mặt với nhu cầu sử dụng ngày càng tăng, mặc dù các dự án nghiên cứu và phát triển công nghệ không dây vẫn được triển khai Công nghệ không dây mới nhất hiện nay là 4G LTE, nhưng các nhà nghiên cứu dự đoán rằng đến năm 2020, công nghệ này sẽ không đủ để đáp ứng nhu cầu Do đó, cần thiết phải phát triển các công nghệ và kiến trúc mới Mạng không dây trong tương lai hứa hẹn sẽ đạt tốc độ dữ liệu di động lên đến nhiều gigabit trên giây, nhờ vào việc sử dụng anten điều khiển và sóng milimet, hỗ trợ cho cả truyền thông di động và backhaul Sự kết hợp giữa công nghệ CMOS cho băng tần mmWave và anten có độ tăng ích cao sẽ nâng cao khả năng truyền thông không dây Bên cạnh đó, tần số sóng milimet cho phép phân bổ băng thông lớn hơn, trực tiếp ảnh hưởng đến tốc độ truyền dữ liệu Phổ sóng milimet sẽ giúp các nhà cung cấp dịch vụ mở rộng băng thông kênh một cách đáng kể.

Việc tăng băng thông kênh RF lên 20 MHz cho 4G giúp nâng cao dung lượng dữ liệu đáng kể, đồng thời giảm độ trễ cho lưu lượng kỹ thuật số Điều này hỗ trợ tốt hơn cho các ứng dụng dựa trên internet yêu cầu độ trễ thấp.

Tần số sóng milimet, với bước sóng nhỏ, cho phép khai thác phân cực và các kỹ thuật xử lý không gian tiên tiến như massive MIMO và beamforming Điều này mang lại băng thông lớn hơn và khả năng xử lý vượt trội cho các liên kết giữa trạm gốc và thiết bị so với mạng 4G hiện tại, đặc biệt ở khu vực đông dân cư Khi các nhà khai thác tối ưu hóa vùng phủ sóng di động và triển khai các kiến trúc phối hợp mới như phối hợp MIMO và relays, chi phí cho mỗi trạm gốc sẽ giảm, khiến chúng trở nên phổ biến hơn trong các đô thị Tuy nhiên, sóng milimet gặp thách thức về khả năng truyền xa do bị hấp thụ mạnh bởi khí quyển và suy hao do mưa, độ ẩm.

Hình 1.4 Đồ thị suy hao do mưa theo tần số ở các mức mưa khác nhau [4]

Một vấn đề được nhiều người quan tâm là suy hao do mưa và hấp thụ khí quyển có thể ảnh hưởng đến khả năng sử dụng sóng milimet Tuy nhiên, nghiên cứu cho thấy với kích thước cell khoảng 200m, sóng milimet vẫn có thể lan truyền với mức suy hao thấp Hình 1.4 và Hình 1.5 minh họa sự suy hao do mưa và các đặc tính hấp thụ của khí quyển trong quá trình truyền sóng milimet.

Có thể thấy rằng, đối với kích thước tế bào khoảng 200m, hấp thụ khí quyển sẽ

7 không tạo ra suy hao đáng kể đối với sóng milimet, đặc biệt là ở 28 GHz đến 38

Tại tần số 28 GHz, suy hao do mưa lớn (25mm/giờ) chỉ đạt 7 dB/km, tương đương với mức suy hao 1,4 dB khi khoảng cách là 200m Nhiều nghiên cứu đã chỉ ra rằng, trong khoảng cách dưới 1km, suy hao do mưa không ảnh hưởng đáng kể đến việc lan truyền sóng milimet.

Hình 1.5 Hấp thụ khí quyển ở các tần số sóng milimet [3]

Có nhiều dạng sóng 5G đã và đang được nghiên cứu, trong mục này tôi xin trình bày một số dạng sóng tiềm năng có thể sẽđược sử dụng

Mô hình suy hao truy ền sóng cho băng tầ n sóng milimet

1.2.1 Mô hình suy hao truyền sóng trong không gian tự do

Mô hình lan truyền sóng trong không gian tự do giúp dự đoán cường độ tín hiệu thu được trong môi trường tầm nhìn thẳng (LOS), không có chướng ngại vật giữa máy phát và máy thu Công suất nhận được tại khoảng cách d, ký hiệu là P d r ( ), được tính theo công thức Friss.

- d là khoảng cách giữa máy phát và máy thu (m)

- G t là tăng ích anten phát

- G r là tăng ích anten thu

Suy hao hệ thống bao gồm tất cả các loại suy hao như suy hao do đường truyền, connector và bộ lọc Trong trường hợp lý tưởng, hệ thống sẽ không có suy hao với L > 1 Công suất nhận được sẽ giảm theo cấp số nhân với khoảng cách d, như được thể hiện trong công thức (PT 1.1) Suy hao trong không gian tự do, PL f ( ) d, đại diện cho sự suy giảm công suất và được tính theo công thức (PT 1.2) với giả thiết L = 1.

Trong thực tế lan truyền sóng, điều kiện không gian tự do khó xảy ra, vì vậy một mô hình suy hao tổng quát đã được phát triển từ mô hình suy hao không gian tự do Mô hình này bổ sung một tham số n, gọi là số mũ suy hao, thể hiện hệ số suy hao đường truyền phụ thuộc vào môi trường Mô hình này được biết đến với tên gọi là mô hình suy hao log-distance, được diễn đạt qua công thức PT 1.3.

Khoảng cách tham chiếu d0 (m) là khoảng cách mà tại đó suy hao đường truyền vẫn giữ được tính chính xác hoặc gần đúng theo mô hình suy hao không gian tự do Hệ số n, dao động từ 2 đến 6, phản ánh mức độ suy hao tùy thuộc vào môi trường truyền dẫn, với n=2 tương ứng với không gian tự do và n tăng khi có nhiều vật cản Việc xác định chính xác khoảng cách tham chiếu d0 là rất quan trọng cho các môi trường truyền khác nhau; ví dụ, d0 thường được đặt là 1km cho hệ thống tế bào vùng phủ rộng, 100m cho hệ thống tế bào lớn bán kính 1km và 1m cho hệ thống tế bào nhỏ bán kính cực nhỏ.

Bảng 1.2 Số mũ suy hao n theo môi trường

Môi trường Số mũ suy hao ( n )

Không gian tự do 2 Đô thị 2,7 – 3,5 Đô thị có hiệu ứng shadow 3 – 5

Trong các tòa nhà (có LOS) 1,6 – 1,8

Trong các tòa nhà (có vật cản) 4 – 6

Trong các nhà máy (có vật cản) 2 - 3

Dù khoảng cách giữa máy phát và máy thu là như nhau, mức suy hao của các đường truyền có thể khác nhau do ảnh hưởng của hiệu ứng shadow trong môi trường xung quanh máy thu Các mô hình suy hao hiện tại không tính đến tình huống này, vì vậy mô hình log-distance shadowing được đề xuất như một giải pháp chính xác hơn Mô hình này sử dụng một biến ngẫu nhiên Xs theo phân phối Gaussian với giá trị trung bình là 0 và độ lệch chuẩn s, đại diện cho sự suy hao do hiệu ứng shadow, được mô tả bằng công thức PT 1.4.

Hình 1.11 Đồ thị suy hao theo mô hình log-distance Shadowing

Mô hình suy hao log-distance shadowing ở tần số 28 GHz với σ = 3 dB và n = 2 cho thấy sự khác biệt rõ rệt về mức suy hao tại cùng một khoảng cách từ máy phát Điều này cho phép chúng ta tính toán ảnh hưởng của hiệu ứng shadowing đến suy hao tín hiệu.

1.2.2 Mô hình SUI (Standford University Interim)

Mô hình SUI được phát triển dựa trên mô hình suy hao log-distance shadowing, nhằm áp dụng cho môi trường ngoại thành Để tính toán suy hao đường truyền, mô hình SUI phân loại môi trường thành ba nhóm khác nhau, mỗi nhóm có những đặc điểm riêng biệt.

• Loại A: địa hình đồi núi có mật độ cây từ trung bình đến cao

• Loại B: Môi trường đồi núi nhưng ít cây cối hoặc cây cối cao nhưng địa hình bằng phẳng

• Loại C: Chủ yếu là địa hình phẳng với mật độ cây ít

Công thức SUI của mô hình được viết ở PT 1.5:

Trong công thức này, d 0 = 100mvà γ = −a b.htx +c / htx, với a,b,c là các tham số phụ thuộc loại môi trường được cho theo Bảng 1.3

Bảng 1.3 Tham số của từng loại điều kiện địa hình

Tham số Loại A Loại B Loại C a 4,6 4 3,6 b 0,0075 0,0065 0,005 c 12,6 17,1 20

Hệ số phụ thuộc tần số sóng mang:

Hệ số phụ thuộc máy thu:

1.2.3 Mô hình suy hao được đề xuất bởi NYU Wireless

Mô hình SUI không được thiết kế để phát triển sóng milimet trong thông tin di động 5G, mặc dù nó có khả năng dự đoán suy hao truyền sóng cho sóng milimet, nhưng độ chính xác của nó vẫn còn thấp.

Việc tích hợp xác suất vào mô hình suy hao truyền sóng mang đến một phương pháp thay thế cho các mô hình suy hao truyền thống dựa trên khoảng cách Hiện tại, có hai mô hình suy hao truyền sóng chính đang tiếp cận dữ liệu đo lường, bao gồm mô hình tham chiếu khoảng cách không gian (CI) và mô hình Floating-intercept (FI).

Mô hình Floating – intercept (FI) là một phương pháp ước lượng suy hao trong phạm vi hẹp của dữ liệu, giúp dự đoán sát với dữ liệu thực tế Tuy nhiên, mô hình này không hiệu quả khi áp dụng ngoại suy ra ngoài phạm vi của phép đo.

Mô hình tham chiếu không gian tự do (CI) dựa trên cơ sở vật lý và ước lượng đầy đủ các điểm dữ liệu suy hao nhạy cảm với khoảng cách, được chọn làm tham chiếu cho dữ liệu NLOS (tham số d0) Việc thiết lập khoảng cách tham chiếu chuẩn d0 = 1m cho tất cả các phép đo mmWave sẽ giúp giải quyết vấn đề về khoảng cách tham chiếu.

Tần số sóng milimet có bước sóng nhỏ và nhạy cảm với điều kiện LOS và NLOS Để nâng cao độ chính xác trong mô hình suy hao truyền sóng, NYU Wireless đã đề xuất kết hợp cả hai mô hình CI cho LOS và FI cho NLOS.

 Mô hình tham chiếu khoảng cách không gian gần (Close - in) [6]:

- X σ biến xác suất ngẫu nhiên thể hiện shadow fading

 Mô hình suy hao truyền sóng Floating - intercept [7]

- α Tham sốđánh chặn (intercept – dB)

- β Tham số phụ thuộc khoảng cách (gọi là độ dốc)

- X σ Biến xác suất ngẫu nhiên thể hiện shadow fading

Tần số Millimeter-wave, với bước sóng nhỏ, rất nhạy cảm với điều kiện đường truyền LOS (Line of Sight) và NLOS (Non-Line of Sight) Để đánh giá suy hao trong các điều kiện này, chúng ta cần phân tích sự khác biệt trong đường truyền LOS và NLOS.

CI (cho LOS) và FI (cho NLOS) được đề xuất bởi NYU WIRELESS [7] Đánh giá ở giá trị khoảng cách tham chiếu d 0 = 1m như sau:

- d 0 = 1 m , khoảng cách tham chiếu không gian tự do

- n sốmũ suy hao trung bình theo khoảng cách tham chiếu d 0

- X σ biến xác suất ngẫu nhiên thể hiện shadow fading

1.2.4 Mô hình suy hao truyền sóng của 3GPP

Ngoài NYU Wireless, nhiều nhóm và tổ chức nghiên cứu trên toàn thế giới đang thực hiện các dự án đo đạc suy hao đường truyền cho sóng milimet 3GPP đã tổng hợp các kết quả đo này để phát triển những mô hình suy hao cụ thể và chính xác cho sóng milimet.

Trước khi khám phá mô hình suy hao truyền sóng của 3GPP, chúng ta cần hiểu rõ một số định nghĩa về khoảng cách được sử dụng trong các công thức Những khoảng cách này được minh họa chi tiết trong Hình 1.12.

Hình 1.12 Minh họa các định nghĩa về chiều cao, khoảng cách

Mô hình suy hao truyền sóng của 3GPP là mô hình cụ thể cho từng kịch bản môi trường khác nhau, nó được thể hiện ở Bảng 1.4

Bảng 1.4 Các mô hình suy hao cho sóng milimet của 3GPP [8]

Suy hao truyền sóng PL (dB), f c (GHz) , d m ( ) Xem ghi chú 6

20 log (40 / 3) min(0, 03 ;10) log ( ) min(0, 044 ;14, 77) 0, 002 log ( )

SF 6 σ = h = độ cao trung bình các tòa nhà W= độ rộng trung bình củađường phố Điều kiện:

RMa NLOS RMa LOS RMa NLOS

UMa NLOS UMa LOS UMa NLOS

UMi –( Đô thị micro cell ) LOS

UMi NLOS UMi LOS UMi NLOS

InH NLOS InH LOS InH NLOS

K ế t lu ận chương

Chương 1 đã đưa ra những nghiên cứu một cách khái quát về những đặc trưng của hệ thống thông tin di động dải sóng milimet Để người đọc có thể hiểu rõ về hệ thống thông tin di động dải sóng milimet, mục 1.1 đã trình bày công nghệ 5G với xu hướng phát triển công nghệ cũng như tiêu chuẩn chung của mạng 5G đã và sẽ triển khai trên thế giới Băng tần sóng milimet sẽđược cấp phép sử dụng cho công nghệ 5G Ngoài ra, các dạng sóng đã và đang được nghiên cứu cho hệ thống 5G là các biến thể nâng cấp của OFDM để cải thiện các mặt hạn chếOFDM cũng như bổsung thêm các tính năng mới để phù hợp hơn cho hệ thống 5G

Trong phần 1.2, bài viết đã giới thiệu mô hình suy hao truyền sóng cho băng tần milimet, bao gồm các mô hình suy hao trong không gian tự do và mô hình của Stanford.

Đại học Interim, NYU Wireless và 3GPP đã đề xuất các tiêu chuẩn truyền sóng cho từng mô hình Những tiêu chuẩn này sẽ được sử dụng làm tham chiếu cho việc xây dựng mô hình truyền sóng milimet tại khu vực Hà Nội, sẽ được trình bày chi tiết trong chương 2.

KỸ THU Ậ T X Ử LÝ D Ữ LI Ệ U VÀ MÔ HÌNH SUY HAO

K ỹ thu ậ t x ử lý d ữ li ệ u cho bài toán suy hao truy ề n sóng

Phân tích hồi quy trong mô hình xác suất thống kê là quá trình ước lượng mối quan hệ giữa các biến, bao gồm nhiều kỹ thuật lập mô hình và phân tích dữ liệu thống kê Nó giúp chúng ta hiểu cách giá trị của biến phụ thuộc thay đổi khi một biến độc lập thay đổi, trong khi các biến độc lập khác được giữ cố định Phân tích hồi quy thường được xem như một bài toán tối ưu, nhằm tìm kiếm mô hình có sai số tốt nhất.

Hình 2.1 Kỹ thuật hồi quy tuyến tính

Hiện nay, đã có rất nhiều kỹ thuật phân tích hồi quy khác nhau được phát triển

Hồi quy tuyến tính là một trong những phương pháp phân tích hồi quy phổ biến nhất để xây dựng mô hình Trong lĩnh vực machine learning, hồi quy tuyến tính thuộc nhóm thuật toán học có giám sát, được sử dụng để dự đoán biến phụ thuộc Y dựa trên giá trị của biến độc lập X, trong trường hợp mô hình tìm kiếm là một hàm tuyến tính.

Để đạt được kết quả chính xác trong phân tích hồi quy, việc sử dụng các phương tiện tối thiểu là rất cần thiết Trong nghiên cứu dự đoán mô hình suy hao truyền sóng theo khoảng cách, tôi đã áp dụng hồi quy tuyến tính với phương tiện tối thiểu MMSE.

Chúng ta áp dụng hồi quy tuyến tính để dự đoán hàm suy hao đường truyền theo khoảng cách (d), sử dụng phương pháp tối thiểu MMSE cho mô hình CI và hồi quy tuyến tính LSE cho mô hình FI Để hiểu rõ hơn về quá trình này, cần xem xét một số khái niệm liên quan đến phân tích hồi quy.

Khi thực hiện dự đoán bằng hồi quy tuyến tính, chúng ta sẽ nhận được một phương trình tuyến tính cho giá trị y dự đoán dựa trên x Tuy nhiên, giá trị dự đoán này thường có sai số so với giá trị thực tế y, và sai số này được gọi là sai số dự đoán.

Trong các bài toán hồi quy, mục tiêu chính là giảm thiểu sai số dự đoán cho tất cả các cặp dữ liệu đầu vào và đầu ra Để đạt được điều này, chúng ta cần hiểu rõ về khái niệm hàm mất mát, còn được gọi là điều kiện tối thiểu.

Khi dữ liệu đầu vào là một tập hợp các giá trị, ta sẽ thu được một tập các sai số dự đoán Mục tiêu của bài toán phân tích hồi quy là giảm thiểu các sai số này để đạt được kết quả chính xác nhất Các sai số này thường tuân theo phân phối xác suất với giá trị trung bình bằng 0, do đó, khi cộng tổng các sai số lại, chúng sẽ bằng 0 Để tìm điều kiện nhỏ nhất cho các sai số, ta sử dụng bình phương của sai số nhằm loại bỏ dấu và tối ưu hóa kết quả.

Cũng như có nhiều kỹ thuật phân tích hồi quy, hàm tối thiểu cũng đa dạng với các loại hàm khác nhau Trong mô hình CI và FI, chúng ta sử dụng hàm tối thiểu MMSE và LSE tương ứng LSE, hay phương pháp bình phương tối thiểu, được hiểu là giá trị nhỏ nhất của tổng bình phương sai số, và trong hồi quy tuyến tính, chúng ta thường mặc định sử dụng LSE Ngược lại, MMSE là giá trị nhỏ nhất của trung bình bình phương lỗi Các hàm này được xác định bởi các công thức cụ thể.

Sai số dự đoán được biểu diễn bằng h θ ( ) x i − y i, là một cách viết khác nhau của sai số này Để giải quyết bài toán hồi quy một cách thuận tiện, phương pháp đạo hàm được áp dụng.

Giải bài toán hồi quy tuyến tính nhằm tìm giá trị (θ0, θ1) giúp các hàm tối thiểu đạt giá trị nhỏ nhất Phương pháp đơn giản nhất để thực hiện điều này là giải phương trình đạo hàm của hàm tối thiểu bằng 0.

Trong phần 2.1.1, chúng ta cần giảm thiểu sai số dự đoán bằng cách tối ưu hóa hàm MMSE và LSE Để đạt được mục tiêu này, chúng ta sẽ giải bài toán tìm giá trị nhỏ nhất của hàm tối thiểu thông qua thuật toán gradient descent Thuật toán gradient descent, một phương pháp cơ bản trong machine learning, được sử dụng để xác định điểm nhỏ nhất của hàm số.

Để xác định giá trị nhỏ nhất của một hàm số, chúng ta thường giải phương trình đạo hàm bằng 0 nhằm tìm ra các điểm cực tiểu của hàm số đó.

Để xác định giá trị nhỏ nhất, chúng ta cần tìm ra toàn bộ các điểm cực tiểu và so sánh chúng.

Hình 2.2 Tìm cực tiểu bằng đạo hàm

Trong nhiều trường hợp của các bài toán tối ưu, việc giải bài toán đạo hàm bằng 0 thường gặp khó khăn do sự phức tạp của dạng đạo hàm, cũng như sự đa dạng của các điểm dữ liệu hoặc số lượng điểm dữ liệu quá lớn.

Hướng giải quyết tốt hơn là dùng thuật toán gradient descent có thể hiểu đơn giản như sau:

- Xuất phát từ một điểm bất kỳ mà ta coi là gần với nghiệm của bài toán nhất ta gọi là điểm θ j

- Ta dùng một phép toán lặp đểθ j tiến đến điểm cần tìm (điểm cực tiểu)

PT 2.4 Ở công thức trên α gọi là tốc độ học (learning rate), với mỗi lần lặp θ j sẽ giảm đi một ít cho đến khi nó đến điểm cực tiểu sẽ dừng lại vì khi đó đạo hàm

∂ , θ j khi đó chính là giá trị ta cần tìm

Thuật toán gradient descent trong bài toán hồi quy tuyến tính với hàm tối thiểu MMSE được cụ thểhóa hơn bằng công thức sau đây:

Mô hình suy hao truy ề n sóng d ả i t ầ n 28 GHz khu v ự c Keangnam, Hà N ộ i

Wireless Insite là phần mềm mô phỏng lan truyền vô tuyến, hỗ trợ thiết kế và phân tích các hệ thống không dây cho truyền thông, kết nối mạng và cảm biến Phần mềm này cung cấp dự đoán chính xác về lan truyền và đặc điểm kênh vô tuyến trong các môi trường phức tạp như trong nhà, nông thôn và đô thị, với khả năng xử lý các tuyến đường lan truyền phức tạp và tùy chọn thời gian thực hoặc độ tin cậy cao Bạn có thể tải phần mềm này tại trang web của công ty Remcom.

34 https://www.remcom.com/wireless-insite-em-propagation-software/ Họ cung cấp bản dùng thử 30 ngày với đầy đủ tất cả chức năng.

Hình 2.9 Vùng phủ tín hiệu, đa đường, đặc tính kênh vô tuyến cho môi trường đô thị mô phỏng bằng Wireless Insite

Hình 2.10 Mô phỏng lan truyền trong các tòa nhà

Wireless Inste cung cấp cho các nhà nghiên cứu cao tần các công cụ thiết kế đường dẫn vô tuyến, tối ưu hóa vùng phủ của anten và đánh giá đặc điểm kênh cũng như tín hiệu cho băng tần sóng RF và milimet Các ứng dụng của công nghệ này bao gồm dự đoán vùng phủ từ trạm gốc đến điểm truy cập, xác định hiệu ứng bóng và đa đường từ các tòa nhà và địa hình, cũng như đánh giá các giải pháp backhaul vô tuyến.

Trong bài viết này, chúng tôi sẽ khám phá 35 đặc điểm của các kênh thông tin liên lạc, bao gồm công nghệ 4G LTE, LTE-A, 5G MIMO và hệ thống massive MIMO, cũng như mạng WiFi trong nhà Chúng tôi sẽ đánh giá các yếu tố lan truyền sóng và thực hiện nhiều phân tích khác để cung cấp cái nhìn sâu sắc về hiệu suất của các hệ thống này.

Wireless Insite có các ứng dụng như sau:

- Dựđoán vùng phủ từ trạm gốc đến điểm truy cập

- Xác định các hiệu ứng shadow và đa đường do các tòa nhà, trong nhà, địa hình, cây cối…

- Đánh giá các giải pháp backhaul vô tuyến

- Đánh giá các đặc điểm kênh cho hệ thống thông tin liên lạc bao gồm 4G LTE, LTE – A, 5G MIMO …

- Đánh giá lan truyền vô tuyến

Wireless Insite là công cụ mô phỏng điện từ giúp dự đoán tác động của tòa nhà và địa hình đến sự lan truyền sóng điện từ Công cụ này phân tích cách vị trí của máy phát và máy thu trong môi trường đô thị ảnh hưởng đến cường độ tín hiệu Wireless Insite cho phép mô hình hóa đặc điểm vật lý của địa hình và kiến trúc đô thị, thực hiện các tính toán sóng điện từ và cung cấp thông tin về đặc tính lan truyền tín hiệu Địa hình và tòa nhà có thể được xây dựng bằng công cụ chỉnh sửa của Wireless Insite hoặc nhập từ các tệp định dạng phổ biến như DXF, shapefile, DTED và USGS.

Các vị trí của máy phát và máy thu có thể được cấu hình trực tiếp trên mô hình môi trường hoặc nhập từ bên ngoài qua tọa độ Để tính toán cho từng phần của khu vực tổng thể, có thể tạo ra các khu vực nghiên cứu khác nhau Các tính toán này được thực hiện bằng cách tạo ra các tia từ máy phát đến máy thu, với sự lan truyền của các tia tuân theo các hiện tượng vật lý như phản xạ, nhiễu xạ và tán xạ trước khi đến điểm thu.

Tại vị trí máy thu, các tia tới được kết hợp để đánh giá và dự đoán cường độ điện từ trường, công suất thu, cũng như các ảnh hưởng của suy hao, độ trễ, hướng sóng (DOA), thời gian tới (TOA) và nhiều đặc tính khác.

Wireless Insite cung cấp kết quả đầu ra rõ ràng và dễ hiểu, như hiển thị vùng phủ và công suất thông qua phổ màu trên mô hình.

Wireless Insite có khả năng chạy video thể hiện sự biến thiên của trường điện từ theo thời gian Đối với các loại dữ liệu khác, phần mềm này cung cấp khả năng hiển thị kết quả dưới dạng đồ thị Tất cả dữ liệu đầu ra của Wireless Insite đều được định dạng dưới dạng ASCII dễ đọc.

 Các tính năng chính và đầu ra của Wireless Insite

 Kỹ thuật ray-tracing với độ tin cậy cao

 Mô phỏng MIMO cho 4G, 5G, WiFi

 Tìm tia nhanh dựa trên công thức

 Các mô hình lan truyền thực nghiệm

 Bộ phân tích dữ liệu để xem, vẽ và xuất đầu ra MIMO

 Xử lý phân cực, pha, góc tới và góc phát của anten

Thêm dữ liệu và databases

• Thêm dữ liệu địa hình bằng cách sử dụng GDAL importer định dạng DRG, DOQ, DTED

• Thêm các kiến trúc thành phố, sơ đồ tằng, vật thể với định dạng COLLADA, DXF, KMZ, SAT, shapefile, STL

• Anten : Remcom UAN, XFdtd,planet, Odyssey

• Bản đồ và các hình ảnh trên không

• Các tính chất hấp thụ của vật liệu và tán lá

Hình 2.11 Thêm dữ liệu địa hình định dạng DRG

Các tính năng của tiến trình xử lý:

- Tham số không chắc chắn

- Phân tích kênh vô tuyến

- Nhiễu, BER, thông lượng… Đầu ra:

- Công suất thu, suy hao

- Hiển thịđường lan truyền tín hiệu

- Cường độvà pha điện trường

- Thời gian tới, hướng sóng tới

2.2.2 Cài đặt mô hình mô phỏng khu vực Keangnam, Hà Nội

Dự án đo đạc suy hao tại thành phố New York ở tần số 28 GHz của NYU WIRELESS nhằm thiết lập một khu vực đô thị để đo lường và tối ưu hóa kết quả suy hao truyền, từ đó so sánh và nghiệm chứng mô hình suy hao của 3GPP Luận văn chọn khu vực Keangnam, Mễ Trì, Hà Nội làm địa điểm mô phỏng, nơi có sự kết hợp giữa nhiều tòa nhà cao tầng và đường vành đai 3, đại diện cho mô hình đô thị hiện đại.

Hình 2.12 Khu vực Keangnam, Mễ Trì

Tác giả sử dụng bản đồ từ Google Maps và trích xuất dữ liệu từ Cadmapper để có được footprint chính xác cho khu vực Mô hình mô phỏng được xây dựng dựa trên khoảng cách đo đạc từ Google Maps và thực địa để thu thập dữ liệu chiều cao của tòa nhà Các đặc tính vật liệu của tòa nhà và đường đi được thiết lập dựa trên quan sát thực tế Mô hình hóa được thực hiện chặt chẽ với thực tế, bao gồm kiến trúc tòa nhà và các con đường Đặc tính vật liệu liên quan đến phản xạ, nhiễu xạ và hấp thụ sóng được thiết lập sẵn bởi Wireless Insite, hoặc có thể tự điều chỉnh cho phù hợp Mặc dù có thể tùy chỉnh các thông số này, tác giả đã sử dụng các đặc tính vật liệu có sẵn của Wireless Insite do thiếu thông số tham chiếu Các vật liệu này đủ đa dạng để phục vụ cho hầu hết các mô hình thông thường.

Hình 2.13 Các tham số về tính chất vật liệu

Như dựán đo suy hao thực tế của NYU WIRELESS ở thành phố New York tại tần số 28 GHz và 38 GHz, các nhà nghiên cứu của NUY WIRELESS sử dụng

The study focuses on a 39 antenna horn system for both transmission and reception, allowing individual adjustment of each device's azimuth and elevation angles This is crucial for extensive testing involving various measurements at frequencies of 28 GHz, 38 GHz, and 73 GHz, including angle of departure (AOD), angle of arrival (AOA), time of departure (TOD), and time of arrival (TOA), aimed at characterizing millimeter wave frequency bands for 5G mobile network planning Drawing from foundational documents such as “Multi-beam Antenna Combining for 28 GHz Cellular Link Improvement in Urban Environments” and “Radio Propagation Path Loss Models for 5G Cellular Networks in the 28 GHz and 38 GHz Millimeter-Wave Bands,” the researchers have authored over 20 IEEE papers based on experiments conducted in New York City to develop multi-directional path loss models.

Trong luận văn này, tác giả nghiên cứu mô hình suy hao cho sóng milimet trong môi trường đô thị Việt Nam, sử dụng anten đa hướng phân cực dọc cho cả máy phát và máy thu Các tham số của anten phát được trình bày trong Bảng 2.2 Cụ thể, anten phát được đặt ở độ cao 7m trên nóc tòa nhà Keangnam Landmark Tower 72, có tổng chiều cao 336m (Hình 2.14).

Hình 2.14 Mô hình khu vực Keangnam, Hà Nội

Bảng 2.2 Tham số của Anten phát

Tần số phát (GHz) Độ cao anten (m)

Đặt 100 anten thu (Rx) trong tầm nhìn thẳng (LOS) và không trong tầm nhìn thẳng (NLOS) một cách ngẫu nhiên để thu thập dữ liệu.

Sau khi xác định vị trí anten và thiết lập các tham số cho khu vực mô phỏng, hãy chọn đầu ra mong muốn và tiến hành mô phỏng để thu thập dữ liệu về khoảng cách và suy giảm tín hiệu Dữ liệu này sẽ được xử lý bằng các phương pháp phân tích hồi quy tuyến tính, bao gồm Gradient Descent và K-Nearest Neighbor.

2.2.4 Kết quả xử lý dữ liệu bằng kỹ thuật phân tích hồi quy tuyến tính – thuật toán Gradient Descent

2.2.4.1 Đặt trạm phát tại tòa nhà cao nhất khu vực với công suất phát 43 dBm

Bảng 2.3 Kết quả xử lý dữ liệu vị trí trạm phát tại tòa nhà cao 336m

Từ bảng giá trị trên ta xây dựng được các công thức sau:

Mô hình suy hao đẳng hướng FI-NLOS với tần số sóng mang 28 GHz được biểu diễn theo phương trình sau:

Ngoài ra, các kết quảnày còn được vẽdưới dạng đồ thị để có cái nhìn dễ dàng hơn

Hình 2.15 Mô hình suy hao LOS tần số 28 GHz

Hình 2.15 cho thấy đường suy hao theo công thức CI (LOS) có độ dốc thấp hơn so với đường suy hao theo công thức không gian tự do, với số mũ suy hao của mô hình không gian tự do là 2, trong khi mô hình CI là 1.88 cho tần số 28 GHz.

Hình 2.16 Mô hình suy hao NLOS tần số 28 GHz

K ế t lu ận chương

Chương 2 đã đưa ra những nghiên cứu một cách khái quát về các kỹ thuật xử lý dữ liệu dựa vào các thuật toán Machine Learning và mô hình suy hao truyền sóng dải tần 28 GHz khu vực Keangnam

Mục 2.1 giới thiệu về các kỹ thuật phân tích dữ liệu trong Machine Learning đó là kỹ thuật phân tích hồi quy với thuật toán gradient descecnt và thuật toán K- Nearest Neighbor, đây là hai trong số rất nhiều kỹ thuật phân tích dữ liệu được áp dụng để xây dựng mô hình suy hao truyền sóng dải tần 28 GHz khu vực Keangnam

Trong mục 2.2 của luận văn, mô hình suy hao truyền sóng dải tần 28 GHz được xây dựng dựa trên dữ liệu từ thiết kế khu vực Keangnam, áp dụng các kỹ thuật xử lý dữ liệu ở mục 2.1 Kết quả cho thấy cả hai thuật toán đưa ra số mũ suy hao tối ưu có tính tương tự cao với kết quả của NYU Wireless trong dự án đo tại New York Tuy nhiên, độ lệch chuẩn của kết quả tối ưu khá lớn do hạn chế của công cụ mô phỏng, bao gồm việc chọn anten thu ngẫu nhiên gây hiệu ứng shadow lớn và thiếu kinh nghiệm trong việc chọn vị trí, dẫn đến một số điểm ngoài ý muốn với khoảng cách ngắn nhưng suy hao cao.

ƯỚC LƯỢ NG VÀ BÙ D Ị CH T Ầ N DOPPLER CHO D Ả I T Ầ N