Ứng dụng của xử lý số tín hiệu trong thông số - tối ưu hóa sự kết hợp mã nguồn và mã kênh

- BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRẦN NGỌC TUẤN ỨNG DỤNG CỦA XỬ LÝ SỐ TÍN HIỆU TRONG THÔNG TIN SỐ – TỐI ƯU HÓA SỰ KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH Chuyên ngành: Kỹ thuật Viễn thông Mã số: 62520208 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THÔNG Hà Nội - 2017 Công trình được hoàn thành tại: Trường Đại học Bách khoa Hà Nội Người hướng dẫn khoa học: PGS.TS.
- Giới thiệu đề tài Trong các hệ thống thông tin ngày nay, vấn đề nâng cao chất lượng và hiệu năng của hệ thống luôn được quan tâm và nghiên cứu.
- Một trong những vấn đề gặp phải trong quá trình cải tiến và nâng cấp các hệ thống là khả năng tận dụng và kế thừa được các hệ thống và thiết kế sẵn có, tránh được việc phải thiết kế lại và thay thế toàn bộ hệ thống dẫn tới mất nhiều công sức và chi phí.
- Trước đây theo lý thuyết của Shannon năm 1948 [1], mã hóa nguồn và mã hóa kênh có thể được thiết kế và hoạt động độc lập với nhau mà không mất đi sự tối ưu.
- Từ đó các hệ thống thông tin số truyền thống đều được thiết kế theo cấu trúc nối tiếp mã nguồn và mã kênh TSCC (Tandem Source Channel Coding) riêng biệt.
- Nhiều hướng nghiên cứu đã tập trung vào một phương pháp khác đó là kết hợp mã nguồn và mã kênh JSCC (Joint Source Channel Coding) nhằm đạt được hiệu quả hoạt động tốt hơn mà vẫn đảm bảo độ trễ và độ phức tạp ở một mức độ nhất định.
- Hiện nay có nhiều nghiên cứu về các kỹ thuật JSCC tuy nhiên hầu như chỉ mang tính lý thuyết do tính phức tạp cao của hệ thống và các điều kiện truyền dẫn thực tế.
- Một trong những hạn chế của hầu hết các kỹ thuật JSCC là tính linh hoạt thấp, do được thiết kế cho từng trường hợp cụ thể của hệ thống với nguồn tín hiệu và môi trường truyền dẫn cho trước.
- Trong luận án này tập trung nghiên cứu phương pháp tối ưu hóa phương pháp gán từ mã cho các mẫu tín hiệu lượng tử hay còn gọi là phương pháp tối ưu việc gán chỉ số IA (Index Assignment) được áp dụng cho các hệ thống số sử dụng các kỹ thuật lượng tử hóa để số hóa tín hiệu.
- Phương pháp này bản chất là sắp xếp lại thứ tự bảng mã (Codebook) của bộ lượng tử hóa theo thứ tự tối ưu để giảm thiểu méo tín hiệu gây ra bởi nhiễu kênh.
- Phương pháp IA triển khai đơn giản có thể làm tăng hiệu quả hoạt động của hệ thống nhưng không tăng thêm độ phức tạp, tốc độ bit và độ trễ.
- Hơn nữa phương pháp này khá linh hoạt khi không đỏi hỏi biết chính xác mức độ nhiễu của kênh truyền và có thể thực hiện độc lập hoặc phối hợp với mã kênh.
- Do đó, phương pháp này có tính khả thi cao, và còn có thể áp dụng để nâng cấp các hệ thống sẵn có do chỉ thay đổi thứ tự bảng mã của bộ lượng tử hóa mà không làm ảnh hưởng đến các khối khác.
- Những vấn đề còn tồn tại Trong phương pháp IA, để tìm được thứ tự tối ưu của bảng mã khi kích thước bộ lượng tử hóa lớn là điều không khả thi.
- Do vậy có rất nhiều nghiên cứu về lý thuyết và thuật toán để tìm ra các phương án cận tối ưu (gọi là thuật toán IA).
- Các phương pháp IA trước đây đều được nghiên cứu riêng lẻ và chưa được phát triển vì để thực hiện phương pháp cần một khối tính toán lớn và yêu cầu bộ nhớ lớn, 2 trong khi công nghệ máy tính chưa hiện đại như ngày nay.
- Các nghiên cứu trước đây về phương pháp IA còn một số tồn tại như sau.
- Hầu hết các thuật toán IA có độ phức tạp cao, khó áp dụng trong trường hợp bảng mã có kích thước lớn trên thực tế (bảng mã 8÷10bit.
- Các nghiên cứu về phương pháp IA đều giả thiết đơn giản hóa hệ thống và không xét đến kỹ thuật điều chế.
- Do đó việc ước lượng các tham số của hệ thống phục vụ cho bài toán tối ưu IA khi áp dụng vào hệ thống thực tế sẽ không chính xác dẫn đến giảm hiệu quả tối ưu của phương pháp IA.
- Mục tiêu, đối tượng và phương pháp nghiên cứu 3.1.
- Mục tiêu nghiên cứu • Nghiên cứu, cải tiến các thuật toán IA nhằm tăng độ ổn định, tốc độ thực hiện và độ tối ưu của thuật toán.
- Từ đó phương pháp IA có thể áp dụng với các trường hợp thực tế (bảng mã có kích thước từ 8-10bit.
- Nghiên cứu, đề xuất phương pháp ước lượng các tham số của hệ thống thông tin số làm tham số đầu vào cho bài toán IA.
- Đưa ra phương pháp kết hợp mã nguồn mã kênh và kỹ thuật điều chế số sử dụng phương pháp IA.
- Nghiên cứu ứng dụng phương pháp IA vào kỹ thuật lượng tử hóa vectơ có cấu trúc sử dụng trong các trường hợp lượng tử hóa vectơ có số chiều lớn và kích thước bảng mã lớn.
- Đối tượng và phạm vi nghiên cứu • Các hệ thống thông tin số sử dụng kỹ thuật lượng tử hóa vectơ (VQ) (hay lượng tử hóa theo khối) và truyền dẫn qua kênh dừng với mô hình kênh rời rạc không nhớ DMC (Discrete Memoryless Channel).
- Hệ thống có thể sử dụng mã kênh để điều khiển lỗi trong trường hợp cần thiết và mã kênh (nếu có) là các mã khối có tính hệ thống (Systematic Block Code.
- Các bộ lượng tử hóa vectơ có cấu trúc và ứng dụng.
- Phương pháp nghiên cứu Kết hợp lý thuyết với các vấn đề thực tiễn để đưa ra các vấn đề còn tồn tại và đề xuất hướng giải quyết.
- Sử dụng mô phỏng trên máy tính và thực nghiệm để kiểm chứng và đánh giá hiệu quả của các phương pháp đề xuất.
- Ý nghĩa khoa học: Các kết quả của luận án góp phần phát triển một trong các kỹ thuật JSCC đơn giản nhưng có tính ứng dụng linh hoạt cao, là nền tảng cho các nghiên cứu tiếp theo trong các lĩnh vực: Cải tiến chất lượng truyền dẫn mà không ảnh hưởng đến độ phức tạp và băng thông hệ thống, nâng cấp hệ thống sẵn có mà không ảnh hưởng đến thiết kế hệ thống, cải tiến các chuẩn mã hóa tín hiệu.
- Ý nghĩa thực tiễn: Các kết quả của luận án là một giải pháp cụ thể và khả thi, mở ra khả năng ứng dụng trong việc thiết kế tối ưu các hệ thống thông tin số hoặc nâng cấp các hệ thống sẵn có giúp nâng cao hiệu năng của hệ thống.
- Các kết quả của luận án cũng bổ sung thêm một giải pháp nâng cao chất 3 lượng tín hiệu cho các nhà thiết kế và sản xuất trong nước để có thể tự thiết kế và chế tạo các hệ thống truyền dẫn tín hiệu không quá phức tạp mà không phải sử dụng đến các module và chuẩn truyền dẫn tín hiệu sẵn có, từ đó có thể làm chủ được công nghệ và nâng cao tính bảo mật.
- Hệ thống thông tin số truyền thống Là hệ thống bao gồm các khối mã hóa nguồn, mã hóa kênh, điều chế.
- Kỹ thuật kết hợp mã nguồn và mã kênh JSCC Bao gồm các kỹ thuật: Mã nguồn tối ưu theo kênh (COSC), mã kênh tối ưu theo nguồn (SOCC), và một số kỹ thuật khác như phối hợp bộ giải mã kênh và giải mã nguồn, kỹ thuật điều chế đa phân giải, và các kỹ thuật lai.
- Kỹ thuật IA được nghiên cứu trong luận án thuộc nhóm kỹ thuật COSC.
- Đây là kỹ thuật đơn giản và có tính linh hoạt cao trong các kỹ thuật JSCC, áp dụng trong các hệ thống thông tin số sử dụng kỹ thuật lượng tử hóa tín hiệu trong quá trình số hóa tín hiệu.
- Lượng tử hóa tín hiệu 1.2.1.
- Lượng tử hóa vectơ (VQ) Là kỹ thuật tổng quát của kỹ thuật lượng tử hóa vô hướng, được ứng dụng nhiều như một công cụ nén tín hiệu có hệ số nén cao và đem lại chất lượng tốt.
- VQ là trường hợp tổng quát của kỹ thuật lượng tử hóa vô hướng (SQ) do đó luận án sẽ chỉ tập trung nghiên cứu kỹ thuật VQ.
- Phương pháp VQ ánh xạ một nhóm các mẫu tín hiệu (vectơ tín hiệu) vào các nhóm từ mã (hay gọi là vectơ mã).
- Phương pháp này tận dụng được sự tương quan giữa các mẫu tín hiệu và cho hiệu quả tốt hơn lượng tử hóa vô hướng ngay cả với trường hợp nguồn tín hiệu là nguồn không nhớ và độc lập [57].
- Điều kiện lượng tử hóa tối ưu 1.2.3.
- Thiết kế bảng mã cho bộ lượng tử hóa vectơ Phần này trình bày về các thuật toán thiết kế bảng mã (codebook) cho bộ lượng tử hóa vectơ dựa trên một tập huấn luyện S với số vectơ đủ lớn.
- Các tính chất và ứng dụng của kỹ thuật VQ 1.3.1.
- Đặc điểm của kỹ thuật VQ 4 Kỹ thuật VQ thích hợp để ứng dụng trong mã hóa tín hiệu tương tự có độ tương quan cao.
- Với giới hạn về thời gian, luận án chỉ nghiên cứu ứng dụng của VQ trong lượng tử hóa các tham số của các bộ mã hóa tiếng nói.
- Lượng tử hóa các tham số của bộ mã hóa tiếng nói Kỹ thuật VQ có rất nhiều ứng dụng, trong luận án này sẽ chỉ đề cập đến ứng dụng phổ biến nhất là trong các kỹ thuật mã hóa tiếng nói tốc độ thấp.
- Kỹ thuật kết hợp mã nguồn và mã kênh – mã chống lỗi không dư thừa 1.4.1.
- Lượng tử hóa vectơ tối ưu theo kênh COVQ Phương pháp thiết kế lại bảng mã theo thuật toán LBG, nhưng có tính đến ảnh hưởng của nhiễu gây ra sự sai khác giữa các chỉ số (từ mã) được truyền trên đường truyền.
- Phương pháp hoạt động tốt ở mức độ nhiễu được huấn luyện.
- Tuy nhiên khi điều kiện kênh tốt trên mức độ nhiễu được huấn luyện thì phương pháp này hoạt động không hiểu quả, thậm chí kết quả hoạt động còn kém hơn cả khi hệ thống không áp dụng phương pháp tối ưu nào.
- Phương pháp tối ưu hóa thứ tự bảng mã Phương pháp sắp xếp lại thứ tự của bảng mã codebook tối ưu, giảm méo tín hiệu gây ra bởi nhiễu kênh khi truyền qua kênh nhiễu.
- Phương pháp này thực hiện đơn giản, có tính khả thi cao, không đòi hỏi biết chính xác mức độ nhiễu của kênh truyền như phương pháp COVQ.
- Ngoài ra phương pháp IA có thế sử dụng để nâng cấp các hệ thống sẵn có đang sử dụng các kỹ thuật lượng tử hóa VQ.
- Vì những đặc điểm như vậy nên luận án tập trung đi sâu nghiên cứu và phát triển phương pháp IA.
- KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH BẰNG PHƯƠNG PHÁP TỐI ƯU HÓA THỨ TỰ BẢNG MÃ CỦA BỘ LƯỢNG TỬ HÓA 2.1.
- Giới thiệu chương Chương này nghiên cứu phương pháp kết hợp mã nguồn và mã kênh sử dụng phương pháp tối ưu hóa việc xắp xếp thứ tự của bảng mã trong bộ lượng tử hóa, đây còn được gọi là phương pháp đánh chỉ số IA (Index Assignment).
- Phương pháp này còn được gọi là phương pháp mã kênh không dư thừa, do không tăng tốc độ bit cũng như độ phức tạp của bộ mã hóa và giải mã dẫn đến không làm tăng độ trễ mã hóa.
- Phương pháp IA được thực hiện đơn giản, chỉ cần sắp xếp lại (đổi chỗ) các từ mã trong bảng mã của bộ lượng tử hóa.
- Do vậy, phương pháp này còn có thể áp dụng để nâng cấp các hệ thống sẵn có, mà không đòi hỏi phải thay đổi cấu trúc 5 của hệ thống.
- Từ đó ta thấy tính khả thi và ứng dụng của phương pháp IA rất cao, do trên thực tế việc nâng cấp hệ thống bằng cách thay thế toàn bộ hoặc một phần hay thiết kế lại hệ thống sẽ dẫn đến rất tốn kém.
- Phương pháp tối ưu hóa thứ tự bảng mã IA 2.2.1.
- Quá trình truyền dẫn dưới sự tác động của nhiễu Hình 2.1 biểu diễn một quá trình truyền dẫn của hệ thống sử dụng kỹ thuật lượng tử hóa vectơ.
- Méo tổng cộng cho toàn bộ bảng mã D(π) để đánh giá độ tối ưu cho phương án gán chỉ số π như sau.
- Các phương pháp tìm kiếm gần đúng để đạt được các phương án cận tối ưu được nghiên cứu và phát triển.
- Để thuận tiện cho việc thực hiện thuật toán IA, ta có thể lưu giá trị các tham số đầu vào Pa(i), PC(i,j) và d(i,j) trong các ma trận Pa, PC và D tương ứng.
- Các bước triển khai của phương pháp IA Bước 3 Sắp xếp lại bảng mã C theo thứ tự tối ưu tìm được Bước 1 Ước lượng các tham số hệ thống Bước 2 Tìm thứ tự tối ưu (Dùng thuật toán IA) D(π) Pa PC D πopt Copt Mô hình hệ thống Bảng mã C Hình 2.2.
- Ba bước triển khai phương pháp IA Phương pháp IA bao gồm ba bước triển khai.
- Bước đầu tiên là từ mô hình hệ thống và bảng mã, ước lượng các tham số Pa(i), PC(i,j) và d(i,j) (nghiên cứu ở Chương 3).
- Bước hai là áp dụng thuật toán IA để tìm ra phương án tối ưu πopt sao cho D(πopt) càng nhỏ càng tốt.
- Bước 3 là triển khai thực hiện đổi chỗ (hoặc gán lại chỉ số) cho bảng mã lượng tử hóa.
- Ở chương này sẽ tập trung nghiên cứu các thuật toán IA ở Bước 2.
- Các khái niệm trong bài toán IA 6 Bài toán IA là bài toán quy hoạch toàn phương, nhiệm vụ của bài toán là tìm phương án tối ưu π sao cho D(π) là nhỏ nhất.
- Các thuật toán IA Các công trình trước đây thường giải quyết bài toán IA với 2 giả thiết đơn giản hóa là: (1) kênh truyền là kênh BSC dẫn đến ma trận PC luôn đối xứng qua đường chéo và (2) phương pháp đo khoảng cách (méo) giữa các vectơ sử dụng khoảng cách Euclid SED.
- Trong các thuật toán thì thuật toán mô phỏng luyện kim SA (Simulated Annealing) là thuật toán hiệu quả và thông dụng với thời gian hội tụ nhanh, được sử dụng rộng rãi trong các bài toán tối ưu nói chung và vấn đề tối ưu sự kết hợp mã nguồn mã kênh nói riêng [39,44] và vẫn liên tục được cải tiến [50].
- Trong chương này luận án sẽ nghiên cứu và đề xuất thuật toán cải tiến dựa trên thuật toán SA cho bài toán gán chỉ số IA nhằm giảm thời gian hội tụ của thuật toán và tăng độ tối ưu của kết quả.
- Thuật toán mô phỏng luyện kim SA 2.3.1.
- Cơ sở của thuật toán SA Thuật toán SA là giải thuật Metaheuristic được dùng phổ biến trong việc giải các bài toán tối ưu tổ hợp rời rạc.
- Thuật toán mô phỏng quá trình luyện kim, trong đó tinh thể thép được nung nóng tới nhiệt độ cao và sau đó được làm nguội từ từ đến khi kết tinh tại cấu hình tinh thể cứng nhất.
- Tính năng chính của giải thuật là có thể thoát khỏi cực tiểu địa phương bằng cách cho phép chấp nhận phương án kém hơn phương án hiện tại để tăng thêm cơ hội tìm được phương án tối ưu hơn.
- Thuật toán được điều khiển bởi một tham số trạng thái T (tương tự như nhiệt độ trong luyện kim) giảm dần sau mỗi lần lặp.
- Thuật toán SA và các tham số Trong phần này sẽ mô tả chi tiết các bước của thuật toán SA, áp dụng cho bài toán gán chỉ số IA.
- Tham số đầu ra: Phương án tối ưu πopt Bước 1: Khởi tạo: T ← T0.
- Bước 4: Giảm tham số trạng thái: T ← αTT Bước 5: If T < Tmin hoặc tổng số lần D(π) không giảm vượt quá Th3 then dừng thuật toán và trả về kết quả πopt ← π else quay về Bước 2.
- Thuật toán ISA cho bài toán tối ưu IA Thuật toán ISA [49] sẽ luôn lưu lại phương án tốt nhất sau mỗi lần sinh ra lân cận mới ở Bước 2, và kết quả cuối cùng sẽ trả về phương án tốt nhất trong toàn bộ quá trình thực hiện thuật toán.
- Cải tiến thuật toán SA 2.4.1.
- Những hạn chế của thuật toán SA + Khối lượng tính toán tại Bước 2 lớn.
- Thuật toán khó áp dụng với các trường hợp N lớn hoặc số bước lặp lớn.
- Kết quả của thuật toán không đảm bảo là một cực tiểu cục bộ.
- Nhất là khi số bước lặp ít, thuật toán cho kết quả kém hơn cả các thuật toán tìm kiếm địa phương.
- Các giải pháp cải tiến thuật toán SA cho bài toán IA a.
- Thuật toán có thể chủ động thoát ra khỏi bẫy cực tiểu cục bộ bằng cách chấp nhận một phương án kém hơn.
- Tối ưu hóa kết quả, đảm bảo kết quả là cực trị cục bộ Nếu kết quả cuối cùng không là cực tiểu cục bộ, ta có thể tối ưu hóa kết quả bằng cách đưa về cực tiểu cục bộ gần nhất bằng thuật toán tìm kiếm địa phương.
- Thuật toán SA cải tiến – Thuật toán MSA Trên cơ sở những giải pháp khắc phục các hạn chế trong Mục 2.4.2, luận án đề xuất thuật toán cải tiến cho thuật toán SA là MSA.
- Thuật toán MSA về cơ bản giống thuật toán SA, chỉ có thay đổi chính ở Bước 2 và thêm vào Bước 6 để tối ưu hóa kết quả, đưa kết quả cuối về cực tiểu địa phương.
- Lựa chọn các tham số điều khiển cho thuật toán SA/MSA Trong phần này, luận án phân tích sự ảnh hưởng của các tham số điều khiển đến hoạt động của thuật toán.
- Đồng thời xác định tiêu chí chọn các tham số điều khiển đảm bảo phát huy ưu thế của thuật toán (thuật toán cần có số vòng lặp đủ lớn để có thể tiếp cận các cực tiểu địa phương khi chuyển sang giai đoạn cuối của thuật toán, khi T gần 0).
- Luận án đưa ra điều kiện và cách chọn các tham số như sau (Bảng 2.1)

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt