Cải thiện thời gian giải mã cho hệ thống MIMO-SCMA trong truyền thông vô tuyến

Chia sẻ: Liễu Yêu Yêu | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

17
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết "Cải thiện thời gian giải mã cho hệ thống MIMO-SCMA trong truyền thông vô tuyến" đề xuất một số thuật toán giải mã với độ phức tạp thấp ở phía thu cho hệ thống MIMO-SCMA như SD-JMPA, LogJMPA, Max-Log-JMPA. Các thuật toán được đề xuất hướng đến việc giảm quá trình tính toán nhằm tối ưu thời gian giải mã, nâng cao tính khả thi trong khi triển khai thực tế. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Cải thiện thời gian giải mã cho hệ thống MIMO-SCMA trong truyền thông vô tuyến

Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) Cải thiện thời gian giải mã cho hệ thống MIMO-SCMA trong truyền thông vô tuyến Tran Huu Tin1,2, Du Quoc Thanh 1, Dang Le Khoa1* Trường Đại học Khoa học Tự nhiên, ĐHQG-HCM 1 2 VNPT Tiền Giang, Tập đoàn Bưu chính Viễn thông Việt Nam Email: *dlkhoa@hcmus.edu.vn line 5: email address or ORCID Tóm tắt—Đa truy cập mã thưa (SCMA) là một mô hình đa phát nào. Gần đây, khái niệm MIMO-NOMA đã được xác truy cập phi trực giao (NOMA) đầy hứa hẹn để đáp ứng các yêu thực bằng cách sử dụng triển khai có hệ thống trong [6] và [7], cầu mật độ kết nối lớn của các hệ thống thông tin di động thế hệ chứng tỏ rằng việc sử dụng MIMO có thể tốt hơn MIMO- sau. Kỹ thuật này có thể kết hợp với kỹ thuật nhiều ăng-ten phát OMA thông thường. nhiều ăng-ten thu (MIMO) tạo thành hệ thống MIMO-NOMA nhằm tăng dung lượng toàn hệ thống. Thông thường, thuật toán Để cải thiện hiệu suất phổ tổng thể, SCMA có thể được kết truyền bản tin kết hợp (JMPA) sẽ được triển khai cho hệ thống hợp với kỹ thuật đa đầu vào đa đầu ra MIMO, gọi là hệ thống MIMO-SCMA để cải thiện hiệu năng ở phía thu. Mặt khác, kỹ MIMO-SCMA [8, 9]. Đối với các hệ thống MIMO-SCMA, thuật này có độ phức tạp tính toán cao do số lượng lớn phép toán nhiều nghiên cứu đã đi sâu vào việc phân tích dung lượng kênh theo hàm mũ trong quá trình giải mã lặp. Trong báo cáo này, truyền [8, 9]. Bên cạnh đó, một số công trình nghiên cứu khác tác giả đề xuất một số thuật toán giải mã với độ phức tạp thấp ở tập trung giải quyết vấn đề làm giảm độ phức tạp tính toán của phía thu cho hệ thống MIMO-SCMA như SD-JMPA, Log- hệ thống MIMO-SCMA như phát triển thuật toán lan truyền JMPA, Max-Log-JMPA. Các thuật toán được đề xuất hướng kỳ vọng (EPA) dựa trên đồ hình thừa số mở rộng [10], thuật đến việc giảm quá trình tính toán nhằm tối ưu thời gian giải mã, toán giải mã cầu (SD) dựa trên bộ thu MPA [11], v.v. Tuy nhiên, vấn đề độ phức tạp hàm exp ( ) trong quá trình giải mã nâng cao tính khả thi trong khi triển khai thực tế. Kết quả mô phỏng cho thấy rằng việc áp dụng các thuật toán được đề xuất có thể cải thiện được từ 60,84% đến 93,58% thời gian giải mã so lặp của thuật toán MPA áp dụng trên hệ thống MIMO-SCMA với thuật toán JMPA truyền thống. ít được quan tâm. Từ khóa—Đa truy cập mã thưa SCMA, JMPA, Log-JMPA, Từ những vấn đề trên, việc nghiên cứu những thuật toán Max-Log-JMPA, MIMO-SCMA, NOMA, SD-JMPA. giải mã với độ phức tạp thấp cho hệ thống MIMO-SCMA trở nên cấp thiết để giảm quá trình tính toán nhằm tối ưu thời gian I. GIỚI THIỆU giải mã, nâng cao tính khả thi trong khi triển khai thực tế. NOMA là một công nghệ đầy hứa hẹn nhằm mục đích tăng Trong báo cáo này, chúng tôi đề xuất một vài thuật toán giải thông lượng và dung lượng của hệ thống [1]. NOMA cho phép mã với độ phức tạp thấp cho hệ thống MIMO-SCMA bao gồm nhiều người dùng chia sẻ tài nguyên thời gian và tần số trong SD-JMPA, Log-JMPA, Max-Log-JMPA. Việc đánh giá hiệu cùng một lớp không gian thông qua nguyên lý chồng chất suất của từng thuật toán cũng như thời gian giải mã sẽ được tuyến tính đơn giản hoặc ghép kênh miền mã. Nhiễu trong trình bày chi tiết trong báo cáo này. Phần còn lại của báo cáo NOMA có thể kiểm soát được bằng cách phân bổ tài nguyên này sẽ được tổ chức như sau: Phần II trình bày cơ sở lý thuyết không trực giao, với cái giá là độ phức tạp của máy thu tăng về mô hình hệ thống MIMO-SCMA. Phần III đưa ra các thuật lên một chút, trong đó phương pháp triệt nhiễu nối tiếp (SIC) toán giải mã tín hiệu đa người dùng được đề xuất với độ phức hoặc cực đại khả năng likelihood (ML) được sử dụng. SCMA tạp thấp cho hệ thống MIMO-SCMA. Kết quả mô phỏng và là một kỹ thuật đa truy nhập tổng quát được xây dựng dựa trên thảo luận sẽ được trình bày trong phần IV. Phần cuối cùng là chữ ký mật độ thấp CDMA (LDS-CDMA) [2]. Tuy nhiên, kết luận và hướng phát triển. trong SCMA, các luồng bit được ánh xạ trực tiếp tới các từ mã II. MÔ HÌNH HỆ THỐNG thưa khác nhau. Tất cả các từ mã trong cùng một sách mã chứa các số 0 trong cùng hai chiều và vị trí của các số 0 trong các A. Mô hình hệ thống MIMO-SCMA sách mã khác nhau là khác nhau để tạo điều kiện tránh sự đụng Hệ thống MIMO SCMA cho kênh quảng bá (BC) có mô độ cho bất kỳ hai người dùng nào. Nhận thấy tiềm năng của hình hệ thống bao gồm một trạm gốc (BS) và J người dùng, kỹ thuật SCMA trong việc tăng cường hiệu năng hệ thống cho trạm gốc có NT ăng-ten, mỗi người cũng được trang bị N R mạng vô tuyến thế hệ mới, nhiều nhà khoa học đã tiến hành nghiên cứu để giải giải quyết các khuyết điểm của kỹ thuật ăng-ten [12]. SCMA như: giảm độ phức tạp của thuật toán SCMA bằng Sơ đồ khối của bộ trải SCMA cho ăng-ten thứ nt được thuật toán Max-log-MPA, Log-MPA [3], thuật toán giải mã hình cầu (SD-MPA) [4], v.v. Một số nhà nghiên cứu khác đi minh họa trong Hình 1, nt = 1, 2, , NT . Máy phát truyền J theo hướng tối ưu bảng mã thưa để cải thiện hệ số BER của hệ symbol s nt =  s1nt , s2nt , , sJnt   1 J trong một chu kỳ thống [5]. truyền, trong đó log 2 (M ) bit symbol cho người dùng thứ j , Một công nghệ lớp vật lý quan trọng khác đó là đa đầu vào đa đầu ra (MIMO) cũng có thể cải thiện đáng kể thông lượng s njt , ánh xạ tới một trong các cột của ma trận từ mã thưa hệ thống. Truyền thông MIMO khai thác chiều không gian K M Cnjt  để có được từ mã của lớp thứ j thông qua việc sử dụng nhiều ăng-ten ở cả máy phát và máy K 1 thu. Điều này tận dụng lợi thế phân tập không gian để cho xnjt  , j = 1, 2, , J . Sau đó, các từ mã từ tất cả J lớp phép các kênh không tương quan giữa bất kỳ cặp ăng-ten thu ISBN 978-604-80-7468-5 330
Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) được cộng lại với nhau để thu được véc-tơ truyền trên ăng-ten ( ) ,(y ) ( ) T T y j =  y1j   T 2 T NT K 1 thứ nt là x nt  K 1 , tín hiệu sau đó được truyền qua K tài , , y Nj T ,  j  nguyên trực giao. ( ) ,(x ) ( ) T T x =  x1   T 2 T NT K 1 , , x NT , (3)   Layer 1 s = 3 =1 Layer J s = 0 nt nt nt 1 Layer 2 s 2 J ( ) ,(z ) ( ) T T z j =  z1j   T 2 T NT K 1 , , z Nj T ,   Sách mã 1 Sách mã 2 Sách mã J j 0 1 2 3 0 1 2 3 0 1 2 3 và  diag h1,1  j( ) ( ) diag h1,2 j ( )  diag h1,j NT  diag h ( ) 2,1 diag ( h ) 2,2 diag ( h )  .2, NT Hj =  j j j (4) x1nt = x n2t = x nJt =     Anten nt ( diag h Nj R ,1  ) ( diag h Nj R ,2 ) ( diag h Nj R , NT )   x nt = Hơn nữa, phương trình có thể viết lại dưới dạng:  x njt   n Hình 1. Sơ đồ khối truyền của ăng-ten nt .  x jt    diag ( hnj ) NT J yj = t   + zj, (5) Ma trận chỉ thị F nt = [f1nt , f 2nt ,..., f Jnt ] dùng để chỉ ra vị trí nt =1 j =1    x nt   j  của các phần tử khác 0 trong ma trận Xnt = [x1nt , x 2nt ,..., x nJt ] ( ) , (h ) ( ) K 1 T T theo đó f jnt  , ví dụ, fi ,ntj = 1 biểu thị rằng chip thứ i với h njt =  h1,j nt   T 2, nt T N R K 1 , , h Nj R , nt .  j  của x njt khác 0. Giả định ma trận chỉ thị F nt tại mỗi ăng-ten phát có cùng trọng số cột d c và cùng trọng số hàng d r . B. Thuật toán Joint-MPA (JMPA) Thuật toán Joint-MPA thực hiện giải mã cho hệ thống Giả sử tất cả ăng-ten phát đều dùng chung K tài nguyên MIMO-SCMA trên cặp N ăng-ten phát và N ăng-ten thu. N trực giao để ghép kênh. Tín hiệu nhận được tại ăng-ten thu thứ ăng-ten phát và N ăng-ten thu. Thuật toán này đi kèm với một nr của người dùng j có thể được viết là: đồ hình thừa số kết hợp (joint factor graph) sau khi đã loại bỏ nút trung gian [12]. Từ đây đồ hình thừa số của MIMO-SCMA  diag ( hnj ,n )xn NT trở nên giống với đồ hình thừa số của SISO-SCMA như Hình y njr = r t t + z njr , nt =1 (1) 2. Do đó hoàn toàn có thể dung thuật toán MPA để giải mã, gọi chung là thuật toán JMPA. j = 1, 2,..., J nr = 1, 2,..., N R , 1 2 3 4 5 6 VN nt trong đó x thỏa mãn một điều kiện ràng buộc công suất  xnt 2  = P; hnr ,nt  K 1 biểu thị vec-tơ kênh fading   j giữa ăng-ten phát thứ nt và ăng-ten thu thứ nr của người FN dùng j , các giá trị của chúng được giả định là các biến ngẫu   nhiên Gaussian phức được phân phối độc lập và giống hệt Anten 1 Anten 2 nhau (i.i.d) với phương sai đơn vị và giá trị trung bình bằng 0; z njr ( 0, I ) là vec-tơ nhiễu Gaussian (AWGN) trắng Hình 2. Đồ hình thừa số MIMO-SCMA. được cộng vào trên ăng-ten thứ nr của người dùng j . Thuật toán JMPA được chia thành ba bước: Bằng cách xếp chồng tín hiệu đã nhận của tất cả NT ăng- Bước 1: Xây dựng đồ hình thừa số chung: ten lại với nhau, vec-tơ nhận của người dùng j có thể được viết là: Đầu tiên, xây dựng ma trận chỉ thị mới cho MPA để có được đồ hình thừa số kết hợp. Ma trận chỉ thị mới được xây y j = H jx + z j. (2) dựng như sau: Trong đó: F1 F 2 FN   1 2  F F FN  F= , (6)   F1 F 2 F N  ISBN 978-604-80-7468-5 331
Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) là một ma trận thưa có K  = N  K hàng và J  = N  J cột. III. CÁC THUẬT TOÁN CẢI THIỆN THỜI GIAN GIẢI MÃ CHO HỆ THỐNG MIMO-SCMA Bước 2: Xây dựng sổ mã ảo: A. Thuật toán SD-Joint-MPA (SD-JMPA) Thứ hai, các sách mã mới ảo được xây dựng cho N  J lớp ở phía đầu thu. Dựa trên phương trình, sổ mã ảo C j  NK M được xây dựng cho lớp j  = J ( nt − 1) + j như Hình cầu bán kính R sau: Cnjt   n C jt  ( ) C j  = diag h njt  , (7)   Cnt   j  j = 1, 2,..., J . Bước 3: Giải mã tín hiệu dựa trên thuật toán MPA: Thứ ba, việc giải mã MPA được áp dụng dựa trên đồ hình thừa số kết hợp và sổ mã ảo để khôi phục N  J các symbol truyền. Trong đó, xác suất chuẩn hóa được phân phối từ nút + Điểm chòm sao chồng chất FN  thứ k  đến nút VN thứ j  là rki→ j  ( s ) , và xác suất từ Tín hiệu nhận nút VN  thứ j  đến nút FN  thứ k  là qij→k  ( s ) , trong đó Hình 3. Biểu đồ chòm sao chồng chất. k  = 1, 2,..., N  K và j  = 1, 2,..., N  J . Hơn nữa, sˆ j  là ước Bộ giải mã JMPA được sử dụng trong hệ thống MIMO- lượng cuối cùng của nút lớp j  . SCMA có độ phức tạp cao. Để giải quyết vấn đề này, thuật toán giải mã hình cầu SD-JMPA lấy ý tưởng từ [13] được cải Do xác suất ban đầu chưa biết trước nên giả định xác suất tiến từ kỹ thuật giải mã MPA. Đối với hệ thống đường xuống ban đầu bằng nhau và bằng: q1j → k  ( s ) = 1 M với MIMO-SCMA tương ứng, số lượng người dùng giao tiếp với s = 0,1,..., M − 1 . RN ảo là dv = N  d f = 2  3 = 6 . Khi kích thước sổ mã M Sau khi có được xác suất ban đầu, quá trình tính toán được của mỗi người dùng là 4, như trong Hình 1, các SCMA symbol thực hiện như một bộ giải mã MPA truyền thống [3], bằng cho mỗi RN ảo sẽ có M dv = 46 = 4096 kiểu kết hợp trong cách trao đổi thông tin giữa nút VN  và nút FN  . Đối với lần quy trình giải mã JMPA, và 4096 là các điểm chòm sao chồng lặp thứ i , kết quả nhận được là: chất trên biểu đồ các chòm sao. Tín hiệu nhận được tại nút tài nguyên ảo k  được biểu thị   rki→ j ( s ) =   M k  ( s )  qij−→1 k  s j s :s  = s  ( ) ,  (8) bằng: j k  \ j   yk  =  xk , j  + zk  s, (12) q ij → k  (s) =  rki−→1 j  (s), (9) j  k  k  \ k  trong đó xk , j  đại diện cho một tập các từ mã M dv được kết trong đó  j = k  F  ( )k , j = 1, k  cho j  đại diện cho tập nối với nút tài nguyên ảo k  , và zk  là nhiễu Gaussian với phương sai đơn vị và giá trị trung bình bằng 0. Do sự tồn tại các nút FN  được kết nối với nút VN  thứ j , của nhiễu khác 0, tín hiệu nhận được yk  không thể hoàn toàn  k  = j  ( F ) k , j   = 1, j  cho k  biểu thị tập hợp các nút trùng khớp với bất kỳ từ mã chồng chất nào, có nghĩa là khoảng cách Euclid Dkm giữa tín hiệu nhận được yk  và điểm VN được kết nối với nút FN  thứ k  , và chòm sao từ mã thứ m khác 0 , và Dkm được biểu thị như sau:   2  1  M k  ( s ) = exp − 2 yk  −  x j  . (10) Dkm = yk  −  x j = Zk  .   (13)  j k  j  k  Sau khi các giá trị tin cậy đã được truyền đi IT lần, symbol Biểu đồ chòm sao chồng chất được hình thành bởi các thứ j  được ước tính là: điểm chòm sao M dv . Điểm chòm sao gần với tín hiệu nhận được có nhiều khả năng được giải mã chính xác hơn so với   điểm chòm sao ở xa tín hiệu nhận được. Do đó, bộ thu SD- s j  = arg max   rkIT→ j  ( s )  , (11) JMPA có thể giảm độ phức tạp một cách hiệu quả bằng cách s k  j  chỉ giải mã một phần các tín hiệu, như thể hiện trong Hình 3. trong đó j  = 1, 2,..., N  J . Do đó, có thể khôi phục tất cả Khi thay đổi bán kính R của hình cầu, các điểm chòm sao trên đồ thị chòm sao chồng chất được chia thành hai phần: một N  J symbol cho J người dùng trên N ăng-ten phát. ISBN 978-604-80-7468-5 332
Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) phần nằm bên trong hình cầu có giá trị tin cậy cao và phần của JMPA được gọi là Max-Log-JMPA lấy nguyên lý từ [3], khác nằm bên ngoài hình cầu có giá trị tin cậy thấp. Số lượng được tạo ra để giải quyết các vấn đề phức tạp. từ mã chồng lên nhau trên RN ảo k  được biểu diễn bởi Ý tưởng chính là chuyển quá trình giải mã lặp từ miền   ( k  )  1, 2, , M dv  (trong đó k  = 1, 2, , Kv ). Mỗi RN tuyến tính sang miền logarit để loại bỏ tất cả các toán tử hàm mũ trong JMPA khi sử dụng công thức logarit Jacobian đơn ảo k  chỉ cần tìm kiếm các từ mã chồng chất  ( k  ) tương giản sau: ứng của các điểm chòm sao chồng chất bên trong hình cầu thay vì tìm kiếm trên toàn bộ phạm vi. Dựa trên các giả định log ( exp ( a1 ) + ... + exp ( an ) )  max ( a1 ,...an ) , (17) trước đó, các tín hiệu nhận được vẫn là phân phối Gaussian sau khi đi qua kênh MIMO. với max ( a1 ,..., an ) được tính bằng cách liên tiếp sử dụng Bảng I n − 1 hàm max với mỗi hàm chứa hai giá trị, sẽ trả về giá trị NGUYÊN LÝ PHÂN BỔ GAUSSIAN CHUẨN cực đại của mảng ( a1 ,..., an ) . Khoảng tin cậy Giá trị xác suất (%) Đặt lki → j  ( s ) và qij→k  ( s ) lần lượt là thông tin bên ngoài miền log được gửi từ FN  thứ k  đến VN  thứ j  và từ ( − , ) VN thứ j  đến FN  thứ k  từ mã s tại lần lặp thứ i . Do 68,2 ( −2 , 2 ) 95,4 đó, quá trình lặp lại trở thành: Bước 1: Khởi tạo ( −3 ,3 ) 99,7 Như đã giải thích cho thuật toán JMPA, giả định giá trị Bảng I cho thấy mối quan hệ giữa các giá trị xác suất và khởi tạo ban đầu cho các xác suất của từ mã trong miền log để khoảng tin cậy. Theo đặc tính phân bố của nhiễu trắng, xác khởi chạy quy trình lặp là: suất giải mã đúng là 99,7% khi đặt bán kính R là 3 . Đặc q1j→k  ( s ) = log (1 M ) , s = 0,1,..., M − 1. (18) biệt trong tình huống R →  , kỹ thuật giải mã SD-JMPA trở thành kỹ thuật JMPA. Bước 2: Trao đổi tin nhắn lặp lại Trong hệ thống MIMO-SCMA đường xuống, thuật toán _bước phụ a): Truyền tin nhắn từ FN  sang VN  SD-JMPA dựa trên thuật toán truyền tin nhắn kết hợp chọn thông tin từ mã có giá trị tin cậy cao để giảm độ phức tạp giải Công thức (18), (19) và (20) được áp dụng trong miền log mã. Trong thuật toán này, công thức cập nhật tin nhắn có thể khi sử dụng công thức xấp xỉ gần tối ưu (18). Đặt ai bằng được suy ra từ các phương trình (9), (10), (11). công thức: SD-JMPA được đề xuất có thể được chia thành ba bước: Bước 1: Công thức cập nhật tin nhắn RN ảo như sau: ai = log ( M k  ( s ) ) +  j k  \ j  qij−→ 1 ( ) k  s j , (19)   2 rki→ j ( s ) =   M k  ( s )  qij−→  1 k  s j ( ) . (14) ai = − 1 yk  −  x j +  qij−→ 1 ( ) k  s j . (20) s :s  = s  j  k  \ j    2 j  k  j  k \ j   0  Dkn  R Bước 2: Công thức cập nhật tin nhắn UN ảo như sau: Sau đó, đối với một từ mã s đã cho, tin nhắn truyền được truyền miền log từ FN  thứ k  đến VN  thứ j  có thể được qij →k  ( s ) =  rki−→1 j  ( s ). (15) tính như sau: k  j \ k   2  1 trong đó Dkn xác định khoảng cách Euclid giữa tín hiệu nhận lki → j  ( s ) = max − 2 yk  −  x j  s:s = s   được và điểm chòm sao chồng chất thứ n tại k  .  j  k  (21) Khi thuật toán SD-JMPA đạt được số lần lặp tối đa đặt  trước IT , xác suất đầu ra của từ mã của mỗi người dùng có +  q ij−→ j  k  \ j  1 ( ) k  s j  .  thể được ước tính theo công thức sau: _bước phụ b): Truyền thông tin từ VN  đến FN  P(s) =  rkI→ j ( s ). T (16) k  j Thông tin được truyền trên miền log từ VN  thứ j  đến FN  thứ k  cho từ mã s sau đó được sửa đổi thành: B. Thuật toán Max-Log-JMPA  1  ( i −1) Mặc dù thuật toán SD-JMPA cải thiện được độ phức tạp q ij →k  ( s ) = log   +  lk → j  ( s ). (22) của thuật toán JMPA. Tuy nhiên, thuật toán vẫn có độ phức M  k  j \ k  tạp cao do có một số lượng lớn các phép toán hàm mũ liên quan để tính toán LLR. Ngoài ra, trong triển khai thực tế, hàm Để đơn giản, bước chuẩn hóa để kiểm soát vùng biến thiên exp(•) trong thuật toán JMPA, SD-JMPA có thể gây ra những của giá trị xác suất miền log qij→k  có thể được bỏ qua trong dải động lớn và gánh nặng lưu trữ rất cao, làm ảnh hưởng xấu miền logarit vì tất cả các phép toán hàm mũ đã được loại bỏ. đến việc triển khai phần cứng. Do đó, một phiên bản đơn giản ISBN 978-604-80-7468-5 333
Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) Bước 3: Tính LLR và ước lượng bit  1  ( i −1) q ij →k  ( s ) = log   +  lk → j  ( s ). (31) Sau khi thực hiện IT lần lặp, xác suất hậu nghiệm miền M  k  j \ k  log cho từ mã x j là: IV. KẾT QUẢ MÔ PHỎNG  1  log ( P ( s ) ) = log   +  lkIT→ j  ( s ). (23) Trong phần này, phương pháp Monte Carlo được áp dụng  M  k  j \ k  để mô phỏng cho quá trình đánh giá hiệu năng của hệ thống MIMO-SCMA đường xuống trên kênh Rayleigh fading với số Công thức tính tỉ số LLR như sau: người dùng là J = 6 , và số tài nguyên là K = 4 , trong đó trạm ( ) LLR b j = ( log ( P ( x ))) max x j  bi =0 j gốc (BS) được trang bị số ăng-ten phát là NT = 2 giao tiếp với 6 người dùng và mỗi người dùng được trang bị ăng-ten (24) thu là N R = 2 . Bảng mã SCMA được sử dụng trong luận văn − max ( log ( P ( x ) ) ) .   x j  bi =1 j này là bẳng mã 4x6 như trong [5]. Đồng thời, để đánh giá và so sánh thời gian giải mã của từng thuật toán, báo cáo cũng sử Các bit truyền của các người dùng sau đó được ước lượng dụng phương pháp đo thời gian theo giải mã tương ứng với như sau: từng thuật toán.  bˆi = 1 khi LLR  0 Hình 4 mô tả việc so sánh hiệu suất BER giữa bộ thu  . (25) JMPA và bộ thu SD-JMPA ở các điều kiện lựa chọn bán kính bˆi = 0 khi LLR  0 R = 1 , 2 và 3 cùng số lần lập bằng T = 6 . Theo kết quả mô phỏng, độ lợi hiệu suất là khoảng 2,2 dB tại BER 3 10−3 C. Thuật toán Log-JMPA khi thay đổi R từ 1 thành 2 . Điều này cho thấy rằng hệ Sau khi loại bỏ tất cả các phép toán theo hàm mũ và thay thống được bù đắp đáng kể cho sự giảm chất lượng giải mã thế chúng bằng một số phép cộng trên mỗi hàm cực đại xảy ra do thuật toán SD-JMPA chỉ giải mã một phần các từ max( ) , Max-Log-JMPA có độ phức tạp giảm đáng kể so với mã thay vì giải mã tất cả các từ mã của chòm sao. Khi tăng JMPA. Tuy nhiên, thuật toán này được xem là một thuật toán bán kính R = 2 và R = 3 thì hiệu suất giải mã của hệ gần tối ưu do chỉ tính xấp xỉ như trong công thức (17). Vấn đề thống tốt hơn và đạt gần như tương đương với hiệu suất bộ chính trong miền log là tính toán chính xác hàm giải mã JMPA. log ( exp ( a1 ) + ... + exp ( an ) ) . Để giải quyết vấn đề tính chính Hình 5 cho thấy BER thu được từ ba thuật toán JMPA, xác của hàm log, cần phải cộng thêm một điều kiện hiệu chỉnh Max-Log-JMPA và Log-JMPA cùng số lần lập bằng T = 6 . vào công thức xấp xỉ (17) để bù cho sự suy giảm hiệu suất. Sử Từ kết quả mô phỏng thấy rằng Log-JMPA không thể được dụng lại công thức logarit Jacobian, ta viết lại như sau: phân biệt với JMPA do phép tính gần đúng được sử dụng trong (30) cho phép bù cho sự suy giảm hiệu suất của Max-Log- log ( exp ( a ) + exp ( b ) )  max ( a, b ) JMPA. Sự suy giảm hiệu suất có thể được ghi nhận giữa Max- (26) Log-JMPA và JMPA khoảng 2 dB cho BER là 10−2 . Sự chênh  max ( a, b ) + C(a − b), lệch này xuất phát từ sự xấp xỉ trong công thức (18). Hơn nữa, với toán tử hiệu chỉnh: khi Eb N0 tăng đến khoảng 19 đến 20 dB thì sự chênh lệch chỉ còn 1,8 dB cho BER là 10−3 . Điều này là do một thực tế ( C ( x ) = log 1 + exp ( − x ) . ) (27) rằng xấp xỉ trong (18) sẽ chính xác hơn đối với Eb N0 cao. Xấp xỉ này có thể được mở rộng thành n giá trị như sau: Hình 6 so sánh thời gian giải mã các thuật toán với log ( exp ( a1 ) + ... + exp ( an ) )  max ( a1 ,...an ) , (28) N_symbol = 1000. Kết quả cho thấy rằng, bộ thu JMPA có độ phức tạp cao hơn nhiều so với SD-JMPA. Rõ ràng là thời gian giải mã của máy dò SD-JMPA được rút ngắn khi thực hiện   max ( a1, , an ) = a j + log 1 +  exp − a j − ai  ,  i1, , n\ j ( ) (29) giảm bán kính R trong hệ thống. Bên cạnh đó, thuật toán Log-JMPA, SD-JMPA và Max-Log-JMPA có thời gian giải   mã thấp, giảm đi thời gian lần lượt là 207,4s, 273,7s và 319s trong đó ai giống như công thức (20) và tương ứng khoảng 60,84%, 80,29% và 93,58% so với thuật toán JMPA. Ngoài ra, thuật toán Log-JMPA có thời gian giải a j = max ( a1 , , an ) . Nhờ điều kiện hiệu chỉnh trong (30), sự mã cao hơn thuật toán SD-JMPA khoảng 2,3 lần và cao hơn suy giảm hiệu suất do sử dụng toán tử max( ) sẽ giảm, hay thuật toán Max-Log-JMPA khoảng 5,3 lần. Nguyên nhân là nói cách khác là tăng độ chính xác, làm cho việc giải mã được do khi chuyển công thức về miền log, thuật toán chỉ giảm được tốt hơn. Công thức (22) và (23) được viết lại thành: quá trình xử lý hàm exp( ) ở bước đầu tiên, nhưng sau đó lại tăng số lượng tính toán hàm log và exp( ) ở các bước phía  2  1 sau. lki → j  ( s ) = max − 2 yk  −  x j  s:s = s   j  k   (30)  +  q ij−→ ( ) j  k  \ j  1  k  s j  ,  ISBN 978-604-80-7468-5 334
Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) V. KẾT LUẬN Trong báo cáo này đã đề xuất việc áp dụng các thuật toán SD-JMPA, Max-Log-JMPA và Log-JMPA để giảm thời gian giải mã MPA trong hệ thống MIMO-SCMA. Dựa trên các kết quả mô phỏng, các thuật toán này đã giảm đáng kể thời gian giải mã tín hiệu cho hệ thống MIMO-SCMA so với thuật toán JMPA truyền thống. Việc tìm kiếm các thuật toán có thời gian giải mã ngắn giúp tăng khả năng ứng dụng của hệ thống MIMO-SCMA. Trong tương lai, việc nghiên cứu ứng dụng máy học để cải thiện thuật toán JMPA có thể được xem xét để rút ngắn thời gian giải mã cho hệ thống MIMO-SCMA. TÀI LIỆU THAM KHẢO [1] C. J. Z. Fa-Long Luo, Signal Processing for 5G: Algorithms and Implementations. Wiley-IEEE Press, 2016. [2] L. Lu, Y. Chen, W. Guo, H. Yang, Y. Wu, and S. Xing, "Prototype for 5G new air interface technology SCMA and performance evaluation," China Communications, vol. 12, no. Supplement, pp. 38-48, 2015. [3] W. B. Ameur, P. Mary, M. Dumay, J. F. Hélard, and J. Schwoerer, "Performance study of MPA, Log-MPA and MAX-Log-MPA for an Hình 4. So sánh hiệu suất của bộ thu JMPA và SD-JMPA với uplink SCMA scenario," in 2019 26th International Conference on R = 1 , 2 ,3 . Telecommunications (ICT), 2019, pp. 411-416. [4] L. Yang, X. Ma, and Y. Siu, "Low Complexity MPA Detector Based on Sphere Decoding for SCMA," IEEE Communications Letters, vol. 21, no. 8, pp. 1855-1858, 2017. [5] J. P. bhai and K. R. Naidu, "SCMA with new codebook design," in 2019 9th International Conference on Advances in Computing and Communication (ICACC), 2019, pp. 169-174. [6] Z. Ding, F. Adachi and H. V. Poor, "Performance of MIMO-NOMA Downlink Transmissions," 2015 IEEE Global Communications Conference (GLOBECOM), 2015, pp. 1-6, doi: 10.1109/GLOCOM.2015.7417060. [7] J. Cui, Z. Ding and P. Fan, "Outage Probability Constrained MIMO- NOMA Designs Under Imperfect CSI," in IEEE Transactions on Wireless Communications, vol. 17, no. 12, pp. 8239-8255, Dec. 2018, doi: 10.1109/TWC.2018.2875490. [8] T. Liu, X. Li and L. Qiu, "Capacity for downlink massive MIMO MU- SCMA system," 2015 International Conference on Wireless Communications & Signal Processing (WCSP), 2015, pp. 1-5, doi: 10.1109/WCSP.2015.7341100. [9] Z. Ma, Z. Ding, P. Fan and S. Tang, "A General Framework for MIMO Uplink and Downlink Transmissions in 5G Multiple Access," 2016 IEEE 83rd Vehicular Technology Conference (VTC Spring), 2016, pp. 1-4, doi: 10.1109/VTCSpring.2016.7504070. [10] P. Wang, L. Liu, S. Zhou, G. Peng, S. Yin, and S. Wei, "Near-Optimal MIMO-SCMA Uplink Detection With Low-Complexity Expectation Hình 5. So sánh hiệu suất của bộ thu JMPA, Log-JMPA và Max-Log- Propagation," IEEE Transactions on Wireless Communications, vol. JMPA. 19, no. 2, pp. 1025-1037, 2020. [11] D. Kurniawan, M. S. Arifianto, and A. Kurniawan, "Low Complexity MIMO-SCMA Detector," in 2019 IEEE 5th International Conference on Wireless and Telematics (ICWT), 2019, pp. 1-5. [12] S. Tang, L. Hao, and Z. Ma, "Low Complexity Joint MPA Detection for Downlink MIMO-SCMA," in 2016 IEEE Global Communications Conference (GLOBECOM), 2016, pp. 1-4. [13] L. Yang, X. Ma, and Y. Siu, "Low Complexity MPA Detector Based on Sphere Decoding for SCMA," IEEE Communications Letters, vol. 21, no. 8, pp. 1855-1858, 2017. [14] V. P. Klimentyev and A. B. Sergienko, "A low-complexity SCMA detector for AWGN channel based on solving overdetermined systems of linear equations," 2016 XV International Symposium Problems of Redundancy in Information and Control Systems (REDUNDANCY), 2016, pp. 61-65, doi: 10.1109/RED.2016.7779331. Hình 6. So sánh thời gian giải mã các thuật toán với N_symbol = 1000. ISBN 978-604-80-7468-5 335