Luận án Tiến sĩ Kỹ thuật: Nghiên cứu giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến ứng dụng mạng nơ ron học sâu

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:144

Thêm vào BST

Báo xấu

48
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Luận án Tiến sĩ Kỹ thuật "Nghiên cứu giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến ứng dụng mạng nơ ron học sâu" trình bày các nội dung: Tổng quan về định hướng nguồn tín hiệu vô tuyến; Giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến bằng mạng nơ-ron tích chập kết nối dư; Giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến bằng mạng nơ-ron Unet kết hợp thuật toán MUSIC, RootMUSIC.

Chủ đề:

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

Lưu

Nội dung Text: Luận án Tiến sĩ Kỹ thuật: Nghiên cứu giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến ứng dụng mạng nơ ron học sâu

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ NGUYỄN DUY THÁI NGHIÊN CỨU GIẢI PHÁP NÂNG CAO HIỆU NĂNG ĐỊNH HƯỚNG NGUỒN TÍN HIỆU VÔ TUYẾN ỨNG DỤNG MẠNG NƠ RON HỌC SÂU LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội – 2024
BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ NGUYỄN DUY THÁI NGHIÊN CỨU GIẢI PHÁP NÂNG CAO HIỆU NĂNG ĐỊNH HƯỚNG NGUỒN TÍN HIỆU VÔ TUYẾN ỨNG DỤNG MẠNG NƠ RON HỌC SÂU Ngành: Kỹ thuật điện tử Mã số: 9 52 02 03 LUẬN ÁN TIẾN SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. PGS.TS Hoàng Văn Phúc 2. TS Lê Thanh Hải Hà Nội – 2024
i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các kết quả nghiên cứu trong luận án là trung thực, chưa từng được ai công bố ở trong bất kỳ công trình nào khác, tài liệu tham khảo được trích dẫn đầy đủ. Hà Nội, ngày tháng 06 năm 2024 TÁC GIẢ LUẬN ÁN Nguyễn Duy Thái
ii LỜI CẢM ƠN Trong quá trình học tập, nghiên cứu và hoàn thành đề tài luận án, Nghiên cứu sinh (NCS) luôn nhận được sự quan tâm, tạo điều kiện về mọi mặt của Thủ trưởng đơn vị, cơ quan quản lý đào tạo và gia đình; sự nhiệt tình và tâm huyết của tập thể giáo viên hướng dẫn; các ý kiến đóng góp quý báu của các nhà khoa học và đồng nghiệp trong và ngoài đơn vị. Trước hết, NCS xin được bày tỏ lời cảm ơn sâu sắc tới PGS.TS Hoàng Văn Phúc, TS Lê Thanh Hải đã trực tiếp hướng dẫn NCS trong quá trình nghiên cứu và hoàn thành luận án. Xin cảm ơn TS Đoàn Văn Sáng và nhóm nghiên cứu thực hiện đề tài Nghị định thư với Cộng hòa Séc mã số NĐT/CZ/22/12 đã có những tư vấn, góp ý bổ ích cho NCS trong việc xây dựng các mô hình mạng nơ-ron học sâu. NCS trân trọng cảm ơn Ban Giám đốc Viện KH-CN quân sự, Thủ trưởng Viện Điện tử, Thủ trưởng Phòng Đào tạo và các bộ phận quản lý liên quan đã tạo mọi điều kiện thuận lợi để NCS hoàn thành nhiệm vụ. NCS xin chân thành cảm ơn Quý thầy cô, các nhà khoa học của Viện Khoa học và Công nghệ quân sự; Viện Điện tử; Học viện Kỹ thuật quân sự; Học viện Hải quân; Đại học Bách khoa Hà Nội …vv đã có các góp ý, nhận xét, đánh giá quý báu cho NCS trong quá trình thực hiện và hoàn thiện luận án này. Xin được trân trọng và biết ơn sự hy sinh và chia sẻ của gia đình. Xin cảm ơn đồng nghiệp, bạn bè luôn quan tâm, động viên, giúp đỡ NCS vượt qua khó khăn để hoàn thành luận án này. Hà Nội, ngày tháng 06 năm 2024 TÁC GIẢ LUẬN ÁN Nguyễn Duy Thái
iii MỤC LỤC Trang MỤC LỤC ................................................................................................................. iii DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT ...................................................... vi DANH MỤC CÁC BẢNG.......................................................................................... x DANH MỤC CÁC HÌNH VẼ.................................................................................... xi MỞ ĐẦU ..................................................................................................................... 1 Chương 1 TỔNG QUAN VỀ ĐỊNH HƯỚNG NGUỒN TÍN HIỆU VÔ TUYẾN .... 6 1.1. Giới thiệu về định hướng nguồn tín hiệu vô tuyến .............................................. 6 1.1.1. Khái niệm, phân loại .........................................................................................6 1.1.2. Thiết bị định hướng nguồn tín hiệu vô tuyến ....................................................8 1.2. Mô hình tín hiệu mảng ăng ten .......................................................................... 10 1.2.1. Mô hình tổng quát ...........................................................................................10 1.2.2. Mô hình mảng ăng ten tuyến tính ...................................................................13 1.3. Các phương pháp định hướng nguồn tín hiệu vô tuyến ..................................... 15 1.3.1. Phương pháp quét búp sóng ............................................................................15 1.3.2. Phương pháp phân tích không gian con ..........................................................17 1.4. Trí tuệ nhân tạo và ứng dụng trong định hướng nguồn tín hiệu vô tuyến ......... 21 1.4.1. Khái quát về trí tuệ nhân tạo, học máy, học sâu .............................................21 1.4.2. Mạng nơ-ron nhân tạo .....................................................................................24 1.4.3. Mạng nơ-ron tích chập ....................................................................................31 1.4.4. Ứng dụng trí tuệ nhân tạo định hướng nguồn tín hiệu vô tuyến .....................34 1.5. Tình hình nghiên cứu về định hướng nguồn tín hiệu vô tuyến .......................... 36 1.5.1. Tình hình nghiên cứu trong nước ....................................................................36 1.5.2. Tình hình nghiên cứu ngoài nước ...................................................................39 1.6. Đặt vấn đề nghiên cứu........................................................................................ 42 1.7. Kết luận Chương 1 ............................................................................................. 44 Chương 2 GIẢI PHÁP NÂNG CAO HIỆU NĂNG ĐỊNH HƯỚNG NGUỒN TÍN HIỆU VÔ TUYẾN BẰNG MẠNG NƠ RON TÍCH CHẬP KẾT NỐI DƯ .... 45 2.1. Khảo sát, đánh giá khả năng ước lượng DOA của các thuật toán học máy ....... 45 2.1.1. Thuật toán SVM ..............................................................................................46
iv 2.1.2. Thuật toán kNN ...............................................................................................49 2.1.3. Đánh giá khả năng ước lượng hướng đến của SVM và kNN .........................50 2.2. Đánh giá khả năng ước lượng hướng đến của mạng nơ-ron .............................. 52 2.2.1. Khả năng ước lượng hướng đến của mạng nơ-ron tiêu chuẩn ........................52 2.2.2. Khả năng ước lượng hướng đến của mạng nơ-ron tích chập ..........................54 2.3. Nghiên cứu đề xuất mô hình CNN cấu trúc kết nối dư ước lượng DOA cho mảng ăng ten tuyến tính không đồng đều ................................................................. 56 2.3.1. Cấu trúc mô hình DOA-ResNet đề xuất .........................................................57 2.3.2. Tạo lập dữ liệu, huấn luyện và kiểm tra mô hình ...........................................58 2.3.3. Đánh giá hiệu năng ước lượng DOA của mô hình DOA-ResNet khi thay đổi số lượng kênh lọc ................................................................................................61 2.3.4. Đánh giá hiệu năng ước lượng DOA của mô hình DOA-ResNet khi thay đổi kích thước kênh lọc .............................................................................................63 2.3.5. So sánh hiệu năng ước lượng DOA của mô hình DOA-ResNet với các thuật toán học máy .............................................................................................................64 2.4. Nghiên cứu đề xuất mô hình CNN cấu trúc kết nối dư phép nhân tự động hiệu chỉnh sai số hệ thống nâng cao hiệu năng ước lượng hướng đến ............................. 65 2.4.1. Mô hình tín hiệu mảng ăng ten có chứa sai số hệ thống .................................66 2.4.2. Cấu trúc mô hình DOA-CNN đề xuất .............................................................68 2.4.3. Tạo lập dữ liệu, huấn luyện và kiểm tra mô hình ...........................................70 2.4.4. Đánh giá độ chính xác ước lượng DOA của mô hình DOA-CNN trong các trường hợp có sai số hệ thống ...................................................................................73 2.4.5. So sánh hiệu năng ước lượng DOA của mô hình DOA-CNN với các mô hình học máy, học sâu khác ......................................................................................77 2.5. Kết luận Chương 2 ............................................................................................. 78 Chương 3 GIẢI PHÁP NÂNG CAO HIỆU NĂNG ĐỊNH HƯỚNG NGUỒN TÍN HIỆU VÔ TUYẾN BẰNG MẠNG NƠ-RON UNET KẾT HỢP THUẬT TOÁN MUSIC, ROOTMUSIC ................................................................................ 80 3.1. Mạng nơ-ron Unet .............................................................................................. 80 3.2. Nghiên cứu đề xuất mô hình UFCnet kết hợp thuật toán MUSIC, Root- MUSIC nâng cao hiệu năng ước lượng DOA ........................................................... 81
v 3.2.1. Mô hình tín hiệu tạo lập dữ liệu ......................................................................81 3.2.2. Cấu trúc mô hình UFCnet đề xuất ..................................................................82 3.2.3. Tạo lập dữ liệu, huấn luyện và kiểm tra mô hình ...........................................84 3.2.4. Đánh giá khả năng phân biệt góc ước lượng...................................................86 3.2.5. Đánh giá độ chính xác ước lượng DOA trong trường hợp mảng ăng ten là lý tưởng .....................................................................................................................87 3.2.6. Đánh giá độ chính xác ước lượng DOA trong trường hợp mảng ăng ten có các sai lệch vị trí các phần tử, pha và biên độ do đường truyền ...............................88 3.3. Nghiên cứu đề xuất mô hình UNet kết hợp thuật toán MUSIC, RootMUSIC nâng cao hiệu năng ước lượng DOA nguồn tín hiệu tương quan. ............................ 90 3.3.1. Mô hình tín hiệu tạo lập dữ liệu xét đến sự tương quan của tín hiệu..............90 3.3.2. Cấu trúc mô hình UNet đề xuất ......................................................................93 3.3.3. Tạo lập dữ liệu, huấn luyện và kiểm tra mô hình ...........................................95 3.3.4. Đánh giá khả năng ước lượng DOA nguồn tín hiệu tương quan ....................97 3.3.5. Đánh giá hiệu năng ước lượng DOA khi thay đổi các tham số kênh lọc trong lớp tích chập.....................................................................................................98 3.3.6. Đánh giá độ chính xác ước lượng DOA khi thay đổi số lượng phần tử mảng ăng ten. ....................................................................................................................100 3.3.7. Đánh giá độ chính xác ước lượng DOA khi thay đổi số lượng mẫu tín hiệu101 3.3.8. Đánh giá độ chính xác ước lượng DOA khi thay đổi tần số tín hiệu ............102 3.3.9. Đánh giá độ chính xác ước lượng DOA trong các trường hợp xảy ra sai số hệ thống ..............................................................................................................103 3.3.10. Đánh giá độ phân giải góc ước lượng .........................................................108 3.4. So sánh các phương pháp, mô hình đề xuất trong luận án ............................... 109 3.4.1. Cấu trúc, cách thức hoạt động của các mô hình đề xuất ...............................110 3.4.2. Hiệu năng ước lượng DOA của các mô hình đề xuất ...................................112 3.5. Kết luận Chương 3 ........................................................................................... 116 KẾT LUẬN ............................................................................................................. 117 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ ........................ 119 TÀI LIỆU THAM KHẢO ....................................................................................... 120
vi DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT a Một biến số a Một vector A Một ma trận ai,j Phần tử hàng i, cột j của ma trận [.]H Phép chuyển vị liên hiệp phức ma trận [.]T Phép chuyển vị ma trận  Bước sóng, m f, fc Tần số, tần số trung tâm, [Hz] P Số nguồn tín hiệu tới M Số phần tử mảng ăng ten N Số mẫu tín hiệu trong một cửa sổ d Khoảng cách giữa 2 phần tử cạnh nhau mảng ăng ten, [m] DA Khẩu độ mảng ăng ten N 2 Phương sai nhiễu  Góc tới trong mặt phẳng phương vị s(t) Tín hiệu P nguồn phát tới mảng ăng ten x(t) Tín hiệu thu được bởi mảng ăng ten M phần tử n(t) Nhiễu tác động ên M phần tử mảng ăng ten A(θ) Ma trận định hướng Ts Chu kỳ lấy mẫu bộ biến đổi tương tự - số E {.} Toán tử kỳ vọng R Ma trận hiệp phương sai I Ma trận đơn vị
vii w Vector trọng số P(θ) Phổ công suất theo không gian f (.) Hàm kích hoạt y (.) Giá trị đầu ra min {.}, max {.} Lấy giá trị cực tiểu, cực đại Conv {.} Phép tích chập maxpooling {.} Phép gộp cực đại averpooling {.} Phép gộp trung bình Norm {.} Phép chuẩn hóa real {x} Hàm lấy giá trị thực của số phức image {x} Hàm lấy giá trị ảo của số phức triu{A} Hàm lấy các phần tử tam giác trên của ma trận tril{A} Hàm lấy các phần tử tam giác dưới của ma trận diag{A} Hàm lấy các phần tử đường chéo chính của ma trận randi {.} Toán tử ngẫu nhiên số nguyên ADAM Ước tính mô-men thích nghi (Adaptive Moment Estimation) ADC Biến đổi tương tự - số (Analog – Digital Converter) AE Tự động mã hóa (Autoencoder) AI Trí tuệ nhân tạo (Artificial Intelligence) ANN Mạng nơ-ron nhân tạo (Artificial Neural Network) AWGN Tạp âm trắng cộng tính Gauss (Additive White Gaussian Noise) Asym -AWPC Ăng ten không tâm pha bất đối xứng (Asymmetric Antenna Without Phase Center) CBF Quét búp sóng thông thường (Conventional Beamforming) CFO Dịch tần số sóng mang (Carrier Frequency Offset) CNN Mạng nơron tích chập (Convolutional Neural Network)
viii CRLB Biên dưới Cramer – Rao (Cramer – Rao Lower Bound) CS Thuật toán nén mẫu (Compressive Sensing) DL Học sâu (Deep Learning) DNN Mạng nơ-ron sâu (Deep Neural Networks) DOA Hướng đến (Direction of Arrival) DT Cây quyết định (Decision Tree) ELU Hàm kích hoạt ELU (Exponential Linear Unit) ESPRIT Ước lượng tham số tín hiệu thông qua kỹ thuật quay bất biến (Estimation of Signal Parameter via rotational invariance techniques) FC Kết nối đầy đủ (Fully Connection) FDOA Sai lệch tần số đến (Frequency difference of arrival) FOV Vùng quan sát (Field of View) GANs Mạng nơ-ron tự sinh (Generative Adversarial Networks) GNB Thuật toán GNB (Gausian Naive Bayes) GPU Card xử lý đồ họa (Graphic Processing Unit) I/Q Đồng pha/Vuông pha (In phase/Quadrature-phase) kNN k láng giềng gần nhất (k-Nearest Neighbors) LUT Bảng tìm kiếm (Look-up table) LSTM Bộ nhớ dài – ngắn (Long Short Term Memory) MIMO Đa đầu vào đa đầu ra (Multiple Input Multiple Output) ML Học máy (Machine Learning) MLP Perceptron nhiều lớp (Multi-layer Perceptron) MUSIC Phân loại đa tín hiệu (Multiple Signal Classification) MVDR Đáp ứng không biến dạng phương sai cực tiểu (Minimum Variance Distortionless Response)
ix NCS Nghiên cứu sinh (PhD student) NLA Mảng tuyến tính không đồng đều (Non-uniform Linear Array) PCA Phân tích thành phần chính (Principal Component Analysis) PLL Vòng khóa pha (Phase-Locked Loop) RCNN Mạng nơ-ron tích chập định hướng (Recurrent Convolutional Neural Network) ResNet Mạng kết nối dư (Residual Connection Network) RF Thuật toán rừng ngẫu nhiên (Random Forest) RMSE Sai số căn quân phương (Root Mean Square Error) RNN Mạng nơ-ron hồi quy (Recurrent Neural Network) SDMA Đa truy nhập phân chia theo không gian (Space Division Multiple Access) SGD Giảm độ dốc ngẫu nhiên (Stochastic Gradient Descent) SGDM SGD với mô-men (SGD with momentum) SNR Tỷ số tín trên tạp (Signal to Noise Ratio) SVM Máy vectơ hỗ trợ (Support Vector Machine) SVR Hồi quy vector hỗ trợ (Support Vector Regression) TFBMP Ma trận Pencil thuận ngược (Total Forward-Backward Matrix Pencil) TOA Thời gian đến (Time of Arrival) UAV Phương tiện bay không người lái (Unmanned Aerial Vehicle) UCA Mảng tròn đồng đều (Uniform Circular Array) ULA Mảng tuyến tính đồng đều (Uniform Linear Array)
x DANH MỤC CÁC BẢNG Trang Bảng 2.1. Độ lớn và thời gian thực thi của DOA-ResNet khi thay đổi số lượng kênh lọc .....................................................................................................................63 Bảng 2.2. Độ lớn và thời gian thực thi của DOA-ResNet khi thay đổi kích thước kênh lọc .....................................................................................................................64 Bảng 2.3. Tham số giả định tạo tập dữ liệu huấn luyện và kiểm chứng ...................70 Bảng 3.1. Số lượng trọng số và thời gian thực thi của các phiên bản Unet ..............99 Bảng 3.2. So sánh đặc điểm của các mô hình đề xuất ............................................111 Bảng 3.3. Số lượng trọng số và thời gian thực thi của các mô hình đề xuất ..........115
xi DANH MỤC CÁC HÌNH VẼ Trang Hình 1.1. Một số hệ thống trinh sát điện tử: ...............................................................9 Hình 1.2. Mô hình thu tín hiệu tổng quát của mảng ăng ten.....................................11 Hình 1.3. Mô hình thu tín hiệu mảng ăng ten tuyến tính đồng đều ..........................15 Hình 1.4. Cách chia mảng điển hình trong phương pháp ESPRIT ...........................20 Hình 1.5. Mối quan hệ giữa AI, ML, DL, ANN, DNN và CNN ..............................23 Hình 1.6. Cấu trúc mạng nơ-ron nhiều lớp ..............................................................24 Hình 1.7. Cấu trúc của một nơ-ron nhân tạo điển hình ............................................25 Hình 1.8. Minh họa phép tính tích chập ....................................................................32 Hình 1.9. Minh họa 2 phép tính gộp cực đại và trung bình. .....................................33 Hình 1.10. Sơ đồ khối tổng quan hệ thống ứng dụng AI định hướng nguồn tín hiệu ............................................................................................................................36 Hình 2.1. Mối quan hệ giữa 21 và 31 và sự phân cụm pha ................................47 Hình 2.2. Minh họa thuật toán SVM lựa chọn đường phân tách phù hợp ................47 Hình 2.3. Minh họa nguyên tắc ra quyết định của thuật toán kNN với k = 5 ...........49 Hình 2.4. Độ chính xác ước lượng DOA của kNN và SVM ....................................51 Hình 2.5. Mô hình mạng MLP đánh giá khả năng định hướng. ...............................53 Hình 2.6. Độ chính xác ước lượng DOA của mô hình MLP ....................................53 Hình 2.7. Mô hình mạng CNN đánh giá khả năng định hướng. ...............................55 Hình 2.8. Độ chính xác ước lượng DOA của mô hình CNN ....................................55 Hình 2.9. Độ chính xác ước lượng DOA của SVM, kNN, MLP và CNN ................56 Hình 2.10. Cấu trúc của mạng nơ-ron DOA-ResNet đề xuất ...................................58 Hình 2.11. Mô hình thu tín hiệu mảng ăng ten NLA ................................................59 Hình 2.12. Sơ đồ huấn luyện và kiểm chứng mô hình DOA-ResNet đề xuất ..........60 Hình 2.13. Độ chính xác phân loại và sai số ước lượng DOA của mô hình DOA- ResNet khi thay đổi số lượng kênh lọc .....................................................................62 Hình 2.14. Độ chính xác phân loại và sai số ước lượng DOA của mô hình DOA- ResNet khi thay đổi kích thước kênh lọc ..................................................................63
xii Hình 2.15. Độ chính xác ước lượng DOA của mô hình DOA-ResNet và các thuật toán học máy .............................................................................................................64 Hình 2.16. Mô hình thu tín hiệu mảng ăng ten ULA có các sai số ...........................66 Hình 2.17. Cấu trúc mô hình DOA-CNN đề xuất. ....................................................68 Hình 2.18. Minh họa phép tích chập trong lớp tích chập mô hình DOA-CNN. .......69 Hình 2.19. Sự thay đổi giá trị mất mát và độ chính xác phân loại góc trong quá trình huấn luyện mô hình DOA-CNN .......................................................................72 Hình 2.20. Độ chính xác ước lượng DOA của mô hình DOA-CNN và các phương pháp khác khi thiết đặt chính xác vị trí phần tử ăng ten. ..........................................74 Hình 2.21. Độ chính xác ước lượng DOA của mô hình DOA-CNN và các phương pháp khác khi có sai lệch vị trí phần tử ăng ten ........................................................75 Hình 2.22. Độ chính xác ước lượng DOA của mô hình DOA-CNN và các phương pháp khác khi có sai lệch pha và biên độ đường truyền ...........................................76 Hình 2.23. Độ chính xác ước lượng DOA của mô hình DOA-CNN và các phương pháp khác khi có các sai lệch vị trí phần tử ăng ten, pha và biên độ đường truyền..76 Hình 2.24. So sánh hiệu năng ước lượng DOA của mô hình DOA-CNN và các mô hình học máy, học sâu khác ......................................................................................77 Hình 3.1. Cấu trúc mô hình UFCnet đề xuất ............................................................82 Hình 3.2. Khả năng phân biệt góc ước lượng của UFCnet-MUSIC, UFCnet- RootMUSIC và MUSIC khi SNR = 0 dB .................................................................86 Hình 3.3. Độ chính xác ước lượng DOA của UFCnet-MUSIC và UFCnet-RootMUSIC so với các phương khác khi mảng ăng ten là lý tưởng. .........87 Hình 3.4. Độ chính xác ước lượng DOA của UFCnet-MUSIC và UFCnet- RootMUSIC so với các phương pháp khác khi mảng ăng ten có sai số hệ thống. ...89 Hình 3.5. Cấu trúc mô hình mô hình UNet đề xuất ..................................................94 Hình 3.6. Khả năng ước lượng DOA nguồn tín hiệu tương quan bằng phương pháp Unet-MUSIC, Unet-RootMUSIC và MUSIC khi SNR = 1 dB .......................97 Hình 3.7. Độ chính xác ước lượng DOA khi thay đổi bộ số kênh lọc lớp tích chập mô hình Unet .............................................................................................................98
xiii Hình 3.8. Độ chính xác ước lượng DOA khi thay đổi kích thước kênh lọc lớp tích chập mô hình Unet ...........................................................................................100 Hình 3.9. Độ chính xác ước lượng DOA khi thay đổi số lượng phần tử mảng ăng ten ............................................................................................................................101 Hình 3.10. Độ chính xác ước lượng DOA khi thay đổi số lượng mẫu tín hiệu ......102 Hình 3.11. Độ chính xác ước lượng DOA khi thay đổi tần số tín hiệu ..................103 Hình 3.12. Độ chính xác ước lượng DOA của UNet-MUSIC, UNet-RootMUSIC và các mô hình khác khi mảng ăng ten là lý tưởng .................................................104 Hình 3.13. Độ chính xác ước lượng DOA của UNet-MUSIC, UNet-RootMUSIC và các mô hình khác khi mảng ăng ten có sai lệch vị trí các phần tử .....................105 Hình 3.14. Độ chính xác ước lượng DOA của UNet-MUSIC, UNet-RootMUSIC và các mô hình khác khi tồn tại sự không đồng nhất về pha và biên độ do đường truyền .......................................................................................................................106 Hình 3.15. Độ chính xác ước lượng DOA của UNet-MUSIC, UNet-RootMUSIC và các mô hình khác khi mảng ăng ten có sai lệch vị trí các phần tử và tồn tại sự không đồng nhất về pha và biên độ do đường truyền .............................................107 Hình 3.16. Khả năng phân biệt góc của UNet-RootMUSIC và các phương pháp khác .........................................................................................................................108 Hình 3.17. Độ chính xác ước lượng DOA của các mô hình đề xuất khi mảng ăng ten là lý tưởng..........................................................................................................113 Hình 3.18. Độ chính xác ước lượng DOA của các mô hình đề xuất trong trường hợp có sai số hệ thống mảng ăng ten và đường truyền tín hiệu. .............................114
1 MỞ ĐẦU 1. Tính cấp thiết của đề tài luận án Định hướng (ước lượng hướng đến) nguồn tín hiệu vô tuyến đóng vai trò quan trọng trong nhiều lĩnh vực. Hướng đến (DOA: Direction of Arrival) của tín hiệu giúp hệ thống thu - phát có định hướng nhằm nâng cao hiệu suất sử dụng, thực hiện đa truy nhập phân chia theo không gian (SDMA: Space Division Multiple Access), tối ưu hóa về mặt năng lượng, kênh truyền. Trong truyền thông MIMO (Multi Input Multi Output), ước lượng hướng đến cung cấp thông tin về góc của tín hiệu nhằm thực hiện quá trình điều chế không gian giúp tăng tốc quá trình truyền dữ liệu và nâng cao chất lượng dịch vụ (QoS: Quality of Service) [57], [60], [104]. Trong quản lý tần số và giám sát vô tuyến, ước lượng DOA giúp tìm kiếm các nguồn phát xạ trái phép, phát hiện sự có mặt và định vị UAV (Unmanned Aerial Vehicle) [10]. Vai trò của ước lượng hướng đến còn được thể hiện trong các ứng dụng khác như: dẫn đường vô tuyến, chỉ dẫn máy bay cất/hạ cánh [51], tìm kiếm cứu nạn [69], v.v.... Trong quân sự, ước lượng DOA là chức năng chính của các hệ thống trinh sát – tác chiến điện tử [71]. Hướng đến của các nguồn tín hiệu luôn là thông tin quan trọng đầu tiên cần thu thập bởi các hệ thống này. Nó cho biết hướng, vị trí nguồn phát, phương tiện, lực lượng của đối phương và các thông tin trinh sát khác. Điều này rất có ý nghĩa nhằm xây dựng các phương án tác chiến, chế áp và bảo vệ điện tử một cách phù hợp. Với vai trò, tầm quan trọng như đã nêu trên, định hướng nguồn tín hiệu vô tuyến luôn nhận được sự quan tâm nghiên cứu của các nhà khoa học trong và ngoài nước. Gắn với trình độ phát triển khoa học kỹ thuật trong từng giai đoạn và các mục đích cần giải quyết khác nhau tùy thuộc vào từng bài toán cụ thể, đã có rất nhiều phương pháp, thuật toán được đề xuất nhằm nâng cao độ chính xác, độ phân giải, tốc độ xử lý khi ước lượng DOA nguồn tín hiệu vô tuyến. Trong đó, các phương pháp, thuật toán dựa vào đo đạc trực tiếp tham số tín hiệu, quét búp sóng hoặc phân tích không gian con (trong luận án này gọi chung là các phương pháp - thuật toán ước lượng truyền thống) có những ưu điểm nhất định về độ chính xác, độ phân giải và tính ổn định. Tuy nhiên, với điểm chung là dựa trên mô hình giả định với cấu trúc mảng ăng
2 ten cho trước để tính toán góc DOA, các phương pháp này khó thích ứng với môi trường truyền sóng và lỗi hệ thống mảng ăng ten. Nếu có bất kỳ sai lệch nào trong quá trình thiết kế chế tạo, lắp đặt mảng ăng ten hoặc lỗi xuất hiện từ đường truyền hay môi trường hoạt động sẽ tác động rất lớn đến độ chính xác ước lượng DOA. Có thể khắc phục sai số ước lượng DOA xảy ra bằng cách hiệu chỉnh pha và biên độ giữa các kênh thu, tuy nhiên giải pháp này kém hiệu quả nếu các sai lệch là phi tuyến, ngẫu nhiên và độc lập. Trong những năm gần đây, với sự phát triển vượt bậc của công nghệ sản xuất chip đã tạo ra các nền tảng phần cứng tính toán đủ mạnh (chip xử lý song song). Điều này trở thành động lực thúc đẩy việc nghiên cứu ứng dụng trí tuệ nhân tạo (bao gồm học máy, học sâu và đặc biệt là mạng nơ-ron học sâu) trong nhiều lĩnh vực, trong đó có các nghiên cứu đề xuất cho bài toán ước lượng DOA [18], [22], [37], [55], [107]. Với tính chất học tập từ dữ liệu, các mô hình mạng nơ-ron có khả năng thích ứng với dữ liệu mà không cần thông tin tiên nghiệm về mảng ăng ten hay đường truyền. Do đó, nó có thể tự động hiệu chỉnh các sai số để cho kết quả ước lượng DOA chính xác hơn. Nhiều nghiên cứu gần đây cho thấy, các mạng nơ-ron cũng cho hiệu năng ước lượng DOA tốt hơn so với các mô hình truyền thống khác, đặc biệt trong các điều kiện thu tín hiệu phức tạp [19], [86], [99], [106]. Từ các vấn đề nêu trên, việc nghiên cứu đề xuất các giải pháp nâng cao hiệu năng ước lượng DOA nguồn tín hiệu vô tuyến ứng dụng trí tuệ nhân tạo là cần thiết, phù hợp với xu hướng, có ý nghĩa khoa học và thực tiễn. Do đó, NCS đã lựa chọn đề tài “Nghiên cứu giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến ứng dụng mạng nơ ron học sâu”. 2. Mục tiêu nghiên cứu Mục tiêu chính của đề tài luận án là nghiên cứu đề xuất các mô hình ước lượng hướng đến nguồn tín hiệu vô tuyến dựa trên mạng nơ-ron học sâu; kết hợp mạng nơ- ron học sâu với thuật toán ước lượng truyền thống nhằm nâng cao độ chính xác, độ phân giải và đảm bảo thời gian xử lý, khắc phục sai số xảy ra khi có lỗi hệ thống mảng anten, đường truyền tín hiệu và trường hợp tín hiệu tương quan.
3 3. Đối tượng, phạm vi nghiên cứu 3.1. Đối tượng nghiên cứu Tín hiệu vô tuyến, các tham số của tín hiệu vô tuyến. Mảng ăng ten và mô hình thu tín hiệu của các loại mảng ăng ten. Kỹ thuật xử lý tín hiệu mảng. Các phương pháp và thuật toán ước lượng hướng đến nguồn tín hiệu vô tuyến. Các thuật toán học máy và mô hình học sâu (mạng nơ-ron). 3.2. Phạm vi nghiên cứu Các nguồn tín hiệu vô tuyến độc lập về phân bố không gian, thỏa mãn trường xa và có dạng tín hiệu băng hẹp. Hướng đến của tín hiệu được xem xét trong mặt phẳng phương vị. Quá trình thông tin véc tơ chỉ phương là quá trình dừng trong khoảng thời gian quan sát (bất biến theo thời gian). Mảng ăng ten có dạng tuyến tính (không đồng đều và đồng đều). Số lượng nguồn tín hiệu thỏa mãn điều kiện nhỏ hơn số phần tử ăng ten. 4. Nội dung nghiên cứu Để đạt được mục tiêu nghiên cứu trên, luận án thực hiện các nội dung nghiên cứu chính như sau: Nghiên cứu tổng quan về định hướng nguồn tín hiệu vô tuyến trong các hệ thống giám sát vô tuyến và trinh sát điện tử; Ưu, nhược điểm, hạn chế còn tồn tại của các phương pháp định hướng. Nghiên cứu cấu hình các loại mảng anten, mô hình thu tín hiệu mảng anten và các kỹ thuật xử lý tín hiệu cho bài toán định hướng nguồn tín hiệu vô tuyến Nghiên cứu, đánh giá khả năng ứng dụng các mô hình trí tuệ nhân tạo (học máy và học sâu) trong định hướng nguồn tín hiệu vô tuyến. Nghiên cứu đề xuất mô hình mạng nơ-ron trực tiếp ước lượng hướng đến, nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến. Nghiên cứu đề xuất mô hình mạng nơ-ron kết hợp thuật toán truyền thống nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến.
4 5. Phương pháp nghiên cứu Luận án kết hợp giữa nghiên cứu lý thuyết, giải tích với mô phỏng trên phần mềm máy tính. Cụ thể: - Nghiên cứu về lý thuyết, các phương pháp định hướng truyền thống và khả năng ứng dụng các thuật toán học máy, học sâu định hướng nguồn tín hiệu vô tuyến. - Nghiên cứu đề xuất các mô hình mạng no-ron học sâu nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến. Mô tả toán học, giải tích để xây dựng các mô hình. - Xây dựng các chương trình, mô phỏng các mô hình đề xuất bằng phần mềm. Đánh giá các kết quả. 6. Ý nghĩa khoa học và thực tiễn của luận án 6.1. Ý nghĩa khoa học Kết quả của luận án sẽ góp phần tạo ra một số mô hình mới, đóng góp tri thức cho hiểu biết tốt hơn về ứng dụng trí tuệ nhân tạo nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến. 6.2. Ý nghĩa thực tiễn Có thể nghiên cứu phát triển kết quả của luận án để đưa vào ứng dụng trong thực tiễn trên các thiết bị, hệ thống định hướng. 7. Bố cục luận án Ngoài phần mở đầu, phần kết luận, danh mục các công trình khoa học đã công bố và tài liệu tham khảo, luận án được bố cục thành 3 chương như sau: Chương 1: Tổng quan về định hướng nguồn tín hiệu vô tuyến Chương này giới thiệu tổng quát về bài toán định hướng nguồn tín hiệu vô tuyến, mô hình thu tín hiệu mảng ăng ten. Các phương pháp định hướng truyền thống cũng như hiện đại, ưu và nhược điểm của các phương pháp. Khảo sát tổng quan tình hình nghiên cứu trong và ngoài nước, chỉ ra các ưu điểm và hạn chế của các công trình nghiên cứu đã công bố nhằm tìm ra những vấn đề tồn tại cần tiếp tục giải quyết. Từ đó, đặt vấn đề, xác định hướng nghiên cứu cho Luận án. Chương 2: Giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến bằng mạng nơ-ron tích chập kết nối dư.
5 Trên cơ sở định hướng nghiên cứu đề ra trong Chương 1, sau khi khảo sát đánh giá khả năng ứng dụng các thuật toán học máy, học sâu cho bài toán ước lượng DOA, Chương 2 tập trung nghiên cứu đề xuất 02 mô hình mạng nơ-ron tích chập học sâu theo hướng tiếp cận bài toán phân loại góc để ước lượng hướng đến khi tồn tại sai số hệ thống, nâng cao độ chính xác ước lượng. Mô hình thứ nhất được thiết kế, xây dựng theo cấu trúc kết nối dư có thể suy luận từ dữ liệu I/Q để đưa ra trực tiếp góc ước lượng thông qua bài toán phân loại góc. Kiến trúc kết nối dư này cũng được đề xuất để thực hiện đồng thời hai nhiệm vụ: ước lượng DOA và tự động nhận dạng điều chế tín hiệu. Mô hình thứ hai sử dụng các lớp nhân tích lũy nhằm tăng cường các đặc trưng hữu ích cho việc phân loại góc với dữ liệu đầu vào là ma trận hiệp phương sai. Chương 3: Giải pháp nâng cao hiệu năng định hướng nguồn tín hiệu vô tuyến bằng mạng nơ-ron Unet kết hợp thuật toán MUSIC, RootMUSIC. Các thuật toán ước lượng truyền thống có ưu điểm nổi trội là độ phân giải góc siêu cao, phát huy rất hiệu quả khi mảng ăng ten là lý tưởng. Trong khi đó mạng nơ- ron sau khi được huấn luyện có thể tự động điều chỉnh sai số hệ thống, biến đổi ma trận hiệp phương sai chứa sai số thành ma trận hiệp phương sai của mảng ăng ten lý tưởng. Chương này tiếp cận việc ứng dụng mạng nơ-ron cho bài toán ước lượng DOA theo hướng kết hợp mạng nơ-ron và thuật toán truyền thống nhằm tận dụng lợi thế của mỗi thuật toán. Cụ thể, các mô hình kết hợp mạng nơ-ron UNet và thuật toán MUSIC, RootMUSIC đã được đề xuất nhằm cải thiện hiệu năng định hướng nguồn tín hiệu vô tuyến, hứa hẹn nhiều tiềm năng ứng dụng trong thực tiễn.