Mã hóa lai nguồn-kênh với băng thông mở rộng

Kỹ thuật điều khiển & Điện tử<br /> <br /> MÃ HÓA LAI NGUỒN-KÊNH VỚI BĂNG THÔNG MỞ RỘNG<br /> Nguyễn Minh Quang1, 2*, Nguyễn Đăng Tiến3<br /> Tóm tắt: Kiến trúc mã hóa lai nguồn-kênh đã được sử dụng rộng rãi trong lĩnh<br /> vực truyền thông, đặc biệt là truyền các loại dữ liệu âm thanh, tiếng nói và video.<br /> Mã hóa lai nguồn kênh kết hợp ưu điểm của cả mã hóa số và mã hóa tương tự để<br /> nâng cao chất lượng truyền dữ liệu trong nhiều điều kiện kênh khác nhau. Mặc dù<br /> vậy, trong các nghiên cứu đã có, kiến trúc mã hóa nguồn-kênh chỉ áp dụng cho các<br /> tín hiệu liên tục. Trong bài báo này, chúng tôi tiếp cận bài toán truyền thông tin từ<br /> nguồn rời rạc, qua các loại kênh truyền nhiễu. Cụ thể, bài báo đề xuất mô hình<br /> truyền thông tin dành cho dữ liệu tiếng nói với mã hóa PCM. Chúng tôi giới thiệu<br /> hai mô hình cho phần mã hóa tương tự: mã hóa tuyến tính và mã hóa phi tuyến. Mô<br /> hình mã hóa tuyến tính áp dụng cơ chế bảo vệ thông tin cân bằng truyền thống,<br /> trong khi mô hình mã hóa phi tuyến sử dụng chỉ số độ quan trọng của các giá trị<br /> nguồn để áp dụng cơ chế bảo vệ thông tin bất cân bằng. Kết quả thực nghiệm cho<br /> thấy, mô hình mã hóa nguồn kênh trong bài báo đưa ra kết quả tốt hơn so với hệ<br /> thống mã hóa số truyền thống, trên nhiều điều kiện kênh truyền khác nhau.<br /> Từ khóa: Mã hóa lai nguồn-kênh, Mã hóa số, Mã hóa tương tự, Truyền thông tin từ nguồn rời rạc.<br /> <br /> 1. GIỚI THIỆU<br /> Trong bài báo này, chúng tôi đề xuất một mô hình truyền tín hiệu rời rạc qua kênh<br /> không nhớ Gausian, rời rạc về thời gian. Cụ thể, hệ thống được đề xuất truyền dữ liệu<br /> tiếng nói dưới dạng số giữa hai điểm để giải quyết một trong những vấn đề của các hệ<br /> thống truyền âm thanh đó là đảm bảo chất lượng âm thanh ở mức độ tốt, đồng thời giới<br /> hạn băng thông sử dụng.<br /> Dựa trên lý thuyết Shannon về kết hợp mã hóa nguồn và mã hóa kênh, các hệ thống<br /> truyền tin thông thường áp dụng mô hình mã hóa nguồn-kệnh độc lập. Nói cách khác, mã<br /> hóa nguồn được lựa chọn mà không cần thông tin về mã hóa kênh và mã hóa kênh không<br /> cần quan tâm đến phân bố đầu ra của mã hóa nguồn. Hơn nữa, trong một số hệ thống truyền<br /> tin multimedia, một số phần thông tin được gán độ quan trọng cao hơn các phần thông tin<br /> khác, nên được bảo vệ bằng các loại mã hóa kênh tốt hơn các thông tin khác. Chiến lược này<br /> được gọi là bảo vệ bất cân bằng (UEP - Unequal error protection). Việc áp dụng chiến lược<br /> này đem lại hiệu quả cao hơn so với hệ thống truyền thống, nhất là với các loại dữ liệu<br /> multimedia. Trong các công trình đã được công bố, có hai hướng phát triển chính khi áp<br /> dụng mô hình UEP: Bảo vệ theo vị trí dữ liệu (bit-wise UEP) và bảo vệ theo giá trị gói tin<br /> (message-wise UEP) [1]. Với mô hình bảo vệ theo vị trí dữ liệu, các bit trong gói tin gửi đi<br /> sẽ được chia thành các tập con, mỗi tập con được gán một độ quan trọng, ứng với các mức<br /> độ bảo vệ khác nhau. Trong khi đó, mô hình bảo vệ theo gói tin, các gói tin được chia thành<br /> các tập con. Mỗi tập con được gán các mức độ bảo vệ khác nhau.<br /> Tuy nhiên, một nhược điểm của các hệ thống số với mô hình mã hóa nguồn-kênh là<br /> hiệu ứng "chững lại" (leveling-off effect) [2], trong đó, hiệu năng của hệ thống dừng lại ở<br /> một mức cố định, dù tỉ số tín hiệu trên nhiễu tiến đến vô cùng. Các hệ thống mã hóa lai<br /> không có nhược điểm này, nhờ hoạt động của phần mã hóa tương tự. Cụ thể, trong mô<br /> hình mã hóa lai số-tương tự, ta có thể sử dụng kết hợp mã hóa nguồn và mã hóa kênh ở<br /> phần mã hóa số để bảo vệ dữ liệu và tăng hiệu quả truyền thông trong các điều kiện kênh<br /> xấu. Thêm vào đó, bộ ánh xạ tương tự ở phần mã hóa tương tự giúp tăng hiệu năng của hệ<br /> thống ở các kênh có chỉ số CSNR cao. Nhiều mô hình mã hóa lai số-tương tự đã được<br /> nghiên cứu và giới thiệu trong các công trình đã được công bố. Trong các hệ thống truyền<br /> <br /> <br /> 66 N. M. Quang, N. Đ. Tiến, “Mã hóa lai nguồn-kênh với băng thông mở rộng.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> thông giữa hai điểm, Mittal và Phamdo [3] đề xuất ba mô hình mã hóa lai để tăng chất<br /> lượng truyền tin, đặc biệt là về vùng nhiễu có thể đạt được. Dựa trên các thiết kế đó,<br /> Skoglund và đồng sự [4] đề xuất mô hình mã hóa tuyến tính và mã hóa phi tuyến tính cho<br /> phần tương tự, có thể áp dụng vào mọi giá trị băng thông. Với dữ liệu tiếng nói, các công<br /> trình được trình bày trong [5], [6], [7] đã áp dụng thiết kế mã hóa lai để tăng chất lượng<br /> truyền tiếng nói so với mô hình mã hóa số trong một vài dải CSNR khác nhau. Matthias và<br /> cộng sự [8], [9] đã công bố một vài phiên bản của hệ mã hóa lai có sử dụng điều chế<br /> pulse-code và Adaptive DPCM. Tuy nhiên, thiết kế mã hóa tuyến tính và phi tuyến tính<br /> của họ ở phần tương tự, sử dụng đường cong Archimedes [10], chỉ hoạt động với tín hiệu<br /> liên tục. Rất ít các công trình đã công bố tập trung vào việc ứng dụng mã hóa lai cho tín<br /> hiệu rời rạc.<br /> Trong bài báo này, chúng tôi đưa ra mô hình truyền thông giữa hai điểm, trong đó, dữ<br /> liệu tiếng nói được truyền qua kênh nhiễu Gaussian với sự hỗ trợ của mã hóa lai số-tương<br /> tự. Chúng tôi quan sát thấy các lợi ích đạt được khi khai thác ưu điểm của mã hóa tương tự<br /> khi truyền thông trong các kênh ở các dải CSNR cao. Cụ thể, bằng cách sử dụng một cách<br /> mã hóa thích hợp, dữ liệu số đã được nén bằng phần số được truyền tải đồng thời với việc<br /> truyền tải các giá trị lỗi, các giá trị biểu diễn thông tin mất mát khi thực hiện quá trình<br /> nén/giải nén. Mặt khác, chúng tôi nhận thấy các giá trị lỗi với tần số xuất hiện lớn sẽ có độ<br /> quan trọng lớn hơn các giá trị lỗi còn lại. Do đó, chúng cần được bảo vệ tốt hơn. Xuất phát<br /> từ các quan sát trên, ý tưởng của bài báo này là áp dụng cơ chế bảo vệ bất cân bằng vào<br /> phần tương tự để bảo vệ các giá trị lỗi quan trọng, qua đó, giảm được độ méo của dữ liệu<br /> nhận được. Đóng góp trong bài báo này có thể tóm tắt như sau:<br />  Ứng dụng kiến trúc mã hóa lai số-tương tự vào truyền thông cho nguồn rời rạc, trong<br /> đó, các giá trị rời rạc được lấy từ dữ liệu tiếng nói.<br />  Sử dụng mô hình mã hóa tuyến tính cho các giá trị lỗi rời rạc. Mô hình đề xuất trong<br /> bài báo này là sự mở rộng của mô hình đã được công bố trong [4]. Chúng tôi cũng đề<br /> xuất một mô hình mã hóa phi tuyến tính, trong đó sử dụng kĩ thuật bảo vệ theo gói tin<br /> để tăng hiệu quả của bộ tương tự.<br />  Xây dựng chương trình mô phỏng và chứng minh chất lượng truyền thông của mô<br /> hình đề xuất.<br /> Phần còn lại của bài báo được tổ chức như sau. Sau phần giới thiệu về mô hình mã hóa<br /> số-tương tự ở mục II-A, bài báo mô tả hệ thống mã hóa lai số-tương tự cho dữ liệu tiếng<br /> nói ở mục II-B. Ở mục III, chúng tôi mô tả chi tiết phương pháp mã hóa tuyến tính và phi<br /> tuyến tính cho phần tương tự và sau đó, các kết quả thực nghiệm được mô tả ở mục IV.<br /> Cuối cùng, các kết luận được đưa ra ở phần V.<br /> 2. KIẾN TRÚC MÃ HÓA LAI SỐ-TƯƠNG TỰ<br /> 2.1. Kiến trúc truyền thống<br /> <br /> <br /> <br /> <br /> Hình 1. Mô hình tổng quát của hệ thống mã hóa số-tương tự.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 51, 10 - 2017 67<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> Trong phần này, chúng tôi trình bày mô hình mã hóa lai số-tương tự cho truyền tín hiệu<br /> tương tự qua kênh rời rạc không nhớ. Các phiên bản của mô hình này đã được công bố<br /> trong [4], [11]. Hình 1 mô tả mô hình tổng quát của một hệ thống mã hóa số tương tự,<br /> trong đó, phần số và phần tương tự được kết hợp với nhau. Dưới đây là mô tả chi tiết cách<br /> thức hoạt động của hệ thống.<br /> 2.1.1. Phần truyền tin<br /> Tại phần truyền tin, n mẫu X i  từ nguồn rời rạc được nhóm lại thành một khối<br /> X . Bộ mã hóa nguồn, trong đó chứa một bộ mã gồm N vector S0 ,..., Sn , lấy X n làm<br /> n<br /> <br /> <br /> đầu vào và ánh xạ X n tới một trong số các từ mã của nó. Mỗi từ mã là một nhóm gồm n<br /> mẫu. Chú ý rằng, bộ mã hóa và giải mã cần thống nhất trước về danh sách từ mã trong bộ<br /> mã. Đầu ra của bộ mã hóa nguồn, một chỉ số I của một từ mã, được đưa vào bộ mã hóa<br /> kênh. Bộ mã hóa kênh này sẽ đưa ra kí hiệu kênh sIk , trong đó k  n . Chỉ số I đồng thời<br /> cũng được chuyển đến bộ giải mã nguồn. Tại đây, một từ mã S I được chọn ra tương ứng.<br /> <br /> Tại phần tương tự, một vector chứa các giá trí lỗi E n được tính bằng cách thực hiện<br /> phép trừ với S I từ X n . Vector lỗi E n sau đó được gửi đến bộ mã hóa tương tự, trong đó,<br /> E n được ánh xạ tới một vector k chiều V k  (v1 ,..., v k ) , trong đó vi  R,1  i  k . Hệ<br /> thống thực hiện cộng đầu ra sIk của bộ mã hóa kênh và vector V k và kết quả của phép tính<br /> này, R k , được gửi đến nơi nhận qua kênh nhiễu.<br /> Chú ý rằng, kí hiệu kênh sIk phải thỏa mãn E || s kI || k (1  t)  P , trong đó P là tổng<br /> năng lượng trong một lần sử dụng kênh và 0 ≤ t ≤ 1. Thêm vào đó, đầu ra của bộ mã hóa<br /> V k phải thỏa mãn ràng buộc năng lượng E || s kI || k (1  t)  P .<br /> 2.1.2. Phần nhận tin<br /> Tại phần nhận tin, sau khi nhận được gói tin Rˆ k từ kênh, một bộ giải mã kênh lấy Rˆ k<br /> làm đầu vào và đưa ra một giá trị chỉ số Iˆ ,là giá trị định giá của I ở phần truyền tin. Chỉ số<br /> ˆ<br /> Iˆ sau đó được đưa vào bộ giải mã nguồn, nơi sẽ sử dụng Iˆ để đưa ra vector X n  S Iˆ ,<br /> <br /> Xˆ n là ước lượng của X n ở phần mã hóa số.<br /> Cùng lúc đó, chỉ số Iˆ cũng được truyền tới bộ giải mã kênh để tạo ra kí hiệu kênh sIkˆ .<br /> Lúc này, sIkˆ được trừ từ Rˆ k để đưa ra vector Vˆ k  (vˆ1 ,..., vˆ k ) , một ước lượng của V k ở<br /> phần gửi tin. Bộ giải mã tương tự sẽ ánh xạ Vˆ tới ước lượng Eˆ n của vector chứa các giá<br /> k<br /> <br /> <br /> trị lỗi E n . Cuối cùng, ước lượng của X n đưa ra bởi hệ thống mã hóa lai được tính bằng<br /> ˆ<br /> cách cộng Eˆ n vào X n .<br /> 2.2. Hệ thống mã hóa lai cho dữ liệu tiếng nói<br /> Ý tưởng chính trong bài báo này là mở rộng mô hình mã hóa lai số-tương tự và áp dụng<br /> cho truyền thông với các nguồn rời rạc. Trong hệ thống đề xuất, phần mã hóa và giải mã<br /> số làm việc tương tự như phần mã hóa/giải mã số của hệ thống truyền thống đã mô tả ở<br /> phần trên. Cụ thể, chúng tôi sử dụng một bộ mã hóa AMR, một bộ mã hóa kênh turbo<br /> code và một bộ điều chế pha nhị phân ờ phần số. Tại phần tương tự, chúng tôi nghiên cứu<br /> <br /> <br /> 68 N. M. Quang, N. Đ. Tiến, “Mã hóa lai nguồn-kênh với băng thông mở rộng.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> và ứng dụng hai loại mã hóa: Mã hóa tương tự và mã hóa số, để ánh xạ từ vector V k tới<br /> vector chứa giá trị lỗi E k . Mô hình hoạt động của hệ thống được mô tả trong hình 2.<br /> Trong phần dưới đây, chúng tôi sẽ trình bày chi tiết cách thức hoạt động của hệ thống.<br /> <br /> <br /> <br /> <br /> Hình 2. Mô hình hoạt động của hệ thống mã hóa lai cho dữ liệu tiếng nói.<br /> 2.2.1. Phần gửi tin<br /> Trong hệ thống đề xuất, nguồn cần truyền là dữ liệu tiếng nói thô trong định dạng<br /> PCM, với độ dài của mẫu là 16 bits trên một mẫu. Khác với loại nguồn liên tục được sử<br /> dụng trong các hệ thống truyền thống, các mẫu được sử dụng là các giá trị số tự nhiên x,<br /> với 215  x  215  1 . Một chuỗi Q giá trị liên tiếp của x được nhóm lại thành một khối<br /> X  ( x1 , x2 ,..., xQ ) và đưa vào bộ mã hóa AMR. Đầu ra của bộ mã hóa AMR là các frame<br /> được nén với độ dài n bit, trong đó, giá trị của n phụ thuộc vào chế độ nén được sử dụng<br /> trong bộ mã hóa AMR.<br /> Bộ mã hóa kênh sử dụng mã turbo, với tỷ lệ r. Chúng tôi sử dụng giả thiết bộ mã hóa<br /> kênh được sử dụng đủ thông minh để sửa tất cả các lỗi gây ra bởi kênh trong phần mã hóa<br /> số. Đầu ra của bộ mã hóa kênh (có độ dài là M bit) được đưa vào bộ điều chế pha nhị<br /> phân, tại đó tạo ra kí hiệu sk  {-1,1}M . Tỷ lệ r được lựa chọn để thỏa mãn điều kiện:<br /> <br /> M  n / r  l  P, l  N , l  1 (1)<br /> Tại phần tương tự, chúng tôi sử dụng bộ một giải mã AMR để giải mã các frame nén và<br /> đưa ra đầu ra là một vector khối X  ( x1 , x2 ,..., xQ ) , một ước lượng của vector X ở phần<br /> gửi tin. Một vector chứa các giá trị lỗi E, trong đó bao gồm Q số tự nhiên, sẽ được tính<br /> toán dựa trên đầu ra X của bộ giải mã AMR và X.<br /> Tiếp theo, hệ thống cần tìm biểu diễn dưới dạng tương tự của E. Điều này được thực<br /> hiện bằng cách ánh xạ mỗi giá trị số tự nhiên ei  E với một bộ l phần tử (vil ,..., vil l 1 ) ,<br /> trong đó vi  R, i  1,...l . Hệ thống nhóm Q bộ l liên tiếp, tương ứng với Q giá trị tự nhiên<br /> của vector E, tạo thành một biểu diễn tương tự V  (v1 ,..., vQl ) của vector lỗi. Vì mức<br /> năng lượng tại phần số là 1, nên vector V phải thỏa mãn điều kiện về mức năng lượng:<br /> E || V ||2  k  (1  P) (2)<br /> <br /> Vector đầu ra ở phần tương tự V và vector đầu ra S ở phần số được kết hợp với nhau để<br /> tạo thành kí hiệu kênh R  (r1 ,..., rM ) trước khi được truyền tới nơi nhận, thông qua kênh<br /> thời gian rời rạc, với nhiễu Gaussian W và phương sai  2 một phần:<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 51, 10 - 2017 69<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> v  s j 0  j  Q  l,<br /> rj   j (3)<br />  0 TH #<br /> 2.2.2. Phần nhận tin<br /> Tại phần số, một bộ giải mã AMR và một bộ giải mã turbo được sử dụng để tính ước<br /> lượng của X (ở dạng số). Cụ thể, giả sử kí hiệu kênh nhận được là Rˆ  (rˆ1 ,..., rˆM ) , hệ<br /> thống sẽ gửi Rˆ đến bộ giải mã turbo. Bộ giải mã này sẽ đưa ra đầu ra là một frame AMR<br /> với độ dài n bit, và gửi frame tới bộ giải mã AMR. Đồng thời, frame cũng được mã hóa<br /> bởi bộ mã hóa turbo và ánh xạ vào một kí hiệu BPSK bởi bộ điều chế. Đầu ra của bộ giải<br /> mã AMR là một ước lượng Xˆ của X ở phần số, trong đó Xˆ  (xˆ 1 ,..., xˆ Q ) .<br /> <br /> Tại phần tương tự, một ước lượng của vector lỗi V là Vˆ  (vˆ 1 ,..., vˆ M ) , sẽ được tính<br /> bằng cách trừ đầu ra của bộ điều chế từ kí hiệu kênh Rˆ . Bộ giải mã tương tự ánh xạ mỗi<br /> ˆ vào một giá trị rời rạc eˆ . Lưu ý rằng, mỗi giá trị rời rạc eˆ là<br /> tập con (vˆ il ,..., vˆ il l 1 )  V i i<br /> <br /> một ước lượng của một phần tử rạc ei trong vector lỗi E. Ước lượng cuối cùng của X, là<br /> <br /> Xˆ  (xˆ 1 ,..., xˆQ ) , được tính bằng cách cộng vector Eˆ  (eˆ 0 ,..., eˆ Q ) với ước lượng Xˆ tạo<br /> ra bởi bộ giải mã AMR:<br /> vˆ j  sˆ j 0  j  Q l<br /> rˆj   (4)<br />  vˆ j TH #<br /> Phần còn lại phải làm rõ trong mô hình này là bộ mã hóa và giải mã ở phần tương tự.<br /> Chúng tôi nghiên cứu hai hệ thống, trong đó ứng dụng bộ mã hóa/giải mã tuyến tính và phi<br /> tuyến tính. Hai hệ thống được trình bày chi tiết trong phần dưới đây.<br /> 3. BỘ MÃ HÓA/GIẢI MÃ TƯƠNG TỰ<br /> 3.1. Bộ mã hóa/giải mã tuyến tính<br /> Ở hệ thống đầu tiên, chúng tôi sử dụng bộ mã hóa tuyến tính ở phần tương tự. Một cách<br /> tóm tắt, có thể coi mỗi giá trị của vector E được gửi l lần tại đầu ra của bộ mã hóa tuyến<br /> tính này. Nói cách khác, mỗi phần tử ei  E được gửi l lần bởi l giá trị giống nhau của V:<br /> <br /> vil  vil 1  ...  vil l 1  a  ei (5)<br /> <br /> trong đó, a là hằng số chúng tôi sử dụng để điều chỉnh độ lớn của tín hiệu phần tương tự.<br /> Để tính giá trị của a, chúng tôi sử dụng phương pháp được trình bày bởi Slokun [4]. Cụ<br /> thể, một hệ số năng lương 0 < ∆ < 1 được gán vào phần tương tự. Hằng số a được chọn để<br /> thỏa mãn điều kiện:<br /> <br /> Qa 2 E E<br />  (6)<br /> M  Qa 2 E E<br /> <br /> Tại nơi nhận, sau khi nhận được vector con (vˆ il ,..., vˆ il l 1 ) , bộ giải mã tuyến tính sẽ<br /> đưa ra ước lượng của mỗi phần tử ei của vector lỗi. Với giả thiết σ đã được biết trước tại<br /> <br /> <br /> <br /> 70 N. M. Quang, N. Đ. Tiến, “Mã hóa lai nguồn-kênh với băng thông mở rộng.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> nơi nhận, chúng tôi mở rộng phương pháp đề xuất bởi Slokun [4] (được đề xuất để áp<br /> dụng trong trường hợp l = 2) để áp dụng trong trường hợp tổng quát của giá trị l như sau:<br /> <br /> l<br /> 1 1 <br /> eˆi   vˆ j<br /> l  q  2   j 0<br /> (7)<br /> <br /> 1 <br /> 3.2. Bộ mã hóa/giải mã tuyến tính<br /> Chúng tôi đề xuất một phương pháp mã hóa/giải mã ở phần tương tự, trong đó có sử<br /> dụng phương pháp phi tuyến tính, dành cho các giá trị rời rạc và băng thông mở rộng.<br /> Chúng tôi nhận thấy tại các hệ thống với các giá trị tại vector lỗi rời rạc, một số giá trị có<br /> tần suất xuất hiện cao hơn các giá trị còn lại. Do đó, độ méo dữ liệu gây ra do các lỗi tại<br /> các giá trị này nhiều hơn so với độ méo gây ra bởi các lỗi trên các giá trị còn lại. Từ quan<br /> sát này, chúng tôi đưa ra ý tưởng một thiết kế có sử dụng kĩ thuật bảo vệ bất cân bằng,<br /> trong đó, các giá trị quan trọng được bảo vệ tốt hơn các giá trị còn lại.<br /> Trước hết, cần chọn ra K giá trị số tự nhiên ei ,1  i  K , xuất hiện thường xuyên nhất<br /> trong vector giá trị lỗi. Mỗi giá trị ei được ánh xạ với một điểm trong không gian l chiều,<br /> tức là tương ứng với một bộ gồm l số thực. Chú ý là với các loại nguồn tín hiệu liên tục,<br /> Pal và đồng sự [10] đã chứng minh rằng, độ méo của thông tin qua quá trình truyền thông<br /> có thể giảm bớt bằng cách kéo dãn đường cong tín hiệu (tức là đường cong biểu diễn tín<br /> hiệu trong không gian l chiều). Nếu xem xét ràng buộc về mức năng lượng của kênh trong<br /> không gian hai chiều, công trình của Pal và đồng sự [10] đề xuất sử dụng một đường xoắn<br /> ốc Archimedes để biểu diễn đường cong tín hiệu. Dựa trên kết quả nghiên cứu đó, chúng<br /> tôi đề xuất sử dụng đường cong tín hiệu là các hình chiếu của đường xoắn ốc Archimedes<br /> trên các siêu mặt cầu khác nhau. Các hình chiếu được nối với nhau tại các điểm cực. Trên<br /> đường biểu diễn tín hiệu được tạo thành, chúng tôi chọn ra K điểm để chia đường tín hiệu<br /> thành K + 1 đoạn bằng nhau, mỗi điểm ứng với một trong K giá trị lỗi ei .<br /> <br /> <br /> <br /> <br /> Hình 3. Đường cong tín hiệu tạo thành trên 3 mặt cầu.<br /> Ví dụ, trong trường hợp không gian 3 chiều, đường cong tín hiệu được tạo thành bằng<br /> cách nối các hình chiếu đường xoắn ốc Archimedes lên các hình cầu cùng tâm và bán kính<br /> khác nhau. Phương trình của đường xoắn ốc Archimedes trong tọa độ cực là = , với<br /> là hằng số. Cụ thể hơn, các tọa độ của một điểm trong không gian 3 chiều, (x, y, z), sẽ được<br /> sử dụng để biểu diễn một giá trị lỗi e trong phần truyền tin. Hình 3 mô phỏng một đường<br /> cong tín hiệu tạo thành trên ba mặt cầu, các điểm nối được tạo thành tại các điểm cực.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 51, 10 - 2017 71<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> 4. KẾT QUẢ MÔ PHỎNG VÀ THẢO LUẬN<br /> Chúng tôi xây dựng một số thí nghiệm để kiểm chứng hiệu quả của mô hình đề xuất<br /> với dữ liệu tiếng nói thô dạng số, dưới hai kịch bản: hệ thống sử dụng mã hóa tuyến tính<br /> và phi tuyến tính. Trong phần sau, chúng tôi sẽ mô tả chi tiết chương trình mô phỏng ở<br /> mục V-A, sau đó, sử dụng chương trình mô phỏng để so sánh hiệu quả của hệ thống đề<br /> xuất và các hệ thống đã có ở mục V-B.<br /> 4.1. Chương trình mô phỏng<br /> Chương trình mô phỏng đầu tiên được xây dựng cho dữ liệu tiếng nói, sử dụng thuật<br /> toán nén tiếng nói AMR cho phần mã hóa nguồn, và một bộ mã hóa turbo cho phần mã<br /> hóa kênh. Bộ mã hóa AMR tiến hành nén P = 380 giá trị số tự nhiên từ dữ liệu tiếng nói<br /> dạng thô, tạo thành một frame AMR. Trong thí nghiệm, chúng tôi sử dụng chế độ nến 6.7<br /> kbits/s, có nghĩa là một frame AMR chứa 144 bit (L = 144). Mã hóa kênh turbo với tỷ lệ r<br /> = 1/3, sử dụng với bộ tạo (37, 21) và khối chèn bit ngẫu nhiên. Do đó, đầu ra của phần số<br /> là các vector 432 chiều.<br /> Chương trình mô phỏng thứ hai được thực hiện trên dữ liệu ảnh, sử dụng hệ thống mô<br /> tả phía trên. Dữ liệu ảnh thô dưới định dạng png truyền đi từ phía nguồn. Thuật toán nén<br /> JPEG được sử dụng tại bộ mã hóa nguồn. Các thông số cho các thành phần còn lại của hệ<br /> thống tương tự thông số của chương trình mô phỏng với tiếng nói.<br /> Trong phần mã hóa tuyến tính, mỗi phần tử của vector chứa giá trị lỗi được gửi l = 3<br /> lần bởi V. Cụ thể, chúng tôi sử dụng bộ ba giá trị số thực giống nhau để biểu diễn một giá<br /> trị lỗi, được tính bằng công thức (1) và (2). Giá trị ước lượng của lỗi được tính dựa trên<br /> công thức (3) (lưu ý, tính toán được thực hiện với giả thiết nơi nhận tín hiệu biết trước giá<br /> trị của  2 ).<br /> Trong phần mã hóa phi tuyến tính, chúng tôi tạo ra đường cong tín hiệu bằng cách nối<br /> các hình chiếu của một hình xoắn ốc Archimedes lên bốn mặt cầu. Sau đó, các giá trị lỗi<br /> có tần suất xuất hiện cao nhất được biểu diễn bằng các điểm trên đường cong. Cụ thể,<br /> chúng tôi sử dụng bốn đường cong với công thức sau:<br /> x  c    cos  ,<br /> y  c    sin  , (8)<br /> 2 2<br /> z   rs  c   ,<br /> <br /> trong đó:x, y và z là các biến, c là hằng số, rs , s = 1,2,3 là bán kính của các mặt cầu.<br /> Chúng tôi chọn giá trị c = 0.065 và gán một hằng số ∆ cho phần tương tự, giá trị của rs<br /> được tính từ công thức:<br /> QE E<br />  (9)<br /> M  QE E<br /> Các giá trị quan trọng được chọn ra từ các giá trị lỗi theo tần suất xuất hiện của chúng<br /> trong vector lỗi. Cụ thể, các giá trị có tần suất suất hiện cao nhất sẽ được chọn ra và biểu<br /> diễn trên đường cong tín hiệu. Ví dụ, đồ thị trong hình 4 mô tả tần suất xuất hiện của 1000<br /> giá trị lỗi trong khoảng (-500, 500) của dữ liệu âm thanh. Dựa vào đồ thị này, các giá trị<br /> lỗi quan trọng sẽ được lọc ra.<br /> <br /> <br /> <br /> 72 N. M. Quang, N. Đ. Tiến, “Mã hóa lai nguồn-kênh với băng thông mở rộng.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> <br /> <br /> <br /> Hình 4. Tần suất xuất hiện của các giá trị lỗi với dữ liệu âm thanh.<br /> 4.2. Kết quả mô phỏng<br /> <br /> <br /> <br /> <br /> Hình 5. Kết quả mô phỏng về chỉ số chất lượng trung bình (MOS).<br /> Hình 5 và 6 mô tả kết quả mô phỏng của các hệ thống về chỉ số ý kiến chất lượng trung<br /> bình MOS [12] và giá trị bình phương trung bình<br /> 2<br /> MSE  10  log10 E Xˆ  X (10)<br /> <br /> cho các hệ thống sau:<br />  Hai hệ thống lai số-tương tự với phần mã hóa tương tự sử dụng mô hình tuyến tính.<br /> Hai hệ thống này được đánh giá trên tỷ số năng lượng ∆ = 0.1 và ∆ = 0.4.<br />  Hai hệ thống lai số-tương tự với phần mã hóa tương tự sử dụng mô hình phi tuyến<br /> tính, trong đó 600 giá trị lỗi được biểu diễn bởi 600 điểm trong đường cong tín hiệu.<br /> Tỷ số năng lượng sử dụng là ∆ = 0.1 và 0.4.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 51, 10 - 2017 73<br />  Kỹ thuật điều khiển & Điện tử<br /> <br />  Hai hệ thống lai số-tương tự với phần mã hóa tương tự sử dụng mô hình phi tuyến<br /> tính với 1000 điểm được sử dụng trên đường cong tín hiệu và tỷ số năng lượng,<br /> giống như hai hệ thống trên, là ∆ = 0.1 và 0.4.<br />  Một hệ thống bảo vệ bất cân bằng, trong đó sử dụng mã hóa nguồn là bộ mã hóa<br /> AMR ở chế độ 6.7 bits/s, một bộ turbo code với tỷ số rh  1/ 5 cho dữ liệu header<br /> của các frame, và rc  8 / 23 cho dữ liệu thuộc lớp A và B của các frame (chú ý,<br /> trong chế độ 6.7 bits/s, các dữ liệu trong các frame AMR không có class C).<br /> <br /> <br /> <br /> <br /> Hình 6. Kết quả mô phỏng về giá trị bình phương trung bình (MSE).<br /> Hình 7 mô tả kết quả chương trình mô phỏng dựa trên chỉ số SSIM [13] với dữ liệu<br /> ảnh, với các hệ thống:<br />  Hai hệ thống lai số-tương tự với phần mã hóa tương tự sử dụng mô hình phi tuyến<br /> tính với 600 giá trị lỗi được biểu diễn trong đường cong tín hiệu và ∆ = 0.1 và 0.4.<br />  Hai hệ thống lai số-tương tự với phần mã hóa tương tự sử dụng mô hình phi tuyến<br /> tính với 1000 điểm được sử dụng trên đường cong tín hiệu và tỷ số năng lượng, ∆ =<br /> 0.1 và 0.4.<br />  Hai hệ thống lai số-tương tự với phần mã hóa tương tự sử dụng mô hình phi tuyến<br /> tính với 600 điểm được sử dụng trên đường cong tín hiệu và tỷ số năng lượng, ∆ =<br /> 0.1 và 0.4.<br /> Như được thể hiện trong Hình 5, xét trên chỉ số MOS, hệ thống lai số-tương tự cho kết<br /> quả tốt hơn so với hệ thống chỉ sử dụng mã hóa số và mô hình bảo vệ bất cân bằng, trên tất<br /> cả các điều kiện kênh thuộc dải CSNR từ 0 dB đến 25 dB. Cụ thể, hệ thống lai số-tương tự<br /> với mã hóa tuyến tính hoạt động tốt hơn so với hệ thống số trên các dải CSNR từ 0 dB đến<br /> 12 dB và từ 17 dB đến 25 dB. Hơn thế nữa, hệ thống trang bị mã hóa phi tuyến tính ở phần<br /> tương tự với 1000 điểm trên đường cong tín hiệu cũng đạt được chỉ số MOS tốt hơn sơ với<br /> hệ thống sử dụng mã hóa số đơn thuần trong dải CSNR thấp (từ 0 dB đến 5 dB) và dải<br /> CSNR cao (từ 10 dB đến 25 dB). Tương tự, ở Hình 6, có thể thấy hiệu quả đáng kể của mô<br /> hình lai so với mô hình mã hóa số nếu xét trên chỉ số MSE. Ví dụ, xét chỉ số MSE, trong<br /> trường hợp mã hóa tuyến tính và ∆ = 0.4, hệ thống mã hóa lai cho kết quả cao hơn so với<br /> hệ thống số 6 db và 12 dB, tương ứng ở các giá trị CSNR = 0 dB và CSNR = 3 dB. Sự cải<br /> <br /> <br /> 74 N. M. Quang, N. Đ. Tiến, “Mã hóa lai nguồn-kênh với băng thông mở rộng.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> tiến này thể hiện rõ rệt hơn ở dải CSNR cao, khi hệ thống lai tốt hơn hệ thống số ít nhất<br /> 22.5 dB trong dải CSNR từ 15 đến 15 dB. Điều này thể hiện ưu điểm của bộ mã hóa tương<br /> tự trong truyền dữ liệu tiếng nói. Tương tự, ở hình 7, hệ thống lai số-tương tự sử dụng mô<br /> hình phi tuyến tính cũng cho kết quả tốt hơn so với các hệ thống mã hóa số với kĩ thuật<br /> bảo vệ bất cân bằng và mã hóa số-tương tự kết hợp mô hình tuyến tính. Cụ thể, hệ thống<br /> số-tương tự với mã hóa phi tuyến cho kết quả tốt hơn hệ thống số-tương tự và mã hóa<br /> tuyến tính trên một dải rộng của điều kiện kênh, từ CSNR = 8 dB đến CSNR = 23 dB, với<br /> khác biết lớn nhất xét trên chỉ số SSIM là 0.225 tại CSNR = 11 dB.<br /> <br /> <br /> <br /> <br /> Hình 7. Kết quả mô phỏng với chỉ số SSIM.<br /> Chú ý rằng, hệ thống trang bị mã hóa phi tuyến tính sẽ có hiệu ứng "chững lại"<br /> (leveling-off effect), tức là hiệu năng của hệ thống giữ nguyên tại một giá trị hằng số, dù<br /> chỉ số CSNR tiếp tục tăng đến vô cùng. Ví dụ, hiệu năng của hệ thống với mã hóa phi<br /> tuyến tính, 600 điểm trên đường tín hiệu và ∆ = 0.1 và 0.4 dừng ở MOS = 4.389, với tất cả<br /> các giá trị CSNR lớn hơn 14 dB và 17 dB, tương ứng. Tương tự, nếu xét chỉ số MSE, các<br /> hệ thống dừng lại ở MSE = 65.8 dB với tất cả các giá trị CSNR lớn hơn 15 dB và 18 dB.<br /> Với chỉ số SSIM và dữ liệu ảnh, kết quả của hệ thống dừng lại tại SSIM = 0.829 và SSIM<br /> = 0.839 tương ứng với hệ thống 600 điểm và 1000 điểm trên đường cong tín hiệu. Lý do vì<br /> với các hệ thống phi tuyến tính, ta chỉ có thể truyền các giá trị xấp xỉ của lỗi, chứ không có<br /> khả năng truyền tất cả các giá trị một cách chính xác. Như vậy, tại nơi nhận tin, không có<br /> đủ cơ sở để khôi phục lại hoàn toàn gói tin đã truyền đi, kể cả trong trường hợp kênh<br /> không có nhiễu. Ngược lại, hệ thống được trang bị cơ chế mã hóa tuyến tính khắc phục<br /> hạn chế này. Nói cách khác, chỉ số MOS trong hệ thống với mã hóa tuyến tính sẽ tăng khi<br /> chỉ số CSNR của kênh tăng. Lý do dẫn đến điều này là do nguyên lý hoạt động của mã hóa<br /> tương tự tuyến tính, trong đó tất cả các giá trị lỗi đều có khả năng được ước chính xác,<br /> miễn là điều kiện kênh đủ tốt.<br /> Chúng tôi cũng chú ý rằng, trong với trường hợp mã hóa phi tuyến, đường cong tín<br /> hiệu với 1000 điểm cho kết quả tốt hơn so với đường cong có 600 điểm trên dải CSNR<br /> cao. Thêm vào đó, ngưỡng đạt được trong hiệu ứng "chững lại" của đường cong 1000<br /> điểm cũng tốt hơn. Lý do cho hiện tượng này là đường cong với 1000 điểm có khả năng<br /> biểu diễn tín hiệu tốt hơn các giá trị lỗi so với đường cong 600 điểm. Trong các điều kiện<br /> kênh tốt, ứng với dải CSNR cao, nơi nhận có thể khôi phục các giá trị lỗi với độ méo thấp.<br /> Từ đó, số giá trị lỗi ở đường cong 1000 điểm được khôi phục chính xác nhiều hơn số giá<br /> trị lỗi được khôi phục ở trường hợp còn lại, dẫn đến kết quả tốt hơn.<br /> Một điểm chú ý nữa được rút ra từ Hình 5 là hiệu quả của hệ thống mã hóa phi tuyến<br /> tính tốt hơn so với hệ thống mã hóa tuyến tính trên dải CSNR cao. Ví dụ, xét chỉ số MOS,<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 51, 10 - 2017 75<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> mã hóa phi tuyến sử dụng đường cong 600 điểm đưa ra kết quả cao hơn so với mã hóa<br /> tuyến tính trên dải CSNR từ 14 dB đến 24 dB, với các hệ thống có ∆ = 0.4. Hơn nữa, kết<br /> quả này còn tốt hơn nếu xét trên chỉ số MSE. Cụ thể, trên dải CSNR từ 17 dB đến 25 dB,<br /> mã hóa phi tuyến với đường cong tín hiệu 1000 điểm tốt hơn má hóa tuyến tính ít nhất<br /> 55.1 dB và 55.3 dB với ∆ = 0.4, tương ứng. Điều này chứng minh ưu điểm của việc áp<br /> dụng kĩ thuật bảo vệ bất cân bằng trong phần tương tự đã được đề xuất trong bài báo.<br /> Chúng tôi cũng nhận thấy rằng, mã hóa tuyến tính cho kết quả tốt hơn mã hóa phi tuyến ở<br /> dải các giá trị CSNR thấp. Cụ thể, hệ thống trang bị mã hóa tuyến tính và ∆ = 0.4 đạt được<br /> kết quả tốt hơn so với mã hóa phi tuyến trong khoảng CSNR từ 0 dB đến 10 dB, kết quả<br /> tốt hơn ít nhất là 0.45 và 8.45 dB, xét trên chỉ số MOS và MSE tương ứng. Nguyên nhân<br /> của hiện tương này là với điều kiện kênh tồi, nhiễu của kênh có thể đưa một điểm từ một<br /> phần trên đường cong tin hiệu tới một phần khác cách xa phần ban đầu. Điều này dẫn tới<br /> sai khác lớn khi nơi nhận khôi phục giá trị ban đầu của lỗi.<br /> Cuối cùng, một điểm đáng chú ý là các hệ thống sử dụng giá trị ∆ lớn đạt chất lượng<br /> truyền tin tốt hơn so với hệ thống sử dụng giá trị ∆ nhỏ. Lý do dẫn đến hiện tượng này là<br /> quá trình khôi phục thông tin sẽ thực hiện tốt hơn với sự hỗ trợ của giá trị ∆ lớn, khi các<br /> điểm trên đường cong tín hiệu có xu hướng cách xa nhau. Việc sử dụng giá trị ∆ nhỏ sẽ<br /> làm cho hệ thống nhạy cảm hơn với nhiễu, làm giảm chất lượng khôi phục dữ liệu gốc.<br /> 5. KẾT LUẬN<br /> Trong bài báo này, chúng tôi đã đề xuất một mô hình mã hóa lai số-tương tự, trong đó<br /> ứng dụng kiến trúc mã hóa kết hợp nguồn-kênh ở phần số, tận dụng ưu điểm của bộ mã<br /> hóa tương tự ở phần tương tự. Việc áp dụng cơ chế bảo vệ bất cân bằng ở phần tương tự<br /> giúp nâng cao chất lượng truyền tin của hệ thống, giảm độ méo dữ liệu, nhờ tận dụng được<br /> thông tin về xác suất phân bố của các giá trị trong vector lỗi. Kết quả thực nghiệm cho<br /> thấy, hệ thống đề xuất đưa đến kết quả tốt hơn so với các hệ thống mã hóa lai số-tương tự<br /> truyền thống và hệ thống mã hóa số đơn thuần.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. S. Borade, B. Nakiboglu, and L. Zheng, “Unequal error protection: some<br /> fundamental limits,” in IN PROC. OF THE INTERNATIONAL SYMPOSIUM ON<br /> INFORMATION THEORY. Citeseer, 2008.<br /> [2]. C. E. Shannon, “Communication in the presence of noise,” Proceedings of the IRE,<br /> Vol. 37, no. 1, pp. 10–21, 1949.<br /> [3]. U. Mittal and N. Phamdo, “Hybrid digital-analog (hda) joint sourcechannel codes<br /> for broadcasting and robust communications,” IEEE Transactions on Information<br /> Theory, Vol. 48, no. 5, pp. 1082–1102, 2002.<br /> [4]. M. Skoglund, N. Phamdo, and F. Alajaji, “Hybrid digital–analog source–channel<br /> coding for bandwidth compression/expansion,” IEEE Transactions on Information<br /> Theory, Vol. 52, no. 8, pp. 3757–3763, 2006.<br /> [5]. T. Miki, C.-E. Sundberg, and N. Seshadri, “Pseudo-analog speech transmission in<br /> mobile radio communication systems,” IEEE transactions on vehicular technology,<br /> Vol. 42, no. 1, pp. 69–77, 1993.<br /> [6]. N. Phamdo and U. Mittal, “A joint source-channel speech coder using hybrid digital-<br /> analog (hda) modulation,” IEEE transactions on speech and audio processing, Vol.<br /> 10, no. 4, pp. 222–231, 2002.<br /> [7]. C. Hoelper and P. Vary, “Bandwidth-efficient mixed pseudo analoguedigital speech<br /> and audio transmission,” in Multimedia Signal Processing, 2006 IEEE 8th<br /> Workshop on. IEEE, 2006, pp. 141–145.<br /> <br /> <br /> 76 N. M. Quang, N. Đ. Tiến, “Mã hóa lai nguồn-kênh với băng thông mở rộng.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> [8]. M. Rungeler, J. Bunte, and P. Vary, “Design and evaluation of hybrid¨ digital-<br /> analog transmission outperforming purely digital concepts,” IEEE Transactions on<br /> Communications, Vol. 62, no. 11, pp. 3983–3996, 2014.<br /> [9]. M. Rungeler, F. Kleifgen, and P. Vary, “Wideband speech coding with ¨ hybrid<br /> digital-analog transmission,” in Signal Processing Conference (EUSIPCO), 2015<br /> 23rd European. IEEE, 2015, pp. 784–788.<br /> [10]. P. A. Floor and T. A. Ramstad, “Optimality of dimension expanding shannon-<br /> kotel’nikov mappings,” in Information Theory Workshop, 2007. ITW’07. IEEE.<br /> IEEE, 2007, pp. 289–294.<br /> [11]. P. Minero, S. H. Lim, and Y.-H. Kim, “A unified approach to hybrid coding,” IEEE<br /> Transactions on Information Theory, Vol. 61, no. 4, pp. 1509–1523, 2015.<br /> [12]. P.862: Perceptual evaluation of speech quality (pesq): “An objective method for end-<br /> to-end speech quality assessment of narrowband telephone networks and speech<br /> codes.” Available: http://www.itu.int/rec/t-rec-p.862/en.<br /> <br /> ABSTRACT<br /> HYBRID SOURCE–CHANNEL CODING FOR BANDWIDTH EXPANSION<br /> The structure of hybrid source–channel coding has extensively used in<br /> telecommunication, especially in transmitting speed or video data. Hybrid source-<br /> channel coding integrates the advantages of both digital-coding and analog-coding<br /> to improve the quality of data transmission in different types of channels. However,<br /> in existing works, hybrid source-channel coding has been only applied for<br /> continuous signal. In this paper, an information transmission model for discrete<br /> signals is proposed. Specifically, two different models for analog encoding: linear<br /> analog coding and nonlinear analog encoding are introduced. Linear encoding<br /> model utilizes equal error protection mechanism while the nonlinear coding model<br /> uses unequal error protection mechanism with significant information from source.<br /> The experimental result shows that our proposed methods outperform existing<br /> works in terms of transmission quality.<br /> Keywords: Hybrid source-channel coding, Digital Coding, Analog Coding, Information transmission from<br /> discrete source.<br /> <br /> Nhận bài ngày 10 tháng 5 năm 2017<br /> Hoàn thiện ngày 5 tháng 9 năm 2017<br /> Chấp nhận đăng ngày 25 tháng 10 năm 2017<br /> <br /> Địa chỉ: 1Viện Công nghệ Thông tin và Truyền thông, Đại học Bách Khoa Hà Nội;<br /> 2<br /> SAMOVAR, Télécom SudParis, CNRS, Université Paris-Saclay,<br /> 9 rue Charles Fourier - 91011 Evry Cedex;<br /> 3<br /> Trường Đại học Kỹ thuật Hậu cần Công an Nhân dân, Bộ Công an.<br /> *<br /> Email: quangnm@hnue.edu.vn.<br /> <br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 51, 10 - 2017 77<br />