Nghiên cứu khoa học công nghệ<br />
<br />
ỨNG DỤNG BỘ LỌC KALMAN MỞ RỘNG ĐỂ CHỐNG NHIỄU XUYÊN<br />
SÓNG MANG TRONG HỆ TRUYỀN DẪN OFDM<br />
Trần Hữu Toàn1*, Bạch Nhật Hồng2<br />
Tóm tắt: Để chống nhiễu xuyên sóng mang (ICI) hiện có nhiều giải pháp như: cân<br />
bằng trong miền tần số, cửa sổ thời gian, sơ đồ tự triệt, ước lượng theo hàm hợp lẽ cực<br />
đại. Gần đây, phương pháp dùng bộ lọc Kalman mở rộng (EKF) được quan tâm nghiên<br />
cứu vì tính hiệu quả của nó khi độ dịch tần số lớn. Bài báo này nghiên cứu ứng dụng bộ<br />
lọc EKF để giảm thiểu nhiễu ICI cho truyền hình số mặt đất thế hệ mới. Hiệu quả của bộ<br />
lọc được kiểm chứng thông qua mô phỏng trên Matlab.<br />
Từ khóa: Bộ lọc Kalman mở rộng, Ghép kênh phân chia theo tần số trực giao, Nhiễu xuyên sóng mang.<br />
<br />
1. ĐẶT VẤN ĐỀ<br />
Theo [1], ký tự OFDM có thể biểu diễn:<br />
N 1<br />
1 j 2m n<br />
x ( n) <br />
N<br />
X<br />
m 0<br />
m e N<br />
(1)<br />
<br />
Ở đây: N - Số lượng sóng mang<br />
X m - Ký tự băng gốc trên mỗi sóng mang con<br />
Tại phía thu, tín hiệu được chuyển đổi lại thành N giá trị rời rạc y (n) tương ứng với mỗi<br />
sóng mang con. Tín hiệu rời rạc này được giải điều chế sử dụng bộ biến đổi Fourier nhanh N giá<br />
trị (FFT) tại phía thu. Luồng ký hiệu đã giải điều chế:<br />
N 1 2nm<br />
j<br />
Y ( m) y ( n)e N<br />
w(m) (2)<br />
n 0<br />
<br />
Ở đây: w(m) là FFT của w(n) nhiễu Gauss cộng tính.<br />
Một trong những nhược điểm cơ bản của hệ truyền dẫn OFDM là rất nhạy với độ dịch tần số<br />
. Độ dịch tần số được tạo ra bởi dịch chuyển Doppler trong kênh hoặc do sự khác nhau giữa<br />
các tần số của bộ dao động nội ở phía phát và phía thu. Độ dịch tần số này làm mất tính trực<br />
giao giữa các sóng mang con, gây nên nhiễu xuyên sóng mang ICI. Mô hình dịch chuyển tần số<br />
được biểu diễn trên hình 1.<br />
<br />
<br />
<br />
<br />
Hình 1. Mô hình dịch chuyển tần số.<br />
Từ hình 1: Tín hiệu thu được y (n) sẽ là:<br />
j 2n<br />
N<br />
y ( n ) x ( n)e w(n) (3)<br />
Trong đó: fNTs - Độ dịch tần số chuẩn hóa;<br />
f - Độ lệch tần số giữa các sóng mang phía phát và phía thu;<br />
Ts - Chu kỳ ký hiệu sóng mang con;<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 97<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
w(n) - Nhiễu Gauss trắng cộng tính (AWGN) trong kênh.<br />
Từ biểu thức (3) thấy rằng: để khử nhiễu ICI ta cần phải ước lượng chính xác , sau đó nhân<br />
j 2n j 2nˆ<br />
biểu thức x(n)e N<br />
với e N<br />
sẽ giảm thiểu được thành phần nhiễu ICI. Ở đây, ˆ là ước<br />
lượng của . Muốn vậy, ta sử dụng bộ lọc Kalman mở rộng – một công cụ ước lượng đệ quy<br />
rất mạnh.<br />
Hiện nay, có một số công trình như [3], [4], [5], đã nghiên cứu, đánh giá chất lượng hệ thống<br />
OFDM thông qua sử dụng bộ lọc Kalman mở rộng và đã cho được các kết quả khả thi, tuy<br />
nhiên, ở đó vẫn chưa mô phỏng đánh giá đối với các phương pháp điều chế bậc cao. Mà hiện<br />
nay với sự phát triển mạnh mẽ của công nghệ số, nhu cầu đòi hỏi ngày càng cao về chất lượng,<br />
dung lượng đường truyền thì trong hệ thống phải dùng các phương pháp điều chế bậc cao. Bài<br />
báo này là sự tiếp nối của các công trình đó, xây dựng sơ đồ thuật toán chi tiết cho phép xây<br />
dựng một bộ lọc Kalman mở rộng để triệt nhiễu ICI, qua đó, cải thiện tỷ lệ lỗi bit (BER). Sơ đồ<br />
lọc đặc biệt có hiệu quả tốt trong các hệ thống dùng phương pháp điều chế bậc cao, có độ lệch<br />
tần số lớn.<br />
2. BỘ LỌC KALMAN MỞ RỘNG<br />
Theo [2] một bộ lọc Kalman có kỳ vọng và ma trận hiệp biến được tuyến tính hóa được gọi<br />
là bộ lọc Kalman mở rộng.<br />
Giả sử phương trình trạng thái của hệ thống được biểu diễn với vectơ trạng thái x n :<br />
xk f ( xk 1 , u k 1 , wk 1 ) (4)<br />
với phép đo z m thì có được:<br />
z k h ( xk , vk ) (5)<br />
Trong đó, wk , vk là nhiễu quá trình và nhiễu đo.<br />
Trong phương trình (4), hàm f (.) là một hàm phi tuyến, liên hệ trạng thái trước đó k 1<br />
với trạng thái hiện tại k . Phương trình (5), hàm h(.) cũng là một hàm phi tuyến liên hệ giữa<br />
trạng thái xk và giá trị đo z k . Để ước lượng một quá trình phi tuyến, ta sẽ tuyến tính hóa (4) và<br />
(5) như sau:<br />
xk ~xk A( xk 1 xˆk 1 ) Wwk 1 (6)<br />
z k z k H ( xk ~<br />
~ xk ) Vvk (7)<br />
Trong đó: xk , z k lần lượt là các véctơ trạng thái và đo lường<br />
~<br />
xk , ~<br />
z k là xấp xỉ hóa mã véctơ trạng thái và đo lường<br />
xˆk là ước lượng hậu nghiệm của bước thứ k<br />
A là ma trận Jacobian đạo hàm riêng của f (.) theo x<br />
f i <br />
Ai , j xˆk 1 , uk 1 ,0 (8)<br />
x j <br />
W là ma trận Jacobian đạo hàm riêng của f (.) theo w<br />
f i <br />
Wi , j xˆk 1 , uk 1 ,0 (9)<br />
w j <br />
<br />
<br />
<br />
98 T. H. Toàn, B. N. Hồng, “Ứng dụng bộ lọc Kalman… trong hệ truyền dẫn OFDM.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
H là ma trận Jacobian đạo hàm riêng của h(.) theo x<br />
hi ~<br />
H i , j xk ,0 (10)<br />
x j <br />
V là ma trận Jacobian đạo hàm riêng của h(.) theo v<br />
h<br />
Vi , j i ~ xk ,0 (11)<br />
v j <br />
Lỗi ước đoán sẽ là:<br />
e~xk xk ~<br />
xk (12)<br />
Lỗi đo sẽ là:<br />
e~zk zk ~zk (13)<br />
Từ (12) và (13) ta có các phương trình lỗi quá trình như sau:<br />
e~xk A( xk 1 xˆk 1 ) k (14)<br />
~<br />
ez k H ~<br />
exk k (15)<br />
<br />
Ở đây, k , k là các biến ngẫu nhiên độc lập có kỳ vọng bằng 0 và ma trận hiệp biến lần lượt<br />
là WQW T và VRV T . Lưu ý (14) và (15) là phương trình tuyến tính. Thay thế xˆk cho ~<br />
xk để phù<br />
hợp với khái niệm giá trị tiên nghiệm ta có:<br />
Các phương trình cập nhật theo thời gian của bộ lọc Kalman mở rộng:<br />
xˆk f xˆk 1 , uk 1 ,0 (16)<br />
Pk Ak Pk 1 AkT Wk Qk 1WkT (17)<br />
<br />
Ak và Wk là ma trận Jancobians của bước thứ k, Qk là ma trận hiệp biến sai số của quá<br />
trình ở bước thứ k.<br />
Các phương trình cập nhật giá trị đo của bộ lọc Kalman mở rộng:<br />
<br />
K k Pk H kT H k Pk H kT Vk RkVkT <br />
1<br />
(18)<br />
<br />
<br />
xˆk xˆ K k zk h( xˆ ,0)<br />
k<br />
<br />
k (19)<br />
<br />
Pk ( I K k H k ) P k (20)<br />
<br />
<br />
<br />
<br />
Hình 2. Sơ đồ khối của bộ lọc Kalman mở rộng.<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 99<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
Các phương trình cập nhật giá trị đo của bộ lọc Kalman mở rộng sẽ hiệu chỉnh véctơ trạng<br />
thái và ma trận hiệp biến sai số dựa vào giá trị đo thực tế z k . H k , Vk là các ma trận Jancobians<br />
của quá trình quan sát tại bước thứ k, Rk là ma trận hiệp biến nhiễu của quá trình đo. Vậy, sơ<br />
đồ khối tổng quát của bộ lọc Kalman mở rộng được mô tả trên hình 2.<br />
3. ỨNG DỤNG BỘ LỌC KALMAN MỞ RỘNG ĐỂ KHỬ NHIỄU ICI<br />
Trở lại xem xét phương trình (3) thấy rằng: giá trị quan sát y (n) có mối quan hệ phi tuyến<br />
với giá trị (n)<br />
y (n) f (n) w(n) (21)<br />
2n ( n )<br />
j<br />
Ở đây: f (n) x(n)e N<br />
<br />
<br />
Để có thể ứng dụng được bộ lọc Kalman mở rộng ta cần tạo ra mối liên hệ tuyến tính xấp xỉ<br />
bằng cách sử dụng khai triển Taylor bậc một:<br />
y (n) f ˆ (n 1) f ˆ (n 1) (n) ˆ (n 1) w(n) (22)<br />
<br />
Trong đó: ˆ (n 1) là ước lượng của ( n 1)<br />
2nˆ ( n 1)<br />
f ( (n)) 2n j<br />
f (ˆ (n 1) j x ( n )e N<br />
(n) ( n ) ˆ ( n 1) N<br />
Đặt: z (n) y (n) f ˆ (n 1) (23)<br />
d (n) (n) ˆ (n 1) (24)<br />
Thay (23) và (24) vào (22) ta có:<br />
z (n) f (n 1) d (n) w(n) (25)<br />
Từ (25) thấy rằng: z (n) có quan hệ tuyến tính với d (n) , do vậy, có thể dùng quy trình đệ<br />
quy của bộ lọc Kalman mở rộng để ước lượng (n) .<br />
Bộ lọc Kalman mở rộng tạo ra các bước ước lượng đối với (n) . Lỗi trong mỗi lần cập nhật<br />
giảm đi và ước lượng càng gần với giá trị thực sau một số lần lặp nhất định nào đó. Để ước<br />
lượng (n) dùng bộ lọc Kalman mở rộng trong mỗi khung OFDM, biểu thức toán học trạng thái<br />
được xây dựng là:<br />
(n) (n 1) (26)<br />
Có nghĩa là trong trường hợp này, ta ước lượng một đại lượng chưa biết nhưng là hằng<br />
số. Để xây dựng thuật toán của bộ lọc Kalman mở rộng và để ước lượng (n) ta có các giả<br />
thiết sau đây:<br />
- Đáp ứng xung của kênh gần như không đổi trong thời gian truyền dẫn.<br />
- Độ dịch tần số được xem là không đổi trong một khung.<br />
- Mào đầu đứng trước mỗi khung được dùng như một chuỗi huấn luyện để ước lượng<br />
(n) tác động lên các ký hiệu của khung.<br />
- Ở đây, trạng thái không thay đổi theo các bước nên A 1 , không có lối vào điều khiển nên<br />
U 0 , nhiễu của quá trình đo chính là ma trận trạng thái nên H 1 .<br />
- Sự biến động của quá trình là rất nhỏ, chọn Q 0 .<br />
<br />
<br />
<br />
100 T. H. Toàn, B. N. Hồng, “Ứng dụng bộ lọc Kalman… trong hệ truyền dẫn OFDM.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
Vậy ta có các phương trình của bộ lọc Kalman mở rộng để ước lượng (n) như sau:<br />
Các phương trình cập nhật theo thời gian:<br />
ˆn ˆn 1 (27)<br />
<br />
P Pn 1<br />
n (28)<br />
Các phương trình cập nhật quá trình đo:<br />
K n Pn ( Pn R) 1 (29)<br />
ˆn ˆn K n ( z n ˆn ) (30)<br />
<br />
Pn (1 K n ) P n (31)<br />
Lược đồ thuật toán bộ lọc Kalman mở rộng để ước lượng mô tả trên hình 3.<br />
<br />
<br />
<br />
<br />
Hình 3. Lược đồ thuật toán Kalman mở rộng để ước lượng độ dịch tần số n .<br />
4. HIỆU QUẢ TRIỆT NHIỄU ICI<br />
Để đánh giá hiệu quả khử nhiễu ICI ta dùng phương pháp mô phỏng. Giả sử rằng giá trị đo<br />
được là hằng số với sai số cho phép của phép đo là 0.01, sự biến động của quá trình là rất nhỏ,<br />
nên có thể chọn Q 0 , giá trị ban đầu có thể chọn ˆ0 0 , ma trận hiệp biến sai số P0 1 .<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 101<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
Để bắt đầu, ta chọn hằng số ngẫu nhiên x 0.37727 , phương sai của quá trình đo<br />
R (0.1) 2 0.01 , mô phỏng 50 giá trị đo khác nhau z n có hàm phân bố chuẩn sai số lân cận<br />
không, với độ lệch chuẩn 0.1.<br />
Kết quả mô phỏng theo [3], xác định mối quan hệ giữa ma trận hiệp biến sai số Pn và số<br />
bước lặp n được mô tả trên hình 4.<br />
<br />
<br />
<br />
<br />
Hình 4. Mối quan hệ giữa ma trận hiệp biến sai số Pn và số bước lặp n [3].<br />
Từ hình 4 thấy rằng: khi tăng số bước lặp n lên thì Pn sẽ giảm, nghĩa là phương sai của ước<br />
lượng sẽ giảm. Tuy nhiên, khi n 20 trở đi thì phương sai của ước lượng giảm rất chậm. Theo<br />
yêu cầu đặt ra đối với Pn thì sẽ xác định được số lần lặp M.<br />
Kết quả mô phỏng xây dựng đường cong BER phụ thuộc vào tỷ số sóng mang trên nhiễu<br />
(CIR) ứng với bộ điều chế biên độ vuông góc 256-QAM với các độ lệch tần số 0.05 và<br />
0.30 nêu trên đồ thị hình 5 và hình 6.<br />
<br />
<br />
<br />
<br />
Hình 5. So sánh đường cong BER của hệ Hình 6. So sánh đường cong BER của hệ<br />
OFDM khi sử dụng và không sử dụng bộ lọc OFDM khi sử dụng và không sử dụng bộ lọc<br />
Kalman mở rộng với 0.05 . Kalman mở rộng với 0.30 .<br />
Từ đồ thị BER hình 5 và hình 6 nhận thấy rằng: phương pháp lọc Kalman mở rộng cho thấy<br />
đối với độ lệch tần số nhỏ thì việc cải thiện BER trong hệ thống OFDM không đáng kể. Tuy<br />
<br />
<br />
102 T. H. Toàn, B. N. Hồng, “Ứng dụng bộ lọc Kalman… trong hệ truyền dẫn OFDM.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
nhiên, với độ lệch tần số cao, lọc Kalman thực hiện khá tốt và cải thiện đáng kể phẩm chất BER<br />
của hệ thống. Cụ thể có thể thấy: khi BER 10 2 , với 0.05 thì cho độ lợi CIR khoảng<br />
2.5dB, trong khi đó, với 0.3 thì cho độ lợi CIR là 5dB, tức là chất lượng hệ thống đã được<br />
cải thiện.<br />
Như vậy, ta có thể áp dụng bộ lọc Kalman mở rộng vào các hệ thống sử dụng phương pháp<br />
điều chế bậc cao, có độ lệch tần số lớn, để cải thiện chất lượng của hệ thống.<br />
5. KẾT LUẬN<br />
Bài báo này đã xây dựng được lược đồ thuật toán chi tiết của bộ lọc Kalman mở rộng để ước<br />
lượng độ lệch tần số, cho phép thực hiện có hiệu quả chế áp nhiễu xuyên sóng mang ICI; Hiệu<br />
quả của giải pháp đã được khẳng định trên phương diện lý thuyết cũng như kết quả mô phỏng.<br />
Vì vậy, việc ứng dụng vào hệ thống truyền hình số mặt đất thế hệ mới là rất nên và hướng rất tốt<br />
nhằm cải thiện phẩm chất BER của hệ thống.<br />
TÀI LIỆU THAM KHẢO<br />
[1]. Mihir Anandpara, Elmustafa Erwa, James Golab, Roopsa Samata, Huihui. Wang “Inter-<br />
Carrier Interference Cancellation For OFDM System”, May 6, 2003.<br />
[2]. Hoàng Thọ Tu, TS. Nguyễn Trọng Lưu, “Xử lý số thông tin rađa”, Nhà xuất bản Quân đội<br />
nhân dân, Hà Nội 2010.<br />
[3]. Greg Welch and Gary Bishop, “An Introduction to the Kalman Filter”, Department of<br />
Computer Science University of North Carolina at Chapel Hill Chapel Hill (2006).<br />
[4]. S.E.D. Habib, Reem I. Sayed, Hisham M. Hamed, and Magdi Fikri, “New ICI Self<br />
Cancellation Scheme for OFDM Systems”, International Juornal of Computer an<br />
Communication Engineering, Vol. 3, No. 1, January 2014.<br />
[5]. Nguyễn Đức Hoàn, “Ảnh hưởng của độ lệch tần số trong các hệ thống OFDM”, Luận văn<br />
Thạc sĩ, Đại học công nghệ, 2007.<br />
ABSTRACT<br />
APPLYING EXTENDED KALMAN FILTER TO PREVENT<br />
INTERCHANNEL INTERFERENCE IN OFDM SYSTEM<br />
There are now many solutions to prevent Inter-channel Interference (ICI) such as:<br />
balanced in frequency domain, time windowing, self-cancellation scheme, Maximum-<br />
Likelihood Estimation. Recently, the method of using Extended Kalman Filter (EKF) has<br />
been studied because of its efficiency when frequency offset is large. This paper applied<br />
research the EKF to reduce ICI in the new generation of Digital Video Broadcasting<br />
(DVB). The performance of the EKF is verified by simulation on Matlab-Simulink.<br />
Keywords: Extended Kalman Filter, OFDM – Orthogonal Frequency Division Multiplexing, ICI – Inter-channel<br />
Interference.<br />
<br />
Nhận bài ngày 12 tháng 9 năm 2017<br />
Hoàn thiện ngày 21 tháng 10 năm 2017<br />
Chấp nhận đăng ngày 20 tháng 12 năm 2017<br />
1<br />
Địa chỉ: Trường Đại học Công nghiệp Hà Nội;<br />
2<br />
Trường Đại học Sư phạm Kỹ thuật Hưng Yên.<br />
*<br />
Email: toanth84@gmail.com.<br />
<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 103<br />