Tổng quan về luận án

Luận án Tiến sĩ Kỹ thuật của Phan Hồng Minh (2020) mang tên "Nghiên cứu giải pháp nâng cao chất lượng mảng cảm biến thu tín hiệu thủy âm trong vùng biển nông" giải quyết một thách thức cấp thiết trong lĩnh vực quốc phòng, an ninh và phát triển kinh tế biển của Việt Nam. Bối cảnh khoa học của nghiên cứu tập trung vào sự phức tạp và ảnh hưởng tiêu cực của môi trường biển nông đến hiệu suất của các hệ thống sonar thủy âm thụ động. Vùng biển nông, theo định nghĩa phổ biến, có độ sâu nhỏ hơn 200m và đặc trưng bởi "nhiễu giao thoa, hiệu ứng đa đường, và mô hình truyền sóng phụ thuộc nhiều vào các tác động bên ngoài" (tr. 12). Những yếu tố này làm giảm đáng kể chất lượng tín hiệu thu, gây khó khăn cho việc phát hiện và định vị mục tiêu dưới nước, đặc biệt trong bối cảnh các yêu cầu về an ninh biển ngày càng cao. Tính tiên phong của nghiên cứu thể hiện ở việc đề xuất một giải pháp tích hợp, toàn diện để vượt qua những hạn chế cố hữu này.

Research gap cụ thể mà luận án này hướng tới đã được tác giả xác định rõ ràng: "hiện nay có rất nhiều các đề tài, luận án nghiên cứu cải tiến vũ khí dưới nước, nghiên cứu thiết kế chế tạo thiết bị thuỷ âm. Nhưng chưa có công trình nghiên cứu chuyên sâu nào liên quan đến nâng cao chất lượng mảng cảm biến thuỷ âm trong vùng biển nông theo giải pháp kết hợp thay đổi cấu trúc hình học và xử lý tín hiệu thủy âm" (tr. 3). Luận án này lấp đầy khoảng trống đó bằng cách đề xuất một chiến lược kép: tối ưu hóa cấu trúc hình học mảng và phát triển một giải pháp xử lý tín hiệu phức hợp. Điều này khác biệt so với các nghiên cứu trước đây thường tập trung vào từng khía cạnh riêng lẻ hoặc trong điều kiện môi trường ít phức tạp hơn. Ví dụ, công trình của Trần Phú Ninh (2018) tập trung vào cải tiến thuật toán tải đường chéo (IDL) để nâng cao chất lượng phát hiện mục tiêu ngầm trong điều kiện thủy văn phức tạp, đạt "độ chính xác khi SNR ≥ -6 và số lượng hydrophone tối thiểu là 6", nhưng chưa đề cập đến việc tối ưu cấu trúc mảng một cách tùy biến.

Luận án đề xuất hai research questions chính và các hypotheses liên quan:

  1. RQ1: Làm thế nào để giải pháp tạo búp sóng mảng tùy biến, dựa trên tối ưu hóa cấu trúc hình học mảng cảm biến, có thể nâng cao độ lợi (Gain) và giảm thiểu ảnh hưởng đa đường trong vùng biển nông?
    • H1.1: Việc tùy biến cấu trúc hình học của mảng cảm biến (ví dụ: mảng phẳng 5x7 so với mảng thẳng ULA) kết hợp với kỹ thuật tạo búp sóng thích nghi (ví dụ: Frost, Grinffiths) sẽ tạo ra búp sóng chính hẹp hơn và triệt tiêu búp sóng phụ hiệu quả hơn, từ đó tăng độ lợi của mảng trên các hướng quan tâm và giảm ảnh hưởng của các tia âm phản xạ.
    • H1.2: Giải pháp tạo búp sóng tùy biến có khả năng tăng tỷ số tín hiệu trên nhiễu (SNR) và cải thiện khả năng định vị mục tiêu so với các phương pháp tạo búp sóng thông thường trong môi trường đa đường.
  2. RQ2: Làm thế nào để giải pháp xử lý tín hiệu phức hợp, kết hợp phân tích các phần tử độc lập (ICA) và giải tích chập mù đa kênh (MBD) sử dụng mạng nơ ron truyền thẳng (FFNNs), có thể tái tạo tín hiệu gốc và nâng cao chất lượng phát hiện, định vị mục tiêu trong vùng biển nông?
    • H2.1: Kỹ thuật ICA có thể phân tách thành công tín hiệu hỗn hợp thu được từ nhiều mục tiêu thành các nguồn âm độc lập, ngay cả trong môi trường nhiều nhiễu và đa đường.
    • H2.2: Giải pháp MBD sử dụng mạng nơ ron FFNNs có khả năng giải tích chập hiệu quả các tín hiệu bị ảnh hưởng bởi môi trường truyền dẫn không biết trước (hiệu ứng đa đường), tái tạo lại dạng tín hiệu ban đầu và nâng cao đáng kể tỷ số SNR.
    • H2.3: Sự kết hợp giữa ICA và MBD thông qua mạng nơ ron sẽ cung cấp một giải pháp toàn diện, vượt trội trong việc nâng cao chất lượng tín hiệu và độ chính xác định vị đa mục tiêu so với việc áp dụng từng kỹ thuật riêng lẻ.

Khung lý thuyết của luận án được xây dựng dựa trên các nguyên lý cốt lõi của xử lý tín hiệu số (DSP), xử lý mảng (Array Processing) và truyền sóng âm dưới nước. Cụ thể, nó tích hợp sâu rộng các lý thuyết về Tạo búp sóng thích nghi (Adaptive Beamforming) bao gồm các thuật toán như Frost [15], Grinffiths [16], LCMV (Linearly Constrained Minimum Variance) và MVDR (Minimum Variance Distortionless Response) để tối ưu hóa trọng số mảng. Đồng thời, luận án sử dụng lý thuyết Phân tích các phần tử độc lập (ICA) của Aapo Hyvärinen và Erkki Oja [9],[10] để tách nguồn âm, và lý thuyết Giải tích chập mù (Blind Deconvolution - MBD), đặc biệt là các phát triển từ nhóm của David R. Dowling [46],[45],[47], để khử ảnh hưởng của môi trường truyền dẫn. Sự kết hợp này được hiện thực hóa thông qua Mạng nơ ron truyền thẳng (FFNNs), một mô hình từ lĩnh vực học máy, để tối ưu hóa quá trình giải tích chập mù.

Đóng góp đột phá của luận án nằm ở việc tích hợp một cách có hệ thống ba trụ cột chính: tối ưu hóa cấu trúc hình học mảng, tạo búp sóng tùy biến thích nghi, và xử lý tín hiệu phức hợp ICA-MBD bằng FFNNs. Tác động của nghiên cứu được định lượng thông qua việc "nâng cao tỷ số SNR, tăng độ lợi tín hiệu và đảm bảo dải thông thu đủ lớn để mảng cảm biến có thể thu được đầy đủ tín hiệu mục tiêu" (tr. 28). Dự kiến, các giải pháp này có thể cải thiện tỷ số SNR lên đến 3-5 dB và tăng độ lợi mảng lên 20-30% trong các điều kiện biển nông phức tạp, vượt trội so với các phương pháp truyền thống. Ví dụ, công trình của Nguyễn Xuân Long (2017) đã đạt kết quả định vị mục tiêu với SNR nhỏ hơn -3dB; luận án này hướng tới cải thiện ngưỡng SNR này.

Phạm vi nghiên cứu tập trung vào cấu trúc và phương pháp xử lý tín hiệu mảng cảm biến thủy âm trong các tổ hợp khí tài sonar thụ động gắn cố định trên tàu hoặc các hệ sonar phát hiện định vị mục tiêu dạng phao thủy âm dùng trong vùng biển nông. Luận án đặc biệt quan tâm đến vùng biển nông của Việt Nam, với độ sâu từ 40-60m như Vịnh Bắc Bộ và Vịnh Thái Lan (tr. 16), nơi chịu ảnh hưởng mạnh của hiệu ứng đa đường và tạp âm môi trường cao. Các mô phỏng được thực hiện với các thông số điển hình như "độ sâu kênh âm 100m, nguồn âm có tọa độ [0,0,-60], bộ thu 1 có tọa độ [500,0,-40], bộ thu 2 có tọa độ [500, 1000, -70]" (tr. 16). Tính thời gian của nghiên cứu diễn ra trước năm 2020. Ý nghĩa của nghiên cứu là cung cấp cơ sở khoa học và định hướng thực tiễn quan trọng cho việc thiết kế và triển khai các hệ thống định vị thủy âm tại vùng biển Việt Nam, phục vụ trực tiếp cho an ninh quốc phòng.

Literature Review và Positioning

Luận án tiến hành tổng hợp kỹ lưỡng các dòng nghiên cứu lớn liên quan đến mảng cảm biến thủy âm và xử lý tín hiệu trong môi trường biển nông, bao gồm cả các công trình trong nước và quốc tế, nhằm xác định vị trí và đóng góp của mình.

Về nghiên cứu trong nước, luận án ghi nhận một số công trình đáng chú ý. Trần Phú Ninh (2018) với luận án "Nghiên cứu xử lý tín hiệu sonar thụ động để nâng cao chất lượng phát hiện mục tiêu ngầm trong điều kiện thủy văn phức tạp" tại Học viện KTQS, đã nghiên cứu ảnh hưởng của môi trường nước nông đến thuật toán trường phối hợp thích nghi (MFP) và đề xuất thuật toán tải đường chéo cải tiến (IDL). Kết quả cho thấy thuật toán IDL "cải thiện độ phân giải và tỷ số đỉnh trên nền (PBR) của hàm bề mặt so với thuật toán DL", đặc biệt đạt "độ chính xác khi SNR ≥ -6 và số lượng hydrophone tối thiểu là 6". Nguyễn Xuân Long (2017), trong luận án tại Viện KH-CN quân sự, đã phát triển thuật toán CCABB-MFP (Cross Correlation Adaptive Broad Band – Matching Field Processing) cho sonar thụ động, ứng dụng định vị nguồn âm dải rộng với SNR nhỏ hơn -3dB. Các nghiên cứu của Bùi Trường Giang (2014) về MFP thích nghi và Nguyễn Ngọc Đông (2018) về định vị mục tiêu chuyển động cũng được đề cập. Về mô hình kênh truyền âm, Đỗ Việt Hà (2017) tại Đại học Bách Khoa Hà Nội đã đề xuất "phương pháp thiết kế bộ mô phỏng kênh thủy âm đơn giản" và phân tích hiệu ứng Doppler, trong khi Lê Minh Ngọc (2015) nghiên cứu giải pháp đảm bảo khả năng làm việc ổn định của kênh liên lạc thủy âm. Lưu Tuấn Sinh (2007) tập trung vào nâng cao chất lượng xử lý phát hiện mục tiêu cho mạng thu định vị bằng phao thủy âm, đề xuất bộ phát hiện tín hiệu tối ưu theo thuật toán lọc thích nghi để tăng tỷ số SNR.

Trong các nghiên cứu quốc tế, luận án đề cập đến sự phát triển của các kỹ thuật tạo búp sóng thích nghi như thuật toán Frost [15] và Grinffiths [16], tập trung vào việc giảm thiểu tiếng ồn đầu ra và duy trì đáp ứng tần số mong muốn. Các phương pháp tối ưu hóa lồi như MVDR [44] cũng được sử dụng để giải quyết vấn đề sai lệch giữa búp sóng chính giả định và thực tế. Đặc biệt, luận án nhấn mạnh các nghiên cứu về phân tích các thành phần độc lập (ICA) của Aapo Hyvärinen và Erkki Oja [9],[10] với thuật toán Fast-ICA, đã "cho phép tách tín hiệu thành các nguồn âm độc lập nhau", được hải quân Brazil ứng dụng thành công [55],[56]. Về giải tích chập mù (MBD), nhóm nghiên cứu của David R. Dowling đã thực hiện nhiều công trình nổi bật, ví dụ, giải tích chập mù trong ống dẫn sóng đại dương sử dụng kỹ thuật đảo thời gian nhân tạo (ATR) [46] với "tương quan tín hiệu tái tạo từ 80 đến 95%" trong băng tần 258Hz-500Hz, hoặc giải tích chập mù trên cơ sở tạo búp sóng dị tần bởi Shima Hossein Abadi (học trò của Dowling) [45] cho phép định vị nguồn âm từ 1.5kHz-4kHz ở khoảng cách 4km trong môi trường sâu 120m.

Tuy nhiên, luận án cũng chỉ ra những mâu thuẫn và tranh luận trong các nghiên cứu hiện có. Cụ thể, "các công trình này được công bố ở mức độ rời rạc, cục bộ và trong phạm vi nghiên cứu hẹp, không dễ dàng tiếp thu" (tr. 27). Nhiều giải pháp tối ưu hóa tạo búp sóng như Frost hay Grinffiths thường hiệu quả trong điều kiện lý tưởng nhưng gặp thách thức khi đối mặt với hiệu ứng đa đường phức tạp và tạp âm cao của biển nông. Các nghiên cứu về ICA và MBD thường giải quyết từng vấn đề riêng lẻ (tách nguồn hoặc khử chập) nhưng hiếm khi tích hợp cả hai với nhau, đặc biệt là với việc tối ưu hóa cấu trúc mảng ban đầu. Chẳng hạn, kỹ thuật ATR của Dowling [46] chỉ giải quyết vấn đề giải tích chập mù với một nguồn âm duy nhất và trong dải tần số giới hạn.

Luận án này định vị mình bằng cách vượt qua những hạn chế đó thông qua một phương pháp tiếp cận tổng hợp. Trong khi các nghiên cứu trong nước của Ninh (2018) và Long (2017) đã cải thiện khả năng phát hiện/định vị mục tiêu với SNR thấp trong biển nông, chúng chủ yếu tập trung vào thuật toán xử lý tín hiệu mà ít đề cập đến tối ưu hóa cấu trúc hình học mảng một cách tùy biến. Luận án này, ngược lại, đề xuất một giải pháp "kết hợp thay đổi cấu trúc hình học và xử lý tín hiệu thủy âm" (tr. 3), mang lại một lợi thế kép trong việc nâng cao chất lượng mảng. So với các nghiên cứu quốc tế về ICA và MBD, luận án không chỉ ứng dụng các kỹ thuật này mà còn tích hợp chúng với nhau và với việc tùy biến cấu trúc mảng, sử dụng mạng nơ ron để giải quyết chập mù đa kênh (MBD) - một bước tiến mới so với các phương pháp MBD truyền thống vốn thường yêu cầu thông tin bán biết trước về kênh truyền hoặc cấu trúc mảng. Điều này giúp nâng cao khả năng "tái tạo lại tín hiệu ban đầu" và "nâng cao tỷ số SNR" (tr. 29) một cách toàn diện hơn.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra những đóng góp đáng kể cho lý thuyết xử lý tín hiệu thủy âm bằng cách mở rộng và thử thách các lý thuyết hiện có, đặc biệt trong bối cảnh môi trường biển nông phức tạp. Luận án mở rộng các lý thuyết về tạo búp sóng thích nghi (Adaptive Beamforming), vốn được tiên phong bởi các nhà lý thuyết như Frost [15] và Grinffiths [16]. Thay vì chỉ tối ưu hóa trọng số mảng với cấu trúc cố định, luận án đưa ra khái niệm "tạo búp sóng mảng tùy biến" dựa trên việc thay đổi "cấu trúc hình học của mảng" (tr. 31), cho phép điều khiển búp sóng chính hướng đến tia trực tiếp và giảm ảnh hưởng của tia âm phản xạ. Điều này thách thức quan niệm truyền thống về một cấu trúc mảng cố định, mở ra một chiều hướng mới trong thiết kế mảng chủ động.

Đồng thời, luận án tích hợp sâu sắc các lý thuyết về Phân tích các phần tử độc lập (ICA) của Hyvärinen và Oja [9],[10] và Giải tích chập mù đa kênh (MBD), vốn đã được Dowling và cộng sự nghiên cứu [45],[46],[47]. Trong khi các công trình trước thường áp dụng ICA để tách nguồn hoặc MBD để khử chập, luận án đề xuất một khung lý thuyết mới kết hợp cả hai để giải quyết vấn đề đa mục tiêu trong môi trường đa đường không biết trước. Việc sử dụng Mạng Nơ Ron Truyền Thẳng (FFNNs) để thực hiện MBD không chỉ cung cấp một phương pháp tính toán hiệu quả mà còn mở rộng khả năng thích nghi của mô hình, cho phép tái tạo tín hiệu gốc trong điều kiện kênh âm thay đổi liên tục. Sự tích hợp này không chỉ là ứng dụng mà còn là sự phát triển lý thuyết, cho phép giải quyết các bài toán phức tạp mà các phương pháp đơn lẻ khó lòng đạt được.

Khung khái niệm của luận án được minh họa rõ ràng trong "Hình 1.9: Mô hình xử lý tín hiệu nâng cao chất lượng mảng cảm biến" (tr. 29), trong đó thể hiện sự tương tác giữa tiền xử lý (ICA), tạo búp sóng tùy biến, và giải tích chập mù đa kênh (MBD). Luận án đề xuất một mô hình lý thuyết với các mệnh đề/giả thuyết được đánh số cụ thể ở phần Tổng quan, mô tả mối quan hệ giữa các thành phần. Ví dụ, sự thay đổi cấu trúc mảng (H1.1) ảnh hưởng đến véc tơ đa tạp (steering vector) và độ lợi mảng, từ đó tác động đến hiệu quả của tạo búp sóng (H1.2). Sau đó, tín hiệu đã được định hướng sẽ được xử lý bởi ICA (H2.1) và MBD (H2.2) để tách và tái tạo, tối ưu hóa SNR (H2.3).

Mặc dù trong lĩnh vực kỹ thuật, khái niệm "thay đổi mô hình" (paradigm shift) thường hiếm khi xảy ra như trong khoa học xã hội, nhưng nghiên cứu này thể hiện một tiến bộ đáng kể về phương pháp luận và cách tiếp cận, mở ra một "hướng nghiên cứu mới" (tr. 22). Các phát hiện cho thấy rằng việc tối ưu hóa đồng thời cấu trúc vật lý của mảng và thuật toán xử lý tín hiệu mang lại hiệu quả vượt trội, điều mà các phương pháp truyền thống chỉ tập trung vào một khía cạnh không thể đạt được.

Khung phân tích độc đáo

Khung phân tích của luận án là độc đáo bởi sự tích hợp có hệ thống của ít nhất ba lý thuyết chuyên sâu: lý thuyết mảng cảm biến (Array Processing), lý thuyết tín hiệu thích nghi (Adaptive Signal Processing) bao gồm tạo búp sóng và lọc thích nghi, lý thuyết tách nguồn mù (Blind Source Separation - ICA), và lý thuyết giải chập mù (Blind Deconvolution - MBD) được hiện thực hóa bởi Mạng nơ ron truyền thẳng (FFNNs).

Phương pháp phân tích mới lạ này được biện minh bởi đặc thù của môi trường biển nông: "hiệu ứng đa đường do tín hiệu bị phản xạ nhiều lần giữa tầng đáy và bề mặt đại dương trước khi đến bộ thu, một đặc trưng nữa là tạp ồn của vùng biển nông cũng cao do chịu nhiều tác động của các nguồn gây nhiễu tự nhiên và nhân tạo" (tr. 1). Các phương pháp truyền thống thường chỉ tối ưu hóa cho một loại nhiễu hoặc một kịch bản truyền dẫn cụ thể. Luận án đề xuất một cách tiếp cận "phức hợp" (tr. 28) để giải quyết đa đồng thời các vấn đề này.

Các đóng góp khái niệm bao gồm:

  • Mảng cảm biến tùy biến (Customized Array): Khái niệm này vượt ra khỏi các mảng có cấu trúc cố định (ULA, mảng phẳng 5x5) bằng cách cho phép "kích hoạt và không kích hoạt các cảm biến trong mảng" (tr. 30) và thay đổi cấu trúc hình học một cách linh hoạt để "tăng độ lợi của mảng trên các hướng quan tâm" (tr. 2).
  • Tạo búp sóng tùy biến thích nghi: Là sự kết hợp giữa kỹ thuật tạo búp sóng truyền thống và thích nghi, được điều khiển để búp sóng chính "hướng về phía nguồn phát" (tr. 29) và triệt tiêu các tia phản xạ đa đường.
  • Giải tích chập mù đa kênh (MBD): Được định nghĩa là quá trình "tái tạo lại tín hiệu ban đầu" từ tín hiệu bị chập bởi kênh truyền dẫn không biết trước (môi trường đa đường) (tr. 26).
  • Phân tích các phần tử độc lập (ICA): Là kỹ thuật "phân tách thành công tín hiệu quan tâm trong hỗn hợp tín hiệu thu được" (tr. 26), cho phép xử lý đa mục tiêu.

Các điều kiện biên được nêu rõ: nghiên cứu tập trung vào vùng biển nông của Việt Nam, nơi có các đặc tính môi trường cụ thể như độ sâu thấp (40-60m), nhiệt độ, độ mặn thay đổi, và tạp âm nền cao (tr. 16). Giải pháp được thiết kế đặc biệt để tối ưu trong các điều kiện này và có thể cần điều chỉnh khi áp dụng cho vùng biển sâu hoặc các môi trường khác. Luận án cũng thừa nhận giới hạn về dải tần số hoạt động của các kỹ thuật MBD được tham chiếu (ví dụ: ATR của Dowling chỉ hiệu quả trong dải 258Hz-500Hz [46], hoặc 1.5kHz-4kHz của Abadi [45]), đặt ra điều kiện biên cho ứng dụng của giải pháp.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Triết lý nghiên cứu của luận án này mang tính thực chứng (positivism) hoặc hậu thực chứng (post-positivism) rõ rệt. Nó dựa trên việc xây dựng các mô hình toán học, sử dụng các công cụ mô phỏng để kiểm chứng giả thuyết, và hướng tới việc thực nghiệm trong phòng thí nghiệm để xác nhận các giải pháp đề xuất. Quan điểm này nhấn mạnh tính khách quan, khả năng đo lường định lượng và kiểm chứng lặp lại các kết quả, phù hợp với lĩnh vực kỹ thuật điện tử.

Thiết kế nghiên cứu không sử dụng "mixed methods" theo nghĩa xã hội học mà là một phương pháp tiếp cận đa giai đoạn kỹ thuật (multi-stage engineering design and validation approach). Nó kết hợp phân tích lý thuyết sâu rộng, xây dựng mô hình toán học chi tiết, mô phỏng trên máy tính, và kiểm chứng thực nghiệm. Sự kết hợp này nhằm đảm bảo tính toàn vẹn và độ tin cậy của giải pháp từ cấp độ lý thuyết đến ứng dụng thực tiễn.

Thiết kế nghiên cứu bao gồm nhiều cấp độ phân tích (multi-level design):

  1. Cấp độ cấu trúc mảng: Nghiên cứu các cấu trúc hình học khác nhau của mảng hydrophone (mảng thẳng, mảng phẳng, mảng trụ tròn, mảng cầu) và ảnh hưởng của chúng đến véc tơ đa tạp và hình dạng búp sóng.
  2. Cấp độ thuật toán tạo búp sóng: Phát triển và tối ưu hóa các thuật toán tạo búp sóng tùy biến thích nghi.
  3. Cấp độ xử lý tín hiệu phức hợp: Tích hợp ICA và MBD bằng mạng nơ ron FFNNs để xử lý tín hiệu đa mục tiêu trong môi trường đa đường.

Kích thước mẫu và tiêu chí lựa chọn: Do tính chất của nghiên cứu kỹ thuật, "kích thước mẫu" ở đây được hiểu là các cấu hình mảng cảm biến khác nhau, các loại tín hiệu âm thanh mô phỏng, và các kịch bản môi trường biển nông. Cụ thể, luận án đã xem xét các mảng với số lượng hydrophone khác nhau, ví dụ: "mảng thẳng có 5 phần tử" (Hình 1.6), "mảng phẳng 5x7" (Hình 2.20), "30 hydrophone" (Hình 2.25) và các mảng với "42 phần tử" (Hình 2.15). Tín hiệu mô phỏng bao gồm "tín hiệu xung có độ rộng 13.2ms" (tr. 16), được tạo ra từ nguồn âm đẳng hướng. Tiêu chí lựa chọn tập trung vào các cấu hình và kịch bản thể hiện rõ thách thức của vùng biển nông (hiệu ứng đa đường, tạp âm) và cho phép đánh giá hiệu suất của các giải pháp đề xuất.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu được sử dụng là lấy mẫu mô phỏng và thực nghiệm có kiểm soát. Dữ liệu được tạo ra thông qua mô phỏng môi trường truyền sóng âm trong vùng biển nông, với các thông số vật lý cụ thể như "tốc độ âm 1520m/s, độ sâu kênh âm 100m" (tr. 16). Điều này cho phép kiểm soát chặt chẽ các biến số môi trường và tín hiệu. Tiêu chí bao gồm/loại trừ (inclusion/exclusion criteria) được áp dụng để xác định các thông số mô hình (ví dụ: số lượng tia âm phản xạ, mức độ suy hao) và các đặc tính của nguồn âm/nhiễu, đảm bảo tính đại diện cho môi trường biển nông.

Các giao thức thu thập dữ liệu trong mô phỏng bao gồm việc tạo ra các tín hiệu âm thanh dưới nước với các đặc tính tần số và không gian khác nhau, sau đó mô phỏng sự lan truyền của chúng qua kênh âm đa đường. Dữ liệu đầu ra từ các hydrophone của mảng cảm biến được ghi lại để phân tích. Các công cụ (instruments) chính là phần mềm mô phỏng Matlab và Simulink, cho phép xây dựng các mô hình toán học, thiết kế mảng và triển khai các thuật toán xử lý tín hiệu.

Luận án áp dụng phương pháp tam giác hóa (triangulation) để tăng cường độ tin cậy. Cụ thể:

  • Tam giác hóa dữ liệu: Sử dụng các bộ dữ liệu mô phỏng khác nhau (ví dụ: các loại tín hiệu, cấu hình mảng, kịch bản đa đường) để kiểm tra tính nhất quán của kết quả.
  • Tam giác hóa phương pháp: So sánh hiệu suất của giải pháp đề xuất với các phương pháp hiện có như tạo búp sóng Frost [15] và các kỹ thuật ULA truyền thống (tr. 62), cũng như các nghiên cứu của Ninh (2018) và Long (2017) về SNR (tr. 22-23).
  • Tam giác hóa lý thuyết: Kiểm tra sự phù hợp của các kết quả mô phỏng với các nguyên lý vật lý và toán học của truyền sóng âm và xử lý tín hiệu.

Độ giá trị (Validity) của nghiên cứu được chú trọng:

  • Độ giá trị cấu trúc (Construct Validity): Đảm bảo rằng các khái niệm như "độ lợi mảng," "tỷ số SNR," "hiệu ứng đa đường" được đo lường một cách chính xác thông qua các mô hình toán học và công cụ mô phỏng phù hợp.
  • Độ giá trị nội tại (Internal Validity): Mối quan hệ nhân quả giữa giải pháp đề xuất và việc nâng cao chất lượng mảng được kiểm chứng thông qua việc kiểm soát các biến số trong môi phỏng và phân tích cẩn thận.
  • Độ giá trị bên ngoài (External Validity): Mặc dù chủ yếu dựa trên mô phỏng, nghiên cứu hướng tới khả năng khái quát hóa các kết quả cho các vùng biển nông khác có đặc tính tương tự, với các điều kiện biên được xác định rõ ràng.

Độ tin cậy (Reliability) được đảm bảo thông qua việc sử dụng các mô hình toán học đã được kiểm chứng và các công cụ mô phỏng chuẩn. Khả năng tái tạo kết quả là cao do tính chất chi tiết của các thuật toán và thông số mô phỏng được trình bày. Giá trị alpha (α values) và các thước đo thống kê khác sẽ được báo cáo khi phân tích định lượng hiệu suất của giải pháp, đặc biệt trong việc đánh giá ý nghĩa thống kê của các cải thiện về SNR và độ lợi.

Data và phân tích

Đặc điểm mẫu dữ liệu được sử dụng bao gồm các tín hiệu âm thanh dưới nước được tạo ra để mô phỏng (ví dụ: "tín hiệu xung phát" Hình 3.15, tr. 99), mô hình nhiễu môi trường, và các cấu hình hydrophone đa dạng. Dữ liệu nhân khẩu học không áp dụng trực tiếp, thay vào đó là các thông số vật lý của môi trường (tốc độ âm, độ sâu, tọa độ nguồn/thu), cấu hình mảng (ví dụ: mảng thẳng ULA, mảng phẳng tùy biến 5x7), và đặc tính của tín hiệu mục tiêu (ví dụ: tín hiệu băng hẹp/băng rộng, hướng đến, mức cường độ).

Các kỹ thuật phân tích tiên tiến được triển khai bao gồm:

  • Phân tích các phần tử độc lập (ICA): Được sử dụng để phân tách tín hiệu hỗn hợp từ nhiều nguồn âm thành các thành phần độc lập (Hình 3.4, tr. 82), cho phép xử lý và định vị từng mục tiêu riêng biệt.
  • Giải tích chập mù đa kênh (MBD): Áp dụng để khử ảnh hưởng của kênh truyền dẫn đa đường, đặc biệt thông qua "mạng nơ ron truyền thẳng (FFNNs)" (Hình 3.11, tr. 94) để tái tạo tín hiệu ban đầu (Hình 3.18, tr. 99).
  • Tạo búp sóng thích nghi (Adaptive Beamforming): Các thuật toán như Frost, LCMV, MVDR được so sánh và tích hợp vào giải pháp tùy biến để tối ưu hóa hướng thu và triệt nhiễu không gian.

Các phần mềm chuyên dụng được sử dụng là Matlab và Simulink để xây dựng mô hình, mô phỏng các kịch bản môi trường, triển khai các thuật toán và phân tích dữ liệu.

Kiểm tra độ vững chắc (robustness checks) được thực hiện bằng cách so sánh hiệu quả của giải pháp đề xuất với các cấu hình mảng thông thường (ví dụ: "mảng thường ULA và mảng phẳng tùy biến" Hình 2.31, tr. 62) và các thuật toán tạo búp sóng truyền thống (ví dụ: "Delay and Time mảng ULA" so với "Frost mảng ULA" Hình 2.33-2.35, tr. 63). Điều này giúp đánh giá mức độ cải thiện do giải pháp mới mang lại trong các điều kiện khác nhau.

Các thước đo định lượng như hiệu ứng kích thước (effect sizes) và khoảng tin cậy (confidence intervals) sẽ được báo cáo để đánh giá mức độ ý nghĩa và độ tin cậy của các cải tiến về tỷ số SNR và độ lợi mảng. Ví dụ, trong "Bảng 3.5: Tính toán tỷ số SNR để xác định độ lợi sau xử lý ICA" (tr. 99), các giá trị SNR cụ thể được trình bày, cho phép định lượng cải thiện.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được một số phát hiện then chốt, mang tính đột phá trong việc nâng cao chất lượng mảng cảm biến thủy âm trong vùng biển nông:

  1. Tối ưu hóa cấu trúc hình học mảng mang lại độ lợi đáng kể: Nghiên cứu chứng minh rằng việc tùy biến cấu trúc hình học của mảng cảm biến, thay vì chỉ sử dụng các mảng cố định như ULA (Uniform Linear Arrays), có thể "tăng độ lợi của mảng trên các hướng quan tâm" (tr. 2). Mô phỏng cho thấy các cấu hình mảng phẳng tùy biến có thể đạt "Độ lợi GA tại các góc hướng" (Bảng 2.4, tr. ix) cao hơn đáng kể so với mảng ULA tiêu chuẩn, đặc biệt trong việc giảm thiểu ảnh hưởng của các tia đa đường. Việc "điều khiển quay búp sóng chính" (tr. 4) cho phép định hướng tối ưu, tăng cường hiệu quả thu tín hiệu.
  2. Tạo búp sóng tùy biến thích nghi giảm thiểu hiệu ứng đa đường hiệu quả: Các giải pháp tạo búp sóng tùy biến, kết hợp với các thuật toán thích nghi (như Frost), đã được chứng minh có khả năng "triệt giảm tạp ồn của tín hiệu" và "nâng cao độ lợi tín hiệu" (tr. 66). Điều này đặc biệt quan trọng trong môi trường biển nông, nơi "tín hiệu bị ảnh hưởng đa đường" gây ra nhiều xung vọng và giao thoa (Hình 1.5, tr. 15). Giải pháp này giúp búp sóng chính hẹp hơn và tập trung vào tín hiệu trực tiếp, giảm đáng kể các tín hiệu phản xạ.
  3. Sự kết hợp ICA và MBD bằng FFNNs khôi phục tín hiệu gốc với SNR cao: Phát hiện quan trọng nhất là giải pháp xử lý tín hiệu phức hợp, tích hợp ICA và MBD sử dụng mạng nơ ron truyền thẳng (FFNNs), có khả năng "phân tách hỗn hợp âm thành các nguồn âm riêng biệt" (Hình 3.4, tr. 82) và "tái tạo khôi phục lại tín hiệu ban đầu" (tr. 4). "Bảng 3.5: Tính toán tỷ số SNR để xác định độ lợi sau xử lý ICA" (tr. 99) cho thấy sự cải thiện đáng kể về SNR sau xử lý, khẳng định khả năng của giải pháp trong việc chống lại ảnh hưởng của đa đường và tạp âm.
  4. Cải thiện đáng kể chất lượng định vị và khả năng nhận dạng mục tiêu: Nhờ việc nâng cao SNR và độ lợi mảng, luận án cho thấy khả năng "nâng cao chất lượng định vị mục tiêu" (tr. 3) và nhận dạng mục tiêu được cải thiện đáng kể, ngay cả trong điều kiện "nhiễu có tỷ số SNR nhỏ hơn -3dB" như nghiên cứu của Nguyễn Xuân Long (2017) đã đề cập.

Một kết quả đáng chú ý, mặc dù không hoàn toàn "counter-intuitive," là sự khẳng định rằng việc tích hợp đồng thời tối ưu hóa phần cứng (cấu trúc mảng) và phần mềm (xử lý tín hiệu phức hợp) mang lại hiệu quả vượt trội hơn hẳn so với việc tối ưu hóa từng phần riêng biệt. Điều này gợi ý rằng hiệu suất tổng thể của hệ thống sonar không chỉ là tổng của các phần, mà còn là sự cộng hưởng từ mối quan hệ tương hỗ giữa chúng.

So sánh với các nghiên cứu trước đây: Luận án của Trần Phú Ninh (2018) đạt "độ chính xác khi SNR ≥ -6". Giải pháp trong luận án này, với khả năng nâng cao SNR đáng kể thông qua ICA và MBD, dự kiến sẽ vượt qua ngưỡng này, cho phép phát hiện mục tiêu với SNR thấp hơn và độ chính xác cao hơn. So với kỹ thuật MBD của Dowling và Abadi [45],[46] vốn chỉ tái tạo tín hiệu trong dải tần số và khoảng cách nhất định, giải pháp của luận án, sử dụng FFNNs và kết hợp ICA, mang lại sự linh hoạt và khả năng thích nghi tốt hơn cho môi trường đa mục tiêu, đa đường phức tạp.

Implications đa chiều

Các phát hiện của luận án có ý nghĩa lý thuyết sâu rộng, góp phần vào việc mở rộng các lý thuyết về xử lý mảng thích nghi, tách nguồn mù và giải chập mù bằng mạng nơ ron. Nó cung cấp một khung lý thuyết tổng thể cho việc thiết kế hệ thống sonar trong môi trường phức tạp, đề xuất các mô hình tích hợp giữa cấu trúc vật lý và thuật toán xử lý. Cụ thể, nó mở rộng ứng dụng của lý thuyết ICA và MBD bằng cách chứng minh tính hiệu quả của sự kết hợp này trong việc giải quyết đồng thời vấn đề đa mục tiêu và đa đường, điều ít được nghiên cứu trước đây.

Đổi mới về phương pháp luận của luận án là việc đề xuất một cách tiếp cận tích hợp toàn diện. Phương pháp "kết hợp thay đổi cấu trúc hình học và xử lý tín hiệu thủy âm" (tr. 3) có thể được áp dụng rộng rãi cho các hệ thống cảm biến khác không chỉ trong môi trường thủy âm mà còn trong radar, thông tin không dây hoặc các ứng dụng y tế, nơi hiệu ứng đa đường và tạp nhiễu là vấn đề nan giải.

Ứng dụng thực tiễn là rất lớn, đặc biệt trong lĩnh vực quốc phòng an ninh biển. Luận án cung cấp các khuyến nghị cụ thể cho việc thiết kế và phát triển "hệ thống hoặc thiết bị định vị thủy âm tại vùng biển Việt Nam phục vụ an ninh quốc phòng" (tr. 3). Các giải pháp này có thể được triển khai trong các hệ thống sonar thụ động gắn trên tàu, phao thủy âm, hoặc các hệ thống giám sát bờ biển, giúp cải thiện khả năng phát hiện tàu ngầm, tàu nổi và cảnh báo sớm các mục tiêu dưới nước. Điều này mang lại lợi thế chiến lược trong việc bảo vệ chủ quyền và an toàn vùng biển.

Khuyến nghị chính sách bao gồm việc ưu tiên đầu tư vào nghiên cứu và phát triển các công nghệ sonar tiên tiến, đặc biệt là các giải pháp nội địa hóa phù hợp với đặc thù vùng biển Việt Nam. Chính phủ và Bộ Quốc phòng có thể xem xét áp dụng các nguyên lý và thuật toán từ luận án này để nâng cấp các hệ thống trinh sát và cảnh báo hiện có, hoặc định hướng cho việc phát triển thế hệ khí tài thủy âm mới, đảm bảo tính chủ động và hiệu quả trong phòng thủ biển.

Điều kiện tổng quát hóa được xác định rõ ràng: các giải pháp hiệu quả nhất trong môi trường biển nông với hiệu ứng đa đường và tạp âm cao. Mặc dù các mô hình và thuật toán có thể được điều chỉnh, hiệu suất tối ưu sẽ đạt được trong các môi trường có đặc tính acoustic tương tự vùng biển nông của Việt Nam (độ sâu, cấu trúc đáy, nhiệt độ, độ mặn).

Limitations và Future Research

Luận án thừa nhận một số hạn chế cụ thể:

  1. Dựa chủ yếu vào mô phỏng: Mặc dù đã sử dụng "Matlab, Simulink và thiết bị phòng thí nghiệm để kiểm chứng" (tr. 3), phần lớn các kết quả trình bày vẫn dựa trên dữ liệu mô phỏng. Môi trường biển thực tế luôn phức tạp hơn mô hình hóa, với các yếu tố như biến động dòng chảy, sự hiện diện của sinh vật biển, và nhiễu từ các hoạt động tàu bè không thể mô phỏng hoàn toàn.
  2. Giới hạn về mô hình biển nông: Mô hình hóa hiệu ứng đa đường và tạp âm môi trường, dù chi tiết, vẫn là sự đơn giản hóa của thực tế. Các kịch bản phức tạp hơn như biến động nhanh chóng của kênh âm, sự xuất hiện của các loại nhiễu cục bộ và không đồng nhất chưa được bao phủ hoàn toàn.
  3. Độ phức tạp tính toán: Các thuật toán phức hợp như kết hợp ICA, MBD với mạng nơ ron đòi hỏi năng lực tính toán cao. Việc triển khai trong thời gian thực trên các nền tảng phần cứng hạn chế có thể là một thách thức.

Điều kiện biên về bối cảnh, mẫu và thời gian cũng được làm rõ. Nghiên cứu tập trung vào vùng biển nông của Việt Nam. Mặc dù các nguyên lý có thể áp dụng rộng rãi, hiệu suất tối ưu có thể bị giảm trong các môi trường biển sâu hơn, hoặc với các loại tín hiệu/mục tiêu có đặc tính rất khác biệt. Thời gian của nghiên cứu giới hạn việc tích hợp các công nghệ phần cứng mới nhất hoặc thu thập dữ liệu thực nghiệm quy mô lớn.

Dựa trên những hạn chế này, một chương trình nghiên cứu trong tương lai được đề xuất với 4-5 hướng cụ thể:

  1. Kiểm chứng thực nghiệm quy mô lớn: Triển khai các giải pháp trên các hệ thống sonar mẫu và thu thập dữ liệu thực tế tại các vùng biển nông của Việt Nam để xác thực và tinh chỉnh các mô hình.
  2. Tối ưu hóa thời gian thực: Phát triển các thuật toán và kiến trúc phần cứng chuyên dụng (ví dụ: sử dụng FPGA, GPU) để đảm bảo khả năng xử lý tín hiệu phức hợp trong thời gian thực, đáp ứng yêu cầu của các ứng dụng quân sự.
  3. Mở rộng ứng dụng cho sonar chủ động: Nghiên cứu khả năng áp dụng các giải pháp tùy biến mảng và xử lý tín hiệu cho các hệ thống sonar chủ động, nơi có thêm các thách thức về tiếng vọng và giao thoa từ tín hiệu phát xạ.
  4. Tích hợp học máy sâu (Deep Learning): Khám phá việc sử dụng các mô hình học sâu phức tạp hơn (ví dụ: Mạng nơ ron tích chập - CNN, Mạng nơ ron hồi quy - RNN) để tự động hóa quá trình nhận dạng mô hình nhiễu, thích nghi với kênh truyền và tối ưu hóa các tham số của ICA/MBD.
  5. Nghiên cứu đa kênh/đa phương tiện: Mở rộng nghiên cứu sang việc tích hợp thông tin từ nhiều loại cảm biến khác nhau (ví dụ: cảm biến quang học, từ trường) với cảm biến thủy âm để tạo ra một hệ thống giám sát dưới nước toàn diện hơn.

Cải tiến phương pháp luận có thể bao gồm việc phát triển các mô hình lai (hybrid models) kết hợp ưu điểm của mô phỏng vật lý và mô hình học máy để dự đoán hành vi kênh truyền một cách chính xác hơn. Đề xuất các mở rộng lý thuyết như phát triển một khung lý thuyết thống nhất cho việc thiết kế mảng cảm biến thông minh, tự động điều chỉnh cấu trúc và thuật toán xử lý dựa trên điều kiện môi trường tức thời.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động học thuật sâu rộng. Việc đề xuất một khung lý thuyết và phương pháp luận tích hợp mới trong xử lý tín hiệu thủy âm sẽ mở ra các dòng nghiên cứu mới, đặc biệt trong lĩnh vực thiết kế mảng cảm biến thông minh và xử lý tín hiệu dựa trên học máy cho môi trường dưới nước. Các kết quả và phương pháp được trình bày có thể là cơ sở cho nhiều luận án Tiến sĩ, Thạc sĩ và các công trình nghiên cứu sau này. Với tính tiên phong của giải pháp, luận án có tiềm năng được trích dẫn cao trong các tạp chí chuyên ngành quốc tế về kỹ thuật điện tử, kỹ thuật âm thanh và kỹ thuật biển.

Trong ngành công nghiệp, luận án có thể thúc đẩy chuyển đổi đáng kể trong các lĩnh vực liên quan đến quốc phòng, hàng hải và thăm dò biển. Các công ty công nghệ quốc phòng và R&D có thể ứng dụng các giải pháp tùy biến cấu trúc mảng và xử lý tín hiệu phức hợp để phát triển các thế hệ sonar mới, hiệu quả hơn. Điều này bao gồm các hệ thống sonar gắn trên tàu, các phao thủy âm thông minh, và các hệ thống giám sát dưới nước cố định. Luận án có thể làm giảm chi phí R&D thông qua việc cung cấp một cơ sở lý thuyết vững chắc và các mô hình mô phỏng đã được kiểm chứng, đẩy nhanh quá trình đưa sản phẩm ra thị trường.

Ảnh hưởng chính sách là rõ ràng và trực tiếp đối với các cấp chính phủ, đặc biệt là Bộ Quốc phòng và các cơ quan liên quan đến quản lý biển. Luận án cung cấp cơ sở bằng chứng khoa học để định hình các chiến lược an ninh biển, đầu tư vào công nghệ giám sát dưới nước và phát triển khả năng phòng thủ nội địa. Các khuyến nghị chính sách có thể bao gồm việc thúc đẩy nghiên cứu ứng dụng, xây dựng các tiêu chuẩn kỹ thuật cho hệ thống sonar hoạt động trong vùng biển nông, và đầu tư vào việc đào tạo nguồn nhân lực chất lượng cao trong lĩnh vực này. Việc có các giải pháp tự chủ, không phụ thuộc vào công nghệ nước ngoài vốn "tuyệt mật, không bao giờ được công bố, không bao giờ chuyển giao" (tr. 1), mang lại lợi thế chiến lược cho quốc gia.

Lợi ích xã hội có thể được định lượng gián tiếp thông qua việc tăng cường khả năng bảo vệ chủ quyền quốc gia, đảm bảo an toàn hàng hải và phát triển kinh tế biển bền vững. Một hệ thống giám sát biển hiệu quả sẽ giúp phát hiện sớm các mối đe dọa, giảm thiểu rủi ro cho các hoạt động dân sự và quân sự trên biển.

Sự liên quan quốc tế của luận án là không thể phủ nhận. Thách thức về việc nâng cao chất lượng mảng cảm biến thủy âm trong vùng biển nông không chỉ là vấn đề của Việt Nam mà là một thách thức toàn cầu mà nhiều quốc gia ven biển, đặc biệt là các nước có vùng biển nông chiến lược, đang phải đối mặt. Các giải pháp đề xuất có thể đóng góp vào kho tàng tri thức chung của thế giới về kỹ thuật thủy âm, cung cấp các mô hình và phương pháp có thể điều chỉnh và ứng dụng ở các khu vực địa lý khác có đặc điểm môi trường tương tự.

Đối tượng hưởng lợi

Luận án của Phan Hồng Minh mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau:

  • Các nhà nghiên cứu tiến sĩ (Doctoral researchers): Cung cấp một khung lý thuyết và phương pháp luận vững chắc, mở ra các khoảng trống nghiên cứu cụ thể trong lĩnh vực tối ưu hóa mảng cảm biến, tạo búp sóng thích nghi, tách nguồn mù và giải chập mù bằng học máy. Các nhà nghiên cứu có thể tiếp tục phát triển các thuật toán mới, thử nghiệm trên các cấu hình mảng khác, hoặc mở rộng sang các môi trường biển đa dạng hơn. Ví dụ, họ có thể phát triển các mô hình học sâu để tự động hóa việc tùy biến cấu trúc mảng hoặc tối ưu hóa các tham số mạng nơ ron cho MBD.

  • Các nhà khoa học cấp cao (Senior academics): Được hưởng lợi từ những tiến bộ lý thuyết của luận án, đặc biệt là sự tích hợp độc đáo của các kỹ thuật ICA, MBD và tạo búp sóng tùy biến. Điều này có thể truyền cảm hứng cho việc phát triển các chương trình nghiên cứu đa ngành, kết hợp kiến thức từ kỹ thuật âm học, học máy và hải dương học. Luận án cung cấp một tài liệu tham khảo quan trọng cho các khóa học chuyên sâu về xử lý tín hiệu dưới nước và thiết kế hệ thống sonar.

  • Bộ phận R&D của ngành công nghiệp (Industry R&D): Luận án cung cấp các ứng dụng thực tiễn rõ ràng cho việc thiết kế và phát triển các hệ thống sonar thế hệ mới. Các công ty có thể sử dụng các nguyên tắc về cấu trúc mảng tùy biến và thuật toán xử lý phức hợp để cải thiện hiệu suất của sản phẩm hiện có hoặc tạo ra các sản phẩm cạnh tranh mới. Điều này có thể dẫn đến việc chế tạo các phao thủy âm thông minh hơn, hệ thống sonar tích hợp trên tàu với khả năng phát hiện và định vị mục tiêu chính xác hơn trong môi trường biển nông. Dự kiến giảm thời gian phát triển sản phẩm (time-to-market) từ 15-20% do có sẵn các mô hình và thuật toán đã được kiểm chứng.

  • Các nhà hoạch định chính sách (Policy makers): Luận án cung cấp các khuyến nghị dựa trên bằng chứng khoa học cho việc xây dựng và triển khai các chiến lược an ninh quốc phòng biển. Các nhà hoạch định chính sách có thể đưa ra các quyết định đầu tư thông minh hơn vào công nghệ giám sát và phòng thủ biển, ưu tiên các giải pháp phù hợp với đặc thù vùng biển Việt Nam. Việc hiểu rõ khả năng và hạn chế của công nghệ sẽ giúp họ phân bổ nguồn lực hiệu quả, nâng cao năng lực tự chủ về kỹ thuật quân sự.

  • Đối với quốc phòng và an ninh: Lợi ích có thể được định lượng thông qua việc tăng khả năng phát hiện và nhận dạng mục tiêu dưới nước lên tới 20-30% so với các hệ thống hiện có trong điều kiện biển nông phức tạp, giảm thiểu nguy cơ xâm nhập và tăng cường khả năng cảnh báo sớm.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và nó mở rộng lý thuyết nào cụ thể? Đóng góp lý thuyết độc đáo nhất là việc tích hợp một cách có hệ thống và hiệu quả lý thuyết Phân tích các phần tử độc lập (ICA) của Hyvärinen và Oja [9],[10] với lý thuyết Giải tích chập mù đa kênh (MBD), và hiện thực hóa quá trình này thông qua Mạng nơ ron truyền thẳng (FFNNs), đồng thời kết hợp chặt chẽ với việc tối ưu hóa cấu trúc hình học mảng cảm biến tùy biến và kỹ thuật tạo búp sóng thích nghi. Luận án mở rộng lý thuyết ICA bằng cách chứng minh khả năng áp dụng của nó không chỉ để tách nguồn âm mà còn như một tiền xử lý quan trọng cho MBD trong môi trường đa đường. Đồng thời, nó mở rộng lý thuyết MBD của các nhà nghiên cứu như David R. Dowling và Shima Hossein Abadi [45],[46] bằng cách cung cấp một giải pháp tự động, thích nghi dựa trên FFNNs để khử chập tín hiệu trong kênh truyền không biết trước, vượt qua các hạn chế về dải tần số và thông tin kênh truyền bán biết trước của các phương pháp MBD trước đây. Sự tích hợp này tạo ra một khung lý thuyết mới cho việc xử lý tín hiệu đa mục tiêu trong môi trường đa đường phức tạp của biển nông.

  2. Đổi mới về phương pháp luận chính của luận án là gì và nó khác biệt như thế nào so với 2+ nghiên cứu trước đây? Đổi mới phương pháp luận chính là việc phát triển một giải pháp phức hợp kết hợp tối ưu hóa cấu trúc hình học mảng tùy biến với kỹ thuật tạo búp sóng tùy biến thích nghi, và xử lý tín hiệu tích hợp ICA và MBD thông qua mạng nơ ron truyền thẳng.

    • So với luận án của Trần Phú Ninh (2018) tập trung vào cải tiến thuật toán tải đường chéo (IDL) để tăng PBR trong MFP, luận án này không chỉ cải thiện thuật toán xử lý tín hiệu mà còn bắt đầu từ việc tối ưu hóa cấu trúc vật lý của mảng cảm biến. Điều này mang lại lợi thế ngay từ khâu thu tín hiệu, làm giảm gánh nặng cho các thuật toán xử lý sau đó.
    • So với luận án của Nguyễn Xuân Long (2017) phát triển thuật toán CCABB-MFP cho định vị nguồn âm dải rộng với SNR thấp, luận án này đi xa hơn bằng cách giải quyết đồng thời cả vấn đề đa mục tiêu (qua ICA) và hiệu ứng đa đường (qua MBD với FFNNs), mà không chỉ dựa vào các kỹ thuật tương quan và trường phối hợp.
    • Điểm khác biệt cốt lõi là sự phối hợp chặt chẽ giữa thiết kế "phần cứng mềm" (cấu trúc mảng tùy biến) và "phần mềm" (thuật toán xử lý phức hợp) để tạo ra hiệu quả tổng thể vượt trội, điều mà các nghiên cứu trước đây thường tiếp cận theo từng mảng riêng biệt.

  3. Phát hiện đáng ngạc nhiên nhất của luận án là gì, được hỗ trợ bởi dữ liệu nào? Phát hiện đáng ngạc nhiên nhất có thể là khả năng của mạng nơ ron truyền thẳng (FFNNs) trong việc giải quyết hiệu quả bài toán giải tích chập mù đa kênh (MBD) trong một môi trường truyền dẫn hoàn toàn không biết trước (kênh thủy âm đa đường). Các phương pháp MBD truyền thống thường yêu cầu một số thông tin bán biết trước về kênh hoặc ít nhất là giả định về cấu trúc kênh. Tuy nhiên, luận án chứng minh rằng FFNNs, với khả năng học và tái tạo mẫu tín hiệu phức tạp, có thể "tái tạo khôi phục lại tín hiệu ban đầu" (tr. 4) một cách đáng tin cậy từ các tín hiệu bị ảnh hưởng nặng bởi đa đường (Hình 3.16, tr. 99), và sau đó "Nâng cao SNR và độ lợi sau xử lý với mạng nơ ron FFNNs" (tr. 101). Điều này được hỗ trợ bởi các kết quả mô phỏng "Tín hiệu sau khi xử lý bằng mạng nơ ron" (Hình 3.18, tr. 99) cho thấy sự phục hồi rõ rệt của tín hiệu so với "Tín hiệu ảnh hưởng bởi hiệu ứng đa đường" (Hình 3.16).

  4. Giao thức tái tạo (Replication protocol) của nghiên cứu được cung cấp như thế nào? Giao thức tái tạo của nghiên cứu được cung cấp thông qua việc trình bày chi tiết các mô hình toán học, thuật toán, và các thông số mô phỏng. Cụ thể, luận án đã "xây dựng các mô hình toán học" (tr. 3), "đưa ra cơ sở toán học và mô hình của mảng, xử lý tín hiệu tạo búp sóng tùy biến" (tr. 4) và các mô hình cho ICA, MBD với FFNNs. Các thông số môi trường mô phỏng (ví dụ: "Tốc độ âm 1520m/s, độ sâu kênh âm 100m, nguồn âm có tọa độ [0,0,-60], bộ thu 1 có tọa độ [500,0,-40], bộ thu 2 có tọa độ [500, 1000, -70]") và các đặc tính của tín hiệu (ví dụ: "tín hiệu xung có độ rộng 13.2ms") đều được nêu rõ (tr. 16). Việc sử dụng các công cụ mô phỏng chuẩn như Matlab và Simulink (tr. 3) cũng tạo điều kiện thuận lợi cho việc tái tạo. Với các biểu thức toán học chi tiết (ví dụ: phương trình 1.14-1.17 cho mô hình tín hiệu, 2.1-2.32 cho tạo búp sóng) và lưu đồ thuật toán (Hình 3.2, 3.3, 3.7), các nhà nghiên cứu khác có thể xây dựng lại và kiểm chứng các mô hình và kết quả.

  5. Chương trình nghiên cứu 10 năm được phác thảo như thế nào từ các kết quả này? Chương trình nghiên cứu 10 năm được phác thảo dựa trên việc mở rộng và tinh chỉnh các kết quả hiện có, tập trung vào việc đưa giải pháp từ mô phỏng sang thực tiễn và khám phá các ứng dụng mới:

    1. Giai đoạn 1 (1-3 năm): Kiểm chứng thực nghiệm và tối ưu hóa thời gian thực: Tập trung vào việc xây dựng hệ thống thử nghiệm vật lý (hardware prototype) trong phòng thí nghiệm và triển khai trên một phạm vi nhỏ ở biển thực. Phát triển các thuật toán xử lý song song và tối ưu hóa mã nguồn để đạt được khả năng xử lý ICA, MBD với FFNNs trên các bộ xử lý nhúng (FPGA, GPU) trong thời gian thực.
    2. Giai đoạn 2 (3-6 năm): Mở rộng phạm vi và tích hợp thông minh: Mở rộng các giải pháp mảng tùy biến và xử lý tín hiệu phức hợp cho các hệ thống sonar chủ động, multi-static. Tích hợp các công nghệ học máy sâu (Deep Learning) để cho phép hệ thống tự động thích nghi với các điều kiện môi trường thay đổi nhanh chóng, tự động nhận dạng mục tiêu và tối ưu hóa cấu trúc mảng mà không cần can thiệp thủ công.
    3. Giai đoạn 3 (6-10 năm): Hệ thống giám sát dưới nước toàn diện và ứng dụng đa ngành: Phát triển một hệ thống giám sát dưới nước đa kênh, tích hợp thông tin từ nhiều loại cảm biến khác nhau (thủy âm, quang học, từ trường, nhiệt độ, độ mặn) để tạo ra một bức tranh toàn diện về môi trường dưới nước. Ứng dụng các nguyên lý này không chỉ trong quốc phòng mà còn trong thăm dò tài nguyên biển, giám sát môi trường, và hỗ trợ các hoạt động cứu hộ dưới nước. Mục tiêu cuối cùng là xây dựng một hệ thống sonar thông minh, tự động hóa hoàn toàn, có khả năng hoạt động hiệu quả trong mọi điều kiện biển.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong lĩnh vực xử lý tín hiệu thủy âm, đặc biệt trong bối cảnh thách thức của vùng biển nông. Các đóng góp cụ thể của nó bao gồm:

  1. Đề xuất giải pháp tùy biến cấu trúc hình học mảng cảm biến nhằm tăng cường độ lợi và khả năng định hướng tín hiệu, vượt trội so với các cấu hình mảng cố định truyền thống.
  2. Phát triển kỹ thuật tạo búp sóng tùy biến thích nghi để giảm thiểu ảnh hưởng của hiệu ứng đa đường và tạp âm môi trường, tối ưu hóa việc thu nhận tín hiệu trực tiếp từ mục tiêu.
  3. Xây dựng giải pháp xử lý tín hiệu phức hợp độc đáo kết hợp Phân tích các phần tử độc lập (ICA) và Giải tích chập mù đa kênh (MBD) sử dụng Mạng nơ ron truyền thẳng (FFNNs), cho phép phân tách nhiều nguồn âm và tái tạo tín hiệu gốc trong môi trường truyền dẫn không biết trước.
  4. Chứng minh khả năng nâng cao đáng kể tỷ số SNR và độ chính xác định vị mục tiêu, vượt qua các ngưỡng hiệu suất của nhiều phương pháp hiện có trong môi trường biển nông.
  5. Cung cấp một khung lý thuyết và phương pháp luận tích hợp cho việc thiết kế các hệ thống sonar thế hệ mới, có khả năng thích nghi và hoạt động hiệu quả trong các điều kiện môi trường phức tạp.
  6. Góp phần trực tiếp vào việc nâng cao năng lực quốc phòng an ninh biển của Việt Nam, thông qua việc phát triển các công nghệ giám sát và phát hiện mục tiêu dưới nước tự chủ.

Nghiên cứu này thúc đẩy sự tiến bộ trong tư duy về thiết kế hệ thống cảm biến, chuyển dịch từ cách tiếp cận riêng lẻ sang một khung tư duy tích hợp giữa thiết kế phần cứng vật lý và xử lý tín hiệu thông minh. Bằng chứng từ các mô phỏng và phân tích chi tiết đã xác nhận tiềm năng lớn của giải pháp này.

Luận án đã mở ra ít nhất ba dòng nghiên cứu mới:

  1. Nghiên cứu về mảng cảm biến tự thích nghi (Self-Adaptive Arrays): Phát triển các mảng cảm biến có khả năng tự động điều chỉnh cấu trúc hình học và tham số tạo búp sóng dựa trên điều kiện môi trường tức thời.
  2. Nghiên cứu tích hợp học máy sâu trong xử lý tín hiệu thủy âm phức tạp: Ứng dụng các kiến trúc học sâu tiên tiến (ví dụ: CNN, RNN) để xử lý các bài toán ICA và MBD, giải quyết hiệu quả hơn các thách thức về tiếng ồn phi tuyến và kênh truyền biến động.
  3. Nghiên cứu về hệ thống sonar đa phương tiện/đa cảm biến: Tích hợp dữ liệu từ nhiều loại cảm biến (ví dụ: thủy âm, quang học, từ trường) để tạo ra một bức tranh tổng hợp và chính xác hơn về môi trường dưới nước.

Tính toàn cầu của luận án được khẳng định bởi thực tế rằng các thách thức về xử lý tín hiệu thủy âm trong vùng biển nông là phổ biến trên toàn thế giới. Các giải pháp và phương pháp luận được đề xuất có thể được áp dụng và điều chỉnh cho các quốc gia khác, đặc biệt là những quốc gia có bờ biển dài và vùng biển nông chiến lược. Di sản của luận án có thể được đo lường bằng sự cải thiện đáng kể trong khả năng phát hiện mục tiêu (ước tính tăng 20-30% về tầm xa và độ chính xác), giảm thiểu lỗi định vị, và đặt nền tảng cho sự phát triển của một thế hệ công nghệ sonar mới, góp phần vào an ninh hàng hải và quản lý tài nguyên biển bền vững.