Tổng quan về luận án

Luận án "Nghiên cứu các giải pháp giảm méo phi tuyến của LNA trong máy thu vô tuyến số đa kênh" của Vũ Ngọc Anh là một công trình khoa học tiên phong trong lĩnh vực Kỹ thuật Điện tử, giải quyết một thách thức cốt lõi trong thiết kế hệ thống thông tin vô tuyến hiện đại. Bối cảnh khoa học của nghiên cứu đặt trong sự chuyển dịch từ các kiến trúc máy thu siêu ngoại sai truyền thống, vốn phức tạp và hạn chế về băng tần/đa kênh, sang các máy thu đổi tần trực tiếp (DCR) và lấy mẫu trực tiếp (DSR) với cấu trúc đơn giản hơn và khả năng thu đa kênh băng rộng. Tuy nhiên, sự dịch chuyển này kéo theo một vấn đề nghiêm trọng: méo phi tuyến của Bộ khuếch đại tạp âm thấp (LNA), đặc biệt khi máy thu hoạt động trong môi trường đa kênh với tín hiệu RF lớn. Méo phi tuyến này làm suy giảm đáng kể chất lượng tín hiệu, ảnh hưởng đến tỷ lệ lỗi bit (BER), tỷ số tín hiệu trên tạp âm cộng méo (SNDR) và độ lớn véc tơ lỗi (EVM).

Research gap cụ thể mà luận án này giải quyết bắt nguồn từ những hạn chế của các giải pháp hiện có. Trong khi các nghiên cứu trước đây như của Ma [20] và Peng et al. [22] đã đề xuất các phương pháp giảm méo cho LNA, chúng thường tập trung vào cấu trúc DCR, chỉ xử lý các thành phần xuyên điều chế (IMD) bậc lẻ và bỏ qua các hài bậc chẵn do giả định rằng chúng sẽ được lọc bỏ. Các giải pháp này cũng đòi hỏi bộ lọc chất lượng cao ở miền RF hoặc thông tin a priori về các kênh gây méo, gây ra gánh nặng tài nguyên đáng kể cho FPGA hoặc hạn chế ứng dụng trong môi trường động. Hơn nữa, các thuật toán thích nghi hiện có như trong [18, 25, 34] thường sử dụng bước điều chỉnh cố định, dẫn đến tốc độ hội tụ chậm khi cần độ chính xác cao. Giải pháp dùng kênh tham chiếu cũng thường bỏ qua các yếu tố như DC–offset, mất cân bằng IQ, phi tuyến bộ trộn, và nhiễu lượng tử, làm giảm độ tin cậy. Nghiên cứu sinh nhận thấy rõ rằng các giải pháp bảng tra (LUT) đã được áp dụng rộng rãi cho bộ khuếch đại công suất (PA) [38–46], nhưng việc ứng dụng chúng cho LNA, đặc biệt trong bối cảnh máy thu đa kênh, còn hạn chế do đặc tính khác biệt về hiệu ứng nhớ và dải tần hoạt động.

Luận án này định vị mình bằng cách đưa ra các giải pháp tiên tiến, toàn diện hơn để giảm méo phi tuyến của LNA trong cả DCR và DSR, tập trung vào việc cải thiện hiệu quả xử lý và độ chính xác trong các tình huống thực tế. Các câu hỏi nghiên cứu chính mà luận án này tìm cách trả lời bao gồm:

  1. Làm thế nào để giảm thời gian hội tụ và tăng độ chính xác của thuật toán thích nghi xử lý méo LNA mà không cần thông tin a priori về kênh?
  2. Liệu kỹ thuật lấy mẫu dưới có thể được áp dụng hiệu quả cho kênh thu tham chiếu để giảm yêu cầu phần cứng và năng lượng tiêu thụ trong hệ thống giảm méo LNA cho DCR không?
  3. Làm thế nào để xây dựng một giải pháp giảm méo LNA dựa trên bảng tra tham số hiệu quả cho các máy thu đa kênh, tận dụng đặc tính dải tần rộng và không hiệu ứng nhớ của LNA?

Khung lý thuyết của luận án được xây dựng dựa trên các mô hình phi tuyến của bộ khuếch đại, đặc biệt là chuỗi Volterra và các mô hình rút gọn như Hammerstein hoặc Volterra rút gọn [48, 78–83]. Luận án mở rộng lý thuyết về xử lý tín hiệu thích nghi (Adaptive Signal Processing) với việc đề xuất thuật toán LMS có bước điều chỉnh thay đổi [87, 88], và áp dụng lý thuyết lấy mẫu tín hiệu (Sampling Theory), cụ thể là lấy mẫu dưới (Undersampling) [36, 37], trong bối cảnh kênh tham chiếu.

Luận án đưa ra ba đóng góp đột phá với tác động định lượng rõ rệt:

  1. Thuật toán VLMS cải tiến: Đề xuất một thuật toán LMS với bước điều chỉnh thay đổi tuyến tính, giúp tăng tốc độ hội tụ đáng kể trong khi vẫn duy trì độ chính xác cao. Kết quả mô phỏng cho thấy sự cải thiện rõ rệt về thời gian xử lý và SNDR, vượt trội so với các thuật toán LMS bước cố định truyền thống, điều này được công bố trong [J1] và chi tiết tại Chương 2. Giải pháp này xử lý méo mà không cần biết trước thông tin kênh, một tiến bộ quan trọng cho các hệ thống vô tuyến cấu hình mềm (SDR).
  2. Lấy mẫu dưới cho kênh tham chiếu: Đưa ra kỹ thuật lấy mẫu dưới cho kênh thu tham chiếu, một giải pháp chưa từng được giới thiệu trước đó cho mục đích xử lý méo LNA. Điều này giúp giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ của máy thu, tăng tính khả thi cho việc triển khai thực tế. Kết quả kiểm tra giải pháp này được công bố trong [J2] và chi tiết tại Chương 3, thể hiện sự tối ưu hóa tài nguyên phần cứng.
  3. Bảng tra tham số cho LNA: Phát triển một giải pháp giảm méo LNA sử dụng bảng tra tham số cho mô hình phi tuyến, vốn chủ yếu được áp dụng cho PA. Lợi thế của LNA là dải tần làm việc rộng và thường không có hiệu ứng nhớ, cho phép đơn giản hóa mô hình và tăng hiệu quả xử lý. Giải pháp này đã được công bố trong [C2] và trình bày tại Chương 4.

Phạm vi nghiên cứu của luận án tập trung vào ảnh hưởng của méo phi tuyến của LNA trong máy thu vô tuyến đổi tần trực tiếp và lấy mẫu trực tiếp khi thu đa kênh, đa sóng mang, và các giải pháp xử lý méo này. Luận án thực hiện mô phỏng trên Matlab và kiểm tra thực nghiệm với các tín hiệu QPSK đa kênh, sử dụng các thiết bị đo chuyên dụng như máy phân tích phổ N9320B và máy phân tích thông tin CS9000. Điều này đảm bảo tính xác thực và khả năng ứng dụng thực tiễn của các giải pháp đề xuất. Tổng cộng, luận án mở ra những hướng tiếp cận mới để tối ưu hóa hiệu suất của máy thu vô tuyến số đa kênh, đặc biệt trong các môi trường RF phức tạp như dải sóng ngắn với mật độ tần số dày đặc và chênh lệch công suất lớn.

Literature Review và Positioning

Nghiên cứu về giảm méo phi tuyến trong các hệ thống vô tuyến đã phát triển mạnh mẽ qua nhiều thập kỷ, với các dòng nghiên cứu chính tập trung vào hai thành phần gây méo chủ yếu: Bộ khuếch đại công suất (PA) ở máy phát và Bộ khuếch đại tạp âm thấp (LNA) ở máy thu. Trong khi các công trình của Peng và Bauman [10, 11] thường thảo luận về méo PA và các giải pháp tuyến tính hóa, thì các nghiên cứu liên quan đến LNA lại đối mặt với những thách thức riêng biệt do tính chất không cố định và phụ thuộc vào mức năng lượng thu của méo.

Luận án này tổng hợp các dòng nghiên cứu lớn về xử lý méo LNA trong máy thu đa kênh. Một hướng tiếp cận phổ biến là sử dụng các thuật toán xử lý tín hiệu số (DSP) để tái tạo và trừ méo (Distortion Subtraction - DS) hoặc nghịch đảo méo (Distortion Inversion - DI). Các tác giả như Ghannouchi và Hammi [18, 25] đã đề xuất các giải pháp sử dụng kênh thu tham chiếu phụ để mô hình hóa và loại bỏ méo. Tuy nhiên, các nghiên cứu này thường tập trung vào cấu trúc máy thu đổi tần trực tiếp (DCR) và chủ yếu xử lý các thành phần xuyên điều chế (IMD) bậc lẻ của các kênh tần số sóng mang gần nhau. Ví dụ, Ma [20] đã trình bày giải pháp sửa méo cho LNA trong máy thu DCR đa kênh, nhưng giải pháp này chỉ giảm được các thành phần phi tuyến nằm bên ngoài băng thông của kênh mong muốn, còn các thành phần méo nằm bên trong kênh thì không được xử lý. Marttila [19] đã mở rộng việc sửa méo không chỉ cho LNA mà còn cho các phần tử phi tuyến khác như mất cân bằng IQ và ADC, nhưng đòi hỏi thông tin a priori về các kênh gây méo, điều này khó khăn trong môi trường thực tế động.

Tồn tại những mâu thuẫn và tranh luận đáng kể trong lĩnh vực này. Một quan điểm, đại diện bởi các công trình như [10, 11], cho rằng các hài bậc chẵn của méo LNA trong DCR có thể dễ dàng loại bỏ bằng các bộ lọc vì chúng nằm cách xa tần số tín hiệu. Ngược lại, luận án này, đặc biệt khi xem xét cấu trúc máy thu lấy mẫu trực tiếp (DSR), chỉ ra rằng "với tần số sóng mang thấp các thành phần hài bậc chẵn và bậc lẻ sinh ra đều có thể nằm ở trong dải tần cần thu", đòi hỏi một phương pháp xử lý toàn diện hơn. Điều này đặt ra một thách thức lớn hơn so với các phương pháp truyền thống chỉ tập trung vào IMD bậc lẻ. Một tranh luận khác liên quan đến tốc độ hội tụ và độ chính xác của các thuật toán thích nghi. Các nghiên cứu như [18, 25, 34] thường sử dụng thuật toán LMS với bước điều chỉnh cố định, dẫn đến sự đánh đổi giữa tốc độ hội tụ và độ chính xác. Luận án này giải quyết vấn đề đó bằng cách đề xuất một thuật toán LMS có bước điều chỉnh thay đổi tuyến tính, "Lúc đầu bước điều chỉnh được chọn lớn để tăng tốc độ điều chỉnh, và khi LMS gần đạt hội tụ thì µi được giảm nhỏ để tăng độ chính xác của thuật toán," như mô tả trong Chương 2, điều này khác biệt so với giải pháp trong [35] vốn sử dụng hàm toán học phức tạp.

Luận án này định vị mình trong tài liệu hiện có bằng cách tập trung vào ba hướng đóng góp chính, vượt qua các hạn chế đã nêu:

  1. VLMS tiên tiến: Cải tiến thuật toán LMS bằng cách đưa vào bước điều chỉnh thay đổi, tối ưu hóa cả tốc độ hội tụ và độ chính xác mà không yêu cầu thông tin kênh. Điều này nâng cao hiệu suất của các giải pháp xử lý méo trong miền số đã được đề xuất bởi Ghannouchi và Hammi [18, 25].
  2. Lấy mẫu dưới cho kênh tham chiếu: Đưa ra một kỹ thuật lấy mẫu dưới độc đáo cho kênh tham chiếu tuyến tính trong DCR, giải quyết vấn đề về yêu cầu phần cứng và năng lượng tiêu thụ, đồng thời khắc phục các yếu tố bị bỏ qua trong các nghiên cứu trước như DC-offset, mất cân bằng IQ và nhiễu lượng tử của kênh tham chiếu [18, 25, 34].
  3. Bảng tra tham số cho LNA: Điều chỉnh và áp dụng phương pháp bảng tra tham số, vốn thường được sử dụng cho PA [38–46], để xử lý méo phi tuyến của LNA trong máy thu đa kênh. Điều này tận dụng đặc tính không hiệu ứng nhớ của LNA trong băng thông rộng để đơn giản hóa mô hình và cải thiện hiệu quả.

So sánh với ít nhất 2 nghiên cứu quốc tế:

  • So với Ma (2007) [20]: Nghiên cứu của Ma tập trung vào máy thu đa kênh DCR, sử dụng bộ lọc để giảm méo nhưng chỉ hiệu quả với các thành phần phi tuyến nằm ngoài băng tần mong muốn. Luận án này, đặc biệt trong DSR, xử lý méo gồm cả các thành phần hài và xuyên điều chế cho đồng thời tất cả các kênh ở gần và cách xa nhau, thậm chí khi chúng nằm trong băng tần, cung cấp một giải pháp toàn diện hơn. Ví dụ, kết quả kiểm tra với ba kênh gây méo ở tần số 7,8 MHz, 13,6 MHz, 14,6 MHz ảnh hưởng đến kênh 15,6 MHz trong Hình 1.24 chứng minh khả năng xử lý các méo nằm trong băng tần.
  • So với Peng và đồng sự (2012) [22]: Peng đề xuất giải pháp giảm méo LNA cho DSR bằng cách nhận dạng và xử lý méo bên trong FPGA mà không cần biết trước thông tin kênh. Tuy nhiên, giải pháp này đòi hỏi thiết kế các bộ lọc chất lượng cao và biến đổi Fourier nhanh (FFT) ngay tại miền tần số vô tuyến (RF), tiêu tốn một lượng tài nguyên FPGA rất lớn. Luận án này, thông qua VLMS và kỹ thuật lấy mẫu dưới, cung cấp các giải pháp có độ phức tạp tính toán và yêu cầu tài nguyên phần cứng thấp hơn, đồng thời vẫn đạt được hiệu suất cao. Ví dụ, việc giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ thông qua lấy mẫu dưới là một lợi thế rõ ràng.

Như vậy, luận án này không chỉ tổng hợp các kiến thức hiện có mà còn mở rộng và cải tiến chúng thông qua các phương pháp độc đáo, định vị mình là một đóng góp quan trọng trong việc thúc đẩy khả năng tuyến tính hóa LNA trong kỷ nguyên máy thu vô tuyến số đa kênh băng rộng.

Đóng góp lý thuyết và khung phân tích

Luận án này đóng góp đáng kể vào lĩnh vực Kỹ thuật Điện tử và Xử lý Tín hiệu số bằng cách mở rộng và thách thức một số lý thuyết cốt lõi, đồng thời giới thiệu một khung phân tích độc đáo để giải quyết vấn đề méo phi tuyến của LNA trong máy thu vô tuyến số đa kênh.

Đóng góp cho lý thuyết

Luận án extend/challenge các lý thuyết cụ thể sau:

  • Lý thuyết Xử lý Tín hiệu Thích nghi (Adaptive Signal Processing) - Thuật toán LMS (Widrow & Hoff, 1960): Luận án mở rộng lý thuyết LMS bằng cách đề xuất một phiên bản có bước điều chỉnh thay đổi (VLMS). Thuật toán LMS truyền thống, như được trình bày bởi Widrow và Hoff [87, 88], sử dụng bước điều chỉnh cố định, dẫn đến sự đánh đổi giữa tốc độ hội tụ và độ chính xác. Luận án thách thức giả định về bước điều chỉnh cố định bằng cách chứng minh rằng "Lúc đầu bước điều chỉnh được chọn lớn để tăng tốc độ điều chỉnh, và khi LMS gần đạt hội tụ thì µi được giảm nhỏ để tăng độ chính xác của thuật toán." Sự cải tiến này, với việc điều chỉnh µi tuyến tính theo thời gian, đại diện cho một bước tiến trong việc tối ưu hóa hiệu suất của các bộ lọc thích nghi trong môi trường tín hiệu động và không biết trước thông tin kênh, như trường hợp méo LNA. Điều này cung cấp một cơ sở lý thuyết vững chắc hơn cho các ứng dụng thực tế đòi hỏi cả tốc độ và độ chính xác cao.
  • Lý thuyết Lấy mẫu Tín hiệu (Sampling Theory) - Kỹ thuật Lấy mẫu dưới (Undersampling): Luận án áp dụng kỹ thuật lấy mẫu dưới [36, 37] theo một cách thức mới để tối ưu hóa kênh tham chiếu trong hệ thống giảm méo LNA. Lấy mẫu dưới thường được dùng để số hóa trực tiếp tín hiệu RF băng thông hẹp ở tần số sóng mang cao. Tuy nhiên, luận án này sử dụng "kỹ thuật lấy mẫu dưới cho ADC cho kênh tham chiếu được coi là kênh tuyến tính để xử lý méo phi tuyến của LNA chưa được giới thiệu trước đó." Điều này mở rộng ứng dụng lý thuyết lấy mẫu dưới từ việc thu tín hiệu chính sang việc tối ưu hóa kiến trúc kênh phụ trong các hệ thống xử lý méo, giảm thiểu yêu cầu về phần cứng và năng lượng tiêu thụ.

Khung khái niệm (Conceptual Framework) của luận án bao gồm các thành phần chính: Méo phi tuyến của LNA, Mô hình phi tuyến (Non-linear Model), và Các thuật toán xử lý méo (Distortion Mitigation Algorithms). Méo phi tuyến của LNA được đặc trưng bởi các điểm nén (P1dB) và điểm chặn (IP2, IP3) [69, 70]. Luận án sử dụng các mô hình phi tuyến như mô hình Volterra rút gọn [48] hoặc Hammerstein [11] để biểu diễn đặc tính méo. Các thuật toán xử lý méo bao gồm phương pháp trừ méo (DS) và nghịch đảo méo (DI), được cải tiến bằng VLMS hoặc tích hợp với kỹ thuật lấy mẫu dưới cho kênh tham chiếu và giải pháp bảng tra (LUT). Mối quan hệ giữa các thành phần này là: méo phi tuyến được mô hình hóa, sau đó mô hình này được sử dụng bởi các thuật toán xử lý để tạo ra tín hiệu bù hoặc điều chỉnh, nhằm giảm thiểu tác động của méo đến tín hiệu mong muốn.

Mô hình lý thuyết (Theoretical Model) với các mệnh đề/giả thuyết được đánh số:

  1. Mệnh đề 1: Việc áp dụng thuật toán LMS với bước điều chỉnh thay đổi tuyến tính (VLMS) sẽ cải thiện đáng kể tốc độ hội tụ và độ chính xác trong việc nhận dạng và loại bỏ méo phi tuyến của LNA so với LMS bước cố định. (Kết quả từ Chương 2, công trình [J1])
  2. Mệnh đề 2: Sử dụng kỹ thuật lấy mẫu dưới cho kênh thu tham chiếu tuyến tính sẽ giảm yêu cầu về phần cứng và năng lượng tiêu thụ của ADC mà vẫn đảm bảo hiệu quả xử lý méo phi tuyến của LNA trong DCR. (Kết quả từ Chương 3, công trình [J2])
  3. Mệnh đề 3: Một giải pháp dựa trên bảng tra tham số có thể được phát triển để xử lý méo phi tuyến của LNA trong máy thu đa kênh, tận dụng đặc tính không hiệu ứng nhớ của LNA để đạt được hiệu suất cao và độ phức tạp thấp. (Kết quả từ Chương 4, công trình [C2])

Luận án không đề xuất một "paradigm shift" theo nghĩa thay đổi hoàn toàn cách chúng ta hiểu về hiện tượng méo, nhưng nó đẩy mạnh paradigm hiện có trong xử lý méo phi tuyến bằng cách cung cấp các công cụ và phương pháp mới để vượt qua các rào cản kỹ thuật. Bằng chứng từ các phát hiện cho thấy luận án đã cung cấp "giải pháp giảm méo mà không cần biết trước các thông tin về kênh thu và kênh gây méo" (đóng góp 1), "giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ" (đóng góp 2), và "đưa ra giải pháp giảm méo cho LNA bằng cách dùng bảng tra tham số" (đóng góp 3). Đây là những cải tiến đáng kể trong khả năng thực thi các hệ thống vô tuyến tuyến tính hóa.

Khung phân tích độc đáo

Luận án thể hiện một khung phân tích độc đáo thông qua việc tích hợp các lý thuyết từ nhiều lĩnh vực:

  • Lý thuyết Xử lý Tín hiệu số (Digital Signal Processing - DSP): Là nền tảng cho việc thực hiện các thuật toán như LMS, FFT, DDC.
  • Lý thuyết Mạch và Hệ thống Tương tự/RF (Analog/RF Circuit and System Theory): Cung cấp sự hiểu biết sâu sắc về các đặc tính phi tuyến của LNA (P1dB, IP3) và các kiến trúc máy thu (DCR, DSR).
  • Lý thuyết Hệ thống Thích nghi (Adaptive Systems Theory): Đặc biệt là thuật toán LMS và các biến thể của nó.
  • Lý thuyết Mô hình hóa Phi tuyến (Non-linear Modeling Theory): Cụ thể là chuỗi Volterra và các mô hình Hammerstein, Polyspectral, đa thức có nhớ.

Luận án giới thiệu một novel analytical approach bằng cách kết hợp mô hình hóa phi tuyến LNA với các thuật toán xử lý tín hiệu số tiên tiến (VLMS, lấy mẫu dưới kênh tham chiếu, bảng tra) theo những cách thức mới, được tối ưu hóa cho các đặc điểm riêng của LNA trong máy thu đa kênh.

  • Đối với VLMS: Sự kết hợp giữa mô hình phi tuyến (Volterra rút gọn) với thuật toán thích nghi có bước điều chỉnh thay đổi để xử lý đồng thời cả hài và xuyên điều chế trong DSR là một cách tiếp cận toàn diện hơn so với các nghiên cứu trước đây vốn tập trung vào IMD bậc lẻ trong DCR.
  • Đối với lấy mẫu dưới kênh tham chiếu: Việc sử dụng một kênh tham chiếu tuyến tính với ADC lấy mẫu dưới, đặc biệt để số hóa "các kênh tín hiệu gây méo có mức năng lượng cao, yêu cầu tuyến tính được ưu tiên nên kênh này không có khuếch đại," là một cách tiếp cận sáng tạo để tối ưu hóa hiệu quả phần cứng và năng lượng, đồng thời giải quyết các hạn chế của kênh tham chiếu truyền thống.
  • Đối với bảng tra tham số: Áp dụng bảng tra để "xác định trước" các tham số phi tuyến của LNA, tận dụng "dải tần làm việc rất rộng và tham số khá đồng đều" của LNA, là một giải pháp đơn giản hóa nhưng hiệu quả, khác biệt so với việc sử dụng bảng tra phức tạp cho PA với hiệu ứng nhớ.

Các đóng góp khái niệm (Conceptual contributions) bao gồm định nghĩa lại hiệu quả của các giải pháp xử lý méo thông qua các chỉ số như SNDR và BER dưới góc độ của thời gian xử lý và tài nguyên phần cứng, không chỉ dừng lại ở hiệu quả giảm méo đơn thuần.

Các Boundary conditions được nêu rõ:

  • Luận án tập trung vào méo phi tuyến của LNA, không phải các thành phần phi tuyến khác trong máy thu (trừ khi chúng liên quan trực tiếp đến kênh tham chiếu).
  • Các giải pháp được kiểm tra trong môi trường máy thu đa kênh, đa sóng mang, đặc biệt là DCR và DSR.
  • Mô hình phi tuyến được giới hạn đến bậc ba, với giả định rằng "các thành phần bậc cao hơn thường nhỏ gần với mức tạp của máy thu khi LNA làm việc dưới mức bão hòa" và "phi tuyến của LNA có thể được coi là không có hiệu ứng nhớ" trong băng thông sử dụng của máy thu.
  • Các giải pháp được đánh giá trong môi trường tín hiệu điều chế QPSK.

Điều này đảm bảo rằng các kết quả và kết luận của luận án có tính ứng dụng và phạm vi rõ ràng trong nghiên cứu khoa học.

Phương pháp nghiên cứu tiên tiến

Phương pháp nghiên cứu của luận án được thiết kế một cách tỉ mỉ và chặt chẽ, kết hợp mô phỏng lý thuyết với kiểm chứng thực nghiệm, thể hiện sự thấu hiểu sâu sắc về kỹ thuật điện tử và xử lý tín hiệu.

Thiết kế nghiên cứu

  • Triết lý nghiên cứu (Research philosophy): Luận án tuân theo triết lý thực chứng (positivism) hoặc một dạng thực chứng hậu kỳ (post-positivism) khi tìm kiếm các mối quan hệ nhân quả có thể đo lường được giữa các yếu tố (ví dụ: méo LNA và chất lượng tín hiệu) và kiểm định các giải pháp một cách khách quan. Nó nhấn mạnh vào việc xây dựng mô hình toán học và kiểm tra các giả thuyết thông qua dữ liệu định lượng.
  • Phương pháp hỗn hợp (Mixed methods): Luận án sử dụng phương pháp hỗn hợp, kết hợp mạnh mẽ giữa mô phỏng phần mềm (Matlab) và kiểm tra thực nghiệm phần cứng.
    • Mô phỏng Matlab: Được sử dụng rộng rãi để phát triển và đánh giá ban đầu các giải pháp VLMS (Chương 2), lấy mẫu dưới cho kênh tham chiếu (Chương 3) và bảng tra tham số (Chương 4). Điều này cho phép nhanh chóng kiểm tra các ý tưởng và tối ưu hóa tham số trong môi trường có kiểm soát. Ví dụ, "Mô phỏng VLMS trên Matlab" trong Chương 2 đã được thực hiện để đánh giá thời gian hội tụ, SNDR và BER.
    • Thực nghiệm: Các giải pháp sau đó được kiểm tra trên bo mạch xử lý số tín hiệu và các thiết bị đo thực tế.
  • Thiết kế đa cấp (Multi-level design): Luận án gián tiếp áp dụng thiết kế đa cấp.
    • Cấp độ linh kiện: Nghiên cứu đặc tính phi tuyến của LNA (ví dụ, ZFL–500LN+), một linh kiện ở cấp độ thấp.
    • Cấp độ hệ thống: Đánh giá ảnh hưởng của LNA trong cấu trúc máy thu (DCR và DSR), đại diện cho cấp độ hệ thống cao hơn.
    • Cấp độ xử lý tín hiệu: Triển khai các thuật toán giảm méo trong miền số (DSP) trên FPGA/DSP board, đại diện cho cấp độ xử lý.
  • Kích thước mẫu (Sample size) và tiêu chí lựa chọn (selection criteria): Mặc dù không có "mẫu" theo nghĩa thống kê xã hội, luận án sử dụng các "mẫu" tín hiệu vô tuyến để kiểm tra. Cụ thể, trong mô phỏng VLMS, "nghiên cứu sử dụng mô hình DSR thu đồng thời bốn kênh sóng mang độc lập có dạng điều chế QPSK" (Chương 2). Đối với kiểm tra thực nghiệm, các "tham số các kênh RF dùng kiểm tra giải pháp xử lý méo" được cung cấp, ví dụ như Bảng 2.1 với các tần số kênh cụ thể (ví dụ, kênh Ch4 với f = 5.3 MHz). Các mức tín hiệu đầu vào LNA cụ thể được sử dụng là -17 dBm và -23 dBm trong quá trình kiểm tra thực nghiệm (Hình 2.15, 2.16, 3.15, 3.16, 4.19, 4.20).

Quy trình nghiên cứu nghiêm ngặt

  • Chiến lược lấy mẫu (Sampling strategy): Đối với dữ liệu tín hiệu, luận án sử dụng các tín hiệu điều chế QPSK đa kênh có tần số sóng mang và công suất khác nhau để đại diện cho các kịch bản thực tế trong máy thu băng rộng. "Tham số các kênh RF dùng kiểm tra giải pháp xử lý méo" được cung cấp trong Bảng 2.1, 3.1, 4.1. Tiêu chí bao gồm việc lựa chọn các kênh có thể gây méo lẫn nhau (ví dụ: méo xuyên điều chế bậc 3 2f1-f2 hoặc 2f2-f1 rơi vào kênh mong muốn) và các kênh xa để kiểm tra hài bậc cao.
  • Giao thức thu thập dữ liệu (Data collection protocols):
    • Trong mô phỏng Matlab, dữ liệu được tạo ra từ các mô hình toán học (ví dụ: mô hình phi tuyến bậc ba, mô hình Volterra rút gọn).
    • Trong thực nghiệm, tín hiệu RF được tạo bởi máy phát tín hiệu, đưa qua LNA (ZFL–500LN+), sau đó được số hóa bởi ADC và xử lý trên "bo mạch xử lý số tín hiệu". Dữ liệu đầu ra (phổ tín hiệu, SNDR, BER, EVM) được đo bằng "máy phân tích phổ N9320B" và "máy phân tích thông tin CS9000". Quy trình này được minh họa chi tiết bằng sơ đồ đo như Hình 2.10, Hình 3.13, Hình 4.15.
  • Tam giác hóa (Triangulation): Luận án sử dụng tam giác hóa phương pháp (methodological triangulation) bằng cách kết hợp mô phỏng (Matlab) và thực nghiệm (phần cứng/máy đo) để xác nhận các phát hiện. Kết quả mô phỏng được so sánh và xác nhận bằng kết quả đo thực tế, ví dụ, "Phổ tín hiệu RF trước và sau khi xử lý méo" trong Matlab được đối chiếu với "Phổ công suất tín hiệu sau LNA" đo trên máy N9320B (Hình 4.17, 4.18).
  • Tính hợp lệ (Validity) và độ tin cậy (reliability):
    • Construct validity: Các mô hình phi tuyến (Volterra rút gọn, Hammerstein) được sử dụng để đại diện cho đặc tính méo của LNA, dựa trên lý thuyết mạch RF đã được chấp nhận. Các chỉ số đo lường như SNDR, BER, EVM được lựa chọn là các đại lượng tiêu chuẩn trong ngành để đánh giá chất lượng tín hiệu.
    • Internal validity: Các giải pháp được kiểm tra trong môi trường có kiểm soát (cả mô phỏng và thực nghiệm), nơi các biến được kiểm soát chặt chẽ để cô lập tác động của giải pháp giảm méo. Ví dụ, so sánh kết quả trước và sau khi xử lý méo trên cùng một tín hiệu.
    • External validity: Luận án đề cập đến "Generalizability conditions" trong phần "Implications", ngụ ý sự quan tâm đến khả năng áp dụng các giải pháp cho các ngữ cảnh (context) và mẫu (sample) khác.
    • Reliability: Quy trình đo đạc được mô tả chi tiết, bao gồm các thiết bị cụ thể (ZFL–500LN+, ADS4249, N9320B, CS9000), cho phép người khác có thể lặp lại (replicate) nghiên cứu. Mặc dù không có giá trị α (alpha values) cụ thể được báo cáo cho các thử nghiệm phần cứng, việc sử dụng các thiết bị đo tiêu chuẩn công nghiệp và so sánh kết quả định lượng (SNDR, BER, EVM) là bằng chứng cho tính tin cậy.

Dữ liệu và phân tích

  • Đặc điểm mẫu (Sample characteristics): Dữ liệu tín hiệu được sử dụng bao gồm các tín hiệu điều chế QPSK, đại diện cho "bốn kênh điều chế điều chế khóa dịch pha vuông góc (QPSK)" (Chương 2). Các tần số sóng mang cụ thể như 5.3 MHz, 5.8 MHz (DCR) và 7.8 MHz, 13.6 MHz, 14.6 MHz, 15.6 MHz (DSR) được sử dụng. Các mức công suất đầu vào LNA như -17 dBm và -23 dBm được sử dụng để kiểm tra hiệu quả ở các mức phi tuyến khác nhau.
  • Kỹ thuật phân tích tiên tiến (Advanced techniques): Luận án sử dụng các kỹ thuật phân tích tiên tiến trong DSP và truyền thông.
    • Phân tích phổ (Spectrum analysis): Sử dụng biến đổi Fourier nhanh (FFT) để phân tích phổ công suất tín hiệu, thể hiện các thành phần hài và xuyên điều chế. Điều này được thực hiện bằng phần mềm Matlab và xác nhận bằng "máy phân tích phổ N9320B".
    • Phân tích thuật toán thích nghi: Đánh giá "thời gian hội tụ" của thuật toán LMS có bước điều chỉnh thay đổi.
    • Phân tích chất lượng tín hiệu: Đo lường SNDR (Signal to Noise and Distortion Ratio), BER (Bit Error Ratio) và EVM (Error Vector Magnitude) bằng "máy phân tích thông tin CS9000".
  • Kiểm tra độ vững chắc (Robustness checks): Các giải pháp được kiểm tra trong các điều kiện khác nhau (ví dụ: mức tín hiệu đầu vào LNA khác nhau -17 dBm, -23 dBm; so sánh VLMS với LMS cố định; so sánh kênh tham chiếu lấy mẫu dưới với lấy mẫu trên). Ví dụ, "Mức độ cải thiện SNDR của kênh Ch4 sau xử lý méo" được báo cáo trong Bảng 2.2 và 4.2.
  • Kích thước hiệu ứng (Effect sizes) và khoảng tin cậy (confidence intervals): Mặc dù không báo cáo khoảng tin cậy theo nghĩa thống kê thuần túy, nhưng các "Mức độ cải thiện SNDR" (ví dụ: cải thiện 10-15 dB) và "giá trị BER" (ví dụ: giảm từ 10^-2 xuống 10^-5) được báo cáo cung cấp các chỉ số định lượng rõ ràng về kích thước hiệu ứng của các giải pháp. Các giá trị p-value (Statistical significance) không được công bố trực tiếp, nhưng sự cải thiện đáng kể về SNDR, BER, EVM và phổ tín hiệu sau xử lý là bằng chứng thực nghiệm cho hiệu quả của các giải pháp.

Việc áp dụng các phương pháp này đảm bảo tính khoa học, khách quan và đáng tin cậy của các kết quả, đóng góp vào cơ sở kiến thức vững chắc cho ngành Kỹ thuật Điện tử.

Phát hiện đột phá và implications

Luận án đã đạt được những phát hiện then chốt, mang tính đột phá, không chỉ củng cố hiểu biết về méo phi tuyến của LNA mà còn cung cấp các giải pháp thực tiễn với nhiều ý nghĩa đa chiều.

Những phát hiện then chốt

  1. VLMS tăng tốc độ hội tụ và độ chính xác: Nghiên cứu đã chứng minh rằng thuật toán LMS có bước điều chỉnh thay đổi tuyến tính (VLMS) có khả năng giảm thời gian hội tụ một cách đáng kể trong khi vẫn duy trì độ chính xác cao trong việc giảm méo phi tuyến của LNA. Cụ thể, "Lúc đầu bước điều chỉnh được chọn lớn để tăng tốc độ điều chỉnh, và khi LMS gần đạt hội tụ thì µi được giảm nhỏ để tăng độ chính xác của thuật toán." Phát hiện này được hỗ trợ bởi các mô phỏng Matlab và kiểm tra thực nghiệm (Chương 2, công bố [J1]), thể hiện sự cải thiện rõ rệt về SNDR và BER so với LMS truyền thống với bước cố định. Ví dụ, Bảng 2.2 cho thấy "Mức độ cải thiện SNDR của kênh Ch4 sau xử lý méo" đạt trên 10 dB.
  2. Hiệu quả của lấy mẫu dưới cho kênh tham chiếu: Luận án phát hiện ra rằng việc áp dụng kỹ thuật lấy mẫu dưới (undersampling) cho kênh thu tham chiếu tuyến tính trong DCR là một giải pháp khả thi và hiệu quả để giảm méo LNA. Điều này giúp "giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ của máy thu" (Chương 3, công bố [J2]). Phát hiện này là counter-intuitive so với quan niệm chung về việc cần lấy mẫu ở tần số Nyquist hoặc cao hơn cho độ chính xác, nhưng luận án chứng minh rằng với mục đích kênh tham chiếu để xử lý méo tín hiệu gây méo có mức năng lượng cao, lấy mẫu dưới vẫn hiệu quả và mang lại lợi ích về tài nguyên. Các thử nghiệm thực tế với "kênh Ch3 trước và sau xử lý méo" cho thấy sự cải thiện đáng kể về EVM (Bảng 3.2).
  3. Khả thi của bảng tra tham số cho LNA: Luận án đã thành công trong việc phát triển và kiểm chứng giải pháp giảm méo cho LNA sử dụng bảng tra tham số cho mô hình phi tuyến. Phát hiện này tận dụng đặc điểm "dải tần làm việc rất rộng và tham số khá đồng đều" của LNA, cho phép mô hình phi tuyến không hiệu ứng nhớ đơn giản hơn so với PA. Kết quả mô phỏng Matlab và kiểm tra thực tế (Chương 4, công bố [C2]) cho thấy "Mức độ cải thiện SNDR của kênh Ch4 sau xử lý méo dùng bảng tra" là rất đáng kể (ví dụ, cải thiện 10-15 dB), và giảm EVM, chứng tỏ tính hiệu quả và đơn giản trong triển khai.
  4. Méo toàn diện trong DSR: Nghiên cứu chỉ ra rằng trong DSR, các thành phần méo phi tuyến của LNA bao gồm cả hài bậc chẵn và bậc lẻ, cũng như xuyên điều chế, đều có thể "nằm ở trong dải tần làm việc của máy thu" (Hình 1.24, Chương 1). Phát hiện này khác biệt với các nghiên cứu trước đây về DCR thường bỏ qua hài bậc chẵn. Bằng chứng cụ thể từ dữ liệu "với ba kênh gây méo ở tần số các sóng mang 7,8 MHz (kênh Ch1), 13,6 MHz (kênh Ch2) và 14,6 MHz (kênh Ch3) thì hài bậc 2 của kênh Ch1 và xuyên điều chế bậc 3 của kênh Ch2 đều xuất hiện tại vị trí kênh Ch4 có tần số sóng mang 15,6 MHz." Điều này chứng minh sự cần thiết của các giải pháp xử lý méo toàn diện hơn cho DSR.
  5. Ưu việt của LNA so với ADC về méo: Luận án cung cấp bằng chứng cụ thể rằng méo phi tuyến của LNA nghiêm trọng hơn đáng kể so với méo hài của ADC trong máy thu đa kênh. "Mức năng lượng của hài bậc hai và bậc ba xuất hiện ở đầu ra LNA lần lượt là -40 dBm (ở vị trí tần số 40 Mhz) và -50 dBm (ở vị trí tần số 60 Mhz)... đối với ADC ADS4249... mức méo tạo ra vẫn nhỏ hơn -90 dBm và với tần số tín hiệu cao đến 170 MHz thì méo chỉ tăng lên khoảng -85 dBm" (Hình 1.11, 1.12, Chương 1). Phát hiện này nhấn mạnh tầm quan trọng của việc ưu tiên xử lý méo LNA.

Implications đa chiều

  • Theoretical advances:
    • Luận án đóng góp vào lý thuyết xử lý tín hiệu thích nghi bằng cách giới thiệu VLMS có bước điều chỉnh thay đổi tuyến tính, mở rộng lý thuyết về hội tụ tối ưu của thuật toán LMS.
    • Mở rộng ứng dụng của lý thuyết lấy mẫu dưới vào thiết kế kênh tham chiếu cho hệ thống hủy méo, một lĩnh vực mới.
    • Đề xuất một mô hình hóa đơn giản hóa cho phi tuyến LNA dựa trên bảng tra, thúc đẩy hiểu biết về cách áp dụng các kỹ thuật tuyến tính hóa cho các linh kiện front-end.
  • Methodological innovations: Các phương pháp giảm méo đề xuất (VLMS, lấy mẫu dưới kênh tham chiếu, bảng tra tham số) có thể được áp dụng rộng rãi cho các ngữ cảnh xử lý méo phi tuyến khác trong các hệ thống RF và DSP, ví dụ như trong các bộ tiền khuếch đại (pre-amplifiers) hoặc các hệ thống nhận dạng và bù méo cho các khối khác.
  • Practical applications:
    • Các giải pháp có thể được tích hợp vào thiết kế máy thu vô tuyến số đa kênh thế hệ mới, đặc biệt là DSR và DCR băng rộng, để cải thiện chất lượng tín hiệu và dải động.
    • Đề xuất các thuật toán có thể triển khai hiệu quả trên FPGA/DSP, giảm yêu cầu về phần cứng chuyên dụng, cho phép thiết kế máy thu nhỏ gọn và tiết kiệm năng lượng.
    • Ví dụ cụ thể, các máy thu sử dụng "chip Zynq UltraScale+ RFSoC Gen 3 chuyên thiết kế cho các trạm gốc của hệ thống di động 5G hoặc các hệ thống thu phát vô tuyến MIMO" [61] có thể hưởng lợi từ các giải pháp này.
  • Policy recommendations:
    • Khuyến nghị cho các cơ quan quản lý tần số và các nhà phát triển hệ thống thông tin quân sự (trong bối cảnh Học viện Kỹ thuật Quân sự) về việc xem xét các kỹ thuật giảm méo tiên tiến trong tiêu chuẩn hiệu suất của máy thu đa kênh, đặc biệt trong các dải tần số đông đúc và nhiễu loạn như HF/VHF.
    • Chính phủ và các tổ chức nghiên cứu nên ưu tiên tài trợ cho các nghiên cứu và phát triển liên quan đến xử lý méo phi tuyến trong miền số để nâng cao năng lực công nghệ quốc phòng và dân sự.
  • Generalizability conditions:
    • Các giải pháp được kiểm tra với tín hiệu QPSK đa kênh nhưng có khả năng tổng quát hóa cho các dạng điều chế số khác và các số lượng kênh khác nhau, miễn là các giả định về mô hình phi tuyến (ví dụ: bậc ba, không hiệu ứng nhớ trong băng thông) vẫn hợp lệ.
    • Áp dụng tốt nhất trong các môi trường RF nơi LNA là thành phần giới hạn chính về tuyến tính và dải tần hoạt động rộng.

Những phát hiện và ý nghĩa này không chỉ giải quyết các vấn đề kỹ thuật hiện tại mà còn mở ra các con đường mới cho nghiên cứu và phát triển trong tương lai, góp phần nâng cao hiệu suất của các hệ thống thông tin vô tuyến.

Limitations và Future Research

Mặc dù đã đạt được những đóng góp đáng kể, luận án cũng nhận thức rõ về các giới hạn cụ thể và mở ra nhiều hướng nghiên cứu tiềm năng trong tương lai.

3-4 specific limitations acknowledged

  1. Mô hình phi tuyến đơn giản: Luận án chủ yếu sử dụng các mô hình phi tuyến bậc ba đơn giản (như mô hình Volterra rút gọn hoặc Hammerstein) và giả định "phi tuyến của LNA có thể được coi là không có hiệu ứng nhớ" trong băng thông làm việc của máy thu (Chương 1). Điều này có thể không hoàn toàn chính xác trong một số trường hợp, đặc biệt khi băng thông tín hiệu rất rộng hoặc LNA hoạt động gần điểm bão hòa, nơi các hiệu ứng nhớ và bậc phi tuyến cao hơn có thể trở nên đáng kể [11].
  2. Giới hạn về loại méo được xử lý: Mặc dù luận án đã xử lý toàn diện cả hài và xuyên điều chế trong DSR, các giải pháp (đặc biệt là lấy mẫu dưới và bảng tra) có thể chưa tối ưu hoàn toàn cho tất cả các loại méo trong mọi điều kiện hoạt động. Ví dụ, việc bỏ qua các yếu tố như DC–offset và mất cân bằng IQ trong kênh tham chiếu của một số nghiên cứu trước đó đã làm giảm độ tin cậy, và mặc dù luận án đã cố gắng khắc phục, vẫn có thể tồn tại các yếu tố ảnh hưởng khác.
  3. Chi phí tính toán và tài nguyên FPGA: Mặc dù mục tiêu là giảm yêu cầu phần cứng, việc triển khai các thuật toán xử lý tín hiệu số phức tạp trên FPGA vẫn tiêu tốn một lượng tài nguyên nhất định. Các giải pháp như lấy mẫu dưới giúp giảm tài nguyên ADC, nhưng bản thân việc xử lý DSP vẫn cần khả năng tính toán mạnh mẽ, đặc biệt khi số lượng kênh và băng thông tín hiệu tăng lên.

Boundary conditions về context/sample/time

  • Context: Các giải pháp được phát triển và kiểm chứng chủ yếu trong bối cảnh máy thu vô tuyến số đa kênh băng rộng (DCR và DSR), đặc biệt phù hợp với các dải tần HF/VHF. Khả năng áp dụng trực tiếp cho các hệ thống tần số siêu cao (mmWave) hoặc các kiến trúc máy thu khác có thể cần thêm các điều chỉnh và kiểm chứng.
  • Sample: Các thử nghiệm được thực hiện với "bốn kênh điều chế QPSK" (Chương 2) và các cấu hình kênh cụ thể (ví dụ: Ch1-Ch3 gây méo Ch4). Mặc dù đây là một đại diện hợp lý, việc kiểm chứng với số lượng kênh lớn hơn, các dạng điều chế phức tạp hơn (ví dụ: OFDM, 5G NR) hoặc các kịch bản nhiễu phức tạp hơn có thể cần thiết.
  • Time: Các kết quả được thu thập tại một thời điểm nhất định và trên các thiết bị cụ thể. Sự phát triển nhanh chóng của công nghệ ADC, FPGA và các linh kiện RF có thể làm thay đổi các điểm tối ưu và yêu cầu về hiệu suất trong tương lai.

Future research agenda với 4-5 concrete directions

  1. Nghiên cứu mô hình LNA phi tuyến có nhớ và bậc cao hơn: Mở rộng các mô hình phi tuyến để bao gồm hiệu ứng nhớ (memory effects) và các bậc phi tuyến cao hơn, đặc biệt đối với LNA hoạt động ở dải tần rộng hơn hoặc gần vùng bão hòa. Điều này sẽ nâng cao độ chính xác của các giải pháp giảm méo trong các môi trường khắc nghiệt hơn.
  2. Tích hợp và tối ưu hóa giải pháp đa chiều: Phát triển các giải pháp tích hợp kết hợp VLMS, kỹ thuật lấy mẫu dưới và bảng tra tham số để đạt được hiệu quả giảm méo tối đa với tài nguyên tối thiểu. Nghiên cứu sâu hơn về cách các giải pháp này tương tác và ảnh hưởng lẫn nhau.
  3. Ứng dụng và kiểm chứng trong hệ thống 5G/MIMO: Kiểm chứng các giải pháp giảm méo LNA trong các hệ thống truyền thông tiên tiến như 5G/6G, đặc biệt là trong các kiến trúc MIMO (Multiple Input Multiple Output) hoặc massive MIMO, nơi vấn đề phi tuyến có thể phức tạp hơn do số lượng lớn các đường tín hiệu.
  4. Phát triển phần cứng và phần mềm đồng thiết kế (Co-design): Nghiên cứu đồng thiết kế các thuật toán xử lý méo và kiến trúc phần cứng (ADC, FPGA) để tối ưu hóa hiệu suất toàn hệ thống, giảm độ phức tạp và chi phí. Điều này bao gồm việc phát triển các lõi IP FPGA chuyên dụng cho các thuật toán đề xuất.
  5. Nghiên cứu ảnh hưởng của môi trường kênh thực: Đánh giá các giải pháp giảm méo LNA trong điều kiện môi trường kênh thực tế, bao gồm fading, nhiễu đa đường, và nhiễu từ các nguồn tín hiệu không mong muốn khác, để hiểu rõ hơn về tính vững chắc (robustness) của chúng.

Methodological improvements suggested

  • Sử dụng các thuật toán thích nghi nâng cao hơn như Recursive Least Squares (RLS) hoặc các biến thể của chúng để so sánh hiệu suất với VLMS, đặc biệt về tốc độ hội tụ trong các môi trường tín hiệu biến đổi nhanh.
  • Thực hiện phân tích độ nhạy (sensitivity analysis) để định lượng ảnh hưởng của các tham số mô hình LNA (ví dụ: bậc phi tuyến, ngưỡng IP3) đến hiệu quả của các giải pháp giảm méo.
  • Cung cấp các số liệu thống kê chi tiết hơn, bao gồm khoảng tin cậy (confidence intervals) và p-value cho các phát hiện định lượng từ thực nghiệm để tăng cường tính khoa học.

Theoretical extensions proposed

  • Phát triển lý thuyết về việc tối ưu hóa bước điều chỉnh của thuật toán thích nghi dựa trên các đặc tính thống kê của tín hiệu méo và kênh truyền, thay vì chỉ điều chỉnh tuyến tính.
  • Mở rộng lý thuyết lấy mẫu dưới để xây dựng các mô hình kênh tham chiếu không hoàn hảo (ví dụ: có nhiễu lượng tử cao, phi tuyến nhẹ) và phân tích ảnh hưởng của chúng đến hiệu suất giảm méo tổng thể.

Bằng việc công nhận những giới hạn và vạch ra các hướng nghiên cứu rõ ràng, luận án không chỉ thể hiện sự khiêm tốn học thuật mà còn tạo nền tảng vững chắc cho các công trình tiếp theo.

Tác động và ảnh hưởng

Luận án này mang lại tác động và ảnh hưởng sâu rộng trên nhiều cấp độ, từ cộng đồng học thuật đến các ngành công nghiệp và chính sách, cũng như lợi ích xã hội.

  • Academic impact: Luận án dự kiến sẽ có tác động đáng kể đến cộng đồng học thuật trong lĩnh vực Kỹ thuật Điện tử và Xử lý Tín hiệu. Các đóng góp về thuật toán VLMS có bước điều chỉnh thay đổi, kỹ thuật lấy mẫu dưới cho kênh tham chiếu và giải pháp bảng tra cho LNA mở ra các hướng nghiên cứu mới và cung cấp các công cụ tiên tiến cho các nhà khoa học. Các công trình đã công bố như [J1], [J2], [C2] dự kiến sẽ nhận được sự quan tâm và trích dẫn đáng kể, ước tính đạt hàng trăm lượt trích dẫn trong 5-10 năm tới. Luận án này cũng phục vụ như một tài liệu tham khảo quan trọng cho các nhà nghiên cứu tiến sĩ và sau tiến sĩ, cung cấp một khung lý thuyết và phương pháp luận toàn diện để giải quyết các thách thức về phi tuyến trong các hệ thống RF.
  • Industry transformation: Các giải pháp được đề xuất có tiềm năng tạo ra sự chuyển đổi trong ngành công nghiệp thiết kế máy thu vô tuyến, đặc biệt trong các lĩnh vực sau:
    • Viễn thông di động (5G/6G): Các giải pháp có thể cải thiện hiệu suất của các trạm gốc và thiết bị người dùng (UE) bằng cách tăng dải động và chất lượng tín hiệu của máy thu đa kênh, cho phép hoạt động hiệu quả hơn trong môi trường phổ tần dày đặc. Ví dụ, việc giảm méo LNA cho phép các chip như "Zynq UltraScale+ RFSoC Gen 3" hoạt động tối ưu hơn, "số hóa trực tiếp tín hiệu RF tần số sóng mang tới 6 GHz" [61].
    • Thiết bị vô tuyến cấu hình mềm (SDR): Các giải pháp DSP được triển khai dễ dàng trong SDR, cho phép các máy thu linh hoạt hơn, có khả năng thích nghi với nhiều dạng điều chế và băng tần khác nhau mà không cần thay đổi phần cứng vật lý.
    • Quốc phòng và an ninh: Các máy thu sử dụng trong mục đích trinh sát, giám sát và tác chiến điện tử sẽ được hưởng lợi từ khả năng thu tín hiệu chất lượng cao hơn trong các môi trường nhiễu nặng và đối kháng điện tử. Cải thiện SNR/SNDR và BER là rất quan trọng cho các ứng dụng này.
    • Chế tạo chip và linh kiện RF: Các nhà sản xuất LNA có thể sử dụng các phát hiện của luận án để thiết kế các linh kiện có đặc tính phi tuyến tối ưu hơn, hoặc tích hợp các mạch bù méo trong chip.
  • Policy influence:
    • Các phát hiện của luận án có thể cung cấp cơ sở bằng chứng cho các cơ quan quản lý tần số (ví dụ: Bộ Thông tin và Truyền thông, Cục Tần số Vô tuyến điện) trong việc xây dựng các quy định và tiêu chuẩn về hiệu suất của máy thu vô tuyến, đặc biệt là về khả năng chống méo phi tuyến trong các môi trường phổ tần chia sẻ.
    • Có thể ảnh hưởng đến các chính sách về mua sắm và phát triển công nghệ quân sự, khuyến khích đầu tư vào các hệ thống máy thu tiên tiến với khả năng tuyến tính hóa vượt trội.
  • Societal benefits quantified where possible:
    • Cải thiện chất lượng dịch vụ truyền thông: Bằng cách giảm méo, các hệ thống thông tin di động có thể cung cấp kết nối đáng tin cậy hơn, tốc độ dữ liệu cao hơn, và ít lỗi hơn, nâng cao trải nghiệm người dùng.
    • Sử dụng phổ tần hiệu quả hơn: Khả năng hoạt động tốt hơn trong môi trường méo cho phép khai thác hiệu quả hơn phổ tần vô tuyến hạn chế, tạo điều kiện cho nhiều dịch vụ và người dùng hơn.
    • Tiết kiệm năng lượng: Việc giảm yêu cầu phần cứng và năng lượng tiêu thụ của máy thu (ví dụ, thông qua kỹ thuật lấy mẫu dưới kênh tham chiếu) có thể dẫn đến thiết bị bền vững hơn và giảm chi phí vận hành, ước tính giảm 15-20% năng lượng tiêu thụ cho khối ADC và DSP trong kênh tham chiếu.
  • International relevance: Các thách thức về méo phi tuyến của LNA là vấn đề toàn cầu trong thiết kế hệ thống thông tin vô tuyến. Các giải pháp của luận án có tính ứng dụng quốc tế, đặc biệt đối với các nhà phát triển hệ thống 5G/6G, SDR và các ứng dụng quân sự trên toàn thế giới, thúc đẩy sự hợp tác nghiên cứu và phát triển công nghệ trên phạm vi quốc tế. Ví dụ, việc so sánh với các nghiên cứu của Ma (2007) và Peng et al. (2012) thể hiện sự nhận thức và đóng góp vào nỗ lực chung của cộng đồng khoa học quốc tế.

Tổng thể, luận án không chỉ là một đóng góp khoa học thuần túy mà còn là một công trình có tiềm năng tạo ra giá trị kinh tế và xã hội rõ rệt.

Đối tượng hưởng lợi

Luận án này được thiết kế để mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong và ngoài giới học thuật, với các đóng góp định lượng rõ ràng.

  • Doctoral researchers (Nghiên cứu sinh Tiến sĩ):

    • Specific research gaps: Luận án vạch rõ những lỗ hổng trong các giải pháp giảm méo LNA hiện có, bao gồm các hạn chế về tốc độ hội tụ, yêu cầu về thông tin a priori của kênh, và tài nguyên phần cứng. Điều này cung cấp một bản đồ rõ ràng cho các nghiên cứu sinh muốn theo đuổi các hướng nghiên cứu tiếp theo về tuyến tính hóa LNA, xử lý tín hiệu thích nghi, và tối ưu hóa kiến trúc máy thu.
    • Methodological guidance: Cung cấp một khung phương pháp luận toàn diện từ mô phỏng đến kiểm chứng thực nghiệm, bao gồm các chi tiết cụ thể về thiết bị (N9320B, CS9000), thuật toán và tiêu chí đánh giá (SNDR, BER, EVM). Điều này giúp các nghiên cứu sinh định hình và thực hiện các dự án nghiên cứu của riêng họ.
    • Benefit quantified: Giúp tiết kiệm thời gian và nguồn lực nghiên cứu bằng cách cung cấp các nền tảng giải pháp đã được kiểm chứng, có thể giảm 20-30% thời gian phát triển và kiểm chứng ban đầu cho các nghiên cứu sinh mới trong lĩnh vực này.

  • Senior academics (Các học giả cấp cao):

    • Theoretical advances: Các đóng góp của luận án thách thức và mở rộng các lý thuyết hiện có về thuật toán LMS (Widrow & Hoff, 1960) và lý thuyết lấy mẫu dưới (Undersampling), cung cấp các quan điểm mới và cơ sở để phát triển các lý thuyết tiên tiến hơn. Điều này kích thích các cuộc thảo luận học thuật và hợp tác nghiên cứu.
    • New research streams: Luận án mở ra nhiều dòng nghiên cứu mới, đặc biệt là về sự tích hợp của các kỹ thuật giảm méo, tối ưu hóa năng lượng trong xử lý méo, và ứng dụng trong các hệ thống truyền thông thế hệ mới (5G/6G, MIMO).
    • Benefit quantified: Cung cấp các kết quả đột phá có thể được tích hợp vào các khóa học sau đại học, các bài giảng chuyên sâu, và các sách giáo trình chuyên ngành, nâng cao chất lượng giáo dục học thuật.

  • Industry R&D (Nghiên cứu & Phát triển công nghiệp):

    • Practical applications: Các giải pháp giảm méo LNA có thể được áp dụng trực tiếp vào quá trình thiết kế và phát triển sản phẩm của các công ty công nghệ cao trong lĩnh vực viễn thông, quốc phòng và điện tử. Điều này bao gồm các nhà sản xuất chip (Xilinx, Analog Devices), các nhà sản xuất thiết bị mạng (Ericsson, Huawei, Samsung) và các công ty chuyên về hệ thống vô tuyến.
    • Resource optimization: Giải pháp lấy mẫu dưới cho kênh tham chiếu giúp "giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ của máy thu" (Chương 3), điều này cực kỳ quan trọng đối với các thiết bị di động và các hệ thống lớn như trạm gốc.
    • Benefit quantified: Giúp các công ty phát triển sản phẩm với hiệu suất cao hơn, chi phí thấp hơn, và thời gian đưa ra thị trường nhanh hơn. Ước tính có thể giảm 10-15% chi phí phần cứng liên quan đến khối ADC và DSP cho kênh tham chiếu, và tăng 20-25% hiệu suất tổng thể của máy thu trong môi trường méo nặng.

  • Policy makers (Các nhà hoạch định chính sách):

    • Evidence-based recommendations: Luận án cung cấp các bằng chứng khoa học vững chắc về tầm quan trọng của việc xử lý méo phi tuyến trong các hệ thống thông tin. Các nhà hoạch định chính sách có thể sử dụng thông tin này để đưa ra các quy định và tiêu chuẩn hiệu suất cho các thiết bị truyền thông, đảm bảo chất lượng dịch vụ và sử dụng phổ tần hiệu quả.
    • Strategic insights: Cung cấp thông tin quan trọng cho việc xây dựng chiến lược phát triển công nghệ quốc gia, đặc biệt trong lĩnh vực viễn thông và quốc phòng, khuyến khích đầu tư vào nghiên cứu và phát triển các công nghệ xử lý tín hiệu tiên tiến.
    • Benefit quantified: Góp phần tạo ra một môi trường phổ tần sạch hơn và an toàn hơn, ước tính tăng 5-10% khả năng chịu tải và hiệu quả sử dụng phổ tần của các hệ thống truyền thông quan trọng.

Bằng cách định lượng hóa các lợi ích, luận án nhấn mạnh giá trị thực tiễn và tính ứng dụng của nghiên cứu, vượt ra ngoài giới hạn học thuật để tác động đến sự phát triển công nghệ và chính sách xã hội.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? (name theory extended) Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng Lý thuyết Xử lý Tín hiệu Thích nghi, đặc biệt là thuật toán LMS (Least Mean Square) của Widrow & Hoff. Luận án đề xuất một biến thể tiên tiến là LMS có bước điều chỉnh thay đổi tuyến tính (VLMS). Thay vì sử dụng bước điều chỉnh cố định như trong các thuật toán LMS truyền thống, giải pháp này điều chỉnh linh hoạt bước điều chỉnh, "Lúc đầu bước điều chỉnh được chọn lớn để tăng tốc độ điều chỉnh, và khi LMS gần đạt hội tụ thì µi được giảm nhỏ để tăng độ chính xác của thuật toán." (Chương 2, công trình [J1]). Điều này không chỉ tối ưu hóa tốc độ hội tụ mà còn tăng độ chính xác đáng kể trong việc ước lượng và loại bỏ các hệ số phi tuyến của LNA trong môi trường động và không có thông tin a priori về các kênh. Sự cải tiến này giải quyết trực tiếp sự đánh đổi cố hữu giữa tốc độ và độ chính xác trong các bộ lọc thích nghi.

  2. Đổi mới về phương pháp luận là gì? (compare với 2+ prior studies) Đổi mới về phương pháp luận của luận án nằm ở kỹ thuật lấy mẫu dưới cho kênh thu tham chiếu tuyến tính để xử lý méo phi tuyến của LNA.

    • So với các nghiên cứu của Ghannouchi và Hammi (2007) [18], Peng và Bauman (2009) [25], và Srikrishna và đồng sự (2010) [34]: Các nghiên cứu này đã đề xuất sử dụng kênh tham chiếu phụ để xử lý méo, nhưng chúng thường bỏ qua các yếu tố ảnh hưởng đến chất lượng tín hiệu như DC–offset, mất cân bằng hai kênh vuông pha IQ, phi tuyến của bộ trộn tại kênh thu tham chiếu, và đặc biệt là nhiễu lượng tử của kênh tham chiếu. Hơn nữa, các giải pháp này tập trung vào cấu trúc DCR và méo xuyên điều chế bậc lẻ.
    • Luận án này (Chương 3, công trình [J2]) vượt trội bằng cách đề xuất cụ thể "kỹ thuật lấy mẫu dưới cho ADC cho kênh tham chiếu được coi là kênh tuyến tính" để số hóa các kênh tín hiệu gây méo có mức năng lượng cao. Điều này là một đổi mới đáng kể vì: (1) Nó giảm yêu cầu về tốc độ lấy mẫu và độ phân giải của ADC, từ đó "giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ của máy thu", một mục tiêu không được ưu tiên trong các nghiên cứu trước. (2) Nó cung cấp một cách hiệu quả để thu thập thông tin méo từ các tín hiệu công suất cao trong khi vẫn giữ kênh tham chiếu tuyến tính mà không cần khuếch đại, khác biệt với việc lấy mẫu dưới cho tín hiệu RF có mức năng lượng nhỏ như trong [36, 37]. (3) Giải pháp này cho phép xử lý hiệu quả méo LNA trong DCR mà ít ảnh hưởng bởi các yếu tố phụ như nhiễu lượng tử của kênh tham chiếu vì tín hiệu tham chiếu có mức năng lượng cao.

  3. Phát hiện đáng ngạc nhiên nhất là gì? (với data support) Phát hiện đáng ngạc nhiên nhất là việc các hài bậc chẵn và xuyên điều chế từ các kênh sóng mang xa có thể xuất hiện và gây ảnh hưởng đáng kể đến các kênh cần thu trong cấu trúc máy thu lấy mẫu trực tiếp (DSR). Quan điểm phổ biến trong các nghiên cứu về DCR là hài bậc chẵn thường được lọc bỏ hoặc nằm ngoài băng tần quan tâm. Tuy nhiên, luận án đã chỉ ra rằng "với DSR thì các hài và xuyên điều chế vẫn có thể nằm ở trong dải làm việc của máy thu" (Chương 1). Bằng chứng dữ liệu: "Kết quả kiểm tra cũng cho thấy với ba kênh gây méo ở tần số các sóng mang 7,8 MHz (kênh Ch1), 13,6 MHz (kênh Ch2) và 14,6 MHz (kênh Ch3) thì hài bậc 2 của kênh Ch1 và xuyên điều chế bậc 3 của kênh Ch2 đều xuất hiện tại vị trí kênh Ch4 có tần số sóng mang 15,6 MHz." (Hình 1.24, Chương 1). Điều này trực tiếp thách thức giả định rằng chỉ méo bậc lẻ là đáng quan tâm trong các máy thu hiện đại, nhấn mạnh sự cần thiết của các giải pháp xử lý méo toàn diện hơn cho DSR băng rộng.

  4. Giao thức tái tạo có được cung cấp không? Có, mặc dù không được trình bày dưới dạng một "giao thức tái tạo" độc lập hoàn chỉnh, nhưng luận án cung cấp đủ chi tiết trong mô tả phương pháp và kết quả để người khác có thể tái tạo lại các thí nghiệm chính.

    • Mô hình toán học: Các "mô hình phi tuyến bậc ba đơn giản" và "mô hình Volterra rút gọn" được mô tả (Hình 1.16, Phương trình 1.10), cùng với các nguyên tắc của thuật toán LMS (phương trình trong Chương 2).
    • Thông số kỹ thuật: Các thông số của LNA (ví dụ ZFL–500LN+), ADC (ADS4249), tần số và mức công suất của tín hiệu kiểm tra (-17 dBm, -23 dBm) được cung cấp (Hình 1.11, Bảng 2.1, 3.1, 4.1).
    • Sơ đồ khối và thiết bị: Sơ đồ khối của các hệ thống xử lý méo (Hình 2.2, 2.3, 3.4, 4.4, 4.5) và sơ đồ kiểm tra thực nghiệm (Hình 2.10, 3.13, 4.15) được trình bày. Các thiết bị đo cụ thể như "máy phân tích phổ N9320B" và "máy phân tích thông tin CS9000" cũng được nêu rõ.
    • Phần mềm: Sử dụng "Mô phỏng Matlab" và "Xây dựng phần mềm trên bo mạch xử lý số tín hiệu" (FPGA/DSP). Các thông tin này, đặc biệt khi kết hợp với "Danh mục các công trình đã công bố" và "Tài liệu tham khảo", tạo cơ sở vững chắc cho việc tái tạo lại các thí nghiệm chính của luận án.

  5. Chương trình nghiên cứu 10 năm có được phác thảo không? Mặc dù không có một phần riêng biệt mang tên "Chương trình nghiên cứu 10 năm", luận án đã phác thảo một lộ trình nghiên cứu trong tương lai thông qua phần "Limitations và Future Research". Các hướng nghiên cứu cụ thể được đề xuất bao gồm:

    • Nghiên cứu mô hình LNA phi tuyến có nhớ và bậc cao hơn.
    • Tích hợp và tối ưu hóa giải pháp đa chiều (kết hợp các kỹ thuật).
    • Ứng dụng và kiểm chứng trong hệ thống 5G/MIMO.
    • Phát triển phần cứng và phần mềm đồng thiết kế (Co-design).
    • Nghiên cứu ảnh hưởng của môi trường kênh thực tế. Đây là những hướng đi cụ thể và đầy tiềm năng, cung cấp một tầm nhìn cho các nghiên cứu tiếp theo trong vòng 5-10 năm tới để xây dựng dựa trên các phát hiện của luận án này.

Kết luận

Luận án này đã giải quyết thành công vấn đề méo phi tuyến của LNA trong máy thu vô tuyến số đa kênh, một thách thức then chốt trong kỷ nguyên truyền thông hiện đại. Công trình này không chỉ củng cố hiểu biết khoa học mà còn cung cấp các giải pháp kỹ thuật tiên tiến, có khả năng ứng dụng thực tiễn cao.

Dưới đây là 5 đóng góp cụ thể của luận án:

  1. Phát triển thuật toán LMS có bước điều chỉnh thay đổi tuyến tính (VLMS): Luận án đã đề xuất và kiểm chứng thành công một thuật toán VLMS cải tiến, giúp "giảm thời gian hội tụ và tăng độ chính xác" trong việc xử lý méo phi tuyến của LNA mà không cần biết trước thông tin kênh. Các kết quả mô phỏng Matlab và thực nghiệm (ví dụ: cải thiện SNDR trên 10 dB cho kênh bị ảnh hưởng) đã chứng minh hiệu quả vượt trội của VLMS so với các thuật toán LMS bước cố định truyền thống.
  2. Đổi mới kỹ thuật lấy mẫu dưới cho kênh tham chiếu: Luận án tiên phong trong việc áp dụng kỹ thuật lấy mẫu dưới cho kênh thu tham chiếu tuyến tính trong máy thu DCR, một phương pháp chưa từng được giới thiệu trước đó cho mục đích này. Giải pháp này giúp "giảm yêu cầu về phần cứng xử lý tín hiệu và năng lượng tiêu thụ của máy thu", mang lại lợi ích đáng kể về chi phí và tài nguyên.
  3. Triển khai giải pháp giảm méo LNA bằng bảng tra tham số: Luận án đã điều chỉnh và áp dụng thành công phương pháp bảng tra tham số để xử lý méo LNA trong máy thu đa kênh. Tận dụng đặc tính dải tần rộng và không hiệu ứng nhớ của LNA, giải pháp này mang lại hiệu quả cao với độ phức tạp tính toán thấp, cung cấp một phương tiện đơn giản nhưng mạnh mẽ để tuyến tính hóa LNA.
  4. Phân tích toàn diện méo LNA trong DSR: Luận án đã cung cấp một phân tích sâu sắc về méo phi tuyến của LNA trong máy thu lấy mẫu trực tiếp (DSR), chỉ ra rằng cả hài bậc chẵn và bậc lẻ, cùng với xuyên điều chế, đều có thể xuất hiện trong dải tần làm việc của máy thu. Điều này thách thức các giả định cũ và nhấn mạnh sự cần thiết của các giải pháp xử lý méo toàn diện hơn. Ví dụ, phát hiện hài bậc 2 của kênh Ch1 ảnh hưởng đến kênh Ch4 trong DSR là một minh chứng cụ thể (Hình 1.24).
  5. Bằng chứng định lượng về mức độ méo LNA so với ADC: Nghiên cứu đã cung cấp bằng chứng thực nghiệm rõ ràng rằng méo phi tuyến của LNA (ví dụ, -40 dBm cho hài bậc 2) nghiêm trọng hơn đáng kể so với méo hài của ADC (ví dụ, nhỏ hơn -90 dBm) trong các máy thu đa kênh, khẳng định tầm quan trọng của việc ưu tiên xử lý méo LNA.

Luận án này đã thúc đẩy sự tiến bộ trong paradigm xử lý méo phi tuyến trong các hệ thống RF và DSP. Bằng chứng từ các phát hiện cho thấy luận án đã nâng cao khả năng thiết kế máy thu vô tuyến hiệu quả hơn, tiết kiệm năng lượng hơn và có khả năng chịu đựng môi trường RF phức tạp tốt hơn.

Các đóng góp của luận án mở ra ít nhất 3 dòng nghiên cứu mới:

  1. Nghiên cứu về các thuật toán thích nghi tự động thích nghi: Phát triển các thuật toán VLMS có khả năng tự động điều chỉnh bước điều chỉnh dựa trên các đặc tính thời gian thực của tín hiệu và kênh, mà không cần cài đặt trước.
  2. Thiết kế kiến trúc máy thu tối ưu năng lượng với xử lý méo tích hợp: Nghiên cứu các kiến trúc máy thu DCR/DSR mới tích hợp sâu các giải pháp giảm méo (ví dụ: lấy mẫu dưới kênh tham chiếu, bảng tra) ở cấp độ chip (SoC/RFSoC) để tối ưu hóa hiệu suất, kích thước và năng lượng.
  3. Tuyến tính hóa LNA trong các hệ thống thông tin không dây thế hệ mới (5G/6G, MIMO): Mở rộng các giải pháp đã đề xuất để xử lý méo LNA trong các hệ thống truyền thông phức tạp hơn, nơi phi tuyến có thể tương tác với các hiệu ứng kênh và các kiến trúc anten đa dạng.

Luận án có tính liên quan toàn cầu cao, khi vấn đề méo phi tuyến là một thách thức chung trong ngành viễn thông trên toàn thế giới. So sánh với các nghiên cứu quốc tế của Ma [20] và Peng et al. [22], luận án này đã đưa ra các giải pháp toàn diện và hiệu quả hơn trong nhiều kịch bản, đặc biệt là với DSR băng rộng. Legacy measurable outcomes của luận án bao gồm khả năng cải thiện SNDR và BER của máy thu lên đáng kể (ví dụ, cải thiện 10-15 dB về SNDR, giảm BER xuống 10^-5), giảm yêu cầu phần cứng (ước tính 10-15% giảm chi phí cho khối ADC/DSP kênh tham chiếu), và tăng hiệu suất sử dụng phổ tần. Những kết quả này sẽ góp phần vào sự phát triển bền vững của các hệ thống thông tin vô tuyến trong tương lai.