Luận án Nghiên cứu giải pháp giảm can nhiễu và méo phi tuyến trong hệ thống thông tin vệ tinh

iệu năng bộ cân bằng với nhiều kịch bản khác nhau, 
so sánh được với các giải pháp tương đồng, luận án cũng sử dụng phổ biến phương 
pháp mô phỏng. Với phương pháp này, luận án sử dụng Matlab là chương trình máy 
tính được thiết kế đặc thù để mô phỏng hệ thống thông tin vệ tinh cho hai trường hợp 
là hệ thống thông tin vệ tinh cố định sử dụng quỹ đạo địa tĩnh và hệ thống thông tin 
vệ tinh di động sử dụng quỹ đạo thấp. Các mô hình bộ cân bằng, các giải thuật học 
cũng như công cụ đánh giá hiệu năng của bộ cân bằng được Matlab cung cấp khá đầy 
đủ. 
Các phương pháp đánh giá hiệu năng này được ứng dụng trong chương 3 và 4 
của luận án. Các mô hình mô phỏng, kịch bản mô phỏng và các thông số hệ thống 
được trình bày chi tiết trong các nội dung cụ thể. 
43 
2.3. GIẢI PHÁP NÂNG CAO HIỆU NĂNG BỘ CÂN BẰNG 
2.3.1. Cân bằng sử dụng mạng nơ-ron 
2.3.1.1. Khái quát mạng nơ-ron 
Mạng nơ-ron nhân tạo, ANN, là mô hình toán học được xây dựng dựa trên các 
mạng nơ-ron sinh học. Nó gồm các nút (nơ-ron nhân tạo) nối với nhau, xử lý thông 
tin bằng cách truyền theo các kết nối và tính các giá trị tại các nút [29]. 
a. 
b1
bn
b2 ∑
I
w
H(.) g(.)
u1
u2
un
v(t) x(t) y(t)
b.
Hình 2.1. (a) Mô hình nơ-ron sinh vật; (b) Mô hình nơ-ron nhân tạo 
Thiết lập mô hình toán với: 
uk là các đầu vào ngoài, phụ thuộc thời gian. 
bk là trọng số liên kết các đầu vào ngoài, phụ thuộc thời gian. 
I là ngưỡng. 
w là trọng liên kết các đầu vào trong. 
y(t) là đầu ra nơ-ron. 
44 
Một mạng nơ-ron nhân tạo gồm ba phần chính: Tổng các liên kết đầu vào v(t), 
động học tuyến tính x(t), phi tuyến không động học g(.). Khi đó ta có 
Tổng các liên kết đầu vào. 
1
n
k k
k
v t wy t b u t I
  (2.1) 
Phần động học tuyến tính: 
Ta sử dụng toán tử Laplace để mô tả phần động học tuyến tính như một hàm 
truyền đạt: 
 X s H s V s (2.2) 
Dưới đây là một số hàm H s thường dùng cho nơ-ron nhân tạo [29]: 
Bảng 2.1. Một số hàm H(s) thường dùng cho nơ-ron nhân tạo 
H(s) 1 
1
s
1
1 sT 
 sTe
Quan hệ vào 
ra 
 v t x t 
 dx t
v t
dt
dx t
v t T x t
dt
 v t T x t 
Phần phi tuyến: 
Đầu ra của các nơ-ron sinh học là các xung và thường có giới hạn chặn vì thế 
nên trong mạng nơ-ron nhân tạo, để ổn định đầu ra, ta dùng các hàm chặn ở lối ra cho 
các tín hiệu, thường ở dạng phi tuyến với hàm g(.). Như vậy đầu ra mạng nơ-ron nhân 
tạo có thể được viết như sau: 
 .y g x t (2.3) 
45 
2.3.1.2. Bộ cân bằng nơ-ron 
Bộ cân bằng dùng RBF 
Mô hình kênh nghiên cứu trong phần này bao gồm một HPA không nhớ theo 
sau là một bộ lọc FIR H [5]. Cân bằng kênh được sử dụng để giảm nhiễu ISI và méo 
phi tuyến. Về cấu trúc, cân bằng kênh bao gồm một bộ lọc FIR tuyến tính Q' theo sau 
là một mạng nơ-ron giá trị phức hai lớp không nhớ (hình 2.2). Bộ lọc thích nghi Q' 
nhằm mục đích để đảo ngược phần tuyến tính của hệ thống, và do đó nó được kỳ 
vọng sẽ giảm thiểu ISI. Các mạng nơ-ron không nhớ sử dụng cấu trúc RBF nhằm đảo 
ngược tính phi tuyến, và do đó nó được dự kiến sẽ giảm thiểu méo phi tuyến. Hơn 
nữa, các kênh được giả định là chưa biết, do đó, các bộ cân bằng cần phải được thích 
ứng. Cuối cùng, xem xét ở đây phương pháp điều chế M-QAM (điều này xác định 
việc sử dụng bộ cân bằng giá trị phức). 
HPA H + Q + S 
Thuật toán hướng dẫn
e(n)
x(n-D)
Kênh
Bộ cân bằng
RBF-I
RBF-R
x(n)
Tạp âm
s(n)
+
-
j
Hình 2.2. Cân bằng thích ứng của kênh phi tuyến có nhớ 
Đầu ra các bô lọc có thể được viết như sau [5]: 
1
0
q'N
R I
k
k
z n q y n k z n jz n
  (2.4) 
46 
Mạng nơ-ron bao gồm hai mạng con, một cho phần thực (R), một cho phần ảo 
(I). Mỗi mạng con có hai đầu vào vô hướng (zR(n) và zI(n)), M nơ-ron trong lớp đầu 
tiên, và một đầu ra vô hướng. Hai đầu ra này sau đó được kết hợp để tạo thành đầu ra 
phức s(n) biểu diễn bởi: 
 R Is n s n js n (2.5) 
Trong đó: sR(n) và sI(n) là những kết quả đầu ra của mạng con R và I tương ứng: 
1
M
R R a,R R b,R R R
k k k k
k
s n c g w z n w z n b
  (2.6) 
1
M
I I a,I R b,I I I
k k k k
k
s n c g w z n w z n b
  (2.7) 
Đầu ra cân bằng được cho bởi: 
 R Is n s n js n (2.8) 
Tron đó: {wka,R, wkb,R, bkR, ckR} và { wka,I, wkb,I, bkI, ckI }, k = 1, ..., M, là trọng 
số của mạng con R và I tương ứng. 
Các thông số mạng nơ-ron được cập nhật để cực tiểu hàm mục tiêu J(n) giữa 
đầu ra mong muốn (đó là một chuỗi được biết đến là truyền trễ, x(n - ∆)) và cân bằng 
đầu ra s(n): 
22 221 1 1
2 2 2
R IJ n e n e n e n x n s n D 
Tập các tham số thiết lập của mạng con R và I được ký hiệu tương ứng như sau: 
1 1 1 1 ; 
T
R a,R a,R b,R b,R R R R R
M M M Mw w ; w w ; c c b b, , , ,     
1 1 1 1 ; ; ; 
T
I a ,I a ,I b,I b,I I I I I
M M M Mw w w , w c b, c , b ,     
Việc đề xuất cải tiến bộ cân bằng RBF cho kênh vệ tinh phi tuyến được luận án 
trình bày trong các phần 3.3 và 3.4 chương 3. 
47 
2.3.2. Cân bằng sử dụng phương pháp kernel 
2.3.2.1. Khái quát phương pháp kernel 
Phương pháp kernel có thể được xem là việc học dựa trên mẫu: Thay vì học một 
số tập thông số tương ứng với các đặc tính của đầu vào, kernel sẽ nhớ mẫu huấn luyện 
thứ i ,i ix y và học trọng số tương ứng của chúng wi [7]. Việc dự đoán cho các đầu 
vào chưa được gán nhãn, nghĩa là chúng không trong tập huấn luyện, được thực hiện 
bằng việc ứng dụng hàm đồng dạng k, được gọi là kernel, giữa đầu vào không được 
gán nhãn x’ và mỗi đầu vào huấn luyện xi . Ví dụ bộ phân loại nhị phân kernel thường 
tính toán tổng đồng dạng theo trọng số là: [54] 
1
ˆ sgn , '
n
i i i
i
y w y k x x
 (2.9) 
Trong đó: 
 ˆ 1, 1y là giá trị dự kiến của bộ phân loại nhị phân kernel với đầu vào 
không gán nhãn 'x chứa nhãn y quan tâm. 
 :k X X là hàm kernel dùng để xác định sự giống nhau giữa cặp đầu vào 
, 'x x X với X 
 Tổng theo n mẫu được gắn nhãn là dãy 
1
,
n
i i i
x y
 trong tập huấn luyện, với 
 1, 1iy . 
 iw là trọng số cho các mẫu huấn luyện, được xác định bởi thuật toán học. 
 Hàm dấu sgn(.) xác định phân loại dự đoán yˆ là dương hay âm. 
Cơ sở toán học 
Phương pháp kernel tránh phép ánh xạ trực tiếp vẫn thường dùng trong các giải 
thuật học tuyến tính để học hàm phi tuyến hoặc biên quyết định. Với mọi x và x’ trong 
48 
không gian đầu vào X, các hàm tất định , 'k x x có thể được biểu diễn theo tích vô 
hướng trong không gian V khác. Hàm :k X X được gọi là hàm kernel [54]. 
Các bài toán nhất định trong học máy có cấu trúc mở rộng hơn hàm trọng số k. 
Việc tính toán khi đó sẽ đơn giản hơn nhiều khi kernel có thể được viết lại dưới dạng 
“ánh xạ đặc trưng” : X V thỏa mãn: [54] 
 , ' , ' .
V
k x x x x (2.10) 
Giới hạn quan trọng đó là .,.
V
 phải đúng là tích vô hướng. Nói cách khác việc 
biểu diễn tường minh cho là không cần thiết khi V là không gian tích vô hướng. 
Một lựa chọn xuất phát từ định lý Mercer: Hàm ẩn tồn tại bất cứ khi nào không 
gian X được trang bị số đo phù hợp đảm bảo cho hàm k thỏa mãn điều kiện Mercer. 
Theo lý thuyết, ma trận Gram K n n ứng với 1, , nx x được gọi là ma trận 
kernel với 
ij
K ,i jk x x phải là bán xác định dương. Nếu hàm kernel k đồng thời 
là hàm hiệp phương sai như sử dụng trong quá trình Gaussian, khi đó ma trận Gram 
K cũng được gọi là ma trận hiệp phương sai. 
Định nghĩa hàm kernel 
Hàm kernel là một hàm đối xứng liên tục xác định bởi k : X X hoạt động 
trên không gian số liệu vào X. Kernel được gọi là xác định dương nếu với một tập 
điểm số liệu đầu vào nào đó 
1
N
i i
x X
 thỏa mãn: [54] 
 ,
, 1
, 0; ; , 1,...,
N
i j i j i j
i j
k x x i j N 
   (2.11) 
Ma trận kernel: Với một tập điểm N số liệu đầu vào đã cho 1,..., Nx x , ma trận 
cỡ NxN phần tử ij ,i jK k x x được gọi là ma trận kernel của K tương ứng với tập số 
liệu , 1,...,i j N . 
49 
Ta có thể tìm được một không gian đặc trưng gắn với thuật toán tích vô hướng. 
Để tạo ra không gian đặc trưng, trước hết xác định ánh xạ đặc trưng từ X vào không 
gian hàm H đối với kernel xác định dương đã cho K: 
:
,. .
X H
x k x
 
 (2.12) 
Hàm x gắn với giá trị , 'k x x ứng với điểm đầu vào x’. Ta hiểu hàm kernel 
là một hàm đồng dạng, ánh xạ này biểu thị mọi điểm vào x bằng một sự tương tự của 
nó ,.k x đối với tất cả các điểm khác trên miền X. 
Để tạo nên một không gian đặc trưng gắn với  , ảnh của  phải biến thành 
một không gian véc-tơ có đặc tính gắn với tích vô hướng. Có thể xác định một không 
gian véc-tơ bằng cách thực hiện tổ hợp tuyến tính dạng [54]: 
1
. ,. .
m
i i
i
f k x 
  (2.13) 
Ở đây , ,i im x được chọn bất kỳ, 1,...,i m . Tích vô hướng giữa f và một hàm 
khác '
1
. ,.
m
i j
i
g k x
  trong không gian này được xác định: 
'
'
1 1
, , .
m m
i j i j
i j
f g k x x 
  (2.14) 
Từ định nghĩa trên rút ra: 
 ,. , ;k x f f x x X  (2.15) 
Nói cách khác, biểu thức tính f được thực hiện thông qua biến đổi kernel. Thực 
tế, kernel k biểu lộ đặc tính tái tạo: 
 ,. , ',. , ' .k x k x k x x (2.16) 
50 
Kernel xác định dương có một không gian đặc trưng kèm theo, với: 
 , ' , ' .k x x x x  (2.17) 
Định lý Mescer [54]: Cho một không gian compact vào x và một tập 2L của các 
hàm bình phương khả tích 
2
2; .
x
f x dx f L  . Nếu k là một hàm thực, đối 
xứng sao cho 2.f L ta có: [54] 
 , ' ' ' 0.
x
k x x f x f x dxdx (2.18) 
Thì có thể khai triển thành: 
1
, ' ' .
Hn
i i i
i
k x x x x 
  (2.19) 
Ở đây ,i i  là các hàm riêng và giá trị riêng không âm của k tương ứng. 
Từ định lý Mescer cho phép tạo ra một ánh xạ Mescer Kernel của một điểm số 
liệu: 
 1 1 2 2, ,..., .H H
T
n nx x x x      (2.20) 
Số chiều của không gian này phụ thuộc vào số các giá trị riêng Hn , với trường 
hợp Kernel Gaussian thì nó là vô hạn. 
2.3.2.2. Bộ cân bằng kernel 
Phương pháp kernel dùng cho cân bằng kênh phi tuyến là một phương pháp 
chứng tỏ được sự vượt trội so với các bộ cân bằng nơ-ron RBF vì đặc tính nghiệm tối 
ưu toàn phần của nó thay cho tối ưu cục bộ. Topo của mô hình có thể tăng trưởng 
theo số liệu, có thể điều chỉnh rõ ràng mà cân bằng nơ-ron không có được. 
51 
Với cân bằng KLMS [52] [55] tuy đơn giản nhưng tốc độ hội tụ chậm, không 
thích hợp cho kênh tốc độ cao. Còn cân bằng KRLS có cải thiện tốc độ hội tụ hơn so 
với KLMS nhưng nó lại có độ bám trạng thái kênh kém [44]. Vì vậy phương pháp 
này chỉ thích hợp khi kênh có tham số không biến đổi theo thời gian hoặc biến đổi rất 
chậm. 
Trong trường hợp kênh pha đinh, kênh phi tuyến, mô hình trạng thái có dạng: 
     
       
1
.
T
x i Ax i n i
d i u i x i v i
 (2.21) 
Với A là ma trận chuyển đổi trạng thái, n[i] là nhiễu trạng thái, v[i] là nhiễu 
quan sát;  i F và 
     1
;
. .
0;
T q I i j
E n i n j
i j
 (2.22) 
     2
;
. .
0;
q i j
E v i v j
i j
 (2.23) 
Như vậy khi sử dụng phương pháp kernel đã thay u[i], trong không gian trạng 
thái của lọc Kalman thích hợp với kênh tuyến tính, bằng [i] trong KRLS phù hợp 
kênh phi tuyến bất kỳ, nhưng các phép tính trong không gian đặc trưng H là tuyến 
tính – tích vô hướng. Điều này làm đơn giản tính toán cho các thuật toán tính toán 
trọng số phức tạp. Việc ứng dụng và đề xuất mở rộng bộ cân bằng kernel luận án sẽ 
giới thiệu ở các mục 4.3 và 4.4 chương 4. 
2.4. KẾT LUẬN CHƯƠNG 2 
Kênh vệ tinh có thể coi là một hệ thống động phi tuyến với hai thách thức nổi 
bật là méo phi tuyến do các bộ khuếch đại công suất cao trên vệ tinh gây ra và pha 
đinh đa đường trong tuyến xuống. 
52 
Bài toán lớn đặt ra cho các nhà nghiên cứu là: Phải loại bỏ được méo phi tuyến 
và pha đinh đa đường để nâng cao tốc độ truyền dẫn và hiệu quả sử dụng tài nguyên 
vệ tinh. Để giải quyết bài toán đó đã có nhiều công trình nghiên cứu được công bố và 
họ tập trung vào các giải pháp nhận dạng kênh và cân bằng kênh. 
Các kỹ thuật cân bằng cho kênh vệ tinh được trình bày trong chương này, cùng 
với việc phân tích các các đặc trưng cơ bản để từ đó tìm giải pháp cải thiện hiệu năng. 
Chương 2 đã phân tích giải pháp cải thiện hiệu năng cân bằng cho kênh vệ tinh 
phi tuyến có nhớ sử dụng bộ cân bằng nơ-ron và cân bằng kernel. Đây là cơ sở cho 
các đề suất về giải pháp cải thiện hiệu năng bộ cân bằng trình bày trong chương 3 và 
4 tiếp theo. 
53 
CHƯƠNG 3: GIẢM CAN NHIỄU VÀ MÉO PHI TUYẾN 
CHO HỆ THỐNG THÔNG TIN VỆ TINH CỐ ĐỊNH DỰA 
TRÊN QUỸ ĐẠO ĐỊA TĨNH 
Tóm tắt 3: Với cự ly truyền dẫn trên 36.000km của đường truyền đến vệ tinh 
địa tĩnh thì việc sử dụng bộ khuếch đại công suất cao là yêu cầu bắt buộc, tuy nhiên 
kèm theo đó là ảnh hưởng của méo phi tuyến mạnh. Giải pháp cân bằng cho hệ thống 
này đặt cao yêu cầu về giảm méo phi tuyến. 
Nội dung chương này trình bày giải pháp cân bằng nơ-ron cho kênh thông tin 
vệ tinh cố định sử dụng quỹ đạo địa tĩnh. Mô hình kênh vệ tinh địa tĩnh được phân 
tích để từ đó xây dựng bộ cân bằng nơ-ron phù hợp. Chương tập trung trình bày giải 
pháp cải tiến tham số bộ cân bằng RBF bằng cách bố trí hợp lý số tâm của nó trong 
quá trình huấn luyện, giúp giảm khối lượng tính toán, cải thiện tốc độ hội tụ qua đó 
nâng cao hiệu năng cân bằng. 
3.1. HỆ THỐNG THÔNG TIN VỆ TINH CỐ ĐỊNH QUỸ ĐẠO ĐỊA TĨNH 
Các hệ thống thông tin vệ tinh quỹ đạo địa tĩnh được triển khai rộng rãi, cung 
cấp các dịch vụ vệ tinh cố định, quảng bá và di động. 
Quỹ đạo địa tĩnh, GEO, có độ cao 36.000km. Do khoảng cách truyền dẫn quá 
xa nên máy phát phải có công suất lớn hàng trăm Oát để bù cho tổn hao truyền sóng 
lớn. Các bộ khuếch đại sử dụng thường là đèn sóng chạy, TWT, được tuyến tính hóa 
bằng làm méo trước. Tuy nhiên để hiệu suất khuếch đại cao thì điểm làm việc của 
TWTA thường ở vùng gần điểm bão hòa do đó hệ thống chịu ảnh hưởng của méo phi 
tuyến mạnh [9]. 
3 : Kết quả nghiên cứu của chương 3 được công bố trong 02 bài báo đăng trên Tạp chí 
Khoa học Công nghệ Quân sự [T1], Tạp chí Khoa học và Công nghệ Đại học Công nghiệp 
Hà Nội [T4]. 
54 
Vấn đề lớn cần giải quyết của hệ thống thông tin vệ tinh quỹ đạo địa tĩnh chính 
là méo phi tuyến. Đây là nhiệm vụ chính của bộ cân bằng cho kênh vệ tinh này. 
3.2. MÔ HÌNH KÊNH VỆ TINH CỐ ĐỊNH QUỸ ĐẠO ĐỊA TĨNH 
3.2.1. Đặc tính kênh truyền sóng cố định quỹ đạo địa tĩnh 
Các hệ thống thông tin vệ tinh cố định sử dụng quỹ đạo địa tĩnh với các băng 
tần phổ biến như C (6/4GHz), Ku (14/12GHz), Ka (30/20GHz). Với các băng tần này 
cùng với cự ly truyền dẫn rất xa, vấn đề lớn nhất gặp phải là tổn hao truyền sóng do 
khuếch tán tất yếu cực lớn và tổn hao trong khí quyển. 
Hình 3.0. Đường truyền vệ tinh cố định bị ảnh hưởng của khí quyển 
Với tổn hao trong khí quyển, với tần số dưới 3GHz cần xem xét ảnh hưởng của 
tần điện ly, còn với tần số trên 10GHz là ảnh hưởng của tầng đối lưu. Các ảnh hưởng 
của khí quyển được ITU-R đưa ra trong các khuyến nghị được liệt kê trong bảng 3.1. 
Vệ tinh địa tĩnh 
55 
Bảng 3.1. Các mô hình dự báo truyền sóng qua khí quyển của ITU-R 
Thành phần Suy 
hao 
Khuyến nghị 
ITU-R 
Thông số mô hình Phạm vi đánh giá 
Suy hao lệch phân 
cực do tương tác điện 
trường 
P. 618-11, 2013 Suy hao Lên tới 3GHz 
Suy hao Ôxy P.676-10 (9/2013) Cao độ bề mặt/mặt đất, 
nhiệt độ, áp suất 
Lên tới 350GHz 
Suy hao hơi nước P.676-10 (9/2013) Nhiệt độ, áp suất, mật 
đô hơi nước ở cao độ 
mặt đất, Thống kê 
IWVC 
Lên tới 350GHz 
Suy hao mây P.840-6 (9/2013) Thống kê ILWC Lên tới 200GHz 
Suy hao mưa P.618-11 (9/2013) Độ cao mưa Lên tới 55GHz 
Suy hao mưa dài hạn 
theo tần số 
P.618-11 (9/2013) Suy hao, tần số 7 – 55 GHz 
Lệch phân cực do 
tinh thể băng và mưa 
P.618-11 (9/2013) Suy hao 6 – 55 GHz 
Nhấp nháy P.618-11 (9/2013) Sự khúc xạ sóng vô 
tuyến 
4 – 20 GHz 
3.2.2. Mô hình tổn hao trong khí quyển 
Tần số dưới 3GHz: Ảnh hưởng của tầng điện ly 
Khi tín hiệu lan truyền qua tầng điện ly, phân cực sóng bị thay đổi do hiện tượng 
quay phân cực Faraday liên quan đến tương tác giữa sóng điện từ và môi trường điện 
ly. Bên cạnh đó là các vấn đề liên quan đến trễ nhóm, nhanh pha, nhấp nháy do cấu 
trúc không đồng nhất của tầng điện ly. Các ảnh hưởng của tầng điện ly đối với quá 
trình truyền lan sóng được tóm tắt trong khuyến nghị ITU-R, P.618-11, 2013. Các 
56 
ảnh hưởng nghiêm trọng nhất của tầng điện ly phụ thuộc theo tần số được cho trong 
bảng 3.2. 
Bảng 3.2. Phụ thuộc theo tần số của các ảnh hưởng nghiêm trọng nhất trong tầng 
điện ly 
Ảnh hưởng của tầng đối lưu Phụ thuộc theo tần số 
Quay phân cực Faraday 1
𝑓2⁄ 
Trễ truyền lan 1
𝑓2⁄ 
Khúc xạ 1
𝑓2⁄ 
Thay đổi góc tới 1
𝑓2⁄ 
Hấp thụ ≈ 1 𝑓2⁄ 
Tán xạ 1
𝑓3⁄ 
Tần số trên 10GHz: Ảnh hưởng của tầng đối lưu 
Các ảnh hưởng chính của tầng đối lưu lên quá trình truyền lan sóng điện từ được 
liệt kê trong bảng 3.3. 
57 
Bảng 3.3. Ảnh hưởng của suy giảm trong tầng đối lưu lên hệ thống thông tin vệ tinh 
Suy giảm truyền lan sóng Nguồn gốc vật lý 
Suy hao tín hiệu vô tuyến, tăng tạp âm bầu 
trời 
Hấp thụ do khí và tán xạ do thủy thiên thạch 
Lệch phân cực tín hiệu Dịch pha và suy hao khác nhau do hạt nước 
và tinh thể băng 
Nhấp nháy tín hiệu trong tầng đối lưu Sự thay đổi của chỉ số khúc xạ trong tầng 
đối lưu 
Khúc xạ và đa đường trong khí quyển Sự thay đổi của mật độ tầng đối lưu 
Trễ truyền lan và biến thiên trễ Truyền lan trong không gian tự do và sự 
thay đổi thời gian do tầng đối lưu 
Nhiễu giữa các hệ thống Sự không đồng nhất của môi trường truyền 
lan không gian – tán xạ tầng đối lưu 
3.2.3. Mô hình kênh FSS 
Đối với kênh vệ tinh địa tĩnh, vấn đề chính cần giải quyết là đặc tính phi tuyến 
cao của bộ khuếch đại công suất cao gây ra méo phi tuyến mạnh. Kênh thông tin vệ 
tinh về cơ bản hoạt động như kênh không nhớ phi tuyến do đầu ra chỉ phụ thuộc vào 
đầu vào hiện tại [4]. 
Biểu diễn tín hiệu đầu vào HPA là hàm 0j nx n r n e  , khi đó đầu ra được 
biểu diễn dưới đây: [56] 
 0j r n ny n f x n A r n e  
 (3.1) 
Trong đó 𝐴(𝑟) và 𝜙(𝑟) gọi là chuyển đổi biên độ - biên độ (AM/AM) và chuyển 
đổi biên độ - pha (AM/PM). 
Hệ số khuếch đại được xác định: 
 A r
G r
r
 (3.2) 
58 
Phương trình giải tích thông số hóa Saleh nổi tiếng [57] là ví dụ điển hình cho 
mô hình HPA truyền thống, ở đó sự chuyển đổi AM/AM và AM/PM được mô hình 
hóa lần lượt như sau: 
2
2 21 1
pa
a p
rr
A r ; r
r r

 
 (3.3) 
Các tham số 𝛼𝑎 , 𝛽𝑎 , 𝛼𝑝, 𝛽𝑝 được lựa chọn để phù hợp với dữ liệu đo được đầu 
vào – đầu ra bộ khuếch đại. Ví dụ, các giá trị sau được lấy đối với bộ khuếch đại 
TWT: 𝛼𝑎 = 2, 𝛽𝑎 = 1, 𝛼𝑝 = 4, 𝛽𝑝 = 9. 
Độ lùi được định nghĩa là tỉ số giữa công suất bão hòa đầu vào bộ khuếch đại 
𝑃𝑠𝑎𝑡 và công suất tín hiệu đầu vào (𝑃𝑖𝑛): 
 10 sat
in
P
BO dB log
P
 (3.4) 
Tuy nhiên với đặc tính của hệ thống vệ tinh đa phương tiện, như đã trình bày 
trong chương 2, sử dụng truyền dẫn đa sóng mang, băng thông truyền dẫn thay đổi 
tùy theo dịch vụ vì vậy đặc tính phi tuyến của HPA có sự thay đổi tùy theo chế độ 
truyền dẫn thực tế. Các mô hình HPA truyền thống lúc này không còn chính xác. 
Cần có các mô hình phân tích HPA hiệu quả do nhiều lý do, chẳng hạn như để 
thực hiện mô phỏng kênh thông tin số, phân tích và đánh giá hiệu năng của tuyến 
thông tin vệ tinh, nghiên cứu ảnh hưởng của tính phi tuyến lên trạng thái của hệ thống 
(như thay đổi phổ, nhiễu đồng kênh, ISI ). Do đó, rất quan trọng để đạt được mô 
hình phân tích hiệu quả nhằm xấp xỉ chính xác trạng thái vật lý của HPA. 
Trong luận án, NCS lựa chọn sử dụng mạng nơ-ron để mô hình bộ khuếch đại 
HPA dùng phương pháp giảm NG cho quá trình học. Lợi thế cơ bản của mô hình NN 
so với các mô hình truyền thống [5] là có hiệu năng xấp xỉ MSE tốt hơn các mô hình 
HPA truyền thống. Tính thích ứng giúp NN mô hình hóa trực tiếp chính xác. Các mô 
hình truyền thống dựa trên thủ tục tối ưu hóa gián tiếp, nó không cho phép mô hình 
59 
hóa trực tiếp. Hơn nữa, NN có thể mô hình hóa nhiều dạng HPA sử dụng cùng cấu 
trúc tham số (ví dụ cấu trúc với 5 nơ-ron); chỉ có các giá trị trọng số thay đổi theo 
từng mô hình. Ngược lại, hầu hết các mô hình truyền thống được thiết kế cho một họ 
HPA xác định (ví dụ HPA với trạng thá