TRƯỜNG ĐẠI HỌC KỸ THUẬT TP HCM
KHOA ĐIỆN – ĐIỆN TỬ
BỘ MÔN VIỄN THÔNG

TÓM TẮT
LUẬN VĂN TỐT NGHIỆP
ỨNG DỤNG BỘ CÂN BẰNG
DÙNG NEURAL NETWORKS
TRIỆT NHIỄU GIAO THOA KÝ TỰ
TRONG HỆ THỐNG GSM
INTER-SYMBOL INTERFERENCE CANCELLATION
FOR GSM SYSTEM USING NEURAL NETWORKS EQUALIZER
GVHD :ThS HOÀNG ĐÌNH CHIẾN
SVTH :TRƯƠNG ÁNH THU 49600887
LÊ THANH NHẬT 49601145
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
Khóa 1996-2001
ABSTRACT
Neural Networks have seen an explosion of interest in the last few years and have been
successfully applied to a wide range of problem domains, in areas as diverse as finance,
medicine, engineering, geology and physics. In fact, wherever prediction, classification,
control and processing are needed, Neural Networks can be introduced. This sweeping
success can be attributed to Neural Networks as the latter have sophisticated techniques
that are capable of modeling extremely complex functions. Neural Networks can learn
from examples. The Neural Networks user only has to gather representative data, then
evokes training algorithms so that the networks can automatically learn the structure of
the data. Training Neural Networks is in fact an adjustment of some parameters of the
networks to minimize square error. Weight and bias are two of the parameters that are
adjusted in the analysis.
The aim of this thesis is to apply Neural Networks to the equalizer for intersymbol
interference suppression in GSM system. To achieve this aim, the thesis deals with two

Networks; mô phỏng Neural Networks trên máy tính.
Phần đầu giới thiệu bằng tổng quan Neural Networks cũng như đề cập tới các mô hình
mạng quan trọng của Neural Networks. Đồng thời một số kiến thức cơ bản liên quan đến
các hệ thống thông tin di động GSM, bộ cân bằng cũng được giới thiệu sơ quát.
Phần còn lại trình bày phần mềm mô phỏng trên máy tính được thực hiện trên môi trường
Matlab 5.3. Phần này đưa ra mô hình hệ thống thông tin trong môi trường nhiễu Gauss,
fading và nhiễu đồng kênh với các phương pháp triệt nhiễu dùng Neural Networks. Về
phương diện tổng quát Neural Networks có khả năng triệt nhiễu cho tất cả các loại tín
hiệu, nhưng do thời gian có hạn nên chúng tôi chỉ dùng cho hai loại điều chế BPSK và
QPSK. Các kết quả mô phỏng được trình bày dưới dạng đồ thò xác xuất lỗi (BER).
Cuối cùng là một số kết luận rút ra từ kết quả mô phỏng và hướng phát triển cho đề tài.
Lê Thanh Nhật-Trương Ánh Thu 3 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
NỘI DUNG CỦA LUẬN VĂN
Nhiệm vụ chính của luận văn là nghiên cứu Neural Networks và ứng dụng để triệt nhiễu
giao thoa ký tự trong hệ thống GSM.
Phần 1
LÝ THUYẾT
1. Hệ thống thông tin di động GSM
- Cấu trúc mạng.
- Liên kết vô tuyến.
2. Kỹ thuật cân bằng
- Nhiễu trong hệ thống thông tin.
- Bộ cân bằng.
3. Neural Networks
- Giới thiệu tổng quát.
- Các loại mạng.
Phần 2
MÔ PHỎNG
1. Mô phỏng hệ thống thông tin dùng hai phương pháp điều chế BPSK, QPSK trong

(time slot) và mỗi khe chỉ cho phép người sử dụng được phát hoặc thu.
CẤU TRÚC BURST
Burst là đơn vò phát của GSM. Việc phát xảy ra trong một cửa sổ thời gian (576+12/13)
s, nghóa là suốt chu kỳ bit (156 + ¼). Một burst thông thường chứa hai gói 58 bit (57 bit
dữ liệu + 1 bit dư (stealing bit)) và một chuỗi huấn luyện 26 bit. Chuỗi huấn luyện 26 bit
là một chuỗi biết trước dùng so sánh với chuỗi tín hiệu thu được để xây dựng lại tín hiệu
gốc (cân bằng đa đường).
2. KỸ THUẬT CÂN BẰNG
Cân bằng là một kỹ thuật sử dụng để triệt nhiễu liên ký tự. Bộ cân bằng hoạt động xử lý
tín hiệu làm giảm thiểu ISI. Trong kỹ thuật truyền vô tuyến có nhiều bộ cân bằng thích
ứng khác nhau được sử dụng để triệt nhiễu.
Các chế độ hoạt động tổng quát của bộ cân bằng thích ứng là huấn luyện và tracking.
Đầu tiên, chuỗi huấn luyện có chiều dài cố đònh được phát đi để bộ cân bằng máy thu có
thể tìm trò trung bình cài đặt thích hợp. Chuỗi huấn luyện thường là tín hiệu nhò phân giả
ngẫu nhiên hoặc kiểu bit cố đònh, mô tả trước. Theo sau tức thời chuỗi huấn luyện này,
dữ liệu user (có thể có hoặc không mã hóa) được gởi đi, và bộ cân bằng thích ứng tại máy
thu sử dụng thuật toán hồi quy xác đònh mức kênh truyền và ước lượng hệ số bộ lọc để bù
cho kênh truyền. Chuỗi huấn luyện được thiết kế cho phép bộ cân bằng máy thu có được
các hệ số bộ lọc đúng trong những điều kiện kênh truyền có thể xấu nhất sau khi đã
truyền hết chuỗi huấn luyện, các hệ số bộ lọc gần với giá trò tối ưu để nhận được dữ liệu
user. Khi dữ liệu user nhận được, thuật toán thích ứng của bộ cân bằng lần theo sự thay
Lê Thanh Nhật-Trương Ánh Thu 6 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
đổi của kênh truyền. Kết quả là bộ cân bằng thích ứng thay đổi liên tục đặc tính lọc của
nó.
Theo thời gian, bộ cân bằng hội tụ về hàm của thuật toán cân bằng, cấu trúc bộ cân bằng
và tốc độ thay đổi theo thời gian của kênh vô tuyến đa đường. Bộ cân bằng cần được tái
huấn luyện theo chu kỳ để duy trì hiệu suất triệt ISI, và thường sử dụng trong hệ thống
thông tin số, ở đó dữ liệu user được phân đoạn nhỏ theo thời gian. Hệ thống vô tuyến đa
truy cập phân chia thời gian (TDMA) đặc biệt phù hợp cho bộ cân bằng. Hệ thống

sai số
f(t) : đáp ứng xung kết hợp của máy phát
Giản đồ khối hệ thống thông tin
sử dụng bộ cân bằng thích ứng ở máy thu
3. TỔNG QUAN NEURAL NETWORKS
Neural Networks phát triển từ nghiên cứu mạng trí tuệ nhân tạo; đặc biệt cố gắng bắt
chước bộ não có cấu trúc cấp thấp về khả năng học và chấp nhận sai của hệ thống neuron
sinh học. Mạng Neural là một trong những mô hình đặc trưng cho trí tuệ nhân tạo, là một
lónh vực khoa học kỹ thuật mới ra đời cách đây khoảng năm thập kỷ, nhưng chỉ được áp
dụng thật sự khoảng mười lăm năm gần đây. Cơ cấu mạng được xây dựng dựa trên cấu
trúc của hệ thần kinh sinh học của con người, bao gồm nhiều thành phần đơn giản kết nối
lại và hoạt động song song nhau. Sự kết nối giữa các thành phần này quyết đònh phạm vi
Lê Thanh Nhật-Trương Ánh Thu 7 GVHD : Hoàng Đình Chiến
Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM
chức năng của mạng. Mạng được mô phỏng thực hiện một chức năng cụ thể bằng cách
điều chỉnh các giá trò của liên kết giữa những thành phần, gọi là trọng số (weight). Một
mô hình mạng Neural tổng quát như sau :
Ngày nay mạng Neural có thể giải quyết nhiều vấn đề phức tạp, áp dụng trong nhiều lónh
vực như nhận dạng, đònh dạng, phân loại, xử lý tín hiệu, hình ảnh v.v…
* Mô hình một Neuron
Đầu vào của một neuron gồm ngưỡng b và tổng các trọng số vào. Ngõ ra của neuron phụ
thuộc vào đầu vào và hàm truyền.
* Cấu trúc một lớp mạng
Cấu trúc một mạng có thể mô tả bằng số lớp, số neuron trong một lớp, hàm truyền của
mỗi lớp và kết nối giữa các lớp. Tùy thuộc vấn đề mạng cần giải quyết mà có cấu trúc
khác nhau. Neuron đơn rất ít sử dụng. Tuy nhiên một vài neuron có thể kết hợp thành
một lớp hay nhiều lớp thì khả năng xử lý cao hơn. Vấn đề đơn giản có thể trình bày bằng
một lớp đơn. Tuy nhiên, nó không giải quyết được nhiều vấn đề phức tạp. Mạng đa lớp
feedforward có khả năng giải quyết lớn hơn.
Có hai loại mạng static network và dynamic network. Cấu trúc đònh dạng của dữ liệu vào