Phần 4_Chương 1 : Thiết kế chương trình
CHƯƠNG 1
THIẾT KẾ CHƯƠNG TRÌNH
1. MÔ PHỎNG ĐƯỜNG TRUYỀN
ột hệ thống thông tin gồm có máy phát, kênh truyền và máy thu. Ở máy phát, tín
hiệu được điều chế theo phương pháp BPSK, QPSK và qua bộ lọc băng thông, rồi
phát đi. Tín hiệu đến máy thu sau khi qua kênh truyền có các loại nhiễu : nhiễu
trắng, fading, nhiễu đồng kênh. Để có được dữ liệu ban đầu, tín hiệu thu phải đi qua bộ giải
điều chế, lọc thông thấp, rồi đến bộ quyết đònh.
M
Sơ đồ khối của một hệ thống thông tin :
2. MÔ PHỎNG BỘ CÂN BẰNG SỬ DỤNG NEURAL NETWORKS
Do trên kênh truyền xuất hiện nhiều loại nhiễu gây ảnh hưởng đến tín hiệu thu, nên dữ liệu thu
được sẽ bò sai. Có rất nhiều kỹ thuật triệt nhiễu đã được đề cập trong phần lý thuyết, nhưng
trong luận văn này chỉ đề cập đến kỹ thuật sử dụng bộ cân bằng. Thực tế người ta đã áp dụng
nhiều loại cân bằng khác nhau để xử lý tín hiệu, tuy nhiên trong phạm vi của đề tài tốt nghiệp
chúng em chỉ mô phỏng bộ cân bằng sử dụng Neural Networks. Phần lý thuyết trên đã nêu rất
rõ các loại mạng có trong Neural Networks :
• Mạng Perceptron : Hàm truyền của các neuron là hàm nấc rất giống như neuron sinh học
nhưng thực tế rất ít khi sử dụng trong mạng trí tuệ nhân tạo do khi qua mỗi neuron, tính
chất của tín hiệu không còn chính xác.
• Mạng tuyến tính : Mạng này giống như Perceptron nhưng hàm truyền là hàm tuyến tính
cho ngõ ra có giá trò không giới hạn, chỉ giải quyết những vấn đề độc lập tuyến tính, có
Lê Thanh Nhật-Trương Ánh Thu 162 GVHD :Ths. Hoàng Đình Chiến
Rx1
Rx1
Đầu vào
Phần 4_Chương 1 : Thiết kế chương trình
quy luật huấn luyện LMS mạnh hơn quy luật huấn luyện Peceptron. Mạng tuyến tính có
khả năng đáp ứng sự thay đổi của môi trường, được điều chỉnh theo từng bước dựa trên
vector vào mới và vector mong muốn để tìm được các giá trò trọng số và ngưỡng thích hợp

được thiết kế với nhiều kiểu huấn luyện khác nhau; mỗi mạng, mỗi kiểu huấn luyện có nhiều
cấu trúc có thể thay đổi. Mô hình mạng Backpropagation áp dụng cho xử lý tín hiệu số là tốt
nhất do có khả năng tổng quát quá. Kết quả mô phỏng sẽ được trình bày trong phần sau.
Lê Thanh Nhật-Trương Ánh Thu 163 GVHD :Ths. Hoàng Đình Chiến
Rx1
Rx1
Đầu vào
Phần 4_Chương 1 : Thiết kế chương trình
Sơ đồ khối của một hệ thống thông tin có thêm bộ cân bằng để triệt nhiễu :
Xem xét một mô hình mạng điển hình.
Mô hình mạng 2 lớp
R đầu vào
S
1
neuron trong lớp 1, hàm truyền tansig
S
2
neuron trong lớp 2, hàm truyền purelin
Mô hình mạng 3 lớp
R đầu vào
S
1
neuron lớp 1, hàm truyền tansig
S
2
neuron lớp 2, hàm truyền logsig
S
3
neuron lớp 3, hàm truyền purelin
Lê Thanh Nhật-Trương Ánh Thu 164 GVHD :Ths. Hoàng Đình Chiến

n1
S2xS1S1xR
S1x1
Rx1
S2
S1
S1x1
W
1
b
1
1 1
P
a2
n2
S2x1
W
2
b
2
S2x1
a3
n3
S3x1
W
3
b
3
S3x1
S3xS2

Xuất kết quả
Xuất kết quả
Phần 4_Chương 2 : Kết quả mô phỏng
Lưu đồ giải thuật điều chế tín hiệu :
Lê Thanh Nhật-Trương Ánh Thu 167 GVHD :Ths. Hoàng Đình Chiến
Bộ quyết đònh
Bộ quyết đònh
Điều chế
Điều chế
Tạo dữ liệu
Tạo dữ liệu
Lọc BPF
Lọc BPF
End
RUN
Lọc BPF
Lọc BPF
Kênh truyền
Kênh truyền
Nhiễu
Nhiễu
Giải điều chế
Giải điều chế
LPF
LPF
Bộ cân bằng
Neural Networks
Bộ cân bằng
Neural Networks
Bộ quyết đònh