Giảm can nhiễu giữa các sóng mang con trong hệ thống MIMO-OFDM bằng cân bằng mù miền tần số kết hợp với phương pháp lặp

 CÔNG NGHỆ 
 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Số 49.2018 8
KHOA HỌC
GIẢM CAN NHIỄU GIỮA CÁC SÓNG MANG CON 
TRONG HỆ THỐNG MIMO-OFDM BẰNG CÂN BẰNG MÙ 
MIỀN TẦN SỐ KẾT HỢP VỚI PHƯƠNG PHÁP LẶP 
ICI CANCELLATION IN MIMO-OFDM SYSTEM BY FREQUENCY BLIND EQUALIZER 
AND REPETATION TECHNIQUE 
Nguyễn Kim Quang 
TÓM TẮT 
Bài báo trình bày một giải pháp mới để giảm can nhiễu giữa các sóng mang 
con trong hệ thống MIMO-OFDM. Giải pháp được xây dựng dựa trên việc kết hợp 
bộ cân bằng mù miền tần số với tiêu chí cực đại hóa độ đo tính độc lập tương hỗ 
giữa các sóng mang con bằng kỹ thuật phân tích các thành phần độc lập và 
phương pháp lặp tuần tự để giảm can nhiễu. Đặc điểm của giải pháp này là 
không sử dụng các tín hiệu thử để phục vụ cho việc giảm can nhiễu và do đó tiết 
kiệm dung lượng đường truyền. Các kết quả mô phỏng cho thấy giải pháp đạt 
hiệu quả giảm can nhiễu cao trong môi trường kênh fading chậm. 
Từ khóa: Can nhiễu giữa các sóng mang con, phân tích các thành phần độc 
lập, lặp giảm tuần tự 
ABSTRACT 
This paper proposes a solution to reduce Inter-Carrier Interference in the 
MIMO-OFDM system. The solution is built from combination of frequency blind 
equalizer and sequence repetition. The blind equalizer is objective to maximize the 
independent metrics between subcarires by Independent Component Analysis 
Technique. The solution does not use trial signals in order to reduce interference. 
So, the transmission capacity is reduced. The simulation results show that this 
solution is more effective for slow fading transmission environment. 
Keywords: MIMO-OFDM, Inter-Carrier Interference, Independent Component 
Analysis, sequence reducing repetition. 
Học viện Công nghệ Bưu chính Viễn thông 
Email: quangnk66@gmail.com 
Ngày nhận bài: 19/7/2018 
Ngày nhận bài sửa sau phản biện: 25/10/2018 
Ngày chấp nhận đăng: 25/12/2018 
1. GIỚI THIỆU 
Công nghệ MIMO với việc sử dụng nhiều anten ở cả đầu 
phát và đầu thu đã cho phép tăng dung lượng đường 
truyền [5] mà không cần tăng công suất phát hoặc tăng 
băng thông. Công nghệ ghép kênh phân chia theo tần số 
trực giao cho phép truyền dữ liệu đồng thời trên những 
sóng mang con băng hẹp, qua đó giảm thiểu hiệu ứng 
fading lựa chọn tần số và fading đa đường [4]. Hệ quả, là 
vấn đề can nhiễu giữa các ký tự vốn là một vấn đề nan giải 
về cơ bản được giải quyết [6]. Hơn nữa, khác với kiểu điều 
chế đa song mang trước đây, OFDM điều chế tín hiệu trên 
các sóng mang trực giao nhau nhưng cho phép phổ của 
chúng chờm lên nhau là một giải pháp hiệu quả để tận 
dụng phổ tần. Hệ thống sử dụng hai công nghệ kết hợp 
MIMO và OFDM được gọi là hệ thống MIMO-OFDM, một hệ 
thống hứa hẹn nhiều tiềm năng trong thông tin vô tuyến 
hiện đại. Trên thực tế, hệ thống này được lựa chọn cho 
nhiều loại hình mạng, dịch vụ truyền thông vô tuyến hiện 
nay như mạng di động 4G LTE, WiMax, truyền hình số mặt 
đất DVB-T[7]. 
Bên cạnh những ưu điểm nổi bật như đã nêu trên, hệ 
thống MIMO-OFDM cũng đặt ra những thách thức không 
nhỏ. Để đảm bảo truyền và nhận dữ liệu một cách chính 
xác, hệ thống MIMO-OFDM đòi hỏi tất cả các sóng mang 
con phải duy trì tính trực giao nghiêm ngặt. Tuy nhiên 
trong thực tế, khi truyền qua kênh vô tuyến, mỗi sóng 
mang con chịu ảnh hưởng của kênh truyền sẽ bị dịch tần 
số, phá vỡ tính trực giao với các sóng mang khác, từ đó gây 
ra can nhiễu. Can nhiễu giữa các sóng mang con như vậy 
người ta gọi là ICI [1, 11]. 
Đã có nhiều giải pháp giảm ICI được nghiên cứu, đề 
xuất và đước áp dụng trong thực tế. Nói chung, các giải 
pháp này có thể được chia thành hai loại như sau [12]: 
- Loại thứ nhất là tự giảm nhiễu, tức là phát dữ liệu một 
cách dư thừa sao cho các kênh con có can nhiễu sang nhau 
nhưng những can nhiễu này cũng lại loại trừ nhau. 
- Loại thứ hai là ước lượng yếu tố gây ra ICI bằng các tín 
hiệu thử, chẳng hạn như như ước lượng độ dịch tần số 
sóng mang, ước lượng trải Doppler hoặc ước lượng ảnh 
hưởng của phi tuyến để từ đó đưa ra các giải pháp giảm ICI. 
Dù là thuộc loại nào thì những giải pháp này đều có 
một đặc điểm chung là phải sử dụng một phần dung lượng 
đường truyền để phục vụ cho việc giảm ICI. 
Trong bài báo này, tác giả mong muốn đề xuất một giải 
pháp mới nhằm giải quyết bài toán giảm ICI trong hệ thống 
SCIENCE TECHNOLOGY 
Số 49.2018 ● Tạp chí KHOA HỌC & CÔNG NGHỆ 9
MIMO-OFDM sao cho không làm tiêu tốn thêm dung lượng 
đường truyền, nâng cao hiệu quả truyền thông vô tuyến. 
Xuất phát từ việc can nhiễu giữa các sóng mang con đã 
làm cho tín hiệu tại các sóng mang con đó mất đi tính độc 
lập tương hỗ với nhau như ban đầu chúng vốn có, bài báo 
đề xuất ý tưởng giải pháp cân bằng mù miền tần số dựa 
trên tiêu chí cực đại hóa tính độc lập của các tín hiệu tại các 
sóng mang con. Nhằm hiện thực hóa ý tưởng, bài báo đã 
xây dựng máy thu MIMO-OFDM với cân bằng mù dựa trên 
kỹ thuật phân tích các thành phần độc lập (ICA) [2] và kết 
hợp bộ cân bằng này với phương pháp lặp giảm can nhiễu. 
Để xây dựng máy thu có cân bằng dựa trên ICA, bài báo đã 
kế thừa và phát triển từ máy thu MIMO dựa trên ICA được 
đề xuất trong [14]. Bằng cách xây dựng cân bằng dựa trên 
ICA cho một sóng mang con tham chiếu và cân bằng MMSE 
cho các sóng mang con khác, hệ thống MIMO-OFDM sẽ có 
một bộ cân bằng mù miền tần số và từ đó, kết hợp với 
phương pháp lặp để giải quyết bài toán giảm ICI mà không 
làm tiêu tốn dung lượng đường truyền. 
2. XÂY DỰNG MÔ HÌNH MÁY THU MIMO-OFDM CÓ CÂN 
BẰNG MÙ MIỀN TẦN SỐ DỰA TRÊN ICA 
2.1. Máy thu MIMO có cân bằng dựa trên ICA 
Theo [14], hệ thống MIMO không dây với Mt anten phát 
và Mr anten thu được mô tả tại hình 1. 
Hình 1. Mô hình hệ thống MIMO với máy thu có cân bằng dựa trên ICA 
Dòng dữ liệu nối tiếp được chia vào Mt dòng dữ liệu 
song song, dữ liệu được điều chế QPSK và được tổ chức 
dưới dạng các khung gồm Ns ký tự để truyền đi. Đáp ứng xung của kênh giữ không đổi trong khoảng thời gian của 
một khung và thay đổi từ khung này sang khung khác. Các 
ký tự thu được là: 
 , , , , ,..., ,
r
T
1 2 Mn p x n p x n p x n p x (1) 
Trong đó, xi(n,p) là tín hiệu thu được tại thời điểm thứ n 
của ký tự thứ p tại anten thu thứ j; p = 1, 2,.., Ns; j = 1, 2,..., Mr. 
Ta có phương trình của hệ thống như sau: 
, , ,
, , ,
, , ,
,
,
,
t
r r r t t
11 1 2 1M 1
M 1 M 2 M M M
n p n n p n p
h l h l h l s n p
n p
h l h l h l s n p

    

x h s n
n
 (2) 
Trong đó, s(n,p) có kích thước Mt x Ns và x(n,p) có kích 
thước Mt x Ns là các tín hiệu phức băng gốc tương đương, 
h(n) có kích thước Mt x Ns là đáp ứng xung của kênh fading 
phẳng. Các phần tử của h(n) có giá trị phức có phân phối là 
i.i.d. n(n,p)
có kích thước là Mt x Ns là nhiễu cộng Gauss 
trắng có giá trị trung bình 0 và phương sai là 2n
1
2
 . 
Dữ liệu gốc trước khi phát đi sẽ được tiền mã hóa bằng 
cách thêm vào một dữ liệu tham chiếu như sau: 
 , , ,ref2
1n p n p a n p
1 a
s d d (3) 
Trong đó, dref(n,p) là dữ liệu tham chiếu mà cả bên phát 
và bên thu đều đã được biết trước. Dữ liệu tham chiếu này 
được lựa chọn một cách ngẫu nhiên, có kích thước và cấu 
trúc giống như dữ liệu nguồn, các thành phần của dref(n,p) là 
độc lập với nhau; a là một hằng số tiền mã hóa với 0 < a < 1. 
Trong mô hình máy thu MIMO dựa trên ICA được trình 
bày tại hình 1, ngoài các khối giải mã và quyết định, còn có 
ba khối khác là khối ICA, khối dịch pha và khối sắp xếp lại. 
Các khối này được xây dựng để thực hiện ICA và khắc phục 
các nhược điểm của ICA là nhập nhằng về tính hoán vị và 
nhập nhằng về nhân vô hướng. Hoạt động của các khối này 
được mô tả như sau: 
Khối ICA 
Khối ICA thực hiện tách dữ liệu gốc từ một trộn tuyến 
tính dựa trên số liệu thống kê của các ký tự thu nhận được. 
Để làm được điều này khi không biết thông tin trạng thái 
của kênh thì cần phải đáp ứng được các giả định sau đây: 
1. Các dữ liệu nguồn phải độc lập thống kê. 
2. Dữ liệu nguồn phải có phân phối phi Gauss (tức là 
không có phân phối Gauss). 
3. Dữ liệu nguồn có trung bình bằng 0. 
4. Số anten thu phải lớn hơn hoặc bằng số anten phát. 
Để thực hiện tách trộn, trước hết vectơ tín hiệu thu 
được x(n,p) cần được làm trắng để nhận được một vectơ 
mới là y(n,p) mà các thành phần của nó là không tương 
quan với nhau. 
 , ,n p n n p y V x (4) 
Trong đó, V(n) là ma trận làm trắng. Sao cho: 
 , ,
t
H
Mp
n p n p  y y I (5) 
Trong đó, 
tM
I là ma trận đơn vị kích thước Mt x Mt. 
Một cách thường được dùng để tìm ma trận làm trắng 
V(n) [8] là thực hiện phân rã trị riêng trên ma trận tự tương 
quan của x(n,p) là Rxx(n). 
 x , ,Hx in n p n p R x x 
Khi đó, V(n) được xác định như sau: 
/1 2 Tn n n n V E D E (6) 
Trong đó, E(n) là ma trận của các vectơ riêng 
(eigenvector) và D(n) là ma trận đường chéo của các trị 
 CÔNG NGHỆ 
 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Số 49.2018 10
KHOA HỌC
riêng của Rxx(n). Tín hiệu thu được sau khi đã được làm 
trắng sẽ được đưa đến bộ tách các thành phần độc lập để 
nhận được ước lượng của tín hiệu đã phát đi: 
 , , ,n p n n p n n n p s W y W V s (7) 
Tuy nhiên, do tính chất nhập nhằng của ICA, ,n ps có 
thể có thứ tự và pha khác với tín hiệu phát s(n,p) ban đầu. 
Điều này có thể biểu diễn bằng biểu thức sau: 
 , ,n p n n n p s D P s (8) 
Trong đó, ma trận đường chéo D(n) thể hiện cho sự 
nhập nhằng về pha và ma trận P(n) thể hiện cho sự nhập 
nhằng về tính hoán vị. Các nhập nhằng này sẽ được xử lý 
tiếp bằng khối dịch pha và khối sắp xếp lại sau đây: 
Khối dịch pha 
Nhập nhằng về pha có thể giải quyết bằng cách quay 
vectơ tín hiệu ,k ps . 
, , ii i
i
n
s n p s n p
n

 (9) 
Trong đó, i = 1,2,..., Mt là chỉ số anten phát, αi(n) là ước 
lượng độ dịch pha tại anten thứ i, với điều chế QPSK thì 
αi(n) xác định bởi: 
 ,
1 j
44
i ip
n s n p e
 
 
 

  (10) 
Tuy nhiên, biểu thức (10) lại đưa ra một nhập nhằng về 
góc quay pha θ đối với ,is n p
 . Đối với điều chế QPSK thì 
, , ,
30
2 2
 
 
 
 . Nhập nhằng này có thể được giải quyết 
cùng với việc giải quyết nhập nhằng về tính hoán vị bằng 
khối sắp xếp lại như sau: 
Khối xắp xếp lại 
Việc sắp xếp lại thứ tự các dữ liệu nhận được sẽ được 
thực hiện bằng cách tìm ra một cách sắp xếp πk của Mt 
dòng dữ liệu nguồn (tương ứng với Mt anten) sao cho với 
cách sắp xếp này thì giá trị tuyệt đối của ước lượng tương 
quan chéo ρ(i,n,π) giữa các dòng dữ liệu dò được với dữ 
liệu tham là lớn nhất. Tức là: 
tM
i 1
k arg max i,n,
 
 (11) 
Ước lượng của dữ liệu ˆ ,n pd sau khi sắp xếp lại sẽ là: 
ˆ , , ,..., ,
k k t
T
1 Mn p k d n p d n p d D (12) 
Trong đó, ma trận đường chéo kD được xác định bởi: 
/ /, ,
, ,
j 4 j 4i nn diag je sign e
i n
D (13) 
Trong đó, sign(.) là hàm dấu. Cuối cùng, ước lượng mềm 
của dữ liệu nguồn nhận được bằng cách giải mã: 
 ,, , ,
2
i i ref id n p 1 a s n p ad n p 
 (14) 
Ước lượng mềm này được đưa tới bộ quyết định để nhận 
được ước lượng cứng ,id n p của dữ liệu nguồn di(n,p). 
2.2. Mô hình máy thu MIMO-OFDM có cân bằng ICA-MMSE 
Dựa trên mô hình hệ thống MIMO [14] đã nêu ở phần 
trên, xây dựng mô hình hệ thống MIMO-OFDM có máy phát 
và máy thu được trình bày tại hình 2. 
a) Máy phát 
b) Máy thu 
Hình 2. Mô hình hệ thống MIMO-OFDM với cân bằng ICA-MMSE 
Tại phần máy phát, chọn dữ liệu tại một sóng mang con 
nào đó (trong hình 2 đã chọn kr = 0) làm dữ liệu tham chiếu, 
ký hiệu sóng mang con đó là kr. Ký hiệu d(pK + k) là vectơ 
tín hiệu nguồn tại sóng mang con thứ k và được định nghĩa 
như sau: 
 , ,...,
t
T
1 2 MpK k d pK k d pK k d pK k d 
(15) 
Trong đó, di(pK + k) là tín hiệu nguồn của ký tự thứ p tại 
sóng mang con thứ k ở anten thứ i. 
Tín hiệu nguồn này sẽ được tiền mã hóa để tạo thành 
tín hiệu phát đi tương tự như (3) như sau: 
 i i i r2
1S pK k d pK k ad pK k
1 a
 (16) 
Trong đó: Si(pK + k) là tín hiệu phát tại sóng mang con 
thứ k (k ≠ kr) của ký tự OFDM thứ p tại anten thứ i, kr là sóng 
mang con tham chiếu, a là hằng số tiền mã hóa với 0 < a < 1. 
Lưu ý rằng, riêng tín hiệu nguồn tại sóng mang con 
tham chiếu không được tiền mã hóa, tức là: 
 i r i rS pK k d pK k 
Tại phần máy thu, chỉ giữ lại một bộ cân bằng ICA cho 
sóng mang con tham chiếu kr còn đối với các sóng mang 
con khác, sử dụng cân bằng MMSE để tách trộn các tín 
SCIENCE TECHNOLOGY 
Số 49.2018 ● Tạp chí KHOA HỌC & CÔNG NGHỆ 11
hiệu. Bài báo sẽ chứng minh rằng mô hình này sẽ tách trộn 
được tín hiệu một cách chính xác tất cả các sóng mang con. 
Chúng ta sẽ lần lượt xem xét lần lượt các thành phần của 
mô hình này như sau: 
Bộ cân bằng ICA 
Bộ cân bằng ICA cho sóng mang con tham chiếu kr cũng 
tương tự như bộ cân bằng ICA của máy thu MIMO [14] đã 
nêu ở trên và được trình bày tại hình 3. 
Hình 3. Bộ cân bằng ICA cho sóng mang con tham chiếu kr 
Đầu tiên, làm trắng vectơ tín hiệu X(pK + k) bằng ma 
trận làm trắng V(pK + k) để nhận được một vectơ mới là 
Y(pK + k) mà các thành phần của nó là không tương quan 
với nhau: 
 pK k pK k pK k Y V X (17) 
Bước tiếp theo tìm ma trận trực giao G(pK + k) sao cho 
ma trận tách để tách trộn pK k pK k pK k W G V 
có thể tách trộn các tín hiệu: 
 pK k pK k pK k S W X (18) 
Vectơ tín hiệu pK k S sẽ tiếp tục được xử lý các nhập 
nhằng về pha và tính hoán vị như trong [14] để nhận được 
ước lượng tín hiệu phát ˆ rpK k S , đó cũng chính là tín 
hiệu gốc tại sóng mang con ˆ rpK k d 
vì tại sóng mang 
con tham chiếu, tín hiệu gốc không được tiền mã hóa. 
Bộ cân bằng MMSE 
Mô hình máy thu có cân bằng ICA-MMSE tại hình 2 được 
vẽ lại dưới dạng sơ đồ khối như hình 4. 
Các ma trận tách tín hiệu W(pK + k) đối với các sóng 
mang con k khác với sóng mang con tham chiếu 
 , ,... \ rk 0 1 K 1 k sẽ xác định bằng MMSE có sử dụng cấu 
trúc tương quan tín hiệu như đã trình bày tại (16). 
Hình 4. Sơ đồ khối máy thu MIMO-OFDM có cân bằng ICA-MMSE 
Sơ đồ bộ cân bằng MMSE [3] cho sóng mang con k được 
trình bày tại hình 5. 
Hình 5. Sơ đồ MMSE cho sóng mang con 
Khi ma trận cân bằng của khối MMSE là W(pK + k) thì 
ước lượng ˆ pK k S của S(pK + k) được xác định bởi: 
 ˆ pK k pK k pK k S W X (19) 
Định nghĩa vectơ lỗi tại sóng mang con k như sau: 
 ˆpK k pK k pK k e S S (20) 
Phương pháp MMSE [3] là tìm SMM E pK k W sao cho: 
 2MMSE rpK k ˆ ˆpK k arg min pK k pK k WW S S 
(21) 
Khi đó, SMM E pK k W 
được xác định như sau: 
 1S ,
H
MM E rpK k k k k
  XS XXW R R (22) 
Trong đó, Rxx(k) là ma trận tự tương quan của X(pK + k) 
và Rxs(k, kr) là ma trận tương quan chéo giữa X(pK + k) và 
 ˆ rpK k S , β là một hằng số sẽ được đề cập đến sau đây: 
 
 ˆ,
H
p
H
r rp
k pK k pK k
k k pK k pK k


XX
XS
R X X
R X S
 (23) 
Sau đây,bài báo chứng minh rằng cân bằng MMSE cho 
sóng mang con k có ma trận cân bằng được xác định tại 
(22) sẽ tách trộn được tín hiệu tại sóng mang con thứ k với 
cùng thứ tự và pha như sóng mang con tham chiếu kr nếu 
như hằng số β được lựa chọn một cách phù hợp. 
Nếu chọn 
21 a
a
 trong đó a được tính từ 
 ,
tS r M2
ak k
1 a
R I , ta có: 
 S , t
1
MM E p r MpK k k k pK k
 W H W I (24) 
Khi đó: 
 S tMM E r MpK k pK k pK k pK k W X S W I (25) 
Điều này có nghĩa rằng bộ cân bằng MMSE cho sóng 
mang con thứ k sẽ tách trộn được tín hiệu với thứ tự và pha 
giống như tại sóng mang con tham chiếu kr. 
Như vậy mô hình với một bộ cân bằng ICA cho sóng 
mang con tham chiếu và các bộ cân bằng MMSE cho các 
sóng mang con còn lại đảm bảo tách trộn tín hiệu tại tất cả 
các sóng mang con với cùng một thứ tự và độ dịch pha. 
Giải mã 
Sau khi tách trộn, ước lượng mềm ˆ pK k S sẽ được 
giải mã để nhận pK k 
d được xác định bởi: 
 ˆ ˆ2i i i rd pK k 1 a S pK k aS pK k 
 (26) 
Lưu ý rằng dữ liệu tại sóng mang con tham chiếu không 
được tiền mã hóa, tức là: 
 CÔNG NGHỆ 
 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Số 49.2018 12
KHOA HỌC
 ˆi r i rd pK k S pK k 
 pK k 
d sau đó được đưa qua bộ quyết định để nhận 
được ước lượng cứng pK k d được định nghĩa bởi: 
 , ,...,
t1 2 M
pK k d pK k d pK k d pK k d (27) 
với id pK k được xác định bởi: 
 i i id pK k Q d pK k 
 (28) 
Trong đó, Q[.] là hàm ước lượng cứng của dữ liệu. 
3. GIẢM ICI BẰNG MÁY THU DỰA TRÊN CÂN BẰNG ICA-
MMSE KẾT HỢP VỚI PHƯƠNG PHÁP LẶP 
Như vậy, sau phần trên đã xây dựng được mô hình hệ 
thống MIMO-OFDM có máy thu dựa trên cân bằng ICA-
MMSE. Tiếp theo, sử dụng kết hợp các bộ cân bằng này với 
phương pháp lặp [10] để giảm ICI. Ý tưởng của phương 
pháp lặp nhằm giảm ICI được đề xuất bởi [10] là các quyết 
định về tín hiệu trên các sóng mang con được cải thiện một 
cách lặp đi lặp lại. Những cải thiện này được thực hiện từ 
việc xác định và trừ đi sự can nhiễu của tất cả các sóng 
mang con khác, dựa trên các quyết định của lần lặp lại 
trước đó. Ở đây, có thể phân biệt hai loại giảm ICI dựa trên 
phương pháp lặp là: giảm song song (PIC) và giảm tuần tự 
(SIC) tùy thuộc vào cách thức mà các quyết định tín hiệu tại 
các sóng mang con được thực hiện. 
Việc kết hợp giữa cân bằng ICA-MMSE với phương pháp 
pháp lặp được trình bày tại hình 6 và được mô tả như sau: 
Với mỗi sóng mang con k, bằng cân bằng ICA-MMSE, 
chúng ta có được ước lượng ban đầu của dữ liệu phát như 
đã trình bày ở trên, ký hiệu ước lượng này là 0 kd . 
Với l 1 pK k d đã ước lượng được, từ (16) chúng ta sẽ 
có ước lượng l 1 pK k S . Giả thiết rằng kênh không thay 
đổi trong khoảng thời gian truyền Ns ký tự. Từ các ước 
lượng l 1 pK k S , tiến hành xây dựng khối dữ liệu 
 l 1 k S có Ns ký tự. Tương ứng với Ns ký tự phát này ta có 
Ns ký tự thu được, ký hiệu là kX . 
 , ,..., sk k K k N 1 K k X X X X 
Hình 6. Giảm ICI bằng máy thu ICA-MMSE kết hợp lặp tuần tự 
Ước lượng kênh theo phương pháp bình phương tối 
thiểu như sau [13]: 
†
ˆ l l 1k k k H X S (29) 
Trong đó, 
†l 1 k S là nghịch đảo Moore-Penrose của 
 l 1 k S và được xác định bởi: 
 †
1H Hl 1 l 1 l 1 l 1k k k k
 S S S S (30) 
Sử dụng ước lượng kênh này, ẽ có được ước lượng mềm 
như sau: 
 ˆ
Hl l
i iS pK k k pK k g X (31) 
Trong đó, li kg 
là vectơ cân bằng của MMSE đối với 
dòng dữ liệu thứ ; , ,..., ti i 1 2 M tại vòng lặp thứ l được 
xác định như sau: 
1l l l
i ik k k
 g R h (32) 
Trong đó, li kh là ký hiệu của cột thứ i của 
 ˆ l kH và 
 l kR là ma trận tự tương quan của bộ trộn thu được xác 
định bởi: 
 t
Hl l l 2
i i M
i
k k k 
 R h h I (33) 
Thứ tự trích từ bé nhất tới lớn nhất MSE: 
 S
H 1l l l l
i i iM E k 1 k k k
 h R h (34) 
Cuối cùng, dữ liệu được giải mã theo (26) để nhận được 
ước lượng mềm lid pK k 
. 
Ước lượng mềm này được đưa tới bộ quyết định để thu 
được ước lượng cứng: 
 ( )l li id pK k Q d pK k 
 (35) 
Trong đó, Q[.] là hàm ước lượng cứng. Trước khi thực 
hiện lặp tiếp theo, phần can nhiễu ICI được trừ đi từ tín hiệu 
thu tại mỗi sóng mang con: 
 ( ) ( ) i li ipK k pK k pK k X X h S (36) 
Mô hình tổng thể hệ thống MIMO-OFDM có cân bằng 
miền tần số kết hợp với lặp giảm tuần tự ICI được trình bày 
tại hình 7. 
Hình 7. Mô hình tổng thể của giải pháp giảm ICI đề xuất 
SCIENCE TECHNOLOGY 
Số 49.2018 ● Tạp chí KHOA HỌC & CÔNG NGHỆ 13
4. KẾT QUẢ MÔ PHỎNG 
Một kịch bản mô phỏng được xây dựng nhằm đánh giá 
hiệu quả của giải pháp trong trường hợp ICI sinh ra do dịch 
tần số sóng mang giữa bên phát và bên thu. Trong kịch bản 
này, mô phỏng được thực hiện nhằm phân tích đánh giá tỷ 
lệ lỗi bít (BER) theo tỷ lệ tín hiệu trên nhiễu (SNR) với những 
độ dịch tần số chuẩn hóa khác nhau là ε = 0,15 và ε = 0,3 và 
với hai phương pháp điều chế là BPSK và QPSK. Kết quả mô 
phỏng cũng được so sánh với kết quả của giải pháp “Tự 
giảm can nhiễu”, là một trong những giải pháp phổ biến 
nhất hiện nay, đã được trình bày tại [9]. 
Các tham số mô phỏng được trình bày tại bảng 1. 
Bảng 1. Bộ tham số mô phỏng giải pháp giảm ICI bằng cân bằng mù miền 
tần số kết hợp lặp giảm can nhiễu 
 Số sóng mang con K= 64 
Độ dài CP KCP = 12
Phương pháp điều chế BPSK hoặc QPSK 
Kênh Rayleigh 
Độ dài kênh L = 5 
Sóng mang con tham chiếu kr = 0
Hằng số tiền mã hóa α = 0,6 
Số anten phát Mt = 2
Số anten thu Mr = 2
Chiều dài khối ký tự Ns = 200
Kết quả phân tích BER theo SNR cho thấy rằng nếu chỉ 
sử dụng cân bằng ICA-MMSE mà không kết hợp với lặp 
giảm ICI tuần tự hoặc có kết hợp nhưng với số vòng lặp ít 
(nhỏ hơn hoặc bằng 2) thì hiệu quả giảm can nhiễu kém so 
với giải pháp “Tự giảm nhiễu” (Self Cancellation-SC). Tuy 
nhiên, nếu thực hiện giải pháp với số vòng lặp thích hợp 
(cụ thể ở đây là 4 vòng lặp) thì hiệu quả giảm can nhiễu của 
giải pháp đã trở nên tốt hơn so với SC. Cần lưu ý rằng, trong 
khi SC tiêu tốn rất nhiều dung lượng đường truyền [14] để 
phục vụ giảm can nhiễu thì giải pháp đề xuất dựa trên 
phân tách mù các thành phần độc lập hầu như không làm 
ảnh hưởng đến dung lượng đường truyền. Mặc dù giải 
pháp đòi hỏi phải thực hiện khối lượng tính toán lớn hơn 
nhiều so với SC (đặc biệt là khi số lượng các vòng lặp tăng 
lên) nhưng với tốc độ tính toán của các máy tính hiện nay, 
điều này không phải là một trở ngại lớn. 
Hình 8. BER theo SNR của giải pháp đề xuất và giải pháp “Tự giảm can 
nhiễu” khi độ dịch tần số chuẩn hóa ε = 0,15 và điều chế BPSK 
Hình 9. BER theo SNR của giải pháp đề xuất và giải pháp “Tự giảm can 
nhiễu” khi độ dịch tần số chuẩn hóa ε = 0,30 và điều chế BPSK 
Hình 10. BER theo SNR của giải pháp đề xuất và giải pháp “Tự giảm can 
nhiễu” khi độ dịch tần số chuẩn hóa ε = 0,15 và điều chế QPSK 
Hình 11. BER theo SNR của giải pháp đề xuất và giải pháp “Tự giảm can 
nhiễu” khi độ dịch tần số chuẩn hóa ε = 0,30 và điều chế QPSK A 
5. KẾT LUẬN 
Bài báo đã đề xuất một giải pháp giảm can nhiễu giữa 
các sóng mang con mà không làm tiêu tốn dung lượng 
đường truyền như những giải pháp đã có trước đây. Giải 
pháp được xây dựng dựa trên cân bằng mù miền tần số kết 
hợp lặp giảm can nhiễu. Giải pháp này tỏ ra hiệu quả để 
giảm ICI do dịch tần số sóng mang, là một trong những 
nguyên nhân cơ bản gây ra hiện tượng ICI trong hệ thống 
 CÔNG NGHỆ 
 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Số 49.2018 14
KHOA HỌC
MIMO-OFDM. Tuy nhiên, nhược điểm của giải pháp này là 
không phù hợp với môi trường kênh biến đổi nhanh và do 
đó chỉ phù hợp với những môi trường vô tuyến di chuyển 
tốc độ chậm (như Wireless LAN) mà không phù hợp với môi 
trường thông tin di động. 
TÀI LIỆU THAM KHẢO 
[1]. Cai. J, Mark. J. W and Shen. X, 2002. “ICI cancellation in OFDM wireless 
communication systems”. in Proc. IEEE Global Telecomm. Conf., pp. 656–660. 
[2]. Cichocki. A, Douglas. S.C, Amari. S, 1998. “Robust techniques for 
independent component analysis (ICA) with noisy data”. NeuroComputing 22. 
[3]. Dapena. A, Iglesia. D and Escudero. C. J, 2010. “An MMSE-Based Method 
to Avoid Permutation/Gain Indeterminacy in Frequency-Domain Blind Source 
Separation”. Circuits System Signal Process, vol. 29, pp.403-417. 
[4]. Hongwei Yang, 2005. “A road to future broadband wireless access: 
MIMO-OFDM Based air interface”. IEEE Communications Magazine, vol. 43, no. 1, 
pp. 53- 60. 
[5]. Marzetta. T. L and Hochwald. B. M, 1999. “Capacity of a mobile multiple-
antenna communication link in Rayleigh flat fading”. IEEE Transactions 
Information Theory, vol. 45, pp. 139-157. 
[6]. Richard Van Nee and Ramjee Prasad, 2000. “OFDM For Wireless 
Multimedia Communications”. Artech House Publishers, Norwood MA. 
[7]. Sampath. H, Talwar. S, Tellado. J, Erceg. V and Paulraj. A., 2002. “A 
fourth-generation MIMO-OFDM broadband wireless system: design, performance 
and field trial results”. IEEE Communications Magazine, no. 9, pp. 143-149. 
[8]. Shyu. K, Lee. M, Wu. Y and Lee. P, 2008. “Implementation of Pipelined 
FastICA on FPGA for Real-Time Blind Source Separation”. IEEE Transactions on 
Neural Networks, vol.19, pp.958-970. 
[9]. Sreekanth.N and Giri Prasad. M.N, 2012. “Effect of TO & CFO on OFDM and 
SIR Analysis and Interference Cancellation in MIMO-OFDM”. International Journal 
of Modern Engineering Research, Vol.49, Issue.4, pp-1958-1967. 
[10]. Toeltsch. M and Molisch. A. F, 2001. “Equalization of OFDM-systems by 
interference cancellation techniques”. in Proc. ICC, 2001, pp. 1950–. 
[11]. Vaibhav Chaudhary, 2015. “Minimization of ICI Using Pulse Shaping in 
MIMO OFDM”. International Journal of Innovative Research in Computer and 
Communication Engineering, vol. 3, no.4. 
[12]. Vaibhav Chaudhary, Rakesh Mandal, 2015. “A Review on Various 
Approaches to Reduce ICI in MIMO OFDM System”. International Journal for 
Innovative Research in Science & Technology, vol. 1, Issue 8. 
[13]. Venkateswarlu. P, Nagendra. R, 2014. “Channel Estimation in MIMO-
OFDM Systems”. International Journal of Engineering Trends and Technology 
(IJETT), Vol. 15, no.5. 
[14]. Yufei Jiang, Xu Zhu, Enggee Lim, Linhao Dong, and Yi Huang, 2011. 
“Low-Complexity Independent Component Analysis Based Semi-Blind Receiver for 
Wireless Multiple-Input Multiple-Output Systems”. International Journal Of 
Design, Analysis And Tools For Circuits And System, Vol. 2, No. 2.