Mục tiêu cốt lõi của kỹ thuật cảm biến phổ trong mạng Vô tuyến nhận thức (Cognitive Radio) là gì?

Mục tiêu cốt lõi là phát hiện chính xác sự có mặt của người dùng sơ cấp (Primary User - PU) để người dùng thứ cấp (Secondary User - SU) tận dụng dải tần nhàn rỗi, đồng thời phải rời khỏi kênh ngay lập tức khi PU bắt đầu truyền tín hiệu nhằm tránh can nhiễu.

Ưu và nhược điểm của phương pháp Phát hiện năng lượng (Energy Detection) là gì?

Ưu điểm là thuật toán đơn giản, tính toán nhanh và không yêu cầu bất kỳ thông tin nào về cấu trúc tín hiệu của PU. Nhược điểm là rất nhạy cảm với sự không chắc chắn của mức nhiễu nền (Noise Uncertainty) và suy giảm độ chính xác mạnh khi tỷ số tín hiệu trên tạp âm (SNR) thấp.

Cảm biến phổ hợp tác (Cooperative Spectrum Sensing) giải quyết vấn đề gì trong truyền sóng vô tuyến?

Cảm biến phổ hợp tác kết hợp kết quả đo từ nhiều nút thu thứ cấp phân tán để khắc phục các hiện tượng suy hao nghiêm trọng do hiệu ứng che khuất (Shadowing), suy hao đa đường (Multipath Fading) và sự cố nút ẩn (Hidden Node Problem).

Cảm biến phổ là gì? Các kỹ thuật phát hiện năng lượng, lọc phối hợp và vô tuyến nhận thức

Tiếng Anhspectrum sensing

Tên gọi khácdò quét phổ tầncảm nhận phổspectrum sensing in cognitive radionhận biết phổ vô tuyến

Cảm biến phổ (spectrum sensing) là quá trình thu thập tín hiệu, đo lường và phân tích môi trường sóng vô tuyến nhằm phát hiện trạng thái hoạt động của người dùng sơ cấp (Primary User), từ đó nhận diện các khoảng trống phổ tần (Spectrum Holes / White Spaces) để người dùng thứ cấp (Secondary User) khai thác sử dụng cơ hội mà không gây can nhiễu có hại.

224 lượt xem Cập nhật 2/9/2026

Cảm biến phổ (spectrum sensing) là công nghệ then chốt quyết định sự thành công của mạng Vô tuyến nhận thức (Cognitive Radio - CR). Trong bối cảnh tài nguyên tần số vô tuyến ngày càng khan hiếm nhưng hiệu quả sử dụng thực tế lại rất phân tán, cảm biến phổ cho phép các thiết bị vô tuyến thông minh liên tục theo dõi dải tần, phát hiện các khoảng trống phổ tần nhàn rỗi để truyền dữ liệu mà hoàn toàn không gây nhiễu cho các thuê bao có bản quyền (Haykin, 2005; Yucek & Arslan, 2009).

Mô hình bài toán kiểm định giả thuyết thống kê

Về mặt toán học xử lý tín hiệu (Yucek & Arslan, 2009; Axell et al., 2012), việc cảm biến phổ tại nút thu thứ cấp được mô hình hóa thành bài toán kiểm định hai giả thuyết đối lập đối với tín hiệu thu nhận $y(t)$ :

Giả thuyết $\mathcal{H}_0$ (Kênh rỗi): Tín hiệu thu được chỉ bao gồm tạp âm trắng Gauss cộng $w(t)$ :
$y(t) = w(t)$
Giả thuyết $\mathcal{H}_1$ (Kênh bận): Kênh có sự hiện diện của tín hiệu người dùng sơ cấp $s(t)$ truyền qua kênh truyền có đáp ứng xung $h(t)$ :
$y(t) = h(t) * s(t) + w(t)$
Hai chỉ số chất lượng then chốt: Xác suất phát hiện đúng ( $P_d$ - càng cao càng bảo vệ tốt người dùng sơ cấp) và Xác suất cảnh báo sai ( $P_{fa}$ - càng thấp càng tối đa hóa cơ hội truyền thông cho người dùng thứ cấp).

Các kỹ thuật cảm biến phổ đơn nút chủ yếu

Tùy thuộc vào lượng thông tin tiên nghiệm đã biết về tín hiệu người dùng sơ cấp, các thuật toán cảm biến phổ được phân loại như sau (Yucek & Arslan, 2009):

Kỹ thuật cảm biến	Nguyên lý hoạt động	Ưu điểm	Hạn chế
Phát hiện năng lượng (Energy Detection)	Tính toán tổng năng lượng của mẫu tín hiệu thu được trong một khoảng thời gian và so sánh với ngưỡng định trước.	Độ phức tạp tính toán rất thấp; không cần biết bất kỳ thông tin nào về dạng sóng của tín hiệu sơ cấp.	Kém hiệu quả ở tỷ số tín hiệu trên nhiễu (SNR) thấp; dễ bị sai lệch do sự dao động của công suất tạp âm nền.
Bộ lọc phối hợp (Matched Filter)	Nhân chập tín hiệu thu được với bản sao dạng sóng đã biết của người dùng sơ cấp (như chuỗi hoa tiêu pilot).	Là bộ tách sóng tối ưu nhất, đạt xác suất phát hiện cao nhất trong thời gian ngắn nhất ở SNR thấp.	Yêu cầu máy thu phải giải mã đồng bộ chính xác và biết trước toàn bộ đặc tính dạng sóng điều chế.
Phát hiện đặc trưng tuần hoàn (Cyclostationary Feature)	Khai thác tính dừng chu kỳ tiềm ẩn trong cấu trúc sóng (tần số sóng mang, tốc độ ký hiệu, chu kỳ mã hóa).	Phân biệt rất tốt giữa tín hiệu mong muốn và tạp âm ngẫu nhiên; hoạt động bền vững trong môi trường nhiễu cao.	Chi phí tính toán biến đổi Fourier hai chiều rất lớn, tiêu tốn năng lượng phần cứng.

Cảm biến phổ hợp tác (Cooperative Spectrum Sensing)

Trong môi trường đô thị phức tạp, hiện tượng fading đa đường và che khuất do các tòa nhà cao tầng có thể khiến một máy thu đơn lẻ rơi vào điểm mù (hiện tượng nút ẩn - hidden node) (Axell et al., 2012):

Thu thập dữ liệu phân tán: Nhiều nút thứ cấp ở các vị trí địa lý khác nhau cùng thực hiện đo đạc và gửi kết quả về một nút điều phối trung tâm.
Kỹ thuật kết hợp dữ liệu mềm (Soft Combining): Nút trung tâm tổng hợp các giá trị năng lượng thô từ các nút con theo các quy tắc trọng số để tối ưu hóa quyết định chung.
Kỹ thuật kết hợp dữ liệu cứng (Hard Combining): Nút trung tâm tổng hợp các quyết định nhị phân theo các quy tắc bỏ phiếu logic (quy tắc Đa số, quy tắc OR, quy tắc AND).

Xu hướng ứng dụng Học máy trong Cảm biến phổ

Công nghệ cảm biến phổ đang được nâng cấp mạnh mẽ nhờ Trí tuệ Nhân tạo trong kỷ nguyên mạng 6G:

Mạng nơ-ron tích chập (CNN) phân loại phổ tần: Chuyển đổi dữ liệu chuỗi thời gian thành ảnh phổ đồ thời gian - tần số và dùng thị giác máy tính nhận diện tự động loại điều chế tín hiệu.
Học tăng cường sâu (Deep Reinforcement Learning): Huấn luyện các thiết bị vô tuyến tự động học chiến lược chuyển kênh và phân bổ công suất tối ưu trong môi trường sóng vô tuyến biến đổi liên tục.