Kỹ thuật nhận dạng hệ thống: từ xử lý mù truyền thống sang xử lý có tri thức mới

Nhận dạng hệ thống (SI: system identification) là bài toán xây dựng mô hình toán học của các hệ thống động chưa biết trước, dựa trên dữ liệu quan sát, đo lường được. Đây là một bài toán ngược (bài toán nghịch đảo), trong đó ta cần xác định mối quan hệ giữa đầu ra và đầu vào của hệ thống nhằm khôi phục hoặc trích xuất thông tin.

Bài toán này là cần thiết trong nhiều lĩnh vực, ví dụ như điều khiển, viễn thông, nhận dạng giọng nói, phục hồi hình ảnh, xử lý tín hiệu địa chấn, xử lý tín hiệu y sinh, trong đó ta cần hiểu được hệ thống đang xem xét và từ đó có thể điều khiển được những trạng thái, hành vi của nó.

Trong nhiều trường hợp, chúng ta không có dữ liệu của đầu vào hệ thống, tất cả các dữ liệu mà chúng ta có được là của đầu ra hệ thống. Lúc đó, ta không thể áp dụng các phương pháp nhận dạng hệ thống chuẩn tắc được, chẳng hạn như các phương pháp được tổng kết trong. Thay vào đó, cần xử lý bài toán nhận dạng chỉ sử dụng đầu ra của hệ thống. Bài toán nhận dạng hệ thống lúc này được gọi là nhận dạng hệ thống bằng xử lý “mù”, gọn là nhận dạng hệ thống mù (BSI: blind system identification).

Mặc dù nhận dạng hệ thống mù đã được nghiên cứu, phát triển sâu sắc trong ba thập kỷ qua và hiệu năng của các giải pháp nhận dạng hệ thống gần như đạt giới hạn, còn rất nhiều tình huống thực tế mà các giải pháp nhận dạng hệ thống mù hiện hành vẫn còn những hạn chế khi áp dụng. Một trong những hạn chế là chất lượng nhận dạng chưa đạt yêu cầu. Đây là một thách thức căn bản vì nó xuất phát từ hạn chế của chính bản thân các kỹ thuật xử lý mù, mà hiện nay gần như đã đạt đến giới hạn hiệu năng.

Một lẽ tự nhiên, cách thức để vượt qua thách thức căn bản trên, cải thiện căn bản chất lượng nhận dạng hệ thống mù, là tích hợp thêm thông tin khác vào quá trình nhận dạng, gọi là tri thức mới. Bài toán mới của nhận dạng hệ thống lúc này được gọi là nhận dạng hệ thống với tri thức mới (ISI: informed system identification). Mục tiêu của đề tài là nghiên cứu bài toán nhận dạng hệ thống với tri thức mới để cải thiện căn bản chất lượng nhận dạng hệ thống, trong đó khai thác nhiều loại thông tin, đặc biệt quan tâm tới thông tin học được bởi những tiến bộ của các kỹ thuật học hiện hành.

Một số kết quả

Abdulmajid Lawal, Karim Abed-Meraim, Azzedine Zerguine, and Nguyen Linh Trung. Low Cost Blind and Semi-Blind Equalizers for Nonlinear SIMO Systems. IEEE Transactions on Wireless Communications, January 2024 [under review].

Ouahbi Rekik, Kabiru Nasiru Aliyu, Bui Minh Tuan, Karim Abed-Meraim, and Nguyen Linh Trung. Fast subspace-based blind and semi-blind channel estimation for MIMO-OFDM systems. IEEE Transactions on Wireless Communications, December 2023 [under minor revision].

Do Hai Son, Karim Abed-Meraim, Tran Trong Duy, Nguyen Linh Trung, and Tran Thi Thuy Quynh. On the semi-blind mutually referenced equalizers for MIMO systems. In 2023 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA-ASC), Taipei, Taiwan, November 2023.

Tran Trong Duy, Nguyen Van Ly, Nguyen Linh Trung, and Karim Abed-Meraim. Fisher information estimation using neural networks. REV Journal on Electronics and Communications, vol. 13, no. 1-2, pp.1-10, January-June 2023.

Tran Trong Duy, Nguyen Van Ly, Nguyen Viet Dung, Nguyen Linh Trung, and Karim Abed-Meraim. Fisher information neural estimation. In 30th European Signal Processing Conference (EUSIPCO), Belgrade, Serbia, pp. 2111–2115, August 2022.

Ouahbi Rekik, Karim Abed-Meraim, Mohamed Nait-Meziane, Anissa Mokraoui, and Nguyen Linh Trung. Maximum likelihood based identification for nonlinear multichannel communications systems. Signal Processing, vol. 189, no. 108297, December 2021.

Le Trung Thanh, Karim Abed-Meraim, and Nguyen Linh Trung. Performance lower bounds of blind system identification techniques in the presence of channel order estimation error. In 29th European Signal Processing Conference (EUSIPCO), Durbin, Ireland, pp. 1646-1650, August 2021.

Le Trung Thanh, Karim Abed-Meraim, and Nguyen Linh Trung. Misspecified Cramer–Rao Bounds for Blind Channel Estimation Under Channel Order Misspecification. IEEE Transactions on Signal Processing, vol. 69, pp. 5372-5385, 2021.

Mohamed Nait-Meziane, Karim Abed-Meraim, Zhipeng Zhao, and Nguyen Linh Trung. On the Gaussian Cramér-Rao bound for blind single-input multiple-output system identification: Fast and asymptotic computations. IEEE Access, 8:166503–166512, September 2020.

Thông tin khác

Đồng Chủ trì: GS. Karim Abed-Meraim