Xem mẫu
- Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)
Cải thiện độ chính xác của hệ thống định vị
trong nhà dựa trên phân tích lỗi truyền lan
Dương Ngọc Sơn, Nguyễn Ngọc Thúy, Chu Thị Phương Dung, Nguyễn Quốc Tuấn, Đinh Thị Thái Mai
Bộ môn Hệ thống Viễn thông - Khoa Điện tử Viễn thông
Trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội
Email: {sondn24, 18021260, dungctp, tuannq, dttmai}@vnu.edu.vn
Tóm tắt nội dung—Ngày nay, công nghệ hiện đại đem vị trí trong phạm vi rất nhỏ dẫn đến sai số phải đủ nhỏ
lại cho con người rất nhiều tiện ích và ứng dụng xác định để đảm bảo hiệu suất. Cùng chung chủ đề này, nhóm
vị trí đóng góp một phần không nhỏ vào cuộc sống của tác giả của nghiên cứu [7] đã phát triển một thuật toán
chúng ta. Các ứng dụng dựa trên vị trí xuất hiện ở khắp định vị hiệu quả bằng cách sử dụng phương pháp bình
mọi lĩnh vực từ nhu cầu hàng ngày của con người như:
mua sắm, giải trí, đặt nhà hàng, tìm đồ đạc tới các hoạt
phương tối thiểu với ma trận trọng số được tính toán liên
động tối quan trọng như quân sự, an ninh, quốc phòng. quan tới công suất nhận và hệ số lan truyền. Trong bài
Vì thế chúng tôi đi nghiên cứu về hệ thống định vị trong báo này, nhóm tác giả sử dụng phương trình truyền sóng
nhà – một hệ thống góp phần thiết yếu trong cuộc sống Friss như một kênh truyền vô tuyến. Ngoài ra, nhận thấy
hiện nay. Một yếu tố quan trọng trong hệ thống định vị là rằng cường độ tín hiệu (RSS) có thể thay đổi theo thời
sự chính xác của kết quả đầu ra, nói cách khác là sai số gian nên khi sử dụng mô hình suy hao cố định sẽ xảy ra
giữa kết quả ước tính và vị trí thực tế của đối tượng định
lỗi, nghiên cứu [8] vì thế đã đề xuất phương pháp hiệu
vị cần giảm xuống nhỏ nhất. Vì vấn đề về môi trường ảnh
hưởng lớn tới các phép đo dẫn đến sai số lớn của kêt quả chỉnh RSS theo thời gian thực để thích ứng với sự thay
được ước tính nên trong bài báo này chúng tôi đề xuất đổi đó. Trong đó, một máy thu được đặt xung quanh khu
một phương pháp cải thiện độ chính xác của hệ thống định vực các thiết bị phát tín hiệu để phát hiện sự dao động
vị trong nhà bằng phương pháp bình phương tối thiểu có của RSS, sau đó sẽ chuyển thông tin về độ dao động
trọng số. Các kết quả mô phỏng dựa trên đo đạc thực tế RSS lên máy chủ, các thiết bị mục tiêu sẽ thu bản tin
cho thấy phương pháp đề xuất hoàn toàn khả thi để nâng từ các thiết bị phát Bluetooth và sử dụng thông tin về
cao độ chính xác cho hệ thống định vị.
Index Terms—Định vị trong nhà, cường độ tín hiệu, sự dao động RSS của máy chủ gửi xuống để điều chỉnh
truyền lan lỗi, sự không đồng nhất, Bluetooth năng lượng thông số RSS giúp giảm thiểu sai số định vị. Hơn nữa,
thấp. các tác giả cũng sử dụng mạng nơ-ron lan truyền ngược
được tối ưu hóa bằng tối ưu hóa bầy đàn (PSOBPNN)
I. GIỚI THIỆU để đào tạo cho mô hình ước lượng khoảng cách thêm
Hệ thống định vị trong nhà đã trở thành một phần chính xác. Một phương pháp đơn giản hơn được khai
không thể thiếu trong cuộc sống của con người. Tất cả thác để nâng cao chất lượng cho hệ thống định vị trong
điện thoại thông minh ngày nay đều cung cấp các dịch nhà là sử dụng bộ lọc Kalman [9], các tác giả cho tín
vụ dựa trên vị trí như tìm đồ đạc trong nhà hay xác hiệu RSS nhận được đi qua bộ lọc Kalman trước khi
định vị trí một cửa hàng tại trung tâm mua sắm hoặc dùng để ước tính khoảng cách giữa thiết bị mục tiêu
thậm chí các trò chơi giải trí đang hot hiện nay cũng và thiết bị Bluethooth. Kết quả thực nghiệm cho thấy
phát triển dựa trên xác định vị trí địa lý. Từ đó, chúng ta kết quả chính xác hơn 78.9% so với phương pháp thông
có thể thấy rằng các ứng dụng xác định vị trí giúp con thường với sai số trung bình khoảng 0.53 m.
người tiết kiệm rất nhiều thời gian trong cuộc sống hàng Trong nghiên cứu này, chúng tôi sẽ đi sâu vào cải thiện
ngày cũng như vui chơi, giải trí. Phổ biến nhất với mọi độ chính xác cho hệ thống định vị trong nhà. Nhận thấy
người có thể nói đến là hệ thống định vị toàn cầu (GPS) rằng hầu hết các lỗi sai ở vị trí được ước tính so với
- một hệ thống định vị ngoài trời dùng để tìm đường đi, vị trí thực tế là do độ lan truyền lỗi từ các biến trong
xác định vị trí công viên, tòa nhà, v.v. Hầu như sai số phép đo lường ảnh hưởng lên kết quả cuối cùng, vì vậy
trong hệ thống GPS có thể từ 5 đến 10 m mà vẫn đảm chúng tôi sử dụng phương pháp bình phương tối thiểu
bảo người dùng có thể tìm ra chính xác mục tiêu [1] có trọng số để giảm thiểu sai số xuống mức thấp nhất
nhưng trong hệ thống định vị trong nhà cần xác định với ma trận trọng số có thành phần là lỗi lan truyền của
ISBN 978-604-80-5958-3 241
- Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)
các biến thành phần lên kết quả ước tính. Chúng tôi sử thiểu (LS). Tuy nhiên phép đo RSS không hoàn toàn tin
dụng phép đo RSS để đo khoảng cách từ thiết bị quảng cậy, do đó khoảng cách được chuyển đổi từ RSS cũng
bá Bluetooth năng lượng thấp (BLE) tới thiết bị mục mang trong nó sự không chắc chắn, hậu quả cuối cùng
tiêu (điện thoại thông minh hoặc rô-bốt) vì các đặc tính là vị trí nút đích được xác định bởi một vùng thay vì
nổi trội của nó như: đơn giản, chi phí thấp, không cần một điểm duy nhất. Để nâng cao độ chính xác của LS,
đồng bộ giữa các thiết bị hay gắn mác thời gian vào bản chúng tôi đề xuất một ma trận trọng số mới cho LS, ma
tin truyền từ đó tăng tuổi thọ của pin đáng kể [3]. Khi so trận này chứa các phần tử thể hiện mối liên hệ giữa lỗi
sánh với các phương pháp đo khoảng cách dựa trên thời của các giá trị RSS và tọa độ của nút đích.
gian lan truyền của bản tín (TOA) hay thời gian chênh
lệch thời điểm đến của các bản tin (TDOA), chúng ta có
thể thấy rằng các phép đo này đều không hiệu quả trong
môi trường có vật cản (NLOS), chúng đồng thời cũng
tiêu thụ pin nhiều hơn và phức tạp hơn khi cần đồng d1
bộ thời gian chính xác giữa các thiết bị thu phát. Điều d2
đó không khả thi trong thực tế vì các thiết bị điện thoại dao động B1
trên d1
thông minh của người dùng thuộc nhiều hãng sản xuất B2 dao động
trên d2
khác nhau, công nghệ khác nhau, phần cứng khác nhau
nên để đồng bộ chính xác tuyệt đối với nhau là rất tốn
kém và phức tạp. Vậy nên có thể thấy phép đo dựa trên
cường độ tín hiệu là hoàn toàn khả thi trong điều kiện Vùng không
chắc chắn
thực tế. Cùng với đó, trong nghiên cứu này chúng tôi sử
dụng công nghệ Bluetooth năng lượng thấp (BLE) được dao động
trên d3
B3
nhúng trong các thiết bị quảng bá, gọi là BLE beacon.
d3
BLE là một công nghệ rất phổ biến để xác định vị trí
được tích hợp trong hầu hết điện thoại thông minh [6],
[7]. Nó tối ưu hơn các công nghệ khác như Wifi hay
IR vì chi phí thấp, dễ dàng lắp đặt và những tiện ích Hình 1: Bài toán định vị trong không gian 2 chiều.
của thiết bị beacon như kích thước nhỏ gọn, dễ gắn lên
tường, dung lượng pin cao và tiêu thụ điện năng thấp
[4], [5]. B. Phép đo cường độ tín hiệu (RSS)
Phần còn lại của bài báo sẽ được tổ chức như sau. Phép đo RSS là một trong những phép đo được sử
Trong Phần II, chúng tôi sẽ tóm lược các vấn đề liên dụng rộng rãi nhất trong định vị. Một cách tổng quát,
quan tới hệ thống định vị và phép đo RSS. Trong phần RSS được biểu diễn bằng mối quan hệ sau:
III, chúng tôi sẽ đưa ra phương pháp đề xuất để giải Prx (t, s) = Γ(d) + Υ(s) + a(t) (1)
quyết các vấn đề đã nêu trong Phần II. Tiếp đó, phương
pháp đề xuất được đưa vào mô phỏng để đánh giá hiệu Trong (1), RSS tại nút đích phụ thuộc vào hai yếu tố
năng của nó trong phần IV. Phần V sẽ đưa ra kết luận là không gian (s) và thời gian (t), với Γ(d), Υ(s), a(t)
cho bài báo. lần lượt biểu diễn cho mô hình suy hao RSS chỉ theo
khoảng cách d, shadowing và pha-đinh đa đường. Hình
II. TÓM TẮT VỀ HỆ THỐNG ĐỊNH VỊ VÀ PHÉP ĐO RSS dưới dây biểu diễn chính xác cách tín hiệu suy giảm
theo không gian và thời gian. Trong Hình 2, các mẫu
A. Bài toán định vị
RSS có xu hướng tạo thành hình sao chổi với phần đầu
Bài toán định vị được cho thể hiện bằng Hình 1. Trong ứng với khoảng cách gần và phần đuôi ứng với khoảng
mô hình này, chúng tôi sử dụng các nút gốc là các thiết cách xa hơn. Mô hình ứng với hiện tượng này được gọi
bị BLE, gọi là BLE beacon (biểu diễn bằng hình thoi là một mô hình không đồng nhất và nó được biểu diễn
đen), để phát quảng bá các gói tin định kỳ theo thời dưới dạng:
gian. Các beacon này được giả sử là biết trước tọa độ.
(
Ri = Γi ± σR,i
Nhiệm vụ của định vị là xác định vị trí nút đích (điện (2)
σR,i = f (|Γi |)
thoại hoặc rô-bốt). Khi đo được giá trị RSS của các bản
tin, nút đích chuyển RSS sang khoảng cách và sau cùng trong đó, R ∼ N (Γ, σR2
) biểu diễn cho giá trị RSS tức
là tọa độ của nó bằng phương pháp bình phương tối thời. Γ và σR lần lượt là giá trị RSS trung bình và độ
ISBN 978-604-80-5958-3 242
- Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)
-15
Phương trình (5) có thể viết thành:
0үX566
-20 LOS, PLE = 2
NLOS, PLE = 3.5 d21 = (x − x1 )2 + (y − y1 )2
-25
d22 = (x − x2 )2 + (y − y2 )2
-30
.. (6)
-35
.
RSS [dBm]
2
-40
dn = (x − xn )2 + (y − yn )2
-45 Lấy các phương trình dưới trừ cho phương trình đầu
-50 tiên, ta thu được:
-55
AxLS = b (7)
-60
trong dó:
-65
100 101 102
.KRҧQJFiFK [m]
x2 − x1 y2 − y1
x3 − x1 y3 − y1
xLS
Hình 2: Kết quả thực nghiệm nêu trong [10]. Các đường A= .. .. , xLS = y
màu xanh và đỏ thể hiện cho Γ(d) với hệ số mất mát . . LS
lần lượt là 2 (LOS) và 3.5 (NLOS). xn − x1 yn − y1
2
x2 + y22 − d22 − (x21 + y12 − d21 )
2 2 2 2 2 2
lệch chuẩn của nó. f (·) là một hàm phụ thuộc vào Γ. x3 + y3 − d3 − (x1 + y1 − d1 )
1
Trong [2], chúng tôi đã đo đạc và quan sát được rằng b= ..
2 .
f (·) có thể được xấp xỉ bằng một hàm tuyến tính với: x2n + yn2 − d2n − (x21 + y12 − d21 )
σR,i = 0.1752|Γi |−10.067 (3)
Ước lượng LS của x là:
Phương trình biểu diễn mỗi quan hệ giữa RSS và khoảng
cách là Γ = −5.598 ln(d) − 63.904 và hàm này có thể xLS = (A⊤ A)−1 A⊤ b (8)
xấp xỉ bằng một hàm tuyến tính: B. Phương pháp LS có trọng số dựa trên lỗi truyền lan
−5.11d − 58.814, 0 ≤ d < 1.63
Phương pháp LS thông thường đối xử với các khoảng
Γ(d) ≈ −2.182d − 63.58, 1.63 ≤ d < 4.05 (4) cách đầu vào một cách tùy tiện. Tuy nhiên, từ phương
trình (3) ta có thể thấy rằng phép đo ứng với RSS lớn
−0.8d − 69.177, 4.05 ≤ d < 10
hơn thì có độ tin cậy cao hơn. Do đó, bằng cách tăng
Từ phương trình trên, ta có thể xác định một chiến lược thêm trọng số cho những phép đo có độ chính xác cao
ước tính khoảng cách thích ứng với mỗi giá trị RSS đầu hơn, tức là những phép đo tương ứng với khoảng cách
vào. Chiến lược được nêu ra trong bảng sau: ngắn, chúng tôi mong đợi rằng sẽ có được độ chính xác
Bảng I: Mô hình chuyển đổi sang khoảng cách dựa trên cao hơn trong kết quả định vị. Ước lượng có trọng số
khoảng RSS của xLS được viết dưới dạng:
xWLS = (A⊤ S−1 A)−1 A⊤ S−1 b (9)
Khoảng RSS Mô hình chuyển đổi
-67.13 to -60 Γ = −5.11d − 58.814 Ma trận trọng số S mà chúng tôi lựa chọn ở đây chính là
-72.42 to -67.13 Γ = −2.182d − 63.58
-80 to -72.42 Γ = −0.8d − 69.177 ma trận hiệp phương sai của ma trận b, nơi chứa lỗi lan
truyền từ RSS sang khoảng cách. Giả sử ma trận b có
thể viết dưới dạng thu gọn b = [X1 , X2 , ..., XN −1 ]⊤ ,
III. PHƯƠNG PHÁP ĐỀ XUẤT ma trận hiệp phương sai, S, của b được định nghĩa như
A. Phương pháp bình phương nhỏ nhất (LS) sau:
2
· · · σX1 XN −1
Giả sử có N beacon và nút đích có tọa độ lần lượt σX 1
σX1 X2
2
là [xi , yi ]⊤ , i ∈ {1, ..., N } và [x, y]⊤ . Khi đó, khoảng σ X2 X1 σX 2
· · · σX2 XN −1
S= .. .. .. .. (10)
cách giữa nút đích và beacon thứ i là: . . . .
p
di = (x − xi )2 + (y − yi )2 (5) σXN −1 X1 σXN −1 X2 ··· 2
σX N −1
ISBN 978-604-80-5958-3 243
- Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)
Với c và X lần lượt là hằng số và biến ngẫu nhiên, ta được xuống 3 đến 4 nút có RSS lớn nhất trong tổng số
có: σc2 = 0, σX+c
2
= σX 2
, và σcX
2
= c2 σX
2
. Giả sử các các nút quan sát được.
biến ngẫu nhiên d1 , d2 , ..., dN là độc lập với nhau, ta dễ
IV. KẾT QUẢ MÔ PHỎNG VÀ ĐÁNH GIÁ
dàng tính được:
2 A. Thiết lập mô phỏng
σd2 + σd22 σd22 σd22
···
1 2 1 1
σ2 σd22 + σd22 · · · σd22
d21
(11)
1 3 1
S= .. .. .. ..
-
. . . .
σd22 σd22 · · · σd22 + σd22
-
1 1 1 N
Các thành phần σd22 của ma trận hiệp phương S sau đó
i
-
được tính bởi:
2
(12)
σd22 = E(d4i ) − E(d2i )
i
Từ hàm sinh mô-men của biến ngẫu nhiên Gauss (xem
2
Phụ lục) ta dễ dàng tính được E(d4i ) = e4µdi +8σdi và
2 2
E(d2i ) = e4µdi +4σdi . Từ đó, các phần tử không nằm
-
trên đường chéo chính của S có thể được tính bởi:
!
µd1 + 2σd21
2
σd2 = exp (13)
1 µd1 + σd21
Và các thành phần trên đường chéo chính của S được
tính bằng (j ∈ {2, ...N }):
! !
2 2
µd1 + 2σd21 µdj + 2σd2j
σd2 + σd2 = exp + exp
1 j µd1 + σd21 µdj + σd2j
(14) Hình 3: Vị trí các beacon (nút nguồn) và quỹ đạo dùng
Trong (13) và (14), µdi , i ∈ {1, ..., N } được tính thông để đánh giá sai số.
qua Bảng I, tức dựa trên giá trị RSS tức thời (R) quan
sát được trên nút đích và độ dốc mà mô hình của giá
Trong phần này, phương pháp đề xuất được đưa vào
trị RSS đó thuộc về. Trong khi đó, σdi được tính toán
mô phỏng và đánh giá hiệu năng. Kịch bản mô phỏng
thông qua độ dốc của các mô hình truyền lan trong Bảng
được minh họa bởi Hình 3. Đây là kịch bản mô phỏng
I và phương trình (3).
dựa trên một thí nghiệm thực tế được trình bày trong [2].
C. Độ phức tạp thuật toán Khu vực mô phỏng là một mẫu môi trường trong nhà
Phương pháp LS có trọng số này có liên quan tới việc điển hình, bao gồm 2 loại môi trường là không gian mở,
tính toán nghịch đảo ma trận S, vì vậy độ phức tạp thuật nơi các beacon số 1 - 7 được triển khai và môi trường
toán của nó là O(n3 ) với n là số nút nguồn mà nút đích đóng, nơi các beacon số 8 - 11 triển khai. Khoảng cách
quan sát được1 . Các thủ tục khác bao gồm việc nhân ma giữa 2 beacon liền kề là khoảng 6 đến 8 m. Các beacon
trận có độ phức tạp thuật toán là O(n). Theo góc nhìn đồng thời được giả sử là có cùng cấu hình. Người dùng
lý thuyết, chúng ta có thể thấy đây là một phương pháp sau đó di chuyển theo quỹ đạo cố định để đánh giá
có độ phức tạp thuật toán cao, đặc biệt khi n trở lên độ chính xác của các phương pháp định vị. Loại sai số
lớn. Tuy nhiên, dưới góc độ thực nghiệm, phương pháp được lựa chọn để đánh giá các phương pháp là khoảng
này hoàn toàn có thể được thực thi trên các thiết bị có cách Euclid trong không gian 2 chiều. Giả sử [x, y]⊤ và
nguồn tài nguyên tính toán hạn chế vì điện thoại thường x, yˆ]⊤ lần lượt là tọa độ của vị trí thực và vị trí ước
[ˆ
chỉ quan sát được một số hữu hạn các nút gốc tại một lượng, sai số được định nghĩa bởi:
thời điểm. Thuật toán thậm chí có thể được thiết kế để
p
err = (x − x ˆ)2 + (y − yˆ)2 (15)
đạt được độ phức tạp thấp khi giới hạn số nút quan sát
Mô phỏng này sử dụng các tham số đo đạc thực nghiệm,
1n không phải tổng số nút nguồn được triển khai. bao gồm mô hình chuyển đổi RSS sang khoảng cách
ISBN 978-604-80-5958-3 244
- Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)
25 25 25
20 20 20
15 15 15
Y (m)
Y (m)
Y (m)
10 10 10
5 5 5
0 0 0
0 5 10 15 20 25 0 5 10 15 20 25 0 5 10 15 20 25
X (m) X (m) X (m)
(a) LS (b) C-WLS (c) Phương pháp đề xuất
Hình 4: Quỹ đạo thực và phân bố vị trí của các phương pháp ước lượng.
trong Bảng I và mô hình tính toán độ tin cậy của RSS phương pháp đề xuất của chúng tôi làm tốt hơn 14% so
tức thời trong (3). với C-WLS và 10% so với C-WLS.
B. So sánh độ chính xác của các phương pháp định vị 3
Trong phần này, độ chính xác của phương pháp đề
xuất được so sánh với các phương pháp ước lượng cổ 2.5
điển. Các phương pháp được đưa vào để so sánh bao
gồm LS và một phương pháp LS có trọng số cơ bản, 2
có tên viết tắt là C-WLS. Phương pháp C-WLS được sử
dụng rất phổ biến trong lĩnh vực định vị, nó nhân thêm 1.5
vào hệ thống LS một ma trận trọng số có dạng như sau:
1
d2 0 ··· 0
0 d3 ··· 0
0.5
S=. .. .. .. (16)
.. . . .
0 0 ··· dN 0
C-WLS LS
Kết quả được minh họa bởi Hình 4. Trong Hình 4, hình Hình 5: Độ chính xác của các phương pháp định vị
thoi đen và đường màu xanh lần lượt thể hiện cho vị trí
beacon và quỹ đạo thực của người dùng. Các ký hiệu
hình tròn lam, hình tam giác hồng và hình vuông đỏ
lần lượt thể hiện cho ước lượng của các phương pháp C. Đánh giá sai số hệ thống dưới ảnh hưởng của mật
LS, C-WLS và phương pháp đề xuất. Như có thể thấy độ beacon
trong Hình 4, độ chính xác của tất cả các phương pháp Trong phần này, phương pháp đề xuất được đánh giá
đều cao hơn ở khu vực không gian mở. Nguyên nhân dưới ảnh hưởng của mật độ beacon. Chúng tôi coi 11
là do ở loại không gian này, các beacon được triển khai beacon là lý tưởng trong mô phỏng này. Chúng tôi sau
với mật độ dày hơn, do đó có được các phép ước lượng đó lần lượt xóa bỏ các beacon ra khỏi môi trường thí
chính xác hơn. Trong trường hợp sử dụng phương pháp nghiệm, sao cho mỗi khu vực mở có ít nhất 3 beacon
đề xuất, hệ thống tạo ra một phân bố các điểm giống với và khu vực đóng có ít nhất 1 beacon. Điều này xuất
quỹ đạo thực và giống hơn cả so với hai phương pháp phát từ thực tế rằng, trong trường hợp tồi tệ nhất, người
còn lại. Sai số trung bình của các các phương pháp có dùng vẫn có thể thu được tín hiệu từ một beacon và sử
thể xem trong Hình 5. Sai số lần lượt của phương pháp dụng beacon đó làm vị trí tương đối khi đứng ở bất kỳ
đề xuất, C-WLS và LS là 1.24, 1.39 và 1.44. Như vậy, không gian nào. Từ xu hướng được thể hiện trong Hình
ISBN 978-604-80-5958-3 245
- Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)
1
Ta dễ dàng tính được hàm sinh mô-men cho biến chuẩn
0.9 tắc:
Z +∞
0.8 1 1 2
Mz (t) = E(ezt ) = ezt √ e− 2 z dz (18)
0.7 −∞ 2π
0.6 Đối với trường hợp tổng quát cho x, ta đặt z = x−µ
σ .
0.5
Ta có, x = zσ + µ và dx = σdz. Sau đó, ta tính được
hàm sinh cho biến ngẫu nhiên Gauss tổng quát thông
0.4
qua biến chuẩn tắc như sau:
0.3 Z +∞
1 1 2
0.2
7 beacon
8 beacon
Mx (t) = ezσt+µt √ e− 2 z σ dz
9 beacon −∞ 2πσ
0.1 10 beacon Z +∞
1 1 2
(19)
ezσt √ e− 2 z dz
11 beacon
0
= eµt
0 0.5 1 1.5 2 2.5 3 3.5 −∞ 2π
1 2 2
= eµt e 2 σ t
Hình 6: Đánh giá sai số định vị dưới ảnh hưởng của số
TÀI LIỆU
beacon triển khai
[1] F. Zafari, A. Gkelias and K. Leung, “A Survey of Indoor
Localization Systems and Technologies", IEEE Communications
Surveys & Tutorials, vol. 21, no. 3, pp. 2568-2599, 2019.
6, chúng ta có thể thấy rằng độ chính xác của hệ thống [2] T. Dinh, N. Duong and Q. Nguyen, “Developing a Novel Real-
tăng lên khi số lượng beacon tăng lên. Hệ thống có độ Time Indoor Positioning System Based on BLE Beacons and
Smartphone Sensors", IEEE Sensors Journal, vol. 21, no. 20,
chính xác cao nhất là 1.24 m với 11 iBeacons và thấp pp. 23055-23068, 2021.
nhất là 1.9 m với 7 iBeacons. Chúng tôi cũng nhận thấy [3] F. Liu et al., “Survey on WiFi-based indoor positioning tech-
rằng sự thay đổi độ chính xác giữa các trường hợp là niques", IET Communications, vol. 14, no. 9, pp. 1372-1383,
2020.
không đáng kể khi số lượng beacon tăng lên. Điều này [4] B. Ray, “How Indoor Positioning Systems Work & Types
cho thấy rằng chúng ta có thể có một hệ thống rẻ tiền of Location Tracking", Airfinder.com, 2021. [Online]. Avail-
với độ chính xác gần như tương đương nhau. able: https://www.airfinder.com/blog/indoor-positioning-system.
[Accessed: 22- Sep- 2021].
[5] A. Lindemann, B. Schnor, J. Sohre and P. Vogel, “Indoor
V. KẾT LUẬN Positioning: A Comparison of WiFi and Bluetooth Low Energy
for Region Monitoring", 9th International Joint Conference on
Trong bài báo này, chúng tôi đã đề xuất một phương Biomedical Engineering Systems and Technologies - HEALTH-
pháp để cải thiện độ chính xác cho hệ thống định vị INF, Italy, 2016.
trong nhà. Nền tảng của phương pháp này bắt nguồn [6] M. Ji, J. Kim, J. Jeon and Y. Cho, “Analysis of positioning
accuracy corresponding to the number of BLE beacons in indoor
từ việc phân tích lỗi truyền lan, đầu tiên là lỗi không positioning system", 17th International Conference on Advanced
thể tránh khỏi từ môi trường không đồng nhất lên các Communication Technology (ICACT), 2015.
giá trị RSS, sau đó là từ RSS lên khoảng cách và cuối [7] Y. Tian, D. Shigaki, W. Wang and C. Ahn, “A weighted
leastsquares method using received signal strength measure-
cùng là từ khoảng cách tới vị trí ước lượng. Đặc biệt, ments for WLAN indoor positioning system", 20th International
hệ thống được khảo sát trên mô hình kênh thực nghiệm Symposium on Wireless Personal Multimedia Communications
mà chúng tôi đo và quan sát được tại môi trường nhà (WPMC), 2017.
[8] G. Li, E. Geng, Z. Ye, Y. Xu, J. Lin and Y. Pang, “Indoor
G2. Các kết quả được kiểm chứng bằng mô phỏng trên Positioning Algorithm Based on the Improved RSSI Distance
máy tính cho thấy phương pháp đề xuất vượt trội hơn Model", Sensors, vol. 18, no. 9, p. 2820, 2018.
phương pháp LS hay WLS phổ thông. [9] A. Mackey, P. Spachos and K. Plataniotis, “Enhanced Indoor
Navigation System with Beacons and Kalman Filters", IEEE
Global Conference on Signal and Information Processing (Glob-
PHỤ LỤC : HÀM SINH MÔ - MEN CỦA BIẾN NGẪU alSIP), 2018.
NHIÊN GAUSS [10] B. Lee, D. Ham, J. Choi, S. Kim and Y. Kim, “Genetic Algorithm
for Path Loss Model Selection in Signal Strength-Based Indoor
Gọi x là biến ngẫu nhiên Gauss có kỳ vọng và phương Localization", IEEE Sensors Journal, vol. 21, no. 21, pp. 24285-
sai lần lượt là µ và σ 2 . Hàm mật độ phân phối của biến 24296, 2021.
ngẫu nhiên này được viết dưới dạng:
(x − µ)2
1
N (x, µ, σ 2 ) = √ exp − (17)
2πσ 2 2σ 2
ISBN 978-604-80-5958-3 246
nguon tai.lieu . vn
