Hệ thống định vị trong nhà sử dụng bluetooth thế hệ mới p4

43 CHƯƠNG 4 KẾT QUẢ THỰC NGHIỆM 4 1 Các bước cấu hình mô hình thực nghiệm 4 1 1 Cấu hình phần cứng Bước đầu tiên chúng ta cần xác định được chính xác mã định danh (ID) của beacon cần định vị thông qua ứng dụng eBeacon Scanner Hình 4 1 Thông tin dò tìm beacon Ứng dụng eBeacon Scanner trong hình 4 1 ta sẽ lấy được tất cả các thông tin của beacon trong phạm vi đó, bao gồm địa chỉ UUID, major, minor value, Tx (cường độ phát tín hiệu) Raspberry Pi quét tìm và lấy dữ liệu từ beacon từ địa chỉ ID,.

CHƯƠNG KẾT QUẢ THỰC NGHIỆM 4.1 Các bước cấu hình mơ hình thực nghiệm 4.1.1 Cấu hình phần cứng Bước cần xác định xác mã định danh (ID) beacon cần định vị thơng qua ứng dụng eBeacon Scanner Hình 4.1 Thơng tin dị tìm beacon Ứng dụng eBeacon Scanner hình 4.1 ta lấy tất thông tin beacon phạm vi đó, bao gồm địa UUID, major, minor value, Tx (cường đợ phát tín hiệu) Raspberry Pi quét tìm lấy liệu từ beacon từ địa ID, dựa vào cường đợ tín hiệu Tx ta tìm giá trị RSSI • Hệ thống định vị nhà BLE bao gồm phần cứng thể Hình 4.2 43 Hình 4.2 Phần cứng yêu cầu - Khối phát tín hiệu: Sử dụng beacon C2640, chức phát tín hiệu quảng bá đa hướng, có thơng tin RSSI cần thu Cơng śt truyền thiết bị thiết lập dBm Khi xử lý môi trường nhiều người, tường nhiễu, dBm không đủ công suất, trường hợp phải tăng số lượng máy thu Hơn nữa, lập trình để phát xem thiết bị có chuyển đợng hay khơngvà tần số phát tín hiệu sau 1s để tiết kiệm pin - Khối thu: bợ xử lý chính, nhận tín hiệu RSSI từ khối phát tín hiệu, sau tính tốn khoảng cách tới beacon, ngồi cịn có nhiệm vụ quan trọng đưa liệu khoảng cách cập nhật liên tục lên server Sử dụng kit raspberry pi model B làm bộ xử lý trung tâm Raspberry pi lập trình Python - Máy chủ (Server): Sau có khoảng cách từ beacon đến raspberry pi, hệ thống sử dụng để ước tính vị trí nút máy phát (BLE beacons) theo thơng tin nhận từ máy thu thuật toán trilateration Dữ liệu cập nhật liên tục theo thời gian thực - Khối hiển thị: có chức hiển thị kết định vị, sử sụng điện thoại android để hiển thị qua app apk • Sau cài hệ hành cho Raspberry kết nối Raspberry vào hình máy tính, gắn cḥt bàn phím cho Raspberry Sau khởi động Raspberry lên - Cập nhật cho Raspberry: 44 + sudo apt update && sudo apt upgrade + sudo apt –get install xrdp (để sử dụng Remote Desktop để truy cập vào Pi tử xa qua mạng) User: pi – password: raspberry Hình 4.3 Hệ điều hành RASBIAN - Cài đặt bluZ Raspberry sudo apt-get install libusb-dev sudo apt-get install libdbus-1-dev sudo apt-get install libglib2.0-dev fix-missing sudo apt-get install libudev-dev sudo apt-get install libical-dev sudo apt-get install libreadline-dev sudo apt-get install libdbus-glib-1-dev sudo mkdir bluez cd bluez sudo wget www.kernel.org/pub/linux/bluetooth/bluez-5.19.tar.gz sudo gunzip bluez-5.19.tar.gz sudo tar xvf bluez-5.19.tar cd bluez-5.19 45 sudo /configure disable-systemd sudo make sudo make install sudo apt-get install python-bluez sudo shutdown -r now • Test RSSI Beacon + cd /home/pi/Desktop/BLUZ + git clone https://github.com/switchdoclabs/iBeacon-Scanner+ cd iBeacon-Scanner+ sudo python testblescan.py Hình 4.4 Tín hiệu trả raspberry beacon cần định vị 4.1.2 Cấu hình mạng Việc xây dựng mạng lưới hoạt động cho hệ thống định vị nhà dựa mạng cảm biến không dây (WSN) liên quan đến nguồn liệu thô phạm vi không gian Như vậy, đặc điểm việc triển khai WSN cho hệ thống vị trí nhà nghiên cứu thể Hình 4.5 46 Hình 4.5 Cấu trúc mạng Mạng xây dựng để giám sát lúc, tất nguồn thơng tin gửi liệu liên tục đến một trạm gốc lên server Theo trạng thái chuyển động nút cảm biến, có hai loại mạng nút: nút cố định (raspberry pi) nút di động (beacon) Tất nút cảm biến bao gồm nút cố định nút di đợng mợt nút trung gian để định tuyến gói đến trạm gốc Mỗi trạm có hướng truy vấn liệu khác (rssi, khoảng cách) 4.1.3 Cấu hình để hiển thị vị trí ứng dụng Khi ta có giá trị RSSI tính khoảng cách từ Raspberry Pi đến Beacon trước hết phải cập nhật liệu lên server, liệu phải đưa lên lấy xuống liên tục (cập nhật liên tục theo thời gian thực), ta cần phải tạo mợt Cloud Services để làm việc Và Firebase lựa chọn thực luận văn Firebase dịch vụ sở liệu hoạt động tảng đám mây – cloud Kèm theo hệ thống máy chủ mạnh mẽ Google Chức giúp 47 người dùng lập trình ứng dụng cách đơn giản hóa thao tác với sở liệu Cụ thể giao diện lập trình ứng dụng API đơn giản; Đặc biệt, dịch vụ đa bảo mật cực tốt Firebase hỗ trợ hai tảng Android IOS Hình 4.6 Dữ liệu cập nhật liên tục lên cloud • Cài đặt đưa tọa đợ vị trí lấy lên hiển thị đồ android Android Studio môi trường phát triển tích hợp (IDE) thức cho việc phát triển ứng dụng Android Android studio có rất nhiều lợi ích tính mà người dùng khai thác đặc biệt giúp lập trình viên mơ để tiến hành sửa lỗi nâng cấp sản phẩm cần thiết Trong nội dung luận văn Android Studio cơng cụ lập trình để hiển thị vị trí định vị beacon khu vực 48 Hình 4.7 Cấu hình để hiển thị vị trí ứng dụng Trong đó, màu đen vị trí thực tế khảo sát thực khu vực điểm màu đỏ kết định vị ứng dụng - Tạo tọa độ động chọn Raspberry Pi Khi ta thay đổi vị trí Raspberry Pi thực tế di chuyển chúng tọa đợ thay đổi theo ta thay đổi mợt cách dễ dàng cập nhật vị trí liên tục ứng dụng Trên app android thiết lập vị trí Raspberry Pi tự đợng update vị trí lên server từ khoảng cách d1, d2, d3 từ Raspberry Pi cập nhật theo 49 update Hình 4.8 Cấu hình tọa độ động chọn Raspberry Pi 4.2 Khảo sát giá trị RSSI ➢ Khảo sát Raspberry Pi thứ Khảo sát 100 giá trị RSSI với tham số khảo sát môi trường: RSSI0 (d = 1m) -61 dBm n Hình 4.9 Biểu diễn khảo sát 100 kết Rssi 50 Sau có kết Rssi ta tính tốn đưa kết dựa vào phương trình (  n =1 100 Đợ lệch chuẩn tín hiệu thu: s = Rssii − Rssi ) (4-1) n −1  ( Rssii − Rssi ) n =1 10 Đợ lệch chuẩn bợ lọc trung bình: stb = Trong đó: (4-2) n −1 n Rssi =  Rssii n i =1 (4-3) Rssii _ km − Rssikm ) (  n =1 100 Độ lệch chuẩn bộ lọc Kalman: skm = n −1 (4-4) • Kết liệu trước sau qua lọc Kalman Hình 4.10 Giá trị RSSI với khoảng cách d = 2m Raspberry Pi trước sau có bợ lọc kalman 51  Dựa vào hình 4.9 áp dụng phương trình (4-1), (4-2), (4-3), (4-4) kết khảo sát thống kê qua bảng sau (các giá trị RSSI lấy giá trị tuyệt đối): Bảng 4.1 Tổng hợp kết RSSI Raspberry Pi Tín hiệu ban đầu Tín hiệu qua lọc Tín hiệu qua lọc (dbm) trung bình (dbm) kalman (dbm) Khoảng cách (m) Giá trị Giá trị Trung nhỏ nhất lớn nhất bình Giá trị Giá trị Trung nhỏ nhất lớn nhất bình Giá trị Giá trị nhỏ nhất lớn nhất Trung bình 0.5 48.5 65.6 56.5 49.7 64.6 58.4 49.8 54.6 52.3 58.4 75.6 64.5 59.7 72.8 67.3 60.1 66.1 63.8 75.2 88.8 85.6 76.4 88.6 84.1 79.6 82.2 81.1 Bảng 4.2 So sánh độ lệch chuẩn Raspberry Pi Khoảng cách Độ lệch chuẩn tín Độ lệch chuẩn Bộ Độ lệch chuẩn (m) hiệu ban đầu lọc trung bình (*) lọc kalman 0.5 5.84 1.53 0.55 7.80 4.03 0.53 4.32 3.94 0.62 (*): 10 giá trị rssi cho giá trị trung bình Bảng 4.3 Kết ước lượng Raspberry Pi Khoảng cách thực (m) Khoảng cách ước lượng (m) (TB giá trị thực nghiệm) Sai số khoảng cách (m) 0.5 0.92 1.5 3.0 0.3 0.5 1.0 ➢ Khảo sát Raspberry Pi thứ 52 Khảo sát 100 giá trị RSSI với tham số khảo sát môi trường: RSSI0 (d = 1m) -72 dBm n • Kết liệu trước sau qua lọc Kalman Hình 4.11 Giá trị RSSI với khoảng cách d = 2m Raspberry Pi trước sau có bợ lọc kalman  Dựa vào hình 4.9 áp dụng phương trình (4-1), (4-2), (4-3), (4-4) kết khảo sát thống kê qua bảng sau (các giá trị RSSI lấy giá trị tuyệt đối): Bảng 4.4 Tổng hợp kết RSSI Raspberry Pi Tín hiệu ban đầu Tín hiệu qua lọc Tín hiệu qua lọc (dbm) trung bình (dbm) kalman (dbm) Khoảng cách (m) Giá trị Giá trị nhỏ nhất lớn nhất Trung bình Giá trị Giá trị nhỏ nhất lớn nhất Trung bình 0.5 48.6 69.6 52.7 50.1 70.2 65.3 65.7 81.5 70.1 66.4 75.8 71.1 74.7 92.8 81.2 76.6 92.1 81.6 53 Giá trị Giá trị nhỏ nhất lớn nhất 59.7 Trung bình 63.2 61.3 68.5 72.1 69.7 81.3 85.2 82.2 Bảng 4.5 So sánh độ lệch chuẩn Raspberry Pi Khoảng cách Độ lệch chuẩn tín Độ lệch chuẩn Bộ hiệu ban đầu (m) Độ lệch chuẩn lọc trung bình (*) lọc kalman 0.5 5.67 3.21 0.08 5.49 2.47 0.22 6.95 2.23 0.15 (*): 10 giá trị rssi cho giá trị trung bình Khoảng cách thực (m) Khoảng cách ước lượng (m) (TB giá trị thực nghiệm) Sai số khoảng cách (m) 0.5 0.55 1.15 2.63 0.05 0.15 0.63 Bảng 4.6 Kết ước lượng Raspberry Pi ➢ Khảo sát Raspberry Pi thứ ba Khảo sát 100 giá trị RSSI với tham số khảo sát môi trường: RSSI0 (d = 1m) -72 dBm N • Kết liệu trước sau qua lọc Kalman 54 Hình 4.12 Giá trị RSSI với khoảng cách d = 2m Raspberry Pi trước sau có bợ lọc kalman  Dựa vào hình 4.9 áp dụng phương trình (4-1), (4-2), (4-3), (4-4) kết khảo sát thống kê qua bảng sau (các giá trị RSSI lấy giá trị tuyệt đối): Bảng 4.7 Tổng hợp kết RSSI Raspberry Pi Tín hiệu ban đầu Tín hiệu qua lọc Tín hiệu qua lọc (dbm) trung bình (dbm) kalman (dbm) Khoảng cách (m) Giá trị Giá trị nhỏ nhất lớn nhất Trung bình Giá trị Giá trị nhỏ nhất lớn nhất Trung bình 0.5 58.1 77.2 68.9 59.3 73.4 67.8 65.5 88.2 78.7 68.3 86.4 77.5 79.5 96.2 91.8 82.3 95.4 89.6 Giá trị Giá trị nhỏ nhất lớn nhất 60.5 Trung bình 67.1 65.1 75.4 80.6 77.1 85.6 90.3 87.7 Bảng 4.8 So sánh độ lệch chuẩn Raspberry Pi Khoảng cách Độ lệch chuẩn tín Độ lệch chuẩn Bộ (m) hiệu ban đầu Độ lệch chuẩn lọc lọc trung bình (*) kalman 0.5 5.15 2.60 1.10 6.21 3.82 1.23 9.34 2.1 1.33 (*): 10 giá trị rssi cho giá trị trung bình 55 Bảng 4.9 Kết ước lượng Raspberry Pi Khoảng cách thực (m) Khoảng cách ước lượng (m) (TB giá trị thực nghiệm) Sai số khoảng cách (m) ➢ 0.5 0.99 1.90 2.98 0.49 0.9 0.98 Tổng kết Bảng 4.10 Kết định vị Raspberry Pi Raspberry Raspberry Raspberry Raspberry Khoảng cách thực Khoảng cách đo Khoảng cách từ thiết bị chênh lệch 0.5m 0.92 m 0.42 m 1m 1.5 m 0.50 m 2m 3.0 m 1.0 m 0.5m 0.55 m 0.05 m 1m 1.15m 1.15 m 2m 2.63 m 0.63 m 0.5m 0.99 m 0.49 m 1m 1.90 m 0.90 m 2m 2.98 m 0.98 m Sai số trung bình 0.78 m Kết thử nghiệm khảo sát tóm tắt Bảng 4.7 Sai số trung bình cho tất Raspbery pi điểm 0,78 m, sai số định vị chấp nhận định vị sử dụng BLE Thuật toán trilateration nhạy cảm phép đo khoảng cách ngắn khoảng cách dài Từ Hình 4.8 tới 4.10 bảng 4.1 tới 4.9, thấy khác biệt liệu trước sau áp dụng bộ lọc Kalman, cụ thể độ lệch chuẩn phép đo khoảng 56 cách Các hình vẽ, bảng biểu cho thấy rõ ràng có biến động lớn kết từ beacon trước sau áp dụng bộ lọc 4.3 Thực định vị Khu vực thử nghiệm có kích thước m x 5m Raspberry Pi đặt theo tọa độ P1(0,0), P2(0,1.5), P3(2,0) Người thực tiến hành di chuyển khu vực đo vi trí khu vực đánh dấu Thử nghiệm lặp lại 10 lần kết định vị thể hình 4.11 Trong đó, đường màu đen đường thực tế người thực khu vực điểm màu đỏ kết định vị ứng dụng ghi lại Để trực quan kết định vị lưu lại khái quát hình ảnh Hình 4.13 Kết thử nghiệm định vị hệ thống 4.4 Đánh giá độ xác hệ thống Đợ xác hệ thống đánh giá thông qua sai số kết định vị Sử dụng đầu thử nghiệm bộ giá trị toạ độ thực tế vị trí thử nghiệm toạ đợ kết định vị hệ thống, 57 Khoảng cách hai điểm một đoạn thẳng Độ dài đoạn thẳng tính cơng thức tính khoảng cách: d= (x − x ) +( y − y ) ' ' (4-1) Trong vị trí thực tế (𝑥, 𝑦) vị trí thử nghiệm Tọa độ ( x ' , y ' ) kết định vị hệ thống Tiến hành tính sai số với 100 lần thử nghiệm phép định vị, có thống kê tổng quát sai số phân bố giá trị sai số hệ thống hình 4.14 Sai số kết 25% 23% 20% 18% Tần suất 16% 15% 13% 10% 6% 5% 6% 5% 3% 2% 2% 3% 1% 2% 0% Khoảng sai số (m) Hình 4.14 Sai số kết thực nghiệm Hình 4.13 nhận thấy kết định vị cịn có sai số nhiều, vị trí màu đỏ chưa bám quỹ đạo Từ hình 4.14 phân bố giá trị sai số, thấy sai số đầu hệ thống nằm khoảng từ 0.5m đến 1.5m Để cải thiện định vị vị trí phương án đưa thêm bợ lọc trung bình vị trí (x,y) beacon sau định vị Tiến hành lấy kết thử nghiệm trước hình 4.13, tiếp tục lấy trung bình kết Mỗi vị trí khảo sát lần 58 Hình 4.15 Kết định vị sau thêm bợ lọc trung bình Với đường màu đen vị trí thực tế người thực khu vực điểm màu đỏ kết định vị ứng dụng 50% Sai số kết sau thêm 48% lọc trung bình 40% TẦN SUẤT 40% 30% 20% 10% 7% 5% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% KHOẢNG SAI SỐ (M) Hình 4.16 Sai số thực nghiệm sau thêm bợ lọc trung bình 59 Từ thống kê sai số thực nghiệm trên, ta nhận thấy phần lớn thử nghiệm có sai số nhỏ 0,5m chiếm tới 88% Khoảng cách sai số thu hẹp một cách đáng kể, vị trí định vị tốt so với qua bợ lọc kalman Hình 4.15 cho thấy vị trí khảo sát xa raspbery pi đợ lệch vị trí lớn, một phần suy hao đường truyền Tuy nhiên với thời gian setup 1s/1Rssi Thời gian để đưa một kết định vị rất lâu Trường hợp beacon di chuyển, phương án dường không khả quan Với trường hợp sử dụng cho tìm kiếm, định vị vị trí cố định, khơng di chuyển nhiều 60 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Trong luận văn này, ý tưởng bắt đầu với công nghệ Beacon (Bluetooth lượng thấp), cách nhận liệu RSSI từ đèn hiệu, để áp dụng một bộ lọc cho liệu RSSI cuối sử dụng phương pháp trilateration để tìm vị trí một đối tượng (beacon) Bộ lọc thực bợ lọc Kalman Mục đích thử nghiệm thử nghiệm để kiểm tra đợ xác q trình trilateration mợt mơi trường khả xác định vị trí thiết bị Bluetooth Người ta quan sát thấy mức đợ nhiễu tín hiệu RSSI thu từ beacon cao, với bộ lọc Kalman, quan sát thấy sai số khoảng 1m Do đó, kết thu với hệ thống đề xuất, sử dụng đèn hiệu chưa đáp ứng yêu cầu đề ban đầu luận văn Đối với nghiên cứu tương lai, để cải thiện định vị xác Chúng tơi sử dụng kết hợp nhiều bộ lọc, chọn phương pháp lọc bợ lọc tốt Chúng tơi kết hợp BLE với kỹ thuật khác Wifi, UWB, RFID … để cải thiện định vị 61 TÀI LIỆU THAM KHẢO [1] Yapeng Wang et al “Bluetooth Positioning using RSSI and Triangulation Methods,” present at The IEEE 10th Consumer Communications and Networking Conference (CCNC), United States, 2013 [2] Mohamed Er Rida et al “Indoor location position based on Bluetooth Signal Strength,” IEEE International Conference on Information Science and Control Engineering, 2015 [3] Germán Martín Mendoza-Silva et al “A Meta-Review of Indoor Positioning Systems,” Peresent at the Institute of New Imaging Technologies, Universitat Jaume I, Avda Vicente Sos Baynat S/N, 12071 Castellón, Spain, 14 August 2019 [4] Correa, A et al “A Review of Pedestrian Indoor Positioning Systems for Mass Market Applications,” Telecommunications and Systems Engineering Department, Universitat Autònoma de Barcelona, Spain, 10 July 2017 [5] Rui Ma et al “An Improved WiFi Indoor Positioning Algorithm by Weighted Fusion,” School of Software, Beijing Institute of Technology, Haidian District, Beijing 100081, China, July 2015 [6] Abdulrahman Alarifi et al “Ultra Wideband Indoor Positioning Technologies: Analysis and Recent Advances,” in Proceedings of the Eighth International Conference on Sensor Technologies and Applications, SENSORCOMM 2014, Rome, Italy, 16–20 November 2014, pp 1–9 [7] Yassin, A et al “Recent Advances in Indoor Localization: A Survey on Theoretical Approaches and Applications,” IEEE Commun Surv Tutor Vol 19, pp 1327–1346, 2017 [8] Sakpere, W et al “A State-of-the-Art Survey of Indoor Positioning and Navigation Systems and Technologies,” S Afr Comput J Vol 29 2017 [9] Basiri, A et al “Indoor location based services challenges, requirements and usability of current solutions,” Comput Sci Rev Vol 24, pp 1–12, 2017 62 [10] Nguyễn Thị Hiền cộng “Định vị thông minh giúp nắm bắt thị hiếu người đọc.” Internet: https://www.researchgate.net/profile/DucTan_Tran/ publication/328611025_Dinh_vi_thong_minh_giup_nam_bat_thi_hieu_nguoi_doc/l inks/5d4d6cafa6fdcc370a88b5fe/Dinh-vi-thong-minh-giup-nam-bat-thi-hieu-nguoidoc.pdf, 20/01/2021 [11] Nguyễn Thị Lệ Quyên “Nghiên cứu kỹ thuật định vị nhà sử dụng công nghệ Bluetooth cho hệ thống Iot,” Luận văn thạc sỹ, Trường Đại học Bách khoa Hà Nội, Hà Nội, 2019 [12] Phạm Thành Nam “Nâng cao đợ xác hệ thống định vị nhà sử dụng thiết bị dẫn đường bluetooth lượng thấp,” Tạp chí Khoa học Cơng nghệ - Đại học Thái Nguyên Số 208(15), trang 203 – 208, 29/11/2019 [13] Le Van Hoang Phuong and Truong Quang Vinh “BLE-based Indoor Positioning System for Hospitals using MiRingLA Algorithm,” Science & Technology Development Journal – Engineering and Technology Vol 2, pp 46-59, 31/5/2019 [14] Zhao, F and Guibas, L J Wireless Sensor Networks: An Information Processing Approach, Amsterdam: Elsevier, 2004 [15] Hightower, J and Borriello, G “Location Systems for Ubiquitous Computing,” IEEE Computer Vol 34, no 8, pp 57–66, August 2001 [16] Pu, C.-C “Development of a New Collaborative Ranging Algorithm for RSSI Indoor Location Tracking in WSN.” Internet: https://www.researchgate.net/ publication/221910654, Jan.16, 2021 [17] Abdalla, M et al “Antenna Array and Quadrature Calibration for Angle of Arrival Estimation,” SCI, Florida, July 2003 [18] Smith, A et al “Tracking Moving Devices with the Cricket Location System,” MobiSYS, Boston, USA, pp 190–202, 2004 [19] D Tse, and P Viswanath Fundamentals of Wireless Communication, Cambridge: Cambridge University Press, 2005 [20] P M Shankar Introduction to Wireless Systems New York City: John Wiley & Sons, 2002 63 [21] Savvides, A et al “Dynamic Fine-Grained Localization in Ad-Hoc Networks of Sensors,” MobiCom, Rome, Italy, July 2001, pp.166–179 [22] Dorothy Stanley “The Working Group for WLAN Standards IEEE 802.11 Wireless Local Area Networks.” Internet: http://www.ieee802.org/11/ [23] P Baronti et al “Wireless sensor networks: A survey on the state of the art and the 802.15.4 and zigbee standards,” Computer Communications Vol.30, no.7, pp 1655 – 1695, 2007, wired/Wireless Internet Communications [Online] Available: http://www.sciencedirect.com/science/article/pii/S0140366406004749 [24] R Want “An introduction to rfid technology,” IEEE Pervasive Computing Vol 5, no 1, pp 25–33, Jan 2006 [25] E Khorov et al “A survey on ieee 802.11ah: An enabling networking technology for smart cities,” Computer Communications Vol 58, pp 53 – 69, 2015 [Online] Available: http://www.sciencedirect.com/science/article/pii/S01 40366414002989 [26] M Kusens “Electronic location identification and tracking system with beacon clustering,” US Patent 9,774,991, Sep 26 2017 [27] lora-alliance “Lora Alliance Technology.” Internet: https://lora- alliance.org/about-lorawan, Jan.16, 2021 [28] B Kennedy et al “Ble beacon based patient tracking in smart care facilities,” in 2018 IEEE International Conference on Pervasive Computing and Communications Workshops (PerCom Workshops), Athens, March 2018 [29] M Ayyash et al “Coexistence of wifi and lifi toward 5g: concepts, opportunities, and challenges,” IEEE Communications Magazine Vol 54, no 2, pp 64–71, February 2016 [30] He, T et al “Range-Free Localization and Its Impact on Large Scale Sensor Networks,” ACM Trans Embedded Computing Systems Vol 4, no.4, pp.877–906, November 2005 [31] Bulusu et al “GPS-less Low Cost Outdoor Localization for Very Small Devices,” IEEE Personal Communications Magazine Vol 7, no 5, pp 28–34, 2000 64 [32] Niculescu, D and Nath, B “DV Based Positioning in Ad hoc Networks,” Journal of Telecommunication Systems Vol 22, no 1-4, pp.1018–4864, 2003 [33] Yun-Tzu et al “Accuracy analysis of differential distance correction using bluetooth low energy technology on indoor positioning system,” MDPI Sensors 2018, 18, 3736 [34] R E Kalman “A new approach to linear filtering and prediction problems J,” Basic Eng Vol 82, no 1, pp 35-45, Mar 1960 [35] R Mehra and A Singh, "Real Time RSSI Error Reduction in Distance Estimation Using RTL Algorithm," 3rd IEEE International Advance Computing Conference, India, 2013, pp 661-665 [36] Phaiboon, S “An Empirically Based Path Loss Model for Indoor Wireless Channels in Laboratory Building,” IEEE TENCON Vol 2, pp 1020-1023, October 2002 65 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN I LÝ LỊCH SƠ LƯỢC: Họ tên: TRẦN XUÂN BÁCH Giới tính: Nam Ngày, tháng, năm sinh: 05/12/1992 Nơi sinh: Nghệ An Email: Txb51292@gmail.com Điện thoại: 0348733866 II QUÁ TRÌNH ĐÀO TẠO: Từ 2010- 2015: Học chuyên ngành Kỹ thuật điện tử- truyền thông trường đại học Bách khoa Hà nợi III Q TRÌNH CƠNG TÁC CHUN MƠN: Thời gian Nơi công tác Công việc đảm nhiệm 2015-2017 Samsung Display Việt Nam Staff 2017-Nay Cục Kiểm định Hải quan Kỹ thuật viên 66 ... định vị hệ thống 4.4 Đánh giá độ xác hệ thống Đợ xác hệ thống đánh giá thơng qua sai số kết định vị Sử dụng đầu thử nghiệm bộ giá trị toạ đợ thực tế vị trí thử nghiệm toạ độ kết định vị hệ. .. thuật định vị nhà sử dụng công nghệ Bluetooth cho hệ thống Iot,” Luận văn thạc sỹ, Trường Đại học Bách khoa Hà Nội, Hà Nội, 2019 [12] Phạm Thành Nam “Nâng cao đợ xác hệ thống định vị nhà sử dụng. .. Với trường hợp sử dụng cho tìm kiếm, định vị vị trí cố định, không di chuyển nhiều 60 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Trong luận văn này, ý tưởng bắt đầu với công nghệ Beacon (Bluetooth lượng