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

VUI LÒNG LIÊN HỆ SỐ ZALO 0353764719 ĐỂ MUA TRỰC TIẾP TÀI LIỆU VỚI GIÁ ƯU ĐÃI , GIẢM GIÁ TỪ 20_60% TÙY TÀI LIỆU. Xin cám ơn VUI LÒNG LIÊN HỆ SỐ ZALO 0353764719 ĐỂ MUA TRỰC TIẾP TÀI LIỆU VỚI GIÁ ƯU ĐÃI , GIẢM GIÁ TỪ 20_60% TÙY TÀI LIỆU. Xin cám ơn

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH TRẦN XUÂN BÁCH HỆ THỐNG ĐỊNH VỊ TRONG NHÀ SỬ DỤNG BLUETOOTH THẾ HỆ MỚI Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã chuyên ngành: 8520203 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2021 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học: TS Nguyễn Ngọc Sơn Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ngày 29 tháng 01 năm 2021 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS Nguyễn Tấn Lũy - Chủ tịch Hội đồng TS Trần Hữu Toàn - Phản biện PGS.TS Lê Mỹ Hà - Phản biện TS Nguyễn Trọng Tài - Ủy viên TS Nguyễn Thế Kỳ Sương - Thư ký (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: TRẦN XUÂN BÁCH MSHV: 18104891 Ngày, tháng, năm sinh: 05/12/1992 Nơi sinh: Nghệ An Chuyên ngành: Kỹ Thuật Điện Tử Mã chuyên ngành: 8520203 I TÊN ĐỀ TÀI: HỆ THỐNG ĐỊNH VỊ TRONG NHÀ SỬ DỤNG BLUETOOTH THẾ HỆ MỚI NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu xây dựng thực nghiệm một hệ thống định vị sử dụng raspberry pi beacon C2640 dựa thuật toán trilateration II NGÀY GIAO NHIỆM VỤ: Theo định số 841/QĐ-ĐHCN ngày 10 tháng năm 2020 III NGÀY HOÀN THÀNH NHIỆM VỤ: ngày 10 tháng 01 năm 2021 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Nguyễn Ngọc Sơn Tp Hồ Chí Minh, ngày … tháng … năm 2021 NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên chữ ký) (Họ tên chữ ký) TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ (Họ tên chữ ký) LỜI CẢM ƠN Sau thời gian học tập nghiên cứu Trường Đại học Công Nghiệp TP.HCM, bên cạnh nỗ lực cố gắng thân mình, tơi nhận rất nhiều quan tâm giúp đỡ q Thầy cơ, gia đình bạn bè Với lịng biết ơn sâu sắc nhất, tơi xin chân thành gửi đến quý Thầy cô Trường Đại học Công Nghiệp TP.HCM, quý Thầy cô Khoa Công nghệ Điện Tử - người với tri thức tâm huyết truyền đạt vốn kiến thức quý báu cho tơi suốt thời gian học tập trường Đặc biệt, xin gửi lời cảm ơn chân thành nhất đến Thầy hướng dẫn TS Nguyễn Ngọc Sơn, người định hướng, tận tình hướng dẫn giúp đỡ tơi q trình thực luận văn Qua xin gửi đến gia đình bạn bè lời cảm ơn chân thành hỗ trợ để tơi hồn thành tốt luận văn Trong q trình thực luận án chắn khơng thể tránh khỏi sai sót, rất mong nhận ý kiến đóng góp quý báu quý Thầy Cô để học hỏi thêm nhiều kinh nghiệm hồn thiện luận văn Sau cùng, xin kính chúc q Thầy Cơ Trường Đại học Cơng nghiệp TP.HCM, TS Nguyễn Ngọc Sơn dồi sức khỏe, đạt nhiều thành công cuộc sống giữ vững lửa đam mê việc truyền đạt kiến thức cho hệ mai sau Xin chân thành cảm ơn! i TÓM TẮT LUẬN VĂN THẠC SĨ Trong nhiều năm qua, hệ thống định vị phát triển ngày đạt đến đợ xác cao dựa vào phát triển đa dạng công nghệ truyền thông không dây (GPS, Wi-Fi, Bluetooth…) dùng để định vị vị trí rất tốt mơi trường ngồi trời Tuy nhiên, nhược điểm lớn nhất hệ thống định vị GPS khó truyền qua tường, cửa kính, nên khơng hoạt đợng tốt tịa nhà Nhiều nghiên cứu thực khám phá cách tiếp cận để xác định vị trí nhà Mợt kỹ thuật phổ biến liên quan đến việc sử dụng giá trị báo cường đợ tín hiệu (RSSI) nhận từ Bluetooth Low Energy (BLE) để đo khoảng cách thiết bị thu (raspberry pi) phát (beacon) sau xác định vị trí người dùng không gian nhà cách áp dụng định vị thuật toán chẳng hạn phương pháp trilateration Mục tiêu thiết kế hệ thống hoạt động ổn định, đợ xác cao siêu tiết kiệm lượng Tuy nhiên, khó có liệu xác giá trị RSSI khơng ổn định ảnh hưởng yếu tố môi trường xung quanh thời tiết, độ ẩm, rào cản vật lý nhiễu từ tín hiệu khác Trong luận văn này, đề xuất một hệ thống theo dõi vị trí nhà giúp cải thiện hiệu suất cách tối ưu hóa tín hiệu RSSI khơng ổn định nhận từ BLE Tơi áp dụng thuật tốn lọc dựa Kalman để giảm nhiễu giá trị RSSI nhận ii ABSTRACT Over the years, navigation systems have been developed and increasingly reached high accuracy based on the diverse development of wireless communication technologies (GPS, Wi-Fi, Bluetooth ) for positioning Excellent location in the outdoor environment However, the biggest disadvantage of GPS navigation system is that it is difficult to pass through walls, glass doors, so it does not work well in the building Many studies are exploring new approaches for indoor location measurement One popular technique involves using the received signal strength indicator (RSSI) values from the Bluetooth Low Energy (BLE) beacons to measure the distance between the receiver (raspberry pi) and the transmitter (beacon) then determining the position of the user in an indoor space by applying a positioning algorithm such as the trilateration method The target of this design is the system stable operation, high accuracy and ultra energy efficient However, it remains difficult to obtain accurate data because RSSI values are unstable owing to the influence of elements in the surrounding environment such as weather, humidity, physical barriers, and interference from other signals In this paper, i propose an indoor location tracking system that improves performance by optimization unstable RSSI signals received from BLE beacons I apply a filter algorithm based on the average filter and the Kalman filter to reduce the noise of the received RSSI value iii LỜI CAM ĐOAN Luận văn cơng trình nghiên cứu tơi, thực hướng dẫn khoa học TS Nguyễn Ngọc Sơn Các số liệu, kết luận nghiên cứu trình bày luận văn hồn tồn trung thực, không chép từ bất kỳ một nguồn bất kỳ hình thức Việc tham khảo nguồn tài liệu (nếu có) thực trích dẫn ghi nguồn tài liệu tham khảo quy định Tơi xin hồn tồn chịu trách nhiệm lời cam đoan Học viên Trần Xuân Bách iv MỤC LỤC LỜI CẢM ƠN i TÓM TẮT LUẬN VĂN THẠC SĨ .ii ABSTRACT iii LỜI CAM ĐOAN iv DANH MỤC HÌNH ẢNH vii DANH MỤC BẢNG BIỂU viii DANH MỤC TỪ VIẾT TẮT ix MỞ ĐẦU 1 Tính cấp thiết đề tài Mục tiêu nghiên cứu Đối tượng Phạm vi nghiên cứu Cách tiếp cận phương pháp nghiên cứu Ý nghĩa thực tiễn đề tài CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1 Hệ thống định vị nhà .5 1.2 Tổng quan công trình nghiên cứu có liên quan 1.2.1 Tình hình nghiên cứu ngồi nước 1.2.2 Tình hình nghiên cứu nước 1.3 Nội dung nghiên cứu .11 1.4 Bố cục luận văn .11 CHƯƠNG CƠ SỞ LÝ THUYẾT 12 2.1 Giới thiệu 12 2.2 Phân loại hệ thống định vị 12 2.2.1 Phân loại theo phương pháp định vị 13 2.2.2 Phân loại theo biến tín hiệu thu 14 2.2.3 Phân loại theo kỹ thuật đo lường 14 2.2.4 Phân loại theo thiết bị 15 2.3 Truyền dẫn sóng điện từ 16 2.3.1 Các chế lan truyền sóng điện từ 16 2.3.2 Nhiễu truyền sóng điện từ 17 v 2.4 Cường đợ tín hiệu thu RSSI 20 2.5 Công nghệ định vị nhà .22 2.6 Kỹ thuật định vị nhà 26 2.6.1 Ước lượng tiệm cận (Proximity Estimation) 26 2.6.2 Uớc lượng dựa góc (Triangulation Estimation) 27 2.6.3 Uớc lượng dựa độ trễ tín hiệu (Trilateration Estimation) 29 2.7 Bộ lọc Kalman 32 2.8 Kết luận 34 CHƯƠNG THIẾT KẾ HỆ THỐNG ĐỊNH VỊ TRONG NHÀ 35 3.1 Giới thiệu 35 3.2 Sơ đồ khối hệ thống 35 3.3 Các bước xác định RSSI 36 3.4 Đặc trưng môi trường .37 3.5 Xác định khoảng cách từ RSSI .38 3.6 Lọc nhiễu RSSI dùng Kalman 38 3.7 Các bước Trilateration 40 3.8 Kết Luận 41 CHƯƠNG KẾT QUẢ THỰC NGHIỆM 43 4.1 Các bước cấu hình mơ hình thực nghiệm .43 4.1.1 Cấu hình phần cứng 43 4.1.2 Cấu hình mạng .46 4.1.3 Cấu hình để hiển thị vị trí ứng dụng 47 4.2 Khảo sát giá trị RSSI .50 4.3 Thực định vị 57 4.4 Đánh giá đợ xác hệ thống .57 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 61 TÀI LIỆU THAM KHẢO 62 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN 66 vi DANH MỤC HÌNH ẢNH Hình 1.1 góc Euler Hình 1.2 Phương pháp thuật toán đề xuất Hình 1.3 Kiến trúc hệ thống đề xuất dựa BLE cho bệnh viện .10 Hình 2.1 Phân loại hệ thống theo dõi vị trí .13 Hình 2.2 Hiện tượng đa đường thông tin vô tuyến 17 Hình 2.3 Biểu diễn trễ đa đường 19 Hình 2.4 Ảnh hưởng số mũ suy hao đường truyền 21 Hình 2.5 Ước lượng tam giác 27 Hình 2.6 Ước tính nút mục tiêu định vị 28 Hình 2.7 Phương pháp định vị Triliteration 30 Hình 2.8 Các trường hợp Tam giác hóa Triliteration cần cải thiện 32 Hình 3.1 Sơ đồ khối hệ thống 35 Hình 3.2 Sơ đồ khối lọc nhiễu dùng Kalman 38 Hình 3.3 Các vị trí cho Trilateration Đơn giản hóa 41 Hình 4.1 Thơng tin dị tìm beacon 43 Hình 4.2 Phần cứng yêu cầu .44 Hình 4.3 Hệ điều hành RASBIAN 45 Hình 4.4 Tín hiệu trả raspberry beacon cần định vị 46 Hình 4.5 Cấu trúc mạng 47 Hình 4.6 Dữ liệu cập nhật liên tục lên cloud 48 Hình 4.7 Cấu hình để hiển thị vị trí ứng dụng 49 Hình 4.8 Cấu hình tọa đợ đợng chọn Raspberry Pi 50 Hình 4.9 Biểu diễn khảo sát 100 kết Rssi 50 Hình 4.10 Giá trị RSSI với khoảng cách d = 2m Raspberry Pi trước sau có bợ lọc kalman 51 Hình 4.11 Giá trị RSSI với khoảng cách d = 2m Raspberry Pi trước sau có bộ lọc kalman 53 Hình 4.12 Giá trị RSSI với khoảng cách d = 2m Raspberry Pi trước sau có bợ lọc kalman 55 Hình 4.13 Kết thử nghiệm định vị hệ thống 57 Hình 4.14 Sai số kết thực nghiệm 58 Hình 4.15 Kết định vị sau thêm bợ lọc trung bình .59 Hình 4.16 Sai số thực nghiệm sau thêm bợ lọc trung bình 59 vii DANH MỤC BẢNG BIỂU Bảng 3.1 Giá trị hệ số suy hao đường truyền n 37 Bảng 4.1 Tổng hợp kết RSSI Raspberry Pi 52 Bảng 4.2 So sánh độ lệch chuẩn Raspberry Pi 52 Bảng 4.3 Kết ước lượng Raspberry Pi 52 Bảng 4.4 Tổng hợp kết RSSI Raspberry Pi 53 Bảng 4.5 So sánh độ lệch chuẩn Raspberry Pi 54 Bảng 4.6 Kết ước lượng Raspberry Pi 54 Bảng 4.7 Tổng hợp kết RSSI Raspberry Pi 55 Bảng 4.8 So sánh độ lệch chuẩn Raspberry Pi 55 Bảng 4.9 Kết ước lượng Raspberry Pi 56 Bảng 4.10 Kết định vị Raspberry Pi 56 viii DANH MỤC TỪ VIẾT TẮT AOA Angle of Arrival Góc đến BLE Bluetooth Low Energy Bluetooth lượng thấp CPU Central Processing Unit Bộ xử lý trung tâm GPS Global Positioning System Hệ thống định vị toàn cầu Global System for Hệ thống thơng tin di đợng tồn cầu GSM IEEE Mobile Communications Institute of Electrical and Hội Kỹ sư Điện Điện tử Electronics Engineers IMU Inertial Measurement Unit Đơn vị đo lường quán tính IOT Internet of Things Internet Vạn Vật IPS Indoor Positioning System Hệ thống định vị nhà LBS Indoor Location Based Services Dịch vụ dựa vị trí nhà LOS Line-Of-Sight Tầm nhìn thẳng OWC Optical Wireless Communication Giao tiếp không dây quang học PC Personal Computer Máy tính cá nhân PWAN Personal Wide Area Networks Mạng diện rộng cá nhân RAM Random Access Memory Bộ nhớ truy cập tạm thời RF Radio frequency Tần số vô tuyến RFID Radio Frequency Identification Nhận dạng tần số vô tuyến RSSI Receive Signal Strength Indicator Chỉ báo cường đợ tín hiệu nhận TDoA Time Difference of Arrival Chênh lệch thời gian đến TOA Time of Arrival Thời gian đến URL Uniform Resource Locator Định vị tài nguyên thống nhất ix UWB Ultra-wideband Băng thông siêu rộng VLC Visible light communication Giao tiếp ánh sáng nhìn thấy WLAN Wireless Local Area Network mạng cục bộ không dây x MỞ ĐẦU Tính cấp thiết đề tài Trong thời đại tự đợng hóa, khả điều hướng, định vị người thiết bị môi trường nhà ngày trở nên quan trọng số lượng cơng trình nghiên cứu ứng dụng thực tiễn ngày tăng Với xuất hệ thống định vị vệ tinh, hiệu suất định vị trời trở nên tuyệt vời, hệ thống định vị toàn cầu GPS biết đến với khả định vị rất tốt để đường đi, bất kỳ nơi phạm vi rộng lớn Tuy nhiên hệ thống định vị toàn cầu GPS phải đối mặt với khó khăn tín hiệu yếu, nhiễu lớn làm cho đợ xác kết giảm đáng kể Những khó khăn chủ yếu gặp phải môi trường nhà, tầng hầm môi trường ngầm tịa nhà lớn Vì vậy, phát sinh nhu cầu tất yếu xây dựng hệ thống định vị nhà độc lập với hệ thống định vị toàn cầu GPS Hệ thống định vị nhà (Indoor Positioning System) có khả giải tốt vấn đề này, một thách thức lớn nhất hệ thống định vị nhà phải xác định xác vị trí sử dụng thiết bị thơng minh (Phone, PC, vv ) vấn đề gặp phải tính ổn định, chi phí cao, cơng śt tiêu thụ lớn đợ xác thấp Mong muốn nhu cầu hệ thống định vị nhà (IPS) ngày phổ biến thị trường Hệ thống định vị nhà không dây bắt đầu trở nên phổ biến năm gần Đã có nhiều cơng nghệ đề x́t thảo luận Wifi, BLE, LTE, UWB, công nghệ lai mở khả ứng dụng tín hiệu cho việc định vị nhà Mặc dù nhiều nghiên cứu giải pháp thay cho GPS, khơng có công nghệ số tạo tác động đáng kể lĩnh vực, cho coi một tiêu chuẩn cho định vị nhà Mục tiêu nghiên cứu Khi tín hiệu vệ tinh GPS không khả thi để định vị nhà, hệ thống định vị nhà cần lựa chọn tín hiệu khác phục vụ cho việc định vị Sự phổ biến công nghệ không dây Wi-Fi hay Bluetooth mở khả ứng dụng tín hiệu cho việc định vị nhà Bên cạnh đó, thuật tốn định vị mợt phần khơng thể thiếu hệ thống định vị nhà Luận văn trình bày, thiết kế cơng nghệ Bluetooth Low Energy với thông số kỹ thuật, ưu điểm vào giới thiệu hệ thống định vị nhà sử dụng công nghệ Bluetooth Low Energy [1, 2], khắc phục nhược điểm công nghệ Bluetooth trước đây, với ưu điểm nỗi bật như: Siêu tiết kiệm lượng, cho phép thiết bị hoạt động vài năm với một viên pin nhỏ (coin-cell battery), không yêu cầu sở hạ tầng riêng biệt; hoạt động ổn định Bluetooth Low Energy một công nghệ với khả cao thực định vị nhà mục tiêu nghiên cứu luận văn Kết luận văn nhằm hỗ trợ việc phân tích tính khả thi việc sử dụng công nghệ Bluetooth LE trong nhà để tìm vị trí bất kỳ vật thể dựa tiếp cận báo cường đợ tín hiệu (RSSI) Đối tượng Phạm vi nghiên cứu Luận văn trình bày loại tín hiệu thường sử dụng hệ thống định vị nhà (Wifi, BLE, LTE, UWB ); thông qua phương pháp thuật toán định vị Các phương pháp ước lượng vị trí phổ biến Góc tín hiệu đến (AOA), Thời gian nhận tín hiệu (TOA), Chênh lệch thời gian nhận tín hiệu (TDOA) Chỉ báo cường đợ tín hiệu (RSSI), thuật tốn định vị Triangulation, Trilateration, sâu nghiên cứu chủ yếu cơng nghệ định vị nhà “Bluetooth beacons” từ đưa ưu điểm thiết thực công nghệ định vị nhà sử dụng BLE Cách tiếp cận phương pháp nghiên cứu Luận văn tập trung xây dựng ứng dụng nhà thông minh dựa hệ thống định vị nhà với công nghệ Bluetooth lượng thấp, ứng dụng phát triển tảng Android cho người dùng Cụ thể sản phẩm nhà gắn thiết bị Beacon CC2640, ta xác định vị trí chúng thơng qua Raspberry Pi (có kết nối Bluetooth) nhờ liệu từ Beacon Sau liệu đưa lên Web server Từ Web Server gửi liệu một ứng dụng định vị viết Android điện thoại Ý nghĩa thực tiễn đề tài “Hệ thống định vị nhà sử dụng công nghệ Bluetooth Low Energy” đem lại phát triển hệ thống định vị nhà Công nghệ sử dụng rộng rãi nhà máy, công ty, gia đình hay khu dịch vụ cơng cợng nhờ ưu điểm vượt trợi mà mang lại Hiện công ty nhiều lĩnh vực từ ngành quảng cáo, thiết kế đồ, hay lĩnh vực y tế ngành hàng hải phát triển công nghệ định vị nhà Những tên tuổi lớn đáng kể Google hay Nokia dẫn đầu giải pháp Các ứng dụng thực tế như: - Tìm địa điểm tịa nhà văn phịng lớn, tòa nhà trường đại học, khu trung tâm, viện bảo tàng, bệnh viện - Tình khẩn cấp: điều hướng cứu hợ khoanh vùng tình khẩn cấp - Theo dõi người tài sản – bệnh nhân, trẻ em, khách tham quan, du khách, ví dụ: theo dõi hành lý sân bay; giao nhận, vận chuyển hàng hóa theo dõi container kho, bến cảng, sân bay… xác định vị trí thiết bị nhà máy, văn phòng bệnh viện - Các ứng dụng xã hợi: Tìm người hay tìm chỗ mua sắm, hỗ trợ đỗ xe nhà; quảng cáo dịch vụ Hơn nữa, sử dụng BLE tầm gần giúp hệ thống hoạt đợng bị ảnh hưởng sóng vơ tuyến khác mơi trường hoạt đợng như: Wifi, LTE, GSM, radio,… cơng nghệ BLE trở thành một công nghệ tương lai việc định vị vị trí nhà CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1 Hệ thống định vị nhà Định vị nhà mợt kỹ thuật cung cấp vị trí liên tục theo thời gian thực đối tượng người mợt khơng gian khép kín thơng qua phép đo Định vị nhà chủ yếu sử dụng tòa nhà, nhà kho, nhà máy văn phòng để giám sát theo dõi người, thiết bị, hàng hóa Hệ thống định vị nhà (IPS) sử dụng cảm biến công nghệ truyền thông để định vị đối tượng môi trường nhà IPS thu hút quan tâm giới khoa học doanh nghiệp có hợi thị trường lớn để áp dụng cơng nghệ Có nhiều khảo sát trước hệ thống định vị nhà; nhiên, hầu hết chúng chưa có tác động đáng kể lĩnh vực này, bỏ qua cơng nghệ có liên quan, mợt phương diện cấu trúc phân loại cịn hạn chế; cuối cùng, c̣c khảo sát nhanh chóng trở nên lỗi thời một lĩnh vực động IPS Sự phổ biến công nghệ không dây Wi-Fi hay Bluetooth mở khả ứng dụng tín hiệu cho việc định vị nhà Định vị nhà ln ý tới mợt lĩnh vực phát triển nhanh chóng 1.2 Tổng quan cơng trình nghiên cứu có liên quan 1.2.1 Tình hình nghiên cứu ngồi nước Nhu cầu cao IPS thúc đẩy ngày nhiều công trình nghiên cứu vịng 15 năm trở lại Số lượng nghiên cứu IPS đưa giai đoạn rất lớn, phản ánh số lượng cơng trình nghiên cứu liên quan đến IPS gần Số lượng khảo sát đáng ý tập trung vào khía cạnh vấn đề chung chung, nghiên cứu đề cập ngắn gọn kỹ thuật định vị nhà Tuy nhiên, mợt số giải một số vấn đề cụ thể IPS; nghiên cứu nói chung khác biệt với nghiên cứu trước không cách cung cấp tối ưu giải pháp IPS cách đề xuất nguyên tắc phân loại cách nghiên cứu khía cạnh cụ thể ứng dụng cụ thể [3] Dưới mợt số cơng trình nghiên cứu tiêu biểu ➢ Hệ thống định vị nhà dành cho người cho ứng dụng thị trường [4] Hệ thống dựa quán tính người dùng Hệ thống quán tính tính tốn vị trí riêng người dùng mà khơng cần bất kỳ trợ giúp từ sở hạ tầng vật lý Cảm biến quán tính đo lực tác dụng lên cảm biến chuyển đợng vật thể gắn cảm biến tính tốn Thơng thường, cảm biến qn tính gắn với tạo thành quán tính đơn vị đo lường (IMU), hình thành gia tốc kế trục, quay hồi chuyển trục trục từ kế (Từ kế cảm biến quán tính, nhiên nghiên cứu đưa vào đơn vị đo lường qn tính thuật ngữ điển hình sử dụng) Có hai loại hệ thống dẫn đường qn tính: • Hệ thống dây đeo: hệ thống tích hợp hai lần gia tốc người dùng để ước tính vị trí • Hệ thống bước dẫn đầu (SHS): hệ thống ước tính vị trí cách thêm vào ban đầu vectơ ước tính vị trí đại diện cho chiều dài bước bước đầu người dùng Bất kể cách tiếp cận sử dụng, bước hệ thống điều hướng qn tính tính tốn định hướng tương đối cảm biến thể người dùng Các phép đo IMU thể khung tọa độ cảm biến, bất gắn IMU vào người dùng, trục khung tọa đợ cảm biến khơng trùng với trục khung điều hướng Bất kỳ sai lệch trục tạo sai số phép đo; đó, ước tính định hướng tương đối một phần quan trọng một hệ thống điều hướng quán tính Sự biến đổi tương đối hai khung tọa đợ thu cách xoay quanh ba trục, góc bánh xe thể dạng Góc Euler Định nghĩa góc Euler hiển thị Hình 1.1 Hình 1.1 góc Euler ➢ Thuật tốn định vị nhà sử dụng WiFi cải tiến trọng số Fusion [5] Trong nghiên cứu này, một thuật tốn mở rợng cải tiến trình bày để ước tính vị trí mục tiêu Thuật tốn đề x́t dựa thuật tốn fingerprinting, vị trí mục tiêu cải thiện bước thuật toán truyền thống, hiển thị Hình 1.2 Hình 1.2 Phương pháp thuật toán đề xuất Thuật toán đề xuất dựa thuật toán fingerprinting bao gồm hai giai đoạn: quy trình thu nhận offline quy trình định vị online • Q trình thu nhận offline bao gồm ba giai đoạn: - Giai đoạn 1: Thu thập tín hiệu WiFi nhà Giai đoạn thu thập tín hiệu WiFi dựa đồ thu thập điểm Bản đồ thu thập điểm hình thành cách chia nhà định vị thành một lưới điểm tương đương Sau đó, Tín hiệu WiFi gốc thu thập cách sử dụng thiết bị di động vị trí điểm - Giai đoạn 2: Xử lý lỗi thu thập tín hiệu WiFi nhà Giai đoạn xử lý tín hiệu WiFi gốc cách phân loại lỗi thu thập Có ba loại lỗi: lỗi hệ thống, lỗi tổng hợp lỗi ngẫu nhiên - Giai đoạn 3: Xây dựng sở liệu vị trí Cơ sở liệu vị trí fingerprinting vị trí chủ yếu chứa thơng tin sau: giá trị trung bình cường đợ tín hiệu WiFi gốc, đợ lệch chuẩn cường đợ tín hiệu WiFi gốc giá trị trung bình cường đợ tín hiệu WiFi xử lý • Q trình định vị trực tuyến bao gồm giai đoạn: - Giai đoạn 1: Vị trí fingerprinting phù hợp Giai đoạn sử dụng để giảm số lượng fingerprinting có thể, để rút ngắn thời gian định vị - Giai đoạn 2: Cải thiện định vị khoảng cách Euclide ➢ Kỹ thuật định vị nhà không dây dựa công nghệ Ultra Wideband (UWB) [6] UWB một công nghệ nhất, xác đầy hứa hẹn UWB dựa việc truyền xung cực ngắn sử dụng kỹ thuật gây lan rộng lượng vô tuyến (trên diện rộng dải tần số) với phổ công suất rất thấp Tần số thấp xung UWB cho phép tín hiệu hoạt đợng hiệu vượt qua chướng ngại vật tường đồ vật Có ba lĩnh vực ứng dụng để sử dụng UWB: (1) truyền thông cảm biến; (2) định vị theo dõi; (3) radar Các kỹ thuật định vị UWB thực tế cung cấp cho theo dõi đợ xác nhà theo thời gian thực cho một số ứng dụng kho lưu trữ định vị di động đèn hiệu cho dịch vụ khẩn cấp, điều hướng nhà cho người khiếm thị, theo dõi người dụng cụ, trinh sát quân Dữ liệu cao tốc độ UWB đạt tới 100 Megabits giây (Mbps) Ngồi ra, dạng sóng xung băng thơng rợng cực ngắn giúp giảm bớt ảnh hưởng nhiễu đa đường tạo điều kiện xác định TOA cho truyền dẫn máy phát máy thu tương ứng, điều làm cho UWB trở thành một giải pháp hấp dẫn cho định vị nhà công nghệ khác Trên thực tế, UWB cung cấp tỷ lệ xác cao giảm thiểu lỗi đến centimet Do đó, UWB coi mợt lựa chọn phù hợp nhất cho quan trọng ứng dụng định vị địi hỏi kết xác cao Ngồi cịn có rất nhiều nghiên cứu điển Yassin cộng [7] nghiên cứu một phần giới hạn định vị, ngắn gọn có mợt số lượng nhỏ tài liệu dùng tham khảo dành cho nghiên cứu khác Nó có mợt phần dành riêng để kết hợp định vị hợp nhất liệu, báo cung cấp ví dụ thú vị thiếu rõ ràng định nghĩa tách hai khái niệm Sakpere cộng [8] nghiên cứu gần tất công nghệ, không hạn chế ứng dụng cụ thể, có số lượng lớn tài liệu, thảo luận thách thức nhược điểm công nghệ Basiri cộng [9] cung cấp đánh giá nghiên cứu IPS tình trạng thực một cuộc khảo sát chủ yếu người dùng LBS thông thường, nhà nghiên cứu LBS, nhà phân tích thị trường LBS nhà phát triển ứng dụng LBS Một cuộc khảo sát một cần thiết, cho việc sử dụng mục tiêu IPS rõ ràng vượt ngồi cơng trình học thuật cơng bố… 1.2.2 Tình hình nghiên cứu nước Cùng với phát triển công nghệ IOT, định vị nhà ý đến Việt nam, lĩnh vực hệ thống định vị nhà (IPS) rất mới, mở nhiều thách thức hợi cụ thể Đã có nhiều nghiên cứu nước “Định vị nhà” Trong [10, 11] tác giả nghiên cứu chung, giới thiệu phương pháp định vị nhà, việc định vị nhà trở thành chủ đề nghiên cứu quan trọng có nhiều ứng dụng Internet of Things Trong [12] tác giả sâu nghiên cứu chủ yếu công nghệ định vị nhà “Bluetooth lượng thấp” từ đưa giải pháp nâng cao đợ xác cho hệ thống, viết đưa mơ hình tốn học phương pháp đề x́t để tính tốn vị trí người dùng Kết triển khai thử nghiệm cho thấy hệ thống cải thiện đợ xác định vị đáng kể so với hệ thống khác Không tập trung vào nghiên cứu chung cải thiện độ xác, cơng trình nghiên cứu gần cịn mở rợng vào thực tiễn, ứng dụng [13], Hình 1.3 tác giả xây dựng một hệ thống định vị nhà dựa BLE cho bệnh viện Hình 1.3 Kiến trúc hệ thống đề xuất dựa BLE cho bệnh viện [13] Hệ thống cung cấp chức khám sức khỏe y tế mới-đăng ký, quản lý lịch trình ứng dụng bệnh nhân điều hướng Tác giả triển khai mợt trang web chức ứng dụng, bên cạnh đó, tạo một app android cho bệnh nhân quản lý lịch tìm vị trí, phịng khám 10 1.3 Nội dung nghiên cứu Luận văn tập trung xây dựng ứng dụng nhà thông minh dựa hệ thống định vị nhà với công nghệ Bluetooth lượng thấp, ứng dụng phát triển tảng Android cho người dùng - Xây dựng hệ thống công nghệ Bluetooth lượng thấp phương pháp Triliteration từ tối ưu xác kết từ việc định vị - Làm giảm sai số từ kết từ định vị vị trí bợ lọc kalman - Xây dựng hoàn thiện ứng dụng định vị tảng di động cho người dùng tảng Android 1.4 Bố cục luận văn Cấu trúc luận văn phân thành chương sau: - Chương 1: Giới thiệu tổng quan vê luận văn - Chương 2: Cơ sở lý thuyết phương pháp định vị nhà - Chương 3: Thiết kế thi công (lựa chọn công nghệ phương pháp định vị sử dụng, đưa thử nghiệm) - Chương 4: Trình bày mơ hình thực tế, kết đạt - Chương 5: Kết luận hướng phát triển 11 CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 Giới thiệu Trong môi trường nhà thường sóng điện từ lan truyền phức tạp chịu nhiều ảnh hưởng vật cản, khúc xạ, nhiễu xạ, tán xạ, điều kiện biến đổi Do đó, việc tính tốn hệ số suy hao đường truyền nhà phụ thuộc lớn vào đặc điểm thiết kế, kết cấu, vật liệu xây dựng, loại tịa nhà… Nhiều cơng nghệ dựa sóng điện từ đề xuất để sử dụng hệ thống định vị nhà Tuy nhiên, khơng có đủ cơng trình nghiên cứu để khẳng định cơng nghệ tiêu chuẩn cho định vị nhà, GPS trở thành tiêu chuẩn trời Một số giải pháp sử dụng cho hệ thống định vị nhà là: Wi-Fi, ZigBee, Radio băng thông cực rộng, Bluetooth truyền thống Bluetooth lượng thấp Bên cạnh đó, thuật tốn định vị một phần thiếu hệ thống định vị nhà Phần luận văn trình bày sở lý thuyết truyền sóng mơi trường tịa nhà, loại tín hiệu thường sử dụng hệ thống định vị nhà thuật toán định vị phổ biến 2.2 Phân loại hệ thống định vị Ngày nay, kỹ thuật công nghệ khác [14] sẵn sàng cho việc phát triển hệ thống định vị sẵn có [15] Yêu cầu lựa chọn hệ thống định vị cụ thể để phù hợp với nhu cầu môi trường khác độ xác, mơi trường nhà/ngồi trời, kỹ thuật, phương pháp khác nhau, bảo mật quyền riêng tư, thiết bị khả dụng Từ quan điểm công nghệ, phân loại hệ thống vị trí phân loại theo Hình 2.1 12 Hình 2.1 Phân loại hệ thống theo dõi vị trí [16] Trong Hình 2.1, phân loại lần phân loại theo phương pháp định vị, biến tín hiệu thu, kỹ thuật đo lường cuối phân theo thiết bị 2.2.1 Phân loại theo phương pháp định vị Từ khía cạnh định vị, ba loại ước tính vị trí kỹ thuật sử dụng để xác định tọa đợ vị trí bao gồm cảm biến tiệm cận, phương pháp góc phương pháp trễ tín hiệu [15] Ước tính khoảng cách tiệm cận khơng dựa phạm vi, kỹ thuật khơng tính tốn tọa đợ vị trí xác mục tiêu theo dõi Vì thế, loại ước tính vị trí mợt phương pháp "thơ" Cả phương pháp góc phương pháp trễ tín hiệu kỹ thuật dựa phạm vi tính tốn vị trí xác tọa đợ mục tiêu theo dõi từ liệu đo Do đó, loại vị trí ước tính mợt phương pháp "chi tiết" Sự khác biệt chúng cách ước lượng Phương pháp góc tính tốn tọa đợ vị trí từ góc vị trí mục tiêu vị trí tham chiếu, phương pháp trễ tín hiệu tính tốn tọa đợ vị trí từ khoảng cách vị trí mục tiêu tham chiếu địa điểm 13 2.2.2 Phân loại theo biến tín hiệu thu Từ Hình 2.1, có ba loại biến tín hiệu sử dụng để tìm liệu cảm biến liên quan đến vị trí Các biến rất dễ đo đạc là: góc nhận được, thời gian truyền cường đợ tín hiệu - Các góc nhận vị trí mục tiêu tham chiếu biến đo để ước tính góc - Thời gian truyền khoảng thời gian cần thiết để mợt tín hiệu từ máy phát đến người nhận Vì tốc đợ lan truyền mợt loại tín hiệu qua mơi trường khơng đổi nên thuận tiện để tìm khoảng cách máy phát máy thu từ thời gian lan truyền - Cường đợ tín hiệu đo máy thu nhận tín hiệu từ máy phát Nếu khoảng cách xa hơn, cường đợ tín hiệu trở nên yếu suy giảm đường dẫn Sử dụng mối quan hệ này, tìm thấy khoảng cách cách đánh giá tổng suy hao Cả thời gian truyền cường đợ tín hiệu cung cấp khoảng cách máy phát máy thu, chúng sử dụng ước tính khoảng cách từ đợ trễ tín hiệu 2.2.3 Phân loại theo kỹ thuật đo lường Có bốn loại kỹ thuật đo lường Đó góc đến (AOA), thời gian đến (TOA), thời gian khác biệt điểm đến (TDOA) cường đợ tín hiệu nhận (RSS) - Góc đến (AoA) Góc đến (AoA) mợt đặc tính khác sử dụng để định vị nhà Nó cố gắng ước tính hướng truyền tín hiệu, tức góc mà từ tín hiệu đến người nhận AoA thường đạt cách sử dụng một loạt ăngten Các ăng-ten vị trí khác nhau, khơng gian khác dẫn đến khác biệt thời gian đến, biên độ pha - Thời gian nhận tín hiệu (TOA) phương pháp ước lượng vị trí cách đo khoảng thời gian từ tín hiệu vơ tuyến gửi từ nguồn phát đến tín hiệu nhận thiết bị nhận Khoảng cách người gửi Máy thu tín hiệu 14 xác định cách sử dụng thời gian truyền tín hiệu đo tín hiệu biết vận tốc Tín hiệu tốc đợ lan truyền khơng đổi biết, thời gian di chuyển tín hiệu sử dụng để tính tốn trực tiếp khoảng cách Hai cách tiếp cận sử dụng để thực phương pháp khác Cách tiếp cận sử dụng mợt máy phát để truyền tín hiệu đến nhiều máy thu Tất máy thu sau chuyển tiếp thời gian đến tín hiệu họ đến một hệ thống để so sánh Một cách tiếp cận khác sử dụng nhiều máy phát để gửi tín hiệu đến người nhận Bợ thu đo thời gian đến tất tín hiệu so sánh hệ thống máy thu Cách tiếp cận có vấn đề kỹ thuật tất máy phát phải đồng bợ hóa để chúng gửi tín hiệu phân đoạn thời gian nhất định Ngồi ra, tín hiệu bị mất nhận nhiều tín hiệu lúc thời gian truyền tín hiệu xác khoảng thời gian phân đoạn thời gian - TDOA phiên cải tiến TOA để tránh đồng bợ hóa khó khăn vấn đề mất gói liệu Để triển khai TDOA, cần phải có mợt máy phát để gửi hai tín hiệu khác với tốc đợ lan truyền khác Khi hai tín hiệu nhận máy thu, đo khác biệt thời gian đến hai tín hiệu Sử dụng khác biệt thời gian đến, thời gian bay (TOF) mợt tín hiệu tìm thấy xác thời gian lan truyền tín hiệu - RSSI mợt phương pháp để tìm khoảng cách từ suy giảm đường truyền Nếu công suất truyền biết, tổng đợ suy giảm q trình truyền tín hiệu qua đường dẫn tính cách lấy công suất truyền trừ 2.2.4 Phân loại theo thiết bị Từ khía cạnh thiết bị hệ thống định vị Hình 2.1, có ba công cụ đo lường khoảng cách: mảng anten, máy thu phát RF, đầu dị siêu âm Trong số đó, mảng ăng ten sử dụng để đo góc tín hiệu thu [17] so sánh độ lệch pha tín hiệu từ anten khác Kết đo sử dụng phạm vi AOA 15 Nếu sử dụng bợ thu phát RF, đo cơng śt nhận cung cấp cho RSS phương pháp khác Trong hầu hết bộ thu phát RF, một ghi chuyên dụng sử dụng để lưu trữ báo cường đợ tín hiệu (RSSI) Do đó, mợt cách chi phí thấp thuận tiện để đo khoảng cách Nếu sử dụng bộ thu phát RF bộ chuyển đổi siêu âm, chúng đo thời gian đến tín hiệu Do đó, sử dụng phương pháp TOA khác Nếu bợ thu phát RF đầu dị siêu âm sử dụng [18], sau có hai tín hiệu khác nhau: RF tín hiệu siêu âm truyền qua đường dẫn với tốc độ khác Trong phạm vi nhỏ ứng dụng, thời gian lan truyền RF bỏ qua coi không giây siêu âm cần thời gian lâu Do đó, chênh lệch thời gian hai tín hiệu đo bắt đầu bộ đếm thời gian tín hiệu RF đến dừng bợ đếm thời gian tín hiệu siêu âm đến máy thu 2.3 Truyền dẫn sóng điện từ 2.3.1 Các chế lan truyền sóng điện từ Có chế truyền vô tuyến: tượng phản xạ, tán xạ nhiễu xạ - Phản xạ: sóng đập vào bề mặt phẳng - Tán xạ: sóng đập vào vật có bề mặt khơng phẳng vật có chiều dài so sánh với chiều dài bước sóng - Nhiễu xạ: sóng chạm tới vật thể có kích thước lớn nhiều chiều dài bước sóng 16 Hình 2.2 Hiện tượng đa đường thơng tin vơ tuyến 2.3.2 Nhiễu truyền sóng điện từ Lý tưởng nhất khoảng cách bộ nhận tín hiệu nguồn phát tín hiệu mợt đường thẳng, nghĩa khơng có vật cản khoảng cách phù hợp Trong thực tế, tín hiệu truyền có mợt số ngun nhân làm suy giảm tín hiệu nhận Các nguyên nhân gây nhiễu tín hiệu thu chủ yếu bao gồm: 2.3.2.1 Suy hao truyền dẫn Các phép tính truyền sóng hệ thống khơng dây thực tế cho thấy tín hiệu trải qua một tượng gọi mất đường Mất đường giải thích đơn giản cơng śt truyền tiêu hao theo quãng đường mà tín hiệu truyền một môi trường cụ thể Từ nghiên cứu khác nhau, rõ ràng môi trường nhà khác biệt đáng kể so với mơi trường ngồi trời theo nhiều cách Các mơ hình mất đường dẫn nhà cần xem xét thay đổi sơ đồ mặt bằng, vật liệu xây dựng sử dụng tòa nhà, loại số lượng thiết bị văn phòng sử dụng, số người làm việc di chuyển họ, quy mô thiết bị thông minh sử dụng vùng lân cận… 17 Có mợt số mơ hình đưa để tính tốn định lượng tổn thất đường truyền, bao gồm ray tracing, mô hình tổn thất đường dẫn đơn giản, mơ hình Okumura Hata; với mơ hình có hiệu śt tùy tḥc vào mơi trường ứng dụng Ví dụ, theo mơ hình tổn thất đường dẫn đơn giản, cơng śt nhận giảm theo định luật hàm số mũ d s− , với η hệ số suy hao đường truyền số mũ kênh truyền Cơng śt tín hiệu khoảng cách d máy thu-máy nhận phụ thuộc hệ số suy hao đường truyền Mơ hình tổn thất đường dẫn đơn giản hóa mợt mơ hình nghiên cứu kỹ lưỡng Tuy nhiên, khoảng cách máy thu-máy nhận tiến tới 0, mơ hình bị lỗi điểm đặc biệt ds = Trong mơ hình này, ds = 0, cơng śt nhận vượt công suất truyền tiến tới vô cùng, điều thực tế Một số kỹ thuật sử dụng để khắc phục nhược điểm Bất chấp hạn chế này, mơ hình tổn thất đường dẫn mợt mơ hình tính tốn suy hao cơng śt hợp lý giảm đợ phức tạp phân tích hệ thống Ngồi tượng mất đường dẫn, tượng Hiện tượng trễ đa đường đóng mợt vai trị quan trọng tín hiệu không dây thảo luận 2.3.2.2 Hiện tượng trễ đa đường (Multipath fading) Multipath-Fading một tượng rất phổ biến truyền thông không dây gây tượng đa đường (Multipath) Các đường truyền không trực tiếp đến máy thu lệch theo thời gian không gian, điều gây hiệu ứng phạm vi hẹp (small-scale fading) thông tin vơ tuyến di đợng như: trải trễ, trải góc trải Doppler, dẫn tới suy giảm cường độ xoay pha tín hiệu (fading) khơng giống thời điểm hoặc/và tần số khác Bởi số lượng lớn tia phân tán môi trường, tín hiệu nhận tổng rất nhiều tín hiệu truyền Do đó, tín hiệu nhận bao gồm có biên đợ, pha, góc đến khác Điều gây dao đợng đáng kể biên đợ tín hiệu nhận với thời gian dẫn đến một tượng gọi 18 Hiện tượng trễ đa đường (Multipath fading) hiệu ứng phạm vi hẹp (smallscale fading) biểu diễn fading đa đường thể Hình 2.3 Hình 2.3 Biểu diễn trễ đa đường Mơ hình hóa biến đợng đa đường điều cần thiết, tùy tḥc vào mơi trường kênh, có mợt số mơ hình phát triển áp dụng để nắm bắt thống kê fading kênh Các mô đun bao gồm: phân bố fading Rayleigh, phân bố fading Nakagami-m, phân bố fading Rician… 2.3.2.3 Hiệu ứng Doppler Khi thiết bị di động chuyển động, vận tốc gây thay đổi tần số tín hiệu truyền dọc theo đường dẫn tín hiệu Hiện tượng gọi dịch chuyển Doppler Tín hiệu dọc theo đường khác có dịch chuyển Doppler khác nhau, tương ứng với tỷ lệ thay đổi giai đoạn Sự khác biệt dịch chuyển Doppler tín hiệu khác tập trung lại thành phần tín hiệu fading gọi trải Doppler Các kênh có dải Doppler lớn có thành phần tín hiệu ln thay đổi độc lập pha theo thời gian [19] Nếu trải Doppler đáng kể so với băng thông tín hiệu truyền đi, tín hiệu nhận bị mờ nhanh (fast fading) Mặt khác, trải Doppler kênh nhỏ nhiều so với băng thông băng tần sở tín hiệu, tín hiệu trải qua trình mờ dần (slow fading) [20] Vì vậy, thuật ngữ mờ chậm mờ nhanh đề cập đến tốc độ thay đổi độ lớn pha kênh tín hiệu thay đổi Bởi nhiều phản xạ tín hiệu truyền đến máy thu lần, điều dẫn đến nhiễu ký 19 hiệu (ISI) cố bit Sự phân tán thời gian kênh gọi trải trễ đa đường một tham số quan trọng để đánh giá khả hoạt động hệ thống truyền thông không dây 2.4 Cường độ tín hiệu thu RSSI Cường đợ cơng śt nhận từ mợt tín hiệu sử dụng để ước tính khoảng cách tất sóng điện từ có mối quan hệ nghịch đảo bình phương công suất nhận khoảng cách [21] thể biểu thức sau: Pr  d2 (2-1) Pr cơng śt nhận khoảng cách d từ máy phát Công thức rõ ràng nói khoảng cách tín hiệu truyền tính tốn cách so sánh khác biệt công suất truyền công suất nhận, hay gọi “suy hao đường truyền” Trong thực tế đo lường, gia tăng suy hao tăng khoảng cách khác mơi trường khác Điều dẫn đến đặc điểm môi trường sử dụng số mũ suy hao đường truyền n hiển thị biểu thức sau [16] Pr = P( d0 ) (d / d0 ) n (2-2) Pd cơng suất nhận đo khoảng cách d0 Thông thường, d0 cố định một số d0 = m Số mũ suy hao đường truyền n biểu thức một tham số quan trọng nhất đặc điểm môi trường Nếu gia tăng suy hao đường truyền mạnh khoảng cách tăng, giá trị số mũ suy hao đường truyền n lớn thể Hình 2.4 dịng cho biết suy giảm mất đường truyền n = 2.0 Đường gạch ngang bên cạnh nét liền dòng suy giảm n = 2,5… 20 Hình 2.4 Ảnh hưởng số mũ suy hao đường truyền [16] Một đặc điểm quan trọng khác cấu thành quy tắc suy hao đường truyền Hình 2.4 điểm đầu đường cong Điểm bắt đầu tất đường cong cố định -37 dBm Nếu cài đặt nhỏ hơn, tất đường cong dịch chuyển xuống thấp Trong thực tế, xác P(d0) = -37 dBm Vì thế, P(d0) một thông số quan trọng đặc trưng cho môi trường hầu hết mô-đun thu phát vô tuyến, phép đo công suất nhận một phụ chức Giá trị đo cung cấp mơ-đun khơng nhận xác dBm Tuy nhiên, báo cường đợ tín hiệu nhận (RSSI) sử dụng để biểu thị điều kiện mức công suất nhận Điều dễ dàng chuyển đổi thành cơng śt nhận cách bù đắp để hiệu chỉnh đến mức xác RSSI thường thực hầu hết tiêu chuẩn truyền thông không dây Các tiêu chuẩn tiếng bao gồm IEEE 802.11 IEEE 802.15.4 Giá trị RSSI đo giai đoạn tần số trung gian, trước bộ khuếch đại tần số trung gian, giai đoạn băng gốc mạch Sau nhận giá trị RSSI, bộ xử lý vi điều khiển với bộ chuyển đổi tương tự sang kỹ thuật số 21 (ADC) tích hợp chuyển đổi thành giá trị kỹ thuật số Giá trị sau lưu trữ mợt ghi bợ điều khiển để thu thập liệu nhanh chóng • RSSI mơi trường nhà Mặt khác, tín hiệu truyền dẫn môi trường nhà phải điều chỉnh cho phù hợp để tránh nhiễu từ khu vực xung quanh Điều mơ hình suy hao đường truyền tín hiệu vơ tuyến truyền qua tường với đợ suy giảm tín hiệu cao Việc triển khai nhà yêu cầu nút tham chiếu phải cố định bên trần nhà để tránh chướng ngại vật phải có đợ cao chúng Mặc dù kỹ thuật RSSI một kỹ thuật có chi phí thấp dễ dàng thực hiện, nhược điểm nó khơng cung cấp đợ xác rất tốt, với mức trung bình từ đến m Điều chủ yếu phép đo RSSI có xu hướng dao đợng theo thay đổi môi trường nhiễu đa đường, vật cản thường gặp môi trường nhà 2.5 Cơng nghệ định vị nhà Khi tín hiệu vệ tinh GPS không khả thi để định vị nhà, hệ thống định vị nhà cần lựa chọn tín hiệu khác phục vụ cho việc định vị Sự phổ biến công nghệ không dây cơng nghệ cảm biến vị trí chuyển đợng điện thoại thông minh mở khả ứng dụng cho việc định vị nhà Tuy nhiên Các công nghệ không dây sử dụng rất phổ biến toàn cầu Các hệ thống định vị dựa cơng nghệ khơng dây tận dụng sở hạ tầng có để giảm thiểu chi phí Bằng cơng nghệ khơng dây, có đề cập đến tần số cao công nghệ tần số thấp Ví dụ, cơng nghệ khơng dây tần số cao phổ biến nhất sử dụng WiFi [22], Zigbee [23], RFID [24] Bluetooth [25] Tuy nhiên, công nghệ tần số thấp công nghệ dựa ánh sáng vật lý có một số nghiên cứu thương mại sử dụng [26] Ví dụ: Light Fidelity hay cịn gọi Li-Fi một công nghệ không dây dạng công nghệ giao tiếp ánh sáng (VLC) Những công nghệ sử dụng thành công khứ cho định vị điều hướng, với phổ biến chúng khiến chúng trở thành giải 22 pháp lý tưởng cho định vị nhà Ngồi cịn có công nghệ WiFi HaLow [25], BLE phiên 5.0 [25] LoRaWAN [27] thiết kế đặc biệt cho thiết bị IoT ➢ Một số công nghệ định vị nhà • IEEE 802 11 - WiFi Chuẩn IEEE 802.11, thường gọi WiFi, một tiêu chuẩn phổ biến nhất công nghệ sử dụng để định vị nhà Phạm vi truyền dẫn Wifi nhà thay đổi từ 3,3 m với băng thông 6,7 Gbit/s (quảng cáo IEEE 802.11), lên đến 70 m với băng thông 600 Mbit/s (IEEE 802.11 n), hoạt đợng 2,4 GHz, GHz 60 GHz Ngoài ra, mạng WiFi thiết kế cho rất nhiều thiết bị từ điện thoại thơng minh máy tính xách tay đến phablet đồng hồ thơng minh Sự sẵn có tín hiệu WiFi thiết bị hỗ trợ WiFi một lợi cho định vị số lượng thiết bị di động thiết bị điểm tham chiếu tăng lên Các kỹ thuật xử lý tín hiệu tiên tiến sử dụng để cải thiện chất lượng tín hiệu WiFi Đồng thời, khơng cần triển khai thêm phần cứng với công nghệ WiFi Ngày số lượng thiết bị thu phát wifi ngày tăng, kênh 2,4 GHz GHz trở nên tải nhiễu tăng, giảm dung lượng mạng Thật vậy, Wi-Fi truyền thống ban đầu không thiết kế để giải vấn đề Thay vào IEEE 802.11ah - WiFi HaLow đời WiFi HaLow [26] thiết kế phép kết nối với nhiều thiết bị mới, trường hợp sử dụng tiết kiệm điện nhà thông minh thành phố thông minh, phương tiện kết nối hỗ trợ khái niệm IoT nói chung Nó mở rợng WiFi thành băng tần 900 MHz phép kết nối lượng thấp cần thiết cho thiết bị IoT Phạm vi truyền gấp đôi phạm vi WiFi chất lượng tín hiệu tốt mơi trường nhiều vật cản, chẳng hạn môi trường nhà phức tạp với nhiều đồ đạc tường Nó hoạt động nhiều chế độ truyền từ tốc độ thấp từ 150 Kbp/s đến 347 Kbp/s Khả hoạt động với công suất thấp, phạm vi truyền dẫn cao suy hao lan truyền thấp khiến WiFiHaLow một ứng cử viên sáng giá cho IoT Mặt khác, 23 WiFiHaLow tương đối so với công nghệ khác, mắt vào năm 2017, khơng phổ biến rộng rãi mất một thời gian trước có bị sở hạ tầng HaLow • Zigbee Zigbee mợt giao thức truyền thơng cấp cao biết đến với đơn giản, sử dụng lượng thấp an tồn mạng [23] Nó dựa tiêu chuẩn IEEE 802.15.4, xác định điểm hoạt động Wireless Mạng Khu vực Cá nhân (WPAN) với ăng-ten tốc đợ liệu thấp Chúng ta kiểm sốt luồng thơng tin ngăn chặn bất kỳ việc mất liệu cách sử dụng Các thiết bị sử dụng Zigbee thiết kế với tính chất lượng liên kết cho phép dễ dàng xác định phép đo RSSI Zigbee thường sử dụng để địa hóa WSN yêu cầu lượng thấp Trong thiết kế IoT với Zigbee cần triển khai thêm sở hạ tầng, phần cứng • Bluetooth Bluetooth mợt cơng nghệ không dây để trao đổi liệu khoảng cách ngắn Các IEEE chuẩn hóa Bluetooth IEEE 802.15.1, khơng cịn trì tiêu chuẩn này, quản lý SIG Được giới thiệu Bluetooth Special Interest Group vào năm 2010, Bluetooth Low Energy (BLE) thiết kế cho ứng dụng không yêu cầu số lượng lớn truyền liệu, đồng thời giảm tiêu thụ điện chi phí lắp đặt thiết bị Định vị nhà liên kết với Bluetooth với iBeacon dựa BLE quảng bá Apple Inc… Hệ thống định vị nhà quy mô lớn dựa iBeacons triển khai áp dụng vào thực tế Tương tự Zigbee, BLE một công nghệ sử dụng WPAN Việc tiêu thụ điện thấp BLE dẫn đến số lượng lơn thiết bị IoT BLE 4.0 đạt tốc độ 25 Mbit/s khoảng cách 60 m Các ứng dụng sử dụng BLE tăng lên rất nhiều vài năm qua Một số thiết bị phát triển, lĩnh vực chăm sóc sức khỏe [28], thể thao, thể dục, an ninh giải trí gia đình Beacon thiết bị nhỏ, chi phí rẻ, chứa mợt CPU, WiFi Alliance công bố Bluetooth 5.0 đối thủ WiFi HaLow thiết kế IoT Nó khẳng định có tốc độ gấp đôi phiên trước, phạm vi truyền dài bốn lần trao đổi liệu nhanh tám lần Sự đơn giản phổ biến thiết bị IoT 24 lợi Bluetooth Các kích thước nhỏ beacon chi phí thấp chúng với hiệu lượng BLE tuổi thọ kéo dài, sử dụng để tăng cường định vị một môi trường phức tạp mà không can thiệp vào sở hạ tầng khơng dây • RFID Thiết bị nhận dạng tần số vô tuyến (RFID) thiết kế chủ yếu để truyền lưu trữ liệu [23] Cần có mợt đầu đọc RFID giao tiếp với thẻ RFID Có hai loại RFIDS RFID chủ đợng hoạt đợng dải tần số siêu cao (UHF) vi sóng Cần kết nối với nguồn điện cục bộ truyền ID chúng định kỳ lên 100 m RFID thụ động, chúng hoạt động không cần pin phạm vi truyền dẫn 1-2 m Trong kỷ nguyên IoT, RFID một giải pháp đầy hứa hẹn Đợ xác chúng khơng đủ cao chúng khơng có sẵn nhiều thiết bị di đợng • LoRaWAN LoRaWAN một công nghệ tiêu thụ điện thấp, tầm xa sử dụng để phát triển mạng diện rộng cá nhân (PWAN) [27] Ban đầu phát triển Liên minh LoRa, LoRaWAN giao thức truyền tần số thấp 915MHz Lợi ích việc sử dụng tần suất thấp bước sóng cho phép mợt khoảng cách lớn mà tín hiệu tiếp cận Do đó, xuyên qua tường vật cản mà khơng có vấn đề Nó khơng cịn dễ bị nhiễu khơng gây trở ngại cho bất kỳ thiết bị truyền băng tần 2.4GHz Nhược điểm việc sử dụng tần số thấp giảm tốc đợ liệu gửi thiết bị truyền Đối với thiết bị di chuyển với tốc độ cao mợt khu vực rợng lớn, LoRa một lựa chọn tốt với IoT Tuy nhiên phạm vi ngắn, hiệu śt LoRa khơng cao, chi phí lớn thiết bị bổ sung cần thiết để thiết lập mợt nút LoRa • LiFi: LiFi mợt cơng nghệ VLC [29] VLC một tập hợp Giao tiếp không dây quang (OWC), sử dụng điốt phát quang làm phương tiện phép truyền thông tốc độ cao Dữ liệu truyền điều chỉnh cường độ ánh sáng LED khoảng thời gian nano giây, nhanh để mắt người phát 25 2.6 Kỹ thuật định vị nhà Kỹ thuật định vị yếu tố cần xem xét ban đầu thiết kế hệ thống định vị Điều kỹ thuật định vị xác định cách tính tốn, phương pháp sử dụng tính khoảng cách lựa chọn thiết bị Trong phần này, chi tiết kỹ thuật ước lượng vị trí cách sử dụng ước lượng tiệm cận, góc đợ trễ 2.6.1 Ước lượng tiệm cận (Proximity Estimation) Ước lượng tiệm cận thường sử dụng nút cảm biến không dây mạng lưới Thuật tốn định vị sử dụng tiệm cận khơng đưa kết xác vị trí thực tế đối tượng so với điểm tham chiếu., tọa đợ vị trí khơng xác định lấy vị trí nút cảm biến xung quanh Như vậy, khơng phù hợp để chọn cho ứng dụng theo dõi vị trí Tuy nhiên, rất tốt cho việc mạng cảm biến quy mô lớn [30] Nhiều cách tiếp cận để ước lượng khoảng cách đề x́t Điển hình bao gồm thuật tốn centroid [21], lược đồ DV-hop [32], point-intriangulation test (APIT) [30] Thuật tốn Centroid phát tất thơng tin vị trí có nút tham chiếu đến tất nút mục tiêu khác Thuật tốn Centroid khơng coi đủ xác tính đơn giản khơng đầy đủ Khó khăn thuật tốn centroid số lượng nút tham chiếu xem xét ước tính Theo mặc định, tổng số tham chiếu xung quanh nút mà nút đích phát giao tiếp… "khoảng cách" đo dạng đếm bước nhảy phương pháp tiếp cận khơng có phạm vi khơng thực khoảng cách nhiệm vụ khác Do đó, số lượng nút tham chiếu xung quanh bị giới hạn cấp độ thứ hai (bước nhảy) thơng điệp qua Thuật tốn địa hóa DV-Hop [32] đề xuất để xem xét đếm bước nhảy để ước tính khoảng cách Cơng việc sử dụng cách tiếp cận tương tự định tuyến vectơ thuật toán 26 Thuật toán định vị sử dụng tiệm cận yêu cầu xây dựng một lưới vị trí cho trước phát tín hiệu tới đối tượng, đó, thời gian triển khai chi phí hệ thống định vị sử dụng thuật tốn cao so sánh với kỹ thuật khác 2.6.2 Uớc lượng dựa góc (Triangulation Estimation) Triangulation (kỹ thuật định vị dựa góc) mợt cách tiếp cận lượng giác để xác định mợt vị trí khơng xác định dựa hai góc khoảng cách chúng Trong mạng cảm biến, hai nút tham chiếu yêu cầu nằm đường sở nằm ngang cho trục x hai nút cảm biến nằm đường sở thẳng đứng trục y Khoảng cách dr hai nút tham chiếu đường sở đo giai đoạn ban đầu lưu trữ bợ nhớ Hai góc α1và α2 đo đường sở đường tạo nút tham chiếu nút đích Hình 2.5 Hình 2.5 Ước lượng tam giác [16] Trong Hình 2.5, nút tham chiếu R1 R2 tạo thành đường sở trục X Nút tham chiếu R1 sử dụng lại để tạo đường sở trục Y với nút tham chiếu R3 Mợt nút đích T1 di chuyển tự khu vực Dựa phép toán tam giác bản, tọa đợ vị trí (x,y) T1 xác định cách sử dụng kết hợp R1 R3 để tìm x, kết hợp R1 R2 để tìm y [17] 27 x= y= d ry sin( y1 )sin( y ) sin( y1 +  y ) (2-3) d rx sin( x1 ) sin( x ) sin( x1 +  x ) (2-4) Ngồi ra, biểu thức cải cách thành một cách đơn giản cách sử dụng nhận dạng lượng giác [17] x= y= d ry tan −1 ( y1 ) + tan −1 ( y ) (2-5) d rx tan ( x1 ) + tan −1 ( x ) (2-6) −1 Đối với trường hợp thứ hai, tính tốn thực bên nút mục tiêu định vị một la bàn gắn vào nút cảm biến La bàn cung cấp định hướng nút cảm biến Tất nút tham chiếu phát tín hiệu tới nút mục tiêu Do đó, nút mục tiêu đo góc α, β γ từ tín hiệu nhận ba nút tham chiếu Hình 2.6 Nút mục tiêu tính tốn tọa đợ vị trí sử dụng phương pháp Triangulation chuyển kết đến hệ thống lưu trữ liệu giám sát Hình 2.6 Ước tính nút mục tiêu định vị [16] 28 Sử dụng mô-đun la bàn điện tử (EMC) gắn vào nút cảm biến, phần bù góc θ nhận Góc lệch θ sử dụng để điều chỉnh tất phép đo thành tham chiếu Do đó, tất góc cho phương pháp Triangulation sử dụng (23), (2-4) (2-5), (2-6) tìm thấy sau [16]:  x1 = (  −  ) − 0.5 (2-7)  x = −( −  ) + 1.5 (2-8)  y1 = −( −  ) +  (2-9)  y = −( −  ) (2-10) Với công nghệ ngày nay, việc thực quy mô lớn hồn tồn đạt Vì thế, thuật toán định vị nhà phải đủ tốt cho mạng quy mô lớn hoạt động 2.6.3 Uớc lượng dựa độ trễ tín hiệu (Trilateration Estimation) Phương pháp Trilateration (kỹ thuật định vị dựa độ trễ tín hiệu) sử dụng để tìm mợt vị trí khơng xác định Tuy nhiên, khác biệt trilateration triangulation liệu cung cấp cho q trình ước tính Thay đo góc vị trí, trilateration sử dụng khoảng cách vị trí để ước tính tọa đợ vị trí cần xác định; sử dụng giá trị RSSI để tính khoảng cách Trong đó, khoảng cách vị trí tham chiếu vị trí cần xác định coi bán kính nhiều đường trịn có tâm vị trí tham chiếu Do đó, vị trí chưa biết giao điểm tất mặt cầu Hình 2.7 29 Hình 2.7 Phương pháp định vị Triliteration Nếu mức tín hiệu từ ba trạm gốc khác vị trí thiết bị di đợng vị trí xấp xỉ giao điểm ba đường tròn Việc bổ sung nhiều điểm truy cập giúp tính tốn khoảng cách với gia tăng đợ xác cao Đối với khơng gian 3D cần tối thiểu Raspberry Pi, Raspberry Pi không gian 2D Trong mơi trường 3D cần thêm trục z, cịn mơi trường 2D cầntrục x, y Tuy nhiên khơng gian 3D khối lượng tính tốn khó khăn phức tạp nhiều, đợ xác so với mơi trường 2D Trong Hình 2.7, ba nút tham chiếu phân bổ ngẫu nhiên Một nút mục tiêu di chuyển xung quanh nút tham chiếu Nút định vị (P) định vị cách sử dụng tọa độ tham chiếu nút (R1, R2 R3) khoảng cách (d1, d2, d3) nút tham chiếu nút đích Giả sử mơi trường 2D có n Raspberry sử dụng (xi,yi), i = 1, 2, … n, khoảngcách từ Raspberry thứ i đến Beacon cần định vị ri, i = 1, 2, … n Từ đó, có phương trình hình trịn: (x – xi) + (y – yi) = di2 (2-11) Trong đó: (x, y) tọa đợ Beacon cần định vị Với Raspberry Pi P1, P2, P3 có tọa đợ (x1, y1), (x2, y2), (x3, y3) 30 d12 = ( x1 − x)2 + ( y1 − y)2 (2- 12) d22 = ( x2 − x)2 + ( y2 − y)2 (2-13) d12 = ( x1 − x)2 + ( y1 − y)2 (2- 14) Từ phương trình (2-12), (2-13), (2-14) giải x y, tọa đợ vị trí nút mục tiêu có biểu thức sau: x= AY32 + BY13 + CY21 2( x1Y32 + x2Y13 + x3Y21 ) (2-15) y= AX 32 + BX13 + CX 21 2( y1 X 32 + y2 X13 + y3 X 21 ) (2-16) Trong đó: A = x12 + y12 − d12 (2-17) B = x22 + y22 − d22 (2-18) C = x32 + y32 − d32 (2-19) X 32 = ( x3 − x2 ) (2-20) X13 = ( x1 − x3 ) (2-21) X 21 = ( x2 − x1 ) (2-22) Y32 = ( y3 − y2 ) (2-23) Y13 = ( y1 − y3 ) (2-24) Y21 = ( y2 − y1 ) (2-25) Và Tuy nhiên, có trường hợp khơng thể định vị mợt vị trí cụ thể, ba vịng trịn tạo ba máy phát khơng giao ba vịng trịn giao tạo nên một vùng chồng lấn, dẫn đến kết khơng xác Để giải vấn đề này, cần kết hợp thêm phương pháp tối ưu để đưa kết xác 31 Hình 2.8 Các trường hợp Tam giác hóa Triliteration cần cải thiện [33] Từ khoảng cách, có mợt số phương pháp tốn học để giải hệ phương trình phương pháp Có ba phương pháp để ước tính vị trí từ giá trị RSSI: Ước lượng bình phương tối thiểu (Least Square Estimation – LSE), định vị ba đường biên (Three Border Position), định vị trọng tâm (Centroid Position), nhiên phương pháp LSE cho kết tốt hai phương pháp cịn lại 2.7 Bộ lọc Kalman Bợ lọc Kalman mợt cơng cụ ước tính tối ưu hố, nghĩa bợ lọc giảm thiểu sai số trung bình tham số ước tính với giả định nhiễu hệ thống có phân bố Gauss Bợ lọc Kalman rất phổ biến tiện lợi ứng dụng thời gian thực, có tốc độ nhanh giá trị quan sát thời điểm xử lý đo Bợ lọc Kalman dựa hai phương trình:   X k = Ak x k −1+ Bk u k + w k −1   z k = H k x k +v k (2-26) Trong xk véc tơ biểu diễn trạng thái thực tế (vị trí xác thiết bị) thời điểm k uk tín hiệu điều khiển bợ lọc Mỗi giá trị ước tính trạng thái 32 thời điểm k mợt hàm tuyến tính trạng thái thời điểm trước xk −1 với tín hiệu điều khiển nhiễu q trình w k −1 zk véc tơ giá trị đo được, mợt hàm tuyến tính trạng thái thực tế xk với nhiễu đo đạc vk Ak, Bk, Hk véc tơ mà A mơ hình chuyển trạng thái, Bk mơ hình điều khiển đầu vào Hk mơ hình quan sát Bộ lọc Kalman thực hai giai đoạn phép đo thực từ tín hiệu quan sát được, giai đoạn dự đoán ban đầu giai đoạn cập nhật Vì có nhiễu nên khơng tính xác xk mà ướng lượng Kalman filter mợt hàm ước lượng đệ quy (recursive estimator) cho phép làm việc ➢ Thuật toán ước lượng sau: • Bước dự đốn ban đầu (predict)   X k / k −1 = F x k −1/ k −1 + Bk uk + wk (2-27) Pk / k −1 = Fk Pk −1/ k −1 Fk + Qk T (2-28)  Ở X k ký hiệu dự đoán giá trị xk dựa thông tin giá trị thời điểm k-1 Ma trận P dùng để (ước lượng) ma trận hiệp phương sai ước lượng x • Update:  - Độ lệch so với quan sát (measurement residual): yk = zk − H k x k /k −1 (2-29) - Thặng dư hiệp phương sai (residual covariance): Sk = H k Pk / k −1 H + Rk (2-30) T −1 - Kalman tối ưu: Kk = Pk H k Sk (2-31) T   - Ước lượng điều chỉnh (updated estimate): x k /k = x k /k −1 + K k yk (2-32) - Hiệp phương sai cho ước lượng (updated estimate covariance): Pk / k = (1 − K k H k ) Pk / k −1 (2-33) 33 Bộ lọc Kalman thực hai giai đoạn phép đo thực từ tín hiệu quan sát được, giai đoạn cập nhật thời gian giai đoạn cập nhật đo lường Trong giai đoạn cập nhật thời gian, trạng thái ước lượng dựa vào phương trình giai đoạn cập nhật đo lường, trạng thái ước tính cập nhật với giá trị đo [34] 2.8 Kết luận Môi trường nhà thường sóng điện từ lan truyền phức tạp chịu nhiều ảnh hưởng vật cản, khúc xạ, nhiễu xạ, tán xạ, điều kiện biến đổi Do đó, việc tinh tốn hệ số suy hao đường truyền nhà phụ thuộc lớn vào đặc điểm thiết kế, kết cấu, vật liệu xây dựng, loại tịa nhà…Trong luận văn này, tơi chọn mơ hình truyền sóng Log-normal dành cho định vị dùng BLE Trong mục sở lý thuyết trình bày cơng nghệ định vị dùng phổ biến nay, nhiên với giới hạn luận văn ứng dụng việc định vị vị trí để tạo nên mơi trường nhà thông minh, cụ thể sử dụng module Raspberry Pi để định vị vị trí vật phẩm nhà đính kèm thiết bị BLE Beacon thơng qua công nghệ Bluetooth Phương pháp định vị lựa chọn phương pháp Tam giác hóa Trilateration Mục trình bày chi tiết công nghệ đinh vị Bluetooth sử dụng BLE 34 CHƯƠNG THIẾT KẾ HỆ THỐNG ĐỊNH VỊ TRONG NHÀ 3.1 Giới thiệu Trong mục sở lý thuyết trình bày cơng nghệ định vị dùng phổ biến nay, nhiên với giới hạn luận văn ứng dụng việc định vị vị trí để tạo nên môi trường nhà thông minh, cụ thể sử dụng module Raspberry Pi để định vị vị trí vật phẩm nhà đính kèm thiết bị BLE Beacon thông qua công nghệ Bluetooth Phương pháp định vị lựa chọn phương pháp Tam giác hóa Trilateration Mục trình bày chi tiết công nghệ định vị Bluetooth sử dụng BLE 3.2 Sơ đồ khối hệ thống Trong mơi trường tịa nhà hệ số mơi trường khác với mơi trường khảo sát khác, hệ số xg n cần phải chọn để tính tốn vị trí Hình 3.1 Sơ đồ khối hệ thống 35 Trong Hình 3.1, giá trị RSSI thu từ nút tham chiếu Sử dụng giá trị RSSI này, thực khảo sát đặc tính mơi trường để tìm thơng số cho khu vực Khi q trình hiệu chuẩn kết thúc, thông số môi trường cố định khơng thay đổi trừ có thay đổi lớn xảy với đối tượng khu vực Bước lấy giá trị RSSI liên tục từ nút tham chiếu mạng hoạt động Với giá trị RSSI thông số môi trường sẵn sàng, chuyển đổi giá trị RSSI vào khoảng cách sử dụng mơ hình suy hao đường truyền Sau chuyển đổi RSSI-Khoảng cách, chúng tơi có khoảng cách nút mục tiêu nút tham chiếu Bằng cách áp dụng trilateration, kết hợp khoảng cách tìm tọa đợ vị trí xác nút mục tiêu khu vực Sử dụng ngôn ngữ lập trình python cho Raspberry Pi, lập trình thuật tốn tính khoảng cách từ Raspberry Pi tới beacon từ xác định vị trí Beacon, đồng thời cập nhật liệu lên data Base(cloud), thông qua Wed API Vị trí Beacon kết nối, cập nhật mợt ứng dụng người dùng (app android) 3.3 Các bước xác định RSSI Trong bước này, giá trị RSSI thu thập từ nút cảm biến tham chiếu Thực tế, RSSI giá trị khơng xác cơng śt nhận chân RF bộ thu phát vơ tuyến Do đó, cơng śt thực (dBm) tính cách sử dụng biểu thức sau [17] Tx = ( RSSIi + RSSI offset ) (3-1) Trong Tx công suất nhận thực tế từ nút báo hiệu i RSSIi giá trị RSSI đo cho nút tham chiếu i, lưu ghi RSSI bộ thu phát vô tuyến Độ lệch RSSI độ lệch tìm thấy theo kinh nghiệm tùy thiết bị beacon xấp xỉ -45 dBm Điều để đảm bảo giá trị công suất nhận thực tế có dải đợng từ -100 đến dBm 36 3.4 Đặc trưng môi trường Trong bước này, giá trị RSSI thu với vị trí tương ứng nút tham chiếu Sử dụng liệu (RSSI, Vị trí) để hiệu chỉnh thơng số hệ thống cho phù hợp nhất Sau bước mô tả đặc tính mơi trường, ước tính khoảng cách tín hiệu điều chỉnh trạng thái lệch nhất Các tham số quan trọng sử dụng để mô tả môi trường bao gồm số mũ suy hao đường truyền n công suất nhận Pr(d0) đo khoảng cách d0 đến máy phát, công suất nhận Pr (d0) trước tiên đo cách d0 từ máy thu đến máy phát d0 thường cố định Mét Sau thu Pr(d0), tiếp tục khảo sát vị trí khác để đo suy hao đường truyền số mũ n sử dụng biểu thức sau [17] n= Pr ( d 0) − Pr ( d ) 10*log10 (d / d0 ) (3-2) Trong Pr(d) công suất thu máy thu đo khoảng cách d đến máy phát, biểu thị dBm.Về mặt lý thuyết, phòng khu vực có thơng số mơi trường chúng Tuy nhiên, thực tế vị trí có thơng số mơi trường chúng hai vị trí phòng khu vực Lý vấn đề từ RSSI thay đổi môi trường nhà Giả sử sử dụng nguồn RSSI khơng xác khơng chắn để hiệu chuẩn, khơng thể thu thơng số mơi trường xác từ thí nghiệm Sẽ có thơng số mơi trường khác thu địa điểm Tuy nhiên thông thường hệ số suy hao đường truyền chọn dựa vào bảng 3.1 Bảng 3.1 Giá trị hệ số suy hao đường truyền n [36] Môi trường Hệ số hao đường truyền (n) Không gian trống Đài phát di động khu vực đô thị Đài phát di động đô thị Bên mợt tịa nhà Cản trở xây dựng Cản trở nhà máy 2,7 đến 3,5 đến 1.6 đến 1.8 đến đến 37 3.5 Xác định khoảng cách từ RSSI Nếu phạm vi RSS sử dụng để đo khoảng cách nút tham chiếu nút định vị, mô hình suy hao đường truyền log-normal distance [34] sử dụng để thể mối quan hệ công suất nhận khoảng cách tương ứng biểu thức sau [16] d    d0  Pr ( d ) = Pr ( d 0) −10* n *log10  (3-3) Sau bước khảo sát môi trường, hai thơng số mơi trường n P(d0) thu Do đó, khoảng cách máy phát máy thu ước tính sử dụng biểu thức sau:  Pr ( d 0) − Pr ( d )   10n   d = d0 exp  (3-4) Trong biểu thức này, khoảng cách ước tính d tính met, thơng thường d0=1m 3.6 Lọc nhiễu RSSI dùng Kalman Hình 3.2 Sơ đồ khối lọc nhiễu dùng Kalman Khi có giá trị RSSI thơ từ máy phát tới máy thu, sử dụng Kalman filter để làm mượt giá trị RSSI thô Bộ lọc Kalman dựa RSSI làm mượt tín hiệu tốt bợ lọc trung bình Trạng thái xk trường hợp bao gồm RSSI yk 38 tốc độ thay đổi RSSI yk , giá trị RSSI thời điểm k một hàm trạng thái thời điểm k-1 nhiễu trình w k −1 thể phương trình (3-5) Các phép đo RSSI thu zk thời điểm k từ Beacons một hàm trạng thái k-1 nhiễu đo đạc vk −1 đưa phương trình (3-6) xk = f ( xk −1,w k −1 ) (3-5) zk = h ( xk −1, vk ) (3-6) Cách tiếp cận Kalman filter bao gồm giai đoạn dự đoán cập nhật mơ tả hình 3.2 mục 2.7 chương Giả thiết đưa nhiễu trình nhiễu đo lường Gaussian hàm f h Phương trình (3-5) (3-6) tuyến tính Do áp dụng bợ lọc Kalman tuyến tính hóa tối ưu bợ lọc Từ phương trình (2-26) đề cập chương => phương trình (3-5) (3-6) viết lại cụ thể: xk = Fxk −1 + w k (3-7) zk = Hxk + vk (3-8) nhiễu q trình w k nhiễu đo lường vk có phương sai tương ứng Q R Dự đoán bước cập nhật có tính chất đệ quy Với mục đích lọc giá trị RSSI, sử dụng vectơ trạng thái xk :  yk    yk  xk =  (3- 9) yk phụ thuộc vào môi trường thể dao động, biến đổi giá trị RSSI Nhiễu cao mơi trường, dao động cao Giá trị RSSI yk tính tốn từ giá trị trước RSSI yk −1 cộng với thay đổi yk xử lý nhiễu w k 39 Ma trận chuyển đổi trạng thái F cho bởi: 1 t  0 1 F =  (3-10) Tham số δt điều chỉnh theo thay đổi RSSI phụ thuộc vào môi trường Đối với thử nghiệm tôi, với thời gian lấy mẫu thiết lập 1s/1Rssi tốc đợ Rssi yk khơng quan trọng Do phương trình (3-9) 3-10) đơn giản hóa xk =  yk  F = [1] Tương tự, Phương trình (3-8) viết lại:  zk  =    y 1     yk  + vk  (3-11) Ma trận quan sát H cho ma trận đơn vị: H = [1] Các tham số Q R sử dụng thí nghiệm thu cách sử dụng thử sai, đưa đây: n = 50: số mẫu lấy Q=1e-5 R = 0.1**2 Các thông số thiết lập ban đầu X [0] = -88, P [0] = 5.0 khơng quan trọng tự thích nghi để đạt đến giá trị cần xác định Bộ lọc Kalman, sau hiệu chỉnh, làm mượt giá trị RSSI một cách hiệu Các giá trị RSSI làm mượt sau nhập vào mơ hình lognormal để có khoảng cách Beacons Raspberry pi 3.7 Các bước Trilateration Trong môi trường nhà, hình dạng khu vực mục tiêu có hình dạng tùy ý Địa điểm tọa đợ nút định vị ước tính cách sử dụng phương pháp trilateration cách áp dụng phương trình (2-15), (2-16) Tuy nhiên, chúng tơi triển khai nút tham chiếu hệ thống vị trí mợt cách thường xun chẳng hạn mợt hình dạng hình chữ nhật hình vng Điều giúp giảm thiểu việc tính tốn phức tạp trễ hạn Cách tiếp cận phân bổ nút tham chiếu chiến lược xem Hình 3.3 40 Hình 3.3 Các vị trí cho Trilateration Đơn giản hóa Trong Hình 3.3, Sắp xếp nút cảm biến tham chiếu đặt góc khu vực hình chữ nhật Cách tiếp cận yêu cầu ba nút tham chiếu để trilateration Để ước tính vị trí tọa đợ, hai nút cảm biến tham chiếu R1 R2 dọc theo trục x đủ để cung cấp đầu vào để tính x Vì nút tham chiếu R1 chỉnh với R3 dọc theo trục y, nên R1 sử dụng với R3 để cung cấp đầu vào cho việc tính tốn y Do với R1(0,0) phương trình (2-15) (2-16) trở thành 2 2 2  y2 ( d3 − x3 − d1 ) + y3 ( d1 − d − y2 y3 + y2 + x2 )  x=−  2 x3 y2 − x2 y3  (3-12)  y = d12 − x (3-13) 3.8 Kết Luận Trong chương nêu rõ công nghệ, thiết bị cần thiết để áp dụng vào luận văn Cụ thể đề xuất triển khai Hệ thống định vị nhà thực tế dựa Bluetooth Low Energy, giúp cải thiện đợ xác đồng thời giảm tiêu thụ điện chi phí Ba đề xuất là: sử dụng bộ máy thu từ Raspberry Pi bộ phát Beacon CC2640 Lọc Kalman một phương pháp trilateration mà chúng tơi gọi "phương pháp tam giác hóa" Hơn nữa, hệ thống mở rợng hiệu 41 chi phí tiêu thụ lượng Phương pháp triển khai cho phép sử dụng một thiết bị rất đơn giản để xác định vị trí Việc phân tích kết chứng minh tất đề x́t cải thiện đợ xác hệ thống đề cập chương sau 42 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 thông 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 suất 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 thông 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 công 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 một 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 đợ 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 bợ 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 đợ ( 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, mợt 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 mợt đối tượng (beacon) Bộ lọc thực bộ lọc Kalman Mục đích thử nghiệm thử nghiệm để kiểm tra đợ xác q trình trilateration một môi 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