Nghiên Cứu Xây Dựng Ứng Dụng Hỗ Trợ Người Đi Xe Máy Dựa Trên Smartphone

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

ĐÀO ĐỨC HUY

NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG HỖ TRỢ NGƯỜI ĐI XE MÁY DỰA TRÊN SMARTPHONE

Chuyên ngành: Khoa học máy tínhMã số: 60.48.01.01

TOM TAT LUẬN VĂN THẠC SĨ

HÀ NỘI - 2015

Luận văn được hoàn thành tại:

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

Người hướng dẫn khoa học: Tiến sĩ Hoàng Xuân Dậu

Phản biện 1: TS Hoàng Lê Minh

Phản biện 2: TS Nguyễn Trung Kiên

Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ

Bưu chính Viễn thông

Vào lúc: 13 giờ 00 ngày 27 tháng 2 năm 2016

Có thể tìm hiểu luận văn tại:

- Thư viện của Học viện Công nghệ Bưu chính Viễn thông

LOI MỞ DAU

Trong những năm gần đây điện thoại di động thông minh (smartphone) đã được sử dụng phổ biến và trở thành phượng tiện giao tiếp và giải trí của đông đảo người dùng nhờ giá smartphone ngày càng rẻ, cung cấp nhiều tính năng phong phú và dé sử dụng Ngoài các tính năng thông dụng như nghe, gọi, nhắn tin và các dịch vụ dựa trên mạng Internet, nhiều smartphone còn tích hợp các bộ cảm biến như cảm biến chuyên động, cảm biến môi trường, cảm biến vị trí, giúp cung cấp các tính năng giám sát sức khỏe như đếm số bước đi, đo mức

ca lo tiêu thụ, do nhip tim,

Ở Việt Nam, xe máy được sử dụng rất rộng rãi và là phương tiện giao thông chủ chốt

của người dân Trong khi đang tham gia giao thông bang xe máy, người sử dụng thường

không thê nghe điện thoại, trả lời tin nhắn, do vậy có thé bị nhỡ, hoặc bỏ qua các sự kiện quan

trọng Luận văn này tập trung nghiên cứu xây dựng ứng dụng hỗ trợ người đi xe máy dựa trên

smartphone, trong đó, ứng dụng có thé xác định chính xác trạng thái người di xe máy (di, dừng) và xử lý các sự kiện (cuộc gọi đến, tin nhắn ) theo logic định trước trong khi người

dùng đang di xe va nhac người dùng về các sự kiện đã xảy ra khi dừng hoặc rời khỏi xe.Luận văn được bô cục thành 3 chương với nội dung như sau :

Chương 1 : Trình bày tổng quan về các loại cảm biến thường được sử dụng trên smartphone hiện nay Sau đó giới thiệu chỉ tiết về cảm biến chuyên động và một số ứng dụng của cảm biến chuyên động Phần cuối của chương giới thiệu bài toán sẽ được giải quyết trong

luận văn.

Chương 2 : Trình bày về quá trình phát triển ứng dụng trên smartphone hỗ trợ người đi xe máy Bao gồm các bước thu thập, xử lý dữ liệu và từ đó áp dụng phát hiện trạng thái người đi xe máy, sau đó sẽ phân tích thiết kế và cài đặt ứng dụng.

Chương 3 : Luận văn trình bày về các kịch bản và các kết quả thử nghiệm ứng dụng, bao gồm độ chính xác của khả năng phát hiện trạng thái người đi xe máy và tính năng hỗ trợ người đi xe máy Từ đó đưa ra các nhận xét và đánh giá về độ chính xác và hiệu quả của ứng

dụng.

CHƯƠNG 1- TONG QUAN VE CẢM BIEN CHUYEN ĐỘNG TREN SMARTPHONE

1.1 Giới thiệu các loại cảm biến trên smartphone

Các cảm biến được sử dụng trên smartphone hiện nay thường được chia làm 3 loại

chính : cảm biến chuyên động, cảm biến môi trường và cảm biến vị trí.

1.1.1 Cảm biên chuyên động

Có 2 loại cảm biến chuyển động được sử dụng trên smartphone hiện nay đó là cảm biến gia tốc và cảm biến con quay hồi chuyền.

1.1.1.1 Cảm biến gia tốc

Cảm biến gia tốc thường gặp là một loại cảm biến dạng MEMS (hệ thống vi cơ điện tử) [16] được dùng đề ghi nhận chuyền động của thiết bị cũng như góc nghiêng so với phương

ngang Khi có sự thay đối về chuyển động, dit liệu sẽ được gửi về smartphone và từ đó đưa

ra những phản hồi tương ứng.

1.1.1.2 Cảm biến con quay hồi chuyển

Theo định nghĩa vật lý, con quay hồi chuyền là một thiết bị dùng để đo đạc hoặc duy

trì phương hướng dựa trên các nguyên tắc bảo toàn mô men động lượng [12] Cảm biến con

quay hồi chuyên trên smartphone thường được dùng dé do mức độ xoay (tốc độ góc) xung

quanh các trục, từ đó cung câp nhiêu thông tin vê các chuyên động của smartphone.

Tốc độ góc đo bởi cảm biến được biểu diễn băng đơn vị rad/s trên cả 3 trục tọa độ Khi thiết bị không quay, giá trị của cảm biến sẽ bằng 0.

1.1.2 Cam biến môi trường

Cảm biến môi trường là dạng cảm biến thường được dùng để đo các thông số môi trường khác nhau như cường độ ánh sáng, độ 4m không khí, nhiệt độ xung quanh hay áp suất khí quyền.

1.1.2.1 Cảm biến ánh sáng

Cảm biên ánh sáng là một loại cảm biên phô biên trên smartphone, nó cung câp khảnăng nhận biêt được cường độ ánh sáng xung quanh Trên smartphone, cảm biên ánh sángthường được bô trí tại mặt trước của thiệt bị, gân với camera trước.

Don vị do của cảm biến này là /x trong hệ đo lường quốc tế SI.

1.1.2.2 Cảm biến phong vũ biểu

Trên một số smartphone cao cấp thường được trang bị cảm biến phong vũ biểu (cảm

biến áp suất) có khả năng đo được áp suất của khí quyền Cảm biến này cũng là một cảm biến dạng vi cơ điện tử với kích thước trong khoảng từ 1 đến 100 micromet Dữ liệu được đo bởi cảm biến phong vũ biểu có thé được sử dụng dé xác định độ cao của thiết bị so với mặt nước

biển, từ đó giúp cải thiện độ chính xác của hệ thống định vị toàn cầu GPS.

1.1.2.3 Cảm biến nhiệt độ

Cảm biến nhiệt độ có chức năng đo nhiệt độ của môi trường xung quanh bên ngoài của thiết bị Trong thực tế, cảm biến nhiệt độ có mặt ở hầu hết các thiết bị đi động, và một số thiết bị cẦm tay còn có thé có nhiều cảm biến nhiệt độ tích hợp bên trong Tuy nhiên, chúng được sử dụng dé theo dõi nhiệt độ bên trong thiết bị và pin của nó dé phát hiện tinh trạng quá nóng

của thiết bị và tự động tắt máy đề đảm bảo an toàn cho thiết bị và người dùng.

1.1.2.4 Cảm biến độ ẩm

Cảm biến độ âm có tác dụng đo độ âm không khí của môi trường xung quanh thiết bị.

Dữ liệu được cung cấp bởi cảm biến độ âm có thé được sử dung dé đánh giá người dùng có

đang ở trong một môi trường thoải mái hay không Ngoài ra, những dữ liệu này cũng có thể

được gửi lên một dịch vụ dự báo thời tiết nhằm tăng cường độ chính xác khi đưa ra các dự

báo ở khu vực đó.

1.1.3 Cảm biến vị trí

Các cảm biến vị trí được sử dụng dé xác định vị trí vật lý của thiết bị

1.1.3.1 Cảm biến GPS

GPS — global positioning system (hệ thống định vị toàn cầu) là hệ thống xác định vị trí dựa trên vi trí của các vệ tinh nhân tạo, do BO Quốc Phong Hoa Ky xây dựng Cam bién GPS

trong smartphone có tac dụng thu nhận và giải mã tín hiệu từ các vệ tinh Sau đó smartphone

sẽ sử dụng dữ liệu đó dé tính toán và đưa ra vị trí hiện tại của thiết bị trên bản đồ.

1.1.3.2 Cam biến từ kế

Từ ké, là loại cảm biến dang vi cơ điện tử, được dùng dé cảm nhận từ trường, đo hướng và độ lớn của từ trường trái đất Nó giúp cho việc định vị trên smartphone được chính xác hơn khi kết hợp cùng với các dit liệu GPS Ngoài ra còn giúp người dùng xác định được phương hướng Độ lớn của từ trường được biểu diễn bang don vi tesla (T).

1.1.3.3 Cảm biến tiệm cận

Cảm biên tiệm cận có thê xác định được sự hiện diện của một đôi tượng gân đó màkhông cân đên tiép xúc vật lý Cách thức hoạt động của nó là phát ra một trường điện từ ( ví

dụ như hồng ngoại ) và quan sát sự thay đổi của trường điện từ hoặc tín hiệu dội lại.

1.2 Cảm biến chuyển động

Hau hệt các cảm biên chuyên động trên smartphone đêu sử dụng chung một hệ tọa độ.

Khi người dùng câm một chiéc smartphone và màn hình của nó hướng vảo người dùng, thì

hệ tọa độ của các cảm biến chuyên động được quy định như sau:

- Truc X là trục nằm ngang và hướng từ trái sang phải

- Trục Y là trục nằm dọc và hướng từ dưới lên trên

- Trục Z là trục vuông góc với mặt smartphone, và chiều từ sau hướng ra ngoài màn hình Cảm biến gia tốc trong smartphone là một hệ thống vi cơ điện tử MEMS, được dùng để đo gia tốc trọng trường (gia tốc liên quan đến sự rơi tự do) Đơn vị đo của cảm biến này

thường là g, với g là độ lớn của gia tốc trọng trường g ~ 9.8 m/s”.

Gia tốc sẽ được đo trên cả 3 trục tọa độ Và giá tri gia tốc do được sẽ luôn kèm theo

lực hấp dẫn trong đó Khi thiết bị được đặt năm yên trên bàn, giá trỊ gia tốc đọc được sẽ có độ lớn là 1g Còn khi thiết bị được thả rơi tự do, giá trị do được sẽ là Og.

Đề đo được gia tốc thực sự của thiết bị, ta cần phải loại bỏ được trọng lực tác động lên khi đọc dữ liệu, ví dụ bằng cách hiệu chỉnh.

1.3 Giới thiệu một số ứng dung của cảm biến chuyển động

Các cảm biến chuyền động không chỉ được sử dụng trong smartphone mà còn được sử dụng nhiều ở các thiết bị phục vụ cho các lĩnh vực khác nhau như kỹ thuật, sinh học, vận chuyền, xây dung

Trong kỹ thuật, cảm biến chuyền động có thé được sử dụng dé đo gia tốc của phương

tiện, đo độ rung lắc của xe hơi, máy móc, các tòa nhà cao tâng hay các hoạt động địa chân.

Trong xây dựng, cảm biến chuyền động được sử dụng dé đo chuyên động và độ rung

của cấu trúc mà được tiếp xúc với các trọng tải động Trong vận tải chúng còn được ứng dụng

trong hệ thong triển khai túi khí va hệ thống điều khiển độ ôn định điện tử trên các xe hơi Ngoài ra chúng còn được sử dụng dé theo doi độ rung, ồn, độ xóc của xe, và còn có thé được dùng để thông báo lỗi của máy móc.

Trên smartphone, ứng dụng cơ bản nhât của cảm biên chuyên động là xác định chiêucủa smartphone Ngoài ra, các ứng dụng trên smartphone có thê sử dung dữ liệu từ cảm biên

chuyên động dé hỗ trợ người dùng, tăng trải nghiệm của người dùng với ứng dụng.

1.4 Giới thiệu bài toán giải quyết trong luận văn

Sử dụng khả năng đo được các rung động trên các chiều khác nhau của cảm biến gia

tốc, đề tài luận văn này sẽ xây dựng một ứng dụng nhằm giải quyết một bài toán hỗ trợ người đi xe máy Ý tưởng của bài toán xuất phát từ việc, khi một người tham gia giao thông bằng

xe máy, họ có thê bỏ lỡ các cuộc gọi và tin nhăn đên.

Bài toán đặt ra là một ứng dụng có khả năng nhận diện được trạng thái người di xe

máy là đang đi hay dừng xe dựa vào dữ liệu từ cảm biến gia tốc Và với trang thái nhận diện được, ứng dụng có thể thay người dùng phản hồi lại các sự kiện cuộc gọi hoặc tin nhắn đến

trong khi họ đang đi xe máy, sau đó sẽ thông báo lại về các sự kiện đó khi người dùng dừng

1.5 Kết chương

Chương 1 đã trình bày khái quát về các loại cảm biến thường được sử dụng trong các smartphone ngày nay, giới thiệu về cảm biến gia tốc cũng như một số ứng dụng của cảm biến chuyên động Sau đó đề xuất bài toán xây dựng ứng dụng trên smartphone nhằm hỗ trợ người dùng đi xe máy dựa vào dữ liệu thu thập từ cảm biến gia tốc.

Trong Chương 2, Luận văn sẽ trình bày về quá trình thu thập, xử lý dữ liệu và nhận dạng trạng thái, sau đó sẽ trình bày về quá trình phân tích và thiết kế ứng dụng hỗ trợ người

dùng di xe máy.

CHƯƠNG 2- PHÁT TRIEN UNG DỤNG HỖ TRỢ NGƯỜI ĐI XE

MÁY DỰA TRÊN SMARTPHONE

2.1 Phat hiện trạng thái người đi xe máy dựa trên smartphone

2.1.1 Dữ liệu cảm bién gia tốc và phương pháp thu thập dữ liệu

e Dữ liệu cảm biến gia tốc

Như đã đề cập ở Chương 1, đữ liệu từ cảm biến sẽ bao gồm dữ liệu gia tốc từ 3 trục

tọa độ được gắn liền với màn hình thiết bị khi được cầm theo hướng mặc định Khi đó, trục x

sẽ năm ngang và hướng về bên phải, trục y sẽ năm dọc và hướng lên trên, còn trục z sẽ hướng

ra ngoài màn hình.

© Phương pháp thu thập dữ liệu từ cảm bién gia tốc

Một ứng dụng thu thập dữ liệu chạy trên smartphone sử dụng hệ điều hành android sẽ

được xây dựng Ứng dụng này sẽ cho phép thu thập dữ liệu từ cảm biến gia tốc, sau đó sẽ

được lưu lại vào thẻ nhớ của smartphone.

Trong luận văn này, khoảng thời gian tiêu chuẩn cho mỗi window sẽ là 5 giây, và tan

số lay mẫu của dữ liệu sẽ là 50 Hz.

2.1.2 Các thuật toán xử lý dữ liệu

2.1.2.1 Mô hình xử lý dữ liệu

Mô hình xử lý dit liệu sẽ được chia thành 2 pha chính là pha huấn luyện và pha xác

định trạng thái.

e Pha huấn luyện :

Dữ liệu từ cảm Fast Fourier

bién gia toc Transform

Pha huấn luyện gồm 3 bước xử lý như minh họa trên Hình 2.1, gồm:

Fast Fourier Transform (FFT) sẽ thực hiện việc trích xuất các đặc trưng cua dit liệu.

Thuật toán này biên đôi dữ liệu từ miên thời gian ban dau sang miên tân sô.

Ant Colony Optimization (ACO) sẽ thực hiện việc lựa chọn các đặc trưng quan

trọng, giảm số lượng đặc trưng Tập các đặc trưng quan trọng cũng sẽ được xuất ra

dé sử dụng trong pha xác định trạng thái.

Support Vector Machine (SVM) học từ tập dữ liệu huấn luyện dé tạo bộ phân lớp

cho pha xác định trạng thái.e Pha xác định trạng thái:

Hình 2.2: Các bước trong pha xác định trạng thái

Pha xác định trang thái bao gồm 3 bước như minh họa trên Hình 2.2, gồm :

Fast Fourier Transform (FFT) sẽ trích xuất các đặc trưng bằng cách biến đổi dữ

liệu sang miền tần số, tương tự như trong pha huấn luyện.

Tap đặc trưng quan trọng từ pha huấn luyện sẽ được sử dụng dé chọn ra các giá tri tương ứng trong tập các đặc trưng vừa trích xuất bằng FFT.

Support Vector Machine (SVM) sẽ sử dụng bộ phân lớp từ pha huấn luyện đề phân

lớp cho mẫu dữ liệu mới vào một trong hai lớp : đi xe máy hoặc dừng xe.

2.1.2.2 Thuật toán biến đổi Fourier nhanh FFT

a Biến đôi Fourier rời rac DFT

Trong toán hoc, biến đồi Fourier rời rac (DFT — Discrete Fourier Transform) [19] là

một biên đôi tích phan dung dé khai triên một hàm sô theo các ham sô sin cơ sở, có nghĩa làdưới dạng tông hay một tích phân của các hàm sô sin được nhân với các hăng sô khác nhau

(hay còn gọi là biên độ) Trong xử ly tín hiệu và các ngành liên quan, biến đổi Fourier thường được nghĩ đến như sự chuyển đổi tín hiệu thành các thành phần biên độ và tan sé.

b Thuật toán Biến đổi Fourier nhanh FFT [1][20]

Biến đổi Fourier nhanh (FFT — Fast Fourier Transform) là một thuật toán được dùng

dé tính biến đổi Fourier rời rac một cách hiệu quả Nếu tính trực tiếp theo định nghĩa của DFT

như trên thì ta cần tính N số X¿, dé tính mỗi số cần tính một tổng Nsé hạng, như vậy độ phức tạp của thuật toán là O(N’) Nhưng với thuật toán biến đổi Fourier nhanh, ta có thé tính ra được kết quả tương tự nhưng chi với O(N log N) phép tính.

Thuật toán FFT phổ biến nhất là thuật toán FFT Cooley-Tukey Đây là thuật toán dang

chia dé trị dùng đệ quy dé chia bài toán DFT có kích thước hợp số N=NiN> thành nhiều bài

toán tính DFT nhỏ hơn có kích thước Mì và No, cùng với O(N) phép nhân với căn của don vi,

thường được gọi là thừa số xoay.

Dang phổ biến nhất của thuật toán Cooley-Tukey là chia biến đổi thành hai nửa kích thước N/2 ở mỗi bước (vì vậy chỉ dùng được cho kích thước là lũy thừa của 2) nhưng bat kì

cách phân tích ra thừa số nào cũng đều có thé dùng được (điều này cả Gauss và Cooley/Tukey đều nhận ra) Đây là dạng cơ số 2 và dạng nhiễu cơ số.

2.1.2.3 Máy vector hỗ trợ (SVM — Support Vector Machine)

Support Vector Machines (SVM) [2] là một phương pháp phân loại xuất phát từ lý

thuyết học thống kê, dựa trên nguyên tắc tối thiểu rủi ro cau trúc SVM sẽ cô gắng tìm cách phân loại đữ liệu sao cho có lỗi xảy ra trên tập kiểm tra là nhỏ nhất.

© Ý tưởng của thuật toán

Cho trước một tập huấn luyện, được biểu diễn trong không gian vector, trong đó mỗi

tài liệu là một điểm, phương pháp này tìm ra một siêu phẳng quyết định tốt nhất có thể chia các điểm trên không gian này thành hai lớp riêng biệt tương ứng là lớp + và lớp - Chất lượng của siêu phăng này được quyết định bởi khoảng cách (gọi là biên) của điểm dữ liệu gần nhất của mỗi lớp đến mặt phang này Các điểm đó được gọi là các vector hỗ trợ Khi đó, khoảng cách biên càng lớn thì mặt phăng quyết định càng tốt, đồng thời việc phân loại càng chính

2.1.2.4 Thuật toán lựa chọn đặc trưng ACO

Trong khoa học máy tính và nghiên cứu các hoạt động, thuật toán Ant Colony

Optimization (ACO) [3][7] là một kỹ thuật xác suất dé giải quyết các bài toán tìm ra đường đi tốt nhất trên một đồ thị một cách đơn giản.

Đầu tiên, ta cần chọn ra numy đặc trưng từ tong cộng N đặc trưng dé hỗ trợ cho việc

phân lớp Tổng số con kiến sẽ là m Mục tiêu của ta sẽ là chọn ra numy đặc trưng tốt nhất dé

có thể đạt được độ chính xác cao nhất khi phân lớp.

Dé giao tiếp với các con kiến khác, mỗi con kiến sẽ nha ra chất hóa học trên đường khi chúng đi qua, và chất này sẽ bay hơi dần theo thời gian Khi phải chọn giữa 2 con đường, kiến sẽ có khả năng chon đường có nhiều chất hóa học hơn Đặt r;) là lượng chất hóa học rải trên

thành phó / tại thời điểm ¢ Tại t= 0, lượng chất hóa học trên mỗi thành phố là bằng nhau Gọi

p là độ bay hơi của chay hóa học, At; là lượng tăng của chất hóa học.

T(t + 1) = (1 — p)t(t) + Ar;

Thest (2 1)

voi AT; =

Ta có công thức 2.1 là phương thức dé cập nhật mức độ của chất hóa học ries: là kết quả phân lớp tốt nhất của vòng lặp hiện tại.

Ta sẽ sử dung nj là thông tin khám phá (Heuristic Information) cho thành phố j Ta xây dựng một biểu thức nj= F-score F-score là một phép đo đơn giản dé đánh giá khả năng phân

biệt của các đặc trưng Công thức (2.2) được dùng dé tính score cho đặc trưng thứ j F-score càng lớn thì càng có nhiều khả năng đặc trưng đó là rõ rang, tách bach:

c= (Xf ~~ xj)?1 ,j € {1,2, ,Np}

N¢ _

c=1 {ne — Ten Ox + =}

F— score; = (2.2)

Trong đó, v là số các mục của biến mục tiêu Nr là số lượng các đặc trưng NF là số các mẫu của đặc trưng thứ j thuộc mục c, với c € {1,2, ,v}, J€{1,2, -,Ng} Xƒy là mẫu huấn luyện thứ

k của đặc trưng j thuộc mục c, với k € {1,2, N%} x; là giá trị trung bình của đặc trưng thứ j.

#7 là giá trị trung bình của đặc trưng thứ j thuộc mục c.

Gọi pƒ (£) là xác suất con kiến k chọn j là thành phố kế tiếp tại thời điểm ¡ ø biểu diễn

mức độ quan trọng của chất hóa học / biéu diễn mức độ quan trọng của thông tin khám phá.

tabu„ là tập các thành phố mà con kiến k đã đi qua Các thành phố trong tabu; sẽ không

được chon lại trong vòng lặp đó Mối quan hệ giữa các tham số trên được biéu diễn như công

Từ day, ta có thể tién hành cài đặt ACO dé lựa chọn các đặc trưng quan trong Ap dụng

phát hiện trạng thái người đi xe máy

2.1.2.5 Phan cứng

Trong luận văn này, ta sẽ sử dụng chiếc smartphone Samsung Galaxy S3 dé thu thập dữ liệu Thiết bị này có vi xử lý lõi kép với 2GB RAM, chạy trên hệ điều hành Android 4.4.2 KitKat và sử dụng con chip LSM330DLC được tích hợp cả cảm biến gia tốc và cảm biến con quay hồi chuyên Phần mềm xử lý dit liệu sẽ được chạy trên máy tính cá nhân với chip Intel

Core 17-2640M 2.8 GHz cùng với 8GB RAM.

2.1.2.6 Thu thập dữ liệu

Dé thu thập dữ liệu, ta xây dung một ứng dụng có tên là Motion Recorder chạy trên hệ

điều hành Android cho smartphone Ứng dụng này sẽ đọc dữ liệu từ cảm biến gia tốc bên

trong smartphone va sau đó file dữ liệu sẽ được lưu vào bộ nhớ của máy.

Sau khi ứng dụng được cài đặt vào smartphone, ta sẽ tiến hành thu thập dữ liệu Dữ

liệu sẽ được thu thập theo 2 trạng thái khác nhau của người dùng : đi xe máy và đứng yên.

Bang 2.1: Số lượng các mau dit liệu được thu thập theo các trạng thái

Trạng thái ĐI xe máy Đứng yên

Số mẫu thu thập 651 436

2.1.2.7 Xu lý dữ liệu và trích xuất đặc trưng

Dữ liệu sau khi thu thập được sẽ bao gồm đữ liệu gia tốc từ 3 trục tọa độ (x, y Va Z).

Ta sử dụng độ lớn của một vector A là vector được kết hợp từ gia tốc của cả 3 trục theo công

thức (2.4) :

A=x?+y?+z? (2.4)

e Trích xuất đặc trưng bang FFT

Ta sẽ trích xuất đặc trưng của dữ liệu bang cách sử dụng FFT để biến đổi dữ liệu từ

miền thời gian ban đầu sang miễn tần số Vì tần số lay mẫu là 50 Hz (lay mau 50 lần trong 1 giây) và cửa sô thời gian là 5 giây, do đó ta sẽ có 250 mẫu dữ liệu trong một mẫu huấn luyện Với đoạn dữ liệu dài 250 giá tri, ta sẽ zero-shift nó lên thành đoạn dir liệu có độ dài 256 dé đưa vào FFT, tức là chèn thêm 6 giá tri 0 vào cuối của đoạn dữ liệu.

Do tính lặp của FFT nên với đoạn dit liệu độ dài 256, ta sẽ chỉ cần lấy 128 điểm dit liệu đầu tiên, tương ứng với 128 giá tri đặc trưng của dữ liệu.

2.1.2.8 Lựa chọn đặc trưng bằng ACO

Ta sẽ dùng thuật toán ACO dé tiến hành lựa chọn các đặc trưng quan trọng, lọc ra các đặc trưng không quan trọng dé giảm chiều của dữ liệu nhằm tăng tốc độ và độ chính xác khi

huấn luyện và nhận diện bằng SVM.

a Cai đặt thuật toán

Đề cài đặt thuật toán ACO để lựa chọn các đặc trưng quan trọng và giảm chiều của dit liệu đầu vào cho SVM, ta thực hiện theo các bước được mô tả như sau [10]:

Bước | : Khởi tạo các tham sô va các biên của thuật toán : khởi tạo tông sô kiên, sôlân các bước lặp, lượng chat hóa học ban dau của môi đặc trưng, tham sô ø, Ø, sô lượng cácđặc trưng cân chọn num, và các tham sô khác Sau đó, ta sẽ tiên hành tính F-score cho mỗi

đặc trưng dé sử dung làm thông tin khám phá theo công thức (2.2).

Bước 2 : Trong vòng lặp đầu tiên, numy các đặc trưng sẽ được chọn một cách ngẫu nhiên cho mỗi con kiến, và dùng làm đầu vào cho SVM Công thức (2.1) sẽ được sử dụng để cập nhật lại mức độ chất hóa học 7 cho các đặc trưng.

Bước 3 : Ta sử dụng công thức (2.3) dé tính xác suất mà con kiến k sẽ chọn các thành phó Đề tránh trường hợp xảy ra kết quả tối ưu cục bộ, thuật toán lựa chọn bằng vòng quay rulet (roulette wheel selection) được dùng đề lựa chọn thành phố tiếp theo Sau khi đưa thành

phố đã chọn vào tabu;, ta tiễn hành tính lại xác suất của các thành phố còn lại Con kiến sẽ tiếp tục chọn thành phó kế tiếp mà không thuộc tabu; bằng cách sử dụng vòng quay rulet cho đến khi có đủ numy thành phố được chọn Và đó sẽ là tập đặc trưng con của ta.

Bước 4 : Lặp bước trên cho các tập đặc trưng con của mọi con kiến, và sau đó thực hiện việc phân lớp bằng cách sử dụng SVM Giá trị trung bình của 10-fold cross validation

sẽ trở thành đầu ra Sau khi cập nhật Tj bang cách dùng công thức (2.1), £abu¿ sẽ được làm

rồng và vòng lặp tiếp theo sẽ bắt đầu.

Bước 5 : Sau khi đạt được số vòng lặp quy định, ta có được tập con tốt nhất với độ

chính xác khi phân lớp là cao nhất.

b Lựa chọn đặc trưng

Số kiến thường được chọn trong khoảng Vn ~ n/2 Số lượng đặc trưng ta có là 128, do

đó ta sẽ chọn số kiến là 12 con Độ quan trọng của chất hóa học (a) và thông tin khám pha (B) đều được đặt là 0.5 Độ bay hơi của chất hóa học là 0.4 Ta sẽ chọn xác suất 100 mẫu từ mỗi

lớp đề tính toán Số vòng lặp sẽ được chọn là 150 lần.