THÔNG TIN TÓM TẮT VỀ NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN TIẾN SĨ Đề tài luận án: “Nghiên cứu, phát triển kỹ thuật định vị trong nhà sử dụng tín hiệu WiFi”. Chuyên ngành : Kỹ thuật điện tử Mã số : 9520203 Nghiên cứu sinh : Vũ Trung Kiên Người hướng dẫn khoa học: GS.TS Lê Hùng Lân Cơ sở đào tạo : Viện Ứng dụng Công nghệ 1. NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN Ở môi trường trong nhà, các điều kiện khách quan khác nhau như sự thay đổi của môi trường xung quanh (cửa đóngmở, người đi lại…); sự suy hao của tín hiệu WiFi; thiết bị thu phát WiFi đột ngột ngừng hoạt động làm cho tập dữ liệu thu thập từ một điểm truy cập WiFi (bao gồm các phép đo chỉ số cường độ tín hiệu nhận được RSSI) có phân bố gồm đa thành phần Gauss; một phần dữ liệu có thể không quan sát được do bị “cắt”, bị “rớt”. Xuất phát từ thực tế này, luận án đề xuất các giải pháp nhằm nâng cao độ chính xác, tối ưu thời gian định vị của hệ thống định vị trong nhà sử dụng kỹ thuật định vị dựa trên dấu vân tay WiFi RSSI. Các kết quả mới của luận án bao gồm: (1) Đề xuất thuật toán ước lượng các tham số trong mô hình mô tả phân bố của WiFi RSSI (mô hình hỗn hợp Gauss GMM) trong trường hợp không quan sát được một phần dữ liệu;
BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ KHOA HỌC VÀ CÔNG NGHỆ VIỆN ỨNG DỤNG CÔNG NGHỆ - VŨ TRUNG KIÊN NGHIÊN CỨU, PHÁT TRIỂN KỸ THUẬT ĐỊNH VỊ TRONG NHÀ SỬ DỤNG TÍN HIỆU Wi-Fi LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI-2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ KHOA HỌC VÀ CÔNG NGHỆ VIỆN ỨNG DỤNG CÔNG NGHỆ - VŨ TRUNG KIÊN NGHIÊN CỨU, PHÁT TRIỂN KỸ THUẬT ĐỊNH VỊ TRONG NHÀ SỬ DỤNG TÍN HIỆU Wi-Fi LUẬN ÁN TIẾN SĨ KỸ THUẬT Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số: 9520203 Người hướng dẫn khoa học: GS.TS LÊ HÙNG LÂN HÀ NỘI-2019 LỜI CAM ĐOAN Tôi xin cam đoan kết trình bày luận án cơng trình nghiên cứu hướng dẫn cán hướng dẫn Các số liệu, kết trình bày luận án hoàn toàn trung thực chưa cơng bố cơng trình trước Các kết sử dụng tham khảo trích dẫn đầy đủ theo quy định Hà Nội, ngày tháng năm 2019 Tác giả Vũ Trung Kiên LỜI CẢM ƠN Trong trình nghiên cứu hoàn thành luận án này, tác giả nhận nhiều giúp đỡ đóng góp quý báu Đầu tiên, tác giả xin bày tỏ lòng biết ơn sâu sắc tới GS.TS Lê Hùng Lân tận tình hướng dẫn giúp đỡ tác giả trình nghiên cứu Tác giả xin chân thành cảm ơn Viện Ứng dụng Công nghệ - Bộ Khoa học Công nghệ tạo điều kiện thuận lợi để tác giả hoàn thành nhiệm vụ Tác giả xin cảm ơn Trường Đại học Công nghiệp Hà Nội, đơn vị chủ quản, tạo điều kiện cho phép tác giả tham gia nghiên cứu năm làm nghiên cứu sinh Tác giả xin bày tỏ lòng cảm ơn sâu sắc đến TS Hồng Mạnh Kha, người ln đồng hành tác giả thời gian nghiên cứu; xin chân thành cảm ơn TS Lê Văn Thái anh chị em đồng nghiệp thuộc khoa Điện tử, trường Đại học Công nghiệp Hà Nội tạo điều kiện giúp tác giả hoàn thành luận án Cuối cùng, tác giả xin bày tỏ lòng cảm ơn chân thành đến gia đình, bạn bè, đồng chí, đồng nghiệp động viên, giúp đỡ tác giả vượt qua khó khăn để đạt kết nghiên cứu ngày hôm i MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH MỤC HÌNH VẼ iv DANH MỤC BẢNG BIỀU, LƯỢC ĐỒ vi DANH MỤC CÁC TỪ VIẾT TẮT vii DANH MỤC CÁC KÝ HIỆU CHÍNH x MỞ ĐẦU 1 Tính cấp thiết đề tài Đối tượng phạm vi nghiên cứu Mục tiêu nghiên cứu Phương pháp nghiên cứu Bố cục luận án CHƯƠNG TỔNG QUAN VỀ KỸ THUẬT ĐỊNH VỊ TRONG NHÀ SỬ DỤNG TÍN HIỆU Wi-Fi 1.1 Các kỹ thuật định vị nhà sử dụng tín hiệu Wi-Fi 1.1.1 Kỹ thuật định vị tiệm cận 1.1.2 Kỹ thuật định vị sử dụng ToA 1.1.3 Kỹ thuật định vị sử dụng TDoA 10 1.1.4 Kỹ thuật định vị sử dụng AoA 11 1.1.5 Kỹ thuật định vị sử dụng kết hợp AoA ToA 12 1.1.6 Kỹ thuật định vị sử dụng RSSI mơ hình suy hao đường truyền 14 1.1.7 Kỹ thuật định vị dựa dấu vân tay RSSI 15 1.1.7.1 RSSIF-IPT sử dụng phương pháp tất định 15 1.1.7.2 RSSIF-IPT sử dụng phương pháp xác suất 17 1.1.8 Đánh giá kỹ thuật định vị 21 ii 1.2 Đặt vấn đề nghiên cứu 27 1.3 Kết luận chương 33 CHƯƠNG ƯỚC LƯỢNG THAM SỐ CỦA MƠ HÌNH MƠ TẢ PHÂN BỐ Wi-Fi RSSI 35 2.1 Đặt vấn đề 35 2.2 Giới thiệu thuật toán EM 39 2.3 Ước lượng tham số GMM phần liệu không quan sát censoring 41 2.4 Ước lượng tham số GMM phần liệu không quan sát dropping 44 2.5 Ước lượng tham số GMM phần liệu không quan sát censoring dropping 46 2.6 Đánh giá sai số tham số GMM ước lượng thuật toán EM 52 2.7 Kết luận chương 56 CHƯƠNG ƯỚC LƯỢNG SỐ THÀNH PHẦN GAUSS TRONG MƠ HÌNH MƠ TẢ PHÂN BỐ Wi-Fi RSSI 57 3.1 Đặt vấn đề 57 3.2 Các phương pháp ước lượng số thành phần Gauss GMM 60 3.2.1 Ước lượng số thành phần Gauss GMM phương pháp PF 60 3.2.2 Ước lượng số thành phần Gauss GMM phương pháp CF 62 3.3 Ước lượng số thành phần Gauss GMM phần liệu không quan sát censoring dropping 63 3.4 Đánh giá thuật toán ước lượng số thành phần Gauss GMM 68 3.5 Kết luận chương 77 CHƯƠNG XÂY DỰNG THUẬT TOÁN ĐỊNH VỊ VÀ CÁC KẾT QUẢ iii THỰC NGHIỆM IPS 78 4.1 Đặt vấn đề 78 4.2 Thuật toán định vị dựa phương pháp MaP 79 4.3 Các kết thực nghiệm IPS 82 4.3.1 Sai số định vị 82 4.3.1.1 Thực nghiệm IPS liệu mô 83 4.3.1.2 Thực nghiệm IPS liệu thực 86 4.3.2 Mức độ phức tạp thuật toán định vị 90 4.4 Kết luận chương 92 KẾT LUẬN 93 A Các kết luận án 93 B Các đóng góp luận án 93 C Hướng phát triển luận án 94 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ 96 PHỤ LỤC PL1 iv DANH MỤC HÌNH VẼ Hình 1.1 Mơ tả kỹ thuật định vị tiệm cận Hình 1.2 Mơ tả ToA-IPT Hình 1.3 Mô tả TDoA-IPT 11 Hình 1.4 Mơ tả AoA-IPT 12 Hình 1.5 Mơ tả kỹ thuật định vị sử dụng kết hợp AoA ToA 13 Hình 1.6 Mô tả RSSIF-IPT 15 Hình 1.7 Mơ tả D-RSSIF-IPT 17 Hình 1.8 Biểu đồ tần suất Wi-Fi RSSI thu thập vị trí khác điều kiện tĩnh 29 Hình 1.9 Biểu đồ tần suất Wi-Fi RSSI thu thập điều kiện động khác 31 Hình 1.10 Biểu đồ tần suất Wi-Fi RSSI thể vấn đề censoring, dropping đa thành phần Gauss 31 Hình 2.2 Mơ tả tượng dropping 37 Hình 2.3 Tương quan số lượng mẫu liệu (N) MSE tham số GMM ước lượng EM-CD-GMM 56 Hình 3.1 Biểu đồ tần suất Wi-Fi RSSI thu thập từ AP 59 Hình 3.2 Thuật toán ước lượng số thành phần Gauss GMM phương pháp PF 61 Hình 3.3 Thuật toán ước lượng số thành phần Gauss GMM phương pháp CF 63 Hình 3.4 Thuật tốn EM-CD-GMM-PFBIC-CD 67 Hình 3.5 Biểu đồ tần suất tập liệu mô tạo hàm ngẫu nhiên với J=2 76 Hình 3.6 Tương quan số mẫu liệu xác suất ước lượng số thành phần Gauss c 92dBm 0.1 76 v Hình 4.1 Mặt mô tạo Matlab 83 Hình 4.2 CDF sai số định vị sau 1000 lần thực nghiệm với liệu mô 86 Hình 4.3 Mặt khu vực thực nghiệm IPS 87 Hình 4.4 Giao diện phần mềm thu thập Wi-Fi RSSI 87 Hình 4.5 Nội dung file *.xml chứa Wi-Fi RSSI thu thập từ AP khác 88 Hình 4.6 Tổng hợp liệu thu thập giai đoạn huấn luyện 88 Hình 4.7 CDF sai số định vị sau 100 lần thực nghiệm với liệu thực 89 Hình 4.8 CDF sai số định vị tương ứng với bốn thực nghiệm 91 vi DANH MỤC BẢNG BIỀU, LƯỢC ĐỒ Bảng 1.1 Thống kê sai số định vị số nghiên cứu kỹ thuật định vị dựa vị trí AP 23 Bảng 1.2 Thống kê sai số định vị số nghiên cứu RSSIF-IPT 23 Bảng 1.3 Thông tin cần thu thập xây dựng sở liệu với kỹ thuật định vị 24 Bảng 1.4 Tổng hợp ưu điểm, nhược điểm kỹ thuật định vị 26 Bảng 2.1 KLD thuật toán EM sau 1000 lần thực nghiệm 54 Bảng 2.2 KLD thuật toán EM sau 1000 lần thực nghiệm 54 Bảng 3.1 Các tham số sử dụng tạo tập liệu mô 68 Bảng 3.2 Thống kê xác suất ước lượng đúng, lệch lệch từ hai thành phần Gauss trở lên thuật toán 70 Bảng 3.2 (tiếp) 71 Bảng 3.3 Thống kê số lần ước lượng số thành phần Gauss c 94 , , tỉ lệ liệu quan sát 98.8% 72 Bảng 3.4 Thống kê số lần ước lượng số thành phần Gauss c 92 , 0.1, tỉ lệ liệu quan sát 82.6% 73 Bảng 3.5 Thống kê số lần ước lượng số thành phần Gauss c 90 , 0.2 , tỉ lệ liệu quan sát 59.2% 74 Bảng 4.1 Giá trị trung bình phương sai sai số định vị sau 1000 lần thực nghiệm với liệu mô 86 Bảng 4.2 Giá trị trung bình phương sai sai số định vị sau 100 lần thực nghiệm với liệu thực 89 Bảng 4.3 Trung bình thời gian thực hiện, giá trị trung bình phương sai sai số định vị tương ứng với bốn thực nghiệm 91 PL Phụ lục 4: Tính Q Θ; Θ( k ) thuật toán EM-C-GMM (công thức (2.18)) Q Θ; Θ Đặt (k ) N J ln w p y ; p y , j n 1 j 1 n j n nj 1| xn ; Θ ( k ) dyn F yn , xn , nj ; Θ ( k ) p yn , nj 1| xn ; Θ ( k ) , F yn , xn , nj ; Θ ( k ) tính theo cơng thức Bayes: F yn , xn , nj ; Θ ( k ) p yn | xn , nj 1; Θ ( k ) p xn ; Θ ( k ) | nj 1 P nj 1; Θ ( k ) A(4.1) p xn ; Θ ( k ) Xét trường hợp xn yn : p yn | xn , nj 1; Θ ( k ) δ yn xn ; A(4.2) p xn ; Θ ( k ) | nj 1 xn ; (j k ) ; A(4.3) P nj 1; Θ ( k ) w(jk ) ; A(4.4) J p xn ; Θ( k ) w(jk ) xn ; (j k ) A(4.5) j 1 Trong công thức A(4.2), δ y n x n hàm Kronecker Delta, 1 yn xn Từ A(4.1)-A(4.5) suy ra: δ y n xn y x n n Fxn yn yn , xn , nj ; Θ (k ) w(jk ) xn ; (j k ) J w xn ; j 1 (k ) j (k ) j δ yn xn A(4.6) Mặt khác, xn yn : ln w j p yn ; j ln w j p xn ; j A(4.7) PL 10 Gọi zn ( n N ) biến nhị phân thể mẫu liệu quan sát không quan sát zn xn yn yn c ; zn xn c yn c Đặt xn ; (k ) j w(jk ) xn ; j( k ) J w j 1 (k ) j xn ; (k ) j , từ A(4.6) A(4.7), hàm Q Θ; Θ( k ) tính trường hợp xn yn zn sau: Q zn 0 Θ; Θ( k ) N J 1 zn ln w j p xn ; j xn ; n 1 j 1 N (k ) j J δ y xn dyn n c A(4.8) 1 zn xn ; (jk ) ln w j ln xn ; j n 1 j 1 Xét trường hợp xn c : p yn | xn , nj 1; Θ p y n | xn ; (k ) j p xn | yn ; (j k ) p yn ; j( k ) p xn ; (j k ) p xn c | yn c; (j k ) p yn ; (j k ) c p x n (k ) c | yn c; (j k ) p yn ; (j k ) dyn y n ; c y ; n dy (k ) j (k ) j n y n ; (k ) j I (j k ) ; A(4.9) Trong công thức A(4.9): I0 c (k ) j y ; n (k ) j c (j k ) dyn erfc 2 (k ) (tính tốn chi tiết j phụ lục 1) p xn ; Θ ( k ) | nj 1 p xn ; (j k ) I0 j( k ) ; A(4.10) PL 11 P nj 1; Θ ( k ) w(jk ) ; p xn ; Θ (k ) J A(4.11) J w p x ; w (k ) j j 1 (k ) j n I (j k ) (k ) j j 1 A(4.12) Từ A(4.9)-A(4.12) suy ra: Fxn c yn , xn , nj ; Θ (k ) w(jk ) yn ; j( k ) A(4.13) J w(jk ) I0 j( k ) j 1 Q Θ; Θ( k ) tính trường hợp xn c zn sau: Q zn 1 Θ; Θ( k ) N J c zn ln w j p yn ; j w(jk ) yn ; (j k ) n 1 j 1 J I w j 1 (k ) j (k ) j dyn c w(jk ) I0 (j k ) yn ; j( k ) zn J dyn ln w j ln yn ; j (k ) I (k ) (k ) n 1 j 1 j A(4.14) wj I0 j N J j 1 Đặt β (k ) j w(jk ) I (j k ) J w j 1 N (k ) j I J (k ) j , từ A(4.8) A(4.14), ta có: Q Θ; Θ ( k ) 1 zn xn ; (jk ) ln w j ln xn ; j n 1 j 1 c yn ; j( k ) (k ) znβ j ln w j ln yn ; j d y n I (j k ) n 1 j 1 N J A(4.15) Phụ lục Tính tốn tham số ước lượng lần lặp thứ (k 1) thuật tốn EM-C-GMM PL 12 Tính (j k 1) : N J x Q Θ; Θ ( k ) 1 zn xn ; (jk ) n j j j n 1 j 1 znβ (jk ) c (k ) (k ) y y ; d y I n n j n j j (k ) n 1 j 1 j I j N Đặt I1 J A(5.1) c (k ) j y y ; d y n n (k ) j n , tính tốn chi tiết phụ lục 2, ta được: I1 (k ) j (k ) j I (k ) j c ( k ) 2 (k ) 2 j exp 2 (jk ) Khi đó, j công thức A(5.1) viết lại thành: N J x (k ) Q Θ; Θ 1 zn xn ; (jk ) n j j j n 1 j 1 A(5.2) znβ (jk ) I1 (j k ) j (k ) 2j n 1 j 1 I0 j N J Q Θ; Θ ( k ) 0: j (jk 1) j N 1 zn xn ; (j k 1) n 1 N (k ) j xn β (k ) j I1 (j k ) I N z (k ) j n 1 I1 (j k ) N 1 z x ; β I z n 1 Tính (j k 1) : n n (k ) j (k ) j (k ) j n 1 n n A(5.3) PL 13 j Q Θ; Θ ( k ) x n j (k ) 1 zn xn ; j n 1 j 1 j j N J N J znβ (jk ) n 1 j 1 N I0 (j k ) yn j (k ) j 3j yn ; j dyn c J 1 zn xn ; (jk ) x n j 2j 3j n 1 j 1 znβ (jk ) c (k ) (k ) 2 (k ) y y ; d y I I n n j n j j j j j (k ) n 1 j 1 I j j N J A(5.4) Đặt I c (k ) j y y ; dy n (k ) j n n , tính tốn chi tiết phụ lục 3, ta được: c ( k ) 2 j I (j k ) I (j k ) (j k ) c (j k ) exp ( 2 j k ) 2 Công thức A(5.4) viết lại: (k ) j j Q Θ; Θ (k ) j (k ) N J 1 z x ; n n 1 j 1 n (k ) j x n j 2j 3j znβ I (j k ) j I1 (j k ) 2 j j (k ) 3j I0 (j k ) n 1 j 1 I0 j N J (k ) j A(5.5) PL 14 j Q Θ; Θ ( k ) 2j 2j ( k 1) 0: N ( k 1) j 1 zn xn ; (jk ) xn (jk ) n 1 N N 1 z x ; β z n n 1 n (k ) j (k ) j n 1 A(5.6) n I (j k ) 2 (j k ) I1 (j k ) N (k ) β j zn (k ) I0 (j k ) I0 j n1 + (k ) j N N n 1 n1 1 zn xn ; (jk ) β (jk ) zn Tính w (jk 1) : Gọi nhân tử Lagrange, j 1 w j nên hàm Lagrange J định nghĩa sau: J w j , 1 zn xn ; (jk ) ln w j ln xn ; j n 1 j 1 N c J yn ; (j k ) znβ ln w j ln yn ; j d y w j n I0 (j k ) j 1 j 1 J (k ) j A(5.7) Lấy đạo hàm w j , theo w j : PL 15 N 1 w j , 1 zn xn ; (jk ) znβ (jk ) w j wj wj n 1 1 zn xn ; (jk ) znβ (jk ) N wj wj n 1 N N 1 z x ; z β Nw n (k ) j n (k ) j n A(5.8) j n 1 wj Lấy đạo hàm w j , theo : J wj , 1 wj j 1 A(5.9) Việc tìm w j để Q Θ; Θ( k ) đạt cực đại tương đương với việc giải hệ w w j , phương trình j , cụ thể sau: wj , Từ A(5.8) ta có: wj , w j N 1 zn xn ; (jk ) znβ (jk ) Nw j n 1 N wj A(5.10) 1 z x ; z β n n 1 n (k ) j n (k ) j N Từ A(5.9) ta có: J wj , wj j 1 Vì j J nên A(5.10) viết thành: A(5.11) PL 16 J J (k ) z x ; z β (jk ) n n j n J j 1 j 1 n 1 wj N j 1 N J x ; Vì (k ) j n j 1 J β (k ) j j 1 A(5.12) nên từ A(5.11) A(5.12) suy ra: N 1 z z n n n 1 N Thay A(5.13) vào A(5.10) được: wj , w j w j w(jk 1) wj , w(jk 1) A(5.13) 1 : A(5.14) N N n 1 n 1 1 zn xn ; (jk ) β (jk ) zn N Phụ lục 6: Tính Q Θ; Θ( k ) thuật tốn EM-D-GMM (cơng thức (2.29)) Q Θ; Θ( k ) ln Θ; y, d,Δ x; Θ( k ) N J n 1 j 1 dn 0 nj ln w j p yn , d n ; j p yn , d n , nj | xn ; Θ( k ) dyn Đặt F yn , d n , xn , nj ; Θ ( k ) p yn , d n , nj | xn ; Θ ( k ) , F yn , d n , xn , nj ; Θ ( k ) tính cụ thể sau: PL 17 F yn , d n , xn , nj ; Θ ( k ) p yn | d n , xn , nj ; Θ ( k ) P d n | xn , nj ; Θ ( k ) p xn | nj ; Θ ( k ) P nj ; Θ ( k ) A(6.1) p xn ; Θ ( k ) Xét hai trường hợp: Trường hợp 1: Với d n , xn c ; gọi P( d n 1) xác suất xảy tượng dropping, thành phần F yn , d n , xn , nj ; Θ ( k ) công thức A(6.1) tính cụ thể sau: p yn | d n , xn , nj ; Θ ( k ) p yn | d n 1, xn c, nj 1; Θ ( k ) p yn | d n 1; (k ) j δ y n c ; P d n | xn , nj ; Θ ( k ) P d n 1| xn c, nj 1; Θ ( k ) P d n 1| xn c; (k ) j 1; p xn | nj ; Θ ( k ) p xn c | nj 1; Θ ( k ) p xn c | P nj ; Θ ( k ) δ x c ; P 1; Θ w (k ) j A(6.2) A(6.3) A(6.4) n (k ) nj J J j 1 j 1 (k ) j p xn ; Θ( k ) w (jk ) p xn ; j( k ) w (jk )δ xn c δ xn c ; A(6.5) A(6.6) Từ A(6.2)-A(6.6) suy ra: Fdn 1 yn , d n , xn , nj ; Θ ( k ) w(jk )δ yn c A(6.7) Mặt khác: p yn , d n ; j p yn | d n 1; j P d n 1; j δ yn c Nên Q Θ; Θ( k ) trở thành: A(6.8) PL 18 Qdn 1 Θ; Θ N (k ) N J d ln w δ y n n 1 j 1 J j n c w(jk )δ yn c dyn d n w(jk ) ln w j ln +ln δ yn c δ yn c dyn n 1 j 1 N A(6.9) J d n w(jk ) ln w j ln δ yn c dyn n 1 j 1 N J d n w(jk ) ln w j ln n 1 j 1 Trường hợp 2: Với d n , xn yn Các thành phần F yn , d n , xn , nj ; Θ ( k ) cơng thức A(6.1) tính cụ thể sau: p yn | d n , xn , nj ; Θ ( k ) p yn | d n 0, xn , nj 1; Θ ( k ) p yn | d n 0, xn ; (k ) j δ y n xn 1; P d n | xn , nj ; Θ ( k ) P d n 1| xn c, nj 1; Θ ( k ) P d n 1| xn c; (k ) j 1; A(6.10) A(6.11) p xn | nj ; Θ ( k ) p xn | nj 1; Θ ( k ) xn ; (j k ) ; A(6.12) P nj ; Θ ( k ) P nj 1; Θ ( k ) w(jk ) A(6.13) J J j 1 j 1 p xn ; Θ( k ) w (jk ) p xn ; (j k ) w (jk ) xn ; j( k ) ; A(6.14) Từ A(6.10)-A(6.14) suy ra: Fdn 0 yn , d n , xn , nj ; Θ (k ) w (jk ) xn ; j( k ) J w (jk ) xn ; (j k ) xn ; (jk ) A(6.15) j 1 Mặt khác: p yn , d n ; j p y n | d n 0; j P d n 0; j 1 xn ; j A(6.16) PL 19 Từ A(6.15) A(6.16) suy ra: Qdn 0 Θ; Θ (k ) 1 d x ; ln w ln 1 ln x ; N J n n (k ) j j n j n 1 j 1 A(6.17) Kết hợp công thức A(6.9) A(6.17), Q Θ; Θ( k ) biểu diễn sau: N J Q Θ; Θ( k ) d n w(jk ) ln w j ln n 1 j 1 N J 1 d n xn ; (jk ) ln w j ln 1 ln xn ; j n 1 j 1 A(6.18) Phụ lục 7: Tạo liệu mơ phục vụ đánh giá thuật tốn EMGMM, EM-CD-G EM-CD-GMM Tạo tập liệu đầy đủ ( y ) có phân bố tuân theo GMM với tham số (true parameters): w1 ; w2 0.5; 0.5 ; 1 ; 90; 80 ; ; 3; ; J ; N 1000 : N1=500; mean1=-90; sigma1=3; Y1=mean1+sigma1*randn(N1,1); N2=500; mean2=-80;sigma2=4; Y2=mean2+sigma2*randn(N2,1); N=N1+N2; Y=[YY1;YY2]'; %% - Tạo tập liệu không đầy đủ, số mẫu liệu không quan sát censoring dropping ( x ) từ tập y với c 90(dBm) , 0.1 : c=-90; psi=0.1; PL 20 d=rand(1,N); d(d=psi)=1; d=~d; Y(d==1)=c; X=max(Y,c); % Censored and Dropped data Phụ lục Tạo tập liệu sử dụng đánh giá sai số số thành phần Gauss ước lượng thuật toán khác Tạo tập liệu đầy đủ ( y ): if(J==1) N=1000; mean=-90; sigma=2; Y1=mean+sigma*randn(N,1); Y=[Y1]'; end if(J==2) N1=500; mean1=-90; sigma1=2; Y1=mean1+sigma1*randn(N1,1); N2=500; mean2=-82;sigma2=2; Y2=mean2+sigma2*randn(N2,1); N=N1+N2; Y=[Y1;Y2]'; end if(J==3) N1=333; mean1=-90; sigma1=2; Y1=mean1+sigma1*randn(N1,1); N2=333; mean2=-82;sigma2=2; Y2=mean2+sigma2*randn(N2,1); N3=334; mean3=-74;sigma3=2; Y3=mean3+sigma3*randn(N3,1); PL 21 N=N1+N2+N3; Y=[Y1;Y2;Y3]'; end if(J==4) N1=250; mean1=-90; sigma1=2; Y1=mean1+sigma1*randn(N1,1); N2=250; mean2=-82;sigma2=2; Y2=mean2+sigma2*randn(N2,1); N3=250; mean3=-74;sigma3=2; Y3=mean3+sigma3*randn(N3,1); N4=250; mean4=-66;sigma4=2; Y4=mean4+sigma4*randn(N4,1); N=N1+N2+N3+N4; Y=[Y1;Y2;Y3;Y4]'; end Tạo tập liệu không đầy đủ, số mẫu liệu không quan sát censoring dropping ( x ) từ tập y với c 90dBm , 0.1 : c=-90; psi=0.1; d=rand(1,N); d(d=psi)=1; d=~d; Y(d==1)=c; X=max(Y,c); % Censored and Dropped data Phụ lục Tạo tập liệu thu thập RP từ AP (1) Thu thập liệu RP từ AP theo mơ hình suy hao đường truyền: RSSI_0 = -10; r_0 = 1; eta = 5.8; sigma = 2; for q=1:100 % 100 RPs PL 22 for i=1:10 % 10 AP % Tính khoảng cách từ RP thứ q tới AP thứ i r(q,i)=Cal_distance(q,i); % Tính trung bình RSSI RP thứ q từ AP thứ i Mu_0(q,i)=RSSI_0-10*eta*log10(r(q,i)/r_0); %% Tạo liệu RP có phân bố tuân theo phân phối Gauss if(SingleGauss_Node_Idx(q)==1) RP(q).AP(i).y=Mu_0+sigma*randn(400,1); end %% Tạo liệu RP có phân bố tuân theo phân GMM với hai thành phần Gauss if(2_GMM_Node_Idx(q)==1) y_1 =Mu_0(q,i) – + sigma*randn(200,1); y_2 =Mu_0(q,i) + + sigma*randn(200,1); RP(q).AP(i).y = [y_1;y_2]; end %% Tạo liệu RP có phân bố tuân theo phân GMM với ba thành phần Gauss if(3_GMM_Node_Idx(q) == 1) y_1 =Mu_0(q,i) - + sigma*randn(133,1); y_2 =Mu_0(q,i) - + sigma*randn(133,1); y_3 =Mu_0(q,i) + + sigma*randn(134,1); RP(q).AP(i).y = [y_1;y_2;y_3]; end %% Tạo liệu RP có phân bố tuân theo phân GMM với bốn thành phần Gauss if(4_GMM_Node_Idx(q) == 1) y_1 =Mu_0(q,i) - + sigma*randn(100,1); y_2 =Mu_0(q,i) - + sigma*randn(100,1); y_3 =Mu_0(q,i) + + sigma*randn(100,1); y_4 =Mu_0(q,i) + + sigma*randn(100,1); RP(q).AP(i).y = [y_1;y_2;y_3;y_4]; end end end (2) Làm tròn y n for q=1:100 % 100 RPs for i=1:10 % 10 AP PL 23 end end y = RP(q).AP(i).y RP(q).AP(i).y = round(y); (3) Tạo mẫu liệu không quan sát censoring, dropping với 0.15 , c 100 p_si = 0.15; for q=1:100 % 100 RPs for i=1:10 % 10 AP d=rand(1,400); d(d=p_si) = 1; d = ~d; for n=1:400 y(n) = RP(q).AP(i).y(n); if(d(n) == 1) y(n) = -100; % dropped data end % censored and dropped data RP(q).AP(i).x(n) = max(y(n),-100); end end end ... QUAN VỀ KỸ THUẬT ĐỊNH VỊ TRONG NHÀ SỬ DỤNG TÍN HIỆU Wi-Fi 1.1 Các kỹ thuật định vị nhà sử dụng tín hiệu Wi-Fi 1.1.1 Kỹ thuật định vị tiệm cận 1.1.2 Kỹ thuật định vị sử dụng. .. 1.1.3 Kỹ thuật định vị sử dụng TDoA 10 1.1.4 Kỹ thuật định vị sử dụng AoA 11 1.1.5 Kỹ thuật định vị sử dụng kết hợp AoA ToA 12 1.1.6 Kỹ thuật định vị sử dụng RSSI mơ hình... án đưa định hướng nghiên cứu 1.1 Các kỹ thuật định vị nhà sử dụng tín hiệu Wi-Fi 1.1.1 Kỹ thuật định vị tiệm cận Kỹ thuật định vị tiệm cận (proximity) [27, 51] gọi kỹ thuật định vị dựa vị trí