Định vị đa người dùng sử dụng cảm biến không dây và cảm biến quán tính trên điện thoại thông minh

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN VĂN NAM - NGUYỄN VĂN NAM NGÀNH KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA ĐỊNH VỊ ĐA NGƯỜI DÙNG SỬ DỤNG CẢM BIẾN KHÔNG DÂY VÀ CẢM BIẾN QN TÍNH TRÊN ĐIỆN THOẠI THƠNG MINH LUẬN VĂN THẠC SĨ KHOA HỌC NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HĨA KHỐ 2017-2018 Hà Nội – Năm 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN VĂN NAM ĐỊNH VỊ ĐA NGƯỜI DÙNG SỬ DỤNG CẢM BIẾN KHÔNG DÂY VÀ CẢM BIẾN QN TÍNH TRÊN ĐIỆN THOẠI THƠNG MINH Chun ngành: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: TS ĐÀO TRUNG KIÊN TS NGUYỄN THANH HƯỜNG Hà Nội – Năm 2018 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa LỜI CAM ĐOAN Tơi tên Nguyễn Văn Nam, mã học viên CBC17023, học viên lớp cao học ĐL&HTĐK03 Sau thời gian học tập nghiên cứu, giúp đỡ thầy cô trường Bách Khoa Hà Nội, Viện nghiên cứu quốc tế thông tin đa phương tiện truyền thông ứng dụng MICA đặc biệt giúp đỡ hai giáo viên hướng tơi: TS Đào Trung Kiên, TS Nguyễn Thanh Hường, đến cuối chặng đường để kết thúc khóa học Tơi định chọn đề tài tốt nghiệp “Định vị đa người dùng sử dụng cảm biến không dây cảm biến qn tính điện thoại thơng minh” Tơi xin cam đoan cơng trình nghiên cứu cá nhân hướng dẫn TS Đào Trung Kiên, TS Nguyễn Thanh Hường tham khảo tài liệu liệt kê Tơi khơng chép cơng trình cá nhân khác hình thức Nếu có tơi xin chịu hồn tồn trách nhiệm Người cam đoan Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa LỜI CẢM ƠN Lời xin cám ơn Thầy TS Đào Trung Kiên, Cô TS Nguyễn Thanh Hường tận tình hướng dẫn bảo từ định hướng đề tài đến việc tiếp cận khai thác tài liệu tham khảo q trình tơi viết luận văn Tôi xin cám ơn thầy cô, anh chị viện nghiên cứu quốc tế thông tin đa phương tiện truyền thông ứng dụng MICA tạo điều kiện thuận lợi cho mặt thời gian thiết bị q trình hồn thành luận văn báo cáo Cuối muốn bày tỏ lịng biết ơn gia đình, thầy cô giáo, bạn lớp cao học ủng hộ động viên tơi suốt q trình làm luận văn Tác giả luận văn Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa MỤC LỤC LỜI CAM ĐOAN .1 LỜI CẢM ƠN .2 MỤC LỤC DANH SÁCH CÁC THUẬT NGỮ VIẾT TẮT DANH MỤC BẢNG BIỂU DANH MỤC HÌNH VẼ LỜI NÓI ĐẦU 10 Lý chọn đề tài 10 Mục tiêu nội dung nghiên cứu .11 CHƯƠNG : TỔNG QUAN VỀ ĐỊNH VỊ TRONG NHÀ 12 Giới thiệu chung .12 Các công nghệ kỹ thuật định vị 12 2.1 Công nghệ sử dụng 12 2.2 Kỹ thuật định vị .21 Định vị điện thoại thông minh 29 Nhận xét 31 CHƯƠNG : ĐỊNH VỊ BẰNG PHƯƠNG PHÁP DẤU VÂN TAY WI-FI .32 Cấu trúc hệ thống thuật toán 32 1.1 Giai đoạn huấn luyện .33 1.2 Giai đoạn định vị 35 1.3 Thuật toán K-Nearest Neighbor (KNN) 36 Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa 1.4 Thuật toán Random Forest (RF) 37 Phần mềm thu thập liệu ngữ cảnh người dùng 39 2.1 Thiết kế phần mềm thu thập liệu Android 39 2.2 Xây dựng cài đặt .40 Kết thử nghiệm 42 3.1 Dữ liệu sử dụng .42 3.2 Xử lý liệu 46 3.3 Xác định tầng 49 3.4 Xác định vị trí 52 Nhận xét 56 CHƯƠNG : ĐỊNH VỊ SỬ DỤNG CẢM BIẾN QUÁN TÍNH 57 Hệ thống SHS 57 1.1 Xác định khoảng cách di chuyển 58 1.2 Xác định hướng di chuyển 59 1.3 Xác định quỹ đạo sử dụng lọc hạt 64 Kết thử nghiệm 64 2.1 Dữ liệu sử dụng .64 2.2 Khoảng cách di chuyển 65 2.3 Hướng di chuyển 68 2.4 Quỹ đạo di chuyển 69 Nhận xét 71 CHƯƠNG : KẾT HỢP KẾT QUẢ HAI PHƯƠNG PHÁP ĐỊNH VỊ .72 Hiệu chỉnh trực tiếp 72 Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mơ hình quan sát 75 Đánh giá kết .77 Nhận xét 81 KẾT LUẬN .82 TÀI LIỆU THAM KHẢO 84 Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa DANH SÁCH CÁC THUẬT NGỮ VIẾT TẮT Viết tắt Tên thuật ngữ LBS Location Based Service IPS Indoor Positioning System GPS Global Positioning System IPIN Indoor Positioning and Indoor Navigation SSID Service Set Identifier MAC Media Access Control AP Access Point RP Reference Point BLE Bluetooth Low Energy IMU Inertial Measurement Units PDR Pedestrian Dead Reckoning INS Inertial Navigation System SHS Step Heading System TOA Times of Arrival TDOA Time Difference of Arrival AOA Angle of Arrival RSS Received Signal Strength RSSI Received Signal Strength Indicator KNN K Nearest Neighbors RF Random Forest ACCE Accelerometer MAGN Magnetic GYRO Gyroscope Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa DANH MỤC BẢNG BIỂU Bảng 1-1: Một số nghiên cứu định vị nhà điện thoại thông minh .30 Bảng 2-1: Bộ liệu với đặc tính thơ RSS điểm truy cập 38 Bảng 2-2: Thông tin số điểm truy cập Wi-Fi .45 Bảng 2-3: Thông tin số điểm mốc quỹ đạo di chuyển .45 Bảng 2-4: Dữ liệu huấn luyện UAH 45 Bảng 2-5: Dữ liệu đánh giá tòa UAH 46 Bảng 2-6: Dữ liệu tòa UAH 49 Bảng 2-7: Kết đánh giá mơ hình 51 Bảng 2-8: Kết xác định vị trí liệu huấn luyện liệu đánh giá 56 Bảng 3-1: Kết thử nghiệm quỹ đạo di chuyển 70 Bảng 4-1: Kết hai phương pháp kết hợp 78 Bảng 4-2: Kết Track 3: “Smartphone-based (off-site), IPIN 2016 81 Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa DANH MỤC HÌNH VẼ Hình 1-1: Hệ thống định vị tồn cầu GPS 14 Hình 1-2: Hai hướng tiếp cận hệ thống Pedestrian Dead Reckoning .18 Hình 1-3: Định vị dựa phương pháp TOA [11] 22 Hình 1-4: Định vị dựa phương pháp TDOA [12] 23 Hình 1-5: Định vị dựa phương pháp AOA [12] 24 Hình 1-6: Định vị dựa phương pháp RSS Path Loss [11] 25 Hình 1-7: Mơ hình giám sát điểm truy cập khơng dây [14] 28 Hình 2-1: Cấu trúc hệ thống định vị phương pháp dấu vân tay Wi-Fi 32 Hình 2-2: Lưu đồ minh họa giai đoạn huấn luyện 34 Hình 2-3: Minh họa trình thu thập liệu [25] 34 Hình 2-4: Lưu đồ minh họa giai đoạn định vị 36 Hình 2-5: Một định với hai nút nội ba nút 38 Hình 2-6: Nhiệm vụ ứng dụng thu thập liệu ngữ cảnh người dùng 39 Hình 2-7: Thiết kế chương trình thu thập liệu ngữ cảnh người dùng 40 Hình 2-8: Giao diện chương trình .41 Hình 2-9: Dữ liệu thu thập lưu trữ dạng tập tin XML .42 Hình 2-10: Bốn tịa nhà sử dụng Track 3, IPIN 2016 43 Hình 2-11: Một phần quỹ đạo di chuyển liệu UAH 44 Hình 2-12: Phân bố giá trị RSS dựa liệu thu thập 47 Hình 2-13: Kết đánh giá mơ hình KNN thay đổi giá trị K 49 Hình 2-14:Kết đánh giá mơ hình RF thay đổi số mơ hình 50 Trang Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa Giả sử thời điểm t, đầu vị trí hệ thống Wi-Fi 𝑃𝑊𝑖𝐹𝐼 Đầu 𝑃𝑊𝑖𝐹𝐼 tác động đến hạt cửa sổ thời gian [𝑡 − ∆𝑡, 𝑡 ] Gọi 𝑝 vị trí cũ hạt thời điểm 𝑡1 trước cập nhật, với điều kiện 𝑡1 nằm khoảng [ 𝑡 − ∆𝑡, 𝑡 ] Vị trí hạt 𝑝 tính sau: 𝑝𝑛𝑒𝑤 = ( − 𝑤 ∗ (1 − 𝑡−𝑡1 ∆𝑡 )) ∗ 𝑝 + 𝑤 ∗ (1 − 𝑡−𝑡1 ∆𝑡 ) ∗ 𝑃𝑊𝑖𝐹𝐼 (4.1) Trong đó, trọng số 𝑤 số kết hợp, cho ta biết hạt dịch chuyển đầu Wi-Fi tới mức Hàm số 𝑓 (𝑥) = − 𝑡−𝑥 ∆𝑡 thêm vào để làm mịn trọng số 𝑤 có tác dụng hạt di chuyển chậm theo hướng 𝑃𝑊𝑖𝐹𝐼 sổ thời gian Hình 4-1 cho thấy ảnh hưởng phương pháp hiệu chỉnh trực tiếp Trong đó, chấm màu xanh nước biển vị trí đầu hệ thống Wi-Fi, đường nét đứt màu xanh đầu hệ thống SHS, đường nét liền kết việc kết hợp hai hệ thống Quá trình Hiệu chỉnh cửa sổ thời gian [𝑡 − ∆𝑡, 𝑡 ] a) Không sử dụng trọng số 𝑤 b) 𝑤 = 0,5 cửa sổ thời gian ∆𝑡 Trang 73 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa c) 𝑤 = 0,5 sử dụng hàm 𝑓(𝑥) Hình 4-1: Hiệu chỉnh trực tiếp quỹ đạo di chuyển hệ thống SHS dựa đầu vị trí Wi-Fi Từ Hình 4-1c, ta thấy sau kết hợp hai đầu hai hệ thống với trọng số 𝑤 hàm 𝑓(𝑥) , quỹ đạo xấp xỉ trở nên liên tục đóng góp hai hệ thống cân Quỹ đạo khơng bị gãy khúc Hình 4-1b khơng bị phụ thuộc hồn tồn vào vị trí 𝑃𝑊𝑖𝐹𝐼 Hình 4-1a Do phương pháp Hiệu chỉnh trực tiếp phụ thuộc vào vị trí tương đối 𝑃𝑊𝑖𝐹𝐼 quỹ đạo thực nên có số hạn chế sau: - Ảnh hưởng khoảng cách Như Hình 4-2a, thời điểm 𝑡, khoảng cách tương đối 𝑃𝑊𝑖𝐹𝑖 , 𝑃𝑊𝑖𝐹𝑖 với quỹ đạo thực Tuy nhiên, 𝑃𝑊𝑖𝐹𝑖 làm quỹ đạo xấp xỉ xa với quỹ đạo thưc, ngược lại 𝑃𝑊𝑖𝐹𝑖 cho kết gần với quỹ đạo thực - Ảnh hưởng hình dạng Như Hình 4-2b, hình dạng quỹ đạo bị thay đổi hồn tồn, vị trí 𝑃𝑊𝑖𝐹𝐼 làm cho quỹ đạo thay đổi từ rẽ trái sang rẽ phải Trang 74 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa a) Ảnh hưởng khoảng cách b) Ảnh hưởng hình dạng Hình 4-2: Hạn chế phương pháp Hiệu chỉnh trực tiếp Mô hình quan sát Thay nhận vị trí đầu lần quét hệ thống dựa dấu vân tay Wi-Fi phương pháp trên, ý tưởng phương pháp sau: đầu hệ thống Wi-Fi danh sách vị trí Bước kết hợp hai hai hệ thống thay việc xây dựng biểu đồ đánh giá danh sách vị trí dựa mơ hình lọc hạt Để xây dựng mơ hình quan sát, xác suất đầu mơ hình Classifier hệ thống dấu vân tay Wi-Fi sử dụng Khi đó, ta xây dựng mơ hình dự đốn khả danh sách điểm Trong giai đoạn huấn luyện hệ thống Wi-Fi, bước nhóm sử dụng để nhóm điểm gần thành cụm Chỉ số cụm sử dụng cho đầu vào mục tiêu giai đoạn huấn luyện Trong giai đoạn định vị, giả sử đầu vào vector RSS đặc tính thơ X N trung tâm cụm, mơ hình Classifier tạo vector xác suất sau: 𝑝𝑟𝑜𝑏𝑋 = { 𝑎1 , 𝑎2 , … , 𝑎𝑁 } Trang 75 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa đó, 𝑝𝑟𝑜𝑏𝑋 vector xác suất đầu vào X, 𝑎𝑖 xác suất vị trí đầu cụm 𝑖 Tiếp theo vector 𝑝𝑟𝑜𝑏𝑋 sử dụng để xây dựng hàm đánh giá cho vị trí đầu dưa lọc hạt Tiêu chí để đánh giá hạt gần điểm trung tâm có xác suất lớn giá trị cao Ví dụ nghiên cứu Ta, cách tiếp cận tính khoảng cách từ điểm đến ba cụm gần nhất, nhiên ba khoảng cách xấp xỉ khó để đánh giá Để đánh giá xác hơn, khắc phục vấn đề ta cần thêm hàm cung cấp cho hạt giá trị dựa khoảng cách hạt đến trung tâm cụ thể Giả sử 𝐶𝑖 vị trí trung tâm 𝑖, giá trị để đánh giá hạt 𝑝 thêm vào sau: 𝑠𝑐𝑜𝑟𝑒𝐶𝑖 (𝑝) = 𝑎𝑖 ∗ (1 − 𝑑(𝑝,𝐶𝑖 )−𝑑𝑚𝑖𝑛𝐶𝑖 𝑑𝑚𝑎𝑥𝐶𝑖 − 𝑑𝑚𝑖𝑛𝐶𝑖 ) (4.2) đó, 𝑑𝑚𝑖𝑛𝐶𝑖 , 𝑑𝑚𝑎𝑥𝐶𝑖 khoảng cách nhỏ lớn trung tâm 𝑖 đến tất hạt xuất 𝑑 (𝑝, 𝐶𝑖 ) khoảng cách hạt 𝑝 trung tâm 𝑖 Hình 4-3: Chức tính giá trị đánh giá cho hạt Cuối giá trị đánh giá 𝑠𝑐𝑜𝑟𝑒(𝑝) cho điểm 𝑝 mơ hình quan sát tính tổng giá trị 𝑝 với trung tâm điểm 𝑖: Trang 76 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa 𝑠𝑐𝑜𝑟𝑒(𝑝) = ∑𝑁 𝑖=1 𝑠𝑐𝑜𝑟𝑒𝐶𝑖 (𝑝) (4.3) Có thể thấy tất trung tâm ảnh hưởng đến chức đánh giá hạt Dựa khoảng cách cụ thể từ vị trí 𝑝 đến trung tâm, đóng góp phần tử cụ thể 𝑝𝑟𝑜𝑏𝑋 thay đổi Nhìn chung, hạt gần với trung tâm xác suất cao hạt khác, có giá trị đánh giá cao Giá trị đánh giá 𝑠𝑐𝑜𝑟𝑒(𝑝) hạt chuẩn hóa thành vector đơn vị sau sử dụng để định lại hạt bước Ảnh hưởng 𝑝𝑟𝑜𝑏𝑋 vào quỹ đạo SHS bị giới hạn cửa sổ thời gian [𝑡, 𝑡 + ∆𝑡], thời gian quét 𝑋 ∆𝑡 cửa sổ thời gian ảnh hưởng việc quét Wi-Fi Khi không quét Wi-Fi nào, giá trị đánh giá tất hạt đặt thành số Sau đó, bước lấy mẫu lại bước lấy mẫu ngẫu nhiên Đánh giá kết Để đưa vào đánh giá việc kết hợp hai hệ thống, ta phải chọn mơ hình đầu hệ thống dấu vân tay Wi-Fi để phù hợp với việc kết hợp Như kết nêu chương 2, bước này, chọn mơ hình Classifier để dự đốn đầu với sai số khoảng cách trung bình khoảng 6,0 Mơ hình đưa dự đốn danh sách xác suất, để xây dựng mơ hình quan sát bước lọc hạt Trong phương pháp Hiệu chỉnh trực tiếp, vị trí đầu Wi-Fi kết hợp với phần đầu SHS Trọng số kết hợp chọn 0,5 để có cân đóng góp kết từ liệu Wi-Fi liệu SHS Thời gian cửa sổ tác động chọn 5s, xấp xỉ với thời gian chu kỳ quét Wi-Fi Đối với mơ hình quan sát, lần qt với đầu vào X, đầu xác suất hai mơ hình Classifier sử dụng, thời gian cửa sổ tác động chọn 5s Dưới kết hai phương pháp kết hợp đầu hai hệ thống với Kết quỹ đạo Wi-Fi đưa vào giá trị tham chiếu, quỹ đạo đầu hệ thống Wi-Fi xây dựng cách nội suy tuyến tính cho cặp quét Wi-Fi liên tiếp Trang 77 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa Bảng 4-1: Kết hai phương pháp kết hợp Đoạn Điện thoại Wi-Fi 1 2 3 4 S3 S4 S3 S4 S3 S4 S3 S4 15,18𝑚 ± 12,62 𝟒, 𝟏𝟓𝒎 ± 𝟐, 𝟒𝟖 6,48𝑚 ± 3,55 3,84𝑚 ± 1,44 6,79𝑚 ± 5,21 5,15𝑚 ± 3,02 15,95𝑚 ± 7,27 5,73𝑚 ± 3,70 Hiệu chỉnh trực tiếp 7,21𝑚 ± 4,25 4,51𝑚 ± 2,72 5,23𝑚 ± 2,17 4,05𝑚 ± 1,57 5,25𝑚 ± 3,17 𝟓, 𝟏𝟑𝒎 ± 𝟑, 𝟎𝟓 8,73𝑚 ± 2,50 5,60𝑚 ± 3,29 Mơ hình quan sát 𝟒, 𝟕𝟒𝒎 ± 𝟏, 𝟕𝟗 4,78𝑚 ± 2,95 𝟒, 𝟎𝟒𝒎 ± 𝟐, 𝟎𝟎 𝟑, 𝟖𝟏𝒎 ± 𝟐, 𝟎𝟗 𝟓, 𝟎𝟖𝒎 ± 𝟑, 𝟏𝟎 5,35𝑚 ± 3,05 𝟕, 𝟒𝟖𝒎 ± 𝟏, 𝟔𝟒 𝟒, 𝟎𝟔𝒎 ± 𝟏, 𝟕𝟑 Theo kết thử nghiệm Chương 2, lỗi khoảng cách trung bình hệ thống định vị dựa dấu vân tay Wi-Fi thấp khoảng m Tuy nhiên, đầu gặp phải sai số lỗi khoảng cách cao, ví dụ định vị đoạn với mẫu điện thoại sử dụng Samsung Galaxy S3 Từ Bảng 4-1, bước xấp xỉ tuyến tính hệ thống Wi-Fi hoạt động tốt phương pháp kết hợp đầu hệ thống có kết tốt, ví dụ kết Phân đoạn với kiểu điện thoại S4 Bằng cách kết hợp với đầu SHS, sai số khoảng cách phân đoạn giảm đáng kể Cùng với đó, hai phương pháp kết hợp đầu hai hệ thống cho thấy ổn định phân đoạn thử nghiệm Trang 78 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa Hình 4-4: Sai số khoảng cách ba phương pháp Hình 4-4 cho ta thấy, sai số thấp (dưới 5m) hiệu ba phương pháp nhau, nhiên cách kết hợp hai đầu hệ thống hoạt động tốt khu vực sai số cao Trong hai phương pháp kết hợp, nhìn chung Mơ hình quan sát cho kết tốt so với phương pháp Hiệu chỉnh trực tiếp Hình 4-5 mô tả quỹ đạo đầu hệ thống đoạn với mẫu điện thoại sử dụng Samsung Galaxy S4 a) Wi-Fi b) Hiệu chỉnh trực tiếp Trang 79 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa c) Mơ hình quan sát Hình 4-5: Quỹ đạo di chuyển theo phương pháp Trong thi tổ chức Hội nghị Quốc tế lần thứ Định vị nhà Dẫn hướng (IPIN 2016), với Track 3: “Smartphone-based (off-site)” có tất đội đến từ trường đại học khác giới tham dự, là: ‐ Đội HFTS: S.Knauth, A.Koukofikis Stuttgart University of Applied Sciences, Stuttgart, Germany [33] ‐ Đội UMinho: A.Moreira, M.J.Nicolau, A.Costa , F.Meneses University of Minho, Centro de Computaỗóo Grỏfica, Guimaróes, Portugal [34] ‐ Đội Maurauder: V.C Ta, D.Vaufreydaz, T.K Dao, and E Castelli Université Grenoble Alpes, Grenoble, France Hanoi University of Science and Technology, Hanoi, Vietnam [35] ‐ Đội BlockDox (BD): Y Beer BlockDox, London, United Kingdom ‐ Đội FHWS: T Fetzer, F Ebner and F Deinzer University of Applied Sciences Würzburg-Schweinfurt, Würzburg, Germany [36] Nhóm tác giả luận văn đội Maurauder Bảng 4-2 so sánh kết đạt luận văn với kết đội khác tham gia thi Kết đánh giá đội dựa toàn liệu thi (4 tòa nhà) Trang 80 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa Bảng 4-2: Kết Track 3: “Smartphone-based (off-site), IPIN 2016 Đội HFTS UMinho Maurauder BlockDox FHWS Kết Sai số vị trí (m) Kết xác định tầng 5,76 95,67% 6,33 96,54% 6,18 91.35% 92,73% 8,23 96,02% So sánh với kết đội thi, thấy kết Bảng 4-1 hai phương pháp có nhiều khả quan Tuy nhiên, kết kết đánh giá đoạn nhỏ quỹ đạo di chuyển liệu Trên đoạn quỹ đạo đầy đủ, lỗi tích lũy hệ thống SHS sai số hệ thống Wi-Fi làm kết thay đổi Nhận xét Trong chương này, để tăng tính hiệu hệ thống định vị, hai phương pháp đề xuất Hiệu chỉnh trực tiếp Mơ hình quan sát để kết hợp đầu hệ thông định vị dựa dấu vân tay hệ thống dựa cảm biến quán tính SHS Trong phương pháp kết hợp Hiệu chỉnh trực tiếp, số lượng lớn vị trí đầu Wi-Fi, quỹ đạo SHS giống xấp xỉ tuyến tính Quỹ đạo thay theo hướng ước tính từ liệu cảm biến quán tính, quỹ đạo di chuyển từ vị trí đầu Wi-Fi sang vị trí Wi-Fi đầu Ảnh hưởng đầu hai hệ thống kết thay đổi giá trị trọng số 𝑤 Phương pháp kết hợp thứ hai, sử dụng mơ hình quan sát, kết quỹ đạo thu tốt Hình dạng quỹ đạo xấp xỉ SHS bảo toàn chủ yếu chỉnh với đầu xác suất từ mô hình Classifier hệ thống Wi-Fi Cả hai phương pháp kết hợp cho ta kết đầu tốt so với việc sử dụng kết đầu riêng hệ thống Kết thi hội nghị IPIN 2016 trích dẫn Tuy nhiên với tiêu trí đánh giá khác kết mang mục đích tham khảo Trang 81 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa KẾT LUẬN Luận văn trình bày khái niệm tổng quan hệ thống định vị nói chung hệ thống định vị nhà nói riêng Một số cơng nghệ sử dụng phương pháp định vị áp dụng cho hệ thống định vị nhà trình bày Trong số cơng nghệ có sẵn chiệc điện thoại thông minh, để xây dựng hệ thống định vị nhà, cảm biến không dây Wi-Fi cảm biến quán tính chọn Với liệu từ cảm biến không dây Wi-Fi, phương pháp lấy dấu vân tay Wi-Fi sử dụng với việc định vị tòa nhà Trong hệ thống vị dựa dấu vân tay Wi-Fi, nhiệm vụ tìm vị trí điện thoại thơng minh chia thành việc xác định tầng vị trí khơng gian 2D Với liệu từ cảm biến quán tính điện thoại thông minh, liệu bao gồm ba liệu thu từ cảm biến gia tốc, cảm biến quay hồi chuyển cảm biến từ trường Mơ hình SHS lựa chọn để xây dựng quỹ đạo người di chuyển Với mơ hình SHS, có hai việc cần phải làm xác định khoảng cách di chuyển xác định hướng di chuyển mục tiêu định vị Sau hai giá trị tốc độ, hướng di chuyển kết hợp để ước lượng quỹ đạo nhờ lọc hạt Cuối cùng, hai phương pháp hiệu chỉnh trực tiếp mơ hình quan sát áp dụng để kết hợp kết đầu từ SHS với vị trí đầu Wi-Fi Dựa vào kết kết thử nghiệm, hệ thống định vị cho kết khả quan Tuy nhiên, hệ thống số hạn chế mơ hình dấu vân tay Wi-Fi, cần số lượng lớn liệu huấn luyện cho hiệu suất ổn định Cùng với đặc tính khơng ổn định tín hiệu Wi-Fi, bước phân loại tầng gặp vấn đề với khu vực gần cầu thang thang máy số đầu định vị với sai số khoảng cách cao Trong môi trường nhà, nhiễu liệu thu từ cảm biến qn tính khơng thể tránh khỏi, xử lý hoàn toàn nhiễu vấn đề nan giải, điều ảnh hưởng trực tiếp đến việc tính tốn ước lượng quỹ đạo mơ hình SHS Trang 82 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa Bên cạnh cơng nghệ Wi-Fi cơng nghệ cảm biến qn tính, cơng nghệ khác nghiên cứu áp dụng cho mục đích định vị điện thoại thông minh Các công nghệ khác đem lại cho nhiều thông tin hữu ích cho việc định vị Việc kết hợp thêm cơng nghệ khác hướng nghiên cứu Trang 83 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa TÀI LIỆU THAM KHẢO [1] B L A G D C R Jiahuang Zhang, Evaluation of High Sensitivity GPS Receivers , p 410–415, 2010 [2] L.-H Chen, E H.-K Wu, M.-H Jin and G.-H Chen, Intelligent Fusion of Wi-Fi and Inertial Sensor-Based Positioning Systems for Indoor Pedestrian Navigation, vol 14, no IEEE Sensors Journal , pp 4034 4042, 2014 [3] K K A Z a Z L S Feldmann, An indoor Bluetooth-based positioning system: concept, implementation and experimental evaluation, no Proceedings of the International Conference on Wireless Networks (ICWN '03), p 109–113, June 2003 [4] R Faragher and R Harle, Location Fingerprinting With Bluetooth Low Energy Beacons, vol 33, no IEEE Journal on Selected Areas in Communications, pp 2418 - 2428, Nov 2015 [5] R Harle, A Survey of Indoor Inertial Positioning Systems for Pedestrians, vol 15, no IEEE Communications Surveys & Tutorials , pp 1281 - 1293, 2013 [6] Z Chen, Q Zhu and Y C Soh, Smartphone Inertial Sensor-Based Indoor Localization and Tracking With iBeacon Corrections, vol 12, no IEEE Transactions on Industrial Informatics, pp 1540 - 1549, 2016 [7] C Randell, C Djiallis and H Muller, Personal position measurement using dead reckoning, vol 1530, no Proceedings of the Seventh IEEE International Symposium on Wearable Computers, pp 166-173, 2003 [8] T J R.W Levi, Dead Reckoning Navigational System Using Accelerometer to Measure Foot Impact, 1996 [9] R Mautz and S Tilch, Survey of optical indoor positioning systems, no International Conference on Indoor Positioning and Indoor Navigation (IPIN), pp 1-7, 2011 [10] S R S K I H T Luhmann, Close range photogrammetry: principles, techniques and applications, 2006 [11] A J Palma, Evolution of Indoor Positioning Technologies: A Survey, 2017 Trang 84 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa [12] H Liu, H Darabi, P Banerjee and J Liu, Survey of Wireless Indoor Positioning Techniques and Systems, vol 37, no 6, pp 1067 - 1080, 2007 [13] S.-H G C Suining He, " IEEE Communications Surveys & Tutorials," Wi-Fi Fingerprint-Based Indoor Positioning: Recent Advances and Comparisons, vol 18, no 1, pp 466 - 490 [14] J H a G Borriello, Location sensing techniques, vol 34, no IEEE Computer, p 57–66, 2001 [15] T.-K Dao, T.-T Pham and E Castelli, A Robust WLAN Positioning System Based on Probabilistic Propagation Model, no 9th International Conference on Intelligent Environments, pp 24-29, 2013 [16] A Moreira, M J Nicolau, F Meneses and A Costa, Wi-Fi fingerprinting in the real world - RTLS@UM at the EvAAL competition, no International Conference on Indoor Positioning and Indoor Navigation (IPIN) , pp 110, 2015 [17] B K E D G M B D Nisarg Kothari, Robust Indoor Localization on a Commercial Smart Phone, 2012 [18] J Á B Link, P Smith, N Viol and K Wehrle, FootPath: Accurate mapbased indoor navigation using smartphones, no IEE, pp 1-8, 2011 [19] M L , G S Pengfei Zhou, Use It Free: Instantly Knowing Your Phone Attitude , no Proceedings of the 20th annual international conference on Mobile computing and networking , pp 605-616, 2014 [20] R Faragher and R Harle, An analysis of the accuracy of bluetooth low energy for indoor positioning applications, vol 812, no Proceedings of the 27th International Technical Meeting of The Satellite Division of the Institute of Navigation (ION GNSS+ 2014), 2014 Trang 85 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa [21] D a A M Luca, Towards accurate indoor localization using iBeacons, fingerprinting and particle filering, no In International Conference on Indoor Positioning and Indoor Navigation (IPIN), 2016 IEEE, 2016 [22] R Z S H Q Xu, IDyLL: indoor localization using inertial and light sensors on smartphones, no Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing, pp 307-318, 2015 [23] U Steinhoff and B Schiele, Dead reckoning from the pocket - An experimental study, no IEEE International Conference on Pervasive Computing and Communications (PerCom), pp 162-170, 2010 [24] A Taheri, A Singh and A Emmanuel, Location fingerprinting on infrastructure 802.11 wireless local area networks (WLANs) using Locus, no Local Computer Networks, 2004 29th Annual IEEE International Conference on, p 676–683, 2004 [25] S He and S.-H G Chan, Wi-Fi Fingerprint-Based Indoor Positioning: Recent Advances and Comparisons, vol 18, no IEEE Communications Surveys & Tutorials, pp 466 - 490, 2015 [26] N Marques, F Meneses and A Moreira, Combining similarity functions and majority rules for multi-building, multi-floor, WiFi positioning, no International Conference on Indoor Positioning and Indoor Navigation (IPIN) , pp 1-9, 2012 [27] M B Kjærgaard and C V Munk, Hyperbolic Location Fingerprinting: A Calibration-Free Solution for Handling Differences in Signal Strength (concise contribution), no 2008 Sixth Annual IEEE International Conference on Pervasive Computing and Communications (PerCom) , pp 110-116, 2008 [28] P B a V Padmanabhan, RADAR: an in-building RF-based user location and, no Proceedings of IEEE INFOCOM, p 775–784, 2000 Trang 86 Luận văn thạc sĩ Chuyên ngành: Kỹ thuật điều khiển tự động hóa [29] Y L a Y Jeon, Random forests and adaptive nearest neighbors, vol 101, no Journal of the American Statistical Association, pp 578-590 , 2006 [30] J Quinlan, Induction of Decision Trees, vol 1, no Machine Learning, p 81–106, 1986 [31] J F R O C S L Breiman, Classification and regression trees, no CRC press, 1984 [32] V M N Passaro, The Smartphone-Based Offline Indoor Location Competition at IPIN 2016: Analysis and Future Work, 2017 [33] S Knauth and A Koukofikis, Smartphone positioning in large environments by sensor data fusion, particle, no In Proceedings of the Seventh International Conference on Indoor Positioning and Indoor, 2016 [34] A Moreira, M Nicolau, A Costa and F Meneses, Indoor tracking from multidimensional sensor data, no In Proceedings of the Seventh International Conference on Indoor Positioning and Indoor Navigation (IPIN 2016), 2016 [35] V Ta, D Vaufreydaz, T Dao and E Castelli, Smartphone-based User Location Tracking in Indoor Environment, no In Proceedings of the Seventh International Conference on Indoor Positioning and Indoor Navigation (IPIN 2016), 2016 [36] T Fetzer, F Ebner, F Deinzer, L Köping and M Grzegorzek, On Monte Carlo Smoothing in Multi Sensor Indoor Localisation, no In Proceedings of the Seventh International Conference on Indoor Positioning and Indoor Navigation (IPIN 2016), 2016 Trang 87 ...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN VĂN NAM ĐỊNH VỊ ĐA NGƯỜI DÙNG SỬ DỤNG CẢM BIẾN KHÔNG DÂY VÀ CẢM BIẾN QUÁN TÍNH TRÊN ĐIỆN THOẠI THƠNG MINH Chun ngành:... nguời để tận dụng thơng tin để trở thành thơng tin có ích với xác định vị trí Vì lựa chọn đề tài: ? ?Định vị đa người dùng sử dụng cảm biến không dây cảm biến qn tính điện thoại thơng minh? ?? nhằm... để kết thúc khóa học Tơi định chọn đề tài tốt nghiệp ? ?Định vị đa người dùng sử dụng cảm biến không dây cảm biến quán tính điện thoại thơng minh? ?? Tơi xin cam đoan cơng trình nghiên cứu cá nhân