Phương pháp lọc đa phần tử cho bài toán tái lấy mẫu trong thông tin vô tuyến ( luận án tiến sĩ kĩ thuật(theses))

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA LÝ TÚ NGA PHƯƠNG PHÁP LỌC ĐA PHẦN TỬ CHO BÀI TỐN TÁI LẤY MẪU TRONG THƠNG TIN VÔ TUYẾN LUẬN ÁN TIẾN SĨ KỸ THUẬT TP HỒ CHÍ MINH NĂM 2018 ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA LÝ TÚ NGA PHƯƠNG PHÁP LỌC ĐA PHẦN TỬ CHO BÀI TOÁN TÁI LẤY MẪU TRONG THÔNG TIN VÔ TUYẾN Chuyên ngành: Kỹ thuật viễn thông Mã số chuyên ngành:62.52.02.08 Phản biện độc lập 1:PGS TS Lý Quốc Ngọc Phản biện độc lập 2: PGS TS Vũ Văn Yêm Phản biện 1: GS TS Vũ Đình Thành Phản biện 2: PGS TS Nguyễn Văn Khang Phản biện 3: PGS TS Đặng Hoài Bắc NGƯỜI HƯỚNG DẪN KHOA HỌC GS.TS Lê Tiến Thường TS Mai Linh LỜI CAM ĐOAN Tác giả xin cam đoan cơng trình nghiên cứu thân tác giả Các kết nghiên cứu kết luận luận án trung thực, không chép từ nguồn hình thức nào.Việc tham khảo nguồn tài liệu (nếu có) thực trích dẫn ghi nguồn tài liệu tham khảo quy định Tác giả luận án Chữ ký TÓM TẮT Mục tiêu luận án nghiên cứu phát triển phương pháp tái lấy mẫu lọc đa phần tử để nâng cao hiệu tính tốn cải thiện lỗi định vị cho mơ hình robot tự vận hành nói riêng mạng định vị vơ tuyến nói chung Các nghiên cứu luận án phát triển theo chiều sâu với tính kế thừa Tác giả đưa lý thuyết toán lọc đa phần tử cơng nghệ FPGA Từ tác giả thiết kế thực thi mơ hình tốn phi tuyến thực nghiệm mô để đối chiếu kết Giải thuật lọc đa phần tử dựa vào thuật toán lấy mẫu Kit Virtex-II Pro với hỗ trợ gói cơng cụ Xilinx cho phần mềm MATLAB tảng cho thực lọc sơ khởi Điểm hạn chế nghiên cứu áp dụng tốt lọc đa phần tử có số hạt tương đối nhỏ (khoảng 50 hạt) Để giảm số hạt, tác giả đề xuất giải pháptìm giới hạn cho tái lấy mẫu theo Kullback-Leibler Distance (KLD) lọc đa phần tử mạng định vị vô tuyến với trường hợp mật độ anchor nodes (5, 10, 15 20) mức công suất khác Nói cách khác, tác giả mong muốn nghiên cứu giải pháp góc độ ảnh hưởng cơng suất khác Mơ hình lựa chọn khảo sát hệ thống LAURA với công nghệ Zigbee tập liệu sẵn cótrên trang web Kết kiểm chứng lỗi định vị khoảng lỗi trường hợp mật độ anchor nodes mức công suất khác cải thiện Để giảm số hạt cần dùng, tác giả đề xuất thuật tốn tìm phương sai giới hạn cho tái lấy mẫu KLD hiệu chỉnh phương sai độ dốc liệu cho lọc đa phần tử để cải thiện hiệu định vị mạng định vị LAURA Như nghiên cứu đề xuất tìm giá trị giới hạn cho tái lấy mẫu KLD, lỗi định vị vấn đề khảo sát ảnh hưởng công suất cho mật độ anchor nodes khác tác giả xem xét Việc kết hợp đề xuất giải pháp tìm giới hạn sau tìm phương sai giới hạn cho tái lấy mẫu KLD hiệu chỉnh phương sai độ dốc cho mô hình robot tự vận hành nhằm đánh giá so sánh đề xuất Cuối cùng, lỗi định vị, số hạt cần dùng thời gian thực thi giải pháp dựa vào mơ hình robot tự vận hành thảo luận luận án ABSTRACT The purpose of this thesis is to study and develop resampling methods for Particle Filters (PF) to improve the quality of computation and localization error for non-linear problems as well as for wireless target tracking The studies of the thesis are developed in depth with inheritance The authors have released a theory about PFsimplemented on FPGA Since then, firstly, the authors proposed and implemented a non-linear system based on both reality and simulation to benchmark their results.The Senquential Important Resampling (SIR) algorithm based on PF and Virtex-II Pro board supported Xilinx tool for MATLAB is to use the foundamental of the first implementation PF studies The disadvantage of this study is to apply well only for PF with 50 samples To reduce the number of particles, the authors have proposed the finding error bound method for (Kullback-Leibler Distance) KLD-resampling based on PF, called the second study,to solve the wireless target tracking in case of differentanchor nodes (5, 10, 15, 20 anchor nodes) and various power levels In other words, the authors study this approach that effects various power levels or power-management plane The available data set of LAURA is supported on website.Simulation results show that this method enhances the tracking error and the changing power lewels in all case of various anchor nodescompared with traditional approaches To further reduce the number of particles, the authors have also proposed the finding lower bound variance for KLD-resampling adjusted variance and gradient data based on PF, namely the third study, to improve the target localization of LAURA system Similar to the second study,all results show that this method enhances the error localization and the affecting power-management plane under various anchor nodes when comparied previous methods Combining the finding error bound and lower bound variance method for KLDresampling adjusted variance and gradient data is, the last study, to solve the tracking target based on received signal strength Final, the error localization, the number of particle used, the operation time are studied and evaluated fortracking robot LỜI CÁM ƠN Trong suốt trình thực luận án, nhận nhiều giúp đỡ thầy cô Khoa Điện –Điện tử Khoa Sau Đại Học, Trường Đại Học Bách Khoa TPHCM Tôi nhận nhiều giúp đỡ, hỗ trợ tạo điều kiện thuận lợi từ Ban Giám Hiệu, Trường Đại Học Quốc tế TPHCM, nơi công tác Luận án thử thách lớn tơi Có lẽ tơi khơng thể theo đuổi hồn thành khơng có hướng dẫn tận tình lời động viên, cổ vũ vơ q giá củaGS TS Lê Tiến Thường TS Mai Linh, người thầy mà ghi nhớ biết ơn sâu sắc Tôi xin gửi lời cảm ơn chân thành đến Thầy Cô Bộ môn Điện tử-Viễn Thông, Trường Đại học Bách khoa, người có nhiều ý kiến đóng góp phản biện q báu cho tơi, suốt q trình nghiên cứu hồn thiện luận án Bên cạnh đó, tơi xin gửi lời cảm ơn đến nhóm tác giảPhan Ngọc Thiện, Hồng Anh Ngọ Trần Thị Hoàng Oanh Những người chia cho tơi cơng trình nghiên cứu mã code chương trình q giá họ Đó tảng sở giúp phát triển giải thuật nghiên cứu Cuối cùng, tơi gửi lời cảm ơn chân thành đến gia đình, bạn bè đồng nghiệp, người có nhiều động viên, chia giúp đỡ để tơi hồn thành luận án Tác giả luận án MỤC LỤC DANH MỤC CÁC HÌNH ẢNH v DANH MỤC BẢNG BIỂU viii DANH MỤC CÁC TỪ VIẾT TẮT ix CHƯƠNG GIỚI THIỆU CHUNG .1 1.1 Lý chọn đề tài 1.2 Tổng quan trạng nghiên cứu 1.2.1 Những nghiên cứu lọc đa phần tử nước .2 1.2.1.1 Nghiên cứu tái lấy mẫu lọc đa phần tử nước .2 1.2.1.2 Nghiên cứu ảnh hưởng công suất lọc đa phần tử nước 1.2.2 Những nghiên cứu lọc đa phần tử nước .7 1.2.2.1 Nghiên cứu tái lấy mẫu lọc đa phần tử nước .7 1.2.2.2 Nghiên cứu ảnh hưởng công suất lọc đa phần tử nước .7 1.2.3 Nhận định định hướng tình hình nghiên cứu 1.3 Mục đích đối tượng nghiên cứu luận án 1.4 Phạm vi phương pháp nghiên cứu .10 1.5 Đóng góp Luận án 10 1.6 Ý nghĩa khoa học ứng dụng thực tiễn Luận án .11 1.7 Cấu trúc Luận án 11 CHƯƠNG LÝ THUYẾT TỔNG QUAN VÀ THIẾT KẾ THỰC NGHIỆM BỘ LỌC SIR 2.1 13 Tổng quan phương pháp ước lượng Bayes 13 2.1.1 Cơ sở lý thuyết định lý Bayes 13 2.1.2 Bộ lọc Kalman 14 2.1.3 Bộ lọc Kalman mở rộng .15 2.2 Bộ lọc đa phần tử .16 i 2.2.1 Bộ lọc đa phần tử .17 2.2.2 Tích phân Monte Carlo (trì hỗn) 19 2.2.3 Lấy mẫu chuỗi quan trọng 20 2.2.4 Phương pháp lấy mẫu quan trọng 22 2.2.5 Vấn đề thối hóa mẫu .25 2.2.6 Lưu đồ thuật toán lọc đa phần tử 29 2.3 Kỹ thuật định vị mạng vô tuyến .30 2.3.1 Mạng cảm biến vô tuyến 30 2.3.2 Công nghệ định vị mạng cảm biến 37 2.3.3 Mơ hình truyền sóng 55 2.4 Thiết kế lọc đa phần tử SIR 60 2.4.1 Thiết kế khối lọc đa phần tử AccelDSP 10.1 61 2.4.2 Xây dựng mơ hình mơ System Generator 10.1 66 2.4.3 Thực mô trực tiếp FPGA Virtex-II Pro 67 2.5 Kết mô thực nghiệm lọc đa phần tử SIR 69 2.5.1 Kiểm chứng không gian trạng thái MATLAB công nghệ FPGA 70 2.5.2 Kiểm chứng RMSE số hạt .72 2.5.3 Kiểm chứng RMSE phương sai nhiễu phép đo .72 2.6 Kết luận 73 CHƯƠNG GIẢI PHÁP TÌM GIỚI HẠN TRÊN CHO TÁI LẤY MẪU KLD MẠNG ĐỊNH VỊ VÔ TUYẾN TRONG NHÀ .74 3.1 Vấn đề hướng giải .74 3.1.1 Vấn đề đặt 74 3.1.2 Hướng giải 77 3.2 Mơ hình hóa mạng định vị .78 ii 3.2.1 Thuật toán Gradient descent 78 3.2.2 Cấu trúc mạng thực .83 3.3 Thiết kế hệ thống LAURA .86 3.3.1 Hệ thống phân tán LAURA .86 3.3.2 Hệ thống tập trung LAURA .87 3.3.3 Ứng dụng PMS nâng cao hiệu định vị 89 3.4 Thuật toán lọc đa phần tử 89 3.4.1 Giả định 90 3.4.2 Tiên đoán 91 3.4.3 Cập nhật .91 3.5 Giải pháp tìm giới hạn cho tái lấy mẫu KLD 92 3.5.1 Phương pháp tái lấy mẫu KLD 92 3.5.2 Thuật tốn tìm giá trị giới hạn 94 3.6 Kết mô 95 3.6.1 Dữ liệu thử nghiệm 95 3.6.2 Thiết lập giá trị giới hạn 98 3.6.3 Kiểm chứng lỗi định vị với mức công suất (-15dBm) .99 3.6.4 Kiểm chứng khoảng lỗi với mức công suất khác 100 3.6.5 Kiểm chứng lỗi định vị với mật độ anchor nodes .101 3.7 Kết luận 102 CHƯƠNG GIẢI PHÁP KLD HIỆU CHỈNH PHƯƠNG SAI VÀ ĐỘ DỐC DỮ LIỆU 4.1 103 Thuật tốn tìm giá trị phương sai 103 4.1.1 Vấn đề toán hướng giải .103 4.1.2 Thuật toán tái lấy mẫu KLD với hiệu chỉnh phương sai độ dốc 104 4.1.3 Thuật tốn tìm giá trị phương sai giới hạn 105 iii 4.1.4 Thiết lập thông số hệ thống 107 4.1.5 Kiểm chứng lỗi định vị 108 4.1.6 So sánh khoảng lỗi phương pháp truyền thống đề xuất 109 4.1.7 Kiểm chứng khoảng lỗi với mức công suất khác 110 4.1.8 Kiểm chứng ảnh hưởng mức công suất với lỗi định vị 111 4.2 Thuật tốn tìm giá trị hiệu chỉnh phương sai giá trị giới hạn 112 4.2.1 Vấn đề toán hướng giải .112 4.2.2 Thiết lập thông số hệ thống 115 4.2.3 Kiểm chứng RMSE số hạt cần dùng (R=Q=0,5) 116 4.2.4 Kiểm chứng RMSE số hạt cần dùng thay đổi phương sai nhiễu .117 4.2.5 Kiểm chứng thời gian, sai số chuẩn, mức độ tính tốn 118 4.3 Kết luận 121 CHƯƠNG KẾT LUẬN VÀ ĐỊNH HƯỚNG NGHIÊN CỨU 122 5.1 Kết luận 122 5.2 Định hướng nghiên cứu 124 PHỤ LỤC 125 P1 Khoảng lỗi số hạt cần dùng 125 P2 Thông số thời gian chạy mô CHƯƠNG 129 DANH MỤC CÔNG BỐ CÁC CƠNG TRÌNH CỦA TÁC GIẢ .133 TÀI LIỆU THAM KHẢO 135 iv Bảng 0.2Khoảng lỗi số hạt cần dùng (R=0,5, Q=0,3)   lb  adj  N PrKLD o Mean RMSE SIR KLD KLDadj KLD phương sai  adj RMSEPrKLD o Pro N=100 0,85 0,2 0,0338 0,0459 0,0665 0,0297 0,0201 9,2 0,0162 0,9 0,55 0,0304 0,0589 0,017 0,013 0,0094 9,5 0,0459 0,95 0,15 0,0576 0,0699 0,078 0,0222 0,0159 9,45 0,0477 0,8 0,75 0,05 0,036 8,55 0,85 0,3 0,0383 0,0176 0,0235 0,0201 0,0169 9,35 0,9 0,5 0,0343 0,0542 0,0413 0,0334 0,0248 9,45 0,0208 0,95 0,55 0,0208 0,0081 0,0274 0,0135 0,0145 9,6 0,8 0,9 0,0204 0,0287 0,0359 0,0123 0,0103 8,65 0,0164 0,85 0,05 0,042 0,0825 0,0287 0,0383 9,35 0,0013 0,90 0,55 0,0366 0,0122 0,0385 0,0119 0,0164 9,65 0,0003 0,95 0,8 0,0078 0,0155 0,0359 0,0144 0,0112 9,4 0,0011 0,8 0,7 0,0181 0,0188 0,0255 0,0101 0,0043 8,65 0,0087 0,85 0,95 0,0097 0,0327 0,0165 0,0069 0,0052 9,4 0,0258 0,9 0,75 0,0328 0,0487 0,226 0,0254 9,55 0,0285 0,95 0,2 0,0216 0,0478 0,0253 0,0076 0,0057 9,5 0,0402 N=300 0,0342 0,0461 0,0389 N=400 0,03 N=800 0,0202 126 Bảng 0.3Khoảng lỗi số hạt cần dùng (R=0,5, Q=0,5)   lb  adj  N PrKLD o Mean RMSE SIR KLD KLDadj KLD phương sai  adj RMSEPrKLD o Pro N=100 0,8 1,25 0,0379 0,037 0,0312 0,0313 0,0116 8,6 0,0057 0,85 1,30 0,0558 0,0235 0,0467 0,0201 0,0247 9,4 0,0034 0,9 1,3 0,0514 0,0493 0,0312 0,0373 0,0351 9,75 0,0120 0,95 0,6 0,0644 0,0305 0,0732 0,0274 0,0122 9,3 0,0031 0,8 0,8 0,053 0,0812 0,0607 0,0287 0,0181 8,65 0,0525 0,85 1,05 0,099 0,0906 0,0638 0,0413 0,0207 9,4 0,0493 0,9 1,4 0,1226 0,0986 0,0918 0,0651 0,0705 9,35 0,0335 0,95 1,3 0,0267 0,0245 0,0191 0,0194 0,0109 9,45 0,0051 0,85 1,0 0,0795 0,0528 0,0641 0,0433 0,0537 9,75 0,0095 0,90 0,95 0,0328 0,0398 0,0579 0,0208 0,0209 9,6 0,0190 0,95 1.3 0,0493 0,0786 0,0330 0,0305 0,0213 9,6 0,0481 0,8 0,45 0,0451 0,0626 0,0237 0,0225 0,0330 8,4 0,0401 0,85 1,35 0,0315 0,047 0,0207 9,4 0,035 0,9 0,4 0,0611 0,1247 0,0711 0,0274 0,0121 9,25 0,0973 0,95 0,1 0,0604 0,1363 0,0911 0,0575 0,0323 9,55 0,0788 N=300 N=400 N=800 0,0697 0,012 127 Bảng 0.4 Khoảng lỗi số hạt cần dùng (R=0,5, Q=0,7)   lb  adj  N PrKLD o Mean RMSE SIR KLD KLDadj KLD phương sai  adj  RMSEPrKLD o Pro N=100 0,8 0,15 0,0873 0,062 0,0985 0,0109 0,0361 8,6 0,85 0,2 0,1162 0,018 0,1005 0,0271 0,0566 8,95 0,9 0,6 0,0561 0,0739 0,0127 0,0486 0,0159 9,4 0,0253 0,95 0,05 0,0744 0,092 0,1164 0,0376 0,0508 9,5 0,0544 0,8 0,6 0,109 0,1456 0,1395 0,0292 0,0778 8,7 0,1164 0,85 0,55 0,0615 0,0413 0,1125 0,0363 0,0384 9,45 0,005 0,9 0,6 0,0577 0,1071 0,0473 0,0352 0,0283 9,05 0,0719 0,95 0,2 0,0703 0,0503 0,0747 0,0489 0,0147 9,45 0,0014 0,8 0,35 0,078 0,0342 8,9 0,0055 0,85 0,05 0,0606 0,1012 0,0937 0,0424 0,0486 9,25 0,0588 0,90 0,55 0,1126 0,1186 0,0847 0,0934 0,0428 9,55 0,0252 0,95 1,2 0,082 0,061 0,0472 0,8 0,9 0,0593 0,0653 0,0221 0,0169 0,0393 8,55 0,0484 0,85 0,3 0,05 0,081 9,4 0,0444 0,9 0,6 0,0241 0,0621 0,0362 0,0129 0,0129 9,3 0,0492 0,95 0,6 0,0903 0,1256 0,1231 0,0701 0,0322 9,35 0,0555 N=300 N=400 0,0664 0,1351 0,0609 0,0723 0,0772 0,021 9,7 N=800 0,0836 0,1308 0,039 128 P2 Thông số thời gian chạy mô CHƯƠNG4 Bảng 0.5 Thông số thời gian chạy mô (R=0,5, Q=0,1) SIR KLD-adj KLD KLD phương sai Pro N=100 0,1056 0,1371 0,1255 0,1712 0,1629 0,1079 0,1367 0,1318 0,1722 0,1669 0,1086 0,1364 0,1318 0,1768 0,1675 0,1043 0,1354 0,1261 0,1748 0,1649 0,1046 0,1463 0,1453 0,1818 0,1649 0,15 0,1381 0,1278 0,1718 0,1626 0,1493 0,1331 0,1258 0,1715 0,1626 0,1543 0,1384 0,1278 0,1748 0,1669 0,1503 0,1351 0,1265 0,1715 0,1712 0,1506 0,1344 0,1268 0,1705 0,1655 0,1728 0,1341 0,1278 0,1708 0,1632 0,1864 0,142 0,1331 0,1771 0,1688 0,1768 0,1407 0,1308 0,1768 0,1679 0,1781 0,1404 0,1334 0,196 0,1732 0,1715 0,1361 0,1271 0,188 0,1751 0,2675 0,1361 0,1311 0,1781 0,1698 0,2784 0,1443 0,1268 0,1758 0,1765 0,2755 0,1351 0,1278 0,1741 0,1635 0,2784 0,1397 0,1324 0,1771 0,1688 0,2817 0,1404 0,1301 0,1771 0,1725 N=300 N=400 N=800 129 Bảng 0.6 Thông số thời gian chạy mô (R=0,5,Q=0,3) SIR KLD-adj KLD KLD phương sai Pro N=100 0,1063 0,1347 0,1291 0,1748 0,1679 0,1059 0,1321 0,1251 0,1735 0,1635 0,1298 0,1715 0,1659 0,245 0,2172 0,1096 0,1387 0,1288 0,1768 0,1672 0,1093 0,1407 0,1288 0,1751 0,1712 0,1533 0,1331 0,1248 0,1682 0,1639 0,1741 0,1357 0,1304 0,1745 0,1692 0,1553 0,1397 0,1321 0,1755 0,1708 0,1526 0,1338 0,1255 0,1695 0,1665 0,1506 0,1344 0,1268 0,1718 0,1639 0,1738 0,1344 0,1255 0,1702 0,1626 0,1924 0,1473 0,1533 0,1831 0,1755 0,1698 0,1347 0,1251 0,1811 0,1649 0,1722 0,1318 0,1255 0,1702 0,1811 0,1728 0,1347 0,1261 0,1715 0,1649 0,2725 0,1344 0,1334 0,1705 0,1616 0,2837 0,1404 0,1314 0,1768 0,1695 0,2811 0,188 0,1321 0,1765 0,1679 0,2778 0,139 0,1311 0,1755 0,1688 0,2688 0,1424 0,1248 0,1702 0,1619 N=300 N=400 N=800 130 Bảng 0.7 Thông số thời gian chạy mô (R=0,5, Q=0,5) KLD-adj SIR KLD KLD Pro phương sai N=100 0,1142 0,141 0,1354 0,1818 0,1728 0,1089 0,1357 0,1285 0,1738 0,1675 0,1053 0,1344 0,1238 0,1695 0,1622 0,1102 0,1371 0,1304 0,1765 0,1695 0,1049 0,1417 0,148 0,1784 0,1722 0,1533 0,1427 0,1288 0,1778 0,1688 0,1665 0,1334 0,1268 0,1712 0,1635 0,1533 0,1331 0,1261 0,1725 0,1652 0,1596 0,1367 0,1288 0,1732 0,1728 0,1619 0,1377 0,1314 0,1748 0,1672 0,1761 0,1387 0,1245 0,1688 0,1632 0,1771 0,1338 0,1261 0,1718 0,1649 0,1728 0,1334 0,1251 0,1712 0,1699 0,1874 0,1381 0,1304 0,1745 0,1748 0,1811 0,1377 0,1294 0,1755 0,1685 0,2791 0,1397 0,1308 0,1781 0,1698 0,2831 0,1347 0,1271 0,1725 0,1675 0,2735 0,1334 0,1238 0,1679 0,1619 0,3195 0,1361 0,1265 0,1738 0,1632 0,2973 0,1347 0,1255 0,1775 0,1665 N=300 N=400 N=800 131 Bảng 0.8 Thông số thời gian chạy mô (R=0,5, Q=0,7) KLD-adj SIR KLD KLD phương sai Pro N=100 0,1175 0,1364 0,1285 0,1728 0,2569 0,1079 0,1384 0,1301 0,1751 0,1612 0,1102 0,1387 0,1294 0,1755 0,1675 0,1069 0,1414 0,1308 0,1755 0,1708 0,1069 0,1377 0,1281 0,1778 0,1669 0,1576 0,1367 0,1301 0,1758 0,1685 0,1546 0,142 0,1288 0,1775 0,1685 0,1569 0,1377 0,1288 0,1751 0,1669 0,1599 0,1566 0,1298 0,1761 0,1675 0,1566 0,1384 0,1314 0,1768 0,1682 0,1788 0,1371 0,1314 0,1761 0,1679 0,1702 0,1341 0,1258 0,1682 0,1821 0,1867 0,1443 0,1334 0,1824 0,1688 0,1732 0,1347 0,1248 0,1679 0,1867 0,1791 0,145 0,1288 0,1755 0,1695 0,2897 0,1506 0,1258 0,1675 0,1738 0,296 0,1397 0,1308 0,1775 0,1685 0,3056 0,145 0,1311 0,1986 0,1712 0,2854 0,1447 0,1328 0,1791 0,1698 0,2953 0,1443 0,1341 0,1841 0,1748 N=300 N=400 N=800 132 DANH MỤC CƠNG BỐ CÁC CƠNG TRÌNH CỦA TÁC GIẢ Danh mục tạp chí: [1] Nga Ly-Tu, Thuong Le-Tien, and Linh Mai, A study on KLD-resampling based on particle filters for wireless patient tracking International Journal Industrial Engineering and Management Systems, ISSN: 1598-7248 (Print), ISSN: 2234-6473 (Online), Publisher: The Korean Institute of Industrial Engineers, pp.97-107, Mar.2017 [2] Nga Ly-Tu, Thuong Le-Tien, Linh Mai, Bài toán giám sát bệnh nhân qua hệ thống vơ tuyến, Tạp chí Đại học Sài Gịn, Tp.HCM, ISSN: 1859-3208, Vol.122016, pp.40-52, Dec.2016 (tạp chí thuộc danh mục tính điểm hội đồng học hàm) [3] Nga Ly-Tu, Thuong Le-Tien, Linh Mai, Performance of Sampling/Resampling-based Particle Filters Applied to Non-Linear Problems, REV Journal on Electronics and Communications, (2-4), pp.75-84, Dec.2014 (tạp chí thuộc danh mục tính điểm hội đồng học hàm) [4] Nga Ly-Tu, Thuong Le-Tien, Linh Mai (2017, September), A New Resampling Parameter Algorithm for Kullback-Leibler Distance based on Particle Filter, In International Conference on Industrial Networks and Intelligent Systems, Springer, Cham, pp 347-358 DOI: 10.1007/978-3-319-74176-5_30 [5] Nga Ly-Tu, Thuong Le-Tien, Linh Mai, A Modified Particle Filters through Kullback-Leibler resampling based on Received Signal Strength, Proceedings of the 3rd National Foundation for Science and Technology Development, Information and Computer Science (NICS), HCM city, Vietnam, pp.233-237, Sep.2016, ISBN: 978-1-5090-2098-0, DOI: 10.1109/NICS.2016.7725655 [6]Nga Ly-Tu, Thuong Le-Tien, Linh Mai, Power adaptive-resampling based particle filters for wireless patient tracking applied to health care systems, Proceedings on the 7th International Conference on the Applications of Digital Information and Web Technologies (ICADIWT), Keelung city, Taiwan, pp.148-161,Mar 2016, ISBN: 978-1-61499-636-1 (print), 978-1-61499-637-8 (online),DOI: 10.3233/978-1-61499-637-8-148 [7] Nga Ly-Tu, Thuong Le-Tien, and Linh Mai Kullback-Leibler Distance Resampling based Particle Filter Applied to Health Care System In Proceedings on the 16th ASIA Pacific Industrial Engineering and Management Systems Conference, APIEMS,pp.301-307, Dec 2015, ISSN: 2350-742X, ISBN: 978-604-73-3787-3 133 [8] Nga Ly-Tu, Thuong Le-Tien, Linh Mai,KLD-resampling with adjusted variance and gradient data-based particle filter applied to wireless sensor networks, Proceeding on the 2nd National Foundation for Science and Technology Development, Information and Computer Science (NICS), HCM city, Vietnam, pp.229-234, Sep.2015, ISBN: 978-1-4673-6639-7, DOI: 10.1109/NICS.2015.7302197 [9] Nga Ly-Tu, Thuong Le-Tien, Phuong Vo-Thi-Luu, Linh Mai, Particle filter through Kullback-Leibler distance resampling with adjusted variance and gradient data for wireless biomedical sensor networks, Proceedings on International Conference on Ubiquitous Information Management and Communication (IMCOM’15), Bali, Indonesia, pp.8-10, Jan.2015, ISBN: 9781-4503-3377-1, http://dx.doi.org/10.1145/2701126.2701221 [10] Thuong Le-Tien, Oanh Tran-Thi-Hoang, Nga Ly-Tu, Giap Luong-Q, Minh On-Vu-N, Duy-Nguyen-B, Particle Filter Design for the System Assumption implemented on Matlab and FPGA XILINX VIRTEX-II-Pro, Proceedings of the 17th International Congerence on Analog VLSI (AVIC2014), HCM, Vietnam, pp.227-232, Aug.2014 134 TÀI LIỆU THAM KHẢO AccelDSP Synthesis Tool User Guide, Vol.UG634 (v11.4), www.Xilinx.com ANT, & Lab LAURA-Localization and Ubiquitous Monitoring of Patients for Health Care Support from http://laura.como.polimi.it/ Anzai, D., & Hara, S (2010) Does particle filter really outperform low pass filter in indoor target tracking? Paper presented at the Personal Indoor and Mobile Radio Communications (PIMRC), 2010 IEEE 21st International Symposium on Arulampalam, M S., Maskell, S., Gordon, N., & Clapp, T (2002) A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking IEEE Transactions on Signal Processing, 50(2), 174-188 doi: 10.1109/78.978374 Barsocchi, P., Lenzi, S., Chessa, S., & Giunta, G (2009) Virtual calibration for rssibased indoor localization with ieee 802.15 Paper presented at the 2009 IEEE International Conference on Communications Beadle, E R., & Djuric, P M (1997) A fast-weighted Bayesian bootstrap filter for nonlinear model state estimation IEEE Transactions on Aerospace and Electronic Systems, 33(1), 338-343 doi: 10.1109/7.570818 Bi, H., Ma, J., & Wang, F (2015) An improved particle filter algorithm based on ensemble Kalman filter and Markov chain Monte Carlo method IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(2), 447-459 Boers, Y., & Driessen, J (2003) Interacting multiple model particle filter IEE Proceedings-Radar, Sonar and Navigation, 150(5), 344-349 Bolić, M., Djurić, P M., & Hong, S (2004) Resampling algorithms for particle filters: A computational complexity perspective EURASIP Journal on Applied Signal Processing, 2004, 2267-2277 Bshara, M., Orguner, U., Gustafsson, F., & Van Biesen, L (2010) Fingerprinting localization in wireless networks based on received-signal-strength measurements: A case study on WiMAX networks IEEE Transactions on Vehicular Technology, 59(1), 283-294 135 Carpenter, J., Clifford, P., & Fearnhead, P (1999) Improved particle filter for nonlinear problems IEE Proceedings-Radar, Sonar and Navigation, 146(1), 2-7 doi: 10.1049/ip-rsn:19990255 Cornebise, J., Moulines, É., & Olsson, J (2008) Adaptive methods for sequential importance sampling with application to state space models Statistics and computing, 18(4), 461-480 Djuric, P M., Kotecha, J H., Zhang, J., Huang, Y., Ghirmai, T., Bugallo, M F., & Miguez, J (2003) Particle filtering IEEE Signal Processing Magazine, 20(5), 1938 doi: 10.1109/TSP.2003.816758 Douc, R., & Cappé, O (2005) Comparison of resampling schemes for particle filtering Paper presented at the Image and Signal Processing and Analysis, 2005 ISPA 2005 Proceedings of the 4th International Symposium on Doucet, A., & Johansen, A M (2009) A tutorial on particle filtering and smoothing: Fifteen years later Handbook of nonlinear filtering, 12(656-704), Evennou, F., & Marx, F (2006) Advanced integration of WiFi and inertial navigation systems for indoor mobile positioning EURASIP Journal on Applied Signal Processing, 2006, 164-164 doi: 10.1155/ASP/2006/86706 Farid, Z., Nordin, R., & Ismail, M (2013) Recent advances in wireless indoor localization techniques and system Journal of Computer Networks and Communications, 2013 doi: 10.1155/2013/185138 Fox, D (2003) Adapting the sample size in particle filters through KLD-sampling The international Journal of robotics research, 22(12), 985-1003 doi: 10.1177/0278364903022012001 Gordon, N., Ristic, B., & Arulampalam, S (2004) Beyond the kalman filter: Particle filters for tracking applications Artech House, London, 830 Gordon, N J., Salmond, D J., & Smith, A F (1993) Novel approach to nonlinear/non-Gaussian Bayesian state estimation Paper presented at the IEE Proceedings F-Radar and Signal Processing Govaers, F., Charlish, A., & Koch, W (2013) Covariance Debiasing for the Distributed Kalman Filter Paper presented at the Information Fusion (FUSION), 2013 16th International Conference on 136 Gu, Y., Lo, A., & Niemegeers, I (2009) A survey of indoor positioning systems for wireless personal networks IEEE Communications surveys & tutorials, 11(1), 1332 doi: 10.1109/SURV.2009.090103 Guo, H., Chen, H., Xu, F., Wang, F., & Lu, G (2013) Implementation of EKF for vehicle velocities estimation on FPGA IEEE Transactions on Industrial Electronics, 60(9), 3823-3835 Hammersley, J M., & Morton, K W (1954) Poor man's monte carlo Journal of the Royal Statistical Society Series B (Methodological), 23-38 Hol, J D., Schon, T B., & Gustafsson, F (2006) On resampling algorithms for particle filters Paper presented at the Nonlinear Statistical Signal Processing Workshop, 2006 IEEE Isard, M., & Blake, A (1998) A smoothing filter for condensation Paper presented at the European conference on computer vision Kazem Sohrapy, D M., Taieb Znati (2007) Wireless Sensor Networks: Technology, Protocols, and Applications: Wiley Intersecience Kim, S., Shephard, N., & Chib, S (1998) Stochastic volatility: likelihood inference and comparison with ARCH models The review of economic studies, 65(3), 361393 Lê Hòai Bắc, N P V (10/2007) Lọc Particle dựa màu ứng dụng vào hệ thống theo dõi giao thông (Vol 3): Tạp chí BCVT & CNTT Levis, K (2006) RSSI is under appreciated Paper presented at the Proceedings of the Third Workshop on Embedded Networked Sensors, Cambridge, MA, USA Li, T., Bolic, M., & Djuric, P (2013) Resampling methods for particle filtering IEEE Signal Processing Magazine Li, T., Bolic, M., & Djuric, P M (2015) Resampling methods for particle filtering: classification, implementation, and strategies IEEE Signal Processing Magazine, 32(3), 70-86 Li, T., Sattar, T P., & Sun, S (2012) Deterministic resampling: unbiased sampling to avoid sample impoverishment in particle filters Signal Processing, 92(7), 16371645 doi: 10.1016/j.sigpro.2011.12.019 137 Li, T., Sun, S., & Sattar, T P (2013) Adapting sample size in particle filters through KLD-resampling Electronics Letters, 49(12), 740-742 doi: 10.1049/el.2013.0233 Li, X (2006) RSS-based location estimation with unknown pathloss model IEEE Transactions on Wireless Communications, 5(12), 3626-3633 doi: 10.1109/TWC.2006.256985 Lim, H., Kung, L.-C., Hou, J C., & Luo, H (2010) Zero-configuration indoor localization over IEEE 802.11 wireless infrastructure Wireless Networks, 16(2), 405-420 doi: 10.1007/s11276-008-0140-3 Liu, J S., Chen, R., & Logvinenko, T (2001) A theoretical framework for sequential importance sampling with resampling Sequential Monte Carlo methods in practice (pp 225-246): Springer Mengali U., a D A A N (1997) Synchronization Techniques for Digital Receivers: New York: Plenum Press Murray, L M., Lee, A., & Jacob, P E (2016) Parallel resampling in the particle filter Journal of computational and graphical statistics, 25(3), 789-805 N.Balakrishnan, N J., S.Kotz (1995) Continuous unvariate distribution (N York Ed.): John Wiley & Sons Nguyen, T D., Trinh, H T., Nguyen, N T., Nguyen, T T., & Koichiro, W (2013) A new evaluation of particle filter algorithm and apply it to the wireless sensor networks Paper presented at the Computing, Management and Telecommunications (ComManTel), 2013 International Conference on Park, S.-H., Kim, Y.-J., Lee, H.-C., & Lim, M.-T (2008) Improved adaptive particle filter using adjusted variance and gradient data Paper presented at the Multisensor Fusion and Integration for Intelligent Systems, 2008 MFI 2008 IEEE International Conference on Patwari, N., Ash, J N., Kyperountas, S., Hero, A O., Moses, R L., & Correal, N S (2005) Locating the nodes: cooperative localization in wireless sensor networks IEEE Signal Processing Magazine, 22(4), 54-69 doi: 10.1109/MSP.2005.1458287 Pereira, C., Guenda, L., & Carvalho, N B (2011) A smart-phone indoor/outdoor localization system Paper presented at the International Conference on Indoor Positioning and Indoor Navigation (IPIN) 138 Rappaport, T S (1996) Wireless communications: principles and practice (Vol 2): Prentice Hall PTR New Jersey Redondi, A., Chirico, M., Borsani, L., Cesana, M., & Tagliasacchi, M (2013) An integrated system based on wireless sensor networks for patient monitoring, localization and tracking Ad Hoc Networks, 11(1), 39-53 doi: 10.1016/j.adhoc.2012.04.006 Redondi, A., Tagliasacchi, M., Cesana, M., Borsani, L., Tarrio, P., & Salice, F (2010) LAURA—LocAlization and Ubiquitous monitoRing of pAtients for health care support Paper presented at the Personal, indoor and mobile radio communications workshops (PIMRC Workshops), 2010 IEEE 21st International Symposium on Ren, H., & Meng, M Q.-H (2009) Power adaptive localization algorithm for wireless sensor networks using particle filter IEEE Transactions on Vehicular Technology, 58(5), 2498-2508 doi: 10.1109/TVT.2008.2008189 Ren, H., Meng, M Q.-H., & Xu, L (2007) Indoor patient position estimation using particle filtering and wireless body area networks Paper presented at the Engineering in Medicine and Biology Society, 2007 EMBS 2007 29th Annual International Conference of the IEEE Saban, O., Shapira, I., Holtzman, Y., Shapira, Y., & Oren, Y (2008) Indoor location determination: Google Patents Salimpour, Y., & Soltanian-Zadeh, H (2009) Particle filtering of point processes observation with application on the modeling of visual cortex neural spiking activity Paper presented at the Neural Engineering, 2009 NER'09 4th International IEEE/EMBS Conference on Sarkar, P (2003) Sequential Monte Carlo methods in practice Technometrics, 45(1), 106-106 doi: 10.1198/tech.2003.s23 Schön, T B (2010) Solving Nonlinear State Estimation Problems Using Particle Filters-An Engineering Perspective Department of Automatic Control, Linköping University, Linköping Straka, O., & Ŝimandl, M (2009) A survey of sample size adaptation techniques for particle filters IFAC Proceedings Volumes, 42(10), 1358-1363 139 Thiện, P N (12/2015) Định vị nút cảm biến không dây y tế Trường đại học Kỹ thuật Tp.HCM Trần Công Chiến (2012) Xây dựng hệ thống quan sát theo dõi vết đối tượng cho robot tự hành: Đại học Lạc Hồng Tran Hoang Oanh (2014) Thiết kế lọc phần tử (Particle Filtering) xử lý tín hiệu công nghệ FPGA Đại học Sư phạm kỹ thuật, Tp.HCM Vossiek, M., Wiebking, L., Gulden, P., Wieghardt, J., Hoffmann, C., & Heide, P (2003) Wireless local positioning IEEE microwave magazine, 4(4), 77-86 doi: 10.1109/MMW.2003.1266069 Wang, Z., Zhao, X., & Qian, X (2012) Unscented particle filter with systematic resampling localization algorithm based on RSS for mobile wireless sensor networks Paper presented at the Mobile Ad-hoc and Sensor Networks (MSN), 2012 Eighth International Conference on Wang, Z., Zhao, X., & Qian, X (2013) The analysis of localization algorithm of unscented particle filter based on RSS for linear wireless sensor networks Paper presented at the Control Conference (CCC), 2013 32nd Chinese Yin, S., & Zhu, X (2015) Intelligent particle filter and its application to fault detection of nonlinear system IEEE Transactions on Industrial Electronics, 62(6), 3852-3861 Zhang, D., Xia, F., Yang, Z., Yao, L., & Zhao, W (2010) Localization technologies for indoor human tracking Paper presented at the 2010 5th International Conference on Future Information Technology 140 ... theo dõi mục tiêu phương pháp tái lấy mẫu lọc đa phần tử có nhiều Tuy nhiên, nghiên cứu tập trung vào phương pháp tái lấy mẫu lọc đa phần tử riêng biệt (thuần túy) kết hợp với giải pháp khác mức... mẫu đa phần tử tốn vơ tuyến, robot tự vận hành 1.5 Đóng góp Luận án Luận án nghiên cứu phát triển phương pháp lọc đa phần tử cho tốn tái lấy mẫu thơng tin vơ tuyến Các đóng góp Luận án tóm tắt... nghiên cứu lọc đa phần tử nước .2 1.2.1.1 Nghiên cứu tái lấy mẫu lọc đa phần tử nước .2 1.2.1.2 Nghiên cứu ảnh hưởng công suất lọc đa phần tử nước 1.2.2 Những nghiên cứu lọc đa phần tử nước