Đang tải... (xem toàn văn)
Nội dung đồ án bao gồm 3 chương, được trình bày cụ thể như sau: Tổng quan về công nghệ VLC – truyền thông sử dụng ánh sáng nhìn thấy; Các phương pháp định vị sử dụng công nghệ VLC trong môi trường trong nhà; Áp dụng bộ lọc Kalman trong việc định vị robot.
TRƯỜNG CAO ĐẲNG CÔNG NGHỆ THÔNG TIN HỮU NGHỊ VIỆT - HÀN KHOA CÔNG NGHỆ ĐIỆN TỬ VIỄN THÔNG ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ TRUYỀN THÔNG ĐỀ TÀI ĐỊNH VỊ ROBOT SỬ DỤNG CÔNG NGHỆ TRUYỀN THƠNG ÁNH SÁNG NHÌN THẤY ĐƯỢC KẾT HỢP VỚI BỘ LỌC KALMAN SVTH: Hoàng Như Việt Lớp: CCVT06B GVHD: Nguyễn Thị Huyền Trang Đà Nẵng, tháng năm 2016 NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN ………………………………………………………………………………………………… …………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… Điểm: …………………….……… (Bằng chữ: … ……………….) Đà Nẵng, ngày tháng năm 2016 GIÁO VIÊN HƯỚNG DẪN Nguyễn Thị Huyền Trang ii NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… ………………………………………………………………………………………………… Điểm: …………………….……… (Bằng chữ: … ……………….) Đà Nẵng, ngày tháng năm 2016 GIÁO VIÊN PHẢN BIỆN iii MỤC LỤC NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN i NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN iii MỤC LỤC .iv THUẬT NGỮ VIẾT TẮT vi DANH MỤC HÌNH VẼ viii DANH MỤC BẢNG BIỂU ix LỜI NÓI ĐẦU CHƯƠNG I – TỔNG QUAN VỀ CÔNG NGHỆ VLC – TRUYỀN THƠNG SỬ DỤNG ÁNH SÁNG NHÌN THẤY .3 1.1 Đèn LED trắng 1.1.1 Một vài nét sơ lược 1.1.2 Các đặc trưng 1.1.2.1 Cường độ chiếu sáng 1.1.2.2 Công suất quang truyền 1.1.3 Ưu nhược điểm 1.1.3.1 Ưu điểm 1.1.3.2 Nhược điểm 1.2 Mô tả hệ thống VLC 1.2.1 Mơ hình hệ thống 1.2.2 Cấu hình đường truyền .11 1.2.3 Kênh IM-DD 12 1.2.4 Công suất quang nhận 13 1.3 Ứng dụng số sản phẩm thực tế 14 1.3.1 Truyền thông di động 14 1.3.1.1 Truyền thông di động hệ sau 4G .14 1.3.1.2 Truyền thông môi trường đặc biệt 15 1.3.2 Truyền hình 15 1.3.3 Nhà thông minh 16 1.3.4 Hệ thống giao thông thông minh 16 1.3.5 Định vị dẫn đường 17 1.4 Tóm tắt chương 17 CHƯƠNG II – CÁC PHƯƠNG PHÁP ĐỊNH VỊ SỬ DỤNG CÔNG NGHỆ VLC TRONG MÔI TRƯỜNG TRONG NHÀ 18 2.1 Phương pháp định vị dựa thời gian sóng ánh sáng tới (TOA) .19 2.2 Phương pháp định vị dựa độ chênh lệch thời gian sóng ánh sáng tới (TDOA) .21 iv 2.3 Phương pháp định vị dựa cường độ tín hiệu nhận (RSS) 23 2.4 Phương pháp định vị dựa góc sóng ánh sáng tới (AOA) .24 2.5 Phương pháp định vị kết hợp AOA-RSS 27 2.5.1 Mơ hình hệ thống 27 2.5.2 Nhiễu hệ thống 28 2.5.3 Cơ chế hoạt động .29 2.5.3.1 Bước – Xác định hướng robot .29 2.5.3.2 Bước – Xác định tọa độ robot .29 2.6 Tóm tắt chương hai 30 CHƯƠNG III – ÁP DỤNG BỘ LỌC KALMAN MỞ RỘNG TRONG ĐỊNH VỊ ROBOT 31 3.1 Mơ hình hệ thống: Cấu hình động học 31 3.1.1 Cập nhật vị trí 32 3.1.2 Sai số hệ thống 33 3.2 Mơ hình phép đo 34 3.3 Bộ lọc Kalman 35 3.3.1 Ước đốn vị trí 36 3.3.2 Hiệu chỉnh vị trí 38 3.4 Tóm tắt chương ba 39 KẾT LUẬN 40 TÀI LIỆU THAM KHẢO 41 v THUẬT NGỮ VIẾT TẮT 4G Fourth Generation Mạng di động hệ thứ tư 5G Fifth Generation Mạng di động hệ thứ năm AOA Angle of Arrival Góc tia sáng tới AOA– Angle of Arrival – Received Kết hợp hai phương pháp AOA RSS Signal Strength RSS DC Direct Current Dòng trực tiếp DD Direct Detection Tách sóng trực tiếp FET Field Effect Transistor Transitor hiệu ứng trường FOV Field of View Trường thu nhận ánh sang GPS Global Positioning System Hệ thống định vị toàn cầu IEEE Institute of Electricaland Electronics Engineers Viện kỹ thuật điện điện tử IM Intensity Modulation Điều chế cường độ IR Infrared Hồng ngoại IRB Infrared Band Dải bước song hồng ngoại KF Kalman Filter Bộ lọc Kalman LED Light Emitting Diode Đi-ốt phát quang LOS Light of Sight Phương truyền thẳng LS Least square Bình phương tối thiểu LTE Long-Term Evolution Mạng 4G MIMO Multi Input – Multi Output NLOS Non Light of Sight Phương truyền gián tiếp OOK On-Off Keying Điều chế ON/OFF PD Photodiode Bộ nhận quang RF Radio Frequency Sóng vơ tuyến RFB Radio Frequency Band Dải sóng vơ tuyến RFID Radio Frequency Identification RSS Received Signal Strength Kỹ thuật sử dụng nhiều đầu vào đầu Nhận dạng dựa vào tần số sóng vơ tuyến Cường độ tín hiệu nhận vi TDOA Time Difference of Arrival TOA Time of Arrival VLC Visible Light Communications YAG Yttrium Aluminum Garnet Độ chênh lệch thời gian tia sáng tới Thời gian tia sáng tới Công nghệ truyền thơng sử dụng ánh sáng nhìn thấy Granat ytri-nhơm vii DANH MỤC HÌNH VẼ Hình Nội dung Trang 1.1 Vùng ánh sáng nhìn thấy phổ xạ điện từ 1.2 Các loại đèn LED trắng 1.3 Sơ đồ khối công nghệ VLC 1.4 Sơ đồ khối cho chế điều chỉnh độ sáng đèn LED 1.5 Mơ hình thực tế công nghệ VLC môi trường nhà 10 1.6 Phân loại đường truyền hệ thống VLC 12 1.7 Kênh IM/DD cơng nghệ VLC 12 1.8 Mơ hình truyền nhận ánh sáng trực tiếp (LOS) 13 1.9 Công nghệ truyền thơng VLC ứng dụng phịng họp 14 1.10 Công nghệ VLC sử dụng bệnh viện 15 1.11 Sơ đồ khối phát video audio 15 1.12 Sơ đồ khối nhận video audio 16 1.13 Hệ thống giao thông thông minh 16 1.14 Hệ thống dẫn đường E-mart siêu thị 17 2.1 Đường tròn tưởng tượng chứa điểm nhận thời gian truyền ánh sáng 19 2.2 Vị trí robot vùng giao cắt đường trịn tưởng tượng 21 2.3 Mơ hình hệ thống phương pháp TDOA 22 2.4 Phương pháp định vị hyperbol 23 2.5 Các tham số phương pháp định vị RSS 24 2.6 Mơ hình hệ thống phương pháp định vị AOA 25 2.7 Mơ hình thơng số hệ thống 25 2.8 Kịch mô thuật tốn định vị AOA 26 2.9 Mơ hình hệ thống kết hợp AOA-RSS sử dụng mảng PD 28 3.1 Mô hình robot hai bánh vi sai a) Trạng thái hệ thống robot b) Robot hệ tọa độ địa phương tồn cục 32 3.2 Ứng dụng thơng thường lọc Kalman 36 3.3 Sơ đồ minh họa ứng dụng lọc Kalman định vị robot 36 viii DANH MỤC BẢNG BIỂU Bảng Nội dung Trang 1.1 So sánh đặc tính cơng nghệ truyền thông VLC, IRB, RFB 10 Các tham số hệ thống mơ hình hệ thống VLC 29 ix Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman LỜI NÓI ĐẦU Trong thập kỉ vừa qua, cơng nghệ truyền thơng sử dụng sóng vơ tuyến (Radio Frequency-RF) phát triển mạnh mẽ chiếm ưu việc truyền tải thông tin liên lạc liệu Công nghệ phát triển đến hệ di động thứ tư (4G hay gọi LTE – Long Term Evolution) nay, xem giải pháp chủ yếu truyền thông không dây Tuy nhiên, công nghệ gặp phải nhiều hạn chế nguồn tài nguyên tần số ngày khan hiếm, nhiễu đa đường qua tịa nhà cao tầng ảnh hưởng tới sức khỏe người Ngồi ra, cơng nghệ cịn khơng phù hợp số khu vực hạn chế sóng vơ tuyến như: bệnh viện, đường hầm, sân bay,… Do sóng vơ tuyến gây nhiễu lên thiết bị điện tử sử dụng môi trường này, làm sai lệch tín hiệu nhận không đảm bảo chất lượng dịch vụ cho thiết bị di động có nhiều vật cản Cùng với phát triển loại vật liệu bán dẫn thập kỉ gần đời đi- ốt phát quang (LED), công nghệ VLC (Visible Light Communications) – truyền thơng sử dụng ánh sáng nhìn thấy đời phát triển nhanh chóng, xem cơng nghệ truyền thơng khơng dây nhiều đặc tính vật lí bật so với công nghệ truyền thông khác như: tiêu tốn lượng, hoạt động môi trường khắc nghiệt, không gây hại cho sức khỏe người, có khả truyền liệu cao, có băng thơng rộng tính bảo mật cao giải vấn đề khó khăn cịn tồn công nghệ truyền thông vô tuyến đặc biệt khả kết hợp truyền thông chiếu sáng Ngày nay, xuất robot di động trở nên phổ biến xã hội Các robot di động có mặt thiết bị gia đình máy hút bụi hay hệ thống trợ giúp gia đình Chúng ta dễ dàng nhìn thấy chúng nơi cơng cộng robot hướng dẫn viên viện bảo tàng, phịng trưng bày; hay lĩnh vực cơng nghiệp quân robot thám hay robot vận chuyển hàng hóa nhà máy,… Đối với robot địi hỏi khả làm việc độc lập, định vị yêu cầu quan trọng Hiện nay, có số cơng nghệ định vị phổ biến định vị GPS sử dụng cảm biến cảm biến siêu âm, hồng ngoại, Tuy nhiên, định vị GPS phù hợp với môi trường trời với sai số lên đến hàng mét, cịn cảm biến có độ sai số lớn thường hoạt động SVTH: Hoàng Như Việt – Lớp CCVT06B Định vị robot sử dụng công nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman Ngoài ra, phương pháp định vị AOA không yêu cầu việc đồng phát nhận Tuy nhiên, phương pháp gặp phải số hạn chế yêu cầu phần cứng phức tạp (một mảng gồm nhiều PD cần chi phí kích thước lớn khó để lắp đặt nhận) có khả xác định vị trí robot theo một chiều 2.5 Phương pháp định vị kết hợp AOA-RSS Chúng ta thảo luận số phương pháp định vị sử dụng phương pháp hình học dựa cơng nghệ truyền thơng ánh sáng nhìn thấy VLC Các ưu, nhược điểm phương pháp định vị trình bày so sánh kỹ lưỡng phần trước Các phương pháp định vị TOA TDOA khó triển khai ứng dụng định vị nhà thời gian truyền sóng ánh sáng ngắn yêu cầu đồng thời gian phát nhận hay nhận với Phương pháp định vị RSS đạt độ xác khơng cao, mơi trường có mơ hình kênh truyền quang có suy hao lớn Cuối phương pháp AOA, phương pháp đạt độ xác cao áp dụng kỹ thuật MIMO (sử dụng mảng đèn LED PD) lại yêu cầu phần cứng phức tạp có khả cung cấp thông tin định vị chiều Qua ưu, nhược điểm phương pháp định vị nói trên, mục xét phương pháp định vị mới, kết hợp hai phương pháp định vị AOA RSS Phương pháp đạt ưu điểm hai phương pháp định vị AOA RSS, đồng thời giải mặt hạn chế hai phương pháp định vị nói 2.5.1 Mơ hình hệ thống Mơ hình hệ thống phương pháp kết hợp AOA-RSS mơ tả hình 2.9 Các PD gắn cách khung tròn phẳng Mảng PD gắn robot di động để đo tín hiệu quang nhận từ đèn LED để xác định hướng robot Vị trí PD tính tốn từ vị trí robot ngược lại Nghĩa là, ta biết vị trí robot ta tính vị trí PD sau: Trong đó, góc PD thứ i mảng; θ hướng robot SVTH: Hoàng Như Việt – Lớp CCVT06B 27 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman Hình 2.9 Mơ hình hệ thống kết hợp AOA-RSS sử dụng mảng PD Ngược lại, tính góc PD từ cơng suất tín hiệu quang nhận được, dễ dàng tính tốn vị trí robot di động Giống phương pháp định vị AOA, số lượng PD gắn nhận ảnh hưởng trực tiếp tới hiệu suất phương pháp định vị 2.5.2 Nhiễu hệ thống Như đề cập hệ thống phương pháp định vị RSS AOA, cơng suất tín hiệu quang nhận PD tính tốn sau: Để thực việc truyền tín hiệu ánh sáng nhìn thấy đến thu kênh truyền quang, cần thực điều chế tín hiệu theo phương pháp điều chế Trong phạm vi luận văn này, giả sử điều chế OOK sử dụng để tạo xung tín hiệu vng truyền Tín hiệu điện đầu PD chứa nhiễu Gauss bao gồm tạp âm kim (shot noise), nhiễu nhiệt (thermal noise) can nhiễu kí tự (inter-symbol interference-ISI) Tuy nhiên, nhiễu ISI coi khơng đáng kể thời gian tín hiệu truyền đủ dài Do đó, nguồn nhiễu chủ yếu gây tạp âm kim ồn nhiệt: Do đó, cơng suất tín hiệu điện thực tế nhận PD thứ i xác định sau: SVTH: Hoàng Như Việt – Lớp CCVT06B 28 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman (5*) Trong đó, thơng số hệ thống nhiễu cho bảng 2.1 Bảng Các tham số hệ thống mơ hình hệ thống VLC Thơng số Giá trị Cơng suất truyền quang (Pt ) 0.02 [W] Góc nửa cơng suất (ϕ) 30 [deg Góc FOV PD (Ψc) 70 [deg.] Diện tích bề mặt PD (A) Độ lợi lọc quang (Ts(Ψ)) 1.0 Độ nhạy thu () 0.54 [A/W] Tốc độ truyền liệu (B) 100 [Mb/s] Dòng điện (Ibg) Điện dung cố định (η) Độ hỗ dẫn FET (gm) Hệ số nhiễu kênh FET (Γ) 1.5 Hệ số băng thông nhiễu (I2) 0.562 Khuếch đại vòng hở (G) 10 2.5.3 Cơ chế hoạt động Phương pháp định vị kết hợp AOA-RSS tiến hành theo hai bước sau: 2.5.3.1 Bước – Xác định hướng robot Trong bước này, phương pháp kết hợp AOA–RSS xác định hướng so với phát mà kết nối việc sử dụng cấu hình đặc biệt hệ thống – mảng trịn PD Dựa vào cơng suất tín hiệu điện nhận đầu PD, robot xác định PD thứ i nhận cơng suất lớn Điều có nghĩa rằng, PD thứ i nằm gần phát Do đó, robot chọn góc PD góc hướng robot hướng từ hình chiếu tâm đèn LED đến tâm robot (xem hình 2.9) 2.5.3.2 Bước – Xác định tọa độ robot Trong bước này, phương pháp kết hợp AOA-RSS tính tốn tọa độ robot dựa góc AOA Khoảng cách từ hình chiếu vng góc đèn LED đến PD nhận cơng suất tín hiệu lớn độ tồn cục robot di động ( SVTH: Hoàng Như Việt – Lớp CCVT06B tính theo cơng thức (5*) Tọa ) tính sau: 29 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman Trường hợp 1: Khi robot nằm vị trí thỏa mãn điều kiện r Trường hợp 2: Khi robot nằm vị trí thỏa mãn điều kiện r Trong đó, φ góc đường thẳng nối từ hình chiếu LED mặt phẳng di chuyển robot đến PD mà nhận cơng suất lớn trục Ox (xem hình 2.9) Góc φ dễ dàng tính từ góc AOA Ngồi ra, ( ) tọa độ LED mà robot kết nối đến Đối với mơ hình nhà thơng thường như: văn phòng, bảo tàng, thư viện, nhà máy, nơi có hành lang dài có độ rộng hai mét, đèn LED lắp đặt cách với khoảng cách 1.5 mét Độ bao phủ đèn LED có bán kính đạt tới 1.732 mét (được tính tốn từ thơng số Bảng 2.1) Khi đó, robot di động ln nằm vùng phủ hai đèn LED nên độ xác phương pháp định vị tăng cường robot ln tiếp nhận thơng tin từ hai nguồn phát khác Độ xác phương pháp định vị kết hợp AOA-RSS chịu tác động hai tham số số lượng PD gắn robot nhiễu Gauss Tăng số lượng PD phương án đơn giản để cải thiện độ xác cho phép đo 2.6 Tóm tắt chương hai Trong nội dung chương này, đề cập đến vấn đề định vị robot môi trường nhà tầm quan trọng hệ thống robot tự trị Trọng tâm chương trình bày phương pháp định vị vị trí robot di động sử dụng công nghệ VLC - truyền thơng ánh sáng nhìn thấy nghiên cứu từ trước đến SVTH: Hoàng Như Việt – Lớp CCVT06B 30 Định vị robot sử dụng công nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman CHƯƠNG III – ÁP DỤNG BỘ LỌC KALMAN MỞ RỘNG TRONG ĐỊNH VỊ ROBOT Trong chương hai luận văn này, em đề cập đến phương pháp định vị cho robot di động mơi trường nhà văn phịng, nhà xưởng, viện bảo tàng, dựa công nghệ VLC - truyền thơng ánh sáng nhìn thấy Trong phương pháp định vị (AOA-RSS) kết hợp hai phương pháp định vị truyền thống AOA RSS để đạt hiệu suất cao hơn, loại trừ số nhược điểm phương pháp riêng lẻ Tuy nhiên, ứng dụng robot mơi trường nhà sai số phương pháp định vị cao Để làm giảm sai số cho phương pháp định vị nói trên, cần xem xét phương pháp có khả kết hợp với thơng tin từ hệ thống robot Bộ lọc Kalman (KF) kỹ thuật phổ biến lý thuyết ước lượng dễ thực hiệu kỹ thuật khác Trong nội dung chương này, giải vấn đề làm để áp dụng thuật toán lọc Kalman mở rộng cho hệ thống robot phi tuyến nhằm tăng hiệu suất phương pháp định vị sử dụng công nghệ VLC 3.1 Mơ hình hệ thống: Cấu hình động học Tất robot di động thực tế cần có cấu truyền động phép chúng có khả di chuyển không gian làm việc Các loại hệ thống truyền động thơng thường bao gồm: cấu truyền động sử dụng bánh xe, cấu truyền động sử dụng chân, cấu truyền động sử dụng bánh xích Các robot sử dụng cấu truyền động chân có khả di chuyển địa hình gồ ghề hay leo cầu thang, robot sử dụng cấu truyền động bánh xe bánh xích di chuyển địa hình phẳng, gồ ghề Trong thực tế, robot sử dụng bánh xe thường đơn giản, sử dụng nhiều ứng dụng dân quân Một số loại robot di động phổ biến đời sống ngày kể đến là: robot hút bụi; robot làm hướng dẫn viên viện bảo tàng hay phòng trưng bày tác phẩm nghệ thuật; robot vận chuyển hàng hóa, vật liệu nhà máy, Do đó, giới hạn luận văn sử dụng mơ hình robot hai bánh vi sai để thực phân tích SVTH: Hồng Như Việt – Lớp CCVT06B 31 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman 3.1.1 Cập nhật vị trí Mơ hình động học (Kinematic model) mơ tả ảnh hưởng hành động điều khiển lên cấu hình động học robot Cấu hình robot di động thông thường biểu diễn sáu biến bao gồm: tọa độ ba chiều Đề (x, y, z) ba góc Ơ-le (, φ, ψ) Tuy nhiên, giới hạn nghiên cứu này, robot di chuyển mặt phẳng sàn, trạng thái động học robot giản lược lại ba biến bao gồm tọa độ mặt phẳng hai chiều hệ tọa độ tồn cục góc định hướng robot Các biến tạo thành véc-tơ trạng thái minh họa hình 3.1a Hình 3.1 Mơ hình robot hai bánh vi sai a) Trạng thái hệ thống robot b) Robot hệ tọa độ địa phương tồn cục Hình 3.1b minh họa mơ hình robot hai bánh vi sai sử dụng luận văn Mơ hình xét hệ tọa độ địa phương có gốc tọa độ đặt trọng tâm robot ( ) hệ tọa độ toàn cục ( ) Các bánh xe lái có bán kính a khoảng cách chúng b Tổng thời gian di chuyển robot di động lấy mẫu với khoảng thời gian lấy mẫu ∆t đủ nhỏ Khi đó, khoảng dịch chuyển tương đối trọng tâm robot ∆s góc lệch tương đối robot ∆ khoảng thời gian lấy mẫu ∆t tính tốn từ khoảng dịch chuyển tuyến tính bánh xe bên trái bên phải robot di động: Trong đó, khoảng dịch chuyển tuyến tính bánh xe bên trái tính từ vận tốc góc chúng SVTH: Hoàng Như Việt – Lớp CCVT06B và bên phải sau chu kỳ lấy mẫu ∆t: 32 Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman Khi đó, vị trí robot di động thời điểm k+1 tính tốn theo vị trí robot, khoảng dịch chuyển tương đối tâm robot ∆s góc lệch tương đối robot ∆ thời điểm k hệ tọa độ toàn cục: 3.1.2 Sai số hệ thống Phương trình (6*) sử dụng hệ thống lý tưởng Trong thực tế, phương trình (6*) thường khơng xác hệ thống thực tế tác động số sai số tránh khỏi xuất phát từ hệ thống môi trường Một số nguyên nhân gây khơng hồn hảo cho mơ hình robot di động bánh xe bị méo, động không đồng nhất, độ phân giải encoder động thấp Các sai số có đặc tính tích lũy làm tính ổn định hệ thống thực tế Trong phần này, thực mơ hình hóa sai số để áp dụng lọc Kalman mở rộng nhằm loại trừ chúng Chúng ta giả sử mơ hình hóa sai số hệ thống liên quan tới độ dịch chuyển tương đối trọng tâm robot véc-tơ sai số ngẫu nhiên có phân bố Gauss độc lập có giá trị trung bình 0: Trong đó, chuyển động bánh xe SVTH: Hoàng Như Việt – Lớp CCVT06B biến ngẫu nhiên biểu diễn sai số giá trị trung bình véc-tơ : 33 Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman Ma trận gọi ma trận hiệp phương sai sai số ngẫu nhiên Do giả sử sai số độc lập nên phần tử nằm ngồi đường chéo ma trận hiệp phương sai Ma trận khoảng dịch chuyển tuyến tính bánh xe Do đó, ma trận Trong đó, đồng thời phụ thuộc vào độ trượt mặt sàn thành lập sau: hệ số tương tác bánh xe mặt sàn Véc-tơ sai số ngẫu nhiên thêm vào độ dịch chuyển tương đối trọng tâm robot ∆s góc lệch tương đối robot ∆ thời điểm k hệ thống thực tế sau: Khi vị trí robot di động thời điểm k+1 thực tế biểu diễn lại sau: + 3.2 Mơ hình phép đo Mơ hình phép đo lý tưởng Giả sử trường hợp sai số, phép đo chứa biến tương ứng với trạng thái robot di động SVTH: Hoàng Như Việt – Lớp CCVT06B đơn giản véc-tơ : 34 Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman Chúng ta có mơ hình phép đo thời điểm k tọa độ robot cung cấp phương pháp định vị kết hợp AOA RSS dựa công nghệ VLC hướng robot cung cấp cảm biến gia tốc trọng trường: Trong đó, h(.) hàm biểu diễn mối quan hệ phép đo trạng thái robot thời điểm Chúng ta biểu diễn cách đơn giản công thức sau: 3.3 Bộ lọc Kalman Trong phần này, nghiên cứu việc áp dụng lọc Kalman mở rộng nhằm nâng cao hiệu suất phương pháp định vị sử dụng công nghệ VLC - phương pháp định vị kết hợp AOA-RSS Hình 3.3 minh họa hoạt động lọc Kalman ứng dụng thơng thường Trong đó, hệ thống hình có đầu vào gồm: tín hiệu điều khiển sai số hệ thống có phân bố Gauss Các thiết bị đo đạc cung cấp phép đo trạng thái hệ thống với sai số có phân bố Gauss Bộ lọc Kalman thực chất kỹ thuật toán học nhằm tạo ước lượng tối ưu cho trạng thái hệ thống dựa thông tin từ hệ thống thiết bị đo đạc Hình 3.4 minh họa cách thức hoạt động lọc Kalman vai trò ước lượng cho phép định vị robot hai bước: ước đốn vị trí hiệu chỉnh vị trí Trong bước thứ nhất, robot thu thập liệu từ encoder để tính tốn vị trí robot Cùng thời điểm đó, cảm biến bao gồm cảm biến VLC Gyro thực việc đo đạc vị trí robot Các thơng tin vị trí robot tính toán từ encoder cảm biến kết hợp với để ước định vị trí robot tối ưu Hai bước thảo luận kỹ tiểu mục SVTH: Hoàng Như Việt – Lớp CCVT06B 35 Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman Hình 3.2 Ứng dụng thơng thường lọc Kalman Hình 3.3 Sơ đồ minh họa ứng dụng lọc Kalman định vị robot 3.3.1 Ước đoán vị trí Các phương trình bước ước đốn vị trí thời điểm k+1: SVTH: Hồng Như Việt – Lớp CCVT06B 36 Định vị robot sử dụng công nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman Trong đó, vị trí ước lượng tiên nghiệm robot thời điểm k+1 ước đốn từ vị trí trước thời điểm k di chuyển robot từ thời điểm k+1 đến thời điểm k tác động véc-tơ điều khiển hàm phi tuyến biểu diễn hệ thống dẫn động robot sai số hệ thống với ma trận hiệp phương sai Jacobin chứa đạo hàm riêng hàm thái Hàm f(.,.,.) giá trị ước lượng tốt Ma trận ma trận theo biến véc-tơ trạng : SVTH: Hoàng Như Việt – Lớp CCVT06B 37 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman Ma trận ma trận Jacobin chứa đạo hàm riêng hàm theo véc-tơ điều khiển : Hai ma trận tính tốn thay đổi tương đối biến trạng thái vị trí ước lượng robot trước trận véc-tơ điều khiển đầu vào thay đổi Ma ma trận hiệp phương sai sai số hệ thống 3.3.2 Hiệu chỉnh vị trí Các phương trình bước hiệu chỉnh vị trí thời điểm k+1: Trong đó, véc-tơ chứa giá trị đo đạc vị trí robot thu thập từ cảm biến (cảm biến VLC Gyro) thời điểm k+1 Ma trận ma trận Jacobin chứa đạo hàm riêng hàm biểu diễn phép đo phi tuyến h(.) theo véc-tơ vị trí ước lượng tiên nghiệm : SVTH: Hồng Như Việt – Lớp CCVT06B 38 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman Có thể dễ dàng thấy công thức trên, ma trận Jacobin chứa số, khơng cần phải tính toán lại sau thời điểm Ma trận ma trận hiệp phương sai véc-tơ sai số Gauss Trong đó, phương sai sai số phép đo AOA-RSS 0.0036 Độ xác cảm biến Gyro tương ứng với phương sai sai số 0.0028 hệ đơn vị rad Ngoài ra, trọng số lọc Kalman; ma trận phương sai sai số bước hiệu chỉnh vị trí Cuối cùng, ma trận hiệp vị trí ước lượng hậu nghiệm robot ước tính từ giá trị tiên nghiệm bước ước đốn vị trí việc cộng thêm lượng điều chỉnh tích độ sai lệch hai phép đo thu từ encoder cảm biến trọng số 3.4 Tóm tắt chương ba Trong chương này, thảo luận mơ hình hệ thống mơ hình phép đo sử dụng phương pháp định vị dựa công nghệ VLC cảm biến Gyro Đồng thời, mơ hình hóa sai số hệ thống sai số phép đo Các sai số có phân bố Gauss, độc lập có giá trị trung bình 0, sinh yếu tố từ hệ thống môi trường Để nâng cao độ xác thuật tốn định vị kết hợp AOA-RSS, sử dụng lọc Kalman mở rộng để kết hợp với thơng tin vị trí từ hệ thống nhằm đạt vị trí ước lượng tốt Trong phần nội dung chương trình bày hai bước thuật tốn lọc Kalman mở rộng: ước định vị trí hiệu chỉnh vị trí để tìm vị trí ước lượng tối ưu robot di động Đây nội dung chương ba toàn luận văn SVTH: Hoàng Như Việt – Lớp CCVT06B 39 Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman KẾT LUẬN Luận văn trình bày tồn kiến thức tổng quan công nghệ truyền thông sử dụng ánh sáng nhìn thấy – VLC ứng dụng phổ biến đời sống người Qua luận văn này, em trình bày số kiến thức mơ hình kênh truyền quang loại nhiễu công nghệ VLC Đây kiến thức cần thiết để phục vụ cho chương Nội dung luận văn trình bày phương pháp định vị robot sử dụng công nghệ VLC Thông qua việc đánh giá ưu nhược điểm phương pháp định vị đó, đề suất phương pháp định vị kết hợp AOA–RSS có độ xác cao xấp xỉ 20 (cm) Phương pháp định vị kết hợp AOA–RSS kết hợp hai phương pháp AOA RSS nhằm đạt ưu điểm hai phương pháp giải mặt hạn chế chúng Tuy nhiên, sai số phương pháp định vị kết hợp AOA–RSS cao, chưa đáp ứng yêu cầu độ xác ứng dụng định vị robot mơi trường nhà Do đó, lọc Kalman áp dụng để nâng cao độ xác phương pháp định vị kết hợp AOA–RSS cách kết hợp thơng tin vị trí robot từ hệ thống phép đo AOA–RSS Bằng cách này, lọc Kalman nâng cao độ xác phương pháp định vị kết hợp AOA–RSS với sai số vài cm Định vị cho robot môi trường nhà vấn đề cấp thiết, thu hút quan tâm lớn nhà nghiên cứu giới Qua luận văn này, em mong muốn đóng góp nghiên cứu nhằm ứng dụng công nghệ truyền thông sử dụng ánh sáng nhìn thấy tốn định vị robot Ngồi ra, tương lai, công nghệ VLC không áp dụng tốn định vị mà phát triển ứng dụng dẫn đường cho robot tòa nhà siêu thị, trung tâm mua sắm lớn, bảo tàng, SVTH: Hoàng Như Việt – Lớp CCVT06B 40 Định vị robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman TÀI LIỆU THAM KHẢO [1] Gordon Povey (2011) “How green is Visible Light Communications” Avaiablefrom: http://visiblelightcomm.com/how-green-is-visible-light-communications/ [2] Ghassemlooy Z., Popoola W., Rajbhandari S (2013), Optical Wireless communications, System and Channel Modeling with MATLAB, Taylor & Francis Group, Boca Raton [3] Toshihiko Komine (2005), “Visible Light Wireless Communications and Its Fundamental Study” Available from: http://iroha.scitech.lib.keio.ac.jp:8080/sigma /bitstream/handle/10721/2017/document.pdf?sequence=4 [4] Toshihiko Komine (2004), “Fundamental Analysis for Visible-Light communication System using LED Lights”, IEEE Transactions on Consumer Electronics, vol 50, pp 100-107 [5] Garcia J., Dalla-Costa M.A., Cardesin J., Alonso J.M and Rico-Secades M (2009), “Dimming of high-brightness LEDs by means of luminous flux thermal estimation”, IEEE Transactions on Power Electronics, vol 24, pp 1107– 1114 [6] Chen J., Ai Y and Tan Y (2008), “Improved free space optical communications performance by using time diversity”, Chin Optics Letters, vol 6, pp 797–799 [7] Czaputa M., Javornik T., Leitgeb E., Kandus G and Ghassemlooy Z (2011), “Investigation of punctured LDPC codes and time-diversity on free-space optical links”, Proceedings of the 11th International Conference on Telecommunications (ConTEL), pp 359–362 [8] Kahn J.M., Barry J.R., (1997), “Wireless infrared communications”, Proceedings of the IEEE, vol 25, pp 265-298 [9] Zabih Ghassemlooy, Paul Anthony Haigh, Francesco Arca, Sandro Francesco Tedde, Oliver Hayden, Ioannis Papakonstantinou, and Sujan Rajbhandari (2013), “ Visible light communications: 3.75 / data rate with a 160 kHz bandwidth organic photo-detector and artificial neural network equalization”, Photonics Research, vol 1, pp 65-68 SVTH: Hoàng Như Việt – Lớp CCVT06B 41 ... CCVT06B Định vị robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman CHƯƠNG I - TỔNG QUAN VỀ CÔNG NGHỆ VLC – TRUYỀN THƠNG SỬ DỤNG ÁNH SÁNG NHÌN THẤY Trong năm gần đây, công. .. robot sử dụng công nghệ truyền thông ánh sáng nhìn thấy kết hợp với lọc Kalman Hình 3.2 Ứng dụng thơng thường lọc Kalman Hình 3.3 Sơ đồ minh họa ứng dụng lọc Kalman định vị robot 3.3.1 Ước đốn vị. .. robot sử dụng cơng nghệ truyền thơng ánh sáng nhìn thấy kết hợp với lọc Kalman KẾT LUẬN Luận văn trình bày tồn kiến thức tổng quan công nghệ truyền thông sử dụng ánh sáng nhìn thấy – VLC ứng dụng