Trong giai đoạn hoạt động định vị này, chúng ta sử dụng các thuật tốn định vị để xử lý các tín hiệu sĩng vơ tuyến của các AP do các thiết bị di động như laptop hay điện thoại di động thơng minh thu được tại thời điểm hiện tại để ước tính vị trí của người đang sử dụng thiết bị dị động. Chúng ta cĩ thể thấy rõ hơn về mơ hình xử lý trong giai đoạn này qua lưu đồ dự đốn vị trí hình 3.7:
Hình 3.7: Lưu đồ minh họa quá trình dự đốn thơng tin vị trí
Dựa trên lưu đồ 3.7 ta thấy rằng, quá trình định vị trong giai đoạn này dựa trên các giá trị RSS thu thập tại vị trí hiện tại của người đang sử dụng thiết bị di động. Trong trường hợp trên, bộ giá trị RSS thu thập được gồm n giá trị RSS của các AP tương ứng. Các thơng tin RSS của các AP này sẽ được sử dụng để so sánh với các dữ liệu RSS trong cơ sở dữ liệu Fingerprinting mà chúng ta đã xây dựng trong giai đoạn huấn luyện. Các thuật tốn định vị sẽ làm cơng việc so sánh, tính tốn để tìm ra thơng tin vị trí thích hợp nhất của người dùng đang sử dụng thiết bị di động.
3.3 Các thuật tốn định vị trong nhà
Trong các loại thuật tốn định vị trong nhà sử dụng cho kỹ thuật RSS Wlan Fingerprinting đã trình bày trong mục 2.5, thuật tốn dựa trên Neural Network và Support Vector Machine rất phức tạp, khơng hiệu quả đối với ứng dụng cĩ tính thời gian thực như hệ thống định vị trong nhà. Vì vậy phần này của luận văn nghiên cứu chi tiết các thuật tốn định vị cơ bản cĩ tính khả thi hơn, đĩ là thuật tốn Nearest Neighbor, K-Nearest Neighbor và K-Maximum Likelihood Neighbor và từ đĩ đề xuất một thuật tốn định vị cải tiến K-Maximum Likelihood Constraint Tracking Neighbor.
RSS của AP1 RSS của AP2 …… RSS của APn
Các thuật tốn định vị trong nhà
Thơng tin vị trí