Các giá trị phân vị thể hiện rằng trong 25% các trường hợp thử nghiệm, sai số đầu ra của hệ thống là nhỏ hơn 0.288m và trong 90% các trường hợp thử nghiệm, giá trị sai số nhỏ hơn 1.157m.
CHƢƠNG 5. KẾT LUẬN
Trong ngữ cảnh phát triển phần mềm thương mại, các hệ thống định vị trong nhà có độ tin cậy cao, chi phí phát triển và triển khai thấp vẫn là mục tiêu được nhiều nghiên cứu hướng đến. Mục tiêu chính của luận văn này là nghiên cứu và phát triển một hệ thống định vị trong nhà dựa trên cảm biến điện thoại thông minh, nhằm mục đích cắt giảm chi phí phát triển và triển khai trong thực tế.
Trong quá trình nghiên cứu các hệ thống định vị trong nhà và công trình trước đó, tôi nhận thấy rằng các công nghệ như Wi-Fi và Bluetooth được sử dụng rất rộng rãi trong các hệ thống định vị trong nhà. Thông qua việc nghiên cứu và so sánh các ưu nhược điểm của các hệ thống và công nghệ định vị trong nhà trước đó, tôi đề xuất xây dựng hệ thống định vị trong nhà dựa trên cường độ tín hiệu từ trường và cảm biến từ trường ở điện thoại thông minh nhằm mục tiêu cắt giảm chi phí, không cần đầu tư cơ sở hạ tầng thiết bị và dễ sử dụng.
Hệ thống định vị trong nhà sử dụng cảm biến từ trường trên điện thoại thông minh đã được phát triển và thử nghiệm cho kết quả tốt. Độ chính xác của hệ thống trong các thử nghiệm là sai số định vị nhỏ hơn 1.157m trong 90% các trường hợp. Hệ thống được thiết kế để có tính mềm dẻo và có thể áp dụng các tín hiệu khác thay vì phụ thuộc vào cường độ bức xạ từ trường. Việc tích hợp hệ thống với bản đồ Google Map cũng làm tăng tính dễ sử dụng của hệ thống trong việc định vị.
Trong tương lai, hệ thống định vị trong nhà sử dụng cảm biến từ trường trên điện thoại thông minh có thể được ứng dụng trong thực tế, tuy nhiên vẫn còn một số hạn chế của hệ thống cần được khắc phục. Hệ thống được phát triển dựa trên tính ổn định của cường độ từ trường trong khu vực, do đó, mỗi khi
khu vực có sự thay đổi đáng kể, cần phải tiến hành xây dựng lại bản đồ từ trường khu vực. Bên cạnh đó, có thể tăng độ chính xác của hệ thống và giảm lượng tiêu thụ tài nguyên tính toán bằng cách khoanh vùng tìm kiếm khi thực hiện thuật toán định vị. Có thể kết hợp thêm các tín hiệu khác trong khu vực như bản đồ cường độ Wi-Fi và mã SID của mạng Wi-Fi để tăng độ chính xác. Những hướng nghiên cứu tiếp theo cũng có thể sử dụng các thuật toán định vị khác như bộ lọc Kalman hoặc bộ lọc hạt để tăng độ tin cậy của kết quả định vị.
TÀI LIỆU THAM KHẢO
[1] Wi-Fi Alliance, http://wi-fi.org [2] 3G PPP, http://3gppp.org [3] 5G PPP, http://5g-ppp.eu
[4] Bluetooth, http://www.bluetooth.com
[5] Bluetooth Beacons, http://www.bluetoothbeacons.com
[6] T. Tsang và M. El-Gamal (2005), Ultra-wideband (UWB) communications systems: an overview
[7] J. York (2008), Acoustic Source Localization
[8] R. Dobbins, S. Garcia, B. Shaw (2011), Software Defined Radio Localization Using 802.11-style Communications
[9] P. Barsocchi, S. Lenzi, S. Chessa, G. Giunta (2009), A Novel Approach to Indoor RSSI Localization by Automatic Calibration of the Wireless Propagation Model
[10] Oguejiofor O. S, Aniedu A. N, Ejiofor H. C, Okolibe A. U (2013),
Trilateration Based localization Algorithm for Wireless Sensor Network
[11] R. E. Kalman (1960), A new approach to linear filtering and prediction problems
[12] R. Want, A.Hopper, V. Flaco, J. Gibbsons (1992), The Active Badge Location System
[13] Ward, Jones và A. Hopper (1997), A New Location Technique for the Active Office
[14] S. Suksakulchai, S. Thongchai, D.M. Wilkes, K. Kawamura (2000),
Mobile robot localization using an electronic compass for corridor environment
[15] J. Haverinen, A. Kemppainen (2009), A global self-localization technique utilizing local anomalies of the ambient magnetic field
[16] D. Navarro. G. Benet (2009), Magnetic map building for mobile robot localization purpose
[17] S. Yuanchao, B. Cheng, S. Goubin, Z. Chunshui, L. Liqun, Z. Feng. (2015), Magicol: Indoor Localization Using Pervasive Magnetic Field and Oppotunistic WiFi Sensing