CHƢƠNG 3 TIẾT KIỆM NĂNG LƢỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY ĐA CHẶNG SỬ DỤNG
3.4.2. xuất phƣơng pháp thực hiện bộ lọc chất điểm
PF có ba pha cơ bản sau: Khởi tạo N chất điểm, lan truyền chất điểm và tính toán trọng số
mới (cập nhật trọng số). Chi tiết hoạt động của các pha được trình bày trong chi tiết trong phần này.
3.4.2.1. Pha khởi tạo N chất điểm
Trong [56] các tác giả đã lấy chính vị trí các nút mạng làm vị trí các chất điểm. Luận án sử dụng một thuật ngữ mới Particle Cloud – đám mây chất điểm là vùng được xác định bởi N
chất điểm. Ý tưởng là chúng ta đưa ra trạng thái vị trí x0, trạng thái ước lượng ̂ và đám mây
chất điểm Particle Cloud từ tập thông tin đầu tiên đo đạc được. Vị trí ước lượng ̂ được xác
định bằng giá trị được biểu diễn cho nút cảm biến. Với khoảng cách xa hơn từ nút cảm biến tới đích, giá trị thấp được biểu diễn cho các nút này. Sở dĩ ở đây sử dụng thuật ngữ đám mây chất
điểm vì mong muốn các chất điểm sẽ phủ kín vị trí ̂ vừa tính ra, và thông qua các bước lan
truyền chất điểm, đám mây này sẽ luôn bao phủ tốt vị trí thực của mục tiêu, qua đó kết quả ước lượng sẽ càng chính xác. Sử dụng một phân phối xác suất thống kê để tạo ra đám mây chất điểm, và kèm theo đó là khởi tạo trọng số cho các chất điểm này. Cách làm này được
101
đánh giá là khá đơn giản và có thể chủ động thay đổi cấu trúc của đám mây chất điểm để tìm phương án tối ưu nhất.
3.4.2.2. Pha lan truyền chất điểm
Trong [56] các tác giả có giới thiệu về phương pháp lan truyền chất điểm. Cách thực hiện này quá phức tạp, đòi hỏi khối lượng truyền thông và tính toán lớn. Do vậy, luận án đề xuất
mộtkỹ thuật lan truyền chất điểm dựa theo lý thuyết SIS là sử dụng hàm | . Từ
hàm | ta tính ra một vector độ dời ⃗. Việc lan truyền chất điểm lúc này tương
đương với việc di chuyển đám mây chất điểm theo vector ⃗. Do vậy cách lấy mẫu
| là rất phù hợp cho WSN. Do đặc tính di chuyển ngẫu nhiêu của đối
tượng, nếu không sử dụng đo lường mới nhất thì rất khó để quá trình lan truyền chất điểm
diễn ra hoàn hảo. Thuật toán lan truyền đám mây chất điểm đề xuất được trình bày trong thuật toán dưới đây. Trong thuật toán này, đám mây chất điểm được lan truyền dựa trên hàm
| . Sau đó tìm vận tốc ⃗ và sử dụng hàm propa_function() để quảng bá chất điểm. Và qua cách làm này, hai bước có thể được hoàn thành: lấy mẫu và quảng bá trọng số
. Hình 3.18 cho thấy sự quảng bá chất điểm ở bước lặp t. Trong hình vẽ, vòng tròn xám
nhỏ thể hiện các chất điểm, ô vuông là các vị trí của đối tượng ở vòng lặp t-1 và t, vòng tròn
với S1, S2, S3,… biểu thị các nút cảm biến. Ở thời điểm t, khi đối tượng di chuyển đến vị trí
mới với vận tốc là ⃗ thì đám mây chất điểm cũng di chuyển đến vị trí mới với vận tốc ⃗ tương
ứng. Ở bước 2.1 của thuật toán, hàm propa_function() là hàm quảng bá chất điểm.
Thuật toán quảng bá đám mây chất điểm tại bƣớc nhảy thời gian t
Vào: { ̅ } { }
Ra: { }
1. Tìm vector quảng bá ⃗
1.1.
102
1.3. Tính ̇ ∑ ̅̅̅̅̅
1.4. Vector quảng quá chất điểm: ⃗ ̇ ̂
2. For
2.1. ⃗
2.2. ̅
3. Kết thúc
Hình 3.18. Ví dụ về lan truyền đám mây chất điểm 3.4.2.3. Pha tính toán trọng số
Công việc tiếp theo của lan truyền chất điểm là việc tính toán trọng số mới cho các chất điểm. Sử dụngcông thức (3.68), sau khi thực hiện xong bước lan truyền chất điểm, ta có liên kết và . Công việc còn lại là tính toán hàm . Cách thực hiện như sau:
( | ) ∏ | (3.70)
Trong đó ( | ) , là hàm phi tuyến của giá trị
103
nghiên cứu, được chọn là Gaussian. Nhưng trong thực tế, rất khó để xác định hàm đo nhiễu
một cách tường minh. Do đó, luận án xây dựng lại như sau:
{
(3.71)
Với việc điều chỉnh giá trị của các thông số c1, c2 hoặc Thresh, sẽ cho giá trị tốt
nhất.
Phương pháp tối ưu này được thực hiện trên 3 thuật toán bộ lọc chất điểm là SIS, GPF và SIR. Luận án mô phỏng 3 trường hợp tối ưu đề xuất của bộ lọc chất điểm PF (SIS, SIR và GPF) và so sánh các kết quả với kỹ thuật SIS-Dis đã được sử dụng ở [56]. Các kết quả được trình bày như dưới đây.
3.4.2.4. Kết quả mô phỏng
Thông số mô phỏng:
- Kích thước mạng: 400x400 (m).
- Số lượng nút mạng: 400 nút.
- Băng thông kênh truyền: 250kbps.
- Chu kỳ lấy mẫu: 0.5s.
- Cự ly cảm biến: 30m.
- Cự ly truyền thông: 50m.
- Mục tiêu có quỹ đạo di chuyển bất kỳ, tốc độ di chuyển không quá nhanh.
Các thông số bộ lọc chất điểm (PF):
- Kích thước tập chất điểm: 41.
- Các thuật toán đưa ra so sánh: SIS, GPF, SIR, SIS-Dis.
Kết quả thu được:
Hình 3.19 thể hiện ước lượng tuyến đường với 3 thuật toán tối ưu đề xuất SIS, GPF và SIR và thuật toán SIS-Dis. Kết quả đồ thị cho thấy, các phương thức đề xuất SIS, GPF, SIR cho kết quả tốt hơn phương thức bộ lọc chất điểm phân tán SIS-Dis. Có được kết quả này là do phương pháp mới đã tăng kích thước của tập chất điểm. Kích thước của tập này lớn hơn số đo đạc nhận được trong một chu kỳ theo dõi.
104
Hình 3.19. Ước lượng đường đi của đối tượng thực hiện với các thuật toán SIS, GPF, SIR, SIS-Dis
Hình 3.20. Trễ đầu cuối khi mô phỏng các thuật toán theo thời gian
Hình 3.20 thể hiện trễ của các thuật toán theo thời gian. Từ kết quả đồ thị ta thấy trễ của tất cả các thuật toán bộ lọc chất điểm đều tốt và gần như nhau. Giá trị trung bình của trễ đều bé hơn 0.5s.
105
Hình 3.21. Độ chính xác ước lượng của các thuật toán SIS, GPF, SIR và SIS-Dis khi mô phỏng theo thời gian
Hình 3.21 thể hiện độ chính xác ước lượng của các thuật toán khi mô phỏng theo thời gian. Các kết quả cho thấy các thuật toán đề xuất SIS, GPF, SIR có khả năng ước lượng cho độ chính xác cao, ổn định hơn thuật toán SIS-Dis.
Các kết quả mô phỏng trên cho thấy, cách thức thực hiện thuật toán bộ lọc chất điểm mới trên thuật toán SIS, GPF, SIR cho kết quả ước lượng tốt hơn cách thức đã được đề xuất trước đây SIS-Dis trong khi độ trễ vẫn đảm bảo. Và phương thức đề xuất mới có cách thực hiện đơn giản hơn, dễ dàng được áp dụng vào mạng cảm biến không dây trong triển khai thực tế khi so sánh với cách thức SIS-Dis đã được đề xuất.