Đánh giá các giải thuật khớp mẫu cho định vị trong nhà bằng WLAN

Nghiên cứu này đã thiết kế một phần mềm có thể thu thập dữ liệu WLAN từ các AP (Access Point). Sau đó sử dụng các bộ dữ liệu này để ước lượng vị trí của người dùng thông qua các giải thuật khớp mẫu. Có 3 giải thuật được đánh giá trong bài viết này: k-nearest Neighbors (k-NN), ηk-NN và Artificial Neural Network (ANN).
Nội dung trích xuất từ tài liệu:
Đánh giá các giải thuật khớp mẫu cho định vị trong nhà bằng WLAN TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(77).2014 5 ĐÁNH GIÁ CÁC GIẢI THUẬT KHỚP MẪU CHO ĐỊNH VỊ TRONG NHÀ BẰNG WLAN EVALUATION OF PATTERN MATCHING ALGORITHMS FOR INDOOR LOCALIZATION VIA WLAN Nguyễn Minh Hoàng1,2, Phan Minh Nhật2, Lê Tỷ Khánh2 1 Trường Đại học Kinh tế - Luật, Đại học Quốc gia Thành phố Hồ Chí Minh 2 Trường Đại học Bách khoa Thành phố Hồ Chí Minh Tóm tắt - Nghiên cứu này đã thiết kế một phần mềm có thể thu Abstract - This study develops a software tool that can collect thập dữ liệu WLAN từ các AP (Access Point). Sau đó sử dụng các WLAN database from APs (Access Points) and use this database bộ dữ liệu này để ước lượng vị trí của người dùng thông qua các for estimating the location of user via pattern matching algorithms. giải thuật khớp mẫu. Có 3 giải thuật được đánh giá trong bài viết There are 3 major pattern matching algorithms in this study: k- này: k-nearest Neighbors (k-NN), ηk-NN và Artificial Neural nearest Neighbors (k-NN), ηk-NN and Artificial Neural Network Network (ANN). Nghiên cứu được khảo sát trên hai khu vực: khu (ANN). Practical experiments use 2 test beds: test bed 1 has small vực với diện tích nhỏ với ít vật thể ảnh hưởng và một khu vực có area and not a noisy environment, test bed 2 has an area 14 times diện tích gấp 14 lần với nhiều yếu tố có thể ảnh hưởng đến cường bigger than test bed1 and the environment is impacted by many độ tín hiệu WLAN thu được. Ảnh hưởng của các thông số như số noise sources for WLAN signal. The impact of factors like the lượng mẫu, hệ số k, số perceptron trong lớp ẩn của ANN, số lượng number of samples, k, the number of perceptrons in the hidden AP, số lần quét tại mỗi điểm và kích thước của khu vực được khảo layer of ANN and the size of testing environment are evaluated. sát sẽ được đánh giá. Từ đó có thể chọn ra các thông số tối ưu Thereby, we can choose the best value for parameters to achieve cho phần mềm định vị. the best accuracy. Từ khóa - hệ thống định vị trong nhà; ANN; k-nearest neighbors; Key words - indoor location system; artificial neural network; k- WLAN; MANET (mobile ad-hoc network) nearest neighbors; wireless LAN; MANET (mobile ad-hoc network) 1. Giới thiệu • Tìm phương pháp lai tạo giữa các phương pháp khớp mẫu. Định vị trong nhà là một trong những nhu cầu của người • Đề xuất các mô hình truyền sóng để xác định một hàm sử dụng thiết bị di động bởi vì GPS gặp phải khá nhiều sai của cường độ tín hiệu theo khoảng cách. số trong môi trường bên trong các tòa nhà. Người dùng • Lọc các dữ liệu mẫu để làm giảm ảnh hưởng của nhiễu. không thể biết được mình đang ở trong tầng nào và phòng AP1 Location Info Database nào. Với kỹ thuật định vị trong nhà, các công ty phần mềm có thể phát triển các ứng dụng giúp xác định được vị trí của Receiver người dùng thiết bị di động hoặc vị trí của người khác, dẫn đường bên trong một tòa nhà lớn như trung tâm mua sắm, AP2  sân bay, thư viện,…, hỗ trợ các tình huống khẩn cấp,… Có Fingerprint rất nhiều kỹ thuật được sử dụng cho định vị trong nhà: kỹ AP3 info thuật GPS trong nhà, định vị dựa trên UWB, định vị dựa trên WLAN,... Trong số đó, định vị dựa trên WLAN là một Hình 1. Giai đoạn 1 (off-line) thu thập các mẫu cho bộ dữ liệu kỹ thuật nổi trội bởi vì chi phí thấp, dễ triển khai, không Database cần thiết bị chuyên dụng. Người dùng với các thiết bị như smart phone, tablet, laptop có thể cài đặt một phần mềm để xác định vị trí mà không cần thêm bất kỳ một thiết bị chuyên dụng nào. Về cơ bản quy trình định vị được chia làm 2 giai đoạn: Giai đoạn 1 (offline) sẽ thu thập bộ dữ liệu AP1 bao gồm các 'fingerprint' hay có thể gọi là mẫu và vị trí Fingerprint Estimated info location tương ứng tại từng điểm khảo sát, Giai đoạn 2 (real time) Receiver AP2 Pattern Matching sẽ thu thập một 'fingerprint' thời gian thực sau đó dùng Algorithm các giải thuật khớp mẫu kết hợp với bộ dữ liệu giai đoạn 1 để ước lượng ra vị trí hiện tại. Mỗi 'fingerprint' có dạng AP3 như sau: (RSS1=-20, RSS2=-30, RSS3=-55,…,x=15,y=20) Hình 2. Giai đoạn 2 (real time) ước lượng vị trí cho người dùng trong đó RSSi là cường độ đo được của APi tại tọa độ (x,y). từ dữ liệu mẫu và bộ cơ sở dữ liệu Tuy nhiên, kỹ thuật này bị ảnh hưởng của nhiễu đa Nghiên cứu này tập trung vào việc phát triển một phần đường đến độ chính xác do đó các nhà nghiên cứu cần tìm mềm mẫu trên hệ điều hành Window dùng cho định vị trong ra các phươn ...