Mô hình định vị trong nhà sử dụng mạng nơ-ron kép và bộ lọc Kalman

Bài viết "Mô hình định vị trong nhà sử dụng mạng nơ-ron kép và bộ lọc Kalman" đề xuất một phương pháp để giảm lỗi này bằng cách sử dụng phương pháp Mạng Nơ-ron kép để làm tăng độ chính xác định vị. Bên cạnh đó, chúng tôi sử dụng bộ lọc Kalman để làm ổn định tín hiệu RSS nhằm tăng . Tất cả các phép đo và các thí nghiệm đã được thực hiện và lặp lại nhiều lần trong môi trường thực tế trong nhà. Kết quả cho thấy giải pháp đã tăng độ chính xác của kết quả và khả thi để triển khai trên thực tế. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Mô hình định vị trong nhà sử dụng mạng nơ-ron kép và bộ lọc Kalman Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) Mô Hình Định Vị Trong Nhà Sử Dụng Mạng Nơ-ron Kép Và Bộ Lọc Kalman Phạm Đức Thành, Nguyễn Trọng Mạnh, Nguyễn Việt Hưng, Chu Thị Phương Dung, Đinh Thị Thái Mai Khoa Điện tử Viễn thông Đại học Công nghệ, Đại học Quốc gia Hà Nội Email:(19021514, 19021484, 18020606, dungctp, dttmai)@vnu.edu.vn Tóm tắt—Trong bài báo này, chúng tôi đề xuất một phương khoảng cách trong không gian mở là dưới 1m và dưới 0.7m pháp để giảm lỗi này bằng cách sử dụng phương pháp Mạng trong không gian kín. Một đề xuất khác của nhóm nghiên cứu Nơ-ron kép để làm tăng độ chính xác định vị. Bên cạnh đó, [3] sử dụng bộ lọc Kalman với khả năng tự hiệu chuẩn để chúng tôi sử dụng bộ lọc Kalman để làm ổn định tín hiệu RSS cung cấp kết quả định vị chính xác hơn theo biến thể RSS. nhằm tăng . Tất cả các phép đo và các thí nghiệm đã được thực hiện và lặp lại nhiều lần trong môi trường thực tế trong nhà. Trong bài báo này chúng tôi sẽ sử dụng thêm bộ lọc Kalman Kết quả cho thấy giải pháp đã tăng độ chính xác của kết quả và để làm mịn tín hiệu đầu vào, cải thiện chất lượng cơ sở dữ khả thi để triển khai trên thực tế. liệu giúp dự đoán chính xác hơn. Từ khoá—BLE beacon, Định vị trong nhà, Mạng Nơ-ron, bộ Phần còn lại của bài báo được tổ chức như sau: Trong phần lọc Kalman. II chúng tôi trình bày tổng quan hệ thống , phân tích các kỹ thuật và định nghĩa, thuật toán được sử dụng. Phần III, chúng I. GIỚI THIỆU tôi sẽ triển khai mô phỏng hệ thống. Phần IV là các kết quả Những năm gần đây, nhu cầu về hệ thống định vị trong nhà mô phỏng, phân tích và kết luận bài báo trong phần V. tăng lên nhanh chóng do tính ứng dụng của chúng. Cùng với sự phát triển nhanh chóng của công nghệ truyền dẫn không II. THUẬT TOÁN ĐỀ XUẤT dây với các thiết bị thông minh, hệ thống định vị có thể được Bluetooth Low Energy (BLE) là một trong những phương ứng dụng trong nhiều lĩnh vực hiện đại trong tương lai như: thức truyền tín hiệu phổ biến trong nghiên cứu và vận hành Robotic(vệ tinh, y tế, quân sự, giáo dục,...) xe tự hành, dò hệ thống định vị trong nhà với ưu điểm là nhỏ gọn, tiết kiệm đường, tìm vật thể. Tuy nhiên, hệ thống cần được điều chỉnh năng lương và chi phí đầu tư thấp [4]. Giao thức iBeacon do sao cho có thể hoạt động tốt trong các lĩnh vực khác nhau và Apple sản xuất [5] đã trở thành tiêu chuẩn công nghiệp được trong các môi trường khác nhau. Hệ thống định vị toàn cầu sử dụng rộng rãi trong hệ thống định vị trong nhà. hay GPS được sử dụng rộng rãi nhất trong môi trường ngoài Các thiết bị phát sóng sử dụng giao thức iBeacon (gọi chung trời với tín hiệu truyền từ vệ tinh [1]. Tuy nhiên, tín hiệu vệ là beacon) hoạt động như một trạm phát sóng quảng bá, liên tinh được biết là khó xuyên qua vật liệu, do đó khiến kết quả tục phát đi gói tin của trạm. Đối với hệ thống này, hai thông GPS trả về có sai số lớn, hoặc thậm chí không khả dụng khi tin mà ta cần quan tâm là ID riêng biệt cho mỗi Beacon và chúng ta di chuyển trong nhà hoặc trong đường hầm. Vì lý do dữ liệu RSS thu được. này, các hệ thống định vị đặc biệt cho mục đích sử dụng trong RSS là tham số cho biết cường độ của tín hiệu nhận được từ nhà được thiết kế. Các hệ thống định vị trong nhà phổ biến máy phát tại một khoảng cách, dựa vào dữ liệu này ta có thể nhất thường sử dụng công nhệ tín hiệu không dây như: Wi- ước lượng được ví trí của vật thể [6]. Tuy nhiên dữ liệu này Fi, Bluetooth Low Enegy (BLE) và kết hợp kỹ thuật định vị rất không ổn định, các hệ thống định vị dựa trên RSS được ưu dựa trên cường độ tín hiệu bên thu (Receiver Signal Strength tiên kết hợp với các kỹ thuật không có phạm vi, điều này sẽ Indicator-RSSI). giúp giảm độ phức tạp và tăng độ chính xác trong hệ thống. Trong bài báo này chúng tôi xây dựng một hệ thống định Vì vậy trong bài báo này chúng tôi đề xuất sử dụng phương vị trong nhà dựa trên kỹ thuật RSS Fingerprinting (RSS FP), pháp RSS Fingerprinting (RSS FP) kết hợp với hai mô-đun sử dụng mạng Nơ-ron kép. Ngoài ra chúng tôi thử nghiệm Neural Network đồng thời dùng bộ lọc Kalman để giảm nhiễu phương pháp xếp chồng hai Neural Network để giảm độ phức tín hiệu RSS thu được. tạp thuật toán đồng thời tăng độ chính xác. Trong giai đoạn ngoại tuyến, dữ liệu RSS thô, không ổn Vấn đề của việc sử dụng công nghệ BLE cũng như sử dụng định sẽ được thu nhập và xử lý qua bộ lọc Kalman trước khi dữ liệu RSS trong học máy để dự đoán vị trí đó là tín hiệu rất được lưu trong cơ sở dữ liệu. Trong giai đoạn trực tuyến, việc dễ chịu ảnh hưởng bởi nhiễu đa đường do môi trường trong định vị thực tế của mục tiêu sẽ diễn ra, với sự trợ giúp của nhà có nhiều vật cản từ đó làm ảnh hưởng trực tiếp đến kết quả hai mô-đun mạng Nơ-ron có khả năng phân loại. Chúng được đầu ra. Đã có một số nghiên cứu kỹ thuật lọc nhằm cải thiện kết nối đồng thời với nhau, đầu ra của mô-đun đầu tiên cũng tín hiệu RSSI. Nhóm nghiên cứu [2] đã đề xuất cải th ...