Luận án tiến sĩ: Giải pháp định vị trong nhà hiệu quả dựa trên dữ liệu sóng WiFi

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ …….***………… NGÔ VĂN BÌNH NGHIÊN CỨU CÁC GIẢI PHÁP ĐỊNH VỊ TRONG NHÀ HIỆU QUẢ DỰA TRÊN DỮ LIỆU SÓNG KHÔNG DÂY LUẬN ÁN TIẾN SĨ HỆ THỐNG THÔNG TIN Hà Nội - 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ …….***………… NGÔ VĂN BÌNH NGHIÊN CỨU CÁC GIẢI PHÁP ĐỊNH VỊ TRONG NHÀ HIỆU QUẢ DỰA TRÊN DỮ LIỆU SÓNG KHÔNG DÂY LUẬN ÁN TIẾN SĨ HỆ THỐNG THÔNG TIN Ngành: Hệ thống thông tin Mã số: 9 48 01 04 Xác nhận của Học viện Người hướng dẫn 1 Người hướng dẫn 2 Khoa học và Công nghệ (Ký, ghi rõ họ tên) (Ký, ghi rõ họ tên) TS. Hoàng Đỗ Thanh Tùng PGS. Nguyễn Thanh Hải Hà Nội - 2023 i LỜI CAM ĐOAN Tôi xin cam đoan tất cả các nội dung trong luận án: "Nghiên cứu các giải pháp định vị trong nhà hiệu quả dựa trên dữ liệu sóng không dây" là công trình nghiên cứu của riêng tôi, dưới sự hướng dẫn khoa học của Các số liệu, kết quả nghiên cứu trong luận án này là hoàn toàn trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác, các dữ liệu tham khảo được trích dẫn đầy đủ. Các kết quả được viết chung với các tác giả khác đều được sự đồng ý của các đồng tác giả trước khi đưa vào luận án.

Luận án được hoàn thành trong thời gian tôi làm Nghiên cứu sinh tại Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam. Hà Nội, ngày 13 tháng 09 năm 2023 Nghiên cứu sinh Ngô Văn Bình ii LỜI CẢM ƠN Đầu tiên, tác giả xin bày tỏ lời tri ân sâu sắc tới TS. Hoàng Đỗ Thanh Tùng, PGS. Nguyễn Thanh Hải những Thầy giáo đã tận tình hướng dẫn tác giả hoàn thành luận án này.

Tác giả xin chân thành cảm ơn Ban lãnh đạo và các Thầy, Cô giáo Học viện Khoa học và Công nghệ, Viện Công nghệ thông tin, Viện Hàn lâm Khoa học và Công nghệ Việt Nam đã tạo điều kiện, giúp đỡ tác giả trong quá trình học tập và nghiên cứu tại Học viện. Tác giả xin cảm ơn Thầy PGS.TS Nguyễn Long Giang, Thầy PGS.TS Nguyễn Việt Anh và Thầy TS Vũ Văn Hiệu đã có những đóng góp quý báu cho các công bố nghiên cứu của tôi. Tác giả cũng xin gửi lời cảm ơn đến các Thầy, Cô và Anh Chị trong nhóm nghiên cứu Định vị trong nhà đã luôn chia sẻ, động viên và đưa ra góp ý quý báu đối với vấn đề nghiên cứu của tác giả. Tác giả xin cảm ơn Ban Giám hiệu trường Đại học Công nghiệp Hà nội, Ban giám hiệu trường Đại học FPT, Ban chủ nhiệm khoa Công nghệ thông tin trường Đại học Công nghiệp, Trưởng ban đào tạo, Trưởng bộ môn CF Đại học FPT cùng các đồng nghiệp nơi tác giả công tác đã ủng hộ, tạo mọi điều kiện tốt nhất để luận án được hoàn thành đúng thời hạn.

Cuối cùng, tác giả xin chân thành cám ơn gia đình và bạn bè đã luôn chia sẻ, động viên và giúp đỡ tôi trong suốt thời gian học tập và nghiên cứu. Hà Nội, ngày 13 tháng 09 năm 2023 Nghiên cứu sinh Ngô Văn Bình iii MỤC LỤC LỜI CAM ĐOAN. ii MỤC LỤC. vi DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT.

vii DANH MỤC CÁC HÌNH VẼ. x DANH MỤC CÁC BẢNG BIỂU. xiii MỞ ĐẦU. TỔNG QUAN VỀ CÁC GIẢI PHÁP ĐỊNH VỊ TRONG NHÀ DỰA TRÊN DỮ LIỆU SÓNG KHÔNG DÂY 10 1.1 Bài toán định vị dựa trên vị trí .2 Bài toán định vị trong nhà dựa trên dữ liệu sóng không dây .3 Các công nghệ không dây dùng định vị trong nhà .4 Tổng quan các phương pháp định vị trong nhà bằng dữ liệu sóng WiFi 15 1.1 Các phương pháp định vị dựa trên phạm vi .2 Các phương pháp dựa trên RSS .3 Đánh giá các phương pháp .5 Định vị trong nhà bằng phương pháp fingerPrinting .1 Kiến trúc hệ thống định vị bằng phương pháp fingerPrinting.2 Cơ sở dữ liệu fingerPrinting .6 Các yếu tố ảnh hưởng đến chất lượng định vị của hệ thống định vị trong nhà bằng fingerPrinting .7 Các phương pháp tăng hiệu quả, độ chính xác định vị của phương pháp fingerPrinting .1 Phương pháp chọn AP.2 Phương pháp phân cụm .3 Phương pháp fingerPrinting dựa trên thuật toán học máy .8 Một số kỹ thuật được áp dụng trong bài toán định vị trong nhà bằng phương pháp fingerPrinting .1 Phân cụm lan truyền độ tương đương.2 k Hàng xóm gần nhất.3 Máy hỗ trợ vector.4 Hồi quy tuyến tính.5 Hồi quy Logistic .6 Rừng ngẫu nhiên.7 Cây hồi quy bổ sung .8 Máy tăng cường độ dốc nhẹ .9 Các chỉ số đánh giá hiệu năng hệ thống định vị trong nhà .1 Mô hình phân lớp .2 Mô hình hồi quy .3 Siêu tham số.

43 Kết chương 1. PHƯƠNG PHÁP CHỌN AP VÀ PHÂN CỤM CƠ SỞ DỮ LIỆU FINGERPRINTING 45 2.2 Bài toán định vị trong nhà bằng phương pháp fingerPrinting truyền thống .3 Đề xuất phương pháp chọn AP .4 Đề xuất phương pháp chọn cụm .5 Xây dựng môi trường thực nghiệm thực tế .1 Môi trường thực nghiệm .2 Bản đồ định vị và chỉ số quy đổi .6 Kết quả và đánh giá phương pháp chọn AP .1 Nội dung và kịch bản thực nghiệm.2 Kết quả thực nghiệm và đánh giá .7 Kết quả và đánh giá phương pháp chọn cụm.1 Lựa chọn phương pháp phân cụm .2 Kịch bản thực nghiệm .3 Kết quả thực nghiệm và đánh giá. 68 Kết chương 2. MÔ HÌNH HỌC MÁY HAI GIAI ĐOẠN 71 3.2 Bài toán định vị trong nhà bằng phương pháp fingerPrinting dựa trên học máy.3 Mô hình đề xuất .4 Môi trường thực nghiệm và bài toán định vị .1 Bộ dữ liệu thực nghiệm .2 Bài toán định vị .5 Mô hình phân lớp hai giai đoạn dự đoán tòa tầng .1 Xây dựng và đề xuất mô hình phân lớp hai giai đoạn dự đoán tòa tầng .2 Kết quả thực nghiệm và đánh giá mô hình phân lớp hai giai đoạn dự đoán tòa tầng .6 Mô hình hồi quy hai giai đoạn ước lượng vị trí .1 Xây dựng và đề xuất mô hình hồi quy hai giai đoạn ước lượng vị trí .2 Kết quả và đánh giá mô hình hồi quy hai giai đoạn ước lượng vị trí .7 Kết quả và đánh giá mô hình đề xuất với dữ liệu thực tế .8 So sánh kết quả mô hình đề xuất với mô hình của các nghiên cứu khác 95 Kết chương 3.

97 vi KẾT LUẬN 99 CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ 102 TÀI LIỆU THAM KHẢO 119 PHỤ LỤC A.1 Cơ sở dữ liệu và dữ liệu mẫu dùng trong chương 2 .1 Cơ sở dữ liệu .2 Thu thập mẫu .2 Kết quả chi tiết thực nghiệm đề xuất chọn AP .1 Kết quả chi tiết thực nghiệm phương pháp chọn AP có RSS mạnh nhất .2 Kết quả chi tiết thực nghiệm đề xuất chọn AP .3 Siêu tham số. P15 vii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Kí hiệu Tiếng Anh Tiếng Việt AoA Angle of Arrival góc đến AP Access Point Điểm truy cập WiFi/ Trạm phát WiFi APC Affinity Propagation Clustering Phương pháp phân cụm lan truyền độ tương tự CART Classification and Regression Cây phân loại và hồi quy Tree CSDL Database Cơ sở dữ liệu DNN Deep Neural Networks Mạng Neural sâu DT Decision Tree Cây quyết định ELM Ensemble Learning model Mô hình học máy kết hợp GB Gradient Boosting Tăng cường độ dốc GPS Global Positioning System Hệ thống định vị toàn cầu ILBS Indoor Location based Services Dịch vụ dựa trên vị trí trong nhà IPS Indoor Positioning Systems Hệ thống định vị trong nhà ISM Industrial, Scientific and Medi- Công nghiệp, khoa học và y tế cal KNN K-Nearest Neighbors Thuật toán láng giềng gần KPCA Kernel Principal Component Phương pháp phân tích thành Analysis phần hạt nhân chính LBS Location Based System Hệ thống định vị dựa trên vị trí LDA Linear Discriminant Analysis Phân tích phân biệt tuyến tính viii LightGBM Light Gradient Boosted Machine Máy tăng cường độ dốc nhẹ LiR Linear Regression Hồi quy tuyến tính LoS Light of Sign Đường truyền thẳng LOS Line-Of-Sight Đường truyền thẳng LR Logistic Regression Hồi quy Logistic ML Machine Learning Học máy MSE Mean Squared Error Sai số toàn phương trung bình NB Naive Bayes Thuật toán Naı̈ve Bayes NLoS Not Light of Sign Đường truyền không thẳng PCA Principle Component Analysis Phương pháp phân tích thành phần chính RF Random Forest Rừng ngẫu nhiên RFID Radio Frequency Identification Nhận dạng tần số vô tuyến RP Reference Point Điểm tham chiếu RSS Received Signal Strength Cường độ tín hiệu nhận được RSSI Received Signal Strength Indica- Chỉ số cường độ tín hiệu tor SVM Support Vector Machines Máy hỗ trợ vector TDoA Time Difference of Arrival- chênh lệch thời gian đến ToA Time of Arrival Thời gian tới TSARS Time and Space Attributes of Re- Thuộc tính về không gian và thời ceived Signal gian của tín hiệu nhận được UWB Ultra Wide Band Băng thông siêu rộng WKNN Weighted K Nearest Neighbours KNN có trọng số ix DANH MỤC CÁC HÌNH VẼ Hình 1 Ứng dụng định vị vị trí trong nhà .1 Các kỹ thuật, phương pháp định vị dựa trên WiFi .2 Mô tả phương pháp ToA .3 Mô tả phương pháp TDoA .4 Mô tả phương pháp AoA .5 Mô tả phương pháp tiệm cận .6 Kiến trúc hệ thống định vị trong nhà bằng phương pháp finger- Printing .7 Quy trình xây dựng và tạo CSDL fingerPrinting .8 Cấu trúc Cơ sở dữ liệu fingerPrinting .9 Biểu đồ phân cụm .1 Phương pháp fingerPrinting sử dụng thuật toán KNN .2 Lưu đồ phương pháp chọn AP được đề xuất .3 Lưu đồ phương pháp chọn cụm .4 Bản đồ định vị .5 Kịch bản thử nghiệm đề xuất chọn AP .6 Biểu đồ so sánh sai lệch vị trí trung bình của hai phương pháp chọn AP theo từng kịch bản .7 Kết quả phân cụm bằng k-mean .8 Kết quả phân cụm bằng APC .9 Kịch bản thử nghiệm đề xuất chọn cụm .1 Lưu đồ phương pháp fingerPrinting dựa trên học máy .2 Mô hình huấn luyện hai giai đoạn .3 Quá trình huấn luyện hai giai đoạn của mô hình .4 Bài toán định vị đa tòa, đa tầng .5 Quy trình thực thi các mô hình phân lớp độc lập dự đoán tòa-tầng 80 Hình 3.6 So sánh chỉ số của các mô hình độc lập dự đoán tòa-tầng .7 So sánh hiệu suất và kết quả dự đoán đúng của các mô hình độc lập dự đoán tòa-tầng .8 Mô hình phân lớp hai giai đoạn dự đoán tòa-tầng .9 Quy trình thực thi các mô hình hồi quy độc lập ước lượng kinh độ 87 Hình 3.10 Mô hình hồi qui hai giai đoạn ước lượng kinh độ .11 Quy trình thực thi các mô hình hồi quy độc lập ước lượng vĩ độ .