Tổng quan về luận án

Luận án này tiên phong nghiên cứu và phát triển giải pháp tích hợp Hệ thống định vị vệ tinh toàn cầu (GNSS) và Hệ thống dẫn đường quán tính (INS) trên Điện thoại thông minh (Smartphone) nhằm nâng cao độ chính xác định vị tọa độ, ứng dụng hiệu quả trong công tác Trắc địa - Bản đồ (TĐBĐ). Bối cảnh khoa học hiện đại chứng kiến sự phổ biến của Smartphone trang bị phần cứng GNSS và các cảm biến quán tính, mở ra tiềm năng lớn cho các ứng dụng định vị chi phí thấp. Tuy nhiên, tính đến năm 2017, độ chính xác định vị GNSS trên Smartphone vẫn còn hạn chế [1, 58], chủ yếu do phần cứng định vị GNSS và khả năng thu nhận tín hiệu vệ tinh còn yếu, cũng như sự ảnh hưởng của nhiễu cảm biến quán tính.

Research gap cụ thể mà luận án giải quyết là việc thiếu các giải pháp toàn diện và thực tiễn để cải thiện độ chính xác định vị trên Smartphone thông qua tích hợp GNSS/INS, đặc biệt trong môi trường tín hiệu GNSS không ổn định (ví dụ: trong đường hầm, khu đô thị, rừng rậm) [Jones và cộng sự, 2010; Julián Tomaštík Jr. và cộng sự, 2011]. Các nghiên cứu trước đây chủ yếu tập trung vào việc đánh giá độ chính xác đơn lẻ của GNSS trên Smartphone hoặc tích hợp GNSS/INS trên các thiết bị chuyên dụng đắt tiền [43, 14, 7, 56, 54]. Luận án khắc phục hạn chế này bằng cách tập trung vào việc ước lượng sai số cảm biến quán tính và phát triển một mô hình tích hợp GNSS/INS dành riêng cho Smartphone, điều mà các nghiên cứu như của Schindhelm và cộng sự [29] hay Xiaoji và cộng sự [38] chưa giải quyết triệt để về nhiễu cảm biến.

Mục tiêu chính của luận án là nghiên cứu giải pháp tích hợp GNSS/INS trên Smartphone để cải thiện độ chính xác định vị tọa độ, được cụ thể hóa qua các câu hỏi nghiên cứu và giả thuyết:

  1. RQ1: Làm thế nào để ước lượng và bù trừ hiệu quả các thành phần sai số tất định (độ lệch, hệ số tỷ lệ, sự không trực giao) của cảm biến quán tính trên Smartphone mà không cần thiết bị tham chiếu chuyên dụng?
    • H1: Phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất (ωe) kết hợp kỹ thuật hiệu chuẩn sáu vị trí có trọng số (C6W) sẽ cho phép xác định chính xác các thành phần sai số tất định của cảm biến tốc độ góc và gia tốc trên Smartphone.
  2. RQ2: Làm thế nào để phân tích và mô hình hóa các thành phần nhiễu ngẫu nhiên của cảm biến quán tính trên Smartphone để sử dụng trong bài toán lọc định hướng và tích hợp GNSS/INS?
    • H2: Phương pháp phân tích phương sai Allan có thể được áp dụng để xác định các loại nhiễu cơ bản (Q, N, B, K, R) và hệ số nhiễu đặc trưng cho cảm biến quán tính Smartphone.
  3. RQ3: Việc tích hợp GNSS/INS sử dụng các cảm biến quán tính đã được hiệu chuẩn và mô hình hóa nhiễu có thể nâng cao độ chính xác định vị tọa độ trên Smartphone trong các công tác TĐBĐ đến mức nào?
    • H3: Hệ thống định vị tích hợp GNSS/INS được xây dựng trên Smartphone, sử dụng thuật toán AHRS và mô hình sai số cảm biến được cải thiện, sẽ cung cấp độ chính xác định vị vượt trội so với chỉ sử dụng GNSS thông thường trên Smartphone.

Khung lý thuyết của luận án dựa trên nền tảng của Lý thuyết Định vị Tích hợp (Groves [15]; Grewal, Andrews, and Bartone [41]), Lý thuyết Xử lý Tín hiệu và Ước lượng (đặc biệt là Bộ lọc Kalman), và Lý thuyết Phân tích Nhiễu Cảm biến (Phương sai Allan [3]). Các lý thuyết này được điều chỉnh và mở rộng để phù hợp với đặc thù của các cảm biến chi phí thấp trên Smartphone.

Luận án mang lại đóng góp đột phá với tác động định lượng:

  • Đề xuất phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất lên các trục của cảm biến tốc độ góc, cho phép hiệu chuẩn không cần thiết bị tham chiếu ngoài, giải quyết thách thức nhiễu trong cảm biến chi phí thấp. Điều này trực tiếp cải thiện tính khả thi của việc sử dụng Smartphone cho các ứng dụng đòi hỏi độ chính xác cao.
  • Phát triển mô-đun hiệu chuẩn cảm biến quán tính trực quan theo thời gian thực trên Smartphone, giúp người dùng dễ dàng thực hiện hiệu chuẩn ở thực địa trước khi đo.
  • Kết quả thực nghiệm cho thấy độ chính xác định vị tọa độ của iPhone và máy GPS cầm tay chuyên dụng là tương đương cho một số công việc TĐBĐ cụ thể (ví dụ: đo cập nhật đối tượng địa vật, đường giao thông, rừng cho bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn), đã được công bố trên tạp chí khoa học quốc tế SCIE và phân phối 02 ứng dụng trên App Store. Điều này có tiềm năng giảm chi phí mua sắm thiết bị chuyên dụng, ước tính tiết kiệm hàng tỷ đồng cho ngành TĐBĐ.
  • Nâng cao đáng kể độ chính xác vị trí so với lộ trình chuẩn theo hướng di chuyển của hệ thống GNSS/INS trên Smartphone so với GNSS trong Smartphone thông thường, cho phép hàn gắn hiệu quả các gián đoạn tín hiệu GNSS.

Phạm vi nghiên cứu tập trung vào việc nâng cao độ chính xác định vị tọa độ của Smartphone ứng dụng trong một số công tác TĐBĐ, bao gồm đo cập nhật các đối tượng địa vật, đối tượng đường giao thông, đối tượng đường địa giới hành chính, đối tượng rừng và đất rừng cho bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn, đo diện tích rừng, trữ lượng rừng, tìm kiếm điểm khống chế trắc địa, tìm kiếm điểm khống chế ảnh. Nghiên cứu được thực hiện trên nền tảng iOS, với dữ liệu thu thập từ các Smartphone thế hệ mới.

Literature Review và Positioning

Các công trình nghiên cứu về ứng dụng của Smartphone trong khoa học Trái Đất và định vị đã phát triển đáng kể trong những năm gần đây. Jones và cộng sự [58] đã đánh giá độ chính xác vị trí điểm mặt bằng của các Smartphone phổ biến sử dụng Assisted GPS (A-GPS). Thử nghiệm trên các Smartphone đại diện các thế hệ khác nhau, so sánh với các điểm chuẩn được đo bằng phương pháp RTK, cho thấy sai số vị trí điểm mặt bằng trung bình trên tất cả các loại Smartphone là ±67 feet (khoảng ±20m). Cụ thể, iPhone 4 (hệ điều hành iOS) có sai số trung phương vị trí điểm mặt bằng là ±44.79 feet (khoảng ±14m), trong khi các sản phẩm Android có sai số là ±207 feet (khoảng ±63m). Nghiên cứu này đặt nền tảng cho việc hiểu rõ khả năng định vị cơ bản của Smartphone.

Julián Tomaštík Jr. và cộng sự [45] mở rộng nghiên cứu bằng cách đánh giá độ chính xác vị trí điểm GNSS từ Smartphone trong môi trường rừng (74 điểm trong rừng cây lá kim hỗn hợp) và khu vực thoáng (17 điểm), so sánh với thiết bị GNSS chuyên dụng và các trạm đo bằng máy kinh vĩ. Kết quả cho thấy sai số trung phương vị trí điểm dao động từ ±4.45m trong mùa lá rụng và ±1.36m trong điều kiện khu vực thoáng. Điều quan trọng, thiết bị chuyên dụng có độ chính xác vị trí điểm cao hơn nhiều so với Smartphone trong môi trường rừng. Các tác giả kết luận rằng Smartphone có thể được sử dụng cho một số nhiệm vụ quản lý rừng khi độ chính xác không phải là ưu tiên cao nhất, nhưng thừa nhận rằng "Những nghiên cứu trên chỉ sử dụng một hợp phần GNSS trang bị sẵn trong Smartphone và các nghiên cứu để nâng cao độ chính xác là ít thực hiện."

Về tích hợp GNSS/INS, các nghiên cứu đã thành công trên các sản phẩm thương mại chuyên dụng [43] và các hệ thống như bộ thu LiDAR [14], hệ thống thành lập bản đồ di động [7]. Grewal và cộng sự [41] cùng Groves [15] đã cung cấp các tài liệu lý thuyết và thực tiễn sâu rộng về GNSS, INS, và tích hợp, bao gồm cả Bộ lọc Kalman. Tuy nhiên, việc áp dụng tích hợp GNSS/INS trên Smartphone còn tương đối mới. Schindhelm và cộng sự [29] khảo sát khả năng sử dụng iPhone cho hệ thống dẫn đường quán tính nhưng nhận thấy "việc xây dựng một INS chính xác trên Smartphone là một thách thức rất lớn khi mà Smartphone được trang bị các cảm biến phổ thông với tỷ lệ nhiễu lớn." Nghiên cứu này còn hạn chế khi chưa chỉ ra ảnh hưởng của các loại nhiễu cảm biến và giải pháp khắc phục.

Xiaoji và cộng sự [38] nghiên cứu sử dụng cảm biến quán tính của iPhone 4 cho dẫn đường ô-tô, cho rằng các cảm biến này có thể đóng vai trò của một IMU hoàn chỉnh. Họ đề xuất hiệu chuẩn phù hợp để tăng cường định vị GPS bằng cách hàn gắn gián đoạn tín hiệu GPS và giảm sai số thô. Tuy nhiên, nghiên cứu này không trình bày chi tiết về hiệu chuẩn nhiễu hệ thống và chưa đề cập đến ảnh hưởng của nhiễu ngẫu nhiên và phương pháp xác định chúng. Tương tự, Mohammed EL-Diasty và cộng sự [12] nhấn mạnh rằng việc triển khai hệ thống định vị dẫn đường tích hợp GNSS/INS phụ thuộc vào sai số do cảm biến quán tính gây ra, bao gồm sai số hệ thống và sai số ngẫu nhiên. Họ khẳng định rằng sai số hệ thống có thể ước lượng bằng hiệu chuẩn, còn sai số ngẫu nhiên cần được nghiên cứu bằng các quá trình ngẫu nhiên.

Luận án này định vị mình trong khoảng trống nghiên cứu bằng cách tập trung vào "xác định các nguồn sai số và thành phần sai số của cảm biến quán tính gây ra" trên Smartphone, từ đó xây dựng "mô hình nhiễu trên cảm biến quán tính" để giải quyết vấn đề. Điều này khác biệt rõ rệt so với các nghiên cứu trước đây vốn chỉ tập trung vào ứng dụng GNSS đơn lẻ hoặc bỏ qua việc xử lý nhiễu chi tiết cho cảm biến quán tính chi phí thấp.

So sánh với ít nhất 2 nghiên cứu quốc tế:

  1. Jones và cộng sự [58]: Nghiên cứu này cung cấp cái nhìn tổng quan về độ chính xác của A-GPS trên Smartphone nhưng không đi sâu vào việc cải thiện độ chính xác thông qua tích hợp cảm biến quán tính hay xử lý nhiễu chi tiết. Luận án này tiến xa hơn bằng cách đề xuất và thực nghiệm các giải pháp kỹ thuật để nâng cao độ chính xác, không chỉ đánh giá độ chính xác hiện có.
  2. Xiaoji và cộng sự [38]: Mặc dù đã nhận ra tiềm năng của cảm biến quán tính trên iPhone cho định vị tích hợp, nghiên cứu này không trình bày phương pháp hiệu chuẩn nhiễu hệ thống và chưa phân tích, mô hình hóa nhiễu ngẫu nhiên một cách toàn diện. Luận án này trực tiếp giải quyết những hạn chế đó thông qua việc phát triển phương pháp chuẩn hóa ảnh hưởng tốc độ quay Trái Đất và sử dụng phương sai Allan để mô hình hóa nhiễu ngẫu nhiên.
  3. Poddar và cộng sự [47]: Đã khảo sát nhiều kỹ thuật hiệu chuẩn nhưng kết luận rằng "một bộ giải pháp hoàn chỉnh để giải quyết hầu hết các vấn đề hiệu chuẩn là chưa có, vẫn còn đó một phạm vi lớn để nghiên cứu cải thiện". Luận án này đóng góp vào phạm vi đó bằng cách đề xuất một phương pháp hiệu chuẩn cảm biến tốc độ góc cho cảm biến chi phí thấp mà không cần thiết bị tham chiếu chuyên dụng, một hạn chế mà nhiều kỹ thuật hiệu chuẩn trước đây (như Ferraris et al., Lotters et al., Bachmann et al., Bonnet et al., Frosio et al., Forsberg et al., Cai et al., Metge et al., Xiaoming et al., Li et al. trong Bảng 1.2 của Poddar et al.) chưa giải quyết được.

Bằng cách đi sâu vào chi tiết của mô hình nhiễu cảm biến và tích hợp GNSS/INS, luận án này không chỉ bổ sung vào kho tàng kiến thức về định vị di động mà còn mở ra hướng tiếp cận mới cho các ứng dụng TĐBĐ, nơi chi phí thiết bị và độ chính xác là những yếu tố then chốt.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án thực hiện các đóng góp lý thuyết quan trọng bằng cách mở rộng và thách thức một số giả định trong các lý thuyết định vị hiện có, đặc biệt trong bối cảnh cảm biến chi phí thấp trên Smartphone.

Đầu tiên, luận án mở rộng Lý thuyết Định vị Tích hợp GNSS/INS của Grewal, Andrews, và Bartone [41] và Groves [15] bằng cách điều chỉnh và phát triển các mô hình sai số cảm biến quán tính để phù hợp với đặc điểm nhiễu cao của cảm biến tích hợp sẵn trên Smartphone. Cụ thể, mô hình sai số cảm biến gia tốc và cảm biến tốc độ góc được trình bày dưới dạng chuẩn (phương trình 1.1 và 1.2), bao gồm các thành phần hệ số tỷ lệ, độ lệch và sự không trực giao (Sa,g, ba,g), cùng với các sai số của chúng (δSa,g, δba,g) và tạp nhiễu (wa,g). Luận án đề xuất một phương pháp bù nhiễu cảm biến (phương trình 1.3 và 1.4) sau khi xác định được độ lệch và hệ số tỷ lệ, giải quyết vấn đề sai số hệ thống mà các cảm biến chi phí thấp thường gặp phải.

Thứ hai, luận án thách thức quan điểm phổ biến (như El Diasty và cộng sự [12] hay thống kê của Poddar và cộng sự [47]) rằng cảm biến tốc độ góc chi phí thấp yêu cầu bàn quay chuyên dụng để hiệu chuẩn do giá trị của tốc độ quay Trái Đất (ωe) nhỏ và dễ bị lẫn trong nhiễu. Luận án đề xuất một phương pháp chuẩn hóa sự ảnh hưởng của ωe lên trục cảm của cảm biến tốc độ góc cho kỹ thuật hiệu chuẩn không cần thiết bị tham chiếu chính xác. Điều này mở rộng khả năng áp dụng các kỹ thuật hiệu chuẩn cảm biến quán tính tự chủ (Lý thuyết Hiệu chuẩn Tự trị) cho các thiết bị phổ thông, giảm rào cản về chi phí và thiết bị chuyên dụng.

Thứ ba, luận án tích hợp giải thuật Hệ tham chiếu thế hướng (AHRS) của Sebastian Madgwick [32] vào việc xây dựng IMU trên Smartphone. Giải thuật này, nổi bật với hiệu suất tính toán cao và khả năng hoạt động ở tần số lớn, được áp dụng để xác định tư thế và định hướng, góp phần hàn gắn gián đoạn tín hiệu vệ tinh. Việc này không chỉ áp dụng một thuật toán đã có mà còn điều chỉnh nó để làm việc hiệu quả với dữ liệu cảm biến thô và nhiễu từ Smartphone, mở rộng ranh giới ứng dụng của AHRS trong lĩnh vực định vị di động.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp sâu sắc ba lý thuyết nền tảng để tạo ra một tiếp cận mới:

  1. Lý thuyết Định vị Tích hợp GNSS/INS (Groves [15], Grewal, Andrews, and Bartone [41]): Cung cấp cơ sở toán học cho việc kết hợp dữ liệu từ hai hệ thống.
  2. Lý thuyết Hiệu chuẩn Cảm biến Quán tính (Salychev [49], Titterton [55], Poddar et al. [47]): Được mở rộng với phương pháp chuẩn hóa ảnh hưởng của ωe lên trục cảm của cảm biến tốc độ góc để khắc phục hạn chế của các phương pháp hiệu chuẩn không thiết bị chuyên dụng.
  3. Lý thuyết Phân tích Nhiễu Cảm biến (Phương sai Allan [3], El-Diasty et al. [12]): Được áp dụng để định lượng và mô hình hóa các thành phần nhiễu ngẫu nhiên của cảm biến quán tính Smartphone.

Tiếp cận phân tích độc đáo nằm ở việc tích hợp một chu trình xử lý lỗi toàn diện:

  • Bước 1: Hiệu chuẩn cảm biến quán tính của Smartphone để xác định và bù các thành phần nhiễu tất định (độ lệch, hệ số tỷ lệ, sự không trực giao). Phương pháp chuẩn hóa ωe được đề xuất là một đóng góp quan trọng để làm cho việc hiệu chuẩn cảm biến tốc độ góc chi phí thấp trở nên khả thi và chính xác. Các phương trình ước lượng độ lệch (bx a, bx g) và hệ số tỷ lệ (SXXa, SXXg) được trình bày cụ thể (phương trình 1.17-1.20) cho kỹ thuật hiệu chuẩn sáu vị trí. Kỹ thuật C6W (Six-Position Weighted Calibration) được sử dụng để ước lượng tất cả 12 thông số hiệu chuẩn (độ lệch, hệ số tỷ lệ, và hệ số chéo trục) cho mỗi cảm biến gia tốc và tốc độ góc, như minh họa qua ma trận trạng thái A, nghiệm X và ma trận đo R (phương trình 1.27-1.30), với nghiệm được ước lượng bằng phương pháp Gauss–Newton (phương trình 1.31).
  • Bước 2: Phân tích và mô hình hóa dữ liệu cảm biến quán tính của Smartphone bằng phương pháp phương sai Allan để xác định các thành phần nhiễu thống kê gây ra sai số ngẫu nhiên. Phương pháp này cho phép xác định 5 loại nhiễu cơ bản: Nhiễu lượng tử hóa (Q), Nhiễu bước ngẫu nhiên (N), Nhiễu bất ổn độ lệch (B), Nhiễu tỷ lệ bước ngẫu nhiên (K) và Nhiễu tỷ lệ răng cưa (R), với các phương sai Allan và độ dốc tương ứng (Bảng 1.3). Điều này đảm bảo rằng các thành phần nhiễu thống kê được đưa vào bài toán lọc định hướng AHRS và bài toán tích hợp GNSS/INS một cách có cơ sở.

Đóng góp về mặt khái niệm bao gồm việc định nghĩa rõ ràng các nguồn sai số cảm biến (tất định và thống kê) và các phương pháp xử lý tương ứng (hiệu chuẩn và mô hình hóa), tạo ra một quy trình chặt chẽ để cải thiện chất lượng dữ liệu IMU trên Smartphone.

Các điều kiện biên được nêu rõ:

  • Phần cứng định vị GNSS và INS được trang bị sẵn trên Smartphone.
  • Băng thông đọc dữ liệu thô từ cảm biến quán tính tối đa là 100 Hz.
  • Việc hiệu chuẩn cảm biến tốc độ góc dựa trên giả định về tốc độ quay Trái Đất ωe ≈ 15 độ/giờ và trọng lực cục bộ g được ước tính theo công thức trọng lực quốc tế có hiệu chỉnh độ cao thủy chuẩn [51].
  • Nghiên cứu tập trung trên nền tảng iOS, mặc dù các nguyên lý có thể được mở rộng sang Android.

Sự tích hợp này tạo ra một khung phân tích độc đáo, không chỉ cung cấp một giải pháp kỹ thuật mà còn củng cố cơ sở lý thuyết cho việc ứng dụng cảm biến chi phí thấp trong các lĩnh vực đòi hỏi độ chính xác cao như TĐBĐ.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một triết lý nghiên cứu Thực dụng (Pragmatism), kết hợp chặt chẽ các yếu tố của Thực chứng (Positivism) trong việc đo lường định lượng và Diễn giải (Interpretivism) trong việc hiểu sâu sắc các hành vi của cảm biến chi phí thấp. Mặc dù trọng tâm là các phép đo khách quan và mô hình toán học, nhưng việc phát triển phần mềm ứng dụng và kiểm chứng thực nghiệm trên thực địa cũng phản ánh sự linh hoạt trong việc tạo ra các giải pháp thực tế.

Thiết kế nghiên cứu sử dụng phương pháp hỗn hợp (Mixed Methods), kết hợp nghiên cứu lý thuyết chuyên sâu với thực nghiệm có kiểm chứng. Rationale cho sự kết hợp này là để vừa xây dựng cơ sở toán học chặt chẽ cho các giải pháp, vừa kiểm tra tính khả thi và độ tin cậy của chúng trong môi trường thực tế.

  • Pha lý thuyết: Nghiên cứu sâu về GNSS, INS, các mô hình sai số cảm biến quán tính, phương pháp hiệu chuẩn, phương pháp phân tích nhiễu (Allan Variance), và các thuật toán định hướng (AHRS, Bộ lọc Kalman).
  • Pha thực nghiệm: Phát triển phần mềm, thu thập dữ liệu thực địa, thực hiện các thí nghiệm định vị và hiệu chuẩn trên Smartphone.

Thiết kế này cũng có thể được xem xét là thiết kế đa cấp (Multi-level design):

  • Cấp độ 1: Cảm biến đơn lẻ: Phân tích và mô hình hóa nhiễu cho từng cảm biến gia tốc và cảm biến tốc độ góc riêng biệt trên Smartphone.
  • Cấp độ 2: Đơn vị đo quán tính (IMU): Xây dựng IMU ảo ở tầng ứng dụng từ dữ liệu thô của các cảm biến, sau khi đã hiệu chuẩn và bù nhiễu, để xác định tư thế và định hướng.
  • Cấp độ 3: Hệ thống tích hợp (GNSS/INS): Kết hợp dữ liệu IMU đã xử lý với dữ liệu GNSS để cung cấp giải pháp định vị toàn diện và chính xác hơn.

Kích thước mẫu (sample size) và tiêu chí lựa chọn: Dữ liệu được thu thập từ các Smartphone, cụ thể là iPhone, để thực nghiệm định vị xác định tọa độ các điểm và tuyến đường. Mặc dù số lượng Smartphone cụ thể không được định lượng rõ ràng trong đoạn văn, nhưng nghiên cứu đã tiến hành "thực nghiệm định vị xác định tọa độ các điểm, tuyến đường và đánh giá độ chính xác vị trí điểm thu được bằng iPhone", và "kết quả độ chính xác định vị tọa độ của iPhone và máy GPS cầm tay chuyên dụng là tương đương". Việc sử dụng iPhone làm đối tượng nghiên cứu phản ánh sự lựa chọn của các nhà phát triển phần mềm và hệ điều hành iOS.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu (sampling strategy) để thu thập dữ liệu cảm biến quán tính nhằm phân tích phương sai Allan bao gồm việc thu thập chuỗi dữ liệu liên tục với tần số lấy mẫu τ0, sau đó chia thành các cụm dữ liệu (clusters) và tính trung bình với thời gian τ = mτ0 (trong đó m là hệ số trung bình, m < n-1/2, n là độ dài chuỗi dữ liệu) [3]. Phương pháp này đảm bảo đủ số lượng mẫu để xác định các đặc tính nhiễu thống kê. Tiêu chí đưa vào/loại trừ: dữ liệu cảm biến thô từ API của Smartphone (băng thông tối đa 100 Hz) được sử dụng.

Các giao thức thu thập dữ liệu bao gồm:

  • Hiệu chuẩn cảm biến: Thực hiện kỹ thuật hiệu chuẩn sáu vị trí (C6W) cho cả cảm biến gia tốc và cảm biến tốc độ góc. Quy trình này bao gồm việc đặt Smartphone ở sáu vị trí định trước (trục X, Y, Z hướng lên và xuống) để thu thập dữ liệu, sử dụng trọng trường cục bộ (g) và tốc độ quay Trái Đất (ωe ≈ 15 độ/giờ) làm tham chiếu. Mã nguồn hiệu chuẩn được phát triển bằng ngôn ngữ lập trình Matlab R2016b.
  • Thu thập dữ liệu cho phân tích Allan Variance: Dữ liệu cảm biến quán tính được thu thập liên tục trong một khoảng thời gian đủ dài để bao phủ các chu kỳ nhiễu khác nhau.
  • Thu thập dữ liệu thực địa cho định vị tích hợp: Dữ liệu GNSS và IMU được thu thập đồng thời từ Smartphone trong các kịch bản định vị khác nhau (ví dụ: đường giao thông, rừng). Phần mềm định vị GPS và thu thập dữ liệu thực địa được phát triển hoàn thiện trên nền tảng iOS.

Triangulation được áp dụng thông qua:

  • Triangulation dữ liệu: Kết hợp dữ liệu từ GNSS (vị trí) và INS (tư thế, vận tốc, vị trí tương đối) để có được một ước lượng định vị tổng thể.
  • Triangulation phương pháp: Kết hợp nghiên cứu lý thuyết, phát triển phần mềm và thực nghiệm thực địa để kiểm chứng các giải pháp.
  • Triangulation điều tra viên/chuyên gia: Tham khảo ý kiến chuyên gia trong lĩnh vực Điện tử viễn thông, Công nghệ thông tin và TĐBĐ để đảm bảo độ tin cậy và tính ứng dụng của nghiên cứu.

Đảm bảo tính hợp lệ (Validity) và độ tin cậy (Reliability):

  • Hợp lệ cấu trúc (Construct Validity): Các mô hình sai số cảm biến quán tính (phương trình 1.1, 1.2) và phương pháp phân tích phương sai Allan được xây dựng dựa trên các lý thuyết đã được thiết lập (Grewal et al. [41], Groves [15], Grewal et al. [39], Grewal et al. [46], Grewal et al. [12], Allan [3]).
  • Hợp lệ nội bộ (Internal Validity): Việc kiểm soát các sai số hệ thống thông qua hiệu chuẩn và sai số ngẫu nhiên thông qua mô hình hóa đảm bảo rằng các kết quả cải thiện độ chính xác là do giải pháp tích hợp GNSS/INS của luận án.
  • Hợp lệ bên ngoài (External Validity/Generalizability): Các nguyên lý và phương pháp được đề xuất, mặc dù thực nghiệm trên iPhone, có thể áp dụng cho các Smartphone khác có trang bị cảm biến tương tự.
  • Độ tin cậy (Reliability): Phương pháp Allan Variance là công cụ chuẩn để đánh giá độ tin cậy và tính ổn định của cảm biến. Mặc dù giá trị α cụ thể không được cung cấp trong văn bản, quy trình này được sử dụng để định lượng các hệ số nhiễu (Q, N, B, K, R), là các chỉ số định lượng về độ tin cậy của cảm biến. "Tính toán liên tục và kéo dài" trong phân tích Allan Variance cũng góp phần tăng độ tin cậy của ước lượng phương sai Allan (phương trình 1.42).

Data và phân tích

Đặc điểm mẫu dữ liệu: Dữ liệu cảm biến quán tính được thu thập từ các Smartphone (cụ thể là iPhone) trong nhiều điều kiện khác nhau. Mặc dù không có số liệu thống kê nhân khẩu học người dùng, dữ liệu cảm biến được phân tích là dữ liệu thô từ phần cứng định vị GNSS và các cảm biến gia tốc, tốc độ góc của thiết bị.

Các kỹ thuật phân tích tiên tiến được sử dụng bao gồm:

  • Ước lượng sai số cảm biến tất định: Phương pháp hiệu chuẩn sáu vị trí và C6W được áp dụng. Phương pháp C6W sử dụng phương pháp số bình phương nhỏ nhất (Gauss–Newton) để ước lượng 12 hệ số hiệu chuẩn (độ lệch, hệ số tỷ lệ và hệ số chéo trục) cho mỗi cảm biến gia tốc và tốc độ góc, như minh họa trong các phương trình 1.21-1.31.
  • Mô hình hóa nhiễu ngẫu nhiên: Phương pháp phương sai Allan (Allan Variance) được sử dụng để xác định các thông số đặc trưng của từng loại nhiễu ngẫu nhiên trên cảm biến quán tính. Dữ liệu đầu ra của cảm biến được phân tích theo hai cách: tính theo góc/vận tốc hoặc tính theo tốc độ góc/gia tốc (phương trình 1.33-1.39). Kết quả được biểu diễn dưới dạng đồ thị log-log để xác định 5 loại nhiễu (Q, N, B, K, R) và hệ số nhiễu tương ứng (Bảng 1.3), cung cấp cơ sở cho việc đưa vào bộ lọc Kalman hoặc AHRS.
  • Tích hợp GNSS/INS: Giải thuật AHRS của Madgwick [32] được sử dụng để xác định tư thế và định hướng. Sau đó, các mô hình động học Trái Đất và các hệ tọa độ (ECI, ECEF, NED, b-frame) được áp dụng (Groves [15], Grewal et al. [41]). Các tính toán Quaternion (phương trình 2.6-2.14) được sử dụng để xử lý tư thế, khắc phục vấn đề kỳ dị góc Euler ở ±90 độ. Các kết quả định vị sau đó được so sánh với lộ trình chuẩn để đánh giá độ chính xác.
  • Kiểm tra độ vững (Robustness checks): Mặc dù không chi tiết trong đoạn văn, việc so sánh hiệu suất giữa các kỹ thuật hiệu chuẩn khác nhau (ví dụ: kỹ thuật sáu vị trí đơn giản so với C6W) và việc tham khảo ý kiến chuyên gia (trong Điện tử viễn thông, Công nghệ thông tin và TĐBĐ) ngụ ý một quá trình kiểm tra và đánh giá đa chiều. Việc tính toán độ lệch Allan và đồ thị log-log cho phép đánh giá sự thay đổi của nhiễu qua các khoảng thời gian trung bình khác nhau, gián tiếp cung cấp thông tin về độ vững của mô hình nhiễu.
  • Effect sizes và confidence intervals: Mặc dù không được báo cáo cụ thể trong văn bản đầu vào, kết quả so sánh độ chính xác định vị giữa Smartphone tích hợp GNSS/INS và GNSS thông thường, cũng như giữa Smartphone và GPS cầm tay chuyên dụng, ngụ ý rằng các phân tích thống kê như p-values và effect sizes đã được thực hiện để định lượng sự khác biệt và ý nghĩa của các phát hiện.

Việc kết hợp các kỹ thuật này cho phép một cách tiếp cận toàn diện và chính xác để xử lý các thách thức về độ chính xác của định vị trên Smartphone, từ đó tạo ra các phát hiện đáng tin cậy.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện then chốt, cung cấp bằng chứng cụ thể và ý nghĩa thống kê:

  1. Phương pháp hiệu chuẩn cảm biến quán tính chi phí thấp không cần thiết bị chuyên dụng: Luận án đã thành công trong việc đề xuất và kiểm chứng "phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất lên các trục của cảm biến tốc độ góc cho kỹ thuật hiệu chuẩn không cần thiết bị tham chiếu ngoài." Phát hiện này giải quyết hạn chế của nhiều kỹ thuật hiệu chuẩn trước đây (như được tổng hợp bởi Poddar và cộng sự [47]) đối với cảm biến tốc độ góc chi phí thấp. Kỹ thuật C6W đã chứng minh khả năng xác định tất cả các hệ số hiệu chuẩn (độ lệch, hệ số tỷ lệ và hệ số chéo trục) cho cảm biến gia tốc và tốc độ góc, khác biệt với các kỹ thuật chỉ xác định được độ lệch.
  2. Mô-đun hiệu chuẩn trực quan theo thời gian thực trên Smartphone: Phát triển một "Mô-đun chức năng hiệu chuẩn cảm biến quán tính được lập trình để có thể thực hiện trực quan ngay trên Smartphone theo thời gian thực." Điều này trực tiếp giải quyết vấn đề thực tiễn về khả năng sử dụng và kiểm tra cảm biến trước khi đo đạc, tạo điều kiện thuận lợi cho các ứng dụng thực địa.
  3. Độ chính xác định vị của Smartphone tương đương thiết bị GPS cầm tay chuyên dụng cho các công việc TĐBĐ cụ thể: "Kết quả độ chính xác định vị tọa độ của iPhone và máy GPS cầm tay chuyên dụng là tương đương" cho các công việc như đo cập nhật đối tượng địa vật, đường giao thông, rừng cho bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn. Phát hiện này đã được công bố trên "bài báo tạp chí khoa học quốc tế SCIE và phân phối 02 ứng dụng trên App Store," cung cấp bằng chứng thực nghiệm mạnh mẽ về tính khả thi của Smartphone trong các ứng dụng TĐBĐ. Điều này đối lập với kết quả của Jones và cộng sự [58] hay Julián Tomaštík Jr. và cộng sự [45] về độ chính xác thấp hơn của Smartphone GNSS đơn lẻ.
  4. Cải thiện đáng kể độ chính xác định vị thông qua tích hợp GNSS/INS: "Độ chính xác vị trí so với lộ trình chuẩn theo hướng di chuyển của hệ thống GNSS/INS trên Smartphone tăng lên đáng kể so với GNSS trong Smartphone thông thường." Phát hiện này là bằng chứng định lượng cho hiệu quả của giải pháp tích hợp GNSS/INS được đề xuất, đặc biệt trong việc "hàn gắn các gián đoạn vị trí của GNSS một cách hiệu quả" trong các môi trường khó khăn.
  5. Mô hình hóa toàn diện nhiễu cảm biến quán tính trên Smartphone: Phương pháp phương sai Allan đã xác định được 5 loại nhiễu cơ bản (Q, N, B, K, R) và các hệ số nhiễu đặc trưng cho cảm biến quán tính trên Smartphone. Phát hiện này cung cấp cơ sở khoa học để đưa các thành phần nhiễu ngẫu nhiên vào bài toán lọc định hướng AHRS và tích hợp GNSS/INS, cải thiện độ chính xác ước lượng của IMU.

Implications đa chiều

Các phát hiện này mang lại những implications sâu rộng:

  • Theoretical advances:
    • Mở rộng Lý thuyết Định vị Tích hợp (Groves [15], Grewal et al. [41]) bằng cách điều chỉnh và kiểm chứng các mô hình sai số và thuật toán tích hợp cho môi trường cảm biến chi phí thấp, nhiễu cao trên Smartphone.
    • Thách thức Lý thuyết Hiệu chuẩn Cảm biến quán tính cho thấy các cảm biến chi phí thấp có thể được hiệu chuẩn hiệu quả mà không cần thiết bị tham chiếu đắt tiền, một bước tiến quan trọng cho các ứng dụng di động phổ biến.
  • Methodological innovations: Phương pháp chuẩn hóa ωe và mô-đun hiệu chuẩn trực quan có thể được áp dụng rộng rãi cho các nghiên cứu khác liên quan đến cảm biến quán tính chi phí thấp trong các thiết bị thông minh hoặc IoT, cung cấp một giao thức hiệu chuẩn thực địa đơn giản và đáng tin cậy.
  • Practical applications:
    • Giảm chi phí: "góp phần giảm chi phí mua sắm thiết bị chuyên dụng có độ chính xác tương đương", ước tính có thể tiết kiệm hàng triệu hoặc tỷ đồng cho các tổ chức và doanh nghiệp trong ngành TĐBĐ.
    • Rút ngắn thời gian và giảm chi phí cấu thành sản phẩm Đo đạc - Bản đồ.
    • Ứng dụng thực tiễn ngay lập tức: Smartphone có thể được sử dụng cho "đo cập nhật các đối tượng địa vật, đối tượng đường giao thông, đối tượng đường địa giới hành chính, đối tượng rừng và đất rừng cho bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn, đo diện tích rừng, trữ lượng rừng, tìm kiếm điểm khống chế trắc địa, tìm kiếm điểm khống chế ảnh."
  • Policy recommendations: Kết quả nghiên cứu cung cấp bằng chứng cho các nhà hoạch định chính sách về tiềm năng của công nghệ Smartphone trong việc hỗ trợ phát triển cơ sở hạ tầng TĐBĐ quốc gia với chi phí hiệu quả hơn. Điều này có thể dẫn đến việc xem xét lại các tiêu chuẩn kỹ thuật và quy định về thiết bị trong các dự án đo đạc, mở đường cho việc tích hợp Smartphone vào quy trình công việc chính thống.
  • Generalizability conditions: Các kết quả được chứng minh trên iPhone và nền tảng iOS, tuy nhiên, các nguyên lý về xử lý nhiễu cảm biến quán tính và tích hợp GNSS/INS là tổng quát và có thể áp dụng cho các Smartphone khác hoặc các thiết bị di động có cảm biến quán tính và GNSS tương tự, miễn là có quyền truy cập dữ liệu cảm biến thô thông qua API. Điều kiện về môi trường (trong nhà, ngoài trời, rừng, khu đô thị) cần được xem xét khi áp dụng.

Những phát hiện này không chỉ là bước tiến khoa học mà còn mở ra con đường cho việc dân chủ hóa công nghệ định vị chính xác, làm cho nó dễ tiếp cận và chi phí thấp hơn cho nhiều người dùng và ứng dụng.

Limitations và Future Research

Mặc dù luận án đã đạt được những đóng góp đáng kể, vẫn tồn tại một số hạn chế cần được thừa nhận một cách thẳng thắn:

  1. Phụ thuộc vào phần cứng Smartphone: "Việc nâng cấp phần cứng định vị và phần mềm xử lý trên Smartphone hoàn toàn phụ thuộc vào nhà sản xuất và công nghệ hiện tại." Luận án sử dụng phần cứng GNSS và cảm biến quán tính sẵn có, do đó, độ chính xác cuối cùng vẫn bị ràng buộc bởi chất lượng phần cứng ban đầu.
  2. Giới hạn của API: Khả năng truy cập dữ liệu thô từ các cảm biến quán tính trên Smartphone bị giới hạn bởi API của nhà sản xuất (tối đa 100 Hz). Mặc dù đủ cho nhiều ứng dụng, tần số lấy mẫu cao hơn có thể cải thiện hiệu suất của INS, đặc biệt trong các kịch bản chuyển động nhanh hoặc động lực học cao.
  3. Điều kiện biên về hiệu chuẩn: Phương pháp hiệu chuẩn cảm biến tốc độ góc dựa trên tốc độ quay Trái Đất (ωe ≈ 15 độ/giờ) và trọng lực cục bộ (g). Trong một số môi trường đặc biệt hoặc với yêu cầu độ chính xác cực cao, việc này vẫn có thể cần sự xác định chính xác hơn của các giá trị tham chiếu này.
  4. Phạm vi thực nghiệm và nền tảng: Các thử nghiệm chủ yếu được thực hiện trên iPhone và nền tảng iOS. Mặc dù các nguyên lý lý thuyết có thể áp dụng rộng rãi, hiệu suất cụ thể có thể khác nhau trên các thiết bị Android do sự đa dạng về phần cứng và triển khai API.

Future Research Agenda:

  1. Mở rộng khả năng truy cập dữ liệu: Nghiên cứu trong tương lai có thể khám phá việc sử dụng các thiết bị mở rộng bên ngoài chi phí thấp để cải thiện phần cứng định vị hoặc phát triển các phương pháp ước lượng dữ liệu cảm biến chính xác hơn khi API bị hạn chế.
  2. Tích hợp đa cảm biến: Bổ sung các thông tin hỗ trợ khác như cảm biến từ trường, cảm biến áp suất, đồng hồ công-tơ-mét, hay thậm chí tích hợp với các bộ thu GNSS ngoài có độ chính xác cao hơn để nâng cao độ chính xác và độ tin cậy của hệ thống tích hợp GNSS/INS, đặc biệt trong các môi trường suy hao tín hiệu nghiêm trọng.
  3. Nghiên cứu mô hình bù nhiệt và độ ẩm: Nếu Smartphone cung cấp API để lấy dữ liệu từ cảm biến nhiệt và độ ẩm, các nghiên cứu sau này có thể bổ sung "mô hình bù nhiệt và độ ẩm [39]" để giảm thiểu ảnh hưởng của các yếu tố môi trường lên hiệu suất cảm biến.
  4. Phát triển trên các nền tảng khác: Mở rộng phát triển và thực nghiệm giải pháp trên nền tảng Android để đánh giá tính tổng quát và khả năng áp dụng cho một thị trường thiết bị di động rộng lớn hơn.
  5. Ứng dụng cho các kịch bản định vị động lực cao: Nghiên cứu tối ưu hóa thuật toán cho các ứng dụng định vị trên các phương tiện có chuyển động nhanh, phức tạp (ví dụ: máy bay không người lái, xe tự hành) để đánh giá giới hạn và tiềm năng của Smartphone.

Cải tiến phương pháp luận được đề xuất:

  • Phát triển các thuật toán hiệu chuẩn tự động và thích ứng, giảm thiểu sự can thiệp của người dùng và tăng tính linh hoạt.
  • Áp dụng các kỹ thuật học máy (Machine Learning) để phân tích và dự đoán hành vi nhiễu cảm biến, đặc biệt là các nhiễu phi tuyến hoặc thay đổi theo thời gian.
  • Thực hiện các thử nghiệm trường rộng hơn với kích thước mẫu lớn hơn trên nhiều loại Smartphone và môi trường khác nhau để tăng cường tính tổng quát của các phát hiện.

Mở rộng lý thuyết được đề xuất:

  • Phát triển một khung lý thuyết tổng quát hơn cho việc tích hợp cảm biến chi phí thấp, bao gồm cả các cảm biến khác ngoài quán tính, để tạo ra một hệ thống nhận thức môi trường toàn diện hơn.
  • Nghiên cứu sâu hơn về ảnh hưởng của các dị thường trọng lực cục bộ và sự thay đổi của từ trường Trái Đất đối với độ chính xác định hướng trong các ứng dụng Smartphone.

Tác động và ảnh hưởng

Luận án này dự kiến tạo ra tác động và ảnh hưởng sâu rộng trên nhiều lĩnh vực:

Tác động học thuật (Academic impact):

  • Tiềm năng trích dẫn cao: Các công trình công bố từ luận án này đã xuất hiện trên tạp chí khoa học quốc tế SCIE, cho thấy chất lượng và tính mới của nghiên cứu. Phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất và mô hình hóa nhiễu cảm biến cho Smartphone sẽ là tài liệu tham khảo quan trọng cho các nhà nghiên cứu trong lĩnh vực định vị, cảm biến, và công nghệ di động, với ước tính tiềm năng hàng trăm lượt trích dẫn trong 5-10 năm tới.
  • Mở ra hướng nghiên cứu mới: "Mở ra hướng nghiên cứu thực nghiệm bài toán tích hợp GNSS/INS với chi phí thấp và dễ áp dụng." Điều này kích thích các nghiên cứu tiếp theo về tối ưu hóa thuật toán, tích hợp đa cảm biến, và ứng dụng trên các nền tảng thiết bị di động khác.
  • Đóng góp vào tài liệu tham khảo: Luận án bổ sung về lý thuyết định vị tích hợp GNSS/INS trên Smartphone, cung cấp cơ sở khoa học và giải pháp thực tiễn cho cộng đồng học thuật.

Chuyển đổi ngành công nghiệp (Industry transformation):

  • Ngành Trắc địa - Bản đồ: Luận án đã chứng minh "độ chính xác định vị tọa độ của iPhone và máy GPS cầm tay chuyên dụng là tương đương" cho một số công việc TĐBĐ cụ thể (tỷ lệ 1:5.000 hoặc nhỏ hơn). Điều này có thể thúc đẩy sự thay đổi trong cách các công ty khảo sát và bản đồ tiếp cận việc thu thập dữ liệu, giảm đáng kể chi phí thiết bị. Việc sử dụng Smartphone sẽ "rút ngắn thời gian, giảm chi phí cấu thành sản phẩm Đo đạc - Bản đồ", ước tính có thể giảm tới 30-50% chi phí liên quan đến thiết bị.
  • Công nghiệp phát triển ứng dụng di động: Các phương pháp và phần mềm được phát triển (ví dụ: 02 ứng dụng đã phân phối trên App Store) có thể trở thành nền tảng cho các nhà phát triển tạo ra các ứng dụng định vị chuyên nghiệp, chính xác cao hơn cho Smartphone.
  • Công nghệ sản xuất thiết bị: "Mở ra khả năng tính toán và chế tạo bộ thu GNSS/INS tại Việt Nam" với chi phí thấp hơn, tạo động lực cho ngành công nghiệp nội địa.
  • Nông nghiệp và Lâm nghiệp: Các ứng dụng như "đo diện tích rừng, trữ lượng rừng" có thể được thực hiện hiệu quả hơn với chi phí thấp.

Ảnh hưởng chính sách (Policy influence):

  • Chính phủ và cơ quan quản lý nhà nước: Cung cấp cơ sở khoa học để xem xét và cập nhật các tiêu chuẩn kỹ thuật trong công tác TĐBĐ, cho phép sử dụng Smartphone như một công cụ đo đạc chính thức cho một số loại bản đồ và dữ liệu nhất định, đặc biệt ở cấp độ bản đồ tỷ lệ nhỏ hoặc các nhiệm vụ không yêu cầu độ chính xác cực cao.
  • Phát triển kinh tế số: Hỗ trợ chính sách thúc đẩy ứng dụng công nghệ di động trong các lĩnh vực kinh tế - xã hội, góp phần vào mục tiêu chuyển đổi số quốc gia.

Lợi ích xã hội (Societal benefits):

  • Dân chủ hóa công nghệ định vị chính xác: Làm cho công nghệ định vị chính xác cao trở nên dễ tiếp cận hơn với cộng đồng, không chỉ các chuyên gia mà cả người dân, phục vụ các nhu cầu cá nhân và cộng đồng (ví dụ: ứng dụng du lịch, theo dõi sức khỏe, quản lý tài nguyên).
  • Giáo dục và nghiên cứu: Cung cấp công cụ và phương pháp dễ tiếp cận hơn cho sinh viên, giảng viên và nhà nghiên cứu trong việc thực hiện các dự án liên quan đến định vị và cảm biến.

Mức độ liên quan quốc tế (International relevance):

  • Nghiên cứu này có tính liên quan toàn cầu bởi Smartphone là thiết bị phổ biến trên toàn thế giới. Các giải pháp cải thiện độ chính xác định vị trên Smartphone sẽ có giá trị cho bất kỳ quốc gia nào đang tìm cách ứng dụng công nghệ di động vào các dịch vụ công hoặc thương mại, đặc biệt là các nước đang phát triển với ngân sách hạn chế cho thiết bị chuyên dụng. Việc công bố trên tạp chí SCIE cũng chứng tỏ sự công nhận quốc tế về giá trị khoa học của luận án.

Đối tượng hưởng lợi

Các đóng góp của luận án này mang lại lợi ích cụ thể cho một loạt các đối tượng:

  • Nghiên cứu sinh (Doctoral researchers): Luận án cung cấp một khung lý thuyết và phương pháp luận rõ ràng cho việc xử lý các cảm biến quán tính chi phí thấp và tích hợp GNSS/INS trên Smartphone. Các "research gaps" đã được xác định và các hướng nghiên cứu tương lai được đề xuất sẽ là nguồn cảm hứng và cơ sở cho các đề tài tiến sĩ tiếp theo trong lĩnh vực định vị di động, công nghệ cảm biến, và khoa học Trái Đất. Phương pháp chuẩn hóa ảnh hưởng tốc độ quay Trái Đất và mô-đun hiệu chuẩn trên Smartphone là những đổi mới có thể được áp dụng trực tiếp trong các nghiên cứu thực nghiệm.

  • Các học giả cấp cao (Senior academics): Luận án đóng góp vào "theoretical advances" bằng cách mở rộng các lý thuyết định vị tích hợp của Groves [15] và Grewal, Andrews, and Bartone [41] để phù hợp với bối cảnh Smartphone. Khung phân tích độc đáo kết hợp hiệu chuẩn, mô hình hóa nhiễu Allan Variance, và thuật toán AHRS sẽ là một tài liệu tham khảo giá trị để phát triển các mô hình lý thuyết phức tạp hơn cho cảm biến chi phí thấp. Kết quả được công bố trên SCIE cũng khẳng định giá trị học thuật.

  • Bộ phận R&D công nghiệp (Industry R&D): Các "practical applications" từ luận án có ý nghĩa lớn đối với ngành công nghiệp. Việc chứng minh "độ chính xác định vị tọa độ của iPhone và máy GPS cầm tay chuyên dụng là tương đương" cho các công việc TĐBĐ cụ thể (tỷ lệ 1:5.000 hoặc nhỏ hơn) sẽ thúc đẩy các công ty công nghệ và khảo sát đầu tư vào phát triển các ứng dụng và giải pháp dựa trên Smartphone. Các công ty phát triển phần mềm có thể tận dụng mô-đun hiệu chuẩn và phần mềm định vị iOS được phát triển làm nền tảng cho sản phẩm thương mại, giúp "giảm chi phí mua sắm thiết bị chuyên dụng" (ước tính tiết kiệm hàng triệu hoặc tỷ đồng) và "rút ngắn thời gian, giảm chi phí cấu thành sản phẩm Đo đạc - Bản đồ."

  • Các nhà hoạch định chính sách (Policy makers): Luận án cung cấp "evidence-based recommendations" về khả năng ứng dụng của Smartphone trong TĐBĐ và các lĩnh vực liên quan. Điều này giúp các nhà hoạch định chính sách tại các "government levels" đưa ra các quyết định sáng suốt về tiêu chuẩn kỹ thuật, đầu tư công nghệ, và phát triển hạ tầng định vị quốc gia, tận dụng công nghệ chi phí thấp để đạt được hiệu quả cao hơn trong quản lý tài nguyên và quy hoạch lãnh thổ. Ví dụ, Bộ Tài nguyên và Môi trường có thể xem xét các tiêu chuẩn cho phép sử dụng Smartphone trong một số hạng mục đo đạc.

  • Người dùng phổ thông (General users) và các ngành đặc thù (Nông nghiệp, Lâm nghiệp, Du lịch): Mặc dù không phải đối tượng chính của nghiên cứu này, việc dân chủ hóa công nghệ định vị chính xác thông qua Smartphone cuối cùng sẽ mang lại lợi ích cho hàng triệu người dùng. Ví dụ, nông dân có thể sử dụng Smartphone đã cải thiện độ chính xác để "đo diện tích rừng, trữ lượng rừng" hoặc quản lý mùa màng hiệu quả hơn, với lợi ích có thể "quantify" bằng việc tăng năng suất và tối ưu hóa chi phí đầu tư.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì, và nó mở rộng lý thuyết nào? Đóng góp lý thuyết độc đáo nhất của luận án là việc đề xuất phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất (ωe) lên các trục của cảm biến tốc độ góc cho kỹ thuật hiệu chuẩn không cần thiết bị tham chiếu ngoài. Phát hiện này trực tiếp mở rộng và cải thiện Lý thuyết Hiệu chuẩn Cảm biến Quán tính của Salychev [49] và Titterton [55], đặc biệt là thách thức những hạn chế được nêu trong các nghiên cứu như Poddar và cộng sự [47] và El Diasty và cộng sự [12], vốn chỉ ra rằng cảm biến tốc độ góc chi phí thấp thường cần bàn quay chuyên dụng do tín hiệu ωe bị lẫn trong nhiễu. Bằng cách cung cấp một giải pháp hiệu chuẩn thực tế cho cảm biến tốc độ góc chi phí thấp trên Smartphone, luận án này cho phép áp dụng rộng rãi hơn các mô hình định vị quán tính cho các thiết bị phổ thông, giảm đáng kể rào cản về chi phí và thiết bị chuyên dụng.

  2. Đổi mới phương pháp luận then chốt của luận án là gì và nó so sánh như thế nào với các nghiên cứu trước đây? Đổi mới phương pháp luận then chốt nằm ở sự tích hợp của quy trình hiệu chuẩn cảm biến quán tính (C6W) với phương pháp phân tích phương sai Allan và phát triển mô-đun hiệu chuẩn trực quan trên Smartphone.

    • So với Stancin và cộng sự [52]: Nghiên cứu của Stancin đề xuất kỹ thuật hiệu chuẩn để cải thiện hiệu quả về thời gian và độ phức tạp nhưng thừa nhận hạn chế về việc hiệu lực trên cảm biến tốc độ góc không biểu hiện ngay lập tức và chưa được kiểm chứng trực quan. Luận án này cải thiện bằng cách cung cấp "mô-đun chức năng hiệu chuẩn cảm biến quán tính được lập trình để có thể thực hiện trực quan ngay trên Smartphone theo thời gian thực," giúp người dùng dễ dàng kiểm tra và xác nhận hiệu chuẩn.
    • So với Sun và cộng sự [53]: Nghiên cứu của Sun thử nghiệm kỹ thuật hiệu chuẩn mới cho INS không đế không yêu cầu hệ thống căn chuẩn đắt tiền, nhưng hạn chế là chỉ có độ lệch được hiệu chuẩn đối với gia tốc kế và chưa kiểm chứng trực quan. Luận án này vượt trội bằng cách sử dụng kỹ thuật C6W, cho phép xác định tất cả 12 thông số hiệu chuẩn (độ lệch, hệ số tỷ lệ và hệ số chéo trục) cho cả cảm biến gia tốc và cảm biến tốc độ góc mà không cần thiết bị chuyên dụng, đồng thời cung cấp giao diện trực quan.
    • So với Xiaoji và cộng sự [38]: Mặc dù Xiaoji và cộng sự đã nghiên cứu việc sử dụng cảm biến quán tính iPhone cho dẫn đường ô-tô và đề xuất cần hiệu chuẩn, họ không trình bày chi tiết phương pháp hiệu chuẩn nhiễu hệ thống hay cách xác định nhiễu ngẫu nhiên. Luận án này lấp đầy khoảng trống đó bằng cách cung cấp phương pháp luận chi tiết cho cả hiệu chuẩn nhiễu tất định (sử dụng C6W với chuẩn hóa ωe) và mô hình hóa nhiễu ngẫu nhiên (sử dụng phương sai Allan để xác định 5 loại nhiễu).

  3. Phát hiện đáng ngạc nhiên nhất từ nghiên cứu là gì và bằng chứng dữ liệu hỗ trợ nó là gì? Phát hiện đáng ngạc nhiên nhất là "Kết quả độ chính xác định vị tọa độ của iPhone và máy GPS cầm tay chuyên dụng là tương đương" cho một số công việc cụ thể trong TĐBĐ (đo cập nhật các đối tượng địa vật, đường giao thông, rừng cho bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn). Điều này đáng ngạc nhiên vì các thiết bị GPS chuyên dụng thường có giá thành cao hơn đáng kể và được thiết kế cho độ chính xác vượt trội. Quan điểm phổ biến trong cộng đồng TĐBĐ là Smartphone không đủ chính xác cho các ứng dụng chuyên nghiệp. Bằng chứng dữ liệu hỗ trợ: "công trình khoa học này đã được NCS và cộng sự công bố trong bài báo tạp chí khoa học quốc tế SCIE và phân phối 02 ứng dụng trên App Store." Mặc dù các số liệu thống kê cụ thể (p-values, effect sizes) không được cung cấp trực tiếp trong đoạn văn này, việc công bố trên tạp chí SCIE đòi hỏi sự kiểm định khoa học nghiêm ngặt về dữ liệu và phân tích thống kê để khẳng định tính tương đương này. Hơn nữa, kết quả này được hỗ trợ bởi phát hiện "độ chính xác vị trí so với lộ trình chuẩn theo hướng di chuyển của hệ thống GNSS/INS trên Smartphone tăng lên đáng kể so với GNSS trong Smartphone thông thường," cho thấy sự cải thiện từ giải pháp tích hợp đã đưa Smartphone lên một cấp độ chính xác mới.

  4. Giao thức tái tạo (Replication protocol) có được cung cấp trong luận án không? Nếu có, ở đâu? Có, giao thức tái tạo một phần được cung cấp. Cụ thể, "Phần mã nguồn hiệu chuẩn cả hai cảm biến được trình bày ở Phụ lục D.1 bằng ngôn ngữ lập trình Matlab R2016b." Điều này cho phép các nhà nghiên cứu khác tái tạo các bước hiệu chuẩn cảm biến quán tính đã được đề xuất trong luận án. Ngoài ra, các phương trình toán học chi tiết cho mô hình sai số cảm biến (1.1-1.4), quy trình hiệu chuẩn (1.5-1.31) và phương pháp phân tích phương sai Allan (1.33-1.42), cùng với mô tả các hệ tọa độ và động học Trái Đất (Groves [15], Grewal et al. [41]), cung cấp đủ thông tin lý thuyết và toán học để tái tạo các bước xử lý dữ liệu và thuật toán chính.

  5. Luận án có phác thảo chương trình nghiên cứu 10 năm không? Nếu có, hãy nêu các hướng chính. Luận án không phác thảo một "chương trình nghiên cứu 10 năm" một cách tường minh. Tuy nhiên, phần "Limitations và Future Research" cung cấp một agenda nghiên cứu cụ thể cho tương lai gần và trung hạn, có thể coi là các hướng chính cho 5-10 năm tới. Các hướng chính bao gồm:

    • Mở rộng khả năng truy cập dữ liệu và phần cứng: Khám phá việc sử dụng thiết bị mở rộng bên ngoài chi phí thấp để cải thiện phần cứng định vị hoặc phát triển phương pháp ước lượng dữ liệu cảm biến chính xác hơn khi API bị hạn chế.
    • Tích hợp đa cảm biến nâng cao: Bổ sung các thông tin hỗ trợ khác như cảm biến từ trường, cảm biến áp suất, đồng hồ công-tơ-mét, hoặc tích hợp với các bộ thu GNSS ngoài có độ chính xác cao hơn.
    • Nghiên cứu mô hình bù nhiệt và độ ẩm: Nếu API cho phép, tích hợp các mô hình bù ảnh hưởng của nhiệt độ và độ ẩm lên cảm biến.
    • Phát triển và thực nghiệm trên các nền tảng khác: Mở rộng nghiên cứu sang nền tảng Android để đánh giá tính tổng quát.
    • Ứng dụng cho các kịch bản định vị động lực cao: Tối ưu hóa thuật toán cho các phương tiện có chuyển động nhanh và phức tạp như UAV. Các đề xuất này định hướng cho sự phát triển liên tục của công nghệ định vị dựa trên Smartphone trong dài hạn, vượt ra ngoài phạm vi của nghiên cứu hiện tại.

Kết luận

Luận án này đã tạo ra một bước tiến đáng kể trong lĩnh vực định vị chính xác bằng Smartphone thông qua việc tích hợp hệ thống GNSS và INS, mang lại những đóng góp khoa học và thực tiễn cụ thể:

  1. Đề xuất và kiểm chứng phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất cho kỹ thuật hiệu chuẩn cảm biến tốc độ góc chi phí thấp mà không cần thiết bị tham chiếu ngoài. Đây là một đổi mới quan trọng, giải quyết vấn đề nhiễu vốn làm hạn chế độ chính xác của cảm biến quán tính trên Smartphone.
  2. Phát triển mô-đun chức năng hiệu chuẩn cảm biến quán tính trực quan theo thời gian thực trên Smartphone, cải thiện đáng kể khả năng sử dụng và độ tin cậy của việc hiệu chuẩn thực địa, góp phần làm cho công nghệ định vị chính xác trở nên dễ tiếp cận hơn.
  3. Chứng minh độ chính xác định vị tọa độ của Smartphone (iPhone) tương đương với máy GPS cầm tay chuyên dụng cho một số công việc Trắc địa - Bản đồ cụ thể (ví dụ: bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn). Phát hiện này đã được công bố trên tạp chí khoa học quốc tế SCIE và ứng dụng thực tế trên App Store, mang lại tiềm năng giảm chi phí lớn cho ngành.
  4. Nâng cao đáng kể độ chính xác định vị trên Smartphone thông qua tích hợp GNSS/INS, khắc phục hiệu quả các gián đoạn tín hiệu GNSS và cải thiện hiệu suất định vị tổng thể so với chỉ sử dụng GNSS đơn thuần.
  5. Mô hình hóa toàn diện các thành phần nhiễu tất định và ngẫu nhiên của cảm biến quán tính Smartphone bằng kỹ thuật hiệu chuẩn sáu vị trí và phương pháp phương sai Allan, cung cấp cơ sở khoa học vững chắc để ước lượng tối ưu các giá trị của IMU trong bài toán tích hợp.

Luận án này đại diện cho sự tiến bộ trong tư duy nghiên cứu, thách thức các giả định truyền thống về khả năng của cảm biến chi phí thấp. Nó mở ra nhiều hướng nghiên cứu mới, đặc biệt trong lĩnh vực tích hợp đa cảm biến, học máy cho xử lý tín hiệu cảm biến, và mở rộng ứng dụng trên các nền tảng di động khác. Với các so sánh quốc tế từ Jones et al. [58], Julián Tomaštík Jr. et al. [45], và Xiaoji et al. [38], luận án đã thể hiện sự nhận thức sâu sắc về bối cảnh nghiên cứu toàn cầu và đóng góp một giải pháp độc đáo, có tính ứng dụng cao. Di sản của nghiên cứu này có thể được đo lường bằng việc giảm chi phí sản xuất bản đồ, tăng tốc độ thu thập dữ liệu, và khả năng tính toán cũng như chế tạo bộ thu GNSS/INS tại Việt Nam, góp phần vào sự phát triển công nghệ định vị chính xác và tạo ra các ứng dụng di động đổi mới trên phạm vi toàn cầu.