ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA
LÝ TÚ NGA
PHƯƠNG PHÁP LỌC ĐA PHẦN TỬ CHO BÀI TOÁN TÁI
LẤY MẪU TRONG THÔNG TIN VÔ TUYẾN
LUẬN ÁN TIẾN SĨ KỸ THUẬT
TP. HỒ CHÍ MINH NĂM 2018
ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
LÝ TÚ NGA
PHƯƠNG PHÁP LỌC ĐA PHẦN TỬ CHO BÀI TOÁN TÁI
LẤY MẪU TRONG THÔNG TIN VÔ TUYẾN
Chuyên ngành: Kỹ thuật viễn thông
Mã số chuyên ngành:62.52.02.08
Phản biện độc lập 1:PGS. TS Lý Quốc Ngọc
Phản biện độc lập 2: PGS. TS Vũ Văn Yêm
Phản biện 1: GS. TS Vũ Đình Thành
Phản biện 2: PGS. TS Nguyễn Văn Khang
Phản biện 3: PGS. TS Đặng Hoài Bắc
NGƯỜI HƯỚNG DẪN KHOA HỌC
1. GS.TS Lê Tiến Thường
2. TS. Mai Linh
LỜI CAM ĐOAN
Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả. Các kết quả
nghiên cứu và các kết luận trong luận án này là trung thực, và không sao chép từ bất
kỳ một nguồn nào và dưới bất kỳ hình thức nào.Việc tham khảo các nguồn tài liệu
(nếu có) đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.
Tác giả luận án
Chữ ký
TÓM TẮT
Mục tiêu của luận án là nghiên cứu phát triển các phương pháp tái lấy mẫu của bộ lọc
đa phần tử để nâng cao hiệu quả trong tính toán và cải thiện lỗi định vị cho mô hình
robot tự vận hành nói riêng và mạng định vị vô tuyến nói chung. Các nghiên cứu của
luận án đã được phát triển theo chiều sâu với tính kế thừa.
Tác giả đã đưa ra lý thuyết toán bộ lọc đa phần tử trên nền công nghệ FPGA. Từ đó tác
giả thiết kế và thực thi mô hình bài toán phi tuyến trên thực nghiệm và mô phỏng để
đối chiếu kết quả. Giải thuật bộ lọc đa phần tử dựa vào thuật toán lấy mẫu tuần tự và
Kit Virtex-II Pro với sự hỗ trợ gói công cụ Xilinx cho phần mềm MATLAB là nền
tảng cho hiện thực bộ lọc sơ khởi. Điểm hạn chế của nghiên cứu này là chỉ áp dụng tốt
đối với bộ lọc đa phần tử có số hạt tương đối nhỏ (khoảng 50 hạt).
Để giảm số hạt, tác giả đề xuất giải pháptìm giới hạn trên cho tái lấy mẫu theo
Kullback-Leibler Distance (KLD) của bộ lọc đa phần tử trong mạng định vị vô tuyến
với các trường hợp mật độ anchor nodes (5, 10, 15 và 20) và 7 mức công suất khác
nhau. Nói cách khác, tác giả mong muốn nghiên cứu giải pháp này ở góc độ ảnh
hưởng công suất khác nhau. Mô hình lựa chọn khảo sát là hệ thống LAURA với công
nghệ Zigbee và tập dữ liệu sẵn cótrên trang web. Kết quả kiểm chứng lỗi định vị cũng
như khoảng lỗi trong các trường hợp mật độ anchor nodes và các mức công suất khác
nhau được cải thiện.
Để giảm số hạt cần dùng, tác giả đề xuất thuật toán tìm phương sai giới hạn dưới cho
tái lấy mẫu KLD hiệu chỉnh phương sai và độ dốc dữ liệu cho bộ lọc đa phần tử để cải
thiện hiệu quả định vị mạng định vị LAURA. Như nghiên cứu đề xuất tìm giá trị giới
hạn dưới cho tái lấy mẫu KLD, lỗi định vị và vấn đề khảo sát ảnh hưởng công suất cho
các mật độ anchor nodes khác nhau cũng được tác giả xem xét.
Việc kết hợp đề xuất giải pháp tìm giới hạn trên và sau đó tìm phương sai giới hạn
dưới cho tái lấy mẫu KLD hiệu chỉnh phương sai và độ dốc cho mô hình robot tự vận
hành nhằm đánh giá và so sánh các đề xuất trên. Cuối cùng, lỗi định vị, số hạt cần
dùng và thời gian thực thi của các giải pháp này dựa vào mô hình robot tự vận hành
được thảo luận trong quyển luận án.
ABSTRACT
The purpose of this thesis is to study and develop resampling methods for Particle
Filters (PF) to improve the quality of computation and localization error for non-linear
problems as well as for wireless target tracking. The studies of the thesis are developed
in depth with inheritance.
The authors have released a theory about PFsimplemented on FPGA. Since then,
firstly, the authors proposed and implemented a non-linear system based on both
reality and simulation to benchmark their results.The Senquential Important
Resampling (SIR) algorithm based on PF and Virtex-II Pro board supported Xilinx
tool for MATLAB is to use the foundamental of the first implementation PF studies.
The disadvantage of this study is to apply well only for PF with 50 samples.
To reduce the number of particles, the authors have proposed the finding error bound
method for (Kullback-Leibler Distance) KLD-resampling based on PF, called the
second study,to solve the wireless target tracking in case of differentanchor nodes (5,
10, 15, 20 anchor nodes) and various power levels. In other words, the authors study
this approach that effects various power levels or power-management plane. The
available data set of LAURA is supported on website.Simulation results show that this
method enhances the tracking error and the changing power lewels in all case of
various anchor nodescompared with traditional approaches.
To further reduce the number of particles, the authors have also proposed the finding
lower bound variance for KLD-resampling adjusted variance and gradient data based
on PF, namely the third study, to improve the target localization of LAURA system.
Similar to the second study,all results show that this method enhances the error
localization and the affecting power-management plane under various anchor nodes
when comparied previous methods.
Combining the finding error bound and lower bound variance method for KLDresampling adjusted variance and gradient data is, the last study, to solve the tracking
target based on received signal strength. Final, the error localization, the number of
particle used, the operation time are studied and evaluated fortracking robot.
LỜI CÁM ƠN
Trong suốt quá trình thực hiện luận án, tôi đã nhận được rất nhiều sự giúp đỡ của các
thầy cô Khoa Điện –Điện tử và Khoa Sau Đại Học, Trường Đại Học Bách Khoa
TPHCM. Tôi cũng đã nhận được nhiều sự giúp đỡ, hỗ trợ và tạo điều kiện thuận lợi từ
Ban Giám Hiệu, Trường Đại Học Quốc tế TPHCM, nơi tôi công tác.
Luận án này là một thử thách rất lớn đối với tôi. Có lẽ tôi sẽ không thể theo đuổi và
hoàn thành nó nếu không có sự hướng dẫn tận tình và những lời động viên, cổ vũ vô
cùng quí giá củaGS. TS. Lê Tiến Thường và TS. Mai Linh, những người thầy mà tôi
luôn ghi nhớ và biết ơn sâu sắc.
Tôi cũng xin gửi lời cảm ơn chân thành đến các Thầy Cô Bộ môn Điện tử-Viễn
Thông, Trường Đại học Bách khoa, là những người đã có nhiều ý kiến đóng góp và
phản biện quí báu cho tôi, trong suốt quá trình nghiên cứu và hoàn thiện luận án.
Bên cạnh đó, tôi cũng xin gửi lời cảm ơn đến nhóm các tác giảPhan Ngọc Thiện,
Hoàng Anh Ngọ và Trần Thị Hoàng Oanh. Những người đã chia sẽ cho tôi công trình
nghiên cứu và mã code chương trình quí giá của họ. Đó chính là nền tảng cơ sở giúp
tôi phát triển các giải thuật nghiên cứu của mình.
Cuối cùng, tôi gửi lời cảm ơn chân thành đến gia đình, bạn bè và đồng nghiệp, những
người đã có nhiều động viên, chia sẽ và giúp đỡ để tôi hoàn thành luận án.
Tác giả luận án
MỤC LỤC
DANH MỤC CÁC HÌNH ẢNH......................................................................................v
DANH MỤC BẢNG BIỂU ......................................................................................... viii
DANH MỤC CÁC TỪ VIẾT TẮT ................................................................................ix
CHƯƠNG 1 GIỚI THIỆU CHUNG .............................................................................1
1.1
Lý do chọn đề tài ................................................................................................1
1.2
Tổng quan về hiện trạng nghiên cứu ..................................................................2
1.2.1 Những nghiên cứu bộ lọc đa phần tử ở nước ngoài .....................................2
1.2.1.1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở nước ngoài .............................2
1.2.1.2 Nghiên cứu ảnh hưởng công suất của bộ lọc đa phần tử ở nước ngoài ......6
1.2.2 Những nghiên cứu bộ lọc đa phần tử ở trong nước .....................................7
1.2.2.1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở trong nước .............................7
1.2.2.2 Nghiên cứu ảnh hưởng công suất của bộ lọc đa phần tử ở trong nước .......7
1.2.3 Nhận định và định hướng về tình hình nghiên cứu ......................................7
1.3
Mục đích và đối tượng nghiên cứu của luận án .................................................9
1.4
Phạm vi và phương pháp nghiên cứu ...............................................................10
1.5
Đóng góp mới của Luận án ..............................................................................10
1.6
Ý nghĩa khoa học và ứng dụng thực tiễn của Luận án .....................................11
1.7
Cấu trúc của Luận án........................................................................................11
CHƯƠNG 2 LÝ THUYẾT TỔNG QUAN VÀ THIẾT KẾ THỰC NGHIỆM BỘ
LỌC SIR
2.1
13
Tổng quan về phương pháp ước lượng Bayes .................................................13
2.1.1 Cơ sở lý thuyết định lý Bayes ....................................................................13
2.1.2 Bộ lọc Kalman............................................................................................14
2.1.3 Bộ lọc Kalman mở rộng .............................................................................15
2.2
Bộ lọc đa phần tử .............................................................................................16
i
2.2.1 Bộ lọc đa phần tử .......................................................................................17
2.2.2 Tích phân Monte Carlo (trì hoãn) ..............................................................19
2.2.3 Lấy mẫu chuỗi quan trọng .........................................................................20
2.2.4 Phương pháp lấy mẫu quan trọng tuần tự ..................................................22
2.2.5 Vấn đề thoái hóa mẫu.................................................................................25
2.2.6 Lưu đồ thuật toán bộ lọc đa phần tử ..........................................................29
2.3
Kỹ thuật định vị trong mạng vô tuyến .............................................................30
2.3.1 Mạng cảm biến vô tuyến ............................................................................30
2.3.2 Công nghệ định vị trong mạng cảm biến ...................................................37
2.3.3 Mô hình truyền sóng ..................................................................................55
2.4
Thiết kế bộ lọc đa phần tử SIR .........................................................................60
2.4.1 Thiết kế các khối bộ lọc đa phần tử trong AccelDSP 10.1 ........................61
2.4.2 Xây dựng mô hình và mô phỏng trong System Generator 10.1 ................66
2.4.3 Thực hiện mô phỏng trực tiếp trên FPGA Virtex-II Pro............................67
2.5
Kết quả mô phỏng và thực nghiệm bộ lọc đa phần tử SIR ..............................69
2.5.1 Kiểm chứng không gian trạng thái trên MATLAB và nền công nghệ
FPGA 70
2.5.2 Kiểm chứng RMSE và số hạt .....................................................................72
2.5.3 Kiểm chứng RMSE và phương sai nhiễu phép đo .....................................72
2.6
Kết luận ............................................................................................................73
CHƯƠNG 3 GIẢI PHÁP TÌM GIỚI HẠN TRÊN CHO TÁI LẤY MẪU KLD
MẠNG ĐỊNH VỊ VÔ TUYẾN TRONG NHÀ .............................................................74
3.1
Vấn đề và hướng giải quyết .............................................................................74
3.1.1 Vấn đề đặt ra ..............................................................................................74
3.1.2 Hướng giải quyết ........................................................................................77
3.2
Mô hình hóa mạng định vị ...............................................................................78
ii
3.2.1 Thuật toán Gradient descent ......................................................................78
3.2.2 Cấu trúc mạng và hiện thực .......................................................................83
3.3
Thiết kế hệ thống LAURA ...............................................................................86
3.3.1 Hệ thống phân tán LAURA .......................................................................86
3.3.2 Hệ thống tập trung LAURA .......................................................................87
3.3.3 Ứng dụng PMS nâng cao hiệu quả định vị ................................................89
3.4
Thuật toán bộ lọc đa phần tử ............................................................................89
3.4.1 Giả định ......................................................................................................90
3.4.2 Tiên đoán ....................................................................................................91
3.4.3 Cập nhật .....................................................................................................91
3.5
Giải pháp tìm giới hạn trên cho tái lấy mẫu KLD............................................92
3.5.1 Phương pháp tái lấy mẫu KLD ..................................................................92
3.5.2 Thuật toán tìm giá trị giới hạn trên ............................................................94
3.6
Kết quả mô phỏng ............................................................................................95
3.6.1 Dữ liệu thử nghiệm ....................................................................................95
3.6.2 Thiết lập giá trị giới hạn trên......................................................................98
3.6.3 Kiểm chứng lỗi định vị với mức công suất (-15dBm) ...............................99
3.6.4 Kiểm chứng khoảng lỗi với các mức công suất khác nhau......................100
3.6.5 Kiểm chứng lỗi định vị với các mật độ anchor nodes .............................101
3.7
Kết luận ..........................................................................................................102
CHƯƠNG 4 GIẢI PHÁP KLD HIỆU CHỈNH PHƯƠNG SAI VÀ ĐỘ DỐC DỮ
LIỆU
4.1
103
Thuật toán tìm giá trị phương sai ...................................................................103
4.1.1 Vấn đề bài toán và hướng giải quyết .......................................................103
4.1.2 Thuật toán tái lấy mẫu KLD với hiệu chỉnh phương sai và độ dốc .........104
4.1.3 Thuật toán tìm giá trị phương sai giới hạn dưới ......................................105
iii
4.1.4 Thiết lập thông số hệ thống ......................................................................107
4.1.5 Kiểm chứng lỗi định vị ............................................................................108
4.1.6 So sánh khoảng lỗi các phương pháp truyền thống và đề xuất ................109
4.1.7 Kiểm chứng khoảng lỗi với các mức công suất khác nhau......................110
4.1.8 Kiểm chứng ảnh hưởng mức công suất với lỗi định vị ............................111
4.2
Thuật toán tìm giá trị hiệu chỉnh phương sai và giá trị giới hạn trên.............112
4.2.1 Vấn đề bài toán và hướng giải quyết .......................................................112
4.2.2 Thiết lập thông số hệ thống ......................................................................115
4.2.3 Kiểm chứng RMSE và số hạt cần dùng (R=Q=0,5) ...................................116
4.2.4 Kiểm chứng RMSE và số hạt cần dùng khi thay đổi các phương sai nhiễu
.............................................................................................................................117
4.2.5 Kiểm chứng thời gian, sai số chuẩn, mức độ tính toán ..............................118
4.3
Kết luận ..........................................................................................................121
CHƯƠNG 5 KẾT LUẬN VÀ ĐỊNH HƯỚNG NGHIÊN CỨU ..............................122
5.1
Kết luận ..........................................................................................................122
5.2
Định hướng nghiên cứu ..................................................................................124
PHỤ LỤC ....................................................................................................................125
P1. Khoảng lỗi và số hạt cần dùng ..........................................................................125
P2. Thông số thời gian chạy mô phỏng CHƯƠNG 4..............................................129
DANH MỤC CÔNG BỐ CÁC CÔNG TRÌNH CỦA TÁC GIẢ ...............................133
TÀI LIỆU THAM KHẢO ...........................................................................................135
iv
DANH MỤC CÁC HÌNH ẢNH
Hình 2.1 Ví dụ về lấy mẫu dựa trên đại diện PDF ........................................................22
Hình 2.2 Vấn đề thoái hóa mẫu .....................................................................................27
Hình 2.3 Ví dụ về thuật toán tái lấy mẫu .......................................................................28
Hình 2.4 Lưu đồ thuật toán bộ lọc đa phần tử ...............................................................30
Hình 2.5 Mô hình mạng truyền dữ liệu .........................................................................31
Hình 2.6 Cấu trúc một nút cảm biến..............................................................................33
Hình 2.7 Phân bố các nút cảm biến trong mạng cảm biến ............................................34
Hình 2.8 Kiến trúc giao thức mạng cảm biến không dây ..............................................35
Hình 2.9 Cấu trúc mạng cảm biến (a) phẳng (b) tầng ...................................................36
Hình 2.10 Hệ thống định vị GPS ...................................................................................39
Hình 2.11 Mô hình WiFi thực tế ...................................................................................41
Hình 2.12 Cấu trúc liên kết mạng Zigbee......................................................................45
Hình 2.13 Tổng quan về kỹ thuật định vị ......................................................................45
Hình 2.14 Cấu trúc đặc trưng của cảm biến với các beacons và các nút thông thường 46
Hình 2.15 Kỹ thuật TDoA (a) Nhiều nút (b) Nhiều tín hiệu .........................................47
Hình 2.16 Kỹ thuật AoA ...............................................................................................49
Hình 2.17 Phương pháp định vị dựa vào thời gian (a) 3 beacons (b) Kỹ thuật định vị 49
Hình 2.18 Phương pháp định vị trong mạng cảm biến..................................................52
Hình 2.19 Ảnh hưởng hiện tượng đa đường lên kỹ thuật định vị dựa vào phạm vi .....53
Hình 2.20 Tạo Flow cho hệ thống .................................................................................60
Hình 2.21 Quy trình tạo các khối IP core “dexuat1”.....................................................60
Hình 2.22 Tạo một project mới .....................................................................................61
v
Hình 2.23 Project dexuat1 được tạo trong AccelDSP ...................................................61
Hình 2.24 Đồ thị mô hình dấu chấm động ....................................................................62
Hình 2.25 Cửa sổ Project Explorer khi phân tích mô hình dấu chấm động ..................62
Hình 2.26 Cửa sổ Project Explorer khi tạo mô hình dấu chấm cố định ........................63
Hình 2.27 So sánh đồ thị mô phỏng dấu chấm động và dấu chấm cố định ..................63
Hình 2.28 Cửa sổ Project Explorer khi tạo mô hình RLT .............................................64
Hình 2.29 Các báo cáo tạo mô hình RLT ......................................................................64
Hình 2.30 Giao diện mô phỏng HDL ............................................................................65
Hình 2.31 (a) Khối dexuathat1 (b) Version Info ...........................................................65
Hình 2.32 Thư viện Simulink của MATLAB ...............................................................65
Hình 2.33 Thiết kế bộ lọc đa phần tử trong Xilink System Generator 10.1..................66
Hình 2.34 Khối embedded Function .............................................................................66
Hình 2.35 System Generator token ...............................................................................67
Hình 2.36 Khối Jtag Co-sim ..........................................................................................67
Hình 2.37 Kết nối khối Jtag Co-sim với mô hình .........................................................68
Hình 2.38 Cable platform USB cho Xilinx JTAG hardware Co-simulation ...............68
Hình 2.39 Cấu hình FPGA trên Jtag khi mô phỏng bộ lọc phần tử ..............................68
Hình 2.40 Kết quả mô hình 1 (a)Số hạt 10 vòng lặp 10 (b)Số hạt 100 vòng lặp 49 .....70
Hình 2.41 Kết quả mô hình 2 (a)Số hạt 10 vòng lặp 10 (b)Số hạt 100 vòng lặp 49 ....71
Hình 3.1. Cấu trúc mạng LAURA .................................................................................74
Hình 3.2 Lưu đồ cải thiện định vị..................................................................................76
Hình 3.3 Cấu trúc hệ thống định vị trong nhà ...............................................................78
Hình 3.4 Minh họa ví dụ định dạng địa chỉ và định tuyến cây .....................................83
vi
Hình 3.5 Cấu trúc payload của gói thông tin định vị. Một chuỗi số được đính kèm vào
gói cho mục đích đồng bộ ............................................................................................86
Hình 3.6 Thuật toán định tuyến vector khoảng cách ....................................................86
Hình 3.7 Tin trao đổi trong D-LAURA . .......................................................................87
Hình 3.8 Tin trao đổi trong C-LAURA . .......................................................................88
Hình 3.9 (a) Lỗi định vị chuẩn cho môi trường kiểm tra như hình b (b) Hình vuông
nhỏ màu đen là nơi đánh dấu các vị trí anchor nodes ...................................................95
Hình 3.10 Cách bố trí tập dữ liệu anchor nodes ............................................................96
Hình 3.11Lỗi định vị cho ba giải pháp với mức công suất (-15dBm)...........................99
Hình 3.12 Khoảng lỗi với mức công suất khác nhau cho các giải pháp .....................100
Hình 3.13 Theo dõi lỗi với các mức công suất self-RSSI của đề xuất ........................101
Hình 4.1 Theo dõi lỗi với mức công suất tối thiểu (-25dBm) đề xuất ........................109
Hình 4.2 Khoảng lỗi với các mức công suất cho các giải pháp ..................................111
Hình 4.3 Lỗi định vị với các mức công suất cho đề xuất ............................................112
Hình 4.4 (a) Phân đoạn thời gian (b) Thành phần vận tốc xác định và ngẫu nhiên ....113
Hình 4.5 Kết quả mô phỏng hệ thống phi tuyến cho các thuật toán đề xuất ...............117
Hình 4.6 Khoảng số hạt cần dùng và RMSE ...............................................................118
vii
DANH MỤC BẢNG BIỂU
Bảng 2.1 Thuật toán SIR ...............................................................................................24
Bảng 2.2 So sánh các hệ thống định vị phổ biến ...........................................................38
Bảng 2.3 So sánh các chuẩn wifi 802.11 .......................................................................42
Bảng 2.4 Giá trị trong các môi trường truyền sóng khác nhau .................................56
Bảng 2.5 RMSE và số hạt thay đổi................................................................................72
Bảng 2.6 RMSE và phương sai nhiễu thay đổi .............................................................72
Bảng 3.1 Pseudo-code của thuật toán tái lấy mẫu KLD ................................................93
Bảng 3.2Thuật toán tìm giới hạn trên cho tái lấy mẫu KLD .........................................94
Bảng 3.3 Tọa độ của 20 anchor nodes (ANT & Lab) ...................................................96
Bảng 3.4 Thông số hệ thống .........................................................................................97
Bảng 3.5 Giới hạn trên vs. các mức công suất self-RSSI trên diện tích 250m2 ............98
Bảng 4.1. Tái lấy mẫu KLD với hiệu chỉnh phương sai và độ dốc dữ liệu .................104
Bảng 4.2 Thuật toán tìm phương sai giới hạn dưới cho đề xuất .................................106
Bảng 4.3 Thông số mạng định vị.................................................................................107
Bảng 4.4 Giá trị phương sai giới hạn dưới vs. các mức công suất ..............................107
Bảng 4.5 Khoảng lỗi với mật độ anchor nodes ............................................................109
Bảng 4.6 Thuật toán đề xuất cho hệ thống phi tuyến ..................................................113
Bảng 4.7 RMSE và số hạt cần dùng ............................................................................116
Bảng 4.8 Thống kê thời gian trung bình chạy mô phỏng cho hệ thống vô tuyến .......118
Bảng 4.9 So sánh mức độ tính toán, kích thước mẫu của các giải pháp tái lấy mẫu ..119
Bảng 4.10 So sánh hiệu quả số hạt cần dùng vs. RMSE, thời gian.............................120
Bảng 0.1 Khoảng lỗi và số hạt cần dùng (R=0,5, Q=0,1) ...........................................125
Bảng 0.2 Khoảng lỗi và số hạt cần dùng (R=0,5, Q=0,3) ..........................................126
Bảng 0.3 Khoảng lỗi và số hạt cần dùng (R=0,5, Q=0,5) ...........................................127
Bảng 0.4 Khoảng lỗi và số hạt cần dùng (R=0,5, Q=0,7) ...........................................128
Bảng 0.5 Thông số thời gian chạy mô phỏng (R=0,5, Q=0,1) ....................................129
Bảng 0.6 Thông số thời gian chạy mô phỏng (R=0,5,Q=0,3) .....................................130
Bảng 0.7 Thông số thời gian chạy mô phỏng (R=0,5, Q=0,5) ....................................131
Bảng 0.8 Thông số thời gian chạy mô phỏng (R=0,5, Q=0,7) ....................................132
viii
DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt
AoA
AP
AWN
CDF
C-LAURA
D-LAURA
FIFO
FPGA
GPS
HAT
KLD
LAURA
MAC
MATLAB
MIMO
NA
NLoS
OFDM
Diễn giải tiếng Anh
Angle of Arrival
Access Point
Associated With Network
Cumulative Distribution Function
Centrialized LocAlization and
Ubiquitous monitoRing of pAtients
Distributed LocAlization and
Ubiquitous monitoRing of pAtients
First In First Out
Field-Programmable Gate Array
Global Positioning System
Hierarchical Addressing Tree
Kullback-Leibler Distance
LocAlization and Ubiquitous
monitoRing of pAtients
Media Access Control
PAN
PDF
PF
RAM
RMSE
MAtrix LABoratory
Multiple Input-Multiple Output
Network Architecture
Non-Light of Sight
Orthogonal Frequency-Division
Multiplexing
Personal Area Network
Probability Density Function
Particle Filter
Random AccessMemory
Root Mean Square Error
ROM
RSS
SIR
Read Only Memory
Received Signal Strength
Sequential Importance Resampling
SIS
Sequential Importance Sampling
ToA
Time of Arrival
ix
Diễn giải tiếng Việt
Góc tới
Điểm truy cập
Mạng liên kết
Hàm phân phối tích lũy
Định vị và giám sát bệnh nhân
theo mô hình tập trung
Định vị và giám sát bệnh nhân
theo mô hình phân tán
Vào trước ra trước
Mảng cổng lập trình
Hệ thống định vị toàn cầu
Cây địa chỉ thứ bậc
Khoảng cách Kullback-Leibler
Định vị và giám sát bệnh nhân
Kiểm soát truy cập truyền
thông
Phần mềm MATLAB
Đa đầu vào-đa đầu ra
Kiến trúc mạng
Không có đường truyền thẳng
Ghép kênh tần số trực giao
Mạng cá nhân
Hàm mật độ xác suất
Bộ lọc đa phần tử
Bộ nhớ truy xuất ngẫu nhiên
Lỗi căn bậc hai trung bình bình
phương
Bộ nhớ chỉ đọc
Cường độ tín hiệu nhận
Tái lấy mẫu mẫu quan trọng
tuần tự
Lấy mẫu chuỗi quan trọng tuần
tự
Thời gian tới
CHƯƠNG 1
GIỚI THIỆU CHUNG
1.1 Lý do chọn đề tài
Việc hồi sinh bộ lọc đa phần tử (PF), sau hai thập niên, là một phương pháp xử lý tín
hiệu tuần tự (N. J. Gordon, Salmond, & Smith, 1993). Kể từ đó, PF đã trở nên rất phổ
biến vì nó có khả năng xử lý các giá trị đo bởi các mô hình không gian trạng thái phi
tuyến do ảnh hưởng nhiễu phi Gauss. Phương pháp này ứng dụng trong các lĩnh vực
khác nhau như tài chính, hệ thống địa vật lý, thông tin vô tuyến, điều khiển, định vị và
theo dõi, và robot (Doucet & Johansen, 2009). Sự phổ biến bộ lọc PF thúc đẩy nhiều
công trình nghiên cứu trên và giải quyết bài toán phi tuyến (Arulampalam, Maskell,
Gordon, & Clapp, 2002) cũng như theo dõi mục tiêu trong hệ thống vô tuyến (ANT &
Lab; Farid, Nordin, & Ismail, 2013; Redondi, Chirico, Borsani, Cesana, &
Tagliasacchi, 2013; Ren & Meng, 2009; Ren, Meng, & Xu, 2007).
Theo dõi mục tiêu bằng bộ lọc đa phần tử thực chất là theo dõi các hàm phân bố phát
sinh khác nhau trong mô hình không gian trạng thái động thông qua khai thác trạng
thái không gian được lấy mẫu một cách ngẫu nhiên (hạt)(T Li, Bolic, & Djuric, 2013).
Về cơ bản phương pháp bộ lọc đa phần tử dựa trên ba hoạt động: 1) Trì hoãn hạt
(Particle propagation), 2) Tính toán trọng số, và 3) Tái lấy mẫu. Nhờ vào sự phát triển
công nghệ xử lý song song được tích hợp trong phần cứng đã góp phần giải quyết hai
bước trì hoãn hạt và tính toán trọng số một cách dễ dàng. Trong khi đó, bước tái lấy
mẫu là bước phổ quát và thường tạo ra chiều không gian trạng thái tự do nhưng lại
không thích hợp cho xử lý song song. Bước tái lấy mẫu rất cần thiết cho bộ lọc PF,
nếu không có bước này bộ lọc PF sẽ nhanh chóng xảy ra hiện tượng thoái hóa mẫu và
dẫn đến việc theo dõi mục tiêu không còn chính xác; có nghĩa là việc ước lượng được
thực hiện không chính xác và phương sai không thể chấp nhận xảy ra rất lớn. Các
nghiên cứu (Bolić, Djurić, & Hong, 2004; Douc & Cappé, 2005; Hol, Schon, &
Gustafsson, 2006; Liu, Chen, & Logvinenko, 2001) đã đề xuất các giải pháp tái lấy
mẫu khác nhau như tái lấy mẫu dựa vào các trọng số trước đó, tái lấy mẫu từ phân bố
gần đúng, và tái lấy mẫu từ một phần của không gian mẫu (T Li et al., 2013). Ngoài ra,
1
những phương pháp tiếp cận dựa trên phân nhóm hạt khác nhau đã được đề xuất bằng
cách sử dụng các ngưỡng hoặc bằng cách kết hợp các hạt lân cận. Những cách tiếp cận
được sử dụng khi yêu cầu giảm số lượng phép toán hoặc giảm truyền thông giữa các
phần tử xử lý trong việc triển khai song song. Việc tái lấy mẫu của bộ lọc PF giúp giải
quyết các bài toán phi tuyến một cách hiệu quả cũng như làm giảm ảnh hưởng nhiễu
đa đường dựa vào cường độ tín hiệu nhận (RSS) để tăng cường định vị mục tiêu trong
mạng thông tin vô tuyến (Tiancheng Li, Sun, & Sattar, 2013; X. Li, 2006; Redondi et
al., 2013; Redondi et al., 2010; Thiện, 12/2015; Wang, Zhao, & Qian, 2012).
Theo phân tích và tổng hợp ở trên, người viết xác nhận hai điều: một làtái lấy mẫu của
bộ lọc đa phần tử bằng thuật toán KLDcho phép ước lượng độ chính xác định vị trong
bài toán thông tin vô tuyếnđã và đang được quan tâm ở nhiều góc độ như: đánh giá lỗi
định vị (theo tiêu chuẩn RMSE), số hạt cần dùng, ảnh hưởng công suất trong các
trường hợp mật độ anhor nodes khác nhau. Hai là, việc thử nghiệm bộ lọc PF trên nền
công nghệ FPGA cho mô hình bài toán phi tuyến cũng đang được nhiều người quan
tâm. Vì vậy, phương pháp tiếp cận bộ lọc đa phần tử theo thống kê để giảm số lượng
hạt cần dùng và đồng thời vẫn đảm bảo tính chính xác khoảng lỗi so với các giải pháp
khác nhằm giải quyết vấn đề định vị trong mạng vô tuyến là những phần then chốt
trong quyển luận án.
1.2 Tổng quan về hiện trạng nghiên cứu
1.2.1 Những nghiên cứu bộ lọc đa phần tử ở nước ngoài
1.2.1.1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở nước ngoài
Theo lý thuyết Bayes, dựa trên khái niệm tầm quan trọng lấy mẫu tuần tự SISnhằm
mục đích theo dõi ẩn số thời gian khác nhau trong hệ thống(Djuric et al., 2003). Các
nguyên tắc cơ bản của phương pháp này là xấp xỉ các phân phối liên quan với giá trị
đo ngẫu nhiên gồm các hạt (các mẫu từ không gian của các ẩn số) và trọng số của mẫu
theo mô hình bài báo nhằm giải quyết cân bằng mù, phát hiện mù trên các kênh fading
phẳng, đa người dùng; ước lượng và tách các mã không gian-thời gian trong kênh
fading(Mengali U., 1997). Vấn đề đồng bộ cần được quan tâm trong mô hình hệ
thống.Tiếp theo các thuật toán Bayes được xem xét ở góc độ tối ưu hệ thống phi
2
tuyến/phi Gausstrong vấn đề theo vết đối tượng và đặc biệt tập trung vào bộ lọc đa
phần tử như SIR, ASIR, RPF, Likelihood PF(Arulampalam et al., 2002). Ngoài ra, áp
dụng thuật toán tái lấy mẫu hệ thống cho bộ lọc UPF đã làm giảm sự thoái hóa các
mẫu cho mạng cảm biến không dây và nâng cao kết quả định vị hơn giải pháp
SIR(Wang et al., 2012). Cần lưu ý rằng, khi giá trị cường độ tín hiệu nhận RSS giảm,
tác giả đề xuất việc sử dụng tốc độ của các nút di động để nâng cao chính xác kết quả
định vị.
Theo phương pháp thống kê, sử dụng tập mẫu thích nghi trong quá trình ước lượng
của bộ lọc đa phần tử được đề xuất (Fox, 2003). Ý tưởng chính của phương pháp này
là ràng buộc các lỗi xấp xỉ theo KLD bởi các đại diện mẫu dựa trên các bộ lọc đa phần
tử. Cách tiếp cận bài báo này là chọn một số lượng nhỏ các mẫu nếu mật độ tập trung
vào một phần nhỏ của không gian trạng thái, và ngược lại một số lượng lớn các mẫu
được chọn nếu trạng thái không chắc chắn xảy ra cao. Tại mỗi lần lặp, cách tiếp cận
của mẫu cho đến khi số lượng của chúng đủ lớn để đảm bảo rằng khoảng cách giữa
ước lượng theo KL tối đa và cơ bản không vượt quá một giá trị ràng buộc. Kết quả
thực nghiệm cho robot tự vận hành cho thấy những cải tiến đáng kể trên các bộ lọc đa
phần tử với tập mẫu có kích thước cố định. Tuy nhiên, vấn đề lấy mẫu theo KLD được
giả định phân bố thực và bỏ qua mọi sự không phù hợp giữa các hàm phân bố thực và
đề xuất. Để khảo sát số lượng mẫu liên quan chặt chẽ với thời gian hoạt động trong
của giải pháp này, việc lấy đạo hàm của hàm quan sát và kết hợp với hiệu chỉnh
phương sai tạo ra các mẫu khả năng cao cho thuật toán lấy mẫu với điều chỉnh phương
sai theo KLD, giải pháp này gọi là tái lấy mẫu KLD hiệu chỉnh phương sai và độ dốc
dữ liệu(Park, Kim, Lee, & Lim, 2008). Nghiên cứu định vị robot cho thấy giải pháp
này thực hiện tốt hơn về mặt thời gian hoạt động và kích thước mẫu so với bộ lọc đa
phần tử truyền thống (như SIR(Djuric et al., 2003)haylấy mẫu KLD (Fox, 2003)).
Tiếp nối và khắc phục việc quyết định số hạt lấy mẫu theo KLD(Fox, 2003), nghiên
cứu sự phân bố của các hạt trước và sau khi tái lấy mẫu không vượt quá một ràng buộc
lỗi xác định trước đã trình bày(Tiancheng Li, Bolic, & Djuric, 2015; Tiancheng Li et
al., 2013; Murray, Lee, & Jacob, 2016; Yin & Zhu, 2015). Nghĩa là các giá trị đo KLD
được đưa vào bước tái lấy mẫu, trong đó hàm phân bố mong muốn đóng vai trò như là
3
hàm phân bố hậu nghiệm. Điều này nói lên rằng, việc điều chỉnh kích thước mẫu là
một lý thuyết chặt chẽ và linh hoạt nhằm đo sự thích hợp của hàm phân phối đại diện
bởi trọng số của các hạt theo KLD trong quá trình tái lấy mẫu tốt hơn trong quá trình
lấy mẫu.
Ngoài ra, để tránh loại bỏ sự “kiểm duyệt” (uncensored) của các hạt có trọng số thấp
cũng đồng nghĩa là tránh được sự thoái hóa mẫu, độ dốc của các hạt được duy trì bằng
cách lấy mẫu một cách xác định cung cấp các hạt để cải thiện tái lấy mẫu dư.Cách tiếp
cận này nghiêm ngặt và duy trì được sự phân bố mật độ trạng thái ban đầu. Ngoài ra,
giải pháp này có thể thực hiện trong những ứng dụng không gian trạng thái thấp
(Tiancheng Li, Sattar, & Sun, 2012). Ý tưởng phương pháp này là lấy mẫu/tái lấu mẫu
dựa trên cả trọng số của các hạt và giá trị trạng thái của các hạt, đặc biệt là khi kích
thước mẫu nhỏ. Kết quả mô phỏng, chỉ ra rằng độ chính xác ước lượng của đề xuất
này là tốt hơn so với phương pháp truyền thống. Ưu điểm của kỹ thuật này làduy trì
trạng thái mật độ ban đầu và độ dốc các hạt mà không có ảnh hưởng thoái hóa mẫu.
Tái lấy mẫu theo giải pháp này có thể ước lượng được độ chính xác tốt hơn với mức
độ tính toán khả thi.
Để tăng tốc độ thuật toán của bộ lọc PF trong thời gian thực, tác giả (Sileshi, Ferrer, &
Oliver, 2013) đề xuất bộ lọc generic PF và regularized PF (RPF) dựa vào phần cứng để
giải quyết vấn đề.Từ thực nghiệm, bước trọng số quan trọng chiếm nhiều thời gian
thực thi đối với bộ lọc RPF vì mức độ tính toán tương quan cao hơn bộ lọc generic PF.
Trong số những phương pháp tái lấy mẫu, giải pháp lấy mẫu Independent Metropolis
Hastings ít yêu cầu tính toán hơn các giải pháp khác như bộ lọc PF hệ thống
(systematic), bộ lọc PF phân tầng (stratified) và bộ lọc PF hồi quy (residual).
Việc kết hợp mô hình động lực và mô hình quan sát, (Bi, Ma, & Wang, 2015), nhằm
làm giảm nguy cơ thoái hoá mẫu bằng cách sử dụng phân tích bộ lọc Kalman toàn bộ
(ensemble KF-EnKF) để xác định mật độ đề xuất cho bộ lọc PF. Bên cạnh đó, bài báo
nêu ra bốn nhận định trong việc tính toán và đánh giá số lượng hạt. Nhận định thứ nhất
là với cùng số bắt đầu của các hạt rất nhỏ, giải pháp Metropolis và tái lấy mẫu đa thức
chạy nhanh. Nhận định thứ hai là định lượng tái lấy mẫu theo KLD (khi số hạt nhỏ
hơn 300) là chậm nhất vì cần tạo ra các lưới trong không gian của trạng thái. Nhận
4
định thứ ba làđịnh lượng lấy mẫu hiệu quả hơn nhiều so với việc lấy mẫu ngẫu nhiên
ví dụ như Rounding-copy và RSR tính toán nhanh nhất. Nhận định thứ tư là so sánh tái
lấy mẫu KLD duy trì một số hạttương đối ổn định và yêu cầu tính toán sẽ không tăng
với số lượng các hạt (khi số hạt lớn hơn 60, thời gian tính toán của việc lấy mẫu lại
KLD khá ổn định); khi số hạt lớn hơn 350, việc tái lấy mẫu KLD có thể là nhanh hơn
tái lấy mẫu đa thức. Đây là lợi thế điều chỉnh mẫu trực tuyến theo yêu cầu hệ thống có
thể rất hữu ích trong các ứng dụng thời gian thực trong đó khả năng tính toán nhiều.
Tác giả(Tiancheng Li, Bolic, & Djuric, 2015) trình bày phân loại, hiện thực và chiến
thuật của các giải pháp tái lấy mẫu cho bộ lọc đa phần tử. Đầu tiên, định nghĩa phân
loại là nhóm các phương pháp dựa trên việc thực hiện là tuần tự và song song. Kế tiếp,
khi đề cập hiện thực song song là đại diện cho hai hoặc nhiều thực hiện tuần tự thực
hiện đồng thời. Các chiến lược tuần tự được phân loại tiếp theo dựa trên việc tái lấy
mẫu từ một hàm phân phối hoặc từ hai/nhiều hàm phân bố thu được từ nhóm các hạt.
Khi hiện thực trên một nền tảng cụ thể, kỹ thuật lập trình được yêu cầu để tối đa hóa
tốc độ tính toán thông qua phương pháp lấy mẫu hàm phân bố đơn và bốn phương
pháp truyền thống.Khuyết điểm của phương pháp hàm phân bố đơnlà thuộc tính điều
kiện trọng số. Các phương pháp truyền thống như:1.Tái lấy mẫu đa thức với hàm ngẫu
nhiên độc lập với ý tưởng tạo các số ngẫu nhiên độc lập từ hàm phân bố chuẩn và
dùng để chọn các hạt từ tập mẫu. Ưu điểm của giải pháp lấy mẫu này thỏa mãn điều
kiện unbiasedness. 2. Tái lấy mẫu đa thức được tham chiếu như là tái lấy mẫu ngẫu
nhiên đơn giản. Khi lấy mẫu của mỗi hạt là ngẫu nhiên, giới hạn trên và giới hạn dưới
của thời gian một hạt cho trước để tái lấy mẫu là zero (nghĩa là không được lấy mẫu)
và Nt (nghĩa là được lấy mẫu). Điều này tạo ra phương sai cực đại của hạt tái lấy mẫu,
mức độ tính toán cao, do đó không hiệu quả. 3.Tái lấy mẫu phân tầng (stratified)/ hệ
thống (systematic)làtái lấy mẫu phân tầng chia toàn bộ hạt đa số vào tiểu đa số gọi là
strata. 4. Tái lấy mẫu hồi quy (Residual/Remainder) bao gồm 2 tầng, tầng 1 là xác định
sự sao chép của mỗi hạt có trọng số lớn hơn 1/N và tầng 2 là lấy mẫu ngẫu nhiên dùng
cho toàn bộ các trọng số (được xem là hồi quy). Cuối cùng, chiếnthuật đóng vai trò là
chìa khóa giải quyết sự thoái hóa mẫu ở bước tái lấy mẫu. Ý tưởng này là đưa ra một
sự thỏa hiệp giữa tập trung (sự sao chép của các hạt có trọng số lớn) và sự đa dạng hóa
(sự thải bỏ các hạt không đáng kể). Để đạt được mục đích đó, một số chiến lược đã
5
- Xem thêm -