Phương pháp lọc đa phần tử cho bài toán tái lấy mẫu trong thông tin vô tuyến

ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH
TRƢỜNG ĐẠI HỌC BÁCH KHOA

LÝ TÚ NGA

PHƢƠNG PHÁP LỌC ĐA PHẦN TỬ CHO BÀI TỐN TÁI
LẤY MẪU TRONG THƠNG TIN VƠ TUYẾN

LUẬN ÁN TIẾN SĨ KỸ THUẬT

TP. HỒ CHÍ MINH NĂM 2018


ĐẠI HỌC QUỐC GIA TP. HCM
TRƢỜNG ĐẠI HỌC BÁCH KHOA

LÝ TÚ NGA

PHƢƠNG 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

NGƢỜI HƢỚNG DẪN KHOA HỌC
1. GS.TS Lê Tiến Thƣờng
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 dƣới bất kỳ hình thức nào. Việc tham khảo các nguồn tài liệu
(nếu có) đã đƣợc 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 phƣơng pháp tái lấy mẫu của bộ lọc
đa phần tử để nâng cao hiệu quả trong tính tốn và cải thiện lỗi định vị cho mơ hình
robot tự vận hành nói riêng và mạng định vị vơ tuyến nói chung. Các nghiên cứu của
luận án đã đƣợc phát triển theo chiều sâu với tính kế thừa.
Tác giả đã đƣa ra lý thuyết toán bộ lọc đa phần tử trên nền cơng nghệ FPGA. Từ đó tác
giả thiết kế và thực thi mơ hình bài tốn 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 cơng 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 tƣơng đối nhỏ (khoảng 50 hạt).
Để giảm số hạt, tác giả đề xuất giải pháp tìm 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 trƣờng hợp mật độ anchor nodes (5, 10, 15 và 20) và 7 mức cơng suất khác

nhau. Nói cách khác, tác giả mong muốn nghiên cứu giải pháp này ở góc độ ảnh
hƣởng cơng suất khác nhau. Mơ hình lựa chọn khảo sát là hệ thống LAURA với công
nghệ Zigbee và tập dữ liệu sẵn có trên trang web. Kết quả kiểm chứng lỗi định vị cũng
nhƣ khoảng lỗi trong các trƣờng hợp mật độ anchor nodes và các mức công suất khác
nhau đƣợc cải thiện.
Để giảm số hạt cần dùng, tác giả đề xuất thuật tốn tìm phƣơng sai giới hạn dƣới cho
tái lấy mẫu KLD hiệu chỉnh phƣơng sai và độ dốc dữ liệu cho bộ lọc đa phần tử để cải
thiện hiệu quả định vị mạng định vị LAURA. Nhƣ nghiên cứu đề xuất tìm giá trị giới
hạn dƣới cho tái lấy mẫu KLD, lỗi định vị và vấn đề khảo sát ảnh hƣởng công suất cho
các mật độ anchor nodes khác nhau cũng đƣợc tác giả xem xét.
Việc kết hợp đề xuất giải pháp tìm giới hạn trên và sau đó tìm phƣơng sai giới hạn
dƣới cho tái lấy mẫu KLD hiệu chỉnh phƣơng sai và độ dốc cho mơ 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 mơ hình robot tự vận hành
đƣợc 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 PFs implemented 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 different anchor 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 nodes compared 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 for tracking robot.


LỜI CÁM ƠN
Trong suốt quá trình thực hiện luận án, tôi đã nhận đƣợc rất nhiều sự giúp đỡ của các
thầy cô Khoa Điện –Điện tử và Khoa Sau Đại Học, Trƣờng Đại Học Bách Khoa
TPHCM. Tôi cũng đã nhận đƣợc nhiều sự giúp đỡ, hỗ trợ và tạo điều kiện thuận lợi từ
Ban Giám Hiệu, Trƣờng Đại Học Quốc tế TPHCM, nơi tôi công tác.
Luận án này là một thử thách rất lớn đối với tơi. Có lẽ tơi sẽ khơng thể theo đuổi và
hồn thành nó nếu khơng có sự hƣớng dẫn tận tình và những lời động viên, cổ vũ vơ
cùng q giá của GS. TS. Lê Tiến Thƣờng và TS. Mai Linh, những ngƣời 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, Trƣờng Đại học Bách khoa, là những ngƣời đã có nhiều ý kiến đóng góp và
phản biện q báu cho tơi, trong suốt q trình nghiên cứu và hồn thiện luận án.
Bên cạnh đó, tơi cũng xin gửi lời cảm ơn đến nhóm các tác giả Phan Ngọc Thiện,

Hoàng Anh Ngọ và Trần Thị Hoàng Oanh. Những ngƣời đã chia sẽ cho tơi cơng trình
nghiên cứu và mã code chƣơng trình q giá của họ. Đó chính là nền tảng cơ sở giúp
tơi phát triển các giải thuật nghiên cứu của mình.
Cuối cùng, tơi gửi lời cảm ơn chân thành đến gia đình, bạn bè và đồng nghiệp, những
ngƣời đã có nhiều động viên, chia sẽ và giúp đỡ để tơi hồn 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
CHƢƠNG 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 nƣớc ngoài .....................................2
1.2.1.1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở nƣớc ngoài .............................2
1.2.1.2 Nghiên cứu ảnh hƣởng công suất của bộ lọc đa phần tử ở nƣớc ngoài ......6
1.2.2 Những nghiên cứu bộ lọc đa phần tử ở trong nƣớc .....................................7
1.2.2.1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở trong nƣớc .............................7
1.2.2.2 Nghiên cứu ảnh hƣởng công suất của bộ lọc đa phần tử ở trong nƣớc .......7
1.2.3 Nhận định và định hƣớng về tình hình nghiên cứu ......................................7
1.3

Mục đích và đối tƣợng nghiên cứu của luận án .................................................9

1.4

Phạm vi và phƣơng 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

CHƢƠNG 2 LÝ THUYẾT TỔNG QUAN VÀ THIẾT KẾ THỰC NGHIỆM BỘ
LỌC SIR
2.1

13

Tổng quan về phƣơng pháp ƣớc lƣợng 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 hỗn) ..............................................................19
2.2.3 Lấy mẫu chuỗi quan trọng .........................................................................20
2.2.4 Phƣơng pháp lấy mẫu quan trọng tuần tự ..................................................22
2.2.5 Vấn đề thối hóa mẫu .................................................................................25
2.2.6 Lƣu đồ thuật tốn 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 Mơ 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 mơ hình và mơ 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 phƣơng sai nhiễu phép đo .....................................72
2.6

Kết luận ............................................................................................................73

CHƢƠNG 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 hƣớng giải quyết .............................................................................74

3.1.1 Vấn đề đặt ra ..............................................................................................74
3.1.2 Hƣớng giải quyết ........................................................................................77
3.2

Mơ 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 đốn ....................................................................................................91
3.4.3 Cập nhật .....................................................................................................91
3.5

Giải pháp tìm giới hạn trên cho tái lấy mẫu KLD............................................92

3.5.1 Phƣơng pháp tái lấy mẫu KLD ..................................................................92
3.5.2 Thuật tốn 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

CHƢƠNG 4 GIẢI PHÁP KLD HIỆU CHỈNH PHƢƠNG SAI VÀ ĐỘ DỐC DỮ
LIỆU

4.1

103
Thuật tốn tìm giá trị phƣơng sai ...................................................................103

4.1.1 Vấn đề bài toán và hƣớng giải quyết .......................................................103
4.1.2 Thuật toán tái lấy mẫu KLD với hiệu chỉnh phƣơng sai và độ dốc .........104
4.1.3 Thuật toán tìm giá trị phƣơng sai giới hạn dƣới ......................................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 phƣơng 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 hƣởng mức công suất với lỗi định vị ............................111
4.2

Thuật tốn tìm giá trị hiệu chỉnh phƣơng sai và giá trị giới hạn trên.............112

4.2.1 Vấn đề bài toán và hƣớng 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 phƣơng sai nhiễu
.............................................................................................................................117
4.2.5 Kiểm chứng thời gian, sai số chuẩn, mức độ tính tốn ..............................118
4.3

Kết luận ..........................................................................................................121

CHƢƠNG 5 KẾT LUẬN VÀ ĐỊNH HƢỚNG NGHIÊN CỨU ..............................122
5.1

Kết luận ..........................................................................................................122

5.2

Định hƣớng nghiên cứu ..................................................................................124

PHỤ LỤC ....................................................................................................................125
P1. Khoảng lỗi và số hạt cần dùng ..........................................................................125
P2. Thông số thời gian chạy mơ phỏng CHƢƠNG 4 ..............................................129
DANH MỤC CƠNG BỐ CÁC CƠNG 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 thối hóa mẫu .....................................................................................27
Hình 2.3 Ví dụ về thuật tốn tái lấy mẫu .......................................................................28
Hình 2.4 Lƣu đồ thuật tốn bộ lọc đa phần tử ...............................................................30
Hình 2.5 Mơ 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 khơng 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 Mơ 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 trƣng của cảm biến với các beacons và các nút thông thƣờng 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 Phƣơng pháp định vị dựa vào thời gian (a) 3 beacons (b) Kỹ thuật định vị 49
Hình 2.18 Phƣơng pháp định vị trong mạng cảm biến..................................................52
Hình 2.19 Ảnh hƣởng hiện tƣợng đa đƣờng 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 đƣợc tạo trong AccelDSP ...................................................61
Hình 2.24 Đồ thị mơ hình dấu chấm động ....................................................................62
Hình 2.25 Cửa sổ Project Explorer khi phân tích mơ hình dấu chấm động ..................62
Hình 2.26 Cửa sổ Project Explorer khi tạo mơ 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 mơ hình RLT .............................................64
Hình 2.29 Các báo cáo tạo mơ hình RLT ......................................................................64
Hình 2.30 Giao diện mơ phỏng HDL ............................................................................65
Hình 2.31 (a) Khối dexuathat1 (b) Version Info ...........................................................65
Hình 2.32 Thƣ 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 mơ hình .........................................................68

Hình 2.38 Cable platform USB cho Xilinx JTAG hardware Co-simulation ...............68
Hình 2.39 Cấu hình FPGA trên Jtag khi mơ phỏng bộ lọc phần tử ..............................68
Hình 2.40 Kết quả mơ hình 1 (a)Số hạt 10 vịng lặp 10 (b)Số hạt 100 vịng lặp 49 .....70
Hình 2.41 Kết quả mơ hình 2 (a)Số hạt 10 vòng lặp 10 (b)Số hạt 100 vịng lặp 49 ....71
Hình 3.1. Cấu trúc mạng LAURA .................................................................................74
Hình 3.2 Lƣu 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 thơng tin định vị. Một chuỗi số đƣợc đính kèm vào
gói cho mục đích đồng bộ ............................................................................................86
Hình 3.6 Thuật tốn 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 trƣờng kiểm tra nhƣ hình b (b) Hình vng
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 3.11 Lỗi định vị cho ba giải pháp với mức công suất (-15dBm)..........................99
Hình 3.12 Khoảng lỗi với mức cơng suất khác nhau cho các giải pháp .....................100
Hình 3.13 Theo dõi lỗi với các mức cơng 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 cơng suất cho các giải pháp ..................................111
Hình 4.3 Lỗi định vị với các mức cơng 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 mơ 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 mơi trƣờng truyền sóng khác nhau .................................56
Bảng 2.5 RMSE và số hạt thay đổi................................................................................72
Bảng 2.6 RMSE và phƣơng sai nhiễu thay đổi .............................................................72
Bảng 3.1 Pseudo-code của thuật toán tái lấy mẫu KLD ................................................93
Bảng 3.2 Thuật 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 cơng suất self-RSSI trên diện tích 250m2 ............98
Bảng 4.1. Tái lấy mẫu KLD với hiệu chỉnh phƣơng sai và độ dốc dữ liệu .................104
Bảng 4.2 Thuật tốn tìm phƣơng sai giới hạn dƣới cho đề xuất .................................106
Bảng 4.3 Thông số mạng định vị.................................................................................107
Bảng 4.4 Giá trị phƣơng sai giới hạn dƣới 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 mơ phỏng cho hệ thống vô tuyến .......118
Bảng 4.9 So sánh mức độ tính tốn, kích thƣớc 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 Access Memory
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 mơ hình tập trung
Định vị và giám sát bệnh nhân

theo mơ hình phân tán
Vào trƣớc ra trƣớc
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 sốt truy cập truyền
thơng
Phần mềm MATLAB
Đa đầu vào-đa đầu ra
Kiến trúc mạng
Khơng có đƣờng 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
phƣơng
Bộ nhớ chỉ đọc
Cƣờng độ tín hiệu nhận
Tái lấy mẫu mẫu quan trọng
tuần tự
Lấy mẫu chuỗi quan trọng tuần
tự
Thời gian tới


CHƢƠNG 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 phƣơng 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 khơng gian trạng thái phi
tuyến do ảnh hƣởng nhiễu phi Gauss. Phƣơng pháp này ứng dụng trong các lĩnh vực
khác nhau nhƣ 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
cơng trình nghiên cứu trên và giải quyết bài toán phi tuyến (Arulampalam, Maskell,
Gordon, & Clapp, 2002) cũng nhƣ 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 mơ hình khơng gian trạng thái động thông qua khai thác trạng
thái không gian đƣợc lấy mẫu một cách ngẫu nhiên (hạt) (T Li, Bolic, & Djuric, 2013).
Về cơ bản phƣơng pháp bộ lọc đa phần tử dựa trên ba hoạt động: 1) Trì hỗn hạt
(Particle propagation), 2) Tính tốn trọng số, và 3) Tái lấy mẫu. Nhờ vào sự phát triển
công nghệ xử lý song song đƣợc tích hợp trong phần cứng đã góp phần giải quyết hai
bƣớc trì hỗn hạt và tính tốn trọng số một cách dễ dàng. Trong khi đó, bƣớc tái lấy
mẫu là bƣớc phổ quát và thƣờng tạo ra chiều không gian trạng thái tự do nhƣng lại
không thích hợp cho xử lý song song. Bƣớc tái lấy mẫu rất cần thiết cho bộ lọc PF,
nếu khơng có bƣớc này bộ lọc PF sẽ nhanh chóng xảy ra hiện tƣợng thối hóa mẫu và
dẫn đến việc theo dõi mục tiêu khơng cịn chính xác; có nghĩa là việc ƣớc lƣợng đƣợc
thực hiện khơng chính xác và phƣơng 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 nhƣ tái lấy mẫu dựa vào các trọng số trƣớc 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 phƣơng pháp tiếp cận dựa trên phân nhóm hạt khác nhau đã đƣợc đề xuất bằng
cách sử dụng các ngƣỡng hoặc bằng cách kết hợp các hạt lân cận. Những cách tiếp cận
đƣợc sử dụng khi yêu cầu giảm số lƣợng phép tốn hoặc giảm truyền thơng 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 nhƣ làm giảm ảnh hƣởng nhiễu
đa đƣờng dựa vào cƣờng độ tín hiệu nhận (RSS) để tăng cƣờng 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, ngƣời viết xác nhận hai điều: một là tái lấy mẫu của
bộ lọc đa phần tử bằng thuật toán KLD cho phép ƣớc lƣợng độ chính xác định vị trong
bài tốn thơng tin vơ tuyến đã và đang đƣợc quan tâm ở nhiều góc độ nhƣ: đánh giá lỗi
định vị (theo tiêu chuẩn RMSE), số hạt cần dùng, ảnh hƣởng công suất trong các
trƣờng hợp mật độ anhor nodes khác nhau. Hai là, việc thử nghiệm bộ lọc PF trên nền
công nghệ FPGA cho mơ hình bài tốn phi tuyến cũng đang đƣợc nhiều ngƣời quan
tâm. Vì vậy, phƣơng pháp tiếp cận bộ lọc đa phần tử theo thống kê để giảm số lƣợng
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

ứu

t ở ước ngoài
n t ở ước ngoài

1.2.1.1 Nghiên cứu tái lấy mẫu b l

Theo lý thuyết Bayes, dựa trên khái niệm tầm quan trọng lấy mẫu tuần tự SIS nhằm
mục đích theo dõi ẩn số thời gian khác nhau trong hệ thống (Djuric et al., 2003). Các
nguyên tắc cơ bản của phƣơng 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 ngƣời dùng; ƣớc lƣợng và tách các mã không gian-thời gian trong kênh
fading (Mengali U., 1997). Vấn đề đồng bộ cần đƣợc quan tâm trong mơ hình hệ
thống. Tiếp theo các thuật tốn Bayes đƣợc xem xét ở góc độ tối ƣu hệ thống phi

2


tuyến/phi Gauss trong vấn đề theo vết đối tƣợng và đặc biệt tập trung vào bộ lọc đa
phần tử nhƣ 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 thối 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 lƣu ý rằng, khi giá trị cƣờng 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 phƣơng pháp thống kê, sử dụng tập mẫu thích nghi trong q trình ƣớc lƣợng
của bộ lọc đa phần tử đƣợc đề xuất (Fox, 2003). Ý tƣởng chính của phƣơng 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 lƣợng nhỏ các mẫu nếu mật độ tập trung
vào một phần nhỏ của không gian trạng thái, và ngƣợc lại một số lƣợng lớn các mẫu
đƣợc chọn nếu trạng thái không chắc chắn xảy ra cao. Tại mỗi lần lặp, cách tiếp cận
của mẫu cho đến khi số lƣợng của chúng đủ lớn để đảm bảo rằng khoảng cách giữa
ƣớc lƣợng theo KL tối đa và cơ bản không vƣợt 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 thƣớc cố định. Tuy nhiên, vấn đề ấ
giả định phân bố h
đề

ấ . Để khảo sát số

ỏ qua mọi s không phù h p giữ

h
h

Dđ

h n ố h

ng m u liên quan chặt chẽ với thời gian hoạ động trong

của giải pháp này, việc lấy đạo hàm của hàm quan sát và kết hợp với hiệu chỉnh
phƣơng sai tạo ra các mẫu khả năng cao cho thuật toán lấy mẫu với điều chỉnh phƣơng
sai theo KLD, giải pháp này gọi là tái lấy mẫu KLD hiệu chỉnh phƣơng 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 thƣớc mẫu so với bộ lọc đa
phần tử truyền thống (nhƣ SIR (Djuric et al., 2003) hay lấy 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 trƣớc và sau khi tái lấy mẫu không vƣợt quá một ràng buộc
lỗi xác định trƣớc 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
đƣợc đƣa vào bƣớc tái lấy mẫu, trong đó hàm phân bố mong muốn đóng vai trị nhƣ là

3

hàm phân bố hậu nghiệm. Điều này nói lên rằng, việc điều chỉnh kích thƣớc 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

hạ theo KLD trong

nh

i ấ

tố hơn

ng

nh

lấy m u.
Ngoài ra, để tránh loại bỏ sự “kiểm duyệt” (uncensored) của các hạt có trọng số thấp
cũng đồng nghĩa là tránh đƣợc sự thối hóa mẫu, độ dốc của các hạt đƣợc duy trì bằng
cách lấy mẫu một cách xác định cung cấp các hạt để cải thiện
tiếp cận n

nghi

ngặ

đ

i ấ

Cách

phân bố mậ độ trạng h i

n đầu. Ngồi

ra, giải pháp này có thể thực hiện trong những ứng dụng không gian trạng thái thấp
(Tiancheng Li, Sattar, & Sun, 2012). Ý tƣởng phƣơng 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
thƣớc mẫu nhỏ. Kết quả mơ phỏng, chỉ ra rằng độ chính xác ƣớc lƣợng của đề xuất
này là tốt hơn so với phƣơng pháp truyền thống. Ƣu điểm của kỹ thuật này là duy trì
trạng thái mậ độ

n đầ

độ ố

hạ

kh ng

ảnh h

ng h

ih

.

Tái lấy mẫu theo giải pháp này có thể ƣớc lƣợng đƣợc độ chính xác tốt hơn với mức
độ tính tốn 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, bƣớc trọng số quan trọng chiếm nhiều thời gian
thực thi đối với bộ lọc RPF vì mức độ tính tốn tƣơng quan cao hơn bộ lọc generic PF.
Trong số những phƣơng pháp tái lấy mẫu, giải pháp lấy mẫu Independent Metropolis
Hastings ít u cầu tính tốn hơn các giải pháp khác nhƣ bộ lọc PF hệ thống
(systematic), bộ lọc PF phân tầng (stratified) và bộ lọc PF hồi quy (residual).
Việc kết hợp mơ hình động lực và mơ hình quan sát, (Bi, Ma, & Wang, 2015), nhằm
làm giảm nguy cơ thối hố 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 tốn và đánh giá số lƣợng 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 lƣợng tái lấy mẫu theo KLD (khi số hạt nhỏ
hơn 300) là chậm nhất vì cần tạo ra các lƣới trong không gian của trạng thái. Nhận
4


định thứ ba là định lƣợng lấy mẫu hiệu quả hơn nhiều so với việc lấy mẫu ngẫu nhiên
ví dụ nhƣ Rounding-copy và RSR tính tốn nhanh nhất. Nhận định thứ tƣ là so sánh tái
lấy mẫu KLD duy trì một số hạt tƣơng đối ổn định và yêu cầu tính tốn sẽ khơng tăng
với số lƣợng các hạt (khi số hạt lớn hơn 60, thời gian tính tốn 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 tốn 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 phƣơng 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 lƣợc tuần tự đƣợc phân loại tiếp theo dựa trên việc tái lấy
mẫu từ một hàm phân phối hoặc từ hai nhiều hàm phân bố thu đƣợc từ nhóm các hạt.
Khi hiện thực trên một nền tảng cụ thể, kỹ thuật lập trình đƣợc yêu cầu để tối đa hóa
tốc độ tính tốn thơng qua phƣơng pháp lấy mẫu hàm phân bố đơn và bốn phƣơng
pháp truyền thống. Khuyết điểm của phƣơng pháp hàm phân bố đơn là thuộc tính điều
kiện trọng số. Các phƣơng pháp truyền thống nhƣ: 1. T i ấ
ng

nhi n độ

đ

hứ

ới h

ậ với ý tƣởng tạo các số ngẫu nhiên độc lập từ hàm phân bố chuẩn

và dùng để chọn các hạt từ tập mẫu. Ƣu điểm của giải pháp lấy mẫu này thỏa mãn điều
kiện unbiasedness. 2 T i ấ

đ

hứ đ

h

hiế nh

i ấ

ng

nhi n đơn giản. Khi lấy mẫu của mỗi hạt là ngẫu nhiên, giới hạn trên và giới hạn dƣới
của thời gian một hạt cho trƣớc để tái lấy mẫu là zero (nghĩa là không đƣợc lấy mẫu)
và Nt (nghĩa là đƣợc lấy mẫu). Điều này tạo ra phƣơng sai cực đại của hạt tái lấy mẫu,
mức độ tính tốn cao, do đó khơng hiệu quả. 3. T i ấ
hống (
strata. 4 T i ấ

h n ầng (

ifi )/ hệ

i ) là tái lấy mẫu phân tầng chia toàn bộ hạt đa số vào tiểu đa số gọi là
hồi

(R i

/R

in

) 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 (đƣợc xem là hồi quy). Cuối cùng, chiến thuật đóng vai trị là
chìa khóa giải quyết sự thối hóa mẫu ở bƣớc tái lấy mẫu. Ý tƣởng này là đƣa 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 khơng đáng kể). Để đạt đƣợc mục đích đó, một số chiến lƣợc đã
5


đƣợc đề xuất, bao gồm cả việc tái lấy mẫu có sửa đổi, tái lấy mẫu kích thƣớc khác
nhau và tái lấy mẫu làm thô.
Tác giả (T.-c. Li, Villarrubia, Sun, Corchado, & Bajo, 2015) phát triển ý tƣởng của bài
báo (T. Li et al., 2015) ở khía cạnh đóng góp ba cách lựa chọn các phƣơng pháp tái lấy
mẫu hiện có hoặc hiện thực mới. Cách thứ nhất, khi phân bố giống nhau (identical
distribution -ID) đƣợc thiết lập nhƣ là một nguyên tắc chung cho việc thiết kế tái lấy
mẫu thì sự phân bố của các hạt trƣớc và sau khi tái lấy mẫu phải thống nhất về mặt
thống kê. Ba phƣơng pháp cụ thể là sự phân kỳ của Kullback-Leibler, thống kê
Kolmogorov-Smirnov, và phƣơng sai lấy mẫu đƣợc đƣa ra để đánh giá thuộc tính phân
bố giống nhau của việc tái lấy mẫu. Cách thứ hai, tác giả đề xuất sơ đồ tái lấy mẫu để
tính tốn giá trị thuộc tính phân bố giống nhau tối ƣu theo giải pháp tối thiểu phƣơng
sai lấy mẫu. Cách thứ ba, các phƣơng pháp tái lấy mẫu điển hình đƣợc so sánh qua các
mơ phỏng về biến thể kích thƣớc mẫu, phƣơng sai lấy mẫu, tốc độ tính tốn, và độ
chính xác ƣớc lƣợng.
Bài báo (Kantas, Doucet, Singh, Maciejowski, & Chopin, 2015) trình bày tổng quan
các phƣơng pháp bộ lọc đa phần tử đƣợc đề xuất dựa vào ƣớc lƣợng tham số tĩnh trong
các mơ hình khơng gian trạng thái. Tuy nhiên, tác giả chỉ trình bày những ƣu điểm và
hạn chế của các phƣơng pháp trên các mơ hình đơn giản. Tiếp nối bài báo (Kantas et
al., 2015), tác giả (Svečko, Malajner, & Gleich, 2015)đề xuất bộ lọc đa phần tử bằng
ƣớc lƣợng khoảng cách dựa trên mơ hình hệ thống trạng thái bên trong. Khảo sát thực
tế lớp vật lý của tiêu chuẩn 802.15.4 đƣợc thực hiện giao tiếp giữa truyền (một anten)
và nhận (nhiều anten). Việc thu thập giá trị RSSI đƣợc sử dụng để tính các trọng số
quan trọng trong thuật toán bộ lọc đa phần tử. Các hạt trọng số đƣợc tái lấy mẫu để
đảm bảo thuộc tính phân bố và mật độ “đúng”. Mơ hình truyền dẫn Log-normal đƣợc
áp dụng cho phân bố trƣớc bởi can nhiễu Bayesian. Kết quả thực nghiệm với anten
phân bố tròn và song song có bán kính khoảng cách là 1.2m và 0.025m tƣơng ứng.

1.2.1.2 Nghiên cứu ả

ưởng công suất của b l

n t ở ước ngoài

Nghiên cứu định vị và theo dõi bệnh nhân trong các viện dƣỡng lão thông qua một
mạng cảm biến không dây (hệ thống LAURA) dựa vào cƣờng độ tín hiệu nhận RSS và
theo dõi bệnh nhân thông qua bộ lọc đa phần tử (Redondi et al., 2013). Hai phƣơng
6


pháp đƣợc đề xuất để thực hiện định vị và theo dõi bệnh nhân nhƣ thực hiện định vị
tập trung và phân tán tại các nút di động. Kết quả thực nghiệm lỗi định vị là 80

cho

các trƣờng hợp (khoảng cách nhỏ hơn 2m) và độ chính xác cao (gần 90 ) trong phân
loại chuyển động. Ƣu điểm của kỹ thuật này là khi bộ lọc đa phần tử bị vơ hiệu hóa,
một lỗi dƣới 3m là đạt đƣợc 80

các trƣờng hợp, nhƣng với bộ lọc đa phần tử đã cải

thiện tính chính xác định vị khoảng 1m.
1.2.2 Những nghiên cứu b l

n t ở tro

ước

n t ở tro

1.2.2.1 Nghiên cứu tái lấy mẫu b l

ước

Tác giả Nguyễn Trung Dũng nghiên cứu và đánh giá số lƣợng hạt trong mạng vơ
tuyến, so sánh thuật tốn bộ lọc đa phần tử với bộ lọc Kalman mở rộng (EKF) cho mơ
hình bài toán phi tuyến (N. J. Gordon et al., 1993) đƣợc cơng bố (Nguyen, Trinh,
Nguyen, Nguyen, & Koichiro, 2013). Qua đó tác giả đề xuất số lƣợng hạt nên khảo sát
từ 100 đến 600.
Bên cạnh đó, việc kết hợp các giải pháp khác nhau để giải quyết các vấn đề khác nhau
nhƣ: 1.Tác giả Trần Cơng Chiến kết hợp thuật tốn so khớp mẫu với thuật toán bộ lọc
đa phần tử (PTM-Particle & Template Matching) giải quyết theo vết đối tƣợng robot
tự hành trong hệ thống quan sát. Kết quả cao nhất mà đề tài này đạt đƣợc là 86%, số
lƣợng hạt trong khoảng từ 100 đến 300 để đảm bảo ƣu tiên cho tính thời gian thực của
bài tốn. 2. Song song đó, tác giả Lê Hồi Bắc và Nguyễn Phi Vũ kết hợp bộ lọc đa
phần tử thuật toán SIS và phƣơng pháp top-down để theo vết đối tƣợng hệ thống giao
thông dựa vào xử lý ảnh. Kết quả mô phỏng trên phần mềm, tốc độ xử lý chƣơng trình
30frame ảnh/giây đảm bảo thực hiện trong thời gian thực; và đánh giá định lƣợng đạt
kết quả 100% trên 11 bộ test, mỗi đoạn video test khoảng 10s (Lê Hòai Bắc, 10/2007).
1.2.2.2 Nghiên cứu ả

ưởng công suất của b l

n t ở tro

ước

Hiện tại chƣa có bài báo hay nghiên cứu nào trong nƣớc xem xét ảnh hƣởng công suất

của bộ lọc đa phần tử.
1.2.3 Nhậ

ị

và ị

ướng về tình hình nghiên cứu

Từ các nghiên cứu của các tác giả trong và ngồi nƣớc, có thể nhận thấy rằng các
nghiên cứu về theo dõi mục tiêu bằng phƣơng pháp tái lấy mẫu bộ lọc đa phần tử đã có
7


khá nhiều. Tuy nhiên, mỗi nghiên cứu chỉ tập trung vào phƣơng pháp tái lấy mẫu bộ
lọc đa phần tử riêng biệt (thuần túy) hoặc kết hợp với các giải pháp khác ở mức độ
chƣa đầy đủ. Có thể phân chia các hƣớng nghiên cứu tái lấy mẫu bộ lọc đa phần tử
thành các nhóm sau:
1. Các nghiên cứu tập trung vào khảo sát tái lấy mẫu bộ lọc đa phần tử riêng biệt
cho mơ hình robot tự vận hành (Park et al., 2008; Wang et al., 2012; Wang,
Zhao, & Qian, 2013) và hệ thống vô tuyến dựa vào cƣờng độ tín hiệu nhận
(Arulampalam et al., 2002; Fox, 2003; T Li et al., 2013; Tiancheng Li et al.,
2012; Tiancheng Li et al., 2013).
2. Các nghiên cứu tập trung vào khảo sát tái lấy mẫu bộ lọc đa phần tử kết hợp với
giải pháp Gradient descent cho hệ thống định vị vơ tuyến trên mơ hình thực
nghiệm (Redondi et al., 2013; Redondi et al., 2010), giải pháp so khớp mẫu cho
robot tự vận hành (Trần Công Chiến, 2012), và giải pháp top-down cho hệ
thống theo vết đối tƣợng trong giao thông (Lê Hịai Bắc, 10 2007).
3. Mơ hình bài tốn là mơ hình khơng gian trạng thái một chiều (Arulampalam et
al., 2002) hay mơ hình khơng gian trạng thái bậc 2 (T Li et al., 2013; Tiancheng

Li et al., 2012; Tiancheng Li et al., 2013).
Tác giả nhận thấy phƣơng pháp tái lấy mẫu theo KLD cho bộ lọc đa phần tử riêng biệt
hay kết hợp với các giải pháp khác chƣa đƣợc quan tâm nghiên cứu nhiều trong hệ
thống vô tuyến hay mơ hình robot tự vận hành.
Với định hƣớng này, tác giả tập trung nghiên cứu xây dựng phƣơng pháp tái lấy mẫu
theo KLD cho hệ thống vơ tuyến có xét ảnh hƣởng các nút khác nhau với các mức
công suất khác nhau, cho mơ hình robot tự vận hành có xét ảnh hƣởng phƣơng sai
nhiễu khác nhau và thời gian chạy mô phỏng cho các đề xuất khác nhau. Các thuật
tốn đề xuất tìm giới hạn trên và phƣơng sai giới hạn dƣới cho bộ lọc đa phần tử đƣợc
phát triển từ bài tốn mơ hình khơng gian trạng thái một chiều sang bài tốn mơ hình
bài tốn hai chiều của mơ hình khơng gian trạng thái bậc 2 nhằm mô phỏng đầy đủ
hơn so với các nghiên cứu trƣớc đây.

8


1.3 Mục đích và đối tƣợng nghiên cứu của luận án
Từ những định hƣớng nêu trên, tác giả đã đề ra các nội dung nghiên cứu nhƣ sau:
o Xây dựng và thiết kế thuật toán lấy mẫu quan trọng SIR cho bộ lọc đa phần tử
trên nền công nghệ FPGA để giải quyết bài toán phi tuyến. Đối tƣợng nghiên
cứu là bài tốn phi tuyến và kênh truyền vơ tuyến.
o Xây dựng thuật tốn tìm giá trị giới hạn trên cho tái lấy mẫu KLD bộ lọc đa
phần tử kết hợp với giải pháp Gradient descent để cải thiện hiệu quả định vị
mục tiêu dựa vào cƣờng độ tín hiệu nhận RSS cho hệ thống phân tán LAURA.
Đồng thời tác giả kiểm chứng các mức độ công suất khác nhau với mật độ các
nút khác nhau của đề xuất trong mơi trƣờng nhiễu nền nhằm xác quyết tính thực
tiễn và khả thi của đề xuất. Nghiên cứu về các phƣơng pháp định vị trong kênh
truyền vơ tuyến qua mơ hình khơng gian trạng thái một chiều và mơ hình khơng
gian trạng thái bậc 2.
o Xây dựng thuật tốn tìm phƣơng sai giới hạn dƣới cho tái lấy mẫu KLD hiệu

chỉnh phƣơng sai và độ dốc dữ liệu cho bộ lọc đa phần tử kết hợp với giải pháp
Gradient descent để cải thiện hiệu quả định vị cho hệ thống phân tán LAURA.
Tƣơng tự nhƣ nghiên cứu trên, tác giả kiểm chứng ảnh hƣởng các công suất
khác nhau với mật độ các nút khác nhau cho đề xuất trong bài toán thực.
Nghiên cứu về các phƣơng pháp định vị trong kênh truyền vơ tuyến qua mơ
hình khơng gian trạng thái một chiều.
o Xây dựng thuật tốn tìm phƣơng sai dƣới và giới hạn trên cho tái lấy mẫu KLD
hiệu chỉnh phƣơng sai và độ dốc dữ liệu cho bộ lọc đa phần tử thuần túy để theo
dõi robot tự vận hành dựa vào cƣờng độ tín hiệu RSS. Trong nghiên cứu này,
mơ hình khơng gian trạng thái một chiều đƣợc phát triển thành mơ hình khơng
gian trạng thái bậc 2 khi khảo sát. Các đề xuất nghiên cứu trên sẽ đƣợc xem xét
và đối sánh với các yếu tố nhƣ lỗi định vị, số hạt cần dùng và thời gian thực thi
mô phỏng. Nghiên cứu về các phƣơng pháp robot tự vận hành qua mơ hình
khơng gian trạng thái bậc 2.

9


1.4 Phạm vi và phƣơng pháp nghiên cứu
Đối với bài toán phi tuyến, phƣơng pháp nghiên cứu thực nghiệm trên nền công nghệ
FPGA và đối chiếu với kết quả phần mềm mô phỏng MATLAB khi áp dụng bộ lọc đa
phần tử cơ bản thuần túy.
Trong vấn đề định vị mục tiêu, phƣơng pháp thu thập, tìm hiểu và phân tích các bài
báo, tài liệu liên quan đến đề tài đƣợc quan tâm. Cuối cùng tiến hành mơ phỏng, phân
tích và so sánh các kết của thu đƣợc với các phƣơng pháp khác nhau để rút ra những
nhận xét đánh giá quan trọng cho từng giải pháp đề xuất. Phạm vi nghiên cứu đánh giá
ảnh hƣởng các mức công suất, mật độcác nút qua các giải pháp tái lấy mẫu đa phần tử
trong bài tốn vơ tuyến, robot tự vận hành.
1.5 Đóng góp mới của Luận án
Luận án nghiên cứu phát triển phƣơng pháp lọc đa phần tử cho bài toán tái lấy mẫu

trong thơng tin vơ tuyến. Các đóng góp mới của Luận án có thể tóm tắt nhƣ sau:
-Đề xuất thuật toán tái lấy mẫu của bộ lọc đa phần tử bằng thuật toán Kullback-Leibler
Distance (KLD) với thuật toán tìm giá trị giới hạn trên cho hệ thống vơ tuyến và mơ
hình mạng thực nghiệm vơ tuyến, hệ thống phân tán LAURA.
-Đề xuất thuật tốn tìm phƣơng sai giới hạn dƣới cho tái lấy mẫu KLD hiệu chỉnh
phƣơng sai và độ dốc dữ liệu cho bộ lọc đa phần tử kết hợp với giải pháp Gradient
descent để cải thiện lỗi định vị hệ thống vô tuyến hơn.
-Các kết quả đạt đƣợc đã khắc phục đƣợc một số hạn chế nhƣ số hạt cần dùng, lỗi định
vị hệ thống của thuật tốn phát triển trƣớc đó và đã đƣợc kiểm nghiệm thơng qua mơ
phỏng với dữ liệu sẵn có.
Các đóng góp mới của Luận án đã đƣợc cơng bố trong 10 bài báo tạp chí hội nghị (xin
xem phần Cơng bố cơng trình nghiên cứu của tác giả) và trong nghiên cứu khoa học đề
tài loại C của tác giả (đã nghiệm thu ngày 12 07 2017, đạt loại Tốt) với tên đề tài:
Th ậ

n

i ấ

hí h nghi h

ộ ọ đ

y sinh, Mã số đề tài: C2015-28-03.

10

hần ử

ng ạng

ến ả

iến