Tổng quan nghiên cứu

Theo các báo cáo công nghệ vô tuyến, hơn 80% lưu lượng dữ liệu di động và hoạt động của người dùng diễn ra bên trong các tòa nhà, trung tâm thương mại hoặc công trình công cộng. Tuy nhiên, hệ thống định vị toàn cầu GPS lại bị suy hao nghiêm trọng khi đi qua kết cấu bê tông, gây ra sai số khoảng cách từ 15 đến 30 mét và hoàn toàn không thể xác định được tầng hay phòng của thuê bao. Vấn đề nghiên cứu trọng tâm là tìm kiếm giải pháp định vị trong nhà (Indoor Positioning System) vừa đạt độ chính xác cao, vừa tiết kiệm chi phí đầu tư. Trong khi các công nghệ định vị chuyên dụng như UWB hay định vị Laser có độ chính xác từ 0 đến 50 centimet nhưng chi phí thiết bị vô cùng đắt đỏ, kỹ thuật định vị dựa trên dấu vân tay cường độ tín hiệu nhận WiFi (WLAN RSS Fingerprinting) nổi lên như một giải pháp vượt trội nhờ tận dụng 100% hạ tầng mạng không dây sẵn có.

Mục tiêu cụ thể của đề tài là thiết kế một phần mềm hoàn chỉnh có khả năng thu thập dữ liệu WLAN thực tế, đồng thời phân tích, đánh giá toàn diện sai số và tốc độ tính toán của các giải thuật so khớp mẫu (Pattern Matching) gồm RADAR (k-NN), biến thể chuẩn hóa eta-k-NN và Mạng nơ-ron nhân tạo (ANN). Phạm vi nghiên cứu được thực hiện tại một mặt bằng tầng của tòa nhà thuộc Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh trong khoảng thời gian từ tháng 01/2013 đến tháng 06/2013, sử dụng băng tần WiFi 2.4 GHz trên máy tính xách tay cấu hình tiêu chuẩn. Đề tài mang ý nghĩa thực tiễn to lớn khi hướng tới tối ưu hóa độ chính xác định vị trong phạm vi từ 1.5 đến 2.0 mét và giảm thời gian xử lý xuống dưới 100 mili-giây, cung cấp cơ sở kỹ thuật vững chắc cho các dịch vụ định vị LBS trong bệnh viện, sân bay và công tác cứu hộ khẩn cấp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng mô hình suy hao tín hiệu theo khoảng cách kết hợp hệ số suy giảm do tường ngăn (Wall Attenuation Factor) và lý thuyết so khớp mẫu dấu vân tay sóng vô tuyến. Khung lý thuyết tập trung vào các khái niệm nền tảng:

Thứ nhất, chỉ số cường độ tín hiệu nhận RSS (Received Signal Strength) được đo bằng đơn vị dBm theo công thức logarithmic của công suất tín hiệu trên 1 milliwatt, phản ánh mức độ suy giảm năng lượng sóng khi lan truyền qua các chướng ngại vật.

Thứ hai, khoảng cách Euclid trong không gian tín hiệu N chiều, đóng vai trò là thước đo độ tương đồng hình học giữa vector RSS đo đạc thời gian thực và vector RSS lưu trữ trong cơ sở dữ liệu mẫu.

Thứ ba, thuật toán láng giềng gần nhất k-NN của hệ thống RADAR và thuật toán eta-k-NN sử dụng phương pháp chuẩn hóa dữ liệu theo giá trị trung bình và độ lệch chuẩn, chuyển đổi dữ liệu cường độ tuyệt đối thành mối tương quan tỉ lệ giữa các điểm phát sóng Access Point (AP).

Thứ tư, mô hình mạng nơ-ron truyền thẳng nhiều lớp Multilayer Perceptron (MLP) tích hợp hàm kích hoạt phi tuyến Tansig và giải thuật lan truyền ngược Levenberg-Marquardt (LM) nhằm tối thiểu hóa hàm mục tiêu sai số toàn phương trung bình (Mean Square Error - MSE).

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được thu thập trực tiếp từ môi trường thực tế thay vì mô phỏng giả lập. Cỡ mẫu nghiên cứu được thiết kế chuẩn hóa gồm 20 mẫu tại mỗi vị trí khảo sát để xây dựng cơ sở dữ liệu huấn luyện (pha offline) và 20 mẫu độc lập tại mỗi vị trí phục vụ kiểm thử định vị (pha online). Mỗi mẫu đơn lẻ được thiết lập quét liên tục 3 lần để thu thập đầy đủ thông tin của tất cả các AP lân cận và loại bỏ dao động tức thời.

Phương pháp chọn mẫu là chọn mẫu theo lưới không gian đồng nhất (Grid-based spatial sampling) trên bản đồ mặt bằng số hóa, với khoảng cách giữa hai điểm khảo sát liền kề được cố định từ 1.0 đến 2.0 mét. Lý do lựa chọn phương pháp này nhằm bao phủ toàn diện không gian phòng và hành lang, tái hiện đầy đủ đặc tính tán xạ đa đường (multipath fading) của tòa nhà.

Để xử lý và phân tích dữ liệu, tác giả xây dựng phần mềm C# theo kiến trúc 3 lớp (Presentation, Business, Data Access) kết hợp định dạng lưu trữ XML và trích xuất CSV, đồng thời tích hợp công cụ Neural Network Toolbox trong MATLAB để huấn luyện mạng nơ-ron. Timeline nghiên cứu kéo dài 5 tháng, từ ngày 21/01/2013 đến ngày 21/06/2013, bảo đảm tính logic từ khâu đo đạc thực nghiệm đến phân tích thống kê.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, đối với giải thuật RADAR (k-NN), giá trị tham số k đóng vai trò quyết định đến độ chính xác. Khi thiết lập k = 1, sai số định vị dưới 2.94 mét chiếm khoảng 50% số mẫu thử nghiệm. Khi tăng giá trị lên k = 5, sai số định vị giảm xuống còn khoảng 2.65 mét, tương đương mức cải thiện độ chính xác xấp xỉ 9.8%. Tuy nhiên, nếu tiếp tục tăng k vượt quá 6, sai số bắt đầu tăng ngược trở lại do thuật toán lấy trung bình tọa độ của các điểm nằm quá xa vị trí thực tế.

Thứ hai, phương pháp chuẩn hóa eta-k-NN mang lại bước tiến vượt bậc trong việc phân loại không gian. Nhờ loại bỏ sự phụ thuộc vào biên độ tín hiệu tuyệt đối và chỉ giữ lại tương quan tỉ lệ giữa các trạm phát, phương pháp này đạt độ chính xác nhận diện vị trí phòng lên tới 96%, hạn chế tối đa sai số do độ nhạy anten của các dòng phần cứng khác nhau.

Thứ ba, mô hình mạng nơ-ron nhân tạo MLP với cấu trúc 1 lớp ẩn gồm 18 perceptron cho thấy khả năng xấp xỉ hàm phi tuyến xuất sắc. Khi huấn luyện bằng giải thuật Levenberg-Marquardt, mạng hội tụ nhanh chóng trước 500 chu kỳ (epochs) với sai số bình phương trung bình đạt mức tối ưu, đem lại sai số định vị trung bình dao động từ 1.2 mét đến 1.5 mét.

Thứ tư, số lượng điểm phát sóng AP tham gia tính toán có tác động tuyến tính đến chất lượng định vị. Khi số lượng AP khả dụng tăng từ 1 lên 3 điểm, sai số khoảng cách trung bình giảm hơn 45%, từ mức 3.8 mét xuống dưới 2.0 mét.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự biến thiên sai số là do hiện tượng phản xạ sóng đa đường và sự thay đổi hướng của thiết bị thu, có thể gây chênh lệch cường độ RSS lên tới 5 dBm tại cùng một tọa độ. Giải thuật RADAR kinh điển phụ thuộc nhiều vào khoảng cách hình học thuần túy nên dễ bị ảnh hưởng bởi nhiễu, trong khi mạng nơ-ron MLP có khả năng tự điều chỉnh trọng số liên kết để thích nghi với các biến động phức tạp của môi trường truyền sóng.

So sánh với các nghiên cứu tiền bối trên thế giới và hệ thống định vị thương mại Ekahau với sai số từ 1.5 đến 2.0 mét, kết quả của luận văn khẳng định phần mềm tự xây dựng hoàn toàn đạt được độ chuẩn xác tương đương các giải pháp quốc tế nhưng tiết kiệm chi phí triển khai tối đa.

Trong thực tế phân tích dữ liệu, các kết quả này được trình bày trực quan thông qua đồ thị hàm phân phối tích lũy sai số (CDF), biểu đồ bề mặt 3D mô tả phân bố cường độ sóng của từng AP và bảng ma trận đối chiếu sai số theo từng cấu hình tham số k, giúp người quản trị dễ dàng xác định ngưỡng vận hành tối ưu.

Đề xuất và khuyến nghị

Thứ nhất, chuẩn hóa quy trình quy hoạch lưới đo đạc (Planning Grid Standardization). Các đơn vị triển khai cần thiết lập khoảng cách lưới khảo sát từ 1.2 đến 1.5 mét, thu thập tối thiểu 20 mẫu cho mỗi điểm với 3 lần quét lặp lại nhằm đảm bảo độ bao phủ tín hiệu, hoàn thành trước quý 4 năm 2026 do các kỹ sư viễn thông và quản trị mạng đảm nhiệm.

Thứ hai, tích hợp các thuật toán lọc nhiễu thích nghi (Adaptive Filtering Integration). Nhóm nghiên cứu phần mềm cần nhúng thêm bộ lọc Kalman hoặc Particle Filter vào module xử lý thời gian thực, đặt mục tiêu giảm độ dao động tín hiệu RSS tức thời xuống dưới 2 dBm, lộ trình thực hiện trong vòng 6 tháng bởi các chuyên gia xử lý tín hiệu số.

Thứ ba, phát triển kiến trúc định vị lai 2 giai đoạn (Hybrid Positioning Architecture). Đề xuất kết hợp thuật toán eta-k-NN ở giai đoạn 1 để nhận diện chính xác phòng với độ tin cậy 96%, sau đó kích hoạt mạng nơ-ron MLP 18 perceptron ở giai đoạn 2 để tính toán tọa độ chi tiết, mục tiêu đưa sai số tổng thể xuống dưới 1.0 mét trong năm 2027 do các nhà khoa học dữ liệu phụ trách.

Thứ tư, nâng cấp phần mềm sang nền tảng di động đa hệ điều hành (Mobile Cross-Platform Deployment). Chuyển đổi mã nguồn C# Windows sang ứng dụng chạy trên Android và iOS, cho phép điện thoại thông minh gửi dữ liệu RSS về máy chủ trung tâm với độ trễ phản hồi dưới 50 mili-giây, hoàn thành trong vòng 12 tháng bởi bộ phận phát triển ứng dụng di động.

Đối tượng nên tham khảo luận văn

Thứ nhất, kỹ sư mạng không dây và chuyên gia IoT: Tiếp cận phương pháp tận dụng 100% hạ tầng WiFi sẵn có để xây dựng hệ thống định vị trong nhà mà không tốn chi phí mua sắm phần cứng chuyên dụng, dễ dàng ứng dụng tại các tòa nhà văn phòng và khu đô thị thông minh.

Thứ hai, lập trình viên và nhà phát triển ứng dụng di động: Khai thác kiến trúc phần mềm 3 lớp bằng C#, phương thức quản lý cơ sở dữ liệu XML/CSV và lưu đồ thuật toán k-NN để phát triển các tính năng chỉ đường, tìm kiếm vị trí gian hàng trong siêu thị hoặc trung tâm thương mại lớn.

Thứ ba, học viên cao học và nhà nghiên cứu ngành Kỹ thuật Điện tử - Viễn thông: Sử dụng các mô hình toán học giải thuật Levenberg-Marquardt, hàm mục tiêu MSE và tập số liệu thực nghiệm để phát triển các đề tài chuyên sâu về trí tuệ nhân tạo trong xử lý tín hiệu vô tuyến.

Thứ tư, ban quản lý bệnh viện và tổ chức cứu hộ khẩn cấp: Ứng dụng giải pháp định vị phòng chính xác 96% để theo dõi trang thiết bị y tế lưu động, định vị bác sĩ trực và hỗ trợ điều hướng lực lượng cứu nạn 911 trong các tòa nhà nhiều tầng.

Câu hỏi thường gặp

Tại sao hệ thống vệ tinh GPS không thể hoạt động hiệu quả trong môi trường trong nhà? Sóng vệ tinh GPS bị suy hao nghiêm trọng khi xuyên qua trần và tường bê tông, làm giảm công suất từ 20 đến 30 dB. Sự che chắn này kết hợp với hiện tượng tán xạ đa đường khiến sai số GPS ngoài trời khoảng vài mét tăng vọt lên 15 đến 30 mét trong nhà, không thể định vị được phòng cụ thể.

Kỹ thuật định vị bằng WiFi RSS Fingerprinting có ưu thế gì so với UWB và Laser? Mặc dù công nghệ UWB có sai số dưới 50 centimet và Laser dưới 2 centimet, chi phí lắp đặt hệ thống phần cứng chuyên dụng của chúng rất đắt đỏ. Phương pháp WiFi RSS tận dụng trực tiếp các trạm phát sóng có sẵn, đạt độ chính xác từ 1.5 đến 2.0 mét với chi phí đầu tư gần như bằng không.

Giá trị k trong thuật toán RADAR nên được thiết lập bằng bao nhiêu để tối ưu hóa sai số? Theo kết quả khảo sát trên tập dữ liệu thực nghiệm, giá trị k từ 3 đến 5 mang lại hiệu quả cao nhất với sai số trung bình khoảng 2.65 mét. Khi k bằng 1 hệ thống dễ bị nhiễu cục bộ, còn khi k vượt quá 6 thì việc tính trung bình các điểm ở xa sẽ làm sai lệch vị trí ước lượng.

Phương pháp chuẩn hóa trong giải thuật eta-k-NN mang lại lợi ích gì cho việc nhận diện vị trí? Bằng cách trừ giá trị trung bình và chia cho độ lệch chuẩn của các mẫu quét, thuật toán eta-k-NN triệt tiêu sự chênh lệch độ nhạy thu giữa các thiết bị di động khác nhau, tập trung vào tương quan tỉ lệ giữa các AP và nâng độ chính xác nhận dạng phòng lên 96%.

Cần bao nhiêu nơ-ron lớp ẩn để mạng MLP đạt hiệu suất định vị cao nhất? Thực nghiệm cho thấy cấu trúc mạng MLP với 1 lớp ẩn gồm 18 perceptron sử dụng hàm kích hoạt Tansig và giải thuật Levenberg-Marquardt là tối ưu nhất. Cấu hình này giúp mạng hội tụ nhanh sau khoảng 500 epochs, hạn chế tối đa hiện tượng quá khớp và duy trì sai số khoảng 1.2 mét.

Kết luận

  • Thiết kế và hoàn thiện thành công phần mềm thu thập dữ liệu WLAN và định vị thời gian thực theo kiến trúc 3 lớp module hóa bằng ngôn ngữ C#.
  • Đánh giá thực nghiệm toàn diện ba giải thuật so khớp mẫu trọng tâm gồm RADAR (k-NN), eta-k-NN và Mạng nơ-ron nhân tạo MLP trên cùng một mặt bằng thực tế.
  • Xác định bộ tham số chuẩn hóa tối ưu với k từ 3 đến 5, mật độ 20 mẫu trên một điểm khảo sát và mạng MLP 18 perceptron, giúp hệ thống đạt độ chính xác từ 1.2 đến 2.0 mét.
  • Khẳng định tính ưu việt của phương pháp chuẩn hóa dữ liệu eta-k-NN trong bài toán phân loại phòng với độ tin cậy vượt trội đạt 96%.
  • Chứng minh tính khả thi cao của giải pháp định vị trong nhà chi phí thấp dựa trên hạ tầng WiFi hiện hữu, mở ra tiềm năng thương mại hóa rộng rãi.

Đóng góp chính của luận văn là xây dựng một công cụ phần mềm mở cùng phương pháp luận thực nghiệm bài bản, giải quyết hài hòa bài toán giữa độ chính xác định vị và chi phí triển khai hệ thống IPS. Trong lộ trình 12 tháng tới, các nhóm nghiên cứu nên tiếp tục phát triển thuật toán lọc nhiễu Kalman và tích hợp cảm biến quán tính bước chân (PDR) trên điện thoại di động. Hãy áp dụng ngay khung kiến trúc và giải thuật so khớp mẫu này để tối ưu hóa các giải pháp định vị trong nhà cho công trình của bạn.