Luận văn thạc sĩ về bộ lọc particle trong mạng cảm biến y sinh và kỹ thuật viễn thông

Nghiên cứu hệ thống bộ lọc particle cho mạng cảm biến y sinh trong kỹ thuật viễn thông, phương pháp định lượng kết hợp định tính, góp phần phát triển

• Tác giả: Hoàng Anh Ngọ
• Người hướng dẫn: PGS.TS Lê Tiến Thường
• Trường học: Đại học Bách Khoa - ĐHQG Tp.HCM
• Chuyên ngành: Kỹ Thuật Viễn Thông
• Đề tài: Cân Bằng Mù Trong Mạng Cảm Biến Y Sinh Ứng Dụng Bộ Lọc Particle
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Giới thiệu về mạng cảm biến y sinh WBAN

Mạng cảm biến y sinh (WBAN) là một nhánh quan trọng trong lĩnh vực mạng cảm biến không dây, được thiết kế để giám sát sức khỏe bệnh nhân thông qua các cảm biến gắn trên cơ thể. Các cảm biến này thu thập dữ liệu về các chỉ số y sinh và truyền tải thông tin qua các kênh không dây đến trung tâm xử lý. Sự phát triển của WBAN đã mở ra nhiều cơ hội ứng dụng trong y tế, giúp theo dõi tình trạng sức khỏe của bệnh nhân một cách liên tục và hiệu quả. Theo nghiên cứu, việc sử dụng công nghệ UWB (Ultra Wide Band) trong WBAN không chỉ cải thiện băng thông mà còn giảm thiểu các vấn đề nhiễu ISI và MAI, từ đó nâng cao chất lượng dịch vụ trong chăm sóc sức khỏe. "Mạng cảm biến y sinh cho phép giám sát sức khỏe liên tục, giúp bác sĩ có thể đưa ra quyết định kịp thời".

1.1. Các thành phần của mạng WBAN

Mạng WBAN bao gồm nhiều thành phần như cảm biến, thiết bị thu phát và trung tâm xử lý. Các cảm biến y sinh có khả năng đo lường nhiều thông số khác nhau như nhịp tim, huyết áp, và nhiệt độ cơ thể. Thiết bị thu phát thực hiện việc nhận và truyền tải thông tin giữa các cảm biến và trung tâm xử lý, nơi diễn ra việc phân tích và lưu trữ dữ liệu. Sự kết hợp giữa các thành phần này tạo nên một hệ thống mạnh mẽ, đáp ứng nhu cầu giám sát sức khỏe trong thời gian thực. "Các cảm biến y sinh đóng vai trò quan trọng trong việc thu thập dữ liệu y tế, từ đó cung cấp thông tin chính xác cho bác sĩ".

II. Bộ lọc phần tử và ứng dụng trong mạng cảm biến

Bộ lọc phần tử (particle filter) là một kỹ thuật quan trọng trong việc ước lượng trạng thái của hệ thống khi có sự hiện diện của nhiễu. Kỹ thuật này dựa trên định lý Bayes và phương pháp Monte Carlo, cho phép ước lượng chính xác hơn trong các môi trường phức tạp như mạng cảm biến y sinh. Việc áp dụng bộ lọc phần tử trong mạng WBAN giúp cải thiện khả năng xử lý tín hiệu, giảm thiểu ảnh hưởng của nhiễu ISI và MAI. "Bộ lọc phần tử cho phép ước lượng trạng thái hệ thống một cách hiệu quả, đặc biệt trong các môi trường có nhiều yếu tố gây nhiễu". Điều này không chỉ nâng cao độ chính xác của dữ liệu thu thập mà còn giúp cải thiện hiệu suất của toàn bộ hệ thống.

2.1. Các ứng dụng của bộ lọc phần tử

Bộ lọc phần tử có nhiều ứng dụng trong thực tiễn, đặc biệt trong lĩnh vực y tế và viễn thông. Trong mạng cảm biến y sinh, bộ lọc phần tử có thể được sử dụng để ước lượng các chỉ số sức khỏe của bệnh nhân từ dữ liệu thu thập được. Ngoài ra, nó còn có thể áp dụng trong các hệ thống theo dõi đối tượng trong video, giúp cải thiện độ chính xác trong việc xác định vị trí và trạng thái của đối tượng. "Việc sử dụng bộ lọc phần tử trong các ứng dụng thực tế cho thấy khả năng linh hoạt và độ chính xác cao của nó trong việc xử lý dữ liệu".

III. Cân bằng mù trong mạng WBAN

Cân bằng mù là một phương pháp quan trọng trong việc ước lượng tín hiệu trong môi trường có nhiễu. Phương pháp này loại bỏ cần thiết phải sử dụng chuỗi huấn luyện, từ đó tiết kiệm băng thông và năng lượng. Trong mạng WBAN, việc áp dụng cân bằng mù giúp cải thiện khả năng truyền tải dữ liệu mà không làm giảm chất lượng của tín hiệu. "Cân bằng mù cho phép hệ thống hoạt động hiệu quả hơn trong việc xử lý tín hiệu, đặc biệt trong các điều kiện môi trường phức tạp". Điều này rất cần thiết trong các ứng dụng y tế, nơi mà độ chính xác và độ tin cậy của dữ liệu là yếu tố sống còn.

3.1. Phương pháp thực hiện cân bằng mù

Để thực hiện cân bằng mù, cần phải xây dựng một mô hình hệ thống phù hợp với đặc điểm của mạng WBAN. Các thuật toán như SIS (Sequential Importance Sampling) và tái lấy mẫu là những phương pháp chính được sử dụng trong quá trình này. Việc tối ưu hóa các tham số trong mô hình sẽ giúp nâng cao hiệu quả của việc cân bằng mù, từ đó cải thiện tỉ lệ lỗi bit trong quá trình truyền tải. "Tối ưu hóa mô hình cân bằng mù là yếu tố quyết định đến hiệu suất của hệ thống trong môi trường thực tế".

IV. Kết quả thực thi trên iMX53 Quick Start Board

Việc thực thi hệ thống cân bằng mù trên iMX53 Quick Start Board cho thấy khả năng áp dụng thực tế của thuật toán bộ lọc phần tử trong môi trường nhúng. Kết quả thực thi cho thấy tỉ lệ lỗi bit (BER) ở mức chấp nhận được khi so sánh với tỉ số tín hiệu trên nhiễu (SNR). "Kết quả thực thi trên phần cứng cho thấy khả năng hoạt động ổn định và hiệu quả của hệ thống trong điều kiện thực tế". Điều này mở ra nhiều triển vọng cho việc ứng dụng công nghệ này trong các lĩnh vực khác nhau, không chỉ giới hạn trong y tế.

4.1. Đánh giá hiệu suất hệ thống

Đánh giá hiệu suất của hệ thống được thực hiện thông qua việc so sánh tỉ lệ lỗi bit và thời gian thực thi. Các kết quả cho thấy rằng khi tăng số lượng mẫu trong bộ lọc phần tử, độ chính xác của ước lượng cũng tăng lên. Tuy nhiên, cần cân nhắc giữa độ chính xác và độ phức tạp của hệ thống. "Việc đánh giá hiệu suất là rất quan trọng để tối ưu hóa hệ thống và đảm bảo tính khả thi trong ứng dụng thực tế".

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP.HCM TRƢỜNG ĐẠI HỌC BÁCH KHOA HOÀNG ANH NGỌ CÂN BẰNG MÙ TRONG MẠNG CẢM BIẾN Y SINH ỨNG DỤNG BỘ LỌC PARTICLE Chuyên ngành : Kỹ Thuật Viễn Thông Mã số : 60 52 02 08 TÓM TẮT LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 12 năm 2015 Công trình đƣợc hoàn thành tại: Trƣờng Đại học Bách Khoa – ĐHQG-HCM Cán bộ hƣớng dẫn khoa học: ……PGS.TS Lê Tiến Thƣờng. Cán bộ chấm nhận xét 1:. Cán bộ chấm nhận xét 2:.

Luận văn thạc sĩ đƣợc bảo vệ tại Trƣờng Đại học Bách Khoa, ĐHQG Tp. Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1. Xác nhận của Chủ tịch Hội đồng đánh giá luận văn và Trƣởng Khoa quản lý chuyên ngành sau khi luận văn đã đƣợc sửa chữa. CHỦ TỊCH HỘI ĐỒNG TRƢỞNG KHOA……… ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƢỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự do - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: .Hoàng Anh Ngọ.

Ngày, tháng, năm sinh: .Kỹ Thuật Viễn Thông. TÊN ĐỀ TÀI: Cân bằng mù trong mạng cảm biến y sinh ứng dụng bộ lọc Particle II. NHIỆM VỤ VÀ NỘI DUNG: 1. Tìm hiểu mô hình toán học mạng WBAN, 2.

Tìm hiểu lý thuyết và các ứng dụng phổ biến của bộ lọc Particle và hệ thống cân bằng mù, 3. Đề xuất giải pháp cho hệ thống cân bằng mù ứng dụng bộ lọc Particle, 4. Xây dựng lại hệ thống bằng mô phỏng Matlab và đánh giá kết quả thu đƣợc, 5. Thực thi hệ thống xây dựng trên Matlab lên phần cứng iMX53 Quick Start Board ,ứng dụng vào thực tiễn.

NGÀY GIAO NHIỆM VỤ:. NGÀY HOÀN THÀNH NHIỆM VỤ:. CÁN BỘ HƢỚNG DẪN: .TS Lê Tiến Thƣờng. CÁN BỘ HƢỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) (Họ tên và chữ ký) TRƢỞNG KHOA……….

(Họ tên và chữ ký) LỜI CẢM ƠN Để hoàn thành luận văn cao học này, trước tiên học em xin gửi lời cám ơn sâu sắc tới tất cả các Thầy, Cô trong bộ môn Viễn Thông và khoa Điện-Điện Tử đã nhiệt tình hướng dẫn, cung cấp cho em những kinh nghiệm, kiến thức hết sức sức quý báu trong khoảng thời gian học tập tại trường. Em xin chân thành cảm ơn thầy PGS.TS Lê Tiến Thường, người đã trực tiếp dạy và hướng dẫn em trong suốt quá trình thực hiện đề tài. Cảm ơn Thầy đã luôn quan tâm, tận tình chỉ dạy, truyền đạt cho em những kinh nghiệm vô cùng hữu ích, hướng dẫn em từ việc tiếp cận đến định hướng nghiên cứu đề tài. Trong khoảng thời gian làm việc cùng với Thầy, em đã học được rất nhiều điều không chỉ là kiến thức mà còn là tác phong làm việc nghiêm túc, lối tư duy khoa học, niềm đam mê nghiên cứu và lòng nhiệt huyết với nghề của Thầy.

Em xin gửi lời cám ơn đến phòng Đào Tạo Sau Đại Học, trường Đại Học Bách Khoa Tp.Hồ Chí Minh, đã tạo điều kiện tốt cho em về trang thiết bị và tài liệu học tập trong suốt khóa học. Cuối cùng, em xin gửi lời cảm ơn đến gia đình và bạn bè đã luôn quan tâm, ủng hộ và là nguồn động viên cho em trong suốt quá trình học tập và thực hiện luận văn này.Hồ Chí Minh, ngày 14 tháng 12 năm 2015 HV. Hoàng Anh Ngọ TÓM TẮT LUẬN VĂN Luận văn giới thiệu về mạng cảm biến WBAN (Wireless Body Area Network), là một nhánh ứng dụng đƣợc phát triển của mạng Wireless Sensor Network (WSN) hiện đang đƣợc áp dụng rộng rãi trong lĩnh vực y tế và chăm sóc sức khỏe. Qua mạng WBAN, các thông tin về chỉ số y sinh của bệnh nhân đƣợc thu nhận từ các cảm biến và thông qua đƣờng truyền vô tuyến đƣa về trung tâm báo hiệu và xử lý.

Nhờ đó, tình trạng sức khỏe của mỗi bệnh nhân sẽ đƣợc giám sát liên tục mọi nơi, mọi thời điểm và các bác sĩ có thể căn cứ vào những thông tin thu nhận đƣợc để đƣa ra phƣơng án điều trị phù hợp. Với nhu cầu thị yếu ngày càng tăng, các cảm biến thu nhận thông tin về sức khỏe càng có xu hƣớng tích hợp cả những ứng dụng giải trí tốc độ cao hoạt động ở băng tần cao từ vài trăm Mhz đến vài GHz. Để có thể thực hiện đƣợc những ứng dụng nhƣ vậy, việc sử dụng công nghệ UWB (Ultra Wide Band) trong mạng WBAN đã từng đƣợc đề cập trong IEEE 802. Tuy nhiên ở băng tần cao, một trong những ảnh hƣởng rõ rệt phải đối mặt là nhiễu liên ký tự (ISI) và nhiễu đa đƣờng (MAI).

Với môi trƣờng phức tạp và thƣờng xuyên thay đổi của cơ thể ngƣời, các ảnh hƣởng của nhiễu cũng mang những nét đặc trƣng riêng. Nhằm khắc phục các ảnh hƣởng của nhiễu ISI trong mạng WBAN, luận văn trình bày phƣơng pháp xây dựng hệ thông cân bằng mù dựa trên nền tảng của phƣơng pháp tuần tự Monte Carlo là bộ lọc phần tử (particle filter). Nội dung gồm các trình bày về mô hình kênh truyền của mạng WBAN trong môi trƣờng văn phòng, thuật toán lấy mẫu của bộ lọc phần tử, ứng dụng của bộ lọc phần tử trong hệ thống cân bằng mù với mô hình mạng WBAN đƣợc đề cập. Hiệu quả của hệ thông đƣợc đánh giá bằng tỉ lệ lỗi bit BER tƣơng ứng với mỗi mức tỉ số tín hiệu trên nhiễu SNR, các mô phỏng đƣợc thực hiện trên môi trƣờng máy tính sử dụng phần mềm Matlab.

Các kết quả mô phỏng trên Matlab cho thấy khi tăng số lƣợng phần tử càng lớn, kết quả ƣớc lƣợng càng chính xác, khi nhiễu càng lớn, kết quả ƣớc lƣợng càng suy giảm. Khi đó, ta cần cân bằng đƣợc giữa tính hiệu quả và độ phức tạp của hệ thống khi lựa chọn số lƣợng mẫu dùng trong hệ thống. Hiện nay vẫn chƣa có một bài báo hay công trình nào trình bày về việc thực hiện một hệ thống cân bằng mù sử dụng bộ lọc phần tử trên phần cứng cụ thể nào khác máy tính.Vì vậy luận văn đồng thời tập trung vào việc tìm và nghiên cứu những phần cứng có cấu hình tiềm năng và thực thi thuật toán đƣợc xây dựng trên nền phần cứng đó. Trong số những platform phổ biến hiện nay, iMX53 QSB đƣợc đánh giá là nền tảng khá mạnh để phát triển những ứng dụng chạy trên nền Linux có thể áp dụng vào thực tế.

Qua việc đánh giá kết quả thực thi hệ thống trên board iMX53 sẽ cho thấy khả năng áp dụng thực tế của thuật toán đƣợc xây dựng. Một bài báo về đề tài đã đƣợc gửi đến tạp chí Phát Triển Khoa Học và Công Nghệ ở Việt Nam. LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, ngoại trừ những tham khảo đã đƣợc đánh số và có trích dẫn. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kì công trình nào khác.

Tôi xin chịu trách nhiệm cho những nội dung của luận văn. Học viên thực hiện Hoàng Anh Ngọ DANH MỤC CÁC KÝ HIỆU VÀ VIẾT TẮT Ký hiệu Mô tả chi tiết ht Đáp ứng xung của kênh truyền ở thời điểm t. N Số lƣợng Particle sử dụng. N ( , 2 ) Phân bố Gauss với trung bình  và phƣơng sai  2.

2 Phƣơng sai nhiễu của hệ thống Ct Phƣơng sai của đáp ứng xung w it Trọng lƣợng của mẫu thứ i ở thời điểm t y0:t Chuỗi quan sát phía thu s0:t Chuỗi thông tin truyền đi vt Nhiễu gây ra trên đƣờng truyền m Bậc của đáp ứng xung kênh truyền T Ma trận truyền p[a | b] Hàm xác suất xảy ra a khi biết b q[a | b] Hàm lấy mẫu các giá trị a khi biết b Neff Ngƣỡng tái lấy mẫu của thuật toán QSB Quick Start Board ISI Inter Symbol Interference WBAN Wireless Body Area Network MAP Maximum Argument Posteriori MC Monte Carlo CM Channel Model SIS Sequence Importance Sampling SIR Sequence Importance Resampling MMSE Minimum Mean Square Error WSN Wireless Sensor Network MỤC LỤC LỜI CẢM ƠN .7 DANH MỤC BẢNG BIỂU .11 CHƢƠNG I LÝ THUYẾT CƠ BẢN .1 ĐỊNH LÝ BAYES VÀ PHƢƠNG PHÁP PHÂN TÍCH MONTE CARLO .1 Cơ bản về định lý Bayes .2 Định lý Bayes với hàm mật độ xác suất .3 Phƣơng pháp Monte Carlo .2 NHIỄU ISI TRONG THÔNG TIN VÔ TUYẾN .3 Cân bằng kênh truyền.24 CHƢƠNG II MẠNG CẢM BIẾN Y SINH WBAN.1 GIỚI THIỆU VỀ MẠNG CẢM BIẾN WBAN .2 CÁC NHÂN TỐ ẢNH HƢỞNG TRONG WBAN.3 MÔ HÌNH KÊNH TRUYỀN WBAN .41 CHƢƠNG III BỘ LỌC PHẦN TỬ (PARTICLE)……………………….2 PHƢƠNG PHÁP LẤY MẪU QUAN TRỌNG .3 MỘT SỐ ỨNG DỤNG BỘ LỌC PHẦN TỬ .1 Ƣớc lƣợng hàm phi tuyến.2 Theo vết đối tƣợng trong Video .57 CHƢƠNG IV .1 XÂY DỰNG MÔ HÌNH HỆ THỐNG CÂN BẰNG MÙ .2 PHƢƠNG PHÁP ĐỆ QUY CỦA CÁC HÀM MẬT ĐỘ XÁC SUẤT .3 CÂN BẰNG MÙ SỬ DỤNG THUẬT TOÁN SIS .4 PHƢƠNG PHÁP TÁI LẤY MẪU .5 HÀM LẤY MẪU TRONG HỆ THỐNG CÂN BẰNG MÙ .6 SƠ ĐỒ THUẬT TOÁN CÂN BẰNG MÙ .1 MATLAB 2012A VÀ TOOL MATLAB COMPILER .2 TRÌNH BIÊN DỊCH ECLIPSE .4 TỔNG QUAN VỀ KIT I.MX53 QUICK START BOARD .1 Giới thiệu chung về Kit i.MX53 Quick Start Board .2 Lịch sử phát triển I.3 Đặc điểm chi tiết của I.4 Hệ điều hành Ubuntu 10.MX53 Quick Start Board .82 CHƢƠNG VI .1 MÔ PHỎNG HỆ THỐNG TRÊN MATLAB .2 KẾT QUẢ MÔ PHỎNG HỆ THỐNG BẰNG MATLAB.3 THỰC THI HỆ THỐNG TRÊN KIT IMX53 QUICK START BOARD .1 Thiết lập hệ thống .3 Thực thi hệ thống .4 KẾT QUẢ THỰC THI TRÊN KIT IMX53 QUICK START BOARD.91 CHƢƠNG VII .2 HƢỚNG PHÁT TRIỂN.93 TÀI LIỆU THAM KHẢO .94 PHỤ LỤC BÀI BÁO…………………………………………………………….96 DANH MỤC HÌNH ẢNH Stt Chú thích Trang Hình 1.1 Mô hình nhiễu ISI.1 Hệ thống theo dõi sức khỏe bệnh nhân.2 Các kết nối trong mạng WBAN.3 Sơ đồ hệ thống UWB/MIMO.4 Thiết lập bài đo WBAN.5 Anten đƣợc gắn lên cơ thể.6 Antenna pattern trong không gian.7 Đặc tích của anten trên cơ thể ở 6.8 Môi trƣờng thiết lập bài đo thông số mạng WBAN.9 Thiết lập bài đo WBAN.10 Một số thông tin về trễ cho từng vị trí của cơ thể 26 Hình 2.11 Mô hình kênh truyền cho thành phần LOS.1 Phƣơng pháp lấy mẫu trong bộ lọc phần tử.2 Các bƣớc thực hiện và chức năng của bộ lọc phần tử 32 Hình 3.3 Kết quả của thuật toán SIS trong bám đối tƣợng 33 Hình 3.4a Trọng lƣợng của tất cả 50 particle 34 Hình 3.4b Hiện tƣợng thoái hóa mẫu 35 Hình 3.5 So sánh giữa SIS và SIS 37 Hình 3.6 Trạng thái ban đầu và trạng thái ƣớc lƣợng.7 Giá trị quan sát và giá trị quan sát của bộ lọc 38 Hình 3.8 Mô hình của hệ thống theo vết đối tƣợng màu đỏ 39 Hình 3.