ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH 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 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: 62.08 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.TS Lê Tiến Thƣờng 2. 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 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 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 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 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 công suất khác nhau. Nói cách khác, tác giả mong muốn nghiên cứu giải pháp này ở góc độ ảnh hƣởng công suất khác nhau.
Mô 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 toán 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 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 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 KLD- resampling 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 tôi. Có lẽ tôi sẽ không thể theo đuổi và hoàn thành nó nếu không có sự hƣớng dẫn tận tình và những lời động viên, cổ vũ vô cùng quí giá của GS.
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 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 giả Phan Ngọc Thiện, Hoàng Anh Ngọ và Trần Thị Hoàng Oanh.
Những ngƣời đã chia sẽ cho tôi công trình nghiên cứu và mã code chƣơng 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 ngƣời 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 CHƢƠNG 1 GIỚI THIỆU CHUNG .1 Lý do chọn đề tài .2 Tổng quan về hiện trạng nghiên cứu .1 Những nghiên cứu bộ lọc đa phần tử ở nƣớc ngoài .1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở nƣớc ngoài .2 Nghiên cứu ảnh hƣởng công suất của bộ lọc đa phần tử ở nƣớc ngoài .2 Những nghiên cứu bộ lọc đa phần tử ở trong nƣớc .1 Nghiên cứu tái lấy mẫu bộ lọc đa phần tử ở trong nƣớc .2 Nghiên cứu ảnh hƣởng công suất của bộ lọc đa phần tử ở trong nƣớc .3 Nhận định và định hƣớng về tình hình nghiên cứu .3 Mục đích và đối tƣợng nghiên cứu của luận án .4 Phạm vi và phƣơng pháp nghiên cứu .5 Đóng góp mới của Luận án .6 Ý nghĩa khoa học và ứng dụng thực tiễn của Luận án .7 Cấu trúc của Luận án .11 CHƢƠNG 2 LÝ THUYẾT TỔNG QUAN VÀ THIẾT KẾ THỰC NGHIỆM BỘ LỌC SIR 13 2.1 Tổng quan về phƣơng pháp ƣớc lƣợng Bayes .1 Cơ sở lý thuyết định lý Bayes .2 Bộ lọc Kalman.3 Bộ lọc Kalman mở rộng .2 Bộ lọc đa phần tử .1 Bộ lọc đa phần tử .2 Tích phân Monte Carlo (trì hoãn) .3 Lấy mẫu chuỗi quan trọng .4 Phƣơng pháp lấy mẫu quan trọng tuần tự .5 Vấn đề thoái hóa mẫu .6 Lƣu đồ thuật toán bộ lọc đa phần tử .3 Kỹ thuật định vị trong mạng vô tuyến .1 Mạng cảm biến vô tuyến .2 Công nghệ định vị trong mạng cảm biến .3 Mô hình truyền sóng .4 Thiết kế bộ lọc đa phần tử SIR .1 Thiết kế các khối bộ lọc đa phần tử trong AccelDSP 10.2 Xây dựng mô hình và mô phỏng trong System Generator 10.3 Thực hiện mô phỏng trực tiếp trên FPGA Virtex-II Pro.5 Kết quả mô phỏng và thực nghiệm bộ lọc đa phần tử SIR .1 Kiểm chứng không gian trạng thái trên MATLAB và nền công nghệ FPGA 70 2.2 Kiểm chứng RMSE và số hạt .3 Kiểm chứng RMSE và phƣơng sai nhiễu phép đo .73 CHƢƠNG 3 GIẢI PHÁP TÌM GIỚI HẠN TRÊN CHO TÁI LẤY MẪU KLD MẠNG ĐỊNH VỊ VÔ TUYẾN TRONG NHÀ .1 Vấn đề và hƣớng giải quyết .1 Vấn đề đặt ra .2 Hƣớng giải quyết .2 Mô hình hóa mạng định vị .1 Thuật toán Gradient descent .2 Cấu trúc mạng và hiện thực .3 Thiết kế hệ thống LAURA .1 Hệ thống phân tán LAURA .2 Hệ thống tập trung LAURA .3 Ứng dụng PMS nâng cao hiệu quả định vị .4 Thuật toán bộ lọc đa phần tử .5 Giải pháp tìm giới hạn trên cho tái lấy mẫu KLD.1 Phƣơng pháp tái lấy mẫu KLD .2 Thuật toán tìm giá trị giới hạn trên .6 Kết quả mô phỏng .1 Dữ liệu thử nghiệm .2 Thiết lập giá trị giới hạn trên.3 Kiểm chứng lỗi định vị với mức công suất (-15dBm) .4 Kiểm chứng khoảng lỗi với các mức công suất khác nhau .5 Kiểm chứng lỗi định vị với các mật độ anchor nodes .102 CHƢƠNG 4 GIẢI PHÁP KLD HIỆU CHỈNH PHƢƠNG SAI VÀ ĐỘ DỐC DỮ LIỆU 103 4.1 Thuật toán tìm giá trị phƣơng sai .1 Vấn đề bài toán và hƣớng giải quyết .2 Thuật toán tái lấy mẫu KLD với hiệu chỉnh phƣơng sai và độ dốc .3 Thuật toán tìm giá trị phƣơng sai giới hạn dƣới .4 Thiết lập thông số hệ thống .5 Kiểm chứng lỗi định vị .6 So sánh khoảng lỗi các phƣơng pháp truyền thống và đề xuất .7 Kiểm chứng khoảng lỗi với các mức công suất khác nhau .