Tên đề tài luận án: Nghiên cứu cải thiện hiệu năng định vị trong nhà dựa trên tín hiệu Wi-Fi và dữ liệu cảm biến quán tính.

1. Họ và tên nghiên cứu sinh: Dương Thị Hằng                                       2. Giới tính:Nữ

3. Ngày sinh:03/9/1978                                                                            4. Nơi sinh:Bắc Giang

5. Quyết định công nhận nghiên cứu sinh số:778/QĐ-CTSV ngày 21 tháng 08 năm 2017 của Hiệu trưởng Trường Đại học Công Nghệ- Đại học Quốc Gia Hà Nội.

6. Các thay đổi trong quá trình đào tạo:

– Bổ sung cán bộ hướng dẫn phụ theo quyết định số 618/QĐ-ĐT ngày 04 tháng 9 năm 2020 của Hiệu trưởng trường Đại học Công nghệ.

+ Trách nhiệm cũ (Theo Quyết định số 1000/QĐ-ĐT ngày 17 tháng 10 năm 2017)

Cán bộ hướng dẫn chính: PGS.TS Trịnh Anh Vũ, Trường Đại học Công nghệ.

Điều chỉnh mới:

Cán bộ hướng dẫn chính: PGS.TS Trịnh Anh Vũ, Trường Đại học Công nghệ.

Cán bộ hướng dẫn phụ: TS. Hoàng Mạnh Kha, Trường Đại học Công nghiệp Hà Nội.

– Thay đổi tên đề tài luận án tiến sĩ theo quyết nghị của Hội đồng đánh giá cấp cơ sở luận án tiến sĩ, ngày 30 tháng 11 năm 2023.

Tên đề tài cũ: Nghiên cứu phát triển kỹ thuật định vị trong nhà dùng sóng Wi-Fi.

7. Tên đề tài luận án: Nghiên cứu cải thiện hiệu năng định vị trong nhà dựa trên tín hiệu Wi-Fi và dữ liệu cảm biến quán tính.

8. Chuyên ngành:Kỹ thuật Viễn thông                                     9. Mã số:9510302.02

10. Cán bộ hướng dẫn khoa học: 1. PGS.TS. Trịnh Anh Vũ

                                                       2. TS. Hoàng Mạnh Kha

Thông tin luận án Tiến sĩ của NCS Dương Thị Hằng (tiếng Anh)

11. Tóm tắt các kết quả mới của luận án:

Mục đích và đối tượng nghiên cứu của luận án:

Mục đích của luận án là phát triển các giải pháp nhằm cải thiện độ chính xác trong việc ước lượng vị trí trong nhà dùng học máy. Đối tượng nghiên cứu của luận án bao gồm các mô hình máy học và học sâu, như LSTM, CNN, KNN, và các phương pháp khai thác đặc trưng dữ liệu như PCA và TSVD, nhằm cải thiện hiệu suất định vị trong các môi trường phức tạp như tòa nhà hoặc không gian kín.

Phương pháp nghiên cứu: Luận án sử dụng nhiều phương pháp nghiên cứu hiện đại bao gồm:

• Mô hình xếp chồng: Đề xuất và đánh giá hiệu quả của một mô hình đơn giản nhưng hiệu quả để ước lượng độ dài bước chân, kết hợp với kỹ thuật PDR.
• Kết hợp học máy và học sâu: Đề xuất giải pháp làm giàu dữ liệu kết hợp sử dụng KNN phân vùng dữ liệu và sử dụng mô hình.
• Khai thác đặc trưng dữ liệu: Sử dụng các phương pháp như PCA và TSVD kết hợp với các mô hình LSTM hoặc WKNN và Linear Regression hoặc KNN Regression.

Các kết quả chính và đóng góp mới của Luận án:

• Cải thiện độ chính xác trong ước lượng độ dài bước chân: Giải pháp đề xuất giảm sai số dự đoán 12% so với mô hình LSTM và 22.81% so với mô hình CNN, với một mô hình đơn giản chỉ cần 61 tham số.
• Nâng cao độ chính xác trong ước lượng vị trí: Giải pháp kết hợp làm giàu dữ liệu với mô hình KNN và LSTM đã nâng cao độ chính xác khi ước lượng vị trí, đặc biệt khi yêu cầu độ chính xác dưới 2m, đạt 60% dự đoán đúng.
• Hiệu quả khai thác đặc trưng dữ liệu: Giải pháp giảm lỗi dự đoán vị trí từ 10% đến 18% và tăng tốc độ dự đoán vị trí lên lớn nhất khoảng 60% so với các nghiên cứu khác khi sử dụng các phương pháp giảm chiều dữ liệu PCA, TSVD kết hợp với mô hình học máy.

12. Khả năng ứng dụng trong thực tiễn:

Luận án đề xuất được các giải pháp hiệu quả trong việc cải thiện độ chính xác và hiệu suất của hệ thống định vị trong nhà. Những đóng góp này không chỉ có ý nghĩa về mặt khoa học, mà còn mang lại giá trị thực tiễn cao, mở ra cơ hội cho việc phát triển và ứng dụng các hệ thống định vị trong các lĩnh vực như điều hướng, quản lý kho bãi, và cứu hộ cứu nạn. Các giải pháp đề xuất đạt được các mục tiêu kinh tế và kỹ thuật, và có tiềm năng ứng dụng thực tiễn trong các môi trường thực tế.

13. Những hướng nghiên cứu tiếp theo:

• Đề xuất kết hợp kỹ thuật PDR với mô hình sử dụng dữ liệu Wi-Fi để cải thiện độ chính xác dự đoán vị trí.
• Đề xuất giải pháp tối ưu hóa bộ siêu tham số cho mô hình học sâu sử dụng các thuật toán tối ưu tự nhiên trong hệ thống định vị trong nhà.
• Đề xuất cải thiện độ chính xác trong việc đếm bước, kết hợp ước lượng độ dài bước và hướng di chuyển nhằm nâng cao hiệu quả dự đoán vị trí sử dụng PDR.

14. Các công trình đã công bố có liên quan đến luận án:

[CT1] Duong, H. T., Hoang, K. M., Pham, H. V., & Trinh, V. A. (2022),“High-Performance Stacked Ensemble Model for Stride Length Estimation with Potential Application in Indoor Positioning Systems”. Journal of Communications, 17(8).   DOI:10.12720/jcm.17.8.652-660. (Scopus, Q3)

[CT2] Duong, H., M. K.Hoang, A. V. Trinh, and T. Pham Thi Quynh, (2023),“High Accuracy Indoor Positioning Approach Using KNN and LSTM Algorithms”. Journal of Military Science and Technology, vol. 86, no. 86, pp. 48-55. DOI: https://doi.org/10.54939/1859-1043.j.mst.86.2023.48-55.

[CT3]  Duong, T. H., Trinh, A. V., & Hoang, M. K. (2023, October),“An Enhancement of Indoor Localization using PCA-aided LSTM Approach”, In 2023 International Conference on Advanced Technologies for Communications (ATC) (pp. 512-516). IEEE(Scopus).

[CT4] Thi Hang Duong, Anh Vu Trinh, and Manh Kha Hoang, (2023), “Efficient and Accurate Indoor Positioning System: A Hybrid Approach Integrating PCA, WKNN, and Linear Regression”, Journal of Communications, vol. 19, no. 1, pp. 37-43. (Scopus, Q3).

[CT5]  Hang Duong Thi, Kha Hoang Manh, Vu Trinh Anh, Trang Pham Thi Quynh, Tuyen Nguyen Viet (2023), “Dimensionality Reduction with Truncated SVD and K nearest neighbour Regression for Indoor Localization”. International Journal of Advanced Computer Science and Applications, IJACSA Volume 14 Issue 10. (ISI/Scopus, Q3).