Bài viết trình bày đề xuất mô hình hệ thống định vị trong nhà dựa trên công nghệ Bluetooth Low Energy (BLE) và mạng Nơ-ron nhân tạo, triển khai hoạt động trên thiết bị BLE iBeacon, cùng với mạch Raspberry Pi 3. Hệ thống sẽ sử dụng phương pháp Fingerprinting để xây dựng một cơ sở dữ liệu từ cường độ tín hiệu đo được từ các iBeacon, và xử lý qua một mạng Nơ-ron nhân tạo để dự đoán vị trí của Raspberry Pi 3. | Hội nghị Quốc gia lần thứ 24 về Điện tử Truyền thông và Công nghệ Thông tin REV-ECIT2021 Mô Hình Định Vị Trong Nhà Sử Dụng BLE iBeacon Và Mạng Nơ-Ron Nhân Tạo Nguyễn Việt Hưng Nguyễn Thành Phúc Lê Tất Thắng Đinh Thị Thái Mai Khoa Điện tử viễn thông Đại học Công nghệ Đại học Quốc gia Hà Nội Email 18020606 18021007 18021155 dttmai @ Abstract Trong thời gian gần đây sự phát triển của Do đặc điểm kỹ thuật của RSS FP các thuật toán tự động hóa robot tự hành IoT kéo theo yêu cầu về học máy thường được sử dụng để phân tích cơ sở dữ định vị vị trí trong nhà tăng vọt. Các hệ thống định liệu vị trí RSS và đưa ra kết quả dự đoán. Đã có rất vị trong nhà phải đáp ứng được các tiêu chí về giá thành nhiều cá nhân các nhóm nghiên cứu ứng dụng các kỹ năng lượng tiêu thụ cũng như khả năng triển khai trên các thiết bị nhỏ di động. Trong bài báo này chúng tôi đề thuật học máy khác nhau vào RSS FP như K-nearest xuất mô hình hệ thống định vị trong nhà dựa trên neighbors K-mean Neural Network . Các kỹ thuật công nghệ Bluetooth Low Energy BLE và mạng Nơ-ron học máy có đặc điểm riêng tạo ra sai số ước lượng vị nhân tạo triển khai hoạt động trên thiết bị BLE iBeacon trí đích khác nhau. Vì vậy cần có sự kết hợp các phương cùng với mạch Raspberry Pi 3. Hệ thống sẽ sử dụng pháp khác để giảm sai số khi đo RSS giảm lưu lượng phương pháp Fingerprinting để xây dựng một cơ sở dữ thông tin . nhằm tăng tốc độ tính toán giảm chi phí và liệu từ cường độ tín hiệu đo được từ các iBeacon và xử lý tăng sự chính xác. qua một mạng Nơ-ron nhân tạo để dự đoán vị trí của Vấn đề của RSS FP cũng như các phương pháp định Raspberry Pi 3. Thử nghiệm thực tế cho thấy kết quả định vị khác là giá trị đầu vào RSS thu được trong giai đoạn vị vị trí thực tế đạt sai số trung bình là . trực tuyến có ảnh hưởng trực tiếp đến kết quả tính toán Keywords- Định vị trong nhà BLE iBeacon và cơ sở dữ liệu của RSS FP là lớn nhưng không phải Neural network Raspberry Pi Fingerprinting. tất cả dữ liệu thu được trong quá
