Nâng cao độ chính xác định vị vật thể bị chôn vùi trong môi trường không đồng nhất sử dụng IR-UWB dựa trên TOA và học máy
40 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.113.2026.3-11Từ khóa:
Công nghệ IR-UWB; Ra đa xuyên thấu mặt đất; TOA; Random Forest; XGBoost; LGBM.Tóm tắt
Bài báo đề xuất một phương pháp định vị vật thể bị chôn vùi trong môi trường không đồng nhất sử dụng radar IR-UWB dựa trên tham số thời gian đến (TOA) kết hợp với các kỹ thuật học máy. Một mô hình truyền sóng được xây dựng để tạo bộ dữ liệu TOA cho nhiều vị trí vật thể khác nhau trong điều kiện đa đường và có nhiễu. Để nâng cao độ chính xác của việc ước lượng TOA, kỹ thuật lọc phối hợp kết hợp ngưỡng thích nghi (MFAT) được đề xuất nhằm cải thiện khả năng phát hiện xung phản xạ trong điều kiện SNR thấp. Các đặc trưng TOA thu được sau đó được sử dụng để huấn luyện các mô hình Random Forest (RF), XGBoost và LightGBM (LGBM) cho bài toán định vị vật thể. Kết quả thực nghiệm cho thấy phương pháp LGBM-MFAT đạt hiệu năng tốt nhất với MAE bằng 1,26 cm, RMSE bằng 2,37 cm và hệ số xác định R2 đạt 0,999. Các kết quả này chứng minh rằng việc kết hợp xử lý TOA thích nghi với các mô hình tăng cường dựa trên cây quyết định giúp cải thiện đáng kể độ chính xác định vị và cung cấp một giải pháp hiệu quả cho các hệ thống radar IR-UWB xuyên thấu hoạt động trong môi trường không đồng nhất.
Tài liệu tham khảo
REFERENCES
[1]. Groves, P. “Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems”. 2nd ed.; Artech House: Boston, MA, USA, (2013).
[2]. Li, M.-G.; Zhu, H.; You, S.-Z.; Tang, C.-Q. “UWB-Based Localization System Aided With Inertial Sensor for Underground Coal Mine Applications”. IEEE Sens. J., vol. 20, pp. 6652–6669, (2020). DOI: https://doi.org/10.1109/JSEN.2020.2976097
[3]. Al-Okby, Mohammed Faeik Ruzaij, et al. “UWB-based real-time indoor positioning systems: A comprehensive review”. Applied Sciences, vol. 14, no. 23, 11005, (2024). DOI: https://doi.org/10.3390/app142311005
[4]. Kia, Ghazaleh, Laura Ruotsalainen, and Jukka Talvitie. “Toward accurate indoor positioning: An RSS-based fusion of UWB and machine-learning-enhanced WiFi”. Sensors, vol. 22, no. 9, (2022). DOI: https://doi.org/10.3390/s22093204
[5]. Ma, Weimin, et al. “Research on indoor positioning system algorithm based on UWB technology”. Measurement: Sensors, vol. 33, 101121, (2024). DOI: https://doi.org/10.1016/j.measen.2024.101121
[6]. Kocur, et al. “Through-the-wall localization of a moving target by two independent ultra wideband (UWB) radar systems”. Sensors, vol. 13, no. 9, pp. 11969-11997, (2013). DOI: https://doi.org/10.3390/s130911969
[7]. Ouadfeul, et al. “Multiscale analysis of 3D GPR data using the continuous wavelet transform”. Proceedings of the XIII International Conference on Ground Penetrating Radar, Lecce, Italy, 21–25 June 2010. DOI: https://doi.org/10.1109/ICGPR.2010.5550177
[8]. Hart, P.E. “How the Hough transform was invented”. IEEE Signal Process. Mag., vol. 26, pp. 18–22, (2009). DOI: https://doi.org/10.1109/MSP.2009.934181
[9]. Dumin, O.; Plakhtii, V.; Pryshchenko, O.; Pochanin, G. “Comparison of ANN and Cross-Correlation Approaches for Ultra Short Pulse Subsurface Survey”. Proceedings of the 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), Lviv-Slavske, Ukraine, pp. 381–386, (2020). DOI: https://doi.org/10.1109/TCSET49122.2020.235459
[10]. Huyen, N. T., Ha, D. D., & Hiep, P. T. “Buried objects detection in heterogeneous environment using UWB systems combined with curve fitting method”. ICT Express, vol. 6, no. 4, pp. 348-352, (2020). DOI: https://doi.org/10.1016/j.icte.2020.06.006
[11]. Rathnayake, R. M. M. R., et al. “RSSI and machine learning-based indoor localization systems for smart cities”. Eng, vol. 4, no. 2, pp. 1468-1494, (2023). DOI: https://doi.org/10.3390/eng4020085
[12]. Díez-González, Javier, et al. “Time-based UWB localization architectures analysis for UAVs positioning in industry”. Ad Hoc Networks, vol. 157, 103419, (2024). DOI: https://doi.org/10.1016/j.adhoc.2024.103419
[13]. Zhang, Y., Wang, H., Liu, J., et al. “Deep learning-enhanced UWB localization in complex environments: A survey”. IEEE Access, vol. 13, pp. 12543–12568, (2025).
[14]. Kim, S., Lee, J., and Park, H. “Hybrid UWB positioning using machine learning for GNSS-denied environments”. Sensors, vol. 25, no. 4, Art. no. 1187, (2025). DOI: https://doi.org/10.3390/s25247569
[15]. Wang, H.; Liu, Q.; Zhou, L. “Underground target localization method for ground penetrating radar based on deep learning”. Measurement, vol. 253, Art. no. 117647, (2025). DOI: https://doi.org/10.1016/j.measurement.2025.117647
[16]. Thien, Nguyen Thanh, et al. “Broadband signal source localization using convolutional neural networks combined with coherent signal subspace methods”. Journal of Military Science and Technology IITE, pp. 115-122, (2025). DOI: https://doi.org/10.54939/1859-1043.j.mst.IITE.2025.115-122
[17]. Saad, Mohamed, et al. “Development of an IR-UWB radar system for high-resolution through-wall imaging”. Prog. Electromagn. Res. C, vol. 124, pp. 81-96, (2022). DOI: https://doi.org/10.2528/PIERC22060206
[18]. X. Chen and S. Kiaei. “Monocycle shapes for ultra wideband system”. 2002 IEEE International Symposium on Circuits and Systems. Proceedings (Cat. No. 02CH37353), vol. 1, (2002).
[19]. Gavin, Henri P. “The Levenberg-Marquardt algorithm for nonlinear least squares curve-fitting problems”. Department of Civil and Environmental Engineering Duke University, (2019).
[20]. Li, Jingxia and Guo, Tian and Leung, Henry and Xu, Hang and Liu, Li and Wang, Bingjie and Liu, Yang. “Locating Underground pipe using wideband chaotic ground penetrating radar”. Sensors, Multidisciplinary Digital Publishing Institute, vol. 19, no. 13, p. 2913, (2019). DOI: https://doi.org/10.3390/s19132913
[21]. Qiao, Lihong and Qin, Yao and Ren, Xiaozhen and Wang, Qifu. “Identification of buried objects in GPR using amplitude modulated signals extracted from multiresolution monogenic signal analysis”. Multidisciplinary Digital Publishing Institute, Sensors, vol. 15, no. 12, pp. 30340–30350, (2015). DOI: https://doi.org/10.3390/s151229801
