Professional Documents
Culture Documents
PHÁP SIÊU ÂM
(1) (1) (3)
Trần Thị Thủy , Nguyễn Quang Thắng , Đinh Sơn Thạch
(1)
Khoa Khoa học Ứng dụng, trường Đại học Bách khoa – ĐHQG TP.HCM
(2)
Phòng thí nghiệm Công nghệ Nano, ĐHQG TP.HCM
TÓM TẮT
Siêu âm là dạng sóng âm được ứng dụng rộng rãi trong việc đo khoảng cách và định vị vật thể. Báo cáo
giới thiệu một phương pháp đo khoảng cách và xác định vị trí vật thể bằng sóng siêu âm với sự kết hợp
phương pháp xác suất Bayes trong xử lý tín hiệu. Phương pháp sử dụng công thức xác suất toàn phần Bayes
để đánh giá khả năng không gian bị chiếm bởi vật thể, và tỉ lệ chiếm giữa các ô lưới trên bản đồ nhằm xác
định vị trí xác suất cao nhất có vật thể.
ABSTRACT
Ultrasound has many applications in distance measurement and object location. This paper presents an
approach to this issue by using Bayes’s method in signal processing. Method uses Bayes‘s formula to evaluate
the probability of object occupation in space and the scale of grid on the map to define where is the highest
probability of object occupation.
0≤ P(H)≤1 (2.1)
Và H là một tập chỉ gồm 2 sự kiện H và – H, do đó P(- Một ví dụ tính toán với các thông số của cảm biến như
0
H) được tính khi đã biết P(H) theo công thức sau: R=20 dm, β= 15 , khoảng cách đo được là r=12dm,
ta có:
P(-H)= 1-P(H) (2.2)
Đây là công thức xác suất không điều kiện. Các xác
suất không điều kiện thì không được quan tâm ở đây,
bởi vì chúng không cung cấp cho ta thông tin trước đó.
Các thông tin đó lại không tính toán gì tới thông số đọc
s của cảm biến. ( S trong chữ sense, có nghĩa là cảm
nhận).
Cảm biến được đặt tại ô( 0,2). Tính toán cho ô( 11,1) và
Khi cảm biến siêu âm trả về thông số s, người ta cần (7,2) ta có:
tính toán khả năng của một ô lưới nằm trong vùng quét
của cảm biến siêu âm là đã bị chiếm hay còn trống thì Với ô (11,1) có:
đó là xác suất có điều kiện, ký hiệu P(H|s) hay P(-H|s). 20 − 12 15 − 5
Và ta có: ( )+( )
P(H)= 20 15 x0.98 =0.52
P(H|s) + P(-H|s)= 1 (2.3) 2
P(-H)= 1.0-0.83= 0.17 ( thiếu phần excel của kết quả thực tế, do em fai hiệu
chỉnh lại chút xíu ạ)
Một mô hình cảm biến đưa một giá trị trả về P(s|H) có
nghĩa là xác suất khi cảm biến quét qua một ô lưới khi ô 2.3. Nhận xét kết quả:
lưới đó đã thực sự bị chiếm. Nhưng chúng ta lại cần Kết quả thu được thực tế vẫn không tốt như mong đợi vì
tính P(H|s) là xác suất một ô lưới là bị chiếm khi một xảy ra sai số: sai số lặp, hiện tượng Forecasting, hiện
cảm biến siêu âm đã quét qua ô lưới đó. tượng Crosstalk( đọc chéo) của cảm biến siêu âm[6].
Chúng ta có công thức toàn phần Bayes cho việc Sai số lặp và sai số do hiện tượng Forecasting là những
chuyển đổi như sau: sai số có thể quản lý được trong khi sai số do hiện
tượng Crosstalk là không thể quản lý được. Tuy nhiên
P(s H ).P(H ) do thời lượng bài báo có hạn, nên chúng tôi xin phép đề
P(H|s)= (2.8)
P(s) cập tới phần này trong một báo cáo khác: cụ thể và chi
tiết hơn.
Mà
P(s)=P(s|H)P(H)+P(s|-H).P(-H) (2.9)
Nên:
P(H|s)= P(s H )P(H ) (2.10)
P(s H )P(H ) + P(s − H )P(−H )
Vậy tại sao phải nhân thêm hệ số MAX sau công thức
tính xác suất P(H)?
Nếu giả sử có một trường hợp nào đó làm cho P(H)=1. Hình 2.4: Hiện tượng Forecasting
Khi đó,