LuanVan.vnLuận Văn
Gửi thư

Nhận dạng hành động người trong phòng dựa trên thông tin trạng thái kênh (CSI) từ tín hiệu Wi-Fi sử dụng mô hình học sâu

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
Tác giảĐỗ Văn Công
Người hướng dẫnLê Thị Thanh Hà
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Trong những năm gần đây, nhu cầu giám sát và nhận diện hành động của con người trong không gian trong nhà ngày càng tăng cao, đặc biệt trong các ứng dụng như nhà thông minh, chăm sóc sức khỏe, giám sát an ninh và hỗ trợ người cao tuổi. Tuy nhiên, phần lớn các hệ thống hiện có đều yêu cầu người dùng mang thiết bị đeo hoặc lắp đặt camera, gây bất tiện và ảnh hưởng đến quyền riêng tư. Đề tài này tập trung nghiên cứu và xây dựng một hệ thống nhận diện hành động người trong nhà không cần thiết bị đeo (device-free), sử dụng tín hiệu Wi-Fi thông qua việc khai thác thông tin trạng thái kênh (CSI – Channel State Information). CSI là thông tin phản ánh ảnh hưởng của môi trường lên tín hiệu không dây, từ đó có thể gián tiếp quan sát chuyển động và hành vi của con người. Hệ thống được triển khai trên nền tảng phần cứng gồm các module ESP32, với một thiết bị đóng vai trò điểm truy cập (AP) và ba thiết bị còn lại làm trạm thu (STA). Dữ liệu CSI thu được được đồng bộ với video để phục vụ quá trình gán nhãn hành động. Toàn bộ quá trình cấu hình phần cứng để thu thập dữ liệu, lưu trữ và đồng bộ video được thực hiện bởi sinh viên Lương Minh Đức (MSSV: 20212766) trong khuôn khổ đồ án: “Thiết kế hệ thống thu nhận dữ liệu trạng thái kênh (CSI) của tín hiệu Wi-Fi và video – Ứng dụng cho bài toán nhận dạng hành động người”. Sau khi thu thập, dữ liệu được xử lý qua các bước như lọc nhiễu, cắt theo cửa sổ thời gian và tăng cường dữ liệu. Cuối cùng, mô hình học sâu sử dụng mạng nơ-ron tích chập hai chiều (CNN 2D) được huấn luyện trên dữ liệu đã xử lý để nhận diện các hành động khác nhau. Kết quả thực nghiệm cho thấy mô hình đạt độ chính xác 94.20% trên tập dữ liệu tự thu và 98.33% trên tập dữ liệu công khai NTU-Fi, chứng minh tính hiệu quả và khả năng ứng dụng của hệ thống. Ngoài ra, mô hình còn được thử nghiệm trên thiết bị biên Raspberry Pi 4 với thời gian xử lý trung bình 0.34s/1 mẫu dữ liệu, mở ra tiềm năng cho hệ thống nhận dạng hành động theo thời gian thực. Đề tài không chỉ mang ý nghĩa thực tiễn trong lĩnh vực cảm biến không xâm lấn mà còn mở ra hướng nghiên cứu mới trong nhận dạng hành vi sử dụng tín hiệu không dây kết hợp học sâu.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.

Tải ứng dụng AI Học Thuật

Tư vấn học thuật, luận văn, công bố quốc tế với chuyên gia — miễn phí trên iPhone, iPad và Android.

Download on the App Store Tải trên Google Play