پروژه نقد و بررسی محل یابی حسگرها در شبکه های حسگر بی سیم. doc

اختصاصی از فی فوو پروژه نقد و بررسی محل یابی حسگرها در شبکه های حسگر بی سیم. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 120 صفحه

چکیده:

شبکه حسگر شبکه ای است متشکل از تعداد زیادی گره کوچک. در هر گره تعدادی حسگر یا کارانداز وجود دارد. شبکه حسگر به شدت با محیط فیزیکی تعامل دارد. از طریق حسگرها اطلاعات محیط را گرفته و از طریق کاراندازها واکنش نشان می دهد و ارتباط گره ها به صورت بی سیم است. هر گره به طور مستقل و بدون دخالت انسان کار میکند و نوعا از لحاظ فیزیکی بسیار کوچک است. و دارای محدودیت هایی در قدرت پردازش ظرفیت حافظه و منبع تغذیه و ..... می باشد. شبکه های حسگر از پشته پروتکلی شبکه های سنتی پیروی می کنند ولی به خاطر محدودیت ها و تفاوت های وابسته به کاربرد پروتکل ها باید بازنویسی شوند.

پیشرفتهای اخیر در شبکه های حسگر بی سیم و کاربردهای گسترد ه آن در امور کشاورزی، نظامی و تجاری، سبب توجه بیشتر به این قسم از شبکه ها شده است. به منظور معنی دار بودن داده های گره ها و کمک به الگوریتمهای مسیر یابی، مکان یابی بحثی اساسی و مهم در عملکرد و مدیریت شبکه حسگر می باشد. به علت زیاد بودن تعدادگره ها و محدودیت انرژی در آنها، الگوریتمهای مکان یابی باید در شرایط متعددی صدق کنند.

در این سمینار هر یک از روش های موقعیت یابی بطور احمالی مورد نقد و بررسی قرار گرفته و نکات قوت و ضعف هر یک از روش های موجود موقعیت یابی بیان می شود و راه کارهایی برای انجام کارهای بعدی ارائه خواهد شد .

مقدمه:

سنسورهای شبکه های سنسور بی سیم (WSN) برای حس اطلاعات یا داده ها ، مانند دمای هوا ، نور و اشعه و یا کاربردهای نظامی در سرتاسر ناحیه مورد نظر پخش می شوند . یک روش ایجاد یکشبکه سنسور بی سیم این است که یک هواپیما سنسورها را در یک پرواز در یک منطقه برای جمع آوری اطلاعات پخش کند . یک شبکه سنسور بی سیم ، معمولاً شامل تعداد زیادی سنسور می شود . این سنسورها معمولاً انرژی ذخیره شده کم و نیز قدرت بسیار پائین محاسباتی برای استفاده از اطلاعاتی که توسط سنسور جمع آوری می شوند ، دارند . سنسورها ، اطلاعات جمع آوری شده را برای تجزیه و تحلیل به استگاه مرکزی می فرستند ، به همین علت برای استفاده از اطلاعات سنسورها لازم است اطلاعات موقعیت آنها را داشته باشیم . علاوه بر این بسیاری از پروتکل های ارتباطی شبکه های سنسور ، بر اساس دانش موقعیت های جغرافیایی سنسورها بنا می شوند . اگرچه می توان موقعیت هر سنسور را در شبکه بی سیم با کمک سیستم موقعیت یابی جهانی (GPS) یافت با این حال به خاطر مصرف انرژی بالای آن ، هزینه هنگفت و شرایط محیطی ، نصب گیرنده GPS در همه سنسورها ، عملی نمی باشد .روش های زیادی در مورد تعیین محل سنسور پیشنهاد شده است. یکدسته از روش ها ، برآورد فاصله بر مبنای سیگنال های متفاوت می باشد . بطور مثال ، تکنیک نشانگر قدرت سیگنال در گیرنده استفاده می شود و به خاطر سادگی آن ، این روش به شکل گسترده در تحقیقات استفاده می شود . علاوه بر این روش ، روش های زمان رسیدن (TOA)و اختلاف زمان رسیدن (TDOA) برای کاهش خطاهای فاصله های برآوردی به کار گرفته شده است ولی این روش ها نیاز دارند که هر گره ( سنسور) مجهز به CPU با قابلیت محاسبه بالا باشد . از زاویه رسیدن (AOA)نیز می توان برای اندازه گیری موقعیت های سنسور استفاده کرد . اصولاً روش های موقعیت یابی بر تعداد زیاد گره ها با موقعیت های توزیع شناخته شده در شبکه سنسور بی سیم تکیه دارد ، به گونه ای که یک سری گره ها با موقعیت های شناخته شده در شبکه وجود دارند که به آنها گرههای علامت دار یا مهار (Beacon) می گویند .

وجود چند گره با موقعیت معلوم در شبکه مستلزم این است که این نوع از حسگرها ، موقعیت خودشان را به وسیله ابزارهای گرانبهایی همانند GPS در هر لحظه بدانند و از آنجایی که استفاده از این ابزارها جهت موقعیت یابی در شبکه تا حد ممکن باید کم باشدلذا در الگوریتم های ارائه شده تا به حال وجود یا عدم وجود این ابزارها یکی از فاکتورهای مهم در هزینه بر بودن الگوریتم و کارایی آن تلقی می شود .

در اینسمینارماسعی خواهیم کرد که در هر یک از روش های گفته شده این مساله را نیز بررسی کرده و پیشنهادی ارائه خواهیم کرد که به کمک الگوریتمهای ژنتیکی و با یک گره مرجع می تواند بهبود قابل توجهی را در میزان هزینه و همجنین دقت موقعیت یابی روش های موجود بدهد

در این سمینار در فصل اول ابتدا مروری بر مفهوم شبکه های حسگر بی سیم انداخته و در فصل دوم جایگاه و اهمیت موقعیت یابی در این شبکه ها را بررسی خواهد شد . در فصل سوم هر یک از الگوریتم های ارائه شده تا به حالبررسی می شود و نکات قوت و ضعف هر یک از روش ها بیان خواهد شد . در فصل چهارم مروری بر چند ابزار شبیه سازی مهم شبکه های حسگر بی سیم می شود و در فصل پنجم به طور مختصر پیشنهاداتی جهت کارهای آینده در خصوص موقعیت یابی این شبکه هاارائه خواهد شد و با نتیجه گیری به پایان خواهد رسید .

فهرست مطالب:

پیشگفتار

چکیده

فصل اولمقدمه

فصل دوممروری بر شبکه های حسگر

2 – 1معرفی شبکه حسگر

2- 2 ساختار کلی شبکه حس/کار بی سیم

2 – 3 ساختمان گره

2- 4 ویژگی ها

2-5کاربردها

2 -6پشته پروتکلی

2 – 7 موضوعات مطرح

2- 8نمونه یپیاده سازی شده شبکه حس/کار

2- 8 – 1ذره ی میکا

فصل سوماهمیت موقعیت یابی در شبکه های حسگر

فصل چهارم نقد و بررسی روش های محل یابی حسگرها در شبکه های حسگر

4- 1 کارهای مرتبط

4 – 2موقعیت یابی سیستم های خانه به خانه با نواحی گسترده

4- 2- 1 سیستم موقعیت یاب جغرافیایی

4- 3مکانیزم موقعیت یابی مرکزی

4- 4 مکانیزم موقعیت یابی توزیع شده

4- 5 بررسی روش های مکان یابی مبتنی بر فاصله

4-5-1 اندازه گیری قدرت سیگنال دریافتی

4-5-2زاویه ورود

3- 5 – 3اختلافزمانبین ورود

4-5-4زمان ورود

4-6 موقعیت یابی داخلی

4- 6 -1سیستم کریکت

4- 7تکنیک های مبتنی بر محاسبه موقعیت

4- 7- 1مثلث بندی و multilateration

4- 7 -2درجه بندی خودکار و تکنیک های دیگر

4- 8 موقعیت یابی پویا در شبکه های حسگر

4- 8- 1 multilaterationاتمیک

4-8-2 multilateration تکراری

4-8-3Multilateration مشترک

4-9بررسی روش های مکان یابی مستقل از فاصله

4-9-1آیا من را می شنوی ؟

4-9-2روش مکان یابی نقطه در مثلث

4-9-3-روش مکان یابیچند گامی

4-9-4پیمایش چند بعدی

4- 9- 5Multilateration چند گامی

4-10موقعیت یابی به کمک گره مرجع سیار

4- 11موقعیت یابی عاری از گره مرجع

4-12روش های موقعیت یابی با گره مرجع سیار

4-12-1تخمین موقعیت گره حسگر

4-12-1-1موقعیت یابی به کمک گره مرجع سیار

4-12-1-2موقعیت یابی با گره مرجع سیار و در همسایگی گره

4-13موقعیت یابی با یک گره راهنما سیار

4-13-1الگوریتم برای موقعیت یابی یا یک گره راهنما سیار واحد

4-13-2خط سیر گره راهنما

4-14تحلیل تجربی سیستم موقعیت یابی با یک گره راهنما سیار

فصل پنجم بررسی نرم افزارهای شبیه سازی شبکه

5- 1خصوصیات لازم برای شبیه سازهای شبکه

5- 2شبیه ساز OPNET

5-2-1مدل شبکه

5-2-2مدل گره

5- 2 -3مدل پردازش

5- 3شبیه ساز NS(v2)

5-3 -1معماری درونی NS

5-3-1-1مدل VuSystem

5 -4شبیه سازOMNeT++

5-5شبیه ساز Ptolemy II

5 -6مدل سازی شبکه های بی سیم

5-6-1 اجرای یک مدل پیش ساخته

5-6 -2تغییر پارامترها

5- 7پیاده سازی در Ptolemy II

5-7-1طراحی ومدل کردن ناهمگن پتولومی

5-7-2مدل شبکه حسگر

5-8چند مثال و کاربرد

5-8-1غرق سازی

5-8-2مثلث بندی

5-8-3نظارت بر ترافیک

5-8-4گمشده جنگی در منطقه دشمن و تعقیب کننده

فصل ششم نتیجه گیری

منابعو مراجع

فهرست شکل ها:

شکل 2-1ساختار کلی شبکه حس / کار

شکل 2 -2ساختار خودکار

شکل 2- 3ساختار نیمه خودکار

شکل 2- 4ساختمان داخلی گرهحسگر/کارانداز

شکل 2 – 5پشته پروتکلی

شکل2-6ذره میکا

شکل2-7ساختار داخلی غبار هوشمند

شکل 3 -1مثالی از یک شبکه حسگر بی سیم

شکل 4 -1موقعیت یابی به کمک زاویه ورود

شکل 4 – 2موقعیت یابی به کمک تکنیک های زمان ورود و اختلاف زمان بین ورود

شکل4- 3 الف hyperbolic trilaterationشکل 4- 3 بمثلث بندی کردن

شکل 4-4انتخاب نقطه راهنما

شکل 4- 5بسته راهنما در داخل ناحیه سایه نمی تواند به موقعیت یابی گره حسگر کمک کند .

شکل 4- 6استفاده از یک بسته راهنمای جدید برای مشخص کردن موقعیت بسته راهنما

شکل 4- 7 یک گره راهنما سیار که در زمینه موقعیت یابی کمک میکند .

شکل 4-8موقعیت یابی به کمک گره راهنما

شکل 4 -9یک سیستم موقعیت یابی بر اساس گره راهنما سیار

شکل 4 -10 یک گره با مختصات نامعلوم و استفاده از گره راهنمای سیار در ساختار تجربی .

شکل 4 -11خطای موقعیت یابی برای هر یک از گرههای با مختصات نامعلوم

شکل 4-12ارزیابی خطای موقعیت یابی با تعداد گره های راهنما دریافت شده

شکل 5 -1مدل شبکه برای یک شبکه حسگر بی سیم

شکل 5 – 2الف( مدل گره برای یک گره راهنما ب)مدل گره برای یک گره با موقعیت نامعلوم

شکل 5 -3مدل پردازش برای یک گره راهنما

شکل 5 -4مدل گره برای یک گره با موقعیت نامعلوم

شکل 5- 5ساختار پیمانه ای OMNeT++

شکل 5 -6زیرپیمانه های متصل به یکدیگر و زیرپیمانه های متصل به مازول والد

شکل 5- 7 محیط Ptolemy II

شکل 5-8 مدل DE نمونه در Ptolemy,به عنوان بلوک دیاگرام نمایش داده شده است.

شکل 5-9نمایش Visualsense از مدل کشف بی سیم صوت

شکل 5 -10نمایش مدل در حال اجرا

شکل5-11 پارامتر های اکتور منبع صوت(سمت چپ)و مدل کانال صوتی(سمت راست)

شکل 5- 12 تصویری از مثال غرق سازی

شکل 5- 13 تصویر مثال مثلث بندی

شکل 5- 14تصویری که میدان حسگر ها را به همراه کانال ها و... نمایش می دهد

منابع و مأخذ:

 [1] J.-P. Sheu, J.-M. Li, and C.-S. Hsu, “A Distributed Location Estimating Algorithm for Wireless Sensor Networks, Proceedings of International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing (SUTC), vol. 1, pp. 218-225, June 2006.

[2 ]M. Rudafshani and S. Datta, “Localization in Wireless Sensor Networks,” Proceedings of International Conference on Information Processing in Sensor Networks (IPSN), pp. IEEE TRANSACTIONS ON MOBILE COMPUTING This article has been accepted for publication in a future issue of this journal, but has not been fully edited. Content may change prior to final publication. 34 51-60, Apr. 2007

[3]Per Enge, Pretap Misra, Special Issue on GPS: The Global Positioning System, Proceeding of the IEEE,Volume 87, Number 1,pp. 3-172, January 1999.

[4]J. Hill, R. Szewczyk, A Woo, S. Hollar, D. Culler, and K. Pister, System Archtecture Directions for Networked Sensors,’’ Proceedings of the 9th International Conference on Architectural Support for Programming Language and Operating Systems, November 2000.

[5]Jeffrey Hightower, Gaetano Borriello, Location Systems for Ubiquitous Computing, IEEE Computer, August 2001.

[6] Robert Szewczyk, Eric Osterweil, Joseph Polastre, Michael Hamilton, Alan MainWaring, and Deborah Estrin, “Habitat Monitoring with Sensor Networks”, Communication of the ACM, volume 47, Number 6, pp. 34-40, June 2004.

[7]M. Terwilliger, A. Gupta, V. Bhuse, Z, Kamal, and M. Salahuddin, “A Localization System using Wireless Network Sensors: A Comparsion of Two Techniques”, The Proceedings of the First Workshop on Positioning, Navigation and Communication, Hannover, Germany, March 2004.

[8]A. Savvides, C. C. Han, M. B. Srivastava, “Dynamic Fine-Grained Localization in Ad-Hoc Networks of Sensors”, In Proceedings of the Seventh Annual International Conference on Mobile Computing and Networking(MOBICOM 01), 2001.

[9]Chris Savarese, Jan Rabaey, Jan Beutel, “Locationing in Distributed Ad-Hoc Wireless Sensor Networks, “Proceedings of the International Conference on Acoustics, Speech, and Signal Processing, vol. 4,(Salt Lake City, UT), pp, 2037.

[10]Chris Savarese, Jan M Rabaey , Koen Langendoen, “Robust Positioning Algorithms for Distributed Ad-Hoc Wireless Sensor Networks”, Proceedings of the General Track: 2002 USENIX Annual Technical Conference,p.317-327, June 10-15, 2002.

[11]S. Meguerdichian, S. Slijepcevic, V. Karayan, and M. Potkonjak, “Localized Algorithms in Wireless Ad-Hoc Networks: Location Discivery and Sensor Exposure”, Proceedings of MobiHOC2001, Long Beach, CA, 2001.

[12] Garrison Greenwood, Ajay Gupta and M Terwilliger, “Scheduling Replicated Critical Tasks in Faulty Networks Using Evolution Strategies, Proceedings of the 1995 IEEE Intl Conf. on Evolution Computing, pages 152-156, 1995.

[13]James Aspnes, David Goldenberg, and Yang Richiard Yang. On the computational complexity of sensor network localization. Algorithm Aspects of Wireless Sensor Networks: First International Workshop, ALGOSESNSORS 2004, Turku, Finland, July 16, 2004.

[14]The familiar project, http://familiar.handhelds.org.

[15]LORAN. http://www.navcen.uscg.gov/loran/Default.htm#Link.

[16] Opnet network simulator, http://www.opnet.com.

[17]I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cerci. Wireless sensor networks: A survey. IEEE Computer, 38(4):393–422, March 2002 .

[18] I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, “A survey on sensor networks,” Elsevier Computer Networks, vol 38, pp. 393–422, 2002.

[19]A El-Rabbany, “Introduction to GPS: the Global Positioning System,” Artech House, Boston, London, 2002.

[20] K. Langendeon and N. Reijers, “Distributed localization in wireless sensor networks: a quantitative comparison,” Elsevier Computer Networks, vol 43, pp. 499–518, 2003.

[21] P. Bahl and V. N. Padmanabhan, “Radar: An in-building rf-based user location and tracking system,” In Proceedings of the IEEE Infocom 2000, 2000, pp. 775–784.

[22] N.B. Priyantha, A. Chakraborty, and H. Padmanabhan, “The cricket location support system,” In Proceeding of 6th ACM International Conference on Mobile Computing and Networking (MOBICOM), 2000, pp.32-43.

[23]A. Savvides, C.-C. Han, and M. Srivastava, “Dynamic fine-grained localization in ad-hoc networks of sensors,” In 7th ACM Int. Conf. on Mobile Computing and Networking (Mobicom), 2001, pp. 166 -179.

[24]D. Niculescu and B. Nath, “Ad hoc positioning system (APS) using AoA,” In: Proceedings of the IEEE INFOCOM, the Annual Joint Conference of the IEEE Computer and Communications Societies, 2003, pp. 1734–1743.

[25]A. Ward, A. Jones, and A. Hopper, “A new location technique for the active office,” IEEE Personal Communications, vol. 4, no. 5, pp. 42–47, Oct. 1997.

[26]L. Girod, “Development and characterization of an acoustic rangefinder,” Computer Science Department, University of Southern California, Tech. Rep. 00-728, Apr. 2000.

[27] Codeblue Project. Available: http://www.eecs.harvard.edu/˜mdw/proj/codeblue/ [Accessed Dec. 4, 2007].

[28] Fraunhofer Body Area Network. Available: http://www.ban.fraunhofer.de [Accessed Dec. 4, 2007].

[29] J. Heidemann N. Bulusu and D. Estrin. “Gps-less low cost outdoor localization for very small devices,” IEEE Personal Communications Magazine, vol. 7, pp.28–34, Oct 2000.

[30] T. He, C. Huang, B. Blum, J. Stankovic, and T. Abdelzaher. “Range-free localization schemes in large scale sensor networks,” In : ACM MobiCom, 2003, pp.81-95.

[31] D. Niculescu and B. Nath. “Ad hoc positioning systems (aps),” In Proceedings of the IEEE GlobeCom, 2001, pp.2926 – 2931

[33] G. Mao, B. Fidan and B. Anderson, “Wireless sensor network localization techniques,” Elsevier Computer Networks, vol 51, pp. 2529–2553, 2006.

[34] S.-S Wang, K.-P Shih, C.-Y Chang, “Distributed direction-based localization in wireless sensor networks,” Elsevier Computer Networks, vol 30, pp. 1424–1439, 2007.

[35] D. Koutsonikolas, S.M. Das, Y.C Hu, “Path planning of mobile landmarks for localization in wireless sensor networks,” Elsevier Computer Networks, vol 30, pp. 2577–2592, 2007

پروژه مصرف انرژی در شبکه های حسگر بی سیم. doc

اختصاصی از فی فوو پروژه مصرف انرژی در شبکه های حسگر بی سیم. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 54  صفحه

مقدمه:

شبکه گره های حسگر که بعنوان شبکه ی حسی بیسیم شناخته می شود در برنامه های نظارتی دوردست تغییرات اساسی داده است که دلیل آن سهولت گسترششان ،اتصال ad hoc و سودمندی از نظرهزینه می باشد. در این رساله پروتکل های مسیریابی توزیع شده برای به حداقل رساندن مصرف انرژی در شبکه حسی طراحی می شود.دو کمک عمده ی این عملکرد عبارت اند از:

طراحی یک پروتکل مسیریابی چندگانه انرژی آگاه برای مسیریابی ترافیک داده ی سنگین بین گره ی منبع و گره ی مقصد در شبکه ی حسی . پروتکل ،بار مسیریابی بین گره های منبع و مقصد را روی تعداد زیادی گره ی حسگر پخش می کند تا اختلاف در سطح انرژی گره های حسگر کمینه شود.همچنین چندین مسیر بر اساس طولشان درجه بندی می شوند تا از پرس وجوهای بحرانی روی کوتاهترین مسیرها ی موجود پشتیبانی شود.

طراحی یک معماری ارتباطی که پردازش پرس و جوی توزیع شده را جهت ارزیابی پرس وجوهای وابسته به فضا و زمان درعرض شبکه ،پشتیبانی می کند .این پرس وجوها توسط درخت های پرس و جو نمایش می یابند و عملگرهای پرس وجو جهت اختصاص به گره های حسگر، توزیع می شوند. چنانکه اجرای عملگر قابلیت محاسبه ی بالا را مطالبه کند استفاده از یک شبکه ی حسی heterogeneous هدف قرار داده می شود در جایی که عملگرهای پرس وجو به گره های منبع توانگری اختصاص داده شوند که  بطور پراکنده در عرض  یک شبکه ی متراکم از گره های حسگر توان پایین، گسترش یافته اند.  یک الگوریتم با سربار ارتباطی کم ،نا متمرکز و تطابقی جهت مشخص کردن گمارش عملگر روی گره های  منبع توانگر در شبکه  طراحی می شود تا هزینه ی انتقال داده در درخت مسیریابی ایجاد شده کمینه گردد و داده بدون توقف از یک مجموعه ناحیه های جغرافیایی توزیع شده فضایی جهت چاهک، بازیابی شود. به منظور شناخت بهتر ، این اولین کوشش جهت ساخت شالوده ی مسیریابی انرژی آگاه جهت قادر بودن به پردازش گره های پرس و جوی وابسته به زمان و مکان در شبکه می باشد. به منظور بیشینه ساختن ذخیره های انرژی،  پروتکل مسیریابی چندگانه پیشنهاد شده است که می تواند برای مسیریابی داده بین گره های تشکیل دهنده ی درخت مسیریابی استفاده شود.  

فهرست مطالب:

چکیده

فصل 1

مقدمه

1 -1شبکه های Micro-Sensor بیسیم

2-1 معماری شبکه

1 -2 -1 مدل منابع چندگانه- -چاهک تنها

1 -3 -مسیردهی در شبکه های حسگر

1 -3 -1 - - -اهداف برای طراحی ساختارهای مسیردهی

1 -3 -2 معماری شبکه سلسله مراتبی

1 -3 -3 - معماری شبکه ای flat

1-4 دسته بندی پرسش ها

1 -5      انگیزه -تحقیقات

فصل2

1 -2 معرفی

 -2 مسیریابی چندگانه برای شبکه های حسی

2 -2 -1 عملکرد مربوطه

تحمل خطا

متعادل سازی بار

2 -3تفکیک سرویس

2 -3 -1عملکرد مربوطه روی تفکیک سرویس

2 -3 -2 انگیزه برای تفکیک سرویس در شبکه های حسی

2 -3 -3 استراتژیهای تفکیک سرویس برای شبکه های حسی

فصل 3

پروتکل مسیریابی چندگانه ی پیشنهادی Mid Hop Route -

3 -1 توپولوژی شبکه

3 -1 -1 فرضیات

3 -1 -2 ایجاد مسیرهای چندگانه

3 -2 توصیف الگوریتم mid hop route

الگوریتم -mid hop route

3 -2 -1 زمانبندی بار

الگوریتم ریختن بار

خروجی

ارسال داده

بکارگیری تصادفی گره

 3 -3 روابط متعادل کردن بار

3 -2 -بحث بر روی پروتکل پیشنهاد شده

 -4 -1 -قراردادن محدودیت های زمانی برای پاسخگویی

3 -4 -2 -مسیردهی در حضور چندین جفت چاهک منبع

3 -4 -3 -یکپارچگی با GAF

3 -4 -4 - -یکپارچگی با مدل منابع چندگانه - چاهک تنها

3 -4 -5 -تحمل خطا

3 -4 -6 -قسمتهای شاخص پروتکل

منابع

منابع و مأخذ:

1-C.Schlosser, S.Generiwal,"optimizing sensor network in the energy,Latency density design space ",IEEE Transactions of mobile computer , 1(1) Jan 2002 

2-w.ye, J.Heidemann , and D Estrin," An energy -efficient MAC Protocol for wireless sensor networks" IEEE Infocom,Jun 2002

پروژه شبیه سازی شبکه و پیاده سازی در شبکه های حسگر بیسیم

اختصاصی از فی فوو پروژه شبیه سازی شبکه و پیاده سازی در شبکه های حسگر بیسیم دانلود با لینک مستقیم و پر سرعت .

بررسی شبیه سازی شبکه و پیاده سازی در شبکه های حسگر بیسیم(تعداد صفحات 59)PDF

هدف از این پروژه معرفی شبیه سازی شبکه های کامپیوتری است. شبیه سازی شبکه تکنیکی است که رفتار شبکه را با انجام محاسبات تراکنشها بین موجودیت های مختلف شبکه و استفاده از فرمولهای ریاضی و گرفتن مشاهدات از محصولات شبکه مدل می کند. شبیه ساز شبکه یک قطعه نرم افزار یا سخت افزار است که رفتار شبکه رایانه ای را بدون حضور یک شبکه واقعی پیش بینی می کند. شیبه ساز شبکه، برنامه نرم افزاری است که عملکرد یک شبکه کامپیوتری را تقلید می کند. در شبیه سازها، شبکه کامپیوتری با دستگاه ها و ترافیک و… مدل شده و سپس کارایی آن آنالیز و تحلیل می شود. معمولاً کاربران می توانند شبیه ساز را برای عملی کردن نیازهای تحلیلی خاص خودشان سفارشی کنند. هدف نهایی این پروژه، پیاده سازی یک شبکه ی حسگر بی سیم با استفاده از شبیه ساز NS2 می باشد که در فصل پنجم این پایان نامه به آن پرداخته شده است.

فهرست :

چکیده

مقدمه

کلیات

هدف

پیشینه کار و تحقیق

روش کار و تحقیق

شبکه کامپیوتر و شبیه ساز شبکه

تعریف شبکه کامپیوتری

تعریف simulation 22 و دلایل استفاده از آن

انواع شبیه سازهای شبکه

شبیه ساز OPNET

شبیه ساز BONES 2

شبیه ساز MARS

شبیه ساز MATLAB

شبیه ساز SDL

شبیه ساز JAVASIM

شبیه ساز NS

تاریخچه

NS2 چیست؟

ساختار NS

کارکردهای NS

مزایا و معایب NS2

نجوه نصب NS

آشنایی با اسکریپت Otcl

شبکه حسگر بی سیم

شبکه حسگر چیست

دلایل استفاده از شبکه حسگر

تاریخچۀ شبکه های حسگر

ساختار کلی شبکه حسگر بی سیم

ساختمان گره

ویژگی ها

کاربردها

موضوعات مطرح

پیاده ساز

تعریف پیاده سازی

مراحل اجرای روش پیشنهادی

فاز اولشناسایی حسگرهای پوششی هر ایستگاه سیار

فاز دوم تعیین متناسب ترین ایستگاه سیار

مراحل اجرای الگوریتم

سناریو

بحث و نتیجه گیر

نتیجه گیری

پیشنهادات

منابع و ماخذ

فهرست منابع فارسی

فهرست منابع انگلیسی

چکیده انگلیسی

پروژه بررسی و مقایسه ی روشهای مختلف کنترل توپولوژی در شبکه های حسگر بی سیم با استفاده از اتاماتای یادگیر. doc

اختصاصی از فی فوو پروژه بررسی و مقایسه ی روشهای مختلف کنترل توپولوژی در شبکه های حسگر بی سیم با استفاده از اتاماتای یادگیر. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 71 صفحه

چکیده:

دراین تحقیق مبانی شبکه های بی سیم حسگر را بیان کرده ، سپس به معرفی پروتکل کنترل توپولوژی می پردازیم در ابتدا پروتکل مبتنی بر اتوماتای یادگیر به نام CLATC پیشنهاد شده است که در آن اتوماتای یادگیر هر گره در همکاری با اتوماتای یادگیر سلولی گره های همسایه، محدوده انتقال مناسب برای آن گره را انتخاب می نماید. و یک پروتکل کنترل توپولوژی مبتنی بر همسایه براساس اتوماتای یادگیر ارائه شده است که درآن گره ها که مجهز به اتوماتا شده اند سعی می کنند با تطبیق دادن اعمال انتخابی خود با شرایط مورد نیاز برای ایجادیک شبکه متصل و کارا از نظر انرژی، مناسبترین برد رادیویی برای هر گره را انتخاب کرده و درنهایت توپولوژی مناسبی را شکل دهند و از این طریق موجب کاهش مصرف انرژی شبکه در طول حیات آن شوند.

درادامه پروتکل کنترل توپولوژی مبتنی بر اتوماتای یادگیری به نام BLATC پیشنهاد شده است که در آن اتوماتای یادگیر هر سنسور، با استفاده از نتایج اتوماتاهای سنسورهای همسایه، محدوده انتقال مناسب را انتخاب می نماید.سپس این پروتکل ها را از دیدگاه های مختلف بررسی و مقایسه خواهیم کرد.

کلمات کلیدی:

کنترل توپولوژی،اتوماتای یادگیری،LBLATC، CLATC

مقدمه:

شبکه حسگر شبکه ای است متشکل از تعداد زیادی گره کوچک. در هر گره تعدادی حسگر و/ یا کارانداز وجود دارد. شبکه حسگر بشدت با محیط فیزیکی تعامل دارد. از طریق حسگرها اطلاعات محیط را گرفته و از طریق کار انداز ها واکنش نشان می دهد. ارتباط بین گره ها بصورت بی سیم است. هرگره بطور مستقل و بدون دخالت انسان کار می کند و نوعا از لحاظ فیزیکی بسیار کوچک است ودارای محدودیت هایی در قدرت پردازش, ظرفیت حافظه, منبع تغذیه, ... می باشد. این محدودیت ها مشکلاتی را بوجود می آورد که منشأ بسیاری از مباحث پژوهشی مطرح در این زمینه است. این شبکه از پشته پروتکلی شبکه های سنتی پیروی می کند ولی بخاطر محدودیت ها و تفاوتهای وابسته به کاربرد, پروتکل ها باید باز نویسی شوند. پیشرفتهای اخیر در فناوری ساخت مدارات مجتمع در اندازه های کوچک از یک سو و توسعه فناوری ارتباطات بی سیم از سوی دیگر زمینه ساز طراحی شبکه های حسگر بی سیم شده است.تفاوت اساسی این شبکه ها ارتباط آن با محیط و پدیده های فیزیکی است شبکه های سنتی ارتباط بین انسانها و پایگاه های اطلاعاتی را فراهم می کند در حالی که شبکه ی حسگر مستقیما با جهان فیزیکی در ارتباط است با استفاده از حسگرها محیط فیزیکی را مشاهده کرده, بر اساس مشاهدات خود تصمیم گیری نموده و عملیات مناسب را انجام می دهند. برخلاف شبکه های سنتی که همه منظوره اند شبکه های حسگر نوعا تک منظوره هستند. در صورتی که گره ها توانایی حرکت داشته باشند شبکه می تواند گروهی از رباتهای کوچک در نظر گرفته شود که با هم بصورت تیمی کار می کنند و جهت مقصد خاصی مثلا بازی فوتبال طراحی شده است.

فهرست مطالب:

1)مفاهیم مقدماتی  

1-1)تعدادی از تعاریف کلیدی

1-1-1)ساختمان گره          

1-1-2)ویژگی ها و کاربردها

1-1-3)پشته پروتکلی         

1-1-4)موضوعات مطرح    

1-2)بیان مسئله    

1-2-1)توپولوژی  

1-2-2)کنترل توپولوژی      

1-3)اهداف پایاننامه           

1-4)ساختار پایاننامه          

2)پروتکلهای کنترل توپولوژی          

2-1)پروتکل کنترل توپولوژی مبتنی بر اتوماتای یادگیر سلولی نامنظم برای شبکه های حسگر       

2-1-1)  اتوماتای یادگیر سلولی نامنظم

2-1-2)  تعریف مسئله       

2-1-3)پروتکل پیشنهادی (CLATC)    

2-1-4)ازمایش اول

2-2)ارائه یک پروتکل تطبیقی کنترل توپولوژی مبتنی بر همسایه و کارا از نظر انرژی براساس اتوماتای یادگیر در شبکه های حسگر بی  

2-2-1)کارهای انجام شده در زمینه کنترل توپولوژی        

2-2-2)اتوماتای یادگیر       

2-2-3)تعریف مسئله         

2-2-4)پروتکل پیشنهادی (LMNALA)

2-2-5)آزمایش اول 34

2-3)LBLATC پروتکل کنترل توپولوژی مبتنی بر محل با استفاده از اتوماتای یادگیر برای شبکه های حسگر بی سیم     

2-3-1)اتوماتای یادگیر       

2-3-2)محیط       

2-3-3)الگوریتم های یادگیری           

2-3-4)تعریف مسله          

2-3-5)پروتکل پیشنهادی (LBLATC)  

2-3-6)تنظیمات اعمال شده در شبیه سازی       

2-3-7)آزمایش اول

3)بررسی پروتکل پیشنهادی

3-1)بررسی پروتکلهای RAA_3L ،RAA_2L ،CLATC و حالت همگن (HOM)           

3-1-1)آزمایش اول

3-1-2)آزمایش دوم

3-1-3)آزمایش سوم           

3-2)بررسی پروتکل های RAA_3L، RAA_2L،LBLATC ،CLATC و حالت همگن (HOM)        

3-2-1)آزمایش اول

3-2-2)آزمایش دوم

3-2-3)آزمایش سوم           

3-3)بررسی پروتکلهای CLATC ، RAA_2L ، RAA_3L و حالت همگن (HOM)         

3-3-1)آزمایش اول

3-3-2)آزمایش دوم

3-3-3)آزمایش سوم           

4)نتیجه گیری      

4-1)مقایسه متوسط محدوده انتقال گره ها برای پروتکلهایLMNALA،CLATC،LBLATC 

4-2)مقایسه متوسط تعداد همسایه های گره ها برای پروتکلهای LMNALA،CLATC، LBLATC      

4-3)مقایسه متوسط انرژی باقیمانده گره ها برای پروتکلهایLMNALA،CLATC،LBLATC

4-4)نتیجه گیری  

5)منابع و مراجع   

منابع و مأخذ:

 [1] Akyildiz I. F., Su W., Sankarasubramaniam Y. and Cayircl E., “A survey on sensor networks”, IEEE Communication Magazine, Vol. 40, pp. 102-114,August 2002.

[2] Janakiram D., Venkateswarlu R. and Nitin S., ”A survey on programming languages, middleware and applications in wireless sensor networks”, IITM-CSEDOS- 2005-04, 2005.

[3] Estrin D., “Embedded Everywhere: A research agenda for network systems of embedded computers”, National Academy Press, 2001, Computer Science and Telecommunication Board (CSTB) Report, 2001.

[4] Wattenhofer R. and Zollinger A., “XTC: a practical topology control algorithm for ad-hoc networks”. Proceedings of the 18th International Parallel and Distributed Processing Symposium, pp. 2-16, 26-30 April 2004.

[5] Santi P., “Topology Control in Wireless Ad Hoc and Sensor Networks”, Wiley, 2005.

[6] Santi P., “Topology Control in Wireless Ad Hoc and Sensor Networks”, ACM Computer Survey, Vol. 37, No. 2, pp. 164-194, 2005.

[7] Rodoplu V. and Meng T. H, "Minimum energy mobile wireless networks", in: Proceedings of the IEEE Journal on Selected Areas in Communications, Vol.

17, pp. 1333-1344, 1999.          

[8] Li N., Hou J. and Sha L., “Design and analysis of an mst-based topology control algorithm”, in: Proceedings of the IEEE Infocom, Vol. 4, pp. 1195- 1206, May 2005.

[9] Wattenhofer R., Li L., Bahl P. and Wang Y., “Distributed topology control for power efficient operation in multihop wireless ad hoc networks”, in: Proceedings of the IEEE Infocom, Vol. 3, pp. 1388– 1397, 2001.

[10] Blough D., Leoncini M., Resta G. and Santi P., “The k-neighbors protocol for symmetric topology control in ad hoc networks”, in: Proceedings of the ACM MobiHoc 03, pp. 141–152, 2003.

[11] Wattenhofer R. and Zollinger A., “XTC: a practical topology control algorithm for ad-hoc networks”. in: Proceedings of the 18th International Parallel and Distributed Processing Symposium, pp. 2-16, 26-30 April 2004.

[12] Venuturumilli A. and Minai A. A., “Obtaining Robust Wireless Sensor Networks Throuh Self-Organization of Heterogeneous Connectivity”, Proceedings of the 2006 International Conference on Complex Systems (ICCS'06), Boston, MA, June 2006.

[13] S. Wolfram, "Cellular Automata", Los Alamos Science, vol. 9, pp. 2-21, Fall 1983.

[14] S. Wolfram, "Universality and complexity in cellular automata", Physica D, no. 10, pp. 1-35, January 1984.

[15] Narendra K. S. and Thathachar M. A. L, “Learning Automata: An Introduction”, Prentice Hall, 1989.

[16] Beigy H. and Meybodi M. R., "A Mathematical Framework for Cellular Learning Automata", Advances on Complex Systems, Vol. 7, No. 3, pp. 1- 25, 2004.

[17] Thathachar M. A. L. and Sastry P. S., “Varieties of Learning Automata: An Overview”, IEEE Transaction on Systems, Man, and Cybernetics-Part B: Cybernetics, Vol. 32, No. 6, PP. 711-722, 2002.

[18] Esnaashari M. and Meybodi M. R., "Irregular Cellular Learning Automata and Its Application to Clustering in Sensor Networks", Proceedings of 15th Conference on Electrical Engineering (15th ICEE),

Volume on Communication, Telecommunication Research Center, Tehran, Iran, May 15-17, 2007.

[19] Stauffer D. and Aharony A., “Introduction to Percolation Theory”, London: Taylor & Francis, 1994.

[20] The Network Simulator - ns-2. http://www.isi.edu/nsnam/ns/.

[21] Heinzelman W., Chandrakasan A. and Balakrishnan H., “Energy Efficient Communication Protocol for Wireless Microsensor Networks”, Intl. Conf. on System Sciences, Hawaii, vol. 2, pp. 3005-3014 January 2000

کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم توسط شبکه‌های عصبی SOM

اختصاصی از فی فوو کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم توسط شبکه‌های عصبی SOM دانلود با لینک مستقیم و پر سرعت .

دسته بندی

مهندسی کامپیوتر
فرمت فایلWordحجم فایل5.096 MB
تعداد صفحات فایل150قیمت20000 تومان

امروزه، در شبکه‌های حسگر بی‌سیم، پروتکل‌های مسیریابی مبتنی بر خوشه‌بندی از طریق تقسیم گره‌های همسایه به خوشه‌های مجزا و انتخاب سرخوشه‌های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره‌های شبکه، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه‌ای در مقایسه با سایر روش‌های مسیریابی به‌ دست می‌آورند. با این وجود، همه پروتکل‌های خوشه‌بندی ارایه شده تاکنون، تنها نزدیکی جغرافیایی(همسایگی) را به عنوان پارامتر تشکیل خوشه‌ها در نظر گرفته‌اند. در این تحقیق، یک پروتکل جدید خوشه‌بندی متمرکز مبتنی بر انرژی با استفاده از شبکة عصبی نقشة خودسازماندهی برای شبکه‌های حسگر بی‌سیم ارایه می‌شود که قادر به خوشه‌بندی گره‌های شبکه بر اساس سطح انرژی و مختصات گره‌ها می‌باشد. این پروتکل با استفاده از تعداد مشخصی از گره‌های پرانرژی در شبکه و اعمال آن‌ها به عنوان وزن نورون‌های نقشة خودسازماندهی، نزدیک‌ترین گره‌های کم‌انرژی را جذب گره‌های پرانرژی می‌کند؛

به طوری که خوشه‌ها لزوماً از گره‌های مجاور تشکیل نشده و در واقع براساس دو پارامتر سطح انرژی و همسایگی، خوشه‌هایی با انرژی متوازن تشکیل خواهند شد. به علاوه یک تابع هزینه جدید به منظور تصمیم‌گیری در انتخاب گره‌های سرخوشه، پیشنهاد شده است که سعی در ترکیب معیارهای مختلف موثر در انتخاب بر اساس میزان اهمیت آن‌ها دارد. کارایی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و حفظ بهتر پوشش شبکه‌ای در مقایسه با پروتکل‌های پیشین نظیر LEACH و LEA2C و نیز تاثیر تابع هزینه پیشنهادی بر کارایی آن (با شبیه‌سازی) به اثبات رسیده است.

برای دانلود قسمتی از این پایان نامه کلیک کنید