بهینه سازی مصرف انرژی در شبکه های حسگر بی سیم زیرآب مبتنی بر الگوریتم خوشه بندی EECRU برای مسیریابی

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 348

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_MSTJ-24-95_001

تاریخ نمایه سازی: 18 خرداد 1400

Abstract:

شبکه های حسگر بی سیم زیرآب گونه ای از شبکه های حسگر هستند که در محیط زیرآب قرار می گیرند و توسط امواج صوتی با یکدیگر ارتباط برقرار می کنند. تفاوت های اساسی بین انتشار صوت در زیرآب و امواج رادیویی در سطح زمین از یکسو و از سوی دیگر محدودیت منابع انرژی ایجاب می کند که معیارهای جدیدی برای طراحی پروتکل های مسیریابی در زیرآب در نظر گرفته شود. اغلب پروتکل های مسیریابی بر اساس موقعیت گره های حسگر هستند. از طرفی حفظ موقعیت گره ها در شبکه های حسگر زیرآب مهم ترین مسئله می باشد. در این مقاله، یک پروتکل مسیریابی مستقل از موقعیت و مبتنی بر خوشه بندی در شبکه های حسگر بی سیم زیرآب به نام EECRU را پیشنهاد می کنیم. الگوریتم EECRU، از مفهوم گره های ویژه که به عنوان سرخوشه ها عمل می کنند، استفاده می کند. اگر هیچ سرخوشه ای پیدا نشد، در این صورت، این الگوریتم با استفاده از روش گره های همسایه، به انتقال داده ها می پردازد. همچنین این الگوریتم از مفهوم CDMA، برای دریافت اطلاعات از گره های مختلف و گره های ویژه استفاده می کند. نتایج شبیه سازی به کمک نرم افزار MATLAB موثر بودن الگوریتم پیشنهادی در افزایش طول عمر شبکه و کاهش مصرف انرژی را تایید می کند.

Keywords:

شبکه های حسگر بی سیم زیرآب , گره ویژه , امواج صوتی , پروتکل مسیریابی , خوشه بندی

Authors

محمد علی رضایی

دانشجوی کارشناسی مهندسی برق دانشگاه بیرجند

سید مجید حسنی اژدری

گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

آذر محمودزاده

گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

محمد خویشه

استادیار مهندسی برق دانشگاه علوم دریایی امام خمینی(ره)

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • M. R. Mosavi, M. Khishe and A. Ghamgosar, "Classification of ...
  • I. F. Akylidiz, D. Pompili and T. Melodia, “Underwater Acoustic ...
  • M. Khishe, M. R. Mosavi, and M. Kaveh, “Improved Migration ...
  • K. Ayat, and A. Ehsan, “Clustering Algorithm to Reduce Power ...
  • M. Ayaz, A. Abdullah, “Underwater Wireless Sensor Networks: Routing Issues ...
  • S. K. Dhurandher, M. S. Obaidat, and M.Gupta, “Providing Reliable ...
  • M. C. Domingo, and R. Prior, “Energy Analysis of Routing ...
  • P. Xie, J. H. Cui and L. Lao, “VBF: Vector- ...
  • I. D. Couzin and M. E. Laidre, “Fission–fusion Populations,” Current ...
  • H. Israfil, S. M. Zehr, A. R. Mootnick, M. Ruvolo ...
  • J. Tomkins and J. Bergman, “Genomic Monkey Business—Estimates of Nearly ...
  • A. Wahid, S. Lee, D. Kim and K. S. Lim, ...
  • S. Afrakhteh, M. Mosavi, M. Khishe, A. Ayatollahi,” Accurate Classification ...
  • W. K. G. Seah and P. Tan, “Multipath Virtual Sink ...
  • B. Ristic, D. Angley and S. Suvorova, “Gaussian Mixture Multitarget–multisensor ...
  • T. Giannakopoulos and A. Pikrakis, "Introduction to Audio Analysis: A ...
  • V. K. Kakar and M. Kandpal, "Techniques of Acoustic Feature ...
  • S. K. Mohammed, S. Kamal and M. H. Supriya, "Content ...
  • M. R. Mosavi, M. Khishe, G. R. Parvizi, M. J. ...
  • M. Khishe, H. Mohammadi, “Sonar Target Classification using Multi-Layer Perceptron ...
  • نمایش کامل مراجع