کاهش مصرف انرژی در شبکههای حسگربیسیم با استفاده از شبکههای عصبی SOM

در سال های اخیر تمایلات شدیدی به استفاده از روش های هوش مصنوعی در کاهش مصرف انرژی شبکه های حسگر بیسیم ایجاد شده است.در شبکه های 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 وحفظ پوشش شبکهایدر 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 شبکه عصبی نقشه خود سازماندهی برای شبکه های 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 نقشه خودسازماندهی، نزدیکترین گرههای کمانرژی را جذب گرههای پرانرژی میکند؛ به طوریکه 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 اهمیتآنها دارد.کارایی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و حفظ بهتر پوشش شبکهایدر مقایسه با پروتکلهای پیشین نظیر LEACH و LEA2C و نیز تاثیر تابع هزینه پیشنهادی بر کارایی آن با شبیهسازی به اثبات رسیده است.

Keywords:

شبکه های حسگر بیسیم , شبکه عصبی , نقشه خودسازماندهی , کاهش مصرف انرژی , خوشهبندی