معماری سنجش و بازسازی سیگنال شبکه حسگر بی سیم با حسگری فشرده
Publish place: International Conference on Nonlinear Systems and Optimization of Electrical and Computer Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,239
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NSOECE01_129
تاریخ نمایه سازی: 1 مهر 1394
Abstract:
قسمت اصلی این مقاله به پیاده سازی و ارزیابی فریم ورکی برای بازسازی سیگنال در شبکه های حسگر بی سیم اختصاص یافته است. در اینجا ما به طراحی یک معماری کنترل شبکه های حسگر بی سیم از طریق یک سرور خارجی متصل به اینترنت می پردازیم. در این معماری ما تکنیک های فشرده سازی و بازیابی را با ترکیب الگوریتم های تحلیل مؤلفه اصلی و حسگری فشرده برای بازسازی قطعات سیگنال زیادی از سنسور ها به واسطه تعداد کمی از نمونه ها که در یک ماتریس مرتبط جمع آوری شده است، پیاده سازی کرده ایم؛ یعنی: از طریق نمونه برداری های ناقص از یک سیگنال واقعی. نتایج کلی نشان می دهد که سیستم بازسازی حسگری فشرده بسیار مؤثر بوده و می تواند منجر به ارائه یک سیستم کاملاً خودکار برای جمع آوری و بازسازی داده های یک شبکه حسگر واقعی غیر ساکن شود. در جزئیات، سیستم پیشنهادی ما برای بازیابی برخی سیگنال ها که دارای پیچیدگی فضایی و زمانی مرتبط هستند بسیار مؤثر عمل می کند، از آنجا که تعداد نمونه برداری را کاهش می دهد حتی زیر 20% و نیز مقدار خطالی بازیابی را زیر 5.10-3 نگه می دارد. با این روش سیگنال های نامنظم و دارای نرخ تغییرات آمار بالا نیز قابل بازیابی هستند ، حتی اگر خطای بازیابی در آنها بسیار وابسته به نرخ نمونه برداری باشد. حسگری فشرده مسئله بهینه سازی محدب را از طریق الگوریتم بهینه سازی NESTA که اخیراً پیشنهاد شده بدست می آورد
Keywords:
شبکه حسگر بی سیم , بازسازی سیگنال , حسگری فشرده , بهینه سازی محدب , الگوریتم Nesterov , الگوریتم NESTA
Authors
فرشته رحمانیان
دانشجوی کارشناسی ارشد فناوری اطلاعات-گرایش شبکه،دانشگاه آزاد کرمان
کیا جهان بین
دانشجوی کارشناسی ارشد فناوری اطلاعات-گرایش شبکه،دانشگاه آزاد کرمان
مهدی عرب پورداهویی
دانشجوی کارشناسی ارشد فناوری اطلاعات-گرایش شبکه،دانشگاه آزاد کرمان
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 :