فریم ورک وفق پذیر اکتساب داده و بازسازی سیگنال شبکه حسگر بیسیم

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 657

This Paper With 17 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:

ITCC01_351

تاریخ نمایه سازی: 9 فروردین 1395

Abstract:

با ظهور شبکه های حسگر بی سیم بحث مربوط به اکتساب داده و بازسازی سیگنال به یکی از مباحثموردعلاقه در زمینه تحقیقات و مقالات علمی بدل شده است. در متون علمی گذشته برای فشرده سازینمونه برداری های سیگنال از الگوریتم حسگری فشرده غیر وفقی استفاده شده ، که موجب گردید نرخنمونه برداری ها نسبت به الگوریتم های نمونه برداری سنتی بسیار کاهش یابد و درنتیجه سبب کاهشنرخ انتقالات در شبکه و افزایش طول عمر شبکه حسگر بی سیم شود. بااین حال، نشان داده شده کهروش های غیر وفقی در محیط های نویزی موجب کاهش کیفیت نمونه برداری شده و همچنینمقیاس پذیر نمی باشند؛ یعنی با افزایش مقیاس نمونه برداری کارایی این الگوریتم های به شدت افتمی کند. ازاینرو، در این مقاله به ارائه فریم ورک وفق پذیر اکتساب داده و بازسازی سیگنال شبکهحسگر بی سیم (AAR-Frame Work) با الگوریتم های حسگری مقعر برای همروندسازیجمع آوری داده ، الگوریتم NESTA ب رای بازسازی سیگنال و الگوریتم حسگری فشرده مقعر درامر نمونه برداری سیگنال شبکه حسگر بی سیم از طریق یک سرور خارجی متصل به اینترنتپرداخته ایم. نتایج شبیه سازی ها نشان می دهد که استفاده از الگوریتم های وفقی حسگری مقعر وحسگری فشرده مقعر در امر نمونه برداری و جمع آوری سیگنال به جای الگوریتم غیر وفقی حسگریفشرده بسیار مؤثر بوده و می تواند مشکل مقیاس پذیری را حل کرده و نیز منجر به افزایش کیفیتنمونه برداری سیگنال در شبکه حسگر بی سیم گردد. فریم ورک پیشنهادی ما در امر بازسازیسیگنال های اکتسابی به ویژه سیگنال های تنک یا سیگنال های که دارای همبستگی فضایی و زمانیهستند بسیار مؤثر عمل می کند، همچنین روش ارائه شده در این مقاله تعداد نمونه برداری را کاهشداده و مقدار خطای بازسازی سیگنال را بهبود می بخشد.

Authors

سعید مهرجو

عضو هیئت علمی دانشگاه آزاد اسلامی واحد داریون

کیا جهان بین

کارشناسی ارشد دانشگاه آزاد اسلامی واحد کرمان

فرشته رحمانیان

کارشناسی ارشد دانشگاه آزاد اسلامی واحد 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 :
  • International Conference on Information Techaology, Computer & Communication رایعنذپژو0 28 ...
  • Becker, S., Bobin, J., & Candes, E. J. (2011). NESTA: ...
  • Donoho, D. L. (2006). Compressed sensing. Information Theory, IEEE Transactions ...
  • Donoho, D. L., Vetterli, M., DeVore, R. _ & Daubechies, ...
  • Ebrahimi, D., & Assi, C. (2014). Compressive data gathering using ...
  • Figueiredo, M. A., Nowak, R. D., & Wright, S. J. ...
  • Haupt J., Castro, R. M., & Nowak, R. (2011). Distilled ...
  • Haupt, J. D., Baraniuk, R. G., Castro, R. M., & ...
  • measurement, Paper presented at the Signals, Systems and Computers, 2009 ...
  • Nesterov, Y. (2005). Smooth minimization of non-smoot functions. Mathematical programming, ...
  • Nesterov, Y. (1983, February). A method for unconstrained convex minimization ...
  • Qaisar, S., Bilal, R. M., Iqbal, W. Naureen, M., & ...
  • Quer, G., Zordan, D., Masiero, R., Zorzi, M., & Rossi, ...
  • Wainwright, M. J. (2009). Sharp thresholds for high-dimensi onal and ...
  • Yick, J., Mukherjee, B., & Ghosal, D. (2008). Wireless sensor ...
  • Zhang, Z., & Rao, B. (2013). Extension of SBL algorithms ...
  • Zheng, H., Yang, F., Tian, X., Gan, X., Wang, X., ...
  • نمایش کامل مراجع