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

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.

شبکه حسگر بی سیم، حسگری فشرده، حسگری مقعر، حسگری فشرده مقعر،الگوریتم بازسازی NESTA