توازن مصرف انرژی و افزایش طول عمر شبکه های حسگر بیسیم با بهره گیری توأم از نظریه نمونه برداری فشرده و مسیریابی خوشه بندی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 644

This Paper With 18 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:

CBCONF01_0469

تاریخ نمایه سازی: 16 شهریور 1395

Abstract:

شبکه حسگر بیسیم متشکل از تعداد زیادی گرههای حسگر است که در یک محیط به طور گسترده پخش شده و بهجمع آوری اطلاعات می پردازند. از جمله چالش های اساسی در این شبکه ها، کاهش تعداد ارسال ها و درنتیجه، افزایش طولعمر شبکه می باشد. نظریه نمونه برداری فشرده به شکل چشمگیری منجربه کاهش تعداد ارسال های داده در این شبکه هامی شود. لذا، در سال های اخیر محققان روشهای تجمیع داده مختلفی بر مبنای تئوری نمونه برداری فشرده را پیشنهادکرده اند که با کاهش حجم داده های ارسالی، سعی در افزایش طول عمر شبکه و توازن بار ترافیکی در سراسر شبکه داشته-اند. در این مقاله، ضمن مرور روشهای مذکور، با بهره گیری توأم از نظریه نمونه برداری فشرده و مسیریابی خوشه بندی،الگوریتم جدیدی با عنوان Transmission-Efficient Cluster-based Routing ارائه می شود. این الگوریتم با به کارگیریروشی ابتکاری جهت انتخاب سرخوشه ها، طول عمر شبکه حسگر بیسیم را افزایش می دهد. همچنین، با در نظر گرفتنگره چاهک به عنوان سرخوشه، توازن بار در اطراف آن افزایش یافته و تعداد ارسال ها کاهش می یابد. نتایج شبیه سازیحاکی از آن است که روش پیشنهادی در مقایسه با سایر روشها عملکرد بهتری از نظر میزان مصرف انرژی و تعداد ارسال-ها در شبکه دارد و در نتیجه، طول عمر شبکه را افزایش می دهد.

Keywords:

شبکه های حسگر بیسیم , نمونه برداری فشرده , مسیریابی مبتنی بر خوشه بندی , روشهای تجمیع داده , طول عمر شبکه

Authors

شیما پاکدامن تیرانی

دانشجوی کارشناسی ارشد دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

آوید آوخ

استادیار دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

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 :
  • efficient data gathering algorithm STCDG:anه [18] J. Cheng, Q. Ye, ...
  • E. Candes and M Wakin, _ introduction o compressive sampling, ...
  • M. Balouchestani, K. Raahemifar, and S. Krishnan, "Compressed sensing in ...
  • S. Qaisar, R. Bilal, W. Iqbal, M. Naureen, and S. ...
  • H. Zheng, F. Yang, X. Tian, X. Gan, X. Wang, ...
  • D. Donoho, "Compressed sensing, " IEEE Transactions on Information Theory, ...
  • R. Xie and X. Jia, _ 'Transmis sion-efficient clustering method ...
  • J. Haupt, W. _ Bajwa, M. Rabbat, and R. Nowak, ...
  • C. Luo, F. Wu, J. Sun, and C. W. Chen, ...
  • C. Luo, F. Wu, J. Sun, and C. W. Chen, ...
  • J. Luo, L. Xiang, and C. Rosenberg, "Does compressed sensing ...
  • D. Ebrahimi and C. Assi, "Compressive data gathering using random ...
  • C. Caione, D. Brunelli, and L. Benini, "Compressive sensing optimization ...
  • Y. Tang, B. Zhang, T. Jing, D. Wu, and X. ...
  • W. Chen and I. Wassell, _ Energy -efficient signal acquisition ...
  • W. Chen, M. Rodrigues, and I. Wassell, _ frechet mean ...
  • A. Salim and W Osamy, "Distributed multi chain compressive sensing ...
  • C. Karakus, A. Gurbuz, and B. Tavli, "Analysis of energy ...
  • X. Wu, Y. Xiong, P. Yang, S. Wan, and W. ...
  • L. Kong, M. Xia, X. Liu, G. Chen, Y. Gu, ...
  • G. Quer, R. Masiero, G. Pillonetto, M. Rossi, and M. ...
  • H. Zheng, S. Xiao, X. Wang, and X. Tian, "On ...
  • H. Zheng, S. Xiao, X. Wang, X. Tian, and M. ...
  • S. Abbasi, J. Abouei, and A. Avokh , "Energy consumption ...
  • X. Wu, Y. Xiong, W. Huang, H. Shen and M. ...
  • cluster-based weighted compressive data aggregation in wireless Towardء [26] S. ...
  • A. Mainwaring, D. Culler, J. Polastre, R. Szewczyk, and J. ...
  • W. Heinzelman, A. Chandrakasan, and H. Balakrishnan, _ Energy- Efficient ...
  • نمایش کامل مراجع