بهبود الگوریتم خوشه بندی Cog-Mesh با تنظیم فاصله درون خوشه در شبکه های رادیو شناختی
Publish place: چهارمین کنفرانس ملی و دومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی برق، مکانیک و مکاترونیک
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 566
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ELEMECHCONF04_160
Index date: 2 August 2017
بهبود الگوریتم خوشه بندی Cog-Mesh با تنظیم فاصله درون خوشه در شبکه های رادیو شناختی abstract
امروزه تخصیص طیف باز رادیویی در راستای کاهش چالش های پیش روی شبکه های بیسیم موردی ارایه گردیده است. طرح تخصیص طیف باز به طور بالقوه برای این شبکه ها ظرفیت بیشتر، انعطاف پذیری و قابلیت اعتماد بالاتری را فراهم می آورد .در راستای بهبود توانایی سازگاری هوشمندانه این شبکه با سایر شبکه ها و محیط های رادیویی شناسایی و مکانیزم کشف همسایه، شکل گیری خوشه، تشکیل شبکه و مدیریت توپولوژی شبکه از ضروریات این تحقیق می باشد. در این مقاله روشی مبتنی بر خوشه بندی برای تشکیل یک شبکه بی سیم مش در زمینه به اشتراک گذاری طیف باز پیشنهاد شده است. خوشه ها توسط به اشتراک گذاری کانال مشترک محلی در گره های همسایه ساخته می شوند و شبکه توسط اتصال خوشه-ها به تدریج شکل می گیرند. نتایج شبیه سازی در محیط MATLAB بیانگر این است که با تنظیم فاصله درون خوشه هزینه و مصرف انرژی گره ها کاهش می یابد و درصد تکرار خوشه بندی و تعداد خوشه ها افزایش چشمگیری پیدا نمی کند؛ زیرا بعد از یک حد آستانه شیب تعداد خوشه ها نسبت به تعداد کاربران ثانویه کاهش می یابد. الگوریتم پیشنهادی از لحاظ کاهش ترافیک راه دور شبکه و کم کردن هزینه مربوط به آن نتیجه بهتری نسبت به دیگر الگوریتم ها ارایه داده است.
بهبود الگوریتم خوشه بندی Cog-Mesh با تنظیم فاصله درون خوشه در شبکه های رادیو شناختی Keywords:
بهبود الگوریتم خوشه بندی Cog-Mesh با تنظیم فاصله درون خوشه در شبکه های رادیو شناختی authors
عبدالرضا دشتی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد ایلام
رامین صیادی
استاد یار گروه مهندسی برق و کامپیوتر دانشگاه آزاد اسلامی واحد ایلام
علی انوری
دانشجوی کارشناسی ارشد مهندسی برق دانشگاه آزاد اسلامی واحد ایلام
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 :