پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم

word 606 KB 30900 96
1393 کارشناسی ارشد مهندسی الکترونیک
قیمت: ۱۲,۴۸۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان‌نامه کارشناسی ارشد

    گرایش الکترونیک

    چکیده

    امروزه با توجه به مزایای شبکه­های حسگر بی­سیم که همانا پیاده­­سازی ساده و ارزان، مصرف توان پایین و مقیاس­پذیری بالای آنها است، در بسیاری از کاربردها مورد استفاده قرار گرفته­اند. طراحی شبکه­های پایدار حسگر بی­سیم یک مسئله بسیار چالش برانگیز است. انتظار می­رود حسگرها با انرژی محدود به صورت خودکار برای مدت طولانی کار کنند. این در حالی است که جایگزینی باتری­های از کار افتاده ممکن است با هزینه­های سنگین یا حتی در محیط­های سخت غیر ممکن باشد. از سوی دیگر، بر خلاف شبکه­های دیگر، شبکه­های حسگر بی­سیم برای کاربردهای خاص مقیاس کوچک مانند سیستم­های نظارت پزشکی و مقیاس بزرگ مانند نظارت بر محیط­زیست طراحی می­شوند. در این زمینه، انبوهی از کار تحقیقاتی به منظور پیشنهاد طیف گسترده­ای از راه­حل­ها برای مشکل صرفه جویی در انرژی انجام شده است.

    در این پایان نامه یک الگوریتم مسیریابی برای تولید بهترین مسیر مابین گره­های حسگر و گره   جمع­کننده محلی و با هدف دستیابی به توزیع ترافیک مناسب و درنتیجه ایجاد تعادل در مصرف انرژی گره­های میانی طراحی شده است. ایجاد چنین تعادلی به افزایش طول عمر شبکه کمک می­کند و بهبود الگوی مصرف انرژی در شبکه­های حسگر بی­سیم با منابع انرژی محدود را به دنبال خواهد داشت. از سوی دیگر با استفاده از امکان تغییر رنج گره­ها، سعی می­شود تا امکان توزیع بار در نقاط کم تراکم شبکه نیز افزایش یابد. نتایج حاصل از شبیه­سازی­ها نشانگر بهبود 20 درصدی در طول عمر شبکه با استفاده از الگوریتم پیشنهادی در مقایسه با برخی از الگوریتم­های مسیریابی حساس به انرژی پیشنهادی در سال­های اخیر می­باشد.

    واژه‌های کلیدی:

    شبکه­ های حسگر بی­سیم، مسیریابی حساس به انرژی، متعادل­سازی نرخ مصرف انرژی

     

          مقیاس­پذیری، پوشش، زمان تاخیر، کیفیت سرویس، امنیت و تحرک از نیاز­های اصلی شبکه­های حسگر بی­سیم مورد استفاده در برنامه­های مختلف کاربردی، از جمله نظارت بر محیط­زیست، امنیت عمومی، مراقبت­های پزشکی و کاربردهای نظامی و صنعتی به شمار می­روند. در این برنامه­های کاربردی، از حسگر انتظار می­رود به صورت خودکار برای مدت زمان طولانی، اعم از هفته یا ماه، کار کند. با این حال، این شبکه­ها با توجه به منابع محدود باتری موجود در حسگرها از محدودیت طول عمر شبکه رنج می­برند.

          در چند سال اخیر روش­های متعددی برای صرفه­جویی انرژی در شبکه­های حسگر بی­سیم پیشنهاد شده است و هنوز هم تحقیقات بسیاری در مورد چگونگی بهینه­سازی مصرف انرژی برای شبکه­های حسگر بی­سیم با منابع انرژی محدود در حال انجام است. در بخش بعدی استانداردهای موجود برای افزایش طول عمر شبکه­های حسگر بی­سیم­ را با توجه به ذخیره­سازی انرژی بیان     می­کنیم.

    1‌.1‌     مکانیزم­های ذخیره­سازی انرژی در شبکه­های حسگر بی­سیم

          در این بخش، مروری بر روی روش­های عمده موجود برای حل مشکل مصرف انرژی در شبکه­های حسگر بی­سیم که در مقاله [1] ارائه شده است، انجام می­دهیم. یک طبقه­بندی از    مکانیزم­های پیشنهادی ذخیره­سازی انرژی درشکل1‑1به طور خلاصه آورده شده است.

     

    شکل1‑1طبقه­بندی مکانیزم­های ذخیره­سازی انرژی

    1‌.1‌.1‌  بهینه­سازی رادیو

        تراکنش­های رادیویی در گره­های حسگر بیشترین نقش در تخلیه انرژی باتری را دارند. محققان با توجه به ماهیت ارتباطات بی­سیم، برای کاهش اتلاف انرژی در شبکه­های حسگر بی­سیم      روش­هایی را مبتنی بر بهینه­سازی پارامترهای رادیویی مانند طرح­های مدولاسیون و کدینگ، کنترل توان ارسالی و آنتن­های جهت­دار مطرح کرده­اند.

    الف) بهینه­سازی مدولاسیون[1]: بهینه­سازی مدولاسیون با هدف پیدا کردن پارامترهای بهینه مدولاسیون برای به حداقل رساندن انرژی مصرفی رادیو می­باشد. پژوهش­های موجود تلاش می­کند تا یک تعادل­سازی بهینه بین اندازه مجموعه (تعداد کاراکترهایی که استفاده می­شود)، نرخ اطلاعات ارسالی (تعداد بیت­های اطلاعات در هر نماد)، زمان ارتباط، فاصله بین گره­ها و نویز پیدا کنند [3,2].

    ب)طرح­های ارتباطات مشارکتی[2] (چند هاب): به منظور بهبود کیفیت سیگنال دریافت شده با استفاده از همکاری چندین آنتن، که باعث به وجود آمدن یک فرستنده مجازی چند آنتنه[3] می­شوند، ارائه شده است. ایده این طرح برگرفته از این واقعیت است که اطلاعات­ معمولا با توجه به ماهیت پخش از کانال توسط همسایه­های یک گره شنیده می­شوند. پژوهش­های زیادی در زمینه مقایسه­ انرژی مصرفی شبکه­های SISO (یک ورودی و یک خروجی[4]) و شبکه­های مجازی MIMO (چند ورودی و چند خروجی[5]) انجام شده است. نتایج این پژوهش­ها نشان­دهنده صرفه­جویی بهتر انرژی و تاخیر انتها به انتهای کمتر در فاصله­های بیشتر از محدوده ارسال گره­ها درسیستم­های MIMO حتی با وجود انرژی اضافی سربار مورد نیاز برای راه­اندازی این الگوریتم­ها می­باشد [5,4].

    پ) کنترل توان ارسال[6]: کنترل توان ارسال (TPC) به منظور افزایش بهره­وری انرژی در لایه فیزیکی با تنظیم توان فرستنده­های رادیویی مورد بررسی قرار گرفته شده است. از این رو، یک گره با انرژی  باقی­مانده بالاتر می­تواند توان ارسال خود را افزایش دهد، که این عمل باعث فعال کردن الگوریتم کاهش توان ارسال در گره­های دیگر می­شود، در نهایت صرفه­جویی انرژی را به همراه دارد. استراتژیTPC نه تنها در انرژی بلکه با کاهش توان ارسال، خطر تداخل را نیز کاهش می­دهد. علاوه بر این، گره­های کمتری در ناحیه شنوایی یک گره قرار می­گیرند. از سوی دیگر افزایش توان ارسال می توان منجر به توسعه رنج مخابراتی گره شده و تعداد همسایگان آنرا افزایش دهد. این امر می­تواند قابلیت توزیع ترافیک را در گره­هایی که دارای تعداد همسایه کمی هستند، افزایش داده و منجر به بهبود طول عمر شبکه گردد [7,6].

    ت) آنتن­های جهت­دار[7]: آنتن­های جهت­دار توانایی دریافت سیگنال­های ارسالی را در یک زمان و در یک جهت را دارند. که این امر باعث بهبود محدوده ارسال و انرژی مصرفی می­شود. این آنتن­ها ممکن است نیازمند به تکنیک­های محلی باشند، اما توانایی دریافت چندین ارتباط را به صورت    هم­زمان دارند. به این ترتیب استفاده بیشتری از پهنای­باند می­شود. بنابراین، این الگوریتم می­تواند ظرفیت شبکه و طول عمر را بهبود ببخشد در حالی که بر تاخیر و اتصال نیز می­تواند تأثیر گذار باشد. با این حال، برخی از مشکلاتی که مخصوص آنتن جهت­دار هستند از جمله تداخل سیگنال، تنظیمات آنتن و مشکلات ناشنوایی[8] باید موقع استفاده از این آنتن­ها در نظر گرفته شود [8 ,9].

    ث) رادیو شناختی با کارایی انرژی[9] :رادیو شناختی (CR) رادیو هوشمندی است که می­تواند به صورت پویا کانال ارتباطی خود را در طیف­های بی­سیم انتخاب کند و خود را با پارامترهای ارسال و دریافت انطباق دهد. بر اساس تکنولوژی نرم­افزار تعریف شده رادیو انتظار می­رود که به طور کاملاً خودکار فرستنده و گیرنده خود را متناسب با پارامترهای مورد درخواست شبکه تنظیم مجدد کند، که این امر باعث بهبود در زمینه آگاهی از شبکه می­شود. با این حال، مهمترین نیاز رادیو شناختی مصرف انرژی گره با توجه به پیچیدگی آنتن و ویژگی­های جدید در مقایسه با دستگاه های معمولی می­باشد. در این راستا، طراحی شبکه­های حسگر رادیو شناختی کلیدی برای حل چالش استفاده هوشمند از انرژی باتری می­باشد. مطالعات اخیر رادیو شناختی در زمینه­های کنترل توان فرستنده، تخصیص کانال­ها مبتنی بر انرژی باقی­مانده، و ترکیب کدینگ شبکه و رادیو شناختی می­باشد [11,10].

     

     

     

    1‌.1‌.2‌ کاهش حجم اطلاعات

          یکی دیگر از راه­حل­های ذخیره­سازی انرژی کاهش مقدار اطلاعات ارسالی به سمت گره   جمع­کننده می­باشد. می­توان از دو روش محدود کردن نمونه­های غیرضروری و محدود کردن وظایف سنجش هر گره به طور مشترک استفاده کرد. زیرا بدست آوردن و ارسال اطلاعات از نظر مصرف انرژی پرهزینه می­باشند.

    الف) تجمیع[10]: در طرح تجمیع اطلاعات­، گره­ها در طول یک مسیر به سمت گره جمع­کننده عمل تجمیع اطلاعات را برای کاهش مقدار اطلاعات ارسالی انجام می­دهد. علاوه بر این، تجمع اطلاعات با کاهش ترافیک می­تواند تأخیر را نیز کاهش دهد. با این حال، روش­های جمع­آوری اطلاعات ممکن است دقت اطلاعات جمع­آوری شده را کاهش دهد. در واقع، بعد از انجام عملیات تجمیع، اطلاعات نمی­تواند توسط جمع­کننده بازیابی شود و در نتیجه دقت اطلاعات از دست می­رود [12].

    ب) نمونه­برداری توافقی[11]: سنجش نمونه­های غیرضروری بر منابع ارتباطات و هزینه­های پردازش تاثیر می­گذارد. تکنیک­های نمونه­برداری توافقی، نرخ نمونه­برداری در هر حسگر را با توجه به نیازهای برنامه­های کاربردی از قبیل پوشش و بدست آوردن اطلاعات دقیق، تنظیم می­کند [13].

    پ) کدینگ شبکه[12](NC): کدینگ شبکه(NC) به منظور کاهش ترافیک در سناریوهای پخش با ارسال یک ترکیب خطی از چند بسته به جای یک کپی از هر بسته استفاده می­شود. گره­های دریافت ­کننده نیز می­توانند با استفاده معادلات خطی رمزگشایی بسته­ها را تفکیک کنند [14].

    ت) فشرده­سازی اطلاعات[13]­: با استفاده از تکنیک­های خاص با قابلیت­های محاسباتی و قدرت­های  گره­های بی­سیم کدگذاری اطلاعات برای بدست آوردن بارهای ارسالی با بیت­های کمتر انجام     می­گیرد، که این روش باعث بهروری از انرژی می­شود [15].

    1‌.1‌.3‌ طرح خواب و بیدار

          واحد­های رادیو در زمان­های بیکاری، منابع اصلی مصرف­کننده انرژی هستند. هدف از طرح خواب و بیدار قرار دادن رادیو در حالت خواب و بیدار با توجه به فعالیت گره در جهت صرفه­جویی انرژی می­باشد.

    الف) برنامه روشن و خاموش شدن دوره­ای حسگرها[14]: به منظور تغییر حالت واحد رادیو گره وابسته به فعالیت­های شبکه برای به حداقل رساندن زمان گوش دادن  در حالت بیکاری طراحی شده­اند. این برنامه­ها معمولا به سه دسته وابسته به تقاضا، غیرهمزمان و مطابق با برنامه تقسیم      می­شود. پروتکل­های مبتنی برروشن و خاموش شدن دوره­ای قطعا باعث بیشتر شدن بهره­وری انرژی می­شود اما به شدت افزایش تاخیر ارتباطات را به همراه دارند. هم­چنین گره­ها در این شرایط برای ارسال اطلاعات هنگامی که خود یا گره بعدی در حالت خواب می­باشد، رنج می­برند [17,16].

    ب) رادیو جانبی بیدار[15]: برای از بین بردن نقاط ضعف برنامه روشن و خاموش شدن دوره­ای حسگرها، از یک رادیو کم قدرت برای دریافت اطلاعات در زمانی­که یک گره در حالت خواب قرار دارد، استفاده می­شود و برای ارسال اطلاعات ترافیکی از یک رادیو پر قدرت استفاده می­شود [18].

    پ) کنترل توپولوژی[16] : هنگامی که گره­های حسگر بسیار زیادی به منظور حصول اطمینان از پوشش خوب از فضای مورد نظر مستقر می­کنند، می­توان بعضی از گره­ها را با در نظر گرفتن حفظ عملیات و اتصالات شبکه در حالت غیر فعال قرار دهیم. پروتکل­های کنترل توپولوژی به صورت پویا تعداد گره فعال را با توجه به نیازهای برنامه به منظور بهره­برداری بیشتر انرژی در شبکه تعیین می­کند [20,19].

    1‌.1‌.4‌ مسیریابی با کارایی انرژی

          بار اضافی در مسیریابی به طور جدی می­تواند ذخایر انرژی را تحت تأثیر قرار دهد. به طور خاص، در الگوریتم­های چند گام، گره­هایی که به جمع کننده نزدیک هستند، انرژی باتری خودشان را  سریع­تر از بقیه گره­ها از دست می­دهند، که این امر منجر به فروپاشی شبکه می­شود. آنچه که ما در این پایان نامه به دنبال آن هستیم، مکانیزم صرفه­جویی انرژی در الگوریتم­های مختلف مسیریابی   می­باشد. در ادامه برخی از روش­های مسیریابی حساس به انرژی را برای شناخت بیشتر از موضوع این پایان نامه مورد بررسی قرار می­دهیم.

    الف) روش­های خوشه بندی[17]: تکنیک­هایی خوشه­بندی به منظور ارتقاء بهره­وری انرژی با استفاده از محدود کردن مصرف انرژی از طریق­های مختلف زیر انجام می­شود.

     الف) کاهش محدوده ارتباطات در داخل خوشه که نیاز به توان ارسال کمتردارند، (ب) کاهش تعداد ارسال با استفاده از تجمیع اطلاعات توسط سرخوشه، (ج) کاهش انرژی عملیات­هایی مانند هماهنگی و تجمیع در سر خوشه، (د) غیرفعال کردن برخی از گره­های داخل خوشه زمانی که سرخوشه مسئولیت ارسال اطلاعات رابر عهده دارند، (و) به تعادل رساندن مصرف انرژی در بین گره­های موجود در خوشه از طریق چرخش گره سرخوشه پیشنهاد شده است.

     علاوه بر بهره­وری انرژی، معماری خوشه­بندی، مقیاس­پذیری شبکه­ها را با حفظ شبکه سلسله مراتبی بهبود می­بخشد [22,21].

    ب) مسیریابی مبتنی بر انرژی[18]: در نظر گرفتن انرژی به عنوان یک معیار در مرحله راه­اندازی مسیر یکی دیگر از راه­حل­های گسترش طول عمر شبکه­های حسگر است. با انجام این الگوریتم، گره­های حسگر در مسیریابی نه تنها بر کوتاه­ترین مسیر تمرکز دارد بلکه انرژی­ باقی­مانده گام بعدی را نیز در نظر می­گیرند [23].

    پ) مسیریابی چندمسیره[19]: در حالی که پروتکل­های مسیریابی تک مسیره به طور کلی ساده­تر از پروتکل­های مسیریابی چند مسیره هستند، می­توانند انرژی گره­ای که به عنوان هاپ بعدی انتخاب کرده­اند را به سرعت تخلیه کنند. در مقابل، مسیریابی چند مسیره قادر است توسط انتخاب متناوب  گره­های ارسالی انرژی مصرفی را در میان گره­ها متعادل کنند. پروتکل­های مسیریابی چند مسیره با ارائه مسیرهای چندگانه، توانایی شبکه برای بازیابی شبکه را بعد از تخلیه انرژی یک گره افزایش  می­دهد، این در حالی که در مسیریابی تک مسیره، هنگامی که انرژی یک گره به پایان می­رسد، یک مسیر جدید باید مجددا محاسبه شود [25,24].

    ت) قرار دادن گره رله[20]: الگوریتم مسیریابی می­تواند با اضافه کردن چند گره رله از تخلیه زودرس انرژی گره­ها در یک منطقه خاص به خاطر فاصله زیاد از گره­ بعدی اجتناب کرد. این کار به بهبود تعادل انرژی بین گره­ها کمک می­کند، و از به وجود آمدن حسگر پر مصرف جلوگیری می­کند [27,26].

    ث) گره جمع­کننده متحرک[21]: در معماری شبکه حسگر بی­سیمی که از یک ایستگاه پایه ثابت استفاده می­کنند، گره­های واقع در نزدیکی ایستگاه پایه سریع­تر از دیگر گره­ها باتری خود را خالی می­کنند و منجر به قطع زودرس در شبکه می­شوند. این یک واقعیت است که تمام ترافیک به سمت گره    جمع­کننده فرستاده می­شود و باعث افزایش حجم کار در گره­های نزدیک به گره جمع­کننده می­گردد. برای افزایش طول عمر شبکه و امکان به تعادل رساندن بار بین گره­ها از یک ایستگاه پایه متحرک استفاده می­شود که با حرکت در اطراف شبکه به جمع­آوری اطلاعات از گره­ها می­پردازد. تحرک گره جمع­کننده باعث بهبود اتصالات در معماری شبکه­های پراکنده و افزایش قابلیت اطمینان به دلیل ارتباطات تک گامه می­شود. بنابراین زمان رقابت، تصادم و از دست دادن پیام را نیز کاهش می­دهد [29,28].

    راه­حل شارژ

         مطالعات تحقیقات اخیر در جهت رسیدگی به برداشت انرژی و تکنیک­های شارژ بی­سیم      می­باشد. هدف از ارائه هر دو راه­حل، شارژ باتری حسگر بدون دخالت انسان می­باشد.

    الف) برداشت انرژی[22]: فن­آوری­های جدید برای فعال کردن حسگرها برای برداشت انرژی از اطراف محیط­زیست خود مانند انرژی خورشیدی، باد و انرژی جنبشی توسعه یافته­اند. در مقایسه با حسگرهای سنتی، حسگرهای قابل شارژ از لحاظ نظری می­تواند به طور مداوم برای مدت زمان نامحدودی کار کنند. آنها انرژی محیط را به انرژی الکتریکی تبدیل می­کنند و سپس آن را به طور مستقیم مصرف یا برای استفاده­های بعدی خود ذخیره می­کند [31,30].

    ب) شارژ بی­سیم[23]: با پیشرفت­های اخیر در ارسال قدرت بی­سیم انتظار می­رود که شبکه­های حسگر  بی­سیم از پایداری بیشتری بهره­مند شوند. این تکنیک می­تواند برای ارسال قدرت بین دستگاه­ها بدون نیاز به هر گونه تماس بین فرستنده و حسگر مورد استفاده قرار گیرد. شارژ بی­سیم در شبکه حسگر  بی­سیم می­تواند به دو روش تابش الکترومغناطیس و جفت رزونانس مغناطیسی به دست آورد. تحقیقات اخیر بر روی به اشتراک گذاشتن انرژی گره­ها در بین همسایه­های خود تمرکز دارند. بدین ترتیب، پیش­بینی می­شود که در آینده، هر گره در شبکه­های حسگر بی­سیم قادر به برداشت انرژی از محیط­زیست و ارسال انرژی به گره­های دیگر را دارا باشد، که یک شبکه خود کفا را ارائه می­دهد [33,32].

    روشن است که تلاش­های بسیاری از طریق انواع مکانیسم­های ذخیره­سازی انرژی به منظور ارتقاء طول عمر شبکه­های حسگر بی­سیم انجام شده است. این نیز به نظر می­رسد که بهره­وری انرژی و برنامه­های کاربردی دیگر به شدت وابسته و نیازمند به معیارهای عملکرد­ مختلف بهینه­سازی به طور مشترک هستند.

    ویژگی­های شبکه­های حسگر بی­سیم از منظر مسیریابی

          با توجه به اینکه در این پایان­نامه افزایش طول عمر شبکه با استفاده از روش­های مسیریابی را در نظر گرفته شده است. به همین دلیل، در بخش بعدی برخی از الزامات الگوریتم مسیریابی مورد استفاده در شبکه­های حسگر را بیان نموده­ایم. پیش از پرداختن به الزامات طراحی پروتکل مسیریابی به ویژگی­های شبکه­های حسگر از منظر مسیریابی مختصراً در زیر اشاره می­کنیم.

    الف) خصوصیات شبکه

    * تعداد و چگالی گره­ها و قطر شبکه: این خصوصیت بر روی تعداد گزینه­های جدول­های مسیریابی

    در گره­ها و همچنین میزان تأخیر و اتلاف ناشی از گام­های طی شده توسط بسته ها مؤثر است.

    * اتصال: به دلیل شرایط محیط فیزیکی ممکن است لینک­های شبکه حالات مختلفی از اتصال را تجربه کنند. این امر لزوم پویایی بالا در الگوریتم مسیریابی و عدم اکتفا به مسیرهای منحصر بفرد را در شبکه­های حسگر را آشکار می­سازد.

    * پویایی: شبکه­های حسگر و عملگر بی­سیم به دلیل امکان حرکت برخی از گره­ها، از همبندی پویا برخوردار هستند و تغییر همبندی اغلب موجب تغییر در مسیر بسته­ها می­شود. علاوه بر حرکت   گره­ها، ورود گره­های جدید به شبکه یا خروج برخی از گره­ها به دلیل خالی شدن باتری نیز می­تواند باعث تغییر در همبندی شبکه شود.

    * استقرار: محل استقرار گره­ها در شبکه­های حسگر می­تواند به صورت تصادفی مثلاً با پخش کردن گره­ها از طریق هواپیما در محیط مورد نظر باشد. علاوه بر این محل استقرار گره­های جمع­کننده که نقش دروازه ارتباط به شبکه­های دیگر را نیز دارند در عملکرد پروتکل مسیریابی مؤثر است.

    * طرح­های ترافیکی: بنا بر کاربرد خاص، طرح­های ترافیکی مختلفی مانند نقطه به نقطه، نقطه به گروه و گروه به نقطه در این شبکه­ها قابل تصور است.

    * کیفیت سرویس: در صورت نیاز کاربردهای مختلف به کیفیت سرویس­های مختلف، ممکن است نیاز به تعریف کلاس­های سرویس چندگانه و استفاده از معیارهای مختلف مسیریابی به صورت توأم داشته باشیم.

    ب) خصوصیات گره­ها

    * سرعت پردازش و حجم حافظه: محدودیت­های موجود روی این پارامترها در ابعاد جداول مسیریابی و چگونگی پردازش آنها تأثیر­گذار هستند.

    * میزان مصرف توان و منبع انرژی گره: تعداد و محل استقرار گره­های با منبع باتری و گره­های متصل به برق در شبکه، تأثیر مستقیم روی سیاست­های مسیریابی مبتنی بر افزایش طول عمر شبکه خواهد داشت.

    * گستره ارسال: گستره ارسال گره­ها که وابسته به قدرت سیگنال رادیویی آنهاست می­تواند در همبندی شبکه و میزان چگالی گره­ها و اتصال آنها به یکدیگر مؤثر باشد.

    * بار ترافیکی: میزان بار ترافیکی گره­ها می­تواند در کیفیت مسیریابی تأثیرگذار باشد. تقسیم بار بین گره­ها می­تواند یکی از سیاست­های مهم در مسیریابی بهینه در این گونه شبکه­ها باشد.

    ج) خصوصیات لینک­ها

    * گذردهی: نرخ بیت لینک­های بی­سیم در شبکه­های مبتنی بر IEEE802.15.4 پایین و حداکثر برابر 250 kbpsاست. البته این نرخ بیت بر اساس شرایط لایه فیزیکی و همچنین میزان تداخل لینک­های مجاور می­تواند کمتر از این نیز باشد. ضمناً بازه­­های خواب و بیداری و یا شرایط ترافیکی حاکم نیزمی­تواند نرخ بیت لینک­ها را کاهش دهد.

    * تأخیر: میزان تأخیر ارسال روی یک لینک IEEE802.15.4 بر اثر ایجاد صف در گره­ها و همچنین زمان لازم برای رقابت بر سر کانال می­تواند افزایش یابد.

     

    [1] Modulation optimisation

    [2] Cooperative communications schemes

    [3] virtual multiple-antenna transmitter

    [4] Single Input Single Output

    [5] Multiple Input and  Multiple Output

    [6] Transmission Power Control

    [7] Directional antennas

    [8] Deafness  problems

    [9] Energy-efficient cognitive radio

    [10] Aggregation

    [11] Adaptive sampling

    [12] Network Coding

    [13] Data compression

    [14] Duty cycling schemes

    [15] Passive wake-up radios

    [16] Topology control

    [17] Cluster architectures

    [18] Energy as a routing metric

    [19] Multipath routing

    [20] Relay node placement

    [21]Sink mobility

    [22]Energy harvesting

    [23] Wireless charging

    Abstract* 

     

    Todays wireless sensor networks with many advantages like, simple and cheap implantation, low power consumption and high comparability, have highly use in different applications. Stable wireless sensor networks design is very important that expected, sensors have a long life with limited energy. Because battery change is very difficult and expensive or even in some locations is impossible. From other hand, these networks should designed in huge scale like nature control systems or tiny scale like medicalcontrol systems what very hard to design and implantation.

    In this field, numerous research was done to deduct energy consumption in sensors that available many solution in these references but, in this paper our routing algorithm choose best way between sensor nodes and local adder node to fine traffic distribution, this balance can cause, increase network life and improvment energy consumption in wireless sensor networks with limited sources. From other side, nodes range change using to occasion load distribution increase in low traffic nodes. Simulation results of our algorithm shown twenty percent improvment in life time of network, compared with older methods what propose in these years.

    Keywords: Wireless sensor networks, Routing sensitive to energy, Balancing the energy consumption rate.

  • فهرست:

    1   ‌ فصل اول مقدمه. 1

    1‌.1‌   مکانیزم­های ذخیره­سازی انرژی در شبکه­های حسگر بی­سیم. 2

    1‌.1‌.1‌   بهینه­سازی رادیو. 3

    1‌.1‌.2‌   کاهش حجم اطلاعات... 6

    1‌.1‌.3‌   طرح خواب و بیدار. 7

    1‌.1‌.4‌   مسیریابی با کارایی انرژی.. 8

    1‌.1‌.5‌   راه­حل شارژ. 10

    1‌.2‌   ویژگی­های شبکه­های حسگر بی­سیم از منظر مسیریابی.. 11

    1‌.3‌   الزامات طراحی الگوریتم­های مسیریابی در شبکه­های حسگر. 13

    1‌.4‌   بررسی کاستی­های الگوریتم­های مسیریابی موجود. 17

    1‌.5‌   دستاوردها و نوآوری­های این پایان نامه. 21

    2   فصل دوم مروری بر کارهای پیشین.. 23

    2‌.1‌   الگوریتم­های مسیریابی نامبتنی بر ساختار. 24

    2‌.1‌.1‌   الگوریتم­های جغرافیایی.. 24

    2‌.1‌.2‌   الگوریتم­های مبتنی بر هوش مصنوعی و تئوری مورچگان. 27

    2‌.1‌.3‌   الگوریتم­های خوشه­بندی.. 30

    2‌.2‌   الگوریتم­های مبتنی بر ساختار. 34

    2‌.2‌.1‌   الگوریتم RPL.. 34

    2‌.2‌.1‌.1‌ گراف مسیریابی جهت دار مبتنی بر مقصد (DODAG) 35

    2‌.2‌.1‌.2‌ شناسه­های پروتکل... 36

    2‌.2‌.1‌.3‌ تشکیل مسیر در گراف.... 37

    2‌.2‌.1‌.4‌ معیارهای وزن دهی مسیر در پروتکل RPL.. 38

    2‌.2‌.2‌   الگوریتم LB_RPL.. 40

    2‌.2‌.3‌   الگوریتم UDCB.. 41

    2‌.2‌.4‌   الگوریتم UDDR.. 42

    2‌.2‌.4‌.1‌ فاز انتخاب والد.. 43

    2‌.2‌.4‌.2‌ حرکت خودخواهانه. 44

    2‌.2‌.4‌.3‌ بازی مشترک.... 44

    2‌.2‌.4‌.4‌  فاز اتصال.. 45

    3   فصل سوم مدل شبکه مورد بررسی و تعریف مسأله مسیریابی بهینه. 47

    3‌.1‌   همبندی شبکه. 48

    3‌.2‌   چگالی گره­ها 49

    3‌.3‌   مدل لینک مخابراتی بی­سیم. 49

    3‌.4‌   مکانیزم دسترسی به کانال مخابراتی.. 50

    3‌.5‌   تعریف مسأله توزیع ترافیک بهینه. 51

    4   فصل چهارم الگوریتم مسیریابی درختی با هدف مصرف انرژی متوازن. 52

    4‌.1‌   فاز ایجاد درخت... 54

    4‌.2‌   بررسی اثر افزایش رنج مخابراتی.. 55

    4‌.3‌   نحوه انتخاب والد ترجیحی.. 58

    4‌.4‌   تحلیل پیچیدگی الگوریتم PBLD... 64

    5   فصل پنجم چارچوب شبیهسازی و مقایسه نتایج عملکرد. 66

    5‌.1‌   محیط شبیه­سازی.. 67

    5‌.2‌   پارامترهای شبیه­سازی.. 68

    5‌.3‌   سناریوهای شبیه­سازی.. 70

    5‌.4‌   نتایج شبیه­سازی.. 70

    5‌.4‌.1‌   عملکرد الگوریتم PBTR با توجه به تعداد گره­ها 70

    5‌.4‌.2‌   عملکرد الگوریتم PBTR با توجه به تعداد گره­های تولید کننده ترافیک... 72

    5‌.4‌.3‌   عملکرد الگوریتم PBTR با توجه به نرخ تولید ترافیک متغییر. 74

    6   فصل ششم جمع‌بندی و نتیجه‌گیری.. 77

    منابع و مراجع. 81

     

     

    فهرست اشکال

    صفحه

    شکل1‑1طبقه بندی مکانیزم های ذخیره سازی انرژی.. 3

    شکل2‑1 معماری پیشنهادی ارتباطات سه لایه. 33

    شکل4‑1یک برش از شبکه. 56

    شکل 4‑2 برشی از شبکه بعد از افزایش رنج مخابراتی.. 57

    شکل 5‑1 نمونهای از گراف مسیریابی الگوریتم PBTR.. 68

    شکل 5‑2 نمودار میزان طول عمر الگوریتمها در برابر با تعداد گره ها 71

    شکل 5‑3 نمودار درصد سالم رسیدن بسته های ترافیکی در برابر تعداد گره ها 72

    شکل 5‑4 نمودار میزان طول عمر الگوریتم ها در برابر تعداد گره های تولید کننده ترافیک.... 73

    شکل 5‑5 نمودار درصد سالم رسیدن بسته های ترافیکی در برابر تعداد گره های تولیدکننده ترافیک.... 74

    شکل 5‑6 نمودار میزان طول عمر الگوریتم ها در برابر نرخ تولید ترافیک توسط گره ها 75

    شکل 5‑7 نمودار درصد سالم رسیدن بسته های ترافیکی در برابر نرخ نولید ترافیک توسط گره ها 76

    منبع:

    Rault, Tifenn, Abdelmadjid Bouabdallah, and Yacine Challal. "Energy Efficiency in Wireless Sensor Networks: a top-down survey. " Computer Networks 67 (2014): 104-122.

     

    S. Cui, A. Goldsmith, A. Bahai, Energy-constrained modulation optimization, IEEE Trans. Wireless Commun. 4 (5) (2005)2349–2360.

     

    F. M. Costa, H. Ochiai, A comparison of modulations for energy optimization, in: Wireless Sensor Network Links, IEEE GlobalTelecommunications Conference, 2010, pp. 1–5.

     

    J. W. Jung, W. Wang, M. A. Ingram, Cooperative transmission range extension for duty cycle-limited wireless sensor networks, in: Int. Conf. on Wireless Communication, Vehicular Technology, Information Theory and Aerospace and Electronic Systems Technology, Chennai, 2011, pp. 1–5.

     

    S. Jayaweera, Virtual MIMO-based cooperative communication for energy constrained wireless sensor networks, IEEE Trans. Wireless Commun. 5 (5) (2006) 984–989.

     

    L. H. Correia, D. F. Macedo, A. L. dos Santos, A. A. Loureiro, J. M. S. Nogueira, “Transmission power control techniques for wireless sensor networks”, Comput. Netw. 51 (17) (2007) 4765–4779.

     

    X. Chu, H. Sethu, Cooperative topology control with adaptation for improved lifetime in wireless ad hoc networks, in: IEEE INFOCOM, Orlando, FL, USA, 2012, pp. 262–270.

     

    H. -N. Dai, Throughput and delay in wireless sensor networks usingdirectional antennas, in: 5th Int. Conf. on Intelligent Sensors, Sensor Networks and Information Processing, Melbourne, 2009, pp. 421–426.

     

    A. P. Subramanian, S. R. Das, Addressing deafness and hidden terminal problem in directional antenna based wireless multi-hopnetworks, Wireless Netw. 16 (6) (2010) 1557–1567.

     

    M. Masonta, Y. Haddad, L. D. Nardis, A. Kliks, O. Holland, Energyefficiency in future wireless networks: Cognitive radiostandardization requirements, in: IEEE 17th Int. Workshop onComputer Aided Modeling and Design of Communication Links andNetworks, Barcelone, 2012, pp. 31–35

     

    M. Naeem, K. Illanko, A. Karmokar, A. Anpalagan, M. Jaseemuddin,Energy-efficient cognitive radio sensor networks: parametric andconvex transformations, Sensors 13 (8) (2013) 11032–11050.

     

    E. Fasolo, M. Rossi, J. Widmer, M. Zorzi, In-network aggregationtechniquesfor wireless sensor networks: a survey, IEEE WirelessCommun. 14 (2) (2007) 70–87.

     

    Z. Yan, V. Subbaraju, D. Chakraborty, A. Misra, K. Aberer, Energyefficientcontinuous activity recognition on mobile phones: anactivity-adaptive approach, in: 16th Int. Symp. on WearableComputers, Newcastle, 2012, pp. 17–24.

     

    S. Wang, A. Vasilakos, H. Jiang, X. Ma, W. Liu, K. Peng, B. Liu, Y. Dong,Energy efficient broadcasting using network coding aware protocolin wireless ad hoc network, in: IEEE Int. Conf. on Communications(ICC), Kyoto, 2011, pp. 1–5.

     

    N. Kimura, S. Latifi, A survey on data compression in wireless sensornetworks, in: Int. Conf. on Information Technology: Coding andComputing,Las Vegas, NV, 2005, pp. 8–13.

     

    R. de Paz Alberola, D. Pesch, Duty cycle learning algorithm (DCLA)for IEEE 802. 15. 4 beacon-enabled wireless sensor networks, Ad HocNetw. 10 (4) (2012) 664–679.

     

    R. Carrano, D. Passos, L. Magalhaes, C. Albuquerque, Survey andtaxonomy of duty cycling mechanisms in wireless sensor networks,IEEE Commun. Surv. Tutorials 16 (1) (2014) 181–194.

     

    H. Ba, I. Demirkol, W. Heinzelman, Passive wake-up radios:from devices to applications, Ad Hoc Netw. 11 (8) (2013) 2605–2621.

     

    S. Misra, M. P. Kumar, M. S. Obaidat, Connectivity preservinglocalized coverage algorithm for area monitoring using wirelesssensor networks, Comput. Commun. 34 (12) (2011) 1484–1496.

     

    E. Karasabun, I. Korpeoglu, C. Aykanat, Active node determinationfor correlated data gathering in wireless sensor networks, Comput. Netw. 57 (5) (2013) 1124–1138.

     

    D. Kumar, T. C. Aseri, R. Patel, EEHC: energy efficient heterogeneousclustered scheme for wireless sensor networks, Comput. Commun. 32 (4) (2009) 662–667.

     

    H. Li, Y. Liu, W. Chen, W. Jia, B. Li, J. Xiong, COCA:constructingoptimal clustering architecture to maximize sensor networklifetime, Comput. Commun. 36 (3) (2013) 256–268.

     

    A. Liu, J. Ren, X. Li, Z. Chen, X. S. Shen, Design principles andimprovement of cost function based energy aware routingalgorithms for wireless sensor networks, Comput. Netw. 56 (7)(2012) 1951–1967.

     

    Z. Wang, E. Bulut, B. Szymanski, Energy efficient collision awaremultipath routing for wireless sensor networks, in: IEEE Int. Conf. on Communications, Dresden, 2009, pp. 1–5.

     

    M. Radi, B. Dezfouli, K. A. Bakar, M. Lee, Multipath routing inwireless sensor networks: survey and research challenges, Sensors12 (1) (2012) 650–685.

     

    S. Misra, N. E. Majd, H. Huang, Constrained relay node placement inenergy harvesting wireless sensor networks, in: IEEE 8th Int. Conf. on Mobile Adhoc and Sensor Systems, Valencia, 2011, pp. 2155–6806.

     

    D. Dandekar, P. Deshmukh, Energy balancing multiple sink optimaldeployment in multi-hop wireless sensor networks, in: IEEE 3rdInt. Advance Computing Conference, Ghaziabad, 2013, pp. 408–412.

     

    W. Liang, J. Luo, X. Xu, Prolonging network lifetime via a controlledmobile sink in wireless sensor networks, in: IEEE GlobalTelecommunications Conference, Miami, 2010, pp. 1–6.

     

    R. Sugihara, R. Gupta, Optimizing energy-latency trade-off in sensornetworks with controlled mobility, in: IEEE INFOCOM, Rio deJaneiro, 2009, pp. 2566–2570.

     

    P. Nintanavongsa, M. Naderi, K. Chowdhury, Medium access controlprotocol design for sensors powered by wireless energy transfer,in: IEEE INFOCOM, Turin, 2013, pp. 150–154.

     

    K. Tutuncuoglu, A. Yener, Communicating using an energyharvesting transmitter: optimum policies under energy storagelosses, IEEE Trans. Wireless Commun. (2012) 1–11 (submitted forpublication), Available at.

     

    L. Xie, Y. Shi, Y. Hou, A. Lou, Wireless power transfer andapplications to sensor networks, IEEE Wireless Commun. 20 (4)(2013) 140–145.

     

    K. Kaushik, D. Mishra, S. De, S. Basagni, W. Heinzelman, K. Chowdhury, S. Jana, Experimental demonstration of multi-hop RFenergy transfer, in: IEEE 24th Int. Symp. on Personal Indoor andMobile Radio Communications, London, UK, 2013, pp. 538–542.

     

    Dohler, M. ; Watteyne, T. ; Winter, T. ; Barthel, D. ; “Routing Requirements for Urban Low-Power and Lossy Networks”, RFC 5548, 2009.

     

    Manap, Z. ; Ali, B. ; Ng, C. ; Noordin, N. ; Sali, A. ; “A Review on Hierarchical Routing Protocols for Wireless Sensor Networks”, Wireless Personal Communications, DOI 10. 1007/s11277-013-1056-5, 2013.

     

    Martocci, J. ; De Mil, P. ; Riou, N. ; Vermeylen, W. ; “Building Automation Routing Requirements in Low-Power and Lossy Networks”, RFC 5867, 2010.

     

    Yao Y, Gehrke J. Query processing in sensor networks, In Proceedings of the First Biennial Conference on Innovative Data Systems Research (CIDR), Asilomar, California, January 5–8, 2003; 46–55.

     

    Madden S, Franklin M, Hellerstein J, Hong W. TinyDB: an acquisitional query processing system for sensor networks. ACM Transactions on Database Systems March 2005; 30(1): 122–173.

     

    Madden S, Franklin M, Hellerstein J, Hong W. TAG: a tiny aggregation service for ad-hoc sensor networks, In Proceedings of the 5th symposium on Operating systems design and implementation, Boston, MA, USA, December 9–11, 2002.

     

    Sadagopan N, Singh M, Krishnamachari B. Decentralized utility-based design of sensor networks. Mobile Networks and Applications 2006; 11(3): 341–350.

     

    Al-Karaki JN, Kamal AE. Routing techniques in wireless sensor networks: a survey. IEEE Wireless Communications 2004; 11(6): 6–28.

     

    Zhao L, Liu G, Chen J, Zhang Z. Flooding and directed diffusion routing algorithm in wireless sensor networks, In Proceedings of the 5th International Conference on Hybrid Intelligent Systems, Shenyang 2009. vol. 2, August 2009; 235–239.

     

    Bouabdallah F, Bouabdallah N, Boutaba R. On balancing energy consumption in wireless sensor networks. IEEE Transactions on Vehicular Technology 2009; 58(6): 2909–2924.

    Al-Karaki JN, Kamal AE. Routing techniques in wirelesssensor networks: a survey. IEEE Wireless Communications2004; 11(6): 6–28.

    Wang, X. -h. ; Che, C. -m. ; Li, L. ; “Reliable multi-path routing protocol in wireless sensor networks” In Proceedings of the 2010 International Conference on Parallel and Distributed Computing,Applications and Technologies, p. p. 289–294, 2010.

    Wang, Z. ; Bulut, E. ; Szymanski, B. K. ; “Energy efficient collision aware multipath routing for wireless sensor networks”, In Proceedings of the 2009 IEEE international conference oncommunications, 2009.

    Gaddour, O. ; Kouba, A. ; "RPL in a nutshell: A survey", Computer Networks, Vol. 56, p. p. 3163-3178, 2012.

    Shu, L. ; Zhang, Y. ; Yang, L. ; Wang, Y. ; “TPGF: geographic routing in wireless multimedia sensor networks”, Telecommunication Systems, Vol. 44, p. p. 79-95, 2010.

    Felemban, E. ; Lee, C. ; Ekici, E. ; “MMSPEED: Multipath multi-SPEED protocol for QoS guarantee of reliability and timeliness in wireless sensor networks,” IEEE Trans. Mobile Comput. , vol. 5, no. 6, p. p. 738–754, 2006.

    Kim, S.; “An Ant-based Multipath Routing Algorithm for QoS Aware Mobile Ad-hoc Networks”, Wireless Personal Communications, Vol. 66, p.p. 739-739, 2012.

    Pi, S. ; Sun, B. ; “Fuzzy Controllers Based Multipath Routing Algorithm in MANET”, Physics Procedia, Vol. 24, p. p. 1178-1185, 2012.

    Krishna, P. ; Saritha, V. ; Vedha, G. ; Bhiwal, A. ; Chawla, A. ; “Quality-of-service-enabled ant colony-based multipath routing for mobile ad hoc networks”, IET Communications, Vol. 6, No. 1, p. p. 76-84, 2012.

    Villaverde, C. ; Rea, S. ; Pesch, D. ; “Inrout: A qos aware route selection algorithm for industrial wireless sensor networks”, Ad Hoc Networks, Vol. 10, No. 3, p. p. 458-483, 2012.

    Tuah N, Ismail M. Extending lifetime of heterogenous wireless sensor network using relay node selection. International Conference of Information and Communication Technology (ICoICT) 2013; 1: 17–21. 2012; 23(9): 1762–1774.

    Chu Y, Tseng C, Hung C, et al. Application of loadbalanced tree routing algorithm with dynamic modification to centralized wireless sensor networks. In IEEE Sensors, 2009; 1392–1395.

    He, T. ; Stankovic, J. ; Lu, C. ; Abdelzaher, T. ; “SPEED: A stateless protocol for real-time communication in sensor networks,” in Proc. International Conference on Distributed Computing Systems, Providence, May 2003.

    Xue, Y. ; Ramamurthy, B. ; Vuran, M. ; “SDRCS: A service differentiated real-time communication scheme for event sensing in wireless sensor networks”, Computer Networks, Vol. 55, p. p. 3287-3302, 2011.

    Heinzelman WR, Chandrakasan A, Balakrishnan H, Energy – efficient communication protocol for wireless microsensor networks[C], Proc of the 33rd Intl Conf on System Sciences, 2000:1-10.

    Zhao Y, Wu J, Li F, Lu S. On maximizing the lifetime of wireless sensor networks using virtual backbone scheduling. IEEE Transactions on Parallel and Distributed Systems 2012; 23(8): 1528–1535

    Bala Krishna M, Doja MN. Self-organized energy conscious clustering protocol for wireless sensor networks. In 14th International Conference on Advanced Communication Technology, Pyeong Chang, Korea, 2012.

    L. Q. Liu, “Balanced low-latency convergecast tree based on wireless sensor network,” Master Thesis. Chung Hua University, Hsinchu, Taiwan, 2003. (in Chinese)

    H. Dai, and R. Han, “A node-centric load balancing algorithm for wireless sensor networks,” in proceedings of IEEE GLOBECOM '03,. vol. 1, pp. 548-552, 2003.

    S. Phoha, T. LaPorta, and C. Griffin, “Sensor Network Operations,” John Wiley & Sons, Inc. Publication, 2006.

    W. B. Heinzelman, A. P. Chandrakasan, H. Balakrishnan, “An application-specific protocol architecture for wireless microsensor networks,” IEEE Transactions on Wireless Communications, vol. 1, no. 4, pp. 660-670, 2002.

    S. Lindsey, and C. S. Raghavendra, “PEGASIS: Power-efficient gathering in sensor information systems,” in proceedings of IEEE Aerospace Conference, vol. 3, pp. 1125-1130, Mar. 2002.

    Huang C, Cheng R, Wu T, Chen S. Localized routing protocols based on minimum balanced tree in wireless sensor networks. In 5th International Conference on Mobile Ad-hoc and Sensor Networks, Waterloo, Canada, 2009; 503–510.

    Chakraborty S, Chakraborty S, Nandi S, Karmakar S. Energy-efficient data gathering for road-side sensor networks ensuring reliability and fault-tolerance. In 27th International Conference on Advanced Information Networking and Applications (AINA), Barcelona, Spain, 2013; 189–196.

    Tsao, T. ; Alexander, R. ; Dohler, M. ; Daza, V. ; Lozano, A. ; " A Security Threat Analysis for the Routing Protocol for Low-Power and Lossy Networks (RPLs)", RFC 7416, 2015.

    Goyal, M. ; Baccelli, E. ; Philipp, M. ; Brandt, A. ; Matrocci, J. ; " Reactive Discovery of Point-to-Point Routes in Low-Power and Lossy Networks", RFC6997, 2013.

    Levis, P. ; Clausen, T. ; Hui, J. ; Gnawali, O. ; Ko, J. ; "The Trickle Algorithm", RFC6206, 2011.

    Vasseur, J. ; Kim, M. ; Pister, K. ; Dejean, N. ; Barthel, D. ; “Routing metrics used for path calculation in low-power and lossy networks”, RFC6551, 2012.

    Karkazis, P. ; Trakadas, P. ; Leligou, H. ; Sarakis, L. ; Papaefstathiou, I. ; Zahariadis, T. ; “Evaluating routing metric composition approaches for QoS differentiation in low power and lossy networks”, Wireless Networks, doi:10. 1007/s11276-012-0532-2, December 2012.

    Winter, T. ; Thubert, P. ; “RPL: IPv6 routing protocol for low-power and lossy networks”, RFC6550, 2012.

    Xinxin L, Guo J, Bhatti G, Orlik P, Parsons K. Load balanced routing for low power and lossy networks. IEEE Wireless Communications and NetworkingConference (WCNC) 2013; 1: 2238–2243, DOI:10. 1109/WCNC. 2013. 6554908.

    Behzadan A, Anpalagan A. Utility driven balanced communication (UDBC) algorithm for data Routing in wireless sensor networks. In 25th IEEE Biennial Symposium on Communications, Canada, Queen’s University, 2010; 187–192.

    Behzadan, Afshin, et al. "An energy‐efficient utility‐based distributed data routing scheme for heterogenous sensor networks. " Wireless Communications and Mobile Computing (2014).

    Hou, J. ; Li, N. ; Stojmenovic´, I. ; Handbook of sensor networks: Algorithms and architectures, chap. 10: Topology construction and maintenance in wireless sensor networks, Wiley Interscience, p. 315, 2005.

    Rappaport, T. Wireless Communications: Principles and Practice, 2nd Edition, Prentice-Hall, 2002.

    Nesary Moghadam, M. ; Taheri, H. ; Karrari, M. ; "Minimum cost load balanced multipath routing protocol for low power and lossy networks", Wireless Networks Vol. 20, No. 8, p. p. 2469-2479, 2014.

    Shi, H. ; Yin, B. Adaptive clustering and transmission range adjustment for topology control in wireless sensor networks. Doctoral Dissertation, University of Missouri at Columbia Columbia, MO, USA, 2006.

    Digi International Inc. XBee/XBee-PRO User's Manual v1. xEx, Sept. 2009.

     


تحقیق در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, مقاله در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, پروژه دانشجویی در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, پروپوزال در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, تز دکترا در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, تحقیقات دانشجویی درباره پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, مقالات دانشجویی درباره پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, پروژه درباره پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, گزارش سمینار در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, پروژه دانشجویی در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, تحقیق دانش آموزی در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, مقاله دانش آموزی در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, رساله دکترا در مورد پایان نامه بررسی، شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم

پایان‌نامه کارشناسی ارشد گرایش الکترونیک چکیده امروزه با توجه به مزایای شبکه ­های حسگر بی­سیم که همانا پیاده­­سازی ساده و ارزان، مصرف توان پایین و مقیاس­پذیری بالای آنها است، در بسیاری از کاربردها مورد استفاده قرار گرفته­اند. طراحی شبکه­های پایدار حسگر بی­سیم یک مسئله بسیار چالش برانگیز است. انتظار می­رود حسگرها با انرژی محدود به صورت خودکار برای مدت طولانی کار کنند. این در حالی ...

پایان نامه برای دریافت درجه کارشناسی ارشد(M.Sc) چکیده شبکه حسگر بی سیم، شبکه ای است که از تعداد زیادی گره کوچک تشکیل شده است. گره از طریق حسگرها اطلاعات محیط را دریافت می‌کند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد. بنابراین توان مصرفی گره‌ها موضوع مهمی در این شبکه ها است. و استفاده از روش‌های دقیق و سریع ...

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش : برق قدرت چکیده یکی از چالش های مهم طراحی در شبکه های حسگر بی سیم (WSN)، طولانی کردن طول عمر سیستم (گره) است، در حالیکه به کیفیت سرویس قابل قبولی برای کاربردها دست یافت. طولانی کردن عمر گره با کاهش مصرف انرژی ارتباط مستقیم دارد . در WSN، هر گره حسگر با توان باتری کار می کند و در اکثر موارد مخصوصا در محیط های دور و خصمانه امکان ...

پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش: نرم افزار چکیده ﺍﻣﺮﻭﺯﻩ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯﺷﺒﮑﻪ­ های ﺳﻨسور ﺑﻲ­ﺳﻴﻢ (Wireless Sensor Network) ﺑﻪ ﺷﮑﻞﮔﺴﺘﺮﺩﻩ­ﺍی ﺭﻭ ﺑﻪ ااست. ﺑﻪ ﻋﻠﺖ ﺍﺳﺘﻔﺎﺩﻩ ﻏﺎﻟﺐ ﺍﺯ ﺑﺎﻃﺮی ﺑﺮﺍی ﺗﺎﻣﻴﻦ ﺍﻧﺮﮊی ﻣﺼﺮﻓﻲ ﺍﻳﻦ ﺳﻨﺴﻮﺭﻫﺎ ﻭ ﻫﻤﭽﻨﻴﻦ ﻋﺪﻡ ﺩﺳﺘﺮﺳﻲ ﺁﺳﺎﻥ ﺑﻪ ﺳﻨﺴﻮﺭﻫﺎ ﺩﺭ ﺑﺴﻴﺎﺭی ﺍﺯ ﺍﻳﻦ ﮐﺎﺭﺑﺮﺩﻫﺎ، ﻣﻬﻨﺪﺳﺎﻥ ﻭ ﻣﺤﻘﻘﺎﻥ ﺑﻪ ﺳﻤﺖ ﻃﺮﺍﺣﻲ پروتکل­ ﻫﺎی ﻣﺴﻴﺮﻳﺎﺑﻲ ﺑﺎ خصوصیات انرژی مصرفی کم و افزایش طول ...

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش : برق قدرت چکیده یکی از چالش های مهم طراحی در شبکه های حسگر بی سیم (WSN)، طولانی کردن طول عمر سیستم (گره) است، در حالیکه به کیفیت سرویس قابل قبولی برای کاربردها دست یافت. طولانی کردن عمر گره با کاهش مصرف انرژی ارتباط مستقیم دارد . در WSN، هر گره حسگر با توان باتری کار می کند و در اکثر موارد مخصوصا در محیط های دور و خصمانه امکان ...

پایان نامه برای دریافت درجه کارشناسی ارشد" M.Sc" گرایش :نرم افزار چکیده یکی از چالش های مطرح در زمینه شبکه‌ های حسگر ،نحوه مسیریابی و جمع‌آوری اطلاعات از گره‌های شبکه می‌باشد .از آنجا که این شبکه‌ها از لحاظ منابع انرژی و پردازشی محدودیت دارند،نیازمند روش‌های خاصی برای مسیریابی و انتقال اطلاعات می‌باشند که مصرف انرژی پایینی داشته باشند. برای واضح تر شدن موضوع ،در شبکه های حسگر ...

چکیده شبکه حسگر بی سیم، شبکه ای است که از تعداد زیادی گره کوچک تشکیل شده است. گره از طریق حسگرها اطلاعات محیط را دریافت می‌کند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد. بنابراین توان مصرفی گره‌ها موضوع مهمی در این شبکه ها است. و استفاده از روش‌های دقیق و سریع محاسبه توان مصرفی در طراحی سیستم‌های کم توان بسیار ...

پایان نامه برای دریافت درجه کارشناسی ارشد مهندسی برق گرایش الکترونیک چکیده: شبکه های حسگر بی سیم متشکل از تعداد زیادی گره های حسگر کوچک هستند که این گره ها دارای محدودیت های سطح انرژی ،پهنای باند،توان پردازشی و حافظه هستند.از این رو مسیر یابی،خوشه بندی، کاهش مصرف انرژی وافزایش طول عمر شبکه چالش های اصلی مسیر یابی در شبکه حسگر بی سیم هستند که مطالعات زیادی بر روری آنها صورت گرفته ...

پایان‌نامه برای دریافت درجه کارشناسی ارشد در رشته کامپیوتر گرایش نرم­افزار چکیده کاربرد روز افزون شبکه‌ های حسگر بی‌سیم در زندگی انسان گویای اهمیت زیاد این تکنولوژی است. محدودیت انرژی در عناصر تشکیل دهنده‎ی شبکه‌های حسگر بی‌سیم که گره‌حسگرها می‌باشند همواره به عنوان مهمترین چالش پیش روی این تکنولوژی مطرح بوده است و به همین دلیل بخش اعظم تحقیقات انجام شده در حیطه‌ی شبکه‌های حسگر ...

پایان نامه کارشناسی ارشد در رشته مهندسی برق (مخابرات سیستم) چکیده بهینه­سازی جایگذاری گره­ها در محیط­های مختلف برای شبکه­های حسگرفراپهن­باند مکان­یاب سیستم­های مکان­یاب به سیستم­هایی گفته می­شود که بتوانند مکان یک جسم را در یک فضا تشخیص دهند. اینگونه سیستم­ها معمولا با استفاده از ارتباطات رادیویی، فاصله دو جسم را تشخیص داده و بعد از چندین اندازه­­­گیری از گره­های مختلف، مکان جسم ...

ثبت سفارش