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

word 682 KB 32052 80
1393 کارشناسی ارشد مهندسی الکترونیک
قیمت قبل:۷۴,۱۰۰ تومان
قیمت با تخفیف: ۳۴,۴۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • 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 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:

    شبکه­ه ای حسگر بی­ سیم، مسیریابی حساس به انرژی، متعادل­ سازی نرخ مصرف انرژی

     

    مقدمه

          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.

    1‌.1‌مکانیزم­های ذخیره ­سازی 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 انرژیبه 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].

     

     

     

    1‌.1‌.2‌کاهش 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

     

    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

     

     

    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.


موضوع پایان نامه بررسی ،شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, نمونه پایان نامه بررسی ،شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, جستجوی پایان نامه بررسی ،شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, فایل Word پایان نامه بررسی ،شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, دانلود پایان نامه بررسی ،شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, فایل PDF پایان نامه بررسی ،شبیه سازی و بهبود الگوریتم های کاهش مصرف انرژی در شبکه های حسگر بی سیم, 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 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 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 ...

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 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 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 ...

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 ...

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 ...

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 کارشناسی ارشد رشته مهندسی کامپیوتر چکیده: در سال های اخیر با توجه به رشد روز افزون درخواستها و پیوستن مشتریان جدید به دنیای محاسبات، سیستم های محاسباتی نیز باید تغییر کنند و قدرتمندتر وانعطاف پذیرتر از قبل عمل نمایند. در این میان محاسبات ابری به عنوان مدلی فراتر از یک سیستم ارائه شد که در حال حاضر توانایی پاسخگویی به اکثر درخواست ها و نیازمندی ها را دارد. راه حل های ...

پایان نامه برای دریافت درجه کارشناسی ارشد (M.Sc) چکیده: یک شبکه حسگر متشکل از تعداد زیادی گره‌های حسگر است که در یکمحیط به طور گسترده پخش شده و به جمع‌آوری اطلاعات از محیط می‌پردازند.از آنجایی که گره ها از باتری تغذیه میکنند ،مساله مهمی که در شبکه های حسگرمورد توجه قرار میگیرد،بحث مصرف انرژی است.یکی از روشهایی که در این شبکه ها برای کاهش مصرف انرژی بسیار رایج است خواباندن گره ها ...

ثبت سفارش