عنوان

کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم به روش کم کردن ارتباطات میان حسگرها با استفاده از حسگری فشرده

شماره

‭۱۸۰۲۱پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم به روش کم کردن ارتباطات میان حسگرها با استفاده از حسگری فشرده

نام نخستين پديدآور

/سیده نسیم عدنانی

نام ناشر، پخش کننده و غيره

: مهندسی برق و کامپیوتر

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۶‬

نام توليد کننده

، افشاری

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی برق- مخابرات) سیستم(

زمان اعطا مدرک

‮‭۱۳۹۶/۰۶/۲۰‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

شبکه‌های حسگری بی‌صسیم از تعدادی گره حسگری تشکیل شده است که با اهداف مختلف نظیر نظارت، تشخیص و تعقیب شیء، کنترل ترافیک و غیره گرد هم آمده‌صاند .به دلیل محدودیت گره‌صهای حسگری از حیث انرژی، فضای حافظه، پهنای باند و توان محاسباتی، نیاز به استفاده از روش‌صهای فشرده‌صسازی داده‌صها در شبکه‌صهای حسگری برای غلبه بر این محدودیت‌صها حس می‌صشود .یکی از انواع روش‌صهای فشرده‌صسازی داده که مناسب شبکه‌صهای حسگری است، روش حسگری فشرده ‮‭(CS)‬ است که می‌صتواند از هر دو نوع همبستگی زمانی و مکانی که معمولا در داده‌صهای حاصل از شبکه-های حسگری دیده می‌صشودص‍ استفاده کند و به نرخ فشرده‌صسازی بالا و خطای پایین در بازسازی سیگنال دست پیدا کند .ما در این پایان‌صنامه یک الگوریتم جدید بر پایه حسگری فشرده برای بازسازی سیگنال در شبکه‌صهای حسگری بی‌صسیم ارائه کرده‌صایم .الگوریتم پیشنهادی از پردازش پنجره‌صای سیگنال بهره می‌صبرد و به تدریج و به صورت ترتیبی، سیگنال کلی را از روی مشاهدات دریافتی از سمت شبکه، در چاهک بازسازی می‌صکند .الگوریتم پیشنهادی که ما آن را الگوریتم حسگری فشرده ترتیبی- مکعبی نامیدیم، دیتا را به شکل یک مکعب مرتب می‌صکند و از این نمایش برای استخراج اطلاعات بیشتر راجع به سیگنال تحت بازسازی استفاده می‌صکند .دو حلقه بازسازی در الگوریتم ترتیبی- مکعبی وجود دارد که این دو حلقه در هر لحظه از زمان با هم حل می‌صشوند و از پاسخ به‌ص‍ دست آمده از هر یک، به عنوان اطلاعات اولیه در حلقه دیگر استفاده می‌صشود .حلقه اول، یک داده‌صی زمانی را با استفاده از الگوریتم تعقیب پایه ‮‭(BP)‬ اصلاح‌صشده بازسازی می‌صکند و حلقه دوم برای بازسازی سیگنال از الگوریتم‮‭IRW‬ - اصلاح‌صشده استفاده می‌صکند .برای نمونه‌صبرداری از سیگنال همبسته زمانی و مکانی از نوعی ماتریس مشاهدات تنک دودویی تصادفی استفاده کرده‌صایم که برای کسب اطلاعات هر چه‌ص‍ بیشتر از شبکه، به یک شرط تنوع نمونه‌صها در دو زمان متوالی نمونه‌صبرداری مجهز شده صاست .روش پیشنهادی در مقایسه با الگوریتم‌صهای دیگری که هدف کاهش مصرف انرژی در شبکه‌صهای حسگری بی‌صسیم را با استفاده از ‮‭CS‬ دنبال می‌صکنند، عملکرد بهتری از حیث خطای بازسازی از خود نشان می‌صدهد

متن يادداشت

Wireless sensor networks consist of several sensor nodes that are gathered together to fulfill certain duties such as monitoring, object detection and tracking, traffic control etc. Sensor nodes have limitations in energy consumption, storage, bandwidth and computational power, and due to these limitations there is an urgent need to use data compression methods in WSNs. One of the most useful data compression methods is compressed sensing (CS). This method is capable of exploiting both spatial and temporal correlation in data and thus is suitable for WSNs because of the fact that the data from WSN inherently have these two kinds of correlations. By using CS to compress and reconstruct correlated signals, one can achieve higher compression ratios (CR) and lower reconstruction errors. We have proposed a novel data reconstruction algorithm for WSN data which is based on CS. Our proposed method benefits from sliding window processing and sequentially reconstructs the whole signal from the received measurements in the sink node. The proposed algorithm which we call it Cube-Sequential-CS arranges the data in form of a cube and uses this representation to extract more information about the intended signal. There are two reconstruction loops in Cube-Sequential-CS algorithm which are solved together in each time instance and the solution of one loop is used in the other as prior information. The first loop reconstructs a temporal data by using a modified version of basis pursuit (BP) algorithm, and the second loop uses a modified version of Iteratively Reweighted -norm minimization (IRW- ) algorithm for signal reconstruction. To sample the spatially- and temporally-correlated signals in WSN, we have used a special kind of binary sparse random measurement matrix. This matrix is equipped with a condition which guarantees the variety of samples taken between two consecutive time instants. This condition makes the samples bear more information about the sensor field. The proposed method outperforms other reconstruction algorithms which pursue the same goal of minimizing the energy consumption using CS in WSNs

مستند نام اشخاص تاييد نشده

عدنانی، نسیم

مستند نام اشخاص تاييد نشده

طینتی، محمد علی، استاد راهنما

مستند نام اشخاص تاييد نشده

یوسفی رضایی، توحید، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی