مدل سازی تطبیقی محیط در شبکه های حسگری بی سیم برای روش مکان یابی مبتنی بر RSSI
نام نخستين پديدآور
/بابک صلح جو
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
تبریز: دانشگاه تبریز، دانشکده برق، مخابرات - سیستم
مشخصات ظاهری
نام خاص و کميت اثر
۱۰۲ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
واژه نامه بصورت زیرنویس
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
برق-مخابرات - سیستم
زمان اعطا مدرک
۱۳۹۰/۱۱/۲۵
کسي که مدرک را اعطا کرده
تبریز: دانشگاه تبریز، دانشکده برق، مخابرات - سیستم
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
شبکه های حسگری بی سیم یکی از روش های جدیدی است که در سال های اخیر و بیشتر با هدف جمع آوری اطلاعات از محیط و مانیتوریگ مورد توجه قرار گرفته است .یکی از مسائل مهم موجود در شبکه های حسگری بی سیم مسئله مکان یابی گره های حسگری است به طوری که بدون داشتن اطلاعات از محل گره های حسگری و یا محل پدیده های رخ داده در شبکه، اطلاعات استخراج شده دارای ارزش چندانی نخواهد بود .همچنین بسیاری از کاربرد های موجود در شبکه های حسگری بی سیم نیازمند اطلاعاتی از مکان گره ها هستند .روش های مکان یابی موجود به دو گروه مبتنی بر فاصله و مستقل از فاصله قابل تقسیم بندی هستند .روش های مبتنی بر فاصله عموما دارای دقت بالا و در عین حال قیمت بالا هستند .در مقابل روش های مستقل از فاصله دارای دقت و قیمت پایینی هستند .روش های مکان یابی مبتنی بر توان دریافتی نوعی روش مکان یابی مبتنی بر فاصله است که قیمت تمام شده پایین و در عین حال دقت مناسبی دارند .روش های سنتی مکان یابی مبتنی بر توان دریافتی عموما برد رادیویی گره ها را دایروی فرض می کنند و قدرت تطبیق پذیری پایینی با محیط دارند .به همین دلیل تغییر پارامترهای محیط موجب افزایش خطای مکان یابی در این روش ها می گردد .اگرچه روش هایی همچون شبکه های عصبی، تطبیق منحنی، روش های فازی و نقشه توان دارای قدرت تطبیق پذیری مناسبی با محیط هستند ولی این روش ها نیز به منظور تشکیل مدل به تعداد فراوانی نمونه از محیط نیاز دارند .همچنین این روش ها با محدودیت هایی در توسعه شبکه مواجه هستند .در الگوریتمی که در این پایان نامه ارائه می گردد گره های حسگری مدلی غیر دایروی را برای برد رادیویی خود تشکیل می دهند .این مدل بر اساس محیطی که گره در آن قرار گرفته است تشکیل می گردد و تطبیق پذیر می باشد .مدل ارائه شده با گذر زمان قابل تجدید بوده و به این ترتیب با تغییر پارامترهای محیط خطای مکان یابی افزایش نمی یابد .روش ارائه شده نیازی به تعداد زیادی نمونه از محیط برای تشکیل مدل ندارد .شبیه سازی ها نشان می دهد که الگوریتم مکان یابی معرفی شده خطای مکان یابی کمتری را در مقایسه با روش های سنتی تولید می کند و در عین حال قادر به مکان یابی درصد بیشتری از گره های حسگری است .شبیه سازی ها نشان می دهد که الگوریتم ارائه شده در چگالی های پایین گره های حسگری دارای کارایی بهتری در مقایسه با روش های سنتی و به خصوص روش های مستقل از فاصله است .مدل های استخراج شده توسط گره های حسگری در الگوریتم ارائه شده علاوه بر کاربردی که در مکان یابی دارند می توانند ویژگی های کلی محیط اطراف گره های حسگری را نیز مشخص کنند
متن يادداشت
Wireless Sensor Networks are new approaches that have been proposed recently for monitoring applications mainly. One of the important problems in the WSNs is the localization of the nodes. The obtained information from the nodes in the WSNs is useless, if there is no information about the location of the node. Moreover many of applications in the WSNs need information about the location of the nodes. The localization algorithms can be categorized in two major categories, range-based and range-free localization algorithms. The range-based localization algorithms usually are more precise and also more expensive than range-free methods.The RSSI-based localization algorithms are sort of range-based localization algorithms that have high accuracy and at the same time are less expensive localization algorithms. Traditional RSSI-based localization algorithms assume the radio range to be circular; moreover they are not properly adaptable with their environments. As a result changing the parameters of the environment cause a considerable localization error in these algorithms. However some of the algorithms such as ANNs, curve fitting, fuzzy systems and RF-Maps have proper adaptability but they need a lot of samples from the environment in order to construct the models. These types of algorithms have some limits for network extension. In the proposed algorithm the nodes construct a non-circular model for their radio range. These models are constructed based on the environment and are adaptive. These models can be refreshed in different times so changing the parameters of the environment does not affect the accuracy of the algorithm. The proposed algorithm does not need a lot of samples from its environment for model construction. Simulations represent that the localization error of the proposed algorithm is less than the traditional localization algorithms and at the same time can localize more nodes. The proposed algorithm has a better performance in the low densities of the nodes in comparison with traditional algorithms, specially the range-free methods. The obtained models not only help us to localize the nodes more accurately but also state the general properties of the area around of the nodes
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Wireless Sensor Networks
موضوع مستند نشده
Adaptive Localization
موضوع مستند نشده
RSSI
موضوع مستند نشده
AEM
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )