بهبود الگوریتم مکانیابی Trilateration در شبکههای حسگر بیسیم با استفاده ازنوروفازی
محل انتشار: کنفرانس بین المللی علوم و مهندسی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 721
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCON01_0664
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
یک شبکه حسگر بیسیم از تعدادی گره حسگر بیسیم ترجیحاً ارزان قیمت تشکیل شده است که به منظور اندازهگیری کمیتهای معینی )نظیر دما و نور( در یک محیط هدف )نظیر یک محدوده نظامی(، مستقر شدهاند. مکانیابی یکی از مسائلکلیدی در شبکههای حسگر بیسیم میباشد چرا که کارکرد اصلی شبکههای حسگر بیسیم، جمعآوری اطلاعات از محیط هدف است و بنابراین دانستن موقعیت مکانی دقیق اطلاعات جمعآوری شده، کمک شایانی به درک مناسب محیط مورد پایش مینماید. اکثر روشهای مکانیابی که تا کنون ارائه شدهاند، فاقد قابلیت یادگیری و توان سازگاری با شرایط محیطی بودهاند. لذا در این مقاله، روشی ترکیبی مبتنی بر سیستم استنتاج نوروفازی تطبیقی ) ANFIS ) 1 با قابلیت یادگیری شبکهعصبی و شفافیت و تطبیقپذیری سیستم استنتاج فازی، جهت بهبود تخمین موقعیت گره حسگر در الگوریتم مکانیابی Trilateration پیشنهاد شده است. روش پیشنهادی که تحت نام NF-WVIT معرفی میگردد، بر اساس اطلاعات اتصال که بهطور معمول بین گرهها منتقل میشوند، عمل نموده و روشی انرژی کارآمد محسوب میشود. با توجه به اینکه الگوریتم این روش، به صورت مستقل بر روی هر گره حسگر عمل میکند، لذا یک روش توزیع شده با قابلیت خودسازماندهی در گرهها و شبکه حسگر، محسوب میگردد. روش پیشنهادی و چندین روش مشابه، در محیط نرمافزار متلب، شبیهسازی و تحت شرایط مختلف مورد آزمون قرار گرفتهاند. نتایج به دست آمده از آزمونها، بیانگر خطای مربعات میانگین کمتر روش پیشنهادی و 54 % بهبود در تخمین موقعیت گره حسگر در مقایسه با الگوریتم مکانیابی Trilateration میباشد
کلیدواژه ها:
نویسندگان
مرتضی فرامرزی
گروه کامپیوتر، واحد بوئین زهرا، دانشگاه آزاد اسلامی بوئین زهرا، ایران
مهدی ملامطلبی
گروه کامپیوتر، واحد بوئین زهرا، دانشگاه آزاد اسلامی بوئین زهرا، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :