CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود روش نمونه برداری تجمیع داده مبتنی بر سنجش فشرده و یادگیری لغت نامه در شبکه حسگر بی سیم به کمک نظریه اطلاعات

عنوان مقاله: بهبود روش نمونه برداری تجمیع داده مبتنی بر سنجش فشرده و یادگیری لغت نامه در شبکه حسگر بی سیم به کمک نظریه اطلاعات
شناسه ملی مقاله: JR_JIPET-13-49_003
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

غلامرضا ایمانیان - دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
محمدعلی پورمینا - دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
احمد صلاحی - پژوهشگاه ارتباطات و فن آوری اطلاعات، تهران، ایران

خلاصه مقاله:
در دهه اخیر با هدف کاهش هزینه های نظارت محیطی، فرایند تجمیع داده مبتنی بر روش مشترک سنجش فشرده و یادگیری لغت­نامه در شبکه های حسگر بی سیم مورد توجه قرار گرفته است. در این مقاله یک طرح نمونه­برداری قطعی و غیرتصادفی برای استفاده در این روش تجمیع داده ارائه شده است. این طرح مبتنی بر برآورد کمیت اطلاعات متقابل داده حسگرها است که با نمونه­برداری از تمام آنها در بخش کوتاهی از دوره جمع آوری داده به­نام مرحله آموزش به­دست می آید. در مرحله بعدی و اصلی دوره جمع آوری داده گره هایی نمونه­برداری می شوند که بیشترین اطلاعات را درباره گره های نمونه­برداری نشده در اختیار بگذارند. نتایج شبیه­سازی ها با سیگنال­های واقعی نشان می دهد که حتی زمانی­که تعداد حسگرهای نمونه بردار تنها شامل ۲۵ درصد از کل گره های شبکه است می توان به طور متوسط به بیش از ۱۲ درصد صرفه­جویی در مصرف انرژی نسبت به روش نمونه­برداری مرجع دست یافت.

کلمات کلیدی:
شبکه حسگر بی سیم, سنجش فشرده, جمع آوری داده, نظارت محیطی, یادگیری لغت نامه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1289362/