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
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:
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
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/