بهینه سازی مصرف انرژی در شبکه های حسگر بی سیم با استفاده از الگوریتم انتخاب سر خوشه
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 141
فایل این مقاله در 10 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:
JR_JSCIT-13-4_002
تاریخ نمایه سازی: 25 اسفند 1403
چکیده مقاله:
در طول دهه های گذشته، شبکه های حسگر بی سیم به دلیل کاربردهای گسترده، توجه تحقیقاتی قابل توجهی را به خود جلب کرده اند. عنصر اصلی یک شبکه حسگر بی سیم، گره حسگر آن است. این گره ها با باتری هایی تغذیه می شوند که اغلب قابلیت شارژ مجدد ندارند و یا به علت مشکلات دسترسی به گره های حسگر در محیط های سخت، تعویض آنها پر هزینه است. بنابراین یکی از مهم ترین مسائل در شبکه های حسگر بی سیم، بهینه سازی مصرف انرژی و به تبع آن افزایش طول عمر شبکه است. روش های مختلفی برای غلبه بر این چالش پیشنهاد شده است که در میان آنها، خوشه بندی گره ها و تجمیع و ارسال سلسله مراتبی داده های حس شده به ایستگاه پایه جهت پردازش، به عنوان یکی از متداول ترین روش های مورد استفاده در نظر گرفته می شود. در این مقاله، سه نوع توپولوژی شبکه ۱) یک سطحی، ۲) دو سطحی با حفظ وابستگی به خوشه اول و ۳) دو سطحی بدون وابستگی به خوشه اول با استفاده از سه روش انتخاب سرخوشه ، پیاده سازی شده است. روش های انتخاب سرخوشه به صورت ۱)انتخاب تصادفی بر اساس پروتکل لیچ، ۲)مرتب شده، به ترتیب پر انرژی ترین گره و ۳)وزن محور، براساس ترکیب دو معیار انرژی باقی مانده گره ها و فاصله با سایر سرخوشه های منتخب، مفروض است. نتایج حاصل از شبیه سازی نمایانگر آن است که انتخاب سرخوشه بر اساس روش وزن محور پیشنهادی و استفاده از توپولوژی شبکه دو سطحی بدون وابستگی پیشنهادی باعث افزایش طول عمر شبکه، کاهش مصرف انرژی و افزایش دوره پایداری، با مفهوم فاصله زمانی شروع عملیات شبکه تا مرگ اولین گره حسگر، می شود.
کلیدواژه ها:
نویسندگان
Fatemeh Kalhor
دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران.
Vahid Haghighatdoost
دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، 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 :