مدل سازی تطبیقی محیط در شبکه های حسگری بی سیم برای روش مکان یابی مبتنی بر rssi

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.