امروزه در شبکه های حسگر بی سیم پروتکل های مسیریابی مبتنی بر خوشه بندی یکی از مهمترین روش های کاهش مصرف انرژی در شبکه های حسگر بی سیم هستند. با این وجود، همه پروتکل های خوشه بندی ارایه شده تاکنون، تنها نزدیکی جغرافیایی(همسایگی) را به عنوان پارامتر تشکیل خوشه ها در نظر گرفته اند. در این تحقیق یک پروتکل خوشه بندی جدید ارایه می شود. این پروتکل خوشه بندی جدید که پروتکل سازماندهی سرخوشه به کمک شبکه عصبی (nacho) نام دارد، با استفاده از شبکه های عصبیart فازی برای به حداقل رساندن اتلاف انرژی و بهبود تعادل انرژی و در نهایت برای افزایش طول عمر شبکه و افزایش پوشش شبکه ای تلاش می کند. به علاوه یک تابع هزینه جدید به منظور تصمیم گیری در انتخاب گره های سرخوشه، پیشنهاد شده است که با ترکیب معیارهای مختلف انتخاب سرخوشه با هم، از مزایای هر یک از آن ها بهره جسته و امکان چرخش نوبتی نقش سرخوشه را بعد از هر مرحله انتقال ایجاد می کند.کارایی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و حفظ بهتر پوشش شبکه ای در مقایسه با پروتکل های پیشین نظیر leach و نیز تاثیر تابع هزینه پیشنهادی بر کارایی آن با شبیه سازی به اثبات رسیده است.

ایده اصلی استفاده شده در این پایان نامه استفاده از ویژگی های طبیعی به عنوان نشانه های محیطی برای موقعیت یابی می باشد. چهار مرحله اساسی برای موقعیت یابی وجود دارد. مرحله اول شامل استخراج ویژگی های طبیعی موجود در صحنه به عنوان نشانه های محیطی می باشد، مرحله دوم یافت تناظر بین ویژگی های یافت شده در تصاویر پایگاه داده و تصویر اکتسابی توسط روبات می باشد و مرحله سوم یافتن تطابق با استفاده از تعداد تناظرهای یافت شده است و مرحله آخر تعیین موقعیت روبات با استفاده از تناظرهای یافت شده در صحنه مورد بحث می باشد. نوآوری انجام شده در این پایان نامه به مرحله دوم و سوم مربوط می¬شود که پس از یافتن یک تناظر اولیه با روشهای مختلف اقدام به اصلاح و حذف تناظرها خواهیم نمود. سه روش در این مرحله مورد بررسی قرار خواهد که به طور کامل تشریح خواهد شد. در انتها بررسی انجام شده نشان می دهد که روش پیشنهادی دارای نقاط قوتی همچون عدم وابستگی به پارامترهای عملگر sift و یا قابلیت عملکرد در تصاویر با تناظرهای صحیح اندک می باشد که در نهایت باعث افزایش کارآیی این روش و بهبود خروجی برنامه خواهد شد.