نام پژوهشگر: مریم‌السادات میرصادقی

ردیابی شی متحرک در شبکه های حسگر بیسیم با انرژی مصرفی کم
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده فنی 1392
  مریم السادات میرصادقی   علی ماهانی

ردیابی شی متحرک یکی از مهم ترین کاربردهای شبکه های حسگر بیسیم در زمینه های نظامی و محیط های غیرنظامی می باشد. استفاده از این شبکه ها با چالش هایی نیز همراه می باشد که مهم ترین آن ها محدودیت توان گره های حسگر است. بنابراین ارائه روش هایی به منظور کاهش انرژی مصرفی در کنار دقت و کیفیت بالای ردیابی یکی از اهداف مهم در مسأله ردیابی شی متحرک می باشد. یکی از راه های مناسب برای رسیدن به این هدف کاهش تعداد گره های شرکت کننده در ردیابی و در نتیجه افزایش زمان خواب گره هاست که برای این منظور از دو راهکار پیشگویی و خوشه بندی استفاده می کنیم. دقت پیشگویی و همچنین نحوه خوشه بندی شبکه، برروی انتخاب صحیح گره ها، افزایش دقت ردیابی و در نتیجه کاهش انرژی مصرفی سیستم ردیابی تأثیر به سزایی خواهد داشت. بدین ترتیب ما در اینجا با ارائه یک مدل جدید برای حرکت شی و با توجه به توان پردازشی محدود گره ها، پیشگویی مناسب، با دقت بالا و حجم محاسباتی کم را ارائه داده و دو روش مناسب برای خوشه بندی مطلوب شبکه معرفی می کنیم. در نهایت نیز تأثیر تمامی آن ها را برروی عملکرد و انرژی مصرفی سیستم ردیابی بررسی می کنیم. مسأله مهم دیگر، ارسال بسته ها توسط سرخوشه به گره مرکزی می باشد که در این جا به منظور توزیع متعادل مصرف انرژی میان سرخوشه ها روشی برای ارسال این بسته ها ارائه می شود. همچنین روشی مناسب برای انتخاب گره های ردیاب در مرحله بعد و راهکاری برای بازیابی شی در صورت گم شدن آن در حین ردیابی بیان می کنیم. یکی دیگر از مسائل مهمی که به وفور با آن مواجه می شویم، مسأله ردیابی اهداف چندگانه در شرایطی که اهداف نزدیک به یکدیگر حرکت می کنند می باشد. در این صورت منشأ داده های مشاهده برای سرخوشه نامعلوم خواهد بود و باید به طریقی مشاهدات را به اهداف متناظرشان اختصاص دهد. در این جا ما از راهکار خوشه بندی داده استفاده کرده و ترکیبی از دو روش خوشه بندی بر اساس چگالی و اتصال میانگین گروه را به کار می بریم. درنهایت برای انجام تمامی شبیه سازی ها به منظور بررسی تأثیر عملکرد پیشگو و خوشه بندی های پیشنهادی برروی سیستم ردیابی و همچنین میزان دقت روش پیشنهادی برای اختصاص داده و انجام مقایسه های لازم، از نر م افزار متلب استفاده می شود.