نوشته‌ها

Lifetime Improvement in Wireless Sensor Networks.[taliem.ir]

Lifetime Improvement in Wireless Sensor Networks using Hybrid Differential Evolution and Simulated Annealing (DESA)

ABSTRACT

The major concerns in Wireless Sensor Networks (WSN) are energy efficiency as they utilize small sized batteries, which can neither be replaced nor be recharged. Hence, the energy must be optimally utilized in such battery operated networks. One of the traditional approaches to improve the energy efficiency is  through clustering. In this paper, a hybrid differential evolution and simulated annealing (DESA) algorithm for clustering and choice of cluster heads is proposed. As cluster heads are usually overloaded with high number of sensor nodes, it tends to rapid death of nodes due to improper election of cluster heads. Hence, this paper aimed at prolonging the network lifetime of the network by preventing earlier death of cluster heads. The proposed DESA reduces the number of dead nodes than Low Energy Adaptive Clustering Hierarchy (LEACH) by 70%, Harmony Search Algorithm (HSA) by 50%, modified HSA by 40% and differential evolution by 60%.

INTRODUCTION

  Wireless Sensor Networks (WSNs) consist of large number of tiny nodes which are either manually or  randomly deployed in diversified applications. The network considered is of homogeneous or heterogeneous in nature. Eventually due to the energy consumption being dependent on the distance between the cluster head and the node or the base station and the node, the energy of the nodes reduces in each and every round. The network totally dies when all the nodes present in the network have zero energy. Thus, the energy must be optimally used . Optimization is the procedure of finding the conditions that minimize the death of the nodes . Optimization in general can be either heuristic or meta-heuristic. Heuristics work on one problem at a time. Meta-heuristics on the other hand work on a set of problems at a time. Heuristics take full advantage of the particularities of the problem and they are greedy in nature in the sense that the solution gets trapped in local minimum and fails to find the global optimum . However, meta-heuristics are problem dependent and do not take advantage of the particularities of the problem and find  the global minimum. On the other hand, heuristics is tailored to solve a specific problem.

چکیده

نگرانی عمده در شبکه های سنسور بی سیم (WSN) صرفه جویی در مصرف انرژی است زیرا از باتری های کوچک استفاده می کنند که نمی توانند جایگزین شوند و یا شارژ شوند. از این رو، در چنین شبکه هایی با باتری، انرژی باید به طور مطلوب مورد استفاده قرار گیرد. یکی از رویکردهای سنتی برای بهبود بهره وری انرژی از طریق خوشه بندی است. در این مقاله، یک الگوریتم تفاضلی ترکیبی و الگوریتم شبیه سازی آنیل (DESA) برای خوشه بندی و انتخاب سر خوشه پیشنهاد شده است. با توجه به اینکه سرهای خوشه معمولا با تعداد زیاد گره های حسگر بیش از حد بارگذاری می شوند، به علت انتخاب نادرست از خوشه ها، مرگ و میر ناشی از گره ها منجر به مرگ می شود. از این رو، این مقاله با هدف جلوگیری از مرگ زودهنگام شبکه های خوشه ای، طول عمر شبکه شبکه را افزایش داده است. DESA پیشنهادی، تعداد گره های مرده را از سلسله مراتب خوشه بندی سازگار با انرژی کم (LEACH) 70٪، الگوریتم جستجوی هماهنگ (HSA) 50٪، HSA 40٪ و تفاضل تفاضل ۶۰٪ را کاهش می دهد.

مقدمه

شبکه های سنسور بی سیم (WSNs) شامل تعداد زیادی از گره های کوچک است که به صورت دستی یا به طور تصادفی در برنامه های متنوع اعمال می شوند. شبکه در نظر گرفته شده است همگن یا ناهمگون در طبیعت. در نهایت به دلیل اینکه مصرف انرژی وابسته به فاصله بین سر خوشه و گره یا ایستگاه پایه و گره است، انرژی گره ها در هر دور کاهش می یابد. شبکه زمانی که تمام گره های موجود در شبکه انرژی صفر دارند، کاملا می میرد. بنابراین، انرژی باید به طور مطلوب استفاده شود. بهینه سازی روش یافتن شرایطی است که مرگ گره ها را به حداقل برساند. بهینه سازی به طور کلی می تواند به صورت اکتشافی یا فراشناختی باشد. اکتشافات بر روی یک مشکل در یک زمان کار می کنند. از سوی دیگر، متا-اوریستی ها در یک زمان به یک مجموعه از مشکلات کار می کنند. Heuristics به طور کامل از ویژگی های مشکل استفاده می کند و آنها در طبیعت حریص هستند به این معنی که راه حل می شود در حداقل محلی به دام افتاده و نتواند برای بهینه سازی جهانی. با این حال، متا-اکتشافی ها وابسته به مشکالت هستند و از ویژگی های مشکل استفاده نمی کنند و حداقل جهان را پیدا می کنند. از سوی دیگر، اکتشافی ها برای حل یک مشکل خاص طراحی شده اند.

Year: ۲۰۱۶

Publisher: ELSEVIER

By : Sweta Potthuri, T. Shankar , A. Rajesh

File Information: English Language/ 8 Page / size: 913 KB

Download

سال : ۱۳۹۵

ناشر : ELSEVIER

کاری از : سوتا پوتوری، ت. شانکار، علی رضائش

اطلاعات فایل : زبان انگلیسی / ۸ صفحه / حجم : KB 913

لینک دانلود

Cluster-head Election using Fuzzy Logic for Wireless Sensor Networks[taliem.ir]

Cluster-head Election using Fuzzy Logic for Wireless Sensor Networks

ABSTRACT

Wireless Sensor Networks (WSNs) present a new generation of real-time embedded systems with limited computation, energy and memory resources that are being used in a wide variety of applications where traditional networking infrastructure is practically infeasible. Appropriate cluster-head node election can drastically reduce the energy consumption and enhance the lifetime of the network. In this paper, a fuzzy logic approach to cluster-head election is proposed based on three descriptors – energy, concentration and centrality. Simulation shows that depending upon network configuration, a substantial increase in network lifetime can be accomplished as compared to probabilistically selecting the nodes as cluster-heads using only local information.

INTRODUCTION

  With the recent advances in Micro ElectroMechanical Systems (MEMS) technology, low power digital circuitry and RF designs, WSNs are considered to be one of the potential emerging computing technologies, edging closer towards widespread feasibility . Several useful and varied applications of WSNs include applications requiring information gathering in harsh, inhospitable environments, weather and climate monitoring, detection of chemical or biological agent threats, and healthcare monitoring. These applications demand the usage of various equipment including cameras, acoustic tools and sensors measuring different physical parameters . WSNs consist of many inexpensive, portable wireless nodes, with limited power, memory and computational capabilities. The energy supply of the  sensor nodes is one of the main constraints in the design of this type of network . Since it is infeasible o replace batteries once WSNs are deployed, an important design issue in WSNs is to lessen the energy consumption with the use of energy conserving hardware, operating systems and communication protocols. The energy consumption can be reduced by allowing only some nodes to communicate with the base station. These nodes called cluster-heads collect the data sent by each node in that cluster compressing it and then transmitting the aggregated data to the base station . Appropriate cluster-head selection can significantly reduce energy consumption and enhance the lifetime of the WSN.

چکیده

شبکه های حسگر بی سیم (WSNs) نسل جدیدی از سیستم های جاسازی شده در زمان واقعی را با محاسبات محدود، منابع انرژی و حافظه ارائه می دهند که در طیف وسیعی از برنامه های کاربردی مورد استفاده قرار می گیرند که زیرساخت شبکه سنتی عملا غیر قابل اجرا است. انتخاب های گرید کلاستر مناسب می تواند به شدت باعث کاهش مصرف انرژی و افزایش طول عمر شبکه شود. در این مقاله، رویکرد منطقی فازی به انتخاب خوشه ای بر اساس سه توصیف کننده – انرژی، غلظت و مرکزیت ارائه شده است. شبیه سازی نشان می دهد که بسته به پیکربندی شبکه، افزایش قابل توجهی در طول عمر شبکه می تواند در مقایسه با انتخاب احتمالی گره ها به عنوان سرفصل های خوشه ای با استفاده از اطلاعات محلی تنها انجام شود.

مقدمه

با پیشرفت های اخیر در تکنولوژی Micro ElectroMechanical Systems (MEMS)، مدارهای دیجیتالی کم توان و طرح های RF، WSN ها به عنوان یکی از فن آوری های محاسباتی بالقوه بالقوه محسوب می شوند که به سمت امکان پذیری گسترده نزدیک می شوند. چندین برنامه کاربردی مفید و متنوع WSN ها عبارتند از برنامه های کاربردی که نیاز به جمع آوری اطلاعات در محیط های خشن و غیرمعمول، نظارت بر آب و هوا و هوا، شناسایی تهدیدات شیمیایی یا عوامل زیست محیطی و نظارت بر مراقبت های بهداشتی دارند. این برنامه ها نیاز به استفاده از تجهیزات مختلف از قبیل دوربین ها، ابزار صوتی و سنسورهای اندازه گیری پارامترهای مختلف فیزیکی دارند. WSN ها شامل بسیاری از گره های ارزان قیمت، قابل حمل، با توان محدود، حافظه و قابلیت های محاسباتی می باشند. تامین انرژی گره های حسگر یکی از محدودیت های اصلی در طراحی این نوع شبکه است. از آنجایی که امکان پذیر است، پس از استفاده از WSN، باطری های جایگزین، یک مسئله مهم طراحی در WSN ها، کاهش مصرف انرژی با استفاده از سخت افزار محافظت از انرژی، سیستم عامل ها و پروتکل های ارتباطی است. مصرف انرژی را می توان با اجازه دادن به برخی از گره ها برای برقراری ارتباط با ایستگاه پایه کاهش داد. این گره ها به نام خوشه سر جمع داده ها ارسال شده توسط هر گره در آن خوشه فشرده سازی آن و سپس انتقال داده های جمع شده به ایستگاه پایه. انتخاب کلاستر مناسب می تواند به طور قابل توجهی کاهش مصرف انرژی و افزایش طول عمر WSN.

Year: ۲۰۰۸

Publisher : IEEE

By :  Indranil Gupta,Denis Riordan, Srinivas Sampalli

File Information: English Language/ 6 Page / size: 176 KB

Download

سال : ۱۳۸۷

ناشر : IEEE

کاری از : Indranil Gupta، Denis Riordan، Srinivas Sampalli

اطلاعات فایل : زبان انگلیسی / ۶ صفحه / حجم : KB 176

لینک دانلود

An energy efficient approach to extend network life time of[taliem.ir]

An energy efficient approach to extend network life time of wireless sensor networks

ABSTRACT

The energy consumption in wireless sensor networks is a significant matter and there are many ways to  conserve energy. The use of mobile sensors is of great relevance to minimize the total energy dissipation in  communication and overhead control packets. In a WSN, sensor nodes deliver sensed data back to the sink via multi hopping. The sensor nodes near the sink will usually consume more battery power than others;  consequently, these nodes will quickly drain out their battery energy and decrease in the network lifetime of the WSN. The presence of mobile sinks causes increased energy reduction in their proximity, due to more relay load under multi hop communication. Moreover, node deployment technique can also be used to  improve the life time of the network. Performance comparisons have been done by simulations between  different routing protocols and our approach show efficient results.

INTRODUCTION

  Network lifetime can be defined as the time from the start of network functioning to the instant when the first node in the network runs out of energy .One approach for network lifetime maximization is to reduce node’s transmission power in order to reach their farthest selected neighbour, which not only save energy but can also improve network throughput. However, because of the reducing the transmission range may strongly affect the network connectivity due to the decline of the number of neighbour nodes connected to a given one (called node degree). Another efficient means of conserving energy is to schedule nodes to sleep mode (i.e., turning off their radios) when they are not needed, without changing global connectivity and spatial coverage of the sensing field. The main objective of this research is to investigate the effectiveness of existing approaches as well as our approach for solving energy consumption problem based on Sink mobility and Node deployment strategy. Energy conservation in sensor has two aspects: 1) Both device and protocol (algorithm) in use should be highly efficient. 2) The rate of energy consumption in different parts of the  network should be even.

چکیده

مصرف انرژی در شبکه های حسگر بی سیم یک موضوع مهم است و راه های بسیاری برای صرفه جویی در انرژی وجود دارد. استفاده از سنسورهای تلفن همراه برای به حداقل رساندن کاهش کل انرژی در بسته های کنترل ارتباطی و سربار بسیار مهم است. در WSN، گره های حسگر از طریق چند hopping داده های حس شده را به سینک منتقل می کنند. گره های حسگر در نزدیکی سینک معمولا مصرف باتری بیشتری نسبت به دیگران دارند. در نتیجه، این گره ها به سرعت انرژی باتری خود را تخلیه می کنند و در طول عمر شبکه WSN کاهش می یابد. حضور غرقاب های تلفن همراه موجب افزایش انرژی در نزدیکی آنها می شود، به علت بار بیشتر رله ها تحت ارتباط چند هابل. علاوه بر این، روش گسترش شبکه نیز می تواند برای بهبود عمر شبکه استفاده شود. مقایسه های عملکرد با شبیه سازی پروتکل های مختلف مسیریابی انجام شده است و رویکرد ما نتایج کارآمد را نشان می دهد.

مقدمه

طول عمر شبکه می تواند به عنوان زمان شروع فعالیت شبکه تا زمانی که اولین گره در شبکه از انرژی خارج می شود تعریف می شود. یک رویکرد برای افزایش حداکثر طول عمر شبکه، کاهش توان انتقال گره به منظور دستیابی به دورترین همسایه انتخاب شده است. که نه تنها صرفه جویی در انرژی، بلکه همچنین می تواند افزایش توان شبکه را افزایش دهد. با این حال، به علت کاهش محدوده انتقال ممکن است به شدت تحت تاثیر اتصال شبکه به دلیل کاهش تعداد گره های همسایه متصل به یک داده شده (درجه گره نامیده می شود). یکی دیگر از ابزارهای موثر حفاظت از انرژی، برنامه ریزی کردن گره ها به حالت خواب (یعنی خاموش کردن رادیوهایشان) زمانی است که آنها مورد نیاز نیست، بدون تغییر اتصال جهانی و پوشش فضایی میدان حسی. هدف اصلی این پژوهش بررسی اثربخشی رویکردهای موجود و رویکرد ما برای حل مساله مصرف انرژی بر اساس تحرک سینک و استراتژی استقرار استاد است. صرفه جویی در انرژی در حسگر دارای دو جنبه است: ۱) هر دو دستگاه و پروتکل (الگوریتم) در استفاده باید بسیار کارآمد باشد. ۲) میزان مصرف انرژی در قسمت های مختلف شبکه باید حتما باشد.

Year: ۲۰۱۶

Publisher : ELSEVIER

By :  Veena Anand , Deepika Agrawal , Preety Tirkey , Sudhakar Pandey

File Information: English Language/ 6 Page / size: 394 KB

Download

سال : ۱۳۹۵

ناشر : ELSEVIER

کاری از : Veena Anand، Deepika Agrawal، Preety Tirkey، Sudhakar Pandey

اطلاعات فایل : زبان انگلیسی / ۶صفحه / حجم : KB 394

لینک دانلود

A Secure Authentication and Key Management[taliem.ir]

A Secure Authentication and Key Management Scheme for Wireless Sensor Networks

ABSTRACT

In recent years, the adaptation of Wireless Sensor Networks (WSNs) to application areas requiring mobility increased the security threats against confidentiality, integrity and privacy of the information as well as against their connectivity. Since, key management plays an important role in securing both information and  connectivity, a proper authentication and key management scheme is required in mobility enabled applications where the authentication of a node with the network is a critical issue. In this paper, we present an authentication and key management scheme supporting node mobility in a heterogeneous WSN that consists of several low capabilities sensor nodes and few high capabilities sensor nodes. We analyze our  proposed solution by using MATLAB (analytically) and by simulation (OMNET++ simulator) to show that it has less memory requirement and has good network connectivity and resilience against attacks compared to some existing schemes. We also propose two levels of secure authentication methods for the mobile sensor nodes for secure authentication and key establishment.

INTRODUCTION

The Wireless Sensor Network (WSN) are usually deployed in possibly remote and unattended locations they are definitely prone to security attacks. Hence to secure the network operation and securely gather and  forward the information, security threats and its counter measures should be considered at design time in terms of both requirements and implementation techniques. The design of security algorithms considering the homogeneous sensor networks was the first step to secure sensor networks. However, some research work  have shown that homogeneous sensor networks have high communication and computation overheads, high storage requirements and suffer from severe performance bottlenecks. Hence, recent  research work  introduced heterogeneous sensor networks, which consists of High-end sensors nodes (H- sensors) and Low-end  sensors nodes (L-sensors). To achieve better performance and scalability, Hsensors have more resources compared to L-sensors. However, both H-Sensors and L-sensors are still highly  vulnerable in nature and are exposed to several security threats and particularly prone to physical attacks.  hus, proper security mechanisms should be applied to protect these nodes against attacks.

چکیده

در سال های اخیر، تطبیق شبکه های حسگر بی سیم (WSNs) به مناطق کاربردی مورد نیاز برای تحرک، تهدیدات امنیتی علیه محرمانه بودن، یکپارچگی و حریم خصوصی اطلاعات و همچنین ارتباطات آنها را افزایش داد. از آنجایی که مدیریت کلید نقش مهمی در حفاظت از اطلاعات و ارتباطات دارد، احراز هویت مناسب و طرح مدیریت کلید در برنامه های فعال تحرک وجود دارد که احراز هویت یک گره با شبکه یک مسئله حیاتی است. در این مقاله، یک روش تأیید هویت و مدیریت کلید پشتیبانی از انتقال گره در یک WSN ناهمگونی وجود دارد که شامل چندین گره حسگر قابلیت کم و چند گره سنسور قابلیت بالا است. ما راه حل پیشنهادی ما را با استفاده از MATLAB (تحلیلی) و شبیه سازی (simulator OMNET ++) تجزیه و تحلیل می کنیم تا نشان دهیم که نیاز کمتری به حافظه دارد و دارای قابلیت اتصال شبکه و انعطاف پذیری در مقابل حملات نسبت به برخی از طرح های موجود است. ما همچنین دو سطح روش های احراز هویت امن برای گره های حسگر تلفن همراه را برای احراز هویت امن و ایجاد کلیدی پیشنهاد می کنیم.

مقدمه

شبکه سنسور بی سیم (WSN) معمولا در مکان های احتمالی از راه دور و بدون نظارت مستقر هستند که قطعا مستعد حملات امنیتی هستند. از این رو برای حفاظت از عملیات شبکه و ایمن جمع آوری و انتقال اطلاعات، تهدیدات امنیتی و اقدامات مقابله با آن باید در زمان طراحی بر اساس الزامات و تکنیک های پیاده سازی در نظر گرفته شود. طراحی الگوریتم های امنیتی با توجه به شبکه های حسگر همگن اولین گام برای ایمن سازی شبکه های حسگر بود. با این حال، برخی از کارهای تحقیق نشان داده است که شبکه های حسگر همگن دارای سربار های ارتباطی و محاسباتی بالایی هستند، نیازهای ذخیره سازی بالا و رنج می برند از تنگناهای عملکرد شدید. از این رو، پژوهش های اخیر انجام شبکه های حسگر ناهمگن را معرفی کرد که شامل گره های سنسورهای بالا (سنسورهای H) و گره های سنسورهای کم پایان (L-sensors) است. برای دستیابی به عملکرد بهتر و مقیاس پذیری، حسگرها منابع بیشتری نسبت به سنسورهای L دارند. با این حال، هر دو سنسور H و سنسور L هنوز در طبیعت آسیب پذیر هستند و در معرض چندین تهدید امنیتی قرار دارند و به ویژه در معرض حملات فیزیکی هستند. برای حفاظت از این گره ها در برابر حملات، باید مکانیزم های مناسب امنیتی را اعمال کرد.

Year: ۲۰۱۴

Publisher : SPRINGER

By : Sarmadullah Khan and Rafiullah Khan

File Information: English Language/ 10 Page / size: 1.40 KB

Download

سال : ۱۳۹۳

ناشر : SPRINGER

کاری از : سمراد الله خان و رفیع الله خان

اطلاعات فایل : زبان انگلیسی / ۱۰صفحه / حجم : KB 1.40

لینک دانلود

Sensing, Compression, and Recovery for WSNs[taliem.ir]

Sensing, Compression, and Recovery for WSNs: Sparse Signal Modeling and Monitoring Framework

ABSTRACT

We address the problem of compressing large and distributed signals monitored by a Wireless Sensor  Network (WSN) and recovering them through the collection of a small number of samples. We propose a sparsity model that allows the use of Compressive Sensing (CS) for the online recovery of large data sets in  real WSN scenarios, exploiting Principal Component Analysis (PCA) to capture the spatial and temporal characteristics of real signals. Bayesian analysis is utilized to approximate the statistical distribution of the  principal components and to show that the Laplacian distribution provides an accurate representation of the statistics of real data. This combined CS and PCA technique is subsequently integrated into a novel  framework, namely, SCoRe1: Sensing, Compression and Recovery through ON-line Estimation for WSNs. SCoRe1 is able to effectively self-adapt to unpredictable changes in the signal statistics thanks to a feedback control loop that estimates, in real time, the signal reconstruction error. We also propose an extensive  validation of the framework used in conjunction with CS as well as with standard interpolation techniques, testing its performance for real world signals. The results in this paper have the merit of shedding new light on the performance limits of CS when used as a recovery tool in WSNs.

INTRODUCTION

THE area of communication and protocol design for Wireless Sensor Networks (WSNs) has been widely researched in the past few years. One of the first studies addressing the problem of efficiently gathering  correlated data from a wide network deployment is , which highlights the interdependence among the  bandwidth, the decoding delay  and the routing strategy employed. Under certain assumptions of regularity of the observed process, the authors claim the feasibility of large-scale multi-hop networks from a transport capacity perspective. Classical source coding, suitable routing algorithms and re-encoding of data at relay  nodes have been proposed as key ingredients for joint data gathering and compression. In fact, WSN  applications often involve multiple sources which are correlated both temporally and spatially. Subsequent works such as  proposed algorithms that involve collaboration among sensors to implement classical source coding in a distributed fashion.

چکیده

ما در مورد مشکل فشرده سازی سیگنال های بزرگ و توزیع شده نظارت شده توسط شبکه حسگر بی سیم (WSN) و بازیابی آنها از طریق مجموعه ای از تعداد کمی از نمونه ها صحبت می کنیم. ما یک مدل اسپاریتیسی ارائه می دهیم که امکان استفاده از حسگر فشرده سازی (CS) برای بازیابی آنلاین مجموعه های داده بزرگ در سناریوهای واقعی WSN را فراهم می کند و از تجزیه و تحلیل مولفه اصلی (PCA) برای گرفتن ویژگی های مکانی و زمانی سیگنال های واقعی استفاده می کند. تجزیه و تحلیل بیزی برای تقریب توزیع آماری مولفه های اصلی و نشان دادن آن است که توزیع لاپلاس به صورت دقیق از آمار داده های واقعی ارائه می شود. این روش ترکیبی CS و PCA متعاقبا در یک چارچوب جدید، یعنی SCoRe1: حساسیت، فشرده سازی و بازیابی از طریق برآورد ON-line برای WSNs، یکپارچه شده است. SCoRe1 قادر است به طور موثر خود سازگار با تغییرات غیر قابل پیش بینی در آمار سیگنال به لطف یک حلقه کنترل بازخوردی که در زمان واقعی خطای بازسازی سیگنال را تخمین می زند. ما همچنین اعتبار گسترده ای از چارچوب استفاده شده در ارتباط با CS و همچنین با تکنیک های استاندارد اینترپل ارائه می دهیم، و عملکرد آن را برای سیگنال های واقعی جهان تست می کنیم. نتایج در این مقاله شایستگی رها شدن نور جدید بر روی محدودیت های عملکرد CS در هنگام استفاده به عنوان یک ابزار بازیابی در WSN ها است.

مقدمه

محدوده ارتباطات و پروتکل طراحی شبکه های حسگر بی سیم (WSNs) در چند سال گذشته به طور گسترده مورد بررسی قرار گرفته است. یکی از اولین مطالعاتی که در مورد مشکل جمع آوری داده های متقابل از یک استقرار گسترده شبکه انجام شده است، نشان دهنده وابستگی متقابل بین پهنای باند، تاخیر رمزگشایی و استراتژی مسیریابی است. نویسندگان ادعا می کنند که امکان دستیابی به شبکه های چند منظوره در مقیاس بزرگ از منظر ظرفیت حمل و نقل، تحت فرضیه های خاصی از منظر روند مشاهده شده است. کدگذاری منبع کلاسیک، الگوریتم های مناسب مسیریابی و دوباره رمزگذاری داده ها در گره های رله به عنوان مواد کلیدی برای جمع آوری داده ها و فشرده سازی مشترک پیشنهاد شده است. در حقیقت، برنامه های WSN اغلب شامل چندین منبع هستند که هم زمانی و هم فضایی همبستگی دارند. آثار بعدی مانند الگوریتم های پیشنهادی که شامل همکاری در میان سنسورها برای اجرای کدگذاری منبع کلاسیک در یک روش توزیع شده است.

Year: ۲۰۱۲

Publisher : IEEE

By : Giorgio Quer, Riccardo Masiero, Gianluigi Pillonetto, Michele Rossi, and Michele Zorzi

File Information: English Language/ 15 Page / size: 643 KB

Download

سال : ۱۳۹۱

ناشر : IEEE

کاری از : جورجیو کوئر، ریکاردو ماسیرو، جیانلوجی پیلونتو، میشل روسی و میشل زرزی

اطلاعات فایل : زبان انگلیسی / ۱۵ صفحه / حجم : KB 643

لینک دانلود

Deploying Wireless Sensor Networks with[taliem.ir]

Download Deploying Wireless Sensor Networks with Fault-Tolerance for Structural Health Monitoring

ABSTRCT

Structural health monitoring (SHM) systems are implemented for structures(e.g., bridges, buildings) to  monitor their operations and health status. Wireless sensor networks (WSNs) are becoming an enabling  technology for SHM applications that are more prevalent and more easily deployable than traditional wired  networks. However, SHM brings new challenges to WSNs: engineering-driven optimal deployment, a large  volume of data, sophisticated computing, and so forth. In this paper, we address two important challenges: sensor deployment and decentralized computing. We propose a solution, to deploy wireless sensors at  strategic locations to achieve the best estimates of structural health (e.g., damage) by following the widely  used wired sensor system deployment approach from civil/structural engineering. We found that faults  (caused by communication errors, unstable connectivity, sensor faults, etc.) in such a deployed WSN greatly affect the performance of SHM. To make the WSN resilient to the faults, we present an approach, called  FTSHM (fault-tolerance in SHM), to repair the WSN and guarantee a specified degree of fault tolerance.  FTSHM searches the repairing points in clusters in a distributed manner, and places a set of backup sensors at those points in such a way that still satisfies the engineering requirements. FTSHM also includes an SHM  algorithm suitable for decentralized computing in the energy-constrained WSN, with the objective of  guaranteeing that the WSN for SHM remains connected in the event of a fault, thus prolonging the WSN  lifetime under connectivity and data delivery constraints. We demonstrate the advantages of FTSHM  through extensive simulations and real experimental settings on a physical structure.

INTRODUCTION

THE wireless sensor networks (WSNs) effective and economi- new advances in sensor device technologies  make cally-viable solutions for a wide variety of applications, such as environmental monitoring, scientific  exploration, and target tracking . Civil structures, including bridges, buildings, tunnels, aircrafts, nuclear  plants, among others, are complex engineering systems that ensure societys economic and industrial  prosperity . Structural health monitoring (SHM) systems are implemented for these structures to monitor  their operations and health status. WSNs are becoming an enabling technology for SHM that are more  prevalent and more easily deployable than current wired systems. Examples include the Golden gate bridge in the US , bridge monitoring in India , and Guangzhou new TV tower (GNTVT) in China .

چکیده

سیستم های نظارت بر سلامت سازمانی (SHM) برای ساختار (به عنوان مثال، پل ها، ساختمان ها) برای نظارت بر عملیات و وضعیت سلامت آنها اعمال می شود. شبکه های حسگر بی سیم (WSNs) در حال تبدیل شدن به تکنولوژی فعال برای برنامه های SHM هستند که شایع تر و راحت تر قابل استفاده هستند از شبکه های سنتی سنتی. با این حال، SHM چالش های جدیدی را برای WSN به ارمغان می آورد: بهینه سازی بهینه مهندسی، حجم زیادی از داده ها، محاسبات پیچیده و غیره. در این مقاله، ما دو چالش مهم را مطرح می کنیم: استقرار سنسور و محاسبات غیر متمرکز. ما یک راه حل پیشنهاد می کنیم تا حسگر های بی سیم را در مکان های استراتژیک برای دستیابی به بهترین برآوردها از سلامت سازمانی (مثلا آسیب) با پیروی از رویکرد گسترش سیستم حسگر سیمی از مهندسی عمران / ساخت و ساز استفاده کنیم. ما دریافتیم که خطاها (ناشی از خطاهای ارتباط، اتصال ناپایدار، گسل های سنسور و غیره) در چنین WSN مستقر شده، تا حد زیادی بر عملکرد SHM تاثیر می گذارد. برای ایجاد WSN مقاوم در برابر خطاها، ما یک رویکرد را به نام FTSHM (تحمل خطا در SHM) ارائه می کنیم، برای تعمیر WSN و تضمین درجه مشخص معادله خطا. FTSHM نقاط تعمیر در خوشه ها را به صورت توزیع جستجو می کند و مجموعه ای از سنسورهای پشتیبان را در آن نقاط به گونه ای قرار می دهد که هنوز نیازهای مهندسی را برآورده می کند. FTSHM همچنین شامل یک الگوریتم SHM مناسب برای محاسبات غیر متمرکز در WSN محدود شده با انرژی است، با هدف اطمینان از اینکه WSN برای SHM همچنان متصل است در صورت بروز خطا، در نتیجه طول عمر WSN تحت اتصال و محدودیت های تحویل داده را افزایش می دهد. ما مزایای FTSHM را از طریق شبیه سازی های گسترده و تنظیمات آزمایشی واقعی بر روی یک ساختار فیزیکی نشان می دهیم.

مقدمه

شبکه های حسگر بی سیم (WSNs) پیشرفت های موثر و اقتصادی در تکنولوژی های دستگاه سنسور، راه حل های متنوعی را برای طیف وسیعی از برنامه های کاربردی مانند نظارت بر محیط زیست، اکتشاف علمی و ردیابی هدف ها می سازد. ساختارهای مدنی، از جمله پل ها، ساختمان ها، تونل ها، هواپیماها، نیروگاه های هسته ای، از جمله دیگر، سیستم های مهندسی پیچیده ای هستند که رفاه اقتصادی و صنعتی جامعه را تضمین می کنند. سیستم های نظارت بر سلامت سازمانی (SHM) برای این ساختارها برای نظارت بر عملیات و وضعیت سلامت آنها اعمال می شود. WSN ها در حال تبدیل شدن به یک فناوری توانمند برای SHM هستند که شایع تر و راحت تر قابل استفاده هستند از سیستم های فعلی سیمی. نمونه هایی از پل دروازه طلایی ایالات متحده، مانیتورینگ پل در هند و برج تلویزیون جدید گوانگژو (GNTVT) در چین است.

Year: ۲۰۱۵

Publisher : IEEE

By : Md Zakirul Alam Bhuiyan , Guojun Wang,  Jiannong Cao , Jie Wu 

File Information: English Language/ 14 Page / size: 1.21 KB

Download

سال : ۱۳۹۴

ناشر : IEEE

کاری از : دكتر زكير الله المحيين، گوجون وانگ، جيانونگ كائو، جي وو

اطلاعات فایل : زبان انگلیسی / ۱۴ صفحه / حجم : KB 1.21

لینک دانلود

 

Sensing, Compression, and Recovery for WSNs[taliem.ir]

Sensing, Compression, and Recovery for WSNs: Sparse Signal Modeling and Monitoring Framework

ABSTRACT

We address the problem of compressing large and distributed signals monitored by a Wireless Sensor Network (WSN) and recovering them through the collection of a small number of samples. We propose a sparsity model that allows the use of  Compressive Sensing (CS) for the online recovery of large data sets in real WSN scenarios, exploiting Principal Component Analysis (PCA) to capture the spatial and temporal characteristics of real signals. Bayesian analysis is utilized to approximate the statistical distribution of the principal components and to show that the Laplacian distribution provides an accurate  representation of the statistics of real data. This combined CS and PCA technique is subsequently integrated into a novel framework, namely, SCoRe1: Sensing, Compression and Recovery through ON-line Estimation for WSNs. SCoRe1 is able to effectively self-adapt to unpredictable changes in the signal statistics thanks to a feedback control loop that estimates, in real time, the signal reconstruction error. We also propose an extensive validation of the framework used in conjunction with CS as well as with standard interpolation techniques, testing its performance for real world signals. The results in this paper have the merit of shedding new light on the performance limits of CS when used as a recovery tool in WSNs.

INTRODUCTION

  THE area of communication and protocol design for Wireless Sensor Networks (WSNs) has been widely researched in the past few years. One of the first studies addressing the problem of efficiently gathering correlated data from a wide network deployment is , which highlights the interdependence among the bandwidth, the decoding delay and the routing strategy employed. Under certain assumptions of regularity of the observed process, the authors claim the feasibility of large-scale multi-hop networks from a transport capacity perspective. Classical source coding, suitable routing algorithms and re-encoding of data at relay nodes have been proposed as key ingredients for joint data gathering and compression. In fact, WSN applications often involve multiple sources which are correlated both temporally and spatially. Subsequent works such as  proposed algorithms that involve collaboration among sensors to implement classical source coding (e.g., see ) in a distributed fashion. New methods for distributed sensing and compression have been developed based on the recent theory of Compressive Sensing (CS) . CS was originally developed for the efficient storage and compression of digital images, which show high spatial correlation. In the very recent literature, a Bayesian approach has been used to develop efficient and autotunable algorithms for CS, see . However, previous work addressing CS from a Bayesian perspective mainly focused on proving fundamental results and on understanding its usefulness in the image processing field.

چکیده

ما در مورد مشکل فشرده سازی سیگنال های بزرگ و توزیع شده نظارت شده توسط شبکه حسگر بی سیم (WSN) و بازیابی آنها از طریق مجموعه ای از تعداد کمی از نمونه ها صحبت می کنیم. ما یک مدل اسپاریتیسی ارائه می دهیم که امکان استفاده از حسگر فشرده سازی (CS) برای بازیابی آنلاین مجموعه های داده بزرگ در سناریوهای واقعی WSN را فراهم می کند و از تجزیه و تحلیل مولفه اصلی (PCA) برای گرفتن ویژگی های مکانی و زمانی سیگنال های واقعی استفاده می کند. تجزیه و تحلیل بیزی برای تقریب توزیع آماری مولفه های اصلی و نشان دادن آن است که توزیع لاپلاس به صورت دقیق از آمار داده های واقعی ارائه می شود. این روش ترکیبی CS و PCA متعاقبا در یک چارچوب جدید، یعنی SCoRe1: حساسیت، فشرده سازی و بازیابی از طریق برآورد ON-line برای WSNs، یکپارچه شده است. SCoRe1 قادر است به طور موثر خود سازگار با تغییرات غیر قابل پیش بینی در آمار سیگنال به لطف یک حلقه کنترل بازخوردی که در زمان واقعی خطای بازسازی سیگنال را تخمین می زند. ما همچنین اعتبار گسترده ای از چارچوب استفاده شده در ارتباط با CS و همچنین با تکنیک های استاندارد اینترپل ارائه می دهیم، و عملکرد آن را برای سیگنال های واقعی جهان تست می کنیم. نتایج در این مقاله شایستگی رها شدن نور جدید بر روی محدودیت های عملکرد CS در هنگام استفاده به عنوان یک ابزار بازیابی در WSN ها است.

مقدمه

مساحت ارتباطات و پروتکل طراحی شبکه های حسگر بی سیم (WSNs) در چند سال گذشته به طور گسترده مورد بررسی قرار گرفته است. یکی از اولین مطالعاتی که در مورد مشکل جمع آوری داده های متقابل از یک استقرار گسترده شبکه انجام شده است، نشان دهنده وابستگی متقابل بین پهنای باند، تاخیر رمزگشایی و استراتژی مسیریابی است. نویسندگان ادعا می کنند که امکان دستیابی به شبکه های چند منظوره در مقیاس بزرگ از منظر ظرفیت حمل و نقل، تحت فرض های خاصی از منظر روند مشاهده شده است. کدگذاری منبع کلاسیک، الگوریتم های مناسب مسیریابی و دوباره رمزگذاری داده ها در گره های رله به عنوان مواد کلیدی برای جمع آوری داده ها و فشرده سازی مشترک پیشنهاد شده است. در حقیقت، برنامه های WSN اغلب شامل چندین منبع هستند که هم زمانی و هم فضایی همبستگی دارند. آثار بعدی مانند الگوریتم های پیشنهادی که شامل همکاری در میان سنسورها برای اجرای کدگذاری منبع کلاسیک (به عنوان مثال، نگاه کنید) در یک روش توزیع شده. روشهای جدیدی برای سنجش و فشرده سازی توزیع شده بر اساس نظریه اخیر فشرده سازی (CS) ایجاد شده است. CS در اصل برای ذخیره سازی فشرده سازی و فشرده سازی تصاویر دیجیتالی است که همبستگی فضایی بالا را نشان می دهد. در ادبیات اخیر، یک روش بیزی برای توسعه الگوریتم های کارآمد و خودکار برای CS مورد استفاده قرار گرفته است. با این حال، کار قبلی با توجه به دیدگاه CS از یک دیدگاه بیزی بیشتر به اثبات نتایج اساسی و درک مفاد آن در زمینه پردازش تصویر متمرکز بود.

Year: ۲۰۱۲

Publisher : IEEE

By :  Michele Rossi, Michele Zorzi

File Information: English Language/ 15 Page / size: 642 KB

Download

سال : ۱۳۹۱

ناشر : IEEE

کاری از : میشل روسی، میشل زورزی

اطلاعات فایل : زبان انگلیسی / ۱۵ صفحه / حجم : KB 642

 

لینک دانلود

 

Distributed resource management in wireless sensor networks[taliem.ir]

Distributed resource management in wireless sensor networks using reinforcement learning

ABSTRACT

In wireless sensor networks (WSNs), resourceconstrained nodes are expected to operate in highly dynamic and often unattended  environments. Hence, support for intelligent, autonomous, adaptive and distributed resource management is an essential ingredient of a middleware solution for developing scalable and dynamic WSN applications. In this article, we present a resource management framework based on a two-tier reinforcement learning scheme to enable autonomous self-learning and adaptive applications with inherent support for efficient resource management. Our design goal is to build a system with a bottom-up approach where each sensor node is responsible for its resource allocation and task selection. The first learning tier (micro-learning) allows individual sensor nodes to self-schedule their tasks by using only local information, thus enabling a timely adaptation. The second learning tier (macro-learning) governs the micro-learners by tuning their operating parameters so as to guide the system towards a global application-specific optimization goal (e.g., maximizing the network lifetime). The effectiveness of our framework is exemplified by means of a target tracking application built on top of it. Finally, the  performance of our  scheme is compared against other existing approaches by simulation. We show that our twotier reinforcement learning scheme is significantly more efficient than traditional approaches to resource management while fulfilling the application requirements.

INTRODUCTION

Wireless sensor network (WSN) nodes are remarkably constrained in terms of their resources, i.e., energy, computational power and radio bandwidth. WSNs normally operate in uncertain and dynamic environments where the state of the system changes dynamically over time. In fact, new sensor nodes may join an already deployed network. On the other hand, existing nodes may cease to participate in WSN operations due to depleted batteries, malfunctions, or disconnection from the rest of the network. As a consequence, applications have to explicitly  address the fact that WSNs are inherently dynamic and uncertain. At the same time, Quality of Service (QoS) requirements and optimization goals need to be fulfilled by the applications as well. Indeed, adaptive resource management is the key to any successful middleware solution to enable such applications.

چکیده

در شبکه های حسگر بی سیم (WSNs)، انتظار می رود که گره های مجاز محدود در محیط های بسیار پویا و اغلب بدون نظارت اجرا شوند. از این رو، پشتیبانی از مدیریت منابع هوشمند، مستقل، سازگار و توزیع شده، یک عنصر ضروری از راه حل middleware برای توسعه برنامه های کاربردی WSN مقیاس پذیر و پویا است. در این مقاله، ما یک چارچوب مدیریت منابع را بر اساس یک برنامه یادگیری تقویت دوجانبه ارائه می دهیم تا برنامه های خودموزنی و انطباقی را با پشتیبانی ذاتی برای مدیریت منابع کارآمد فراهم کنیم. هدف طراحی ما ساخت یک سیستم با یک رویکرد پایین به بالا است که در آن هر گره حسگر مسئول تخصیص منابع و انتخاب کارها است. اولین سطح یادگیری (یادگیری میکرو) اجازه می دهد تا گره های حسگر فردی خود را با استفاده از اطلاعات محلی به برنامه خود بسپارند، بنابراین سازگاری به موقع امکان پذیر است. مرحله دوم یادگیری (یادگیری ماکرو) با استفاده از تنظیم پارامترهای عملیاتی خود، یادگیرندگان میکرو را به منظور هدایت سیستم به سوی هدف بهینه سازی کاربردی جهانی برنامه (به عنوان مثال، به حداکثر رساندن طول عمر شبکه)، کنترل می کند. اثربخشی چارچوب ما با استفاده از یک برنامه ردیابی هدف ساخته شده بر روی آن نشان داده شده است. در نهایت، عملکرد طرح ما در مقایسه با سایر رویکردهای موجود با استفاده از شبیه سازی مقایسه می شود. ما نشان می دهیم که طرح یادگیری دوگانه تقویت ما به طور قابل ملاحظه ای کارآمد تر از رویکردهای سنتی برای مدیریت منابع در حالی که نیازهای برنامه را برآورده می کند.

مقدمه

گره های حسگر بی سیم (WSN) از لحاظ منابع خود، به عنوان مثال، انرژی، قدرت محاسباتی و پهنای باند رادیویی، محدود است. WSN ها به طور معمول در محیط های نامشخص و پویا عمل می کنند که در آن حالت سیستم به طور پویا تغییر می کند. در حقیقت، گره های سنسور جدید ممکن است به یک شبکه ی که قبلا مستقر شده است پیوست شوند. از سوی دیگر، گره های موجود ممکن است در عملیات WSN به علت باتری های تخلیه شده، خرابی ها یا قطع ارتباط از بقیه شبکه متوقف شوند. به عنوان یک نتیجه، برنامه ها باید به صراحت به این واقعیت اشاره کنند که WSN ها به طور ذاتی پویا و نامشخص هستند. در عین حال، نیازهای کیفیت خدمات (QoS) و اهداف بهینه سازی نیز باید توسط برنامه های کاربردی انجام شود. در واقع، مدیریت منابع انطباقی، کلید راه حل میان افزارهای موفق برای فعال کردن چنین برنامه هایی است.

Year: ۲۰۱۲

Publisher : SPRINGER

By : Kunal Shah ، Mario Di Francesco ، Mohan Kumar

File Information: English Language/ 20 Page / size: 858 KB

Download

سال : ۱۳۹۱

ناشر : SPRINGER

کاری از : کونال شاه ، ماریو دی فرانچسکو ، محمد کومار

اطلاعات فایل : زبان انگلیسی / ۲۰ صفحه / حجم : KB 858

 

لینک دانلود

 

An energy efficient approach to extend network life time of[taliem.ir]

An energy efficient approach to extend network life time of wireless sensor networks

ABSTRACT

The energy consumption in wireless sensor networks is a significant matter and there are many ways to conserve energy. The use of mobile sensors is of great relevance to minimize the total energy dissipation in communication and overhead control packets. In a WSN, sensor nodes deliver sensed data back to the sink via multi hopping. The sensor nodes near the sink will usually consume more battery power than others; consequently, these nodes will quickly drain out their battery energy and decrease in the network lifetime of the WSN. The presence of mobilesinks causes increased energy reduction in their proximity, due to more relay load under multi hop communication. Moreover, node deployment technique can also be used to improve the life time of the network. Performance comparisons have been done by simulations between different routing protocols and our approach show efficient results.

INTRODUCTION

Wireless sensor network, sensor nodes send the sensed data back to the sink via multi-hopping. In predetermined deployment, the locations of node are specified .The sensor nodes close to the sink will generally consume more energy than other node leading to a phenomena known as energy hole problem. Therefore shorten the network lifetime of the WSN. The presence of mobile sinks causes less energy  consumption in their proximity. So, node deployment technique can also be used to improve the life time of the network. Network lifetime can be defined as the time from the start of network functioning to the instant when the first node in the network runs out of energy .One  approach for network lifetime maximization is to reduce node’s transmission power in order to reach their farthest selected neighbour, which not only save energy but can also improve network throughput. However, because of the reducing the transmission range may strongly affect the network connectivity due to the decline of the number of neighbour nodes connected to a given one (called node degree). Another efficient means of conserving energy is to schedule nodes to sleep mode (i.e., turning off their radios) when they are not needed, without changing global connectivity and spatial coverage of the sensing field. The main objective of this research is to investigate the effectiveness of existing approaches as well as our approach for solving energy consumption problem based on Sink mobility and Node deployment strategy.

چکیده

مصرف انرژی در شبکه های حسگر بی سیم یک موضوع مهم است و راه های بسیاری برای صرفه جویی در انرژی وجود دارد. استفاده از سنسورهای موبایل اهمیت زیادی برای کم کردن میزان کل انرژی در بسته های ارتباطی و کنترل بالای سربار دارد. در WSN، گره های حسگر از طریق چند hopping داده های حس شده را به سینک منتقل می کنند. گره های حسگر در نزدیکی سینک معمولا مصرف باتری بیشتری نسبت به دیگران دارند. در نتیجه، این گره ها به سرعت انرژی باتری خود را تخلیه می کنند و در طول عمر شبکه WSN کاهش می یابد. حضور mobilesinks موجب افزایش انرژی در نزدیکی آنها می شود، به دلیل بار بیشتر رله ها تحت ارتباط چند هک. علاوه بر این، روش گسترش شبکه نیز می تواند برای بهبود عمر شبکه استفاده شود. مقایسه های عملکرد با شبیه سازی پروتکل های مختلف مسیریابی انجام شده است و رویکرد ما نتایج کارآمد را نشان می دهد.

مقدمه

شبکه حسگر بی سیم، گره های حسگر از طریق چند hopping داده های حس شده را به سینک منتقل می کند. در استقرار پیش تعیین شده، مکان های گره مشخص می شوند. گره های گره نزدیک به سینک معمولا انرژی بیشتری نسبت به گره های دیگر که منجر به یک پدیده شناخته شده به عنوان مشکل حفره انرژی می شوند، مصرف می کنند. بنابراین طول عمر شبکه WSN را کوتاه کنید. حضور سینک های تلفن همراه باعث کاهش مصرف انرژی در نزدیکی آنها می شود. بنابراین، روش گسترش استقرار گره نیز می تواند برای بهبود طول عمر شبکه مورد استفاده قرار گیرد. طول عمر شبکه می تواند به عنوان زمان شروع فعالیت شبکه تا زمانی که اولین گره در شبکه از انرژی خارج می شود تعریف می شود. یک رویکرد برای افزایش حداکثر طول عمر شبکه، کاهش توان انتقال گره به منظور دستیابی به دورترین همسایه انتخاب شده است. که نه تنها صرفه جویی در انرژی، بلکه همچنین می تواند افزایش توان شبکه را افزایش دهد. با این حال، به علت کاهش محدوده انتقال ممکن است به شدت تحت تاثیر اتصال شبکه به دلیل کاهش تعداد گره های همسایه متصل به یک داده شده (درجه گره نامیده می شود). یکی دیگر از ابزارهای موثر حفاظت از انرژی، برنامه ریزی کردن گره ها به حالت خواب (یعنی خاموش کردن رادیوهایشان) زمانی است که آنها مورد نیاز نیست، بدون تغییر اتصال جهانی و پوشش فضایی میدان حسی. هدف اصلی این پژوهش بررسی اثربخشی رویکردهای موجود و رویکرد ما برای حل مسئله مصرف انرژی بر اساس تحرک سینک و استراتژی استقرار استاد است.

Year: ۲۰۱۶

Publisher : ELSEVIER

By : Veena Ananda , Deepika Agrawala, Preety Tirkeyb, Sudhakar Pandey

File Information: English Language/ 6 Page / size: 394 KB

Download

سال : ۱۳۹۵

ناشر : ELSEVIER

کاری از : Veena Ananda , Deepika Agrawala, Preety Tirkeyb, Sudhakar Pandey

اطلاعات فایل : زبان انگلیسی / ۶ صفحه / حجم : KB 394

لینک دانلود