پروژه های دانشجویی پاسارگاد

کد متلب تعیین موقعیت گره ها در شبکه حسگر بیسیم

توضیحات:
کد متلب -  الگوریتم گرانش مرکزی در محدوده’ C شکل برای تعیین موقعیت گره ها در شبکه حسگر بیسیم (WSN)


شبکه های حسگر بی سیم (WSN ها) شبکه ای از گره های حسگر بی سیم توزیع شده است که می توانند با همکاری هم نسبت به شرایط فیزیکی و یا محیطی ( دما، صدا، فشار، حرکت، لرزش و یا آلاینده ها و پدیده های دیگر) واکنش نشان داده و به نظارت ، جمع آوری و ارسال اطلاعات دریافتی از محیط پیرامون خود بپردازند. شبکه های حسگر بیسیم با چالش های بسیاری مانند حوزه’ تحت پوشش (coverage)، استقرار بهینه گره ها(optimal deployment)، ادغام داده ها (data aggregation) و محلی سازی یا همان تعیین موقعیت (localization ) روبروست. در بسیاری از موارد کاربردی، لازم است که موقعیت سنسوری که پدیده ای را تشخییص داده ، بدون کمک از تکنولوژیهای اختصاصی تعیین موقعیت جغرافیایی (GPS) شناسایی کنیم. اهمیت این موضوع در مواردی که اولا") GPS در دسترس نباشد ، 2) یا استفاده از آن عملی نباشد (محیط هایی مثل معادن ، چاههای حفاری نفتی ، تحت آبهای عمیق و... ) و 3) با توجه به هزینه’ بالای مصرف انرژی یا موقعیت خاص جغرافیایی مقرون به صرفه نیست برجسته تر و ضروری تر میشود. بهمین دلیل، محاسبه و تعیین موقعیت گره ها، یکی از موضوعات مهم در مباحث شبکه های حسگر بی سیم است . به طور کلی، الگوریتمهای محلی سازی (localization ) به دو دسته تقسیم میشوند .1) الگوریتم های مبتنی بر محدوده(range-based) 2) الگوریتمهای بدون محدوده (range-free) . الگوریتم های range-based به اندازه گیری فواصل واقعی بین گره ها میپردازند، در مقابل الگوریتم های range-free نسبت به تخمین فاصله بر اساس اطلاعات اتصال(connectivity information) مبادرت میکنند. در این شبیه سازی، ما یک الگوریتم جدید محلی سازی از نوع مستقل از محدوده (range-free) را مطرح و پیشنهاد کرده ایم . روش پیشنهادی از نوع مبتنی بر لنگر(Anchor-Based Solutions) و تعیین میانگین مرکز ثقل (Centroid) در محدوده های رندوم به شکل C (C-shape) میباشد.نتایج بدست آمده از شبیه سازی برای ارزیابی عملکرد این الگوریتم در مقایسه با دیگر الگوریتم های مشابه موجود مانندHOP DV- و DV-RSD و Basic-Centroid نشان می دهد که الگوریتم حاضر، از مزایای آشکاری نسبت به الگوریتم های رایج موجود ، برخوردار است. بررسی شاخصهای عملکرد سیستم نشان داد که، خطای نسبی این الگوریتم همواره کمتر از سایر الگوریتمهای هم هدف موجود میباشد.
این پیازه سازی مشتمل بر 4 mfile میباشد که شامل سه تابع و یک mfile برای فراخوانی و اجرا میباشد و با استفاده از توابع پایه در نرم افزار منلب کد نویسی و با موفقیت آزمایش شده است.
برای اجرای برنامه ، پوشه’ حاوی mfile ها را بعد از خارج کردن از حالت فشرده، به Current folder نرم افزار متلب کپی کنید و فایل با نام Centroid.m را باز کرده، Run نمایید. نتایج گرافیکی دردو Figure و نتایج محاسباتی در Command Widow و ماتریس متغیرهای محاسبه در Workspace متلب قابل مشاهده خواهد بود.
بعنوان منبع مکمل مطالعاتی مقاله’ لاتین بررسی کامل روشهای محلی سازی بدون محدوده (Range-Free Localization) پیوست گردیده و مطلعه آن برای درک بهتر به دوستان توصیه میشود

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.