عنوان پایان‌نامه
کاهش مصرف انرزی درشبکه های تصادفی حسگر
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 35149
- تاریخ دفاع
- ۲۵ تیر ۱۳۸۶
- دانشجو
- امیر نیری
- استاد راهنما
- ناصر یزدانی
- چکیده
- استفاده از شبکه های حسگر برای مقاصد مختلف از قبیل شناسایی یک محیط، تعقیب حرکت اشیاء، و همچنین کشف کردن اتفاقات مهم در محیط، در دهه های اخیر بسیار مورد توجه قرار گرفته است. این شبکه ها که معمولا ساختاری اقتضائی دارند، از حسگرهایی تشکیل شده اند که محدودیت منابع، اندازه بسیار کوچک، و قیمت ارزان از خصوصیات اصلی آنها میباشد. به علت همین محدودیت منابع و مشکل بودن شارژ دوباره حسگرها طراحی روش هایی برای کاهش مصرف انرژی به یکی از مسائل مهم در این زمینه تبدیل شده است. در نظر گرفتن این نکته (که همواره سعی در مصرف کمتر انرژی داشته باشیم) در همه مراحل ساخت و استفاده از یک شبکه حسگر لازم است، خصوصا در مرحله ساخت این نکته بسیار حائز اهمیت است. در آن مرحله دو مساله مهم مطرح می باشند که عبارتند از: استقرار حسگر ها و ساخت ارتباطات شبکه. در مساله اول می خواهیم حسگر ها را با کمترین صرف انرژی در ناحیه به صورتی توزیع کنیم که همه نقاط ناحیه به وسیله آنها قابل دسترسی باشند. اما مساله دوم ساختن ارتباطات و در واقع گراف همبندی شبکه است به منظور اینکه انرژی مصرفی هنگام استفاده از این شبکه در مراحل بعد کمینه گردد. در این پایان نامه پس از معرفی اجمالی از شبکه های حسگر و ارائه فهرستی از کاربردها و مسائل مطرح در این حوزه سعی کردیم مروری کلی روی مساله استقرار و کنترل توپولوژی ارائه دهیم. سپس به ارائه دو روش پیشنهادی خود برای استقرار و کنترل توپولوژی می پردازیم. در هر دوی این رویکرد ها کمینه کردن مصرف انرژی از اهداف اصلی به شمار می روند. به کمک تحلیل های ریاضی و شبیه سازی نشان داده ایم که روش های ارائه شده می توانند به نتایج بهتری در مورد مصرف انرژی منجر شوند.
- Abstract
- Ad hoc sensor networks, which are composed of tiny and resource constrained computing devices, have been widely deployed for monitoring and controlling applications in physical environments. Communication among such devices is typically established through wireless channels in absence of any fixed predetermined infrastructure. Usually, sensors are powered by limited batteries, whose charging is hardly possible due to difficulties imposed by operating environments. Therefore, energy conservation is one of the main challenging problems for ad hoc and especially sensor networks. Consideration of the energy item is an important matter throughout the construction and utilization of a sensor network. This fact is particularly important in two phases of construction which are deployment and topology making. During the first stage, we like to deploy the nodes so that every points of the field is sensed at least by one sensor. Later, in topology construction the goal is establishing a communication graph that results in less power utilization during the lifetime of the network. In this thesis we have introduced two new methods for deployment and topology control. In the deployment work, we propose two techniques for the self-deployment of mobile sensors. The first one is a randomized solution that provides both simplicity and applicability to different environments. Inspired by simulated annealing, it improves both speed and energy conservation of the deployment process. The other method is suggested for the environments where sensors form a connected graph, initially. At the cost of this extra limitation, we gain considerable improvements. Topology Control (TC) is a well-known approach which tries to determine transmission ranges of nodes to optimize energy utilization while keeping some network properties like connectivity. However, in current TC schemes, the transmission range of each node is mostly accounted as the exclusive estimator for its energy consumption while ignoring the amount of data it sends or relays. In the other work of this thesis, we deliberately reformulate the problem of topology control regarding both network load and transmission range parameters. Our approach is particularly formulated for dense sensor networks with one or more base stations. The problem is considered in three different environmental conditions and then, proper mathematical relations are presented to find the optimum solutions. Analytical and experimental results show our methods superiority to the previous proposals in terms of energy conservation.
