پایان نامه ارائه یک الگوریتم رهگیری هدف پویا بر اساس پیش بینی در شبکه حسگر بی سیم

  • Code: # 31012

  • تعداد صفحات: 104
  • فرمت فایل: word
  • سال: 1391
  • مقطع: کارشناسی ارشد
  • دسته بندی: مهندسی کامپیوتر
قیمت جدید: ۳۵,۰۰۰ تومان
۶۵,۰۰۰ تومان
دانلود
  • خلاصه
  • فهرست
  • خلاصه پایان نامه ارائه یک الگوریتم رهگیری هدف پویا بر اساس پیش بینی در شبکه حسگر بی سیم

    پایان‌نامه کارشناسی ارشد مهندسی کامپیوتر- معماری کامپیوتر

     

    چکیده

    با پیشرفت تکنولوژی ساخت وسایل الکترونیکی و مقرون به صرفه شدن شبکه‌ های حسگر در مقیاس‌های بزرگ، شبکه ­های حسگر بی­سیم زمینه‌های تحقیقاتی را با رشد سریع و جذابیت بسیار فراهم می­کنند که توجهات زیادی را در چندین سال اخیر به خود جلب کرده است. شبکه‌های حسگر بی‌سیم با مقیاس بزرگ حاوی چند صد تا چند ده هزار حسگر، پهنه وسیعی از کاربردها و البته چالش‌ها را به همراه دارند. ویژگی‌های خاص این شبکه‌ها، امکان استفاده از آن‌ها را در کاربردهایی مانند کنترل و بررسی مناطق حادثه‌خیز، حفاظت مرزها و مراقبت‌های امنیتی و نظامی فراهم می­کنند. یکی از مهم‌ترین کاربردهای متصور برای این شبکه‌ها کاربرد رهگیری هدف می‌باشد. در این کاربرد، شبکه‌های حسگر بی‌سیم از حسگرهای تشکیل‌دهنده این شبکه جهت حس کردن و تشخیص یک هدف خاص و دنبال کردن آن در ناحیه تحت نظارت شبکه استفاده می‌شود. به دلیل اینکه حسگرهای موجود در این نوع شبکه‌ها دارای محدودیت انرژی می‌باشند و ارتباطات بین حسگرها به صورت بی‌سیم انجام می­پذیرد، توجه به مسئله مصرف توان و رهگیری بدون خطا چندین هدف متحرک به صورت همزمان در این شبکه‌ها اهمیت فراوانی دارند. الگوریتم‌های رهگیری هدف در شبکه‌های حسگر، از نظر کاربرد و عملکرد آن‌ها، به چهار دسته­ی پروتکل مبتنی بر پیام، مبتنی بر درخت، مبتنی بر پیش‌گویی و مبتنی بر خوشه‌بندی، تقسیم می­گردند. در این میان پروتکل‌های مبتنی بر خوشه‌بندی از نظر مصرف انرژی بهینه هستند. تاکنون برای رفع مشکل انرژی روش‌های زیادی طرح گردیده است که می‌توان به الگوریتم‌های رهگیری اهداف سریع، DPT و CDTA اشاره کرد. الگوریتم رهگیری اهداف سریع قابلیت رهگیری اهداف سریع را دارا می‌باشد ولی از معایب آن می‌توان به  بالا بودن میزان ارتباطات در شبکه به دلیل کوچک بودن خوشه‌ها اشاره کرد. الگوریتم DPT دارای یک الگوریتم پیش بین با پیچیدگی کم می‌باشد ولی از معایب آن می‌توان به قادر نبودن آن  به رهگیری چندین هدف به صورت همزمان اشاره کرد. از معایب الگوریتم CDTA می‌توان به عدم وجود رویه تصحیح خطا برای شناسایی مجدد هدف گم شده، تقسیم‌بندی شبکه بر اساس مدل شبکه و قادر نبودن آن  به رهگیری چندین هدف به صورت همزمان اشاره کرد. در الگوریتم پیشنهادی از یک دیدگاه خوشه‌بندی بر اساس پیش‌بینی به منظور مقیاس‌پذیر بودن شبکه و مصرف بهینه انرژی استفاده گردیده است تا در برابر خرابی‌های احتمالی حسگرها و پیش‌بینی‌های اشتباه مکان هدف مقاوم باشد. در این الگوریتم، رویه تصحیح خطایی ارائه گردیده است تا در زمان‌هایی که هدف به دلیل سرعت بالای خود و یا تغییر جهت‌های ناگهانی از برد حسگرها خارج گردید، الگوریتم قادر به شناسایی مجدد هدف باشد. نتایج بدست آمده توسط شبیه‌ساز نشان می­دهند که الگوریتم پیشنهادی قادر به رهگیری چندین هدف به صورت همزمان می‌باشد و همچنین الگوریتم پیشنهادی با کم کردن ارتباطات بین خوشه­ای و احتمال گم­شدن هدف مصرف انرژی در شبکه‌های حسگر را تا حد امکان کاهش می­دهد. 

    کلمات کلیدی: شبکه‌های حسگر، رهگیری اهداف متحرک، مقیاس‌پذیر بودن شبکه، مدل شبکه، الگوریتم پیش بین، الگوریتم تصحیح خطا    

     

    فصل اول

    مقدمه

    1-1- شرح و اهمیت موضوع

              یکی از شبکه‌هایی که در سال‌های اخیر توجهات زیادی را به خود جلب کرده است، شبکه‌های حسگر بی­سیم[1] (WSN) می‌باشند. شبکه‌های حسگر از تعداد زیادی حسگر تشکیل شده‌اند که پس از توزیع در منطقه، حسگرهایی که در نزدیکی یک رویداد قرار دارند بعد از شناسایی آن رویداد به جمع­آوری اطلاعات رویداد مورد نظر در محیط می­پردازند و اطلاعات بدست آمده از رویداد را به حسگر چاهک ارسال می‌کنند. حسگر چاهک، حسگری است که با ایستگاه پایه[2] که در خارج از شبکه‌های حسگر مستقر می‌باشد، در ارتباط می‌باشد[1]. حسگرهای این شبکه‌ها دارای یک واسط بی­سیم می‌باشند که همین امر باعث گردیده است که این شبکه‌ها در سطح زمین، زیر آب و دیگر مکان‌های خطرناک و یا غیرقابل‌دسترس راه‌اندازی گردند. بنابراین شبکه‌های حسگر قادر به پوشش مناطقی هستند که شبکه‌های دیگر از عهده پوشش آن مناطق بر نمی‌آیند و در واقع شبکه‌های حسگر امکان تعامل بین انسان، محیط و ماشین را فراهم می­کنند. گسترش شبکه‌های حسگر بی­سیم با کاربردهای نظامی آغاز گردید ولی امروزه با گسترش سریع کاربردهای شبکه‌های حسگر، در زمینه‌های رهایی از سانحه، کنترل محیطی و نگاشت تنوع زیستی، سازه‌های هوشمند، مدیریت تأسیسات، کشاورزی، پزشکی و بهداشت، حمل‌ونقل، پردازش از راه دور و رهگیری هدف از شبکه‌های حسگر بی­سیم استفاده می‌گردد. به همین دلیل امروزه پیشرفت‌های زیادی در حوزه زیرسیستم‌های الکترومکانیکی صورت پذیرفته است تا امکان توسعه حسگرهای هوشمند فراهم گردد [1].

     

    یکی از کاربردهای ذکرشده برای شبکه‌های حسگر، رهگیری اهداف متحرک می‌باشد که هدف از آن دنبال کردن یک شی خاص در یک فضای از پیش تعیین‌شده به نام میدان حسگر و تشخیص مسیر آن شی است. این کاربرد می‌تواند با قابلیت شناسایی یک هدف خاص در میان اهداف گوناگون کامل‌تر گردد. بدین منظور از حسگرهایی با فناوری‌های متفاوت که ویژگی‌های گوناگون یک پدیده را می‌توانند اندازه‌گیری کنند در امر رهگیری هدف استفاده می‌گردد. این حسگرها از چهار واحد: واحد توان، واحد پردازش اطلاعات، واحد ارتباطات و واحد حس کردن تشکیل شده است. این حسگرها می‌توانند از نوع حسگرهای حضور، لرزش، نور، صوت، لیزری و تصویر باشند که در این میان حسگرهای تصویری به دلیل اینکه حامل اطلاعات بسیاری هستند از اهمیت بالایی در کاربردهای رهگیری هدف برای شناسایی یک هدف خاص در میدان‌های نبرد و یا ساختمان‌ها و مکان‌های عمومی برخوردارند [2].

    با توجه به محدودیت واحد توان حسگرها و بالا بودن مصرف انرژی حسگرهای تصویری نسبت به انواع دیگر حسگرها، بهینه مصرف شدن انرژی یکی از چالش‌های مهم شبکه‌های حسگر محسوب می‌گردد. در این راستا باید مصرف انرژی اجزا حسگرها شامل ریز حسگرها، مبدل آنالوگ به دیجیتال، پردازنده سیگنال، فرستنده و گیرنده را تا حد امکان کاهش داد. تحقیقات نشان داده‌اند که انرژی مورد نیاز برای ارتباطات از سایر واحدهای مصرف‌کننده انرژی حسگرها به دلیل بالا بودن حجم داده‌های صوتی و تصویری ارسال‌شده توسط حسگرهای تصویری و در نتیجه تحمیل شدن سربار زیادی به سیستم انتقال داده، بیشتر می‌باشد [2].

    از آنجا که کاربردهای رهگیری هدف نیازمند ارسال اطلاعات به صورت بلادرنگ به کاربر است و بنابراین محاسبات بسیاری به صورت بلادرنگ در هر حسگر صورت می­پذیرد همواره توان بسیاری در شبکه حسگر در حال مصرف است و به همین دلیل رهگیری هدف یکی از کاربردهایی است که مصرف توان آن بالا می‌باشد. با توجه به اینکه مصرف بهینه توان باعث پایداری و قابلیت اطمینان شبکه‌های حسگر در شرایط سخت می‌گردد و بالا بودن میزان مصرف انرژی در شبکه‌های حسگر، اهمیت ارائه الگوریتم‌های رهگیری هدف با مصرف توان پایین را دو چندان می­کند.

    در روش‌های سنتی رهگیری هدف، از رویکردهای مرکزی برای انجام این پژوهش استفاده می‌گردیده است. در رویکردهای مرکزی در هر زمان تنها یک حسگر وظیفه شناسایی هدف را بر عهده دارد و بنابراین دقت رهگیری هدف پایین خواهد آمد و انرژی حسگرها به دلیل تحمیل شدن محاسبات سنگین به صورت بهینه مصرف نخواهد گردید. در این روش‌ها با افزایش تعداد گره‌های حسگر در شبکه، پیام بیشتری به سوی حسگر چاهک هدایت می‌شوند که سبب استفاده زیاد از پهنای باند شبکه می­گردد و بنابراین این رویکردها در برابر خطا مقاوم نیستند. در الگویتم های رهگیری هدف جدید، گره‌های حسگری که می‌توانند هدف را تشخیص دهند در حالت فعال نگه داشته می‌شوند و مابقی حسگرها برای صرفه‌جویی در مصرف توان به حالت غیرفعال می‌روند. برای اینکه هدف به صورت پیوسته رهگیری شود باید گروهی از حسگرها قبل از رسیدن هدف به آنها به حالت فعال بروند. این گروه از حسگرها با توجه به سرعت و مسیر هدف تعیین می‌گردند. بنابراین عمده پژوهش‌ها در زمینه رهگیری هدف برای بدست آوردن یک الگوریتم مناسب برای انتخاب بهینه این گروه از حسگرها صورت پذیرفته است. در این تحقیقات با استفاده از حدس نزدیک به بهینه این گروه از حسگرها میزان تبادل اطلاعات میان حسگرها را به حداقل می‌رسانند و بنابراین زیرسیستم مخابراتی که اصلی‌ترین منبع مصرف‌کننده توان حسگرها می‌باشد کمتر فعال می‌گردد و در نتیجه مصرف انرژی به صورت چشمگیری کاهش می­یابد. اما دسته‌ای دیگر از الگوریتم‌های رهگیری هدف با توجه به اینکه در نظر نگرفتن کاهش مصرف انرژی در زیرسیستم‌های حسی و پردازشی حسگرها ما را از امکان کاهش بیشتر مصرف توان شبکه دور می‌سازد، بر روی مصرف توان درون یک حسگر تمرکز کرده‌اند. در این الگوریتم‌ها مصرف توان زیرسیستم‌های حسگرها با ارائه الگوریتم‌هایی که هدف آنها رهگیری هدف با سربار پردازشی حداقل و نحوه نمونه‌برداری مناسب با زمان‌بندی و بسامد مناسب فعال‌سازی زیرسیستم حسگر می‌باشد، کاهش می­یابند [3].

    در پژوهش‌های انجام‌شده در رابطه با رهگیری هدف در شبکه‌های حسگر بی‌سیم چهار رویکرد کلی وجود دارد. این رویکردها شامل رویکردهای بر مبنای پیام، بر مبنای درخت، بر مبنای پیش‌بینی و بر مبنای خوشه­بندی می‌باشند. در رهگیری هدف بر مبنای پیام فرض می‌گردد که هدف متحرک سرعت و جهت حرکت جاری خود را برای چند لحظه حفظ می‌کند و از تاریخچه حرکتی هدف به منظور پیش‌بینی حرکت بعدی هدف استفاده می‌شود. بعد از تخمین حرکت بعدی هدف با استفاده از یک روش پیام‌رسانی همه جهته به گروهی از حسگرها که در حوزه تحویل قرار دارند پیامی را ارسال می‌کنند و این گروه از حسگرها با دریافت این پیام پیش از رسیدن هدف به آ‌نها حسگرها، فعال می­گردند [3].

    در رهگیری هدف بر مبنای درخت، حسگرهای شبکه به صورت یک درخت سلسله مراتبی سازماندهی می‌گردند که نودهای این درخت حسگرها می‌باشند و یال‌های آن اتصالات بین حسگرهایی را مشخص می‌کنند که می‌توانند با یکدیگر به صورت مستقیم در ارتباط باشند. در هنگام رهگیری هدف بر مبنای درخت حسگرهایی که هدف را شناسایی کرده‌اند از طریق درخت سلسله مراتبی با یکدیگر ارتباط برقرار می‌کنند و به صورت مجازی یک درخت بنام درخت همراه بین حسگرهای شناسایی کننده هدف تشکیل می‌گردد. بعد از تشکیل درخت همراه، تمام حسگرهای شناسایی کننده هدف اطلاعات خود را به ریشه درخت مجازی ارسال می‌کنند و در صورتی که حسگر ریشه از هدف دور باشد با توجه به اطلاعات رسیده شده به حسگر ریشه، درخت همراه جدیدی ایجاد خواهد گردید.

    در رهگیری هدف بر مبنای پیش‌بینی فرض می‌گردد که هدف متحرک سرعت و جهت جاری خود را برای چند لحظه آینده حفظ خواهد کرد و با استفاده از تاریخچه موقعیت هدف، موقعیت بعدی هدف پیش‌بینی می‌گرد. با توجه به موقعیت پیش‌بینی‌شده هدف، حسگرهایی که آن موقعیت را پوشش می‌دهند قبل از رسیدن هدف به آن موقعیت فعال می‌گردند تا هدف را شناسایی کنند و در صورتی که هدف شناسایی نگردید الگوریتم‌های تصحیح خطا اجرا می‌گردد تا هدف گم شده دوباره شناسایی گردد و رهگیری هدف مورد نظر ادامه یابد.

    در رهگیری هدف بر مبنای خوشه، شبکه به گروه‌هایی از حسگرها بنام خوشه تقسیم می‌گردند و هر خوشه شامل سرخوشه و حسگرهای عضو خوشه می‌باشند. این روش رهگیری هدف به دو دسته رهگیری هدف بر اساس خوشه‌های ایستا و رهگیری هدف بر اساس خوشه‌بندی پویا تقسیم می‌گردد. در روش رهگیری هدف بر اساس خوشه‌های ایستا در هنگام پیاده‌سازی شبکه‌ها خوشه‌ها شکل می‌گیرند و خصوصیات هر خوشه مانند تعداد اعضا، ناحیه تحت پوشش و غیره ثابت می‌باشد. این روش‌ها از نظر توانایی تحمل خطا قابل‌اطمینان نمی‌باشند و به دلیل ثابت بودن حسگرهای سرخوشه، انرژی زیادی را مصرف می‌کنند و در نتیجه طول عمر شبکه کاهش می­یابد. در مقابل روش قبل، روش رهگیری هدف بر اساس خوشه‌های پویا وجود دارد؛ که در آن خوشه‌ها در صورت تشخیص هدف شکل می‌گیرند و یک حسگر که نسبت به دیگر حسگرها دارای انرژی بیشتری می‌باشد به عنوان سرخوشه انتخاب می‌گردد. روش‌های رهگیری هدف بر مبنای خوشه در مقایسه با دیگر رویکردهای رهگیری هدف، از پهنای باند شبکه بهتر استفاده می‌کنند و نیز باعث می‌گردند تا معیار مقیاس­پذیری[3] شبکه بالاتر رود. در صورتی که در روش‌های رهگیری هدف بر مبنای خوشه‌بندی، سرخوشه از طریق پردازش محلی در شبکه انتخاب شود، پیام‌های اضافی کاهش می­یابند و در نتیجه انرژی در شبکه کمتر مصرف می‌گردد.

    1-2- اهداف تحقیق

  • فهرست پایان نامه ارائه یک الگوریتم رهگیری هدف پویا بر اساس پیش بینی در شبکه حسگر بی سیم

    فهرست:

    فهرست مطالب.. هشت

    فهرست اشکال یازده

    فهرست جداول چهارده

    چکیده. 14

    فصل اول: مقدمه

    1-1- شرح و اهمیت موضوع. 2

    1-2- اهداف تحقیق. 5

    1-3-  ساختار پایان‌نامه. 5

    فصل دوم: رویکردهای رهگیری هدف

    2-1- مقدمه. 7

    2-2- رویکرد مبتنی بر پیام. 8

    2-2-1- پروتکل FAR   8

    2-2-2- پروتکل VE-mobicast 9

    2-2-3- پروتکل HVE-mobicast 12

    2-3- رویکرد مبتنی بر درخت... 13

    2-3-1- الگوریتم DCTC   13

    2-3-2- الگوریتم STUN   15

    2-3-3- الگوریتم DAT   16

    2-4- رویکرد مبتنی بر پیش‌بینی.. 18

    2-4-1- الگوریتم TTMB   18

    2-4-2- الگوریتم کاهش خطا مکانی به صورت انرژی آگاه 19

    2-4-3- الگوریتم FTPS  21

    2-4-4- الگوریتم HPS  22

    2-4-5- الگوریتم PES  23

    2-4-6- الگوریتم DPR   24

    2-5- رویکرد مبتنی بر خوشه. 25

     

    2-5-1- الگوریتم رهگیری اهداف سریع  26

    2-5-2- الگوریتم رهگیری هدف با همکاری خوشهها 27

    2-5-3- الگوریتم DELTA   28

    2-5-4- الگوریتم DPT   28

    2-5-5- الگوریتم CDTA   30

    2-6- نتیجه‌گیری.. 32

    فصل سوم: مدل‌های حرکتی

    3-1- مقدمه. 33

    3-2- مکان‌یابی در شبکه‌های حسگر. 34

    3-2-1- الگوریتم زمان انتشار یک طرفه  34

    3-2-2- الگوریتم زمان انتشار رفت و برگشت    34

    3-2-3- الگوریتم فانوس دریایی   34

    3-2-4- الگوریتم تخمین فاصله از طریق اندازه‌گیری قدرت سیگنال دریافتی   35

    3-2-5- الگوریتم مکان‌یابی به وسیله GPS  36

    3-2-6- الگوریتم مکان‌یابی تک گامه با روش فانوس دریایی   37

    3-2-7- الگوریتم مکان‌یابی چند گامه بر مبنای فاصله  38

    3-3- مدل‌های حرکتی تصادفی.. 38

    3-3-1- مدل حرکتی نقطه راه تصادفی   39

    3-3-2- مدل حرکتی جهت تصادفی   39

    3-3-3- مدل حرکتی راهپیمایی تصادفی   39

    3-3-4- مدل حرکتی راهپیمایی جمع‌آوری   40

    3-4- مدل حرکتی شهری.. 40

    3-4-1- مدل حرکتی آزادراه 41

    3-4-2- مدل حرکتی منهتن   41

    3-5- مدل‌های حرکتی وابسته زمانی.. 41

    3-5-1- مدل حرکتی گاس- مارکوف    42

    3-5-2- مدل حرکتی راهپیمایی تصادفی احتمالی   42

    3-5-3- مدل حرکتی وابسته نمایی   42

     

    3-6- مدل‌های حرکتی گروهی.. 43

    3-6-1- مدل حرکتی نقطه مرجع  43

    3-6-2- مدل حرکتی تعقیب    43

    3-6-3- مدل حرکتی رشته‌ای   44

    3-6-4- مدل حرکتی ردیفی   44

    3-7- نتیجه‌گیری.. 45

    فصل چهارم: تحقیقات مرتبط با الگوریتم پیشنهادی

    4-1- مقدمه. 46

    4-2- الگوریتم خوشه‌بندی توزیع‌شده به صورت هم پوشانی: 47

    4-3- الگوریتم رهگیری اهداف سریع: 48

    4-4- الگوریتم رهگیری توزیع‌شده بر اساس پیش‌بینی: 51

    4-5- الگوریتم CDTA.. 55

    فصل پنجم: معماری و شبیه‌سازی الگوریتم پیشنهادی

    5-1- مقدمه. 59

    5-2- مقدمات الگوریتم پیشنهادی.. 60

    5-2-1- تعاریف    60

    5-2-2- فرضیات الگوریتم پیشنهادی   64

    5-3- معماری الگوریتم پیشنهادی.. 66

    5-3-1- رویه خوشه‌بندی   70

    5-3-2- رویه رهگیری هدفPDTA  توسط حسگرهای عضو خوشه  74

    5-3-3- رویه رهگیری هدفPDTA  توسط حسگرهای سرخوشه  74

    5-3-4- مدل مصرف انرژی: 79

    5-4- تنظیمات شبیه‌سازی.. 80

    5-5- پارامترهای شبیه‌سازی.. 81

    5-6- نتایج شبیه‌سازی.. 82

    فصل ششم: نتیجه‌گیری

    6-1- جمع‌بندی کلی نتایج.. 89

    6-2- پیشنهادات.. 91

    مراجع  92

     

    منبع:

     

    Jie-hong, L., Jun, L., Jin-gui, P., Wei, Z., & Yuan, C, “Design and implementation of fast and accurate WSN positioning”, In Wireless Mobile and Computing (CCWMC 2009), IET International Communication Conference on IET, pp. 310-313, December 2009.

     

    Sohraby, K., Minoli, D., & Znati, T., Wireless sensor networks: technology, protocols, and applications, Wiley-Interscience, 2007.

     

    Ramya, K., K. Praveen Kumar, and V. Srinivas Rao. “A Survey on Target Tracking Techniques in Wireless Sensor Networks”, International Journal of Computer Science and Engineering 3, Vol. 3, No. 4, August 2012.

     

    Huang, Q., Lu, C., & Roman, G. C. “Design and analysis of spatiotemporal multicast protocols for wireless sensor networks”, Telecommunication Systems, Vol. 26, No. 2, pp. 129-160, 2004.

     

    Huang, Q., Lu, C., & Roman, G. C. “Reliable mobicast via face-aware routing”, In INFOCOM 2004. Twenty-third AnnualJoint Conference of the IEEE Computer and Communications Societies, Vol. 3, pp. 2108-2118, March 2004.

     

    Chen, Y. S., Ann, S. Y., & Lin, Y. W. “VE-mobicast: a variant-egg-based mobicast routing protocol for Sensornets”, Wireless Networks, Vol. 14, No. 2, pp. 199-218, 2008.

     

    Chen, Y. S., Liao, Y. J., Lin, Y. W., & Chiu, G. M. “HVE-mobicast: a hierarchical-variant-egg-based mobicast routing protocol for wireless sensornets”, Telecommunication Systems, Vol. 41, No.2, pp. 121-140, 2009.

     

    [8]

     

    Zhang, W., & Cao, G. “Optimizing tree reconfiguration for mobile target tracking in sensor networks”, In INFOCOM 2004. Twenty-third AnnualJoint Conference of the IEEE Computer and Communications Societies, Vol. 4, pp. 2434-2445, March 2004.

     

    Kung, H. T., & Vlah, D. “Efficient location tracking using sensor networks”, In Wireless Communications and Networking, 2003. WCNC 2003. 2003 IEEE, Vol. 3, pp. 1954-1961, March 2003.

     

    Lin, C. Y., Peng, W. C., & Tseng, Y. C. “Efficient in-network moving object tracking in wireless sensor networks”, Mobile Computing, IEEE Transactions on, Vol. 5, No. 8, pp. 1044-1056, 2006.

     

    Bhuiyan, M. Z. A., Wang, G., & Wu, J. “Target tracking with monitor and backup sensors in wireless sensor networks”, In Computer Communications and Networks, 2009. ICCCN 2009. Proceedings of 18th Internatonal Conference on Computer Communication and Networks,  pp. 1-6, August2009.

    Lee, S. M., Cha, H., & Ha, R. “Energy-aware location error handling for object tracking applications in wireless sensor networks”, Computer Communications, Vol. 30, No. 7, pp. 1443-1450, 2007.

     

     

    Demigha, O., Badache, N., Aissani, M., & Mellouk, A. “Fault-tolerant prediction-based scheme for target tracking application”, In Global Telecommunications Conference, 2009. GLOBECOM 2009. IEEE, pp. 1-6, November 2009.

     

    Wang, Z., Li, H., Shen, X., Sun, X., & Wang, Z. “Tracking and predicting moving targets in hierarchical sensor networks”, IEEE International Conference on Networking, Sensing and Control (ICNSC’08), pp. 1169-1173, April 2008.

     

    Xu, Y., Winter, J., & Lee, W. C. “Prediction-based strategies for energy saving in object tracking sensor networks”, in 5th IEEE International Conference on Mobile Data Management, pp. 346-357, 2004.

     

    Xu, Y., Winter, J., & Lee, W. C. “Dual prediction-based reporting for object tracking sensor networks”, In Proceeding of the First Annual International Conference on Mobile and Ubiquitous Systems: Networking and Services (MobiQuitous’04), pp. 154-163, August 2004.

     

    Alaybeyoglu, A., Erciyes, K., Kantarci, A., & Dagdeviren, O. “Tracking fast moving targets in wireless sensor networks”, IETE Technical Review, Vol. 27, No. 1, pp. 46-53, 2010.

     

    ظریف نشاط، م، ارائه یک الگوریتم نیمه‌متمرکز انتخاب سرخوشه به منظور رهگیری هدف در شبکه حسگر بی‌سیم، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، 1390

     

    Chen, W. P., Hou, J. C., & Sha, L. “Dynamic clustering for acoustic target tracking in wireless sensor networks”, Mobile Computing, IEEE Transactions on, Vol. 3, No. 3, pp. 258-271,2004.

     

    Wälchli, M., Skoczylas, P., Meer, M., & Braun, T. “Distributed event localization and tracking with wireless sensors”. Wired/Wireless Internet Communications, pp. 247-258, 2007.

     

    Yang, H., & Sikdar, B. “A protocol for tracking mobile targets using sensor networks”, In Proceedings of the First IEEE International Workshop on Sensor Network Protocols and Applications, pp. 71-81, May 2003.

     

    Zhang, C., & Fei, S. “Energy efficient target tracking algorithm using cooperative sensors”, Journal of Systems Engineering and Electronics, Vol. 23, No.5, pp. 640-648,2012.

     

    Mao, G., Fidan, B., & Anderson, B. “Wireless sensor network localization techniques”, Computer Networks, Vol. 51, No. 10, PP. 2529-2553, 2007.

     

    Tekdas, O., & Isler, V. “Sensor placement for triangulation-based localization” Automation Science and Engineering, IEEE Transactions on, Vol. 7, No. 3, PP. 681-685, 2010.

     

    Camp, T., Boleng, J., & Davies, V., “A survey of mobility models for ad hoc network research”, Wireless communications and mobile computing (WCMC), Vol. 2, No. 5, PP. 483-502, 2002.

     

    Bai, Fan, and Ahmed Helmy. “A SURVEY OF MOBILITY MODELS in Wireless Adhoc Networks”, University of Southern California, USA, Vol. 2, No. 5, PP. 13-18, 2006.

    Rhee, I., Shin, M., Hong, S., Lee, K., Kim, S. J., & Chong, S. “On the levy-walk nature of human mobility” IEEE/ACM Transactions on Networking (TON), Vo. 19, No. 3, PP. 630-643, 2011.

     

    M. Youssef, A. Youssef, and M. Younis, “Overlapping multihop clustering for wireless sensor networks”, IEEE Trans. Parallel Distrib. Syst., vol. 20, no. 12, pp. 1844–1856, Dec. 2009.

     

    NIE, D., FU, Y., ZHOU, J., & FANG, Y, “Predicting Time Series with Multiple Mixed Models”, Journal of Computational Information Systems, vol. 7, no. 4, pp. 1092-1099, 2011.

     

    Xiaozhen, Y., Hong, X., & Tong, W., “A multiple linear regression data predicting method using correlation analysis for wireless sensor networks”, In Cross Strait Quad-Regional Radio Science and Wireless Technology Conference (CSQRWC), Vol. 2, pp. 960-963), July 2011.

  • ثبت سفارش
    عنوان محصول
    قیمت