بخشی از مقاله
چکیده - شبکههای حسگر بیسیم شامل تعداد زیادی از حسگرهای کوچک هستند که برای جمعآوری داده و تشخیص دادهها مورد استفاده قرار میگیرند. طراحی یک الگوریتم ردیابی مؤثر در شبکههای حسگر بیسیم که از نظر مصرف انرژی و کیفیت ردیابی بهینه باشد، یک چالش جدی به حساب میآید. در این مقاله، الگوریتم حداقل پوشش گرههای حسگر فعال برای ردیابی هدف در شبکههای حسگر بیسیم معرفی میشود.
در روش پیشنهادی خوشهها قبل از حرکت هدف شکل میگیرند که متأثر از منطقه پیشبینی شده - Predicted region - میباشد. اجزای خوشه نیز از این منطقه انتخاب میشوند. برای جلوگیری از استفاده مکرر از یک گره حسگر خاص در این تحقیق، از حداقل پوشش گره های حسگراستفاده میشود. نتایج شبیهسازی نشان میدهد که راهکار پیشنهاد شده بدون کاهش کیفیت ردیابی، انرژی مصرفی شبکه را کاهش می دهد.
-1مقدمه
پیشرفتهای اخیر در زمینهی الکترونیک و مخابرات بی سیم، امکان طراحی و ساخت حسگرهایی با توان مصرف پایین، اندازه ی کوچک، قیمت مناسب و کاربردهای گوناگون را فراهم ساخته است. این حسگرها که توان انجام اعمالی چون دریافت اطلاعات از محیط، پردازش و ارسال آن را دارند، موجب پیدایش ایده ای برای ایجاد و گستر ش شبکه هایی موسوم به شبکه های حسگر ی بی سیم شده اند .[6] این شبکه ها باید به صورت خودکار، خودمختار و بدون دخالت افراد، بتوانند به مدت طولانی وظایف محوله خود را انجام دهند. این شبکه ها، با توجه به نوع کاربردشان، اطلاعات مربوط به رخدادهای گوناگون را از محیط عملیاتی خود جمع آوری کرده و ضمن پردازش اولیه، آنها را به ایستگاه پایه گزارش می کنند.
[8] ردیابی اهداف متحرک در شبکه های حسگر بی سیم به دلیل کاربردهای متنوع آن یک موضوع تحقیقاتی مهم در این شبکهها است. برای نیل به این هدف، خوشه بندی گره های حسگر و پیش بینی مکان بعدی هدف مطرح میشود. خوشهبندی به دلیل جلوگیری از اتلاف انرژی، افزایش طول عمر شبکه و تجمیع داده ها از اهمیت ویژهای برخوردار است 5]،.[3 تاکنون روشهای مختلفی در زمینه ی ردیابی هدف انجام شده است که به منظور پایین آوردن مصرف انرژی در سطح شبکه و افزایش طول عمر شبکه انجام گرفته است که در بخش بعدی به چند مورد اشاره خواهد شد. سپس روش پیشنهادی برای افزایش طول عمر شبکه با استفاده از روش حداقل پوشش گره های حسگر فعال، ارائه خواهد شد.
-2کارهای مرتبط
در زمینه ردیابی هدف، الگوریتمها به سه دستهی کلی الگوریتم های مبتنی بر درخت ، مبتنی بر خوشه و مبتنی بر پیش بینی تقسیم می شوند. در ادامه نمونه هایی از کارهای انجام شده بیان خواهد شد. STUN، از یک ساختار سلسله مراتب برای اتصال حسگرها استفاده می کند که در آن نقطه درخواست دهنده ی ردیابی - معمولاً سنیک - ، به عنوان ریشه قرار دارد. به این ساختار، درخت سلسله مراتبی میگویند .[10] الگوریتم OCO یک روش مبتنی بر درخت است که شامل چهار فاز است: فاز جمع آوری موقعیت ها، پردازش، ردیابی و نگهداری. [12 ] الگوریتم ارائه شده در [4] یک الگوریتم خوشه بندی پویا در ردیابی اهداف صوتی می باشد که شامل دو نوع حسگر می باشد.
حسگر سطح بالاتر به عنوان سرخوشه و حسگرهای سطح پایین تر به عنوان تامین کننده اطلاعات برای سرخوشه است.الگوریتم [2] DLSTA برای اهداف خطی با استفاده از فیلترینگ می باشد تا بتواند موقعیت بعدی یک هدف بسیار سریع که حرکت غیر خطی دارد را شناسایی کند.در مقاله[ 11] یک روش خوشه بندی پویا برای ردیابی هدف با نام ائتلاف - Coalition - پویایی مبتنی بر مزایده - - Auction ارائه شده است. PBCA یک الگوریتم خوشه بندی بر مبنای پیش بینی می باشد.
در این الگوریتم دو پارامتر فاصله از مکان پیش بینی و انرژی باقیمانده گره های سنسوری وجود دارد که برای انتخاب گره های ردیابی استفاده می شود GSCTA .[7] خوشهها را به طور ایستا در زمان پیاده سازی شبکه شکل دهی می کند به طوری که تمامی گره های عضو و گره های مافوق، قبل از اجرای الگوریتم تعریف می شوند .[1] الگوریتم مقاله ی [13] نیز یک الگوریتم مبتنی بر پیش بینی است که می تواند به طور همزمان چندین هدف را در شبکه شناسایی و ردیابی کند.
روش AASA دارای دو بخش است: شعاع تطبیقی ناحیه پیشبینی شده و تعداد گره های در منطقه، فاصله زمانی قابل تنظیم. در این روش، یک سرخوشه قادر به محاسبه خطای پیشبینی فعلی بوده همچنین منطقهی پیشبینی و تعداد گروههای حاضر در منطقه را محاسبه میکند.[9] الگوریتم پیشنهادی را با الگوریتم [9] AASA مقایسه و شبیهسازی کردیم. به منظور سادگی بیشتر از یک روش خوشه بندی ایستا استفاده میشود.
در روشهای خوشهبندی ایستا از ابتدا گره های خاصی که انرژی بیشتر و محدوده ی ارتباطی بالاتر نسبت به سایر گرهها دارند را به عنوان سرخوشه در نظر گرفته و آنها را به صورت یکنواخت در شبکه پراکنده می کنند. خوشه ها قبل از حرکت هدف در منطقه ی خوشه شکل می گیرند. سرخوشه موقعیت بعدی هدف را به وسیله ی روش پیشبینی، مشخص میکند و آن را در قالب یک پیام به گرههای همسایه منتشر می کند. سرخوشه ی فعال برای انجام عملیات ردیابی در یک بازه ی زمانی، پس از پیش بینی موقعیت بعدی هدف، باید سه گره از اعضای خود را به عنوان گره های حسگر ردیاب در بازه ی زمانی بعدی انتخاب و با ارسال پیامی آن ها را برای عملیات ردیابی بیدار می کند. در این روش از دو پارامتر فاصله و انرژی برای انتخاب گره های حسگر ردیاب استفاده میشود.
-3 روش پیشنهادی:
اگر خطای پیش بینی بعدی خیلی بزرگ باشد دو نتیجه حاصل میشود:
1. روش پیش بینی مناسب با حرکات هدف نمیباشد. در این صورت باید گرههای حسگر بیشتری را با افزایش شعاع منطقهی پیشبینی و تعداد گرههای حسگر، فعال کرد.
2. وضعیت شبکه، غیرقابل پیشبینی در شبکهی حاضر میباشد، به این معنی که تراکم گرهها بسیار اندک است و نمی توان از روش سه بعدی بهره گرفت. اگر روش پیش بینی مناسب حرکت کنونی هدف باشد هنوز همه تعداد گره ی کافی برای مشارکت در پروسه موقعیتیابی وجود ندارد و این امر باعث افزایش خطای پیش بینی - PE - میشود. به همین دلیل باید میزان R pr و Nmb را افزایش داد تا از فقدان هدف جلوگیری شود. بالعکس با کاهش PE f کیفیت عملکرد بالاتر می رود، بنابراین برای حفظ انرژی لازم است که R pr و Nmb کاهش یابد.
