بخشی از مقاله
خلاصه
از زمانی که شبکههای حسگر بیسیم وارد دنیای شبکه شدند، استفاده از آنها در محیطهای مختلف به منظور ردیابی هدفهای متحرک مورد توجه قرار گرفته است. مهمترین معضلی که تا کنون گریبانگیر این نوع شبکهها بوده است، میزان مصرف بالای انرژی گرهها بوده که این امر خود نیز یکی از دلایل اصلی کاهش طول عمر شبکههای حسگر بیسیم محسوب میشود. بر این اساس به نظر میرسد استراتژی ارسال انتخابی، یکی از مهمترین راهکارهای کاهش مصرف انرژی در شبکههای حسگر بیسیم مورد استفاده در ردیابی هدف بوده و از طریق کاهش تعداد بستههای موجود در شبکه حاصل میشود. این امر از طریق انتخاب هوشمندانه که میتواند پیامهای کم اهمیت را دور ریزد تحقق مییابد.
با ترکیب برنامههای دیگری مانند تجمیع دادهها یا ترکیب دادهها که موجب کاهش ارسال پیامها در سطح شبکه میشوند، فضای عمل این تکنیکها گسترش مییابد. در این مقاله به منظور شناسایی درجه اهمیت بستههای پیام و حسگرهایی که برای عملیات ردیابی در محدوده هدف قرار دارند از آتاماتای یادگیر برای انتخاب عادلانه و بهینه استفاده شده است . در روش پیشنهادی مورد استفاده در این پژوهش، محدودیتی برای شعاع حسی حسگرها وجود ندارد حسگرها میتوانند هر شعاعی را برای خود داشته باشند و این کار نه تنها عمر شبکه را کاهش نمیدهد بلکه سبب میشود مصرف انرژی در شبکه متعادلتر شود که نتیجه آن عمر طولانی شبکه را حاصل میکند. همچنین تکنیکهای بکار گرفته شده در این پژوهش از ظرفیت محاسباتی حسگر حداکثر استفاده را میبرد و با استفاده از یک شیوه توزیعی، ترافیک شبکه را کاهش میدهد.
.1 مقدمه
شبکههای حسگر بیسیم از تعداد زیادی گره حسگر کوچک، ارزان قیمت با قابلیت و قدرت پائین تشکیل شده است. این حسگرها میتوانند اطلاعاتی را از محیط اطراف خود دریافت کرده و برای حسگرهای همسایه ارسال کنند. شبکههای حسگر میتوانند در کاربردهایی مانند نظارت هوشمند بر بزرگراهها، امداد رسانی در حوادث غیر مترقبه، دیدهبانی محیط و پیگیری هدف بکار گرفته شوند.[1,2] ردیابی یک هدف متحرک یکی از کاربردهای مهم نظامی و تجاری این شبکهها است. در شبکهای که دارای ابزارهای حسگر میباشد منطقهبندی هدف و دقت ردیابی میتواند در مقایسه با برنامههای غیرگروهی، بهبود یابد؛ اما هنگامی که از شبکه حسگر بیسیم استفاده میشود باید بهخاطر داشت که این شبکهها محدودیتهایی هم دارند که اساساً علت آن ناشی از کمبود انرژی است.[5]
کاهش مصرف انرژی گرهها یکی از مهمترین چالشها در این شبکه است و بررسی این مسئله در شبکههای حسگر بیسیم توسط محققان مختلف مورد توجه قرار گرفته است. در ردیابی هدف، بیدار بودن تمام گرهها برای حس کردن محیط اطراف و ارسال تمام اطلاعات، بدون در نظر گرفتن درجه اهمیت آنها موجب افزایش مصرف انرژی گرهها و پائین آمدن طول عمر شبکه میشود.[3] بیشتر استراتژیهای صرفهجویی انرژی که برای سناریوی ردیابی هدف به کار گرفته شدهاند و در تحقیقات گذشته اشاره شده است، بر اساس بهینهسازی استقرار حسگر[6]، کمینهسازی تعداد حسگرهایی که به طور فعال در کار ردیابی هدف شرکت میکنند[7]، قرار دادن حسگرها در حالت خواب[8] و یا کنترل بار شبکه توسط کاهش ارتباطهای دادهای ترکیب دادهها و تجمیع دادهها[4] میباشند.
در این مقاله با استفاده از آتاماتای یادگیر یک الگوریتم برای کاهش مصرف انرژی در شبکههای حسگر بیسیمی که برای ردیابی هدف استفاده میشوند ارائه میگردد. برای این منظور، یک سیستم آتاماتای یادگیر که بر مبنای استراتژیهای ارسال انتخابی میباشد برای سناریوی ردیابی هدف به کار گرفته میشود و به طور متفاوت، پردازش دادهها داخل هر گره صورت میپذیرد و از انرژی گرهها به صورت متوازنی استفاده میشود.
پیشبینی در پردازش شبکه به خصوص روشهای ترکیب دادهها و تجمیع دادهها به طور معمول جهت کاهش بار ارتباطی کلی شبکه بکار گرفته میشوند. این تکنیکها از ظرفیت محاسباتی حسگر حداکثر استفاده را میکنند و همچنین با استفاده از یک شیوهی توزیعی، ترافیک شبکه را کاهش میدهند. در ادامه این مقاله ابتدا پیشینه تحقیق و آشنایی با آتاماتای یادگیر مورد بررسی قرار گرفته و سپس الگوریتم یادگیر به عنوان الگوریتم پیشنهادی معرفی میشود. در بخش بعدی نیز نتایج حاصله بیان شده است.
.2 پیشینه تحقیق
در این بخش ابتدا با شبکههای حسگر آشنا شده، سپس ردیابی هدف مورد کنکاش و بررسی قرار گرفته و پس از آن گرههای حسگر، آتاماتای یادگیر و تعقیب هدف تشریح خواهد شد. شبکه حسگر شبکهای است متشکل از تعداد زیادی گره کوچک که در هر گره تعدادی حسگر وجود دارد. شبکه حسگر به شدت با محیط فیزیکی تعامل دارد. از طریق حسگرها اطلاعات محیط را گرفته و واکنش نشان میدهد. ارتباط بین گرهها به صورت بیسیم است. هر گره بهطور مستقل و بدون دخالت انسان کار میکند و از لحاظ فیزیکی بسیار کوچک است و دارای محدودیتهایی در قدرت پردازش، ظرفیت حافظه، منبع تغذیه و غیره میباشد. این محدودیتها مشکلاتی را بوجود آورده که منشأ بسیاری از مباحث پژوهشی در این زمینه است.
شبکههای تشکیل شده از حسگرها، امروزه به عنوان یک فناوری جدید ظاهر شدند این شبکهها دارای کاربردهای گسترده و متنوع هستند که تعقیب هدف از جمله آنها میباشد. در حقیقت تعقیب هدف بخش بسیاری از کاربردهای نظامی، علمی و غیره میباشد. مسئله مورد بررسی در این تحقیق در ارتباط با موضوع تعقیب هدف در شبکههای حسگر بیسیم میباشد. این مسئله بخشی از مسئله بزرگتر مکانیابی میباشد. مکانیابی، بیشتر در ارتباط با پیدا کردن مختصات فضایی یک گره یا شئ میباشد. تعقیب هدف در ارتباط با پیدا کردن مختصات فضایی یک شئ متحرک و توانایی تعقیب حرکت آن است.
اما مشکل این شبکهها کمبود انرژی، قدرت محاسبات پایین و کمبود پهنای باند میباشد که برای عملیات ردیابی از شبکه تصادفی حسگر بیسیم ناهمگن استفاده میشود که دارای چند گره قدرتمند برای انتقال و تجمیع داده و تعداد زیادی از گرههای حسگر محدود به انرژی میباشد که به طور تصادفی به عنوان پوشش منطقه هدف داده شده مستقر در نظر گرفته می-شود.[13] سیستم تعقیب هدف به وسیله شبکههای حسگر بیسیم میتواند چندین مزیت از قبیل: مشاهدات کیفی و هماندهی، پردازش سیگنال با دقت و به موقع و افزایش دقت ردیابی بدون خطای ترسیم خط سیر هدف را داشته باشد. با این حال استفاده از شبکههای حسگر برای ردیابی هدف تعدادی از چالشهای جدید را در پی دارد.
این چالشها منبع انرژی و پهنای باند ارتباطات محدود، الگوریتمهای توزیع و کنترل محدودیتهای عملکرد اساسی از گرههای حسگر، بویژه همانطور که اندازه شبکه بزرگ میشود را شامل میشود. انتخاب نوع گرههای حسگر به عنوان یک اصل مهم در کاربردهای ردیابی هدف در شبکههای حسگر مطرح میباشد؛ زیرا انتخاب صحیح نوع گرههای حسگر تأثیر بسزایی در افزایش کارآیی ردیابی هدف ایفا میکند. معمولا با توجه به نوع اهداف، گرههای حسگر انتخاب میشوند. در جدول - 1 - مشخصات کلی انواع مختلف گرههای حسگر نمایش داده شده است.
جاگذاری الکترودها ماهیت اثرپذیر مشکل تداخل
آتاماتای یادگیر که با یادگیری اعمال یکسری تغییرات در کارآیی سیستم بر اساس تجارب قبلی است. مهمترین مشخصه یک سیستم یادگیر افزایش کارآیی آن با گذشت زمان میباشد.[9] مزیت اصلی یادگیری تقویتی نسبت به سایر روشهای یادگیری عدم نیاز به هیچگونه اطلاعاتی از محیط - به جز سیگنال تقویتی - است. یکی از روشهای یادگیری تقویتی، آتاماتای یادگیر تصادفی است. یک اقدام آتاماتا انتخاب میشود، در محیط اِعمال میگردد، سپس پاسخ محیط دریافت شده و احتمال اقدامها بر طبق الگوریتم یادگیری به روز میشوند و روال فوق تکرار میگردد. به آتاماتای تصادفی که به صورت فوق در جهت افزایش کارآیی خود عمل میکند، یک آتاماتای یادگیر تصادفی گفته میشود.
