مقاله مدل energy-efficient تراكم داده ها در شبكه های سنسور بی سیم

مقاله مدل energy-efficient تراكم داده ها در شبكه های سنسور بی سیم مقاله مدل energy-efficient تراكم داده ها در شبكه های سنسور بی سیم

دسته : شبکه های کامپیوتری

فرمت فایل : word

حجم فایل : 29 KB

تعداد صفحات : 46

بازدیدها : 485

برچسبها : تراكم داده ها شبكه های سنسور بی سیم

مبلغ : 3000 تومان

خرید این فایل

دانلود مقاله مدل energy efficient مبنی بر تراكم داده ها برای شبكه های سنسور بی سیم

فهرست مطالب

چکیده

مقدمه

تراکم داده ها در ESPDA (Data Aggregation in ESPDA)

هماهنگی وضعیت بیداری- خواب (Sleep- Active mode coordination)

بکاربردن کدهای نمونه تراکم داده ها: (Data aggregation using pattern codes)

مثالی برای Pattern generation

پروتکل امنیتی در (Security protocol in ESPDA) ESPDA

الگوریتم های امنیتی (Security algorithms)

تکنیک NOVSF Block hopping

ارزیابی کارایی (Performance Evaluation)

پروتکل وضعیت خواب فعال (sleep- active mode protocol)

بازده انرژی نمونه مبنی بر تراکم داده ها

ارزیابی کارایی پروتکل امنیتی (Performance evaluation of ESPDA Security Protocol)

جدول نتایج شبیه سازی ها برای الگوریتم های پنهانی (نهفته)

پروتکل تراکم داده های energy- efficient امن

چکیده:

تراکم داده ها در شبکه های سنسور بی سیم افزونگی را حذف می کند تا مصرف پهنای باند و بازده انرژی گوه ها را توسعه دهد. این مقاله یک پروتکل تراکم داده های energy- efficient امن را که Energy- Efficient Secure Pattern based Data Aggregation) ESPDA) الگوی امن energy- efficient بر پایه تراکم داده ها نامیده می شود ارائه می کند. برخلاف تکنیکهای تراکم داده های قراردادی، ESPDA از انتقال داده های اضافی از گره های سنسور به cluster- headها جلوگیری می کند. اگر گره های سنسور همان داده ها را تشخیص داده و دریافت کنند، ESPDA ابتدا تقریباً یکی از آنها را در وضعیت خواب (sleep mode) قرار می دهد و کدهای نمونه را برای نمایش مشخصات داده های دریافت و حس شده توسط گره های سنسور تولید می کند. Cluster- head ها تراکم داده ها را مبنی بر کدهای نمونه اجرا می کند و فقط داده های متمایز که به شکل متن رمز شده هستند از گره های سنسور به ایستگاه و مکان اصلی از طریق Cluster- headها انتقال یافته است. بعلت استفاده از کدهای نمونه، Cluster- headها نیازی به شناختن داده های سنسور برای اجرای تراکم داده ها ندارند. زیرا به گره های سنسور اجازه می دهد تا لینک های ارتباطی سرهم پیوسته (end-to-end) امن را برقرار کنند. بنابراین، نیازی برای مخفی سازی/ آشکار سازی توزیع کلید مابین Cluster- head ها و گره های سنسور نیست. بعلاوه، بکار بردن تکنیک NOVSF block- Hopping، امنیت را بصورت تصادفی با عوض کردن با نگاشت بلوک های داده ها به time slotهای NOVSF اصلاح کرده و آن را بهبود می بخشد. ارزیابی کارایی نشان می دهد که ESPDA روش های تراکم داده های قراردادی را به بیش از 50% در راندمان پهنای باند outperform می کند.

بکاربردن کدهای نمونه تراکم داده ها

(Data aggregation using pattern codes):

الگوریتم (PG (pattern generation روی تمامی گره های سنسور برای تولید کد نمونه مخصوص و ویژه برای داده های دریافت یا حس شده (sensed) اجرا شده است. در این الگوریتم، داده های سنسور به یک مجموعه از اعداد و شماره ها نگاشت شده است و محدوده این اعداد به فاصله هایی تقسیم شده اند از قبیل کران ها و عرض فاصله ها که توسط مقادیر از پیش تعریف شده سر حد تعیین شده اند. تعداد مقادیر سرحد و تغییر فاصله ها ممکن است به نیازهای کاربر و دقت تعریف شده و تعیین شده برای محیطی در چنین شبکه ای که گسترش یافته است، بستگی داشته باشد. سپس الگوریتم pattern generation مقادیر شاخص را برای هر فاصله با بکار بردن pattern seed تخمین می زند و جدول های جستجو، فاصله و ارزش بحرانی را تولید می کند. جدول جستجوی فاصله محدوده ای از هر فاصله را تعریف می کند و جدول جستجوی ارزش بحرانی (critical value) هر فاصله را به یک مقدار و ارزش بحرانی نگاشت می کند، مقادیر بحرانی ممکن است بعنوان یک برای اولین فاصله تعیین شده باشد و با وجود آخرین فاصله به 9 تغییر یابد. این مقادیر بحرانی یک پایه و مبنا را برای تولید کدهای نمونه تشکیل می دهند. مشخصات داده های سنسور با پارامترهایی از قبیل درجه حرارت یا رطوبت هوا نمایش داده شده اند. وقتی داده ها از محیط دریافت می شوند، پارامترهای آن با فاصله های تعریف شده در جدول جستجوی الگوریتم PG مقایسه شده اند و مقادیر بحرانی متناظر به هر پارامتری ارجاع داده شده است.

...

بازده انرژی نمونه مبنی بر تراکم داده ها

(Energy efficiency of pattern based data aggregation) :

ESPDA براساس کدهای نمونه پایه ریزی شده است که در الگوریتم های تراکم داده های قراردادی استفاده نشده اند. در چنین استنباط هایی ابتدا تاخیر سیستم تخمین زده شده و محاسبه شده است.

- R سرعت انتقال را در سنسورهایی که می توانند داده ارسال کنند بر حسب bps (بیت بر ثانیه) مشخص می کند.

- N کل تعداد گره های سنسور را مشخص می کند و M آن دسته است که داده مجزا و مشخصی دارند.

- Di تعداد بیتهای ارسال شده در هر جلسه (session) را با گره سنسور i ، مشخص می کند.

- Pi تعداد بیتهای کد نمونه ارسال شده در هر جلسه (session) را با گره سنسور i مشخص می کند.

با فرض اینکه زمان pattern generation و همچنین تاثیر پخش ها بین گره های سنسور و cluster- head ناچیز و جزئی است، زمان انتقال داده از گره های سنسور به cluster- head به انضمام فقط زمان انتقال و ارسال داده تخمین زده شده و محاسبه شده است.

...

خرید و دانلود آنی فایل

به اشتراک بگذارید

Alternate Text

آیا سوال یا مشکلی دارید؟

از طریق این فرم با ما در تماس باشید