توصيفگر ها :
شبكه‌هاي حسگر بي‌سيم , الگوريتم مسيريابي , خوشه‌بندي , سرخوشه , خواب و بيداري , بهره‌وري انرژي , بهره‌وري انرژي
چكيده فارسي :
پيشرفت‌هاي اخير در فناوري‌هاي الكترونيك و ارتباطات بي‌سيم، توسعه شبكه‌هاي حسگر بي‌سيم در مقياس بزرگ را امكان‌پذير كرده است. اكثر اين شبكه¬ها، از گره‌هاي حسگر كم مصرف، كم هزينه و با اندازه كوچك تشكيل شده‌اند و در حوزه¬هاي متنوعي از جمله: نظامي، پزشكي و شبكه¬هاي خانگي كاربرد فراواني دارند. با اين حال، با وجود استفاده گسترده از برنامه¬هايي كه به شبكه¬هاي حسگر بي¬سيم متكي هستند، اين شبكه¬ها، همچنان از محدوديت انرژي رنج مي¬برند. گره¬هاي حسگر معمولاً با باتري¬ كار مي¬كنند كه در برخي از كاربردها به دليل قرارگيري در مناطق صعب العبور يا مناطقي كه دسترسي انسان ممكن نيست، قابليت شارژ يا تعويض باتري را ندارند. براي اين منظور، استفاده بهينه از انرژي گره يك مسئله كليدي است. مسيريابي، همان روند ايجاد مسير از گره منبع تا گره سينك است و شامل پروتكل‌هاي مختلفي از جمله پروتكل¬هاي سلسله مراتبي است. پروتكل¬هاي سلسله مراتبي در جهت بهره‌وري انرژي استفاده مي‌شوند و عمدتاً دو لايه هستند؛ لايه اول، خوشه‌بندي و انتخاب سرخوشه و لايه دوم، مسيريابي و ايجاد مسير است. در اين تحقيق، با تمركز برلايه اول، به بهره‌وري انرژي مي‌پردازيم. بنابراين ايجاد خوشه¬هاي بهينه، انتخاب سرخوشه مناسب و استفاده از الگوريتم خواب و بيداري، نقش مؤثري در كاهش مصرف انرژي دارند. در اين پايان نامه، در هر يك از اين جنبه¬هاي فوق، با بررسي چندين روش ارائه شده اخير، يك روش پيشنهادي ارائه مي¬دهيم. در حوزه خوشه¬بندي، يك الگوريتم¬ K-Means اصلاح شده سريع و آگاه به چگالي شبكه را پيشنهاد مي¬دهيم كه خوشه¬هايي بهينه از نظر شاخص سيلوئت ايجاد مي¬كند. در بخش خواب و بيداري، الگوريتم ECH متمركز را پيشنهاد مي¬دهيم كه با به خواب بردن برخي از گره¬ها و حذف بسته¬هاي تكراري، طول عمر شبكه را افزايش مي¬دهيم. در انتها نيز با انتخاب سرخوشه مناسب براساس معيارهاي فاصله و انرژي باقيمانده، نيمي از گره‌ها را تا دوره‌هاي بالا زنده نگه مي‌داريم. هر كدام از نتايج شبيه‌سازي ارائه شده در محيط MATLAB به منظور اطمينان بخشي، تا 30 مرتبه تكرار شده است.
چكيده انگليسي :
Recent advances in electronics and wireless communication technologies have enabled the development of large-scale wireless sensor networks. Most of these networks are composed of low-power, low-cost, and small-sized sensor nodes and are widely used in various fields, including: military, medical, and home networks. However, despite the widespread use of applications that rely on wireless sensor networks, these networks still suffer from energy limitations. Sensor nodes usually work with batteries, which in some applications cannot be recharged or replaced due to being located in hard-to-reach areas or areas where human access is not possible. For this purpose, the optimal use of node energy is a key issue. Routing is the process of creating a path from the source node to the sink node and includes various protocols including hierarchical protocols. Hierarchical protocols are used for energy efficiency and are mainly two-layered; The first layer is clustering and cluster head selection, and the second layer is routing and route creation. In this research, focusing on the first layer, we will investigate energy efficiency methods. Therefore, creating optimal clusters, choosing the right cluster head and using the sleep and wake algorithm play an effective role in reducing energy consumption. In this thesis, in each of these above aspects, we present a proposed method by examining several recently presented methods. In the field of clustering, we propose a fast modified K-Means algorithm that is aware of network density, which creates optimal clusters in terms of silhouette index. In the sleeping and waking section, we propose the centralized ECH algorithm, which increases the lifetime of the network by putting some nodes to sleep and removing duplicate packets. At the end, by selecting the appropriate cluster head based on the criteria of distance and remaining energy, we increase the stability and keep half of the nodes alive until high periods. Each of the simulation results presented in the MATLAB environment has been repeated up to 30 times to be sure.
