الگوریتمهای، حسگر، مینیمم، گرهها، نویز، گرههای

دیگر و استخراج پارامتر مربوط به فاصله است. مکان حسگر هدف بر مبنای یکی از روشهای اندازهگیری فاصله (در این کاربرد TOA ) به صورت زیر تخمین زده می شود:
y=hx+e
که y فاصله استخراج شده از سیگنال دریافتی و x مکان واقعی حسگر وe خطای حاصل از نویز است.
با استفاده از maximum likelihood که یک روش تخمین است سعی در مینیمم کردن خطا با داشتن توزیع آماری e میشود.
دستهبندی الگوریتمهای مکانیاب در شبکههای حسگر:بر اساس دیدگاه پردازش پارامترهای اندازهگیری شده بالا دو نوع الگوریتم وجود دارد. الگوریتمهای مرکزگرا و الگوریتمهای توزیع [10].
در الگوریتمهای مرکزگرا، تمام اطلاعات و پارامترهای اندازهگیری شده بوسیلهی حسگرها به یک مرکز با هستهی محاسباتی قوی ارسال میشوند. با توجه به اینکه در الگوریتمهای توزیع، گروهی از حسگرها موقعیت خود را مییابند[10] .
رویکرد اصلی در الگوریتمهای مرکزگرا به MDC ها، بهینهسازی آماری و برنامهریزیهای خطی منجر میشود. رویکرد اصلی الگوریتمهای توزیع شامل DV_HOP و DV_Distance ها میشود. این دو نوع الگوریتم میتوانند از جهات متفاوت مقایسه شوند.
دقت، پیچیدگی محاسباتی، بازدهی انرژی و پوشش از جمله معیارهای انتخاب یک الگوریتم است. الگوریتمهای توزیع از لحاظ پیچیدگی سادهتر و از لحاظ مصرف انرژی مناسبترند اما برای داشتن مانیتورینگ خوب نیاز به الگوریتمهای مرکزگرا میباشند. بنابراین این الگوریتمها در اکثر کاربردها مفیدترند.
احتمال خطا در انتشار، مشکل دیگری است که الگوریتمهای توزیع دارند و برای مقابله با آن باید از ارسال مکرر استفاده کنند که باعث تاخیر زیاد در این سیستمها میشود.
از طرفی طراحی الگوریتم مناسب از لحاظ دقت، برای این سیستمها به دلیل کمبود امکانات پردازشی مشکل است.
مهمترین نوع الگوریتمهای مرکزگرا الگوریتمهای MDS میباشند که بنا به کاربردهای مختلف دارای نسخههای متفاوتی هستند.
الگوریتم MDS
به طورکلی، تمام الگوریتمهای MDS ابتدا شامل کوتاهترین مسیر بین تمام گرههای شبکه به صورت دو به دو میباشند. بنابراین با داشتن کمترین پرشها بین دو گره به ازای تمام گرهها میتوان فاصله هر دو گره را پیدا کرد [10] .
در این صورت موقعیت گرهها با توجه به داشتن مکان گرههای مرجع با تکنیکهای تخمین تعیین میشود. این الگوریتم در مکانهایی که توزیع گرهها مرتب است مناسب میباشد. زیرا اگر چگالی گرهها مناسب باشد طول واقعی بین گرهها نزدیک به حاصلضرب تعداد پرشها در فاصلهی متوسط بین گرههاست.
الگوریتمهای زیادی بر مبنای هدف خاصی ارایه شدهاند. هیچ الگوریتمی به صورت خاص وجود ندارد که در همه دستهبندیها دارای کارایی بالا باشد.
هرکدام از این الگوریتمها بر مبنای هدف خاصی بکار گرفته میشوند. از این رو انتخاب الگوریتم مناسب برای کاربرد خاص از روی تجربه زیاد و البته هنر حاصل میشود. در میان الگوریتم مرکزگرا، الگوریتمهایی بر پایههای دقت، هزینه، توان مصرفی و پوشش در این تحقیق بکارگرفته میشوند.
به بیان دیگر، در این رویکردها باید نوعی مصالحه بین معیارها برقرار شود. مثلا افزایش دقت در برخی عملکردها منجر به افزایش تعداد حسگر و افزایش هزینه است. هدف اصلی این تکنیکها ایجاد یک پیکربندی فضایی در یک بعد، دو بعد یا سه بعد از نقاط میباشد.
در ابتدا کوتاهترین مسیر بین هر جفت حسگر در شبکه بدست میآید و از داشتن این تعداد پرشها میتوان فاصلهی هر دو حسگر را تخمین زد.
بنابراین یک ماتریس ساخته میشود که کلیه آرایههای آن متناظر مینیمم پرش یا مینیمم فاصله بین دو گره متناظر است.
الگوریتم MDS-MAP این الگوریتم نیز یکی از الگوریتمهای مرکزگرا و سادهترین الگوریتم در میان الگوریتمهای MDS میباشد [11] . مفهوم طراحی این الگوریتم ساده است. فرض شود قرار است n نقطه در یک حجم قرار داده شود و هیچ اطلاعاتی راجع به این نقاط وجود ندارد، غیر از اینکه بین هر جفت این نقاط فاصله معلوم است.
این الگوریتم با استفاده از قانون کسینوسها و جبر خطی این نقاط را بر مبنای فاصلههای داده شده در این حجم قرار میدهد.
این الگوریتم شامل چند مرحله است. درابتدا ماتریس فاصلهها تشکیل میشود. سپس به فرم استاندارد برای استفاده از الگوریتم در میآید و در نهایت نتیجه این الگوریتم به صورت مختصات در میآید.
البته این الگوریتم برای RSSI مناسب عمل میکند. به طور کلی این الگوریتم در کاربردهایی که تعداد حسگرهای همسایه از یازده بیشتر باشند مناسب است.
این الگوریتم از اندازهگیری فاصله با گرههای مرجع خوب استفاده نمیکند. بنابراین از نظر چگالی گرههای مرجع مناسبی نیست.
الگوریتم SDP
بسیاری از مکانیابیها براساس فاصله یا بر اساس ارتباط میتوانند به صورت یک مسئلهی بهینهسازی عنوان شده و با استفاده از روشهای برنامههای خطی یا simidefine حل شوند [12] .
Simidefine ها به طور کلی به شکل:
FX=F0+F1×X1+…+FN×XX
و مینیمم کردن CTX بر اساس محدودیتهای ماتریسی:
AX<B
FKT=FK
میباشند.
که در آن X=[X1,X2,X3,…XK] معرف مکان گرهها در دو بعد [x1,x2]=Xi میباشد.
در این الگوریتم محدودیتهای جغرافیایی بر روی حسگرها به شکل نامعادلههای ماتریسهای خطی برروی حسگرها اعمال میشوند.
متاسفانه تمام محدودیتهای جغرافیایی را نمیتوان به صورت ماتریسهای خطی بدست آورد.
تنها محدودیتهای هندسی که به فرم محدب هستند را میتوان با این ماتریسهای خطی نمایش داد. مثلا زاویه سیگنال رسیده از حسگرها را میتوان به شکل مثلثها یا وجود یک رابطه رادیویی را به شکل دایره مدل کرد.
ویژگی واقعی این الگوریتمها ظرافت آنهاست. به ازای مجموع محدودههای هندسی داده شده، SDP نقاط تقاطع آنها را به سادگی مییابد.
انواع روشهای فاصلهیابی
در سیستمهای مدرن مکانیابی همچنان از اطلاعات بدست آمده در رابطه با زمان رسیدن سیگنالها، اختلاف زمان رسیدن سیگنالها و زاویه رسیدن سیگنالها استفاده میشود. در ادامه به بررسی دقیق این روشها پرداخته میشود.
اگر یگ گیرنده بتواند سیگنال ارسالی یک فرستنده با مختصات معلوم را دریافت کند، از طریق استخراج پارامترهایی چون توان سیگنال دریافتی میتواند فاصله خود تا فرستنده را تخمین بزند.
به عبارت دیگر کلیه گیرندههای روی محیط دایره با مرکز فرستنده توان تقریبا یکسان دریافت میکنند زیرا فاصله آنها تا فرستنده یکسان است.
در شرایط ایدهآل که تمام اندازهگیریها بدون خطا انجام میشود، با تقاطع سه دایره حاصل از سه اندازهگیری، مکان هدف دقیقا نقطهی تقاطع سه دایره میشود.
البته در مورد زمان رسیدن سیگنال به گیرندههای همفاصله نیز میتوان به همین شکل در نظر گرفت.
به همین دلیل برای یافتن بدون ابهام مکان یک حسگر هدف، حداقل به سه حسگر با مختصات معین نیاز است.

شکل3SEQ شکل * ARABIC s 11:استفاده از سه گره برای مکانیابی
مکانیابی بر اساس قدرت سیگنال:
بنابراین مثلا در روش اندازهگیری فاصله با استفاده از قدرت دریافتی سیگنال توان سیگنال دریافتی به شکل زیر محاسبه میشود:
RSS=1/T0T⃓ r(t)⃓2
مینیمم دقتی که میتوان از این روش انتظار داشت در شکل زیر نشان داده شده است [13]. دقت شود، در شکل هر دو حالت اینکه دید مستقیم وجود دارد یا خیر نیز در نظر گرفته شده است.

شکل3SEQ شکل * ARABIC s 12 : منحنی تغییرات دقت بر حسب فاصله در روش RSSI
همانطور که در شکل نیز مشخص است با افزایش فاصله مینیمم، دقت نیز بیشتر میشود یا به عبارتی دقت بدتر میشود.
مکانیابی بر اساس زاویه رسیدن سیگنال:در مکانیابی با استفاده از زاویه رسیدن سیگنال رسیده همانطور که نشان داده شده است با استفاده از تاخیرهای متفاوتی که به هر آرایه آنتن میرسد زاویه محاسبه میشود.

شکل3-3: رسیدن جبهه موج به آرایهای از آنتنها
τi≈dc+lisinφ c
همانگونه که در شکل زیر مشخص است میتوان با حداقل دو گره این روش را پیاده سازی نمود.

شکل34: مکانیابی با استفاده از زاویه رسیدن سیگنال
باند پایین دقت برای استفاده از این روش به صورت زیر محاسبه میشود [14] :
σAOA>=c2N∆fcsinθSNR همانگونه که مشخص است باند پایین خطا به صورت معکوس با تعداد آرایه (N)، فرکانس(fc) ، سیگنال به نویز (SNR) وفاصله بین آرایهها (∆) متناسب است.
در شکل زیر منحنی تغییرات، مینیمم انحراف استاندارد این نوع اندازهگیریها نسبت به سیگنال به نویز به ازای مقادیر مختلف پهنای پالس نشان داده میشود. در این شکل که بر اساس تئوری رسم شده است فرض میشود چهار عدد آنتن آرایهای با توزیع یکنواخت با فاصلهی 5 سانتیمتر از یکدیگر قرار گرفتهاند. سیگنالینگ مورد استفاده فراپهنباند میباشد [15] .

شکل35: مینیمم انحراف استاندارد بر حسب نسبت سیگنال به نویز با استفاده از زمان رسیدن سیگنال با پهنای پالس متفاوت
مکانیابی بر اساس زمان رسیدن سیگنال:
روش دیگر بر اساس زمان رسیدن سیگنال در گیرنده کار میکند. به طوری که اگر همزمانی، بین گرههای مرجع و گره هدف وجود داشته باشد میتوان زمان پرواز سیگنال را پیدا کرده و با توجه به سرعت انتشار موج در آن محیط فاصله را استخراج نمود.
با پیشرفتهای اخیر، سیستمهای فراپهنباند هم از لحاظ سیگنالینگ و هم از لحاظ سخت افزار، دارای پتانسیلهای کافی برای استفاده در سیستمهای مکانیاب زمانی هستند [14] .
درحالت ساده برای تخمین زمان رسیدن فرض میشود که تنها منبع نویز، نویز گوسی بوده و سایر منابع ایجاد خطا مانند چند مسیره شدن سیگنال و غیره با شرط وجود همزمانی بین فرستنده و گیرنده وجود ندارد. بنابراین:
اگر سیگنال ارسالی p(t) باشد، سیگنال دریافتی با فرض کانال با نویز سفید گوسی به صورت زیر در میآید:
rt=Erpt-τ+nt
مسئله، پیداکردن بهترین تخمین از مقدارτ بر اساس سیگنال مشاهده شده است.
گیرنده و آشکارساز برای این سیستم با استفاده از تخمینگر ML به صورت زیر پیادهسازی میگردد.
مینیمم انحراف استاندارد در این نوع روش اندازهگیری نسبت به سیگنال به



قیمت: 11200 تومان

این نوشته در پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *