هماهنگی برای شناسایی رویدادهای پیچیده در شبکه حسگرهای بی سیم
چکیده
امروزه بهره گیری از گره های مجهز به حسگر(ها) که قابلیت برقراری ارتباط با سایر گره ها را دارا می باشند، در زندگی روزمره گسترش قابل ملاحظه ای یافته است. طیف وسیع توانایی های حسی این گره ها، امکان بکارگیری گره های ناهمگون در شبکه را موجب شده است. با وجود اینکه بکارگیری حسگرهای متنوع موجب افزایش قابلیت های شبکه در زمینه هایی نظیر شناسایی رویداد می گردد، اما این موضوع به نوبه خود مسائل جدیدی را موجب شده است. در این رساله به موضوع هماهنگی بین گره ها برای شناسایی رویدادهای پیچیده پرداخته شده است. جهت شناسایی یک رویداد پیچیده لازم است تا رویدادهای ساد? شناسایی شده توسط انواع مختلف حسگرها مورد بررسی قرار گیرند. هدف اصلی پایان نامه، ابداع مکانیزم هماهنگی است که بر اساس آن بتوان رویداد پیچیده را شناسایی نمود. جهت ارائه این راهکار، علاوه بر چالش های متداول شبکه حسگرهای بی سیم، نظیر محدودیت منابع از جمله انرژی، و عدم قطعیت در شناسایی و ارسال رویدادها، چالش های دیگری نظیر ناهمگون بودن گره ها از نظر توانایی های حسی نیز مطرح می باشد. یکی دیگر از چالش هایی که در این پایان نامه به آن پرداخته شده است، امکان مقیاس پذیری مکانیزم پیشنهادی از نظر تعداد گره ها و وسعت شبکه می باشد. راهکار پیشنهادی از سه بخش تشکیل شده است. در مرحله اول، روش جدید شناسایی رویداد پیچیده در شبکه ای کوچک ارائه شده است. روش پیشنهادی که از متغیرها و قوانین فازی بهره می برد، توانسته است با وجود فاکتور عدم قطعیت در شناسایی رویدادهای ساده و ارسال رویدادها، موجب بهبود کارایی سیستم ازنظر شناسایی تعداد رویدادهای پیچیده گردد. از دیگر نتایج بدست آمده در این مرحله می توان به کپسوله نمودن اطلاعات مربوط به تفسیر مقادیر عددی حس شده توسط هر نوع حسگر، اشاره نمود. اهمیت این موضوع از این جهت می باشد که شبکه مورد نظر، ناهمگون بوده و از حسگرهای متنوعی بهره می گیرد. در مرحله دوم، الگوریتم خوشه بندی جدیدی ارائه شده است تا امکان مقیاس پذیری را فراهم نماید. الگوریتم جدید به نحوی عمل می نماید که اغلب خوشه ها تمام تنوع های حسگری را در خود داشته باشند. بدین ترتیب، سرخوشهقابلیت شناسایی رویدادهای پیچیده را بر اساس مکانیزم ارائه شده در مرحله اول دارا می باشد. از دیگر دستاوردهای این الگوریتم انتخاب سرخوشه از میان گره های پرانرژی می باشد که موجب پایداری بیتشر خوشه ها می گردد. در مرحله سوم، روشی مبتنی بر الگوریتم شایعه ارائه شده است که بصورت پویا و پیوسته فراوانی هر نوع حسگر در درون خوشه را محاسبه می نماید. بدین ترتیب هر گره در هر زمانی قادر خواهد بود تا درصد هر یک از انواع حسگرها را در خوشه جاری خود تخمین زده و در صورت لزوم نسبت به تغییر خوشه اقدام نماید. این روش به الگوریتم خوشه بندی کمک می کند تا بتواند خود را با پویایی شبکه سازگار نموده و نسبت به کامل نگاه داشتن خود از نظر تنوع گره های حسگری اقدام نماید.