دانلود ترجمه مقاله ردیابی حرکت اهداف متحرک در شبکه های حسگر سلسله مراتبی – مجله IEEE

فهرست مطالب:

چکیده
۱ مقدمه
۲ کارهای وابسته
۳ استراتژی پیشگویی سلسله مراتبی
A شبکه سلسلسه مراتبی
B مدلهای گره حسگر
A  شعاع فعال Rah
B تعداد خوشه ها
C دایره سنجش و دریافت Tsc
D اثربخشی HPS
۵ نتایج

بخشی از ترجمه:

 ۱ مقدمه

با توسعه سریع شبکه های حسگر بی سیم توزیع شده (WSN) ، سناریوهای نظارت میدانی و ردیابی هدف توسط گره های حسگر محلی کوچک و مسکون امکان پذیر می شود. ازگره های حسگر ادغام شده با سنجش، پردازش داده ها و ارتباط بی سیم، برای ایفای نقشهای مهم در مانیتورینگ محیط، کنترل ترافیک، کشاورزی دقیق، و نظارت میدان نبرد استفاده شده است.
ردیابی هدف یکی از کاربردهای مهم WSN به شمار می رود. اما، شبکه های بی سیم در مقیاس بزرگ اغلب از تلفات بسته های داده ، تاخیرهای ارتباطی و محدودیت های انرژی و مواردی از این دست آسیب می بینند. نحوه هماهنگی شبکه بزرگ برای ردیابی کارآمد هدف متحرک و در عین حال حفظ منابع شبکه یعنی انرژی و پهنای باند، چالشی بزرگ محسوب می شود. یکی از ویژگیهای اصلی که از طریق ردیابی در شبکه های بزرگ معرفی شده است، آن است که فقط حسگرهای نزدیک هدف قادر به تشخیص و آشکارسازی هدف و سنجش می باشند. براین اساس، کلیه گره های فعال انتخاب بهینه به شمار نمی روند. تلاشهای ما در این تحقیق عمدتاً بر مدیریت شبکه های بزرگ و اثربخشی ردیابی هدف تاکید می کنند. با مدیریت رفتارهای گره های حسگر، فقط تعداد کوچکی از گره های نزدیک هدف فعال می شوند، در نتیجه انرژی بدون از دست رفتن هدف، ذخیره می شود. به علاوه، خوشه فعال شده قادر به پیشگویی هدف و پیش فعال سازی گره ها می باشد که این امر امکان ردیابی با کیفیت بالا را فراهم می آورد.
اکثر کارهای اخیر بر مدلهای حسگر دارای توزیع کلاً همگن و هماهنگی خوشه پویا تاکید کرده اند. در نتیجه، منابع انرژی ، ظرفیت محاسبه و پهنای باند در WSN محدود می باشند. چنین شبکه هایی که تحت مدیریت هماهنگی پویا خوشه هستند، مستعد آسیب ناشی از تبادلات بی حد و بدون پایان پیام در میان گره های حسگر می باشند که انرژی شبکه را به سرعت تخلیه کرده و کاهش می دهد. اما در شبکه های سلسله مراتبی، گره های قدرتمندی که قادر به بهینه سازی منابع محلی و هماهنگی کارآمد شبکه محلی هستند، یک راهکار عرضه می کنند.
در این مقاله، طرحی به نام استراتژی پیشگویی سلسله مراتبی (HPS) برای ردیابی هدف در شبکه های حسگر پیشنهاد می کنیم. سلسله مراتب دو ردیفه گره های حسگر را به دو گروه سرخوشه ها (CH) و گره های عادی (NN) تقسیم می کند. فرض می کنیم CH ها قادر به برقراری ارتباط با یکدیگر و ارسال دستورات/ پرس و جوها به NN ها می باشند، در حالیکه NN ها می توانند مشاهدات را به CH ها ارسال نمایند اما با دیگر NN ها صحبت نمی کنند. با محدود سازی ارتباط NN و کاهش ازدحام شبکه، پهنای باند بی سیم حفظ می شود به گونه ای که بسته های ترکیب (فیوژن) تشکیل شده برروی CH ها با تضمین بهتری تحویل داده می شوند. به علاوه، خصوصیت الگوریتم ردیابی و پیشگویی پیشنهاد شده در شبکه سلسله مراتبی را کشف می کنیم. شبیه سازیها نشان می دهد روش مذکور شبکه سلسله مراتبی بزرگ را به گونه ای کارآمد هماهنگ کرده و به رابطه جانشینی ظریفی بین مصرف انرژی و کیفیت ردیابی نائل می گردد.
رئوس مقاله حاضر به شرح ذیل می باشد. بخش ۲ کارهای وابسته را اجمالاً بررسی می کند. در بخش ۳، طرحی برای ردیابی هدف در شبکه حسگر پیشنهاد می کنیم. سپس بخش ۴ نتایج شبیه سازی مربوط به طرح پیشنهاد شده را مطرح و تحلیل می نماید. بالاخره، بخش ۵ نتایج و کارهای آتی را مطرح می کند.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

With the fast development of distributed Wireless SensorNetworks (WSN), the scenarios of field surveillance and targettracking by small and populated local sensor nodes becomepossible. The sensor nodes, integrated with sensing, dataprocessing and wireless communication, are utilized to playsignificant roles in environment monitoring, traffic control,precise agriculture and battlefield surveillance [1]-[4].

Target tracking is an important application of WSN. However,large-scale wireless networks frequently suffer frompacket losses, communication delays and energy limitationsetc. How to coordinate a large-scale network to efficientlytrack a moving target while conserve network resources,namely energy and bandwidth, is a great challenge. A mainfeature, introduced by tracking in large-scale networks, is onlythose sensors near target can detect the target and performsensing. Based on this fact, making all nodes working isnot the optimal choice. Our efforts in this research mainlyfocus on the management of large-scale networks and theeffectiveness of target tracking. By managing sensor nodesbehaviors, only a small amount of nodes near the target areactivated, thus saving energy without losing target. Moreover,activated cluster can perform target prediction and nodes preactivation,which enable high-quality tracking.

Most recent work focused on totally distributed homogeneoussensor models and dynamic cluster coordination. Asa matter of fact, energy resources, computation capacity and bandwidth are restricted in WSN. Such networks, managedby dynamic cluster coordination, are prone to suffer fromendless message exchanges among sensor nodes, which drainoff network energy quickly. In hierarchical network, however,powerful nodes, which can optimize local resources and efficientlycoordinate local network, provide an alternative.

In this paper, we propose a scheme named Hierarchical PredictionStrategy (HPS) for target tracking in sensor networks.The two-tier hierarchy divides sensor nodes as Cluster-Heads(CHs) and Normal Nodes (NNs). We assume that CHs cancommunicate with each other and send commands/inquiries toNNs, while NNs can transmit observations to CHs but do nottalk to other NNs. By constraining NNs’ communication andreducing network congestion, wireless bandwidth is saved sothat fusion packets formed on CHs can be delivered with betterguarantee. Further, we explore the property of the proposedtracking and predicting algorithm in the hierarchical network.Simulations show that our method efficiently coordinateslarge-scale hierarchical network and achieves a nice tradeoffbetween energy consumption and tracking quality.The outline of this paper is as follows. Section 2 brieflypresents a survey of related work. In Section 3 we proposea scheme for target tracking in sensor network. Then Section4 presents and analyzes the simulation results concerning ourproposed scheme. Finally, Section 5 states our conclusions andfuture work.II.

RELATED WORKThe first cluster-based routing approach for dynamic networkis introduced in [5]. Composed of a group of neighboringnodes, a cluster manages the whole detection/tracking process,with the cluster head collecting joint observations from thepertaining sensor nodes and eventually producing a final fusionresults.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه