مقایسه الگوریتم های خطایابی در شبکه های حسگر بی سیم

در این پروژه با توجه به محدودیت¬ها و شرایط عملیاتی ویژه¬ی شبکه¬های حسگر، روشی را برای بهبود تحمل پذیری خطا مانند تشخیص و تصحیح خطا در این نوع شبکه¬ها مورد بررسی قرار می¬دهیم روش پیشنهادی به صورت روشی جدید قابلیت تشخیص خطا و مصرف انرژی کمتر در شبکه¬های حسگر را بهبود می¬بخشد

دسته بندی	کامپیوتر و IT
بازدید ها	0
فرمت فایل	pptx
حجم فایل	730 کیلو بایت
تعداد صفحات فایل	31

فروشنده فایل

کد کاربری 3271

تمام فایل ها

مقایسه الگوریتم های خطایابی در شبکه های حسگر بی سیم

چکیده

در این پروژه با توجه به محدودیت­ها و شرایط عملیاتی ویژه­ی شبکه­های حسگر، روشی را برای بهبود تحمل پذیری خطا مانند تشخیص و تصحیح خطا در این نوع شبکه­ها مورد بررسی قرار می­دهیم. روش پیشنهادی به صورت روشی جدید قابلیت تشخیص خطا و مصرف انرژی کمتر در شبکه­های حسگر را بهبود می­بخشد.

فهرست مطالب

مقدمه

زمینه­ها و ضرورت های کلی

بیان مسئله

ساختار داخلی یک گره

اهداف پژوهش

کاربرد شبکه حسگر بیسیم

چالشهای شبکه های حسگر بیسیم

تحمل پذیری خطا در شبکه های حسگر بیسیم

نقص در شبکه های حسگر بیسیم

خطاهای گره

مشکلات سرگروه­ها(کلاستر هد)

خطای شبکه

خطاهای SINIK

طبقه­بندی خطاها

تکنیک تشخیص خطا

الگوریتم­های خطا یابی در شبکه حسگر

الگوریتم پیشنهادی برای تشخیص و تصحیح خطا

مقایسه و ارزیابی الگوریتم سیستم اعداد مانده ای با الگوریتم های قبل

تصحیح خطا در برابر کمترین میزان مصرف انرژی

یافته ها

نتیجه گیری

پیشنهاداتی برای کارهای آینده

مقایسه الگوریتم های خطایابی در شبکه های حسگربی سیمپروژه الگوریتمخطایابیتکنیک تشخیص خطاالگوریتم­های خطا یابی در شبکه حسگرفهرست مطالبمقدمهزمینه­ها و ضرورت های کلیبیان مسئلهساختار داخلی یک گرهاهداف پژوهشکاربرد شبکه حسگر بیسیمچالشهای شبکه های حسگر بیسیمتحمل پذیری خطا در شبکه های حسگر بیسیمنقص در شبکه

مقاله یک مدل بهینه سازی شبکه عصبی مورچگان برای خوشه بندی مبتنی بر مجموعه غالب برای شبکه های حسگر بی سیم

این مقاله ترجمه فارسی مقاله زیر می باشد: A JOINT NEURAL NETWORK ANT COLONY OPTIMIZATION MODEL FOR DOMINATING SET BASED CLUSTERING OF WIRELESS SENSOR NETWORKS دانلود رایگان مقاله انگلیسی چکیده در این مقاله، یک مدل برای ایجاد خوشه­ها در شبکه های حسگر بی سیم ارائه شده است. این ساختار سلسله مراتبی، مقیاس پذیری و جمع آوری داده ها را بر روی یک ساختار مسطح فراهم می کند. یک روش برای ایجاد خوشه­ها ، استفاده از مجموعه های غالب (DS) می­باشد. پس از ان، پیدا کردن حداقل وزن DS ...