یافتن مسیر مناسب در شبکه حسگر جهت ارسال داده با الگوریتم LMS در NS2

پروژه یافتن مسیر مناسب در شبکه حسگر برای ارسال داده با الگوریتم LMS در نرم افزار NS2

شبیه سازی مقاله Multi-Hop Diffusion LMS for Energy-Constrained Distributed Estimation

پروژه شبیه سازی یافتن مسیر مناسب در شبکه حسگر برای ارسال داده با استفاده از الگوریتم LMS در نرم افزار NS2 به همراه فیلم آموزشی کوتاه را با عنوان مقاله Multi-Hop Diffusion LMS for Energy-Constrained Distributed Estimation آماده کردیم که هدف اصلی در آن استفاده از الگوریتم LMS در شبکه حسگر به منظور پیدا کردن همسایه فیزیکی و در نهایت مسیر مناسب برای ارسال داده ها می باشد. در ادامه به معرفی مقاله پرداخته و فیلم و تصاویری از خروجی این پروژه شبکه به همراه لینک دانلود رایگان مقاله نیز قرار داده شده است.

معرفی مقاله پروژه یافتن مسیر مناسب در شبکه حسگر:

در این مقاله ما یک استراتژی انتشار چند جهشی در شبکه های حسگر را به منظور توزیع حداقل میانگین مربعات (LMS) برآورد تحت محدودیت های انرژی محلی و شبکه گسترده پیشنهاد می کنیم. در هر تکرار از استراتژی، هر گره می تواند پارامترهای متوسط ​​از گره های دیگر همسایگان فیزیکی را از طریق یک مسیر رله چند هاپه ترکیب شده، برآورد کند. ما یک قانون برای انتخاب وزن های ترکیبی برای همسایه چند هاپه پیشنهاد می کنیم که می تواند بین حالت پایدار و نا پایداری شبکه، میانگین مربعات انحراف (MSDS) را متعادل سازد.

دانلود رایگان مقاله مرجع، مشاهده فیلم و تصاویری از خروجی پروژه یافتن مسیر مناسب در شبکه حسگر با NS2 در ادامه مطلب.

چکیده انگلیسی:

We propose a Multi-Hop diffusion strategy for a sensor network to perform distributed least mean-squares (LMS) estimation under local and network-wide energy constraints. At each iteration of the strategy, each node can combine intermediate parameter estimates from nodes other than its physical neighbors via a multi-hop relay path. We propose a rule to select combination weights for the multi-hop neighbors, which can balance between the transient and the steady-state network mean-square deviations (MSDs). We study two classes of networks:

simple networks with a unique transmission path from one node to another, and arbitrary networks utilizing diffusion consultations over at most two hops. We propose a method to optimize each node’s information neighborhood subject to local energy budgets and a network-wide energy budget for each diffusion iteration. This optimization requires the network topology, and the noise and data variance profiles of each node, and is performed offline before the diffusion process.

In addition, we develop a fully distributed and adaptive algorithm that approximately optimizes the information neighborhood of each node with only local energy budget constraints in the case where diffusion consultations are performed over at most a predefined number of hops. Numerical results suggest that our proposed multi-hop diffusion strategy achieves the same steady-state MSD as the existing one-hop adapt-then-combine diffusion algorithm but with a lower energy budget.

منبع: ieeexplore.ieee.org

تصاویر خروجی پروژه یافتن مسیر مناسب در شبکه حسگر:

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4:

تصویر خروجی 5:

تصویر خروجی 6:

تصویر خروجی 7:

تصویر خروجی 8: