پديد آورندگان :
قنبري، مرجان دانشگاه تحصيلات تكميلي صنعتي و فناوري پيشرفته - دانشكده عمران كرمان , كريمي پور، فريد دانشگاه تحصيلات تكميلي صنعتي و فناوري پيشرفته - دانشكده عمران كرمان , اسماعيلي، علي دانشگاه تهران -دانشكده مهندسي نقشه برداري و اطلاعات مكاني - پرديس دانشكده هاي فني
كليدواژه :
شبكه حسگر بي سيم , توزيع غيريكنواخت , حفره هاي پوششي , پوشش سراسري , روش درخت مبنا
چكيده فارسي :
شبكه حسگر بيسيم، از تعداد زيادي گرههاي حسگر كه به صورت يكنواخت و يا غيريكنواخت درون ناحيه مورد نظر مستقر شدهاند، تشكيل شده و قابليت موثري در نظارت پديده هاي محيطي همچون آتشسوزي جنگلها، پايش نشت مواد آلاينده و همچنين در امور مديريتي و صنعتي دارد. در يك شبكه حسگر بيسيم، گر ههاي حسگر به منظور تشخيص پديدهها سراسر منطقه مورد نظر پراكنده ميشوند. بنابراين پوشش سراسري منطقه به وسيله گرههاي حسگر، در كسب اطلاعات بسيار موثر است. با اين حال حفره هاي پوششي بنابر دلايل مختلفي از جمله توزيع غيريكنواخت حسگرها، خرابي گرهها و اتلاف انرژي آنها در منطقه مورد مطالعه ظاهر ميشوند. مطالعه حاضر بر تعيين موقعيت حسگرهاي جديد به منظور پوشش حفرهها و دستيابي به پوشش سراسري در شبكه حسگر بيسيم تمركز دارد. براي اين منظور، عملكرد روش درختمبنا در افزودن حسگرهاي جديد در شبكه حسگرهاي بيسيم مورد ارزيابي قرار گرفته است. نتايج به دست آمده نشان ميدهد با وجود عملكرد كلي قابل قبول اين روش، در مواجهه با برخي آرايشهاي خاص از حسگرها كارايي مناسبي ندارد، كه دليل عمده آن، عدم توجه به موقعيت حسگرهاي موجود در هنگام اضافه كردن حسگرهاي جديد است. از اين رو در روش تركيبي پيشنهادي، روش درختمبنا به گونه اي بهبود يافته كه توانايي پوشش مناسب حفره ها با ابعاد و اشكال مختلف را دارا ميباشد. نتايج به دست آمده نشاندهنده عملكرد بهتر روش تركيبي نسبت به روش درخت ميباشد، زيرا در تعداد تكرار كمتر و با اضافه نمودن حسگرهاي كمتر قادر به ايجاد پوشش سراسري در منطقه مورد نظر ميباشد.
چكيده لاتين :
A Wireless Sensor Network (WSN) is composed of sensor nodes that are located within a certain target region, which are capable of monitoring different environmental phenomena such as forest fires detection, leakage pollutants, etc. In a WSN, sensor nodes are distributed across the Region of Interest (ROI). The overall coverage of the region covered by sensor nodes directly influences the efficiency of the network in obtaining useful information. Establishing global coverage in the network using the least number of sensor nodes plays a very important role in reduction of the costs associated with the wireless sensor network. However, coverage holes appear in the study region due to various reasons, such as non-uniform distribution of sensors, node failure and energy dissipation.
Existing methods to heal the holes in the study area are generally divided into global and local methods. In global methods, prior to distribution of sensor nodes in the desired region, the optimal position of the nodes in order to avoid the occurrence of coverage holes is determined using optimization functions. In local methods, on the other hand, after primary distribution of the sensor nodes in the region, coverage holes are detected and the sensors are then moved locally in order to cover the detected coverage holes. The latter methods are mostly designed based on geometrical structures such as Delauney triangulation and Vorosnoi diagrams.
This present study focuses on determining optimal locations in order to achieve global coverage in a wireless sensor network. For this purpose, the performance of an existing local method, called tree-based method, in adding new sensors in a wireless sensor network has been evaluated. The results show that, despite the generally acceptable performance of this method, it does not work well in some special configurations of sensors, which is mainly due to lack of attention to the position of the sensors when the sensors are added. Therefore, by combining the tree-base method with a proposed method, called center of gravity method, the results are improved so that it has the ability to properly cover the holes with different sizes and geometrical shapes. Moreover, in the proposed method, before identifying the coverage holes in the area, an improvement phase is applied to improve the configuration of existing sensors after they are randomly distributed in the target area. Here, nearby sensors are moved away in order to prevent the occurrence of large scale coverage holes as well as prevent overlapping coverage of the sensor nodes. Therefore, this phase has an effective operation in creating optimal coverage in the area. Moreover, the results show that the combined method has a better performance compare to the tree-base method, because it covers the region in less iterations and less number of new sensors.
