مشخصات

زبان

بانک اطلاعاتی

فایل ها

توضیحات

شامل m فایل متلب ، کامنت گذاری خط به خط کدها و فیلم آموزشی ۴۰ دقیقه ای برای توضیح کدها و نتایج شبیه سازی می باشد

۲۸۴,۰۰۰ تـــــومان

مطالب مرتبط

بهبود خوشه بندی و انرژی توزیع شده در شبکه ناهمگن اینترنت اشیا با متلب

  • دوشنبه 30 آبان 1401
  • بازدید ۳۵۴ نفر

بهبود خوشه بندی و انرژی توزیع شده در شبکه ناهمگن اینترنت اشیا با متلب

بهبود خوشه بندی و انرژی توزیع شده در شبکه IOT با MATLAB

در این بخش پروژه شبیه سازی بهبود خوشه بندی و انرژی توزیع شده در شبکه ناهمگن اینترنت اشیا با نرم افزار MATLAB به همراه فیلم آموزشی فارسی و کامنت گذاری کدها آماده کرده ایم که بر اساس مقاله HetEng: An Improved Distributed Energy Efficient Clustering Scheme or Heterogeneous IoT Networks انجام شده است. در ادامه توضیحاتی از معرفی پروژه ارائه شده و قسمتی از فیلم آموزشی به همراه تصاویر خروجی پروژه در محیط متلب و دانلود مقاله پایه قرار داده شده است.

خوشه بندی در شبکه IOT

در شبکه های باتری دار، طول عمر شبکه همواره یک مسئله چالش برانگیز بوده است، زیرا شارژ مجدد یا جایگزینی گره ها در برخی از سناریوها دشوار است. روش های خوشه بندی یک رویکرد امیدوار کننده برای مقابله با این چالش و افزایش طول عمر با توزیع کارآمد وظایف بین گره ها در خوشه می باشد. این مقاله با هدف بهبود مصرف انرژی در دستگاه های ناهمگن اینترنت اشیا با استفاده از روش خوشه بندی آگاه از انرژی انجام شده است. در یک شبکه ناهمگن اینترنت اشیا گره ها (دستگاه ‌های اینترنت اشیا با باتری) می توانند پروفایل های انرژی و قابلیت های ارتباطی مختلفی داشته باشند. بسیاری از الگوریتم های خوشه بندی موجود، ناهمگونی ظرفیت انرژی در میان گره ها را نادیده گرفه اند و فرض کرده اند که سطح انرژی یکسانی دارند. در این مقاله، یک فرآیند انتخاب سرخوشه به صورت بهینه ارائه شده که الگوریتم خوشه بندی موجود به نام Smart-BEEM را بهبود می دهد. برای این منظور یک رویکرد آماری پیشنهاد شده که مصرف انرژی را بین گره های بسیار پرانرژی در توپولوژی شبکه با تغییر مداوم نقش CH بین گره ها بر اساس سطوح انرژی واقعی آنها (به ژول) توزیع می کند. نتایج شبیه سازی با نرم افزار MATLAB نشان داده که الگوریتم پیشنهادی (HetEng) در مقایسه با الگوریتم Smart-BEEM منجر به افزایش گره های زنده و بهبود در انرژی باقی مانده در بین گره ها شده است. همچنین روش ارائه شده تعداد کل تکرارها را نیز کاهش داده است.

مصرف بهینه انرژی در اینترنت اشیا

اینترنت اشیا به عنوان یک الگوی شبکه ای در نظر گرفته می شود که طیف گسترده ای از دستگاه ها را به اینترنت متصل می کند، از گجت های پوشیدنی که داده ها را از بدن دریافت می کنند تا سنسورها و دستگاه هایی که در یک خانه هوشمند با محیط تعامل دارند و همچنین سیستم های نظارتی در شهرهای هوشمند. مصرف بهینه انرژی در گجت های مجهز به باتری همیشه موضوع چالش برانگیزی برای محققان این حوزه بوده است. رشد سریع فناوری های سخت افزاری، کوچک تر شدن دستگاه ها را ممکن کرده و چالش های انرژی جدیدی را ایجاد می کند که باید به آنها پرداخته شود. این محدودیت واحد چندین مورد دیگر را در رابطه با انتخاب پروتکل مسیریابی، پوشش شبکه و طول عمر شبکه تحمیل می کند.

بهبود خوشه بندی و انرژی توزیع شده در شبکه ناهمگن اینترنت اشیا با متلب

شکل کاربردهای اینترنت اشیا در یک سیستم یکپارچه انرژی هوشمند

خوشه بندی کارآمد و انرژی توزیع شده

یک روش شناخته شده مدیریت توپولوژی شبکه که برای مقابله با این چالش استفاده می شود، روش خوشه بندی نامیده می شود که در آن گره ها به چندین خوشه گروه بندی می شوند و یک یا چند سر خوشه (CHs) در شبکه انتخاب می شوند. بسیاری از الگوریتم های خوشه بندی در زمینه شبکه های حسگر بی سیم (WSN) و شبکه IoT همگن پیشنهاد شده اند. با این حال، اکثر این الگوریتم ها تنوع پروفیل های انرژی را نادیده گرفته اند، با این فرض که گره ها با سطح انرژی یکسانی عرضه شده اند و این باعث کاهش سریع انرژی در گره های با توان ضعیف می شود. برای استفاده در پارادایم جدید شبکه های اینترنت اشیا، روش های خوشه بندی موجود باید اصلاح شوند تا ناهمگونی گره ها در محیط های اینترنت اشیا در نظر گرفته شود. در این مقاله یک روش خوشه بندی کارآمد و انرژی توزیع شده با نام HetEng برای شناسایی گره های با توان بالا و توزیع مصرف انرژی با تغییر نقش CH با استفاده از یک روش آماری پیشنهاد شده است. رویکرد پیشنهادی با استفاده از نرم افزار MATLAB ارزیابی شده و روش ارائه شده بهبود قابل توجهی را در گره های زنده و انرژی باقیمانده نشان می دهد.

 


تصویر 1
تصویر 2
تصویر 3
تصویر 4
تصویر 5
تصویر 6
تصویر 7
تصویر 8
تصویر 9
تصویر 10
تصویر 11
باکس دانلود
شناسه:
۷۵۷۵
توضیحات:
شامل m فایل متلب ، کامنت گذاری خط به خط کدها و فیلم آموزشی ۴۰ دقیقه ای برای توضیح کدها و نتایج شبیه سازی می باشد
قیمت:
۲۸۴,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۰ مورد)

هیچ نظری ثبت نشده است