کاهش نرخ نویز در شبکه حسگر بی سیم آکوستیک زیر آبی با MATLAB
در این بخش پروژه شبیه سازی کاهش نرخ نویز در شبکه حسگر بی سیم آکوستیک زیر آبی با فیلتر فضایی توزیع شده را در MATLAB آماده کردیم که بر اساس مقاله Rate-Distributed Spatial Filtering Based Noise Reduction in Wireless Acoustic Sensor Networks انجام شده و دارای فیلم نحوه اجرا نیز می باشد. در این پروژه از تولباکس CVX استفاده شده این تولباکس متلب به همراه آموزش نصب، در کنار پروژه ارائه شده است. که این در ادامه معرفی پروژه پرداخته و فیلم و تصاویر خروجی آن به همراه لینک دانلود رایگان مقاله مرجع قرار داده شده است.
بهره وری انرژی در شبکه های WASNs
در شبکه های حسگر بی سیم آکوستیک زیر آبی (WASNs)، سنسور ها به طور معمول دارای انرژی اندک و محدودی هستند زیرا اغلب باتری را هدایت می کنند. بهره وری انرژی در طراحی الگوریتم های شبکه های صوتی زیر آبی (WASNs) یک موضوع مهم و ضروری می باشد. یکی از راه های کاهش مصرف انرژی در شبکه های زیر آبی، انتخاب سنسور هایی است که حاوی اطلاعات مفیدی هستند. این موضوع یک مشکل شناخته شده به عنوان انتخاب سنسور در اینگونه شبکه ها می باشد. از این رو، تنها سنسور هایی که به طور قابل توجهی در این باره عملکرد مناسبی دارند، در شبکه درگیر خواهند شد.
معرفی پروژه
در این پژوهش ما یک رویکرد عمومی را مطرح می کنیم که براساس فیلتر فضایی توزیع شده با سرعت بالا عمل می کند. همراه با فاصله زمانی که در آن انتقال رخ می دهد، میزان ارسال بیت به طور مستقیم بر مصرف انرژی تاثیر می گذارد. ما سعی می کنیم مصرف باتری را با توجه به انتقال کاهش دهیم، در حالی که در عملکرد شبکه کاهش نویز را نیز خواهیم داشد. این نتیجه یک استراتژی تخصیص کارایی مطلوب است که به آمار سیگنال و همچنین فاصله از سنسور تا مرکز همجوشی (FC) بستگی دارد. با استفاده از یک شکل دهنده پرتو حداقل واریانس خطی محدود (LCMV)، مشکل به عنوان یک برنامه نیمه قطعی به دست می آید.
نتایج شبیه سازی
ما نشان می دهیم که تخصیص نرخ بیشتر مربوط به انتخاب سنسور بوده و انتخاب سنسور را می توان به عنوان یک مورد خاص از راه حل تخصیص نرخ ارائه شده مشاهده کرد. در نهایت، شبیه سازی عددی برای استفاده از برآورد چندین منبع هدف در شبکه WASN، نشان می دهد که روش پیشنهادی بر اساس رویکردی مبتنی بر انتخاب زیر مجموعه های میکروفون در استفاده بهتر از انرژی است و ما دریافتیم که به حسگرهای نزدیک به FC و نزدیک به منابع نقطه ای، نرخ بالاتری اختصاص داده شده است.
هیچ نظری ثبت نشده است