منابع مقاله با موضوع تصادفي، حرکتي، گيرنده، الگوريتم

تاخير در حسگر دوم محاسبه مي‌گردد و به حسگر اول ارسال مي‌شود تا از زمان بدست آمده در اندازه‌گيري کاسته شود.
3-2-3- الگوريتم فانوس دريايي
در الگوريتم فانوس دريايي40 [24]، فاصله بين گيرنده و فرستنده نوري را با اندازه‌گيري دوره زماني که گيرنده در پرتو ساکن است تخمين زده مي‌شود. در اين الگوريتم فرستنده Z به يک پرتو نوري موازي با پهناي ثابت b مجهز مي‌باشد که اين فرستنده در مبدا مستقر مي‌باشد و اين پرتو نور با سرعت زاويه‌اي نامعلوم w به دور فرستنده Z در حال چرخش مي‌باشد. در اين الگوريتم به منظور بدست آوردن ميزان سرعت زاويه‌اي w از اختلاف زماني بين لحظه زماني که گيرنده نوري براي اولين بار پرتو را پيدا مي‌کند و لحظه‌اي که براي دومين بار پرتوي نوري توسط گيرنده نوري تشخيص داده مي‌شود استفاده مي‌گردد و با توجه به شکل 3-1 مي‌توان نشان داد که با استفاده از رابطه3-1 فاصله d که به فاصله بين گيرنده و فرستنده نوري اشاره دارد بدست آورده مي‌شود.
(3-1)

مهمترين مزيت اين روش اين است که گيرنده نوري مي‌تواند اندازه‌هاي کوچکي داشته باشد هرچند که فرستنده ممکن است بزرگ باشد ولي عيب اين روش اين است که خط ديد بين گيرنده نوري و فرستنده بايد مستقيم باشد.

شکل 3-1: الگوريتم فانوس دريايي[24].
3-2-4- الگوريتم تخمين فاصله از طريق اندازه‌گيري قدرت سيگنال دريافتي
در الگوريتم تخمين فاصله از طريق اندازه‌گيري قدرت سيگنال [24]، فاصله بين حسگرهاي همسايه را با اندازه‌گيري قدرت سيگنال دريافتي تخمين مي‌زنند که اين روش بر مبناي ويژگي استاندارد قدرت سيگنال دريافتي41 (RSSI) که در بسياري از وسايل بي‌سيم يافت مي‌شود، استوار ميباشد زيرا نياز به هيچ سخت‌افزار اضافي ندارد و بعيد است که اثر مهمي روي مصرف انرژي، اندازه حسگر و قيمت آن داشته باشد. با توجه به اينکه در فضاي آزاد قدرت سيگنال دريافتي(RSS) با معکوس مجذور فاصله بين گيرنده و فرستنده متناسب مي‌باشد مي‌توان توان دريافتي(Pr(d)) را از رابطه3-2 بدست آورد.
(3-2)

در رابطه3-2، Pt اشاره به توان فرستنده، Gt و Gr به ترتيب اشاره به بهرهي آنتن فرستنده و گيرنده و اشاره به طول موج سيگنال ارسالي بر حسب متر دارند. هرچند که مدل فضاي آزاد به هر حال ايدهآل نيست و انتشار سيگنال با بازتاب، انکسار و تفريق تحت تاثير قرار مي‌گيرد، اما اين موضوع به تجربه پذيرفته شده است که Pr(d) مربوط به قدرت سيگنال دريافتي در فاصله d از فرستنده در يک مکان خاص به صورت يک توزيع تصادفي lognormal مي‌باشد که مقدار ميانگين اين توزيع وابسته به مکان مي‌باشد. بنابراين Pr(d) را مي‌توان از رابطه3-3 بدست آورد.
(3-3)

در رابطه3-3، P0(d0) اشاره به توان مرجع شناخته‌شده بر مبناي دسي‌بل- ميلي وات(dbm) در فاصله مرجع d0 از فرستنده دارد. np اشاره به افت توان در مسير دارد. اين پارامتر وابسته به محيط مي‌باشد و نرخي را که قدرت سيگنال دريافتي با فاصله کم مي‌گردد را محاسبه مي‌کند. اشاره به متغيير تصادفي گوسي با ميانگين صفر و انحراف معيار دارد که به منظور محاسبه اثر shadowing به کار گرفته شده است.
با استفاده از رابطه3-3 و قدرت سيگنال دريافتي بين فرستنده و گيرنده‌اي که در فاصله dij از فرستنده قرار دارد، فاصله بين فرستنده و گيرنده به وسيله رابطه3-4 بدست آورده مي‌گردد. در اين رابطه Pij اشاره به قدرت سيگنال دريافتي بين فرستنده و گيرنده دارد.
(3-4)

3-2-5- الگوريتم مکان‌يابي به وسيله GPS
در اين الگوريتم مکان‌يابي به وسيله GPS [24]، از 24 ماهواره که در مدار مياني زمين قرار دارند استفاده مي‌گردد. مدار مياني زمين در فاصله 20200 کيلومتري از زمين قرار دارد. هر کدام از ماهواره‌ها به منظور همگام‌سازي بين ماهواره‌ها مجهز به چندين ساعت اتمي با دقت بسيار بالا مي‌باشند. در اين الگوريتم يک گيرنده GPS در سطح زمين قرار دارد فاصله خود را از ماهواره‌هاي GPS از طريق الگوريتم زمان انتشار يک طرفه بدست مي‌آورد و بنابراين به صورت ايده آل با استفاده از اطلاعات بدست آمده توسط سه ماهواره، گيرنده GPS مي‌تواند موقعيت خود را بدست مي‌آورد. با توجه به اينکه در همگام‌سازي ساعت گيرنده و ماهواره‌ها خطاهاي محاسباتي وجود خواهد داشت از الگويتم هاي تصحيح خطا مانند روش‌هاي مثلث سازي42 استفاده ميگردد تا ساعت گيرنده با دقت بيش از ns100 به ماهواره‌ها همگام شود.
روش مثلث سازي [25]:
در اين روش به منظور بدست آوردن موقعيت حسگر غير مرجع که داراي مکان نامشخص مي‌باشد از حسگرهاي مرجعي که مکان آنها مشخص مي‌باشد استفاده مي‌گردد. همان طور که در شکل 3-2 نشان داده شده است در اين روش فرض گرديده است که حسگر غير مرجع داراي موقعيت (x,y) مي‌باشد و هر کدام از حسگرهاي مرجع i داراي موقعيت (xi,yi) و زاويه با محور x مي‌باشند. در شکل 3-2، S1 و S2 حسگرهاي مرجع،و به ترتيب زاويه حسگر مرجع 1 و 2 با محور x مي‌باشند و X نيز به حسگر غير مرجع اشاره دارد.

شکل 3-2: روش مثلث سازي[25].
بنابراين در اين روش با مشخص بودن موقعيت حسگرهاي مرجع و زاويه آنها با محور x و با توجه به رابطه3-5 مي‌توان موقعيت حسگر غير مرجع x را بدست آورد.
(3-5)

در اين روش به وسيله هر کدام از زوج حسگرهاي مرجع (Si,Sj) موقعيت حسگر غير مرجع بدست آورده مي‌شود و به وسيله رابطه3-6 دقت تخمين بدست آوردن موقعيت حسگر غير مرجع توسط آن زوج حسگر مرجع بدست آورده مي‌شود. هر کدام از زوج حسگرهاي مرجعي که دقت تخمين آن‌ها کمتر از ديگر زوج حسگرهاي مرجع باشد
به عنوان زوج حسگر مناسب انتخاب مي‌گردد و به وسيله اين زوج حسگر موقعيت حسگر غير مرجع بدست آورده مي‌شود.
(3-6)

همان طور که در شکل 3-2 نشان داده شده است، در رابطه بالا اشاره به زاويه بين حسگرهاي مرجع Si و Sj با حسگر غير مرجع x دارد.
3-2-6- الگوريتم مکان‌يابي تک گامه با روش فانوس دريايي
در روش فانوس دريايي [24]، از يک ايستگاه پايه مجهز به سه پرتو نوري استفاده مي‌شود که اين پرتوها در جهت‌هاي محورهاي x و y و z و به صورت دوطرفه انتشار مي‌يابند. هنگامي‌که يک گيرنده نوري که در برد مستقيم ايستگاه پايه قرار دارد اين سه پرتو را دريافت کند، مکان گيرنده نوري(Xt) متناسب با فاصله‌ي اندازه‌گيري شده از محورهاي x، y، z است که آنها را به ترتيب با ، و نشان مي‌دهيم. اين روند در شکل 3-3 نشان داده شده است. بعد از حل معادلات رابطه‌هاي 3-7، 3-8 و 3-9 هشت جواب بدست خواهد آمد که هر يک از اين جواب‌ها در يک ناحيه از فضاي سه بعدي قرار دارد. بنابراين با داشتن اطلاعات پيشين در مورد فضايي که گيرنده در آن قرار دارد تنها يک جواب صحيح بدست خواهد آمد.
(3-7)

(3-8)

(3-9)

شکل 3-3: الگوريتم مکان‌يابي تک گامه با روش فانوس دريايي[24].
3-2-7- الگوريتم مکان‌يابي چند گامه بر مبناي فاصله
شالوده‌ي اصلي اين روش استفاده از اندازه‌گيري فاصله‌ي بين حسگرها در شبکه‌ي حسگر براي مکان‌يابي درست شبکه است. بر اساس روش پردازش داده‌ها، الگوريتم‌هاي مکان‌يابي بر مبناي فاصله به دو دسته تقسيم مي‌شوند: الگوريتمهاي متمرکز، الگوريتم‌هاي توزيع‌شده.
الگوريتم‌هاي متمرکز، الگوريتم‌هايي هستند که در آنها از يک پردازشگر مرکزي براي جمع‌آوري تمام فاصله بين حسگرها و فراهم ساختن يک نقشه از کل شبکه‌ي حسگر استفاده مي‌شود. مزاياي اين الگوريتم عبارت است:
پياده‌سازي اين الگوريتم نسبت به الگوريتم‌هاي توزيع‌شده راحت‌تر مي‌باشد.
دقت تخمين روش‌هاي متمرکز بهتر از الگوريتم‌هاي توزيع‌شده مي‌باشد.
احتمال انتشار خطا در الگوريتم‌هاي متمرکز کمتر از الگوريتم‌هاي توزيع‌شده مي‌باشد.
الگوريتم‌هاي توزيع‌شده، الگوريتم‌هايي هستند که مکان‌يابي هر حسگر بر عهده خود حسگر مي‌باشد و با استفاده از فاصله‌هاي اندازه‌گيري شده توسط حسگر و اطلاعاتي که از همسايگانش بدست آورده است مکان خود را بدست ميآورد. مزاياي اين الگوريتم عبارت است:
اين الگوريتم‌ها برخلاف الگوريتم‌هاي متمرکز مشکل مقياس‌پذيري را ندارند و در شبکه‌هاي بزرگ کارايي دارند.
انرژي مصرفي در اين شبکه‌ها به علت انتشار محلي اطلاعات نسبت به الگوريتم‌هاي متمرکز کمتر مي‌باشد.
زمان اجراي الگوريتم‌هاي توزيع‌شده نسبت به الگوريتم‌هاي متمرکز کمتر است .
3-3- مدل‌هاي حرکتي تصادفي
در مدل‌هاي تصادفي گره‌هاي متحرک به صورت تصادفي و آزاد بدون محدوديت حرکت مي‌کنند. به طور دقيق‌تر مقصد، سرعت و جهت حرکت گره به صورت تصادفي و مستقل از ديگر گره‌ها انتخاب مي‌شود. از انواع مدل‌هاي حرکتي در اين زمينه مي‌توان به مدل‌هاي نقطه راه تصادفي، جهت تصادفي، راهپيمايي تصادفي و راهپيمايي جمع‌آوري اشاره کرد.
3-3-1- مدل حرکتي نقطه راه تصادفي
در مدل نقطه راه تصادفي43 [26]، [27]، هر گره متحرک به صورت تصادفي يک مکان را انتخاب مي‌کند و با يک سرعت ثابت که به صورت تصادفي از يک بازه بين صفر تا حداکثر سرعت مجاز گره انتخاب مي‌شود، حرکت مي‌کند. هنگامي‌که گره به مقصد رسيد به مدت زماني برابر بازمان مکث ميايستد و پس از اين مدت دوباره يک مکان تصادفي انتخاب ميکند و به سمت آن با سرعت ثابت حرکت مي‌کند. اين فرايند آن قدر تکرار مي‌گردد تا شبيه‌سازي به اتمام برسد. شکل 3-4 الگوي حرکتي اين مدل را نشان مي‌دهد.

شکل 3-4: الگوي حرکتي يک گره متحرک با استفاده از مدل حرکتي نقطه راه تصادفي [26].
بنابراين دو متغيير حداکثر سرعت و زمان مکث به عنوان دو عامل تاثير گذار در رفتار حرکتي گره‌ها در زمان شبيه‌سازي مي‌باشند. در صورتي که سرعت حداکثري کم و زمان مکث بالا باشد گره‌هاي متحرک در ميدان شبيه‌سازي داراي ايستايي بيشتر هستند اما در حالت عکس پويايي بيشتري مشاهده مي‌گردد.
3-3-2- مدل حرکتي جهت تصادفي
در مدل جهت تصادفي44[27]، هر گره متحرک يک جهت تصادفي را انتخاب مي‌کند که بسيار شبيه مدل نقطه راه تصادفي است و در آن جهت در ميدان شبيه‌سازي به سمت مقصد مورد نظر حرکت مي‌کند. وقتي گره به مرز ميدان شبيه‌سازي رسيد براي مدت معين مکث مي‌کند و سپس يک جهت جديد بين 0 تا 180 درجه انتخاب مي‌کند و اين فرايند آن قدر تکرار مي‌گردد تا شبيه‌سازي به اتمام برسد.
3-3-3- مدل حرکتي راهپيمايي تصادفي
در مدل راهپيمايي تصادفي45[26]، يک گره اگر بخواهد از يک مکان به مکان ديگري برود از بازه سرعت حداقل و سرعت حداکثر يک مقدار سرعت به صورت تصادفي انتخاب مي‌کند و از بازه 0 تا 360 درجه يک زاويه به صورت تصادفي به عنوان جهت انتخاب مي‌کند تا به مقصدش برسد. هر حرکت در مدل راهپيمايي تصادفي در يک زمان ثابت يا يک مسافت ثابت رخ مي‌دهد تا بعد از آن يک سرعت و جهت جديد براي حرکت گره انتخاب شود. وقتي که گره به نقطه مرزي ميدان شبيه‌سازي برسد از اين مرز با زاويه‌اي که توسط زاويه برخورد به مرز تعيين مي‌شود به داخل ميدان شبيه‌سازي منعکس مي‌شود و از آنجا به مسير جديدش ادامه مي‌دهد و اين فرايند تکرار مي‌گردد تا شبيه‌سازي به اتمام برسد. در شکل 3-5، الگوي ح
رکتي مدل راهپيمايي تصادفي با حرکت در زمان ثابت نشان داده شده است.

شکل 3-5: الگوي حرکتي مدل راهپيمايي تصادفي بازمان حرکت ثابت[26].
3-3-4- مدل حرکتي راهپيمايي جمع‌آوري
در مدل راهپيمايي جمع‌آوري46[28]، حرکت با استفاده از چهار متغيير طول پرواز، زمان پرواز، جهت و زمان مکث مدل گرديده است که در آن طول پرواز اشاره به طول مسافتي دارد که گره بدون تغيير جهت خود در آن راستا حرکت ميکند. مدل حرکتي راهپيمايي جمعآوري بدين گونه عمل مي‌کند که با انتخاب تصادفي اين چهار متغيير يک حرکت آغاز مي‌شود، يعني گره در جهت انتخاب‌شده در زمان انتخاب‌شده حرکت مي‌کند تا هنگامي‌که زمان به اتمام برسد و سپس يک حرکت جديد با انتخاب متغيرهاي جديد شروع مي‌شود و اين روند ادامه پيدا مي‌کند تا شبيه‌سازي به اتمام برسد. در اين مدل طول پرواز و زمان مکث به صورت تصادفي انتخاب مي‌شوند و براي انتخاب زاويه جهت حرکت از توزيعي استفاده مي‌گردد که به توزيع يکنواخت نزديک باشد.
3-4- مدل حرکتي شهري
در مدل شهري که به آن‌ها مدل‌هاي وابسته زماني نيز گفته مي‌شود، هدف شبيه‌سازي وسايل نقليه در خيابان‌هاي يک شهر است. در اين نوع مدل‌ها گره‌ها به عنوان اجسامي متحرک در خيابانهاي يک شهر در نظر گرفته ميشوند. ويژگي بارز اين نوع مدلها محدوديت مکانهايي است که يک گره متحرک با حداکثر سرعت خود مي‌تواند حرکت کند. از انواع مدل‌هاي حرکتي در اين زمينه مي‌توان به مدل‌هاي آزادراه و منهتن اشاره کرد[28].
3-4-1- مدل حرکتي آزادراه
در مدل آزادراه47 [27]، سرعت هر گره به سرعت‌هاي پيشين خود به صورت زماني وابستگي دارد و در اين مدل فرض گرديده است که اگر دو گره پشت سر هم در حداقل فاصله ممکن از پيش تعيين‌شده از يکديگر قرار بگيرند سرعت گره عقبي از گره جلويي نمي‌تواند بيشتر باشد. از اين مدل به منظور شبيه‌سازي يک آزادراه و وسايل نقليه‌اي که در آن حرکت مي‌کنند استفاده مي‌گردد. بنابراين، اين مدل داراي وابستگي فضايي و وابستگي شديد زماني ميباشد.
3-4-2- مدل حرکتي منهتن
در مدل منهتن48 [27]، سرعت هر گره در يک بازه زماني به سرعتش در بازه قبلي بستگي دارد. همچنين سرعت يک گره که در تعقيب گره ديگري است به سرعت گره جلويي بستگي دارد. اين مدل به منظور شبيه‌سازي محيط‌هاي شهري طراحي گرديده است و هر خيابان در اين مدل داراي دو خط در هر جهت است. گرهها در اين شبکه ميتوانند از خيابان‌ها گذر کنند و در هر چهارراه گرهها مي‌تواند به سمت چپ يا راست يا مستقيم برود که انتخاب هر يک از اين جهات تصادفي است و احتمال انتخاب چپ يا راست هر کدام 25% در نظر گرفته شده است. بنابراين، اين مدل داراي وابستگي بالاي زماني و فضايي است. در شکل 3-6 نمونه‌اي از نقشه‌هاي اين مدل نشان داده شده است.

شکل 3-6: انواع مدلهاي شهري، a: مدل آزادراه، b: مدل منهتن[27].
3-5- مدل‌هاي حرکتي وابسته زماني
در مدل‌هاي حرکتي وابستگي زماني، سرعت کنوني يک گره به سرعت قبلي آن وابستگي دارد. از انواع مدل‌هاي حرکتي در اين زمينه مي‌توان به مدل‌هاي گاس- مارکوف، راهپيمايي تصادفي احتمالي و مدل وابسته نمايي اشاره کرد.
3-5-1- مدل حرکتي گاس- مارکوف
در مدل حرکتي گاس- مارکوف49 [26]، ابتدا هر گره داراي يک سرعت و جهت کنوني ثابت است. در هر بازه زماني ثابت، گره متحرک با سرعت و جهت جديدي که توسط رابطه 3-10 و 3-11 بدست مي‌آيد به حرکت خود ادامه مي‌دهد.
(3-10)

(3-11)

در رابطه‌هاي بالا Sn و dn به ترتيب

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *