Разработка алгоритмов выбора головного узла в кластерных беспроводных сенсорных сетях

Описание алгоритма централизованного выбора головного кластерного узла для гомогенных сенсорных сетей CHS на основе диаграмм Вороного с улучшенными характеристиками энергетической эффективности. Критерий прогнозирования поведения мобильной сенсорной сети.

Рубрика Программирование, компьютеры и кибернетика
Вид автореферат
Язык русский
Дата добавления 31.07.2018
Размер файла 2,6 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Автореферат

диссертации на соискание ученой степени

Разработка алгоритмов выбора головного узла в кластерных беспроводных сенсорных сетях

05.12.13 - Системы, сети и устройства телекоммуникаций

кандидата технических наук

Ахмед Абд Эльфтах Ахмед Салим

Санкт-Петербург, 2010

Работа выполнена в Санкт-Петербургском университете телекоммуникаций им проф. М.А. Бонч-Бруевича на кафедре сетей связи

Научный руководитель: доктор технических наук, профессор Кучерявый Андрей Евгеньевич

Официальные оппоненты:

д.т.н., профессор Сиверс Мстислав Аркадьевич

к.т.н., доцент Семёнов Юрий Владимирович

Ведущая организация: ОАО «Гипросвязь-СПб»

Защита состоится «______» ___________ 2010 г. в _______часов на заседании диссертационного совета Д.219.004.02 при Санкт-Петербургском государственном университете телекоммуникаций им. проф. М.А. Бонч-Бруевича по адресу: 191186, Санкт-Петербург, наб.р. Мойки, 61, ауд. 205.

С диссертацией можно ознакомиться в библиотеке университета.

Отзыв на автореферат в двух экземплярах, заверенный печатью учреждения, просим направлять по вышеуказанному адресу на имя ученого секретаря диссертационного Совета.

Автореферат разослан «____» _____________ 2010 г.

Ученый секретарь диссертационного Совета В.Х. Харитонов

Общая характеристика работы

Актуальность исследований. Беспроводные сенсорные сети WSN (Wireless Sensor Network) представляют собой самоорганизующиеся сети, состоящие из множества беспроводных сенсорных узлов, распределенных в пространстве и предназначенных для мониторинга характеристик окружающей среды или объектов, расположенных в ней. Пространство, которое покрывается сенсорной сетью, называют достаточно часто сенсорным полем. Собственно беспроводные сенсорные узлы представляют собой миниатюрные устройства с ограниченными ресурсами: зарядом батареи, объемом памяти, вычислительными возможностями и т.д. Однако объединение большого числа этих элементов в сеть обеспечивает возможность получения реальной картины происходящего в рамках этого сенсорного поля. Беспроводные сенсорные узлы могут собирать информацию о наблюдаемых явлениях и передавать ее далее для обработки и анализа. Примерами собираемой информации могут быть данные о температуре, влажности, условиях освещения, сейсмической активности и т.д. Такие данные могут быть использованы как для выявления каких-либо событий, так и для управления ими. В качестве примера можно привести использование сенсоров для автоматического пожаротушения в случае получения тревожных сообщений о возгорании (Ren, 2004).

В целом беспроводные сенсорные сети характеризуют новую эру развития общества и сетей, так называемое u-общество и u-сети (Kim, 2005, Кучерявый 2005, 2006). Не случайно в последнее время в литературе все чаще употребляется название USN (Ubiquitous Sensor Network).

Архитектура беспроводной сенсорной сети изображена на рис. 1.

Рис. 1. Архитектура беспроводной сенсорной сети

Кластерная организация (рис. 2) считается эффективной и масштабируемой для решения подобных задач, но лишь при условии рационального выбора головного узла в кластерной сети в конкретный момент времени. Действительно являющийся головным в момент времени t1 сенсорный узел не обязательно должен быть им же в момент времени t2, ибо существующий головной узел уже может затратить достаточно большое количество энергии на передачу сообщений от всех сенсорных узлов кластера к моменту времени t2. Поэтому в момент времени t2 головным узлом в кластере может быть назначен и иной сенсорный узел, сохранивший к этому времени наибольший энергетический запас.

Одним из самых известных механизмов, обеспечивающих функционирование сенсорных сетей и выбор головных узлов является алгоритм LEACH (Low Energy Adaptive Cluster Hierarchy). Алгоритм LEACH предусматривает вероятностный выбор сенсорного узла на роль головного в начале функционирования сенсорной сети, а впоследствии - ротацию на основе энергетических характеристик сенсорных узлов. Подобное решение продлевает длительность функционирования сенсорных узлов и сети в целом, но, как будет показано далее по результатам моделирования не решает задачи обеспечения лучшего покрытия в течение достаточно длительного времени, поскольку при создании LEACH такая задача и не ставилась.

Существует достаточно много алгоритмов, которые в той или иной степени пытаются улучшить LEACH. Это и алгоритмы, основанные на максимуме остаточной энергии, местоположении узла-кандидата в головной кластерный узел по отношению к другим узлам, информации о топологии сети в текущий момент времени. Алгоритм HEED (Hybrid Energy - Efficient Distribution) использует гибридный критерий для выбора головного узла на основе анализа остаточной энергии и расположения близлежащих узлов. Все эти алгоритмы направлены, как и LEACH, в первую очередь на максимизацию длительности функционирования сенсорных узлов и сети в целом.

Однако с развитием сенсорных сетей появились и другие задачи, требующие пристального внимания. Например, задача о качестве обслуживания, являющемся важнейшей метрикой для любой сети, в том числе и сенсорной. Действительно, очень важна проблема увеличения срока жизни сенсорной сети. Однако если эта сеть не будет выполнять свои функции в требуемом объеме, то и сама задача увеличения срока жизни сенсорной сети, не удовлетворяющей требованиям по качеству обслуживания, схоластична.

Рис. 2. Кластерная архитектура WSN

В системах мониторинга одним из важнейших требований является его непрерывность, т.е. обеспечение мониторинга параметров на всем пространстве или на всем процессе. Исходя из сказанного, в настоящей работе поставлена задача разработать алгоритм выбора головного узла кластера, который обеспечивал бы лучшее покрытие заданной для мониторинга области двумерного пространства (плоскости) в течение достаточно длительного периода времени. Этот подход означает в целом оптимизацию как срока жизни сенсорной сети, так и оптимизацию выполнения сенсорной сетью своих функциональных задач с заданным качеством обслуживания в течение достаточно длительного периода времени. гомогенный сенсорный сеть кластерный

С учетом изложенного разработка новых алгоритмов выбора головных узлов кластера в беспроводных сенсорных сетях представляется актуальной, впрочем как и сам предмет исследования - беспроводные сенсорные сети.

Цель и задачи исследования. Цель диссертации состоит в разработке новых алгоритмов выбора головного узла кластера в беспроводных сенсорных сетях.

Для достижения поставленной цели в диссертации последовательно решены следующие задачи:

· анализ существующих алгоритмов выбора головного узла в кластере сенсорной сети;

· разработка нового алгоритма централизованного выбора головного кластерного узла для гомогенных сенсорных сетей на основе диаграмм Вороного,

· разработка нового алгоритма выбора головного кластерного узла для обеспечения наибольшего покрытия в гомогенных сенсорных сетях;

· разработка нового алгоритма выбора головного кластерного узла для обеспечения наибольшего покрытия в гетерогенных сенсорных сетях;

· разработка нового алгоритма выбора головного кластерного узла для обеспечения наибольшего покрытия в мобильных сенсорных сетях с использованием различных предикторов.

Методы исследования. Для решения поставленных задач используются методы вычислительной геометрии, теории оптимизации, прогнозирования, имитационного моделирования.

Научная новизна. В результате исследований получены следующие новые научные результаты:

· разработан новый алгоритм централизованного выбора головного кластерного узла для гомогенных сенсорных сетей CHS и доказано, что предложенный алгоритм обладает улучшенными характеристиками по энергетической эффективности по сравнению с базовым алгоритмом LEACH;

· разработан новый алгоритм выбора головного кластерного узла для обеспечения наибольшего покрытия в гомогенных сенcорных сетях CHSC и доказано, что предложенный алгоритм обеспечивает лучшие показатели качества обслуживания (k-покрытие) во всем диапазоне значений k, чем базовый алгоритм LEACH. При этом обеспечивается также большее значение числа живущих сенсорных узлов во времени;

· разработан новый алгоритм выбора головного кластерного узла для обеспечения наибольшего покрытия в гетерогенных сенсорных сетях CAC и доказано, что предложенный алгоритм обеспечивает более длительный цикл жизни сенсорной сети и лучшее k-покрытие во всем диапазоне значений k, чем базовый алгоритм LEACH;

· разработан комбинированный критерий прогнозирования поведения мобильной беспроводной сенсорной сети, включающий в себя критерии связности, покрытия, мобильности и остаточной энергии;

· разработан новый алгоритм выбора головного кластерного узла для мобильных сенсорных сетей DSA, основанный на комбинированном критерии прогнозирования;

· доказано, что критерий связности является наиболее сильным из всех рассмотренных критериев в плане обеспечения жизненного цикла беспроводной сенсорной сети;

· доказано, что алгоритм DSA обеспечивает более длинный жизненный цикл существования беспроводной сенсорной сети, чем базовый алгоритм LEACH-M, как для централизованного расположения шлюза, так и для его расположения вне сети.

Личный вклад. Все основные результаты диссертации получены автором лично.

Практическая ценность работы. Результаты диссертационной работы используются в СПбГУТ им. проф. М.А. Бонч-Бруевича при чтении лекций по курсу «Современные проблемы науки в области телекоммуникаций».

Апробация работы. Основные результаты диссертации докладывались и обсуждались на 64-й Научно-технической конференции СПбНТОРЭС им. А.С. Попова. (С.-Петербург, 2009), 11-й Международной конференции IEEE по новым технологиям телекоммуникаций «Ubiquitous ICT Convergence Makes Life Better ICACT'2009, (Korea, Phoenix Park, February 2009), Международной конференции IEEE по новейшим достижениям в телекоммуникациях ICUMT 2009 (С.-Петербург, Октябрь 2009), 12-й Международной конференции IEEE ICACT'2010 (Korea, Phoenix Park, February 2010), а также на заседании кафедры «Сети связи».

Публикации. По материалам диссертации опубликовано 6 работ.

Объем и структура. Диссертационная работа состоит из введения, 5 глав, заключения и списка литературы из 57 наименований.

Основные положения, выносимые на защиту:

· алгоритм централизованного выбора головного кластерного узла для гомогенных сенсорных сетей CHS на основе диаграмм Вороного с улучшенными характеристиками энергетической эффективности по сравнению с базовым алгоритмом LEACH;

· алгоритмы выбора головного кластерного узла в гомогенных CHSC и гетерогенных CSC беспроводных сенсорных сетях, обеспечивающие лучшие показатели качества обслуживания (k-покрытие) во всем диапазоне значений k и большее значение числа живущих узлов во времени по сравнению с базовым алгоритмом LEACH;

· комбинированный критерий прогнозирования поведения мобильной сенсорной сети, включающий в себя критерии связности, покрытия, мобильности и остаточной энергии;

· алгоритм выбора головного кластерного узла в мобильных сенсорных сетях DCA, обеспечивающий более длительный жизненный цикл существования беспроводной сенсорной сети, чем базовый алгоритм LEACH-M, как для централизованного расположения шлюза, так и для его расположения вне сети.

Содержание работы

Во введении обосновывается актуальность исследований, формируются цель и задачи работы.

В первой главе анализируются существующие работы в предметной области. В диссертации проводятся исследования по разработке новых алгоритмов для иерархических беспроводных сенсорных сетей.

Основной проблемой при создании алгоритмов для иерархических беспроводных сенсорных сетей является выбор головного узла кластера. Существует два подхода к выбору головного узла кластера: случайный выбор и предопределенный. Рассмотрим далее алгоритм случайного выбора головного узла, при использовании которого ротация головных узлов может производиться из всех членов кластера с учетом их характеристик в текущий момент времени.

Иерархический алгоритм адаптивной кластеризации с низким потреблением энергии LEACH (Low-Energy Adaptive Clustering Hierarchy) (Heinzelman, 2002) предполагает обеспечение баланса расхода энергии в беспроводной сенсорной сети. Алгоритм LEACH является базовым, и существует много алгоритмов, основанных на нем. Базовая идея LEACH состоит в следующем: сенсорные узлы могут быть случайным образом выбраны как головные на основе предыдущей информации об их функционировании. При этом в кластере каждый сенсорный узел генерирует случайное число от 0 до 1. Каждый сенсорный узел имеет порог , который соответствует предварительно определенному числу головных сенсорных узлов в сети. Если интегрированное случайное число меньше, чем , то сенсорный узел может стать головным; в противном случае этот узел остается только членом кластера. Вычисление является ключевой задачей при реализации алгоритма LEACH.

(1)

В (1) p - предопределенный процент головных узлов среди всех сенсорных узлов. Оптимальное значение p оценивается в 5% от общего числа сенсорных узлов.

Текущий интервал функционирования сенсорной сети определяется как r, G - число сенсорных узлов, которые не были выбраны головными за последние 1/p интервалов. Это уравнение определяет тот факт, что узел, который был головным в последних интервалах функционирования сенсорной сети, не имеет шансов вовсе или имеет минимальные шансы снова стать головным в рассматриваемом интервале. В результате, такой выбор головного узла способствует балансу энергетических возможностей каждого из сенсорных узлов сети. Кроме того, при выборе головного узла другие сенсорные узлы выбирают одного из членов кластера для контроля за мощностью получаемого сигнала (RSS - Received Signal Strength) от головного узла.

После того как кластер сформирован, головной узел широкополосным способом рассылает расписание передачи и запрашивает своих членов кластера о передаче данных на основе известного TDMA подхода. В последующих фазах головной узел является ответственным за агрегирование данных и передачу их на шлюз и в сеть связи общего пользования. Весь сбор данных локализуется в кластере. После определенного времени нахождения в стабильной фазе, сеть снова переходит в стадию формирования. При этом следует отметить, что стадия формирования существенно короче, чем стабильная. В связи с этим LEACH имеет достаточно короткий заголовок.

LEACH является очень эффективным алгоритмом. С его помощью достигается снижение энергозатрат в 7 и более раз по сравнению с прямым взаимодействием сенсорных узлов и от 4 до 8 раз по сравнению с другими алгоритмами маршрутизации (Heinzelman, 2002). В то же время LEACH не дает гарантий по выбору «хорошего» сенсорного узла в качестве головного узла кластера. Поскольку в алгоритме LEACH нет предположения о текущем энергетическом состоянии сенсорного узла, то в качестве головного может быт выбран давно неизбираемый член кластера с неудовлетворительными энергетическими характеристиками.

Гибридный распределенный энергоэффективный алгоритм кластеризации (HEED - Hybrid Energy - Efficient Distributed) (Younis, 2004) является развитием алгоритма LEACH. Для преодоления проблемы выбора «плохого» члена кластера в качестве головного узла в LEACH алгоритм HEED предлагает использовать предопределенный выбор головного узла. В алгоритме LEACH, когда предполагается, что каждый член кластера имеет равновероятные шансы стать головным узлом кластера, сеть может выбрать в качестве головного узел, который будет иметь наихудшие показатели по энергосбережению и соответственно по возможности выхода из строя. Алгоритм HEED ставит вероятность выбора узла головным в зависимости от его существующей энергоспособности и принимает решение в зависимости от энергетических затрат. Кроме того, алгоритм HEED учитывает многоранговую природу взаимосвязей в беспроводных сенсорных сетях для дальнейшего энергосбережения.

HEED использует информацию о текущей энергоемкости сенсорного узла как основной параметр для выбора члена кластера в качестве головного узла. Выбранный в качестве головного узел информирует близлежащие узлы о том, что он стал головным. Эти сообщения от головных узлов используются сенсорными узлами для выбора себе наилучшего головного узла и, соответственно, кластера. В случае, если головной узел кластера находится достаточно далеко от шлюза с сетью связи общего пользования, он может передать агрегированную информацию через головной узел другого кластера.

Алгоритм осведомленности об остаточной энергии (ERA - Energy Residue Aware) (Chen, 2007) представляет собой еще один алгоритм иерархической маршрутизации. Алгоритм ERA также является развитием алгоритма LEACH и включает в анализ вопроса выбора головного узла в кластере затраты на осуществление взаимодействия. Затраты на осуществление взаимодействия включают в себя остаточную энергию головного узла кластера (ECH-rem), затраты энергии на взаимодействие головного узла с базовой станцией (EtoBS), затраты энергии на взаимодействие членов кластера с головным узлом (EtoCH). В этом состоит принципиальная разница с алгоритмом HEED: алгоритм ERA использует ту же схему выбора головного узла, что и LEACH (случайный выбор), но обеспечивает лучший выбор головного узла за счет использования дополнительных параметров, определенных выше. Уравнения (2) помогают определять затраты кластера при выборе того или иного узла в качестве головного и найти головной узел кластера с максимальной остаточной энергоемкостью. В (2) множество Sc является множеством для головных узлов, множество SN является множеством для членов кластера.

(2)

Алгоритм PEGASIS (Power-Effеcient Gatharingin Sensor Information Systems) - эффективная по мощности система сбора информации от сенсоров - не имеет прямого отношения к кластерной организации беспроводных сенсорных сетей, но будет рассмотрен далее для полноты анализа основных алгоритмов маршрутизации в WSN.

Алгоритм PEGASIS (Lindsey, 2002; Lindsey, 2008) предусматривает основанный на LEACH алгоритм организации сенсорных узлов в последовательную цепочку и периодическое обновление первого узла в цепочке так же, как это предусмотрено в кластерных WSN. В алгоритме PEGASIS цепочка формируется таким образом, чтобы сенсорные узлы взаимодействовали только с ближайшими и только один из узлов являлся бы передающим информацию на базовую станцию в каждом из интервалов функционирования сенсорной сети. Для определения ближайших узлов каждый узел использует значение RSS для оценки расстояния до узла и затем выбирает значение мощности сигнала так, чтобы взаимодействовать только с ближайшими узлами.

Построение цепочки позволяет минимизировать расстояние, на которое передается информация, а ротация первого сенсора в цепочке увеличивает длительность функционирования отдельных сенсорных узлов. Такой подход позволяет для беспроводных сенсорных сетей снизить общее энергопотребление и увеличить длительность функционирования WSN в целом.

Алгоритм PEGASIS лучше алгоритма LEACH на 100-200% в отношении гибели 1, 25, 50 и 100% узлов сенсорной сети и топологий (Lindsey, 2008). Однако цепочки алгоритма PEGASIS создают дополнительные задержки при передаче информации. Кроме того, динамическое изменение топологии в алгоритме PEGASIS требует, чтобы каждый сенсорный узел знал об энергетических возможностях своих ближайших соседних узлов для вычисления маршрута передачи данных. Последнее существенно усложняет заголовок и помимо этого приводит к проблемам при функционировании сенсорной сети в условиях большой нагрузки.

Для снижения задержки был предложен иерархический алгоритм PEGASIS (Lindsey, 2002). В этом алгоритме в качестве целевой функции для минимизации используется «энергия х метрика задержки». Алгоритм иерархический PEGASIS использует CDMA для кодирования сигналов и пространственного разделения сенсорных узлов. Алгоритм строится в виде иерархического дерева, причем каждый выбранный узел какого-либо уровня передает данные на узел верхнего уровня иерархии. Этот метод позволяет обеспечить параллельную передачу данных и уменьшить задержки сигналов до значений , где - число узлов.

Алгоритм циклической очередности выбора головного узла в кластере RRCH (Round-Robin Cluster Head) (Nam, 2007) предполагает формирование кластера только единовременно. После фиксации кластера для выбора головного узла в нем на протяжении его функционирования используется известный метод циклической очередности. Так же как и в LEACH, каждый из членов кластера имеет возможность стать головным узлом, головной узел задает расписание для членов кластера и т.д.

С учетом простоты процесса формирования кластера RRCH избегает потерь энергии при рекластеризации. Естественно, что с точки зрения энергетических параметров RRCH имеет при этом лучшие результаты, чем LEACH. Однако жесткая фиксация кластера приводит к тому, что в целом один из кластеров может перестать выполнять свои функции с надлежащим качеством обслуживания быстрее, чем в LEACH, в котором как раз рекластеризация и приводит к возможности распределить ресурсы равномерно между всеми кластерами одной сенсорной сети.

Отметим, что в целом проблеме качества обслуживания при использовании тех или иных алгоритмов маршрутизации в беспроводных сенсорных сетях до последнего времени не уделялось должного внимания. И это естественно, поскольку проблема состояла в основном в создании сенсорных сетей. В настоящее же время рынок сенсорных сетей растет настолько интенсивно, что уже в этом году его объем превысит 50 млрд. $. Повсеместное и масштабное применение сенсорных сетей, в том числе для задач мониторинга климата в целом, параметров окружающей среды и т.д., ставит задачу обеспечения качества обслуживания в сенсорных сетях как одну из важнейших.

Исходя из сказанного, разработка новых алгоритмов для выбора головного узла в беспроводных сенсорных сетях в настоящее время должна проводиться с учетом требований по качеству обслуживания, что и осуществляется в последующих главах диссертации.

Вторая глава посвящена разработке алгоритма выбора головного узла для гомогенных WSN с использованием алгоритма Вороного.

Диаграммы Вороного (Aurenhammer, 1991), также известные как мозаики Дирихле, представляют собой одну из фундаментальных структур данных в вычислительной геометрии. Рассмотрим сначала особенности диаграмм Вороного как геометрической конструкции.

Беспроводные сенсорные сети являются гомогенными, если все их сенсорные узлы имеют одинаковые память, вычислительные возможности, мощность батареи, измеряемые параметры и телекоммуникационные возможности. В противном случае сенсорные сети называются гетерогенными.

Областью покрытия (или областью детектирования) сенсора в некотором сенсорном поле называется область, в которой любое событие из этого поля может быть детектировано сенсором . Набор сенсоров является близлежащим к сенсору , если все сенсоры этого набора размещены в области покрытия . Сетевым покрытием сенсора в сенсорном поле является такая область, в которой сенсор может обеспечивать взаимосвязь с любым сенсором этой области. Набор сенсоров является близлежащим к сенсору , если все сенсоры этого набора размещены в области сетевого покрытия .

Пусть - конечное множество из n фрагментов на плоскости. Диаграмма Вороного для S, обозначаемая Vor(S), является фрагментом плоскости, содержащей в составе ячеек таких, что каждая ячейка Вороного включает только один фрагмент , причем любая точка, расположенная в , ближе к , чем любой другой фрагмент в S.

Рис. 3. Триангуляция Делоне для беспроводной сенсорной сети поверх диаграммы Вороного

На рис. 3 триангуляция Делоне (жирные линии) поверх диаграммы Вороного (пунктирные линии) представляет возможную беспроводную сенсорную сеть в виде выпуклого многоугольника. Конечные точки ребер ячейки Вороного образуют вершины Вороного. Диаграмма Вороного для множества S является объединением ячеек Вороного для всех фрагментов, входящих в S. Триангуляция Делоне, обозначенная далее , дуальна с диаграммой Вороного. Граф имеет ребра между двумя фрагментами, если и только если их ячейки Вороного имеют части ребра.

Некоторые теоремы по связности и покрытию для диаграмм Вороного будут полезны далее при разработке алгоритма выбора головного узла:

· Пусть r есть радиус покрытия сенсорной окружностью и . Выпуклая область А гарантирует k-покрытие, если точно k гомогенных сенсоров расположены в ней и если ширина А не превосходит r.

· Пусть . Пересечение k-покрытия сенсорными окружностями не пустое, если и только если пересечение любых трех из этих k окружностей не является пустым. Иллюстрация к этой теореме приведена на рис.4, а.

· Пусть r есть радиус покрытия сенсорной окружностью и . Сенсорное поле является k-покрытым, если любой релеевский треугольник (Heinzelman, 2002) области шириной r в сенсорном поле содержит по крайней мере k активных сенсорных узлов.

· Пусть . Поле является гарантированно k-покрытым, если для любого фрагмента поля, в котором есть по крайней мере один смежный фрагмент, такое пересечение (линза) содержит по крайней мере k активных сенсоров (рис. 4, b)

Рис. 4. Пересечение трех сенсорных окружностей (а) и смежные фрагменты поля (b)

Алгоритм выбора головного узла кластера CHS

1:

2:

3:

4:

5:

6:

7:

8:

9:

10:

11:

12:

13:

14:

15:

16:

17:

for each round a slicing grid do

for each cluster do

Select where with six slices

end for

Sink translate packet include

for each senor do

if then

Remove from

Update

Forward

else

Forward

end if

end for

end for

Пусть все сенсоры имеют одинаковые покрытия и сетевое покрытие радиусов есть r и R соответственно. Тогда достаточно легко построить сеть, которая покроет заданное поле. Для этой цели предлагается структура сенсорного поля, разделенная на релеевские треугольники со стороной r, такие, что два смежных фрагмента пересекаются, сложенные как линзы. В результате получаем релеевскую решетку, изображенную на рис. 5. Алгоритм выбора приведен на с. 10.

Рис. 5. Релеевская решетка для сенсорного поля

Моделирование осуществляется на языке C#.NET. Сеть из 100 сенсорных узлов размещается в зоне размером 200Ч200 м2. Размещение сенсорных узлов с координатами (х, у) проводится случайным образом в соответствии с равномерным распределением.

Далее для простоты будем называть такой способ построения сенсорной сети случайным. При неравномерном распределении построение сенсорной сети связано с тем, что какие-либо узлы сенсорной сети группируются в определенной ее части вместе, что может обеспечить бульшее покрытие именно в этой части сенсорного поля. Будем называть такое построение сети неравномерным.

На рис. 6 представлены обзоры отображений процесса моделирования на C#.NET для предложенного алгоритма CHS, а в табл. 1 - параметры, используемые при моделировании.

Рис. 6. Экранные формы

Таблица 1. Параметры и их значения для моделирования

Параметр

Обозначение

Значение

Первичная энергия на узел

Постоянное усиление

Мультисетевая постоянная

Потери на участках (экспоненциальные)

Порог энергии головного узла

Размер пакета

Скорость пакета

Продолжение табл. 1

Параметр

Обозначение

Значение

Широкополосная зона вещания

Радиус сенсора

Радиус кластера

Перечень и значения параметров являются типовыми и применялись для оценки эффективности алгоритма LEACH и др.

Рис. 7. Отображение процесса моделирования для CHS

Сравнительные характеристики приведены на рис. 7, анализ которого показывает существенное преимущество разработанного алгоритма CHS над базовым алгоритмом LEACH. Действительно, в одной и той же сенсорной сети при использовании базового алгоритма LEACH энергия в 200 Дж расходуется менее чем за 2?104 с, в то время как в предложенном алгоритме это время составляет около 3?104 с.

В третьей главе разработан новый алгоритм выбора головного узла в кластере для решения проблем покрытия CHSC (Cluster Head Selection for Coverage), который является распределенным кластерным алгоритмом и может быть использован для однородных сенсорных сетей, где наиболее важным параметром является полное покрытие в течение достаточно длительного времени. Предложенный алгоритм основывается на периметрическом покрытии и выборе наилучшего кандидата на уровень головного узла кластера из всех сенсорных узлов, входящих в рассматриваемую сеть. Примером сетей, где полное покрытие является критичным параметром качества обслуживания являются сети мониторинга, например мониторинга климата.

Предлагаемый алгоритм назван CHSC (Cluster Head Selection for Coverage) - выбор головного узла в кластере для покрытия. В алгоритме CHSC вводится понятие кластерного радиуса .

На рис. 8 изображена однородная кластерная сенсорная сеть, покрывающая полностью некую плоскость А. Как уже отмечалось выше, любой из обычных сенсорных узлов (на рис. 8 изображен как член кластера) может стать головным, как впрочем и наоборот. Параметр rсл в определенной степени вносит упорядоченность в структуру кластерной сенсорной сети на рис. 8. При этом любой сенсорный узел в пределах своего кластера обращается к головному узлу напрямую (one-hop), в то время как передача информации от головного узла к шлюзу может быть и многошаговой (multi-hop).

Алгоритм CHSC вначале собирает информацию об остаточной энергии для всех сенсорных узлов (если остаточная энергия E()-го сенсорного узла равна 0, то этот узел, естественно, исключается из дальнейшего функционирования в сенсорной сети). Информация об остаточной энергии рассылается каждым сенсорным узлом в области где - радиус действия сенсорного узла в сети для выполнения функций мониторинга. После получения информации от всех соседей каждый сенсорный узел выполняет алгоритм СРС для проверки периметрического покрытия. Принимая во внимание, что сенсорные узлы находятся в статическом положении, ближайшие узлы должны обменяться информацией о своем местоположении только один раз - в начале жизненного цикла сенсорной сети.

Рис. 8. Однородная кластерная сеть и параметр алгоритма CHSC

Каждый из сенсорных узлов ожидает окончания активизации сети и затем может объявить себя новым головным узлом в кластере для исходящих соединений. Это происходит в том случае, если за время активации сенсорный узел не получил никаких информационных сообщений от любых других узлов, объявивших себя головными. При объявлении себя головным узлом сенсорный узел рассылает это информационное сообщение всем сенсорным узлам, находящимся в пределах расстояния . Принятие решения об объявлении себя головным узлом осуществляется на основе возможности обеспечения лучшего покрытия и наличия достаточной энергии ( > , где - пороговое значение необходимой энергии для головного узла в кластере). Информационное сообщение содержит информацию о местонахождении нового головного узла кластера. После получения сообщения от нового головного узла кластера все сенсорные узлы в пределах исключают себя из дальнейшего рассмотрения на роль головного узла.

Каждый сенсорный узел содержит таблицу всех головных узлов, от которых он получил информационное сообщение об объявлении себя головным, на доступном для узла расстоянии. Эта информация используется сенсорным узлом для принятия решения о том, членом какого кластерного узла этот узел будет. Иногда может случиться, что два сенсорных узла с подходящими характеристиками объявляют себя головными в пределах одного и того же Тогда головной узел в конечном итоге определяется по наибольшей остаточной энергии.

Алгоритм выбора головного узла для покрытия CHSC

1: -residual energy of sensor node s

2:

3: // The members of cluster head

4: while do

5: if () and () then

6:

7:

8:

9:

10: end if

11: end while

12: for every in do

13: do send JOIN message to cluster head

12: end for

Моделирование осуществляется на языке C#NET. На рис. 9 показаны экранные формы, получаемые в процессе моделирования.

Сенсорные узлы предполагаются однородными по своим свойствам. В процессе моделирования реализуются два сценария: первый посвящен анализу влияния эффекта изменения параметра на число головных кластерных узлов и длительность полного покрытия при использовании алгоритма CHSC, а второй сценарий - сравнению предложенного алгоритма CHSC с известным базовым алгоритмом LEACH.

Рис. 9. Экранные формы

В обоих случаях в качестве плоскости используется квадрат 200Ч200 м, число сенсоров в момент начала жизни сети составляет 400. Шлюз с сетью связи общего пользования расположен в центре сети.

Рис. 10. Среднее число головных узлов (кластеров) в зависимости от

На рис. 10 представлена зависимость среднего числа головных узлов в сети от параметра . Как видим, при значении в 20 м число головных узлов (кластеров) в сети очень велико, а именно шестьдесят, - но при этом обеспечивается и наилучшее покрытие во времени. На рис. 11 длительность полного покрытия при значении в 20 м более чем в 2 раза больше, чем длительность полного покрытия при в 50 м. Заметим, что при = 20 м средняя численность узлов в кластере около 7, включая головной.

Рис. 11. Длительность полного покрытия в зависимости от

Для сравнения алгоритмов LEACH и предложенного алгоритма CHSC принято значение = 40м (среднее из рассмотренных выше).

На рис. 12 приведено сравнение LEACH и CHSC по длительности k-покрытия (k = 100, 90, 80) сети. Как видим, предложенный алгоритм значительно увеличивает длительность существенного покрытия сети. Длительность покрытия больше и при к = 100%, а в случаях k = 90% и k = 80% длительность k-покрытия при использовании CHSC превосходит длительность k-покрытия при использовании LEACH в несколько раз.

Рис. 12. Сравнение k-покрытия при использовании LEACH и CHSC

Одновременно улучшается и такая важная характеристика, как число долговременно живущих сенсорных узлов.

На рис. 13 приведено сравнение числа живущих узлов при использовании LEACH и CHSC в зависимости от числа циклов моделирования.

Рис. 13. Гетерогенная беспроводная сенсорная сеть

Четвертая глава посвящена разработке алгоритма выбора головного узла в кластере для гетерогенных сенсорных сетей. Пример гетерогенной сети приведен на рис. 13.

Алгоритм для нахождения полного периметрического покрытия (Full Perimeter Coverage Nodes - FPCN)

1: residual energy of sensor node .

2: a set of sensors candidate to be cluster head.

3:

{ Removing the sensors which belong to Case1(b)}

4: for every in do

5:

6: for every in do

7: if then

8: become not sensing node.

9:

10: end if

11: end for

12: end for

{ Removing the sensors which not perimeter coverage }

13: for every in do

14: for every in do

15: Determine the angle of 's is arch, denoted by that is perimeter-

covered by .

16: Place the points and on the line segment

17: end for

18: sort all these points in an ascending order into a list .

19: Mark each point as a left or right boundary of a coverage range.

20: Traverse the line segment by visiting each element in the sorted list

from the left to right and determine the perimeter-coverage of .

21: if line with cutting (i.e., with empty element) then

22: .

23: end if

24: end for

Алгоритм FPCN определяет набор узлов, который состоит из полностью периметрически покрытых сенсорных узлов. Алгоритм выбора кластерного узла для покрытия (Cluster head Selection for Coverage - CSC) использует этот набор для выбора головного узла.

После получения обновленной информации от всех близлежащих узлов, каждый сенсорный узел останавливается, если его сенсорное поле покрыто другим сенсорным узлом . Если не все сенсорное поле покрыто, то каждый сенсор определяет угол сегмента для каждого сенсора из списка и место точек и на линейном сегменте , как это показано на рис. 14, и сортируют все эти точки по порядку в лист L.

После этого каждая точка маркируется как левая или правая в радиусе покрытия, и получаем траверс линейного сегмента из листа L слева направо.

В изложенном подходе полностью периметрически покрытые сенсорные узлы являются лучшими кандидатами на функции головного кластерного узла, поскольку такие узлы могут поддерживать наибольшее число членов кластера.

Рис. 14. Кластерный радиус как туннельный параметр

Далее предложим метод, названный CSC. Как уже отмечалось выше, метод и алгоритм CSC основаны на туннельном параметре , который определятся как минимальное расстояние между любыми двумя головными узлами кластера в сети. Используя этот параметр, CSC позволяет достаточно точно распределить кластерные узлы по сети. Параметр может быть мягко настроен при изменении передающей мощности головных узлов кластера. В CSC сенсорные узлы взаимосвязаны непосредственно с выбранными головными кластерными узлами, в то время как маршрутизация данных от головного узла кластера к шлюзу может быть многошаговой (multi-hop), как это показано на рис. 14.

Алгоритм CSC

1: residual energy of sensor node .

2: ={ }, a set of cluster head nodes.

3: ={ }, a set of cluster members.

4: while do

5: if and , - threshold energy for node to be cluster head

then

6:

7:

8:

9:

10: end if

11: end while

12: for every in do

13: sends Announce message to all

14: All sends JOIN message to

15: end for

В начале функционирования CSC каждый сенсор широковещательно распространяет пакет информации о его остаточной энергии для всех близлежащих узлов. Для избежания коллизий этих пакетов, узлы используют информацию о пространстве перед передачей пакета (аналогично вектору резервирования в WiFi). После получения информации от всех близлежащих сенсорных узлов включается алгоритм FPCN. С учетом того что сенсорные узлы статичны, близлежащие узлы должны подтвердить свое местоположение только однажды в начале жизненного цикла сенсорной сети.

Каждый сенсор ожидает некоторое время (время активации), прежде чем он решит объявить себя новым головным кластерным узлом или не решит. Если в течение времени активации сенсорный узел не получает сообщений о том, что какой-либо узел уже объявил себя головным, то данный узел сам объявляет себя головным, рассылая соответствующие сообщения всем узлам в пределах . Сообщение содержит информацию о местоположении нового головного сенсорного узла. После получения сообщения от нового головного узла кластера все сенсорные узлы в области действия исключают себя из дальнейших претендентов на роль головного узла.

Каждый сенсор создает таблицу всех головных узлов кластера, от которых он получил сообщение. Эта информация используется далее сенсорным узлом для принятия решения о членстве в том или ином кластере. В случае, если два сенсорных узла с одинаковыми затратами на передачу информации, действующие в одной и той же области определяют себя головными узлами, побеждает тот узел, у которого выше энергетические возможности.

На рис. 15 приведено сравнение жизненного цикла CSC и базового LEACH, где под жизненным циклом понимается время до гибели первого узла. Как видим, CSC обеспечивает существенно лучшие характеристики, чем базовый LEACH.

Рис. 15. Жизненный цикл CSC и базового LEACH (до гибели первого узла)

На рис. 16 показано сетевое покрытие в течение времени для CSC и базового LEACH. Как видно из рис. 16, CSC обеспечивает существенно лучшие характеристики покрытия, чем LEACH.

Рис. 16. Сравнение CSC и базового LEACH по k-покрытию

В пятой главе разработан алгоритм кластеризации на основе предикторов для мобильных беспроводных сенсорных сетей.

В последние годы появился новый вид сенсорных сетей - мобильные сенсорные сети MSN (Mobile Sensor Networks). Эти сети сохранили все особенности беспроводных сенсорных сетей WSN и к этим особенностям добавилась еще мобильность. Кластерная архитектура нашла применение и в WSN, поэтому поиск наилучших вариантов организации кластера и выбора головного узла для MSN является сегодня актуальной задачей. В главе предложен алгоритм кластеризации для MSN на основе использования предикторов. Предложенный алгоритм представляется адекватным для выбора головного узла кластера и организации кластеров в мобильных беспроводных сенсорных сетях.

Основное различие между базовым алгоритмом LEACH-M и подходом к созданию нового алгоритма в диссертации состоит в том, что предлагаемый алгоритм обеспечивает существенное увеличение жизненного цикла сети и стабильность сформированного кластера за счет использования комбинированного критерия прогнозирования.

В главе предложен комбинированный критерий прогнозирования, включающий в себя критерии связности, покрытия, мобильности, остаточной энергии. Кроме того, используются три эвристических предиктора.

В этом разделе рассмотрим три эвристических предиктора, которые будут использованы при моделировании. Комбинированный критерий прогнозирования СС должен быть предсказан в текущее время в соответствии с историей этого критерия

где . Для этого могут быть использованы:

· простой точечный предиктор SPP (Single Point Predictor). Этот предиктор всегда предсказывает следующее значение как предыдущую величину HCC:

(3)

· линейный экстраполяционный предиктор LEP (Linear Extrapolation Predictor). Для него используется следующая формула:

(4)

· гибридный предиктор HP (Hybrid Predictor). Гибридный предиктор представляет собой смесь точечного и экстраполяционного предикторов:

(5)

Гибридный предиктор, как правило, использует линейное предсказание, но в отдельных случаях может учитывать скачкообразные изменения процесса.

Рассмотрим новый алгоритм кластеризации DCA (Distributed Clustering Algorithm), разработанный в рамках диссертации.

Прежде чем перейти к рассмотрению алгоритма, сделаем следующие предположения:

· все сенсоры гомогенны с одинаковыми характеристиками;

· топология сети изменяется, и сенсорные узлы могут перемещаться со скоростью от 0 до 2 м/с;

· сенсорные узлы осуществляют свою активность без централизованного управления.

Введем параметр, называемый кластер-хоп. Кластер-хоп определяется как максимальное число сенсорных узлов между головным узлом кластера и периферийными узлами, включая последние. Этот динамический параметр определяет процедуру формирования кластера и служит как входной параметр для процесса формирования кластера.

DCA содержит две фазы: информационное обновление и формирование кластера.

В фазе информационного обновления каждый сенсорный узел вычисляет свои предикторы комбинированного критерия PCC. Далее, базируясь на значении кластер-хопа , осуществляется процесс распространения PCC. Во время фазы формирования кластера сенсорные узлы уже имеют взвешенный взгляд на свою близость и информацию о PCC.

Программа моделирования была написана на языке C#.NET. Сенсорные узлы распределялись неравномерно случайным образом на плоскости. Предполагалось также, что сенсорные узлы имеют достаточно мощности, чтобы можно было покрыть расстояния до узла - получателя информации.

Для последующих исследований было выбрано 2 сценария. В первом сценарии исследуются вопросы эффективности DCA при использовании различных предикторов SPP, LEP и HP. Во втором сценарии предложенный алгоритм сравнивается с известным LEACH-M (Kim, 2005). Для оценки эффективности алгоритмов используется метрика жизненного цикла сети - интервал времени между началом функционирования и гибелью последнего из живущих сенсорных узлов.

Рис. 17. Эффективность критериев в DCA

В первом сценарии сенсорные узлы случайно распределены на плоскости размером . Число узлов в сети составляет 100. Целью моделирования является проверка эффективности критерия связности (б=1, в=0, г=0 и о=0), критерия покрытия (б=0, в=1, г=0 и о=0), энергетического критерия (б=0, в=0, г=1 и о=0) и критерия мобильности (б=0, в=0, г=0 и о=1) в алгоритме DCA при использовании SPP, LEP и HP предикторов.

На рис.17 изображен жизненный цикл сенсорной сети для различных критериев в условиях использования различных предикторов. Как видим, критерий связности наилучшим образом подходит для обеспечения жизненного цикла сенсорной сети.

Во втором сценарии сенсорные узлы случайным образом расперделены на плоскости и число сенсоров изменяется от 200 до 400 с шагом 50. Будем считать также, что в сравнении с LEACH-M в случае, когда шлюз расположен в центре сети.

Рис. 18. Жизненный цикл сети с использованием различных версий DSA в сравнении с LEACH-M в случае, когда шлюз расположен в центре сети

На рис. 18 шлюз расположен в центре сети. Простые расчеты могут показать, что в этом случае достигается минимальное значение Евклидова расстояния между узлами и шлюзом. На рис.18 сравнивается жизненный цикл DCA с различными предикторами (LEP, HP, SPP) с жизненным циклом сети при использовании классического алгоритма LEACH-M.

Как видим, алгоритм DCA увеличивает жизненный цикл сети при использовании всех предложенных предикторов по сравнению с алгоритмом LEACH-M. Объяснение этому состоит в том, что LEACH-M использует случайный выбор головного узла (и как следствие - размера кластера), что может приводить к более быстрой гибели отдельных сенсорных узлов. В алгоритме же DCA головной узел выбирается с учетом множества критериев, что и обеспечивает хорошее распределение головных функций среди сенсорных узлов.

И в случае, когда шлюз расположен вне сети, алгоритм DSA обеспечивает более длительный жизненный цикл сети, чем алгоритм LEACH-M. Анализ зависимостей на рис.18 и 19 показывает также, что простой предиктор SPP обеспечивает наибольший по длительности жизненный цикл сенсорной сети во всех рассмотренных случаях.

Рис. 19. Жизненный цикл сети для различных версий DSA в сравнении с LEACH в случае, когда шлюз расположен вне сети

Заключение

Исследования, проведенные в диссертационной работе, позволили получить следующие основные результаты:

1. Анализ развития беспроводных сенсорных сетей, интенсивный рост их внедрения показывают, что одной из наиважнейших становится задача обеспечения качества обслуживания при функционировании WSN, что требует разработки новых алгоритмов выбора головного узла в кластере.

2. Для выбора головного узла в кластере возможно и целесообразно использовать методы вычислительной геометрии: диаграммы Вороного и триангуляцию Делоне.

3. На основе диаграммы Вороного и триангуляции Делоне разработан новый алгоритм централизованного выбора головного узла кластера сенсорной сети CHS, в котором для процедуры выбора базовая станция в каждом интервале случайным образом генерирует фрагмент решетки, содержащей смежные повторяющиеся релеевские треугольники.

4. Сравнение предложенного в диссертации алгоритма CHS с базовым алгоритмом LEACH на основе моделирования в системе C#. NET показало, что новый алгоритм обладает лучшими характеристиками по энергетической эффективности.

5. В системах мониторинга для обеспечения качества обслуживания (QoS) необходимо обеспечить покрытие сенсорной сетью заданной области пространства в течение достаточно длительного времени.

6. Исследованы вопросы покрытия по периметру, и на основе этого исследования предложен новый алгоритм выбора головного узла в однородной кластерной сети. По результатам моделирования предложенного алгоритма CHSC на языке C#.NET и сравнения его с базовым алгоритмом LEACH доказано, что предложенный алгоритм обеспечивает не только лучшее k-покрытие, но и большее число живущих узлов во времени.

7. Предложен метод выбора головного сенсорного узла, основанный на туннельном параметре , который определяется как минимальное расстояние между любыми двумя головными узлами кластера в сети. На основе использования FPCN и параметра разработан новый алгоритм выбора головного узла в кластере CSC.

8. Разработанный алгоритм выбора головного узла кластера CSC обеспечивает более длинный жизненный цикл и существенно лучшее k-покрытие во всем диапазоне значений k, чем базовый алгоритм LEACH.

9. Для выбора головного узла кластера в мобильных беспроводных сенсорных сетях предложено использовать методы прогнозирования. При этом в качестве критерия прогнозирования предложен комбинированный критерий, включающий в качестве параметров связность, покрытие, мобильность и остаточную энергию.

10. В качестве предикторов для комбинированного критерия прогнозирования предложено использовать точечный предиктор и гибридный предиктор, представляющий собой комбинацию двух предшествующих. Для реализации комбинированного критерия прогнозирования с использованием упомянутых выше предикторов в диссертации разработан распределенный алгоритм кластеризации DCA.

11. Разработана модель сенсорной сети и программа моделирования на языке C#.NET. На основе результатов моделирования доказано, что наилучшим предиктором для алгоритма DCA является простой точечный предиктор и в то же время при использовании любого из предложенных предикторов алгоритм DCA обеспечивает существенно более длинный жизненный цикл беспроводной сенсорной сети, чем алгоритм LEACH-M, как для централизованного расположения шлюза, так и для случая расположения шлюза вне сети.

...

Подобные документы

  • Математические модели, построенные по принципу организации и функционирования биологических нейронных сетей, их программные или аппаратные реализации. Разработка нейронной сети типа "многослойный персептрон" для прогнозирования выбора токарного станка.

    курсовая работа [549,7 K], добавлен 03.03.2015

  • Беспроводные сенсорные сети: история и использование, алгоритмы канального уровня. Требования к алгоритмам маршрутизации в беспроводных сенсорных сетях, имитационное моделирование. Исследование надежности передачи данных между узлами в системе Castalia.

    магистерская работа [2,1 M], добавлен 11.10.2013

  • Общие принципы создания Web-узла. Особенности его оформления, структуры, сочетание графики и текста. Варианты размещения Web-узла в Internet, роль правильного выбора провайдера. История развития HTML. Принципы гипертекстовой разметки. Группы тегов НТМL.

    лекция [35,9 K], добавлен 07.02.2010

  • Описание формальной модели алгоритма на основе рекурсивных функций. Разработка аналитической и программной модели алгоритма для распознающей машины Тьюринга. Разработка аналитической модели алгоритма с использованием нормальных алгоритмов Маркова.

    курсовая работа [1,5 M], добавлен 07.07.2013

  • Конфигурация аппаратных средств и характеристика программных средств для создания беспроводных компьютерных сетей, особенности их использования и анализ возможных проблем. Технология организация безопасной работы в беспроводных компьютерных сетях.

    курсовая работа [2,5 M], добавлен 27.12.2011

  • Проблема выбора между необходимым уровнем защиты и эффективностью работы в сети. Механизмы обеспечения защиты информации в сетях: криптография, электронная подпись, аутентификация, защита сетей. Требования к современным средствам защиты информации.

    курсовая работа [32,1 K], добавлен 12.01.2008

  • Описание компонентов сети конфиденциальной связи. Система распределения ключей на основе линейных преобразований. Описание разработанных программ. Криптостойкость алгоритма распределения ключей. Алгоритм шифрования данных в режиме обратной связи.

    курсовая работа [98,3 K], добавлен 26.09.2012

  • Разработка технологии защиты информации беспроводных сетей, которая может применяться для повышения защиты компьютера пользователя, корпоративных сетей, малых офисов. Анализ угроз и обеспечения безопасности беспроводной сети. Настройка программы WPA.

    дипломная работа [2,9 M], добавлен 19.06.2014

  • Семантические сети как модели представления знаний. Основные методы определения сходства графовых моделей систем. Метод решения задач определения сходства семантических сетей на основе их сложности. Разработка алгоритмов и их программная реализация.

    дипломная работа [1,3 M], добавлен 17.12.2011

  • Беспроводная технология передачи информации. Развитие беспроводных локальных сетей. Стандарт безопасности WEP. Процедура WEP-шифрования. Взлом беспроводной сети. Режим скрытого идентификатора сети. Типы и протоколы аутентификации. Взлом беспроводной сети.

    реферат [51,8 K], добавлен 17.12.2010

  • Нейронные сети как средство анализа процесса продаж мобильных телефонов. Автоматизированные решения на основе технологии нейронных сетей. Разработка программы прогнозирования оптово-розничных продаж мобильных телефонов на основе нейронных сетей.

    дипломная работа [4,6 M], добавлен 22.09.2011

  • Разработка программно-аппаратного модуля, предназначающегося для сбора и анализа собранных данных в беспроводной сенсорной сети. Изготовление макета устройства. Внесение собираемых данных в базу. Расположение протокола MQTT в модели OSI приложения.

    дипломная работа [3,9 M], добавлен 18.11.2017

  • Изучение основных задач и этапов создания узла Интернета или интрасети, функциональной структуры системы прототипа. Характеристика разработки и оформления материалов и ресурсов, их публикации в сети, создания наполнения, выбора языка программирования.

    курсовая работа [3,9 M], добавлен 08.01.2012

  • Определение в процессе исследования эффективного способа защиты информации, передающейся по Wi-Fi сети. Принципы работы Wi-Fi сети. Способы несанкционированного доступа к сети. Алгоритмы безопасности беспроводных сетей. Нефиксированная природа связи.

    курсовая работа [2,3 M], добавлен 18.04.2014

  • Разработка нейронной сети, ее применение в алгоритме выбора оружия ботом в трехмерном шутере от первого лица, тестирование алгоритма и выявление достоинств и недостатков данного подхода. Обучение с подкреплением. Описание проекта в Unreal Engine 4.

    контрольная работа [611,0 K], добавлен 30.11.2016

  • Проект автоматизированной системы прогнозирования относительного курса валютных пар для международной валютной биржи Forex с использованием нейронных сетей. Требования к техническому обеспечению. Обоснование выбора средств автоматизации программы.

    курсовая работа [1,3 M], добавлен 05.01.2013

  • Краткая характеристика разрабатываемого Web-узла. Перечень пакетов прикладных программ: XAMPP и Joomla!. Карта информационного Web-сайта "Модернизация компьютерной сети". Алгоритмические решения каждого из модулей. Комментированый исходный код решения.

    курсовая работа [583,7 K], добавлен 05.02.2015

  • Разработка и анализ алгоритмов с использованием электронных таблиц и прикладных программ Smath Studio, Microsoft Excel. Проверка алгоритма ветвления или выбора. Реализация циклов на примере вычисления определённого интеграла с заданной точностью.

    контрольная работа [1,0 M], добавлен 19.03.2016

  • Межсетевой уровень модели TCP/IP. Понятие IP-адреса. Адрес узла для решения задачи маршрутизации. Схема классовой адресации, специальные адреса. Определение IP-адреса и маски подсети для каждого узла. Таблица маршрутизации IP, алгоритм выбора маршрута.

    презентация [63,2 K], добавлен 25.10.2013

  • Понятие и суть беспроводных сетей как метода соединения информационных систем, их стандартные архитектуры и роль зоны покрытия. Характеристика современных беспроводных технологий. Безопасность сетей и риски, связанные с их практическим использованием.

    презентация [346,2 K], добавлен 31.10.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.