بازسازی سیگنال از طریق سنجش فشرده در شبکه های حسگر بی سیم (WSN-Control)

translate Wireless sensor network 23618 تصویر

ترجمه مقاله بازسازی سیگنال از طریق سنجش فشرده در شبکه های حسگر بی سیم

ترجمه مقاله WSN-Control: Signal Reconstruction through compressive Sensing in Wireless Sensor Networks

در این پست ترجمه مقاله بازسازی سیگنال از طریق سنجش فشرده در شبکه های حسگر بی سیم (WSN-Control) را برایتان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود بفرمایید.

چکیده مقاله

قسمت اصلی این مقاله به پیاده ‌سازی و ارزیابی فریم ورکی برای بازسازی سیگنال در شبکه ‌های حسگر بی‌سیم (WSN) اختصاص ‌یافته است. در اینجا ما به طراحی یک WSN-Control که یک معماری کنترل WSN سرور خارجی متصل به اینترنت می‌باشد، می‌پردازیم. در این معماری ما تکنیک های فشرده‌ سازی و بازیابی را با ترکیب الگوریتم ‌های تحلیل مؤلفه اصلی (Principal Analysis Component-PCA) و حسگری فشرده (Compressive Sensing-CS) برای بازسازی قطعات سیگنال زیادی از سنسور ها به ‌واسطه تعداد کمی از نمونه ها که در یک ماتریس مرتبط جمع آوری شده است، پیاده سازی کرده ایم؛ یعنی از طریق نمونه برداری های ناقص از یک سیگنال واقعی. نتایج کلی نشان می دهد که سیستم بازسازی CS بسیار مؤثر بوده و می تواند منجر به ارائه یک سیستم کاملاً خودکار برای جمع آوری و بازسازی داده های یک شبکه حسگر واقعی غیر ساکن (non-stationary) شود. در جزئیات، سیستم پیشنهادی WSN-Control برای بازیابی برخی سیگنال ها که دارای پیچیدگی فضایی و زمانی مرتبط هستند بسیار مؤثر عمل می کند، از آنجا که تعداد نمونه برداری را کاهش می دهد حتی زیر ۲۰% و نیز مقدار خطایی بازیابی (reconstruction error) را زیر ۵٫۱۰-۳ نگه می دارد. با این روش سیگنال های نامنظم و دارای نرخ تغییرات آمار بالا نیز قابل بازیابی هستند ، حتی اگر خطای بازیابی در آنها بسیار وابسته به نرخ نمونه برداری باشد. CS یک حداقل سازی را از طریق الگوریتم بهینه سازی NESTA که اخیراً پیشنهاد شده بدست می آورد.

مقدمه

در این مقاله ما WSN-Control را به عنوان فریم ورکی برای بازسازی سیگنال در WSN با تعداد زیادی گره معرفی کرده ایم. سناریو ما شمال نظارت بر یک حوزه سنسور می‌باشد که در آن سیگنال های مورد علاقه (interest) فضایی و همچنین دارای وابستگی زمانی را نشان می دهد. تعداد گره های زیاد مستقر باعث می شود که بازیابی پدیده فیزیکی مورد علاقه ما با دقت بیشتری صورت گیرد. با این وجود، ساختار همبستگی سیگنال ها اجازه می دهد که بدون جمع آوری سیگنال ها از هر گره در هر دوره زمانی جمع آوری داده ، نمونه ها از به صورت تضمینی و با دقت کافی بدست آوریم. در واقع هدف ما پیاده سازی یک سیستم اکتسابی هست که امکان می دهد داده را با دقت بالایی از طریق جمع آوری تعداد کمی نمونه از سنسور ها بازسازی کنیم، این سیستم در مواقع تغییر آماری سیگنال خود وقف پذیر (Self-Adaptable) و در بازسازی سیگنال خطا تنظیم پذیر می‌باشد. برای بازیابی سیگنال ما طرفدار استفاده از روش CS هستیم که تکنیکی اثبات شده برای Video و Image می‌باشد و اخیراً نیز در بازیابی سیگنال در WSN به کار گرفته می شود.

چکیده انگلیسی

The main contribution of this paper is the implementation and experimental evaluation of a signal reconstruction framework for Wireless Sensor Networks (WSNs). We design WSN-Control, an architecture to control a WSN from an external server connected to the Internet. Within such architecture, we implement a compression and recovery technique that combines Principal Component Analysis (PCA) and Compressive Sensing  to reconstruct signals with many components from a sensor (CS) field through the collection of a relatively small number of samples, i.e., through incomplete representations of the actual signal. Overall, our experimental results show that a careful use of CS recovery is effective and can lead to a fully automated system for data gathering and reconstruction of real world and non-stationary signals in WSNs. In detail, WSN-Control effectively recovers signals showing some temporal and/or spatial correlation, from a relatively small number of samples, even below 20%, keeping the relative reconstruction error smaller than 5 ⋅ ۱۰ −۳٫ Signals with more irregular and quickly varying statistics are also recovered, even though the reconstruction error becomes highly dependent on the number of collected samples. CS minimization is obtained through the recently proposed NESTA optimization algorithm. Our implementation of CS recovery is available in [1].

منبع : ieeexplore.ieee.org


شبیه سازی شبکه های کامپیوتری و مخابراتی

شبیه سازی شبکه های کامپیوتری و مخابراتی

مشاهده پروژه ها و مقالات شبیه سازی شده

مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید

    لیســــــــت پــــــــروژه های انتشــــــــار نشده ( 22 موضوع )

    مشاهده لیست کامل
    مشاهده لیست کامل
    مشاهده لیست کامل
    مشاهده لیست کامل
    socket programing آموزش برنامه نویسی آموزش سی شارپ بازی تحت شبکه بازی تحت شبکه به زبان سی شارپ برنامه تحت شبکه با سی شارپ برنامه نویسی ترجمه مقاله ترجمه مقاله شبکه دانلود رایگان پروژه های دانشجویی دانلود سورس برنامه دانلود سورس رایگان دانلود نرم افزار دانلود پروژه دانشجویی دانلود پروژه رایگان دانلود پروژه های دانشجویی دانلود کتاب دانلود کتاب آموزشی دانلود کتاب اموزشی سورس بازی با socket programing سورس رایگان سورس کد بازی تحت شبکه سورس کد بازی تحت شبکه با C# سورس کد بازی تحت شبکه چند نفره سوکت پروگرمین شبکه SDN شبیه سازی با نرم افزار R نحوه نوشتن برنامه تحت شبکه نحوه نوشتن برنامه تحت شبکه به زبان سی شارپ نرم افزار Rstudio پروژه arena پروژه matlab پروژه ns2 پروژه opnet پروژه ارنا پروژه سیمولینک matlab پروژه مهندسی صنایع پروژه مهندسی صنایع با ارنا پروژه های آماده با OpenGL پروژه های آماده با OpenGL در سی پلاس پلاس پروژه های آماده با ارنا پروژه های آماده برای درس گرافیک کامپیوتری پروژه هوش مصنوعی پروژه پردازش تصویر matlab پروژه پردازش سیگنال matlab