پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی

word
106
1 MB
32117
1393
کارشناسی ارشد
قیمت: ۱۳,۷۸۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی

    چکیده

    شبکه حسگر بی سیم، شبکه ای است که از تعداد زیادی گره کوچک تشکیل شده است. گره از طریق حسگرها اطلاعات محیط را دریافت می‌کند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد. بنابراین توان مصرفی گره‌ها موضوع مهمی در این شبکه ها است. و استفاده از روش‌های دقیق و سریع محاسبه توان مصرفی در طراحی سیستم‌های کم توان بسیار ضروری می‌باشد.  روش تخمین توان به 4 سطح تقسیم می‌شود: 1)سطح سیستم، 2)سطح RTL، 3)سطح گیت، 4)سطح جانمایی. دقت محاسبه توان در سطح گیت و جانمایی بین 70 تا 95% است. ولی مشکل محاسبه توان در این سطوح زمان شبیه سازی طولانی می‌باشد. محاسبه توان در سطح سیستم کمترین زمان شبیه سازی را دارا می‌باشد اما دقت آن بین 40 تا 75% است. پایین بودن دقت در سطح سیستم و طولانی بودن زمان شبیه سازی در سطح گیت و جانمایی سبب مهم شدن تخمین توان در سطح RTL شده است. در این پایان‌نامه شبیه سازی در سطح RTL انجام گرفته و توان مصرفی توسط تابع ماکرومدل پیش بینی می‌گردد. اجزای اصلی مصرف کننده توان در گره شبکه حسگر بی‌سیم در SystemC شبیه سازی شده، سپس مدار طراحی شده به بلوک های  قابل سنتز در Verilog تبدیل می شوند. این بلوک ها و مجموعه های ورودی به نرم افزار Power Compiler داده شده و توان مصرفی محاسبه می شود. در روش پیشنهادی،به ازای مجموعه های مختلف ورودی ضرایبی محاسبه شده و توان پردازشی سیستم تخمین زده می‌شود. با مقایسه توان تخمینی و توان محاسبه شده، دیده می‌شود این روش از دقت خوبی برخوردار می باشد، اما در مورد بعضی از مجموعه‌های ورودی دچار اشکال است. برای یافتن ورودی مناسب جهت انجام طراحی و اطمینان از صحت تخمین انجام شده از شبکه عصبی استفاده شده است.

    فصل اول. کلیات

    1-1. توان در شبکه های حسگر بی سیم

    با پیشرفت‌هایی که در زمینه الکترونیک و مخابرات بی‌سیم رخ داده است، توانایی طراحی و ساخت حسگرهایی با توان مصرفی پایین، اندازه کوچک، قیمت مناسب و کاربرد‌های گوناگون فراهم شده است. این حسگرهای کوچک قادرند انجام اعمالی چون دریافت اطلاعات از محیط، پردازش و ارسال آن را انجام دهند. مجموع این عوامل موجب ایجاد و گسترش شبکه‌های موسوم به شبکه‌های حسگر بی‌سیم [1]WSN شده‌اند. یک شبکه حسگر متشکل از تعداد زیادی گره‌های[2] حسگر[3] است که در یک محیط پراکنده می شوند و به جمع‌آوری اطلاعات از محیط می‌پردازند. مکان قرار گرفتن گره‌ های حسگر، از ‌قبل ‌تعیین ‌شده نیست. و  این امکان فراهم می شود که آنها را در مکان‌های غیرقابل دسترس رها کنیم.هر گره حسگر دارای یک پردازشگر است و خود یک سری پردازش‌های اولیه روی اطلاعات دریافتی انجام می‌دهد و سپس داده‌ها را ارسال می‌کند.

    با اینکه هر حسگر به تنهایی توانایی کمی دارد، اما ترکیب صدها حسگر کوچک امکانات چشمگیری ارائه می‌کند. ‌در واقع محبوبیت شبکه‌های بی‌سیم حسگر در استفاده از تعداد زیادی گره کوچک است که می توانند با هم سازماندهی کرده و در مواردی چون مسیریابی هم‌زمان، نظارت بر شرایط محیطی(مانند دمای محیط، وجود گازها در تونل‌ها)، نظارت بر زیر ساخت‌ها یا تجهیزات یک سیستم به کار گرفته شوند.

    در این شبکه ها بر خلاف سیستم‌های سیمی، هزینه‌های پیکربندی و آرایش شبکه کاسته شده و به جای نصب هزاران متر سیم، فقط باید دستگاه‌های کوچکی را در نقاط مورد نظر قرار داد. شبکه به سادگی با اضافه کردن چند گره گسترش می‌یابد و نیازی به طراحی و پیکربندی خاصی نیست. امروزه کاهش حجم و وزن حسگر‌ها و افزایش میزان حساسیت آن‌ها، هدف اصلی بسیاری از آزمایشگاه‌های تحقیقاتی و شرکت‌های مختلف می‌باشد. اما کوچک شدن حجم گره‌های حسگر به معنای کوچک‌تر شدن باتری‌های مولد انرژی آنان بود.

    حسگرهای بی سیم اغلب برای دریافت و پردازش اطلاعات از راه دور مورد استفاده قرار می‌گیرند، بنابراین توان مصرفی گره‌ها موضوع مهمی در شبکه‌های حسگر بی سیم است. زیرا در شبکه های حسگر بی‌سیم، گره ها بایستی مدت‌های طولانی با یک منبع تغذیه‌ی معین و محدود کار کنند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد و با اتمام باتری عمر حسگر پایان می‌یابد. موضوع مهم دیگر این است که باتری‌ها اغلب حدود %50 حجم و وزن حسگرها را تشکیل می‌دهند. صرفه جویی در مصرف توان در حالت کلی از دو طریق ممکن است. راه اول از طریق ساخت حسگرهایی با مصرف انرژی کمتر و راه دوم به کاربردن روش‌های مدیریت توان در طراحی نرم‌افزاری شبکه است. مثلاً ارسال [4]TDMA از نظر مصرف توان مناسب است، زیرا در فاصله هر شیار زمانی که اطلاعات هر حسگر ارسال نمی‌شود، حسگر در حالت خواب که مصرف انرژی بسیار کمی دارد، قرار می‌گیرد(Lewis, 2004). این روش در شکل 1-1 نشان داده شده است.

     

     

    (تصاویر در فایل اصلی موجود است)

    توان انتقالی مورد نیاز متناسب با مربع فاصله بین مبدا و مقصد افزایش می‌یابد. بنابراین چند جهش کوچک توان کمتری نسبت به یک جهش بزرگ مصرف می‌کند. اگر فاصله مبدا و مقصد برابر R باشد توان موردنیاز برای یک جهش متناسب با  است. اگر بین مبدا و مقصد گره‌هایی وجود داشته باشد که شامل n جهش کوچک است توان مورد نیاز در هر گره متناسب با  است(Lewis, 2004).

    بیشتر سخت‌افزار‌ها دارای چندین حالت کاری هستند: خاموش، حالت انتظار(بی‌بار) و روشن. در نتیجه با مدیریت توان اجزا تنها در زمان‌ مخصوصی روشن هستند. حداقل نمودن تعداد پیام‌ها نیز یک راه حل است. از آنجایی که ارسال و دریافت پیام، انرژی بر است، کاهش تعداد ارتباطات نیز راهی برای کاهش توان مصرفی است. مسیریابی درست، سبب کاهش تعداد پیام‌های ارسالی می‌شود. زمان‌بندی کاری گره‌‌ها نیز سبب کاهش مصرف توان خواهد شد. ویا اینکه تعداد اندکی از گره‌ها بیدار باشند تا پوشش مورد نیاز فراهم شود. برای متعادل کردن مصرف انرژی بطور دوره‌ای چرخش انجام می‌شود یعنی جای گره‌های خواب و بیدار عوض می‌شود. افزایش راندمان[5] بعد از گسترش گره‌ها طول عمر شبکه را ماکزیمم می‌کند (Coelho&Fiore, 2005) .

    پروتکل‌های کنترل توپولوژی[6] می‌توانند با تنظیم رنج انتقال هر گره توان انتقالی شبکه را کاهش دهند در حالی که خصوصیات ضروری شبکه حفظ شود. پروتکل مسیریابی توان-آگاه[7] مسیر و رنج انتقال مناسب هر گره را انتخاب می‌کند تا انرژی مصرفی کاهش یابد. وقتی رابط رادیویی به طور فعال در حال انتقال/ دریافت بسته‌ها است هر دو پروتکل فوق الذکر سبب کاهش توان مصرفی می‌شوند. در حالیکه وقتی این رابط در حال بی‌باری است مصرف توان قابل ملاحظه‌ای دارد. مدیریت خواب[8] برای کاهش انرژی مصرفی پیشنهاد شده تا رادیوها زمانیکه مورد استفاده قرار نمی‌گیرند خاموش شوند(Xing&eta1, 2005,1-30).

    گره حسگر از پردازنده، رادیو، حافظه و تعدادی حسگر تشکیل شده است. این اجزا توان مصرفی متفاوتی دارند ولی در این بین، پردازنده و رادیو دارای توان مصرفی بالاتری هستند. بنابراین بکارگیری روش‌هایی جهت کاهش توان مصرفی این اجزا، بطور قابل توجهی به عمر شبکه حسگر می‌افزاید.

    در CMOS سه منبع اتلاف توان وجود دارد. توان تلفاتی کل طبق رابطه زیر بیان می‌شود:

    در بخش اول CL خازن بار، fclk فرکانس ساعت و pt احتمال اتلاف در انتقالات است که این بخش را توان سوئیچینگ می‌نامیم. در بخش دوم Isc جریان اتصال کوتاه است که در زمان فعال بودن توام NMOS و PMOS ، از تغذیه به سمت زمین جاری می‌شود. در بخش سوم Ileakage جریان نشتی است. بخش اول و دوم بیانگر توان دینامیک هستند و بخش سوم بیانگر توان استاتیک است. چون بخش اول در توان دینامیک بخش غالب است انرژی مصرفی در پردازنده‌های CMOS را مجموع توان سوئیچینگ و نشتی می‌دانیم(Happonen, 2004). انرژی سوئیچینگ متناسب با مربع ولتاژ تغذیه است

    Abstract

    Power consumption has become a primal constraint in digital electronic design. In order to optimize power at early design phases, low power techniques are now widely investigated by architecture and compiler designs. A key challenge in the design of low power systems is the fast and accurate estimation of power dissipation.

    Power estimation methodology can be divided into four abstraction levels: System Level, Register Transfer Level (RTL), Gate Level and Layout Level. Accuracy of power estimation at the layout and gate levels is within 70-95%, but they suffer from relatively long run time. System level methodologies have the fastest simulation time but the accuracy is 40-75%. Due to loss of accuracy at system level and greater time at gate/layout level, RTL power estimation has become an important research topic.

    Power is a strongly pattern dependent function. Input statistics greatly influence on average power. A power macro-modelling technique for RTL model of digital electronic circuits is used. This technique allows estimating the power dissipation of module to their statistical knowledge of the primary inputs/outputs. 

    During power estimation procedure, the sequence of an input stream is generated and the macro-model function is used to construct a set of functions that maps the input metrics of a macro-block to its output metrics. Then simulation is performed for RTL and the power dissipation is predicted by a macro-model function.

    This model yields power estimates within seconds, because it does not rely on the statistics of the circuit’s primary outputs and, consequently, does not perform any simulation during estimation. Moreover, it achieves better accuracy than previous macro-modeling approaches by taking into account spatial correlations in the input stream.

     But, it should be considered that mocro-modeling method dosent answer for all input sets. And some tools must be applied to show us what input sets cause correct and  accurate estimation. An ANN is the best tool for this purpose. MLP network trained with some proper and unsuitable input sets and exactly specify appropriate set for early design phases.

  • فهرست و منابع پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی

    فهرست:

    فصل اول: کلیات

    1-1. توان در شبکه های حسگر بی سیم ...........................................................................      1

    فصل دوم: شبکه حسگر بی سیم

    2-1.مقدمه ..........................................................................................................................      6

    2-2. مقایسه شبکه حسگر بی سیم و شبکه Ad hoc .........................................................      8

    2-3. کاربردها .....................................................................................................................      9

    2-4. عوامل مؤثر در طراحی شبکه حسگر .........................................................................      9

    2-5. توپولوژی های مختلف شبکه ....................................................................................      11

    2-6. لایه های شبکه ..........................................................................................................      14

    2-7. پروتکل  MAC..........................................................................................................      16

    2-8. استاندارد شبکه حسگر هوشمند ................................................................................      17

    2-8-1. استاندارد IEEE 1451.x .......................................................................................      17

    2-8-2. استاندارد IEEE 802.15.4 ....................................................................................      19

    2-9. روش‌های کاهش مصرف انرژی در شبکه‌های حسگر ...............................................      22

    2-9-1. روش های چرخه وظایف .....................................................................................      22

    2-9-2.روش‌های داده‌گرا ...................................................................................................      23

    2-9-3.روش‌های مبتنی بر قابلیت تحرک ..........................................................................      23

    فصل سوم: گره در شبکه حسگر بی سیم

    3-1. اجزا گره حسگر ........................................................................................................      25

    3-2. انرژی مصرفی گره حسگر .........................................................................................      29

    3-2-1. حالات کاری با توان مصرفی متفاوت ...................................................................      29

    3-2-2. انرژی مصرفی میکروکنترلر ...................................................................................      33

    3-2-3. مدل انرژی پردازنده ..............................................................................................      34

    3-2-4. مقیاس گذاری دینامیک ولتاژ(DVS) ....................................................................      34

    3-2-5. بررسی توان مصرفی چند میکروکنترلر .................................................................      35

    3-2-6. انرژی مصرفی گیرنده/ فرستنده ............................................................................      36

    3-2-7. مدل انرژی گیرنده/ فرستنده .................................................................................      37

    3-2-8. بررسی توان مصرفی دو گیرنده/ فرستنده .............................................................      39

    3-2-9. انرژی مصرفی حافظه ...........................................................................................      40

    3-2-10. انرژی مصرفی حسگر ........................................................................................      40

    3-3. پروتکل‌های ارتباطی .................................................................................................      43

    3-3-1. لایه فیزیکی ..........................................................................................................      43

    3-3-2. لایه پیوند داده ......................................................................................................      44

    3-3-3. لایه کاربرد ...........................................................................................................      44

    3-3-4. لایه انتقال .............................................................................................................      45

    3-3-5. لایه شبکه .............................................................................................................      46

    فصل چهارم: شبیه سازی شبکه حسگر بی‌سیم

    4-1. نرم افزارهای مورد استفاده جهت شبیه سازی شبکه .................................................      47

    4-2. شبیه سازی شبکه حسگر ..........................................................................................      48  

    4-2-1. گره .......................................................................................................................      49

    4-2-1-1. ماژول Node ....................................................................................................      49

    4-2-2. ایستگاه .................................................................................................................      50

    4-2-2-1. ماژول ایستگاه ..................................................................................................      50

    4-2-3.کامپیوتر اصلی ........................................................................................................      51

    4-2-3-1. ماژول محرک و مانیتور ....................................................................................      51

    4-3. الگوریتم رمز کننده DES ..........................................................................................      51

    4-3-1. DES .....................................................................................................................      51

    4-4. توضیح فایل‌های شبیه سازی .....................................................................................      62

    4-5. نتایج شبیه سازی .......................................................................................................      63

    4-6. شبیه سازی استاندارد 802.15.4 IEEE .....................................................................      65

         

    فصل پنجم. مدلسازی گره و محاسبه توان پردازشی

    5-1. توان مصرفی ..............................................................................................................      68

    5-2. تخمین انرژی در سطح تجرید گیت ..........................................................................      69

    5-3. تخمین توان با استفاده از روش Macro-Model .......................................................      70

    5-3-1. آنالیز رگرسیون ......................................................................................................      71

    5-3-2. حل ماکرو مدل با رگرسیون خطی ........................................................................      73

    5-3-3. متغیرهای رگرسیون خطی .....................................................................................      74

    5-4. نتایج تخمین توان ......................................................................................................      75

    5-5. تعیین ورودی های مناسب توسط شبکه عصبی .........................................................      79

    5-5-1. پیاده سازی MLP و نتایج حاصله .........................................................................      80

    فصل ششم: نتیجه گیری و پیشنهادات

    6-1. یافته های تحقیق ........................................................................................................      82

    6-2. نوآوری تحقیق در مقایسه با کارهای گذشته ..............................................................      84

    6-3. پیشنهادات ..................................................................................................................      84

    پیوست:

    مراجع ..................................................................................................................................      86

    واژه نامه ..............................................................................................................................      90

    چکیده انگلیسی....................................................................................................................      96

     

    منبع:

     

     [1] Akyildiz, I.F.; Su, W.; Sankarasubramaniam, Y. ; Cayirci, E. ; “A Survey on Sensor Networks”, IEEE Communications Magazine, vol. 40, no. 8, pp. 102-114, August 2002.

    [2] Stankovic, J. A; “Wireless Sensor Networks”, June 19, 2006.

    [3] Lewis, F. L. ; “Wireless Sensor Networks”, John Wiley, New York, 2004.

    [4] Coelho,B.B. ; Fiore,J.M. ; “A Simple Model for CPU Power Consumption in Sensor Networks”, URL: “http://justin.fiores.net/files/CPUPowerConsumption.pdf”, 2005.

    [5] Rentala, P. ; Musunuri, R. ; Gandham, S. ; Saxena, U. ; “Survey on Sensor Networks”, Department of Computer Science University of Texas at Dallas, 2001.

    [6] Akyildiz, I.F. ; Su, W. ; Sankarasubramaniam,Y. ; Cayirci, E. ; “Wireless Sensor Network: a Survey”, In Computer Networks (Elsevier) Journal, Vol.38, No.4, pp. 393-422, March 2007.

    [7] “Mega Guide”, PrepLogic, “URL: http://www.preplogic.com”, 2007.

    [8] Xing, G. ; Lu, C. ; Zhang, Y. ;  Huang, Q. ; Pless, R. ; “Minimum Power Configuration in Wireless Sensor Networks”, ACM Journal Name, Vol. V, No. N, Month 20YY, pp. 1-30, 2005.

    [9] Bag, J. ; Roy, S. ; Sarkar, S.K. ; “Realization of a low power sensor node processor for Wireless Sensor Network and its VLSI implementation” , Advance Computing Conference (IACC), 2014 IEEE International , Page(s): 101 – 105, 2014.

    [10] Karray, F. ; Jmal, M.W. ; Abid, M. ; BenSaleh, M.S. ; Obeid, A.M.; “A review on wireless sensor node architectures” ,   Reconfigurable and Communication-Centric Systems-on-Chip (ReCoSoC), 2014 9th International Symposium , Page(s): 1 – 8, 2014.

    [11] Karl, H. ; Willig, A. ; “Protocols and Architectures for Wireless Sensor Networks”, John Wiley & Sons Ltd, 2005.

    [12] Becher, A. ; Benenson, Z. ; Dornseif, M. ; “Tampering with Motes: Real-World Physical Attacks on Wireless Sensor Networks”, RWTH Aachen, Department of Computer Science October 2005.

    [13] Luo, W. ; “Self-configuring Networked Environmental Sensors”, School of Information Technology & Electrical Engineering, PhD Confirmation Report, October 2005.

    [14] Chen, G. ; “Sensor Network Node Based On IEEE 1451 – Implementation with MAX1463”, Master of Engineering in Telecommunications & Networking, Thesis 2004 Masters.

    [15]Enami, N. ; Askari Moghadam, R.; Dadashtabar, K.; Hoseini, M.; “Neural Network Based Energy Efficiency in Wireless Sensor Networks: a Survey”, In: International Journal of Computer Science & Engineering Survey (IJCSES), Vol.1, No.1, August 2010.

    [16] Chiang, M.W. ; Zilic, Z. ; Radecka, K. ; Chenard, J. S. ; “Architectures of Increased Availability Wireless Sensor Network Nodes”, ITC International Test Conference, IEEE, pp. 1232-1241, 2004.

    [17] Zhong, L.C. ; “A Unified Data-Link Energy Model for Wireless Sensor Networks”, A dissertation submitted in partial satisfaction of the requirements for the degree of Doctor of Philosophy, University of California, Berkeley, Spring 2004.

    [18] Zou, Y. ; “Coverage-Driven Sensor Deployment and Energy-Efficient Information Processing in Wireless Sensor Networks”, Department of Electrical and Computer Engineering Duke University, 2004.

    [19] Hill, J.L. ; “System Architecture for Wireless Sensor Networks”, A dissertation submitted in partial satisfaction of the requirements for the degree of Doctor of Philosophy, University of California, Berkeley, Spring 2003.

    [20] Rostami, A.Sh. ; Tanhatalab, M.H. ; Bernety, H.M. ; Naghibi, S.E. ; “Decreasing the Energy Consumption by a New Algorithm in Choosing the Best Sensor Node in Wireless Sensor Network with Point Coverage”; Computational Intelligence and Communication Networks,  IEEE CICN; Page(s): 269 – 274 ; 2010.

    [21] Zheng, R. ; “Design, Analysis and Empirical Evalution of Power Management in Multi-Hop Wireless Networks”, University of Illinois at Urbana-Champaign, 2004.

    [22] Raghuwanshi, S. ; “Energy Efficient Cross Layer Design Scheme for Wireless Sensor Networks”, Master of Science, Blacksburg, Virginia, August 29th 2003.

    [23]  Manjarres, D. ; Lopez, S.G. ; Vecchio, M. ; Torres, I.L.; Valcarce, R.L. ; “On the Application of a Hybrid Harmony Search Algorithm to Node Localization in Anchor-based Wireless Sensor Networks”, International Conference on Intelligent Systems Design and Applications(ISDA), pp.1014 – 1019, 2011.

    [24] Xu, Y. ; “Energy Efficient Designs for Collaborative Signal and Information Processing in Wireless Sensor Networks”, A Dissertation Presented for the Doctor of Philosophy Degree The University of Tennessee, Knoxville, May 2005.

    [25] Subhai, C.P. ; Malarkan, S.; Vaithinathan, K. ; “A Survey On Energy Efficient Neural Network Based Clustering Models In Wireless Sensor Networks”, Emerging Trends in VLSI, Embedded System, Nano Electronics and Telecommunication System (ICEVENT), International  IEEE Conference, 2013.

    [26] Singh, P. ; Agrawal, S. “TDOA Based Node Localization in WSN Using Neural Networks” in: Communication Systems and Network Technologies (CSNT), Page(s): 400 – 404, 2013.

    [27] Beitollahzadeh, J. ; Shahraki, A.A. ; Mohammadi, K. ; “A new method for increasing the lifetime of network and reducing energy consumption in wireless sensor network” In: 21st Iranian Conference on Electrical Engineering (ICEE), Page(s): 1 – 5, 2013.

    [28] Happonen, A. ;  “Low Power Design for Wireless Sensor Networks”, University of Oulu, Finland, 21 Jun 2004.

    [29] Ye, W. ; Heidemann, J. ; Estrin, D. ; “An Energy-Efficient MAC Protocol for Wireless Sensor Networks”, Infocom 2002, Twenty-First Annual Joint of the IEEE Computer and Communications Societies, Proceedings, IEEE, Vol. 3,  pp. 1567-1576, 2002.

    [30] Bhosale, S. ; Sobolewski, M. ; “SenSORCER: A Framework for Managing Sensor-Federated Networks”,  Parallel Processing Workshops, 2009. ICPPW '09. International Conference , Page(s): 322 – 329, 2009.

    [31] Callaway, E. H. ;  “Wireless Sensor Networks: Architectures and Protocols”, Auerbach Publications, 2003.

    [32] Wang, L. ; Xiao, Y.;  “A Survey of Energy-Efficient Scheduling Mechanisms in Sensor Networks”, Springer Science, 23 May 2006.

    [33] Mahawaththa, M.D.W.S. ; Goonetillake, M.D.J.S.; “Location aware queries for sensor network” International Conference on Advances in ICT for Emerging Regions (ICTer), Page(s): 2 – 8,2011.

    [34] Sachdeva, G. ; Dömer, R.; Chou, P. ; “System Modeling A Case Study on a Wireless Sensor Network”, University of California, Irvine, Technical Report CECS-TR-05-12,June 15, 2005.

    [35]  Haiying, W. ;  Zhonghua, H. ;  Yu, H. ;  Gechen,L. ; “Power state prediction of battery based on BP neural network”,  7th International Forum on Strategic Technology (IFOST), 2012.

    [36] Cheng, L. ; “IEEE 802.15.4 MAC Protocol Study and Improvement”, A Dissertation Submitted in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy, Georgia State University, 2007.

    [37] Park, C. ; Liu J. ; Chou, P.H. ; “Eco: an Ultra-Compact Low-Power Wireless Sensor Node for Real-Time Motion Monitoring”, IPSN, 2005.

    [38]  Manjuprasad, B. ; Dharani, A. “ Simple Secure Protocol for Wireless Sensor Networks”,Computing and Communication Technologies (WCCCT),  Page(s): 260 – 263,2014.

    [39] Black, D. C.  ; Donovan, J. ; “SystemC: from the ground up”, Kluwer Academic Publishers, 2004.

    [40] Magno, M. ; Benini, L. ; Gaggero, L. ; La Torre Aro, J.P. ; Popovici, E. ; “A versatile biomedical wireless sensor node with novel drysurface sensors and energy efficient power management”  5th IEEE International Workshop on Advances in Sensors and Interfaces (IWASI), 2013.

    [41] Ganesh, S. ; Amutha, R. “Efficient and secure routing protocol for wireless sensor networks through SNR based dynamic clustering mechanisms”,  Journal of Communications and Networks, Volume: 15, No: 4, Page(s): 422 – 429, 2013.

    [42] Adinya, O.J. ; Li Daoliang ; “Transceiver energy consumption models for the design of low power wireless sensor networks” IEEE Student Conference on Research and Development (SCOReD), 2012.

    [43] Zhang, G. ; Liu, G. ; Chen, W. ; Yang, C. ; “Quantitative analysis of cluster-head selection for wireless sensor networks”  World Automation Congress (WAC), Page(s): 277 – 281, 2012.

    [44] Kaliannan, B. ; Pasupureddi, V.S.R. “A Low Power CMOS Imager Based on Distributed Compressed Sensing ” VLSI Design and 2014 13th International Conference on Embedded Systems,  Page(s): 534 – 538, 2014.

    [45]  Wu, Q. ;  Qiu, Q. ; Pedram, M. ;  Ding, Ch. ; “Cycle-accurate macro-models for RT-level power analysis”, Very Large Scale Integration (VLSI) Systems, IEEE Transactions,Volume: 6, Issue: 4, Page(s): 520 – 528, 1998.

    [46] Wu, Q.  ; Ding, C. ; Hsieh, C.; Pedram, M. ; “Statistical Design of Macro-models For RT-Level Power Evaluation”, Proceedings of the Asia and South Pacific Design Automation Conference, pp.523-528, Jan. 1997.

    [47] Durrani, Y.A. “Efficient power macromodeling technique for conventional MOS transistors”, Electrical Engineering and Informatics (ICEEI) , Page(s): 1 – 7, 2011.

    [48] Dorling, K. ; Valentin, S. ; Messier, G.G. ; Magierowski, S. “Repair algorithms to increase the lifetime of fully connected wireless sensor networks”  IEEE International Conference on Communications (ICC), Page(s): 1784 – 1789, 2013.

    [49]  Ahmed, M. ; Adel, F.  “Performance Behaviour ofWSN with Bursty Traffic”, The 8th International Conference on INFOrmatics and Systems (INFOS2012), Cairo University, 2012.

     [50] Renold, A. ; poongothai, R. ; Parthasarathy, R. “Performance Analysis of LEACH with Gray Hole Attack in wireless sensor Network”, International Conference on Computer Communication and Informatics (ICCCI-2012), Coimbatore, INDIA, 2012.

    [51] Chagas, S.H. ; Martins, J.B. ; de Oliveira, L.L. “Genetic Algorithms and Simulated Annealing optimization methods in wireless sensor networks localization using artificial neural networks”, Circuits and Systems (MWSCAS), IEEE 55th International Midwest Symposium, 2012.

    [52] Anastasi, G. ; Conti, M. ; Passarella, A. cEnergy Conservation in Wireless Sensor Networks: a survey”,  Ad Hoc Networks, volume 7, Issue 3, Elsevier; pp.537-568, 2009.

    [53] Kvatinsky, S. ; Friedman, E.G. ; Kolodny, A. ; Schächter, L. “Power grid analysis based on a macro circuit model” Electrical and Electronics Engineers in Israel (IEEEI), Page(s): 708 –712, 2010.

    [54] MingMing Li ; Wei Li ;  “A Power Adapting CODE Algorithm Applying in the Wireless Sensor Networks” International Conference on Intelligent System Design and Engineering Application (ISDEA), Volume: 1, Page(s): 137 – 141, 2010.

    [55]Klein, F. ;Leao, R. ; Araujo, G. ; “PowerSC: A SystemC-based Framework for Power Estimation”, Technical report, Talk at the 6th NASCUG (co-located with DVCon), San Jose, USA, February 2007.

    [56] Bernacchia, G. ; Papaefthymiou, M.C. ; “Analytical Macromodeling for High-Level Power Estimation”, 1999 IEEE/ACM International Conference on Computer-Aided Design, 1999. Digest of Technical Papers, pp. 280 – 283, 1999.

    [57] Sarkar, T.K. ; Dyab, W. ; Abdallah, M.N. ; Salazar-Palma, M. ; Prasad, M.V.S.N. ; Sio Weng Ting ; Barbin, S. ; “Electromagnetic Macro Modeling of Propagation in Mobile Wireless Communication: Theory and Experiment ” Antennas and Propagation Magazine, IEEE, Volume: 54, Issue: 6, Page(s): 17 – 43, 2012.

     [58] Durrani, Y.A. ; “Power Macro-modeling for IP-based Digital Systems at Register Transfer Level”, Thesis Doctoral, university polytechnic Madrid, 2008



تحقیق در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, مقاله در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, پروژه دانشجویی در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, پروپوزال در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, تز دکترا در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, تحقیقات دانشجویی درباره پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, مقالات دانشجویی درباره پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, پروژه درباره پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, گزارش سمینار در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, پروژه دانشجویی در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, تحقیق دانش آموزی در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, مقاله دانش آموزی در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی, رساله دکترا در مورد پایان نامه مدل سازی گره و محاسبه مصرف توان پردازشی شبکه های حسگر بی‌ سیم به کمک شبکه عصبی

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس