Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng trong mạng cảm biến k
Luận án: Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng trong mạng cảm biến không dây luận án ts máy tính 94801. Xem tóm tắt và tải về tại LuanAn.ne
Năm xuất bản
Số trang
142
Thời gian đọc
22 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- Tối ưu năng lượng mạng cảm biến không dây qua tổng hợp dữ liệu
- Số trang:
- 142 trang
- Trường:
- Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội
- Chuyên ngành:
- Mạng máy tính và truyền thông dữ liệu
- Tác giả:
- Dương Viết Huy
- Năm:
- 2019
Tóm tắt nội dung luận án
I.Tối ưu năng lượng mạng cảm biến không dây qua tổng hợp dữ liệu
Mạng cảm biến không dây (WSNs) đối mặt với thách thức lớn về năng lượng. Các nút cảm biến thường có nguồn pin hạn chế. Việc truyền tải dữ liệu liên tục gây tiêu hao năng lượng đáng kể. Giảm thiểu lượng dữ liệu truyền đi là yếu tố then chốt để kéo dài tuổi thọ mạng. Tổng hợp dữ liệu nổi lên như một giải pháp hiệu quả. Nó giúp xử lý và cô đọng thông tin tại các nút hoặc cụm trước khi truyền về trạm gốc. Phương pháp này giảm thiểu sự dư thừa dữ liệu. Từ đó, mạng tiêu thụ ít năng lượng hơn. Nghiên cứu tập trung vào phát triển các kỹ thuật tổng hợp dữ liệu tiên tiến. Mục tiêu là đạt được "tiết kiệm năng lượng" tối đa. Công nghệ này có tiềm năng lớn trong nhiều ứng dụng, từ giám sát môi trường đến "hiệu quả năng lượng công nghiệp". "Hệ thống thu thập dữ liệu năng lượng" được cải thiện đáng kể. Đây là một phần quan trọng của "nghiên cứu tiết kiệm năng lượng" hiện đại.
1.1. Tầm quan trọng của tổng hợp dữ liệu
Tổng hợp dữ liệu đóng vai trò then chốt trong WSNs. Nó giúp giảm đáng kể lưu lượng truyền tải. Thay vì gửi nhiều bản sao của cùng một sự kiện, dữ liệu được tổng hợp thành một gói tin duy nhất. Điều này giảm gánh nặng cho các nút cảm biến và băng thông mạng. Nó cũng kéo dài thời gian hoạt động của toàn bộ hệ thống. Các kỹ thuật "tích hợp dữ liệu năng lượng" tiên tiến giúp các nút cảm biến hoạt động lâu hơn. Giảm số lượng gói tin truyền đi trực tiếp hạn chế mức tiêu thụ năng lượng. Đây là một yếu tố quyết định đối với các ứng dụng WSNs dài hạn. Đảm bảo tính bền vững và "quản lý năng lượng thông minh" của mạng.
1.2. Thách thức tiết kiệm năng lượng trong WSNs
Mạng cảm biến không dây đối mặt với nhiều hạn chế về năng lượng. Pin của các nút cảm biến có dung lượng giới hạn. Việc thay pin thường xuyên rất tốn kém hoặc không khả thi trong nhiều môi trường. Chi phí tính toán và truyền dẫn dữ liệu là hai yếu tố tiêu tốn năng lượng chính. Thiết kế thuật toán và giao thức phải cân bằng giữa hiệu suất và mức tiêu thụ năng lượng. Đảm bảo mỗi joule năng lượng được sử dụng hiệu quả là một thách thức không nhỏ. Việc này đòi hỏi các giải pháp sáng tạo để "tối ưu hóa tiêu thụ năng lượng". Giải quyết những thách thức này là trọng tâm của "công nghệ giám sát năng lượng" hiện nay.
1.3. Cơ chế hoạt động của tổng hợp dữ liệu
Tổng hợp dữ liệu hoạt động bằng cách thu thập thông tin từ nhiều nguồn. Sau đó, nó kết hợp thông tin đó thành một tập dữ liệu nhỏ gọn hơn. Các phương pháp có thể bao gồm tính trung bình, trung vị, hoặc phát hiện các giá trị ngoại lệ. Quá trình này thường diễn ra tại các nút cụm trưởng (CH) hoặc ngay tại các nút cảm biến. Mục tiêu chính là loại bỏ dữ liệu dư thừa hoặc trùng lặp. Điều này giảm số lượng gói tin cần truyền về trạm gốc. Một hệ thống tổng hợp dữ liệu hiệu quả sẽ giảm đáng kể tải truyền dữ liệu. Từ đó, "tiết kiệm năng lượng" cho toàn bộ mạng. Đây là một cách tiếp cận quan trọng để "tối ưu hóa tiêu thụ năng lượng".
II.Giải pháp tiết kiệm năng lượng cho mạng cảm biến không dây hiệu quả
Luận án đề xuất nhiều giải pháp tiên tiến nhằm giải quyết vấn đề tiêu thụ năng lượng trong WSNs. Các phương pháp này tập trung vào việc "tối ưu hóa tiêu thụ năng lượng" thông qua quản lý dữ liệu thông minh. Giải pháp "theo dõi mục tiêu" được phát triển để chỉ kích hoạt các nút cần thiết. Điều này giúp giảm đáng kể hoạt động không cần thiết của cảm biến. Mục tiêu cuối cùng là kéo dài tuổi thọ của mạng. Việc áp dụng các kỹ thuật mới giúp "quản lý năng lượng thông minh" hơn. Các nghiên cứu này mang lại "hiệu quả năng lượng công nghiệp" cao. Nó cũng là một phần quan trọng trong việc xây dựng "hệ thống thu thập dữ liệu năng lượng" bền vững.
2.1. Theo dõi mục tiêu thích nghi theo thời gian
Một giải pháp quan trọng là theo dõi mục tiêu thích nghi theo thời gian (ATTS-DF). Phương pháp này điều chỉnh tần suất đo lường dựa trên sự biến động của mục tiêu. Nếu mục tiêu di chuyển nhanh, tần suất đo tăng lên. Ngược lại, nếu mục tiêu ổn định, tần suất đo giảm. Điều này đảm bảo dữ liệu chính xác mà không lãng phí năng lượng. Các nút cảm biến chỉ hoạt động khi cần thiết. Việc tối ưu hóa hoạt động này trực tiếp dẫn đến "tiết kiệm năng lượng". Thuật toán này cải thiện hiệu suất của "công nghệ giám sát năng lượng". Nó cũng là một bước tiến trong "mô hình dự báo năng lượng" hiệu quả.
2.2. Theo dõi mục tiêu dựa vào khoảng cách tối ưu
Giải pháp ETR-DF tập trung vào việc theo dõi mục tiêu dựa trên khoảng cách. Các nút cảm biến gần mục tiêu hơn sẽ được ưu tiên kích hoạt. Các nút xa hơn có thể tạm thời chuyển sang chế độ ngủ. Phương pháp này giảm thiểu số lượng nút cảm biến hoạt động cùng lúc. Nó tối ưu hóa việc thu thập dữ liệu cần thiết. Điều này giảm đáng kể mức tiêu thụ năng lượng tổng thể của mạng. Việc lựa chọn nút thông minh giúp "quản lý năng lượng thông minh". Đây là một kỹ thuật hiệu quả để "tối ưu hóa tiêu thụ năng lượng" và cải thiện tuổi thọ mạng cảm biến không dây.
2.3. Cải thiện tuổi thọ mạng cảm biến không dây
Tổng hợp các giải pháp theo dõi mục tiêu đã đề xuất giúp kéo dài tuổi thọ mạng WSNs. Bằng cách giảm hoạt động cảm biến không cần thiết và tối ưu hóa truyền dữ liệu, năng lượng được bảo toàn. Tuổi thọ pin của từng nút cảm biến được cải thiện. Tuổi thọ hoạt động của toàn bộ mạng cũng tăng lên. Điều này đặc biệt quan trọng đối với các ứng dụng trong môi trường khó tiếp cận hoặc đòi hỏi hoạt động liên tục. Các giải pháp này đóng góp vào "nghiên cứu tiết kiệm năng lượng". Nó đảm bảo "hiệu quả năng lượng công nghiệp" cho các hệ thống giám sát.
III.Tổng hợp dữ liệu thông minh giúp tối ưu hóa tiêu thụ năng lượng
Việc tổng hợp dữ liệu không chỉ là kết hợp thông tin. Nó còn bao gồm quá trình "tiền xử lý dữ liệu" thông minh. Các kỹ thuật tiên tiến giúp loại bỏ nhiễu và dữ liệu dư thừa trước khi truyền. Điều này nâng cao chất lượng dữ liệu được tổng hợp. Nó cũng giảm lượng dữ liệu cần xử lý và truyền tải. Ứng dụng "lý thuyết tập thô" là một ví dụ điển hình. Lý thuyết này giúp tinh gọn dữ liệu và đưa ra quyết định tổng hợp hiệu quả. Các phương pháp này hỗ trợ "phân tích dữ liệu lớn cho năng lượng". Chúng là nền tảng cho "khoa học dữ liệu trong ngành năng lượng", góp phần "tối ưu hóa tiêu thụ năng lượng" toàn diện.
3.1. Ứng dụng lý thuyết tập thô trong tổng hợp dữ liệu
Lý thuyết tập thô (Rough Set Theory - RST) được ứng dụng để tổng hợp dữ liệu một cách thông minh. RST giúp xác định các thuộc tính cốt lõi của dữ liệu. Nó loại bỏ các thuộc tính dư thừa hoặc không quan trọng. Điều này dẫn đến một tập dữ liệu nhỏ gọn hơn. Quá trình ra quyết định tổng hợp trở nên chính xác hơn và ít tốn tài nguyên hơn. Ứng dụng RST trực tiếp giảm lượng dữ liệu cần truyền tải. Nó đóng góp vào "tích hợp dữ liệu năng lượng" hiệu quả. Phương pháp này là một ví dụ điển hình về "khoa học dữ liệu trong ngành năng lượng" giúp "tiết kiệm năng lượng".
3.2. Tiền xử lý dữ liệu đầu vào hiệu quả
Tiền xử lý dữ liệu là một bước quan trọng trước khi tổng hợp. Nó giải quyết các vấn đề như dữ liệu bị mất, nhiễu hoặc dư thừa. Giải pháp DP-DF được phát triển để xử lý các loại dữ liệu này. Dữ liệu bị mất được ước lượng, dữ liệu nhiễu được làm sạch. Dữ liệu dư thừa được loại bỏ. Việc này đảm bảo chất lượng dữ liệu đầu vào. Nó cũng giúp giảm tải cho quá trình tổng hợp tiếp theo. Một quy trình tiền xử lý hiệu quả là yếu tố then chốt để đạt được "hiệu quả năng lượng công nghiệp". Nó cũng cải thiện độ chính xác của "mô hình dự báo năng lượng".
3.3. Giảm tải truyền dữ liệu tăng hiệu quả
Các kỹ thuật tổng hợp dữ liệu thông minh, đặc biệt là với sự hỗ trợ của lý thuyết tập thô và tiền xử lý, giúp giảm đáng kể tải truyền dữ liệu. Bằng cách chỉ truyền những thông tin cốt lõi và đã được xử lý, số lượng gói tin giảm xuống. Điều này trực tiếp làm giảm năng lượng tiêu thụ tại các nút cảm biến và trong toàn bộ mạng. Hiệu quả hoạt động của WSNs được nâng cao. Việc tối ưu hóa này góp phần vào "quản lý năng lượng thông minh". Nó cũng là một chiến lược then chốt để "tối ưu hóa tiêu thụ năng lượng" và duy trì hoạt động lâu dài của mạng.
IV.Quản lý năng lượng thông minh bằng phân tích dữ liệu lớn WSNs
Để đạt được "quản lý năng lượng thông minh", việc "phân tích dữ liệu lớn cho năng lượng" trong WSNs là cần thiết. Luận án khám phá các phương pháp sử dụng tài nguyên cụm cảm biến một cách hiệu quả. Điều này bao gồm việc lựa chọn nút và dữ liệu thông minh. Các kỹ thuật như cửa sổ trượt (sliding window) được áp dụng để chỉ xử lý các tập dữ liệu liên quan. Nó giảm thiểu việc lãng phí tài nguyên tính toán và truyền tải. Mục tiêu là tối đa hóa "tiết kiệm năng lượng" và kéo dài tuổi thọ mạng. Các giải pháp này đóng góp vào "công nghệ giám sát năng lượng" tiên tiến.
4.1. Lựa chọn nút và dữ liệu thông minh
Việc lựa chọn nút và dữ liệu một cách thông minh là rất quan trọng. Giải pháp DF-SWin sử dụng cửa sổ trượt để chọn các tập dữ liệu phù hợp. Cửa sổ trượt giúp xác định khoảng thời gian hoặc phạm vi dữ liệu có liên quan nhất. Chỉ dữ liệu trong cửa sổ này mới được tổng hợp và truyền đi. Điều này tránh xử lý và truyền tải thông tin không cần thiết. Việc này giúp giảm gánh nặng tính toán và truyền tải. Nó là một phương pháp hiệu quả để "tích hợp dữ liệu năng lượng" và "tối ưu hóa tiêu thụ năng lượng" trong các cụm cảm biến.
4.2. Tối ưu hóa tài nguyên cụm cảm biến
Trong các mạng cảm biến có cấu trúc cụm, nút cụm trưởng (CH) đóng vai trò quan trọng. Nút này chịu trách nhiệm thu thập, tổng hợp và truyền dữ liệu. Giải pháp DF-AMS tập trung vào việc tối ưu hóa hoạt động tổng hợp tại CH. Nó sử dụng các phương pháp lấy mẫu trung bình hoặc trung vị. Điều này giúp giảm thiểu sự dư thừa dữ liệu. Đồng thời, nó duy trì độ chính xác cần thiết. Việc tối ưu hóa tại CH giúp "tiết kiệm năng lượng" đáng kể cho toàn bộ cụm. Nó cải thiện "hiệu quả năng lượng công nghiệp" và tuổi thọ của mạng.
4.3. Nâng cao hiệu suất giám sát năng lượng
Các giải pháp "lựa chọn nút và dữ liệu thông minh" cùng với "tối ưu hóa tài nguyên cụm" đã nâng cao hiệu suất giám sát năng lượng. Mạng có thể hoạt động lâu hơn với cùng một lượng tài nguyên. Các dữ liệu quan trọng vẫn được thu thập và truyền tải một cách đáng tin cậy. Hiệu quả tổng thể của hệ thống được cải thiện. Điều này quan trọng đối với các ứng dụng đòi hỏi sự liên tục và chính xác. Các phương pháp này hỗ trợ mạnh mẽ cho "công nghệ giám sát năng lượng" và "quản lý năng lượng thông minh" trong nhiều lĩnh vực.
V.Nghiên cứu công nghệ giám sát năng lượng tăng hiệu suất mạng
Luận án trình bày một "nghiên cứu tiết kiệm năng lượng" toàn diện. Nó tập trung vào việc thiết kế và đánh giá các thuật toán tổng hợp dữ liệu mới. Các giải pháp được đề xuất đều nhằm mục đích giảm tiêu thụ năng lượng trong WSNs. Hiệu suất của các thuật toán được kiểm chứng thông qua mô phỏng kỹ lưỡng. Điều này khẳng định tính khả thi và hiệu quả của chúng trong thực tế. Các kết quả mang lại những đóng góp quan trọng cho lĩnh vực "công nghệ giám sát năng lượng". Chúng mở ra hướng đi mới cho việc "tối ưu hóa tiêu thụ năng lượng" và "phân tích dữ liệu lớn cho năng lượng".
5.1. Thiết kế thuật toán tổng hợp dữ liệu tiên tiến
Nghiên cứu đã phát triển một loạt các thuật toán tổng hợp dữ liệu tiên tiến. Bao gồm ETR-DF (Efficiency in TRacking to target in multi-sensor Data Fusion), ATTS-DF (Adaptive Target Tracking Solution for multi-sensor Data Fusion in WSNs), DP-DF (Data Pre-processing for Data Fusion), DF-SWin (Sliding Windows for multi-sensor Data Fusion in WSNs), và DF-AMS (Data Fusion – Average Median Sampling). Mỗi thuật toán giải quyết một khía cạnh cụ thể của vấn đề năng lượng và dữ liệu. Chúng mang lại những cải tiến đáng kể trong việc "tích hợp dữ liệu năng lượng" và "tối ưu hóa tiêu thụ năng lượng" cho WSNs. Đây là những đóng góp cụ thể cho "khoa học dữ liệu trong ngành năng lượng".
5.2. Đánh giá hiệu suất qua mô phỏng thực tế
Tất cả các giải pháp và thuật toán được đề xuất đều trải qua quá trình mô phỏng nghiêm ngặt. Bộ mô phỏng NS-2 được sử dụng để đánh giá hiệu suất. Các kết quả mô phỏng chứng minh khả năng "tiết kiệm năng lượng" vượt trội của các phương pháp. Chúng cũng cho thấy sự cải thiện về tuổi thọ mạng và chất lượng dữ liệu. Việc đánh giá kỹ lưỡng này xác nhận tính đúng đắn và hiệu quả của nghiên cứu. Nó cung cấp bằng chứng vững chắc cho "mô hình dự báo năng lượng" và các giải pháp "quản lý năng lượng thông minh".
5.3. Khả năng ứng dụng thực tiễn của giải pháp
Các kết quả nghiên cứu có tiềm năng ứng dụng rộng rãi trong thực tiễn. Các giải pháp tổng hợp dữ liệu nhằm "tiết kiệm năng lượng" có thể triển khai trong nhiều hệ thống WSNs. Ví dụ bao gồm giám sát môi trường, nông nghiệp thông minh, hệ thống nhà máy thông minh, hoặc giám sát sức khỏe. Việc áp dụng các công nghệ này sẽ mang lại "hiệu quả năng lượng công nghiệp" đáng kể. Nó cũng góp phần vào sự phát triển bền vững của "hệ thống thu thập dữ liệu năng lượng". Đây là bước tiến quan trọng trong "nghiên cứu tiết kiệm năng lượng" và công nghệ thông tin.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (142 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ DƯ NG VI T HUY TỔNG HỢP DỮ LIỆU NHẰM TI T KIỆM NĂNG LƯỢNG TRONG MẠNG CẢM BI N KHÔNG DÂY LUẬN ÁN TI N S CÔNG NGHỆ THÔNG TIN HÀ NỘI – 2019 TIEU LUAN MOI download : skknchat@gmail.com ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ DƯ NG VI T HUY TỔNG HỢP DỮ LIỆU NHẰM TI T KIỆM NĂNG LƯỢNG TRONG MẠNG CẢM BI N KHÔNG DÂY Chuyên ngành: MẠNG MÁY T NH VÀ TRUYỀN THÔNG DỮ LIỆU Mã số: 9480102.01 LUẬN ÁN TI N S CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS. N u Đ V t HÀ NỘI – 2019 TIEU LUAN MOI download : skknchat@gmail.com LỜI CAM ĐOAN Luận án tiến sỹ của tôi với tên đề tài “Tổng hợp dữ liệu nhằm tiết kiệm năng lượng trong mạng cảm biến không dây” (tiếng Anh: Data fusion for energy efficiency in wireless sensor networks) là kết quả nghiên cứu của cá nhân tôi cùng với sự hƣớng dẫn tận tình của ngƣời hƣớng dẫn khoa học PGS. Nguyễn Đình Việt. Nội dung luận án không sao chép từ các luận án cũng nhƣ công trình nghiên cứu khoa học khác.
Các nội dung trích dẫn đƣợc tôi chỉ rõ nguồn tài liệu tham khảo ở trong luận án. Tôi cam đoan những điều trên là đúng sự thật, nếu có gì sai, tôi xin hoàn toàn chịu trách nhiệm. Hà nội, ngày tháng 4 năm 2019 Nghiên cứu sinh Dương Viết Huy TIEU LUAN MOI download : skknchat@gmail.com MỤC LỤC MỤC LỤC .1 ANH MỤC C C THU T NG .4 ANH S CH ẢNG .5 ANH S CH H NH V. TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU.
MẠNG CẢM I N KH NG DÂY. Lịch s phát triển. Kiến trúc mạng cảm biến và một số cách ph n loại. Các thành phần chính của WSNs.
Một số cách phân loại mạng. CÁC VẤN ĐỀ CẦN GIẢI QUY T. Vấn đề tiêu thụ năng lƣợng. Thiết ế no mạng cảm iến.
Tổ chức mạng và định tuyến. Truyền và x l ữ liệu. Tổng hợp dữ liệu. X lý vấn đề ữ liệu ƣ thừa.
CÔNG CỤ MÔ PHỎNG MẠNG CẢM BI N. Bộ mô phỏng NS-2. NS-2 và phần mở rộng mô phỏng WSNs của MIT. MÔ HÌNH TỔNG HỢP D LIỆU VÀ BÀI TOÁN THÀNH PHẦN.
Mô hình tổng hợp dữ liệu. Theo dõi mục tiêu và lựa chọn dữ liệu. Theo dõi mục tiêu dựa vào vị trí của nút. Theo dõi mục tiêu dựa vào thời gian.
Lựa chọn dữ liệu và truyền đến CH. Tổng hợp dữ liệu tại CH. Định tuyến phân cụm thích ứng với năng lƣợng thấp. Tổng hợp dữ liệu tại nút cụm trƣởng.
Các khái niệm về lý thuyết tập thô đƣợc s dụng. Hệ thống thông tin. 39 -1- TIEU LUAN MOI download : skknchat@gmail. Hệ quyết định.
Lớp con tƣơng đƣơng. Quan hệ không thể phân biệt đƣợc. Thuộc tính lõi, tập thuộc tính rút gọn. Sự phụ thuộc của thuộc tính.
Độ quan trọng của thuộc tính. Luật quyết định, độ chắc chắn của luật quyết định. Ứng dụng lý thuyết tập thô trong tổng hợp dữ liệu. Ứng dụng để tiền x lý dữ liệu.
THEO ÕI MỤC TIÊU TI T KIỆM NĂNG LƢỢNG. T HEO ÕI MỤC TI U A VÀO KHOẢNG C CH. Giới thiệu bài toán. Giải pháp ETR-DF.
Mô phỏng và phân tích kết quả. Kết luận về giải pháp ETR-DF. T HEO ÕI MỤC TI U TH CH NGHI THEO TH I GIAN. Giới thiệu bài toán.
Giải pháp ATTS-DF. Điểm đo iến động. Thời gian đo th ch ứng. Trạng thái ổn định đo lƣờng.
Mô phỏng và phân tích kết quả. Kết luận về giải pháp ATTS-DF. TI T KIỆM NĂNG LƢỢNG CỤM NÚT CẢM BI N BẰNG ỨNG DỤNG LÝ THUY T T P THÔ. ỨNG DỤNG LÝ T HUY T T P THÔ TẠI CH ĐỂ TỔNG HỢP D LIỆU.
Mô tả bài toán DF nhiều nút cảm biến. Quy trình ứng dụng RST để tổng hợp dữ liệu. Ứng dụng Lý thuyết tập thô để quyết định tổng hợp dữ liệu. 76 -2- TIEU LUAN MOI download : skknchat@gmail.
Xây dựng tƣơng quan giữa lý thuyết tập thô và tổng hợp dữ liệu. Ứng dụng RST để giải ài toán F th o quy trình 8 ƣớc. Kết luận về giải pháp ứng dụng lý thuyết tập thô. ỨNG DỤNG LÝ T HUY T T P TH ĐỂ TIỀN X L LIỆU ĐẦU VÀO.
Giải pháp DP-DF. Quy trình x lý dữ liệu. X lý dữ liệu bị mất (thiếu). X lý dữ liệu nhiễu (yếu).
Thuật toán x lý dữ liệu bị mất và dữ liệu bị nhiễu. X lý dữ liệu ƣ thừa. Minh họa và phân tích kết quả. Kết luận về giải pháp DP-DF.
S DỤNG HIỆU QUẢ TÀI NGUYÊN CỤM CẢM BI N. L A CHỌN NÚT VÀ D LIỆU CỦA CỤM BẰNG C A SỔ TRƢỢT. Giới thiệu bài toán. Giải pháp DF-SWin.
C a sổ trƣợt. Bảng dữ liệu thuộc tính. T nh ch thƣớc c a sổ trƣợt. Dữ liệu để tổng hợp.
Thuật toán DF-SWin. Cài đặt thuật toán. Mô phỏng và phân tích kết quả. Kết luận về giải pháp DF-SWin.
TỔNG HỢP LIỆU TI T KIỆM NĂNG LƢỢNG TẠI N T CH. Giới thiệu bài toán. Giải pháp DF-AMS. Mô phỏng và phân tích kết quả.
Kết luận về giải pháp DF-AMS. 127 DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ. 132 TÀI LIỆU THAM KHẢO. 133 -3- TIEU LUAN MOI download : skknchat@gmail.com DANH MỤC CÁC THUẬT NGỮ V tt t ằng ti ng Anh A-D Analog – Digital AMPS Adaptive Multi-domain Power aware Sensors ATTS-DF Adaptive Target Tracking Solutionfor multi-sensor Data Fusion in WSNs BS Base Station CDMA Code Division Multiple Access CH Cluster head DF Data fusion DF-AMS Data Fusion – Average Median Sampling DP-DF Data Pre-processing for Data Fusion DF-SWin Sliding Windows for multi-sensor Data Fusion in WSNs ETR-DF Efficiency in TRacking to target in multi-sensor Data Fusion FLAMA Flow-Aware Medium Access IEEE Institute of Electrical and Electronics Engineers LEACH Low Energy Adaptive Clustering Hierarchy LEACH-C LEACH Centralized LOS Line of Sight LR-WPAN Low Rate Wireless Personal Area Networks MAC Media Access Control MIT Massachusetts Institute of Technology NS Network Simulator OSI Open Systems Interconnection PEGASIS Power Efficient Gathering in Sensor Information System PHY Physical layer PTW Pipelined Tone Wakeup PU Processing unit RSSI Received Signal Strength Indicator RST Rough Set Theory SOFAR Sound Fixing and Ranging channel SOSUS Sound Surveillance System STEM Sparse Topology and Energy Management SU Sensing unit Tag Target TDMA Time Division Multiple Access TOA Time of arrival TRAMA TRaffic-Adaptive Medium Access WINS Wireless Integrated Network Sensors WPAN Wireless Personal Area Network WSNs Wireless Sensor Networks -4- TIEU LUAN MOI download : skknchat@gmail.com DANH SÁCH BẢNG Bảng 2.
Các tham số trong mô phỏng giải pháp ETR-DF. Hiệu quả của việc giảm số lƣợng gói tin của ETR-DF và LEACH. Phân bố xác suất trong m lần đo. Các tham số chính của mô phỏng.
Hệ thống thông tin an đầu của WSNs. Lớp tập con tƣơng đƣơng. Ma trận phân biệt. Dữ liệu CH nhận của khung truyền F1.
Dữ liệu CH nhận của khung truyền Fk. IS tại thời điểm bắt đầu tiền x lý. Giá trị của các thuộc tính Aj. Dữ liệu đo của mạng cảm biến.
Xác suất khi dữ liệu đo ị thiếu. Xác suất khi dữ liệu đo ị nhiễu. Dữ liệu đã x lý thiếu, nhiễu. Ma trận phân biệt.
Các phƣơng án ữ kiện đã đƣợc rút gọn để tổng hợp dữ liệu. Dữ liệu thuộc tính chƣa sắp xếp. Dữ liệu thuộc tính đã đƣợc sắp xếp. Quy ƣớc ký hiệu s dụng trong thuật toán.
Các tham số chính s dụng trong mô phỏng DF-SWin. Số cụm và số nút trong mỗi cụm trong quá trình mô phỏng. Kết quả mô phỏng tại thời điểm 80 giây và 320 giây. Kết quả áp dụng trong thời gian mô phỏng.
Dữ liệu đo tại thời điểm tổng hợp. Mức đo, giá trị đo của các tham số. Năng lƣợng của các nút trong c ụm. Dữ liệu cảm biến của cụm tại thời điểm 200s.
124 -5- TIEU LUAN MOI download : skknchat@gmail.com DANH SÁCH H NH V Hình 1. Kiến trúc ph n l ớp các giao thức mạng WSNs [36]. Mô hình mạng cảm biến không dây [13, 40]. Hƣớng tiếp cận theo kiến trúc mạng [38].
Sơ đồ cung cấp năng lƣợng cho nút cảm biến [39, 56]. Mức tiêu thụ năng lƣợng của các đơn vị chức năng của nút cảm iến 48. Tổng hợp dữ liệu nhiều nút cảm biến không dây. So sánh lƣu lƣợng theo 2 mô hình truyền dữ liệu của WSNs.
Tỉ lệ s dụng các phần mềm mô phỏng [71]. Mô hình tổng hợp dữ liệu và các bài toán thành phần. Các phƣơng pháp th o i mục tiêu 13. Vị trí của nút cảm biến so với CH và Tag.
Các vùng ƣu tiên và các mức ƣu tiên. Tọa độ mục tiêu và các nút trong mặt ph ng hảo sát. Phân bố nút, CH và mục tiêu (Tag) ở giây thứ 80. Áp dụng để lựa chọn nút: a) Cụm 1: 48 nút; b) Cụm 4: 16 nút.
Áp dụng thuật giải đối với Cụm 7 thời điểm giây thứ 120. So sánh việc s dụng năng lƣợng giữa ETR-DF và LEACH. Các mốc thời gian và trạng thái làm việc của nút. Thay đổi của thuộc t nh hi vƣợt ngƣỡng.
Mô hình chuyển trạng thái của nút cảm biến. Mô hình trạng thái thích ứng của giải pháp ATTS-DF. Số nút cảm biến tham gia mô phỏng ATTS-DF. Truyền dữ liệu của các nút cảm biến trong thời gian mô phỏng.
Đồ thị truyền dữ liệu của nút số 16 của LEACH. Hiệu quả việc giảm dữ liệu truyền của ATTS-DF so với LEACH. So sánh mức tiêu thụ năng lƣợng của các nút giữa ATTS-DF và LEACH. Mô tả bài toán tổng hợp dữ liệu có s dụng RST.
Mô hình x lý, tổng hợp dữ liệu tại nút CH. Truyền dữ liệu theo khung tin (frame) và theo chu kỳ (T). Lƣu đồ luồng dữ liệu giải pháp DF-SWin. 103 -6- TIEU LUAN MOI download : skknchat@gmail.
So sánh kết quả mô phỏng đối với các phƣơng án thay đổi số nút. So sánh mức dự trữ năng lƣợng giữa DF-SWin và LEACH. Minh họa DF từ n nút cảm biến, mỗi nút đo l tham số về mục tiêu. Mô hình x lý dữ liệu của DF-AMS.
Tỉ lệ nút đƣợc khảo sát và tổng số nút còn hoạt động. So sánh năng lƣợng EAvg và E Med. Lựa chọn nút cảm biến thông qua ESelect. So sánh số lƣợng gói tin truyền bằng DF-AMS và LEACH.
Kết quả tổng hợp dữ liệu của 3 tham số đo lƣờng. 125 -7- TIEU LUAN MOI download : skknchat@gmail.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Dương Viết Huy (2019). Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t [Luận án tiến sĩ, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội]. LuanAn.net. https://luanan.net/tai-lieu-khac/luan-an-tien-si-tong-hop-du-lieu-nham-tiet-kiem-nang-luong-trong-mang-cam-bien-khong-day-luan-an-ts-may-tinh-94801
Câu hỏi thường gặp
Luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" nghiên cứu về vấn đề gì?
Luận án: Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng trong mạng cảm biến không dây luận án ts máy tính 94801. Xem tóm tắt và tải về tại LuanAn.ne
Luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Năm bảo vệ: 2019.
Luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" thuộc chuyên ngành gì?
Luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" thuộc chuyên ngành Mạng máy tính và truyền thông dữ liệu. Danh mục: Tài liệu khác.
Luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" có bao nhiêu trang?
Luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" có 142 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Luận án tiến sĩ tổng hợp dữ liệu nhằm tiết kiệm năng lượng t" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.