ترکیب و تجمیع داده درشبکه های حسگر بیسیم Data Fusion/Aggregation محمد حسیه یغمایی مقدم داوشگا فرديسی مش د

Size: px

Start display at page:

Download "ترکیب و تجمیع داده درشبکه های حسگر بیسیم Data Fusion/Aggregation محمد حسیه یغمایی مقدم داوشگا فرديسی مش د"

Nathan Simpson
5 years ago
Views:

1 ترکیب و تجمیع داده درشبکه های حسگر بیسیم Data Fusion/Aggregation محمد حسیه یغمایی مقدم داوشگا فرديسی مش د

2 همدقم يب ىجؿ يس ؼ ػ نيػ يث لهبؿ(WSN) ىاساض س ؼ ػ بث يض ىا ت يؿدشپ يفشصه يييبپ.ذؿبث ث ليلد ىا ت يييبپ ب شگ ؼػ ت ىجؿ ب ياشث ي لا ع تذه بث لىه اشو ذؿبج بث ؾياضفا يب دشثسبو يب ىجؿ يس ؼ ػ نيػ يث يتؼيبث لبج ذث ب نتيس گلا ييب لىتشپ د ث ل ع بت ىجؿ شوػ اس ؾياضفا.ذ د دافتسا زا يا لکتيرپ یبایریسم لقادح اب فرصم نا ت ا داد يزاس درشف لبق زا لاسرا لاىگیس شزادرپ يراکم اب ا رگ بیکرت ا داد

3 همدقم يب دشثسبو WSN داذؼت يدبيص س ؼ ػ ظيحه ذ واشپ ذؿ غپ ع ل هي داذيس تبػلاعا ط ثشه ث داذيس اس ث بگيبپ يل لبػسا.ذ و غپ ع ل داذيس ندح يويظػ ب مبيپ ىجؿ ث توػ بگيبپ (BS)يل يسبخ د ؿ شثوا يبح ب مبيپ تبػلاعا يساشىت ع ل داذيس ذ تؼ يگ ضفا تبػلاعا غثب ه ىجؿ لوخ يب پ ذ بث ىا ت اس فشصه دشو شثب ث سبو ل ع ىجؿشوػ ؾ بو.ذثبي شيثبت ن ه شها دس ه يب شگ هيدض بگيبپ يل تػا بث لبػسا مبيپ يب يساشىت شگ ب داذؼت يشتيث مبيپ شگ يب هيدض بگيبپ يل س جػ ذ و ي ؼي مبوتا ىا ت شگ يب هيدض ث بگيبپ يل بث د خ ى يا شيبػ يب شگ ىجؿ ص ياساد يطش ا ىجؿ ذ تؼ سبو.ذتفا

4 هداد عیمجت ث س ظ ه ؾ بو داذؼت ب تؼث ب شگ بث يسبىو يلحه بث شگيذىي ذؿ ذ ا خ تبػلاعا ظيحه اس و اشو بث يگ ضفا تػا لجل لبػسا ؽدشپ دشو ي ديت ؽدشپ اس لبػسا.ذ و ييذث تيتشت داذؼت يب مبيپ يلبػسا ؾ بو.ذثبي ؽدشپ لهبؿ دشف يصبػ غيودت تيوشت تبػلاعا.ذؿبث

5 و عیمجت اه هداد بیکرت غيودت داد ي ؼي تيوشت يتبػلاعا و هي ع ذ ساد يىيل غثب ه غوخ تبفته ذ ا ذؿ يسآ چ ب چ ب داد هي ع ذ ؿبج تيوشت ذب د ؿ هي شگ داد ييب و ييذ چ شگ غوخ يسآ دشو تػا تيوشت ذ و ي ديت تيوشت اس ث بگيبپ يل لبػسا ذ و ييذث تيتشت بث يىيفاشت ىجؿ ؾ بو فشصه يطش ا فشص يي خ.د ؿ

6 تجمیع و ترکیب داده ها

7 کاربردهای ترکیب داده ها کاربرد اي وظامی: تخيص ذف ػالح بي ؿو ذ ػبيل ملي ي خ دوبس ظبست هيذاى جشد ػيؼتن بي تخيص ت ذيذ خ دوبس کاربرد اي غیر وظامی گ ذاسي هبؿيي آالت پيچيذ سثبت وبسثشد بي عجي

8 ترکیب اطالعات تشويت چ ذيي ه جغ اعالػبتي ثشاي ثذػت آى اعالػبت ث ج د يبفت دس ح ص ي WSN هىب يضم بي تدويغ ثشاي وب ؾ تشاف دس تيد وب ؾ هصشف ت اى ؿجى پي بد ؿذ اػت تشويت داد دس تمشيت هىبى ػ ؼ س ب تخيص ؿىؼت دس هؼيشيبثي خوغ آسي اعالػبت لي ه ثشاي هؼيش يبثي وبسثشد دا. سؽ بي پبي : min, max, ave

9 تجمیع داده هدو ػ اي اص سؽ ب ثشاي تشويت اعالػبتي و اص چ ذ گش حؼگش خوغ آسي ؿذ ث ه ظ س اػتخشاج اعالػبت ثب هؼ ب. پشػ اي چ ذ ػغحي چ ذ ثؼذي و دس استجبط اػت ثب تشويت داد ب اعالػبت اص چ ذيي هجذا. تشويت داد اص چ ذيي گش حؼگش ث ه ظ س ث ج د دلت ثذػت آى اػت تبج بي ث تش ؼجت ث ؿشايغي و داد ت ب اص هجذا فشا ن آيذ.

10 تجمیع داده تدويغ داد دس WSN ثؼ اى هتشادفي ثشاي تشويت اعالػبت هغشح ؿذ. تدويغ داد ؿبهل: خوغ آسي داد بي خبم اص ه بثغ هختلف تشويت ايي داد بي خبم ث داد ي تصحيح ؿذ ون حدن تش تح يل ث ه لغ ايي داد بي ث وبسثش هي ثبؿذ تشويت ثبيؼتي ا ؼغبف پزيش لبثل ثش به يؼي ثبؿذ

11 چرا ترکیب اطالعات ػ ؼ س ب ثب هحيظ دس استجبط ؼت ذ تغييشات دس هحيظ سا ا ذاص هي گيش ذ مشکالت اهىبى دا دچبس خغب دس ا ذاص گيشي ؿذ يب اص وبس ثيفتذ. ثب اص وبس افتبدى ش ػ ؼ س هوىي اػت هحذد ي تحت و تشل ؿجى يب ت ا بيي استجبط هختل ؿ د. هحذد تحت و تشل ثبيؼتي ث ع س وبهل پ ؿؾ داد ش تغييشي دس بحي ثبيؼتي ت ػظ ػ ؼ س ب حغ ؿ د :

12 چرا ترکیب اطالعات ثشاي غلج ثش ؿىؼت ػ ؼ س ب هحذديت بي تى يىي هؼبئل هشث ط ث پ ؿؾ ػ يظگي ثبيؼتي دس ؿجى ثشآ ؿ د: وىبسي ػ ؼ س ب افض گي هىول ث دى

13 چرا ترکیب اطالعات هي ت اى ثب لشاادى چ ذيي ػ ؼ س ث خبي ػ ؼ س بحي ه ظش سا پ ؿؾ داد. گش ب ثب وىبسي ثب يىذيگش تغييشات بحي سا حغ وشد ثؼذ ثب تشويت ايي اعالػبت هي ت اى ؼجت ث بحي ديذ وبهلي داؿت. افض گي دس WSN اي ى ؿجى ؼجت ث ؿىؼت گش آػيت پزيش ثبؿذ خل گيشي هي و ذ ثب دسيبفت يظگي بي هتفبت هحيظ ت ػظ ػ ؼ س ب هي ت اى ايي اعالػبت هىول سا ثب ن تشويت وشد تبيح ث تشي ؼجت ث ؿشايغي و و داد ب اص يظگي سيذاد ؼت ذ گشفت.

14 محذودیت های ترکیب اطالعات تشويت اعالػبت ثبيؼتي ث ص ست ت صيغ ؿذ ا دبم ؿ د ثب دس ظش گشفتي ثبس تشافيىي ػيؼتن تشويت هتوشوض هوىي اػت ؼجت ث ت صيغ ؿذ وبساتش ػول و ذ. ث خبعش هحذديت ه بثغ دس WSN الگ سيتن بي هحلي ت صيغ ؿذ اسخح ؼت ذ گوذى ثؼت ب دس ايي استجبعبت صيبد اػت ػال ثش ايي ه ا ثبيؼتي ضي ي ػول تشويت سا دس ظش گشفت

15 روش های ترکیب داده ها average ريش اي پای min max ريش اي پیچید : سؽ بي Bayesian Dempster shafer ه غك فبصي الگ سيتن بي ط ت

16 تاعلاطا بیکرت یذنب هت ت يدىب ساسارب ي طبار هیب غباىم :لمکم ؽس غثب ه داد ييب لوىه ن اشف ذ سآ داد ب ط ثشه ث توؼل ييب فلتخه ظيحه ذ تؼ ىا ؼث لبثه يبهد ط ثشه قشؿ ث ةشغ هي يحب :ويسفا چ ب چ د بي س ؼ ػ شتيث يب لمتؼه هي علاعا اس تػذث ذ سآ تبػلاعا ث س ظ ه ؾياضفا ىب يوعا تلد بث ن تيوشت ذ ؿ تجلا ندح هيفاشت ضي ؾ بو.ذثبي :راکم د غج ه لمتؼه داد ييب اس ن اشف ذ سآ و تبػلاعا ذيذخ لابوتحا ذيچيپ يشت داد ب جاشختػا د ؿ ىا ؼث لبثه تيوشت داد يب لصبف ياص ياشث ي جػبحه.يؿ ىبىه

17 تاعلاطا بیکرت یذنب هت ت يدىب حطس ساسارب عاستوا حغػ 4 عاضت ا ياشث تيوشت تبػلاعا شظ تفشگ :د ؿ لب گيػ لؼىيپ يگظي.دبو حغػ لب گيػ بث لب گيػ يب هي بي ذ چ يذؼث س ؼ ػ ب سبو.ذ و حغػ اس ىا ت دشثسبو يب گ لاث بي ىا ؼث ي لحشه ي ب تيوشت يب يذؼث شظ.تفشگ حغػ لؼىيپ دس ه د ج ث ؽدشپ شي صت حشغه.تػا حغػ يگظي بث يگظي ييب ليجل تػشػ لىؿ لب گيػ ب شيبصت سبو د ؿ حغػ دبو و حغػ نيوصت ضي ذب د ؿ تبػلاعا يدبو هي نيوصت.تػا حغػ د يگظي يدبو دشثسبو يب يؿ صيخت تفشگسبىث.ذ ؿ

18 دسته بنذی ترکیب اطالعات ث ب ث ػغح ا تضاع تمؼين هي ؿ ذ 4 ث اعالػبت تشويت تصوين يظگي ا ذاص داد ترکیب سطح : پاییه دػت ايي سؽ تشويت ا ذاص ب وچ يي ػيگ بل ب يض بهيذ هي ؿ د. داد بي خبم ثب ن تشويت ؿذ داد ي دليك تش سا فشا ن هي و ذ ثذيي دليل و يض وب ؾ هي يبثذ. ترکیب سطح میاو يظگي بي ي اص خول ؿىل ثبفت هىبى... ث ه ظ س ا دبم ظبيف ديگشي اص خول تخيص ؿي ثب ن تشويت هي ؿ ذ. ايي سؽ تشويت يظگي /خص صيت يض بهيذ هي ؿ د. : ترکیب سطح : باال تشويت تصوين يب وبد يض بهيذ هي ؿ د.ثب تشويت تصوين ب ػؼي ثش اي ؼت و تصوين ثب اعويبى ثيتش يب تصوين ػشاػشي اتخبر ؿ د. ترکیب چىد سطحی : اص ػغ ح داد ايي خب دس ن ثب هختلف تشويت هي ؿ ذ.

19 دسته بنذی ترکیب اطالعات.1 دس ثؼضي ه ا ػغح ا ذاص سا حزف وشد ػ ػغح تشويت دس ظش هي گيش ذ: ترکیب داد :.2.3 داد بي خبم ث ه ظ س ثذػت آى داد دليك تش ثب ن تشويت هي ؿ ذ ثذيي تشتيت ضي ي ا تمبل سي داد وب ؾ هي يبثذ پ بي ثب ذ ذس وي. ترکیب يیژگی: يظگي بيي و ش گش پغ اص دسيبفت داد خبم اص هحيظ داد اػتخشاج هي و ذ ث هشوض تشويت اسػبل وشد هحو ػ ايي يظگي ب دس هشوض تشويت ثب ن تشويت هي ؿ ذ.ايي ػغح تشويت اص دلت اعالػبت هي وب ذ. ترکیب : تصمیم ش گش ث ص ست تشويت ثشاي اتخبر هحلي تصوين خ د سا گشفت هدو ػ تصوين بيي ثب ن تشويت هي ؿ ذ. هشوض دس ب تصوين ايي ش چ ػغح تشويت پيچيذ تش هي ؿ د هصشف ت اى وچ يي پ بي ثب ذ الصم ثشاي اسػبل تيد تشويت افضايؾ هي يبثذ.

20 الگوریتم ها تکنیک ها و روش ها سؽ بي تشويت وشد اص خول : ث ذي دػت هختلف بي خ ج ث ث ب ت اى هي سا داد ثب ػغح دس ث ذي داد ا تضاع ظش گشفتي وشد ذف ذف پبساهتش ب تشويت داد ع اعالػبت هي هج بي ت اى سيبضي. دػت چ يي سا ب سؽ اػت تبج تخويي دػت ث ذي گبؿت يظگي تدويغ فشد ػبصي

21 جاتنتسا ؽس ب تيوشت نيوصت سبىث تفشگ.د ؿ و ب ث ث تيؼض يب ذؿ تفبي نيوصت ربختا.د ؿ لبمت ا دب يپ يتػ ث دب يپ تػ يشگيد جبت تػا يملت.د ؿ ؽس يب جبت تػا هيػلاو شث يب جه جبت تػا Bayesian يس ئت DS.تػا شگيد ؽس يب جبت تػا ىا ت كغ ه يصبف ىجؿ يب يجصػ للاذتػا Abductive تيوشت ييب ؼه تبػلاعا Dempster-تػا Shafer Belief Accumulation

22 تخمین ايي سؽ ب تئ سي و تشل سا هج ب لشاس داد ا ذاص ث ب ث ػشي ا ذاص ووه هي گيشد. سؽ بي تخويي ػجبست ذ اص: MAP ML هتغيش فيلتش وبلوي فيلتش خضئي اػت. اص حذالل احتوبالت هشثؼبت ثشاي فيلتش هحبػج هيب گيي Maximum Likelihood Maximum A Posteriori Moving Average Filter

23 یگژیو تشاگن يضؼث ب دشثسبو لوخ تياذ تيشيذه غثب ه سبو ىدشو بث داد يب مبخ شيغ يىوه.تػا تلبح يتؼيبث داد يب س ؼ ػ ب يگظي ييب اس جاشختػا.دشو ؽس يب يفلتخه جبت تػا ييوخت اس ىا ت ياشث تؿبگ يگظي سبىث.دشث لوخ ؽس يب تؿبگ ىا ت Occupancy grid يىػا ىجؿ اس مب.دشث

24 تجمیع و فشرده سازی تجمیغ تى بي تدويغ ثشاي غلج ثش هىل اصدحبم دس ؿجى هتشن ث دى پيبم ب اسائ ؿذ ذ. ث دليل سؽ بي هؼيش يبثي وچ يي افض گي ػ ؼ س ب ايي هىالت ث خ د هي آي ذ. سؽ بي خالص ػبصي ثؼت ث ذي فش ب ي اص ايي دػت هي ثبؿ ذ. فشرد سازي استجبعبت ث ث ب ب داد دس WSN وؼبيگي ػ ؼ س ب فشد هي ؿ ذ.

25 عوامل بر موثر تجمیع داده هم زمانی گره ها و تاخیر در تجمیع زمان بندی در تجمیع داده ارسال ترافیک بالدرنگ امنیت در تجمیع داده

26 Data Aggregation Spanning Tree Finding the optimal aggregation tree Modeled as a minimum Steiner tree problem An NP-hard problem 26

27 Pervious Works Sub-optimal solutions[2002] Center at the Nearest Source (CNS) Shortest Path Trees (SPT) Greedy Incremental Trees (GIT) Clustering algorithms [2004] DCTC [2004] Espan [2005] LPT [2005] 27

28 Pervious Works Sub-optimal solutions[2002] Clustering algorithms [2004] After partition network into clusters Cluster s members construct aggregation tree and transmit data to cluster head DCTC [2004] Espan [2005] LPT [2005] 28

29 Pervious Works Sub-optimal solutions[2002] Clustering algorithms [2004] DCTC [2004] Construct dynamically an aggregation tree Mobile target tracking Subset of nodes participate in tree Espan [2005] LPT [2005] 29

30 Pervious Works Sub-optimal solutions[2002] Clustering algorithms [2004] DCTC [2004] Espan [2005] Construct tree for data aggregation By considering node s distance to sink and energy LPT [2005] 30

31 Pervious Works Sub-optimal solutions[2002] Clustering algorithms [2004] DCTC [2004] Espan [2005] LPT [2005] Construct tree for data aggregation By considering node s energy 31

32 Pervious Works Sub-optimal solutions[2002] Clustering algorithms [2004] DCTC [2004] Espan [2005] LPT [2005] 32

33 E-SPAN لکتورپ لىتشپ غيص ت ذؿ تػا ث غثب ه هي ص ح داذيس ياشث مبد ا غيودت داد هوو.ذ و لىتشپ د يؼج ه و ييشتيث يطش ا ذ بويلبث اس دساد ث ىا ػ يس ةبخت ا.د ؿ يب د غج ه شگيد د ذلا ىبؿشظب ته اس ىب يبؼو ىبيب شث عبػا يطش ا ذ بويلبث لصبف بت يس ةبخت ا.ذ و

34 E-SPAN لکتورپ لىتشپ هي تخ يبؿ پ بگآ يطش ا اس ث ىا ػ تخ غيودت داد دصبػ هي يس يصخه اس غوخ ياشث يسآ داد ةبخت ا.ذ و E-Span يصبي تؼي يس د يصخه.ذؿبث ياشث ةبخت ا يس يطش ا ذ بويلبث ب د اس ص ح داذيس شظ.نيشيگ

35 پروتکل E-SPAN E-Span هت ػظ تأخيش ا تمبل ثؼت ون شخ تح يل ثؼت ثباليي سا ثذػت هي د ذ. ثب اػتفبد اص ايي پشتىل ػوش ه بثغ ث عشص چوگيشي افضايؾ هي يبثذ.

36 Espan In Espan Each node selects closest neighbors to Sink as parent Problem of this algorithm Node with less energy Fails quickly Network can not coverage region completely 36

37 LPT In LPT Each node selects neighbors with most energy as parent Problem of this algorithm Parents may have higher distance to root Cause more energy consumption 37

IELTS Writing. HIRAD Specialized Language Center

IELTS Writing. HIRAD Specialized Language Center LESSON ONE ADJECTIVE CLAUSE ؿج خ كفي )ه بيش ك ي( ؿج خ كفي يه اػ سا ت كيف يو ذ. ث بی صيش ت خ و يذ: پؼشی پؼشی و و پيشا ىي پ ؿيذ د ػت ك ي ي اػت. يخ ا ي ثب ا اصد اج و ي خي ي دة اػت. The boy who is wearing