مکان‌یابی بهبودیافته مبتنی بر سیستم استنتاج نوروفازی تطبیقی و خوشه‌بندی تفاضلی برای شبکه‌های حسگر بی‌سیم

مرتضی فرامرزی¹ مهدی ملامطلبی²

1) گروه کامپیوتر، واحد بوئین‌زهرا، دانشگاه آزاد اسلامی، بوئین‌زهرا، ایران
2) گروه کامپیوتر، واحد بوئین‌زهرا، دانشگاه آزاد اسلامی، بوئین‌زهرا، ایران

محل انتشار : کنفرانس بین المللی پژوهش در علوم و تکنولوژی(rstconf.com)
چکیده :
جمع‌آوری اطلاعات از محیط هدف، کارکرد اصلی شبکه‌های حسگر بی‌سیم است؛ بنابراین، یکی از مسائل کلیدی در این‌گونه شبکه‌ها، مکان‌یابی می‌باشد که به تشخیص موقعیت مکانی دقیق اطلاعات جمع‌آوری شده کمک می‌نماید. از میان روش‌هایی که تاکنون برای مکان‌یابی در شبکه‌های حسگر بی‌سیم ارائه شده‌اند، علیرغم اهمیت قابلیت یادگیری و توان سازگاری با شرایط محیطی، روش‌های دارای این ویژگی‌ها کم شمار هستند. در این مقاله، روشی ترکیبی مبتنی بر سیستم استنتاج نوروفازی تطبیقی (ANFIS) با قابلیت یادگیری شبکه عصبی، شفافیت و تطبیق‌پذیری سیستم استنتاج فازی و توانایی خوشه‌بندی فازی داده‌های ورودی، جهت بهبود تخمین موقعیت گره حسگر پیشنهاد شده است. روش پیشنهادی به نام NFSC-WVIT (Neuro Fuzzy Subtractive Clustering based -Weighted Virtual Innermost RSSI Trilateration) معرفی می‌گردد و بر اساس اطلاعات اتصال که به‌طور معمول بین گره‌ها منتقل می‌شوند، عمل نموده، روشی‌ انرژی کارآمد، توزیع شده، دارای قابلیت خودسازمان‌دهی در گره‌ها و شبکه حسگر، محسوب می‌گردد. روش‌ پیشنهادی و چندین روش مشابه، در محیط نرم‌افزار متلب، شبیه‌سازی و تحت شرایط مختلف مورد آزمون قرار گرفته‌اند. نتایج به دست آمده از آزمون‌ها، بیانگر خطای مربعات میانگین کمتر روش پیشنهادی و 12/51% بهبود در تخمین موقعیت گره حسگر در مقایسه با الگوریتم مکان‌یابی Trilateration می‌باشد.
کلمات کلیدی : شبکه‌ حسگر بی‌سیم مکان‌یابی سیستم استنتاج فازی خوشه‌بندی فازی