جستجو
عیبیابی شبکههای حسگر بیسیم با استفاده از مدل مارکوف و منطق فازی
محمدرضا خالقی1 عاطفه رضامنش2 فاطمه حسنی3
چکیده :
در این جا سعی بر این است تا با استفاده از مدل مخفی مارکوف، روشی برای تشخیص عیب در شبکه های مخابراتی، پیشنهاد شود. امتیاز روش پیشنهادی، در مستقل بودن از سخت افزار و ساختار سیستم مورد بحث می باشد، که صرف نظر از نوع تکنولوژی به کار رفته در شبکه و نوع کدگذاری، می تواند گستره نسبتا بزرگی از عیوب موجود در شبکه را تشخیص داده و به اطلاع مدیر یا مسئول ناظر بر شبکه برساند. مدل مخفی مارکوف ابتدا براساس آموزش، الگوی متعارف شبکه را در حالات مختلف یاد می گیرد و سپس می تواند براساس وضعیت موجود، خروجی سیستم را پیش بینی کند. با یاد دادن ساختار مدل در حالت صحیح و در شرایط مختلف به سیستم مدل مخفی مارکوف، و به دست آوردن ماتریس انتقال و انتشار در این مدل، می توان به راحتی، براساس وضعیت موجود در سیستم، خروجی همه سنسورها را پیش بینی کرد و در صورتی که سنسوری در حین کار از رنج متعارف خود خارج شود، و در چند بازه متوالی به این کار ادامه دهد، به راحتی آن سنسور، نود یا تجهیز مخابراتی را معیوب تشخیص داده و از سیستم خارج نمود.
روش پیشنهادی در این پایان نامه از جمله روش های متمرکز رفع ایراد در شبکه محسوب می شود؛ به این مفهوم که کل اطلاعات شبکه باید به یک ناظر یا مدیر مستقل از شبکه، یا در نود اصلی شبکه، مخابره شود و در نهایت با پردازش انجام شده در آن، نودها و تجهیزات معیوب مشخص و از پروسه خارج گردند. در انتها روش مورد بحث در یک ساختار کاملا عملی در حضور نویز، مورد تحلیل قرار گرفت و قابلیت بسیار بالای آن در تشخیص و یافتن نویز نشان داده شد، که به دقتی در حدود 97.11%. دست یافت. ترکیب مدل مخفی مارکوف با منطق فازی نیز از جمله نقاط قوت روش پیشنهادی محسوب می¬گردد.
کلمات کلیدی : شبکههای مخابراتی تشخیص ایراد مدل مخفی مارکوف خوشهبندی فازی
زبان مقاله : فارسی
محور مقاله : علوم مهندسی
محل انتشار : دومین کنفرانس بین المللی علوم و مهندسی
آدرس وب سایت کنفرانس : 2icesconf.com
کد IOI مقاله : XYZG-ZAAFC
لینک مستقیم مقاله : https://isnac.ir/XYZG-ZAAFC
نمایش چکیده انگلیسی
: https://isnac.ir/SA/XYZG-ZAAFC
سایر مقالات ارائه دهنده
- عیبیابی شبکههای حسگر بیسیم با استفاده از مدل مارکوف و منطق فازی
- Diagnosing Stuttering from Fluency Speech, using Support Vector Machine
- تشخیص نوع لکنت در زبان فارسی با استفاده از ماشین بردار پشتیبان و روش¬های استخراج ویژگی FFT و MFCC
- Diagnosing Types of Stuttering, using Support Vector Machine, FFT and MFCC in the Persian Language
- تشخیص لکنت از گفتار روان و نوع آن در زبان فارسی، با ترکیب روش های FFT و MFCC و استفاده از ماشین بردار پشتیبان
سایر مقالات محل انتشار
- بررسي ضرورت توسعه مترو و اثرات زيست محيطي آن در کلان شهر تهران
- Discussion Field-Effect Nano Transistors with Graphene Armchair
- Review And Improve The Performance Of Energy And Routing In Wireless Sensor Networks
- CTAB synthesis of vanadium oxide nanorods prepared by simple Chemical method
- Synthesis and characterization of Iron Cobalt (FeCo) Nanorods Prepared by Simple Co-precipitation Method
- اثر تحلیل ارزیابی محیط کسبوکار بر توسعه فرصتهای کارآفرینی
- An Algorithmic Approach of Particle Swarm Optimization (PSO) in Consensus Clustering
- تاثير نظام ارزشيابي موثر در پويايي سازمان ها
- مطالعه تطبیقی نقاشی امپرسیون کلود مونه و قطعه اربسک کلود دبوسی با تاکید بر هارمونی
- تولید فیلتر به روش متالوژی پودری
- مروری بر ارزیابی حفظ حریم شخصی و افزایش اعتماد در مدل ها و الگوریتم های اعتماد در شبکه های اجتماعی آنلاین مبتنی بر وب
- فناوریهای نوین دوستدار محیط زیست با رویکرد کاهش مصرف انرژی ساختمان
- بررسی سيستم های واسط مغز –کامپيوتر
- ارزیابی نواقص عملیات توپکرانی و ارائه طرح های جدید برای این عملیات
- ارزیابی اقتصادی کاهش هزینه های صنایع نفت و گاز در پروژه های سکوهای دریایی