مقاله انگلیسی رایگان در مورد الگوریتم سنجش توزیع شده غیر متمرکز – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله الگوریتم سنجش فشرده توزیع شده غیر متمرکز برای شبکه های حسگر بی سیم
عنوان انگلیسی مقاله Decentralized Distributed Compressed Sensing Algorithm for Wireless Sensor Networks
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۰ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۱٫۲۵۷ در سال ۲۰۱۸
شاخص H_index ۴۷ در سال ۲۰۱۹
شاخص SJR ۰٫۲۸۱ در سال ۲۰۱۸
شناسه ISSN ۱۸۷۷-۰۵۰۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی کامپیوتر، مهندسی فناوری اطلاعات
گرایش های مرتبط الگوریتم ومحاسبات، شبکه های کامپیوتری
نوع ارائه مقاله
ژورنال و کنفرانس
مجله / کنفرانس علوم کامپیوتر پروسیدیا – Procedia Computer Science
دانشگاه  College of Artificial Intelligence, National University of Defense, Changsha 410072, China
کلمات کلیدی شبکه حسگر بی سیم، سنجش فشرده توزیع شده، سنجش فشرده توزیع شده غیر متمرکز، خوشه، JSM-1
کلمات کلیدی انگلیسی Wireless Sensor Network, Distributed Compressed Sensing, Decentralized Distributed Compressed Sensing, Cluster, JSM-1
شناسه دیجیتال – doi
https://doi.org/10.1016/j.procs.2019.06.058
کد محصول  E12324
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱٫ Introduction

۲٫ Compressed Sensing and Distributed Compressed Sensing

۳٫ DDCS Model Building

۴٫ Results

۵٫ Discussion

۶٫ Conclusion

References

 

بخشی از متن مقاله:
Abstract

Distributed Compressed Sensing (DCS) is an effective method to reduce data transmission and energy consumption in wireless sensor networks (WSN). To further enhance the data compression ratio in clustered WSNs, a new data collection method which named Decentralized Distributed Compressed Sensing (DDCS) is proposed in this paper. This method can be divided into three parts: cluster head election, data compression, and joint reconstruction. In the cluster head elections, sparsity is introduced as a reference factor. In data compression, the cluster head data is used as the common data of sensors in the same cluster. After remove the common data, member sensors in the same cluster only compress and transmits their specific data. In joint reconstruction, using residual correlation to reconstruct the signal through the OMP algorithm. Simulation results show that the performance of DDCS is better than traditional DCS. It can greatly reduce the amount of data transmission, the cluster head energy consumption, and the network delay at the cluster head.

Introduction

Due to the limit of energy and the difficulty in maintenance of the sensor nodes, energy consumption control is always the hot research topic of the WSN1 . Generally, there is great correlation in time and spatial of sensor data in the same area. Therefore, while ensuring that the detection information is not lost, reducing the amount of data transmission is an effective method to reduce communication energy consumption in WSN2 . A few scholars have done some researches about the combination of DCS and WSN. Cheng proposes the concept of Hierarchical Data Compressed Sensing (HDCS), which studies the compression method of correlation data from two hierarchical, within cluster and between clusters3. Some also study the fusion of DCS and clustering algorithm (LEACH, DEEN)4. Yang proposes Regionalized Compressive Sensing (RCS) whose purpose is to improve the practical efficiency of DCS applications5. In RCS, the direct transmission and DCS transmission are simultaneously applied in the wireless sensor network.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.