دانلود رایگان مقالات IEEEدانلود رایگان مقالات پژوهشی کامپیوتردانلود رایگان مقالات پژوهشی مهندسی فناوری اطلاعات ITدانلود رایگان مقالات ژورنالی کامپیوتردانلود رایگان مقالات ژورنالی مهندسی فناوری اطلاعات ITدانلود رایگان مقالات سال 2019دانلود رایگان مقاله ISI الگوریتم و محاسبات به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های بی سیم به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های حسگر به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های حسگر بی سیم WSN به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های کامپیوتری به زبان انگلیسیدانلود رایگان مقاله ISI مهندسی فناوری اطلاعات به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مهندسی کامپیوتر به زبان انگلیسی سال 2022 و 2023سال انتشارمقالات فناوری اطلاعات با ایمپکت فاکتور بالا به زبان انگلیسیمقالات مهندسی کامپیوتر با ایمپکت فاکتور بالا به زبان انگلیسی

مقاله انگلیسی رایگان در مورد کیفیت پیوند برای شبکه های حسگر بی سیم – IEEE 2019

 

مشخصات مقاله
ترجمه عنوان مقاله روش پیش بینی کیفیت پیوند برای شبکه های حسگر بی سیم مبتنی بر XGBoost
عنوان انگلیسی مقاله A Link Quality Prediction Method for Wireless Sensor Networks Based on XGBoost
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۳ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۴٫۶۴۱ در سال ۲۰۱۸
شاخص H_index ۵۶ در سال ۲۰۱۹
شاخص SJR ۰٫۶۰۹ در سال ۲۰۱۸
شناسه ISSN ۲۱۶۹-۳۵۳۶
شاخص Quartile (چارک) Q2 در سال ۲۰۱۸
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی فناوری اطلاعات، مهندسی کامپیوتر
گرایش های مرتبط شبکه های کامپیوتری، مهندسی الگوریتم و محاسبات
نوع ارائه مقاله
ژورنال
مجله / کنفرانس دسترسی – IEEE Access
دانشگاه  School of Information Engineering, Nanchang Hangkong University, Nanchang 330063, China
کلمات کلیدی شبکه های حسگر بی سیم، پیش بینی کیفیت پیوند، XGBoost، الگوریتم فازی بهبود یافته
کلمات کلیدی انگلیسی  Wireless sensor networks, link quality prediction, XGBoost, improved fuzzy C-means algorithm
شناسه دیجیتال – doi
https://doi.org/10.1109/ACCESS.2019.2949612
کد محصول  E13921
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
I. Introduction
II. Related Work
III. Division of Link Quality Grade
IV. Link Quality Estimation
V. Link Quality Prediction
Authors
Figures
References

 

بخشی از متن مقاله:
Abstract

Link quality is an important factor for nodes selecting communication links in wireless sensor networks. Effective link quality prediction helps to select high quality links for communication, so as to improve stability of communication. We propose the improved fuzzy C-means clustering algorithm (SUBXBFCM) and use it to adaptively divide the link quality grades according to the packet reception rate. The Pearson correlation coefficient is employed to analyse the correlation between the hardware parameters and packet reception rate. The averages of the received signal strength indicator, link quality indicator and the signal to noise ratio are selected as the inputs of the link quality estimation model based on the XGBoost (XGB_LQE). The XGB_LQE is constructed to estimate the current link quality grade, which takes the classification advantages of XGBoost. Based on the estimated results of the XGB_LQE, the link quality prediction model (XGB_LQP) is constructed by using the XGBoost regression algorithm, which can predict the link quality grade at the next moment with historical link quality information. Experiment results in single-hop scenarios of square, laboratory, and grove show that the SUBXBFCM algorithm is effective at dividing the link quality grades compared with the normal division methods. Compared with link quality prediction methods based on the Support Vector Regression and 4C, XGB_LQP makes better predictions in single-hop wireless sensor networks.

Introduction

Wireless sensor networks (WSNs) are multi-hop selforganizing networks that are formed by wireless communication, and they consist of large numbers of inexpensive micro sensor nodes that are deployed in a monitoring area [1]. Their purposes are to collaboratively perceive, collect and process the information of the area and then send it to the observer. Sensors, perceptual objects, and observers form the three elements of a wireless sensor network. WSNs currently have broad application prospects in the fields of smart home, urban transportation and so on. In WSNs, nodes communicate by radio frequencies, and links have characteristics such as asymmetry, irregularity, and directionality [2], [3]. The WSN links are susceptible to multipath effect, loss and adjacent channel interference, which result in unreliable links, low channel quality and frequent topological changes [4]. The quality of the communication links has a significant impact on the performance of the wireless sensor network, such as the life cycle of the network, the throughput of the network and the reliability of transmissions [5]. Selecting a link with poor link quality for communications is likely to cause a large amount of packet loss. The retransmission due to packet loss recovery is the main cause of the increase of network energy consumption [6]. Effective link quality prediction helps to select good links for data transmissions, so as to improve network throughput and to maintain normal network operations and topological stability of networks, thereby improving the performance of wireless sensor networks [7]. It can be seen that the link quality prediction for WSNs is of great significance.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا