Abstract:
موضوع این تحقیق تخصیص کانال در شبکه مش بیسیم چند رادیویی چند کاناله از نوع حسگر است. شبکه مش بیسیم به تکنولوژی ارتباطی اطلاق میشود که در آن از امواج رادیویی، مادون قرمز و مایکروویو، به جای سیم و کابل، برای انتقال سیگنال بین دو دستگاه استفاده میشود. شبکههای مش بیسیم حسگر شبکههایی با ارتباط قوی هستند یعنی از هر گره به گره دیگر چندین مسیر یا کانال وجود دارد از این رو میتوان بستهها را از کانالهای متفاوت ارسال کرد. یکی از چالشبرانگیزترین مسئلههای شبکههای مش بیسیم، مسئله گذردهی شبکه درنتیجه تصادمهای ناشی از ارسالهای همزمان و محدودیتهای فرکانسی و یا نحوه تخصیص بار ترافیکی به مسیرهای ارتباطی است. برای حل این مشکل، معمولا از شبکههای مش چند کانالی- چند رادیویی استفاده میشود. اما این نوع شبکهها زمانی میتوانند مطلوب باشند و تصادم را کاهش دهند که یک راهبرد تخصیص کانال کارا برای تخصیص دادن کانالها به رابطهای رادیویی وجود داشته باشد. راهکار پیشنهادی ارائه شده برای تخصیص بهینه کانال استفاده از روش ماشین یادگیر است. انتخاب بهترین کانال برای ارسال بسته برعهده ماشین یادگیر است و الگوریتم با توجه به پاسخ ماشین یادگیر کانال را انتخاب میکند. تکنیک دیگری که در این تحقیق استفاده شده استفاده از خوشه بندی در شبکه است. عمل خوشهبندی با قرار دادن گرههای مرکزی که هدایت کننده هستند باعث تسهیل در امر مسیریابی میشود. گرههای عضو خوشه بستهها را برای سرخوشه و سرخوشهها بستهها را برای مرکز یا مقصد ارسال میکنند. این روش باعث کاهش تعداد گامهای ارسالی بسته و کاهش تاخیر انتها به انتها. اتوماتاهای یادگیر روی همین گرههای سرخوشه قرار میگیرند تا توان تشخیص بهترین کانال را به سرخوشه بدهد. این تحقیق به کمک شبیهسازی با زبان C++ و به صورت ساخت یافته انجام شده. برخی از نتایج شبیهسازی شامل: کاهش میانگین تاخیر برای ارسال بستهها در مقایسه با دو الگوریتم مورد مقایسه. کاهش 10 درصدی میانگین نرخ از بین رفتن بستهها نسبت به سایر روشها و دیگری افزایش میانگین نرخ تحویل بسته برابر با حدود 90 درصد نسبت به الگوریتمSICA و همچنین کاهش میانگین گامهای طی شده از مبدا به مقصد دیده میشود که هرچه تعداد سرخوشهها بیشتر شود تعداد گامهای طی شده کاهش مییابد. براساس این نتایج میتوان نتیجه گرفت که روش پیشنهادی در این تحقیق، سودمند، کارا و قابل اجرا برای استفاده در شبکههای مش بیسیم و حل مشکل آن است.
Machine summary:
شبکههای مش بیسیم حسگر شبکههایی با ارتباط قوی هستند یعنی از هر گره به گره دیگر چندین مسیر یا کانال وجود دارد از این رو میتوان بستهها را از کانالهای متفاوت ارسال کرد.
از شکل (15) مشخص است که میانگین تحویل بسته در ارسال بستهها برابر است با حدود 90 درصد که از الگوریتم SICA بیشتر است اما نسبت به الگوریتمهای مبتنی بر یادگیری درصد کمتری از بسته ها را حفظ کرده است و این نشان میدهد که یادگیری ماشین میتواند تاثیر مثبتی در کاهش تاخیر ارسالی بسته ها داشته باشد از طرفی دیگر در الگوریتم پیشنهادی نیز نشان دادیم که تخصیص کانال به گره های سرخوشه با حجم داده ارسالی بیشتر میتواند موثرتر باشد و در نتایج این ادعا ثابت شده است.
استفاده از خوشهبندی که کمک شایانی در دستهبندی مسیرها و نظمدهی به آنها را دارد هرچند ممکن است زمان تاخیر بستهها را افزایش دهد اما چون ماشین یادگیر همواره بهترین کانال و گره مناسب را برای ارسال انتخاب میکند این ضعف خوشهبندی را جبران کرده و میبینیم که میانگین زمان تاخیر انتها به انتها را در الگوریتم ما کاهش میدهد.
از طرفی دیگر در الگوریتم پیشنهادی نشان دادیم که تخصیص کانال به گرههای سرخوشه با حجم داده ارسالی بیشتر میتواند موثرتر باشد چرا که امکان تصادم در این بخشها بیشتر است و به این شکل میتوان ترافیک را تا حدودی کنترل کرد.
N, On the Partially Overlapped Channel Assignment on Wireless Mesh Network Backbone, A Game Theoretic Approach, Journal of IEEE Selected Areas in Communications, vol.