(۳-۶)
همان طور که در شکل ۳-۲ نشان داده شده است، در رابطه بالا اشاره به زاویه بین حسگرهای مرجع Si و Sj با حسگر غیر مرجع x دارد.
۳-۲-۶- الگوریتم مکان‌یابی تک گامه با روش فانوس دریایی
در روش فانوس دریایی [۲۴]، از یک ایستگاه پایه مجهز به سه پرتو نوری استفاده می‌شود که این پرتوها در جهت‌های محورهای x و y و z و به صورت دوطرفه انتشار می‌یابند. هنگامی‌که یک گیرنده نوری که در برد مستقیم ایستگاه پایه قرار دارد این سه پرتو را دریافت کند، مکان گیرنده نوری(Xt) متناسب با فاصله‌ی اندازه‌گیری شده از محورهای x، y، z است که آنها را به ترتیب با ، و نشان می‌دهیم. این روند در شکل ۳-۳ نشان داده شده است. بعد از حل معادلات رابطه‌های ۳-۷، ۳-۸ و ۳-۹ هشت جواب بدست خواهد آمد که هر یک از این جواب‌ها در یک ناحیه از فضای سه بعدی قرار دارد. بنابراین با داشتن اطلاعات پیشین در مورد فضایی که گیرنده در آن قرار دارد تنها یک جواب صحیح بدست خواهد آمد.
( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
(۳-۷)
(۳-۸)
(۳-۹)
شکل ۳-۳: الگوریتم مکان‌یابی تک گامه با روش فانوس دریایی[۲۴].
۳-۲-۷- الگوریتم مکان‌یابی چند گامه بر مبنای فاصله
شالوده‌ی اصلی این روش استفاده از اندازه‌گیری فاصله‌ی بین حسگرها در شبکه‌ی حسگر برای مکان‌یابی درست شبکه است. بر اساس روش پردازش داده‌ها، الگوریتمهای مکان‌یابی بر مبنای فاصله به دو دسته تقسیم می‌شوند: الگوریتمهای متمرکز، الگوریتمهای توزیع‌شده.
الگوریتمهای متمرکز، الگوریتم‌هایی هستند که در آنها از یک پردازشگر مرکزی برای جمع آوری تمام فاصله بین حسگرها و فراهم ساختن یک نقشه از کل شبکه‌ی حسگر استفاده می‌شود. مزایای این الگوریتم عبارت است:
پیاده‌سازی این الگوریتم نسبت به الگوریتمهای توزیع‌شده راحت‌تر می‌باشد.
دقت تخمین روش‌های متمرکز بهتر از الگوریتمهای توزیع‌شده می‌باشد.
احتمال انتشار خطا در الگوریتمهای متمرکز کمتر از الگوریتمهای توزیع‌شده می‌باشد.
الگوریتمهای توزیع‌شده، الگوریتم‌هایی هستند که مکان‌یابی هر حسگر بر عهده خود حسگر می‌باشد و با بهره گرفتن از فاصله‌های اندازه‌گیری شده توسط حسگر و اطلاعاتی که از همسایگانش بدست آورده است مکان خود را بدست می آورد. مزایای این الگوریتم عبارت است:
این الگوریتم‌ها برخلاف الگوریتمهای متمرکز مشکل مقیاس‌پذیری را ندارند و در شبکه‌های بزرگ کارایی دارند.
انرژی مصرفی در این شبکه‌ها به علت انتشار محلی اطلاعات نسبت به الگوریتمهای متمرکز کمتر می‌باشد.
زمان اجرای الگوریتمهای توزیع‌شده نسبت به الگوریتمهای متمرکز کمتر است .
۳-۳- مدل‌های حرکتی تصادفی
در مدل‌های تصادفی گره‌های متحرک به صورت تصادفی و آزاد بدون محدودیت حرکت می‌کنند. به طور دقیق‌تر مقصد، سرعت و جهت حرکت گره به صورت تصادفی و مستقل از دیگر گره‌ها انتخاب می‌شود. از انواع مدل‌های حرکتی در این زمینه می‌توان به مدل‌های نقطه راه تصادفی، جهت تصادفی، راهپیمایی تصادفی و راهپیمایی جمع آوری اشاره کرد.
۳-۳-۱- مدل حرکتی نقطه راه تصادفی
در مدل نقطه راه تصادفی[۴۳] [۲۶]، [۲۷]، هر گره متحرک به صورت تصادفی یک مکان را انتخاب می‌کند و با یک سرعت ثابت که به صورت تصادفی از یک بازه بین صفر تا حداکثر سرعت مجاز گره انتخاب می‌شود، حرکت می‌کند. هنگامی‌که گره به مقصد رسید به مدت زمانی برابر بازمان مکث میایستد و پس از این مدت دوباره یک مکان تصادفی انتخاب می کند و به سمت آن با سرعت ثابت حرکت می‌کند. این فرایند آن قدر تکرار می‌گردد تا شبیه‌سازی به اتمام برسد. شکل ۳-۴ الگوی حرکتی این مدل را نشان می‌دهد.
شکل ۳-۴: الگوی حرکتی یک گره متحرک با بهره گرفتن از مدل حرکتی نقطه راه تصادفی [۲۶].
بنابراین دو متغییر حداکثر سرعت و زمان مکث به عنوان دو عامل تاثیر گذار در رفتار حرکتی گره‌ها در زمان شبیه‌سازی می‌باشند. در صورتی که سرعت حداکثری کم و زمان مکث بالا باشد گره‌های متحرک در میدان شبیه‌سازی دارای ایستایی بیشتر هستند اما در حالت عکس پویایی بیشتری مشاهده می‌گردد.
۳-۳-۲- مدل حرکتی جهت تصادفی
در مدل جهت تصادفی[۴۴][۲۷]، هر گره متحرک یک جهت تصادفی را انتخاب می‌کند که بسیار شبیه مدل نقطه راه تصادفی است و در آن جهت در میدان شبیه‌سازی به سمت مقصد مورد نظر حرکت می‌کند. وقتی گره به مرز میدان شبیه‌سازی رسید برای مدت معین مکث می‌کند و سپس یک جهت جدید بین ۰ تا ۱۸۰ درجه انتخاب می‌کند و این فرایند آن قدر تکرار می‌گردد تا شبیه‌سازی به اتمام برسد.
۳-۳-۳- مدل حرکتی راهپیمایی تصادفی
در مدل راهپیمایی تصادفی[۴۵][۲۶]، یک گره اگر بخواهد از یک مکان به مکان دیگری برود از بازه سرعت حداقل و سرعت حداکثر یک مقدار سرعت به صورت تصادفی انتخاب می‌کند و از بازه ۰ تا ۳۶۰ درجه یک زاویه به صورت تصادفی به عنوان جهت انتخاب می‌کند تا به مقصدش برسد. هر حرکت در مدل راهپیمایی تصادفی در یک زمان ثابت یا یک مسافت ثابت رخ می‌دهد تا بعد از آن یک سرعت و جهت جدید برای حرکت گره انتخاب شود. وقتی که گره به نقطه مرزی میدان شبیه‌سازی برسد از این مرز با زاویه‌ای که توسط زاویه برخورد به مرز تعیین می‌شود به داخل میدان شبیه‌سازی منعکس می‌شود و از آنجا به مسیر جدیدش ادامه می‌دهد و این فرایند تکرار می‌گردد تا شبیه‌سازی به اتمام برسد. در شکل ۳-۵، الگوی حرکتی مدل راهپیمایی تصادفی با حرکت در زمان ثابت نشان داده شده است.
شکل ۳-۵: الگوی حرکتی مدل راهپیمایی تصادفی بازمان حرکت ثابت[۲۶].
۳-۳-۴- مدل حرکتی راهپیمایی جمع آوری
