دانلود رایگان مقاله الگوریتم انطباق توزیع عمومی برای شبکه های سنسور بی سیم

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

الگوریتم انطباق توزیع عمومی برای شبکه های سنسور بی سیم

عنوان انگلیسی

A General Distributed Consensus Algorithm for Wireless Sensor Networks

صفحات مقاله فارسی

0

صفحات مقاله انگلیسی

6

سال انتشار

2012

نشریه

IEEE

فرمت مقاله انگلیسی

PDF

کد محصول

E5144

رشته های مرتبط با این مقاله

مهندسی فناوری اطلاعات، مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

شبکه های کامپیوتری

دانشگاه

Xinheng Wang College of Engineering

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

ترجمه بخشی از مقاله

چکیده- در شبکه های حسگر بی سیم، ازالگوریتم های اجماع توزیع شده می توان برای تشخیص توزیع شده استفاده نمود. هر گره (نود) حسگر می تواند نسبت لگاریتم درستنمایی (LLR) را از مشاهدات محلی برای رویداد هدف محاسبه نموده و با استفاده از یک الگوریتم توزیع شده تکراری، میانگین یا متوسط LLR حسگرها در اختیار کلیه گره های حسگر قرار دارد. درحالیکه میانگین LLR حسگرها به هر گره حسگر اجازه تصمیم گیری نهایی به عنوان آماره تصمیم گیری برای مسئله تشخیص کلی با کلیه LLR های حسگرها را می دهد، در صورتی می تواند مطلوب ظاهر شود که LLR کلیه حسگرها یا مشاهدات محلی که بردار اطلاعاتی کامل را تشکیل داده و با x نشان داده می شوند، بتواند برای مصارف دیگری به غیر از تشخیص رویداد هدف، در اختیار هر حسگر قرار بگیرد. در این مقاله، نشان می دهیم که هر حسگربا استفاده از الگوریتم توزیع شده تکراری، نه تنها دارای میانگین مشاهدات محلی، بلکه همچنین دارای بردار اطلاعاتی کامل x (یا برآوردش) می باشد. در اینجا شیوه پیشنهادی برای برآورد x را براساس مفهوم سنجش متراکم توسعه می دهیم، زمانی که x پراکنده است.

چکیده

Abstrac

In wireless sensor networks, distributed consensus algorithms can be employed for distributed detection. Each sensor node can compute its log-likelihood ratio (LLR) from local observations for a target event and using an iterative distributed algorithm, the average of sensors' LLRs can be available to all the sensor nodes. While the average of sensors' LLRs allows each sensor node to make a final decision as a decision statistic for an overall detection problem with all sensors' LLRs, it may be desirable if all sensors' LLRs or local observations, which form a full information vector and denoted by x, could be available to each sensor for other purposes more than the detection of a target event. In this paper, we show that each sensor can have not only the average of local observations, but also full information vector, x, (or its estimate) using a well-known iterative distributed algorithm. We extend the proposed approach to estimate x when x is sparse based on the notion of compressed sensing.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات isi