معرفی شبکه حسگر بی سیم (Wireless Sensor Network)

شبکه‌های حسگر بی‌سیم (WSN) به شبکه‌هایی از حسگرهای پراکنده و اختصاصی اطلاق می‌شوند که شرایط فیزیکی محیط را مورد نظارت و ضبط قرار می دهند و داده‌های جمع‌آوری‌شده را به یک مکان مرکزی ارسال می‌کنند. WSN ها می توانند شرایط محیطی مانند دما، صدا، سطوح آلودگی، رطوبت و باد را اندازه گیری کنند.[1]

این شبکه‌ها شبیه شبکه‌های موقت بی‌سیم هستند به این معنا که بر اتصال بی‌سیم و تشکیل خود به خودی شبکه‌ها تکیه دارند تا داده‌های حسگر را بتوان به صورت بی‌سیم منتقل کرد. WSN ها شرایط فیزیکی یا محیطی مانند دما، صدا و فشار را کنترل می کنند. شبکه‌های مدرن دو جهته هستند، هم داده‌ها را جمع‌آوری می‌کنند[2] و هم کنترل فعالیت حسگر را ممکن می‌سازند.[3] توسعه این شبکه‌ها با برنامه‌های نظامی مانند نظارت بر میدان جنگ انجام شد.[4] چنین شبکه هایی در کاربردهای صنعتی و مصرف کننده مانند نظارت و کنترل فرآیندهای صنعتی و نظارت بر سلامت ماشین آلات استفاده می شوند.

یک WSN از “گره” ساخته شده است – از چند تا صدها یا هزاران گره، که در آن هر گره به سنسورهای دیگر متصل است. هر یک از این گره‌ها معمولاً چندین بخش دارد: یک فرستنده رادیویی با یک آنتن داخلی یا اتصال به یک آنتن خارجی، یک میکروکنترلر، یک مدار الکترونیکی برای ارتباط با حسگرها و یک منبع انرژی، معمولاً یک باتری یا یک شکل تعبیه‌شده برای برداشت انرژی. اندازه یک گره حسگر ممکن است از یک جعبه کفش تا (به لحاظ نظری) یک دانه غبار متفاوت باشد، اگرچه ابعاد میکروسکوپی هنوز مشخص نشده است. هزینه گره حسگر نیز به همین ترتیب متغیر است و بسته به پیچیدگی گره از چند تا صدها دلار متغیر است. محدودیت های اندازه و هزینه منابعی مانند انرژی، حافظه، سرعت محاسباتی و پهنای باند ارتباطات را محدود می کند. توپولوژی یک WSN می تواند از یک شبکه ستاره ای ساده تا یک شبکه مش بی سیم پیشرفته چند هاپ متفاوت باشد. انتشار می تواند از مسیریابی یا سیل استفاده کند.[5][6]

در علوم کامپیوتر و مخابرات، شبکه‌های حسگر بی‌سیم یک حوزه تحقیقاتی فعال هستند که از کارگاه‌ها و کنفرانس‌های زیادی پشتیبانی می‌کنند، از جمله کارگاه بین‌المللی در مورد حسگرهای شبکه‌ای جاسازی شده (EmNetS)، IPSN، SenSys، MobiCom و EWSN. تا سال 2010، شبکه های حسگر بی سیم تقریباً 120 میلیون واحد راه دور را در سراسر جهان مستقر کرده بودند.[7]

کاربرد
نظارت بر منطقه

نظارت بر منطقه یک کاربرد رایج WSN ها است. در مانیتورینگ منطقه، WSN بر روی منطقه‌ای مستقر می‌شود که در آن برخی از پدیده‌ها باید نظارت شوند. یک مثال نظامی استفاده از حسگرها برای تشخیص نفوذ دشمن است. یک مثال غیرنظامی، حصار جغرافیایی خطوط لوله گاز یا نفت است.

نظارت بر مراقبت های بهداشتی

انواع مختلفی از شبکه های حسگر برای کاربردهای پزشکی وجود دارد: کاشته شده، پوشیدنی و تعبیه شده در محیط. وسایل پزشکی قابل کاشت آنهایی هستند که در داخل بدن انسان قرار می گیرند. دستگاه های پوشیدنی روی سطح بدن انسان یا فقط در نزدیکی کاربر استفاده می شود. سیستم های تعبیه شده در محیط از حسگرهای موجود در محیط استفاده می کنند. کاربردهای احتمالی شامل اندازه گیری موقعیت بدن، موقعیت مکانی افراد، نظارت کلی بر بیماران بیمار در بیمارستان ها و در خانه است. دستگاه‌های تعبیه‌شده در محیط، وضعیت فیزیکی فرد را برای تشخیص سلامت مداوم، با استفاده از داده‌های شبکه‌ای از دوربین‌های عمق، کف حسگر یا سایر دستگاه‌های مشابه به عنوان ورودی ردیابی می‌کنند. شبکه‌های ناحیه بدن می‌توانند اطلاعاتی را در مورد سلامت، تناسب اندام و مصرف انرژی فرد جمع‌آوری کنند.[8][9] در برنامه‌های مراقبت‌های بهداشتی، حریم خصوصی و اعتبار داده‌های کاربر از اهمیت بالایی برخوردار است. به خصوص به دلیل ادغام شبکه های حسگر، با IoT، احراز هویت کاربر چالش برانگیزتر می شود. با این حال، یک راه حل در کار اخیر ارائه شده است.[10]

پایش زیستگاه

از شبکه‌های حسگر بی‌سیم برای نظارت بر گونه‌ها و زیستگاه‌های مختلف استفاده شده است، که با استقرار جزیره اردک بزرگ، از جمله مارموت‌ها، وزغ‌های نیشکر در استرالیا و گورخرها در کنیا آغاز شد.

سنجش محیط زیست/زمین

کاربردهای زیادی در نظارت بر پارامترهای محیطی وجود دارد که نمونه هایی از آنها در زیر آورده شده است. آنها چالش های اضافی محیط های سخت و کاهش منبع تغذیه را به اشتراک می گذارند.
پایش کیفیت هوا

آزمایش‌ها نشان داده‌اند که قرار گرفتن شخصی در معرض آلودگی هوا در شهرها می‌تواند بسیار متفاوت باشد.[12] بنابراین، داشتن قدرت تفکیک زمانی و مکانی بالاتر آلاینده ها و ذرات مورد توجه است. برای اهداف تحقیقاتی، شبکه های حسگر بی سیم برای نظارت بر غلظت گازهای خطرناک برای شهروندان (به عنوان مثال، در لندن) مستقر شده اند.[13] با این حال، حسگرهای گازها و ذرات معلق از تنوع واحد به واحد بالا، حساسیت متقاطع، و رانش (مفهوم) رنج می‌برند.[14] علاوه بر این، کیفیت داده‌ها در حال حاضر برای تصمیم‌گیری قابل اعتماد کافی نیست، زیرا کالیبراسیون میدانی منجر به نتایج اندازه‌گیری غیرقابل اعتماد می‌شود و ممکن است نیاز به کالیبراسیون مجدد مکرر باشد. یک راه حل ممکن می تواند کالیبراسیون کور یا استفاده از مراجع تلفن همراه باشد.[15][16]

تشخیص آتش سوزی جنگل

شبکه‌ای از گره‌های حسگر را می‌توان در یک جنگل نصب کرد تا زمان شروع آتش‌سوزی را تشخیص دهد. گره ها را می توان به حسگرهایی برای اندازه گیری دما، رطوبت و گازهایی که در اثر آتش سوزی در درختان یا پوشش گیاهی تولید می شود مجهز کرد. تشخیص زودهنگام برای اقدام موفق آتش نشانان بسیار مهم است. به لطف شبکه های حسگر بی سیم، تیم آتش نشانی می تواند از زمان شروع آتش سوزی و نحوه گسترش آن مطلع شود.

شناسایی زمین لغزش

یک سیستم تشخیص زمین لغزش از یک شبکه حسگر بی سیم برای تشخیص حرکات جزئی خاک و تغییرات پارامترهای مختلف که ممکن است قبل یا در حین لغزش رخ دهد استفاده می کند. از طریق داده‌های جمع‌آوری‌شده، ممکن است بتوان از وقوع قریب‌الوقوع زمین لغزش‌ها خیلی قبل از وقوع واقعی آن مطلع شد.

پایش کیفیت آب

پایش کیفیت آب شامل تجزیه و تحلیل خواص آب در سدها، رودخانه ها، دریاچه ها و اقیانوس ها و همچنین ذخایر آب زیرزمینی است. استفاده از بسیاری از حسگرهای توزیع شده بی سیم، ایجاد نقشه دقیق تری از وضعیت آب را قادر می سازد، و امکان استقرار دائمی ایستگاه های نظارت را در مکان های با دسترسی دشوار، بدون نیاز به بازیابی دستی داده ها، فراهم می کند.[17]

پیشگیری از بلایای طبیعی

شبکه های حسگر بی سیم می توانند در جلوگیری از پیامدهای نامطلوب بلایای طبیعی مانند سیل موثر باشند. گره های بی سیم با موفقیت در رودخانه ها مستقر شده اند، جایی که تغییرات سطح آب باید در زمان واقعی نظارت شود.

نظارت صنعتی
نظارت بر سلامت ماشین

شبکه‌های حسگر بی‌سیم برای نگهداری مبتنی بر شرایط ماشین‌آلات (CBM) توسعه یافته‌اند، زیرا صرفه‌جویی قابل‌توجهی در هزینه‌ها ارائه می‌کنند و قابلیت‌های جدیدی را امکان‌پذیر می‌کنند.[18]

حسگرهای بی‌سیم را می‌توان در مکان‌هایی قرار داد که دسترسی به آن با یک سیستم سیمی دشوار یا غیرممکن است، مانند ماشین‌های دوار و وسایل نقلیه بدون اتصال.

ثبت داده ها

شبکه‌های حسگر بی‌سیم نیز برای جمع‌آوری داده‌ها برای نظارت بر اطلاعات محیطی استفاده می‌شوند.[19] این می تواند به سادگی نظارت بر دمای یخچال یا سطح آب در مخازن سرریز در نیروگاه های هسته ای باشد. سپس می توان از اطلاعات آماری برای نشان دادن نحوه عملکرد سیستم ها استفاده کرد. مزیت WSN ها نسبت به لاگرهای معمولی، خوراک داده “زنده” است که امکان پذیر است.

نظارت بر آب / فاضلاب

نظارت بر کیفیت و سطح آب شامل فعالیت‌های بسیاری مانند بررسی کیفیت آب‌های زیرزمینی یا سطحی و اطمینان از زیرساخت‌های آبی یک کشور به نفع انسان و حیوان است. ممکن است برای محافظت از هدر رفتن آب استفاده شود.

پایش سلامت سازه

شبکه‌های حسگر بی‌سیم می‌توانند برای نظارت بر وضعیت زیرساخت‌های عمرانی و فرآیندهای ژئوفیزیکی مرتبط نزدیک به زمان واقعی، و در دوره‌های طولانی از طریق ثبت داده‌ها، با استفاده از حسگرهای واسط مناسب استفاده شوند.

تولید شراب

شبکه‌های حسگر بی‌سیم برای نظارت بر تولید شراب، هم در مزرعه و هم در انبار استفاده می‌شوند.[20]

تشخیص تهدید

سیستم ردیابی منطقه وسیع (WATS) یک شبکه نمونه اولیه برای شناسایی یک وسیله هسته ای زمینی [21] مانند یک “بمب کیف پول” هسته ای است. WATS در آزمایشگاه ملی لاورنس لیورمور (LLNL) در حال توسعه است. WATS از حسگرهای بی سیم گاما و نوترون ساخته شده است که از طریق یک شبکه ارتباطی متصل می شوند. داده‌های جمع‌آوری‌شده توسط حسگرها تحت «تلفیقی داده‌ها» قرار می‌گیرند، که اطلاعات را به اشکال قابل تفسیر تبدیل می‌کند. این ترکیب داده ها مهمترین جنبه سیستم است.[22]

فرآیند ادغام داده ها به جای یک کامپیوتر متمرکز در شبکه حسگر رخ می دهد و توسط یک الگوریتم توسعه یافته ویژه بر اساس آمار بیزی انجام می شود.[23] WATS از یک کامپیوتر متمرکز برای تجزیه و تحلیل استفاده نمی کند زیرا محققان دریافتند که عواملی مانند تأخیر و پهنای باند موجود باعث ایجاد تنگناهای قابل توجهی می شوند. داده های پردازش شده در میدان توسط خود شبکه (با انتقال مقادیر کمی داده بین حسگرهای همسایه) سریعتر است و شبکه را مقیاس پذیرتر می کند.[23]

یک عامل مهم در توسعه WATS سهولت استقرار است، زیرا سنسورهای بیشتر هم نرخ تشخیص را بهبود می‌بخشد و هم هشدارهای کاذب را کاهش می‌دهد.[23] حسگرهای WATS می‌توانند در موقعیت‌های دائمی مستقر شوند یا در وسایل نقلیه برای محافظت از مکان‌های خاص نصب شوند. یکی از موانع اجرای WATS اندازه، وزن، انرژی مورد نیاز و هزینه حسگرهای بی سیم موجود در حال حاضر است.[23] توسعه حسگرهای بهبودیافته یکی از اجزای اصلی تحقیقات فعلی در اداره منع گسترش، کنترل تسلیحات و امنیت بین‌المللی (NAI) در LLNL است.

WATS در 1 اکتبر 1997 در جریان جلسه استماع درباره تروریسم هسته ای و اقدامات متقابل به کمیته فرعی تحقیق و توسعه نظامی مجلس نمایندگان ایالات متحده معرفی شد.[22] در 4 آگوست 1998، در جلسه بعدی آن کمیته فرعی، رئیس کرت ولدون اظهار داشت که بودجه تحقیقاتی WATS توسط دولت کلینتون به سطح معیشتی کاهش یافته و این برنامه به خوبی سازماندهی مجدد نشده است.[24]

نظارت بر حوادث

مطالعاتی وجود دارد که نشان می‌دهد استفاده از حسگرها برای نظارت بر حوادث، واکنش آتش‌نشانان و پلیس به موقعیت‌های غیرمنتظره را به طرز چشمگیری بهبود می‌بخشد.[25] برای تشخیص زودهنگام حوادث، می‌توانیم از حسگرهای صوتی برای تشخیص یک نویز در شهر به دلیل تصادف احتمالی استفاده کنیم،[26] یا از سنسورهای ترمی برای تشخیص آتش‌سوزی احتمالی استفاده کنیم.[27]

زنجیره تامین

با استفاده از وسایل الکترونیکی کم مصرف، WSN:ها می توانند به طور مقرون به صرفه در زنجیره های تامین در صنایع مختلف نیز اعمال شوند.[28]

مشخصات

ویژگی های اصلی یک WSN عبارتند از:

محدودیت‌های مصرف انرژی برای گره‌هایی که از باتری یا برداشت انرژی استفاده می‌کنند. نمونه هایی از تامین کنندگان ReVibe Energy[29] و Perpetuum[30] هستند.
توانایی مقابله با خرابی گره ها (تاب آوری)
برخی از تحرک گره ها 
ناهمگونی گره ها
همگنی گره ها
مقیاس پذیری در مقیاس بزرگ استقرار
توانایی تحمل شرایط سخت محیطی
سهولت استفاده
بهینه سازی چند لایه[31][32][33]

لایه متقاطع در حال تبدیل شدن به یک منطقه مطالعه مهم برای ارتباطات بی سیم است.[32] علاوه بر این، رویکرد لایه‌ای سنتی سه مشکل اصلی را ارائه می‌کند:

رویکرد لایه‌ای سنتی نمی‌تواند اطلاعات متفاوتی را بین لایه‌های مختلف به اشتراک بگذارد، که منجر به این می‌شود که هر لایه اطلاعات کاملی نداشته باشد. رویکرد لایه‌ای سنتی نمی‌تواند بهینه‌سازی کل شبکه را تضمین کند.
رویکرد لایه‌ای سنتی توانایی سازگاری با تغییرات محیطی را ندارد.
به دلیل تداخل بین کاربران مختلف، تداخل دسترسی، محو شدن و تغییر محیط در شبکه‌های حسگر بی‌سیم، رویکرد لایه‌ای سنتی برای شبکه‌های سیمی برای شبکه‌های بی‌سیم قابل اجرا نیست.

بنابراین لایه متقاطع می تواند برای ایجاد مدولاسیون بهینه برای بهبود عملکرد انتقال، مانند نرخ داده، بهره وری انرژی، کیفیت خدمات (QoS) و غیره استفاده شود.[32] گره‌های حسگر را می‌توان به‌عنوان رایانه‌های کوچکی تصور کرد که از نظر رابط‌ها و اجزای خود بسیار ابتدایی هستند. آنها معمولاً از یک واحد پردازش با توان محاسباتی محدود و حافظه محدود، حسگرها یا MEMS (شامل مدارهای تهویه‌ای خاص)، یک دستگاه ارتباطی (معمولاً فرستنده‌های رادیویی یا در عوض نوری) و یک منبع تغذیه معمولاً به شکل باتری تشکیل می‌شوند. سایر موارد گنجانده شده عبارتند از ماژول های برداشت انرژی، [34] ASIC های ثانویه، و احتمالاً رابط ارتباطی ثانویه (به عنوان مثال RS-232 یا USB).

ایستگاه های پایه یک یا چند جزء از WSN با منابع محاسباتی، انرژی و ارتباطی بسیار بیشتر هستند. آنها به عنوان دروازه ای بین گره های حسگر و کاربر نهایی عمل می کنند زیرا معمولاً داده ها را از WSN به سرور ارسال می کنند. سایر اجزای ویژه در شبکه های مبتنی بر مسیریابی، روترهایی هستند که برای محاسبه، محاسبه و توزیع جداول مسیریابی طراحی شده اند.[35]

پلتفرم
سخت افزار

یکی از چالش های اصلی در WSN تولید گره های حسگر کم هزینه و کوچک است. تعداد فزاینده ای از شرکت های کوچک تولید کننده سخت افزار WSN وجود دارد و وضعیت تجاری را می توان با محاسبات خانگی در دهه 1970 مقایسه کرد. بسیاری از گره ها، به ویژه نرم افزار آنها، هنوز در مرحله تحقیق و توسعه هستند. همچنین ذاتی پذیرش شبکه حسگر، استفاده از روش های بسیار کم توان برای ارتباطات رادیویی و جمع آوری داده است.

در بسیاری از برنامه ها، یک WSN با یک شبکه محلی یا شبکه گسترده از طریق یک دروازه ارتباط برقرار می کند. Gateway به عنوان پلی بین WSN و شبکه دیگر عمل می کند. این امکان ذخیره و پردازش داده ها توسط دستگاه هایی با منابع بیشتر را فراهم می کند، به عنوان مثال، در یک سرور از راه دور. یک شبکه گسترده بی‌سیم که عمدتاً برای دستگاه‌های کم مصرف استفاده می‌شود، به عنوان شبکه گسترده کم مصرف (LPWAN) شناخته می‌شود.

بی سیم

چندین استاندارد و راه حل بی سیم برای اتصال گره حسگر وجود دارد. Thread و ZigBee می‌توانند حسگرهایی را که در فرکانس ۲.۴ گیگاهرتز کار می‌کنند با سرعت داده ۲۵۰ کیلوبیت بر ثانیه متصل کنند. بسیاری از آنها از فرکانس پایین‌تری برای افزایش برد رادیویی استفاده می‌کنند (معمولاً 1 کیلومتر)، به عنوان مثال موج Z با فرکانس 915 مگاهرتز کار می‌کند و در اتحادیه اروپا 868 مگاهرتز به طور گسترده استفاده می‌شود، اما این فرکانس‌ها سرعت داده کمتری دارند (معمولاً 50 کیلوبیت بر ثانیه). گروه کاری IEEE 802.15.4 استانداردی را برای اتصال دستگاه های کم مصرف ارائه می دهد و معمولاً سنسورها و کنتورهای هوشمند از یکی از این استانداردها برای اتصال استفاده می کنند. با ظهور اینترنت اشیا، پیشنهادات زیادی برای ارائه اتصال حسگرها ارائه شده است. LoRa[36] شکلی از LPWAN است که اتصال بی سیم دوربرد کم توان را برای دستگاه ها فراهم می کند که در کنتورهای هوشمند و سایر کاربردهای حسگر برد بلند استفاده شده است. Wi-SUN[37] دستگاه ها را در خانه متصل می کند. NarrowBand IOT[38] و LTE-M[39] می‌توانند تا میلیون‌ها حسگر و دستگاه را با استفاده از فناوری سلولی متصل کنند.

نرم افزار

انرژی کمیاب ترین منبع گره های WSN است و طول عمر WSN ها را تعیین می کند. WSN ها ممکن است در تعداد زیادی در محیط های مختلف، از جمله مناطق دورافتاده و متخاصم، که در آن ارتباطات ad hoc جزء کلیدی هستند، مستقر شوند. به همین دلیل، الگوریتم ها و پروتکل ها باید به مسائل زیر رسیدگی کنند:

افزایش طول عمر
استحکام و تحمل خطا
خود پیکربندی

حداکثر کردن طول عمر: مصرف انرژی/توان دستگاه سنجش باید به حداقل برسد و گره‌های حسگر باید انرژی کارآمدی داشته باشند زیرا منابع انرژی محدود آنها طول عمر آنها را تعیین می‌کند. برای صرفه‌جویی در مصرف انرژی، گره‌های حسگر بی‌سیم معمولاً فرستنده رادیویی و گیرنده رادیویی را هنگامی که استفاده نمی‌شوند، خاموش می‌کنند.[32]

پروتکل های مسیریابی

شبکه‌های حسگر بی‌سیم از گره‌های حسگر کم انرژی، کوچک و کم برد تشکیل شده‌اند. اخیراً مشاهده شده است که با روشن و خاموش کردن دوره‌ای قابلیت‌های سنجش و ارتباط گره‌های حسگر، می‌توانیم زمان فعال را به میزان قابل توجهی کاهش دهیم و در نتیجه طول عمر شبکه را افزایش دهیم.[40][41] با این حال، این چرخه کاری ممکن است منجر به تأخیر بالای شبکه، سربار مسیریابی و تأخیر در کشف همسایگان به دلیل برنامه‌ریزی خواب و بیداری ناهمزمان شود. این محدودیت‌ها نیازمند یک اقدام متقابل برای شبکه‌های حسگر بی‌سیم با چرخه وظیفه هستند که باید اطلاعات مسیریابی، بار ترافیک مسیریابی و مصرف انرژی را به حداقل برساند. محققان دانشگاه Sungkyunkwan یک مسیریابی سبک وزن بدون افزایش فاصله زمان تاخیر ارائه کرده اند که به آن LNDIR می گویند. این طرح می‌تواند مسیرهای حداقل تأخیر را در هر بازه تأخیر تحویل بدون افزایش به جای هر شکاف زمانی کشف کند. علاوه بر این، این مسیریابی جدید همچنین می تواند حداقل تاخیر تحویل را از هر منبع به سینک تضمین کند. بهبود عملکرد تا 12 برابر و 11 برابر در مقایسه با طرح‌های موجود، به ترتیب از نظر مسیریابی کاهش بار ترافیک و بهره‌وری انرژی مشاهده می‌شود.[42]

سیستم های عامل

سیستم‌های عامل گره‌های شبکه حسگر بی‌سیم معمولاً پیچیده‌تر از سیستم‌عامل‌های همه منظوره هستند. آنها به دو دلیل به شدت شبیه سیستم های تعبیه شده هستند. اول، شبکه‌های حسگر بی‌سیم معمولاً با یک برنامه خاص در ذهن مستقر می‌شوند، نه به عنوان یک پلت فرم عمومی. دوم، نیاز به هزینه کم و توان کم، اکثر گره‌های حسگر بی‌سیم را به داشتن میکروکنترلرهای کم‌مصرف سوق می‌دهد تا اطمینان حاصل شود که مکانیسم‌هایی مانند حافظه مجازی یا غیرضروری یا بسیار پرهزینه برای پیاده‌سازی هستند.

بنابراین می توان از سیستم عامل های تعبیه شده مانند eCos یا uC/OS برای شبکه های حسگر استفاده کرد. با این حال، چنین سیستم عامل هایی اغلب با ویژگی های زمان واقعی طراحی می شوند.

TinyOS که توسط دیوید کولر توسعه یافته است، شاید اولین سیستم عاملی باشد که به طور خاص برای شبکه های حسگر بی سیم طراحی شده است. TinyOS بر اساس یک مدل برنامه نویسی رویداد محور به جای multithreading است. برنامه‌های TinyOS از کنترل‌کننده‌های رویداد و وظایف با معنای اجرا تا تکمیل تشکیل شده‌اند. هنگامی که یک رویداد خارجی رخ می دهد، مانند یک بسته داده ورودی یا یک سنسور خواندن، TinyOS به کنترل کننده رویداد مناسب برای مدیریت رویداد سیگنال می دهد. کنترل‌کننده‌های رویداد می‌توانند کارهایی را که توسط هسته TinyOS زمان‌بندی شده‌اند، مدتی بعد پست کنند.

LiteOS یک سیستم عامل جدید توسعه یافته برای شبکه های حسگر بی سیم است که انتزاعی مانند یونیکس و پشتیبانی از زبان برنامه نویسی C را ارائه می دهد.

Contiki که توسط Adam Dunkels توسعه یافته است، سیستم عاملی است که از سبک برنامه نویسی ساده تری در C استفاده می کند و در عین حال پیشرفت هایی مانند 6LoWPAN و Protothreads را ارائه می دهد.

RIOT (سیستم عامل) یک سیستم عامل بلادرنگ جدیدتر است که عملکردی مشابه Contiki دارد.

PreonVM[43] یک سیستم عامل برای شبکه های حسگر بی سیم است که 6LoWPAN بر اساس Contiki و پشتیبانی از زبان برنامه نویسی جاوا را ارائه می دهد.

پلتفرم‌های مدیریت داده‌های حسگر مشارکتی آنلاین

پلت‌فرم‌های مدیریت داده‌های سنسور مشارکتی آنلاین، خدمات پایگاه داده آنلاین هستند که به صاحبان حسگر اجازه می‌دهند تا دستگاه‌های خود را ثبت و متصل کنند تا داده‌ها را به یک پایگاه داده آنلاین ذخیره کنند و همچنین به توسعه‌دهندگان اجازه می‌دهد به پایگاه داده متصل شوند و برنامه‌های کاربردی خود را بر اساس آن داده‌ها بسازند. به عنوان مثال می توان به Xively و پلت فرم Wikisensing اشاره کرد. چنین پلتفرم‌هایی همکاری آنلاین بین کاربران را بر روی مجموعه داده‌های متنوعی از داده‌های انرژی و محیط زیست گرفته تا داده‌های جمع‌آوری‌شده از خدمات حمل‌ونقل ساده می‌کنند. خدمات دیگر شامل اجازه به توسعه دهندگان برای جاسازی نمودارها و ویجت ها در زمان واقعی در وب سایت ها است. تجزیه و تحلیل و پردازش داده های تاریخی استخراج شده از خوراک داده ها؛ ارسال هشدارهای بلادرنگ از هر جریان داده برای کنترل اسکریپت ها، دستگاه ها و محیط ها.

معماری سیستم Wikisensing[44] اجزای کلیدی چنین سیستم‌هایی را توصیف می‌کند که شامل APIها و رابط‌ها برای همکاران آنلاین، یک میان‌افزار حاوی منطق تجاری مورد نیاز برای مدیریت و پردازش داده‌های حسگر و یک مدل ذخیره‌سازی برای ذخیره‌سازی و بازیابی کارآمد از حجم زیادی از داده ها مناسب است.

شبیه سازی

در حال حاضر، مدل‌سازی و شبیه‌سازی مبتنی بر عامل تنها پارادایم است که امکان شبیه‌سازی رفتار پیچیده در محیط‌های حسگرهای بی‌سیم (مانند flocking) را فراهم می‌کند.[45] شبیه‌سازی مبتنی بر عامل شبکه‌های حسگر بی‌سیم و ad hoc یک پارادایم نسبتاً جدید است. مدل سازی مبتنی بر عامل در ابتدا بر اساس شبیه سازی اجتماعی بود.

شبیه سازهای شبکه مانند Opnet، Tetcos NetSim و NS را می توان برای شبیه سازی یک شبکه حسگر بی سیم استفاده کرد.

محلی سازی

محلی سازی شبکه به مشکل تخمین مکان گره های حسگر بی سیم در حین استقرار و در تنظیمات پویا اشاره دارد. برای سنسورهای بسیار کم توان، اندازه، هزینه و محیط استفاده از گیرنده های سیستم موقعیت یابی جهانی بر روی سنسورها را ممنوع می کند. در سال 2000، نیروپاما بولوسو، جان هایدمن و دبورا استرین برای اولین بار یک سیستم مبتنی بر اتصال رادیویی را برای محلی‌سازی شبکه‌های حسگر بی‌سیم انگیزه و پیشنهاد کردند.[46] متعاقباً، چنین سیستم‌های محلی‌سازی به عنوان سیستم‌های محلی‌سازی بدون محدوده نامیده می‌شوند و بسیاری از سیستم‌های محلی‌سازی برای شبکه‌های حسگر بی‌سیم متعاقباً از جمله AHLoS، APS و Stardust پیشنهاد شده‌اند.

کالیبراسیون داده های سنسور و تحمل خطا

سنسورها و دستگاه های مورد استفاده در شبکه های حسگر بی سیم با تکنولوژی روز دنیا با کمترین قیمت ممکن می باشند. بنابراین، اندازه‌گیری‌های سنسوری که از این دستگاه‌ها دریافت می‌کنیم، اغلب پر سر و صدا، ناقص و نادرست هستند. محققانی که شبکه‌های حسگر بی‌سیم را مطالعه می‌کنند، فرض می‌کنند که اطلاعات بسیار بیشتری را می‌توان از صدها اندازه‌گیری غیرقابل اعتماد که در یک حوزه مورد علاقه پخش شده است، استخراج کرد تا از تعداد کمتری ابزار با کیفیت بالا و قابلیت اطمینان بالا با هزینه کل یکسان.

ماکروبرنامه ریزی

برنامه نویسی کلان اصطلاحی است که توسط مت ولش ابداع شده است. این به برنامه ریزی کل شبکه حسگر به عنوان یک مجموعه اشاره دارد، نه گره های حسگر منفرد. راه دیگر برای برنامه‌ریزی کلان یک شبکه، مشاهده شبکه حسگر به‌عنوان یک پایگاه داده است که توسط سیستم TinyDB توسعه یافته توسط Sam Madden رایج شد.

برنامه ریزی مجدد

برنامه ریزی مجدد فرآیند به روز رسانی کد روی گره های حسگر است. عملی‌ترین شکل برنامه‌ریزی مجدد، برنامه‌ریزی مجدد از راه دور است که به موجب آن کد به صورت بی‌سیم منتشر می‌شود، در حالی که گره‌ها مستقر هستند. پروتکل‌های برنامه‌ریزی مجدد متفاوتی وجود دارند که سطوح مختلفی از سرعت عملیات، قابلیت اطمینان، مصرف انرژی، نیاز به کد مستقر در گره‌ها، مناسب بودن با محیط‌های مختلف بی‌سیم، مقاومت در برابر DoS و غیره را فراهم می‌کنند. MNP (2005)، Synapse (2008) و Zephyr (2009).

امنیت

معماری بدون زیرساخت (یعنی هیچ دروازه ای گنجانده نشده است، و غیره) و الزامات ذاتی (مثلاً محیط کاری بدون مراقبت و غیره) WSN ها ممکن است چندین نقطه ضعف را ایجاد کنند که دشمنان را جذب می کند. بنابراین، هنگامی که WSN ها برای برنامه های کاربردی خاص مانند نظامی و مراقبت های بهداشتی مستقر می شوند، امنیت یک نگرانی بزرگ است. روش‌های امنیتی سنتی شبکه‌های رایانه‌ای به دلیل ویژگی‌های منحصربه‌فردشان برای WSN‌ها بی‌فایده (یا کمتر مؤثر) خواهند بود. از این رو، فقدان مکانیسم های امنیتی باعث نفوذ به آن شبکه ها می شود. این نفوذها باید شناسایی شده و روش های کاهش آن اعمال شود.

نوآوری های مهمی در تامین امنیت شبکه های حسگر بی سیم وجود داشته است. بیشتر شبکه‌های تعبیه‌شده بی‌سیم از آنتن‌های همه جهته استفاده می‌کنند و بنابراین همسایگان می‌توانند ارتباط درون و بیرون گره‌ها را بشنوند. از این امر برای توسعه اولیه‌ای به نام «نظارت محلی»[47] استفاده شد که برای شناسایی حملات پیچیده مانند سیاه‌چاله یا کرم‌چاله استفاده می‌شد که توان عملیاتی شبکه‌های بزرگ را نزدیک به صفر می‌کند. این اولیه از آن زمان توسط بسیاری از محققین و sniffer های تجاری بسته های بی سیم مورد استفاده قرار گرفته است. این متعاقباً برای حملات پیچیده‌تر مانند تبانی، تحرک و دستگاه‌های چند آنتنی و چند کاناله اصلاح شد.[48]

شبکه حسگر توزیع شده

اگر یک معماری متمرکز در یک شبکه حسگر استفاده شود و گره مرکزی از کار بیفتد، کل شبکه از بین می‌رود، اما قابلیت اطمینان شبکه حسگر را می‌توان با استفاده از یک معماری کنترل توزیع‌شده افزایش داد. کنترل توزیع شده در WSN ها به دلایل زیر استفاده می شود:

گره های حسگر مستعد شکست هستند،
برای جمع آوری بهتر داده ها،
برای ارائه پشتیبان به گره ها در صورت خرابی گره مرکزی.

همچنین هیچ نهاد متمرکزی برای تخصیص منابع وجود ندارد و آنها باید خود سازماندهی شوند.

در مورد فیلتر توزیع شده روی شبکه حسگر توزیع شده. راه‌اندازی کلی این است که فرآیند زیربنایی را از طریق گروهی از حسگرها سازمان‌دهی‌شده بر اساس توپولوژی شبکه‌ای معین، مشاهده کنیم که ناظر فردی وضعیت سیستم را نه تنها بر اساس اندازه‌گیری خود بلکه بر اساس همسایگانش تخمین می‌زند.[49]

یکپارچه سازی داده ها و وب حسگر

داده‌های جمع‌آوری‌شده از شبکه‌های حسگر بی‌سیم معمولاً به شکل داده‌های عددی در یک ایستگاه پایه مرکزی ذخیره می‌شوند. علاوه بر این، کنسرسیوم فضایی باز (OGC) استانداردهایی را برای رابط‌های قابلیت همکاری و رمزگذاری‌های ابرداده مشخص می‌کند که امکان ادغام بی‌درنگ شبکه‌های حسگر ناهمگن را در اینترنت فراهم می‌کند و به هر فردی اجازه می‌دهد شبکه‌های حسگر بی‌سیم را از طریق یک مرورگر وب نظارت یا کنترل کند.

پردازش درون شبکه ای

برای کاهش هزینه‌های ارتباطی، برخی از الگوریتم‌ها اطلاعات حسگر اضافی گره‌ها را حذف یا کاهش می‌دهند و از ارسال داده‌هایی که فایده‌ای ندارند اجتناب می‌کنند. این تکنیک به عنوان مثال برای تشخیص ناهنجاری توزیع شده[50][51][52][53] یا بهینه سازی توزیع شده استفاده شده است.[54] از آنجایی که گره‌ها می‌توانند داده‌هایی را که ارسال می‌کنند بازرسی کنند، می‌توانند میانگین‌ها یا جهت‌گیری را برای مثال خواندن از گره‌های دیگر اندازه‌گیری کنند. به عنوان مثال، در کاربردهای سنجش و نظارت، معمولاً گره‌های حسگر همسایه که یک ویژگی محیطی را نظارت می‌کنند، مقادیر مشابهی را ثبت می‌کنند. این نوع افزونگی داده به دلیل همبستگی فضایی بین مشاهدات حسگر، الهام‌بخش تکنیک‌هایی برای تجمیع داده‌های درون شبکه و استخراج است. تجمیع میزان ترافیک شبکه را کاهش می‌دهد که به کاهش مصرف انرژی در گره‌های حسگر کمک می‌کند.[55][56] اخیراً مشخص شده است که دروازه‌های شبکه نیز با برنامه‌ریزی منابع بیشتر برای گره‌هایی که نیاز به بهره‌وری انرژی حیاتی‌تری دارند، نقش مهمی در بهبود بهره‌وری انرژی گره‌های حسگر ایفا می‌کنند و الگوریتم‌های زمان‌بندی کارآمد انرژی پیشرفته باید برای بهبود در دروازه‌های شبکه پیاده‌سازی شوند. از بازده انرژی کلی شبکه.[32][57]

تجمیع اطلاعات امن

این نوعی پردازش درون شبکه ای است که در آن گره های حسگر با انرژی محدود در دسترس ناامن فرض می شوند، در حالی که فرض می شود ایستگاه پایه با انرژی در دسترس نامحدود امن است. تجمیع چالش‌های امنیتی موجود برای شبکه‌های حسگر بی‌سیم [58] را پیچیده می‌کند و به تکنیک‌های امنیتی جدیدی نیاز دارد که به‌طور خاص برای این سناریو طراحی شده‌اند. ارائه امنیت برای جمع آوری داده ها در شبکه های حسگر بی سیم به عنوان تجمیع داده های امن در WSN شناخته می شود.[56][58][59] اولین کارهایی بودند که در مورد تکنیک های تجمیع داده های امن در شبکه های حسگر بی سیم بحث می کردند.

دو چالش اصلی امنیتی در تجمیع داده های امن، محرمانه بودن و یکپارچگی داده ها است. در حالی که رمزگذاری به طور سنتی برای ارائه محرمانگی انتها به انتها در شبکه حسگر بی‌سیم استفاده می‌شود، تجمیع‌کننده‌ها در سناریوی تجمیع داده‌های امن نیاز به رمزگشایی داده‌های رمزگذاری‌شده برای انجام تجمیع دارند. این متن ساده را در جمع‌کننده‌ها آشکار می‌کند و داده‌ها را در برابر حملات دشمن آسیب‌پذیر می‌کند. به طور مشابه یک تجمیع کننده می تواند داده های نادرست را به مجموعه تزریق کند و ایستگاه پایه را وادار کند که داده های نادرست را بپذیرد. بنابراین، در حالی که تجمیع داده ها کارایی انرژی یک شبکه را بهبود می بخشد، چالش های امنیتی موجود را پیچیده می کند.[60]

References

Ullo, Silvia Liberata; Sinha, G. R. (2020-05-31). “Advances in Smart Environment Monitoring Systems Using IoT and Sensors”. Sensors. 20 (11): 3113. Bibcode:2020Senso..20.3113U. doi:10.3390/s20113113. ISSN 1424-8220. PMC 7309034. PMID 32486411. FrancescoMario, Di; K, DasSajal; AnastasiGiuseppe (2011-08-01). “Data Collection in Wireless Sensor Networks with Mobile Elements”. ACM Transactions on Sensor Networks. 8: 1–31. doi:10.1145/1993042.1993049. S2CID 15576441. Xia, Feng; Tian, Yu-Chu; Li, Yanjun; Sun, Youxian (2007-10-09). “Wireless Sensor/Actuator Network Design for Mobile Control Applications”. Sensors. 7 (10): 2157–2173. Bibcode:2007Senso…7.2157X. doi:10.3390/s7102157. ISSN 1424-8220. PMC 3864515. PMID 28903220. “Wireless sensor networks for battlefield surveillance” (PDF). 2006. Dargie, W. and Poellabauer, C. (2010). Fundamentals of wireless sensor networks: theory and practice. John Wiley and Sons. pp. 168–183, 191–192. ISBN 978-0-470-99765-9. Sohraby, K., Minoli, D., Znati, T. (2007). Wireless sensor networks: technology, protocols, and applications. John Wiley and Sons. pp. 203–209. ISBN 978-0-471-74300-2. Oliveira, Joao; Goes, João (2012). Parametric Analog Signal Amplification Applied to Nanoscale CMOS Technologies. Springer Science & Business Media. p. 7. ISBN 9781461416708. Peiris, V. (2013). “Highly integrated wireless sensing for body area network applications”. SPIE Newsroom. doi:10.1117/2.1201312.005120. Tony O’Donovan; John O’Donoghue; Cormac Sreenan; David Sammon; Philip O’Reilly; Kieran A. O’Connor (2009). A Context Aware Wireless Body Area Network (BAN) (PDF). Pervasive Computing Technologies for Healthcare, 2009. doi:10.4108/ICST.PERVASIVEHEALTH2009.5987. Archived (PDF) from the original on 2016-10-09. Bilal, Muhammad; et al. (2017). “An Authentication Protocol for Future Sensor Networks”. Sensors. 17 (5): 979. arXiv:1705.00764. Bibcode:2017arXiv170500764B. doi:10.3390/s17050979. PMC 5464775. PMID 28452937. “J.K.Hart and K. Martinez, “Environmental Sensor Networks: A revolution in the earth system science?”, Earth-Science Reviews, 2006″ (PDF). Archived from the original (PDF) on November 23, 2015. Apte, J.S.; Messier, K.P.; Gani, S.; Brauer, M.; Kirchstetter, T.W.; Lunden, M.M.; Marshall, J.D.; Portier, C.J.; Vermeulen, R.C.H.; Hamburg, S.P. (2017). “High-Resolution Air Pollution Mapping with Google Street View Cars: Exploiting Big Data”. Environmental Science and Technology. 51 (12): 6999–7008. Bibcode:2017EnST…51.6999A. doi:10.1021/acs.est.7b00891. PMID 28578585. “Breathe London”. Breathe London. Retrieved 27 April 2021. Feinberg, S.; Williams, R.; Hagler, G.S.W.; Rickard, J.; Garver, D.; Harshfield, G.; Stauffer, P.; Mattson, E.; Judge, R.; Garvey, S. (2018). “Long-term evaluation of air sensor technology under ambient conditions in Denver, Colorado”. Atmospheric Measurement Techniques. 11 (8): 4605–4615. Bibcode:2018AMT….11.4605F. doi:10.5194/amt-11-4605-2018. PMC 6781239. PMID 31595175. Balzano, L.; Nowak, R. (2008). “Blind Calibration of Networks of Sensors: Theory and Algorithms”. Networked Sensing Information and Control: 9–37. doi:10.1007/978-0-387-68845-9_1. ISBN 978-0-387-68843-5. Sauce, O.; Hasenfratz, D.; Thiele, L. (2015). “Reducing multi-hop calibration errors in large-scale mobile sensor networks”. IPSN 2015 – Proceedings of the 14th International Symposium on Information Processing in Sensor Networks (Part of CPS Week): 274–285. doi:10.1145/2737095.2737113. ISBN 9781450334754. S2CID 15171166. Spie (2013). “Vassili Karanassios: Energy scavenging to power remote sensors”. SPIE Newsroom. doi:10.1117/2.3201305.05. Tiwari, Ankit; et al. (2007). “Energy-efficient wireless sensor network design and implementation for condition-based maintenance”. ACM Transactions on Sensor Networks. 3: 1–es. CiteSeerX 10.1.1.188.8180. doi:10.1145/1210669.1210670. S2CID 7278286. K. Saleem; N. Fisal & J. Al-Muhtadi (2014). “Empirical studies of bio-inspired self-organized secure autonomousRouting protocol”. IEEE Sensors Journal. 14 (7): 1–8. Bibcode:2014ISenJ..14.2232S. doi:10.1109/JSEN.2014.2308725. S2CID 27135727. Anastasi, G.; Farruggia, O.; Lo Re, G.; Ortolani, M. (2009). “Monitoring High-Quality Wine Production using Wireless Sensor Networks”. 2009 42nd Hawaii International Conference on System Sciences. pp. 1–7. doi:10.1109/HICSS.2009.313. ISBN 978-0-7695-3450-3. “A national strategy against terrorism using weapons of mass destruction”. str.llnl.gov. Science & Technology Review. Retrieved 26 February 2019. “Striving for a Safer World Since 1945”. fas.org. Federation of American Scientists. Hills, Rob. “Sensing for Danger”. str.llnl.gov. Science & Technology Review. Retrieved 26 February 2019. “U.S./Russian National Security Interests”. commdocs.house.gov. US House of Representatives. Retrieved 26 February 2019. Aguilar, Mónica (2020). “INRISCO: INcident monitoRing in Smart COmmunities”. IEEE Access. 8: 72435–72460. doi:10.1109/ACCESS.2020.2987483. hdl:2117/328871. S2CID 218468946. Pastor, Adolfo (2020). “Psychoacoustic Annoyance Implementation With Wireless Acoustic Sensor Networks for Monitoring in Smart Cities”. IEEE Internet of Things Journal. 7: 128–136. doi:10.1109/JIOT.2019.2946971. S2CID 208111073. Lloret, Jaime (2009). “A Wireless Sensor Network Deployment for Rural and Forest Fire Detection and Verification”. Sensors. 9 (11): 8722–8747. Bibcode:2009Senso…9.8722L. doi:10.3390/s91108722. PMC 3260610. PMID 22291533. S2CID 13104461. Liz Young (2022-06-08). “Israeli Tech Firm Rolls Out Tracking Devices the Size of Postage Stamps”. Wall Street Journal. Retrieved 2022-07-08. “ReVibe Energy – Powering The Industrial IoT”. revibeenergy.com. Archived from the original on 22 September 2017. Retrieved 3 May 2018. “THE WORLD LEADER IN VIBRATION HARVESTER POWERED WIRELESS SENSING SYSTEMS”. THE WORLD LEADER IN VIBRATION HARVESTER POWERED WIRELESS SENSING SYSTEMS. Archived from the original on 13 April 2018. Retrieved 3 May 2018. Saleem, Kashif; Fisal, Norsheila; Hafizah, Sharifah; Kamilah, Sharifah; Rashid, Rozeha; Baguda, Yakubu (2009). “Cross layer based biological inspired self-organized routing protocol for wireless sensor network”. TENCON 2009 – 2009 IEEE Region 10 Conference: 1–6. doi:10.1109/TENCON.2009.5395945. ISBN 978-1-4244-4546-2. S2CID 30236796. Guowang Miao; Jens Zander; Ki Won Sung; Ben Slimane (2016). Fundamentals of Mobile Data Networks. Cambridge University Press. ISBN 978-1107143210. Aghdam, Shahin Mahdizadeh; Khansari, Mohammad; Rabiee, Hamid R; Salehi, Mostafa (2014). “WCCP: A congestion control protocol for wireless multimedia communication in sensor networks”. Ad Hoc Networks. 13: 516–534. doi:10.1016/j.adhoc.2013.10.006. Magno, M.; Boyle, D.; Brunelli, D.; O’Flynn, B.; Popovici, E.; Benini, L. (2014). “Extended Wireless Monitoring Through Intelligent Hybrid Energy Supply”. IEEE Transactions on Industrial Electronics. 61 (4): 1871. doi:10.1109/TIE.2013.2267694. S2CID 23562384. Xenakis, A.; Foukalas, F.; Stamoulis, G. (2016). “Cross-layer energy-aware topology control through Simulated Annealing for WSNs”. Computers & Electrical Engineering. 56: 576–590. doi:10.1016/j.compeleceng.2016.02.015. “LoRa Alliance”. Archived from the original on 2017-11-09. “Wi-Sun Alliance”. 2018-08-15. Archived from the original on 2017-11-09. “NB-IOT vs. LoRa vs. Sigfox, LINKLabs, Jan 2017”. Archived from the original on 2017-11-10. “What is LTE-M?”. Archived from the original on 2017-11-09. Xenakis, A.; Foukalas, F.; Stamoulis, G. (October 2015). “Minimum weighted clustering algorithm for wireless sensor networks”. Proceedings of the 19th Panhellenic Conference on Informatics: 255–260. doi:10.1145/2801948.2801999. ISBN 9781450335515. S2CID 9188571. Hassan, T. A. H.; Selim, G.; Sadek, R. (2015). “A novel energy efficient vice Cluster Head routing protocol in Wireless Sensor Networks”. 2015 IEEE Seventh International Conference on Intelligent Computing and Information Systems (ICICIS). Cairo: 313–320. doi:10.1109/IntelCIS.2015.7397240. ISBN 978-1-5090-1949-6. S2CID 10688614. K Shahzad, Muhammad; Nguyen, Dang Tu; Zalyubovskiy, Vyacheslav; Choo, Hyunseung (2018). “LNDIR: A lightweight non-increasing delivery-latency interval-based routing for duty-cycled sensor networks”. International Journal of Distributed Sensor Networks. 14 (4): 1550147718767605. doi:10.1177/1550147718767605. Material was copied from this source, which is available under a Creative Commons Attribution 4.0 International License. “PreonVM – Virtual maschine for wireless sensor devices”. Archived from the original on 2017-11-11. Silva, D.; Ghanem, M.; Guo, Y. (2012). “WikiSensing: An Online Collaborative Approach for Sensor Data Management”. Sensors. 12 (10): 13295–332. Bibcode:2012Senso..1213295S. doi:10.3390/s121013295. PMC 3545568. PMID 23201997. Niazi, Muaz; Hussain, Amir (2011). “A Novel Agent-Based Simulation Framework for Sensing in Complex Adaptive Environments” (PDF). IEEE Sensors Journal. 11 (2): 404–412. arXiv:1708.05875. Bibcode:2011ISenJ..11..404N. doi:10.1109/jsen.2010.2068044. hdl:1893/3398. S2CID 15367419. Archived from the original (PDF) on 2011-07-25. Bulusu, Nirupama; Heidemann, John; Estrin, Deborah (2000). “GPS-less low cost outdoor localization for very small devices”. IEEE Personal Communications. IEEE Personal Communications, October 2000. 7 (5): 28–34. doi:10.1109/98.878533. Khalil, Issa; Bagchi Saurabh; Shroff, N.B. (2005). “LITEWORP: a lightweight countermeasure for the wormhole attack in multihop wireless networks”. 2005 International Conference on Dependable Systems and Networks (DSN’05): 612–621. doi:10.1109/DSN.2005.58. ISBN 0-7695-2282-3. S2CID 2018708. Mitchell, Robert; Chen, Ing-Ray (2014-04-01). “A survey of intrusion detection in wireless network applications”. Computer Communications. 42: 1–23. doi:10.1016/j.comcom.2014.01.012. ISSN 0140-3664. Li, Wangyan; Wang, Zidong; Wei, Guoliang; Ma, Lifeng; Hu, Jun; Ding, Derui (2015). “A Survey on Multisensor Fusion and Consensus Filtering for Sensor Networks”. Discrete Dynamics in Nature and Society. 2015: 1–12. doi:10.1155/2015/683701. ISSN 1026-0226. Bosman, H. H. W. J.; Iacca, G; Tejada, A.; Wörtche, H. J.; Liotta, A. (2015-12-01). “Ensembles of incremental learners to detect anomalies in ad hoc sensor networks”. Ad Hoc Networks. Special Issue on Big Data Inspired Data Sensing, Processing and Networking Technologies. 35: 14–36. doi:10.1016/j.adhoc.2015.07.013. hdl:11572/196409. ISSN 1570-8705. Bosman, H. H. W. J.; Liotta, A.; Iacca, G.; Wörtche, H. J. (October 2013). “Anomaly Detection in Sensor Systems Using Lightweight Machine Learning”. 2013 IEEE International Conference on Systems, Man, and Cybernetics: 7–13. doi:10.1109/SMC.2013.9. ISBN 978-1-4799-0652-9. S2CID 6434158. Bosman, H. H. W. J.; Liotta, A.; Iacca, G.; Wörtche, H. J. (December 2013). “Online Extreme Learning on Fixed-Point Sensor Networks”. 2013 IEEE 13th International Conference on Data Mining Workshops: 319–326. doi:10.1109/ICDMW.2013.74. ISBN 978-1-4799-3142-2. S2CID 6460187. Bosman, H. H. W. J.; Iacca, G.; Wörtche, H. J.; Liotta, A. (December 2014). “Online Fusion of Incremental Learning for Wireless Sensor Networks”. 2014 IEEE International Conference on Data Mining Workshop: 525–532. doi:10.1109/ICDMW.2014.79. hdl:10545/622629. ISBN 978-1-4799-4274-9. S2CID 14029568. Iacca, G. (2018). “Distributed optimization in wireless sensor networks: an island-model framework”. Soft Computing. 17 (12): 2257–2277. arXiv:1810.02679. Bibcode:2018arXiv181002679I. doi:10.1007/s00500-013-1091-x. ISSN 1433-7479. S2CID 33273544. Bosman, H. H. W. J.; Iacca, G.; Tejada, A.; Wörtche, H. J.; Liotta, A. (2017-01-01). “Spatial anomaly detection in sensor networks using neighborhood information”. Information Fusion. 33: 41–56. doi:10.1016/j.inffus.2016.04.007. ISSN 1566-2535. Cam, H; Ozdemir, S Nair, P Muthuavinashiappan, D (October 2003). ESPDA: Energy-efficient and Secure Pattern-based Data Aggregation for wireless sensor networks. Proceedings of IEEE Sensors 2003. Vol. 2. pp. 732–736. CiteSeerX 10.1.1.1.6961. doi:10.1109/icsens.2003.1279038. ISBN 978-0-7803-8133-9. S2CID 15686293. Rowayda, A. Sadek (May 2018). “Hybrid energy aware clustered protocol for IoT heterogeneous network”. Future Computing and Informatics Journal. 3 (2): 166–177. doi:10.1016/j.fcij.2018.02.003. Hu, Lingxuan; David Evans (January 2003). “Secure aggregation for wireless networks”. Workshop on Security and Assurance in Ad Hoc Networks. Przydatek, Bartosz; Dawn Song; Adrian Perrig (2003). SIA: secure information aggregation in sensor networks. SenSys. pp. 255–265. doi:10.1145/958491.958521. ISBN 978-1581137071. S2CID 239370. Kumar, Vimal; Sanjay K. Madria (August 2012). “Secure Hierarchical Data Aggregation in Wireless Sensor Networks: Performance Evaluation and Analysis”. 2012 IEEE 13th International Conference on Mobile Data Management. pp. 196–201. doi:10.1109/MDM.2012.49. ISBN 978-1-4673-1796-2. S2CID 2990744.

پروژه مشابه دارید؟

برای ثبت سفارش در سیمیا می توانید از طریق اپلیکیشن سیمیا، یا فرم ثبت سفارش در سایت اقدام کرده و یا از طریق ایمیل، واتساپ، تلگرام، سروش و اینستاگرام اقدام نمایید.

اپلیکیشن سیمیا را از بازار و مایکت دانلود کنید.

لینک پشتیبانی واتساپ، سروش و تلگرام در پایین وجود دارد.

09392265610

سروش ثبت سفارش تلگرام

نشانی ایمیل سیمیا simiya_ht@yahoo.com می باشد.

از برقراری تماس برای هماهنگی پروژه خودداری کنید، حجم بالای سفارشات به ما اجازه نمی دهد تا از طریق تلفن پاسخگوی شما عزیزان باشیم، حتما درخواست خود را به صورت مکتوب و از طریق یکی از راه های ذکر شده فوق ارسال نمایید، درخواست خود را به طور کامل و با تمام فایل ها و توضیحات لازم ارسال نمایید تا مدت زمان بررسی آن به حداقل برسد. پس از تعیین کارشناس، در اسرع وقت به شما پاسخ می دهیم.

***

مراحل انجام پروژه دانشجویی در سیمیا

سفارش انجام پروژه دانشجویی

در مرحله اول با ثبت سفارش انجام پروژه در سایت و تکمیل فرم، اطلاعات خود را برای ما ارسال می کنید. در این بخش لازم است فایل مورد نظر را برای ما ارسال کنید. اگر چند فایل دارید می توانید از پسوند زیپ استفاده کنید. همچنین لازم است زبان مبداء و زبان مقصد را مشخص کنید. صبور باشید، کارشناسان سیمیا از طریق ایمیل به درخواست شما پاسخ می دهند.

بررسی سفارش و تعیین قیمت

در مرحله دوم سفارشی که برای ما ارسال کرده اید مورد ارزیابی قرار میگیرد تا هزینه برآورد شود. برآورد هزینه متناسب با شرایطی که در سفارش برای ما ارسال کرده اید انجام خواهد شد و نتیجه در نهایت به شما اطلاع رسانی خواهد شد. در صورتی که درخواست شما کامل نباشد، کارشناسان سیمیا به آدرس ایمیل شما، جزئیات را ارسال میکنند و از شما میخواهند تا اطلاعات دقیق را ارسال نمایید.

واریز پیش پرداخت و شروع کار

در مرحله سوم قیمت برآورد شده به شما اعلام خواهد شد و در صورت توافق لازم است تا 70 درصد از مبلغ تعیین شده را واریز بفرمایید تا فرایند انجام پروژه شما آغاز گردد. در این مرحله می توانید روند کار خود را از طریق پشتیبان واتساپ برررسی کنید.

تکمیل کار و ارسال بخشی از نتایج

در این مرحله، بخشی از نتایج کار به شما ارسال می شود و پس از آن لازم است 30 درصد باقی مانده را واریز نمایید و بلافاصله فایل کامل را دریافت کنید.

تحویل کار و رضایت مشتری

در آخرین مرحله کار شما پس از عبور از بررسی دقیق کارشناسان سایت و بررسی سطح کیفی کار، فایل نهایی برای شما ارسال خواهد شد. هدف نهایی ما لبخند رضایت شما کاربران محترم است.

پشتیبانی از پروژه های انجام شده

شعار اصلی سیمیا حمایت و پشتیبانی از پروژه های انجام شده است. ما در زمینه انجام پروژه های دانشجویی همواره سعی کرده ایم از افرادی با تخصص بالا استفاده کنیم. استفاده از افراد با تجربه و متخصص باعث شده تا به جهت حمایت و پشتیبانی از پروژه های انجام شده هیچ گونه مشکلی نداشته باشیم.

اگر پروژه انجام شده مطابق با خواسته شما نبود و یا نیاز به انجام ادیت داشتید، که به ندرت در سیمیا اتفاق می افتد؛ می توانید درخواست خود را به ما جهت تغییرات و بررسی مجدد اطلاع دهید تا در اسرع وقت پیگیری ها و تغییرات لازم انجام شود.

ارائه خدمات قوی و پشتیبانی کامل با تیمی باتجربه و متعهد در سیمیا

هزینه انجام پروژه های دانشجویی سیمیا چقدر است؟

پروژه های دانشجویی در زمینه های گوناگونی انجام می شود که این امر باعث گستردگی بسیار بالا در پروژه های ارسالی از سوی شما عزیزان می باشد. تعداد بالای پروژه ها در فیلدهای متنوع سبب شده است تا امر قیمت گذاری پروژه های دانشجویی یک کار کاملا حرفه ای و تخصصی باشد.

از این رو جهت تعیین قیمت پروژه های خود می توانید سفارش مورد نظر را برای ما از طریق لینک ثبت سفارش یا از طریق تلگرام و واتساپ ارسال کنید. پس از ارسال پروژه تیم پشتیبانی سایت سیمیا در اسرع وقت پروژه شما را برای تعیین کارشناس به کارگروه تخصصی شما ارجاع داده و در نهایت پس از ارسال برای کارشناس و استعلام دقیق قیمت، قیمت پروژه به شما اعلام خواهد شد.

توجه نمایید: تعیین کارشناس و بررسی تخصصی نیازمند زمان است، پس اگر پروژه فوری دارید، از طریق واتساپ یا تلگرام به ما اطلاع دهید تا سریع تر بررسی شود.

سیمیا خدمات خرید هاست و دامین حرفه ای و پرسرعت را به صورت رایگان به همراه پروژه‌های دانشجویی ارائه می‌دهد و در صورت تمدید قرارداد پشتیبانی سایت، خدمات رایگان هاستینگ پرسرعت نیز تمدید می‌گردد. این خدمات ویژه سیمیا باعث می‌شود هزینه طراحی وب و نگهداری و پشتیبانی سایت برای صاحبان کسب و کار مناسب و مقرون به صرفه‌ باشد.

چه مدت زمان خواهد برد تا به درخواست من پاسخ دهید؟

سایت سیمیا در بخش پشتیبانی و انجام فوری کار شما بسیار قوی بوده و به صورت 24 ساعت شبانه روز از طریق واتساپ، تلگرام و ایمیل، پاسخگوی شما عزیزان خواهد بود. در هر ساعت از شبانه روز که در خواست خود را برای ما ارسال کنید در کمتر از 1 ساعت درخواست شما مورد بررسی قرار خواهد گرفت.

پس از اینکه پشتیبان سایت سیمیا، پروژه شما را از جهت تعیین مجری مربوطه ارزیابی کند پروژه برای محقق ارسال می گردد. هر زمان که از محقق پاسخ مناسب از لحاظ قیمت و مدت زمان انجام کار دریافت کند بلافاصله شرایط را به شما اطلاع خواهند داد. این روند به صورت کلی بین 3 ساعت تا 6 ساعت اتفاق خواهد افتاد. البته با توجه به سرعت بالای ما و تعداد 500 مجری متخصص غالبا ظرف مدت 3 ساعت و کمتر پیگیری انجام می شود.

مشاوره در پروژه دانشجویی

بسیاری از کاربران علاقه مند هستند پروژه دانشجویی را شخصا خودشان انجام دهند و در بعضی قسمت های انجام پروژه دچار مشکل هستند و نیاز به مشاوره تخصصی دارند تا بتوانند مشکلات را حل کنند.

سایت سیمیا برای رفاه حال شما عزیزان خدمات مشاوره واتساپ کاملا رایگان نیز در نظر گرفته تا تمام نیاز های شما پاسخ داده شود و هیچ مشکلی برای پروژه خود نداشته باشید.

گارانتی 24 ساعته انجام پروژه ها در تمامی ایام هفته

همه پروژه های دانشجویی انجام شده در تیم سیمیا دارای گارانتی و پشتیبانی هستند. پس از تحویل و رضایت شما از کار، گارانتی پروژه ( که به مدت 72 ساعت می باشد) شروع خواهد شد. این پشتیبانی در 24 ساعت شبانه روز امکان پذیر است و به صورت کاملا رایگان ارائه می شود مجری موظف می باشد در طول مدت پشتیبانی به کلیه درخواست ها پاسخ سریع ارائه دهد.

تیم سیمیا در طی 72 ساعت به درخواست شما، پروژه را بازبینی کرده و در صورت بروز مشکل یا تغییرات آن را پشتیبانی می نماید. شما در طول انجام پروژه با واحد پشتیبانی واتساپ در ارتباط هستید و می توانید از روند انجام پروژه مطلع شوید پس نگرانی بایت نتیجه نخواهید داشت. همه چیز زیر نظر شما و به دست متخصصان حرفه‌ای سیمیا انجام میپذیرد.

به کارگیری برترین متخصصان انجام پروژه

تمامی متخصصان دانشجویی در مجموعه سیمیا از اساتید حرفه ای داخل و خارج از کشور تشکیل شده اند. آنها در انواع انجام پروژه های نرم افزاری و برنامه نویسی شرکت داشته و میدانند که برای هر پروژه چه نیازمندی هایی داشته باشند. از این رو همکاری با آنان سبب اطمینان و اعتماد از نتیجه خواهد شد. متخصصین دانشجویی سیمیا در پروژه های بزرگ صنعتی و تجاری، دانشگاهی، تحقیقاتی و… فعالیت دارند و به خوبی با شرایط مختلف تقاضای شما عزیزان آشنایی دارند. متخصصان ما در این مجموعه همه شرایط نام برده را دارند:

تسلط کامل بر موضوع
مهارت کامل بر نرم افزارهای مورد نیاز
مهارت های ارتباط با کاربران
متعهد در انجام وظیفه
مهارت کار گروهی تیمی

هزینه انجام پروژه دانشجویی با توجه به زمان آن چقدر است؟

هزینه انجام پروژه دانشجویی با توجه به زمان و حجم پروژه متغیر است. با این وجود در سیمیا بهترین قیمت ممکن را با توجه به کیفیت انجام آن به شما ارائه می دهیم.