عنوان مقاله:
بومی سازی مونت کارلو به کمک سنسور تقویت شده برای شبکه های حسگر بی سیم و اینترنت اشیا
Robustness Enhanced Sensor Assisted Monte Carlo Localization for Wireless Sensor Networks and the Internet of Things
سال انتشار: 2022
رشته: مهندسی فناوری اطلاعات
گرایش: شبکه های کامپیوتری - سامانه های شبکه ای - اینترنت و شبکه های گسترده
دانلود رایگان این مقاله:
دانلود مقاله بومی سازی مونت کارلو
مشاهده سایر مقالات جدید:
مقالات ISI مهندسی فناوری اطلاعات
Evaluation
In this section, we introduce our methodology for evaluating RESA-MCL. First, we introduce our experimental setup and simulation parameters. Following that, we show and discuss our experimental results with respect to baseline performance, motivate parameter choices and demonstrate RESA-MCL’s robust behavior under three different types of attacks.
A. Experimental Setup
All experiments are done using an extended and improved version of the Java-based simulator originally developed and used for the evaluation MCL and also used in the evaluation of SA-MCL. The source code of our version of the simulator as well as simulation results are publicly available on Code Ocean.1 This simulator is used to ensure the comparability of results to other MCL-based algorithms (e.g. SA-MCL), which commonly also use the same code base.
All experiments are run with 300 nodes. Initial positions are chosen randomly at the start of each run. Of these, unless otherwise specified, 10 are used as anchor nodes. The experimental area is 500 × 500 m2 with a radio communication range of of 50 m. Simulations are run for 1000 steps, with each step representing a time interval of 1 s and one iteration of the localization algorithm. Each such run is repeated 10 times with a different random seed. Nodes follow a modified random waypoint movement model, where a minimum movement speed of VMin and a maximum path segment duration constraint are applied to prevent movement from degrading to low average speeds as described by Yoon et al. [23]. Specifically, movement speeds are randomly selected from the range of 10 m/s−1 to 20 m/s−1 and a limit of at maximum five time steps per path segment is imposed. An error of 20% is applied to both the sensed speed and direction to include the effect of noisy sensors in the evaluation of our scheme and enable a fair comparison to SA-MCL. RSS or link quality between nodes is not considered beyond basic connectivity, which is all that is required in range-free localization schemes.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
ارزیابی
در این بخش، روش خود را برای ارزیابی RESA-MCL معرفی می کنیم. ابتدا، تنظیمات آزمایشی و پارامترهای شبیه‌سازی را معرفی می‌کنیم. پس از آن، نتایج تجربی خود را با توجه به عملکرد پایه نشان داده و مورد بحث قرار می‌دهیم، انتخاب پارامترها را ایجاد می‌کنیم و رفتار قوی RESA-MCL را تحت سه نوع حمله مختلف نشان می‌دهیم.
الف. راه اندازی آزمایشی
همه آزمایش‌ها با استفاده از یک نسخه توسعه‌یافته و بهبودیافته شبیه‌ساز مبتنی بر جاوا که در اصل برای ارزیابی MCL توسعه یافته و استفاده می‌شود و همچنین در ارزیابی SA-MCL استفاده می‌شود، انجام می‌شود. کد منبع نسخه شبیه‌ساز ما و همچنین نتایج شبیه‌سازی به‌طور عمومی در Code Ocean در دسترس هستند. این شبیه‌ساز برای اطمینان از مقایسه نتایج با سایر الگوریتم‌های مبتنی بر MCL (مانند SA-MCL)، که معمولاً از همان پایه کد
