Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T01:50:04Z (GMT). No. of bitstreams: 1
284465.pdf: 2209488 bytes, checksum: 3bced3c77a103cb3e1ad65dd3ce9d5dc (MD5) / Em Redes de Sensores Sem Fio (RSSF), a fusão de dados com restrições temporais pode ser utilizada para gerar visões globais da rede e ainda compensar a baixa confiabilidade individual dos nodos. Entretanto, os nodos de uma rede com grande quantidade de nodos devem ser capazes de se auto-otimizar e auto-organizar sem a interferência de operadores humanos. Nesta tese, apresentamos diversas abordagens autonômicas para garantia de QoS em RSSF com aplicações de fusão de dados com restrições temporais. As abordagens foram validadas através de simulações utilizando TrueTime e testes em protótipos de RSSF. Uma das abordagens autonômicas utiliza algoritmo de aprendizado de máquina baseado em algoritmos genéticos. Esses algoritmos são inspirados na teoria da seleção natural e conseguem otimizar parâmetros como a eficiência da comunicação mesmo em problemas de otimização multi-objetivo. Abordagens autonômicas cientes de energia, assim como abordagens autonômicas mais simples, são também apresentadas. Uma vez que nossas abordagens foram modeladas para atuar na camada de aplicação de dispositivos compatíveis com o padrão IEEE 802.15.4, tornam-se de fácil implementação em dispositivos disponíveis comercialmente. As abordagens apresentadas mostraram um desempenho bem superior ao desempenho do protocolo IEEE 802.15.4.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/93669 |
Date | 25 October 2012 |
Creators | Pinto, Alex Sandro Roschildt |
Contributors | Universidade Federal de Santa Catarina, Montez, Carlos Barros, Dantas, Mário Antônio Ribeiro |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 143 p.| il., grafs., tabs. |
Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds