حساسیت فشاری با توالی انتخابی بی نظم: کاربردی برای مکان یابی در شبکه‌های حسگر (سنسور) بی‌سیم

حساسیت فشاری به روش نمونه‌برداری تصادفی به تازگی در زمینه مکان‌یابی گرادیان هدف – متحرک کارآمد در شبکه‌های حسگر بی‌سیم مورد استفاده قرار گرفته‌است. پژوهش حاضر به بررسی امکان استفاده از بی نظمی قطعی در سنجش و یا به دست آوردن داده‌های اندازه‌گیری زمان ورود به جای تصادفی بودن مولفه ها می‌پردازد. دلیل به کارگیری این رویکرد این است که خروجی سیستم بی نظم به طور تجربی اثبات‌شده که به صورت تصادفی در چند مرحله عمل می‌کند. مزیت به‌دست‌آمده سهولت پیاده‌سازی بر روی سخت‌افزار سیستم است. به علاوه بر خلاف نمونه‌گیری تصادفی که مستلزم سخت گیری در بازسازی سیگنال است، بی نظمی و هرج و مرج می‌تواند به راحتی ایجاد شود تا سیگنال اصلی را پس بگیرد. از طرف دیگر، هرج و مرج می‌تواند یک بعد امنیتی به سیستم به این مفهوم اضافه کند که ایجاد مجدد یک توالی آشفته و بی نظم غیر ممکن است، مگر اینکه پارامترهای آن مشخص شوند. شبیه‌سازی‌ها نشان می‌دهند که پتانسیل امیدوارکننده روش پیشنهادی از نظر تابع خطای مکان‌یابی می‌باشد. روش پیشنهادی منجر به نتایج قابل قیاس با نتایج کار قبلی با مزیتی بیشتر از ارزان‌تر بودن در طراحی سخت‌افزا

Compressed sensing by random under-sampling has been recently used in the context of energy-efficient moving-target gradient descent localization in wireless sensor networks. The present work investigates the possibility of using deterministic chaos in sensing or acquiring time-of-arrival measurement data instead of randomness. The rationale behind this approach is that the output of a chaos system has been empirically proven to behave as random in just a few steps; the advantage gained is ease of implementation on system hardware. In addition, unlike random-sampling which entails difficulty in signal reconstruction, chaos can be re-generated easily to get back the original signal. On the other hand, chaos can add a security dimension to the system in the sense that it is impossible to re-generate a chaotic sequence unless its parameters are known. The simulations conducted reveal the promising potential of the proposed method in terms of localization error function. The proposed metho