ارائۀ یک الگوریتم فازی-ژنتیک برای کنترل توان در شبکه‌های حسگر بی‌سیم بدنی

یکی از کاربردهای مهم شبکه های بی سیم در زمینۀ پزشکی، شبکه های حسگر بی سیم بدنی (wban) است. تعبیۀ حسگرهای اندازه گیر رویِ یا درون بدن انسان ایجاب می کند میزان مصرف انرژی آن ها بسیار کنترل شده و اندک باشد تا خطری برای بیمار ایجاد نشود. وجود تداخل میان گره های فرستنده و گیرندۀ مختلف در این شبکه ها چالش مهمی است که میزان مصرف انرژی در حسگرهای تشکیل دهندۀ wban را افزایش می دهد. در این مقاله، از روش کنترل کنندۀ فازیژنتیک به منظور کنترل توان انتقال در حسگرهای wban استفاده شده است. در این روش با استفاده از الگوریتم ژنتیک تلاش می شود پایگاه دانش کنترل کنندۀ فازی به گونه ای تنظیم شود که کنترل کنندۀ فازی بتواند با مدیریت توان انتقال هریک از حسگرهای wban، هم مقدار مصرف انرژی را کاهش دهد و هم کمترین میزان تداخل را با دیگر حسگرها در wbanهای همسایۀ موجود در محیط ایجاد کند. نتایج شبیه سازی نشان می دهد که روش کنترل کنندۀ فازی ژنتیک می تواند میزان مصرف توان را تا 34درصد نسبت به روش متداول کاهش دهد.

A Fuzzy Genetic Algorithm to Power Control in Wireless Body Areanet Work

Wireless Body Area Network (WBAN) is one of the most significant applications of wireless networks in medical science. The energy consumption of embedded sensors inside oron the human body should be very low not to pose any threats to the patient rsquo;s health. As an important challenge, the interference among different transmitters and receivers result in considerable growth in the energy consumption of the sensor nodes. In this paper, the fuzzygenetic based power control method is utilized to align transmission power of sensor nodes within a WBAN. This technique exploits the concepts of genetic algorithms to set up membership functions of fuzzy controller and its knowledge base so that the entire network energy consumption, through controlling the level of transmission power of each sensor, is reduced by mitigating the impact of interference in neighborhood nodes. Compared with Greedy power Control Algorithm, the proposed geneticfuzzy power control approach is shown to be able to reduce power consumption by at least 34 percent.