چکیده فارسی:

شبکه های حسگر بی سیم برداشت انرژی EH-WSN ، از زمانی که توانایی برداشت انرژی در محیط اطراف خود را به دست آورده اند و می توانند مدت زمان بیشتری در حالت عملیاتی قرار داشته باشند، اهمیت فراوانی را در کاربردهایی نظیر خانه های هوشمند، نظارت محیطی، سیستم های حمل و نقل و سلامتی را به دست آورده اند. عملکرد این شبکه ها بر خلاف گره های موجود در شبکه های WSN است که از باتری های غیر قابل شارژ استفاده می کردند و در مواقع به اتمام رسیدن انرژی، باید باتری های آنها جایگزین می شد. به هر حال قابلیت در دسترس بودن پراکندگی انرژی در محیط اطراف، طراحی پروتکل های شبکه ایی و پیش بینی کارایی شبکه را با چالش های فراوانی روبرو می کند. ما در این مقاله به اجرای خصوصیات انرژی تجربی یک گره برداشت انرژی مبتنی بر انرژی خورشیدی شکاف زمانی، تحت پارامترهای محیطی و سیستمی متفاوت می پردازیم.

ما از شش مدل آماری ( توزیع یکنواخت، توزیع ژئومتری، توزیع ژئومتری انتقال داده شده، توزیع پوسین، توزیع تبدیل شده پوسین و مدل مارکویان) برای تنظیم دیتاست های تجربی استفاده می کنیم. نتایج بدست آمده نشان می دهند که مدل آماری نمونه ایی وجود ندارد که بتواند با کلیه دیتاست های موجود انطباق داشته باشد. از این رو به منظور اعتبار سنجی تجزیه و تحلیل هر گونه پروتکل MAC وابسته به شکاف زمانی برای EH-WSN ، نیاز است تا به منظور انطباق سازی از داده تجربی استفاده شود.

چکیده انگلیسی:

Energy harvesting wireless sensor networks (EHWSNs) are gaining importance in smart homes, environmental monitoring, health care and transportation systems, since they enable much longer operation time as energy can be replenished through energy harvesting. This is unlike WSN nodes that use non-rechargeable batteries which need to be replaced once energy is depleted. However, the sporadic availability of ambient energy makes the design of networking protocols and predicting network performance very challenging. In this paper, we perform an empirical energy characterization of a time-slotted solar energy harvesting node with different system and environmental parameters. We use six different statistical models (uniform distribution, geometric distribution, transformed geometric distribution, Poisson distribution, transformed Poisson distribution and a Markovian model) to fit the empirical datasets. Our results show that there is no single statistical model that can fit all the datasets, thus justifying the need to use empirical data to validate the theoretical analysis of any time-slotted MAC protocol for EHWSNs.