{"title":"容错无线传感器网络中的数据缩减技术","authors":"I. C. Vasconcelos, A. L. L. Aquino","doi":"10.5753/reic.2019.1088","DOIUrl":null,"url":null,"abstract":"Este trabalho apresenta um modelo de rede de sensores tolerante a atraso para aplicações de monitoramento ambiental onde uma solução de amostragem sensível aos dados é utilizada para melhorar a cobertura do fenômeno. O modelo proposto compreende uma aplicação de monitoramento de temperatura em regiões florestais, a implementação consiste em i. Simular regiões de interesse; ii. Distribuição dos nós sensores; iii. Realizar amostragem e processamento dos dados; e iv. Reconstruir o fenômeno a partir das amostras. Os resultados obtidos apontaram que a abordagem sensível aos dados é capaz de reconstruir o fenômeno aproximadamente duas vezes mais próximo da realidade em relação às técnicas tradicionais, em todos os cenários avaliados.","PeriodicalId":403544,"journal":{"name":"Revista Eletrônica de Iniciação Científica em Computação","volume":"25 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-05-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Técnicas de redução de dados em redes de sensores sem fio tolerantes a atrasos\",\"authors\":\"I. C. Vasconcelos, A. L. L. Aquino\",\"doi\":\"10.5753/reic.2019.1088\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Este trabalho apresenta um modelo de rede de sensores tolerante a atraso para aplicações de monitoramento ambiental onde uma solução de amostragem sensível aos dados é utilizada para melhorar a cobertura do fenômeno. O modelo proposto compreende uma aplicação de monitoramento de temperatura em regiões florestais, a implementação consiste em i. Simular regiões de interesse; ii. Distribuição dos nós sensores; iii. Realizar amostragem e processamento dos dados; e iv. Reconstruir o fenômeno a partir das amostras. Os resultados obtidos apontaram que a abordagem sensível aos dados é capaz de reconstruir o fenômeno aproximadamente duas vezes mais próximo da realidade em relação às técnicas tradicionais, em todos os cenários avaliados.\",\"PeriodicalId\":403544,\"journal\":{\"name\":\"Revista Eletrônica de Iniciação Científica em Computação\",\"volume\":\"25 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2018-05-06\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Eletrônica de Iniciação Científica em Computação\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/reic.2019.1088\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Eletrônica de Iniciação Científica em Computação","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/reic.2019.1088","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Técnicas de redução de dados em redes de sensores sem fio tolerantes a atrasos
Este trabalho apresenta um modelo de rede de sensores tolerante a atraso para aplicações de monitoramento ambiental onde uma solução de amostragem sensível aos dados é utilizada para melhorar a cobertura do fenômeno. O modelo proposto compreende uma aplicação de monitoramento de temperatura em regiões florestais, a implementação consiste em i. Simular regiões de interesse; ii. Distribuição dos nós sensores; iii. Realizar amostragem e processamento dos dados; e iv. Reconstruir o fenômeno a partir das amostras. Os resultados obtidos apontaram que a abordagem sensível aos dados é capaz de reconstruir o fenômeno aproximadamente duas vezes mais próximo da realidade em relação às técnicas tradicionais, em todos os cenários avaliados.