Self-Adaptive Sampling Rate to Improve Network Lifetime using Watchdog Sensor and Context Recognition in Wireless Body Sensor Networks
محل انتشار: مجله مهندسی برق مجلسی، دوره: 14، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 131
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-14-3_002
تاریخ نمایه سازی: 25 بهمن 1401
چکیده مقاله:
Todays, Wireless Body Sensor Networks (WBSNs) are used as a useful way in health monitoring. One of the most important problems regarding Wireless Body Sensor Network (WBSNs) is network lifetime. This factor mainly relies on the energy consumption of sensors. In fact, during capturing vital sign data and also communicating them to the coordinator, the biosensors consume energy. In this article, we are interested to propose an energy efficient Adaptive Sampling (AS) rate specification algorithm to set the amount of sensed data. According to the National Early Warning Score (NEWS), the sensors gather data and detect emergency data. Two scenarios have been used; the first is utilizing context recognition to indicate the active and sleep sensors in different time slices and the second is using watchdog sensors for checking patient situation in critical condition. Simulation results show that the proposed method can save energy and increase network lifetime by up to ۴ times more than the previous work. In addition, our methods allow on average ۷۵% improvement in overhead data reduction while maintaining more than ۹۰% data integrity.
نویسندگان
Hamid Mehdi
Department of Computer Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
Houman Zarrabi
ICT Research Center, Tehran, Iran
Ahmad Khadem Zadeh
Computer engineering department, Science and Research Branch, Islamic Azad University, Tehran, Iran
AmirMasoud Rahmani
Computer engineering department, Science and Research Branch, Islamic Azad University, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :