Student | (anonymous, Login required) |
Supervisor | Prof. Dr. Ulf Kulau |
Professor | Prof. Dr.-Ing. Lars Wolf |
Project | INGA |
IBR Group | CM (Prof. Wolf) |
Type | Master Thesis |
Status | finished |
Start | 2014-02-03 |
EinleitungIn klassischen WSN Architekturen werden anfallende Daten zu einer zentralen Senke geschickt. Die Senke erhält dadurch einen globalen Blick auf die Daten des gesamten WSN. In vorangegangenen Arbeiten am IBR wurde gezeigt, dass durch selbstlernende Verfahren Knoten unterhalb ihrer spezifizierten Spannung zuverlässig betrieben werden können (Undervolting). Adaptiv wird darüber hinaus durch Einbeziehung der Umgebungsparameter (Temperatur) stets eine individuelle und optimale Energieeffizienz erreicht (Context Aware Volting). Durch den Einsatz von Context Aware Volting lassen sich u.a. folgende Thesen ableiten: Bei dem Betreiben eines Knoten außerhalb seiner Spezifikation können weiterhin Fehler auftreten, welche durch den selbstlernenden Algorithmus nicht aufgedeckt werden. Der signifikante Einfluss unterschiedlicher Temperaturen, sowie Herstellungstoleranzen führen zu einer individuellen Energieeffienz. Eine weitere Beobachtung ist, dass die Energieeffizienz des Transceivers eine signifikante Temperaturabhängigkeit aufzeigt. Diese Information kann genutzt werden, um aus Sicht der Energieeffizienz optimale Routingpfade zu bestimmen. AufgabenstellungIn dieser Arbeit sollen durch Data-Clustering an der Senke grundlegende Konzepte zur Erhöhung der Zuverlässigkeit, sowie der Energieeffizienz des gesamten WSN entwickelt werden. Dabei sollen insbesondere für die Planung und Entwicklung der eigenen Konzepte verwandte Arbeiten aus dem besagten Bereich betrachtet und bewertet werden. Zunächst sollen von einem realen WSN Daten der Umgebung aggregiert werden, sodass eine Grundlage für das Data-Clustering existiert. Gerne kann in diesem Zusammenhang auch auf bereits existierende Daten anderer Netzwerke zurückgegriffen werden. Im Anschluss an die Datenaggregation sollen die Messwerte der im WSN befindlichen Knoten an der Senke durch Data-Clustering so aufbereitet werden, dass folgende Ziele erreicht werden:
Links |
Vacancies of TU Braunschweig
Career Service' Job Exchange
Merchandising
Term Dates
Courses
Degree Programmes
Information for Freshman
TUCard
Technische Universität Braunschweig
Universitätsplatz 2
38106 Braunschweig
P. O. Box: 38092 Braunschweig
GERMANY
Phone: +49 (0) 531 391-0