کیفیت سرویس سیستم نظارت بر سلامت در شبکه WBAN مبتنی بر ابر با نرم افزار NS2
چندین تکنیک و الگوریتم جدید برای دستیابی به هدف ما پیشنهاد شده است. ابتدا، مفهوم طبقه بندی و تجمیع داده ها برای جلوگیری از مسدود شدن شبکه با ترافیک داده های غیر ضروری استفاده می شود. دوم، یک سیاست تخصیص کانال پویا برای توزیع WBAN های مرتبط با کاربران در کانال های فرکانس موجود برای مدیریت تداخل ایجاد شده است.
سوم، یک متریک مسیریابی آگاه از تاخیر پیشنهاد شده است که توسط ابر محلی در ارتباطات چندگانه برای سرعت بخشیدن به فرآیند گزارش دهی داده های مرتبط با سلامت استفاده می شود. چهارم، معیار آگاه از تاخیر که بیشتر توسط پروتکل های ارتباطی مورد استفاده شبکه های WBAN برای اتصال با ابر محلی مورد استفاده قرار می گیرد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
چندین تکنیک و الگوریتم جدید برای دستیابی به هدف ما پیشنهاد شده است. ابتدا، مفهوم طبقه بندی و تجمیع داده ها برای جلوگیری از مسدود شدن شبکه با ترافیک داده های غیر ضروری استفاده می شود. دوم، یک سیاست تخصیص کانال پویا برای توزیع WBAN های مرتبط با کاربران در کانال های فرکانس موجود برای مدیریت تداخل ایجاد شده است.
سوم، یک متریک مسیریابی آگاه از تاخیر پیشنهاد شده است که توسط ابر محلی در ارتباطات چندگانه برای سرعت بخشیدن به فرآیند گزارش دهی داده های مرتبط با سلامت استفاده می شود. چهارم، معیار آگاه از تاخیر که بیشتر توسط پروتکل های ارتباطی مورد استفاده شبکه های WBAN برای اتصال با ابر محلی مورد استفاده قرار می گیرد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
آموزش پیاده سازی پروتکل های لایه اپلیکیشن برای شبکه سیسکو
در این دوره مهم ترین پروتکل های لایه اپلیکیشن مورد ارزیابی قرار می گیرید و به اجرای شبکه کمک می کند. همینطور یادگیری این آموزش به شما کمک می کند تا به سادگی به منابع موجود در شبکه داخلی و اینترنت دسترسی داشته باشید. در ادامه شما با پروتکل های Application Layer آشنا خواهید شد و به شما در نگهداری اصولی و بهینه عملکرد یک شبکه مانند DHCP ، DNS ، Syslog و NTP کمک خواهد کرد. از این پروتکل ها مهندسین شبکه به منظور نگهداری شبکه ها و همینطور ایجاد یک تجربه کاربری بهتر استفاده می کنند.
در ادامه آموزش شما با دیگر پروتکل های لایه اپلیکیشن مثل HTTP و FTP و همچنین چگونگی استفاده از آنها توسط کاربران جهت مرور وب سایت ها یا دانلود فایل ها آشنا می شوید. شما با مشاهده کامل این آموزش، دانش پایه ای از DHCP ، DNS ، FTP ، HTTP ، NTP و Syslog را خواهید داشت.
⏬ اطلاعات بیشتر و دانلود رایگان از لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این دوره مهم ترین پروتکل های لایه اپلیکیشن مورد ارزیابی قرار می گیرید و به اجرای شبکه کمک می کند. همینطور یادگیری این آموزش به شما کمک می کند تا به سادگی به منابع موجود در شبکه داخلی و اینترنت دسترسی داشته باشید. در ادامه شما با پروتکل های Application Layer آشنا خواهید شد و به شما در نگهداری اصولی و بهینه عملکرد یک شبکه مانند DHCP ، DNS ، Syslog و NTP کمک خواهد کرد. از این پروتکل ها مهندسین شبکه به منظور نگهداری شبکه ها و همینطور ایجاد یک تجربه کاربری بهتر استفاده می کنند.
در ادامه آموزش شما با دیگر پروتکل های لایه اپلیکیشن مثل HTTP و FTP و همچنین چگونگی استفاده از آنها توسط کاربران جهت مرور وب سایت ها یا دانلود فایل ها آشنا می شوید. شما با مشاهده کامل این آموزش، دانش پایه ای از DHCP ، DNS ، FTP ، HTTP ، NTP و Syslog را خواهید داشت.
⏬ اطلاعات بیشتر و دانلود رایگان از لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
پیش بینی تحرک سنسورها در شبکه WBAN مبتنی بر IOT با NS2
در مقاله پایه این پروژه، یک شبکه جدید و طرح پیش بینی حرکت توزیع شده با نام (DMP-IOT) ارائه می شود که مسیر حرکت گره های حسگر سیار در برنامه های مراقبت بهداشتی را برای کاهش هزینه انتقال از گره حسگر سیار پیش بینی می کند. برای این منظور، از مدل مخفی مارکوف (HMM) مرتبه دوم جهت پیش بینی تحرک در برنامه مراقبت بهداشتی استفاده می شود.
روش DMP-IOT شامل مکانیسم بازیابی پیش بینی کاذب است که از قطع اتصال گره حسگر سیار در IOT به شبکه در صورت پیش بینی شتباه حرکات بیمار اجتناب می کند. با استفاده از مکانیزم بازیابی، دست یابی به پیش بینی اشتباه تحت تاثیر قرار نمی گیرد و اتصال گره حسگر سیار به شبکه قطع نخواهد شد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در مقاله پایه این پروژه، یک شبکه جدید و طرح پیش بینی حرکت توزیع شده با نام (DMP-IOT) ارائه می شود که مسیر حرکت گره های حسگر سیار در برنامه های مراقبت بهداشتی را برای کاهش هزینه انتقال از گره حسگر سیار پیش بینی می کند. برای این منظور، از مدل مخفی مارکوف (HMM) مرتبه دوم جهت پیش بینی تحرک در برنامه مراقبت بهداشتی استفاده می شود.
روش DMP-IOT شامل مکانیسم بازیابی پیش بینی کاذب است که از قطع اتصال گره حسگر سیار در IOT به شبکه در صورت پیش بینی شتباه حرکات بیمار اجتناب می کند. با استفاده از مکانیزم بازیابی، دست یابی به پیش بینی اشتباه تحت تاثیر قرار نمی گیرد و اتصال گره حسگر سیار به شبکه قطع نخواهد شد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
آموزش شبیه سازی سیستم ارتباطی 5G با نرم افزار MATLAB
در این دوره آموزشی کد های متلب به صورت مرحله به مرحله برای تخمین ظرفیت، نرخ خطای بیت (BER) و احتمال قطع برای سیستم ارتباطی دسترسی چندگانه غیر متعامد (NOMA) مورد بررسی قرار می گیرد. این دوره برای دانشجویان کارشناسی و کارشناسی ارشد مرتبط با گروه مهندسی الکترونیک و ارتباطات طراحی شده است.
محتوای این دوره آموزش شبیه سازی نسل پنجم شبکه تلفن همراه (5G) در متلب دارای ۹ بخش است که در هر قسمت توضیحات تئوری و کد های MATLAB برای شبیه سازی اعداد و ارقامی که از طریق توضیح دوره به دست آمده را مورد بحث قرار می دهد. این دوره آموزشی باعث صرفه جویی چندین ماهه در تحقیقات و مطالعه دانشجویان علاقه مند به مباحث مرتبط می شود.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این دوره آموزشی کد های متلب به صورت مرحله به مرحله برای تخمین ظرفیت، نرخ خطای بیت (BER) و احتمال قطع برای سیستم ارتباطی دسترسی چندگانه غیر متعامد (NOMA) مورد بررسی قرار می گیرد. این دوره برای دانشجویان کارشناسی و کارشناسی ارشد مرتبط با گروه مهندسی الکترونیک و ارتباطات طراحی شده است.
محتوای این دوره آموزش شبیه سازی نسل پنجم شبکه تلفن همراه (5G) در متلب دارای ۹ بخش است که در هر قسمت توضیحات تئوری و کد های MATLAB برای شبیه سازی اعداد و ارقامی که از طریق توضیح دوره به دست آمده را مورد بحث قرار می دهد. این دوره آموزشی باعث صرفه جویی چندین ماهه در تحقیقات و مطالعه دانشجویان علاقه مند به مباحث مرتبط می شود.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
کیفیت سرویس در شبکه BGP-MPLS VPN مبتنی بر DiffServ با OPNET
در این مقاله ساختار BGP-MPLS VPN ارائه شده و با پیاده سازی شبکه MPLS مبتنی بر DiffServ بر روی VPN کیفیت سرویس در شبکه مورد ارزیابی قرار می گیرد و با استفاده از نرم افزار شبیه ساز OPNET مکانیزم های مختلف به منظور افزایش کیفیت سرویس در شبکه، در قالب سناریو های مختلف شبیه سازی می گردد.
در بیشتر تکنیک های ارایه شده قبلی، با افزایش منابع برای ترافیک های اولویت پایین تر مثل BE و AF ترافیک های اولویت بالاتر همچون (Video, Voice) EF ، خدشه دار شده است. در این مقاله با اعمال روش های مدیریت و اجتناب از ازدحام برای ترافیک های با اولویت پایین تر و همینطور مهندسی ترافیک، نتایج بهینه تری برای ارایه کیفیت سرویس به ترافیک هایی که فوق العاده حساس به تاخیر هستند، نسبت به روش های قبلی ارایه شده است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این مقاله ساختار BGP-MPLS VPN ارائه شده و با پیاده سازی شبکه MPLS مبتنی بر DiffServ بر روی VPN کیفیت سرویس در شبکه مورد ارزیابی قرار می گیرد و با استفاده از نرم افزار شبیه ساز OPNET مکانیزم های مختلف به منظور افزایش کیفیت سرویس در شبکه، در قالب سناریو های مختلف شبیه سازی می گردد.
در بیشتر تکنیک های ارایه شده قبلی، با افزایش منابع برای ترافیک های اولویت پایین تر مثل BE و AF ترافیک های اولویت بالاتر همچون (Video, Voice) EF ، خدشه دار شده است. در این مقاله با اعمال روش های مدیریت و اجتناب از ازدحام برای ترافیک های با اولویت پایین تر و همینطور مهندسی ترافیک، نتایج بهینه تری برای ارایه کیفیت سرویس به ترافیک هایی که فوق العاده حساس به تاخیر هستند، نسبت به روش های قبلی ارایه شده است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
آموزش مهندسی ارتباطات بی سیم با نرم افزار MATLAB
در این دوره آموزشی نرم افزار MATLAB برای مهندسی ارتباطات بی سیم ، کد های متلب به صورت گام به گام برای تخمین نرخ خطای بیت (BER) ، تخمین آفست فرکانس حامل (CFO) و تخمین نسبت توان اوج به متوسط (PAPR) در سیستم های ارتباطی مانند مدولاسیون تقسیم فرکانس عمود برهم (OFDM) و دسترسی چندگانه غیر متعامد (NOMA) ارائه می شود. این دوره برای دانشجویان کارشناسی و کارشناسی ارشد مرتبط با گروه مهندسی الکترونیک و ارتباطات طراحی شده است. این دوره آموزشی باعث صرفه جویی چندین ماهه در تحقیقات و مطالعه دانشجویان علاقه مند به مباحث مرتبط خواهد شد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این دوره آموزشی نرم افزار MATLAB برای مهندسی ارتباطات بی سیم ، کد های متلب به صورت گام به گام برای تخمین نرخ خطای بیت (BER) ، تخمین آفست فرکانس حامل (CFO) و تخمین نسبت توان اوج به متوسط (PAPR) در سیستم های ارتباطی مانند مدولاسیون تقسیم فرکانس عمود برهم (OFDM) و دسترسی چندگانه غیر متعامد (NOMA) ارائه می شود. این دوره برای دانشجویان کارشناسی و کارشناسی ارشد مرتبط با گروه مهندسی الکترونیک و ارتباطات طراحی شده است. این دوره آموزشی باعث صرفه جویی چندین ماهه در تحقیقات و مطالعه دانشجویان علاقه مند به مباحث مرتبط خواهد شد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
تشخیص و جلوگیری از نفوذ در پروتکل DD-TL-LEACH با کنترلر SDN در NS2
در راهکار پیشنهادی این پروژه تشخیص و جلوگیری از نفوذ (IDPS) تمرکز ما بر روی پروتکل DD-TL-LEACH می باشد. پروتکل DD-TL-LEACH یک پروتکل مبتنی بر LEACH دو سطحی و به صورت توزیع مستقیم می باشد. در پروتکل ذکر شده نیز نفوذ های امنیتی وجود دارد که در این پروژه برای تشخیص و جلوگیری از گره های خود خواه، راهکار زیر را پیشنهاد خواهیم داد.
در ابتدا با تعدادی گره اولیه شبکه را تشکیل می دهیم. در ادامه کار باید برای هر گره انرژی اولیه تعریف شود. سپس با روش Leach خوشه بندی خواهیم کرد و سرخوشه را به عنوان کنترل کننده SDN انتخاب می کنیم. این کنترل کننده بر شبکه نظارت می کند تا گره های خود خواه را شناسایی کند گره خود خواه گره هایی هستند که انرژی آنها پس از هر بار چک کردن تغییر نکرده باشد یعنی پکت ارسال نکرده باشد. پس از شناسایی گره خود خواه آن گره به لیست گره های خود خواه اضافه و از خوشه حذف می شود. پس از انجام مراحل فوق، الگوریتم مسیریابی Leach اعمال می شود.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در راهکار پیشنهادی این پروژه تشخیص و جلوگیری از نفوذ (IDPS) تمرکز ما بر روی پروتکل DD-TL-LEACH می باشد. پروتکل DD-TL-LEACH یک پروتکل مبتنی بر LEACH دو سطحی و به صورت توزیع مستقیم می باشد. در پروتکل ذکر شده نیز نفوذ های امنیتی وجود دارد که در این پروژه برای تشخیص و جلوگیری از گره های خود خواه، راهکار زیر را پیشنهاد خواهیم داد.
در ابتدا با تعدادی گره اولیه شبکه را تشکیل می دهیم. در ادامه کار باید برای هر گره انرژی اولیه تعریف شود. سپس با روش Leach خوشه بندی خواهیم کرد و سرخوشه را به عنوان کنترل کننده SDN انتخاب می کنیم. این کنترل کننده بر شبکه نظارت می کند تا گره های خود خواه را شناسایی کند گره خود خواه گره هایی هستند که انرژی آنها پس از هر بار چک کردن تغییر نکرده باشد یعنی پکت ارسال نکرده باشد. پس از شناسایی گره خود خواه آن گره به لیست گره های خود خواه اضافه و از خوشه حذف می شود. پس از انجام مراحل فوق، الگوریتم مسیریابی Leach اعمال می شود.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
انتخاب گره های رله چند نقطه ای (MPR) در پروتکل OLSR با متلب
پروتکل مسیریابی حالت پیوند بهینه (OLSR) یکی از روش های مسیریابی می باشد که برای شبکه های موقت تلفن همراه (MANET) بهینه شده که در دیگر شبکه های بی سیم موقت نیز کاربرد دارد. پروتکل OLSR یک پروتکل Proactive یا فعال است که از پیام های Hello و کنترل توپولوژی (CT) به منظور کشف و انتشار اطلاعات وضعیت پیوند به شبکه موقت تلفن همراه (شبکه ad hoc) استفاده می کند. در این پروتکل با استفاده از پیام های Hello ، هر گره اطلاعات همسایه ۲ هاپ را کشف می کند و مجموعه ای از رله های چند نقطه (MPR) را انتخاب می کند. MPR ها پروتکل OLSR را از دیگر پروتکل های مسیریابی حالت پیوند منحصر به فرد می کنند. گره های فردی از اطلاعات توپولوژی جهت محاسبه مسیر های بعدی هاپ با توجه به تمامی گره های شبکه با استفاده از کوتاه ترین مسیر های انتقال هاپ استفاده می کنند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
پروتکل مسیریابی حالت پیوند بهینه (OLSR) یکی از روش های مسیریابی می باشد که برای شبکه های موقت تلفن همراه (MANET) بهینه شده که در دیگر شبکه های بی سیم موقت نیز کاربرد دارد. پروتکل OLSR یک پروتکل Proactive یا فعال است که از پیام های Hello و کنترل توپولوژی (CT) به منظور کشف و انتشار اطلاعات وضعیت پیوند به شبکه موقت تلفن همراه (شبکه ad hoc) استفاده می کند. در این پروتکل با استفاده از پیام های Hello ، هر گره اطلاعات همسایه ۲ هاپ را کشف می کند و مجموعه ای از رله های چند نقطه (MPR) را انتخاب می کند. MPR ها پروتکل OLSR را از دیگر پروتکل های مسیریابی حالت پیوند منحصر به فرد می کنند. گره های فردی از اطلاعات توپولوژی جهت محاسبه مسیر های بعدی هاپ با توجه به تمامی گره های شبکه با استفاده از کوتاه ترین مسیر های انتقال هاپ استفاده می کنند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
تجزیه و تحلیل امنیت خانه هوشمند با نرم افزار شبیه ساز Packet Tracer
در این مقاله توسعه خانه هوشمند با استفاده از ابزار های موجود در برنامه پکت تریسر ارائه می شود. یک شبکه خانه هوشمند متشکل از دستگاه های هوشمند، روترها، دروازه ها، کاربر راه دور و سرویس های ابری طراحی و پیکربندی شده اند تا از خدمات واقعی خانه هوشمند تقلید کنند که امکان نظارت و اتوماسیون از راه دور را فراهم می کند.
طراحی شامل چند دستگاه خانه هوشمند مانند چراغ، پنکه، گاراژ، زنگ هشدار، RFID و چند دستگاه دیگر است. سپس همه دستگاه ها به روتر بی سیم نصب شده در محدوده قابل دسترس در خانه متصل شدند. روتر به Gateway متصل است و به اینترنت نیز دسترسی دارد که از سرور ها و فضای ذخیره سازی ابری تشکیل شده است. به طور کلی، طراحی را می توان به چهار بخش طبقه بندی کرد که عبارتند از حسگرها و محرک ها، روتر و دروازه، ارائه دهنده خدمات ابری و در نهایت رابط های کاربری که امکان نظارت و کنترل از راه دور خانه هوشمند را فراهم می کند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این مقاله توسعه خانه هوشمند با استفاده از ابزار های موجود در برنامه پکت تریسر ارائه می شود. یک شبکه خانه هوشمند متشکل از دستگاه های هوشمند، روترها، دروازه ها، کاربر راه دور و سرویس های ابری طراحی و پیکربندی شده اند تا از خدمات واقعی خانه هوشمند تقلید کنند که امکان نظارت و اتوماسیون از راه دور را فراهم می کند.
طراحی شامل چند دستگاه خانه هوشمند مانند چراغ، پنکه، گاراژ، زنگ هشدار، RFID و چند دستگاه دیگر است. سپس همه دستگاه ها به روتر بی سیم نصب شده در محدوده قابل دسترس در خانه متصل شدند. روتر به Gateway متصل است و به اینترنت نیز دسترسی دارد که از سرور ها و فضای ذخیره سازی ابری تشکیل شده است. به طور کلی، طراحی را می توان به چهار بخش طبقه بندی کرد که عبارتند از حسگرها و محرک ها، روتر و دروازه، ارائه دهنده خدمات ابری و در نهایت رابط های کاربری که امکان نظارت و کنترل از راه دور خانه هوشمند را فراهم می کند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
بازخورد کانال برای سیستم MIMO عظیم موج میلیمتری با آرایه آنتن لنز در متلب
در این پروژه یک روش جدید با نام RDSC برای سیستم های MIMO عظیم موج میلیمتری با کمک LAA پیشنهاد می شود. به طور خاص، تحت مفهوم پیشنهادی اخیر در زمان انسجام زاویه، ابتدا بردار های بزرگ تر را در زیر فضای کانال تولید می کنیم که توسط زاویه خروج (AoDs) مسیر های غالب تعیین می شود. سپس بر اساس این بردارها در زیر فضای کانال، با در نظر گرفتن هر دو لنز و انتخاب پرتو، RDSC را ایجاد می کنیم. در نهایت، کانال معادل با استفاده از RDSC پیشنهادی کوانتیزه می شود و به BS بازخورد خواهد شد. در نهایت، ما تحلیل عملکرد ریاضی RDSC پیشنهادی را انجام داده و نشان می دهیم که سربار بازخورد آن متناسب با تعداد نسبتا کمی مسیر های غالب برای هر کاربر ارائه می شود. نتایج تجزیه و تحلیل با شبیه سازی در نرم افزار متلب تایید می شود.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این پروژه یک روش جدید با نام RDSC برای سیستم های MIMO عظیم موج میلیمتری با کمک LAA پیشنهاد می شود. به طور خاص، تحت مفهوم پیشنهادی اخیر در زمان انسجام زاویه، ابتدا بردار های بزرگ تر را در زیر فضای کانال تولید می کنیم که توسط زاویه خروج (AoDs) مسیر های غالب تعیین می شود. سپس بر اساس این بردارها در زیر فضای کانال، با در نظر گرفتن هر دو لنز و انتخاب پرتو، RDSC را ایجاد می کنیم. در نهایت، کانال معادل با استفاده از RDSC پیشنهادی کوانتیزه می شود و به BS بازخورد خواهد شد. در نهایت، ما تحلیل عملکرد ریاضی RDSC پیشنهادی را انجام داده و نشان می دهیم که سربار بازخورد آن متناسب با تعداد نسبتا کمی مسیر های غالب برای هر کاربر ارائه می شود. نتایج تجزیه و تحلیل با شبیه سازی در نرم افزار متلب تایید می شود.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
فیلم آموزش شبکه های رادیویی شناختی (CRN) – مقدماتی
این آموش یک دوره مقدماتی برای شبکه های CRN است. رادیو شناختی مفهومی است که برای حمله به موضوع بحران آتی طیف و استفاده فرصت طلبانه از طیف معرفی شده است. شبکه رادیو شناختی یک رشته و موضوع نوظهور می باشد که برای دانشجویان کارشناسی و کارشناسی ارشد جهت درک مفاهیم اولیه فناوری مفید است. فرصت ها و چالش های پژوهشی مختلفی در شبکه های رادیو شناختی (Cognitive Radio Networks) وجود دارد.
تخصیص منابع و بهینه سازی آن تحت محدودیت های مختلف برای بهبود عملکرد سیستم ضروری است. هر محققی که در این زمینه مبتدی است می تواند با این مفاهیم اولیه در دوره آموزشی شبکه CRN شروع کند و فرصت های تحقیقاتی مختلف را بررسی کند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
این آموش یک دوره مقدماتی برای شبکه های CRN است. رادیو شناختی مفهومی است که برای حمله به موضوع بحران آتی طیف و استفاده فرصت طلبانه از طیف معرفی شده است. شبکه رادیو شناختی یک رشته و موضوع نوظهور می باشد که برای دانشجویان کارشناسی و کارشناسی ارشد جهت درک مفاهیم اولیه فناوری مفید است. فرصت ها و چالش های پژوهشی مختلفی در شبکه های رادیو شناختی (Cognitive Radio Networks) وجود دارد.
تخصیص منابع و بهینه سازی آن تحت محدودیت های مختلف برای بهبود عملکرد سیستم ضروری است. هر محققی که در این زمینه مبتدی است می تواند با این مفاهیم اولیه در دوره آموزشی شبکه CRN شروع کند و فرصت های تحقیقاتی مختلف را بررسی کند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
پخش قابل اعتماد پیام های دوره ای در شبکه VANET با پروتکل DTMAC در NS2
در این مقاله یک پروتکل جدید مبتنی بر TDMA توزیع شده MAC به نام DTMAC ارائه می کنیم که به طور خاص برای یک سناریوی بزرگراه توسعه یافته است. پروتکل DTMAC برای ارائه کارآمد پیام های ایمنی دوره ای و رویداد محور طراحی شده است.
این پروتکل از موقعیت مکانی خودروها و مفهوم بکارگیری مجدد اسلات استفاده می کند تا اطمینان حاصل شود که خودروها در مناطق مجاور دارای برنامه زمانی بدون برخورد هستند. نتایج شبیه سازی با نرم افزار NS2 و تجزیه و تحلیل در یک سناریوی بزرگراه برای ارزیابی عملکرد پروتکل DTMAC و مقایسه آن با پروتکل VeMAC ارائه شده است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این مقاله یک پروتکل جدید مبتنی بر TDMA توزیع شده MAC به نام DTMAC ارائه می کنیم که به طور خاص برای یک سناریوی بزرگراه توسعه یافته است. پروتکل DTMAC برای ارائه کارآمد پیام های ایمنی دوره ای و رویداد محور طراحی شده است.
این پروتکل از موقعیت مکانی خودروها و مفهوم بکارگیری مجدد اسلات استفاده می کند تا اطمینان حاصل شود که خودروها در مناطق مجاور دارای برنامه زمانی بدون برخورد هستند. نتایج شبیه سازی با نرم افزار NS2 و تجزیه و تحلیل در یک سناریوی بزرگراه برای ارزیابی عملکرد پروتکل DTMAC و مقایسه آن با پروتکل VeMAC ارائه شده است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
شبیه سازی تحرک در بزرگراه و شبکه ادهاک بین خودرویی (VANET) با NS3
در این پروژه یک مدل شناخته شده تحرک خودرو در نرم افزار NS3 که نسل بعدی شبیه ساز شبکه NS2 می باشد، انجام شده است. تحرک خودرو و ارتباطات شبکه از طریق رویداد های یکپارچه سازی می شوند. کنترل کننده های رویداد ایجاد شده توسط کاربر می توانند هر بار که یک پیام شبکه دریافت می شود و هر بار که حرکت خودرو توسط مدل به روز رسانی می شود، پیام های شبکه را ارسال کنند یا نوع تحرک خودرو را تغییر دهند.
برای کمک به ایجاد شبیه سازی، ما یک مدل بزرگراه مستقیم را پیاده سازی کرده ایم که تحرک خودرو را مدیریت می کند، در حالی که امکان سفارشی سازی های مختلف کاربر را فراهم می کند. ما نشان می دهیم که نتایج اجرای مدل تحرک ما با مدل نویسنده مطابقت دارد و مثالی از استفاده از پیاده سازی ما در NS3 ارائه می شود.
⏬ اطلاعات بیشتر و دانلود رایگان در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این پروژه یک مدل شناخته شده تحرک خودرو در نرم افزار NS3 که نسل بعدی شبیه ساز شبکه NS2 می باشد، انجام شده است. تحرک خودرو و ارتباطات شبکه از طریق رویداد های یکپارچه سازی می شوند. کنترل کننده های رویداد ایجاد شده توسط کاربر می توانند هر بار که یک پیام شبکه دریافت می شود و هر بار که حرکت خودرو توسط مدل به روز رسانی می شود، پیام های شبکه را ارسال کنند یا نوع تحرک خودرو را تغییر دهند.
برای کمک به ایجاد شبیه سازی، ما یک مدل بزرگراه مستقیم را پیاده سازی کرده ایم که تحرک خودرو را مدیریت می کند، در حالی که امکان سفارشی سازی های مختلف کاربر را فراهم می کند. ما نشان می دهیم که نتایج اجرای مدل تحرک ما با مدل نویسنده مطابقت دارد و مثالی از استفاده از پیاده سازی ما در NS3 ارائه می شود.
⏬ اطلاعات بیشتر و دانلود رایگان در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
بهینه سازی شبکه VANET در سناریو بزرگراه با نرم افزار NS3
در مقاله Highway Mobility and Vehicular Ad-Hoc Networks in NS-3 نویسندگان یک شبیه ساز خودرو را در مدل متحرک شبیه ساز شبکه NS3 پیاده سازی کردند. در حالی که یک گام رو به جلو بود، اما دامنه اجرای آن به یک بزرگراه دو جهته با حداکثر ۵ لاین در هر دو جهت محدود شده بود.
ما این مدل را بهبود داده ایم تا بزرگراه ها را در هر جهت مجاز بدانیم و به بزرگراه های دیگر متصل شویم و به خودروها اجازه دهیم که با توجه به مقصد مورد نظر، از سمت چپ یا راست جاده حرکت کنند. سایر پیشرفت های ما نسبت به مقاله آنها، پیکربندی مبتنی بر XML ، کد جداگانه برای تولید نمونه های خودرو، و عملکرد اصلی چراغ راهنمایی می باشد.
⏬ اطلاعات بیشتر و دانلود رایگان در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در مقاله Highway Mobility and Vehicular Ad-Hoc Networks in NS-3 نویسندگان یک شبیه ساز خودرو را در مدل متحرک شبیه ساز شبکه NS3 پیاده سازی کردند. در حالی که یک گام رو به جلو بود، اما دامنه اجرای آن به یک بزرگراه دو جهته با حداکثر ۵ لاین در هر دو جهت محدود شده بود.
ما این مدل را بهبود داده ایم تا بزرگراه ها را در هر جهت مجاز بدانیم و به بزرگراه های دیگر متصل شویم و به خودروها اجازه دهیم که با توجه به مقصد مورد نظر، از سمت چپ یا راست جاده حرکت کنند. سایر پیشرفت های ما نسبت به مقاله آنها، پیکربندی مبتنی بر XML ، کد جداگانه برای تولید نمونه های خودرو، و عملکرد اصلی چراغ راهنمایی می باشد.
⏬ اطلاعات بیشتر و دانلود رایگان در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
پروتکل های مسیریابی در شبکه MANET با الگوریتم ACO مبتنی بر QoS
هدف این مقاله بررسی و ارزیابی جامعی بر روی پروتکل های مسیریابی مبتنی بر الگوریتم ACO در شبکه MANET می باشد که در بخش اول ارائه شده است. بقیه مطالب مقاله به شرح زیر است: الگوریتم پایه کلونی مورچه ها (Ant Colony Optimization – ACO) در بخش دوم معرفی شده است. بخش سوم طبقه بندی پروتکل های مسیریابی شبکه های MANET مبتنی بر ACO را شرح می دهد. بخش چهارم الگوریتم های مسیریابی مختلف شبکه MANET مبتنی بر کیفیت سرویس (QoS) و الگوریتم ACO را توضیح می دهد.
همچنین بخش پنجم به صورت خلاصه جدولی را برای توصیف تحلیل مقایسه ای پارامتر های شبیه سازی پروتکل های بررسی شده بر اساس الگوریتم ACO ارائه می دهد. در نهایت، کل کار مطالعه با نتیجه گیری در بخش ششم خلاصه شده است.
⏬ اطلاعات بیشتر و دانلود رایگان در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
هدف این مقاله بررسی و ارزیابی جامعی بر روی پروتکل های مسیریابی مبتنی بر الگوریتم ACO در شبکه MANET می باشد که در بخش اول ارائه شده است. بقیه مطالب مقاله به شرح زیر است: الگوریتم پایه کلونی مورچه ها (Ant Colony Optimization – ACO) در بخش دوم معرفی شده است. بخش سوم طبقه بندی پروتکل های مسیریابی شبکه های MANET مبتنی بر ACO را شرح می دهد. بخش چهارم الگوریتم های مسیریابی مختلف شبکه MANET مبتنی بر کیفیت سرویس (QoS) و الگوریتم ACO را توضیح می دهد.
همچنین بخش پنجم به صورت خلاصه جدولی را برای توصیف تحلیل مقایسه ای پارامتر های شبیه سازی پروتکل های بررسی شده بر اساس الگوریتم ACO ارائه می دهد. در نهایت، کل کار مطالعه با نتیجه گیری در بخش ششم خلاصه شده است.
⏬ اطلاعات بیشتر و دانلود رایگان در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
شبیه سازی پروتکل مسیریابی GPSR با نرم افزار NS3
شبیه سازی ارائه شده در این مقاله مقیاس پذیری GPSR را در شبکه های بی سیم متراکم نشان می دهد. یک نسخه قدیمی از پیاده سازی GPSR که با نرم افزار شبیه ساز NS3 نسخه ۳٫۲۹ ادغام شده است به راحتی از مخزن گیت هاب برای دانلود رایگان قرار داده شده که لینک آن در دسترس است.
این پیاده سازی بر اساس کد António Fonseca [3] انجام شده است. برای جزئیات بیشتر در مورد این پیاده سازی، می توان به مرجع [۲] مراجعه کرد. در این مقاله سعی داریم این نسخه خاص از نرم افزار شبیه سازی NS3 را تحت chroot jail کامپایل کنیم.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
شبیه سازی ارائه شده در این مقاله مقیاس پذیری GPSR را در شبکه های بی سیم متراکم نشان می دهد. یک نسخه قدیمی از پیاده سازی GPSR که با نرم افزار شبیه ساز NS3 نسخه ۳٫۲۹ ادغام شده است به راحتی از مخزن گیت هاب برای دانلود رایگان قرار داده شده که لینک آن در دسترس است.
این پیاده سازی بر اساس کد António Fonseca [3] انجام شده است. برای جزئیات بیشتر در مورد این پیاده سازی، می توان به مرجع [۲] مراجعه کرد. در این مقاله سعی داریم این نسخه خاص از نرم افزار شبیه سازی NS3 را تحت chroot jail کامپایل کنیم.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
آموزش نصب Castalia در OMNET برای شبیه سازی شبکه WSN و BAN
کاستالیا یک شبیه ساز برای شبکه های حسگر بی سیم (WSN) شبکه های ناحیه بدن (BAN) و به طور کلی شبکه های دستگاه های تعبیه شده کم مصرف می باشد. این ابزار بر اساس یک نسخه قدیمی نرم افزار OmNet++ ساخته شده است. جدید ترین نسخه کاستالیا Castalia (3.3) با نسخه های قدیمی امنت بین ۴٫۳ و ۴٫۶ کار می کند. توجه داشته باشید که نسخه های بالاتر نرم افزار شبیه ساز امنت با ابزار Castalia سازگار نیستند.
این ابزار می تواند توسط محققان و توسعه دهندگانی که می خواهند الگوریتم ها یا پروتکل های توزیع شده خود را در مدل های کانال بی سیم و رادیویی واقعی، با رفتار گره های واقع گرایانه به ویژه در ارتباط با دسترسی به رادیو، آزمایش کنند، مورد استفاده قرار بگیرد. این مقاله نحوه نصب نسخه قدیمی OmNet++ با Castalia 3.3 را بر روی chrooted 64 bit Debian 8 (Jessie) تحت میزبانی سیستم عامل لینوکس Debian 11 نشان می دهد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
کاستالیا یک شبیه ساز برای شبکه های حسگر بی سیم (WSN) شبکه های ناحیه بدن (BAN) و به طور کلی شبکه های دستگاه های تعبیه شده کم مصرف می باشد. این ابزار بر اساس یک نسخه قدیمی نرم افزار OmNet++ ساخته شده است. جدید ترین نسخه کاستالیا Castalia (3.3) با نسخه های قدیمی امنت بین ۴٫۳ و ۴٫۶ کار می کند. توجه داشته باشید که نسخه های بالاتر نرم افزار شبیه ساز امنت با ابزار Castalia سازگار نیستند.
این ابزار می تواند توسط محققان و توسعه دهندگانی که می خواهند الگوریتم ها یا پروتکل های توزیع شده خود را در مدل های کانال بی سیم و رادیویی واقعی، با رفتار گره های واقع گرایانه به ویژه در ارتباط با دسترسی به رادیو، آزمایش کنند، مورد استفاده قرار بگیرد. این مقاله نحوه نصب نسخه قدیمی OmNet++ با Castalia 3.3 را بر روی chrooted 64 bit Debian 8 (Jessie) تحت میزبانی سیستم عامل لینوکس Debian 11 نشان می دهد.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
شبیه سازی شبکه های رادیو شناختی (CRCN) با نرم افزار NS2
در این بخش آموزش نصب شبیه ساز CRCN در نرم افزار NS2 ارائه شده که در کنار آن یک محیط گرافیکی که تحت جاوا ساخته شده نیز معرفی می گردد. در ادامه توضیحاتی از معرفی رادیو شناختی ، آشنایی با شبیه ساز CRCN و مراحل نصب و راه اندازی آن قرار داده شده است.
شبیه ساز CRCN از ارزیابی عملکرد برای تخصیص منابع طیف پویا، الگوریتم های کنترل توان و پروتکل های شبکه رادیویی شناختی تطبیقی از جمله پروتکل های مک در شبکه رادیو شناختی (CR MAC) و پروتکل های مسیریابی در شبکه رادیو شناختی (CR Routing) پشتیبانی می کند.
این شبیه ساز از NS2 برای ایجاد ترافیک واقعی و الگو های توپولوژی استفاده می کند. همچنین در این شبیه ساز برای هر گره یک لایه فیزیکی چند کاناله چند رادیویی (MRMC) قابل تنظیم و سفارشی سازی پارامترهای طیف مانند قدرت انتقال، انتشار و غیره موجود است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این بخش آموزش نصب شبیه ساز CRCN در نرم افزار NS2 ارائه شده که در کنار آن یک محیط گرافیکی که تحت جاوا ساخته شده نیز معرفی می گردد. در ادامه توضیحاتی از معرفی رادیو شناختی ، آشنایی با شبیه ساز CRCN و مراحل نصب و راه اندازی آن قرار داده شده است.
شبیه ساز CRCN از ارزیابی عملکرد برای تخصیص منابع طیف پویا، الگوریتم های کنترل توان و پروتکل های شبکه رادیویی شناختی تطبیقی از جمله پروتکل های مک در شبکه رادیو شناختی (CR MAC) و پروتکل های مسیریابی در شبکه رادیو شناختی (CR Routing) پشتیبانی می کند.
این شبیه ساز از NS2 برای ایجاد ترافیک واقعی و الگو های توپولوژی استفاده می کند. همچنین در این شبیه ساز برای هر گره یک لایه فیزیکی چند کاناله چند رادیویی (MRMC) قابل تنظیم و سفارشی سازی پارامترهای طیف مانند قدرت انتقال، انتشار و غیره موجود است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
شبیه سازی شبکه های رادیو شناختی (CRE-NS3) با نرم افزار NS3
در این بخش آموزش نصب ابزار شبیه سازی شبکه های رادیو شناختی (CRE-NS3) که تحت نرم افزار NS3 ساخته شده را با شما به اشتراک می گذاریم که این ابزار بهبود یافته ابزار CRCN می باشد که قبلا براساس نرم افزار NS2 پیاده سازی شده بود. در ادامه توضیحاتی از معرفی شبکه رادیو شناختی ارائه شده و مراحل نصب و راه اندازی CRE-NS3 قرار داده شده است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
در این بخش آموزش نصب ابزار شبیه سازی شبکه های رادیو شناختی (CRE-NS3) که تحت نرم افزار NS3 ساخته شده را با شما به اشتراک می گذاریم که این ابزار بهبود یافته ابزار CRCN می باشد که قبلا براساس نرم افزار NS2 پیاده سازی شده بود. در ادامه توضیحاتی از معرفی شبکه رادیو شناختی ارائه شده و مراحل نصب و راه اندازی CRE-NS3 قرار داده شده است.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
شبیه سازی نسل پنجم شبکه تلفن همراه با ماژول 5G-LENA 3GPP-NR در NS3
این مقاله نحوه نصب ماژول 5G-LENA 3GPP-NR را بر روی NS-3.36 تحت سیستم عامل Debian توضیح می دهد. این مقاله چیزی نیست جز گزارش یادگیری نصب ماژول 5G-LENA 3GPP-NR در نرم افزار NS3 که به صورت تصویری و مرحله به مرحله نشان داده شده است.
ابزار 5G-Lena یک شبیه ساز شبکه رادیویی جدید (NR) است که به عنوان یک ماژول قابل اتصال به NS3 توسط گروه شبکه های تلفن همراه از مرکز فناوری مخابراتی کاتالونیا (CTTC) که یک موسسه تحقیقاتی عمومی می باشد، طراحی شده است.
شبیه ساز تکامل طبیعی LENA ، یک شبیه ساز شبکه LTE/EPC است که توسعه یافته و الهام گرفته از ماژول mmWave می باشد و ویژگی های اساسی PHY-MAC NR را با NR Release 15 ترکیب می کند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)
این مقاله نحوه نصب ماژول 5G-LENA 3GPP-NR را بر روی NS-3.36 تحت سیستم عامل Debian توضیح می دهد. این مقاله چیزی نیست جز گزارش یادگیری نصب ماژول 5G-LENA 3GPP-NR در نرم افزار NS3 که به صورت تصویری و مرحله به مرحله نشان داده شده است.
ابزار 5G-Lena یک شبیه ساز شبکه رادیویی جدید (NR) است که به عنوان یک ماژول قابل اتصال به NS3 توسط گروه شبکه های تلفن همراه از مرکز فناوری مخابراتی کاتالونیا (CTTC) که یک موسسه تحقیقاتی عمومی می باشد، طراحی شده است.
شبیه ساز تکامل طبیعی LENA ، یک شبیه ساز شبکه LTE/EPC است که توسعه یافته و الهام گرفته از ماژول mmWave می باشد و ویژگی های اساسی PHY-MAC NR را با NR Release 15 ترکیب می کند.
⏬ اطلاعات بیشتر در لینک زیر: 👇👇
🔗 لینک دسترسی (اینجا کلیک کنید)