Computational Sensor Networks

این متن یک رویکرد مبتنی بر مدل را برای طراحی و اجرای شبکه‌های حسگر محاسباتی (CSN) پیشنهاد می‌کند. این پارادایم سطح بالا برای توسعه و کاربرد شبکه‌های دستگاه حسگر، یک پایه محاسباتی علمی قوی و همچنین مبنایی برای شیوه‌های مهندسی نرم‌افزار قوی فراهم می‌کند. بر اساس یک رویکرد مبتنی بر مدل، متن مدل‌سازی محاسباتی شبکه‌های حسگر را مورد بحث قرار می‌دهد و نقشه‌برداری محاسباتی بلادرنگ را پوشش می‌دهد که امکان اصلاح پارامترهای سیستم را بر اساس معیارهای عملکرد زمان واقعی فراهم می‌کند.

با تکیه بر سال‌ها توسعه نظری و تجربه عملی، و با استفاده از مثال‌های متعدد و کاربردهای گویا، توماس هندرسون شبکه حسگر را به عنوان یک ابزار علم محاسبات پوشش می‌دهد و شرح می‌دهد:

یک چارچوب محاسباتی برای شبکه‌های حسگر؛

الگوریتم های اضطراری برای تشکیل خوشه، چارچوب مختصات، گرادیان، تشکیل الگوی واکنش- انتشار، و محاسبه مجموعه سطح در یک شبکه حسگر؛

چگونه می توان از CSN ها برای توسعه مدل هایی برای بررسی ساختار استفاده کرد. خود سیستم حسگر با حل مسائل معکوس بر اساس مدل‌های قوی (مانند PDE) پدیده‌های فیزیکی؛

چگونه می‌توان از CSN برای مدل‌سازی سیستم‌های شبکه حسگر، از جمله نظارت، مدل‌سازی محیط، نظارت بر ساختار استفاده کرد. استخراج، و نظارت زیست پزشکی؛

شبکه‌های حسگر محاسباتی یک کتاب ضروری برای مهندسین برنامه‌های کاربردی شبکه حسگر، مهندسان کامپیوتر، دانشمندان کامپیوتر و کسانی است که در توسعه، طراحی و ساخت شبکه‌های حسگر در یک صنعتی، تحقیقاتی فعالیت می‌کنند. و یک محیط دانشگاهی.

This text proposes a model-based approach to the design and implementation of Computational Sensor Networks (CSNs). This high-level paradigm for the development and application of sensor device networks provides a strong scientific computing foundation, as well as the basis for robust software engineering practices. Building upon a model-based approach the text discusses computational modeling of sensor networks and covers real-time computational mapping that allows for modification of system parameters according to real-time performance measures.

Drawing upon years of theoretical development and practical experience, and using numerous examples and illustrative applications, Thomas Henderson covers the sensor network as a computational science tool and describes:

A computational framework for sensor networks;

Emergent algorithms for cluster formation, coordinate frames, gradients, reaction-diffusion pattern formation, and level set computation in a sensor network;

How CSNs can be used to develop models to probe the structure of the sensor system itself by solving inverse problems based on strong models (e.g., PDEs) of the physical phenomena;

How CSNs can be used to model sensor network systems, including surveillance, environment modeling, structure monitoring, and biomedical monitoring;

Computational Sensor Networks is a must have book for sensor network application engineers, computer engineers, computer scientists and those involved in the development, design and building of sensor networks in an industrial, research and an academic environment.