در این بخش پروژه شبیه سازی تجزیه و تحلیل عملکرد مدولاسیون OFDM و DSSS را با نرم افزار OPNET آماده کردیم که در آن در قالب دو سناریو پارامتر های مختلف شامل تاخیر (Delay)، بارگذاری (Load)، تاخیر در دسترسی رسانه (Media Access Delay)، تلاش برای مخابره مجدد (Retransmission Attempts)، توان عملیاتی (Throughput) مورد تجزیه و تحلیل قرار می گیرد. مدولاسیون تقسیم فرکانس عمود برهم (Orthogonal Frequency-Division Multiplexing – OFDM) یک مدولاسیون باند پایه است که عملیات مالتی پلکسینگ را به کمک تقسیم فرکانس و به صورت Orthogonal اجرا می کند. منظور از Orthogonal در تقسیم فرکانس، عمود بودن سیگنال ها است که به یک تعریف ریاضی بر می گردد که در آن هرگاه دو تابع سینوسی در هم ضرب شود، انتگرال این حاصلضرب در هر پریود زمانی برابر صفر می شود. همچنین سیستم OFDM چندکاربره سیستمی است که در مدولاسیون OFDM برای محیط دسترسی چندگانه مورد استفاده قرار می گیرد، با این قابلیت که سیگنال چندین کاربر به صورت همزمان در یک سمبل OFDM ارسال شود. جهت مشاهده تصاویر خروجی پروژه و دریافت آن برروی لینک زیر کلیک نمایید.
لینک: تجزیه و تحلیل عملکرد مدولاسیون OFDM و DSSS با نرم افزار OPNET
در این بخش پروژه شبیه سازی خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) را در نرم افزار MATLAB به همراه فیلم نحوه اجرا آماده کردیم. هدف پروژه پیش رو، انجام عمل خوشه بندی در شبکه حسگر بی سیم (WSN) به منظور بهینه سازی مصرف انرژی، میزان بسته ارسالی و انرژی باقیمانده در این شبکه ها می باشد که قصد داریم این هدف را به کمک الگوریتم هوشمند خفاش (Bat algorithm – BA) با استفاده از نرم افزار MATLAB انجام دهیم. در این پروژه ما سه الگوریتم داریم که اولی یک شبکه بی سیم بدون خوشه بندی است که تنها به ارسال اطلاعات در شبکه می پردازد، دومین الگوریتم یک شبکه بی سیم خوشه بندی شده است که همان پروتکل LEACH استاندارد می باشد، و سومین الگوریتم نیز روش پیشنهادی است که بر اساس الگوریتم خفاش پیاده سازی شده است. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب
در این بخش پروژه شبیه سازی مکان یابی اشیای درون ساختمان با WiFi و روش سه گانه را در نرم افزار MATLAB آماده کردیم. در سال های اخیر مکان یابی تلفن های همراه به یک ضرورت تبدیل شده است که انواع فناوری ها، به منظور رسیدن به بهترین دقت عمل برای آن استفاده می شود. مشکلات موجود شامل این موارد است: ساخت نقشه ای از طبقات داخل ساختمان، انتخاب موثرترین فناوری و الگوریتم مکان یابی و اختصاص دادن ابزارها و تجهیزات مکان یابی در نقاط مختلف ساختمان. بیشتر سیستم های موجود برای مکان یابی درون ساختمان از روش های بی سیم مثل بلوتوث، وای فای و زیگبی استفاده می کنند. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: مکان یابی اشیای درون ساختمان با WiFi و روش سه گانه در نرم افزار متلب
در این بخش پروژه شبیه سازی تشخیص گره های سیاه چاله در شبکه VANET با پروتکل AODV را با نرم افزار MATLAB به همراه فیلم آموزشی فارسی آماده کردیم که هدف آن بهبود عملکرد پروتکل AODV در شبکه بین خودرویی ونت در شناسایی گره های متخلف شبکه از نوع سیاه چاله (Black hole) می باشد. در این شبکه در نقاط مختلف ایستگاه های ثابت وجود دارد. این ایستگاه ها دارای یک جدول با فیلد های زیر می باشند: فیلدی از جهت نگهداری نام گره های اطراف خود را دارند. فیلد دیگری بنام Accepted است که در صورت تشخیص متخلف بودن گره مقدارش true خواهد شد. یک فیلد نیز تعداد تکرار ارسال پیام برای یک گره می باشد. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: تشخیص گره های سیاه چاله در شبکه VANET با پروتکل AODV در متلب
در این بخش آموزش شبیه سازی تولید ترافیک در شبکه با OMNET را در قالب فایل PDF آماده کردیم که به صورت تصویری و مرحله به مرحله ارائه شده است. در این آموزش دو مثل شامل تولید یک ترافیک ساده و تغییر پارامترها و مقادیر از فایل ini اجرا می شود. تولید ترافیک در شبکه به طور گسترده در ابزارهای شبیه سازی شبکه استفاده می شود. این کار به یک ماژول جهت تولید بسته و یا داده ها برای مقصد ارسال می شود. هدف اصلی این تولید ترافیک، شبیه سازی ترافیک دنیای واقعی است که می تواند توسط کاربران شبکه تولید شود. یک تولید کننده ترافیک، یک مدل آماری برای استفاده از شبکه بوده و همچنین یک مدل از داده ها در شبکه می باشد. به عنوان مثال در یک شبکه، بسته ها یا داده هایی که توسط کاربر نهایی شبکه ساخته شده اند به عنوان یک ترافیک تولیدی مدل سازی می شوند. تولید ترافیک می تواند بر اساس کاربر یا برنامه شبکه متفاوت باشد؛ مثلا ترافیک تولید شده یک کاربر استفاده کننده از سرویس ایمیل مشابه ترافیک تولید شده کاربر استفاده کننده از فایل های چند رسانه ای همان شبکه نمی باشد. جهت مشاهده تصاویر خروجی پروژه و دریافت ن بر روی لینک زیر کلیک نمایید.
لینک: آموزش شبیه سازی تولید ترافیک در شبکه با OMNET به صورت تصویری