شناسایی یک پروتکل mac کارا در ارتباطات الکترومغناطیس شبکه های بی سیم نانو سنسور

پیشرفت های اخیر در فیزیک و تکنولوژی های مهندسی، ساخت حافظه، پردازشگر، آنتن رادیویی، منبع تغذیه و واحد سنجش محیط را در مقیاس نانو ممکن ساخته است. نانو ماشین ها ابزارهایی هستند با ابعاد چند نانو متر مکعب که قادر به انجام وظایف خاص سبکی چون برقراری ارتباط با یکدیگر، محاسبات ساده و دریافت اطلاعات از محیط پیرامون می باشند. به واسطه ارتباط این تجهیزات با یکدیگر شبکه ای از نانو ماشین ها جهت انجام وظایف پیچیده تر مانند تحویل دارو به سلول های بدن موجود زنده، نظارت بر سلامتی و تشخیص حملات شیمیایی و بیولوژیکی در محیط های نانو شکل می گیرد. یکی از مهمترین چالش ها در این گونه شبکه ها فرکانس ارتباطی آنها است که معمولا در رنج تراهرتز می باشد. استفاده از فرکانس های رایج صدها مگاهرتز تا چند گیگاهرتز به معنی داشتن سایز آنتنی از مرتبه سانتی متر می باشد که برای ارتباطات نانو غیرممکن است. از طرفی ابعاد منبع تغذیه گیرنده/فرستنده های نانو از مرتبه نانومتر می باشد، که به تبع از همتاهای خود در شبکه های حسگر بی سیم ضعیف ترند. همچنین ارتباطات مستقیم نانو می تواند تنها در مسافت های بسیار کوتاه اتفاق بیفتد، در نتیجه نیازمند ارتباطات چندگامه در اینگونه شبکه ها خواهیم بود. بعلاوه، نانو نودها، به دلیل ابعاد بسیار کوچک، قدرت پردازنده و ظرفیت حافظه در مقایسه با نودهای سنسوری معمول بسیار محدود خواهند بود. به طور خلاصه، شبکه های نانو یک الگوی شبکه ای کاملا جدید را ارائه می دهند که نیازمند تحولی بنیادی درالگوریتم های مسیریابی، mac، واسط انتقال و شیوه های ارتباطی می باشند. باتوجه به محدودیت هایی که ذکر شد، در این پژوهش یک پروتکل mac را جهت شبکه های بی سیم نانو سنسور مبتنی بر ارتباطات الکترومغناطیس در باند تراهرتز پیشنهاد داده ایم، که مزیت آن نسبت به دیگر پروتکل ها استفاده از الگوریتم کلاستربندی و الگوی زمان بندی tdma می باشد. جهت ارزیابی پروتکل خود، مقایسه ای بین الگوریتم پیشنهادی و الگوریتمی تحت عنوان“smart mac” از نظر دو پارامتر میزان مصرف انرژی شبکه به ازای ارسال/دریافت یک بسته و نرخ بسته هایی که به مقصد نمی رسند (plr )، انجام داده ایم. نتایجی که در نهایت به دست آمده اند مشخص می کنند که در حالت واقع بینانه الگوریتم پیشنهادی از لحاظ میزان مصرف انرژی و نرخ plr به ترتیب از 61 و 38 درصد بهبود نسبت به الگوریتم “smart mac”برخوردار است.