{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK715",
        "title": "مکان یابی در شبکه های حسگر بی سیم صوتی زیرآب برای بهبود کارآیی شبکه",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1398",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK715",
        "title": "مکان یابی در شبکه های حسگر بی سیم صوتی زیرآب برای بهبود کارآیی شبکه",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1398,
        "authors": [
            {
                "name": "اسدالله قزل بیگلو",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "امیدرضا معروضی",
                "role": "استاد راهنما"
            },
            {
                "name": "هادی امیری",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "شبکه های حسگر بی سیم زیرآب (UWSN)",
            "مکان یابی",
            "تخمین TDOA",
            "حداکثر شباهت اصلاح شده همبسته (MMLC)",
            "LS",
            "WLS",
            "CRLB"
        ],
        "abstract": "بیشتر از 70 درصد سطح زمین را آب فراگرفته است. از  این رو، شناسایی محیط آب دارای اهمیت بسیاری است. یکی از سیستم هایی که برای این مهم از آن ها استفاده می شود، شبکه های حسگر بی سیم زیرآب (UWSN) است. این شبکه ها در محیط آب توزیع یافته و رویدادها را شناسایی می کنند. اما برای تعیین موقعیت رویداد، نیاز به آن داریم که موقعیت گره تشخیص دهنده رویداد در شبکه معلوم باشد. بنابراین، موقعیت یابی شبکه های حسگر بی سیم زیرآب اهمیت پیدا می کند. مدل های مختلفی برای تعیین موقعیت گره در شبکه ارائه شده که هر کدام از این مدل ها بر اساس الگوریتم  خاصی رفتار می کنند. یکی از این الگوریتم ها، الگوریتم تخمین اختلاف زمانی دریافت (TDOA) است. برای تخمین TDOA نیز روش های مختلفی وجود دارد. \r\nدر پژوهش حاضر نیز روشی براساس دگرهمبستگی تعمیم یافته (GCC) برای تخمین TDOA پیشنهاد شده است. روش پیشنهادی، روش حداکثر شباهت اصلاح شده همبسته (MMLC) بوده که ترکیبی از اصلاح شده روش حداکثر شباهت (ML) و روش تبدیل فاز (PHAT) است. روش پیشنهادی علاوه بر آن که توانایی تخمین در شرایط مطلوب را دارد، در کانال های با شرایط نامطلوب نیز کارآیی مناسبی داشته و تخمین بهتری از موقعیت هدف نسبت به روش های دیگر به همراه دارد. پس از تخمین TDOA با استفاده از روش های بالا، موقعیت هدف را نیز بر اساس روش های LS، WLS و CRLB مورد بررسی قرار دادیم که با توجه به نتایج به دست آمده، روش پیشنهادی تأثیر بهتری در تخمین دقیق تر موقعیت هدف داشته است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK715.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}