چکيده— در این مقاله، یک چارچوب همکاری نظیر به نظیر برای تلفیق داده های حاصل از چند سنسور در شبکه های راداری با منابع ارزشمند، ارائه شده است. در این کاربرد real-time با حجم داده ای بالا، داده های حاصل از رادار های مختلف با یکدیگر ترکیب می شوند تا اینکه دقت فرآیند های پایش راداری (نظیر جبران تضعیف) را بهبود بخشند و یک نمای ترکیبی از ناحیه تحت پوشش رادار ها را فراهم آورند. پروسه تلفیق داده ها، با دو قید و محدودیت همراه می باشد: (1) دقت مورد نیاز نتایج تلفیق شده نهایی که ممکن است است در گره های پایانی مختلف، فرق داشته باشد و (2) شرایط real-time مورد نیاز در کاربرد های گوناگون. دقت مورد نیاز، از طریق انتخاب دینامیک و پوياي ترکیب مناسبی از داده ها جهت تبادل میان چندین گره راداری حاصل می شود. در این مقاله، مکانیسمی جهت انتخاب یک ترکیب داده ای بر اساس نیاز های مختص به یک کاربرد، ارائه شده است. ما هم همچنین یک الگوریتم انتخاب دینامیک ساختار نظیر (peer) را معرفی می نماییم - الگوریتم BPS (بهترین انتخاب ساختار نظیر) - که ترکیبی از ساختار های نظیر (peers) را بر اساس قابلیت های محاسباتی و ارتباطی آنها انتخاب می نماید تا اینکه زمان پردازش داده ها را در الگوریتم یکپارچه سازی به حداقل برساند. نتایج شبیه سازی نشان می دهند که الگوریتم BPS می تواند باعث بهبود فوق العاده عملکرد شود؛ حتی اگر که ساختار های نظیر (peers) از تغییر پذیری بالایی در منابع در دسترس محاسباتی و شبکه، برخوردار باشند.
کلمات کليدي- پردازش نظیر به نظیر، تلفیق داده ها، شبکه های سنسور با پهنای باند بالا، شبکه های رادار

Abstract:  A peer-to-peer collaboration framework for multi-sensor data fusion in resource-rich radar networks is presented. In this high data volume real-time application, data from multiple radars are combined to improve the accuracy of radar scans (e.g., correct for attenuation) and to provide a composite view of the area covered by the radars. Data fusion process is subject to two constraints: (1) the accuracy requirement of the final fused results, which may be different at different end nodes, and (2) the real- time requirements of the application. The accuracy requirement is achieved by dynamically selecting the appropriate set of data to exchange among the multiple radar nodes. A mechanism for selecting a dataset based on current application-specific needs is presented. We also present a dynamic peer- selection algorithm, Best Peer Selection (BPS), that chooses a set of peers based on their computation and communication capabilities to minimize the data processing time per integration algorithm. Simulation-based results show that BPS can deliver a significant performance improvement, even when the peers have high variability in available network and computation resources.
Keywords- P2P computing, Data fusion, High-bandwidth sensor networks, Radar networks