能量高效的无线传感器网络基于集群的多次反射路由

LavitaVirmani,”栏目阿加瓦尔和Dharam梵

大学电子工程系,基督教青年会科技、法里达巴德,印度

文摘

无线传感器网络由大量传感器节点组成。的主要目的是提高网络的生命周期是传感器部署主要执行无人值守操作环境监测、科学活动检测、工业监测和控制等。所有这些活动都需要强大的无线通信协议较低的功耗。基于集群的协议所定有两个重要的变化,首先是最小距离,最大残余能量,最小距离用来选择概率的CH(集群)而不是用于浸出,这样它就可以被用于传感器节点具有不同初始能量的传感器节点,这样能量最优消费的集群与集群成员。集群头旋转的作用,能量消耗可以均匀分布,可以延长无线传感器网络的生命周期。其次它选择最优路径,并采用多跳通信提出了集群头部和水槽之间。实验结果表明,网络的生命周期扩展相比其他方法。

关键字

无线传感器网络中,基于集群路由、能源效率、层次聚类、浸出

介绍

无线传感器网络与无线传感器网络分布式地区意义上的各种类型的信息,然后发送这些信息到其他节点或源到最终目的地。这些节点感知温度等物理参数的变化,压力等[9]。这些节点感知到的数据然后传递到基站(BS)进行评估。轮用于各种目的的军事监督、栖息地监测、森林火灾探测,滑坡检测,等。这些小和无线节点;他们甚至可以轻松地部署在偏远和丘陵地区。然而,这些节点的监测时间时间不是一项容易的任务,因为此类节点部署在高数量和尺寸也小。节点有一些电池寿命和节点的能量继续消散时传输或接收的信息[1][5]。

大量的路由协议已经存在保证最小化能量耗散的无线系统。自节点数据和如果他们存在相互太近那么冗余数据传输到基站。因此,尽量减少能源的算法避免了冗余信息的传播。为了避免这种类型的冗余,提出了聚类算法和浸出是一个著名的聚类算法。在聚类算法中,节点在网络分为集群和集群头被分配到每个集群[2][4]。

无线传感器网络(WSN)包括传感器节点能够感知环境,存储和传输过程感知数据通过无线通道。它可以用作系统静态传感器或系统与移动节点。当部署在一个区域,传感器节点在本地计算从环境中收集的信息。他们也有能力检测信息,如温度、振动、湿度和其他物理环境条件[2]。信息在本地处理和结果发送到水槽。网络中的每个节点都配备了电池容量有限,很难改变或充电由于环境中部署。无线传感器网络有可能成为重要的技术在许多领域,如科学、农业、结构健康监测、物流、环境监测、生产和交付,军事或医疗保健应用程序[3][11]。

无线传感器网络(WSN)是由大量的小电池供电的设备执行任务,如处理无线电transmission-reception、传感和驱动。无线传感器网络设备有有限的精力去完成大任务。能源消费仍然是这个领域的限制。在有线网络的如易于部署(降低安装成本),扩展范围(微型传感器网络可以分布在一个更广泛的地区),容错(一个节点的故障不会影响到网络操作),自组织(节点可以有能力重新配置自己)。但有一些固有的局限性等无线媒体带宽低、容易出错的传输,碰撞免费频道访问需求等。同时,由于无线节点都是移动和不以任何方式连接到一个恒定的电源,他们获得能量从个人电池[7]。这限制了可用的能量节点。此外,由于这些传感器节点部署在地方很难取代单个节点或他们的电池,需要增加网络的寿命和可取的所有节点死在一起,这样整个地区可以通过一组新的补充的微小节点[12][6]。发现个人死亡节点然后替换这些节点有选择地需要预先计划部署和消除这些网络的一些优势。通信协议有必要以最大限度地利用节点的寿命,减少带宽消耗使用本地节点之间的协作,并容忍节点失败[5][14]。

文献调查

传感器网络由传感器节点和一个基站。所以研究人员可以解决部署两个不同的问题。在本论文,文献调查部署分为两部分。在第一部分,讨论了传感器节点的部署。之后基于基站部署的文献调查已经完成。传感器节点部署问题研究的节能锅,J等[2]2005年和Cai, L et al . 2003年[3]。Akkaya k等。[4]2007年优化传感器的数量。同年,林,M。等。[13]提出了虚拟力算法(VFA)作为传感器部署策略提高覆盖率在最初随机放置的传感器。一个成功的应用程序网络计算几何的。 deployment problem is the Voronoi diagram approach investigated by Wang et al. [3] in 2004. In 2005, Moses et al. [7] proposed near-optimal sensor placement algorithm to achieve complete coverage. Liu et al. [13] proposed power aware sensor node deployment in 2006. Poe et al. [15] studied deployment of sensor nodes while considering area coverage, energy consumption, and worst-case delay of the WSNs in 2009. Lindsey et al. [10] achieved optimum sensor nodes deployment using Fuzzy C-means algorithm in 2011. The research in last decade for sensor node deployment have been indicated it to be application specific problem. Most of the research approaches are geometrical and also optimize the number of sensor nodes in general. Presently some issues in sensor node deployment are

•传感器节点部署到最大化的覆盖网络。检测覆盖漏洞,重新定位传感器节点的覆盖洞修复

•部署实现能耗最小配置

•传感器节点的部署大规模WSN最小化事件感知延迟。

在本文中,我们试图调查基站部署问题提出了文献调查基站部署是非常重要的。有几个提议算法可用文献中最优网络基站的位置。虽然费尔马点是非常古老的问题最优设施位置但当最优位置只取决于几个参数以外的距离,新方法已经进化,坡,w . y等[15]也提出了一种新的最优位置的基站使用几何方法最大的传感器网络的生命周期。大多数的节点和基站之间使用功率最小化算法。功耗最小化一直被视为与几何以及介质的路径损耗指数[8]。

调查的问题基站部署如下。

•部署基站最大化网络的生命周期。

•动态和多个基站定位

•基站部署为最小的能源消耗。

问题制定和目标

拟议的工作是关于网络的定义基于密度的限制下的集群成员。正因为如此,没有通过网络分配不均。它将减少拥堵在网络中的一个特定的节点。的工作还将减少一个特定的迅速死亡。工作还将控制网络中簇的数量通过指定的下限集群中的节点数量。这项工作将提供一个令人满意的平衡的集群分布以及通过网络节点。LEACH协议的主要问题在于随机选择簇头。存在的概率是不平衡的,可能形成的集群头仍然在一个网络的一部分做一些网络访问的一部分。

在这个工作我们正在努力改善与智能聚类的网络生活因素通过确定连接,距离和剩余能力。根据前面提出的工作下的网络将动态集群。簇头选择参数讨论。最大连接,最大能量和最小响应时间将被视为决定簇头选择的参数。

该系统将提高网络生活和总交流通过网络。在这个工作我们正在改善网络的生活。

提出了研究工作将涉及以下研究目标:

•定义下的传感器网络的设计参数。

•研究不同的参数,它们会影响集群机制。

•实现现有集群的选择方法。

•设计和重建新方法或集群定义基于密度的集群的概念下定义,集群重建和发现的种通信节点。

•Matlab中建议的方法的实现要求。

•提出方法的比较分析

能源消耗模型

集群(Fig.4.1)是一个分组的过程节点使用一个算法执行某些任务有效地根据需求。聚类也可以用来将拓扑划分为基于某些标准分区单元如应该覆盖整个区域,最小能源消耗,最大寿命等。

在无线传感器网络中,簇头选择从所有节点。每个节点选择最近的集群将数据包转发给基站。所有节点连接到集群,形成集群。能耗Enon•CH单个非集群头节点集群只有L比特的传输。

决定为特定的簇头节点将接收的数据从所有非集群的集群,头节点数据聚合的聚合数据和传输到基站。

EDA是能源使用的集群数据聚合。现在,在集群是由能源消耗

更详细的能耗模型将取决于特定问题在无线传感器网络中。

算法

最大的连接参数是基于距离的分析与所有其他节点集群的头。集中的节点与所有节点将最小距离比选为集群的头。随着距离,另一个参数包括最大能量。集中的节点将被选为簇头必须所有其他节点之间的最大能量。第三个重要参数是响应时间。响应时间描绘了自由节点拥塞。已经沉重的负荷节点不能被选为簇首。

结果

指生活时间的测量结果。图中显示的输出改进的聚类方法。寿命相关的网络节点数量的活着,死亡人数节点和包传输速率和长时间集群的节点是如何形成的网络。系统提出了给予良好的输出在所有四个参数。

参数是用于模拟:

b .现有工作

图4.2显示了活着现有节点分析方法。从这个图我们可以看到,网络生活仍高达320回合之后,所有节点都死亡,通过网络通信停止。我们可以看到,网络正在快速失去能量,因为活着更多的节点。它结果更高的能源消耗和节点得到死的快。

图4.3显示了分析总包传输到基站在现有的方法。它实际上代表了总沟通在网络上进行。我们可以看到,在网络通信的初始阶段,由于大量的节点,数据通过网络沟通。活着节点减少,沟通减少,通过网络传输的时间也减少了。当所有节点死亡,之后将通过网络进行通信。

图4.4显示了总包通过网络传播之间的集群。我们可以看到,最初,传输速率高,当所有节点都活着。随着节点死亡,传输开始下降。随着网络的所有节点死亡,inter-cluster通信也停止。当整个网络是活的,更多数量的集群是礼物,因为,集群之间进行更多的交流。随着节点死亡,集群的数量也会减少,因此,inter-cluster沟通的时间也减少了。

现在的工作成果

模拟后,以下结果聚集。根据这些结果,提出了一个详细的分析。图4.5显示网络上传输的数据包的总数。我们可以看到到160发所有节点都活着,750轮得到所有节点死亡。而在现有的方法中所有节点的网络去世了320发子弹。在图中我们可以看出,提出的方法给出了一个均衡分布的集群网络,因此网络驻留的更多的时间。一个特定节点的能量不会提前下车。正因为如此,死亡节点开始死的很晚。即使在建议的方法的情况下,通过网络的速度失去能量的节点也减少了,这样的速度让死也低,网络生活是增加。

如图4.6所示,分析工作的条款所示活着节点在网络上。Upto160轮所有节点还活着但没有680发网络中节点是活的。如我们所见,提出工作改进工作的有效性通过提供平衡的分裂的集群,集群网络应该遭受超过负载和负载下的条件。

正因为如此,失去能量和节点的速度死也增加。整个网络存在较大的时间和网络的整体生活增加。

图4.7显示了分析工作的传达到基站的数据包数量即整体通过网络传输。我们可以看到,在提出的方法中,节点在初始阶段的数字高,结果通过网络交流。在网络上增加整个数据包通信。随着节点死亡,分组通信的速度也减少了,后期当没有更多的节点是活的,没有更多的通过网络进行沟通。

在图4.8,这里显示的分析工作是网络中传输的数据包的总数。传播在这里执行550发的网络。作为提出的方法,我们给出了一种优化方法通过网络分发集群。由于通过网络平衡的分布,国米集群通信也增加。尽管节点通过网络平衡的更死,国米集群通信率却降低了,但更多的交流都是通过网络来执行的。

d .的比较结果

从图4.9中,我们可以看到,在我们的方法总是第一个节点死亡以后轮比现有的聚类方法。我们建议的方法的第一个节点死亡约150枚炮弹,在现有的方法中节点死亡10轮。对于任何方法是很有必要的,第一个节点死亡应该尽可能地延长网络应该连接和为终端用户提供所需的信息。我们可以看到,在这个图中,提出方法提供了集群的更平衡的分布在网络以及提供了有效的聚类方法。所以在网络上减少能源消耗的比例。结果改进后的网络生活。

图4.9活节点分析(现有的Vs提议)

图4.10显示了活着的数量节点定期轮。在这方面,我们可以看到,所有的传感器节点还活着直到轮680在我们建议的方法,在现有的方法中是320只。因此,该方法相对比较的生活时间大于现有的方法。我们可以看到提出的方法降低了能源消耗比在网络上,这样的生活提高网络的节点是活着更多的时间。网络的生活提高到350发子弹。

图4.10包传输到基站(现有的和提议)

图4.11显示了每轮的数据包数量交付给基站。很明显的图包的数量由建议的方法是更比现有的方法。到此结束,我们的方法发送更多信息为长期BS。提出的方法提供了一个有效聚类方法在网络上,网络通信也改善,它结果更高的传输数据包在网络上和整体网络生活也得到了改善。结果表明,包沟通是改善的比例在这工作。

图4.12显示了更高的数字传输的数据包在网络生活建议的方法增加了。提出的方法提供了更好的聚类方法,以便平衡集群分布在网络上执行。提出工作改进了国米集群通过网络交流。

结论和未来的范围

提出的工作重点是可靠和有效的形成在传感器网络集群网络。集群网络基本集群架构使用任何传感器网络,整个网络分成小的子网络被称为集群。集群的核心操作是收集的数据节点和收集到的数据传递给b进行进一步的处理和分析。在这部作品中,集群架构定义的限制下网络。在这样的网络中,通过网络节点的随机移动以及GPS的缺席增加工作的复杂性。

在本文中,我们定义了一个改进的集群与集群架构定义。这里的工作是执行在簇头选择过程。在这工作,一些限制定义在簇头选择,如网络中簇头的最大数量不能超过10%。所需的最小数量的节点连接的感应范围集群头代表资格。簇头的选择也是定义参数;参数被认为是这是最大连接,最大能量和概率向量。结果表明,提出的工作提高了网络生活和整个交流通过网络。

当然我们没有完成我们的计划。这里的工作仅仅是一个小的一个主要项目。在未来这个工作可以进一步扩展。在这里我们已经对MATLAB仿真。同时采用OPNET,等一个更好的模拟器设计的传感器网络,我们可以取得更多。

好的开发系统的参数即传播范围和节点密度找到最好的最优设置也可以进一步研究。另一个有趣的可观察到的事实,可以进一步研究啤酒花的数量之间的关系,在传感器网络空间能量分布的均匀性。知道这种关系可以帮助选择合适的参数在不同类型的传感器网络拓扑。接下来的工作也可以提高聚合过程中完成相同的简单网络或在集群架构。

引用

Heinzelman, w·R。,Chandrakasan, A. and Balakrishnan, H.“Energy-Efficient Communication Protocol for Wireless Microsensor Networks”
国际会议系统科学学报- 2000,3005 - 3014页。
锅,J。,Cai, L., Hou, T., Shi, Y. and Shen, S. X.,”Optimal Base-Station Locations in Two-Tiered Wireless Sensor Networks”,IEEE Transactions on Mobile Computing, Vol.4, No.5, Sept. 2005, pp. 458-473.
锅,J。,Cai, L., Hou, y., Shi, Y. and Shen, S. X, “Topology control for wireless sensor networks', Proceedings of the 9th ACM International Conference on Mobile Computing and Networking, San Diego, USA, Sep. 2003, pp. 286-299.
Akkaya K。,and Youssef, W. “positioning of Base Stations in Wireless Sensor Networks”, IEEE Communications Magazine, April 2007, pp.96- 102.
Capkun年代。,Hamdi M., and Hubaux J. P. “GPS free positioning in mobile ad hoc networks”, Proceedings of the 34th Hawaii International Conference on System Sciences, Maui, HI, USA, Jan. 2001; pp. 3481-3490.
Savarese C。,Rabaey J. M. and Beutel J.”Locationing in distributed ad-hoc wire- less sensor networks”, Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing, Vol.4, 2001, pp. 2037-2040.
摩西r . L。,Krishnamurthy D. and Patterson R. M. “A Self-Localization Method for Wireless Sensor Networks', EURASIP Journal on Applied Signal Processing, Vol.4, 2002, pp. 348-358.
Manjeshwar, a .和Agrawal D.P.”孩子挑协议增强无线传感器网络的效率,学报第一国际研讨会上并行计算和分布式计算问题在无线网络和移动计算,旧金山,2001年4月。
尤尼斯,o .和Fahmy s”特别的传感器网络分布式集群:混合动力节能方法”,《IEEE计算机通讯大会上,香港,2004年。
林赛,S。,Raghavendra, C. S. and Sivalingam, K.: 'Data gathering in sensor networks using the energy delay metric', Proceedings of the IPDPS Workshop on Issues in Wireless Networks and Mobile Computing, Apr. 2001.
你们,M。,Li, C., Chen, G. and Wu J. “EECS: An energy efficient clustering scheme in wireless sensor networks', Proceedings of the 24th IEEE International Performance, Computing, and Communications Conference, 2005. IPCCC 2005, Apr. 2005, pp. 535-540.
耿军,H。,Yuhui, J. and Liang, D.“A Time-based Cluster-Head Selection Algorithm for LEACH', IEEE Symposium on Computers and Communications, 2008. ISCC 2008, pp. 1172-1176.
林,M。,Wu, Q., and Rao, N. S. V. “Optimizing Base Station Deployment in Wireless Sensor Networks Under One-hop and Multi-hop Communication Models”, Proc. Int. Conf. on Parallel and Distributed Systems, 2007, pp. 96-103.
刘,莱昂内尔,m . n .“无线传感器网络节点部署节能”程序IEEE国际会议上的传感器网络,无处不在,和可信赖的计算。
坡,w . y和施密特,j·b·“大型无线传感器网络节点部署”报道,能源消耗,和最坏延迟AINTEC学报的09年,2009年11月。