تکنیک های افزایش طول عمر شبکه حسگر بی سیم

چکیده

 فناوری های جدید مثل اینترنت اشیاء، برنامه های کاربردی جدید، شبکه های هوشمند، باعث گسترش شبکه های حسگر بی سیم (WSN Wireless Sensor Networks) در مقیاس بزرگ تر شده است. حفظ یک شبکه با انرژی مناسب و زمان طولانی تر بسیار مهم است. تکنیک های افزایش طول عمر شبکه (NL Network Lifetime) در گسترش WSN ها با باتری توجه زیادی رو جلب کرده است. در این مقاله تغییرات WSN ها، از جمله برنامه های کاربردی، محدودیت های طراحی و مدل های طول عمر مورد بررسی قرار گرفته است و روش های حداکثر سازی NL ها معرفی شده است.

واژگان کلیدی: شبکه حسگر بی سیم، طول عمر شبکه، اینترنت اشیا

مقدمه

شبکه حسگر بی سیم اطلاعات را جمع آوری و وقایع خاصی را در شرایط فیزیکی و محیطی تشخیص می دهد. این دستگاه ها قادر به پردازش و ارتباط هستند. شبکه حسگر بی سیم در حوزه های مختلفی کاربرد دارد (شکل 1). به عنوان مثال: 1- نظارت بر محیط زیست یکی از قدیمی ترین

حوزه های کاربردی WSN ها، از ردیابی گروهی ازحیوانات درمناطق تحت کنترل 2- میدان های نظامی به ویژه در مناطق غیر قابل دسترس یا در منطقه دشمن که در آن برای تشخیص تک تیر اندازان، مزاحمان و ردیابی فعالیت هایشان استفاده می شود 3- بهبود تدارکات با توجه به چالش های موجود در مدیریت کالاهایی که حمل می شوند می توان کیفیت آن ها را با دمای ظروف حفظ کرد 4- WSN ها برای تعامل بین جهان فیزیکی و دنیای واقعی با استفاده از سنسورهای دوربین  قابل استفاده هستند 5- برنامه های پزشکی و سلامت که مراقبین می توانند شرایط بیمار را در بیمارستان و خانه های سالمندان نظارت کنند 6- کنترل سطح تابش سطح گاز مواد منفجره و نشت گاز را تشخیص می دهد.

شکل 1: طبقه بندی برنامه های WSN

اهداف طراحی طول عمر شبکه NL

 یک تعریف فیزیکی از هدف طرح NL به عنوان مقدار کلی زمان که در آن شبکه قادر به حفظ قابلیت های کامل ویا دستیابی به اهداف خاص در طول عمر خاص خود است. علاوه بر این، محاسبه NL یک معیار حیاتی برای ارائه یک طراحی سیستم با تصمیم های دقیق به منظور حفظ عملکرد شبکه مورد نظر و WSN ها می باشد، که در آن گره های حسگر معمولا با ظرفیت محدود باتری تکیه می کنند مگر اینکه منبع تغذیه مستقیم داشته باشد. در کاربردهای واقعی باز کردن انرژی باتری سنسورها یا تعویض حسگرها معمولا غیر عملی است بنابراین NL توسط باتری سنسورهای فردی در WSN در نظر گرفته می شود. تعریف NL می تواند بسته به کاربرد خاص در تابع هدف و توپولوژی شبکه متفاوت باشد. نویسندگان انقضای NL را به عنوان زمانی تعریف کردند که در آن تعداد خاصی از گره ها در شبکه باتری ها را تخلیه کردند. تعاریف NL را به چهار دسته تقسیم می کنیم: یعنی خانواده NL مبتنی بر عمر گره، NL مبتنی بر پوشش و اتصال، NL مبتنی بر انتقال، NL پارامتریک.

محدودیت های طراحی WSN

کاربردهای فوق به منظور دستیابی به یک هدف خاص و یا یک وظیفه مطلوب طراحی شده اند. همانطور که در شکل 2 نشان داده شده چندین محدودیت طراحی وجود دارد. مشاهده می کنید که انتخاب خاصی از رسانه ارتباطی بر طراحی پروتکل های طراحی تاثیر می گذارد، زیرا نوارهای طیفی مختلف رادیویی نیاز به ارتباطات مختلف ارتباطی از جمله قدرت ارسال، فاصله انتقال موثر، وجود یا عدم وجود خطوط ارتباطی، انتشار دید، سطوح تداخل مواجه شده و غیره دارند.

هزینه هر دستگاه سنسور نیز یکی از عوامل مهم طراحی در تعیین کل WSN است. محدودیت های طراحی اصلی WSN را در نظر می گیرد و نشان می دهد که ظرفیت باتری، محاسبه و قابلیت های ذخیره سازی منابع محدودی را تشکیل می دهند که طراحی WSN به آن بستگی دارد. شکل 2 نشان می دهد که توپولوژی شبکه یک جنبه مهم دیگر تاثیرگذار بر طراحی شبکه ها است.

علاوه بر این حفظ سطح بالایی از اتصال و کیفیت پوشش ضروری است که با تراکم مناسب گره ها آسان می شود. تراکم بیش از حد گره سبب انتقال بیش از حد داده ها و تراکم ضعیف کیفیت را کاهش می دهد. داده های جمع آوری شده از یک گره خاص ممکن است توسط کانال بی سیم خراب شوند، از این رو برای اصلاح اطلاعات افزایش قابلیت اطمینان مهم است. در صورت شکست گره شبکه همچنان باید عملیاتی و پایدار بماند، همچنین باید در مقابل حملات داس و استراق سمع مقاوم باشد.

در زمان استقرار سیستم زمان انتظار، انحلال انرژی، عمر، نرخ خطای بیت، میزان تولید، سطح تداخل، دقت هماهنگ سازی زمان و بارگیری داده ها باید در طول استقرار WSN به منظور عملکرد یکپارچگی کاربرد در نظر گرفته شود. استراتژی های ویژه توسعه ی WSN به طور قابل ملاحظه ای بر ویژگی های شبکه مانند تراکم گره، حسگر، موقعیت سنسور خاص، درجه پیش بینی شده پویای شبکه و طول عمر شبکه تاثیر می گذارد. طول عمر یک WSN نشان دهنده مقدار کل زمان است که شبکه به طور عملیاتی عمل می کند و از این رو پشتیبانی از شبکه در نظر گرفته شده است.

شکل2: محدودیت های طراحی WSNها

تکنیک های حداکثر سازی طول عمر شبکه

چندین تکنیک حداکثر سازی NL به صورت طبقه بندی شده در شکل 3 وجود دارد. هر کدام می تواند یک تعریف متفاوت از NL و یک تابع هدف متفاوت در نظر بگیرد. در شکل 3 مشاهده می کنید که تخصیص منابع، طرح های انتقال فرصت خواب، زمانبندی خواب و بیداری، مسیریابی، خوشه بندی، رله همراه، توزیع بهینه داده ها، همبستگی داده ها، برداشت انرژی و پرتودهی مهم ترین تکنیک هایی است که در این مقاله بررسی می کنیم.

الف.تخصیص منابع بر اساس طراحی CROSS-LAYER      

تخصیص منابع یکی از مهم ترین و رایج ترین روش های حداکثر سازی NL است. عملیات تخصیص منابع به طور متناوب به بهینه سازی CROSS-LAYAER از محدودیت های طراحی متقابل لایه های مختلف، از جمله قابلیت اطمینان انتقال، روتینگ، کنترل قدرت، برنامه ریزی، استقرار نهادهای بهینه، حداکثر کردن توان تولید، کیفیت تخمین و سازگاری نرخ تکیه می کنند که بخشی از محدودیت های WSN می باشد. تمام تکنیک های به حداکثر رساندن NL به الگوریتم های تحصیص منابع وابسته است که تخصیص منابع می تواند با روش های مختلف به حداکثر رساندن NL ترکیب شود.

 Hoesel و همکاران یک رویکرد لایه متقاطع را برای بهینه کردن لایه MAC ایجاد کردند، که در آن لایه MAC حسگرها را به حالت فعال یا غیر فعال خود می‌برد و لایه مسیریابی قصد یافتن مسیرهای بهینه انرژی در مواجهه با یک توپولوژی پویا را دارد.

Kwon و همکارانش، مساله ماکزیمم سازی NL در WSNs را مورد بررسی قرار دادند که به طور مشترک لایه فیزیکی، لایه MAC و لایه مسیریابی را در رابطه با محدودیت احتمال انتقال به انتها در نظر می‌گیرد.

XU و همکارانش یکی دیگر از رویکردهای تخصیص منابع را پیشنهاد داده اند، از جمله میزان انتقال، قابلیت اطمینان و NL با استفاده از چارچوب بهینه سازی ظرفیت کانال متغیر کانال، قابلیت اطمینان و محدودیت های انرژی است و نشان داد که انتخاب وزن مناسب برای هر یک از این اهداف برای دستیابی به عملکرد نرم افزار مورد نظر بسیار مهم است.

شکل 3: طبقه بندی تکنیک های حداکثرسازی NL

Phan و همکاران یک مساله بهینه‌سازی دو مرحله‌ای را ارایه کردند، که در آن مرحله اول شامل به حداکثر رساندن تعداد گره‌های سنسور که برای WSN موجود مستقر شده‌اند و مرحله دوم شامل تخصیص توان و عملیات برنامه‌ریزی به منظور به حداکثر رساندن NL است.

ب- طرح‌های انتقال Opportunistic و زمان‌بندی خواب – بیداری

هنگامی که این اطلاعات توسط سنسورها جمع‌آوری شد، ارسال آن به نقطه سینک را می‌توان آغاز کرد. با این حال، باید به دقت مورد بررسی قرار گیرد که کدام گروه خاص از سنسورها باید داده های حساس را به DN رله کنند، که باید سریع انجام شود مخصوصا هنگامی که کانال در حال محو شدن است. منطق Plausible نشان می‌دهد که انتقال با استفاده از این سنسورهای خاص، که به طور لحظه‌ای تجربه بهتری را تجربه می‌کنند مقدارقابل‌ توجهی انرژی را حفظ می‌کنند.

Matamoros و همکاران تخصیص توان فرصت طلبانه و طرح‌های انتخاب سنسور برای تخمین پارامتر را پیشنهاد دادند که در آن تنها حسگرهای خاص از شرایط کانال مطلوب در برآورد انتقال اطلاعات منتقل‌شده از طریق تطبیق اطلاعات حالت کانال و اطلاعات شارژ باتری باقی مانده به منظور افزایش دقت NL شرکت داشتند.

Chen و Zhao از یک پروتکل موثر MAC پشتیبانی کردند، که هم بر اطلاعات حالت کانال و هم بر دانش MAC از انرژی باقیمانده برای به حداکثر رساندن محاسبه NL (MAC) تکیه دارد.

Phan و همکاران یک طرح انتقال موثر انرژی براساس شرایط کانال برتر به منظور به حداکثر رساندن NL را پیشنهاد کردند. به طور صریح تر، کیفیت کانال از یک آستانه از پیش تعیین‌شده فراتر می‌رفت و هنگامی که در حال برقراری ارتباط با کانال‌های محو شده بود آنگاه انتقالات فقط فعال شده بودند.

Wu و سایرین یک چارچوب نظریه بازی سازی تشکیل ائتلاف را به منظور انتخاب بهترین طرح انتقال ممکن برای به حداکثر رساندن محاسبه NL پیشنهاد کردند.

کیم و همکاران یک راه حل بهینه را برای کنترل برنامه زمانبندی حالت sleep-wake از یک طرح پیشنهادی بسته پیشفرض به منظور به حداکثر رساندن موضوع NL با محدودیت‌های تاخیر بسته، ایجاد کردند.

Hoesel و همکاران یک رویکرد لایه متقابل برای بهینه کردن لایه MAC و لایه مسیریابی را به منظور به حداکثر رساندن NL ، که لایه MAC مسئول تنظیم حسگرهای به حالت فعال یا غیر فعال آنهاست، پیشنهاد کردند، در حالی که لایه مسیریابی مسیرهای کارآمد را در مواجهه با توپولوژی گره دینامیک شناسایی می‌کند. در نهایت، یک روش حفاظت از انرژی توسط Sichitiu و همکاران به خاطر ماکزیمم سازی NL، که در آن یک طرح برنامه‌ریزی حالت خاموش برای بیدار کردن یک سنسور خاص، اگر و تنها در صورت نیاز پیشنهاد شده‌است، طراحی شد.

ت- مسیریابی و خوشه بندی

تصمیمات مسیریابی نقش مهمی در تعیین NL قابل دستیابی دارند. به ویژه، ساخت مسیرهای آگاه از طول عمر برای به حداکثر رساندن NL مهم است، زیرا مسیر پویا ایجاد شده توسط سنسورهایی که دارای حداکثر شارژ باقی مانده باتری هستند می تواند به طور کامل بهره برداری شود، در نهایت طول عمر خود را گسترش دهد. به منظور به حداکثر رساندن NL، طبق مسیریابی تله ترافیکی باید در سراسر WSN مورد توجه قرار گیرد، زیرا بارها با استفاده از همان مسیر، باتری سنسورهای متناظر را سریع‌تر از بقیه حسگرها تهی می‌کند و بنابراین NLرا کاهش می‌دهد. بنابراین، بهینه سازی مسیرها به طور مستقیم بر NL تاثیر می گذارد.

Liu و همکاران یک الگوریتم مسیریابی مشترک و الگوریتم زمانبندی خواب برای توازن بار بارگذاری در کل شبکه و با استفاده از اجازه دادن به سنسورهای بیکار برای تغییر حالت خواب آنها را ارائه دادند. الگوریتم مبتنی بر بهینه سازی مشترک پیشنهاد شده در NL را 29٪ نسبت به طرح بهینه سازی مسیریابی خالص یا طرح زمانبندی خالص خواب که بدون بهینه سازی مشترک آنها عمل می کند را افزایش داد. علاوه بر این، بهبود چشمگیر NL در حدود 284٪ در مقایسه با طرح های بهینه معمول مسیریابی مبتنی بر برنامه ریزی حالت خواب ثابت مشاهده شد.

Hsu و همکاران سازماندهی مناسب سنسورها را پیشنهاد کردند تا به طور مشترک بهینه سازی حالت خواب خود را برای کارآیی انرژی و مسیریابی فرصتطلبانه آنها به منظور توازن توزیع بار و برای بهبود قابلیت اطمینان انتقال در سراسر شبکه به خاطر به حداکثر سازی NL اجرا کنند.

امیری و همکاران برای بهینه سازی مشترک مسیریابی و استراتژی انتخاب دوربین برای به حداکثر رساندن NL مورد مطالعه قرار گرفت، در حالیکه کارایی همکاری حسگر برای سنجش داده ها و انتخاب دوربین به منظور گسترش NL مورد نیاز بود. این رویکرد از همکاری سنسورهای مختلف پشتیبانی می کند تا مانع از فعالیت بیش از حد مناطق مختلف در WSN و کمک به مسیریابی تعاونی تولید تله ترافیک شود.

Peng و همکاران هماهنگی بین مسیر را برای اجازه دادن به گره‌ها در طول مدت عمر خود گره مورد استفاده قرار دادند، که همچنین با هماهنگی بین مسیر برای متعادل کردن مدت‌زمان عمر سنسورها در مسیرهای مختلف نیز ترکیب شد تا به طور مشارکتی میزانNL  را به حداکثر برساند. این کار تحت یک محدودیت تاخیر تحویل خاص انجام شد.

د- تقویت کننده های متحرک و سینک ها

جمع‌آوری داده‌ها در گره سینک اغلب منجر به تراکم مسیریابی در مجاورت حسگرهای مجاور گره سینک می‌شود، زیرا این سنسورها به کرات برای تحویل دادن داده‌ها به DN مورد استفاده قرار می‌گیرند. این منجر به تخلیه سریع باتری از این گره‌های سنسور خاص می‌شود و منجر به کاهش NL به علت بار ترافیکی نامتعادل می‌شود و در نتیجه یک واحد تصادفات به شکل غیر یکنواخت در سراسر WSN اعمال می‌شود. یک روش مفید برای فرار از این مشکل، اتکا به تکنیکی است که به عنوان تحرک کنترل‌شده مورد اشاره قرار می‌گیرد، که به حسگرهای متحرک یا sinks تلفن همراه وابسته است، که در آن هر سنسور تلفن همراه با هماهنگی جهت حرکت خود تصمیم می گیرد تا از توزیع بار ناگهانی ترافیک جلوگیری شود. به عنوان یک مزیت، بار ترافیکی به طور یکنواخت در سراسر شبکه توزیع می‌شود و از تحرک پذیری استفاده می‌کند.

وانگ و همکاران یک WSN را در نظر گرفتند که توسط چندین گره حسگر متحرک و تعداد زیادی از نوده‌ای ثابت تشکیل می‌شود، که در آن منابع سنسورهای متحرک غنی‌تر از حسگرهای ثابت هستند. هدف از کار ارائه شده در طولانی شدن NL با حرکت سنسورهای تلفن همراه نزدیک به آن سنسورهای ثابت است که به شدت توسط تله ترافیک شبکه لود می شود.

Hamida و همکاران از این امر حمایت کردند که NL می تواند به طور قابل ملاحظه ای از طریق سینک های تلفن همراه بهبود یابد، جایی که سربار گره های حساس که در نزدیکی سینک قرار دارد می تواند گسترش یابد و تشکیل تنگناهای ترافیکی ناخواسته می تواند مانع شود.

Luo و همکاران اثر تحرک سینک مشترک و مسیریابی را برای به حداکثر رساندن NL تحلیل کردند، با این وجود آنها تنها موقعیت سینک موبایل را به تعداد محدودی از مکان ها محدود کردند. در نتیجه، Luo و همکاران نشان دادند که گره های سینک سیار همیشه بیشتر از سینک های ایستا از لحاظ گسترش NL سودمندتر هستند.

یک روش متفاوت توسط Tashtarian و همکاران پیشنهاد شده است که به بررسی مزایای کنترل تحرک گره سینک متحرک در زمینه برنامه های کاربردی مبتنی بر رویداد برای به حداکثر رساندن NL پرداخته است. به طور صریحتر، در جهت به حداکثر رساندن NL، یک لینک بهینه یک پایگاه در نظر گرفته شد بدون این که هیچ ساختاری از یک شبکه خاص از پیش تعیین شده استفاده شود، جایی که گره سینک سیار باید رخدادهای خاصی را که از یک گروه از سنسورها گرفته شده است را ضبط کند تا زمانی که مهلت مشخصی منقضی شود.

ذ- پوشش، اتصال و بهینه سازی استقرار

عبارت پوشش نیز به عنوان پوشش حسی اشاره می‌شود، که نشان‌دهنده کیفیت مشاهده رویدادهای خاص درون یک منطقه هدف، در یک نقطه حسی خاص یا درون یک میدان مانع که توسط سنسورهای مستقر شده، می باشد. ما یادآوری می کنیم که اطلاعات شناخته شده بر اساس یک جزء سخت افزاری خاص پردازش شده است که از جزء فرستنده ی دستگاه حسگر خاص متمایز است. طبیعتاً، یک نقطه خاص در محدوده مورد نظر ممکن است به صورت همزمان توسط چندین سنسور احساس شود. در حالی که این نوع استقرار می‌تواند از نظر بهبود کیفیت یا قابلیت اطمینان داده‌های مشاهده‌شده، مفید باشد، همچنین افزونگی اطلاعاتی را معرفی می‌کند که به نوبه خود منجر به هدر رفتن انرژی می‌گردد. اگر سنسورهای ناکافی به کار گرفته شوند، احتمالا اتصال کافی به ایستگاه پایه یا یک سنسور دیگر ممکن است ناکافی باشد. مهمتر از آن، اطمینان از قابلیت اتصال با کیفیت بالا این سنسورها، توانایی انتقال مشاهدات حساس به ایستگاه پایه را تعیین می کند.

Chen و همکاران یک الگوریتم ماکزیمم سازی NL ساختند که امکان فعال‌سازی کم‌ترین تعداد گره‌های حسگر با کمک موازنه ترافیک را فراهم می‌آورد تا پوشش کامل مطمئن را از یک میدان حسی خاص فراهم آورد، در حالی که اتصال هر زمان به یک ایستگاه مبنا را فراهم می‌آورد.

Zhao و همکاران یک رویکرد برنامه‌ریزی برای تمام سنسورهای فعال را برای حفظ پوشش تمام‌وقت یک منطقه خاص در طول زمان و ارسال تمام اطلاعات حس شده به سینک از طریق زیرمجموعه‌هایی از سنسورها، که نیاز به اتصال تمام‌وقت به سینک با کمک ارتباطات چند تایی بین این زیرمجموعه‌ها دارد، پیشنهاد کردند. اگر پوشش قسمت هدف و اتصال پیش‌بینی‌شده در زیر مجموعه‌های سنسور و گره سینک را نتوان حفظ کرد، پس نویسندگان فرض کردند که NL منقضی می‌شود.

لین و همکاران یک رویکرد بهینه‌سازی کولونی مورچگان را پیشنهاد کردند که در آن یک نمودار ساختی برای تعیین حداکثر تعداد بخش‌های پوشش متصل به هم مورد استفاده قرار می‌گیرد، در حالی که هر حسگر در این مجموعه مجزا می‌تواند هم به تنهایی قابلیت پوشش مورد نیاز و اتصال شبکه قابل‌اطمینان را حفظ کند، در حالی که بقیه سنسورهای زیر مجموعه گسسته در حالت خواب خود هستند.

Du و همکاران نیز توجه خود را بر حداکثر سازی NL تحت پوشش محدودیت های پوشش نظامی مواجه کرده اند ،جایی که سنسورها موانع منطقه ای پیوسته را با هدف تشخیص عبور از یک منطقه توسط دشمنان تشکیل می دهند. علاوه بر این، Lu و همکاران مساله برنامه‌ریزی حالت خواب را به منظور به حداکثر رساندن NL  فقط با تبدیل به زیر مجموعه‌ای خاص از حسگرها برای نظارت بر نقاط هدف و برای بهره‌برداری از انتقال داده‌های حس شده بر روی چندین جهش، در تمام طول مسیر به سمت ایستگاه مبنا بررسی کردند.

Hu و همکاران یک الگوریتم ژنتیک را برای حل مشکل یافتن تعداد حداکثری تعداد زیر مجموعه های غیر مجاز از سنسوربرای به حداکثر رساندن NL   ها بکار گرفتند، که در آن زیر مجموعه‌های مختلف حسگرها ویژگی‌های خاصی را داشتند که هر سنسور یک زیرمجموعه خاص پوشش کامل منطقه هدف را فراهم می‌کند.

ر‌- جمع آوری اطلاعات و رمزگذاری شبکه

یکی از عملیات‌های اساسی WSNs، جمع‌آوری داده‌ها از سنسورها و انتقال آن به گره سینک می‌باشد. در طول مرحله جمع‌آوری داده‌ها، برای جلوگیری از انتقال داده اضافی، تجمع داده می‌تواند برای ترکیب داده‌ها از سنسورهای مختلف به کار گرفته شود.

Cristescu و همکاران موضوع جمع‌آوری داده‌های موثر مربوط به محدودیت‌های خاص تحریف را بررسی کردند، در حالی که راه‌حل جایگزینی برای موقعیت گره بهینه را برای قراردادن گره در معرض بروز اختلاف بین میزان تلفات کل قدرت و NL  فراهم می‌آورد.

Bhardwaj و همکاران توجه خود را بر محدودیت های اساسی جمع آوری و انتقال اطلاعات به ایستگاه پایه متمرکز می کنند، سپس مرزهای بالایی بدست‌آمده با توجه به تاثیر چندین پارامتر بر روی NL (شامل محل ایستگاه مبنا، تلفات مسیر، شارژ باتری اولیه، محل منبع و غیره) را مورد توجه قرار دادند.

Liang و همکاران یک روش جمع‌آوری داده با بهره‌وری انرژی را برای به حداکثر رساندن NL  در نظر گرفتند، که در آن هدف به حداکثر رساندن تعداد پرس و جوهای جمع‌آوری داده‌ها بود، تا زمانی که شکست نود اول به علت شارژ باتری فرسوده در WSN رخ دهد.

کدگذاری شبکه برای قادر ساختن گره‌های میانی برای فشرده‌سازی بسته‌های داده‌ای که از گره‌های مجاور خود دریافت می‌شوند طراحی شد. نشان‌داده شده‌است که کدگذاری شبکه قادر به بهبود راندمان انرژی در شبکه‌های بی‌سیم می‌باشد, از این رو شکل NL خود را بهبود می‌بخشد. ShahMansouri و همکاران تجارت بین حداکثر جذب NL  و به حداقل رساندن تعداد عملیات کدگذاری شبکه را تجزیه و تحلیل کردند، اگرچه این عملیات پردازش سیگنال قدرت اضافی را از باتری غیر شارژ کم می‌کند. عملیات رمزگشایی همچنین می تواند به طور قابل توجهی NL را کاهش دهد.

ز- همبستگی داده ها

ویژگی برجسته WSNs این است که داده‌های جمع‌آوری‌شده توسط سنسورهای مجاور ممکن است نشان‌دهنده اطلاعات اضافی ناشی از ویژگی‌های همبستگی مکانی - فضایی حسگرهای مجاور باشد. کاهش کل ترافیک از راه دور با حذف افزونگی ممکن است از نظر حفاظت از انرژی و در نتیجه ماکزیمم سازی NL (ماکزیمم) مفید باشد.

او و همکاران روشی را برای پیش‌بینی داده‌های جمع‌آوری‌شده توسط یک سنسور خاص مبتنی بر همبستگی زمانی - مکانی با حسگرهای مجاور آن پیشنهاد دادند، که ممکن است منجر به NL قابل تمدید شود، زیرا این حسگرها که داده‌های آن‌ها را می‌توان پیش‌بینی کرد ممکن است خاموش شوند.

Heo و همکاران یک طرح پیش‌بینی را برای به حداقل رساندن بار ترافیکی در سراسر WSN معرفی کردند، که با استفاده از همبستگی فواصلی سنسورهای مختلف به منظور به حداکثر رساندن NL، بیشتر به حداقل رسیده است. آنها نشان دادند که با استفاده از طرح پیشنهادی، می توان مقدار داده های ارسال شده را با استفاده از پیش بینی های زمینه و همبستگی مکانی در میان سنسورها تا 20% کاهش داد، و به این ترتیب NL را افزایش داد.

ه- برداشت انرژی

وسایل برداشت انرژی برای دفع انرژی از محیط به کار گرفته شده‌اند، از این رو اغلب به عنوان شبکه‌های حسگر بی‌سیم به کار برده می‌شوند. در مقایسه با WSN های باتری معمولEH-WSN    ها از مزایای بهینه سازی NL به میزان قابل توجهی برخوردار هستند.

De-Witt و همکاران جمع آوری انرژی را با مشکل پوشش مانع بررسی شده و توسعه یک راه حل خاص برای مشکل به حداکثر رساندن طول عمر پوشش K-barrier در EH-WSN ترکیب کردند، در حالی که Martinez و همکاران توانایی برداشت انرژی و ظرفیت ذخیره سازی انرژی را در تصمیمات مربوط به مسیریابی گنجانده اند.

خلاصه

با توجه به مشارکت در مساله به حداکثر رساندن NL  در نظر گرفته شده، ما نتایج خود را، از جمله برخی از دستورالعمل های طراحی قطعی، درس های آموخته شده و مسیرهای تحقیق آینده، به صورت زیر خلاصه می کنیم.

نتیجه گیری

مشخص کردن مشخصات کاربرد مورد نظر و همچنین محدودیت‌های طراحی شبکه، نقش حیاتی را در به حداکثر رساندن عملکرد WSN ایفا می‌کنند. به عنوان مثال، برنامه‌های مراقبت ویدیویی نیاز به نرخ داده بالاتر برای حفظ کیفیت مطلوب کاربر(ها) دارند. هنگامی که الزامات برنامه تعیین شدند، استراتژی گسترش WSN باید مشخص شود، که در نهایت توپولوژی شبکه را تعیین می‌کند که برای ماکزیمم سازی NL اهمیت حیاتی دارد. برای مثال، یک شبکه دارای توپولوژی رشته‌ای است، که در آن تنها گره‌های مجاور در محدوده انتقال یکدیگر قرار دارند، NL صرفاً وابسته به طول عمر گره خاص است، که باتری خود را به طور کامل تخلیه می‌کند. با توصیف ویژگی‌های کاربرد همراه تعریف NL که بر توپولوژی شبکه استوار است، پیدا کردن راه‌حل‌های بهینه برای به منظور ماکزیمم سازی NL (با پیچیدگی کم) و / یا فراهم کردن راه‌حل‌های جایگزین بین چندین تابع هدف مهم، برای بدست آوردن مقادیر پارامتر ارتباطی بهینه با پیچیدگی کاهش پیچیدگی بسیار حایز اهمیت است.

استاد راهنما: دکتر فرشید صهبا، زینب میرزاآقانژاد سیرنگ

دانشگاه بصیر آبیک، قزوین، ایران

منابع

[16] M. Najimi, A. Ebrahimzadeh, S. Andargoli, and A. Fallahi, “Lifetime

maximization in cognitive sensor networks based on the node selection,”

IEEE Sensors Journal, vol. 14, no. 7, pp. 2376–2383, July 2014.

[17] S. Soro and W. Heinzelman, “Prolonging the lifetime of wireless sensor

networks via unequal clustering,” in IEEE International Parallel and

Distributed Processing Symposium, Denver, CO, April 2005.

[18] D. Tian and N. D. Georganas, “A coverage-preserving node scheduling

scheme for large wireless sensor networks,” in Proceedings of the

1st ACM international workshop on Wireless sensor networks and

applications (WSNA), Atlanta, GA, USA, September 2002, pp. 32–41.

[19] W. Mo, D. Qiao, and Z. Wang, “Mostly-sleeping wireless sensor

networks: Connectivity, k-coverage, and _-lifetime,” in Proceedings

of the 43rd Annual Allerton Conference on Communication, Control

and Computing, Monticello, Illinois, USA, September 2005.

[20] M. Cardei, M. T. Thai, Y. Li, and W. Wu, “Energy-efficient target

coverage in wireless sensor networks,” in 24th Annual Joint Conference

of the IEEE Computer and Communications Societies (INFOCOM’05),

vol. 3, Miami, FL, USA, March 2005, pp. 1976–1984.

[21] H. Zhang and J. C. Hou, “On the upper bound of _-lifetime for large

sensor networks,” ACM Transactions on Sensor Networks, vol. 1, no. 2,

pp. 272–300, November 2005.

[22] K. Wu, Y. Gao, F. Li, and Y. Xiao, “Lightweight deployment-aware

scheduling for wireless sensor networks,” Mobile networks and applications,

vol. 10, no. 6, pp. 837–852, December 2005.

[23] M. Bhardwaj, T. Garnett, and A. P. Chandrakasan, “Upper bounds on

the lifetime of sensor networks,” in IEEE International Conference on

Communications (ICC’01), vol. 3, Helsinki, Finland, June 2001, pp.

785–790.

[24] M. Bhardwaj and A. P. Chandrakasan, “Bounding the lifetime of

sensor networks via optimal role assignments,” in IEEE International

Conference on Computer Communications (INFOCOM’02), vol. 3, NY,

USA, June 2002, pp. 1587–1596.

[25] B. C˘arbunar, A. Grama, J. Vitek, and O. C˘arbunar, “Redundancy and

coverage detection in sensor networks,” ACM Transactions on Sensor

Networks (TOSN), vol. 2, no. 1, pp. 94–128, February 2006.

[26] Q. Zhao and M. Gurusamy, “Lifetime maximization for connected

target coverage in wireless sensor networks,” IEEE/ACM Transactions

on Networking, vol. 16, no. 6, pp. 1378–1391, December 2008.

[27] S. Baydere, Y. Safkan, and O. Durmaz, “Lifetime analysis of reliable

wireless sensor networks,” IEICE transactions on communications,

vol. 88, no. 6, pp. 2465–2472, June 2005.

[1] I. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, “A survey

on sensor networks,” IEEE Communications Magazine, vol. 40, no. 8,

pp. 102–114, August 2002.

[2] ——, “Wireless sensor networks: A survey,” Computer Networks,

vol. 38, no. 4, pp. 393–422, March 2002.

[3] K. Romer and F. Mattern, “The design space of wireless sensor

networks,” IEEE Wireless Communications, vol. 11, no. 6, pp. 54–61,

December 2004.

[4] D. Puccinelli and M. Haenggi, “Wireless sensor networks: Applications

and challenges of ubiquitous sensing,” IEEE Circuits and Systems

Magazine, vol. 5, no. 3, pp. 19–31, September 2005.

[5] V. Gungor and G. Hancke, “Industrial wireless sensor networks:

Challenges, design principles, and technical approaches,” IEEE Transactions

on Industrial Electronics, vol. 56, no. 10, pp. 4258–4265,

October 2009.

[6] T. Igoe, Making things talk: Practical methods for connecting physical

objects. O’reilly, 2007.

[7] L. Atzori, A. Iera, and G. Morabito, “The internet of things: A survey,”

Computer Networks, vol. 54, no. 15, pp. 2787–2805, October 2010.

[8] Y. Chen and Q. Zhao, “On the lifetime of wireless sensor networks,”

IEEE Communications Letters, vol. 9, no. 11, pp. 976–978, November

2005.

[9] R. Madan, S. Cui, S. Lall, and A. Goldsmith, “Cross-layer design

for lifetime maximization in interference-limited wireless sensor networks,”

IEEE Transactions on Wireless Communications, vol. 5, no. 11,

pp. 3142–3152, November 2006.

[10] J. W. Jung and M. Weitnauer, “On using cooperative routing for

lifetime optimization of multi-hop wireless sensor networks: Analysis

and guidelines,” IEEE Transactions on Communications, vol. 61, no. 8,

pp. 3413–3423, August 2013.

[11] H. Yetgin, K. T. K. Cheung, M. El-Hajjar, and L. Hanzo, “Cross-layer

network lifetime maximization in interference-limited WSNs,” IEEE

Transactions on Vehicular Technology, vol. 64, no. 8, pp. 3795–3803,August 2015.

[12] C. Cassandras, T. Wang, and S. Pourazarm, “Optimal routing and

energy allocation for lifetime maximization of wireless sensor networkswith nonideal batteries,” IEEE Transactions on Control of Network

Systems, vol. 1, no. 1, pp. 86–98, March 2014.

[13] H. Yetgin, K. Cheung, M. El-Hajjar, and L. Hanzo, “Network-lifetime

maximization of wireless sensor networks,” IEEE Access, vol. 3, pp.2191–2226, November 2015.

[14] J. Du, K. Wang, H. Liu, and D. Guo, “Maximizing the lifetime of k-

discrete barrier coverage using mobile sensors,” IEEE Sensors Journal,vol. 13, no. 12, pp. 4690–4701, December 2013.

[15] J. Chen, J. Li, and T. Lai, “Trapping mobile targets in wireless

sensor networks: An energy-efficient perspective,” IEEE Transactions on Vehicular Technology, vol. 62, no. 7, pp. 3287–3300, September

2013.