基于非均匀能量和流量感知的新型材料场效应晶体管

摘要

自动化技术革命的到来，使物联网能够使传感器服务重新焕发活力、发生革命并得到救赎。最近发展的微传感器装置分布在真实的地面环境中，以感知各种环境变化。远程部署微系统的能耗取决于其利用效率。不合理地利用传感器节点的异构性，会导致整个网络的能量消耗不均衡，负载不均衡，从而降低网络的性能。提出的异构能量与流量感知算法(heterogeneous energy and traffic aware, HETA)考虑了延迟、吞吐量、流量负载、能耗和寿命等关键参数。在簇头的选择中考虑了剩余能量和基站与簇成员之间的最小距离。利用命中数据流量的概率来分析流向基站的能量和流量。实现了传感器节点的作用，并提出了基于优先级的数据转发方法。因此,异构的能源和交通意识到执行在平衡交通向基站,这是分析的最大吞吐量,增加在一生的能量异构网络超过5000架次,和算法优于34.5%的节点与传播能量还活着。提出的研究还支持不平等聚类和最低能源消耗。 We have modeled our proposed research using various p-type junctionless nanowire FET without doping injunctions. The materials used in this analysis were silicon (Si), germanium (Ge), indium phosphide (InP), gallium arsenide (GaAs), and Al(x)Ga(1−x)。p型圆柱形纳米线通道长25 nm，直径10 nm。

1.介绍

2019冠状病毒病(COVID-19)已经成为当今无创伤自动化技术的巨大挑战。现在，技术正以这样的模式发展。因此，在特定的应用之外，对微系统的需求已经发展起来。随着智能生活环境的发展，具有多来源物联网(IoT)的无线传感器网络在监控、监控、医疗、自动化、娱乐和工业等许多应用领域都发生了变化。去年世界面临的唯一重大挑战是COVID-19阳性检测病例的危险增加。即将到来的厄运是当前的紧急需要，它也迫使我们对无症状病例进行基本的健康监测。工程技术一直关注于为医疗领域提供解决方案。无线传感器网络、人工智能、机器人技术和普适计算作为一个整体，已经建立了一个跨学科的概念，以智能的方式克服日常挑战。

环境传感器，如RFID阅读器、摄像机、声音、压力、温度、湿度和光度，是提供被监控人员信息的一些设备。连续监测网络的规划和管理的关键问题是最大的能源消耗。多源的类型分为链路异构、能量异构和计算异构，从而提高了路由算法的性能、网络生命周期、网络稳定性、可靠性等，[1］．在之前的工作中，考虑了能量的异构性，并设计了一个集中式聚类方案来管理能量。与能源一起，网络流量正呈指数级增长。

微电子-机械系统技术的发展提供了复杂的应用，使传感器在技术进步中相对更好和复杂[2］．服务和维护物联网以及处理大量传感器部署的成本发挥了主要作用[3.]，而且根据具体应用情况，在已经部署的位置更换电池是困难的。

本文的目的是在双通信环境中平衡向基站的业务负载。对于直接通信和基于集群的通信，直接通信可以体验到更多的流量。利用有限状态机制分析了数据优先级的流量概率，并由此为非优先级节点和优先级节点提供了休眠和唤醒调度。这将有助于防止NP-hard问题，并通过增加异构能量节点的数量来提高网络的生存期。

本文组织如下。节2，提供相关工作及所需背景。我们提出的系统模型和算法将在本节中解释3.．从评估的角度，本节讨论了仿真结果和分析4．最后，本文在章节中进行了总结5．

2.相关的工作

在[4]，作者着重研究了通过轮询技术来代替传统的TDMA和CDMA进行聚类调度，并在ABC和蚁群优化下开发了簇首选举和路由算法。模糊C是指人工蜂群算法采用聚类算法来寻找最优簇头，避免长距离的集群内通信，并采用蚁群优化来获得最优路由技术。不均匀的聚类在[5];该算法将网络划分为不同的大小，如靠近基站的簇大小较小，较远的簇大小较大，以平衡网络开销和寿命的增加。许多以能量为导向的算法都是利用马尔可夫决策过程来平衡传输能量。在[6]，提出了一种集中式分布式算法，以最小化节点的集群内传输能量。采用该决策策略，传输功率在40时隙中保持不变。另一项有关集中能源的工作，建议提高能源效率[7，8，测量了传输功率选择的MDP，从其中的状态已经执行了基于衰落信道和接收错误。在调制编码方案中考虑系统的处理增益[9］．来自不同传感器的同时传输采用不同的扩频码。基站的干扰关系到基于优先帧选择的CDMA [10];在此基础上，给出了传感器群的最优选择。在[11]，作者提出了能效和数据收集两个优先方案。它主要关注系统中要传输的事件相关数据。在[12]，矩阵几何方法通过动态调整优先级来评估各流量类的性能。高级区域选择[13是异构路由协议。在中间区域，节点与汇聚节点直接通信，在边界区域，节点遵循基于集群的通信。簇头的选择基于最大剩余能量和到汇聚节点的最小距离。利用距离相似指数实现拓扑动态变化引起的不平衡能量消耗，利用双簇头降低CH负载[14］．在[15]，作者提出了一种有组织的多路径均衡负载算法，保证了对能源消耗的感知。在[16]，采用灵敏度驱动的方法，讨论了城市供水自适应智能动态水资源规划的马尔可夫决策过程。使用单路径和移动接收器的多路径路由解决不平等集群[17]，并提出HEESR。在[18- - - - - -20.，并与设计的无掺杂p型无结纳米线FET进行了比较。在[21- - - - - -26]，可针对不同的应用进行感知异构数据处理，如农业、天气信息和实时信息和存储信息的健康监测。在[27- - - - - -32，结果表明该传感器可用于区分材料的不同脊线。为了研究电转移，各种半导体材料，如硅(Si)、锗(Ge)、磷化铟(InP)、砷化镓(GaAs)和Al(x−)Ga (1x使用)。此外，还研究了表面电荷和电位的分析。

3.提出的方法

HETA提出了一种新的基于优先级的流量感知算法，网络的生存期和稳定性取决于剩余能量、节点之间的距离、休眠和唤醒调度是基于覆盖区域的优先级表节点选择，即使在异构能源节点数量增加的情况下也能保持网络的稳定性。

3．1.HETA方法

提出了一种基于优先级的网络负载均衡方法。每个节点的能耗取决于报文总数和到接收节点的距离。这里汇聚节点按照前面的工作说明，执行集中式聚类算法。簇头选择是在两个重要的参数考虑下进行的。首先，在每个区域中选取能量最大的节点作为CH，在增加传输轮数的同时，不应小于最小能量(ETX + EDA)。其次，节点的集群内距离最小，节点到汇聚的阈值距离更小，可以加入集群成员。

可伸缩性的增加导致吞吐量的降低。由于不同的传感器采用不同的扩频码同时进行传输，会对基站产生干扰。因此，基于优先级的数据处理是使用摩尔有限状态机进行的。由于节点的状态总是依赖于当前的状态，并且该数据信息是由状态控制的，因此采用了这种方法。优先码分多址访问用于zone1活动节点与其他zone的CHs之间的数据传输。主动传感器被分为不同的优先级，由基站控制。在图1， HETA通过流程图进行解释，区分低优先级节点和高优先级节点，并在系统设置时预先分配优先级级别。从图2 (b)， CH具有高优先级，而来自zone1的其他活动节点(CM)具有节点状态图的低优先级。通过施加栅极终端输入电位来实现栅极触点工作功能。SiO₂门的功函数为4.1 eV，相对介电常数为4.2。在导线的两端，建立了完美的欧姆接触。数字2(一个)显示了无结纳米线场效应管的结构和电连接。由于p型纳米线场效应晶体管，具有负偏置和漏极的门极信号对源也具有负偏置。

利用马尔可夫模型实现了FSM。得到优先级信息的概率为P(x)，得到非优先级信息的概率为P（y) = 1−P（x)．CH给出了基于时分多址调度的不同传感设备的数据聚合。

用表达式给出的状态图的转移概率矩阵表示当前状态我到下一个州j转移矩阵为

从状态转发数据的概率我州j扩展到t步跃迁，如方程(2）;的传输t时间为式(3.)：

对于任何n，在这里，我们可以把CH看做状态空间的子集年代．集群成员对CH的命中概率考虑了稳态阶段的数据传输。方程(4)为命中概率:

在非集群环境中，感知节点数量的增加会导致数据速率的增加。因此，对BS的流量增加，需要对休眠和唤醒的流量进行感知，以保证网络的稳定性。每轮每个节点的流量(TRi)为 在哪里l每个节点的数据包是否非簇头(nCH)在zone1和r表示轮数。由此可知，HETA算法根据增加的剩余能量和到基站的最小距离，帮助最小CH分配数量。由于直接通信感知节点的数据转发遵循事件驱动，因此网络的平均流量速率为

节点的流量速率越大，网络的平均流量速率越高。因此，BS根据节点的位置给出了一个交替的睡眠和唤醒时间表。zone1中的每个节点，根据欧氏距离邻节点表进行了更新。在每个周期中，每个分段将有一个用于数据传输

zone1(Z1)中活动节点(AN)的发送能量之和为具有优先级调度的节点直接通信的总能量。因此，通过使用方程(8)，则网络每轮总能耗为:

4.结果与讨论

本文提出的HETA算法的评估是基于MATLAB仿真的，在100 m × 100 m的正方形区域内。节点在监控区域内随机部署，能量不均。表格1列出模拟初始参数的考虑。

在监控区域内随机部署异构能源节点，将汇聚节点置于网络中心。基站较近的节点将进行直接通信，较远的节点将进行基于集群的通信。数字3(一个)通过理解网络中所有节点都是活动节点的最大成功轮数的第一个节点死亡(FND)来说明网络的稳定性。我们的算法在300以下节点的不同能量级别上都有很好的性能。网络中任何一个节点到达失效状态所花费的时间决定了网络的稳定性。表格2演示了所提算法在稳定性方面的性能。而考虑10%的异质能量节点，初始时分别有100、200和300个节点，而FND在1972轮、2234轮和2235轮之后。同样地，从100、200和300个节点的非均质能量占20%的节点，在1998轮、2251轮和3223轮后，从FND获得的网络寿命稳定性增加了。与SEP相比稳定性提高22%，与EECCP相比稳定性提高7%。

4．1.非均质能量栅极电压对漏极电流的影响

漏极电流是通过改变负栅电压从零到4.0伏来测量的。漏极电流随负栅电压从0到−4 V的偏置变化如图所示1．测量值取自纳米线的中心点。结果表明，间接带隙材料的漏极电流高于直接带隙材料和合金的漏极电流。从图3 (b)与其他材料相比，锗和硅具有更高的漏极电流值。美联(x−)Ga (1x)由于半导体合金具有较低的漏极电流变化。电子迁移行为表明，InP的电流较低，Ge的变化较大。

从数据4(一)和4 (b)时，网络最大能耗部分为分别占10%和20%的异构能源节点的CH分配数。CH的增加导致能源消耗的增加。由此可知，HETA算法根据增加的剩余能量和到基站的最小距离，帮助最小CH分配数量。该算法采用集中聚类技术，考虑了静态拓扑结构。因此，网络的生命周期增加到5000轮以上。

数据5(一个)和5 (b)分别说明网络在10%和20%非均能下的吞吐量。HWSN也进行了不同增加节点的部署。在这两种情况下，即使在直接通信的节点数量增加的情况下，成功的数据包传递也达到了平衡。基于优先级的休眠和唤醒调度为5000轮以上的网络提供了出色的负载平衡。

在表3.，已将HETA协议与EECCP协议在BS附近的流量进行比较[19］．由此，EECCP创建了更多以所有Zone1节点的形式表示的流量，并且集群头击中了BS。而在HETA算法中，基于流量控制技术，形成了三个分段，实现了受控数据的优先转发。运行时场景也已执行，以了解簇头分配与距离和剩余能量。

在表4，将HETA的能源利用率与EECP进行比较，300个节点的能源效率为0.6%，200个节点的能源效率为0.7%，100个节点的能源效率提高了1.5%。考虑了高低优先级模型。层次方法的优先级分类需要考虑。

数字6说明了有100个节点的网络的剩余能量，其中20%的非均质能量。在不同的能量级别上，无论是高级节点还是中间节点，较高的能量级别节点都被选为CH，并且在阈值距离内管理集群成员，因此正常节点的能量消耗很好地平衡。在接近BS的地方，负载均衡是基于流量感知的睡眠-觉醒计划和已经减少的能量消耗来实现的;因此，25%的节点在5000轮后仍然存活。

数字7说明了有200个节点的网络的剩余能量，其中20%的非均质能量。在80%的正常节点中，应用HETA算法可以从高级或中间节点等能量较高的节点进行簇首选择;此外，集群成员在阈值距离内进行管理，因此正常节点的能量消耗很好地平衡。在BS附近，基于流量感知的睡眠-觉醒调度实现负载均衡;降低了能源消耗;即使节点数量增加，仍有38.5%的节点在5000轮后仍然存活。

同样,图8说明了该网络的剩余能量，该网络有300个节点，其中20%的非均质能量。在80%的正常节点中，应用HETA算法可以适度增加节点数量，200节点负载均衡达到5%以上，100节点负载均衡达到15%以上的场景。数字9说明了吞吐量，比较HETA算法，比SEP算法性能提高92%，比EECCP算法性能提高40%。在300个以上的节点中，由于基站附近的流量增加，算法结果稳定。

5.结论

提出的异构能量和流量感知算法为可扩展和基于优先级的报文转发提供了更好的解决方案。从服务质量分析来看，该算法在网络稳定性方面有较好的性能。将FND的网络稳定性参数与SEP进行了比较，结果表明，FND在异构网络中提供了高达1097轮的稳定性，能源效率提高了65%。进一步结合基于优先级的流量感知包转发技术，设计的HETA在吞吐量上比现有的高出40%，最终提高了网络的性能。该方法改进了簇头选择方法，以最大限度地减少数据拥塞，使能量消耗最小化。综上所述，所设计的算法对异构网络具有较好的性能，并留下了额外的延迟跟踪，这将在未来的工作中加以处理。间接带隙材料比直接带隙材料有更高的响应。InP具有最高的表面电位值。纳米线fet表面电位的高变化可用于纳米结构传感器的应用。

数据可用性

用于支持这项研究结果的数据包括在文章中。

的利益冲突

作者声明他们没有利益冲突。

参考文献

1. S. Tanwar, N. Kumar，和J. J. P. C. Rodrigues，“无线传感器网络异构路由协议的系统综述”，网络与计算机应用学报，第53卷，第39-56页，2015。视图:出版商的网站|谷歌学者
2. M. Barceló， A. Correa, J. Vicario，和A. Morell，“无线传感器网络中异构数据流量的多树路由”2013 IEEE国际通信会议论文集。IEEE，页1899-1903，布达佩斯，匈牙利，2013年11月。视图:出版商的网站|谷歌学者
3. Y.-K。陈，“物联网的挑战与机遇”第17届亚洲及南太平洋设计自动化会议论文集。IEEE，第383-388页，澳大利亚悉尼，2012年1月。视图:谷歌学者
4. “基于改进人工蜂群算法的无线传感器网络路由协议”，“基于改进人工蜂群算法的无线传感器网络路由协议”，IEEE访问，第8卷，第133577-133596页，2020。视图:出版商的网站|谷歌学者
5. “基于蚁群禁忌的无线传感器网络非均匀簇路由协议”，“基于蚁群禁忌的无线传感器网络非均匀簇路由协议”，无线个人通信第97卷第1期1, pp. 1305-1321, 2017。视图:出版商的网站|谷歌学者
6. a . Kobbane M.-A。Koulali, H. Tembine, M. El Koutbi, J. Ben-Othman，“多媒体无线传感器网络的能量约束动态功率控制”，刊于2012年IEEE通信国际会议论文集， pp. 518-522, IEEE，渥太华，加拿大，2012年6月。视图:出版商的网站|谷歌学者
7. K. Gatsis, A. Ribeiro，和G. J. Pappas，《无线控制系统的最佳电源管理》，自动控制学报，第59卷，第59期6, pp. 1495-1510, 2014。视图:出版商的网站|谷歌学者
8. C. A. Bhuvaneswari和E. D. K. Ruby，“HETA:无线传感器网络增强集中聚类协议的端到端延迟分析”，国际系统保证工程与管理期刊，第11卷，2021年。视图:出版商的网站|谷歌学者
9. A. A. Ajibesin, H. A. Chan, M. E. Dlodlo，“基于优先级的自适应CDMA方案多媒体无线系统”MILCOM2008-2008 ieee军事通信会议记录。IEEE2008年11月，美国加州圣迭戈。视图:谷歌学者
10. “基于优先帧选择的CDMA MAC协议的无线传感器网络QoS约束”2010年IEEE全球通信研讨会论文集。IEEE，第1826-1830页，美国佛罗里达州迈阿密，2010年12月。视图:出版商的网站|谷歌学者
11. s.m. Martınez Chávez, m.e. Rivero-Angeles, l.i. Garay-Jiménez，和i.c. Romero Ibarra，“具有认知无线电能力的身体区域无线传感器网络寿命延长和数据传输的优先方案”，无线通信和移动计算， 2019年第2期，文章编号2637830,22页，2019年。视图:出版商的网站|谷歌学者
12. M.-S。道美善，朴永俊，j - y。Jai-Yong Lee，“具有QoS保证的多类多码CDMA系统的信道分配”，IEEE车辆技术汇刊第51卷第1期5，页935-948,2002。视图:出版商的网站|谷歌学者
13. F. A. Khan, M. Khan, M. Asif, A. Khalid, I. U. Haq，《无线传感器网络的混合和多跳高级区域稳定选举协议》，IEEE访问，第7卷，25334-25346页，2019。视图:出版商的网站|谷歌学者
14. M. Aslam, E. U. Munir, M. Bilal等，“无线传感器网络中分布式和集中式聚类路径规划算法”2014年IEEE第28届国际先进信息网络与应用会议论文集， pp. 657-664, IEEE，维多利亚，加拿大，2014年5月。视图:谷歌学者
15. A. F. Subahi, Y. Alotaibi, O. I. Khalaf，和F. Ajesh，《无线网络中能量感知检测的丢包战斗机制》，计算机，材料和Continua第66期2, pp. 2077-2086, 2020。视图:谷歌学者
16. 向星，李强，S. Khan, O. I. Khalaf，“利用人工智能技术进行可持续环境规划的城市水资源管理”，环境影响评估检讨，第86卷，第106515条，2021年。视图:出版商的网站|谷歌学者
17. O. I. Khalaf和G. M. Abdulsahib，“WSN中节能路由和可靠数据传输协议”，国际期刊先进软件计算应用，第12卷，第2期3, 2020。视图:谷歌学者
18. O. I. Khalaf, G. M. Abdulsahib，和B. M. Sabbar，“使用蜜蜂算法优化无线传感器网络覆盖”，信息科学与工程学报第36卷第2期2, pp. 377-386, 2020。视图:谷歌学者
19. C. A. Bhuvaneswari和G. Vairavel，“在异构无线传感器网络中使用集中式集群协议优化能源”，工程与应用科学学报，第16卷，第5期。2，页215-223,2021。视图:谷歌学者
20. Y. Haddara和M. Howlader，“可穿戴传感器的异质材料集成”，聚合物，第10卷，第5期。1，第60页，2018。视图:出版商的网站|谷歌学者
21. S.-N。Zhao, G. Wang, D. Poelman, and P. Van Der Voort，“基于金属有机框架的多相光催化材料，”分子，第23卷，第2期。11, p. 2947, 2018。视图:出版商的网站|谷歌学者
22. P. R. Karthikeyan, G. Chandrasekaran, N. S. Kumar等人，“基于物联网的智能农业湿度控制和温度监测”，物理学报:会议系列， 1964年第5期。6、Article ID 62056, 2021。视图:谷歌学者
23. N. S. Kumar, G. Chandrasekaran和K. P. Rajamanickam，“基于物联网的危险背景下的智能工业监控系统集成系统”，国际安全与安全工程学报，第11卷，第5期。1，页123-127,2021。视图:谷歌学者
24. G. Chandrasekaran, S. Periyasamy, P. R. Karthikeyan, V. Kumarasamy，“用于片上系统测试调度的Whale和灰狼优化算法”，固态技术，第63卷，第2期5，第3931-3944页，2020。视图:谷歌学者
25. G. Chandrasekaran, P. R. Karthikeyan, N. S. Kumar, V. Kumarasamy，“使用蜻蜓和蚁狮优化算法的片上系统调度测试”，智能与模糊系统学报，第40卷，第1-3页，2021。视图:出版商的网站|谷歌学者
26. N. S. Kumar和P. Nirmalkumar，“基于混合预测算法的无线医疗保健稳健决策支持系统”，医学系统杂志号，第43卷。第6页170-179,2019。视图:出版商的网站|谷歌学者
27. N. S. Kumar和P. Nirmalkumar，“一个集成云计算和物联网的智能医疗系统的新架构”2019年通信与信号处理国际会议论文集， pp. 0940-0944, IEEE，钦奈，印度，2019年4月。视图:出版商的网站|谷歌学者
28. A. Muneer, S. M. Fati和S. Fuddah，“使用基于物联网的智能健身镜的智能健康监测系统”，电信、计算、电子与控制第18卷第2期1, pp. 317-331, 2020。视图:出版商的网站|谷歌学者
29. H. Pandey和S. Prabha，“使用物联网和机器学习技术的智能健康监测系统”2020年第6届生物信号、图像和仪器仪表国际会议论文集，第1-4页，IEEE，金奈，印度，2020年2月。视图:出版商的网站|谷歌学者
30. N. M. Shagari, M. Y. I. Idris, R. B. Salleh, I. Ahmedy, G. Murtaza，和H. A. Shehadeh，“无线传感器网络的异构能量和流量感知的睡眠-觉醒集群路由协议”，IEEE访问， vol. 8, pp. 12232-12252, 2020。视图:出版商的网站|谷歌学者
31. Y. M. Abdelradi, A. A. El-Sherif, L. H. Afify，《异构蜂窝网络中流量卸载的排队理论方法》，国际电子与通讯杂志，第139卷，第153910条，2021年。视图:出版商的网站|谷歌学者
32. D. Bhattacharjee, T. Acharya和S. Chakravarty，“用于远程区域监控应用的异构流量物联网网络的能源高效数据收集:跨层方法”IEEE绿色通信和网络汇刊，第五卷，2021年。视图:出版商的网站|谷歌学者

版权

版权所有©2021 C. Ambika Bhuvaneswari等人。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。