基于平衡传输轨迹移动水槽的齐次无线传感器网络

文摘

基于移动水槽(MS)的路由策略被广泛调查延长无线传感器网络的生命周期(轮)。在本文中,我们提出两个方案在网络数据收集:(i)女士继续随机网络中路径(RMS)和(2)的轨迹女士(DMS)定义。在方案、网络领域是在逻辑上划分成小方块。每个分割区域的中心点是女士的逗留位置我们提出三个基于线性规划的模型:(i)最大化网络生命周期,减少路径损耗(ii),(3)减少端到端延迟。此外,提出了一种几何模型从网络收集信息时避免冗余节点。仿真结果表明,我们提出的方案进行比选的现有方案的选定的性能指标。

1。介绍

轮由无线传感器/节点,配有一个处理器,一个无线电收发机,GPS,内存和电池1]。这些节点广泛应用于生境与生态系统,地震,地下水污染,快速应急监测和周边安全监测,等等。网络必须节能,健壮,self-configurable、可伸缩、安全。在考虑了网络中,节点随机部署在遥感物理属性的字段。收集数据后这些节点应该传播进一步处理。在传感节点消耗能量和传输的数据。他们有有限的能源资源(附加电池)。如果节点和水槽之间的距离更大,将在传输过程中消耗更多的能量。此外,能源消耗的节点网络寿命成反比。

有两种通信模式中使用了网络:直接和多次反射2]。在直接通信模式下,远处的节点消耗更多的能量比节点附近的水池和死亡。这些死亡节点创建覆盖洞导致信息丢失。在多次反射传输中,节点将数据发送给水槽通过中间节点和维护路由表从来源到目的地。中间节点接收数据的节点和中继水槽。这个过程最小化遥远的节点的能量消耗。但是,如果网络密度,节点传送遥远的水槽排出很快,因为附近的节点的数据。此外,介绍了集群方案节省节点能量。整个网络分为子网(集群)。在[3),提出一个静态集群方案,整个网络在逻辑上分为圆环形状的集群。每个集群都有自己的集群头(CH)和成员节点相关联。CHs比成员节点消耗更多的能量,随着自己的感知数据,他们也聚合和其他节点的数据转发给水槽。在集群形成和能量也消耗CHs的选择。然而,与直接和多次反射传输方案相比,聚类方案表现得更好(4]。

在集群和多次反射方案、节点靠近水槽由于遥远的节点转发数据后会很快死去。在这个场景中,水槽和节点之间的联系是断开连接,水槽是无法从遥远的节点接收数据。平衡负载的中间节点,应该定期改变水槽的邻居。以这种方式最大节点得到机会接近水槽和继电器遥远的节点的数据。

在这方面,对平衡系统的一种方法是使用移动水槽(MS)为数据采集网络区域内移动。女士没有能量限制,尽管节点能量有限。水槽移动网络中相邻节点之间最大限度地减少能源消耗。它也减少不必要的能耗过程(5),如集群形成和CHs的选择。女士被认为是一个小型车辆移动,从节点收集数据,直接或通过多次反射。通过这种方式,通信距离最小化导致能耗最小化和最大化吞吐量(6]。

女士在我们提出的模型,利用随机轨迹(RMS)和路径(DMS)通过考虑网络定义为一个几何模型。原因选择随机路径是女士和节点之间存在的障碍。女士为致密区域设置优先级和走向密集地区首先收集数据,然后从稀疏的地区收集数据;这种运动称为密度知道随机移动。在其他方案DMS,轨迹的女士被定义访问控制定义的顺序和收集的数据节点。不同的技术(5,7,8女士)解决各种问题的延迟容忍,网络寿命和吞吐量。女士的轨迹变化中扮演一个重要的角色在网络寿命、稳定性、和吞吐量。我们还提出了一个数学模型来支持我们的计划:RMS和DMS。

剩下的纸是组织如下。部分2描述了相关工作。部分3讨论了该计划的动机。部分4包含网络模型。节5提出的方法轨迹是女士解释说。仿真结果提出了部分6。部分7总结并提出了未来的发展方向。

2。相关工作

首次引入集群方案最大化吞吐量和网络生命周期的基础(4]。它形成集群网络领域的最小化通信节点之间的距离。集群的形成后,CH选中成员节点。CHs成员节点接收数据,聚合,然后传输到水槽。网络生命周期延长通过增加某些节点的数据转发的负担。提出了一个模型,利用聚类机制通过改变CH的选择标准,并更好的性能(2]。路由方案,基于集群机制,RE-LEACH [9),作品以同样的原则作为浸出;然而,在CH选择考虑节点的剩余能量。另一个方案,DREEM-ME静态集群路由协议为基础,最大限度地减少节点之间的距离和CHs最终节省传输能量。然而,能源仍然是在周期性消费选择CH。DYN-NbC [10使用集群和女士在这个协议,水槽节点密度最高的地区,而在其他地区的网络领域,形成集群和CH选择基于LEACH标准。水槽流动性随着集群平衡能源消费在某种程度上;然而,集群本身是一个能量消耗的过程。基于女士不均匀聚类算法(UC-MS)提出了11]。在这个方案中,CH从成员节点接收数据并等待女士留在逗留位置数据传输。在这里,CH的能源消耗是在最小距离最小化,因为它发送数据;然而,能源仍然是消耗在集群形成和CH的选择。

路由方案用于加快水槽和节点之间的通信。在[6),作者提出了一个节能使用多个MSs导致更长的网络寿命。他们用混合整数线性规划(MILP)来确定的位置下沉。他们得出的结论是,使用严格的方法来优化能源利用导致显著增加网络的生命周期。作者这种方法用于密集的领域。

阿姆et al。(3)提出了一种路由协议DREEM-ME,正方形区域分为同心圆和每个环都是进一步细分为四个区域,而中央圆是相同的。八个外区域视为集群(四个集群存在于每个中央和外圆)。每个集群的基础上选择CH残余能量收集的数据成员节点。CHs的外层环转发他们的数据通过继电器从中央环CHs,最小距离的基础上。作者在8)考虑速度和路径规划的问题数据骡(即。,女士)的基础上。他们考虑不同情况下遇到这个问题,像建模的运动收集无人机(UAV)通过节点结构健康监测。他们使用女士避免多次反射转发。这些海量存储系统(MSs)中可以节省节点能量和延迟增加。在本文中,作者安排女士框架来最小化数据交付延迟。他们制定的问题,提出了一个算法来减少能源消耗和数据延迟之间的权衡。

在一些网络,接收的数据被发送到水槽及时模式。这些网络设计以这样一种方式,节点缓冲区数据间隔。而不溢出,数据被发送到水槽通过多次反射转发或直接传输根据节点之间的距离和下沉。这些被称为延迟容忍网络。

在[12),作者考虑集群技术和数据收集通过CHs成员节点。女士继续定义轨迹和从CHs收集数据。以这种方式能耗最小化,因此这个方案增加了吞吐量。然而,CH在数据转发节点消耗更多的能量,很快就要耗尽。

MMSR提出了(13),有三个海量存储系统(MSs)中部署在网络和他们收集数据从网络的不同部分。海量存储系统(MSs)中移动节点在不同的轨迹和收集数据。节点感知数据直接发送到女士在最小距离。这样的节点能量消耗最小化。在[14],作者提出了一个新颖的联合优化框架来研究延迟宽容之间的权衡和网络辅助WSN女士一生。他们还设计了一个启发式找到hop-constrained轨迹的他们也提出了一个高效节能的路由协议,女士,女士为目的的数据收集遍历沿着固定的轨迹。实验结果表明,该算法性能更好的网络寿命最大化。在[15),作者探索的问题关于女士在事件驱动的应用程序中。有了网络的应用,移动速度有限的女士收获感觉到数据从传感器。定义的数据收集在一个时间段内。作者利用凸优化模型支持向量回归技术。

此外,在16),两个不同的模型提出了寿命最大化:延迟宽容和基于队列的宽容。作者还提出了列生成算法从节点数据传输。

Basagni等人在5)定义了一个模型,沉在预定义的路径移动。他们利用女士运动接近不同的节点以减少节点的能量消耗。因此,网络寿命增加。作者提出了三个方案,代表不同的水槽移动解决方案。的方案计算最优下沉路线,通过提出MILP配方计算逗留时间。同时,他们认为现实的基础和水槽流动参数。这个方案通过考虑延长网络寿命女士运动取决于节点的传输成本在一个集中的方式。在[17),提出流动模式的一个女士,一个离散形式,女士停止时间大于运动时间逗留的两个地点之间。这种方法是追究平衡交通负载女士和它导致提高网络的生命周期。他们还研究了使用女士的好处与静态下沉。作者模拟网格网络和一个特殊的内部网络节点形成一个环。

通过使用QVF目标跟踪的算法,作者在18)考虑了网络的安全的聚类问题。他们使用贝叶斯方法的共同选择的最优传感器和检测恶意节点,以避免受到攻击。同时,他们认为质量感知数据之间的权衡,传输能量和节点初始能量。检测恶意节点,他们使用Kullback-Leibler距离(KLD)当前目标位置分布和预测之间的传感器观测。

在[19),史等人提出了数据驱动的路由协议(DDRP)利用无线传输的广播特性。减少控制开销,因为它不需要额外的控制消息路由学习。听到这样的数据包提供女士和节点的路由信息。

女士,在这个领域,有助于减少能源利用的节点通过使用直接传输,而女士需要时间安排来减少数据损失。作者在20.)提出了一个模型的两个MSs广场网络存在不同的定义的轨迹。通过引入两个水槽、负载平衡和MSs加快数据收集过程和结果网络寿命延长。相关工作总结表1。

3所示。问题陈述

基于文献中,许多女士的路由方案已经提出了网络:(i)水槽基于流动性计划,(2)基于集群方案,和(3)水槽流动以及基于聚类方案。节2,我们已经讨论了一些最新的主题和相关方案等三个类别(6,8,11]。此外,所有的讨论方案的缺点也在强调部分2。从部分2女士,我们发现现有的方案使用数据收集。然而,基于女士的计划不优先考虑节点密度导致低效的数据收集导致更少的网络吞吐量。同样,集群的集群方案形成期间消耗高能源和CH选择导致缩短了网络的生命周期。因此,我们的目标是提供一个基于女士的路由策略(i)网络寿命最大化,(2)路径损耗最小化,(3)端到端延迟最小化。此外,我们的目标是在一个几何模型从网络收集信息时避免冗余节点。

4所示。柜台部分方案

我们提出的方案与现有方案相比,所有的计划使用直接以及多次反射通信技术根据下沉的距离。四个方案,即DREEM-ME, DYN-NbC, FTIEE [21),和UC-MS用于比较与我们提出的方案。简要概述的四个方案如下所示。

4.1。DREEM-ME

设计方案与100 m×100 m是二维的。网络领域分为三个同心圆20 m, 35米,和50米半径分别。内圈是作为,被认为是一个集群。外两个圆都进一步分为四个部门,导致八集群。现在网络已经全部九个静态集群。网络中部署的节点是均匀的随机的。每个集群都有节点。网络已经节点和九个集群。每个集群的基础上选择了CH残余能量。水槽是静态的,放在中心。能源消耗降到最低,这不是强制要求任何节点发送数据的节点各自的CH。外层集群计算相邻距离集群的CH和发送数据到最遥远的CH。所以在这种方式,CHs的外层区域发送他们的数据通过多次反射水池。内圈(中央)CHs负责传输数据的外圆。这个方案通过实现静态平衡能源消耗集群和节点选择更紧密的CH的数据发送与最优CH选择节点。

4.2。DYN-NbC

这个方案有两个特点:需要基于聚类和动态下沉的流动性。这种混合动力技术利用两者优点的特性。节点随机部署在该地区的100×100场进一步分为四个象限命名为,。为简单起见每个象限进一步分成四个区域。节点密度的计算地区。优先级的基础上收集数据从节点密度高的地区,通过动态运动的女士。的最大数量节点将数据发送给女士通过直接沟通,从而最大限度地减少网络的能量消耗。节点部署远离女士,必须等待轮到它们。为了避免这种延迟集群网络中完成。集群形成的标准定义为浸出。在这个方案中,聚类时需要完成;因此,它被定义为“需要基于聚类的名称。“CHs从成员节点收集数据并定期寄给女士目前居住在该地区的高密度和收集数据节点(直接沟通)。通过两种通信方案的好处,DYN-NbC达到更长的网络寿命和更大的吞吐量。

4.3。FTIEE

该方案提出了一个有效的协议,降低了CH选择网络中的开销。通过使用机器学习技术集群中的任何节点可以是CH。这个过程最小化能耗多次选举中CH。FTIEE hierarchical-based协议。在这个方案与其他集群技术、集群是广场,没有固定的形状。然而,集群的大小可能不同,遵循一定的规则。集群靠近水槽小于远离水槽的集群。基本上,集群的大小水槽和节点之间的距离增加而增加。在这个方案中,一旦在整个网络的生命周期选择集群形成和后来CHs。这个方案是分布式和发现最佳的CH节点通过学习系统。CHs选择使用算法和节点不参与CH的选择。因此,能源消耗和减少网络开销。 CH selection criteria include its current state, neighbors, and residual energy and are called则将它使用两个价值观:节点的剩余能量和节点之间的距离和水槽。这个方案也提高了包交货率和封包延迟和网络的生命周期。

4.4。UC-MS

该方案结合了加州大学算法女士和女士提出了一种基于不均匀聚类算法。这种算法是分布式聚类算法和类似于浸出。CH角色是在节点周期性地旋转,而CH的选择主要是基于竞争的范围和节点的剩余能量。最初,该协议实现了加州大学算法通过将水槽的中心网络。执行模拟和研究之后行为和网络生命周期能耗,女士介绍,而不是固定下沉。女士收集类似环境下融合数据。所有节点参与CH选择的竞争。是CH的责任聚合节点收到的数据成员和聚合数据转发到CHs女士意识到女士的位置当他们收到广播信息接收广播消息后,从轨迹女士和女士逗留的地方提前设置。当CH找到最近的逗留女士的位置,然后将收集的信息发送女士的到来。集群中的节点,目前,使用多次反射以及直接与CH的沟通取决于它们之间的距离。 CHs are selected on the basis of residual energy. UC-MS enhances network lifetime along minimizing energy consumption.

5。网络模型

在我们提出方案、RMS和DMS,节点是均匀的最初分配能量,也就是说,。我们认为只在感知数据的传输能耗。广场网络区域被认为是进一步在逻辑上分为16个小方块。节点随机部署在网络领域。每个小广场的中心是一个寄居女士的位置,直接从接收数据的节点的传感范围。传感范围的女士是一个圆(例如,),如图1虚线。暂停符号标示和从整个网络领域,代表两个逗留的地方(有总数逗留的地方)。为简单起见,解决方程几何也贴上和。两个圆之间的交集区域阴影在这个图。圆的半径感应范围(=),是两个相交的点之间的距离和。移动到下一女士逗留之前感觉到的位置和部分地区也有下一个圆形区域,如图1。为了应对这个问题,节点之前发送当前数据不参与传播。了解传播的几何范围(如图1考虑下面的讨论。

女士停在逗留的位置时,它接收数据的节点连接条件,其感应范围。在其向前移动到下一个位置,之前访问过的女士传感范围重叠区域可能有一些常见的节点。重叠的感应范围如图2提供更加清晰。为了避免盈余数据接收节点发送他们的数据,制定一个数学模型。传感范围都有相同的半径;然而,为了使计算简单,我们的标签和。我们的目标是计算两个传感范围之间的阴影重叠区域。为了这个目的,我们首先计算线长度的帮助下端点和,如图3,也就是说,和,在那里。线端点位于十字路口的圆圈,如图3。第一次感应范围半径方程下面是一个圆方程给出: 方程第二传感范围半径是 从(1)和(2) 将值(3)(1) 在考虑的情况下两圆的半径是相同的;也就是说,。用这个值(4),我们得到的价值。 透镜形状的区域重叠的区域 ,“”是一个距离,如图2。同时,我们已经考虑作为对我们提出的计划RMS和DMS。最终,当向前移动,女士已经感觉到地区被排除在明年位置的传感范围由(6)。每个节点提供数据一旦女士在一个时代。时代的时间被定义为所有节点发送数据一旦女士。阐述该方案,网络建模为有向图,在那里顶点,边缘。在我们的例子中我们将节点顶点和边节点和女士之间的联系我们定义组逗留的地方。对所有和,,敌我识别和一个正方形传输范围内吗。

覆盖整个地区女士和直接从每个节点接收数据时代,。女士在每个逗留位置收集数据节点的传感范围,然后继续。旅行时间逗留的两个地点之间是可以忽略不计。而女士则表示为一个节点之间的联系。同样,如果逗留位置下沉,然后;否则,。我们通过使用女士,最大化网络的生命周期不同的轨迹。

方程(7)定义的目标函数最大化网络的生命周期。总网络寿命和吗是在一个时代的时候了。因此,笔是整个网络的生命周期。方程 显示在一个时代水池位于一个阻止数据集合的节点出现在它的感应范围。方程 描述传入和传出流约束如图4。函数是发送的数据量之间的边缘节点和女士在时代和女士你好数据包发送的停留在特定的逗留期间的位置。在 ,表示收集到的数据在网络的生命周期。方程 是能量守恒约束。期间使用的能量节点传输的数据向下沉,而是初始能量的节点。方程 率约束。总信息发送的链接不应超过该链接能力,;这是传输速度的上限。最后, 显示开始和结束位置的女士都是一样的。

6。建议方案:RMS和DMS

我们提出的目标计划,RMS和DMS,是分析女士的性能在不同的轨迹。RMS轨迹遵循基于节点密度的随机路径(即。,density aware motion of MS) whereas DMS trajectory has a predefined path. Often WSNs are used to detect foreign chemical agents in the air and the water; DMS scheme can be implemented for such scenarios, whereas RMS scheme can be used in natural disasters like flood, where the MS can be any drowned helicopter or boat. When there is an urgent need, MS visits that place first.

女士的另一个重要参数是逗留期间逗留时间是呆在一个女士逗留的时间从邻近的节点位置和收集数据。在我们的方案中,逗留期是自适应地计算。女士移动到下一位置时,所有节点的具体次区域完全传输数据。我们计算逗留期间逗留位置,在那里是单一的逗留时间,是一个圆形的总时间,是总数逗留的地方。如果我们计算一个完整的逗留时间旅行的女士,这表明时间消耗在一次收集数据 因此,是网络的总寿命。

RMS,女士全球知识的停止节点密度的基础上。DMS轨迹最初定义和女士遵循固定的路径。

6.1。RMS轨迹

RMS轨迹是随机的,因为女士收集数据的基础上,节点密度,因为它从稀疏的地区(s)。这个运动也非常有用,因为在某些情况下很难遵循定义路径由于障碍或山丘。

网络领域是100 m×100 m在逻辑上分成平等的条件和每个次区域的中心点是女士的停止逗留停止等于分区的数量的字段在提出方案。随机女士从节点收集数据,通过优先考虑节点密度最高的地区。这是由于这样的事实,感知数据的溢出或损失的可能性增加,节点密度的增加。女士也直接从节点收集数据,所以能源用于数据传输是最小化。RMS的完整功能(图所示5)。

RMS如图的工作计划6。从逻辑上讲,女士开始旅行从密集的稀疏网络领域的次区域。我们还假设旅行时间逗留时间(相比可以忽略不计)。

6.2。DMS轨迹

这里我们假定一个正方形字段中,节点随机部署。网络领域是逻辑上分为小亚区。网络领域维度是100×100。它由16个小方块每个区域如图25 m×25米7。

中心点的逗留位置MS,各个区域的移动模式是预先定义的,它就像一个正方形螺旋在一个方框里跳来跳去。这个轨迹覆盖整个区域的网络。女士站在第一次逗留位置和广播广告消息到所有节点的传感范围。

节点然后建立链接,开始数据传输。一旦完成数据传输,移动到下一位置和女士重复相同的过程。工作计划的DMS看起来如图8。

所有节点感知数据发送给女士一次。女士意识到逗留的地方,也有知识的网络边界。女士的道路设计,这样每个节点能够传送数据的最小距离。

此外,网络正在睡眠清醒的方式。节点女士让清醒和传输数据,当他们收到女士的信标消息否则,节点进入睡眠模式来挽救他们的能量。次区域的面积小,最低能量用于数据传输。

6.3。分析分析

我们提出两个方案RMS和DMS,分别收集数据的优先级和周期性的基地。网络中的节点随机部署。在RMS,女士首先收集数据从那些密集的地区,然而,在DMS,女士是预定义的和固定的轨迹。DMS是预定义的路径;然而,节点随机部署。因此,我们的目标是优化三个网络性能指标:(i)最大化网络吞吐量,(2)减少端到端延迟,(3)减少路径损耗。

图形进行分析(i)吞吐量最大化,(ii)延迟最小化,和(3)路径损失最小化。这三个目标,通过蒙特卡罗模拟边界被发现。数据9- - - - - -11显示相应的可行区域(所有可行解所在)为目标函数,同时尊重他们的界限。在RMS,节点密度高的地区派遣更多的数据包与DMS。目标函数定义的总吞吐量计划21日×10³秒完成一次女士(时间)。结合RMS和DMS的吞吐量 目标函数是

根据提供的范围(10 b),(10 c)和(10 d),图9给出了有界区域由相交线,。结合两个方案的吞吐量都是躺在插图的边界地区。有界区域显示了可行的解决方案。在获得每个顶点的值在,在,在,在。

考虑路径损耗(PL)一个往返在两个女士计划:RMS和DMS。PL均方根大于DMS是因为它接收的数据节点密度高的地区。因此,衍射和反射这个方案更大。可行域结合PL如图10在21日×10³秒。这是最大值的范围在任何一轮PL女士(采集数据从网络中的节点)。目标函数是 在哪里

有界区域相交所形成的,行,这显示了PL在图的可行域10。这些边界所示(10 b),(10 c)和(10 d),形成了可行域。在获得每个顶点的值在,在,在,在。

两方案结合PL躺在插图的边界地区。

另一个性能参数是端到端延迟的RMS (D-RMS)和DMS女士(D-DMS)单程中收集的数据字段。这是表示为 目标函数和约束条件

可行域图所示11这是由的交集,行。这些边界的值(13 b),(13 c)和(13 d)。在获得每个顶点的值在,在,在,在。 落在插图的边界地区。有界区域显示延迟的最大价值网络中所有的节点都活着的时候。随着网络的发展网络中的节点消耗的能量取决于节点之间的距离,随着时间的推移,当节点女士开始耗尽精力减少延迟。可行域的最小值和最大值范围代表延迟。

7所示。仿真结果

以下性能参数被认为是对仿真结果进行评估。

7.1。性能参数:定义

RMS和DMS的评估性能,使用以下指标:(1)网络生命周期:总时间持续时间(秒)网络操作从开始到最后一个节点的死亡。(2)稳定的时期:时间(sec)从网络开始到第一个节点的死亡。(3)不稳定性的时期:时间(sec)从第一个节点死亡到最后的死亡节点在网络操作。(4)吞吐量女士:成功收到的数据包数量的单位时间(包/秒)。(5)包了:由于坏链接质量下降的数据包数量。我们考虑随机穿制服的模型(22]包了计算,将数据包的概率下降。(6)端到端延迟:时间、一个数据包从源节点到水槽(sec)。(7)PL:PL包括所有电磁波的传播损失衰减,折射、绕射、反射、源和目的地之间。它是计算分贝。

请注意。从文献综述部分2一生,网络被定义在许多方面像总时间从网络的建立到第一个节点死亡,总时间从网络的建立到10%的死亡节点,和总时间从网络的建立到最后一个节点的死亡。在本研究中,我们分析了第一个节点死亡时间和最后一个节点死亡时间。第一个节点死亡时间也被称为稳定的网络。因此,我们选择了最后一个节点死亡时间,网络的生命周期。

我们用一阶无线电模型对能源消费4)和距离源节点和女士之间根据距离,自由空间(功率损耗)和多路径(使用功率损耗)通道。方程的能源消耗一些包在一个距离给出了作为

在图12,无线电模型表明,能源消耗成正比发送方和接收方节点之间的距离。最小化这个距离,女士将会起到重要作用。从节点接收数据最小距离从而减少节点的能量消耗。

我们用于模拟无线电模型参数如表所示2。节点随机部署在一个网络。网络领域是逻辑上分为小广场等区域,即25 m×25 m。由于随机部署的节点,节点密度变化条件,地方高;有机会的信息损失数据溢出。我们建议的RMS方案解决这个问题;女士访问密集地区第一,而DMS认为预定义的路径。在这两种情况下,定义了逗留的地方。

7.2。性能参数:讨论

7.2.1。网络稳定

图13显示网络寿命的比较提出和比较方案。每个节点有相同的初始能量0.5 J。DMS显示改善和扩展稳定时期相比其他方案。广播女士灯塔,当它停止在一个特定的位置。节点的传输范围的接收信标女士和传播他们的感知数据。因此节点减少能源消耗的帮助下与水槽直接沟通。这个结果在较长时期稳定以及网络的生命周期。水槽流动方案减少能源消耗现有的方案。此外,CHs承担负担各自的成员节点的数据转发和聚合。因此,CHs消耗能量以更快的速度比正常节点。 In DMS and RMS, we compared the mobility patterns, predefined trajectory of MS and random trajectory from dense region to sparse regions of the network, respectively. In RMS, nodes from sparse regions transmit data towards the sink at larger distance, therefore, consuming more energy. As a result, RMS showing shorter stability period; however, network lifetime is similar to DMS. DREEM-ME has also longer stability period due to uniform random distribution of the nodes and minimum transmission distance. Aftersec的节点在最外层和中部地区消耗能量和节点内大部分地区只有发送数据向下沉。UC-MS延长网络寿命比LEACH由于女士的存在。

7.2.2。吞吐量

吞吐量的提出和比较方案如图14。更高的吞吐量,因为女士的计划节点之间直接沟通和和低PL。女士DREEM-ME和FTIEE集群路由协议;他们的吞吐量是少比其他四个女士计划。RMS的吞吐量更大,因为女士为主密集区域数据采集;也就是说,更多的直接发送数据包的节点数量,从而提高吞吐量。在UC-MS CHs从成员节点收集数据并等待控制消息的女士(当它到达附近停止)。女士访问预定停止接收数据,并直接从CHs的最小距离。这减少了CHs的能源消耗。DYN-NbC和UC-MS集群方案与水槽流动性和与DREEM-ME和FTIEE相比更有效率。然而,我们进一步减少能源消耗,不包括集群机制在RMS和DMS。 DYN-NbC contains clustering as well as MS. So its throughput lies in between the throughput of clustering schemes (FTIEE, DREEM-ME) and schemes with MS (DMS, RMS). From the start of the network operation, throughput of each scheme linearly increases, whereas after the end of stability period throughput decreases. Reason for low throughput is decreased number of alive nodes in the network. That shows maximum possible output during one complete trip of MS when it receives data from all nodes.

7.2.3。端到端延迟

端到端延迟的变化在所有方案。在图15至少,DREEM-ME封包延迟,因为它是集群方案;数据传输的啤酒花数量减少和负载均衡的CHs和成员节点。同时,它有均匀随机分布的节点。DREEM-ME静态集群和他们保持不变直到最后的网络。集群设计的节点与CHs进一步下沉传输数据的最小距离。DMS的延迟是至少在女士的方案相比,在这种情况下,定义轨迹女士用更少的时间和数据接收,因为假设水槽之间的旅行时间是可以忽略不计的两个相邻逗留的地方。没有任何是优先考虑节点接收数据的节点女士出席任何逗留时的位置。端到端延迟的均方根大于DMS因为女士随机移动领域来收集数据。延迟的分析分析两种方案在一个旅行的女士在网络场如图11。在那里,有界区域显示延迟的最大和最小值。FTIEE集群方案,它有更大的端到端延迟而提出的计划。这是因为节点发送数据到CH然后CH将聚合数据转发到水槽和需要额外的时间(即。时间延迟)。它还具有动态聚类旋转集群一定时间后,再一次CH选择和协会阶段发生。导致延迟。DYN-NbC具有较高的延迟,因为它利用集群以及女士,在集群使用多次反射传播,导致时间延迟。第一次密集的地区的基础上被选中的节点数量;然后剩下的地区形成集群;CHs选择; also, nodes association phase takes place. In UC-MS clustering is done first; then association of nodes occurs. The difference is CH waits for MS for data forwarding. From the start of the network till the death of first node, end to end delay linearly increases and afterwards remains constant.

7.2.4。的数据包数量下降

图16表明这些方案具有高吞吐量也有丢包概率。这个模型假定大数据包发送速率导致更大的数据包数量下降。DREEM-ME和FTIEE集群方案,节点感知数据并定期传递CH。CH从成员节点接收数据后汇总并将其发送给水槽里。女士UC-MS集群和第一个节点将数据发送给CH;然后从成员节点接收数据后CH等待女士丢包的机会增加。DYN-NbC需要基于聚类;然而,女士直接。在网络领域有集群和CHs从成员节点接收数据并将其女士包下降小于UC-MS相比。很明显从我们提出方案,RMS的丢包比较少,因为它接收数据的节点密度最大的地区优先。DMS在预定义轨迹和访问每个地区有机会在一些地区节点等待这么久女士的到来,最终把数据包。

7.2.5。PL

在RMS女士走向密集区域,节点发送的数据包的数量更大。在图17PL显示;它增加到网络中的节点感知和传输数据。RMS更大的吞吐量;因此,PL也更大。在DMS, PL RMS的相对不足。结合PL的RMS和DMS提供在图计划10。表明PL的最大价值在一个完整的数据收集一轮女士(当它接收数据从所有活着的节点网络)。稳定的时期相比DMS大于所有方案秒。从图17,PL DMS线性增加和之后,节点开始消耗他们的精力和PL曲线也改变其行为。UC-MS和DYN-NbC都集群机制,然而,女士在UC-MS有更高的PL DYN-NbC相比,因为它只通过CHs不均匀聚类和数据传输。

DREEM-ME和FTIEE集群方案;然而,FTIEE具有较高的PL因为动态聚类;,形状和与CH相关的节点数量不是固定的。一些CHs大量的相关节点和数据接收期间,传播延迟或者可能发生衰减导致PL增加。

7.2.6。残余能量

在所有的协议分析,初始能量是相同的,也就是说,0.5 J。很明显从图18在RMS和DMS,由于不连续的传输能耗是线性的。在DYN-NbC、能源消耗在集群和CH的选择。UC-MS还在集群形成消耗更多的能量,CH选择和数据聚合。

7.3。性能参数:权衡

我们讨论提出的性能权衡和现有的路由方案。同时,我们正在考虑的可能比较所有方案。增强的性能指标在每个方案是通过支付费用在其他性能指标如表所示3。DMS达到高稳定时期为代价的吞吐量比RMS。然而,DMS的端到端延迟也不到RMS。端到端延迟取决于收到的数据包数量在下沉。在RMS更多的节点(从密集的地区)女士直接传输数据,网络可能发生拥堵,因为这个端到端延迟增加。RMS有更高的吞吐量,因为它收集的数据密集的地区优先在稳定时期的成本。这些计划中的节点e2 UC-MS相比较少,DREEM-ME DYN-NbC, FTIEE。在UC-MS节点首先把他们感觉到数据CHs, CHs等待女士来接近停止。一旦停在接近女士停止,CHs传输自己的数据,以及接收的数据。由于等待女士和多次反射沟通,UC-MS具有较高的e2。 DYN-NbC is also clustering scheme with MS. Its working strategy is different from UC-MS. First the whole network is divided into small subregions like RMS and DMS. After that highly dense region where the number of nodes is maximum is identified. DYN-NbC’s E2ED is less than UC-MS, however, greater than DREEM-ME and FTIEE. For packet drop ratio we used random uniformed model. DMS has a higher packet drop ratio in comparison to other compared schemes because it visits all the regions in the network on its turn. Packet drop increases in some areas where nodes have to wait for MS for long time period. RMS receives data from nodes on priority; high node density regions send their sensed data earlier; as a result, it achieves higher throughput and less packet drop. In DMS consumption of energy is almost the same like RMS.

8。结论和未来的工作

在计划的RMS和DMS计划,在逻辑上划分成小方块女士找到位置并计算其最大节点的距离。这样做,我们实现了提高吞吐量和延长网络的生命周期。相比,我们提出的协议与DREEM-ME领域划分为同心圆,根据节点之间的距离和水槽,数据直接传输或通过中间节点。我们还将我们提出的方案与UC-MS DYN-NbC;这些拥有集群以及结果表明RMS执行比女士DMS的数据收集从密集地区第一,剩下的之后,在稳定性方面,DMS轨迹显示出更好的性能。

在未来,我们的目标是探索更多的轨迹和几何图形的下沉。我们也想引入多个水槽最小化传输成本和延长网络的生命周期。还端到端QoS度量将考虑网关选择方案。

相互竞争的利益

作者宣称没有利益冲突。

确认

这个研究项目的资助支持的“女性的研究中心科学和医学院校,“院长职科研、沙特国王大学。

引用

1. j .活跃、b·穆克吉和d . Ghosal“无线传感器网络调查,”计算机网络,52卷,不。12日,第2330 - 2292页,2008年。视图:出版商的网站|谷歌学术搜索
2. A . A . Abbasi和m·尤尼斯”聚类算法对无线传感器网络的一项调查显示,“计算机通信,30卷,不。14日至15日,第2841 - 2826页,2007年。视图:出版商的网站|谷歌学术搜索
3. n .阿姆n . Javaid海德尔,a . a . Awan和m·拉赫曼”DREEM-ME:分布式区域节能种网络路由协议基于最大能量,”IEEE学报》第八届国际会议上宽带,无线计算、通信和应用程序(BWCCA 13)贡比涅,页43-48,法国,2013年10月。视图:出版商的网站|谷歌学术搜索
4. w·r·Heinzelman a切卓卡山,h··“节能无线微传感器网络的通信协议,”美国第33届夏威夷国际会议系统科学(HICSS-33)IEEE,毛伊岛,夏威夷,美国2000年1月。视图:谷歌学术搜索
5. s . Basagni a . Carosi e . Melachrinoudis c . Petrioli和z . m . Wang”控制水槽流动性延长无线传感器网络寿命,”无线网络,14卷,不。6,831 - 858年,2008页。视图:出版商的网站|谷歌学术搜索
6. s . r . Gandham m . Dawande r . Prakask美国斯根,“节能方案有多个移动基站的无线传感器网络,”《IEEE全球电信会议(GLOBECOM ' 03)381年,页377 - 2003年12月旧金山,加州,美国。视图:出版商的网站|谷歌学术搜索
7. w·t·g . Wang Wang, m .郭和j·李,“自适应移动水槽在无线传感器网络中,位置更新”《华尔街日报》的超级计算卷,47号2、127 - 145年,2009页。视图:出版商的网站|谷歌学术搜索
8. r .苏吉哈拉和r·古普塔”优化energy-latency权衡与流动控制,传感器网络”《28日计算机通讯大会上(INFOCOM ' 09)IEEE,页2566 - 2570年,里约热内卢,巴西,2009。视图:谷歌学术搜索
9. j·g·曹”,基于改进路由协议LEACH对无线传感器网络来说,“应用力学和材料卷,614年,第475 - 472页,2014年。视图:出版商的网站|谷歌学术搜索
10. a·h·汗n . Javaid m·伊姆兰汗z . a,卡西姆,和n .海德尔”DYN-NbC:一个新的路由方案,一生了网络吞吐量的最大化,”学报》第29届IEEE国际会议上先进的信息网络和应用程序(AINA 15)光州,页92 - 97年,韩国,2015年3月。视图:出版商的网站|谷歌学术搜索
11. j . Wang x杨,李,李,美国全,“基于移动水槽不均匀聚类算法对无线传感器网络来说,“互联网技术杂志》,14卷,不。6,895 - 902年,2013页。视图:出版商的网站|谷歌学术搜索
12. m·阿克巴n . Javaid m·伊姆兰A . Rao m . s .尤尼斯和中情局Niaz,“一种角为无线传感器网络路由协议,”国际期刊的分布式传感器网络,12卷,不。9日,2016年。视图:出版商的网站|谷歌学术搜索
13. l . j . Wang左,j .沈b·李,李,“多个移动sink-based路由算法在无线传感器网络中,数据传播,”并发性和计算:实践和经验,27卷,不。10日,2656 - 2667年,2015页。视图:出版商的网站|谷歌学术搜索
14. 黄z h·冈田克也、k .小林和m .片”研究集群生命周期与合作味噌种无线传感器网络的计划,“通信和网络杂志,14卷,不。4、443 - 450年,2012页。视图:谷歌学术搜索
15. f . Tashtarian m . h . Yaghmaee穆贾达姆,k . Sohraby和s . Effati”最大化无线传感器网络的生命周期在事件驱动的应用程序和移动下沉,“IEEE车辆技术,卷64,不。7,3177 - 3189年,2015页。视图:出版商的网站|谷歌学术搜索
16. b . Behdani y s Yun, j . c . Smith和y .夏,“分解算法最大化无线传感器网络的生命周期与移动下沉,“电脑和运筹学,39卷,不。5,1054 - 1061年,2012页。视图:出版商的网站|谷歌学术搜索
17. j .罗j . Panchard m .来自m . Grossglauser和j.p. Hubaux”Mobiroute:路由走向移动水槽对于提高传感器网络的生命周期,”第二届国际会议在传感器系统的分布式计算(DCOSS 06年)497年,页480 - 2006年6月旧金山,加州,美国。视图:谷歌学术搜索
18. m . Mansouri l . Khoukhi h . Nounou, m . Nounou”安全、健壮的聚类量化在无线传感器网络目标跟踪,”通信和网络杂志》上,15卷,不。2、164 - 172年,2013页。视图:出版商的网站|谷歌学术搜索
19. l .史b张、黄k和j .妈,”一个高效的数据驱动的路由协议的无线传感器网络移动下沉,”IEEE国际会议通信学报》(ICC的11)IEEE,京都,日本,2011年6月。视图:出版商的网站|谷歌学术搜索
20. h·a·Refai a . a . Awneh k . Batiha a . a .阿里和y . m . e·拉赫曼”高效路由LEACH增强对LEACH协议在无线传感器网络中,“国际学术研究杂志》上,3卷,不。3,2011。视图:谷歌学术搜索
21. f . Kiani e . Amiri m . Zamani t . Khodadadi和a . AbdulManaf”高效智能能源在无线传感器网络路由协议,”国际期刊的分布式传感器网络第十五条,卷。2015年,2015年。视图:谷歌学术搜索
22. 陈曹问:周,x, s, g .林”解决无线网络传输错误和损失”《无线网络和信息系统国际会议(WNIS ' 09),第315 - 312页,上海,中国,2009年12月。视图:出版商的网站|谷歌学术搜索

版权

版权©2017玛利亚姆阿克巴et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。