研究文章|开放获取
伊曼纽尔Garcia-Gonzalez,胡安·c·Chimal-Eguia马里奥•e . Rivero-Angeles Vicent解放军, ”图表的使用在无线传感器网络中,节点连接的充满敌意的环境中”,杂志上的传感器我>, 卷。2019年, 文章的ID7409329, 22 页面, 2019年。 https://doi.org/10.1155/2019/7409329
图表的使用在无线传感器网络中,节点连接的充满敌意的环境中
文摘
无线传感器网络(网络)都进行了广泛的研究在文献中。然而,在充满敌意的环境中节点连接是严重受损,可以极大地影响系统性能。在这项工作中,我们考虑这样的一个充满敌意的环境中,传感器节点不能直接沟通一些邻近的节点。在此基础上,我们提出了一个分布式数据采集方案,数据包存储在不同的节点在整个网络来考虑一个水槽节点。因此,如果节点被破坏或损坏,仍然可以获取一些信息。评估系统的性能,我们认为不同图形的属性描述节点之间的连接。结果表明,图的度分布对系统的性能有重要影响。话务分析开发研究缓冲区大小平均和平均分组延迟。为此,我们提出一个<我>参考节点我>方法,它需要一个近似的数学建模这些网络,有效地简化了分析和近似系统的整体性能。
1。介绍
无线传感器网络部署监控特定的物理变量对于许多应用程序,如动物跟踪森林、建筑结构健康监测,甚至动态医疗监测身体区域网络。然而,在一些敌对的环境中,传感器节点放置在不利的情况下,他们不能直接邻近节点由于沟通障碍,干扰,噪音,甚至基于拒绝服务攻击技术,影子一些特定的节点之间的连接。基于这一事实,剩下的拓扑(节点)之间的连接网络成为相关。在这项工作中,我们研究系统的性能的基础上,利用图论特定的网络拓扑。图可以描述许多性质如度分布(d . d),定义为一个节点度的概率分布在整个网络;聚类系数(c . c),定义为节点的程度的测量图往往聚集在一起;密度定义为现有边缘图的分数相比,一个完整的图形;平均距离(公元),定义为步骤的平均数量在所有可能的节点对的最短路径图;和直径,这是最长的最短路径。从这些,度分布的极大兴趣。 Indeed, this is a property that captures, to a large extent, the essence of the form of the graphs that share the same type of distribution.
图形属性已经被使用之前的文献研究系统的性能。例如,在[1),作者使用了两种类型的图表,随机几何和集群图,为了选择传感器节点的位置。在节点定位,在2),提出了网络节点的定位估计的使用刚性的概念图。然而,在这些作品中,平均的影响图的属性缓冲区大小和封包延迟还没有被研究过。图论中使用(3)减少干扰资源分配方案使用图的最大独立集的概念。然而,在这项工作,系统的拓扑结构并不认为,因为只有小明星网络进行了研究。
此外,在这样充满敌意的环境中,传感器节点容易受到损害也减少了数据采集效率(4- - - - - -6]。此外,当干扰水平高或干扰的情况下攻击(7),节点不能沟通水槽节点可能会发现在监控区域。如果紧急救援人员依靠从节点系统中检索信息,这就变成了一个主要问题因为某些节点可能断开水槽节点并不能帮助警察,军人、或消防队员在他们的特定的操作。因此,我们建议传感器节点发送信息的特定环境系统中的其他节点,而不是一个水槽节点一般网络提出了。因此,数据没有发送到单个传感器节点可能遥不可及,不许多节点甚至破坏。相反,我们考虑一个场景:传感器的信息发送给其他节点的兴趣在一个特定的区域选择之前安装的传感器网络。例如,网络管理员可能感兴趣从北部传送信息的监视区东部地区,或从一个特定的建筑的一层到另一个相关的地板上。通过这种方式,紧急救援人员,通过接近传感器节点可以检索相关信息系统的条件在不同的区域。
例如,考虑网络图中描述1。在这种情况下,节点部署在受影响消防协助人员救援行动。由于障碍和火本身,节点只能连接到一个网络中其他节点。这些联系可以被描述为一个无向图具有以下特点:(a),它必须是一个简单的图,即。,一对节点最多可以连接一个边缘和(b)它必须连接。通过了解这个图的性质,网络管理员可以预先知道系统的性能而言,平均缓冲区大小和平均分组延迟。因此,他们可以决定是否需要更多的节点,以提高监测能力甚至几节点在非常特定的地区改变或改善基本图,因此减少分组延迟。相反,当一个传感器节点可以与所有邻居节点通信,即。,there are no physical impediments (obstacles, interference, or cyberattacks) for nodes to directly send packets to any other node in its communication range, a random geometric graph or a unit disk graph can accurately describe the topology of the network. In Figure2这种情况下,我们礼物。这个图具有以下特点:这是一组单元的相交图磁盘在欧氏平面上,即。,我t我s a graph with one vertex for each disk in the set, and there is an edge between two vertices as long as the corresponding vertices lie within a unit distance of each other.
网络的性能在敌对的环境中研究了在文献中。例如,在[4,5),节点可能发现自己断开网络的其余部分由于这样的充满敌意的环境中导致不可靠的链接。为了解决这个问题,作者提出使用移动数据运营商暂时提供连接到其他节点。与这项工作,我们不考虑节点断开的情况,即,we assume that all nodes remain connected either directly or indirectly to all other nodes in the system. Hence, we do not focus on the problem of reconnecting parts of the network. In [6),不可靠的链接使用一个开/关的过程建模和作者研究网络的拓扑节点相关学位。与这项工作,我们认为不可靠的链接是没有实际使用的整个操作系统。此外,(6)不考虑图论来推断系统的性能而言,平均缓冲区大小也不封包延迟。最后,在[7),由于直接干扰网络攻击链接是不可靠的。作者提出一个统计方法来检测这种攻击可能导致系统断开连接的部分。与这项工作,我们不关注检测这样的攻击,因为我们假设在敌对环境中操作只是简短的操作时间和网络用于援助工作领域。注意,网络攻击检测需要大量的时间;因此,我们认为,没有真正获得检测这些DoS(拒绝服务)攻击以来这些应用程序前的救援行动可能在攻击检测。本文的主要贡献如下:(我)研究传感器网络在敌对的环境中,评估和分析。在这种情况下,敌意是双重的:对于一个部分,它可以防止节点连接到邻居节点,其次,由于节点容易出现故障,甚至破坏,收集信息传播在整个网络,而不是一个水槽节点(2)我们使用的属性图的拓扑描述为了系统地确定系统的性能对不同的系统条件来说是足够的。因此,网络管理员可以使用一个特定的图(通过改变节点的位置或数量的节点)来实现一个目标性能指标(3)一个近似数学分析是研究开发WSN是这样一个敌对的状态,也可以用于其他应用程序相似的连接属性
剩下的纸是组织如下:在部分2,我们现在的主要假设和影响学习系统。然后,部分3细节图生成过程和主要属性。数学分析是开发的部分4基于离散时间马尔可夫链(DTMC)。最后,本文的结论提出相关的数值结果和结论。
2。系统模型
我们现在描述的主要假设和参数考虑这项工作。同时,提出了通用的操作系统。
节点是均匀放置在监控区域,根据特定的拓扑连接到他们的邻居节点考虑到许多直接无线连接不可靠,即。,there are many obstacles, interference, and/or noise in the path between two neighbor nodes (nodes geographically close to each other such that they are in the theoretical communication range) but they cannot directly communicate among them. As such, only some connections are practical among nodes in the network. These connections in the system can be described by graphs with specific characteristics.
节点不直接传输到汇聚节点,<我>传统的我>轮。相反,数据包包含信息从系统中监控现象被传输到其他节点。事实上,因为我们正在考虑部署的节点在敌对的环境中,我们建议在节点的冗余故障或破坏。此外,这个数据传播机制允许更快的报告数据可以在感兴趣的领域,例如,在受影响火灾或战术军事行动监控区域内的人员不断移动,需要信息一定条件下其他地方的战术操作。这样,一名消防队员穿越北部地区直接连接到一个节点放置在那个区,可以直接从东部地区相关信息没有连接到水槽节点可能遥不可及。在此基础上,节点生成新的数据包的概率提前向特定的节点选择,这取决于系统的条件。这些数据包路由使用的最短路径路由协议来传达数据从源节点到目标节点通过中间节点使用可用的拓扑。另一方面,数据包传输的概率 。
从这个描述,我们现在可以有一个通用的系统操作。一旦节点部署在充满敌意的环境中,网络管理员选择一双连接节点,直接或通过多次反射,期间彼此的操作,就像一个火,人质的情况下,和工业监控。此时,系统操作参数可以精心挑选考虑网络中节点的数量和具体图所描述的可用节点之间的连接。具体来说,通过观察节点的拓扑结构,可以计算图的程度及其概率分布可以推断。然后,的值和可以使用数学方法精心选择开发的以下部分为了计算平均缓冲区大小和所有这些参数的分组延迟。因此,网络操作可以在发达国家和它可以提高如果需要通过添加附加节点甚至改变某些节点的位置来改变图的拓扑结构。
上述分析考虑<我>参考我>节点为了简化复杂性。事实上,在基础上,允许多个目的地节点被认为是和多次反射传输,交通可能是非常不同的在不同的节点,交通状况依赖于路由协议和网络拓扑结构。通过考虑一个参考节点,我们只能专注于一个缓冲的行为。然而,参考节点可以代表最坏的情况,因为我们认为这个引用节点的节点作为中继节点(中间节点)。我们的数学分析是一个真实系统的近似条件下,我们假设这个引用节点的邻居节点也有类似的交通状况,因此,类似的数据包到达概率。这些假设的有效性和近似的准确性验证对系统仿真结果的比较。
3所示。图一代
在本节中,我们详细解释图形生成过程,描述了网络中节点之间的连接。具体来说,我们专注于生成简单和连接图(也称为严格图(8)这是一个无关紧要的,无向图不含图循环或多个边缘(9,10])与一定程度分布。记得与不可靠的网络链接,我们有兴趣调查的影响图的属性描述节点的连接,系统的性能。
3.1。图形化的度序列生成
获得学位序列(非负整数的列表为每个顶点图的州有多少邻居)简单的连接图也遵循某种程度上分布,我们首先定义图的节点的数目,也称为序列图的。之后,我们遵循下面的步骤:(a)伪随机数生成,(b)生成的数字序列的离散化,(c)检查度序列的简单性,(d)潜在连接图形的序列,和(e)强行1-connected图形序列。现在我们详细描述这些步骤。
为了研究不同的概率分布的影响的程度图,选择分布如下:(我)二项分布(2)指数分布(3)极端值分布(iv)正态分布(v)幂律分布(vi)离散均匀分布
这些随机数生成使用c++语言中的本地库的唯一例外的幂律分布。对于这种情况,概率密度函数(pdf)中描述的使用(11]。
现在,对于生成的数字序列的离散化,我们简单地选择<我>轮我>或者是<我>装天花板我>功能。对特定参数的分布,我们可能得到值低于0<我>。我>5,它将成为0如果我们只使用<我>轮我>函数。见下一个分段,这将导致我们nonconnected图。在这些情况下,我们使用<我>装天花板我>函数。在这一点上,我们有一个整数序列的长度 。
然后,简单的度序列进行验证。如前所述,这是一个重要的要求得到整数序列的前一步中形成一个简单的图。为了达到这个目标,我们保证随机序列符合Havel-Hakimi定理的条件(12,13)如下:
定理1。让 是一个有限的非负整数列表nonincreasing秩序。我>(1)列表图形当且仅当的总和吗<我>d我是偶数, ,和有限的列表 非负整数和图形吗我>(2)列表排序nonincreasing顺序在每个迭代中如果必要的我>(3)步骤1和2将被应用次,设置在每一步 (4)如果在任何时候有负数或列表 ,定理证明了列表从一开始就不是图形我>(5)否则,如果整个列表由0,那么列表从一开始是图形和过程结束我>
定理1只有保证序列属于一个简单的图,但现在我们验证连接。一个潜在的连接度序列是,所有的图的度序列是什么<我>年代我>,至少其中一个连接。换句话说,如果我们想要建立一个图 ,我们确信存在一个配置图的连接。为了检查是否有一个简单的连通图与我们迄今为止,整数序列的定理2(14]。
定理2。让 是一个有限的非负整数列表nonincreasing秩序, 。一个存在的充分必要条件的简单连通图<我>G我>与度序列<我>年代我>是,
因为在(14),它是说,(3)和(4)保证简单图度序列的存在 ,相当于Havel-Hakimi算法;我们只检查满足的条件(1)和(2)。
此外,我们实现一个算法,检查是否强行1-connected给定图度序列。强行1-connected序列这样每个图度序列是谁的1-connected,即。,我t做es not matter how the nodes are connected with each other, as long as the rule of<我>没有循环或多个边缘我>是观察到的。因此,图有其节点连接最多的一个边缘有一个任何一对节点之间的路径。
为此,我们使用一个算法基于定理3从[15),定义了一个<我>充分条件我>度序列强行 - - - - - -连接。我们只关心简单的图表,我们使用 。
重要的是要注意,这只是一个<我>充分条件我>序列,因此,一定程度上不满足条件并不意味着这样的序列不是强行连接。完整的程序检查是否一个图像序列是强行连接的详细算法4在附录中。
3.2。与给定的度序列建立简单的图表
在这一点上,我们已经有一个学位序列描述了一个简单的图,可能连接或强行连接。下一步是构建图序列。为了实现这一点,现在我们考虑Havel-Hakimi算法描述。
该算法使用定理中描述的方法构建一个图1但添加一些额外的步骤,提供随机性(这行中可以看到2和20,洗牌的第2行增加了度的机会被分配到不同的节点在每次运行中描述4 - 8行)。算法5详细的步骤需要使用这种方法构建图表。洗牌的目的在第20行有一个更深层次的原因。有时,当序列作为输入提供潜在的连接,输出图可能会断开连接,如果第20行不是补充说,它将永远是相同的,因为那种在第21行不改变元素的相对位置时,他们的价值观是相同的(16]。增加的机会得到一个连通图,第20行添加,打开的可能性在多个不同的图算法的运行。
到目前为止,我们可以产生一个图,前面提到的方法之一。然而,我们必须检查如果这样的图确实是连接使用时强行连接度序列或Chung-Lu方法。为此,我们遵循过程中给出的算法1,我们首先运行一个广度优先搜索(BFS)算法在我们想要测试的图。如果BFS可达图中的每个节点,然后连接。
在本节中,我们描述了特定的方法生成图表,描述系统中节点之间的连接。这样的连接意味着任何一对节点之间的直接路径。我们现在感兴趣的在分析传感器网络的性能,当节点连接的方式。为此,以下部分的分析模型派生。
|
||||||||||||||||||||||||
4所示。的数学模型
在本节中,我们详细描述模型的数学分析基于DTMC缓冲区长度和平均分组延迟。为此,我们建议使用一个参考节点,这是一个<我>传统的我>节点,即。,a node in no extraordinary conditions. Like the majority of the nodes in the system, such conventional node may not be placed in the edges of the monitored area and it is not isolated from the rest of the nodes. Rather, it would have an average number of neighbor nodes and its nodes are likely to have similar traffic conditions than this reference node. The reason for this consideration is that traffic in WSNs where packets are no longer directed to a single sink node greatly depends on the network topology (given by the graphs described above) and routing algorithm, which in turns corresponds to a very complex system that could be described by a higher number of variables and states. Conversely, by focusing on only one reference node, with similar conditions to the majority of the nodes in the system, it is possible to reduce such complexity and derive close expressions for average buffer size and packet delay irrespective of the network topology and routing protocol.
建筑,开槽非持久性载波监听多路访问(NP / CSMA协议数据包在缓冲节点传播的概率在一个给定的时间段。这个系统可以被描述为一个DTMC状态( )代表了在缓冲槽的数据包数量参考节点的有效状态空间 如图3。
因为参考节点对应一个节点具有类似交通状况也比大多数节点和其邻居节点,我们认为一个数据包到达的概率节点的引用 ,和两个或两个以上的数据包到达的概率是由参考节点 。因此,没有数据包到达该节点的概率是由 。
是很重要的话,这个模型是一个近似来降低系统的复杂性,因为我们也考虑到 , ,和也的概率一个、多个或没有数据包到达所有的参考节点的邻居,分别。这并非总是如此,因为参考节点可以接近节点在监视区域的边界或可以在一个特定的环境中,许多链接不活跃,这将彻底改变的值参考节点和邻居节点的数据包到达。然而,我们认为这个近似为将军和准确的结果轮为提供不可靠的链接和多个水槽节点,作为广泛的分析结果进行了比较,证明了仿真结果提出了进一步。区分事件的参考节点和邻居节点,我们考虑以下变量:一个数据包到达的概率是一个邻居节点 ,和两个或两个以上的数据包到达的概率是由一个邻居节点 。
拟议的DTMC有效状态转换概率如下:(我)从状态0到0的概率 这对应于当缓冲区是空的,没有参考节点数据包到达(2)从状态0到1的概率 相对应的一个成功参考节点收到的数据包,即。参考节点,没有事故发生(3)从国家州 , ,的概率 。这种转变对应单个包的情况通过参考节点的概率并正确地收到预期的邻居节点,即。,no other packets are transmitted or received by the intended neighbor node. This implies that no other neighbor node transmitted to the intended reference node’s neighbor node(iv)从国家州 , ,的概率 。在这种情况下,没有新的参考节点收到的数据包成功。这发生由于下列情形:(一)参考节点传输数据包的概率 。然而,邻居节点也传播或不传输但其它邻居节点传播,造成数据包碰撞;(b)这个状态转换时也可以参考节点不传送,但没有其他参考节点收到的数据包成功(v)从国家州 , ,的概率 。在这种情况下,一个新的数据包接收缓冲区的参考节点。这个当参考节点不传送,且只有一个数据包接收到这个参考节点,即。,没有数据包碰撞发生,只有一个邻居节点传播
注意,为了传输一个数据包,节点的缓冲区必须非空的。因此,传输一个数据包的概率总是给出的 。
获得封闭表达式对于系统的性能,我们首先简化前面的表达式如下:(我) (2) (3) (iv) (v)
现在,我们递归地计算稳定状态概率如下:
和使用归一化方程 我们得到了
由此,一些代数操作后,我们可以计算如下:
一般的缓冲区大小可以计算为 。因此,使用(9)和一些代数操作后,我们可以表达如下:
计算的平均包延迟,我们使用小定理如下: 在到达率包单位时间可以描述的 。
最后,概率和不能直接派生自他们极大地依赖于网络拓扑结构和路由协议。我们相信,推导关闭这些概率的表达式超出了这个工作的范围,我们离开这个研究领域开放的未来的工作。然而,我们通过数值模拟的方法获得这些概率使用<我>自制的我>网络模拟器建在c++中描述的算法2。
如前所述在系统模型中,生成新的数据包的概率和传输到特定的目的地节点中选择使用他们中间节点到达许多先进。每一对节点之间的数据包传输的概率 。从这个仿真,我们可以获得数值系统中每个节点的数据包到达概率。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
5。数值结果
在本节中,我们提供最相关的结果,描述系统的性能基于图形的属性用于定义网络的拓扑结构。
我们首先验证数学模型通过比较分析结果对系统仿真结果。在图4,我们展示了平均的缓冲区大小的对比结果与200节点系统仿真和DTMC网络和不同的价值观 。用于获得系统参数计算结果和绝对平均误差如表所示1。我们可以看到一个非常好的匹配所有分布和不同的图形。具体来说,最好的近似发生指数和幂律分布,主要功能在哪里,林祖嘉价值远远大于密度。
(一)二项(200,0.95)
(b)指数(0.05)
(c)极端值(180 4)
(d)正常(195 2)
(e)幂律(1.7)
(f)制服(190,195)
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
为了看看网络中节点的数量相关影响模型的准确性,我们考虑的情况下从10到50个节点网络与幂律分布如图5。可以看出,随着系统中节点的数目增加,较低之间的误差分析和仿真结果。
(一)10节点
(b) 20节点
(c) 30节点
(d) 40节点
50 (e)节点
到目前为止,我们已经将DTMC结果与网络由我们的算法,这在某种程度上可以被认为是随机拓扑。但也有特殊情况的网络模型的条件更适合系统的条件。回想一下,数学模型的主要假设是一个参考节点相似的邻国的交通状况,在这样一种方式来考虑数据包到达的概率是相等的。为此,我们考虑一个51-node网络拓扑结构,所有的链接都对称的四面八方,所以交通状况在参考节点完成。在图6我们展示这些网络的图形表示。注意,图1是树,和其余的图是图1的一些变化与小突变变化在某种程度上图形的属性,因为它是在表中定义2,我们也存在之间的平均绝对百分误差分析和仿真结果。具体来说,在图1中,2,3,密度增加而贝是相同的。在这种情况下,错误也会增加,但不超过3%。在图4中,林祖嘉更小,同时在图5中,贝比密度高。在图6中,林祖嘉相当比密度值和误差在5%以上。
(一)图1所示
(b)图2所示
(c)图3所示
(d)图4所示
(e)图5所示
(f)图6所示
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
最后,随着节点数量的增加,我们可以看到一个更好的适合分析结果和仿真结果之间的分布如图7。
(一)指数(0.05)
(b)幂律(3)
(c)制服(5,10)
现在我们验证数学模型,我们调查的属性图的影响系统的性能。为此,我们首先研究不同程度分布的影响不同数量的节点在网络中。为此,我们考虑上述不同的概率分布函数描述为每个网络密度与他们的具体参数。提出了这些参数和数值表3。
|
|||||||||||||||||||||||||||||||||||||||||||||
这些图都是由这些序列使用Havel-Hakimi方法中描述的算法5。以下参数被用于数据包流量 和 。我们花了一个<我>参考节点我>短路径的节点存在于大多数每一对节点之间进行计算 。背后的原因选择参考节点以这种方式是因为每包生成遵循目标节点的最短路径。因此,参考节点是其中一个<我>瓶颈我>的网络。换句话说,所选的节点可以被视为“最坏情况”,我们可以预见网络中的其他节点相同或更低的值的缓冲区大小。
由于网络模拟器的开发,我们现在验证数学近似模型仿真结果以确定的准确性提出了分析框架。我们第一次的值相比平均缓冲区大小和平均分组延迟的所有学位分布的图形生成不同数量的节点在网络如图8和9,分别。可以看出,随着网络图的密度较高,意味着缓冲区大小的测量参考节点和平均端到端分组延迟都减少。此外,较低的平均缓冲区大小并不一定意味着较低的平均分组延迟。例如,考虑网络的情况下100个节点和新的数据包生成概率低(低报告环境)和低传输概率(低的值 )。在这种情况下,有几包系统作为参考节点有较低的平均缓冲区大小。然而,这些数据包需要很长时间才能可以传播的非常低的价值 。随着数据流量增加(增加),缓冲区大小但平均分组延迟并不总是增加。从这些结果,重要的是要注意,增加数据报告(新数据包的数量由节点)并不意味着系统的退化,只要适当的值被选中。这个不错的选择可以通过使用这些结果提出了为了达到一个特定的平均分组延迟的目标。
(一)50节点图
(b) 100个节点图
(c) 150个节点图
(d) 200个节点图
(一)50节点图
(b) 100个节点图
(c) 150个节点图
(d) 200个节点图
在表4,我们显示最相关的图表用于这些实验值,如最小和最大的值和 ,和平均聚类系数、密度、平均距离和直径。这些结果可以使用由网络管理员为了实现关键绩效指标基于给定的网络拓扑。此外,如果当前拓扑并不是最适合,它可以通过添加或修改某些节点移动。例如,考虑这样一种情况,当当前网络的拓扑描述150年的指数分布节点放置在充满敌意的环境中。在这种情况下,最大数据包延迟21.25时段。这个值可能高于预期的基础上提供的特定服务。然后,网络管理员可以取代某些节点为了现在正态分布依据10.52时段最大数据包延迟。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
我们也比较的所有图形共享相同程度的分布无关的网络中节点的数量平均缓冲区大小和封包延迟数据10和11,分别。在图10极端值,我们可以看到,正常,和均匀分布有非常相似的结果,在图11,我们可以看到一个类似的趋势在二项,正常,幂律分布。我们也注意到,对于每一个特定数量的网络节点,林祖嘉和密度值都很接近在大多数情况下,节点数量的增加,这些值也增加,但公元减少。
(一)二项图
(b)指数图
(c)极值图
(d)正常的图
(e)幂律图
(f)统一的图形
(一)二项图
(b)指数图
(c)极值图
(d)正常的图
(e)幂律图
(f)统一的图形
此外,有趣的是,随着节点数的增加,公元仍然几乎不变的价值。例如,二项分布,公元值仍主要是在大约1.04,正常,幂律,均匀分布的图表也有类似的行为,但它存在一个最明显的区别。正如预期的那样,这些分布的公元值有微小的变化随着节点数的增加,但高与二项分布图形。现在,关于指数分布图形,它产生不同数量的节点之间的差异。例如,当网络有50个节点,图1.71的公元,而对于100个节点的情况下,图1.87的公元,和150个节点,图公元1.97,和200节点情况下,图2.25公元。
现在,我们观察计算结果用图形相同的公元这些结果,我们使用一个固定的值 。具体来说,我们创建了一组网络的公元相比大约是2.55和平均分组延迟的值。网络图的属性详细表5,在图12,我们显示的比较图。可以看出,当公元保持不变,即使贝和密度的值是不同的,系统的性能不受影响。
|
||||||||||||||||||||||||||||||||||||||||||||||||||
我们现在有兴趣使用图形具有相同值的对系统性能的影响。为此,我们创建了一个集合的网络林祖嘉相比大约是0.7和平均分组延迟的值。网络图的属性详细表6,在图13,我们显示的比较图。在这种情况下,幂律和指数分布需要更高的平均包延迟,而其余的分布达到更好的性能。背后的基本原理是公元指数和幂律分布有相似的价值观,而其余的认为是公元的分布也有类似的价值观,我们可以推断随着公元的增加,还封包延迟增加。
|
||||||||||||||||||||||||||||||||||||||||||||||||||
一组网络的密度大约是0.2创建然后我们展示了系统性能。网络图的属性详细表7,在图14,我们显示的比较图。在这个测试中,我们忽略了幂律分布,因为它是不可能创建一个图的度分布密度为0.2。这是与概率分布的原因属性不允许创建密度图。在这种情况下,我们确认我们之前的观察,当图也有类似的密度值,平均分组延迟不受影响,即使其余的参数有所不同。
|
|||||||||||||||||||||||||||||||||||||||||||||
6。结论
在这项工作中,我们考虑一个WSN在敌对的环境中,许多邻居节点之间的联系是不可靠的,因此,不能用于建立直接沟通。基于这样的环境下,我们建议网络的拓扑映射到特定的图形与集群系数等不同特点,度分布,公元和直径。我们建议使用这些属性来评估系统的性能之前的平均缓冲区大小和平均分组延迟通过使用一个近似方法,大大简化了分析框架。我们验证的准确性近似通过比较广泛的仿真结果显示大多数结果的绝对误差低于5%。
从不同的图用于表示网络的拓扑结构,我们可以看到,只有属性的图明显影响系统性能的平均缓冲区大小和分组延迟的值是公元程度分布没有相关系统的性能。然而,并不是所有的价值观公元可以考虑分布的实现。例如,使用指数和幂律分布,我们可以实现最小公元值远远大于那些我们可以实现与其他发行版。这是因为前两个属于图形密度小于那些我们可以创建与其他发行版。
在未来的工作中,我们将重点发展闭合表达式的数据包到达概率提供封闭表达式平均端到端分组延迟。
附录
在本附录中,我们目前的一些有用的算法中使用。首先,我们现在的定理给出了一个充分条件图形序列强行 - - - - - -连接。在这之后,算法3用于确定一个整数列表是一个图形化的潜在连接度序列。然后,我们详细算法4用于知道已知可能连接度序列也强行连接。最后,我们展示的算法5(Havel-Hakimi)用于从一个图形构建图度序列。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
定理3。让 是一个整数。然后一个图像序列 是强制−<我>连接我>如果
数据可用性
可以访问和共享数据支持结果根据作者联系。
的利益冲突
作者没有利益冲突,财务或个人影响结果的客观性。
确认
作者要感谢Consejo Nacional de Ciencia y Tecnologia (CONACyT),这场德Operacion y持有对于Academicas,西班牙Politecnico Nacional (COFAA-IPN,项目编号20196225和20196678),和Estimulos al de los Desempeno Investigadores Politecnico Nacional del网页(EDI-IPN)为支持这项工作。诉中国人民解放军的工作是由格兰特pgc2018 - 094151 b - i00 (MCIU / AEI /菲德尔,问题)。
引用
- t、“随机几何图结构的影响和集群在传感器网络的本地化,”<我>国际期刊的分布式传感器网络我>,13卷,不。12日,2017年。视图:出版商的网站|谷歌学术搜索
- 美国Rai B和s . Varma“无线传感器网络定位算法的方法使用刚性图,“<我>杂志上的传感器我>卷,2016篇文章ID 3986321, 11页,2016年。视图:出版商的网站|谷歌学术搜索
- w . j .周l . Wang Wang和周问:“高效的基于资源分配方案使用最大独立集randomly-deployed小明星网络,”<我>传感器我>,17卷,不。11日,第2553条,2017年。视图:出版商的网站|谷歌学术搜索
- w . Lalouani、m·尤尼斯和n . Badache”通过间歇链接连接独立的网段,”<我>网络和计算机应用》杂志上我>卷。108年,63年53 - 2018页。视图:出版商的网站|谷歌学术搜索
- s . Lee m .尤尼斯b。甘兰和m·李”LEEF:延迟和节能联盟不相交的无线传感器部分,“<我>特设网络我>卷,71年,第103 - 88页,2018年。视图:出版商的网站|谷歌学术搜索
- j .赵”下安全的无线传感器网络的拓扑属性<我>问我>复合关键predistribution方案与不可靠的网络连接”,<我>IEEE / ACM交易网络我>,25卷,不。3、1789 - 1802年,2017页。视图:出版商的网站|谷歌学术搜索
- o . Osanaiye、A . s .阿尔法和g . p . Hancke”统计方法在无线传感器网络检测干扰攻击,”<我>传感器我>,18卷,不。6日,第1691条,2018年。视图:出版商的网站|谷歌学术搜索
- w·t·Tuutle<我>图论我认识它我>英国,牛津大学出版社,牛津,1988年。
- i . n . Bronshtein k . a . Sevendyaveu g . Musiol和h . Muehlig<我>数学手册我>斯普林格出版社,柏林,海德堡,第四版,2004年版。视图:出版商的网站
- a·吉本斯<我>算法图论我>英格兰剑桥,剑桥大学出版社,1985年。
- a . Clauset c . r . Shalizi, m·e·j·纽曼“幂律分布在经验数据,”<我>工业与应用数学学会的我>,51卷,不。4、661 - 703年,2009页。视图:出版商的网站|谷歌学术搜索
- 诉哈维尔,”评论有限图的存在。”<我>Časopis Pro Pěstovani Matematiky(捷克)我>卷,80年,第480 - 477页,1955年。视图:谷歌学术搜索
- s . l .哈基米”可实现性的一组整数线性图的顶点的度。我,”<我>工业与应用数学学会杂志》上我>,10卷,不。3、496 - 506年,1962页。视图:出版商的网站|谷歌学术搜索
- c·贝<我>图和超图我>北荷兰出版公司,阿姆斯特丹,1973年,117 - 118。
- s . a . Choudum”强行连接图形序列。”<我>离散数学我>,卷96,不。3、175 - 181年,1991页。视图:出版商的网站|谷歌学术搜索
- 2017年11月,“cplusplus.com,排序算法,http://www.cplusplus.com/reference/algorithm/sort/。视图:谷歌学术搜索
版权
版权©2019 Emmanuel Garcia-Gonzalez et al。这是一个开放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。