文摘

无线传感器网络(网络)是一个巨大的数量的传感器,它们分布在区域监测收集重要的信号。网络广泛应用于多个应用程序如家庭自动化、环境以及卫生保健监测。然而,大多数这些应用程序面临各种困难由于传感器的设计。因此,设计了网络的主要挑战是节约能源消耗在沟通和延长网络的生命周期。多准则决策分析(MCDA)方法利用了节约网络能量。然而,大多数的研究集中在集群头(CH)的选择。在本文中,我们的目标是提高货代选择的过程使用一个有效的组合多准则模型。该方案提高了intercluster沟通通过控制分离CHs从水槽节点的距离。尽量减少集群密度,这项工作由激活传感器节点检测到足够的强烈信号。激活阶段提出了一种容错技术在沟通过程中取得成功。 Moreover, the proposed work is aimed at selecting the most efficient hops, which are responsible for routing data to the sink using the Analytic Hierarchy Process (AHP) and the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) methods. Simulation results proved that our new protocol maximized the residual energy by 15% and 25% and the network lifetime by 35% and 47% compared to the Distributed Clustering Protocol using Voting and Priority (DCPVP) and Low-Energy Adaptive Clustering Hierarchy (LEACH), respectively.

1。介绍

网络(1,2,3)可以被定义为一个巨大的节点数量,占领一个目标区域。他们的主要作用是传感的关键事件和转发到汇聚节点所需的权利和决策。这种网络的简单架构简化了使用各种应用程序的家庭自动化医疗监测和污染控制。尽管他们是广泛用于缓解我们的生活方式,他们有有限的电力资源。因此,解决这个问题需要更多的。无线通信的任务被证明具有较高的能源消耗速度相比其他传感器节点的任务。因此,节约能源在数据路由允许提高网络性能和实现应用程序的真正的目标。不久前,大部分的研究人员将他们的研究工作在这种情况下,设计有效的路由协议。然而,无线应用程序遭受沟通并发症由于传感器的能量约束。集群机制已被证明其效率之间更有效的设计解决方案。 It is, therefore, widely used for achieving sensor distribution inside a target area. It consists of organizing sensor nodes in a predefined number of groups (clusters) for easing communication between sensors. In each group, one sensor is picked as a node leader named CH for leading communication inside and outside its group. Even though several improvements have been done for selecting the network leaders efficiently, wireless communication is still inefficient. Effective leaders’ selection is insufficient for making successful communication because it is based on data forwarders too. This work is aimed at minimizing the energy consumed while data transmitting by selecting efficient forwarders. We use a combined AHP-TOPSIS model for ensuring successful transmission using important criteria where both intracluster and intercluster factors are considered. This paper is organized as follows: In Section2最近,我们回顾知名集群协议LEACH和路由协议基于多准则决策。部分3证明了方法的选择。部分4介绍了多准则决策分析方法。部分5详细描述了我们的新方法。部分6代表了绩效评估我们的方法相比DCPVP和浸出方案。部分7总结了该工作。

2。相关的工作

集群技术代表了另一种解决方案,最大化网络的生命周期。集群的方法减少了传输消息集群内部通过聚合感觉到CHs的事件。集群领导人扮演着至关重要的角色,他们必须成功传输任务直接和多次反射沟通。在本节中,我们审查各种集群方法引用那些基于多准则决策分析。LEACH协议(4)是一种基于集群机制的路由技术。它主要由两个阶段组成:设置稳定阶段结束。第一个包含选择CHs使用以下可能性: 在哪里和代表网络中提出了CHs比例和圆的,分别。第二阶段着重于直接路由数据到汇聚节点。CH选择和数据路由方式代表了LEACH的关键限制。因此,各种集群方法设计为提高网络生命周期。在[5),作者提出了一种改进的版本的浸出,在聚类方法是基于两种类型的集群:超星系团和miniclusters。最初,传感器被组织在原理图的超星系团当选进行数据聚合。然后,miniclusters形成超星系团的成员和妇幼保健是一个领袖在minicluster聚合感知数据和传输原理图。它的选择考虑残余能量和集群密度因素使用

增加网络的生命周期是由于使用两个集群。在[6),作者设计了一个基于地理位置的协议名为节能的基于网格的聚类和路由协议(GCMRA)。GCMRA过程包括将网络划分为若干网格。节点分布在网格形成几个集群。集群建设步骤后,剩余的节点选择最有效的节点为CH。集群的数量是固定的网格和网络的数量大小。下一个步骤是基于确定的节点将使用距离的总和的CH每个集群节点。节点的最低金额和足够的能量水平根据预定义的阈值选为CH。此外,它使用多次反射CHs和b之间的沟通。在[7),作者提出了DCPVP协议。这个路由方案旨在选择CHs使用优先级和投票的技术。每个节点生成一个邻国使用加权函数的优先级列表。然后,传感器广播vote-packet选择最好的CH。使用多次反射路由方式收集数据。DCPVP协议增强了网络性能相比,经典集群的方法。一些方法是基于可再生能源节约能源在无线传感器网络8,9]。然而,可再生资源是不稳定和不适合关键应用需要低延迟做出决定。在[10),作者设计一个节能的数据收集协议在一个不平等的集群网络使用模糊多准则决策(DGUCF)。该协议允许选择CH使用一个直观的模糊分析过程和分层模糊积分。在[11],作者提出了另一个路由方法称为多目标模糊聚类算法,探讨了节能。此外,这种方法提高了网络网络分布。作者在12)设计一个可靠的节能多级网络路由算法。该算法提高了集群的形成通过引入不同的关键因素:剩余能量水平,邻居的大小,和传感器中心。由于这些因素的结合,能量耗散更多的减少和网络寿命也增加。在[13),作者探索了一种有效的路由方法最小化CH选择使用网络分析法(ANP)模型。这项工作优化CH选择和考虑其重新选择基本参数,以改善网络性能。另一个工作提出了基于CH选择(14]。作者为CH使用TOPSIS方法选择问题。选择一个有效的CH,四个参数作为输入的指标值。大多数现有的研究使用集群机制,作者为CH选择或增强CHs和水槽节点之间的通信。新技术提出了最大化的覆盖范围集群。然而,处理数据冗余是不考虑最基本的路由问题。另外,货代选择是很少考虑,只有被认为是全球标准。指标的应用的问题主要是应用于CH选择,最大化网络的生命周期或重新选择问题。在目前的研究中,我们基于数据冗余设计一个新颖的方法,提出了一个智能激活阶段。此外,我们建议使用AHP-TOPSIS模型解决货代选择的问题。 In this stage, we consider the most important criteria and their subcriteria for making an efficient forwarder selection. The next section explains our motivation to use the integrated AHP-TOPSIS model.

3所示。定位的贡献

大多数之前回顾研究包括加强CH选择或重新选择工作,提高跳数的数量,提高集群形成和数据聚合。尽管各种高效的路由方案设计,数据冗余和货代选择不视为重要的路由目标。然而,对于确保数据可达性和易用性决定根据感觉事件,有效的数据控制和货代需要选择更多。在本文中,我们提出一个有效的路由方案基于智能激活阶段处理数据冗余和一个有效的货代选择使用一个多准则决策模型相结合。在可用的技术指标,我们使用AHP-TOPSIS集成。这种混合模型利用AHP和TOPSIS方法的优点。表1说明了使用集成AHP-TOPSIS模型的优势在个别指标方法(15]。因此,AHP-TOPSIS模型选择一个合适的模型,使一个有效的货代选择考虑必要的标准。下一节描述了组合模型使用。

4所示。多准则决策分析(MCDA)

在我们的日常生活和专业,我们面前做出正确的决策。MCDA [16,17代表一个重要的科学决策,允许。利用在不同领域如经济学、数学和社会科学。这导致了出现的几种方法寻找最适合的解决方案的研究情况。赖昌星等人(1994年18)分类决策问题的四类:选择问题的主要目的选择最佳的元素在元素的一个子集。第二种类型是排序问题,侧重于排序选项分为命令组命名的类别。这种重组是为了减少选择的数量。第三类是排名的问题组成的排序选项从最好到最差。第四类型描述问题,理解问题描述选择的主要目标特征。我们的问题是选择高效的路由数据元素。因此,本例中选择或选择问题和TOPSIS是适应我们的例子中,我们使用AHP模型定义不同的标准重量。

4.1。AHP模型的描述

这个模型是由Saaty [19为解决和结构复杂的问题。第一步是旨在将决策问题分解成不同的标准。然而,它是强制性的,以确定权重的标准。因此,层次分析法更适用于这种情况。它是利用定义每个的重量标准使用两两相比的方法[20.]。这个模型主要是基于不同的过程步骤:第一步由结构化决策层次考虑研究的基本目标和确定标准和subcriteria。第二个是建立一组的判断比较矩阵,我们使用两两相比的方法比较元素本身。两两相比的方法被描述在表的规模2。

第三步是旨在计算足够的最大特征值的特征向量定义的相对重要性因素。

第四步的验证判断的一致性与一致性指数(CI)和一致性比率(CR) [21]: 在哪里代表了成对比较矩阵和特征值相对应代表了许多不同的元素考虑比较。CR确定如下(22]: RCI代表随机CI见表在哪里3。

CR的价值评估根据价值0.1:CR值是可以接受的只有小于0.1,否则,它需要修改这两两相比。

4.2。TOPSIS方法的描述

指标值(23,24方法是利用在不同的应用程序。该方法的主要思想包括选择最相关的解决方案,它的特点是其近似理想的解决方案,远从非理想溶液。TOPSIS过程是基于这些步骤:第一个是旨在收集行为的表现标准。第二个由正常化之前的表演和形成一个规范化矩阵。

下一步是基于加权前一步中生成的矩阵。TOPSIS过程之后,继续寻找距离理想和非理想的解决方案。最后一步包括计算以前的亲密距离计算。收集的表演选择根据标准是由决策矩阵在哪里 和 。完成第二步的正常化,我们可以使用以下方程:分配规范化包括表演除以根号平方元素:

理想的标准化包括所有演出除以最大评分的标准由最小值最大化和最小化的标准。

下一步是构建加权归一化矩阵从以前的归一化矩阵和权重。这个矩阵可以表示如下:

在接下来的步骤中,我们将使用前面计算得分比较所有操作和积极的行动(理想)和负(anti-ideal)行动。我们可以用几种方法来定义这些操作:第一种方法是基于分组最相关和最糟糕的性能在所有标准第二个决策矩阵。因此,理想的操作( )可以表示如下:

消极的虚拟行动表示如下:

我们可以假设的绝对点 和 可以定义问题的独立行动。正面和负面的点是由决策者对之前的理想和先例anti-ideal点计算的详细方法。第四步由计算的距离(和 )所有操作的理想和anti-ideal点使用以下:

第五步由使用这种计算贴近度公式,包括前面的距离:

亲密值的区间 。亲密系数接近1意味着行动更积极点和最远的从负面角度。

5。提出工作

能源效率是受不同因素的影响。因此,更多的倾向于集成各种因素来增强网络通信。为了实现这一目标和成功的网络通信,我们提出一个有效的路由协议。这种新方法旨在考虑intercluster和星团内因素在数据路由。各种路由方法探索等表演的目的。在这些方法中,我们使用这些基于指标。然而,大多数的作品关注有效选择使用基于随机权重的多准则分析方法。这项工作的主要目的是提高网络能量消耗。新方法主要分为三个阶段。第一阶段包括实现集群大小控制改善intercluster通信。 This is done by activating only sensors that detected the strong-enough signals. Also, active nodes are grouped in clusters taking into account CH coverage. The second phase is aimed at selecting efficient CHs using a weighted function where we consider the residual energy and the distance from the sink as essential parameters. The last phase is data routing, which is aimed at making the efficient election of next hops using two efficient multicriteria analysis methods. The first method is exploited for calculating the different criteria weights. Then, the second is aimed at ranking the set of alternatives for selecting the best forwarder. In fact, we use the AHP model for calculating criteria weights and the TOPSIS method for ranking alternatives. Consequently, we can elect efficient CHs that will be responsible for routing the detected signals. Moreover, we select the most efficient hops for routing data, which improves the efficiency of our proposed protocol.

5.1。网络模型

在本文中,我们假设以下假设:(1)传感器节点是由相同的初始能量和固定的资源的存储和处理也有类似的功能(2)确定每个节点的ID(3)BS足够的资源和有巨大的存储和计算能力(4)一个传感器节点被认为是死当它的能量完全消耗(5)电池不能充电(6)传感器使用类似的功率进行通信或互连任务(7)每个节点可以收集数据到CH沟通(8)传感器节点能够从运行切换到睡眠模式应对TDMA(时分多址)命令

5.2。能源消耗模型

几位作品能耗建模25]。所消耗的能源的传感器进行处理和过渡状态可以表示如下: 在哪里国家能源消耗的处理和吗是能量耗尽而在状态转换。然而,更多的传感器能量被消耗在数据路由。因此,我们采用相同的模型中使用(26]。能源消耗的无线通信模块结合了两种传播模型:自由空间和地面双线使用距离阈值。

消息的能源消耗位,穿过一个距离表达的是 在哪里是电子操作的能源消耗发射机或接收机,是自由空间衰落,多径衰落。

在接待阶段,能量是表达的

5.3。算法

5.3.1。网络规模控制阶段

在网络,传感器节点分布传感区域完成传感数据的任务。然而,传感器可以检测到相同的事件。控制网络的大小和处理数据冗余,这项工作由激活的传感器,有足够的检测信号。这允许减少能源消耗的弱信号检测的传感器。然而,他们处于睡眠模式,直到一个足够强的信号将被检测到。此外,这种处理的消息数量减少了每个CH和显著减少能源消耗在星团内的沟通。因此,激活只有一些传感器控制网络规模和简化了路由阶段。我们假设噪声信号在传感器节点是相同的和独立的分布式( )和遵循一个高斯分布 。因此,每个节点可以二选一的决定使用以下方程: 在哪里代表了测量信号的节点和与事件相关的信号振幅检测( )。我们假设每个传感器节点使用相同的阈值来检测事件。因此,它被授权报告其决定只有在被测信号比学生大。

这个阶段的步骤中描述的算法1。

5.3.2。CH选举阶段

大多数的研究工作集中在最小化网络能量。然而,数据可达性是需要更多不同的监视应用程序。在某些情况下,信号感觉对他们的可达性是由于其重要性水平。虽然大多数集群方法具有实现简单,货代路由没有考虑覆盖的问题。在这项工作中,我们提供了一个有效的路由方法,考虑代理的报道。一般来说,覆盖率的概念被称为覆盖区域。让代表活跃节点的设置和是全球。表示节点集的覆盖范围 。区域覆盖范围可以表示为 。然而,计算太复杂了。因此,我们模型目标区域为中心的圆半径在候选人CH 。CH和一个活跃节点之间的覆盖函数定义如下: 在哪里 候选人之间的欧几里得距离CH和活动节点 。

作为CHs有至关重要的作用在无线通信中,我们使用一个有效的得分函数,考虑CH剩余能量和CH距离水槽和CH覆盖。不同步骤的算法2如下所述:

5.3.3。数据路由阶段

几项研究已经证明,网络能量消耗更多的路由数据。因此,节约能源,同时执行这样的任务需要更多的改善网络性能。近期作品利用MCDA技术;然而,他们中的大多数解决路由选择使用随机权重。在这项工作中,我们使用的混合AHP-TOPSIS模型有效路由数据。事实上,我们使用AHP方法生成标准权重和排名的TOPSIS方法可用的代理。排名考虑了CH选举,星团内通信标准,intercluster通信标准。因此,CHs负责路由数据都使用主要的重要的标准和subcriteria当选。下面的数值例子介绍了关于我们的方法的更多细节。此外,我们研究标准的影响权重来证明该工作的效率。

5.3.4。数值例子

这项工作的主要目的是排名路由代理使用组合决策AHP-TOPSIS模型。事实上,利用AHP法权重代而TOPSIS旨在排名代理。换句话说,AHP的过程允许计算每个标准的体重,而不是将它随机。第一步由货代排名的表示层次结构模型。在这个模型中,我们考虑三个全球标准和三个subcriteria为每个标准。在本节中,我们提出一个数值例子AHP-TOPSIS模型在我们的案例中。在这个例子中,我们的目标是选择最有效的CH货代中CHs可用。表4代表全球标准的重要性。成对比较矩阵subcriteria表所示5。所有矩阵都是一致的,因为一致性比较标准的主要标准和subcriteria小于0.1值为0.047,0.019,0.09,和0.047,分别。表6重整旗鼓的所有全球权重排名用作下一阶段的输入。全球重量(要求等级2),得到当地的权重乘以相关标准的重量(1级)。例如,对于subcriterion C11、当地的重量是0.74,CH标准,当地的重量是0.72。因此,C11的整体重量 。

在计算所有标准重量使用AHP模型,我们使用这些生成的权重排名可用的替代品。我们提出的TOPSIS方法的输入值表7。

本节旨在排名CHs利用TOPSIS方法,我们出现在桌子上8加权归一化矩阵相乘得到的每一列及其相关重量使用方程(5)和(6)。对于每一个标准,我们计算出积极的和消极的理想解决方案( )使用方程(7)和(8)。

排名的步骤执行使用方程(9),(10)和(11)。表9描述了最终选择评估,它可以直观地看到CH3代表最好的货代。

5.3.5。敏感性分析

在本节中,我们的目标是分析组合模型:AHP-TOPSIS。因此,我们做另一种评价不同的权重下两个权重排列而其余重量是不变的。表10代表评价情况下考虑。

在每种情况下,我们所有模型步骤申请排名选择。从敏感性分析结果(表11和图1),我们得出结论,主要例代表替代原本排名。此外,CH3不断的最高排名在所有情况下比其他CHs。甲基得分最高,即使我们属性相等的权重标准。

因此,我们可以得出结论,我们的决策过程是对标准重量。

6。仿真结果

表现来评估我们的方法,我们比较DCPVP和LEACH协议。为此,我们考虑两种不同的场景。第一个由不同的网络规模,第二集中在不同初始残余能量。表12描述了参数的值。在研究方案中,传感器分布在目标区域具有相同的初始能量。传感器属于死亡的列表节点如果其能级是null。因此,从活动列表和集群建设和路由数据包的过程。证明实验正确,所有的结果都是20分的平均价值。

6.1。能源效率

在本节中,我们现在提出的节能工作的检查使用不同级别的党卫军(强烈信号阈值)为两个不同的场景。第一个是基于网络规模评估和第二关注的方法使用不同的初始能量水平考试。数据2- - - - - -9描绘的能源消耗我们的新方法,DCPVP,和LEACH协议对于第一和第二场景,分别。的 - - - - - -轴代表的轮数, - - - - - -轴显示的值相比能量消耗的方法。DCPVP和LEACH协议显示值远高于我们的新协议对各种学生的价值观。这是合理的CH选择过程,忽略了领导人的报道。这个排水,因此,更多的能量由于冗余数据的传输。此外,LEACH协议显示了最高价值DCPVP相比,我们的方法。这是合理的使用概率方法选择CH和CHs和水槽节点之间的直接通信。然而,拟议中的协议显示了能源消耗的显著减少由于有效CH选举过程,探索一种有效的加权函数。CH选择认为三个重要参数:残余能量,水槽,距离和CH覆盖。同时,我们的方法遵循的战略网络中节点激活处理CHs及其成员之间的沟通。只有节点足够强大信号可以交流他们检测到信号,其余传感器处于睡眠模式,直到检测到一个重要的事件。 This way of communication allows reducing the number of nodes that interact and hence enhances the network performances. The proposed scheme improved the routing phase using the multihop communication between clusters and the sink node. The communication process is controlled using the MCDM technique where two methods are combined for selecting efficient CHs responsible for routing data. In this phase, various criteria are considered which are grouped in three contexts where each one includes the important subcriteria for achieving this phase effectively. The use of the hybrid multicriteria model improved well data routing compared to the DCPVP protocol.

6.2。活着的节点数量

我们的方法是使用网络生命周期评估参数。数据10- - - - - -17描述小说的活着的节点数的方法,浸出,和DCPVP协议对于第一和第二场景,分别。曲线显示,我们的计划延长网络生命周期不同的党卫军值。这是合理的使用一个强大的加权函数选出最有效的可用节点之间CHs。此外,一个激活技术是用于控制交互的节点在集群的数量。另一方面,我们的方法利用一个高效MCDA-combined方法控制集群和水槽之间的距离。考虑所有这些需求明显改善CHs的网络生活比LEACH和DCPVP方案。因此,网络的生命周期是DCPVP相比增加的方法。然而,浸出和DCPVP值由于低能源消耗在intercluster通信,因为没有控制的传感器的数量在每个集群和冗余信号路由通信。LEACH协议显示最低的价值因为它使用直接CHs和水槽之间的通信。这消耗更多的能量,因此死亡人数增加节点。 However, the data routing phase of our scheme is performed according to the hybrid AHP-TOPSIS model where three global contexts are considered. Forwarder selection is based on different vital factors that influence the network’s lifetime. The combination of these factors improved significantly the network lifetime.

7所示。结论

网络被广泛用于各种应用,如环境应用,家庭自动化、病人监护。然而,传感器是能源设备因其微小的架构。事实上,他们负责执行一些任务,比如self-distribution数据采集和路由的合作。数据路由事件相比消耗更多的能量感应或其他通信任务。因此,加强能源枯竭的速度而路由研究团体代表了一个关键的挑战。集群机制表明其效率执行网络组织和代表一个有效的解决方案相比,经典的路由方法。然而,现有的路由方案很少关注货代的选择。在这项工作中,一个高效的路由方案的解决方案提出了CH和货代的选择问题。强大的加权函数是利用选择CHs有效和激活算法处理感觉信号的冗余。不同的研究人员使用指标方法改善集群的方法。 However, the majority of research works consisted of the CH selection problem and the use of random criteria weights. In this work, we use a combined AHP-TOPSIS model for making forwarder selection. We use the AHP method for weight generation and TOPSIS for forwarder ranking. Moreover, sensitivity analysis results are discussed for analyzing the AHP-TOPSIS model in our case and proving the originality of forwarder ranking. In all cases, results illustrate the prioritizing stability where CH3 is ranked as the most relevant forwarder. Simulation results indicate that this model improved network performances significantly compared to the related scheme. We conclude that the AHP-TOPSIS tool may become a promising model for prioritizing data forwarders in WSN. As future work, we intend to use the integrated AHP-TOPSIS tool with other routing approaches considering real applications.

数据可用性

所有的数据都包含在这张纸上。

的利益冲突

作者宣称没有利益冲突。