能量测量Semigraph-Based连接边缘统治在无线传感器网络路由算法

文摘

在无线传感器网络(网络)、电池作为能量源是有限的,和更换电池是很困难的。由于节点消耗的大部分节点之间的通信能力,架构功率控制是至关重要的减少能源消耗。有必要使用架构能源优化控制模型,因此所选节点用于生成一个虚拟骨干,从而减少不必要的路由的数据。可以创建虚拟骨干网的拓扑优化的连通支配集(CDS)图论。然而,通过使用cd算法生成虚拟骨干是一个np难问题,因为更大的网络规模。为了克服这个问题,在本文中,一种新颖的分布式连接边缘控制(S-CEDS)提出了基于集合的semigraph模型。的性能比提出S-CEDS是测量(4 + ln∆′) | |, | |选择代表了网络的大小。提出利用ns-2 S-CEDS实现模拟器和评估与传统路由协议AODV和DSDV等。结果表明,该S-CEDS方法增加吞吐量和网络的生命周期。同时,它能减少能源消耗和数据传输所需的平均跳数。

1。介绍

无线传感器网络(网络)已经引起了研究人员的注意,由于主要发展了在嵌入式系统领域(1,2]。传感器网络是指空间上分散的组织专门的传感器节点和部署。部署传感器测量环境条件如温度、压力、湿度、和声音。网络类似于无线ad hoc网络因为他们不依赖于任何固定的基础设施,作为网络的形成与无线连接将自发完成。在传感器网络中,最苛刻的任务是能量守恒。传感器节点的主要工作是分为传感、处理感知数据和感觉信息与同行交流。由于通信模块消耗了大部分的传感器能源,可以有效控制的拓扑结构。但是网络在本质上是临时的,所以这使得拓扑结构和设计路由协议的任务具有挑战性。然而,这可以实现虚拟骨干覆盖网络建模的WSN。在这个模型中,对所选节点虚拟主干网建设、和cd(连通支配集)的图论用于虚拟骨干通过考虑网络图和传感器节点的顶点图(3,4]。之所以这样做,是因为cd可以扩展无线网络的生命周期,从而使能源消耗和驱逐出境率最低。

提出一个相互关联的子集节点在整个网络援助路由称为虚拟骨干(5,6]。在网络中,节点之间的通信可以使用这些骨干他们由于没有建立集中控制的体系结构。

我们可以定义一组控制(DS)的网络节点的一个小子集,这样每个节点的邻居属于子集或一些元素的子集。cd,由连接的节点DS,本质上是负责的消息从一个节点到另一个地方。源节点,这不是一个cd的一部分,可能发送消息到附近的cd节点反过来向目的节点发送。以防如果目标节点是一个cd的一部分,它得到了消息直接从邻居属于cd。

传感器网络的一个明显的问题是数据碰撞,这是由洪水引起的集中路由协议(7]。它也可以通过虚拟骨干形成来解决。此外,另一个蓬勃发展的研究领域包括试图最小化cd的大小。因为网络的大小成正比的能量传播能力和概率失败,骨干网的大小应该保持较小的(8,9]。

在我们早期的研究(9),我们提出了一个semigraph连续的普遍设置semigraph (scp)算法结构。此外,scp施工方案保持最佳的性能比: | |选择在哪里任何大小的最优邻支配集(广告)和是最大的邻近程度的网络的所有节点。此外,scp算法具有O (n²)时间复杂度和O (n²+n日志n+n²|一个|)消息复杂性,一个是一个广告使用scp算法获得的。

本文提出了一个新的分布式连接边缘的想法控制基于集合semigraph模型(S-CEDS),负责产生一个大小和动力有效网络的形成。这个执行路由用更少的干预措施,减少了控制消息。分布式连接边缘支配集(ced)固定在一个稀疏网络节点构造环境。这个方案实现在两个阶段和构造使用semigraph清洁能源。第一阶段涉及的建设优势支配集(EDS)传播的方式,也就是贴上一套pseudo-dominating (PDS)的一些元素可能已经从过去的支配集。在第二阶段,我们构造一个semigraph-based连接边缘控制集。这个省略了一些选择PDS节点降低清洁能源的大小没有剥夺的处理或连接。模拟的结果表现出S-CEDS是一个更好的解决方案比已有的连通支配集(CDS)构造算法的规模和建设成本。基于该算法,性能比 。可以测量的时间复杂度 ,在哪里是semigraph边缘的最大数量模型。消息复杂度是衡量 这是线性的,”n”是顶点的总数是semigraph最大程度的边缘。

剩下的纸是组织如下:部分2概述相关工作的连通支配集。第三节解释关于semigraph-based虚拟骨干的基础建设。第四节给洞察作者的贡献。第五节阐述了提出semigraph-based连接边缘控制设置建设。提出系统的最优性分析第六节。给出仿真环境以及结果和讨论第七节。8节解释了S-CEDS提出的硬件实现。最后,9节讨论了结论和未来的工作。

2。相关工作

在[10),作者提出了一个改进算法,可以计算的最小连通支配集特设网络。仿真的结果表明,修改的方法是能够执行比已经存在的方法更大的网络。在[11],贪婪的冗余的连通支配集(GR-CDS)贪婪策略介绍了为了产生一个最佳大小的cd的时间复杂度 。同样,一个连通支配集算法修剪(P-CDS)制定cd小一点,时间复杂度的 。这让cd算法的大小,小的性能为代价的。在[12),一个有效的colour-theory-based节能路由(ce)算法是基于colour-theory-based提出了动态定位(CDL)算法。ce关注挑选那些更接近集群成员的锚。这是通过对比他们的RGB值。传感器节点的最大程度的能源选择下一跳。结果清楚地展示,提出节能路由算法相比,动态源路由(ESDSR)在移动无线传感器网络几乎可以节省50 - 60%的能量。

在[13),一个分布式连通支配集(CDS)构造算法提出了为了有效地创建一个cd在单相大特设网络。分布式单相连通支配集(DSP-CDS)取决于其统一处理的单相电源,和任何修改网络拓扑处理容易没有麻烦。DSP-CDS等参数可以使用cd尺寸,直径,数轮收敛于维护算法的性能。

在[14),一个新颖的方法基于图形的总控制集和由两部分构成的理论称为TD算法。这构造cd,特设无线网络的虚拟骨干。TD算法表示,存在一个完全证实联系总控制设置,Y-dominating套两偶图,cd。也证明这种方法执行比任何其他最新发展而寻找图中面临的解决动态问题优化平台。这是在各种重要因素进行仿真,验证了包括大型传播范围和密集的网络区域。

在[15),作者提出了一种新的mba贪婪近似连接pseudo-dominating设置使用2跳信息(CPDS2HI)集中。可以观察到从仿真的算法能够构建cd,更小的规模和复杂性较小的消息与先前存在的一系列的传感器节点分布的方法。在[16),冗余连通支配集(rcd),提出了一个高效的集中式算法,。该方法构建了一个相对最优连通支配集在虚拟骨干网内有效 。相对最优连通支配集可以构造如下:首先,小姐,我们将构建一个简单的序列的算法。之后,通过包括新的节点,可以构造一个cd使用最大独立集(小姐)。CPDS2HI保留的性能比 ,在哪里在网络的最优cd的大小。

在[17),一个全新的分布式贪婪的基于度的近似算法。算法的时间和消息复杂性被发现和 ,分别。该算法生成的大小和电源有效网络通过使用semigraph-based连接边缘支配集。虚拟骨干由选择节点边最高的学位,和S-CEDS减少了控制消息开销和传输推理。此外,提出的性能比S-CEDS测量 ,在哪里代表了网络的大小。

3所示。Semigraph虚拟骨干模型

代表无线传感器网络作为semigraph模型提高了传感器节点的电池效率。因为有效的路由,减少跳数的节点部署的灵活性,识别网络障碍,簇头的选择和集群的形成是由降低复杂性。图1显示了图的表示模型,图2显示了表示semigraph关联模型。在图2结束两个顶点之间的小圆代表一个中间顶点的边这不会是其他边缘的中间顶点吗 。和中间顶点的边缘是一个顶点的边 。小圆的切线画的边缘 。

在传感器网络中,semigraph 对应于一个网络节点,顶点集代表了传感器节点和边的集合表示传感器节点之间的通信链路。任何元素的边集被定义为一个非空的子集与两个或两个以上顶点(又名设置)。

一个虚拟骨干semigraph 从图获得通过减少基数的边缘。

定义用于帧semigraph下面列出了在无线传感器网络。

定义1。(控制设置18])。一套控制(DS)图 是一个子集这样每个节点相邻的至少一个节点年代。

定义2。(连通支配集(19])。连通支配集(CDS)是一组主导的连通子图。

定义3。(semigraph [19])。一个semigraph网络决定 对于一个边缘和节点 ,和边度为“E“是由以下功能: 在哪里是一个顶点的边度 。
对于一个给定的子集的 , SG诱导的sub-semigraph吗 。

定义4。(最大优势度(20.])。的最大程度的边缘semigraph表示为 。

定义5。(边缘控制集(EDS) (20.])。一组semigraph的边缘 称为边缘控制设置是否满足条件,应该是相邻的至少一个边缘在“F“从边缘 。统治的边缘的最低基数是优势主导semigraph SG的设置。

定义6。(连接边缘支配集(ced) (21])。一个EDSsemigraph SG是连接边缘如果诱导sub-semigraph支配集是连接。一套连接边缘控制的最小基数来标示(又名统治连接边数)。

4所示。动机和贡献

研究人员使用虚拟主干网建设网络基础设施,以减少不必要的路由的数据。然而,生成的虚拟骨干cd是np困难,因为更大的大小。生成有效的网络规模和权力,semigraph-based连接优势支配集构造成一个虚拟的骨干。通过选择节点与边支柱建设程度最高,S-CEDS减少了控制消息开销和传输推理。此外,提出的性能比S-CEDS测量 ,在哪里代表了网络规模使用S-CEDS陷害。

建议的S-CEDS下面提到的最重要的贡献:(我)S-CEDS考虑建造的最大优势是节点创建一个持久的虚拟骨干线路的可用性。(2)创建一个虚拟骨干与规模较小甚至是随机分布的传感器节点。(3)时间复杂度是衡量 ,在哪里是semigraph边缘的最大数量模型,和消息复杂度是衡量 。(iv)该系统最佳性能比 ,在哪里代表了网络规模使用S-CEDS陷害(v)传统路由协议AODV和DSDV的网络性能分析与构造S-CEDS支柱使用ns-2模拟器。

5。提出Semigraph-Based清洁能源建设

本节介绍一本小说S-CEDS算法对虚拟骨干建设。的路由发现和路径选择进行了无线传感器网络使用S-CEDS构造算法。简单的优势度算法实现与较小的数据包执行清洁的复杂性。

建设S-CEDS通过两个阶段进行:(我)代的EDS。(2)发展基于semigraph S-CEDS结构。

返回变量提供了输入的边缘控制集无线传感器网络节点的位置。完成EDS、优势度最高边缘被添加到 。上面的号码是下界来衡量(22]。边缘和顶点在网络框架,和几个边缘之间的互连框架使用算法1,发现连接边缘主要集。

定理1。 是一个EDS。

让从算法获得的所有边的集合2。自 是EDS的下界,算法的第11行吗2认为最高程度的第一边缘 边缘。另外,从第14行,每条边是毗邻的一些优势 。因此,是一个EDS。

的返回值生成之间的可能的连接数量优势主导集使用算法生成2,而无线传感器网络中的节点分组作为连接边缘主导。semigraph模型提供了许多可能的网络中的节点之间的联系。它有助于节能最短的传送路径。

定理2。 是一种清洁能源。

让第9行获得的边缘的集合的算法1。在算法的输入1,一组是一个EDS算法的输出是什么2。此外,条件在4号线的算法1,是连接。因此,是一种清洁能源。

6。最优的分析提出S-CEDS

在下面的部分中通过使用定理,性能比、时间复杂度和消息的复杂性提出了S-CEDS进行了讨论。

定理3。让H从清洁能源获得S-CEDS构造算法。

然后, 。在一个semigraph年代,代表任何清洁能源的大小。

证明。让是semigraph的EDS的大小年代。然后,从21,22), ,在哪里网络的最大优势程度。在算法1从4到6行,连接节点 ,我们添加至少一个边缘所以,诱导sub-semigraph连接。
因此, 因此, 。

定理4。 算法的时间复杂度是S-CEDS。

提出S-CEDS算法(算法的复杂度分析1和2)给时间复杂度和消息的复杂性和 ,分别在哪里最大程度的semigraph边缘吗 。

证明。在算法2时间复杂度,EDS构造(22),在算法1清洁能源是由相同的时间复杂度在semigraph年代。因此,提出S-CEDS构造算法的时间复杂度 。
接下来,消息的总数统计发现消息提出S-CEDS的复杂性。消息EDS施工的复杂性(14),每条边,第14行条件给定的算法2是满意的,对所有网络的节点。消息清洁能源建设的复杂性(22),网络的最大优势程度。因此,总的消息S-CEDS演算法的复杂性
从方程(3),S-CEDS的上界 ,在哪里代表任何清洁能源的大小。scp的性能比基于方程(1)是 ,在哪里任何大小的最佳邻支配集(广告)和是最大的邻近程度的所有节点的网络9]。对于任何semigraph与和 ,代表边缘控制数量和相邻统治SG的数量,然后(23]。因此,我们得出这样的结论:S-CEDS的性能比 。

7所示。模拟使用ns-2 S-CEDS

semigraph-based拓扑构建无线传感器网络使用ns-2模拟器(24]。提出semigraph拓扑的性能比图拓扑。验证的效率提出了拓扑中,传统的路由协议DSDV和AODV等使用。性能指标如吞吐量、端到端延迟、数据包交付率、包丢失,开销,提出了系统测量和抖动。ns-2模拟给出的参数表1。

提出的性能评估S-CEDS通过测量的各种性能指标与不同的组合。吞吐量是衡量最大带宽的利用网络。网络的效率是纯粹基于吞吐量的增加。从图3,提出semigraph模型与AODV路由协议提供的最大吞吐率435 kB / s。

DSDV路由协议采用面向表的方法,在确定了另一条路会导致延迟。它可能会降低整个网络的性能。按需路由协议AODV,在这种情况下提供更有效的路径。此外,semigraph模型助攻AODV协议框架多个可能的发送者和接收者之间的联系。连接边缘控制集山协助网络可能低成本路由到目的地,所以系统的效率增加semigraph和AODV的组合。

端到端延迟时间的测量是由数据包从源节点到达目的地单向通信方式。端到端延迟和重传率主要影响网络的吞吐量。图4显示网络的端到端延迟的情节。这里,AODV优于与DSDV路由算法时评估图和semigraph拓扑。结合semigraph模型,AODV协议提供了一个0.0188秒的平均延迟。图模型与DSDV协议提供的最大延迟0.0301 s。包交货率(PDR)指的是成功之间的数据传输通信结束。包丢失而造成传输进而增加了网络延迟。美国药典的直接影响。图5显示了包交货率的模拟环境。交货率计算的成功传输的速度给定的初始仿真时间。semigraph与AODV路由协议提供的WSN交付率97%。

网络中的拥塞增加时,信噪比(信噪比)增加。信噪比的值是用分贝表示。当信噪比增加时,误比特率降低。误比特率传输的比特总数的测量误差位收到由于网络拥塞。图6代表了比特误码率和semigraph实现的网络图。较低的误比特率定义的质量协议的渠道和能力克服网络的拥塞。

由数据包的端到端延迟了时间,传播从来源到目的地,而连续变化之间的延迟抖动措施数据包接收由于丢包和比特误码率增加。引起的抖动也可能由于不平衡的交通网络。传输的延迟在初始阶段不会总是相同。交通在中间或末尾的路径不同于其他部分的路径。所以抖动中扮演一个重要的角色在测量网络的服务质量。图7显示了抖动测量网络中使用图形和semigraph模型。抖动测量的单位是毫秒。队列长度的增加会增加包丢失由于路由器缓冲区溢出。增加流量成比例地增加网络中的拥塞的可能性。

丢包率之间的比率是数据包的总数和成功接收相同的传播。图8显示了丢包率(PLR)关于时间。平均丢包率约0.12% semigraph模型与AODV路由协议。重传率和丢包率较高时实现DSDV路由协议。包丢失而导致重传,这可能不会影响吞吐量,但增加了能耗,减少了网络的生命周期。

归一化路由开销是测量所需的路由控制数据包的总数/数据包在传输路径。这里,开销下测量不同队列长度和图所示9。开销的增加会增加能量的消耗在选择路径中。一般来说,成本的路径是由计算开销的链接。开销的变化测量约0.12秒当比较semigraph AODV算法模型和图模型。小开销增加导致增加网络能耗。如果开销和比特误码率增加,它会影响网络吞吐量进而导致整体性能降低。

能源消耗不同队列大小图给出10。能量以焦耳。每个数据包传输网络中要消耗一些焦耳的能量。能源消费的增加,当相同的数据包传送几次由于网络中丢包。

表2显示了图测量性能指标的平均值和semigraph模型。

拟议中的semigraph模型与AODV路由协议是作为硬件开发的模型来检查网络的性能在实时的环境条件。计算传输延迟对硬件实现和图所示11。延迟是与semigraph模型和图模型与AODV路由协议。

8。硬件实现的提议S-CEDS

semigraph和图模型已经在硬件中实现测量实时性能。节点使用PIC 16 f877a创建微控制器。生成节点之间的无线连接,Tarang内部P20 802.15.4(一个标准的无线转发器)提供服务。已对十节点形成一个网络。Semigraph,构造基于拓扑检查节点的响应时间。图12给出了硬件设置。

延迟是衡量不同数据包大小在表中给出了硬件环境3。延误产生的硬件环境模拟延迟输出密切相关。由于实时环境的碰撞,将生成一个额外的延迟比模拟的结果。

发送方和接收方之间的数据速率测量节点表中给出了通过wi - fi网络4。数据率是影响由于洪水在wi - fi网络。发送方和接收方节点放置在固定的距离,记录和数据率传输数据包通过路由器节点。

9。结论

虚拟主干网建设网络基础设施减少了不必要的路由的数据。然而,生成的虚拟骨干cd是np困难,因为更大的大小。为了克服这个问题,我们提出了一个新的分布式连接边缘控制基于集合的semigraph模型(S-CEDS),生成有效的网络规模和力量。拟议中的S-CEDS方法减少了连接边缘控制号码 。通过 边缘清洁能源建设,提出了算法的近似比 ,在哪里代表了网络规模和是semigraph最大程度的边缘。传统的无线网络协议AODV和DSDV等模拟图(CDS)等两种网络的拓扑和semigraph (S-CEDS)。这是通过使用一个ns-2模拟器,实现和参数剩余能量,误比特率、抖动、吞吐量、端到端延迟、数据包交付率测量。结果表明该S-CEDS生成规模与权力有效的网络。在未来,S-CEDS可以扩展为支持容错与恶意节点。(24]

数据可用性

没有合成的数据用于这项研究。

的利益冲突

作者宣称没有利益冲突。

确认

作者想表达真诚的感谢要认为大学Thanjavur,印度为扩展所需的基础设施支持开展这项工作。

引用

1. H.-Y。周,D.-Y。罗,y高,华盛顿特区。左,”建模的无线传感器网络节点能量消耗,”无线传感器网络,3卷,不。1、18 - 23,2011页。视图:出版商的网站|谷歌学术搜索
2. z . g . Liu李、周x和美国,“无线传感器网络传输功率控制,”学报2007年国际会议上无线通信、网络和移动计算(WiCOM 2007),12卷,不。1,第2599 - 2596页,上海,中国,2007年9月。视图:出版商的网站|谷歌学术搜索
3. d . Kim y, y, f .邹,D.-Z。杜”,构建与有界直径最小连通支配集无线网络,“IEEE并行和分布式系统,20卷,不。2、147 - 157年,2009页。视图:出版商的网站|谷歌学术搜索
4. r . Asgarnezhad和j . a . Torkestani连通支配集问题及其应用无线传感器网络,”第一届国际会议论文集上先进的通信和计算(INFOCOMP 11),页46-51,巴塞罗那,西班牙,2011年10月。视图:谷歌学术搜索
5. j . Yu:王,g .王”构建最小扩展弱连通支配集的聚类特设网络,”杂志的并行和分布式计算,卷72,不。1、形成反差,2012页。视图:出版商的网站|谷歌学术搜索
6. r·侯w . Ren, y,“无线传感器网络聚类算法基于能量和距离,”学报2009年第二国际研讨会上计算机科学与工程(WCSE 2009),1卷,不。6日,页。439 - 442年,青岛,中国,2009年10月。视图:出版商的网站|谷歌学术搜索
7. j·l·丁w . Wu威尔逊,h·杜·w·李,d . z Du,“高效的拓扑控制算法在无线网络路由成本约束的问题,“IEEE并行和分布式系统,22卷,不。10日,1601 - 1609年,2011页。视图:出版商的网站|谷歌学术搜索
8. a, b .边缘,“Semigraphs :组合图形的泛化与超图不同,“技术代表、部门科学Technololgy,印度政府,新德里,印度,项目没有。DST /女士/ 022/94,科技部门。视图:谷歌学术搜索
9. 萨拉瓦南,r . Poovazhaki, n . r .夏克尔”集群拓扑结构在WSN与scp QoS,”无线个人通信,卷99,不。3、1295 - 1314年,2018页。视图:出版商的网站|谷歌学术搜索
10. m·亚达夫诉Rishiwal g . Arora, s . Makka”修改最小连通支配集无线adhoc网络网络,形成“《计算,1卷,不。1,第203 - 200页,2009。视图:谷歌学术搜索
11. 傅d, l .韩、杨z和s . t . Jhang”一个贪婪算法构造最小连通支配集的无线网络,”国际期刊的分布式传感器网络,12卷,不。7日,2016年。视图:出版商的网站|谷歌学术搜索
12. T.-J。Chang, k . Wang,杨绍明。关铭谢长廷”color-theory-based移动无线传感器网络节能路由算法,”计算机网络,52卷,不。3、531 - 541年,2008页。视图:出版商的网站|谷歌学术搜索
13. 殷b、h·史和y商,”一个高效的算法构建移动ad hoc网络的连通支配集,“杂志的并行和分布式计算,卷71,不。1,27-39,2011页。视图:出版商的网站|谷歌学术搜索
14. 巴拉吉,k . Kannan y . b . Venkatakrishnan,“总控制集基于连通支配集算法在临时的无线网络,”圆柱交易数学,12卷,不。12日,第1172 - 1164页,2013年。视图:谷歌学术搜索
15. j·p·莫汉蒂,c . Mandal c·里德和a . Das,“最小连通支配集的建设在无线传感器网络中使用伪控制集,“特设网络,42卷,第73 - 61页,2016年。视图:出版商的网站|谷歌学术搜索
16. d .傅l .汉l .刘问:高,和z,“一个有效的集中在无线网络连通支配集算法,”Procedia计算机科学,56个卷,第167 - 162页,2015年。视图:出版商的网站|谷歌学术搜索
17. j·p·莫汉蒂、c . Mandal和c·里德“最小连通支配集的分布式建设无线传感器网络使用两跳信息,“计算机网络卷,123年,第152 - 137页,2017年。视图:出版商的网站|谷歌学术搜索
18. t·w·海恩斯,s . t . Hedetniemi和p . j .斯莱特“支配原理图,”专著和教科书纯粹与应用数学马塞尔•德克尔,卷。208年,纽约,纽约,美国,1998年。视图:谷歌学术搜索
19. Kamath s s, r·s·巴特。”semigraphs统治。”电子票据在离散数学15卷,第111 - 106页,2003年。视图:出版商的网站|谷歌学术搜索
20. 米切尔和s . t . Hedetniemi“统治在树上,”学报》第八届会议组合东南部,图论和计算,页489 - 509,温尼伯,加拿大,1977年1月。视图:谷歌学术搜索
21. h·杜,阮l . x, y . Li w . Wu和K.-I。Ko,“贪婪的近似最小连通支配集,“理论计算机科学,卷329,不。1 - 3、325 - 330年,2004页。视图:出版商的网站|谷歌学术搜索
22. s和s·奇尔古哈,”连通支配集的近似算法,”Algorithmica,20卷,不。4、374 - 387年,1998页。视图:出版商的网站|谷歌学术搜索
23. 萨拉瓦南和r . Poovazhaki”边界边缘统治semigraphs数量,”美国数学科学国际会议(icm - 2014)钦奈,页506 - 508年,印度,2014年7月。视图:谷歌学术搜索
24. http://ns2simulator.com/wireless-sensor-network-ns2/。

版权

版权©2019 t Suriya Praba等。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。