پروتکل خوشه بندی انرژی آگاه بهبود یافته (مقاله ترجمه شده)

چکیده

در این مقاله، یک نسخه بهبود یافته از پروتکل خوشه‌بندی نابرابر توزیع‌شده‌ی انرژی آگاه (EADUC) ارائه شده است. پروتکل EADUC معمولا برای حل مشکل فقدان انرژی در شبکه‌های حسگر بی‌سیم چند هاپی استفاده می‌شود. در EADUC، به محل ایستگاه پایه و انرژی باقی‌مانده به‌عنوان پارامترهای خوشه‌بندی اهمیت داده می‌شود. براساس این پارامترها، شعاع رقابت مختلفی به گره اختصاص داده می‌شود. در اینجا، یک رویکرد جدید به‌منظور بهبود کار EADUC، با انتخاب سخوشه با توجه به تعداد گره همسایگی علاوه بر دو پارامتر بالا مطرح شده است. گنجایش اطلاعات همسایگی برای محاسبه شعاع رقابت، تعادل انرژی بهتری در مقایسه با روش‌های موجود فراهم می‌کند. علاوه بر این، برای انتخاب گره هاپ بعدی، متریک به‌طورمستقیم از نظر هزینه انرژی به‌جای اطلاعات از راه دور مورد استفاده در EADUC و فاز انتقال داده در هر دور با گسترش تعداد جمع‌آوری داده‌ها از طریق استفاده از اسلات‌های بزرگ و کوچک تعریف می‌شود. روش مورد استفاده، جهت حفظ خوشه یکسان برای چند دور و درنتیجه کاهش سربار خوشه موثر است. عملکرد پروتکل ارائه شده تحت سه سناریو مختلف مورد ارزیابی قرار گرفته و از طریق شبیه‌سازی با پروتکل‌های موجود مقایسه شده است. نتایج نشان می‌دهد که این طرح پیشنهادی از نظر طول عمر شبکه در تمام حالات بهتر از پروتکل‌های موجود است.

معرفی

شبکه‌های حسگر بی‌سیم (WSN ها) براساس بسیاری از محدودیت‌های مشخص منابع مانند انرژی، قدرت پردازش، ذخیره‌سازی و محدوده انتقال مشخص می‌شوند. علاوه بر این عوامل، انرژی حسگرها، از محدودیت‌های اساسی منابع در شبکه‌های حسگر بی‌سیم است. بسیاری از کارهای تحقیقاتی در دهه گذشته برای رسیدگی به این چالش انجام شده است [1-3]. WSN ها برای جمع‌آوری داده‌های کاربردی که شامل مقدار زیادی از منطقه از جمله مناطق زراعی، جنگل‌ها، معادن زغال سنگ، نظارت تونل راه‌آهن، نظارت سلول‌های خورشیدی فتوولتائیک در یک شبکه و غیره هستند کاربرد دارد و WSN ها نیاز به داده‌هایی از تمام مکان‌ها دارند [2،4-6]. ایستگاه پایه (BS) در بسیاری از موارد دور از حسگرها قرار دارد. در چنین شبکه‌هایی، داده‌ها به‌صورت دوره‌ای توسط BS جمع می‌شوند. خوشه‌بندی با توپولوژی سلسله مراتبی برای تحقق نظارت مستمر شبکه‌ها پرکاربرد است [7-11]. که نشان داده است خوشه‌بندی شبکه، طول عمر بیشتری از شبکه با انتقال مستقیم داده‌ها را امکان‌پذیر می‌کند. نشان داده شده است که طول عمر شبکه توسط یک عامل حدودا 2 یا 3 بار با خوشه‌بندی بهبود می‌یابد [12].

مزایای بسیاری برای استفاده از پروتکل‌های خوشه‌بندی در شبکه‌های جمع‌آوری داده‌ها وجود دارد. در شبکه‌ی متراکم، به طور معمول حجم زیادی از ترافیک بین سنسورها وجود دارد، که منجر به دخالت و پس از آن برخورد می‌شود. انتظار می‌رود که گروه‌بندی سنسورها تعداد مسافت‌های طولانی را به‌حداقل برساند و در نتیجه در مصرف انرژی صرفه‌جویی شود. در خوشه‌بندی، زمان بیکاری گره‌های سنسور طبیعی (اعضای خوشه) استخراج می‌شود، در حالی‌که سرخوشه‌ها موجب هماهنگی فعالیت‌های گره‌های عضو و در نتیجه صرفه‌جویی انرژی [13] می‌شوند. برنامه‌ریزی فعالیت تا حد زیادی از طریق TDMA براساس برنامه‌ریزی اجرا می‌شود [5،11،14،15]. همچنین خوشه‌بندی، جمع‌آوری داده‌ها در سرخوشه (CH) را با کاهش تعداد بسته داده‌های منتقل شده تسهیل می‌کند، که به کاهش مصرف انرژی در گره‌های حسگر کمک می‌کند [13].

کارهای مرتبط

کار پژوهش‌های پیشین در مورد الگوریتم‌های خوشه‌بندی براساس چرخش نقش سرخوشه‌ها در هر دور، و انتخاب سرخوشه با انرژی بیشتر به‌منظور افزایش طول عمر شبکه می‌باشد. پروتکل PIONEER موجود در این دسته، پروتکل خوشه‌بندی سلسله مراتبی با تطبیق ​​کم انرژی است (LEACH) [20]. پروتکل LEACH ارتباطات تک هاپی را بین گره‌ها و به پایه ایستگاه فرض می‌کند. این باعث می‌شود تا برای شبکه‌های در مقیاس بزرگ نامناسب باشد. بسیاری از پروتک‌ های مبتنی بر LEACHکه در گذشته توسعه یافته‌اند بر روی پروتکل LEACH، مانند LEACH-DT [15] و یا نوع چند هاپ از LEACH، به‌نام M-LEACH [1] بهبود یافته‌اند. الگوریتم خوشه‌بندی توزیع‌شده‌ی ترکیبی با انرژی کارآمد (HEED) در مرجع 18مطرح شده است، که سرخوشه را نه تنها با توجه به انرژی باقی‌مانده گره بلکه هزینه ارتباطات داخل خوشه انتخاب می‌کند. آن از ارتباطات چند هاپ در میان سرخوشه برای ارتباط بین خوشه استفاده می‌کند. این مورد در طولانی‌تر شدن طول عمر شبکه موفقیت‌آمیز عمل می‌کند اما در تعادل بار ارتباطات موثر نیست و همانند گره نزدیک به BS هنوز هم سریع‌تر می‌میرند. پروتکل دیگر، الگوریتم خوشه‌بندی کارآمد انرژی و توزیع شده (DEEC)است [42]. در DEEC، سرخوشه‌ها توسط یک احتمال که براساس نسبت انرژی باقی‌مانده از یک گره و به‌طور متوسط ​​براساس انرژی شبکه می‌باشد انتخاب می‌شوند. در تمام این طرح خوشه‌بندی با انرژی کارآمد، هر چند چرخش متناوب تابع سرخوشه می‌بیند که گره از طریق انرژی به طور مساوی اجرا می‌شود، اما در اجتناب از مشکل فقدان انرژی داده شبکه‌های حسگر بی‌سیم موثر نیست. بسیاری از روش‌ها در کارهای گذشته برای غلبه بر مشکل فقدان انرژی مطرح شده‌اند و در نتیجه طول عمر شبکه را به‌حداکثر می‌رسانند. روش‌هایی برای غلبه بر مشکل فقدان انرژی به سه دسته طبقه‌بندی می‌شوند [43]. روش‌های اول رویکرد رسیدگی دارند، مانند گسترش رسیدگی [35]، به‌عنوان مثال TTDD[44]، فشرده‌سازی ترافیک و تجمع [39]. گره‌های انرژی اولیه بزرگتر را می‌توان در منطقه مصرف انرژی بزرگتر مستقر کرد، به‌عنوان مثال با استفاده از ناهمگنی انرژی [35]، و یا همانند TTDD [44]، که استقرار سلسله مراتبی نامیده می‌شود. در طرح TTDD، تعدادی از گره‌های اختصاص داده شده با داشتن ظرفیت باتری بزرگتر و محدوده انتقال بزرگتر مستقر می‌شوند. این گره‌های اختصاص داده شده یک منطقه در سمت بالای سنسور به‌طور منظم ایجاد می‌کنند که انرژی اولیه کمتری دارند و در نتیجه در کاهش مشکل فقدان انرژی کمک می‌کنند. نوع دوم که براساس استراتژی توزیع گره است در مراجع [29]، [30]، [45] و [46] مورد مطالعه قرار گرفته است. بیشترین تعداد گره را می‌توان در نزدیکی BS مستقر کرد. همچنین در مرجع [47]، گره‌ها با کمک تابع توزیع از پیش مشخص شده تعیین شده‌اند. رویکرد سوم براساس تنظیم محدوده انتقال است [35،43،48]. طرح محدوده انتقال به تنظیم برای به حداکثر رساندن سنسور طول عمر شبکه در مرجع 43 پرداخته است. مشکل فقدان انرژی با تنظیم شعاع محدوده‌ی سنسور ارتباطات در مرجع 35 حل شده است. اما این راه‌حل یک محدودیت شدید در اندازه میدان سنسور دارد. تحرک همزمانی، جایگزین دیگری برای حل مشکل فقدان انرژی است [36،48]. در مرجع 36، تحرک ایستگاه پایه برای شبکه رویداد محور در نظر گرفته شده است. نویسندگان در مرجع 33 تحرک ایستگاه پایه و روش مسیریابی چند هاپ برای گسترش طول عمر در WSN را پیشنهاد کرده‌اند. اشکال عمده این روش امکان‌پذیر نبودن آن است. این روش‌ها مستلزم هزینه بالا و پایین در بهره‌وری انرژی هستند [46].

مقدمات

الگوریتم EADUC بهبود یافته در این بخش ارائه شده است. شبکه در نظر گرفته شده شامل N گره حسگر تصادفی در یک میدان سنسور M× M است. گره‌ها و ایستگاه پایه پس از استقرار استاتیک می‌باشند. گره‌ها دارای انرژی جنبشی هستند، یعنی گره مستقر انرژی اولیه متفاوت دارد. BS دور از فیلد سنسور است و محل آن برای هر گره به فرض ناشناخته است. گره‌ها از کنترل قدرت برای تنظیم قدرت انتقال بسته در فاصله انتقال استفاده می‌کنند. گره‌ها محل آگاه نیستند، اما می‌توانند تخمینی از فاصله به گره توسعه یافته‌ی دیگر با قدرت سیگنال دریافت شده ارائه کنند. به‌صورپیش فرض گره‌ها متقارن هستند [49،55]. سرخوشه‌ها می‌توانتد داده‌های خود را به‌طور مستقیم با BS منتقل کنند. پیام‌های داده (DM) و پیام‌های کنترل (CM) از طریق لینک‌های بی‌سیم منتقل می‌شوند. علاوه بر این، فرض بر این است که داده‌های حس شده توسط گره‌ها بسیار در ارتباط هستند.

3.1. مدل انرژی

فرستنده انرژی را در حال اجرا الکترون‌های رادیویی و مدار تقویت کننده انتقال تلف می‌کند، درحالی‌که مصرف انرژی گیرنده تنها در بخش الکترونیک [11،20] است. همچنین بسته به فاصله انتقال، هر دو فضای آزاد و مدل‌های کانال استفاده می‌شود. اگر فاصله کمتر از یک سطح آستانه باشد، مدل فضای آزاد استفاده می‌شود؛ درغیر این‌صورت مدل چندمسیری استفاده می‌شود.

بهبود مکانیزم پروتکل EADUC

روش خوشه‌بندی مورد استفاده در عملیات مشابه به پروتکل EADUC است [38]. پروتکل در یک دور عمل می‌کند. پس از استقرار گره‌ها، هر گره ابتدا فاصله خود از BS را محاسبه می‌کند. برای این کار، BS یک سیگنال پخش می‌کند، که توسط تمام گره‌ها شنیده می‌شود. براساس دریافت قدرت سیگنال، هر گره فاصله‌اش تا BSرا تخمین می‌زند. هر یک دور شامل مرحله تنظیم خوشه و مرحله حالت ثابت است که انتقال داده‌ها در آن صورت می‌گیرد. مرحله تنظیم کردن به سه زیر مرحله با مدت زمان T1، T2 و T3 تقسیم می‌شود. اولین زیرمرحله مجموعه اطلاعات گره همسایه است. در آغاز جمع‌آوری اطلاعات زیر مرحله، هر گره پخش Node_Msg را تقسیم می‌کند، که شامل انرژی باقی‌مانده خود را همراه با شناسه آن است. تمام گره‌ها، که در برد رادیویی آن قرار دارند، Node_Msg را از تمام همسایگان خود دریافت می‌کنند. پس از آن هر گره با متوسط ​​انرژی باقی‌مانده، Eavg_res، خوشه مطابق معادله (3) کار می‌کند.

تجزیه‌ و تحلیل پروتکل

در زیر ویژگی‌های پروتکل EADUC بهبود یافته است.

(1) سرخوشه براساس نسبت متوسط ​​انرژی باقی‌مانده و انرژی باقی‌مانده از گره‌های داده شده در معادله (4) انتخاب می‌شود. که به طولانی شدن طول عمر شبکه همانند گره‌هایی که با انرژی باقی‌مانده بیشتر انتخاب می‌شوند کمک می‌کند.

(2) مجموعه سرخوشه پوشش تمام شبکه را انتخاب می‌کند. همانند معادله (4)، پارامتر vr تضمین می‌کند که برای هر مورد از انرژی باقی‌مانده گره، زمان انتظار کمتر یا مساوی T2 از زیرمرحله رقابت سرخوشه است. بنابراین، هر گره می‌تواند قبل از زمان T2 تبدیل به یک سرخوشه شود. علاوه‌براین، هر گره Head_Msgدریافت نمی‌کند و خود را به سرخوشه پخش می‌کند.

ارزیابی عملکرد

محیط شبیه‌ سازی

سه سناریو برای شبیه‌سازی انتخاب شده است:

سناریو 1: 100 گره به‌طور یکنواخت به مساحت 200 × 200 مترمربع در شکل 1 (الف) نشان داده شده است.

سناریو 2: 100 گره غیریکنواخت با بیشترین تعداد گره‌های حسگر که با هم در سمت راست فیلد سنسور گروه‌بندی شده‌اند، به‌عنوان مثال در نزدیکی BS، بیش از یک منطقه با 200 × 200 مترمربع همانطور که در شکل 1 (ب)نشان داده شده است.

سناریو 3: 100 گره غیریکنواخت با بیشترین تعداد گره‌های حسگر که با هم در سمت چپ فیلد سنسور گروه‌بندی شده‌اند، به‌عنوان مثال دورتر از BS، بیش از یک منطقه با200 × 200 مترمربع همانطور که در شکل1 (ج) نشان داده شده است.

نتایج و بحث

شبیه‌سازی در نرم‌افزار MATLAB انجام شده است. در نتایج شبیه سازی، مدل انرژی و مدل جمع‌آوری داده‌ها در بخشهای 3.1 و 3.2 به ترتیب استفاده می‌شود. نتایج حاصل از شبیه‌سازی به‌طور متوسط ​​در چند آزمایش انجام می‌شود. معیارهای عملکرد زیر در این مقاله استفاده می‌شوند:

• تعداد سرخوشه‌ها: این متریک تاثیر توزیع گره در هر سناریو است.

• میانگین مصرف انرژی در هر دور: این متریک مصرف متوسط انرژی توسط تمام گره‌های شبکه در یک دور است.

• انرژی باقی‌مانده شبکه: این متریک نشان‌دهنده کل انرژی باقی‌مانده از شبکه با توجه به دورها است.

• طول عمر شبکه -FND: این متریک، داده‌های جمع‌آوری شده‌ی دورها و نشان‌دهنده‌ی زمان است زمانی که اولین گره در شبکه می‌میرد.

• طول عمر شبکه -PNA: این متریک مربوط به دوره زمانی از عملکرد لحظه‌ای شروع شبکه، زمانی که 10 درصد از گره‌ها مرده‌اند می‌شود.

•تعداد گره‌های زنده: این متریک تعداد گره‌های زنده با توجه به دورها را نشان می‌دهد.

ارزیابی توزیع CH

شکل. 2 متوسط ​​تعداد سرخوشه‌های تولید شده در هر سناریو را نشان می‌دهد. سرخوشه‌ها توزیع شده و تعداد سرخوشه‌ها نیز کنترل می‌شود. پروتکل بهبود یافته EADUC، تعدادی پایدار از سرخوشه‌ها را همانطور که در شکل 2 دیده می‌شود تولید می‌کند. دلیل این مورد بررسی شعاع رقابت است که تنها یک سرخوشه در هر شعاع رقابت وجود دارد. در سناریو 1، به‌عنوان مثال مقایسه سنسورهای توزیع یکنواخت، چهار یا پنج عدد سرخوشه در هر دوره از عملیات پروتکل تولید شده و تقریبا احتمال یکسانی دارند. در سناریو 2، پنج سرخوشه محتمل‌تر وجود دارد، درحالی‌که در سناریوی 3، چهار سرخوشه محتمل‌تر وجود دارد. در طول عملیات پروتکل، گره نزدیک به BS با شعاع رقابت کوچکتر اختصاص داده می‌شود. همانطور که در سناریو 2، بیشترین تعداد گره در نزدیکی منطقه BS مستقر شده است؛ این احتمال وجود دارد تعداد بیشتری از سرخوشه‌ها نسبت به سناریو 3 تولید شود، که در آن منطقه نزدیک BS پراکنده است.

نتیجه‌ گیری

در این مقاله، یک پروتکل خوشه‌بندی نابرابر توزیع‌شده و انرژی آگاه (EADUC) در جهت بهبود WSN توسعه یافته است. رویکرد خوشه‌بندی غیریکنواخت است در این مقاله به‌کار گفته شده است. خوشه‌ی ایجاد شده، اندازه‌ای نابرابر با استفاده از رقابت شعاع دارد. خوشه‌های نزدیک به BS نسبت به خوشه‌هایی که از BS دور هستند اندازه‌ی کوچکتری دارند. گره‌ها به شعاع رقابت نابرابری از طریق استفاده از عوامل متعدد مانند فاصله تا BS، انرژی باقی‌مانده و تعداد همسایه‌ها تخصیص یافته‌اند. در نتیجه، مصرف انرژی در میان سرخوشه‌ها به‌طور موثرتری متعادل است. علاوه‌براین، روش انتخاب گره‌ها برای انتقال داده به سمت BS براساس هزینه انرژی است. نتایج شبیه‌سازی نشان می‌دهد طول عمر شبکه به‌طورموثر در هر سناریو طولانی مدتی به پروتکل EADUC و HUCLبستگی دارد نتیجه این مطالعه باید برای حل مشکل فقدان انرژی در شبکه‌های جمع‌آوری داده‌ها مفید باشد.

این مقاله ISI در سال 2016 در نشریه الزویر و در مجله علم و فناوری مهندسی، مجله بین المللی، توسط گروه مهندسی الکترونیک و ارتباطات منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله پروتکل خوشه بندی انرژی آگاه بهبود یافته در محل کار در سایت ای ترجمه مراجعه نمایید.