第三章 空間性群組的節能通訊協定
3.5 D ATA TRANSMISSION
當建立好路由之後，每個群組內負責監測的感測器會產生 k bits 大小的 封包，接下來便開始收集其下所有子節點們所傳過來的資訊（每個皆為k bits 大小），利用 data aggregation 的技術（使用一些函式，例如：MAX、
MIN、AVERAGE..etc），將本身及收集到的封包匯集成一個同樣大小為k bits 的封包，繼續往父節點傳送，直到基地台。如圖 3-4 表示封包傳送的情形：
圖 3-4 封包傳送示意圖（利用 data aggregation 技術）
基地台
k bits k bits
k bits
k bits
k bits
k bits
k bits
k bits k bits
第四章 模擬實驗與討論
4.1 The Radio Model
本論文採用文獻[6][19]所使用的 radio model，如下圖所示：
圖 4-1 Radio Model（參考自文獻[19]）
Data aggregation 所耗損電力：
EDA = 5 nJ/b/message
sensor Power supply
Receiver antenna Transmitter antenna
ERX EDA ETX Eamp(r)
4.2 模擬結果與討論
本章節將展示並討論我們所提出來的 ECPSG 實驗模擬結果，為了做 為比較，我們將文獻[7]所提出來 DSSP（參考 2-2 Coverage and node scheduling）一同納入模擬實驗中。而為了公平起見，我們也對 DSSP 稍做 修改，讓 DSSP 更符合我們的網路模型（即所有感測器都有 Power control 功能，並皆可獨自傳送到基地台），如此一來，便不再需要考量網路連通性 的問題，讓DSSP 可以關掉更多的感測器、提升效能，再來與我們的 ECPSG 做比較。
我們模擬實驗的參數設定，如下所示：
100 Maps
50m × 50m
50 nodes、100 nodes、150 nodes
Sense Range = 10m
Energy = 0.5J
Data size = 2000 bit
100 transmissions each Round
首先，我們先定義覆蓋率的計算方法，如右上圖所示：我們將50m
×50m 的地圖，切成許多 1m×1m 的小方格，取中心點為我們的 sample 點。假設所有全部感測器皆有運作時，所覆蓋到的sample 個數為 T，
而執行完Scheduling 後，有運作之感測測器所覆蓋到的 sample 個數為 K，則覆蓋率為 KT × 100%。
接下來我們分別呈現在50、100、150 nodes 不同密度下的實驗模擬數 據：
50 nodes , 50m×50m
圖 4-2、圖 4-3、圖 4-4 及圖 4-5 分別展示了在 50 個 Nodes 的密度下，
使用我們提出來的路由協定時，在不同 RG（參考 3-2 Node Grouping）下與 DSSP 比較的結果（子圖(a)所呈現的是覆蓋率；子圖(b)所呈現的是剩餘存 活節點數)。
在各個圖中，ECPSG -r 表示的是 RG = r，也就是在 ECPSG 方法中，我 們以 r 公尺為半徑來形成群組。其中，我們要強調的是，若把子圖(a) 、子 圖(b)的覆蓋率與剩餘節點數單純地拿來對照，會出現雖已經沒存活節點，
但卻還有覆蓋率這種不可能的情形，這是因為子圖(a)所呈現的是系統在第
k 次傳送時的覆蓋率是 c，對 c 取平均值並標示出來（對 y 軸取平均值）； 而子圖(b)則是表示系統在剩餘 n 個節點數時，是第 k 次傳送，對 k 取平均 值並標示出來（對 x 軸取平均值）。
從圖 4-2 (a)我們可以看出，在 RG = 5 的時候，ECPSG 的覆蓋率雖然 沒有達到100%，但卻已相當的接近，在覆蓋率達到 90%時，所擁有的生命 週期也較DSSP 來得長。而在圖 4-3(a)、圖 4-4(a)及圖 4-5(a)也就是 RG = 6、
RG = 7 及 RG = 8 時，雖然在高覆蓋率時可以有更長的生命週期，但系統初始 的覆蓋率已經不太符合我們的期望。（我們的目標是希望一開始的覆蓋率平
均可以在99%以上）
圖 4-3 RG = 6 時，(a) Coverage (b) Alive Nodes (50 nodes)
圖 4-4 RG = 7 時，(a) Coverage (b) Alive Nodes (50 nodes)
圖 4-5 RG = 8 時，(a) Coverage (b) Alive Nodes (50 nodes)
表 1 可以看出在 50 個節點密度下，不同 RG時，ECPSG 所平均形 成的群組個數，也就是代表著同一時間會有多少感測器起來運作；而 DSSP 平均會有 26.6 個感測器在運作。
表 1 ECPSG 在不同 RG下平均形成的群組數（50 nodes）
表 2 呈現的是在沒有感測器電力耗盡時，ECPSG 在不同 RG時，所 模擬出來的平均覆蓋率。從前面的表 4-3 我們知道當 RG越大時，形成 的群組數會越少，即運行的感測器變少，因此覆蓋率會變得不盡理想。
表 2 ECPSG 在不同 RG下平均的覆蓋率（50 nodes）
100 nodes , 50m×50m
圖 4-6、圖 4-7、圖 4-8 及圖 4-9 分別展示了在 100 個 Nodes 的密度下，
不同 RG（參考 3-2 Node Grouping）時與 DSSP 比較的結果，並且使用我們 提出來的路由協定。。
在100 個節點密度下，我們可以發現圖 4-6(a)、圖 4-7(a)、圖 4-8(a)及 圖 4-9(a)也就是 RG =5、6、7、8 時，ECPSG 初始的覆蓋率都比 50 個節點密 度下時，更接近100%。而且在系統達到 90%、80%覆蓋率時的生命週期，
也較DSSP 來得更長，尤其在圖 4-8(a)也就是 RG =7 時，在 90%覆蓋率時的
圖 4-7 RG = 6 時，(a) Coverage (b) Alive Nodes（100 nodes）
圖 4-8 RG = 7 時，(a) Coverage (b) Alive Nodes（100 nodes）
圖 4-9 RG = 8 時，(a) Coverage (b) Alive Nodes（100 nodes）
表 3 可以看出在 100 個節點密度下，不同 RG時，ECPSG 所平均形 成的群組數；而 DSSP 平均會有 32.97 個感測器在運作。之所以會造成 DSSP 運作節點數變多的主要原因，我們歸究於在節點密度增加時，邊 界的節點數也跟著變多，而邊界的節點難以被其他的感測器所覆蓋，
導致需要運行更多的節點。而ECPSG 也是同樣因為形成群組的節點在 邊界的機會大大地增加，而造成所形成的群組數量變多。
表 3 ECPSG 在不同 RG下平均形成的群組數（100 nodes）
表 4 呈現的是在沒有感測器電力耗盡時，ECPSG 在不同 RG下所模擬出來的 平均覆蓋率。
表 4 ECPSG 在不同 RG下平均的覆蓋率（100 nodes）
150 nodes , 50m×50m
圖 4-10、圖 4-11、圖 4-12 及圖 4-13分別展示了在150 個 Nodes 的密度下，
不同 RG（參考 3-2 Node Grouping）時與 DSSP 比較的結果，並且使用我們提出來 的路由協定。
從圖 4-10(a)、圖 4-11(a)、圖 4-12(a)及圖 4-13(a)中，我們可以更明顯看
出ECPSG 跟 DSSP 比起來，在高密度的拓撲下，表現的比密度低時還要好很多，
尤其在圖 4-12(a)也就是 RG =7 時，覆蓋率在 90%以上時的生命週期大約比 DSSP
圖 4-11 RG = 6 時，(a) Coverage (b) Alive Nodes（150 nodes）
圖 4-12 RG = 7 時，(a) Coverage (b) Alive Nodes（150 nodes）
圖 4-13 RG = 8 時，(a) Coverage (b) Alive Nodes（150 nodes）
圖 4-14 中所呈現的是在 150 個節點密度下，不同RG時，在各個覆蓋率時的
DSSP ECPSG‐5 ECPSG‐6 ECPSG‐7 ECPSG‐8
Time
表 5 可以看出在 150 個節點密度下，不同 RG時，ECPSG 所平均形成 的群組數；而DSSP 則平均會有 32.5 個感測器在運作。
表 5 ECPSG 在不同 RG下平均形成的群組數（150 nodes）
表 6 呈現的是在沒有感測器電力耗盡時，ECPSG 在不同 RG時所模擬出來的
平均覆蓋率。我們可以看出ECPSG 在高密度的拓撲模型下，比起低密度時
的拓撲，因為運行的節點數變多，而使覆蓋率越來越接近100%。
表 6 ECPSG 在不同 RG下平均的覆蓋率（150 nodes）
由於我們在模擬的時候，發現在同樣一張地圖下，雖然固定 RG大小，但卻因 為隨機形成群組的方式，導致群組個數會在某個區間上下飄動，所以接下來我們 在 50 Nodes，50m × 50m，RG= 6 的參數設定時，試著去調整程式，讓每張地圖 在模擬的時候，使群組個數盡量分別趨近於最大值與最小值。
結果如圖 4-15 所示：ECPSG_Coverage(Nodes)_more-6 呈現的是群組個數盡 量處於最大值的結果，ECPSG_Coverage(Nodes)_less-6 則是讓群組個數盡量處於 最小值的結果。ECPSG _Coverage(Nodes)-6 則是之前圖 4-3 的結果（沒有做特別
的調整）。
由於群組的個數代表著運作節點的 多寡，所以我們發現ECPSG_less-6 在一 開始會有較低的覆蓋率，但可以擁有較 長的生命週期，而ECPSG_more-6 則反 之。圖 4-15 可以看出他們之間的差別。
Alive Nodes & Coverage(%)
Time
Alive Nodes & Coverage(%)
Time
圖 4-16 則是在 150 Nodes，50m × 50m，RG= 7 的參數設定時，試著去調整程 式，讓每張地圖在模擬的時候，使群組個數盡量分別趨近於最大值與最小值。
ECPSG_Coverage(Nodes)_more-7 呈現的是群組個數盡量處於最大值的結果，
ECPSG_Coverage(Nodes)_less-7 則是讓群組個數盡量處於最小值的結果。ECPSG
_Coverage(Nodes)-7 則是之前圖 4-12 的結果（沒有做特別的調整）。
圖 4-16 跟圖 4-15 相似，由於群組的個數代表著運作節點的多寡，所以我們
發現ECPSG_less-7 在一開始會有較低的覆蓋率，但可以擁有較長的生命週期，而
ECPSG_more-7 則反之。圖 4-16 可 以看出他們之間的差別。
Alive Nodes & Coverage(%)
Time
Alive Nodes & Coverage(%)
Time
PEGASIS
Alive Nodes & Coverage(%)
Time
ECPSG_PEGASIS_Coverage-7 ECPSG_Coverage-7 ECPSG_PEGASIS_Nodes-7 ECPSG_Nodes-7
圖 4-18 DSSP 使用 PEGASIS 比較圖
Alive Nodes & Coverage(%)
Time
Alive Nodes & Coverage(%)
Time
DSSP_PEGASIS_Coverage ECPSG_PEGASIS_Coverage-7 DSSP_PEGASIS_Nodes ECPSG_PEGASIS_Nodes-7
第五章 結論及未來研究方向
本篇論文主要的貢獻是我們透過一個簡單、低成本的方式，只要選取 適當的群組大小（半徑）把彼此相近的節點群組在一起，並讓同一群組內 的感測器輪流打開電源監控區域，在高密度的網路拓撲下，就可以讓感測 網路的覆蓋率非常接近100%。由實驗結果得知，我們只犧牲了 0.5%的初 始覆蓋率，但卻可以讓網路在80%覆蓋率時的生命週期，比 DSSP 多了 35%。
並且我們建議使用有考量節點電力負載的路由協定，因為若沒有考量電力 負載將會嚴重影響到網路在高覆蓋率時的生命週期。
由於我們的方法在群組的時候是採用隨機的方式，根據實驗結果顯示，
就算固定群組的 RG大小，這隨機的方式對於網路的覆蓋率及生命週期還是 有一定範圍的影響，如何調整群組的方式，讓網路可以得到更好更穩定的 結果，是我們可以努力的目標。另外，在路由建立後，群組內的感測器會 輪流起來運作，若能在兩兩群組間，找到一個好的相對排程方式，或許也 可以為我們系統節省電力、增進效能，這些都是我們未來可以努力研究的 方向。
參考文獻
[1] J. Carle and D. Simplot, “ Energy Efficient Area Monitoring by Sensor Networks, ” IEEE Computer, Vol 37, No 2 (2004) 40-46
[2] G. T. Huang, Casting the Wireless Sensor Net, MIT Technology Review (2003) 50-56.
[3] K. Akkaya and M. Younis, “A survey on routing protocols for wireless sensor networks,” Elsevier Ad Hoc Network Journal, vol. 3, no. 3, pp. 325–349, 2005.
[4] J. Yick, B. Mukherjee, and D. Ghosal. Wireless sensor network survey.
Computer Networks, 52(12):2292–2330, 2008.
[5] A.A. Abbasi and M. Younis, “A Survey on Clustering Algorithms for Wireless Sensor Networks,” Computer Comm., vol. 30, nos. 14-15, pp. 2826-2841, 2007.
[6] D. Tian and N.D. Georganas, "A Coverage-preserved Node Scheduling scheme for Large Wireless Sensor Networks," Proceedings of First International Workshop on Wireless Sensor Networks and Applications (WSNA'02), Atlanta, USA, September 2002.
[7] E. Bulut and I. Korpeoglu, DSSP: A Dynamic Sleep Scheduling Protocol for Prolonging the Lifetime of Wireless Sensor Networks, Proc. IEEE AINA, Canada, 2007.
[8] F. Ye, G. Zhong, S. Lu and L. Zhang. PEAS: A Ro-bust Energy Conserving Protocol for Long-lived Sensor Networks, in the 23rd International Conference on Distributed Computing Systems, 2003.
[9] C. Hsin and M. Liu, ”Network Coverage Using Low Duty-Cycled Sensors:
Random and Coordinated Sleep Algorithms,” in Proc. International Workshop on Information Processing in Sensor Networks (IPSN), April 2004.
[10] H. Zhang and J. Hou, ”Maintaining Coverage and Connectivity in Large Sensor Networks,” invited paper in International Workshop on Theoretical and
Algorithmic Aspects of Sensor, Ad hoc Wireless and Peer-to-Peer Networks, Florida,Feb. 2004.
[11] X. Wang, G. Xing, Y. Zhang, C. Lu, R. Pless, C. Gill,” Integrated coverage and connectivity configuration in wireless sensor networks,” in: Proceedings of the First International Conference on Embedded Networked Sensor Systems (Sensys), Los Angeles, CA,2003.
[12] S. Lindsey and C. S. Raghavendra, “PEGASIS: Power-Efficient Gathering in Sensor Information Systems,” in Proceedings of ICC’01, 2001.
[13] W.R.Heizelman, A.Chandrakasan, and H.Balakrishnan, “Energy-Efficient Communication Protocol for Wireless Micro Sensor Networks, ” IEEE
Proceedings of the Hawaii International Conference on System Sciences, January 2000.
[14] A. Manjeshwar and D. P. Agrawal. TEEN: A Routing Pro-tocol for Enhanced Efficiency in Wireless Sensor Networks. In 1st International Workshop on Parallel and Distributed Computing Issues in Wireless Networks and Mobile Com-puting, April 2001.
[15] H. Lee and A. Keshavarzian, “Towards energy-optimal and reliable data collection via collision-free scheduling in wireless sensor networks,” in INFOCOM, 2008.
[16] Boukerche, X. Cheng and J. Linus, Energy-aware data-centric routing in
microsensor networks, ACM Modeling Analysis and Simulation of Wireless and Mobile Systems (MSWIM2003) (Paris, France, 2003) pp. 42–49.
[17] Haiyun Luo, Fan Ye, Jerry Cheng, Songwu Lu, Lixia Zhang “TFI7DD: two-tier data dissemination in large-scale wireless sensor networks” MOBICOM 2002.
[18] Y. Xu, J. Heidemann and D. Estrin. “Geography Informed Energy Conservation for Ad Hoc Routing.”MOBICOM, 2001.
[19] Muruganathan, S.D. et al., “A Centralized Energy-Efficient Routing Protocol for Wireless Sensor Networks,” IEEE Radio Communications Volume 43, Issue 3, Mar 2005, pp.S8 – 13.