無線感測網路上利用空間性群組
53
0
0
全文
(2) 摘 要 無線感測網路（wireless sensor network）是由一群大量的感測節點 （sensor node）所組成。感測節點部署在一固定區域，負責將其所感測到 的資訊傳送到基地台（base station）。而感測網路所面臨到的一個嚴重問 題就是有限的電力，因此如何有效節省電力，提升網路的存活時間，便是 我們所要努力的目標。 其中有不少研究利用感測節點有其感測範圍 （sensing range） 的特性， 藉由睡眠排程(sleeping schedule)關掉多餘的感測節點（其感測範圍可被 其他節點所覆蓋），維持感測網路原本的覆蓋率（coverage），來節省掉不 必要的電力耗損，進而延長感測網路的生命週期。但若要精確的找出這些 多餘的感測節點，勢必要裝載定位系統或指向性天線，這對於感測網路而 言，必須要付出相當大的成本代價。而且並不是所有的感測網路，都需要 如此嚴謹的覆蓋率。 我們在無網感測網路中提出一個分散式的排程法則，利用空間性的群 組（group），並對同一群組內的感測節點進行排程(node scheduling)，讓 它們可以輪流運作，最後根據節點的電力負載來建立路由(routing)。透過 這樣的方法，我們只犧牲了些微的覆蓋率，來讓網路可以關掉更多的節點， 節省更多的電力。實驗結果顯示，在密度比較高的網路拓撲下，我們的覆 蓋率可以非常接近 100%，並讓感測網路的生命週期可以大大地提升。. ii.
(3) Abstract In Wireless sensor networks, sensor nodes are deployed to monitor some environmental parameters and send them to the base station. The energy of sensor nodes is a critical resource in wireless sensor network. It is important to prolong the lifetime of the network. In order to reduce network overall energy consumption, some research presents schemes to turn off part of sensor nodes with guarantee of sufficient sensing coverage and reliability. To find out the redundant nodes, the scheme needs to equip sensor nodes with GPS or directional antenna which is however costly. We propose a distributed approach to turn off more nodes at a slight cost of coverage. We divide nodes into several groups according to their first association with some random selected node. Those sensors in the same group are scheduled so that only one node is active and responsible for monitoring environmental parameters every time. Based on their residual energy, routing paths are built to connect those active nodes to the base station. Simulation results show that our approach can extend the network life time only at a little cost of coverage in the high density topology network.. iii.
(4) 謹獻給 我最親愛的家人. iv.
(5) 誌. 謝. 首先，我要感謝我最親愛的父母，謝謝你們平日對我的關心及體諒，讓我時 時刻刻都覺得很窩心，也是因為有你們辛苦的工作，我才可以無後顧之憂，盡全 力的在研究上努力，順利地完成碩士學位。 接著，我要感謝我的指導教授 蔡榮宗 老師，由於老師耐心地傳授課程，讓 我學習到許多網路的相關知識，也因為老師平日細心地指導，讓我知道該如何去 思考並解決問題，也讓我知道怎樣才是正確的研究態度。而這篇論文也要感謝老 師煞費苦心幫我字句斟酌、細心修改，才能有如此面貌的呈現。同時，感謝口試 委員台灣科技大學資訊工程系 陳俊良教授、清華大學資訊工程系 林華君教授、 台灣師範大學資訊工程系 陳伶志教授百忙中撥冗審查本論文，並惠賜許多寶貴 意見，讓這篇論文成果更加充實與完備。 此外，我還要感謝樹林的叔叔、嬸嬸，感謝你們在這二年半的日子裡，對我 的細心照料，還有外婆、奶奶及其他親戚們，不論是長輩還是平輩，謝謝你們平 日對我的關心與幫忙，讓我可以有更多的依靠；也感謝網路實驗室的所有成員， 感謝景輝學長、祚瑋學長及宜學學長給我許多研究上的指導與建議；感謝昇倫在 兩年半的日子裡和我一起努力，並給我許多的幫助與照顧；感謝宇鎮、重慶及新 進的學弟妹彥成、勇諭、卉美、君慧、怡婷幫忙平日的瑣事；感謝平日帶給我歡 笑的朋友、死黨們，讓我的研究生生活也可以充滿樂趣。最後，感謝系辦的姿婷 及宣志，多虧有你們的幫助，我才可以順利地處理在校的事務，謝謝你們。 v.
(6) 目錄. 附表目錄..................................................................................................................... VII 附圖目錄....................................................................................................................VIII. 第一章 緒論................................................................................................................... 1 1.1 研究背景 ............................................................................................................. 1 1.2 研究動機 ............................................................................................................. 2 1.3 論文架構 ............................................................................................................. 3 第二章 相關研究........................................................................................................... 5 2.1 系統模型 ............................................................................................................. 5 2.2 訊號傳導衰減模型 ............................................................................................. 6 2.3 訊務模型 ............................................................................................................. 7 第三章 空間性群組的節能通訊協定 ........................................................................ 11 3.1 系統模型............................................................................................................ 12 3.2 NODE GROUPING ................................................................................................. 13 3.3 NODE SCHEDULING ............................................................................................. 14 3.4 BUILD ROUTING PATH .......................................................................................... 14 3.5 DATA TRANSMISSION ........................................................................................... 16 第四章 模擬結果與討論............................................................................................. 17 4.1 THE RADIO MODEL .................................................................................................. 17 4.2 模擬結果討論 ................................................................................................... 18 第五章 結論及未來研究方向 .................................................................................... 43 參考文獻 .............................................................................................................................................. 44. vi.
(7) 附表目錄. 表 表 表 表 表 表. 1 2 3 4 5 6. ECPSG 在不同 RG 下平均形成的群組數（50 NODES）.................................. 24 ECPSG 在不同 RG 下平均的覆蓋率（50 NODES）.......................................... 25 ECPSG 在不同 RG 下平均形成的群組數（100 NODES）................................ 30 ECPSG 在不同 RG 下平均的覆蓋率（100 NODES）........................................ 31 ECPSG 在不同 RG 下平均形成的群組數（150 NODES）................................ 37 ECPSG 在不同 RG 下平均的覆蓋率（150 NODES）........................................ 38. vii.
(8) 附圖目錄. 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖 圖. 2-1 感測網路基本架構示意圖 ............................................................................. 6 2-2 文獻[13]中，LEACH 叢集示意圖 ................................................................ 8 2-3 (A)MTE (B)LEACH 感測網路運行一段時間後的節點存活情形(取自文獻[13]). 9 2-4 PEGASIS 鏈結示意圖 ...................................................................................... 9 3-1 ECPSG 時間軸流桯示意圖 ............................................................................ 11 3-2 感測網路節點、基地台分佈示意圖 ........................................................... 12 3-3 ECPSG 形成群組後的示意圖 ........................................................................ 13 3-4 封包傳送示意圖（利用 DATA AGGREGATION 技術） ........................................ 16 4-1 THE RADIO MODEL(參考自文獻[19]) .................................................................. 17 4-2 4-3 4-4 4-5 4-6 4-7 4-8 4-9 4-10 4-11 4-12 4-13 4-14 4-15 4-16 4-17. RG = 5 時，(A) COVERAGE (B) ALIVE NODES (50 NODES) .............................. 20 RG = 6 時，(A) COVERAGE (B) ALIVE NODES (50 NODES) .............................. 21 RG = 7 時，(A) COVERAGE (B) ALIVE NODES (50 NODES) .............................. 22 RG = 8 時，(A) COVERAGE (B) ALIVE NODES (50 NODES) .............................. 23 RG = 5 時，(A) COVERAGE (B) ALIVE NODES (100 NODES) ............................ 26 RG = 6 時，(A) COVERAGE (B) ALIVE NODES (100 NODES) ............................ 27 RG = 7 時，(A) COVERAGE (B) ALIVE NODES (100 NODES) ............................ 28 RG = 8 時，(A) COVERAGE (B) ALIVE NODES (100 NODES) ............................ 29 RG = 5 時，(A) COVERAGE (B) ALIVE NODES (150 NODES) ............................ 32 RG = 6 時，(A) COVERAGE (B) ALIVE NODES (150 NODES) ............................ 33 RG = 7 時，(A) COVERAGE (B) ALIVE NODES (150 NODES) ............................ 34 RG = 8 時，(A) COVERAGE (B) ALIVE NODES (150 NODES) ............................ 35 不同 RG 下，在各個覆蓋率時的生命週期（150 NODES） ......................... 36 (A)調整群組個數後的比較圖(B) (A)圖虛線黑圈放大圖（50 NODES） .... 39 (A)調整群組個數後的比較圖(B) (A)圖虛線黑圈放大圖（150 NODES） .. 40 ECPSG 使用 PEGASIS 比較圖 ................................................................... 41. 圖 4-18 DSSP 使用 PEGASIS 比較圖....................................................................... 42 圖 4-19 DSSP 與 ECPSG 皆使用 PEGASIS 路由演算法的比較圖 ....................... 42. viii.
(9) 第一章. 緒論. 1.1 研究背景 近年來，由於微型機械電子系統、數位信號處理以及無線通訊技術的 進步，造就了許多微小的感測器具有感應、處理資訊及無線通訊的能力， 使得無線感測網路的成長空間和應用範圍也大大地增加。無線感測網路通 常由大量的感測器所組成，感測器隨機分佈在感測區域內，用來偵測環境 的變化或者感應其目標物，並將收集到的資料做處理，以無線傳輸的方式, 傳送到匯集點(sink)或基地台（base station）[1][2]。 而根據感測器不同的功能，感測網路也有著不同的應用，例如：環境 監控、健康保健、商業應用、軍事…等等。因為感測器通常被大量隨機使 用在艱困的環境下，難以加以回收、充電，加上成本考量等因素，使得感 測器本身的資源非常有限，不論是運算能力還是記憶容量，而其中影響最 大的就是感測器的電力。 因此，如何節省感測器的電力，讓整個無線感測網路可以更有效率地 使用，一直是熱門的研究方向[3][4][5]。其中部分學者定義感測器有其感測 範圍[6][7][8][9][10][11]，而感測範圍彼此會有互相交集或重疊的情形，故 衍生出覆蓋（coverage）及節點排程規劃(node scheduling)的相關議題， 希望藉由節點排程規劃，讓網路中部分的感測器執行任務，其餘則進入睡 1.
(10) 眠狀態，一方面可以延長感測網路的存活時間，另一方面則是可以維持網 路原本的覆蓋範圍。 而另一部分學者，則是把重心放在路由協定的研究[12][13][14][15][16]， 利用各式各樣多躍式（multi-hop）的資料傳送方式，減少遠距離傳送所導 致的大量電力耗損，並在傳送過程中將資料做融合（data fusion）處理， 降低感測網路整體的資料量，進而有效節省感測器電力，讓無線感測網路 的生命週期可以大大地增加。. 1.2 研究動機 無線感測網路目的就是要將感測器所偵測到的資訊，想辦法傳送到匯 集者或基地台，好讓使用者監控感測的區域。所以資料收集 （data gathering） 的應用在無線感測網路中是最基本也是最重要的運作。因此，在資源有限 的感測網路中，如何長時間有效地收集到感測區域的資料，是許多學者們 研究的目的。 無線感測網路中的感測器通常是高密度地分佈在特定區域上，感測器 其感測範圍容易彼此產生交集，若能適當地對感測器進行排程（node scheduling） ，關掉一些不必要的感測器，卻又可以維持原本的覆蓋率，便 可以大大地延長感測網路的存活時間。 許多關於覆蓋（coverage）與感測器排程（node scheduling）的研究 [6][7]，目的都是為了維持原本的覆蓋率，每段時間找出感測範圍已被覆蓋 2.
(11) 的感測節點，進行睡眠排程，但在資源如此有限的感測網路中，若要精準 地找出這些感測器，定位系統的裝載是常見的做法，甚至為了提高可靠度， 有一部分學者提出 k-coverage 的概念，也就是每個感測區域至少都要有 k 個感測器同時監控著。 但相對而言，或許有些感測網路並不需要如此嚴厲的可靠度，甚至感 測範圍本身的定義就已經有著誤差，而使得感測網路並不需要 100%覆蓋率。 所以本篇論文的目的就是想利用一個簡單、低成本的分散式群組方法，並 不去直接計算感測器有無被覆蓋，而是將彼此相距不遠的感測器群組在一 起，對群組內的感測器進行排程，每個群組在同一時間內只會有一個感測 器起來運作，並且我們希望可以使得覆蓋率接近 100%。 而感測器形成群組後，每個群組的總電力大小並不相同，若沒有考量 到群組的負載，可能導致節點數不多的群組電力太快耗盡，讓整體的覆蓋 範圍容易大幅降低。而大部分考量節點電力負載的大都為集中式演算法， 所以本篇論文也提出一個分散式考量節點負載的路由協定，希望可以在分 散式的狀態下，考量節點電力負載，讓感測網路擁有更長時間的高覆蓋率。. 1.3 論文架構 本論文章節的架構組織如下所述。在第二章，我們介紹本論文的相關 背景知識。首先會概述一下感測網路（sensor network），接著介紹覆蓋 （coverage）與感測器排程（node scheduling）的相關研究，本章末則是 3.
(12) 簡介一些著名的路由協定（routing protocol）。接下來，我們提出的方法 將會在第三章中介紹。第四章則是呈現我們模擬實驗的結果 (simulation results)。最後，將會在第五章中對本論文做出總結，並討論未來的研究 方向。. 4.
(13) 第二章. 相關研究. 2.1 Sensor network 雖然因為微型機械電子系統、數位信號處理以及無線通訊技術的進步， 讓無線感測網路有許多成長空間及廣泛的應用，但因為無線感測網路高密 度的大量佈置，加上環境、地形等因素，感測器難以加以回收或補充電力， 所以感測器有著用完就丟的特性，因此為了符合經濟效益，無線感測網路 還是有著許多的限制： . 感測器的能量、運算處理能力以及記憶容量都有著極大的限制。. . 無線感測網路常常會因感測器電力耗盡、故障，使得網路拓樸時常改 變。. . 大量的感測節點時常需要一起回傳資訊，而且可能重覆性高，容易造 成頻寬及電力的浪費。. 而無線感測網路的目的就是，讓感測器偵測環境的變化或感應其目標 物，收集其所需資訊後做運算處理，並想辦法將資料透過無線傳輸的方式 傳送至匯集者或基地台，讓使用者可以有效地監控感測區域。基本架構如 圖 2-1 所示：. 5.
(14) 資料收集. 圖 2-1. sink. 感測網路基本架構示意圖. 2.2 Coverage and node scheduling 在這方面的文獻中[6][7]，每個感測器都有著半徑 r 的感測範圍，當所 有感測器全部一起運行時所覆蓋到區域範圍，稱為此感測網路的原始感測 範圍。而節點排程的主要概念就是在每個傳輸回合一開始，透過演算法找 出感測範圍可以被其他節點所覆蓋的感測器，在此回合中，這些感測節點 會關掉電源直到下一個傳輸回合。如此一來，可以大大地節省整個感測網 路的電力耗損，卻又可以維持原始的感測範圍，達到延長感測網路生命週 期的目的。 文獻[6]是採用分散式的方法，在每個傳輸回合一開始，所有感測器執 行排程演算法來決定自己是否可以關掉電源，整個節點排程演算法分為 2 個步驟。第一個步驟是 Neighbor Information Obtaining，每個感測器藉由 power control 的機制將傳輸範圍控制在與感測範圍一樣的半徑 r，廣播自己 6.
(15) 的座標資訊及 ID 給附近的感測節點。第二個步驟執行 Back-off Based Self-scheduling，利用前一步驟所取得的資訊來運算出自己的感測範圍有無 被完整覆蓋，如果有的話，在一個隨機時間後，便發出訊息告訴其他節點， 讓其他節點可以排除此感測器的資訊重新做運算，接著才關掉電源。 由於文獻[6]在執行演算法時，感測器只考慮到半徑 r 內的節點，但實 際上只要在 2r 內的節點都有機會覆蓋到此感測器的感測範圍。因此，文獻 [7]提出了 DSSP（Dynamic Sleep Scheduling Protocol） ，利用集中式的方法， 將所有感測器座標資訊及剩餘電力大小傳回基地台做運算，基地台從電力 最小的感測器開始考慮其感測範圍有無被覆蓋，讓電力較小的節點可以有 較高的優先權關掉電源。而由於 DSSP 網路模型其感測器傳輸範圍大小固 定（跟感測範圍一樣） ，所以就算感測範圍被覆蓋，還必須同時考慮到關掉 電源是否會造成網路的不連通，達成以上兩點，才可以關掉電源。由於 DSSP 考量到更多鄰居節點，即使顧慮到網路的連通性，實驗模擬結果還是比文 獻[6]可以關掉更多的感測器，節省更多的電力。. 2.3 Sensor network routing 無線感測網路的路由協定研究至今已數十年，許多學者提出各式各樣 的方法，大部分都是為了節省感測網路的能源消耗。其中又以 LEACH[13] 最具代表性，LEACH 的主要概念是讓網路形成數個叢集（cluster） ，每個叢 集裡的節點只需將其所感測到的資訊傳送給叢集代表，讓叢集代表負責處 7.
(16) 理、壓縮其叢集內所有節點的資料，再傳送給基地台。如圖 2-2 即為 LEACH 將感測網路形成多個叢集，每個叢集內的「」即為叢集代表。. 圖 2-2 文獻[13]中，LEACH 的叢集示意圖. 而每經過一段時間，感測網路便會重新挑選出叢集代表來重新組成叢 集，讓感測器輪流充當叢集代表，不會讓某些感測器的電力太快耗盡而失 去功用，並解決 MTE 使某部份感測區塊節點太快死亡的問題，MTE 即是 將資料以 multi-hop 的方式，往基地台的方向傳送，所以導致離基地台較 近的節點負載太重，電力一下就耗盡。如圖 2-3 為 LEACH 和 MTE 運行一 段時間後的節點存活情形，而「。」代表還存活的節點。. 8.
(17) (a) (b) 圖 2-3(a)MTE (b)LEACH 感測網路運行一段時間後的節點存活情形(取自文獻[13]). 許多學者參考 LEACH 的想法，進而提出了許多改良的方法，讓感測 網路最後只由一個節點匯集資料傳送到基地台來節省更多的電力，其中 PEGASIS [4]將感測網路利用貪婪法則（挑選離自己最近的感測器成為下一 個節點）建立成一條鏈結，並讓節點輪流成為鏈結代表，鏈結上其他節點 只需將資料往鏈結代表方向傳送即可，因此除了鏈結的兩端以及鏈結代表 以外的其他節點全部皆只會有一個子節點及父節點，並且最後由鏈結代表 匯集所有資料傳送至基地台即可。如圖 2-4 為 PEGASIS 形成鏈結後的示意 圖，其中 BS 即為基地台。. c0. c1. c2. c3. c4. BS. 圖 2-4. PEGASIS 鏈結示意圖 9.
(18) 當鏈結建立好後，c0,c1…,c4 會輪流充當鏈結代表，負責收集鏈結上節 點的資料，傳送到基地台。而 PEGASIS 也像 LEACH 一樣，每隔一段時間， 便會重新建立鍵結。由於 PEGASIS 只需由一個節點將資料匯集並傳送到基 地台，加上幾乎全部感測器只會有一個子節點，使 PEGASIS 擁有比 LEACH 更好的效能。 其他還有些文獻，像 TTDD[18]、GAF[19]…等，則是利用定位系統將 感測網路區域切成許多適當大小的格子，並讓同一格子內的感測器選出格 子代表，格子代表負責匯集格子內其他感測器的資料，最後透過格子的座 標系統來建立適當的路由。其目的也跟大部分感測網路的路由協定一樣， 都是為了節省電力的消耗，延長網路的生命週期。. 10.
(19) 第三章. 空間性群組的節能通訊協定. 為了可以讓感測網路擁有長時間的高覆蓋率，我們提出了 Energy-efficient Communication Protocol using Spatial Groups（ECPSG）方法。 本章節首先會對 ECPSG 運作流程做個概述，接著再對各個流程進行詳細的 說明。 在第 1 回合開始前，我們會先對所有感測器進行群組的動作，這個動 作我們只執行一次。接著在每回合一開始，同一群組內的感測器會彼此交 換資訊，並且做好排程，讓同一時間同一群組，只會有一個感測器打開電 源來負責監控區域，並由此感測器建立路由。建好路由後，群組內的感測 器便輪流進行監控與資料傳送，直到下一個回合，時間軸流程如圖 3-1 所 示：. 圖 3-1. ECPSG 時間軸流桯示意圖. 11.
(20) 3.1 系統模型 . 所有節點為同性質的感測器，感測器電力皆為相同。. . 感測器感測範圍以感測器為中心，半徑 r 所圍成之圓形區域。. . 感測器隨機分佈在固定區域，分佈完後便不會再移動，如下圖。而 BS （基地台）位於區域下方 100 公尺處，即座標位置為（0 , -100）。. 基地台 ( 0 , -100 ). 圖 3-2. . 感測網路節點、基地台分佈示意圖. 每個感測器皆有 power control 的機制，以便發出適當的訊號強度到目 的端。當用最大強度傳送時，皆可獨自傳送到基地台。. . 有運作的感測器週期性回報所偵測到的資訊（k-bits 大小）給基地台。 在傳輸過程中，將所有從子節點收集到的資料，利用 data aggregation 技術（使用一些函式，例如：MAX、MIN、AVERAGE..etc），將資料 融合而成 k-bits，再送往父節點。 12.
(21) 3.2 Node grouping Grouping 的主要概念是想利用空間上的特性，讓彼此相近的感測器群 組在一起,同一群組內只需有一個感測器起來運作，因為同群組內的感測器 的感測範圍大部分都會彼此互相覆蓋到，而那些因為此群組感測器關掉所 導致覆蓋不到的區域，我們期待會有其他群組幫忙覆蓋。 以下為形成群組的步驟： 1. Nodei 一開始會取得一個隨機的 TGi 時間，並利用 power control 機制將 傳輸範圍控制在半徑 RG 內。 2. Nodei 在 TGi 時間後，廣播一個 group message(GM)，並成為 group head。 3. 在 nodei 半徑 RG 內收到 GM 的 nodes，若還沒自行形成或加入群組，即 回傳 ACK 給 nodei，並加入 nodei 的群組。已形成群組的 nodes 不會再 發送或接收 GM。 4. 直到所有 Node 都有群組。. 圖 3-3. ECPSG 形成群組後的示意圖 13.
(22) 3.3 Node Scheduling 在這個步驟中，所有感測器會一起打開電源，同一群組內的節點會彼 此交換資訊，確認群組內的 node 數有無變動（是否有感測器電力耗盡） 。 接著分配 schedule 的順序。在本篇論文的模擬實驗中，是採用一開始加入 群組的順序，若群組 node 數沒有變動的話，則維持原狀。分配好排程順序 後，便照著此順序，同一群組內的感測器輪流打開電源，監控自己的感測 區域。. 3.4 Build routing path 由於每個群組裡的感測器個數（size）不一樣，加上群組內的感測器是 輪流起來運作，因此會導致 size 較大的群組，其下的感測器平均電力大於 size 較小的群組，所以像 PEGASIS 或 LEACH 讓感測器輪流傳送到基地台 的路由協定，因為沒有考量到群組或感測器的電力負載，使得 size 較小的 群組，其下的感測器電力容易耗盡，而群組 size 較小也意味著此區域被比 較少的感測器所覆蓋。如此一來，若讓 size 較小的群組其下的感測器電力 耗盡，將會更容易使得網路無法維持在高覆蓋率的狀態下。所以本篇論文， 提出一個分散式的路由協定，希望可以考慮到節點電力負載，讓網路可以 長時間處於高覆蓋率的狀態。. 14.
(23) 首先，我們假設系統有 1~n 個 Group，在 Groupi 中，會有一個負責監 控區域的感測器，我們稱為 Group_OPi，其中 i＝1,2,…,n。每個 Group_OPi 會根據其剩餘電力大小，獲得一個 TEi 時間，電力越大，TEi 的值越大。演 算法流程如下： 1. Group_OPi 在 TEi 時間後，會廣播一個 message 給地圖上其他的 Group_OPj。收到此 message 的 Group_OPj 皆會回傳 ACK 給 Group_OPi。 2. Group_OPi 會根據訊號強度，挑選一個離自己最近的 Group_OPj，做為 父節點。 3. 已經找到父節點的 Group_OPi，不會再接受其他 Group_OPj 所傳來的 message。因此步驟 1 中，Group_OPi 只會收到 TEi 值比自己大（即剩 餘電力比自己多）的 Group_OPj 所回傳過來的 ACK。 4. 直到 TEi 值最大的 Group_OPi 找不到其他 Group_OPj，便挑選基地台為 其父節點。. 我們演算法的目的即是盡可能地去保護目前剩餘電力較小的節點，讓 它可以盡早挑選離自己最近的節點，並且最好不要去接收、匯集封包（當 別人的父節點） ，來節省它的電力。而電力較多的節點容易容納較多子節點， 並且也更容易挑選到較遠的父節點。. 15.
(24) 3.5 Data 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：. 基地台 k bits. k bits. k bits. k bits. k bits. k bits. k bits. k bits. k bits. 圖 3-4. 封包傳送示意圖（利用 data aggregation 技術）. 16.
(25) 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： Receiver antenna. Transmitter antenna. ERX. EDA. ETX. Receiver electronics. Data processor. Transmitter electronics. Micro sensor. Eamp(r) Transmit amplifier. Power supply 圖 4-1. Radio Model（參考自文獻[19]）. (k)表示感測器接受 k-bits 資料時，所消耗的電力，其耗損電力如以下所示： ER (k) = ER ×k. ( ER = 50 nJ/bit ). (k,r) 表示當感測器傳送 k-bits 資料給距離 r 公尺的目的端，所消耗的電力， 其耗損電力如以下所示：. ET (k,r) = ET ×k + E. ( ET = 50 nJ/bit ). (r) ×k. (r) 代表擴大器（amplifier）所耗損電力： E. (r) = . r =. εFS. r ,r≤ r. ( εFS =10 pJ/b/m ). εTR. r ,r> r. ( εTR =0.0013 pJ/b/m ). εFS /εTR ≒ 87.7. Data aggregation 所耗損電力： EDA = 5 nJ/b/message 17.
(26) 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. K T. × 100%。. 18.
(27) 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. 19.
(28) 均可以在 99%以上）. 100. DSSP ECPSG-5. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0. 0. 1000. 2000. 3000. 4000. 5000. 6000. 7000. 8000. Time 50. DSSP ECPSG-5. (b). Alive Nodes. 40. 30. 20. 10. 0. 0. 1000. 2000. 3000. 4000. 5000. Time 圖 4-2 RG = 5 時，(a) Coverage (b) Alive Nodes (50 nodes). 20. 6000.
(29) 100. DSSP ECPSG-6. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0. 0. 1000. 2000. 3000. 4000. 5000. 6000. 7000. 8000. Time. 50. DSSP ECPSG-6. (b). Alive Nodes. 40. 30. 20. 10. 0. 0. 1000. 2000. 3000. 4000. 5000. Time 圖 4-3 RG = 6 時，(a) Coverage (b) Alive Nodes (50 nodes). 21. 6000.
(30) 100. DSSP ECPSG-7. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0. 0. 1000 2000 3000 4000 5000 6000 7000 8000 9000. Time. 50. DSSP ECPSG-7. (b). Alive Nodes. 40. 30. 20. 10. 0. 0. 1000. 2000. 3000. 4000. 5000. Time 圖 4-4 RG = 7 時，(a) Coverage (b) Alive Nodes (50 nodes). 22. 6000.
(31) 100. DSSP ECPSG-8. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 1000. 2000. 3000. 4000. 5000. 6000. 7000. 8000. 9000. Time. 100. DSSP ECPSG-8. 90 80. (b). Alive Nodes. 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. Time 圖 4-5 RG = 8 時，(a) Coverage (b) Alive Nodes (50 nodes). 23. 12000.
(32) 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）. 24.
(33) 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， 25.
(34) 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 生命週期大約比 DSSP 多了 30%。 100. DSSP ECPSG-5. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. 12000. Time 100. DSSP ECPSG-5. 90 80. (b). Alive Nodes. 70 60 50 40 30 20 10 0 0. 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000. Time 圖 4-6 RG = 5 時，(a) Coverage (b) Alive Nodes（100 nodes）. 26.
(35) 100. DSSP ECPSG-6. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. 12000. Time 100. DSSP ECPSG-6. 90 80. (b). Alive Nodes. 70 60 50 40 30 20 10 0 0. 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000. Time 圖 4-7 RG = 6 時，(a) Coverage (b) Alive Nodes（100 nodes）. 27.
(36) 100. DSSP ECPSG-7. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. 12000. 14000. Time 100. DSSP ECPSG-7. 90 80. (b). Alive Nodes. 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. Time 圖 4-8 RG = 7 時，(a) Coverage (b) Alive Nodes（100 nodes）. 28. 12000.
(37) 100. DSSP ECPSG-8. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000 12000 14000 16000. Time 100. DSSP ECPSG-8. 90 80. (b). Alive Nodes. 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. 12000. Time 圖 4-9 RG = 8 時，(a) Coverage (b) Alive Nodes（100 nodes）. 29.
(38) 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）. 30.
(39) 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， 31.
(40) 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 多了 35%。在圖 4-8(d)，RG =8 時，雖然一開始的覆蓋率稍微再差了一些，但在 90%高覆蓋率時的生命週期比 DSSP 多了 55%。 100. DSSP ECPSG-5. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. 12000. 14000. 16000. (b). Alive Nodes. Time 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. DSSP ECPSG-5. 0. 2000. 4000. 6000. 8000. 10000. 12000. Time 圖 4-10 RG = 5 時，(a) Coverage (b) Alive Nodes（150 nodes） 32. 14000.
(41) 100. DSSP ECPSG-6. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000. 12000. 14000. 16000. (d) (b). Alive Nodes. Time 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. DSSP ECPSG-6. 0. 2000. 4000. 6000. 8000. 10000. 12000. Time 圖 4-11 RG = 6 時，(a) Coverage (b) Alive Nodes（150 nodes）. 33. 14000.
(42) 100. DSSP ECPSG-7. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000. 10000 12000 14000 16000 18000 20000. (b). Alive Nodes. Time 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. DSSP ECPSG-7. 0. 2000. 4000. 6000. 8000. 10000. 12000. 14000. Time 圖 4-12 RG = 7 時，(a) Coverage (b) Alive Nodes（150 nodes）. 34. 16000.
(43) 100. DSSP ECPSG-8. 90 80. (a). Coverage(%). 70 60 50 40 30 20 10 0 0. 2000. 4000. 6000. 8000 10000 12000 14000 16000 18000 20000 22000. (b). Alive Nodes. Time 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. DSSP ECPSG-8. 0. 2000. 4000. 6000. 8000. 10000. 12000. 14000. 16000. Time 圖 4-13 RG = 8 時，(a) Coverage (b) Alive Nodes（150 nodes）. 35. 18000.
(44) 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 生命週期。我們可以看出在 RG=7 以後，各階段覆蓋率的生命週期都已經超越 DSSP， 而且在系統覆蓋率達到 90%、80%時的生命週期，大約都比 DSSP 多了 35%。. 150 Nodes. 18000. 16764. 16000. 15624 15301 14364. 14238. 14000 12000. Time. 10000 8000. 12820. 11629. 10733 9529 8839. 9163. 8656 8515. 13212 12920 12024. 10656 10418 9804 90%Coverage. 8054 80%Coverage. 6000. 70%Coverage. 4000. 30%Coverage. 2000 0 DSSP. ECPSG‐5. ECPSG‐6. ECPSG‐7. 圖 4-14 不同 RG 下，在各個覆蓋率時的生命週期（150 nodes）. 36. ECPSG‐8.
(45) 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）. 37.
(46) 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）. 38.
(47) 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）。. Alive Nodes & Coverage(%). 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。 100. ECPSG_Coverage_more-6 ECPSG_Coverage-6 ECPSG_Coverage_less-6 ECPSG_Nodes_more-6 ECPSG_Nodes-6 ECPSG_Nodes_less-6. (a). Alive Nodes & Coverage(%). 90 80 70. 100 99.5 99 98.5 98 97.5 97 96.5 96 95.5 95 94.5 94 93.5 93 92.5 92 91.5 91 90.5 90 2500. ECPSG_Coverage_more-6 ECPSG_Coverage-6 ECPSG_Coverage_less-6. 3000. 3500. Time. (b). 60 50 40 30 20 10 0 0. 1000. 2000. 3000. 4000. 5000. 6000. 7000. 8000. 9000. Time 圖 4-15 (a)調整群組個數後的比較圖(b) (a)圖虛線黑圈放大圖（50 nodes） 39. 4000.
(48) 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 102. (a). 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. ECPSG_Coverage_more-7 ECPSG_Coverage-7 ECPSG_Coverage_less-7. 101.5. Alive Nodes & Coverage(%). Alive Nodes & Coverage(%). 以看出他們之間的差別。. 101 100.5 100 99.5 99 98.5 98 97.5 97 96.5 96 95.5 95 3500. 4000. 4500. 5000. 5500. Time. (b) ECPSG_Coverage_more-7 ECPSG_Coverage-7 ECPSG_Coverage_less-7 ECPSG_Nodes_more-7 ECPSG_Nodes-7 ECPSG_Nodes_less-7. 0. 2000. 4000. 6000. 8000. 10000 12000 14000 16000 18000 20000. Time 圖 4-16 (a)調整群組個數後的比較圖(b) (a)圖虛線黑圈放大圖（150 nodes）. 40. 6000.
(49) PEGASIS 最後我們想知道有無考量到節點電力負載對覆蓋率所造成的影響，所以接下 來我們將 PEGASIS 的路由協定(沒考量到節點電力負載)，納入我們的模擬實驗並 與我們提出來的路由協定做為比較。 圖 4-17 分別表示 ECPSG 使用 PEGASIS 與我們提出來有考量節點電力負載 的路由協定，我們可以看出有考量到節點電力負載的路由協定可以維持較長時間. Alive Nodes & Coverage(%). 的高覆蓋率(90%）。. 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. ECPSG_PEGASIS_Coverage-7 ECPSG_Coverage-7 ECPSG_PEGASIS_Nodes-7 ECPSG_Nodes-7. 0. 4000. 8000. 12000. 16000. 20000. 24000. 28000. 32000. Time 圖 4-17. ECPSG 使用 PEGASIS 比較圖. 由下頁圖 4-17 分別表示 DSSP 使用 PEGASIS 與我們提出來有考量節點電力 負載的路由協定，我們也可以看出，在 DSSP 使用有考量節點電力負載的路由協 定，也可以維持較久的高覆蓋率。. 41.
(50) Alive Nodes & Coverage(%). 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. DSSP_PEGASIS_Coverage DSSP_Coverage DSSP_PEGASIS_Nodes DSSP_Nodes. 0. 2000. 4000. 6000. 8000. 10000 12000 14000 16000. Time 圖 4-18. DSSP 使用 PEGASIS 比較圖. 圖 4-19 是從圖 4-17、圖 4-18 取出 DSSP 及 ECPSG，兩者皆為使用 PEGASIS 協定來做為比較，雖然 ECPSG 一樣擁有較長時間的高覆蓋率，但優勢已大大不. Alive Nodes & Coverage(%). 如使用有考量到節點電力負載的路由協定。 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0. DSSP_PEGASIS_Coverage ECPSG_PEGASIS_Coverage-7 DSSP_PEGASIS_Nodes ECPSG_PEGASIS_Nodes-7. 0. 4000. 8000. 12000. 16000. 20000. 24000. 28000. 32000. Time 圖 4-19. DSSP 與 ECPSG 皆使用 PEGASIS 路由演算法的比較圖 42.
(51) 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。. 43.
(52) 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. 44.
(53) [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.. 45.
(54)
Outline
相關文件
5.1.1 This chapter presents the views of businesses collected from the business survey, 12 including on the number of staff currently recruited or relocated or planned to recruit
“Ad-Hoc On Demand Distance Vector Routing”, Proceedings of the IEEE Workshop on Mobile Computing Systems and Applications (WMCSA), pages 90-100, 1999.. “Ad-Hoc On Demand
SDP and ESDP are stronger relaxations, but inherit the soln instability relative to measurement noise. Lack soln
• As RREP travels backwards, each node sets pointer to sending node and updates destination sequence number and timeout entry for source and destination routes.. “Ad-Hoc On
• Compare ρESDP as solved by LPCGD method with ESDP as solved by Sedumi 1.05 Sturm (with the interface to Sedumi coded by Wang et al )... Left: Soln of ρESDP found by
Abstract— This paper has analyzed link probability, expected node degree, expected number of links, and expected area collectively covered by a finite number of nodes in wireless ad
Kyunghwi Kim and Wonjun Lee, “MBAL: A Mobile Beacon-Assisted Localization Scheme for Wireless Sensor Networks,” The 16th IEEE International Conference on Computer Communications
Krishnamachari and V.K Prasanna, “Energy-latency tradeoffs for data gathering in wireless sensor networks,” Twenty-third Annual Joint Conference of the IEEE Computer
