中 華 大 學 碩 士 論 文

中 華 大 學

碩 士 論 文

無線感測網路上熱點效應之研究

系 所 別：資訊工程學系碩士班 學號姓名：M09502039 魏 山 雄 指導教授：俞 征 武 博 士

中華民國 九十七 年 八 月

摘要

無線感測網路(Wireless Sensor Networks)是近年來無線網路中的熱門研究方 向。因為感測器所搭配有限電源的電池，因此限制了無線感測網路的存活時間。

如何能夠降低所有感測點的耗電量，以延長感測網路的存活時間，便成為一個相 當重要且迫切急需解決的研究問題。前人的研究成果大多朝向找尋耗電量較低的 路由路徑或是從網路的部署策略著手。但是無法完全消除經由感測器彼此之間代 傳資料所產生的熱點效應(hot spot effect)，使得網路還是存在著電量消耗不平衡 的 狀 態 。 本 篇 論 文 目 的 提 出 一 個 全 新 的 資 料 收 集 法 ， 稱 為 區 段 切 換 (Zone

Switching)法，主要是在感測網路上設定特定的範圍，讓範圍內的感測點依據不 同的時間改變資料流動的方向。這個方法需要利用多個 sink 的部署策略。藉由 切換不同的 sink 改變不同的資料流動方向，減輕熱點的代傳工作量，進而延長 網路存活時間。儘管所使用的資料收集樹本身並非是最佳的，但是利用規律地切 換可互補地造成一種動態的平均電源消耗。如此可以緩和熱點效應並且提高網路 的存活時間。實驗結果也印證了區段切換法有效地提高網路的存活時間。

關鍵字：感測網路、熱點效應、生命週期、多重收集器、平衡電力消耗

目錄

摘要 ... 2

目錄 ... 3

圖目錄 ... 4

表目錄 ... 5

第一章 簡介 ... 6

第二章 相關研究 ... 10

第三章 定義與假設 ... 14

3.1 熱點效應 ... 14

3.2 能源模型 ... 14

3.3 網路存活時間模型 ... 15

第四章 區域切換的資料收集方法 ... 18

4.1 Zone Switching 的設計動機 ... 18

4.2 Zone Switching 技巧 ... 21

4.3 影響 Zone Switching 的因素 ... 23

4.3.1 感測器的壓縮及資料整合比率 ... 24

4.3.2 Switching Zone 範圍大小 ... 25

4.3.3 Zone Switching 切換時機 ... 25

4.3.4 Sink 的數量及位置 ... 26

第五章 Zone Switching 的最佳部署問題 ... 27

5.1 單一收集器的部署 ... 27

5.2 樹狀拓樸 ... 29

5.3 圖形拓樸 ... 32

第六章 固定收集器上之 Zone Switching ... 33

第七章 實驗模擬 ... 36

7.1 環境設定 ... 36

7.2 實驗結果 ... 38

第八章 結論及未來展望 ... 42

參考文獻 ... 43

圖目錄

圖 2.1. LEACH 感測資料傳送的路徑 ... 11

圖 2.2. Balanced tree 感測資料傳送的路徑 ... 12

圖 2.3. 控制傳輸半徑 ... 13

圖 4.1. 群組收集法 ... 19

圖 4.2. Sink Switching 資料收集法 ... 20

圖 4.3. Zone Switching 資料收集法 ... 22

圖 4.4. Zone Switching 資料收集法樹狀結構 ... 23

圖 5.1. Centroid ... 28

圖 5.2. 樹上最小負擔位置 ... 28

圖 5.3. 找尋單一 sink 在樹上的最佳位置 ... 28

圖 5.4. 直線拓樸結構 ... 30

圖 5.5. 分散式 Zone ... 30

圖 5.6. 找尋多重 sink 在樹上的最佳位置 ... 31

圖 5.7. 找尋多重 sink 在樹上的最佳位置權重值法 ... 31

圖 5.8. Zone Switching 運用在圖形網路架構 ... 32

圖 6.1. 各個感測點找尋鄰居中傳遞能量消耗做少的點作連接 ... 34

圖 6.2. 找尋對其他團體連接消耗能源最少的感測點 ... 34

圖 6.3. 找尋對其他團體連接消耗能源最少的感測點 ... 35

圖 6.4. 控制封包 ... 35

圖 7.1. 收集器隨意擺放的網路拓樸 ... 36

圖 7.2. 收集器固定的網路拓樸 ... 37

圖 7.3. 兩個收集器最佳位置對網路存活時間的表現 ... 38

圖 7.4. 兩個收集器隨機位置對網路存活時間的表現 ... 39

圖 7.5.  資料整合及壓縮比率與網路存活時間 ... 40

圖 7.6. 剩餘電量的標準差感測點數量增加 ... 40

圖 7.7.  剩餘電量的標準差感測點壓縮比率改變 ... 41

表目錄

表 3.1. 參數表 ... 17 表 4.1.  三個資料收集法的耗電量比較 ... 23 表 7.1. 實驗時所使用的參數 ... 23

第一章、簡介

無線感測網路是近年被運用在監測環境資訊的一種無線通訊的應用。它是由 多個感測器(sensor node)、少數幾個資料收集器(sink)以及基地台(base station)所組 成的。感測器利用無線通訊將監測到的資訊傳回收集器，sink 在運用網路通訊能 力將收集的資料傳回伺服器以提供使用者查詢。它能提供人們部署在無法輕易到 達的地方或是需要全天候監測的環境下，例如應用在救災、軍事、監控等方面。

感測器能收集所在區域的一些訊息譬如溫度、濕度等，並透過無線通訊技術將其 傳送回後端[1]。另外，隨著生產技術的發展進步，使得生產成本降低得以提供 大量的製造感測器。

對於無線感測網路的研究領域來說，目前較為重要的議題有：覆蓋率、定位、

安全、資料收集等方向。對於覆蓋率來說，主要研究如何用最少的感測器對監測 區達到較高的覆蓋。例如在[24], Guiling (Grace) Wang, Guohong Cao, Piotr Berman, and Thomas F. La Porta，在[25], Guiling Wang, Guohong Cao, and Thomas F. La Porta, 提出使用可移動式感測器，利用 voronoi diagram 的演算法來提高網路的覆 蓋率。定位問題方面，主要討論在無掛載 GPS 的情況如何讓每一個感測器都知 道自己的方位或有一個相對的座標值。在安全方面這部分在某些應用的情況下變 得非常重要，例如在戰場上收集敵軍情報，如果沒有安全的加密通訊，很有可能 被敵軍竊取並利用之。在資料收集方面(data aggregation)，主要是研究如何能讓 整體網路的運作時間提高。在無線感測網路中通常假設 sink 是不受電力影響，

但是對感測器來說，當被大量的佈置後受限於環境的因素幾乎不能為感測器更換 電池。因此對於感測器而言，電池是其重要的能量來源，這關係著感測器可以運 作的時間長短。就廣泛的定義而言可以從感測器運作的時間長短評估出網路的存

活時間。因此如何有效率的去控制能源的消耗，以提升網路的運作時間降低部建 成本，成為無線感測網路上一個重要的議題。

由於需要監測的區域面積通常大於一個感測器的最大傳送半徑。當資料要傳 回 sink 端時會需要其他的感測器幫忙代傳資料。然而越靠近 sink 的感測點會常 常需要幫忙代傳資料造成消耗電力的速度快於其他感測點，這種現象稱為熱點問 題(the hot spot problem)。這些落在熱點區域上的感測器，其運作時間往往決定一 個無線感測網路的存活時間。對於整體網路而言在這些熱點在耗盡電力的時候，

網路中還存在著許多剩餘電量是很充足的感測點。熱點效應讓網路的耗電量不平 衡，使得網路的能源不能得到較好的使用率，這是在增加建置的成本。前人在對 付熱點效應的問題，曾提出利用控制感測器傳送半徑來平衡感測器的耗電情形。

也有利用多個 sink 來分擔熱點的工作量或是利用移動式的 sink 來收集網路中監 測的資料。因此緩和熱點效應成為提升網路存活時間的一個重要的考量因素。

在無線通訊中要影響整體網路的運作時間因素還有非常多，例如傳輸的距 離、封包大小、速率等。根據前人目前對於提升感測網路運作時間的部署策略大 致可分為四類。第一類是使用路由或傳輸半徑的控制，這部分大多是採用資料收 集的方法來提高網路運作時間，最為典型的一種是在[12 13], W. Heinzelman, A.

Chandrakasan, and H. Balakrishnan 所提出的 LEACH。第二類是採用移動式 sink 的網路架構(Mobile Sink)，像是在[23], M. Soyturk, T. Altilar, 提出在網路中投入 可移動式的 sink 來收集網路中的資料。第三類是使用多基地台的網路架構 (Multiple Sink)，這個部分主要的是使用多重 sink 的網路架構，在[16], R. Kawano,

要假設感測器的初始電量不同，或是在靠近 sink 端分配較多的感測點，在[8], Zhao Cheng, Mark Perillo, and Wendi B. Heinzelman,所提出的其中一種部署策略 就屬此類。

對於前人在提升網路存活時間上，多從考慮感測器如何省電的角度思考，並 未完全解決熱點問題。網路電力消耗不平衡的狀態，使得即使感測器有剩餘較多 的 電 量 但 網 路 卻 無 法 維 持 運 作 的 情 況 發 生 。 加 上 根 據 [9], R. Cristescu, B.

Beferull-Lozano, M. Vetterli, and R. Wattenhofer, 的研究指出，要造出一棵最佳的 資料收集樹是 NP-complete 的問題。以至於前人所做的方法大多是屬於 heuristics 的方法來建立資料收集樹以求增加網路運作時間。因此我們並不打算找出最佳的 資料收集樹，而且在無線感測網路的通訊環境，無論設計何種資料收集方法都無 法避開熱點效應所帶來耗電不平均的影響。我們所能做的是盡可能地去降低剩餘 電量，換句話說就是想辦法用盡整體網路的可用電量。

雖然前人對於提升網路存活時間有設計出很優秀的演算法，但是在對於熱點 效應上還有改進的空間。本篇論文的主要目的是緩和熱點效應並且提升無線感測 網路的運作時間。因此設計了一個創新的資料收集方法來達成這個目標，新設計 的資料收集方法其功能就是降低熱點效應的影響。同時也從模擬實驗來驗證這個 新技巧確實可延長感測網路的存活時間。並且也驗證我們所提出的方法確實緩和 了熱點效應，使各個感測點所消耗的能量能更平衡。這個創新且簡單的構想改善 了能源消耗在無線感測網路上這個重要的問題。

對於這個新的資料收集技巧我們稱為區域切換(Zone Switching)的資料收集 方法。這個方法的主要概念是在 Sink 之間設定一個範圍，讓落在範圍內的感測 點依據不同的時間改變資料流動的方向。這個方法需要利用多重 sink 的網路部

署策略，藉改變資料流向不同的 sink 減輕熱點的代傳工作量，進而延長網路存 活時間。雖然這樣的收集方法並非是最佳的，但是利用規律地切換可互補地造成 一種動態的平均。

最後從我們的模擬實驗可以看得出來採用 Zone Switching 資料收集的方法在 提升網路上有不錯的表現。對於平衡網路的消耗上也有顯著的表現，也達到我們 希望盡可能的利用網路中可用的電力。

本篇論文架構如下。第二章將介紹前人在增長感測網路存活時間上所做過的 成果。第三章定義一些本篇論文所需要用到的定義與假設。第四章提供 Zone Switching 的資料收集方法來平衡感測網路的電源消耗。第五章討論在 Zone Switching 中收集器部署問題。第六章討論一般應用上無法自由部署 sink 位置的 部署問題。第七章利用實驗來驗證所提的方法是否能夠緩和熱點效應帶來電源不 平衡消耗，以延長網路存活時間的目的。最後則是結論與未來展望。

第二章 相關研究

本章節介紹一些前人對於延長無線感測網路存活時間所研究的一些方法。分 析它們的部署策略類型，以及比較其優缺點。

在[12],[13], W. Heinzelman, A. Chandrakasan, and H. Balakrishnan, 他們提出 了 Low-Energy Adaptive Clustering Hierarchy (LEACH) 這個方法。LEACH 先利 用每一個感測點的電量的高低來決定自己是否有資格擔任 local cluster-head，接 著由機率選擇自己是否當上了 local cluster-head，而這些 local cluster-heads 廣播 給附近的感測點，讓附近的感測點得知對方當上了 local cluster-head 而加入他的 團體，之後將感測的資訊傳送給自己所屬的 local cluster-head，再由 cluster-heads 傳送給收集器，如圖 2.1.。而 local cluster-heads 經過一段時間後會有機會更動，

且所有感測點傳送給 cluster-heads 的資料經過壓縮，使得耗電量降低。這個方法 的優點在於因為感測點距離 cluster-heads 很近，在傳送資料時所耗的電量下降，

使網路的存活時間增加。而且經過不特定的時間後 cluster-heads 會更動，有平衡 電量消耗的概念。而利用這個方法的缺點在於擔任 cluster-heads 的這些感測點會 因為接收過多鄰居感測點的資訊，以及傳送給 sink 的距離不一定很近，造成能 量 消 耗 的 很 快 而 支 持 不 了 多 久 。 而 會 產 生 熱 點 效 應 的 節 點 就 是 這 些 擔 任 cluster-heads 感測點。即便後來在[14], Zhao Jichuan, A.T. Erdogan, and T. Arslan, 利用 multi-hop 改良了 LEACH，但是熱點效應依然存在。

圖 2.1. LEACH 感測資料傳送的路徑

在[16], Hyun-sook Kim, and Ki-jun Han, 針對使用資料收集樹收集資料時，會 造成分支多的感測點耗電量增加，所以這提出利用 Balanced tree 的原理，先使用 公式 2.1 計算出，在這個拓樸的結構下每一個節點需要有多少個分支：其中 N 為 感測點數量、R 為感測半徑、A 為感測區域的面積、π為調整參數。再由收集器 開始，每一個感測點選擇兩個最近的感測點作為連接對象，完成如圖 2.2.的 Balanced tree，再經由資料壓縮，使每一個感測點所傳送與接收的資料量相同，

讓每一個感測點的耗電量趨近一樣，進而延長整個網路存活的時間。

A R

R) N ²

( = ×π×

μ (2.1)

此方法的優點在於透過資料壓縮，加上 Balanced tree，使得每一個感測點接 收的耗電量相同，讓感測點的耗電量相近而使網路存活時間變長。而缺點是雖然 每一個感測點接收的耗電量相同，不過由於與父節點通訊的距離不一，使得本來 Balanced 的用意打了折扣，使感測點的耗電量不平衡，加上感測得來的資料不一 定能夠壓縮的這麼完美，讓在資料收集樹上靠近收集器的感測點依然免不了接收 到過大的封包而提早能源耗盡。

sink node

圖 2.2. Balanced tree 感測資料傳送的路徑

在[4],[27]中，提出整個傳輸的電量消耗最少的方法，由收集器計算每一個感 測點經過的其他感測點到收集器的最短距離來建立 aggregation tree，這個方法所 建立出來的樹，每一個感測點傳送到收集器所消耗的電量都是最少的，不過每一 個感測點所建立出來的 aggregation tree，要到收集器所經過的感測點可能重覆使 用會過高，因此造成重複率過高的感測點反而耗電量過大而提早電源耗竭。

在[7], Jae-Hwan Chang, and L. Tassiulas, 提出使整個網路存活最久的方法，

在每次傳送資訊時動態的建立 aggregation tree，所選擇路徑的方式是訂定一個權 重，為鄰居中可以傳送次數最多與接收最多的感測點權重較高，此作為傳送方 向，雖然這樣的確可以提高網路的存活時間，不過由於是動態選擇，每次傳送都 會額外的消耗電量，加上只觀察鄰居的權重並不是觀察整個網路的總體權重值使 得總傳送次數並不一定會比較多，最有可能造成的就是路徑上僅有一個感測點所 剩的電源較少傳送次數不多，因此都不會被選上，造成連接在這個感測點後面的 感測點都帶有相當多的能量而無法經由他們傳送資料給收集器。

在[6], J. Chang, and L. Tassiulas, 利用組合幾種不同的路由策略來降低能量 的消耗以提升網路存活時間。在[11], C. Efthymiou, S. Nikoletseas, and J. Rolim, 利 用分配封包大小的方法降低能量的消耗。在[5], [20], and [28], 為了尋找一條路由

sink node

路徑使得網路存活時間得到最高，使用限制性的線性規劃求最佳解。在[21], M.

Perillo, Z. Cheng, and W. Heinzelman, 作者提出可以根據網路流量適度的調整感 測器傳輸半徑，如圖 2.3.所示。以上幾個部分都是經由找尋耗能最小的資料傳輸 路徑來提升網路的存活時間，是典型產生熱點效應的問題所在。

圖 2.3. 控制傳輸半徑

在[26], Guoliang Xing, Chenyang Lu, Ying Zhang, Qingfeng Huang, and Robert Pless, 提到利用切換感測器不同的狀態節省電力消耗來使網路存活時間增長。在 [2], Masaki Bandai, Satoshi Maeda, Takashi Watanabe, 提出利用控制多重傳輸速率 來提升網路能源消耗的效能。在[10], Joseph C. Dagher, Michael W. Marcellin, and Mark A. Neifeld, 利用疊代的方式試圖的去尋找一個利用多重 Hop 傳輸資料對網 路存活時間的最佳解。在[18], X. Liu, P. Mohapatra, 分析一個長距離資料回收時 該部署何種策略可以節省，並利用貪婪法試圖的找出最佳解。在這幾個部分對於 提升網路存活時間多是重感測器本分的功能著手或是特殊的應用。

sink node

第三章 定義與假設

對於本篇論文中會出現的變數或是定義我們將盡可能的在這個章節裡說明。

3.1 熱點效應(Hot Spot Effect)

對於無線感測網路而言，一個需要監測的區域面積通常大於一個感測器的最 大傳送半徑。因此當感測器需要將監測資料傳回 sink 端時，需要透過其他的感 測器幫忙代傳資料。然而越靠近 sink 的感測點幫忙代傳的次數通常大於外圍的 感測點，因而工作量增加造成消耗電力的速度快於其他感測點。這種現象稱為熱 點問題(the hot spot problem)。對於熱點所帶來的效應就是縮短了整體無線感測網 路的存活時間。在無線感測網路的環境下，無論設計何種資料傳輸協定都無法避 免熱點效應所帶來的影響。因此我們只能夠想辦法緩和熱點效應來提高網路的存 活時間。另外因為熱點效應是由感測器彼此之間代傳所產生的，假若網路中不存 在代傳工作熱點效應亦不存在。

3.2 能源模型(Energy Model)

在本篇論文我們對感測網路能源的消耗模型定義如下。假設從感測器 i 到 j 傳送每單位的資訊需消耗d^α比例的電量，其中d 指的是感測器 i 到 j 的歐幾里得 距離(Euclidean distance) [17]。感測器在傳送資料時假設每 bit 需消耗 Et joules(J) 以及接收每 bit 資料須消耗 Er joules(J)。同時我們也假設感測器對接收到的資料 具有整合以及壓縮封包的能力同時也消耗Ec joules(J)的電量，其壓縮比例使用β 來控制，值域落在 0≤β≤1 [3]。因此我們利用式子(3.1)來表示一個感測器所需要 傳送的封包大小，Mo表示感測器需要傳送的封包大小，MI表示感測器監測所產

生需要傳送的資料大小，Mk (k=0…n-1)表示感測器從其他節點收集到的資料。

× ∑ +

= ⁻

= 1 0 n

k k

I

o M M

M β (3.1)

根據先前的耗能假設我們可以得到式子(3.2)，用 Ei表示感測器傳送資料所需 要消耗的能量大小

(

)

×

×

= ⁻

= 1 0 n

k k

c r o

t

i E M d E E M

E ^α (3.2)

如果將式子(3.1)帶入(3.2)會得到

× ∑ + +

∑ ×

× +

×

= ⁻

=

−

=

1 0 1

0

) (

)

( ⁿ

k k

c r n

k k

I t

i E M M d E E M

E β ^α (3.3)

每一個感測器的初始預設的電池電量總共為 E^initial，殘餘的電量標記為

E^residue。整個網路的感測器數量標記為Ns，感測器的最大傳輸距離標記為d^max。

{

}

residue i initial

i E i N

E ≥ ∀ ∈ 1,L, (3.4)

當網路停止運作時候我們定義剩餘電量最大與最小的差異量標記為 E^balance 其定義如式子(3.5)

(

) (

) {

}

balance E E i N

E =max −min ∀ ∈1,L, (3.5)

3.3 運作時間模型(Lifetime Model)

根據前人研究成果在討論無線感測網路的可運作時間上，通常將之定義在整 個網路開始運作到第一個耗盡電源的時間。這是因為無線感測網路在資料收集的

樣一來可能會影響到決策者的一些判斷甚至造成莫大損失，例如在戰場上指揮官 因為感測網路收集資訊不完全導致下達錯誤的命令讓士兵處在危險的地區。

根據前一段落的參數假設，本篇論文的網路存活時間(network lifetime)標記 為L，其定義如式子(3.6)

( )

initial

E L E

= max (3.6)

然而設計一個好的資料收集方法可以讓無線感測網路得到較多的可運作時 間。在本篇論文定義一個好的資料收集方法是根據網路的存活時間L 越長越好以 及網路的耗電量越平衡越好也就是 E^balance 越小越好來判斷。對於本篇論文主要 討論的是利用緩和熱點效應來提高無線感測網路的運作時間。因此在本篇論文中 我暫時忽略所有 MAC layer 會發生的問題。只專注在如何降低熱點的工作量的方 法設計上。最後我們利用一個表格來整理在本篇論文中所有會提及的參數，以及 其所代表的意義，如表 3.1.所示：

表 3.1. 參數表

參數 表示意義

Et 傳送資料所消耗的電量

Er 接收資料所消耗的電量

Ec 壓縮資料所消耗的電量

Ei 感測器運作時所消耗的電量總和

E^initial 感測器的初始電量

E^residue 感測器的剩餘電量

E^balance 最大與最小剩餘電量的差異

Mo 感測器所需傳送的資料大小總和

MI 感測器監測所產生的資料量

Mk 感測器從其他節點所接收的資料量

d^max 單一個感測器的最大傳輸半徑

d 感測器i, j 之間的歐幾里得距離

d^sink Sink 之間的 Hop 數

Ns 感測器的總數

K Sink 的總數

L 網路的運作時間

T Zone Switching 的時間

α 資料傳輸距離與消耗電量的比例

β 資料壓縮的程度

ε Zone 的大小

μ Zone 的大小與 sink 間 Hop 數的比率

max( ) 取集合中最大的數值

min( ) 取集合中最小的數值

第四章 區域切換的資料收集方法

在本章節主要介紹我們新設計的方法Zone Switching。首先介紹其設計動機 以及主要比較對象。接著說明影響此方法的主要因素有哪些。

4.1 Zone Switching的設計動機

從前人的研究成果不難發現，在對付熱點效應上的方法有很多種。在[8],

Zhao Cheng, Mark Perillo, and Wendi B. Heinzelman, 列舉出幾種可能的部署策 略。策略主要參考的因素有依據單一sink或多重sink，以及sink可否移動。在感測 器分佈方面則是根據是否均勻的配置。在電力配置上則依是否相等，會不會需要 採用異質型態的網路。雖然以上所述並未涵蓋所有部署策略所需要參考的因素，

但是卻都是最一般且容易配置的。在本篇論文中也並不打算去討論所有的部署策 略。我們主要的網路部署假設是採取靜態多重sink，對於監測區域是均勻散佈，

且每一個感測器都具有相等的配備。在挑選主要比較對象方面也盡量接近這個假 設。就目前的研究發現，不論選取何種部署策略都是有潛在的困難。例如採用移 動式sink會需要解決移動策略以及成本較高並且不一定能適用於各種環境。若採 用非平均或是異質的網路，則會提高在建設上難度。在眾多的建置方法中，以加 入多個sink所得到效果較為顯著。這是因為多加入的sink，讓整體無線感測網路 所需傳送的距離縮短。

在[19], E.I. Oyman, and C. Ersoy, 中都有提到利用多個sink各自建造收集

樹，讓每一個sink都是cluster head。對於感測器則都可以依據主要參考因素選擇 要加入哪一個群組內，參考的因素有很多種例如：距離、剩餘電量等。這個方法 在最壞的情況就是加入足夠多的sink，使得所有的感測點在傳送資料的時候只需 要一個Hop就可以到sink。熱點效應的問題在這種情況下會完全的被解決，因為 在網路中沒有發生任何代傳資料。但是這樣的做法相對的提高了不少建制的成 本。圖4.1.是該方法的示意圖：

圖 4.1. 群組收集法

這方法的優點在於因為加入多個 sink 縮短了感測點傳回 sink 的距離。感測 器會根據各項因素(如距離、剩餘電量…等)選擇對於整體網路存活時間有所幫助 的 sink 加入其中。雖然利用多重 sink 是一個非常直覺方法，但是所得到的效果 卻非常的好。並且將 sink 的個數控制在一定的範圍內，建置時所需要的成本還 會比其他方法來的低廉[8]。但是缺點是此方法雖然對於提升無線感測網路的存

資料收集範圍 sink

node

原本網路的熱點效應。但是相較於此方法中卻完全沒有緩和熱點效應。對此前人 有設計用控制資料傳輸半徑，讓感測器跨越多個 Hop 傳送資料。藉此降低感測 器之間消耗電量不平衡的狀態，但是這會增加設計網路通訊協定上的難度。

在我們先前的研究中[29]，提出利用 multiple sink switching 主要解決網路中 因為熱點效應所帶來耗電不均衡的問題。該方法的主要創意是在改變資料收集的 方向，讓以往感測器在傳輸資料時，都固定給同一 sink 的狀況。在作者的方法 中，感測點會在不同的時間將資料往不同方向的 sink 傳送。這樣的設計主要是 要是增加原本距離 sink 較遠的感測點的工作量，因為它們所剩餘的電量比其他 區域的感測點相對較多。藉此降低熱點區域感測點的工作量已增加網路的運作時 間。如圖 4.2.，在這裡假設兩端點是 sink，不同的時間讓感測節點的資料傳送方 向轉變。

圖 4.2. Sink Switching 資料收集法

這個方法的優點在於利用改變資料傳遞方向降低了網路中電力消耗不平衡 的狀態。充分的使用感測點的能源，且複雜度較低。在運作的時候只需要維持一 個收集器在運作的狀態。但是其缺點，在於即使這樣的作法降低了電力消耗不平 衡的狀態。但是這樣的方法在某些情況下對於提升網路存活時間卻沒有比各個 sink 自己收集的方法好，甚至還會比較糟糕。原因出在我們過度的增加工作量到 剩餘電量較多的節點。

S^* S2 S3 Sn-1 Sn S^*

Time 4 Time 3 Time 2 Time 1

4.2 Zone Switching 技巧

現在我們知道無線感測網路的可運作時間受熱點效應的影響非常大。根據前 人研究的結果，在無線感測網路的通訊環境，無論設計何種資料收集方法都無法 避開熱點效應所帶來耗電不平均的影響。但是我們可以設法緩和熱點效應，降低 這種電量不平衡消耗的情形為了提高整體無線感測網路的可運作時間。在上一個 段落提到兩個資料收集的方法都有效的降低耗電不平衡的狀態以及提升網路的 存活時間。雖然方法都不錯但是都還是有缺點，有改進的空間。深入研究我們發 現，像Switching這樣的資料收集方式雖然緩和了熱點效應也提高了網路的運作時 間。但是這樣的做法卻沒有比各個sink自己收集的方法好，在某些情況下還會比 較糟糕。因此我們提出Zone Switching的資料收集方法。這個方法的主要概念與 上述的Switching資料收集方法一樣都是改變資料的傳送方向。不同的是在網路中 只有部分的感測點加入此種資料收集的機制，並非全部加入。這是因為我們發現 如果讓全部的感測點都加入Switching資料收集的機制只是讓原本產生熱點效應 的區域轉換地方而已。新的熱點區域在某些情況下的負荷會高於原本的熱點區 域，這也就是為何Switching資料收集會效果會輸的sink各自收集的原因。在Zone Switching的資料收集方法中只讓剩餘電量多的感測點加入，其他的感測點則保持 原本的資料重送方向。如圖4.3.，假設兩端點是sink，只有落在Zone Switching Range裡的感測點會在不同的時間改資料的傳送的方向，其餘的感測點都保持同 一方向。

圖 4.3. Zone Switching 資料收集法

舉個例子來說，假設今天有 100 筆資料需要傳送，每筆資料預設大小為 64Bit。運用靜態多重 sink 的網路架構並且使用同一網路拓樸，分別採用分群收 集、Switching 和 Zone Switching 三種資料收集技巧來做資料傳送。該例子使用 兩個 sink 以及 10 個感測點資料壓縮比例為 0.8，且每一個感測器所產生資料的 頻率相等。每一個 Hop 之間的距離假設相等 d=100，在這裡取與距離成平方關係 α=2，傳送資料消耗 100×d^α J/bit，接收資料消耗 10 J/bit，壓縮及整合資料消耗 10 J/bit。根據以上的假設主要計算各方法所需要的最大耗電量，因為這項數值可以 提供我們做為評估網路存活時間的參數。如表 4.1.，在完成工作後我們可以發現 利用分群收集最大的耗電量是 2.34×10⁹ bits/J。Switching 收集最大的耗電量是 2.42×10⁹ bits/J。Zone Switching 收集最大的耗電量是 2.07×10⁹ bits/J。可以發現使 用 Zone Switching 收集法可以比分群收集法能使網路的存活時間提升 13.04%。

由此可以評估出在這三者中使用 Zone Switching 的方法來收集資料可以讓網路存 活時間得到最高。接著觀察耗電差異量，這個數值是由最大耗電減去最小耗電 量，主要觀察電力的消耗是否平衡。從數據可以估計出使用 Zone Switching 資料 收集法最能降低網路中電力消耗不均衡的狀態。使用 Zone Switching 可以比 Switching 還提升 58.73%電量消耗的平衡度。

S^* S2 S3 Sn-1 Sn S^*

Zone Switching Range

Time 4 Time 3 Time 2 Time 1

表 4.1. 三個資料收集法的耗電量比較

經過一維度空間的簡單假設得到新方法可以用來提高網路的存活時間。考慮 到實際應用方面上通常是建置在三維度，但是在本篇論文中並不打算探討三度空 間的假設。因此我們假設在二維度空間上來運作 Zone Switching。一般我們會採 取建立一棵資料收集樹。如圖 4.4.所示，黑色粗線的部份表示在 Zone Switching 的機制下，必須接受 sink 所發出的控制封包改變其資料的傳輸方向。然而在 Zone 外部的感測節點則不需要理會控制封包，保持原本的資料傳送方向。

圖 4.4. Zone Switching 資料收集法樹狀結構 4.3 影響 Zone Switching Zone 的因素

主要影響 Zone Switching 的因素有幾種，第一網路中的感測節點需要有壓縮 獲整合資料的能力。第二是 Switching 的時機，這個部份是要讓感測點知道何時

sink Zone

node

資料收集法 最大耗電量 耗電差異量

分群收集 2.34×10⁹ bits/J 1.51×10⁹ bits/J Switching 收集 2.42×10⁹ bits/J 3.27×10⁸ bits/J Zone Switching 收集 2.07×10⁹ bits/J 2.06×10⁸ bits/J

該切換不同的傳輸方向。第三是網路中哪些節點需要參與也就是 Zone switching range 的大小。第四是 sink 的數量及位置。

4.3.1 感測器的壓縮及資料整合比率

在本章所提出的方法 Zone Switching，適用的無線感測網路環境中的感測器 必須要有壓縮資料或整合資料的能力。在某些應用的情況下，我們所需要收集的 資料可能是個平均值或是一個區域內的資訊。在這種應用情況下單一個感測器所 監測的資料是可以在傳輸過程中被加以整合的。舉個例子，例如我們需要知道一 座森林中某一個區域的平均溫度，那麼感測器在代傳資料的時候就可以開始計算 平均值。這樣的做法可以減少感測器傳送的資料量，縮短傳送的時間。在[3], T.

Banerjee, K. Chowdhury and D.P. Agrawal, 有提出 tree based regression algorithm (TREG) 的演算法主要針對無線網路中的資料壓縮。作者提出的這項演算法的目 的地有兩個：第一是 sink 可以利用層次來表示感測器較為缺乏的區域資訊。第 二是在任何時間有查詢(query)需求發生時候，可以避免氾濫式(flooding)的去查詢 該區域的感測節點，藉此達到節省電源。另外，如果只是單純的做資料壓縮，而 不是將資料做整合則根據[22], C.E. Shannon, 所提出來的定理。我們知道資料在 做無失真壓縮上，當資料的亂度達到一定程度時候會無法繼續做壓縮的動作。換 句話說就是資料不會無止盡的被壓縮。然而在本篇論文中在理論分析的部分我暫 時忽略只是單純的做資料壓縮的部分。在我們無線感測網路環境假設資料是可以 被整合及壓縮的。至於資料被整合壓縮的比例利用參數β來控制，其值域落在 0≤β≤1。

4.3.2 Switching Zone 範圍大小

在這個段落我們將決定哪一些感測點需要加入 Zone Switching 的機制，也就 是討論如何決定 Zone 的大小。一開始最簡單設計方法就是採取固定範圍，設定 一個參數ε讓使用者決定這個 Zone 的大小。例如ε=3，代表距離 sink 三個 Hop 外的感測節點都需要採取這個資料收集的機制。另外一種策略，是運用貪婪法找 出最佳的 Zone 大小。但是這個方法在實做上需要的代價太高了，因此只適用在 理論上做研究比較對象用。最後甚至可以讓 Zone 的大小隨著網路電力消耗的狀 態動態變更。然而不論採取何種方法來決定 Zone 的大小，對於感測器而言只需 要標記自己是否參與這項機制。假使感測器有記錄著參與這項機制，則必須接受 sink 的控制封包改變資料的流向。

4.3.3 Zone Switching 切換時機

接下來我們將討論如何決定切換 sink 的時間點。最為基本的策略是採用固 定式的方法，設定一個參數T讓每回合的運作時間都設定為相等。另一種策略則 是採用隨機的方式，在一定的範圍內亂數產生一個數值，利用這個數值當作一個 回合的運作時間。在下回合開始時再重新亂數產生一個數值更新運作時間。這裡 我們必須知道一件事，就是假使讓運作時間太久就會失去緩和熱點效應的意義 了。舉一個最壞的情況，就是讓一個回合的運作時間長到完全沒有切換。這種情 況下就完全失去 Zone Switching 的意義。但是如果切換的頻率太過平凡，則有可 能會佔用到原本正常資料傳輸的能源。因此在設定參數T的時候也必須考慮切換

4.3.4 Sink 的數量及位置

要使用 Zone Switching 來做資料收集在對於 sink 的數量上必須在兩個以上。

原則上是使用在多重 sink 的網路結構中，當然也可以是單一 sink 然後賦予移動 的能力使其模擬成多個 sink 的網路環境。對於 sink 的擺放位置也影響著 Zone Switching 的運作，這裡舉個例子：在一棵資料收集樹上，將兩顆 sink 擺在相鄰 的位置，那麼這樣會造成沒有 Zone 可以運作當然也就失去緩和網路熱點效應的 作用。在下面的章節我們將對於 sink 擺放位置的這個議題，從是否可以隨意擺 放以及各種網路的拓樸結構詳細的討論。

第五章 Zone Switching 的最佳部署問題

在這個章節裡我們假設可以隨意的擺放 sink 位置。那麼該把 sink 擺放在何 處才可以得到最大幅度的提升網路可運作時間。雖然在實際運用情況下比較少出 現 sink 的位置可以隨意擺設，但是還是有其存在的可能。例如 sink 是可移動式 的，sink 的位置可以用人力到達等。在這章節裡這樣的假設主要是為了分析研究 使用。

5.1 單一收集點的部署

假設所採取的部署策略是在單一 sink 的網路環境下，而且是建造成一棵樹 狀結構的資料收集樹。那麼我們所設計的 Zone Switching 資料收集技巧就無法發 揮功效。因為不管如何切換，在這個策略下的無線感測網路中所有的節點就只有 一個方向能夠傳送資料。但是根據我們深入的研究分析，在此種單一 sink 的拓 樸網路，假使能夠把 sink 擺放樹上的 centroid 點[15]，即可以使整體網路的運作 時間得到大幅度的提升。因為對於單一 sink 而言 centroid 這個位置最能夠發揮緩 和熱點效應的效果。Tree centroid 是 Jordan 在 1869 年提出來的，其主要的定義 是：對於每棵樹上的節點都有一個權重值，權重值的計算方法是，去掉該節點後 包含有最多節點的子樹的節點個數。質心(centroid)是由擁有權重值最小的節點擔 任。對於每一棵樹都必存在一個質心，不是由一個點(node)就是由兩個相鄰的點 所構成。並且在移除質心後，包含最多節點個數的子樹的節點個數不會超過整棵 樹節點個數的一半。如下圖 5.1.為一個節點個數為 8 的 centroid 例子

圖 5.1. centroid

根據 centroid 的定義，我們可以知道這個位置在這棵樹上，可以讓與之連結 的兒子負擔最輕的位置。但是原始的定義並沒有定義邊的權重值，不過要運用在 無線通訊上邊長是一個很重要的因素，因為通常代表著兩點之間需要傳送的距 離。因此我在這裡提出一個演算法，主要使邊長也有權重值，以此找出新的 centroid。在這裡我們假設兩點之間的直線距離就是邊長的權重值。如圖 5.2.所 示，每一個點都記錄著，扣除自己外最大的邊長平方和，然後取其最小值。詳細 的演算法見圖 5.3.

圖 5.2. 樹上最小負擔位置

圖 5.3. 找尋單一 sink 在樹上的最佳位置

48

2 3

1

2 5 1

48

2 48

48 48

30 43

34 7 7

7

4 4

5 7

7

defined a tree T，total number of edge is E(T)，the edge of tree is e for every e

initial weight is the square of the distance，g_j =e²_j ∀j∈

{

( )

}

defined all sub tree of a vertex is sub(Vi) for every Vi

max of the weight sum of all sub tree， ⎟

⎠

⎜ ⎞

⎝

⎛ ∑

= =

) (

0

max ⁱ

V sub

k k

i g

b for every b

Look for the minimum weight in b set

這個演算法屬於貪婪法，在實際運用上需要集中式的計算。在計算權重值會 採用平方是因為根據前人的研究知道，在無線通訊中傳送資料所需要消耗的電量 是距離指數次方的關係[17]。

5.2 樹狀拓樸

在分析多重收集點上首先從簡單的網路拓樸來做分析討論。我們假設所有的 感測器都排成一直線，而 sink 的位置可以在這個直線上的任一個位置。感測點 每次都只傳送一個 Hop，且 Hop 之間的距離都相同，如圖 5.4.所示。在我們提出 的方法(Zone Switching)在使用上有其基本限制，收集器的個數必須大於兩個以 上，收集器之間的距離最少需要四個 Hop 以上。理由如下：圖 5.4.a.是單一個收 集器，沒有辦法達到切換收集器的作法。圖 5.4.b.兩個相鄰的收集器，也沒有切 換的必要可以視為單一收集器的情況。圖 5.4.c.在收集器之前存在一個感測點，

感測點只需要傳往最近的收集器就可以達大最好的網路存活時間。圖 5.4.d.收集 器之間存在兩個感測點，雖然可以運作切換收集器，但是若採用分群收集的作法 在這個例子中完全不會有熱點的產生，並且得到最好的網路存活時間。圖 5.4.e.

在收集器之前存在三個感測點，在這種網路拓樸下運作 Zone Switching 的收集法 才開始展現其提升網路存活時間的效果。在中心的感測點可以有兩個資料傳遞方 向可以選擇，在輪流選擇收集器作為主要傳送資料的情況下，可以降低離收集器 距離較近的感測點工作量。這也是為何在運作 Zone Switching 有其限制的主要原 因。

圖 5.4. 直線拓樸結構

一般的情況我們會把整個無線感測網路的資料收集模型建造成一棵樹狀的 資料結構，圖 4.4.。然而在前一對所敘述的直線是樹狀結構的一種特例，在網路 大家共用一棵資料收集數傳遞資訊可以降低建造及維護樹的成本。而且通常感測 器的記憶體是有限制的無法儲存太多的資料，因此想要建造多棵收集樹的成本相 對會提高。由於樹狀的資料結構，所有的感測點要將資料傳訊到另一個感測點只 會有一條唯一的路徑。因此在決定 Zone 的時候有可能會產生好幾個 Zone 的情 況，如圖 5.5.。當 sink 的個數增加的時候，Zone 的分佈將有可能會出現多點共 用(圖 4.4.)與分散式(圖 5.5.)的混和情形。

圖 5.5. 分散式 Zone sink

Zone

node

sink node a.一個點

d.四個點 e.五個點

b.兩個點 c.三個點

底下提出一個貪婪式演算法，盡可能得找出 sink 在樹上的最佳位置。演算 法主要的作法是讓所有 sink 可能擺放的位置都收尋一遍，並且記錄該組合讓網 路存活的時間。之後在從中挑最讓網路存活最久的，並調出該組合。該方法在 sink 數量增多的時候不適用，因為複雜度太高了。

圖 5.6. 找尋多重 sink 在樹上的最佳位置

接著我們利用 centroid 的概念，以及演算法圖 5.3.想法，提供一個較為可以 估計的演算法。這個演算法主要根據距離作為權重值，去計算 K 個頂點的權重 值總和之最小值，以此作為 sink 的位置。雖然在這裡暫時無法保證是最佳的解 法，但是相對於找尋最佳解的演算法卻可以省下不少時間。

for 樹上每一個邊 e

預設權重值為距離長d 的平方 for 樹上所有以 K 個為一組的頂點組合

for K 集合

移除該頂點，所形成子樹的集合中，不包含 K 集合中其他的頂點 及其所包含的子樹。

計算子樹集合中總和最大的值。

加總該集合的值，利用變數集合Qi儲存。

for 集合 Q

找尋集合中最小值，並提出該集合設定為 sink 的位置 Sink 的總數計為 K

for 樹上所有以 K 個為一組的頂點組合

計算以其當作 sink 接收資料，紀錄網路的存活時間Lⁱ for 所有的 Li

找出存活時間最長的，並且觀察是由哪幾個頂點所組成的

5.3 圖形拓樸

接著在這個段落討論更為一般性的網路架構。散佈的感測器與 sink 彼此建 立起一個連通圖形，在圖形中設定適當 Zone 的大小。因為是圖形結構，所以任 兩點間可以傳遞的路徑並不會被限制在只有一條。在 Zone 裡面的感測器在需要 傳送資料的時候，會選擇一條讓整體網路生命週期下降較少的路徑傳到 sink 端。

如圖 5.8.所示，

圖 5.8. Zone Switching 運用在圖形網路架構 sink

Zone

node

第六章 固定收集器上之 Zone Switching

在實際的運用上很可能因為環境因素導致無法隨意的擺放 sink 的位置。大 部分 sink 的位置都會固定在一開始佈置地方。因此我們假設 sink 的位置是固定 在某幾個指定好的地方，對其建造一棵資料收集樹。因為我們在這篇論文中所著 重的目的是在提出的方法是在 Zone Switching 資料收集方法上面。因此我們在建 造資料收集樹的方法上沿用我們先前的研究中的建樹法則[29]。在我們先前的研 究裡，有設計一套建樹的演算法，其關鍵想法為當在建造一個資料收集樹時，即 選擇讓整體網路生命週期下降越少的感測點來做樹的邊(edge)的連接。方法並不 以最少能源消耗的路經惟依歸，而是觀察該感測點所剩下的能源能夠維持多久，

選擇能夠讓該點活最久的點作連接，並且與整個網路存活時間做比較，進而決定 它能連接多少的感測點，來達到延長網路存活時間以及平衡所有感測點的電源消 耗等等目的。主要的方法有分兩種一種為多收集樹另一種為單一收集樹，在這裡 我們選用單一收集樹法降低維持樹的成本。其主要的演算法如下

Step1：每一個感測點先找尋鄰居中傳遞能量消耗最少的感測點，接著與之相連 接，如圖6.1.。

Step2：緊接著，已經相連接的節點形成一棵棵的小樹(tree)，並且找尋對其他樹 連接所消耗能量最少的感測點來連接，如圖6.2.。每一個感測點與非同一 棵樹上的感測點鄰居傳輸所耗的能量相比較，選擇所耗能量較少邊(edge)

圖 6.1. 各個感測點找尋鄰居中傳遞能量消耗做少的點作連接

圖 6.2. 找尋對其他團體連接消耗能源最少的感測點

在建造好資料收集樹後，sink 的必須去計算彼此之間的距離，這裡以 Hop 的個數計算。假若大於四個 Hop 數便可以執行 Zone Switching 的機制，反之則不 對其間的感測點做設定。接著便是設定 Zone 的大小，在這裡我們利用 sink 之間 的 Hop 數當作另一個參數 d^sink，而 Zone 的大小與之成一個比例關係，式(6.1)。

如果計算所得的值是非整數，則採取四捨五入的策略，圖 6.3.展示此演算法步驟。

μ

ε =d^sink× (6.1)

圖 6.3. 設定 Zone 上的感測點

接下來我們將討論切換的機制，因為在我們假設的網路環境下，所以 sink 是保持在接收資料的狀態。網路中所有的感測點都將資料往 sink 端傳送，但是 標記參與 Zone Switching 機制的感測點則會遵照控制封包的方向傳送資料，圖 6.4.。為了避免控制封包被氾濫式的廣播出去造成網路上不必要的耗損，在此加 入了兩個機制。第一個當 Zone Switching 決定好之後必須發送一個封包告知 sink 哪一個方向有 Zone 的存在。當輪到主要 sink 要收集之道時候朝該方向傳送控制 封包，改變資料的流向。並且當控制封包進入 Zone 之後不會再傳到 Zone 的外面。

第二個如果資料流向已經符合控制封包的方向時，不需要再將控制封包往子孫方 向傳遞，因為是在樹狀結構上所以結點本身已經符合當前的傳遞方向時該子孫亦 同一個方向。

Sink 的總數計為 K for 樹上所有的 K

計算與其他 sink 之間的 Hop 數，d^sink if d^sink > 4

μ ε =d^sink × for 樹上所有的 K

標記所有距離收集器εHop 數以外，並且落在至少兩個收集器之間的 節點運行 Zone Switching 的機制

第七章 實驗模擬

我們使用 C++來撰寫模擬程式，比較我們的方法是否真的能達到緩和熱點效 應並且延長網路的存活時間。

7.1 環境設定

我們實驗的網路範圍為 500×500 平方單位的區域內，隨機的佈置 Ns個節點。

我們將模擬分群收集法、Switching、和 Zone Switching 三種資料收集方法對網路 存活時間的影響。圖 7.1. 為我們實驗模擬中 100 個感測點在 500x500 平方單位 區域中的拓撲結構，期收集器位置可任意指定。

圖 7.1. 收集器隨意擺放的網路拓樸

表 7.1 為傳送、接收資料時電源消耗的能量參數設定，此為參考[17]中所設 計的，並假設傳送資訊的封包經過壓縮後封包的大小將會變為原本的 0.8 倍

(β=0.8)，傳輸資訊所耗的能量與距離成正比(α=1.25)。

表 7.1 實驗時所使用的參數

描述 參數 數值

傳送 Et d^α J bit

接收 Er 10nJ bit

壓縮 Ec 10nJ bit

資料 MI 64 bits

壓縮比 β _0.8

傳輸資訊所耗的能量與距離的關係 α 1.25

假設收集器的位置是固定的，圖 7.2.為固定在 500×500 平方單位的感測區域

內。網路的存活時間以的一個感測器電力耗盡時，計算其執行回合數。

7.2 實驗結果

我們首先觀察三個方法在網路中，感測點個數增加時候對網路存活時間的影 響。在這邊我們利用貪婪法試圖尋找可以讓網路存活較久的組合，圖 7.3.為使用 兩個收集器，並且對於同一棵樹都用三個方法模擬運作一次，在從中取最優的數 據做比較。從結果可以知道三個方法在節點數增多的情況下，都可以增長網路存 活時間。其中以我們所設計的方法 Zone Switching 可以比分群以及 Switching 的 方資料收集法好有更好的表現。然而隨著感測點的增加網路可運作的時間也隨之 增加的這樣結果我們是可以預期到的，這是因為網路感測點增多相對的降低彼此 之間的傳送距離。

圖 7.3. 兩個收集器最佳位置對網路存活時間的表現

由於最佳的位置在實做上不可能接近不可能運行的狀態，因此我們考慮隨機 挑選 sink 位置來觀測就一般性而言，三個資料收集方法對提升網路存活時間的 表現。圖 7.4.是利用隨機的方式選出 sink 位置，從結果可以看出 Zone Switching 對提升網路存活時間的表現都比其他兩的方法好。

圖 7.4. 兩個收集器隨機位置對網路存活時間的表現

接下來我們想知道對資料做整合及壓縮比率跟提升網路存活時間是否有關 係。我們將網路的節點數設定在 80 個，收集器 2 個，位置採用隨機的方式挑選，

圖 7.5.。從結果來看我們可以知道只要網路在資料收集時可以做整合能力時，採 用 Zone Switching 的資料收集法比其他兩個方法的對於提升網路存活時間更有幫 助，並且隨著比率的降低可以提升更多的網路存活時間。

圖 7.5. 資料整合及壓縮比率與網路存活時間

接下來我們觀察電量消耗的平衡狀態，這邊使用標準差衡量。我們選擇感測 點個數以及壓縮比率做為變數。

圖 7.6. 剩餘電量的標準差感測點數量增加

圖 7.7. 剩餘電量的標準差感測點壓縮比率改變

從圖 7.6.的數據結果我們可以觀察當網路中的感測點增多時，標準差是有降 低的。這是因為在相同的監測面積下，感測點增多會降低彼此之間的距離。又因 為傳送資料所消耗的電量與距離成正比關係。所以當感測點個數較少的時候，單 比傳送資料會消耗較多的電量，因此標準差也就會較高。從圖 7.7.的數據我們可 以 發 覺 壓 縮 比 率 對 於 電 量 的 平 衡 是 沒 有 貢 獻 的 。 最 後 我 們 所 設 計 的 Zone Switching 在這裡可以看出對網路的平衡有所貢獻。

第八章 結論及未來展望

我們提出一個既簡單又能有效緩和熱點效應，並提升無線感測網路存活時間 的方法(Zone Switching)。主要增加工作量到原本剩餘電量較多的感測點，運用這 部份的電力讓網路存活時間提高。對於未來我們希望能夠設計更快速的判斷演算 法來適用於各種型態的網路部署，例如網路架構非樹狀而是一個圖。也希望能證 明此方法不會與其他方法衝突，可以與其他現有的演算法同時進行。

參考文獻(References)

[1] I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, "Wireless sensor networks: a survey," Computer Networks, vol. 38, no. 4, pp. 393-422, March 2002.

[2] Masaki Bandai, Satoshi Maeda, Takashi Watanabe, "Energy Efficient MAC Protocol with Power and Rate Control in Multi-Rate Ad Hoc Networks," IEEE Vehicular Technology Conference, pp. 66-70, May 2008.

[3] T. Banerjee, K. Chowdhury and D.P. Agrawal, “Tree based data aggregation in sensor networks using polynomial regression,” 8th International Conference on Information Fusion, vol. 2, pp. 1146-1153, 2005.

[4] Suman Banerjee, and Archan Misra, "Minimum energy paths for reliable communication in multi-hop wireless networks," ACM MOBIHOC., pp. 146-156, June 2002.

[5] M. Bhardwaj and A. Chandrakasan, “Bounding the Lifetime of Sensor Networks via Optimal Role Assignments,” Proc. IEEE INFOCOM, 2002.

[6] J. Chang and L. Tassiulas, “Energy Conserving Routing in Wireless Ad Hoc Networks,” Proc. IEEE INFOCOM, 2000.

[7] Jae-Hwan Chang, and L. Tassiulas, "Maximum lifetime routing in wireless sensor network," ACM Trans. Networking, vol. 12, no. 4, pp. 609-619, August 2004.

[8] Zhao Cheng, Mark Perillo, and Wendi B. Heinzelman, "General Network

[9] R. Cristescu, B. Beferull-Lozano, M. Vetterli, and R. Wattenhofer, "Network correlated data gathering with explicit communication NP-completeness and algorithms," ACM Trans. Networking, vol. 14, no 1, pp. 41-54, Feb. 2006.

[10] Joseph C. Dagher, Michael W. Marcellin, and Mark A. Neifeld, "A Theory for Maximizing the Lifetime of Sensor Networks," IEEE Trans. Communications, vol. 55, pp. 323-332, Feb. 2007.

[11] C. Efthymiou, S. Nikoletseas, and J. Rolim, “Energy Balanced Data Propagation in Wireless Sensor Networks,” Proc. 18th Int’l Parallel and Distributed Processing Symp. (IPDPS), 2004.

[12] W. Heinzelman, A. Chandrakasan, and H. Balakrishnan, "Energy-efficient communication protocol for wireless microsensor networks," IEEE Proceedings of the 33rd Hawaii International Conference on System Sciences, vol. 2, pp.

3005-3014, Jan. 2000.

[13] W. Heinzelman, A. Chandrakasan, and H. Balakrishnan, "An Application-Specific Protocol Architecture for Wireless Microsensor Networks,"

IEEE Trans. Wireless Comm., vol. 1, pp. 660-670, Oct. 2002.

[14] Zhao Jichuan, A.T. Erdogan, and T. Arslan, "A Novel Application Specific Network Protocol for Wireless Sensor Networks," IEEE International Symposium on Circuits and Systems, vol. 6, pp. 5894-5897, May 2005.

[15] C. Jordan, "Sur les assemblages de lignes," J. Reine Angew. Math., pp. 185-190, 1869.

[16] R. Kawano, T. Miyazaki, "Distributed Data Aggregation in Multi-sink Sensor Networks Using a Graph Coloring Algorithm," IEEE International Conference on

Advanced Information Networking and Applications, pp. 934-940, March 2008.

[17] Hyun-sook Kim, and Ki-jun Han, "A power efficient routing protocol based on balanced tree in wireless sensor networks," IEEE Distributed Frameworks for Multimedia Applications, pp. 138-143, Feb. 2005.

[18] X. Liu, P. Mohapatra, "On the deployment of wireless data back-haul networks,"

IEEE Trans. Wireless Communications, vol. 6, pp. 1426-1435, April 2007.

[19] E.I. Oyman, and C. Ersoy, "Multiple Sink Network Design Problem in Large Scale Wireless Sensor Networks," IEEE International Conference on Communications, vol. 6, pp. 3663-3667, June 2004.

[20] M. Perillo, and W. Heinzelman, “Simple Approaches for Providing Application QoS through Intelligent Sensor Management,” Elsevier Ad Hoc Networks J., vol.

1, no. 2-3, pp. 235-246, 2003.

[21] M. Perillo, Z. Cheng, and W. Heinzelman, “On the Problem of Unbalanced Load Distribution in Wireless Sensor Networks,” Proc. Global Telecommunications Conf. (GLOBECOM ’04) Workshop Wireless Ad Hoc and Sensor Networks, 2004.

[22] C.E. Shannon, "A Mathematical Theory of Communication," Bell System Technical Journal, vol. 27, pp. 379-423, and 623-656, July and October 1948.

[23] M. Soyturk, T. Altilar, "A Routing Algorithm for Mobile Multiple Sinks in Large-Scale Wireless Sensor Networks," IEEE International Symposium on Wireless Pervasive Computing, pp. 65-70, Feb. 2007.

[24] Guiling (Grace) Wang, Guohong Cao, Piotr Berman, and Thomas F. La Porta,

[25] Guiling Wang, Guohong Cao, and Thomas F. La Porta, "Movement-Assisted Sensor Deployment," IEEE Trans. Mobile Computing, vol. 5, pp. 640-652, June 2006.

[26] Guoliang Xing, Chenyang Lu, Ying Zhang, Qingfeng Huang, and Robert Pless,

"Minimum power configuration for wireless communication in sensor networks,"

ACM Trans. Sensor Networks (TOSN), vol. 3, no. 2, June 2007.

[27] M.A. Youssef, M.F. Younis, and K.A. Arisha, "A constrained shortest-path energy-aware routing algorithm for wireless sensor networks," IEEE Wireless Communications and Networking Conference, vol. 2, pp. 794-799, Mar. 2002.

[28] G. Zussman and A. Segall, “Energy Efficient Routing in Ad Hoc Disaster Recovery Networks,” Proc. IEEE INFOCOM, 2003.

[29] 謝秉鈞、俞征武, ”操作資料收集樹以平衡感測網路的電源消耗,” The 2nd Workshop on Wireless, Ad Hoc and Sensor Networks, 2006