没有合适的资源?快使用搜索试试~ 我知道了~
无线传感器网络三步机制提高能量利用率和延长传感器节点寿命的研究
埃及信息学杂志23(2022)21无线传感器网络Mohit Anguralaa,Mohit,Manju Balab,Sukhvinder Singh Bamberca印度旁遮普邦奇卡拉大学工程技术学院计算机科学工程系b印度旁遮普邦阿姆利则Khalsa工程技术学院印度旁遮普省Hoshiarpur中心旁遮普大学Swami Sarvanand Giri Regional阿提奇莱因福奥文章历史记录:2020年12月20日收到2021年3月27日修订2021年5月8日接受2021年5月20日网上发售保留字:数据收集充电拓扑WSNsA B S T R A C T在这个当代时代,最近的发展已经看到了扩散的方法,提高无线传感器网络的能量利用率。虽然所提出的方法可以在一定程度上缓解电池快速耗尽的问题,传感器节点的寿命仍然是一个最大的限制。迄今为止进行的许多研究表明,在外部收获技术的帮助下,网络功能是连续的。然而,由于对能量捕获装置的限制,这些提供低输出因此,能量的有限性极大地限制了无线传感器节点的使用本文旨在通过提出一个三步机制来提供高的充电率和更好的能源效率,这是我们现有的工作J-ERLB(联合能量补充和负载平衡)的扩展。在一个三步机制中,拓扑选择,然后充电和负载平衡相结合,以延长传感器节点的寿命。拓扑选择是通过在各种拓扑上实现J-ERLB来执行的,如环形、星形和集群.此外,利用无人机(UAV)的优势,我们已经在无人机上实现了片上系统(SoC)集成芯片,以实现永久网络运营的目标。最后,通过与现有的J-ERLB和J-MERDG(联合移动能量补给和数据收集)技术的数值结果进行比较,验证了所提出的机制的有效性。与现有技术相比,3SM的总吞吐量增加了一倍,而当应用变化的数据速率时,与现有J-ERLB和J-MERDG相比,所提出的解决方案的平均剩余能量显示出6倍更好的节省。©2022 The Bottoms.出版社:Elsevier B.V.代表计算机与信息学院开罗大学。 这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍在无线传感器网络中,拓扑选择是限制传感器节点性能的首要原因。由于传感器的无线性质,它们大多是电池供电的设备,因此可以在有限的时间内运行[2]。此外,当传感器耗尽其能量时,来自传感器节点的数据变得不可用,因此网络变得碎片化。在这种情况下,电池的死*通讯作者。电子邮件地址:mohit. chitkara.edu.in(M. Angurala)。开罗大学计算机和信息系负责同行审查。制作和主办:Elsevier需要用新的传感器替换传感器,以便保持网络内的连通性。在过去的几年里,人们进行了大量的研究尝试来延长无线传感器网络中传感器节点用于提高寿命的典型方法第一部分被称为目前,无线传感器网络已广泛应用于医疗、生境监测、环境监测等领域。不同的应用具有不同的要求,例如,在医学领域中待感测的数据需要大尺寸的图像,而用于环境监测的捕获的数据通常尺寸较小用于数据传输的协议根据传感器节点要捕获的数据的大小而变化。另一种解决方案利用能量收集方法通过再充电来减少传感器节点的能量限制。能量收集方法与现有方法不同,https://doi.org/10.1016/j.eij.2021.05.0021110-8665/©2022 THE COURORS. Elsevier B.V.代表开罗大学计算机和信息学院出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表埃及信息学杂志杂志主页:www.sciencedirect.comM. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2122-能量收集方法允许传感器在需要时获取能量的方式,这完全克服了电池依赖系统的问题。从环境中获取能量被认为是在网络中的传感器节点内然而,必须采用适当的方式组织传感器节点,因为负责为传感器节点充电的UAV已经知道访问(AP),所以为传感器节点充电将是一项容易的任务。这将带来无线传感器网络中最高的充电率和效率因此,在本文中,我们重点分析了各种拓扑结构的影响,在WRSNs使用J-ERLB,然后实现适当的拓扑结构的基础上的数值结果与J-ERLB制定3SM。最后,基于吞吐量和平均剩余能量比较了3SM、J-ERLB [14]和J-MERDG [8]的结果。J-ERLB的路由机制和提出的3SM技术使用了改进的Adhoc按需距离矢量路由(MAODV)协议。J-ERLB是我们现有的解决方案,以增加网络的寿命,利用随机部署的传感器节点,而3SM遵循基于拓扑的传感器节点的部署实验分两个阶段进行在第一阶段,我们在各种拓扑上测试了J-ERLB然后,在实验的第二阶段,我们制定了3SM结合适当的拓扑类型和J-ERLB。最后,将所提出的3SM算法与现有的J-ERLB和J-MERDG算法进行了比较总的来说,研究工作是按照以下方式制定的:1. 在星形、环形和集群等拓扑结构上测试J-ERLB,目的是根据延迟、吞吐量和平均剩余能量找到最合适的拓扑类型。2. 将适当的拓扑结构与J-ERLB合并,形成三步法(3SM)。3. 使用吞吐量和平均剩余能量将3SM与现有的J-ERLB和J-MERDG进行比较。本文的其余部分组织如下。第二部分是文献综述。第3节指出了不同拓扑的测试,目的是找到节能解决方案的最佳拓扑,第4节讨论了现有的技术J-ERLB和J-MERDG。第5节提出了3SM技术。第6节比较了建议的工作和现有技术的结果。最后,第7节结束了工作。2. 相关工作本节简要回顾了各种节能技术或模型的文献调查。该部分将文献研究分为四个部分:数据采集技术、能量补充、协议选择和拓扑选择。2.1. 数据收集技术D. Takaishi等人[1]提出了一种创新的数据收集和移动sink路由技术,并推导出一个最佳的簇的数量,以最大限度地减少能源消耗的WSNs。S. Guo等人[2]提出了一种使用锚点(AP)选择的无线能量补充和数据收集的双重机制。为此,作者考虑了无线传感器网络中不同的能量消耗漏洞和基于时间的能量充电。C. Zhu等人[3]介绍了一种基于树簇的数据收集算法(TCBDGA),该算法具有移动sink以提高WSNs的寿命。F. Zhou等人[4]介绍了一种精确的解决方案,以找到具有最高网络 生 命 周 期 的 最 佳 数 据 收 集 树 。 求 解 方 法 是 基 于 混 合 线 性 规划(MIP)。K. Lan等人。[5]提出了基于压缩性的聚类提出了一种分层压缩数据聚集算法(CBCA),该算法比随机聚集方法考虑的数据传输量少. S. Rani等人[6]提出了一种节能的大数据算法(BDEG),用于在WSN中实时收集数据O. J. Pandey等人[7]利用社交网络中被称为小世界特征的最新发展,以引入无线传感器网络中联合数据收集和定位的2.2. 能量补给M. Zhao等人[8]介绍了再充电和数据收集的双重机制,用于使用经由短程通信采用的SenCar(用于再充电和数据收集的多用途移动节点)提供高的再充电率Q. Wang等人[9]综述了无线传感器网络(WSN)的动态优化路径补充问题,以获得传感器节点合理R. LaRosa等人[10]提出了一种称为基于射频(RF)的能量采集器的新方法,用于在一定距离处对远离RF发射器的电池进行充电。该方法在实际条件下进行了测试,简化了物联网(IOT)传感器节点的电池维护过程。 J. Xu等人[11]提出了一种均衡传感器节点寿命的均衡策略,以最佳方式利用移动无线充电器(MWC)的能量M. Tian等人[12]使用移动无线充电车(WCV)以集群方式对传感器节点进行充电, 以实现无线传感器网络中 的高充电率。 G. R.Sakthidharan等人[13]介绍了一种基于调度的优化节点充电模型( SONRM ) , 该 模 型 有 效 地 考 虑 了 能 量 利 用 的 动 态 变 化 M.Angurala等人[14]说,为了避免负面影响,如:无线传感器网络中的电池快速耗尽和流量拥塞,需要能量充电和负载平衡的双重技术2.3. 协议选择阿里Ghaffari[15]提出了一种新的无线传感器网络节能路由协议(EERP)。他们使用A-star算法通过最优最短路径转发数据包来提高网络的寿命。A. Sarkar等人[16]目的是对路由问题进行分类M. K.Khan等人[17]提出了一种用于WSNs的能量有效的Z. Abedin etal.[18] and M. Khalil等人[19]研究了传感器网络的几种路由协议,并揭示了基于操作功能的路由协议隔离的原因。M. Shafiq等人[20]进行系统性文献综述(SLR),以便于发现、分类和评价现有文献或相关研究问题。2.4. 拓扑选择S. K. Iyer等[21]讨论了具有(0,z)均匀性的节点随机分布的一维网络的结果C. Buratti等人。[22]报告了无线传感器网络及其应用和功能的概述。T.M. Chiwewe等人[23]提出了一种分布式拓扑控制方法,该方法致力于提高能源效率。该方法还减少了无线传感器网络中的无线电干扰。网络中的每个节点局部地决定其传输功率;从而形成保持全局连通性的拓扑。D. Sheela等人[24]提出了一种保护策略,以实现具有成本效益的解决方案。在这种保护策略下,拓扑限制包括在可生存的网络设计中。M. C.Mancilla等人[25]回顾了集中式和分布式技术的工作。集中M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2123分布式技术考虑诸如介质接入中的故障、无线介质中的冲突、业务等等的条件。R. Tavakoli等人[26]提出了时隙信道跳频(TSCH)和跨层低延迟拓扑管理以最小延迟为TSCH调度提供高时隙利用率。M.Vecchio等人[27]提出了一种通过拓扑设计来提高分布式共识算法收敛速度的集成优化框架。 X. Fu et al.[28] and X. Tu等人。[29]致力于提高传感器节点的寿命,并讨论了各种技术和方法来缓解无线传感器网络中的能源问题。虽然在文献调查中讨论的方案可以通过利用移动充电和数据收集技术来节省能源,但它们都没有使用节能的解决方案来延长传感器的寿命,使用拓扑选择在无线传感器网络中。下表1说明了现有最佳技术的利弊。基于广泛的文献调查,发现了几个问题,可以减轻使用所提出的解决方案。相反,我们的研究工作不仅考虑了一个合适的拓扑结构的选择,但也实现了充电和负载平衡的概念,适当的拓扑结构,以延长网络的寿命。此外,UAV在预定义的锚点(AP)周围移动以对落入其传输范围内的节点进行充电。在综合考虑无人机充电需求和数据采集性能的基础上,计算无人机的迁移行程。3. 无线传感器网络中不同拓扑结构的性能评估无线传感器网络是传感器节点的子集,由一个汇聚节点(基站)和几个电池操作的无线传感器节点。在一般情况下,汇聚节点具有相当高的数据存储和数据处理能力比其他节点在无线传感器网络。无线传感器网络由传感器节点、网关、网桥、汇聚器和汇聚节点等组成。无线传感器网络是一种智能传感器,它能够收集传感信息,并在网络中的其他节点之间进行处理和通信。路由器负责在两个或多个计算机网络之间转发数据包。另一方面,网关负责在不同的网络中执行协议转换,并可以在任何网络层上运行。沿第二层连接两个或两个以上网段的网桥称为网桥。Sink Node负责减少数据的整体大小。Sink Node的作用是将数据从将WSN连接到服务器。无线传感器网络中的多个传感器通常被合并以形成具有交付现实世界应用的动机的高层拓扑。在这项研究工作中,拓扑结构的实现进行了测试,为J-ERLB在WRSNs。它有助于简化锚点(AP)的选择,也称为预轨迹选择,在充电过程中使用这些拓扑结构的复杂性各不相同,从单个传感器节点到聚合器或覆盖大地理区域的全网状网络。使用图1解释不同无线拓扑的功能。环形拓扑是具有以圆形方式布置的若干传感器节点(SN)的拓扑类型,如图1(a)所示。但是,这种拓扑的使用取决于应用程序类型。这种拓扑结构易于安装和重新配置。如果网络中的单个节点发生故障,则环形拓扑无法传递数据在传感器网络中,由于无线的特性,双环机制不起作用。星型拓扑结构由一个中央传感器节点组成,该节点在网络中充当集线器,负责连接所有其他传感器节点,如图1(b)所示。这种拓扑结构是灵活的,因为所有的数据都流经中央传感器节点。然而,中心传感器节点的故障可能导致整个网络的故障星型网络拓扑结构是最常见的传感器网络拓扑结构之一集群拓扑是不同类型集群的集合,形成一个称为自治系统的大型集群,如图所示。 1(c). 在该拓扑中,最大业务被本地处理,并且如果需要,则从一个CH发送到另一个CH,从而最小化网络介质上的业务。在介绍了无线传感器网络的基本拓扑结构之后,在NS 2仿真器中使用J-ERLB执行这些拓扑的分段。3.1. 传感器节点技术指标及拓扑类型在1000 * 1000 m网格区域内共部署了7个静态传感器节点,分别采用星型、环型和集群型拓扑结构。X轴和Y轴位置所遵循的技术规格分别详见表2和表3表3给出了每个传感器节点的X轴和Y轴的位置,用于在网络内进行3.2. 传感器节点传感器节点之间的通信是在MAODV路由协议的帮助由于AODV被认为是最节能和广泛使用的协议,我们修改-表1现有技术的利弊。S.号作者姓名提出的解决方案优点缺点12F. Zhou等人[4]M. Zhao等人[八]《中国日报》混合整数线性规划充电和负载平衡的组合高效的数据收集机制完美的方式来重新激活作者忽略了传感器节点寿命的提高没有选择预定义的轨迹进行重新设置3T. M. Chiwewe等人[23日]使用的技术新型分布式拓扑控制技术传感器节点高能效和充电未使用4M. 安古拉拉[14]J-ERLB数据和低无线电干扰高充电效率未选择固定拓扑进行充电5A. Sarkar等人[16个]路由相关问题进行了讨论负载平衡路由优化对能源6R. Tavakoli等人[26]跨层低延迟拓扑管理算法高时隙利用率,有效的方法使用寿命内未使用充电机制7M. Vecchio等人[27日]和TSCH调度(LLTT)技术集成优化框架减少通信延迟最高节能延伸只关注大规模的问题,作者不关注吞吐量参数M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2124Fig. 1.无线传感器网络中的拓扑结构表2技术规格。表37个不同的传感器节点在各种拓扑结构中的位置。参数名称选择拓扑类型传感器节点x轴y轴区域1000*1000米(数目)(学位)(学位)每个传感器节点20(焦耳)环形拓扑SN168370数量的节点7环形拓扑SN2203545模拟时间400秒环形拓扑SN3419568分组大小1460环形拓扑SN4624510SN中使用的天线类型全向环形拓扑SN5493311传播类型双射线接地环形拓扑SN6265269路由协议AODV环形拓扑SN7863343星形拓扑SN1399308星形拓扑SN2165332星形拓扑SN3331533进一步提高无线传感器网络的性能。星形拓扑SN4588455此外,MAODV协议可以克服拓扑问题,星形拓扑SN5614187改变约束、开销和带宽问题。MAODV是星形拓扑SN634080按需反应式路由协议,仅在需要时创建路由。在这种情况下,每当任何传感器节点想要为了传输数据,路由发现过程由以下步骤启动:集群拓扑SN3137352广播路由请求(RouteRequest,RREQ)消息。每一个人,集群拓扑SN4412396网络中的中间传感器节点重传RNN消息,直到它到达其目的地点。最后,目的地传感器节点通过发送路由应答(RREP)消息来响应因此,以这种方式,各种传感器节点之间的通信发生,而不引起内部的额外开销。网络。3.3. 结果和讨论在本节中,根据所获得的统计结果评估不同的拓扑结构。利用平均剩余能量、分组投递率和吞吐量等参数对星型、环形和簇型拓扑的效率进行了3.3.1. 平均剩余能量(AVG(RE))无线传感器节点在发送或接收数据包时会损失特定量的能量结果,节点的初始能量下降。因此,在发送或接收路由分组之后节点内剩余的能量的量被称为平均剩余能量。为了计算无线传感器网络当前的剩余能量,必须知道当前节点的可用能量然而,在基于电池的传感器网络中,电压和温度对于估计剩余能量的星形拓扑SN7863343集群拓扑SN1216392集群拓扑SN2139441集群拓扑SN5551447集群拓扑SN6540342集群拓扑SN7863343M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2125¼平均剩余能量使用(1)计算。图二.显示不同的PDRRRPRTPSð2Þ拓扑学平均回收率R%能源消耗初始值-R%能源消耗初始值1当数据速率为0.4包/秒、0.8包/秒和12包/秒时,对于环形拓扑和星形拓扑获得的AVG(RE)最佳:即对于星形拓扑,平均剩余能量分别为3.26484焦耳、4.00836焦耳和4.73546焦耳,对于环形拓扑,平均剩余能量分别为4.56339焦耳、3.06143焦耳和4.32466焦耳。然而,在类似的数据速率下,对于簇拓扑获得的结果分别为3.30904焦耳、3.68098焦耳和4.29467焦耳。最后,在16分组/秒和20分组/秒的数据速率下,与集群拓扑相比,星形拓扑和环形拓扑的平均剩余能量再次最高。总之,对于平均剩余能量,星形拓扑在不同的数据速率下表现更好,因为当中心节点死亡时,整个网络变得碎片化。这停止了通信过程,因此对于大多数情况,对于星形拓扑观察到的剩余能量仍然很高。对于环形拓扑已经观察到类似的趋势,因为WSN中的环形拓扑提供了传感器节点之间的无干扰通信,由于该通信平衡了能量耗尽率,从而导致更高的剩余能量。 集群其中,RP是接收到的数据包数量,TPS是发送方发送的数据包总数。如图3所示,当数据速率从04包/秒变化到20包/秒时,环形拓扑的性能优于星型和集群拓扑。在增加数据速率时,在环形拓扑的情况下,递送到目的地的分组的数量也增加,而在星形和集群拓扑的情况下,递送的分组的数量持续减少。星型拓扑和集群拓扑的PDR形式的输出是相同的,因为图中显示的值彼此重叠。这是由于当数据速率分别在星型和簇型拓扑中增加时,跨中心节点和CH的这导致环形拓扑的PDR更高。3.3.3. 吞吐量吞吐量也称为网络吞吐量,是通过传输通道成功传递的数据包的速率。 Kbps是吞吐量的测量单位,并使用(3)计算:下载另一方面,由于CH消耗更多的能量,拓扑经历最少的剩余能量,从而在网络中留下最少的剩余能量对于AVG(RE),成功数据包的总数<$ω <$平均数据包大小<$ω发送数据包的总时间ð3Þ星型和环形拓扑优于群集拓扑。而星型拓扑中更多的剩余能量是由于中心节点的失效造成的。由于这一点,传感器节点之间的通信变得支离破碎,节省了能量。虽然在星形拓扑中节省了最大的能量,但是以这种方式节省的能量以负面的方式影响其他参数,如吞吐量,PDR等等总的来说,环形拓扑的性能优于星型和集群拓扑,因为它提供了无干扰的服务,而不会中断通信。3.3.2. 分组投递率PDR被定义为成功接收的数据包与发送方发送的数据包总数的比率。可以使用数学公式(2)来计算PDR:如图 4,吞吐量的趋势几乎类似于PDR。通常,这是因为两者彼此成正比,也就是说,如果PDR增加,则吞吐量也增加,反之亦然。当数据速率从04包/秒变化到20包/秒时,星型拓扑和集群拓扑但是,在增加环形拓扑中的数据速率时,即从04包/秒增加到20包/秒,吞吐量值为204 kbps,这是其他拓扑中达到的最高吞吐量。这是因为数据传输采用逐跳线性排队的方式,这有助于改善环形拓扑中的吞吐量因此,环形拓扑结构的性能被认为是更好的比星型和集群拓扑结构在实现更高的吞吐量值为给定的数据速率。图二. 平均剩余能量(AVG(RE))。M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2126图三. 数据包传输率。在提取各种拓扑的统计数据之后,环形拓扑似乎在提供可靠和持久的通信方面优于星型和集群拓扑因此,我们在现有的J-ERLB中合并环形拓扑结构,以改善J-ERLB的性能。 在下一节中,讨论现有的J-ERLB和J-MERDG技术。4. 现有J-ERLB技术现有的J-ERLB方法使用三阶段算法来增加WSNs的寿命,这是我们之前提出的工作[14]。在第一阶段中,考虑具有小于阈值水平的能量的传感器节点的再充电然后,SenCar在网络中随机移动,计算网络中静态传感器节点的剩余能量。如果计算出的节点的能量水平的值低于阈值,则Sen- Car将用值的一半量(10)对该特定节点进行焦耳)。但是,如果节点在其范围内的能量水平具有比预定义阈值更大的值,则SenCar移动到网络中的下一个AP节点。第二阶段和第三阶段描述了在路由协议中如何在发送方和接收方之间建立路径。它检查节点处的队列大小是否小于75%,则只有它将用于传输数据,否则,选择新的路径。因此,以这种方式在AODV中执行虽然现有的J-ERLB使用了负载均衡和充电的联合概念,它仍然缺乏性能,由于随机分布的传感器节点。同样,J-MERDG也实现了数据收集和充电的概念,以提高传感器节点的寿命。然而,作者没有实现任何技术来克服拥塞的概念。他们在随机拓扑和正则拓扑(正方形拓扑)上测试了这两种技术。因此,需要一个强大的和鲁棒的架构,以克服在WRSNs的节能问题。见图4。吞吐量M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2127-4其中,r1/4GtrGregNcNre. a= 0.02,实验值r= 4.32到目前为止,没有研究人员实现和测试的规则拓扑结构的概念,如总线,环形,星形,集群和混合拓扑结构的WRSNs。这可以极大地帮助提高无线传感器网络的整体性能,不仅简化了预定义的轨迹的选择,而且还帮助移动节点准确地定位节点的在详细分析J-ERLB和J-MERDG后,注意到降低的吞吐量和更少的剩余能量。因此,为了克服这些缺点,3SM被实现,以测试其在无线传感器网络中的J-ERLB和J-MERDG的有效性5. 三步模型(3SM)所提出的解决方案利用环形拓扑结构来简化AP的选择,其中UAV停止对落在其集群范围内的节点进行充电。无人机协助传感器节点携带重电池(500焦耳)沿着预定义的轨迹移动,使得移动传感器节点可以收集静态传感器的能量水平,并且如果电池的阈值下降到阈值以下则对它们进行充电。传感器节点的阈值固定为3焦耳。每个传感器节点的初始能量水平为20焦耳。携带500焦耳重电池的移动无人机有助于为其他节点充电,从而改善WRSN中每个传感器节点的寿命。为了有效地对静态传感器进行充电,需要在机动无人机中嵌入有效的充电技术。对于3SM,我们选择了基于射频(RF)的无线充电机制。5.1. 无线充电技术为了给传感器节点充电,提出了几种能量收集技术,如磁共振、射频(RF)、激光和电感耦合。在文献综述部分研究了各自的优势后,选择了基于射频的无线充电机制作为3SM模型,因为它不仅具有适应最小电子设备的灵活性,而且可以对无线传感器节点进行远距离充电。由于RF可以长距离传输,因此,它可以比其他方法更好和更有效地进行充电。这种无线充电由访问每个预定义AP的UAV执行给节点充10焦耳的电读取器经由圆极化天线发送RF信号,并且通过线性极化偶极天线,无线识别和感测平台(WISP)标签接收信号。基于RF的充电模型的框图如图所示。 五、图5示出了完全集成的片上系统(SoC)架构。芯片(IC)具有高性能(350)MHz至2.4 GHz),188 dBm。IC SoC的平均输出电压为2.4 伏特在上面给出的充电模型中,使用Friis传输方程计算天线处的接收RF功率。(4)、Gtr Greg NcN re. 一个2002年1) 发射功率2) 发射增益3) 接收天线增益4) 发射器和接收器该模型使用的电池类型是锂离子电池,因为它的能量密度高。此外,这种类型的电池比其他可充电电池更轻。研究过程中使用的SoC和电池的技术规格详细如下:5.1.1. SoC技术指标SoC被认为是一种创新的模块化方法,具有强大的架构(见图1)。5)。它是一个灵活的射频能量收集和无线功率传输平台此外,当SoC集成在一个系统中时,它提供了强大的充电设施和易于维护的无线传感器网络。然而,通过新颖的系统架构也可以实现这一点,该系统架构集成了具有特定带宽的DC/DC转换器以执行高功率转换效率(PCE)。此外,幅移键控/频移键控(ASK/ FSK)接收器在集成时给出附加值。ASK/FSK是一种异步可编程逻辑电路和有限状态机,使系统可配置,从而能够同时接收数据和电源。开关是用来关闭电池时,不使用和数字电路是用来最小化的通道带宽。SoC的这些特性为系统提供了高度的适应性,以解决不同的场景。此外,参考图5,SoC中的智能功率管理可以提供经调节的电压并同时测量所收集的能量。这种智能电源管理被称为超低功耗管理,是通过电流低至75 nA的纳米功率电路来节省能量的关键电路此外,为了正确配置地址和充电设备,SoC安装了支持433 MHz和915 MHz的ASK接收器。ASK接收机设计为最低数据速率为62 kbit/s,允许占用约250 kHz的信道带宽。图6示出了电池如何向UAV提供实时服务,使得其可以将电力传输到其传输范围内的其他节点。发射功率必须能够根据目标距离和接收器灵敏度在指定时间内无线发射功率。射频天线接收到的功率通过转换器转换成直流电,并存储在C存储 器中,C存储器是外部存储电容器。电压(Vstor)定义了所存储的能量足以使SoC的内部电路工作。Str¼Lp4pdbð4Þ在上面的Eq。Nc是网络内的拥塞,g是整流器效率,Gtr是发射机天线增益,b是用于Friis自由空间短距离的常数当量(4)可以简化为:公司简介Rð5Þ德·德·布·脂蛋白4p×10b = 0.2316。但是,电池中存储的射频能量取决于以下因素:图五. SoC的框图2M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)21282图7表示3SM和UAV遵循用于传感器布置和再充电的基于环的拓扑的架构。它显示了射频能量发射器和接收器与锂离子电池的实现。这里,蓝线表示为无人机形成的预定义轨迹。在此基础上,利用NS2仿真器对3SM进行了仿真,并对3SM的性能进行了评估,最后对3SM进行了实现,得到了仿真结果。表4显示了为实施现有和拟议技术而考虑的通用技术规范。在J-ERLB中采用随机分布的方法来放置静态传感器节点,而在3SM中,基于环形的拓扑结构用于部署传感器节点。全向天线用于J-ERLB和3SM,以在所有方向上提供一致的覆盖范围。5.2. 数据收集过程在这里 ,我们假设每 个传感器节 点都包含一个 无源射频识 别(RFID)设备,该设备在接收到来自传感器节点的蜂鸣信号后唤醒传感器节点的收发器。表4见图7。3SM的架构无人机使用RFID设备的一个优点是它不需要任何电源。来自UAV的RF信号的能量可用于此目的。此外,由于衰减和衰落,有时UAV在环形传感器场中访问期间可能无法跟踪到所有AP因此,下面的递归算法有助于准确地解决问题:算法:数据收集机制开始1. While(数据交换正在进行)2. r(i)=所有AP的集合; i0,1,2 n /* 预定义锚的所拟订的设想中的要点 */3. SN(i)=网络中所有传感器节点的集合,其中i20,1,2 n4. 如果d阈值,h=R(i),其中i20,1,2 n /*计算节点与无人机的距离,并将节点放入值小于a阈值距离 */5. 发送蜂鸣信号(使用RFID)到其感测范围6. 在预定义的轨迹中通过UAV为' h '中的节点充电7. 重复步骤1至5 /*继续为节点充电,直到捕获到环境中所需的数据*/停止拟议和现有技术的共同技术规范。参数名称选定值节点数量移动充电传感器节点速度0.5米/秒数据包大小512 kb/sec无人机内置SN电池平均能量10焦耳负载平衡的默认队列长度天线类型全向模拟面积1000*1000(米)5.3. 3SM技术该算法分为三个阶段:第一阶段是在无线传感器网络中实现环形拓扑结构,第二阶段是在MAODV中建立路径,最后是充电阶段。整个算法在每个模块的注释部分进行了解释。图第六章配备SoC模块的充电传感器节点M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2129阶段1(传感器节点的环形拓扑Select_area of deployment()/*传感器节点的部署区域已选定*/{Keep_node_distance = 60 cm/*传感器节点*/{对于(N= 50)/*对于所有50个传感器节点*/{Formulate_Ring_Topology /*所有传感器节点都位于环形拓扑结构*/}阶段2(路径选择)Make_request(id_request); /*发出Path Route请求*/Recvd_request(packet)/*请求到达节点*/{如果(index== destination _ packet ||available_ path())/* 此处匹配条件 */{reply _ send(队列长度); /*发送队列长度的应答包*/}其他{packet _ sent()/*节点的数据包按队列长度转发*/}}reply _ recvd(数据包)/*收到回复*/{path_add();/*在路由表中添加具有队列长度的路由*/}第3阶段(充电技术)Rch_round()/*用于为垂死节点充电10焦耳*/{For(0 to n)energy_node_check()/*此函数用于检查每个节点的电池电量状态*/{如果(energy_node threshold)/*该条件检查能量水平并与阈值(3焦耳)进行比较*/{recharge_node();/*传输能量至10焦耳*/}}}6. 3SM的性能分析用吞吐量和平均剩余能量参数对3SM的有效性进行了测量,并与现有的J-ERLB和J-MERDG进行了比较。 通过改变数据速率(04、08、12、16和20包/秒)来分析性能。6.1. 吞吐量吞吐量被定义为在指定时间段内在接收器处成功接收的数据分组的数量。在这里,将所有节点成功接收的数据单元相加。图8示出了现有技术和提议的技术的吞吐量比较。在3SM技术中,携带移动节点的UAV访问第一AP并对落入其管理下的节点进行充电。然后,它按照预定义的轨迹移动到下一个AP。由于3SM中的UAV遵循预定义的轨迹来对垂死的传感器节点进行充电,预计将在接入点的充电周期内覆盖。因此,吞吐量水平根本不受影响,而在J-ERLB和J-MERDG的情况下,由于随机部署,它在其传输范围内覆盖较少数量的节点这降低了吞吐率,因为未覆盖在UAV的感测范围内的节点无法为其能量水平加油。此外,使用MAODV执行的负载均衡有助于缓解流量拥塞的问题,从而提高3SM和J-ERLB的网络吞吐率。相反,J-MERDG没有实现负载均衡,因此由于流量拥塞,额外的能量被消耗,这进一步导致更多的死节点。因此,与现有的J-ERLB和J-MERDG相比,3SM的平均吞吐率相当高。见图8。3SM、J-ERLB和J-MERDG的吞吐量比较。M. 安古拉拉湾Bala和Sukhvinder Singh Bamber埃及信息学杂志23(2022)2130见图9。3SM、J-ERLB和J-MERDG的平均剩余能量比较。6.2. 平均剩余能量(AVG(RE))图 9显示了3-SM、J-ERLB和J-MERDG技术的平均值(RE)。当数据速率从04包/秒变化到20包/秒时,在J-ERLB和J-MERDG的情况下获得的剩余能量极低。这是因为节点的部署是随机的,因此,对每个传感器节点进行充电的概率对于移动节点(Sen-Car)是一个困难的任务网络中的一些节点可能会因为在特定时间段内没有充电而耗尽电池这停止了网络内的通信,导致网络的平均剩余能量更少。另一方面,3SM遵循预定义的路由对节点进行再充电因此,平均剩余能量对于网络来说总是非常高的,因为它在特定的时间间隔之后继续对每个节点进行充电。无人机以环形方式绕着一个环移动,并对固定距离放置的静态传感器节点进行充电。选择AP的方式是使其几乎覆盖网络中的每个节点因此,与现有技术相比,3SM所实现的AVG(RE)更多。7. 结论在本文中,我们已经研究了各种拓扑结构及其实现WRSNs利用无人机的移动性。具体地说,J-ERLB是实现在各种规则的拓扑结构,如环形,星形和集群拓扑结构。然后,根据性能指标分组投递率、吞吐量和时延选择最优拓扑然后将所选择的环形拓扑与J-ERLB相结合,形成3SM模型,3SM采用三步方法,第一步是选择合适的拓扑结构,第二步是利用无人机实现充电过程,最后一步是实现MAODV,它涉及传感器节点之间的负载平衡功能。无人机沿着预定义的AP迁移,执行无线电力传输的功能,并在逐跳路由中从传感器收集感测数据。我们还提出了一个三阶段的算法作为解决有限的WRSNs的寿命所提出的解决方案可用于实时应用,如农业自动浇水系统。此外,大量的数值结果表明,3SM可以有效地实现高净-通过节省剩余能量的量和高吞吐量值,工作效用和维持永久的网络操作。今后工作未来的工作可以集中在实现所提出的模型的深层加固方案,大规模的网络可以被认为是测试所提出的模型。此外,两个或更多数量的无人机可以用于更好地充电的传感器节点的网络规模非常大。资金报表本文的研究和出版没有得到任何财政支持机构的资助竞争利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作。引用[1] 张文龙,李晓梅,李晓梅.在密集分布的传感器网络中实现节能的大数据收集。IEEET Emerg Top Com2012:1-10.[2] 郭S,王春,杨勇.无线可充电传感器网络中的联合移动数据收集和能量供应。 IEEETrans Mob Comput 2013:1-14.[3] 朱春,吴S,韩G,舒玲,吴华.一种基于树簇的移动汇聚工业无线传感器网络数据收集算法。 IEEE Access 2015;3:381-96.[4] 周锋,陈志,郭胜,李军。无线传感器网络中不同聚合模式下数据收集树的生命周期最大化。 IEEE Sens J 2016:1-10.[5] Lan K,Wei M. ‘‘A Compressibility-Based Clustering Algorithm for HierarchicalCompressive 号172017年8月[6] RaniS,Ahmed SH,Talwar R,Malhotra J. 传感器能收集大数据吗?一种能量有效的无线传感器网络大数据收集算法。 IEEE Trans Ind Inf 2017:1-8.[7] Pandey OJ,Mahajan A,Hegde RM.基于最优数据MULE分配的小世界传感器网络联合定位和数据收集。 IEEE Trans Veh Technol2018;67(7):6518-32.[8] 赵明,李健,杨勇.“无线可充电传感器网络中的联合移动能量补充和数据收集框架”,IEEE移动计算学报,第一卷。号132014年12月[9] 王 Q , 孔 F , 王 M , 王 H. ‘‘Optimized Charging Scheduling with Single MobileCharger for Wireless Rechargeable Sensor Networks” Symmetry MDPI, Vol. 9,[10] La Rosa R,Zoppi G,Fi
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功