大型无线传感器网络数据收集的能源有效方法

© 2013年。由爱思唯尔公司出版信息工程研究院负责评选和同行评议可在www.sciencedirect.com上在线获取ScienceDirectIERI Procedia 4（2013）288 - 2942013年电子工程与计算机科学一种新的大型无线传感器网络数据收集方法Djuraev Mamurjon，Bounchul Ahn*韩国庆北庆山岭南大学计算机工程系，邮编712-749摘要无线传感器网络被应用于使用无线电通信来收集期望的数据，但是由于使用电池的有限功率，它们具有有限的寿命。能量有效的数据采集方法对于无线传感器网络的长时间运行至关重要。提出了一种适用于大规模无线传感器网络和普适应用的数据采集方法。一个典型的数据收集之旅使用移动sink从附近的基站的传感器节点开始，通过访问每个节点的无线传感器网络的所有节点，返回到基站，并将收集到的数据上传到基站。这种方法时间效率低，每个节点都很快消耗电池电量。提出了一种新的数据收集方法，以提高能源效率，使用移动汇。仿真结果表明，与LEACH算法相比，该算法将无线传感器网络的生命周期延长到15个百分点，从而降低了网络的能耗水平。© 2013作者。由Elsevier B. V.在CC BY-NC-ND许可下开放获取。信息工程研究院负责评选和同行评议关键词：移动数据采集，K-means算法，聚类数据采集1. 介绍通常，无线传感器网络（WSNs）被部署为传感器节点和基站（sink）。它们的应用领域是监测环境或无法进入的区域，如战场，丛林或森林。如今，传感器节点的成本已经随着半导体技术的进步和大规模生产而降低。此外，无线传感器网络的节点配备了昂贵的传感器，如视频，音频，GPS等。2212-6678 © 2013作者由Elsevier B. V.在CC BY-NC-ND许可下开放获取。信息工程研究所负责的选择和同行评审doi：10.1016/j.ieri.2013.11.041Djuraev Mamurjon和Bounchul Ahn / IERI Procedia 4（2013）288289*无线传感器网络上的传感器节点在有限的电池电量下工作。电池供电是无线传感器网络的重要组成部分之一，因为在大规模无线网络中很难更换新电池。通常，在传感器网络中，收集的数据被发送到固定的基站[1][2]。由于数据发送和接收消耗大部分节点能量，因此数据中继路径上的中间节点在将分组转发到基站时消耗更多能量。特别地，靠近基站的节点应该中继来自其他节点的分组，并且比其他节点更早地耗尽其自身的能量。这是缩短网络寿命的关键原因。近年来，有一些关于移动sink的研究，它不驻留在固定的位置，而是在整个网络区域内移动以收集数据。Shah提出了一种移动观测器，数据移动泛在局域网扩展（MULEs），直接从传感器收集数据，将数据保存在自己的内存中，并将数据上传到基站[3]。它适用于大范围移动和监控区域。对于战场、交通监控、野生动物研究、污染控制等应用，数据采集点不是固定的，而是根据情况而变化的。对于这些情况，接收器传感器可以附接到移动机器人、车辆、动物或人。它从不同类型的移动基础设施请求数据并收集数据。由于移动sink是无线传感器网络的外部设备，移动sink的移动和操作的功耗不会影响无线传感器网络的寿命。移动接收器周期性地返回到基站以上传所收集的数据以处理数据并对其电池功率再充电以进行下一次旅行。移动接收器从一些预定义位置的传感器节点获取数据。这种数据收集方案称为MDG（移动数据收集），收集位置称为轮询点[4]。移动sink通过遍历传感器网络只从每个节点收集一次，这一行程称为循环。移动sink方法的主要优点是减少了无线传感器网络中节点的能量消耗，因为它可以接近附近的传感器直接或通过短跳收集数据。针对大型无线传感器网络，提出了一种基于移动汇聚节点和分簇传感器的能量有效数据采集方法。在收集数据之前，移动sink使用K- means [18]算法对传感器网络进行聚类并计算行程。采用贪婪算法计算移动sink的移动路径。当移动sink到达簇时，它向簇成员广播消息。该消息包含群集中每个节点的标识号。接收到广播消息并匹配其ID的节点移动接收器的缺点是数据收集时间比固定接收器长，因为它应该穿过整个无线网络区域。如果移动接收器没有在正确的时间访问，则有可能丢失数据。时间敏感型应用需要快速的收集能力，因此需要减少集群的数量，即使这会导致高能耗。如果传输半径扩大，转发跳数减少，但会增加节点的能量消耗。存在一个折衷的旅行时间和它的网络寿命。2. 相关工作LEACH提出了一个固定的汇与集群协议的应用程序，定期收集数据[5]。在LEACH中，节点基于概率自身成为头节点。LEACH协议采用节点均衡能耗策略。对于到固定sink的单跳传输，由于距离的原因，头节点需要高的传输功率。如果头节点通过多跳将数据发送到sink，sink附近的传感器的能量消耗不平衡是不可避免的。近年来，无线传感器网络的移动性研究已经在许多论文中进行Juang使用了** 通讯作者*。联系电话：+8-253-810-2556;传真：+8-253-810-4630。电子邮件地址：b. ynu.ac.kr290Djuraev Mamurjon和Bounchul Ahn / IERI Procedia 4（2013）288ଵ带有无线电标签的移动节点收集斑马和鲸鱼等动物的感知数据[6]。这些附着在动物身上的节点在田野里随机移动。当动物彼此靠近时，传感数据会交换。Shah和et. El.提出了称为MULE（数据移动无处不在的局域扩展）的移动节点。它从近距离的传感器节点收集传感数据，并将其保存在内存中。它将收集的所有节点的数据上传到基站[3]。Shah和et. El.通过建模为2维随机行走来实现MULE的运动。然而，这种方法的一个缺点是数据收集的延迟，因为MULE必须行进每个传感器节点来收集感测到的数据。Kansal等人提出了一种移动汇的思想。移动sink沿着指定的线移动并收集节点的感测数据[7]。这一想法被扩展到应用程序。多个移动sink并行地在指定的线路上移动，并并行地收集来自传感器节点的感测数据[8]。为了减少数据收集延迟，移动sink接收从一些无线传感器节点中继的数据包，这些数据包不能直接通信。Sencar提出了优化sink轨迹的方法[9]。它通过建立节点可以通过负载平衡跳到达移动sink的轨迹来最小化能量消耗。3. 该方法在这一节中，我们介绍了新的数据收集方法的基础上聚类方法和移动汇。该方法使用聚类的概念来获得能量效率。移动sink访问每个簇并获取无线传感器节点的感知数据。在完成数据收集之后，它返回到基站并将收集的数据上传到基站。3.1. 聚类阶段在所提出的方法的开始移动sink划分成簇的传感器网络。为了执行聚类，应用K-均值聚类算法。对于大型的无线传感器网络，该算法是计算速度比层次聚类，也产生更紧密的集群，特别是如果集群是球形的。3.1.1. K-means算法聚类的数量是使用K均值聚类算法预定义的，聚类过程分为以下4个步骤。步骤1. 如果将无线传感器网络划分为这些随机的地方是每个聚类的中心。步骤2.计算每个节点到其聚类中心的欧几里得距离。将其连接到最近的集群中心。通过这种计算，假设有n个节点，使得它们中的每一个都与Rd相关。为了找到这些节点到k个聚类中的最小差异聚类，在Rd中的{mj}kj=1中搜索k个聚类的中心，使得，ቀቁݔσቀ ଶ对于i =1 ton，（1）K其中d（Xi，mj）是两点Xi和mj的欧几里得距离。聚类的点{j}中心i=1，称为步骤3.再次计算每个聚类中心位置并检查位置变化。步骤4.如果聚类的任何中心的位置没有差异，则选择聚类并且聚类过程结束。否则重复步骤2。移动信宿知道所有传感器节点使用GPS或位置估计算法的位置。移动sink执行分簇算法并保存每个簇的中心位置。移动sink将访问每个簇的中心点基于这些位置，移动接收器计算其访问点以获得Djuraev Mamurjon和Bounchul Ahn / IERI Procedia 4（2013）288291最优总旅行时间使用启发式旅行商问题（TSP）。通过对传感器网络进行分簇并计算TSP，移动节点沿着TSP中预先定义的位置移动。3.2. 数据收集移动接收器在开始其数据收集旅行之前计算的轨迹中旅行整个传感器网络。一旦移动信宿到达其预定义的位置，即集群中心，它就向集群成员广播消息并等待确认消息。广播消息包含集群成员的ID号。传感器节点接收广播消息并检查消息。如果传感器节点在广播消息中找到它们的节点ID，则它们通过向移动sink发送确认消息来回复，并且成为成员节点。否则，传感器节点忽略广播消息。一旦移动接收器完成从集群成员的数据收集过程，它就继续其旅行。下一个数据收集点将是由TSP计算的后续聚类。在访问所有集群之后，移动信宿停止到基站，并将其收集的数据上传到基站。在图1中，移动接收器行进每个集群的中心。Fig. 1.在对无线传感器网络和移动sink4. 绩效评价为了评估所提出的方法，模拟NS2。无线传感器节点均匀分布在100m × 100m的区域内。假设传感器的位置信息在网络部署阶段获得，如Sencar[9]。表1显示了用于评估性能的模拟参数。每个节点具有2焦耳的初始能量。292Djuraev Mamurjon和Bounchul Ahn / IERI Procedia 4（2013）288表1.模拟参数参数值网络维数从（0，0）到（100，100）传感器数量50起始点（0，0）移动水槽速度10 m/sE初始值2焦耳图二.传感器网络为了比较，我们在仿真中使用LEACH算法。仿真结果表明，该方法比LEACH算法具有更高的能量效率。在LEACH算法中，每个簇的簇头花费更多的能量将收集到的数据发送到基站。这可能会缩短网络寿命。但是所提出的方法扩展了功耗的使用。此外，使用TSP算法减少了总旅行时间。图2显示了使用所提出的方法和LEACH的无线传感器网络的平均网络寿命。相比之下，所提出的方法延长了无线传感器网络的生命周期。在LEACH网络中，由于部分节点电池电量耗尽，在第23轮停止，所提出的方法延长了网络的生命周期，以四个以上的轮。5. 结论在无线传感器网络中，一个重要的因素是网络的生命周期，它与数据收集过程中的能量消耗密切相关。此外，不平衡的能源消费影响整体Djuraev Mamurjon和Bounchul Ahn / IERI Procedia 4（2013）288293WSNs的网络寿命。新的数据收集方法使用一个移动的sink，以增加在无线传感器节点的能量消耗的公平使用，并延长网络的生命周期的无线传感器网络。在相同的仿真条件下，对该方法的性能进行了评估，并与LEACH算法进行了比较。仿真结果表明，该方法的能量消耗的有效性，特别是网络寿命增加到约15%，与LEACH。确认这项工作（00045039）得到了2011年由韩国中小企业管理局资助的产业、学术和研究机构合作研发企业的引用[1] Manjeshwar A，Agrawal DP，TEEN：无线传感器网络中的路由协议增强效率。并行与分布式处理研讨会。四月2001[2] 林志玲，李志华，李志华，等.传感器网络中的数据收集算法.北京：计算机科学出版社，2000. IEEE Transactions on Parallel and Distributed Systems（并行与分布式系统学报）第13卷，第9期，2002年9月。[3] 沙阿河C，Roy S，Jain S，and Brunette W.数据骡子：稀疏传感器网络的三层架构建模。IEEE传感器网络协议和应用研讨会（SNPA），2003年。[4] Zhao M，Ma M.和Yang Y.无线传感器网络中基于空分多址的移动数据采集。第27届IEEEINFOCOM，凤凰城，美国，2008年。[5] Heinzelman W. B、Chandrakasan A. P，Balakrishnan H.一种无线微传感器网络专用协议体系结构。IEEE Transactions on Wireless Communications.第1卷，第4期，2002年10月。[6] [10]杨伟，王伟，王伟.还有鲁宾斯坦用于野生动物跟踪的节能计算：Zebranet的设计权衡和早期经验。2002年10月10日，国际会议架构支持编程语言和操作系统（ASPLOS）[7] Kansal A，Somasundara A，Jea D，Srivastava M，and Estrin.用于嵌入式网络的智能流体基础设施。2004年第二届ACM国际移动系统、应用和服务会议论文集[8] Jea D，Somasundara A.A，and Srivastava M.B.传感器网络中用于数据收集的多个受控移动单元（数据模块）。第一届IEEE/ACM国际会议传感器系统分布式计算（DCOSS[9] Ma M和Yang Y. Sencar：一种用于大规模多跳传感器网络的节能数据收集机制。在IEEE传感器网络分布式计算国际会议（DCOSS）中，第4026卷，第4026页。498-513. Lecture Notes in ComputerScience（LNCS），Springer Verlag，2006.[10] Intanagonwiwat S C、Govindan R和Estrin D.定向扩散：传感器网络的可扩展和鲁棒通信范例。第六届ACM/IEEE年度国际移动计算会议（MOBICOM 2000），2000年。[11] Zhang Z，Ma M，Yang Y.两层异构传感器网络簇中能量有效的多跳轮询。IEEE计算机学报，第57卷，第2期，2008年[12] Saad EM，Awadalla MH，and Darwish RR.无线传感器网络自适应能量感知收集策略。国际计算机杂志，第2期，第2卷，2008年。[13] Younis O，Fahmy S. HEED：A Hybrid，Energy-Efficient，Distributed Clustering Approach forAd-Hoc Sensor Networks. IEEE Trans.Mobile Computing，Vol. 3，No. 4，pp. 366-379，2004.294Djuraev Mamurjon和Bounchul Ahn / IERI Procedia 4（2013）288[14] Avin C和Krishnamachari B.随机漫步中选择的力量：实证研究。MSWiM '06：第9届ACM国际无线和移动系统建模分析与仿真研讨会论文集，第10页。219-228，ACM出版社，2006年10月。[15] 埃图斯湾多跳路由SS-CDMA无线网络中的系统容量、延迟和功耗。Proceding Radio andWireless Conf.（RAWCON），pp. 55[16] Florens C，Franceschetti M，and McEliece RJ.感知网络中数据收集时间的下界。IEEE Journal onSelected Areas in Communications，Vol.22，pp.1110[17] Gupta P和Kumar PR.无线网络的容量。IEEE Transactions on Information Theory，Vol. 46，No.2，pp. 388[18] 杨伟，王伟，王伟.数据挖掘：概念与技术，第2版，2006年，第10页. 404-407