بخشی از مقاله

خلاصه

هر شبکه های حسگر بی سیم با هدف جمع آوری اطلاعات اطراف خود دارای تعداد زیادی گره حسگر با انرژی محدود می باشند که در یک ناحیه جغرافیایی پراکنده شده اند . در این شبکه ها ، انرژی یکی از اصلی ترین منابع است که باید بطور بهینه از آن استفاده شود . خوشه بندی و چگونگی انتقال اطلاعات به ایستگاه پایه از راه های عمده در کاهش مصرف انرژی می باشد .

دراین پژوهش ما پروتکلی موثر برای موازنه بار و کاهش مصرف انرژی در شبکه معرفی می کنیم که در مرحله اول روش پیشنهادی سرخوشه ها و سرگروه های هر منطقه مشخص می شوند و سپس در مرحله بعد با استفاده از الگوریتم k-means ، سرگروه های هر منطقه دسته بندی می شوند و سپس سینک برای جمع آوری داده ها ، کوتاهترین مسیری را که از مراکز دسته ها عبور کند را می پیماید . نتایج شبیه سازی هم نشان داده است که این روش بهبود مناسبی را در کاهش مصرف انرژی بوجود آورده است .

.1 مقدمه

شبکه های حسگر بی سیم به طور کلی از تعداد بسیاری از گره های حسگر چند منظوره با توان کم و اندازه کوچک که در مسافت های کوتاه ، ارتباط برقرار می کنند ، تشکیل شده است

این شبکه ها ابزار مناسبی برای استخراج داده از محیط اطراف و مانیتورینگ رویداد های محیطی تبدیل شده اند و کاربردهای آنها در زمینه های خانگی ،صنعتی و نظامی ، روز به روز در حال افزایش است.

به علت چالش های موجود در شبکه های حسگر بی سیم استفاده از تکنیک های هوشمند ، کارایی زیادی در بالا بردن عمر این شبکه ها دارد .کنترل فازی برای تصمیم گیری های بلادرنگ کاربردهای بسیار زیادی دارد همچنین به دلیل پارامترهای متعددی که در افزایش عمر شبکه های حسگر نقش دارند ، فازی می تواند جایگزین مناسبی با سیستم های پیچیده ریاضی باشد

یکی از دلایل مصرف زیاد انرژی، ارسال اطلاعات توسط حسگرها به سینک که معمولا در فاصله دورتری از شبکه قرار دارد بوده که این امر در روش های مسیریابی سلسله مراتبی بر عهده سرخوشه ها می باشد. در شبکه های حسگر بی سیم با سینک های ثابت ، گره هایی که به سینک نزدیک تر هستند به عنوان ایستگاه تقویتی - نقاط پرش - برای دیگر گره ها عمل می کنند که این امر نه تنها بار ارتباطی نابرابری را ایجاد می کند، بلکه کاهش سریع انرژی گره هایی که در مجاورت سینک های ثابت هستند [6,7] ، همچنین کاهش طول عمر شبکه را به دنبال دارد . در مقالاتی همچون [4,5] روش هایی برای حرکت ایستگاه اصلی پیشنهاد شده است .حرکت ایستگاه اصلی در سطح شبکه باعث کاهش مصرف انرژی حسگرها و به دنبال آن افزایش طول عمر شبکه می گردد .

ایجاد کنترل روی مکان و تعداد سرخوشه ها و همچنین اندازه خوشه ها از نظر تعداد اعضا همواره به عنوان یک چالش مطرح بوده است و حل این مسئله نیازمند الگوریتم های خوشه بندی کارا در مصرف انرژی و متعادل کننده بار شبکه می باشد.

.2 فرضیات مساله

شبکه مورد نظر دارای مشخصات زیر است:

.    نودها به طور تصادفی در محیط پخش شده اند و نودها ساکن و همگن فرض شده اند.

.    ایسنگاه پایه آغاز کار در مرکز محیط قرار دارد سپس برای جمع آوری داده ها در مسیری پیدا شده حرکت می کند و در انتهای کار به مرکز محیط بر میگردد.

.    گره ها قادرند توان ارسال خود را با توجه به فاصله خود تا گیرنده مورد نظر، تنظیم کنند.

.  گره ها همگی دارای انرژی و توانایی یکسان هستند.                        

.  موقعیت و شناسه تمام گره ها برای ایستگاه پایه معلوم است.                    

.   هر گره ، از همسایگانش تا شعاع 2r مطلع است.                        

مدل مصرف انرژی استفاده شده در این مقاله ، همانند مدل مصرف انرژی در مقاله [1]  LEACH می باشد. هر گره برای ارسال l بیت داده به فاصله d از خود به اندازه Es  انرژی مصرف می کند که این از رابطه 1 بدست  می آید:    

.3 روش پیشنهادی

روش پیشنهادی که معرفی می کنیم از 3 گام تشکیل شده است . گام اول در شروع هر راند تمام گره ها پارامترهای انرژی و مرکزیت را به ماژول فازی موجود درخود ارسال می کند. منظور از مرکزیت اینست که یک گره تا چه حد نسبت به همسایگان خود با شعاع r در مرکز واقع شده است . بر اساس خروجی ماژول فازی هر گره ، تایمری برای گره ها فعال می شود و شروع به شمارش معکوس از مقدار بدست آمده از ماژول فازی می کند و گره ای که در هر منطقه قابلیت بهتری داشته باشد تایمر آن زودتر به صفر می رسد و سپس یک پیام کنترلی به شعاع 2r به اطراف ارسال می کند و خود را به عنوان سرگروه منطقه معرفی می کند

گام دوم اینکه در هر منطقه سرگروه ها مدیریت خوشه بندی منطقه خود را بر عهده می گیرد و در اینجا هم کیفیت گره ها بر اساس منطق فازی با پارامتر های انرژی و تعداد همسایگان مشخص می شود و گره ای که کیفیت بهتری در شعاع r داشته باشد به عنوان سرخوشه انتخاب می شود و خود را به سرگروه منطقه معرفی می کند و گره هایی که کیفیت پایین تری داشته اند خود را به نزدیکترین سرخوشه متصل می کنند

گام سوم تعیین مسیر حرکت سینک می باشد که با استفاده الگوریتم k-means سرگروه های هر منطقه به k دسته تقسیم بندی می شوند در واقع می توان گفت منجر به افراز محیط شبکه بر اساس موقعیت سرگروه ها می شود . برای تعیین مسیر حرکت سینک ابتدا مرکز هر دسته را پیدا کرده و سپس سینک برای جمع آوری داده ها ، کوتاهترین مسیری را که از مراکز دسته ها عبور کند را می پیماید

شکل 1- گام های روش پیشنهادی

.4 جزئیات الگوریتم

همانطور که گفته شد در روش پیشنهادی ما تمام گره ها با ماژول فازی تست می شوند تا در شعاع های بخصوص بهترین گره ها مشخص شوند.   

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید