بخشی از مقاله
چکیده
افزایش روز افزون تقاضا برای شبکههای حسگر بیسیم - - WSN، به دلیل نداشتن هزینه و محدودیتهای سیم کشی موجود در شبکههای کابلی، ارزان بودن حسگرها و نیز قابل استفاده برای کاربردهای خاص با کمترین مداخله انسان در حین کار شبکه، باعث شده تا این شبکهها مورد توجه خاصی قرار بگیرند. طول عمر شبکه و مقیاس پذیری دو معیار مهم در WSN ها هستند .
از طرفی خوشهها یک شبکه حسگر سلسله مراتبی ایجاد میکنند که مصرف انرژی را کاهش و طول عمر را افزایش میدهد. به منظور کاهش مصرف انرژی و افزایش طول عمر شبکه میتوان از روشهای مسیر یابی مبتنی بر خوشه بندی وزن دار استفاده کرد. روش پیشنهاد شده برای مسیر یابی در این مقاله مسیر یابی مبتنی بر خوشه بندی وزن دار با مصرف بهینه انرژی - - WEECA میباشد. WEECA یک الگوریتم خوشه بندی وزن دار است، که شامل دو فاز اجرایی است: خوشه بندی و نگهداری شبکه. این الگوریتم دارای پنج پارامتر، محدوده ارسال گرهها - - ، سرعت گرهها - - ، درجه هر گره - - ، انرژی باقیمانده هر گره - - و تعداد گرههایی که یک گره میتواند به عنوان اعضای خوشه داشته باشد - - S، میباشد.
بعد از خوشه بندی و تعیین خوشهها فاز نگهداری شروع میشود. در این فاز سه پارامتر به طور متناوب چک میشود : مقدار انرژی باقیمانده هر گره، قابلیت تحرک آنها و مقدار باری که روی سرخوشهها است. هدف این مطالعه طراحی یک خوشه بندی جدید برای کاهش مصرف انرژی و مقایسه خوشه بندی مورد نظر با الگوریتمهای خوشه بندی موجود میباشد. این مقاله شامل پیاده سازی روش WEECA، در یک محیط شبیه سازی است. در ادامه با ارزیابی نتایج به اثربخشی این الگوریتم در جهت افزایش طول عمر شبکه میرسیم.
-1 مقدمه
شبکههای حسگری بیسیم پلی بین دنیای مجازی فناوری اطلاعات و دنیای فیزیکی واقعی فراهم آورده است. برای آگاهی از تغییرات محیط اطراف و یا کنترل آن، هر مجموعه نیازمند یک سری تجهیزاتی میباشد که به عنوان حسگر شناخته میشوند. حسگرها پارامترهای مدنظر را در قالب یک پاسخ، به منظور اندازهگیری میزان تغییرات و یا وجود آن پارامتر، ارائه میدهند.[1]
شبکههای حسگر بیسیم به وسیله ی عوامل تاثیر گذاری مانند تحمل خطا، مقیاس پذیری، هزینه تولید، توپولوژی، اجزای سخت افزاری، ابزار ارتباطی و انرژی طراحی میشوند.[1] چالش اصلی در طراحی شبکههای حسگر بیسیم به دو فاکتور مهم پهنای باند مخابراتی و انرژی بستگی دارد. این محدودیت انرژی میتواند عوامل گوناگونی مثل مسیر یابی اطلاعات را تحت تاثیر قرار دهد یعنی میتوان با تعریف و استفاده از یک پروتکل مسیر یابی مناسب، گامی مؤثر در جهت کاهش مصرف انرژی برداشت. میتوان طول عمر شبکه را به عنوان فاکتوری برای تخمین عملکرد شبکههای حسگر بیسیم در نظر گرفت .
برای افزایش طول عمر شبکه های حسگر بیسیم، مسیرهایی برای ارسال دادهها انتخاب میشود که انرژی مصرفی را در طول مسیر مینیمم مقدار ممکن کند.[2] از طرفی خوشه بندی در شبکههای حسگر بیسیم قابلیت مقیاس پذیری، اشتراک گذاری و استفاده مؤثر منابع، ذخیره انرژی، کاهش سربار ارتباطات، کاهش انرژی مصرفی و کاهش در تداخل بین گرهها میشود.
در پروتکلهای مسیر یابی مبتنی بر خوشه بندی، سرخوشهها به دلیل داشتن ارتباط درون و بیرون خوشه ای، نقش مهمتری در شبکه دارند و باید سطح انرژی آنها از سایر گرههای معمولی شبکه بیشتر باشد.[3] در این قسمت اول برای رسیدن به هدف ارائه یک پروتکل مسیر یابی بهینه نیاز به اطلاعاتی در زمینه مسیر یابی داریم که در بخش اول مقاله اطلاعاتی در مورد بررسی مسیر یابی و اصول خوشه بندی در شبکههای حسگر بیسیم ارائه میشود، در بخش دوم مقاله به بررسی پروتکل پیشنهادیWEECA 3 و در بخش سوم به ارائه نتایج شبیه سازی میپردازیم.
-1 دسته بندی روشهای مسیر یابی
مسیریابی درWSNها، به علت خصوصیات ذاتی که در بخش مقدمه به آن ها اشاره شد و آنها را از سایر شبکههای بیسیم متمایز کرد، دشوار میباشد محدودیت منابع در انرژی، پهنای باند و قابلیتهای محاسباتی احتیاج دارد که منابع به صورت کاراتر مورد استفاده قرار بگیرد.[4] به صورت کلی، محدوده طراحی برای کاربردها در شبکههای حسگر باید دارای قابلیتهای: .1 مقیاس پذیری .2کنترل خودکار .3 قدرت .4 اثر بخشی انرژی باشد. یکی از کاملترین دسته بندی روشهای مسیر یابی در شکل - 1 - نمایش داده شده است.[2]
-1-1 پروتکلهای مسیریابی سلسله مراتبی
دسته دوم از پروتکلهای مبتنی بر ساختار شبکه، پروتکلهای مسیر یابی سلسله مراتبی4 میباشد. در واقع روش سلسله مراتبی با ایجاد خوشهها میتواند سهم عمدهای در مقیاس پذیری، طول عمر و بهره وری انرژی کلی سیستم داشته باشد. در این روش هر خوشه یک رهبر دارد که به آن سرخوشه گفته میشود و به طور معمول کارهای ویژهای مثل ترکیب و تجمیع دادهها را انجام میدهد همچنین تعدادی گره معمولی در هر خوشه به عنوان اعضای آن خوشه وجود دارند. مسیر یابی سلسله مراتبی عمدتا مسیر یابی دو لایه است که یک لایه برای انتخاب سرخوشهها و لایه دیگر برای مسیر یابی استفاده میشود.[5] شکل - 2 - یک مثال نوعی از مفهوم ارتباط دادهای در شبکههای خوشه بندی شده را نمایش میدهد.
خوشه بندی مزایای بیشمار متناسب با اهداف متفاوت دارد. به عنوان مثال میتواند برپا سازی مسیر درون خوشه را متمرکز و محلی نموده و در نتیجه آن، اندازه جدول مسیریابی ذخیره شده در هر گره را کاهش دهد. همچنین میتواند پهنای باند ارتباطی را حفظ نماید زیرا حوزه تعاملات میان خوشه ای را محدود نموده و از افزونگی پیامهای تبادلی میان گرههای حسگر، جلوگیری میکند. به علاوه، خوشه بندی میتواند توپولوژی شبکه را در سطح حسگرها پایدار ساخته و سربار و مخارج کلی نگهداری از توپولوژی را کاهش دهد؛ به این معنی که حسگرها تنها در زمان اتصال به سرخوشه هایشان نگهداری میشوند و هنگام تغییرات در سطوح میان سرخوشهها تحت تاثیر قرار نمیگیرند.
همچنین سرخوشه، میتواند استراتژیهای مدیریتی بهینه شدهای را پیاده سازی کند که این کار ارتقای عملکرد شبکه و افزایش طول عمر باطری گرهها و در نتیجه افزایش طول عمر شبکه را در پی خواهد داشت. یک سرخوشه میتواند فعالیتهای درون خوشه را زمانبندی کند که در نتیجه آن، گرهها میتوانند به حالت کم توان یا حالت خواب بروند و نرخ مصرف انرژی را کاهش دهند. به علاوه، گرهها میتوانند در یک ترتیب نوبت چرخشی، به کار گرفته شوند و زمان مشخصی جهت ارسال و دریافت تعیین گردد، در نتیجه از ارسال مجدد جلوگیری شده و افزونگی داده در منطقه تحت پوشش، کاهش مییابد.[6]
-2-1 پارامترهای خوشه بندی
از جمله پارامترهایی که به عنوان ابزار اساسی جهت مقایسه و دسته بندی پروتکلهای خوشه بندی مورد استفاده قرار میگیرند، می توان به مواردی مثل تعداد خوشهها، ارتباط درون خوشهای، تحرک گرهها و سرخوشهها، انواع گرهها و نقش آنها، روش شکل دهی خوشه، انتخاب سرخوشهها، پیچیدگی الگوریتم، چند لایهگی، همپوشانی اشاره کرد.[6]
-3-1 طبقه بندی الگوریتمهای خوشه بندی
راههای مختلفی جهت متمایز کردن و سپس دسته بندی کردن الگوریتم های خوشه بندی شبکههای حسگر بیسیم وجود دارند. پنج گروه اصلی انواع خوشه بندی به این صورت است: .1 الگوریتمهای خوشه بندی در شبکههای همگن و شبکههای ناهمگن، .2 الگوریتمهای خوشه بندی متمرکز شده و الگوریتمهای خوشه بندی توزیع شده .3 خوشه بندی ایستا و پویا .4 خوشه بندی احتمالاتی و غیر احتمالاتی .5 روشهای خوشه بندی وزن دار برای شبکههای حسگری بیسیم.[3]
به دلیل تمرکز این مقاله بر روش های خوشه بندی وزن دار این تکنیک بیشتر توضیح داده میشوند . الگوریتم خوشه بندی وزن دار اولین بار برای شبکههای اقتضایی ایجاد شدند . این الگوریتم در بین روشهای خوشه بندی غیر احتمالاتی است . این روش چندین پارامتر مختلف را برای تعیین سرخوشه در نظر میگیرد که باعث میشود نسبت به سایر روش های خوشه بندی بسیار بهینهتر باشد. در حال حاضر به دلیل شباهتهایی که شبکههای حسگری بیسیم به شبکههای اقتضایی دارند این دسته از الگوریتمها برای شبکههای حسگری بیسیم نیز کاربرد دارند.
