CC BY
74
Стохастическое формирование проактивного множества при кластеризации в мобильных беспроводных сенсорных сетях
Рассмотрена иерархическая мобильная сенсорная сеть, состоящая из множества сенсорных устройств (сенсорных узлов), распределенных в определенном районе. Предполагается, что узлы исследуемой сети распределены на заданной территории для мониторинга изменений интересуемых характеристик, например, температуры, уровня загрязнения окружающей среды и др. В качестве алгоритма маршрутизации используется гибридный алгоритм протокола HWMP стандарта 1ЕЕЕ 802.11$, дополненный процедурой учета выхода из строя сенсорных узлов после окончания заряда их автономных источников питания из-за энергопотребления при передаче и приеме данных. Согласно этому алгоритму маршрутизации для установки маршрута внутри кластера между узлами и головным узлом может использоваться как проактивный, так и реактивный алгоритмы. Узлы, которые устанавливают маршрут с головным узлом проактивным способом, формируют проактивное множество, а множество узлов, ищущих оптимальный маршрут реактивным способом, — реактивное множество. Мобильность узлов рассматриваемой сенсорной сети становится причиной изменения состава кластера так, что согласно выбранному критерию связность между узлами кластера и головным узлом будет нарушена. Поэтому исследование возможностей повысить время жизни кластера является актуальным. Для повышения времени жизни кластера предложен алгоритм сток------слова: мобипьшя беспроводная хастического формирования проактивного множества узлов вокруг головного узла в такой сети. Его
сенсорная сеть, кластеризация, гибридная идея состоит в том, чтобы выбирать не все соседние узлы, а только их часть случайным образом при
маршрутизация. сохранении связности узлов с головным узлом. Показана эффективность предложенного алгоритма.
Жарков G.H.,
старший инженер ОАО "Концерн Созвездие", [email protected]
Введение
В настоящее время большое внимание уделяется беспроводным сенсорным сетям (БСнС) [1-10], которые, являясь особым видом беспроводных ad hoc сетей, состоят из множества сенсорных устройств (сенсорных узлов), распределенных в определенном районе. Каждый сенсорный узел способен измерять различные параметры и устанавливать беспроводные соединения с другими сенсорными узлами, обрабатывать радиосигналы и формировать маршруты для передачи данных измерения. БСнС широко используются для мониторинга больших территорий с помощью нескольких тысяч (и более) сенсорных устройств, что увеличивает цену таких сетей, несмотря на то, что их узлы стремятся делать очень дешевыми. Одним из эффективных способов снизить затраты является применение сетей с мобильными сенсорными узлами, которые получили название мобильных сенсорных сетей (МБСнС) [9, 10].
Учитывая, что МБСнС относятся к мобильным ad hoc сетям (MANET), то для классификации алгоритмов маршрутизации в МБСнС можно использовать классификацию, принятую для MANET, т.е. разделять алгоритмы маршрутизации в МБСнС на два класса [1]: реактивные и проактивные. С помощью реактивных алгоритмов поиск оптимального маршрута ведется после получения данных, которые узел должен передать по назначению, а при использовании проактивных алгоритмов маршруты формируются до возникновения необходимости передачи полезной информации. Алгоритмы каждого класса имеют свои достоинства и недостатки. Применение реактив-
ных алгоритмов приводит к задержке в передаче данных из-за потери времени на формирование маршрута, а проактивные алгоритмы позволяют свести эту задержку к минимуму. Тем не менее, при проактивном подходе с помощью служебных сообщений формируются маршруты, которые не используются для передачи данных. Третьим классом алгоритмов маршрутизации в МБСнС является группа гибридных алгоритмов, сочетающих в себе особенности реактивных и проактивных. Другая классификация алгоритмов маршрутизации возможна на основе использования принципа стохастического продвижения пакетов [7].
Из-за ограниченности заряда батарей сенсорных узлов в БСнС, целью которых является сбор информации и отправка их головной станции, применение алгоритмов маршрутизации требует использования иерархической структуры [6], а именно формирования кластеров. Иерархическая структура позволяет сенсорным узлам передавать собранные данные не напрямую головной станции, а узлам, вокруг которых они объединяются в кластеры, а те агрегируя данные и удаляя из них избыточность, отправляют их головной станции. Такой способ передачи данных головной станции более энергоэффективный [ 1 ], чем если бы каждый сенсорный узел отправлял свои данные головной станции самостоятельно. Дальнейшим развитием этого способа стало применение мобильных головных станций [11], что позволило повысить эффективность сбора данных от сенсорных узлов, уменьшив количество ретрансляций от источника данных до головной станции. Тем не менее возможны ситуации, когда все узлы сенсорных сетей мобильны. Например, в [9] рассматривается сеть, состоящая из мобильных роботов, следящих за непревышением температуры в лесном массиве, а в [10] - сеть, развернутая в море для мониторинга окружающей обстановки. Поэтому
при разработке алгоритмов маршрутизации в таких сенсорных сетях необходимо учитывать возможность движения их узлов. Однако мобильность узлов становится причиной изменения состава кластера так, что согласно выбранному критерию связность между узлами кластера и головным узлом будет нарушена. Поэтому исследование возможностей повысить время жизни кластера является актуальным.
В настоящей работе предложен алгоритм повышения времени жизни кластера в иерархической МБСнС на основе принципов стохастической маршрутизации. Показана его эффективность. За основу были выбраны кластерный алгоритм LEACH [5, 8], гибридный алгоритм маршрутизации HWMP [12] и алгоритм стохастической маршрутизации SARA [7].
Статья имеет следующую структуру. В разделе 1 описана архитектура исследуемой МБСнС; в разделе 2 -предлагаемый алгоритм, а в разделе 3 представлена методика моделирования сети, которая используется для анализа его эффективности. В разделе 4 приведены результаты моделирования.
1. Архитектура исследуемой мобильной
сенсорной сети
Будем предполагать, что узлы исследуемой МБСнС распределены на заданной территории для мониторинга изменений интересуемых характеристик, например, температуры, уровня загрязнения окружающей среды и др. Для эффективного сбора данных и отправки их пункту назначения иерархия МБСнС имеет три уровня. Узлы 1-го уровня иерархии (рис. 1) собирают информацию и передают ее узлам 2-го уровня, которые обрабатывают ее и устраняют из нее избыточность, а затем отправляют агрегированные данные узлам 3-го уровня по маршрутам, сформированным реактивным или проактивным способом. Узлы 1-го уровня будем называть собирающими узлами, узлы 2-го уровня — отправляющими узлами, а узлы 3-го уровня - головными узлами кластера. В МБСнС возможно и более сложная иерархия, но в данной статье она не рассматривается.
алгоритму LEACH [5, 8], согласно которому выполняются следующие операции:
1) каждый п-й узел кластера каждую j-ю сессию генерирует случайное число i от 0 до 1;
2) каждый и-й узел кластера вычисляет пороговое значение Tn(i) по формуле:
7* (0=1 1 - /? (/' mod [l / /? J) ’ "е°
О , п е С
где «-номер узла сети; i - номер сессии функционирования сети; (3 - параметр, характеризующий количество отправляющих узлов, выбираемых в каждой сессии (в литературе, например в [5, 8], рекомендуется использовать Р = 0,5, т.е. в среднем каждую сессию в качестве отправляющих узлов будет выбираться 5% от общего количества узлов в кластере); G — множество узлов, которые не были выбраны в качестве отправляющих последние 1/р сессий; mod() - операция выделения целой части.
3) каждый п-й узел кластера сравнивает значение “эй,/ с Т!»(')• Если с„,,- <Г„(/), то узел выбирается в качестве отправляющего узла.
Прос ИСХОДИТ моделирование движения yi/юв, кластеримция НС осуществляется
А. * ЛТ1 *! *1
> г V >
Формируются кластеры и проактивные множества в ни*, в частности формируется кластер вокруг ума 103 размером Оои формируется проактивное множество размером $
Рис. 2. Этапы функционирования МБСнС
1 : 3 4 4 в 7 • 9 10 11 12 13 14 15 16 17 18 19 20
»о * О •о «О і 50 •о£о о8 О* і
мо *о 1.9. Iж “о и05й61 ;,о :****: Г "Тиб 1*0
Ж ■<£ : :аО О: Го] “о
„о. ■*"И О к! и ”1 **|о“ 'о Ж. І!0.
.р *.Р «о ,Р ГО О: О 9 :*1о :‘9 ;Ъ 5 >р,
" ур- ж... О -О ;;.б >61 *Р -А
& & л.1,° "9.1. •Жи «О "бч
Р -О 9; • • О о'Го »о ™о" уо
рс Ж. т .Р;Р и • • • ”о “о! «о "о
;-о цО -о 9: .Й. :• * • о.
іР Ж ж. • :9: !* 9 ‘Ж’
.а О О Ц* £ 9 о- Ж'
ж і а о. 9 9 !<». .9:.
9.' ж »т 9 ° оТег '9 9,; ж
Ж Я о їН 9 О о о (?' а й
Ж .&. А. ж| 9: Я, а"
$‘ ж ж Я Ж \ й 'р; р; Ж Ж
Ж Ж 9.: [2 й' І.й‘ ,.оГ" «Г Л.
;;р Я.. ;;р ;;р- Ї.Р ””Тй‘ ;р І®' ШЇ Г6.-П ї • .;р-
Рис. 3. Мобильная беспроводная сенсорная сеть (® -узлы проактивного множества, О - узлы, которые устанавливают маршрут с головным узлом реактивным способом, ^ - граница кластера)
Для уменьшения количества узлов в проактивном множестве в МБСнС предлагается алгоритм, разработанный на основе алгоритма БАРА [7]. Его идея состоит в том, чтобы выбирать не все соседние узлы, а только их часть. Получив запрос на формирование такого множества, узел запускает генератор случайных чисел, с помощью которого определяет, должен ли он ретранслировать запрос дальше или нет. Если выпадает «О», то ретрансляция не осуществляется, иначе запрос ретранслируется соседним узлам. Вероятность генерации нуля будем обозначать как Ри. Например, если узел 103 (рис. 4) окружён узлами 89, 90, 91, 104, 114, 113, 112 и 102, то согласно предлагаемому алгоритму при Р0 = 0,5 в качестве соседних узлов, ретранслирующих дальше служебные сообщения для формирования проактивного множества, будут выбраны узлы 89, 104, 112 и 102, которые и образуют 1-й «слой» проактивного множества (на рис. 4 его узлы закрашены). На рис. 5 показан следующий этап - формирование 2-го «слоя» проактивного множества, в течение которого часть узлов впервые принимают сообщения, предлагающие стать узлами множества, а другие узлы, например, узлы 90, 91 и 113, получают такие сообщения повторно. Во втором случае узлы перед запуском генератора случайных чисел проверяют значение, записанное в поле метрики сообщения. Если это значение показывает, что новый возможный маршрут будет хуже, то они игнорируют сообщение, а если лучше, то запускают генератор случайных чисел и принимают решение, будут ли они участвовать в формировании проактивного множества. На рис. 5 узлы второго проактивного «слоя» (74, 124, 115 и 92) закрашены также как и узлы 1-го «слоя».
На рис. ба-г показаны сформированные проактивные множества с помощью описанного алгоритма при размере кластера Д> = 5, количестве слоев проактивного множества 5 = 2 и при Р0 = 0, 0,3; 0,6; 1, где Д> измеряется количеством ретрансляций от головного узла 103; 5 - количеством ретрансляций от головного узла 103.
Таким образом, предлагаемый алгоритм отличается от 8АЯА [7] тем, что стохастическое принятие решения ретранслировать пакет используется для уменьшения
количества узлов в сформированном проактивном множестве при сохранении связности между узлами в таком множестве.
3. Модель МБСнС
Рассмотрим МБСнС, показанную на рис. 3. Для уменьшения вычислительной сложности моделирования (например, поиска соседних узлов, их движения) район обслуживания сети разбивается на квадратные ячейки, в каждой из которой может находиться только один узел.
Время функционирования сети Т разбивается на интервалы АТ (сессии) так, как это показано на рис. 2. После равномерного распределения узлов по территории моделируется формирование кластеров и проактивных множеств в них. В данной работе предполагается, что головной узел только один. Поэтому от сессии к сессии моделируется формирование только одного кластера. Его размер Л),, считается входным параметром. После формирования кластера выбираются отправляющие узлы, которые устанавливают маршруты с головным узлом 103, а затем снова моделируется движение узлов и формирование кластера размером О0. Предполагалось, что за время АТ топология сети существенно не меняется, в том числе и из-за движения. По истечении времени АТ согласно модели узлы начинают двигаться и затем опять замирают на время АТ. Количество итераций выбиралось равным N = Т/АТ,, Возможность коллизий не учитывалась. Количество ретрансляций и при формировании маршрутов считалось ограниченным.
Далее в разделе 3.1 описана модель движения сенсорных узлов, в разделе 3.2 - методика определения времени жизни кластера МБСнС.
3.1. Моделирование движения сенсорных узлов
Используемая модель движения узлов основана на модели Я\УМ [13]. Предполагается, что узлы могут быть неподвижными или перемещаться со скоростями у(|=0, V) или
Рис. 4. Формирование первого «слоя» проактивного множества
Рис. 5. Формирование второго «слоя» проактивного множества
....Г?.!. ШШІГШЖШ]
м9 І. Ія9.;... .-зиР І }».р л
•О : •...Ї
-л*4—■{----—|
— --------
Р: : О : : : О : О : О ■ 0 : О:
І.І&:...
а) Ро=0
і і44о; ;4ь:‘6 о - - ги- . її—■ : О О .Р :
і..,.і£ _! о : і«Оі Г :
9 і і ]»о :»• ГО !0”:7Ч0
!.§ ! :О Г 1• --І--’Л • •.___.і.ІІА. О • І<5"і .їм., і.....і. .* ; Ло-\ •
о : о г :р 1 ТІ* !
О о ! • ; о • : О- "О ! ! і* !
•О о і і і о 1 .Ді_ л . . і І ІІМ. : І 81—:0 І і. ^ ]Н ; • \)і
,р.і. 12 [Я.! О о \ о О і” 143 • 1+4 ^ 145 j4« •
в) Рй=0,6
: О: ; О : О : О : : 0 : О «Р :
шлзшпші......;..*.'
о: і,.о;
.......і....]
8 і : =*.•; го ;о *;^о:
нотр
.Йі.І.Й-4...І$.і4«|£.і.....і.__і....Ці
: О Г 1 • • ! • ; О : О Г і • О :
і'О -'О"....- .• 0":
г-і§^ілг^і.............*;..мл-г-гв”
О і О : : : О ; О О 6: 0: 2
я. л....;. піла-.;
....
б) Ро=0,3
Г То; !^ ;Ъ !ъГ‘Т^ Ъ1р : \£.І іа?.і»9.1....ІвРІ... - О ...О;
і : О : : О Г •Г"Пб:"-р0- - :—л — :кО: .-О: | :-»0 "О О ' ^3 ":о : Ъ 'Ъ :тс>''
: іО ; ^ ! О ! О О гйт---1- О-Г»!-,иі .иі^\я..і. .лз.;. т О} г-г-гл Ъ ! © г . т. і. .и?.;. І Л..
0:0 6 ’ о' ір • і« ; »5 • їм.
■ :!Й.і
г) Р0= 1
Рис. 6. Стохастическое формирование проактивного множества вокруг узла 103 при Оп= 5, 8 = 2
Случайный выбор скоростей определяется вероятностями Руо, Ру\, Р\2- Точки, в направлении которых двигаются узлы, также выбираются случайно по равномерному закону распределения. После того как узлы достигнут соответствующих точек, случайно выбираются новые точки, в направлении которых узлы продолжают движение. Перемещение узлов за пределы рассматриваемой территории не рассматривается.
о
О
Оіх'
О ^4-^ 0 У ^ТС^'А
•* •
и о о «
Рис. 7. Моделирование движения узлов в МБСнС
Л'
О
3.2. Моделирование энергопотребления
При моделировании энергопотребления использовалась модель Хейзельмана [5], согласно которой в передающей или приёмной цепи блока обработки сигналов в активном режиме тратится 50 нДж/бит и 100 пДж/бит/м"
в усилителе передатчика при обеспечении достаточно высокого значения отношения сигнал/шум на бит Еь1Ы<,( Рис. 8). Предполагается, что зависимость мощности принимаемого сигнала от расстояния между передатчиком и приёмником квадратичная. Таким образом, согласно этой модели при передаче ^-битного сообщения на расстояние с/ тратится энергии Еух, значение которой равно:
ЕТх{к,с!) = Ес,ск+еитркс1\ а при приёме такого сообщения Е Их (к) — Ее1ес к , где к = 1024 бита, ЕС|СС = 50 нДж/бит, Еап,Р = 100 пДж/бит/м". Потери энергии при агрегации данных не учитываются.
К-битный пакет
ЕМК)=К Етс и
К-битный пакет Блок обработки 1
сигналов
Приемник
Рис. 8. К описанию модели энергопотребления в сенсорном узле
3.3. Определение времени жизни кластера мобильной сенсорной сети
Из-за мобильности узлов МБСнС состав кластеров неустойчив настолько, что через некоторое время он перестает существовать, и возникает необходимость формировать новый кластер вокруг головного узла. Время, в течение которого кластер можно считать работоспособным по аналогии с термином времени жизни БСнС будем называть временем жизни кластера Та.. Его значение определяется как время, через которое значение одного из параметров кластера становится меньше некоторого порогового значения Г|. В качестве такого параметра в данной работе была выбрана вероятность возможности сформировать маршрут между узлом Р, отправляющим данные головному узлу, и головным узлом кластера, превышает пороговое значение г|.
Пример определения при Ра — О, \У0 = 0,5; Д> = 5, 5= 3, И = 4, /\0= 0, Ру| = 0,5; Ру2 = 0,5; Г| = 0.9 и 0.96 показан на рис. 9.
Т/ДТ
Рис. 9. Пример определения времени жизни I
по графику зависимости вероятности Р от времени (Т/ДТ), построенного при г|=0.9, 0.96
4. Результаты моделирования
Рассматривались случаи, когда узлы могут или остаться неподвижными, или передвигаться со скоростями У0,У|,У2 В свободную ячейку, так ЧТО VI = 0 (узел неподвижен), а при движении со скоростью V) за время АТ узлы переместятся В соседнюю ячейку, а СО скоростью \2 -через одну ячейку. Значения вероятностей случайного выбора скоростей Руо,Ру\ и Ру2 были выбраны равными Ру о = 0, Ру\ = Ру 2 — 0,5. Если выбранная для перемещения ячейка занята, то узел остается на месте, а значит, несмотря на нулевое значение РуП, вероятность неподвижности узлов согласно описанной методике моделирования будет отлична от нуля.
При моделировании считалось, что количество итераций N = Т/АТ равно 100, Т — время наблюдения за функционированием сети. Максимальное количество ретрансляций Л, определяющее время жизни сообщения было выбрано равным 4. Аналогично [5] начальное значение энергии 1Г0 было выбрано равным 0,5 Дж. Территория, на которой разворачивается сеть, разбивается на 400 ячеек, так что ее площадь равна 20x20 квадратных ячеек. Размер ячейки был выбран равным 40 м, так что расстояние между соседними узлами было равно 80 м. Размер пакета — 1024 бит.
Время жизни кластера /. определялась согласно методике, описанной в третьем разделе. Эффективность повышения времени жизни кластера будем характеризовать
С ПОМОЩЬЮ 8, определяемого ПО формуле: е = £о-£та.\/(1 + где о - операция усреднения, £0 - время жизни кластера в МБСнС без применения предлагаемого алгоритма, £тах ~ максимальное время жизни кластера в МБСнС, которое удается достичь при использовании предлагаемого алгоритма, варьируя Р0 (см. 2-й раздел).
На Рис. 10-12 приведены гистограммы е, полученные с помощью моделирования МБСнС в среде программирования МАТЬАВ при Ру о = 0; Ру\ = 0,5; Ру 2 = 0,5 и 1У0= 0,1; 0,5; 1; £>0= 5, 5 = 3, И = 4, п = 1, 0,96 и 0,9. При моделировании использовались значения г| = 1, 0,96 и
0,9. Видно, что повышение е при использовании стохастического формирования проактивного множества составляет 2-20%. Незначительное повышение е также может представлять интерес, если временной интервал ДТ (см. раздел 1) достаточно большой, например, измеряет несколькими часами, а сеть функционирует в критических условиях. Таким образом, применение предлагаемого алгоритма может позволить продлить время жизни кластера в МБСнС, что дает основание рекомендовать его для использования в мобильных сенсорных сетях в сочетании с адаптивными алгоритмами.
'
а-
Щ от,......................................1-------------------------------------—-----------»-------------------------1
£
Рис. 10. Гистограмма значений е при ^=0,5 и /7=1
Рис. 11. Гистограмма значений е при И^0=0,5 и /7=0,96
Рис. 12. Гистограмма значений е при 1У{)=0Ч5 и /7=0,9
Заключение
Предложен и исследован алгоритм повышения времени жизни кластера мобильной сенсорной сети, основанный на стохастическом выборе узлов при формировании проактивного множества кластера. Показано, что использование предлагаемого алгоритма может повысить эффективность функционирования мобильной сенсорной сети е, определяемой на основе вычисления времени жизни кластера, на 2-20%. Определение условий, при которых применение алгоритма наиболее эффективно, является самостоятельной задачей исследования, которая будет решена в дальнейшем.
1. Zungeru A.M. Classical and swarm intelligence based routing protocols for wireless sensor networks: A survey and comparison / A.M. Zungeru, L.-M. Ang, K.Ph. Seng // Journal of Network and Computer Applications, 2012. Pp. 1508-1536.
2. Шапошникова T.A. Передача видеофайлов по
беспроводным мультимедийным сверхширокополосным сенсорным сетям / Т.А. Шапошникова, А.И. Чернышов / Журнал радиоэлектроники, № 11, 2012, http://jre.cplire.ru/koi/ novl2/2/text.html, дата просмотра - 12 мая 2013 г.
3. Мочалов В.А. Построение расписания доступа в
беспроводную сенсорную сеть // Электросвязь, 2009. - С. 36-40.
4. Кудряшов С.В. Оптимальная маршрутизация
информационных потоков в беспроводных сенсорных сетях // Известия РАН. Теория и системы управления, 2008. - №2. -С. 126-140.
5. Heinzelman IV. Energy-Efficient Communication Protocol for Wireless Microsensor Networks / W. Heinzelman,
A. Chandrakasan, H. Balakrishnan //Proc. Hawaii International Conference on System Science. Jan. 2000. V.8. Pp. 1-10.
6. TarunaS. Multi-Hop Clustering Protocol using Gateway Nodes in Wireless Sensor Network / S. Taruna, R. Kumawat, G. N. Purohit // International Journal of Wireless & Mobile Networks (IJWMN), August 2012. - V.4, X»4. - Pp. 169-180.
7. Patent № US 7,957,355 B1 Swarm Autonomous Routing Algorithm for Mobile Ad Hoc Communications /M.J. Heiferling, J.C. Kelm; Assignee - Bluetronix Inc.; Field - May 30, 2006; Date of Patent - June 7,2011, pages 42.
8. Nguyen L.T. An Energy Efficient Routing Scheme for Mobile Wireless Sensor Networks/L. T. Nguyen, X. Defago, R. Beuran, Y. Shinoda/IEEE International Symposium on Wireless Communication Systems (ISWCS), 21-24 Oct. 2008, pp. 568-572.
9. Kulakowski P. WSAN Architecture for Wildland FireFighting / P. Kulakowski, E. Calle, J.L. Marzo // European Cooperation in the Field of Scientific and Technical Research COST 2100 TD(I0) 12098, Bologna, Italy, Nov. 23-25, 2010. P.8.
10. Luo J. On the Double Mobility Problem for Water Surface Coverage with Mobile Sensor Networks / J. Luo, D. Wang, Q. Zhang/IEEE Trans. Parallel Distrib. Syst., v. 23, № 1, Jan. 2012. Pp. 146-159.
11. Pub. No. US 2012/0093087 Trail-based Data Gathering Mechanism for Wireless Sensor Networks with Mobile Sinks/C. Chen, J. Ma, B. Zhang,; Assignee - Nokia corporation.; Pub. Date -April. 19 2012. P.23.
12. IEEE Standard 802.1 ls-2011 - IEEE Standard for Information Technology - Telecommunications and information exchange between systems. Local and metropolitan area networks. Specific requirements. Part II: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) specifications Amendment 10: Mesh Networking, 10 September 2011.
13. Camp T. A Survey of Mobility Models for Ad Hoc Network Research/ T. Camp, J. Boleng, V. £)av/ey/Wireless Communication & Mobile Computing (WCMC): Special issue on Mobile Ad Hoc Networking Research, Trends and Applications, vol.2, no.5, 2002. Pp. 483-502.
Литература
Stochastic generation proactive set clustering in mobile wireless sensor networks
Zharkov S.N. senior engineer of JSC Concern "Sozvezdie", [email protected]
Abstract
Considered hierarchical mobile sensor network consisting of a set of sensor devices (sensor nodes), distributed in a certain area. It is assumed that the investigated nodes distributed network in a given area to monitor changes Desirable characteristics, such as temperature, pollution, etc. As the routing algorithm uses a hybrid algorithm HWMP protocol standard IEEE 802.11s, supplemented by the accounting procedures of failure sensor nodes after charging their autonomous power sources due to energy consumption during data transmission and reception. According to the algorithm for setting a routing path between nodes in a cluster and the headend may be used as a proactive and reactive algorithms. Ties formula that set route with the headend proactive manner, form proaktive set, and the set of nodes, seeking the best route reactive manner — reactive set. Mobility of nodes considered sensor network causes changes in the composition of the cluster so that, according to the selected criteria connectivity between cluster nodes and head — ties will be broken scrap. Therefore, investigation of the possibilities to increase the lifetime of the cluster is important. In this paper, to improve the lifetime of the cluster algorithm is proposed stochastic forming a proactive set of nodes around the head node in the network. His idea is to choose not all neighboring nodes, but only part of them randomly while maintaining connectivity of nodes with the headend. The effectiveness of the proposed algorithm.
Keywords: mobile wireless sensor network, clustering, a hybrid routing.
