Nghiên cứu phát triển định tuyến tiết kiệm năng lượng cho mạng cảm biến không dây(thông tin đưa lên website)

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN TRUNG DŨNG NGHIÊN CỨU PHÁT TRIỂN ĐỊNH TUYẾN TIẾT KIỆM NĂNG LƯỢNG CHO MẠNG CẢM BIẾN KHƠNG DÂY Chun ngành: Kỹ thuật Viễn thơng Mã số: 62520208 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THƠNG Hà Nội – 2014 Cơng trình hồn thành tại: Trường Đại học Bách khoa Hà Nội Người hướng dẫn khoa học: PGS.TS NGUYỄN VĂN ĐỨC Phản biện 1: PGS.TS Lê Nhật Thăng Phản biện 2: PGS.TS Trương Vũ Bằng Giang Phản biện 3: PGS.TS Nguyễn Huy Hoàng Luận án bảo vệ trước Hội đồng chấm luận án tiến sĩ cấp Trường họp tại: Trường Đại học Bách khoa Hà Nội Vào hồi………giờ, ngày……tháng…….năm…… Có thể tìm hiểu luận án thư viện: Thư viện Tạ Quang Bửu – Trường ĐHBK Hà Nội Thư viện Quốc gia MỞ ĐẦU 1.1 Mục đích nghiên cứu Mạng cảm biến có nhiều ứng dụng đời sống chúng phải đối mặt với số thách thức mà mạng khơng dây khác khơng có vấn đề bảo mật thông tin, vấn đề nhiễu kênh truyền, vấn đề bị che khuất địa hình, vấn đề lượng… Như ta biết, mạng cảm biến không dây tạo thành nút cảm biến, chúng tự thiết lập kết nối với thông qua hình thức khơng dây Nguồn ni nút cảm biến pin với dung lượng hạn chế Tuổi thọ nút cảm biến nói riêng tồn mạng cảm biến nói chung phụ thuộc vào việc sử dụng nguồn lượng Do đó, thuật tốn thiết kế cho mạng cảm biến khơng dây cần trọng nhiều đến vấn đề lượng Có nhiều khía cạnh kiến trúc mạng thiết kế để có lượng hiệu thiết kế ứng dụng tiết kiệm lượng, thiết kế giao thức điều khiển chế độ hoạt động nút cảm biến, tắt tạm thời nút cảm biến không cần thiết, thiết kế giao thức định tuyến tiết kiệm lượng… Trong hướng tiếp cận thiết kế giao thức định tuyến tiếp kiệm lượng hướng tiếp cận hiệu Bởi vì, mạng cảm biến khơng dây, liệu truyền thông chiếm phần lớn nguồn tài nguyên lượng mạng Tối ưu giao thức định tuyến tức tối ưu việc truyền thông liệu Do luận án tập trung chủ yếu vào việc thiết kế giao thức định tuyến tối ưu lượng đồng thời xây dựng mơ hình ứng dụng tổng hợp ứng dụng vào thực tế Mục tiêu nghiên cứu luận án - Phân tích thiết kế giao thức định tuyến tiết kiệm lượng mạng cảm biến không dây - Nghiên cứu, đề xuất thuật tốn ước lượng vị trí đối tượng sử dụng mạng cảm biến khơng dây Đề xuất mơ hình giám sát đối tượng theo vùng dựa thuật toán ước đốn vị trí giao thức định tuyến đề xuất nhằm tiết kiệm lượng Các vấn đề cần giải luận án - Đề xuất phương pháp định tuyến giảm thiểu gói tin dư thừa, hạn chế số nút mạng tham gia định tuyến - Đề xuất phương pháp định tuyến kết hợp nhiều điều kiện để chọn đường tốt - Đề xuất phương pháp định tuyến loại bỏ tuyến đường có mức lượng khơng đảm bảo - Đề xuất phương pháp định tuyến kết hợp điều khiển cơng suất - Đề xuất thuật tốn ước lượng, dự đốn vị trí đối tượng sử dụng mạng cảm biến không dây - Xây dựng mô hình ứng dụng giám sát đối tượng theo vùng kết hợp thuật toán dự đoán thuật toán định tuyến đề xuất Phạm vi nghiên cứu - Tập trung nghiên cứu giao thức định tuyến mạng cảm biến không dây - Tập trung nghiên cứu kỹ thuật điều khiển công suất mạng cảm biến khơng dây - Tập trung nghiên cứu thuật tốn dự đốn vị trí đối tượng Đặc biệt thuật toán lọc chất điểm - Tập trung nghiên cứu ứng dụng giám sát đối tượng sử dụng mạng cảm biến khơng dây Phƣơng pháp nghiên cứu - Mơ hình hóa giải tích tốn truyền thống, tiết kiệm lượng điều khiển cấp phát tài nguyên để đưa thuật giải khả thi - Tiến hành thiết kế, đề xuất thuật toán tối ưu, kiểm chứng mơ Các đóng góp luận án - Đề xuất giao thức định tuyến tiết kiệm lượng:  Định tuyến tiết kiệm lượng dựa kỹ thuật giảm thiểu gói tin dư thừa Efficient Expanding Ring Search (EERS)  Định tuyến tiết kiệm lượng tối ưu chi phí tìm đường cân lượng Routing Dual Criterion (RDC) Avoid Bad Route (ABR)  Định tuyến tiết kiệm lượng kết hợp điều khiển công suất - Xây dựng ứng dụng giám sát đối tượng theo vùng dựa thuật toán dự đoán vị trí đối tượng Particle Filter thuật tốn định tuyến đề xuất:  Đề xuất phương thức thực thuật toán lọc chất điểm  Đề xuất mơ hình giám sát đối tượng theo vùng tiết kiệm lượng 1.2 Cấu trúc nội dung luận án Nội dung luận án bao gồm bốn chương Trong tồn đóng góp khoa học luận án thể nội dung đề xuất thực chương chương Với nội dung cụ thể: - Chương 1: Trình bày tổng quan mạng cảm biến không dây đa chặng, khó khăn ứng dụng sống - Chương 2: Trình bày giao thức định tuyền tiết kiệm lượng mới: định tuyến mở rộng vòng tối ưu, định tuyến dựa vào lượng điều khiển cơng suất - Chương 3: Trình bày nghiên cứu thuật tốn ước lượng, dự đốn vị trí đối tượng Đề xuất phương pháp thực thuật toán lọc chất điểm ứng dụng mạng cảm biến khơng dây Đề xuất mơ hình giám sát theo vùng cách điều khiển bật tắt nút cảm biến dựa thuật toán ước lượng, dự đoán vị trí đối tượng - Chương 4: Kết luận hướng phát triển tiếp cho luận án CHƢƠNG TỔNG QUAN VỀ MẠNG CẢM BIẾN KHÔNG DÂY ĐA CHẶNG 1.1 Giới thiệu Mạng cảm biến không dây đa chặng mạng bao gồm nhiều nút cảm biến nhỏ giao tiếp thông qua kết nối không dây, nút cảm biến cảm nhận, tập trung liệu, phân tích tính tốn liệu thu thập sau truyền đơn chặng đa chặng trạm điều khiển để tiếp tục phân tích đưa định tồn cục mơi trường xung quanh Trong hình 1.1, nút cảm biến phân bố trường cảm ứng Mỗi nút cảm biến có khả thu thập liệu định tuyến đa chặng đến điểm xử lý tập trung gọi nút sink Dữ liệu định tuyến lại đến điểm xử lý tập trung cấu trúc đa chặng hình vẽ Các điểm xử lý tập trung giao tiếp với nút quản lý nhiệm vụ (task manager node) qua mạng Internet vệ tinh Hình 1.1 Ví dụ mạng cảm biến không dây đa chặng đơn giản 1.2 Cấu trúc mạng cảm biến không dây đa chặng 1.2.1 Đặc điểm cấu trúc mạng cảm biến Mạng cảm biến bao gồm số lượng lớn nút cảm biến, nút cảm biến có giới hạn buộc tài nguyên đặc biệt lượng khắt khe Do đó, cấu trúc mạng có đặc điểm khác với mạng truyền thống - Khả chịu lỗi cao - Khả mở rộng - Giá thành sản xuất thấp - Rằng buộc phần cứng: Kích thước nhỏ, tiêu thụ lượng thấp, khả tự hoạt động, thích nghi với mơi trường… - Môi trường hoạt động: Các nút cảm biến thiết lập dày đặc, gần trực tiếp bên tượng để quan sát chúng thường làm việc mà không cần giám sát vùng xa xôi - Phương tiện truyền dẫn: Ttruyền khơng dây đa chặng Các đường kết nối tạo nên sóng vơ tuyến, hồng ngoại phương tiện quang học Hiện nhiều phần cứng nút cảm biến dựa vào thiết kế mạch RF - Cấu hình mạng cảm biến: Có hàng trăm đến hàng nghìn nút triển khai trường cảm biến Chúng triển khai vòng hàng chục mét nút - Sự tiêu thụ lượng: Nút cảm biến không dây trang bị pin để hoạt động Thời gian sống nút cảm biến phụ thuộc mạnh vào thời gian sống pin Vì việc trì quản lý nguồn lượng đóng vai trò quan trọng 1.2.2 Kiến trúc giao thức mạng Kiến trúc giao thức mạng cảm biến trình bày hình 1.2 Kiến trúc bao gồm lớp mặt phẳng quản lý Các mặt phẳng quản lý làm cho nút làm việc theo cách có hiệu nhất, định tuyến liệu mạng cảm biến di động chia sẻ tài nguyên nút cảm biến Lớp liên kết liệu Phần quản lý nhiệm vụ Lớp mạng Phần quản lý di động Lớp truyền tải Phần quản lý lƣợng Lớp ứng dụng Lớp vật lý Hình 1.2 Kiến trúc giao thức mạng cảm biến 1.2.3 Hai cấu trúc đặc trƣng mạng cảm biến 1.2.3.1 Cấu trúc phẳng Trong cấu trúc phẳng (hình 1.3), tất nút ngang hàng đồng hình dạng chức Các nút giao tiếp với điểm xử lý tập trung trực tiếp qua đa chặng sử dụng nút ngang hàng làm tiếp sóng 1.2.3.2 Cấu trúc phân tầng Trong cấu trúc phân tầng (hình 1.4), mạng cảm biến chia thành vùng gọi cụm Các nút cảm biến cụm gửi liệu đơn chặng hay đa chặng tùy thuộc vào kích thước cụm đến nút định sẵn cụm, thường gọi nút chủ (cluster head) Sau nút chủ gửi đơn chặng đa chặng liệu tập trung đến nút xử lý tập trung Trong cấu trúc này, nút tạo thành hệ thống cấp bậc mà nút mức độ xác định thực nhiệm vụ định sẵn Trong cấu trúc tầng chức cảm nhận, tính tốn phân phối liệu không đồng nút Những chức theo cấp, cấp thấp thực nhiệm vụ cảm nhận, cấp thực tính tốn, cấp thực phân phối liệu hình 1.5 Nút chủ (Cluster Head) Nút cảm biến Nút cảm biến Điểm xử lý tập trung Điểm xử lý tập trung Hình 1.3 Cấu trúc phẳng mạng cảm biến Hình 1.4 Cấu trúc tầng mạng cảm biến Internet Nút cảm biến Cấp 2: Phân phối Cấp 1: Tính tốn Cấp 0: Cảm nhận Hình 1.5 Cấu trúc mạng phân cấp chức theo lớp 1.3 Ứng dụng mạng cảm biến không dây đa chặng 1.3.1 Ứng dụng qn đội Mạng cảm biến khơng dây phần tích hợp hệ thống điều khiển qn đội, giám sát, giao thiếp, tính tốn thơng minh, trinh sát, theo dõi mục tiêu - Giám sát lực lượng, trang thiết bị đạn dược - Giám sát chiến trường - Giám sát địa hình lực lượng quân định - Phát thăm dò vụ cơng hóa học, sinh học hạt nhân 1.3.2 Ứng dụng môi trƣờng - Phát cháy rừng - Phát lũ lụt thiên tai - Giám sát thú, động thực vật quý - Theo dõi điều kiện môi trường ảnh hưởng đến sống - Thăm dò, nghiên cứu nơi người không đặt chân đến 1.3.3 Ứng dụng chăm sóc sức khỏe Giám sát bệnh nhân, triệu chứng, quản lý thuốc bệnh viện, giám sát chuyển động xử lý bên côn trùng động vật nhỏ khác, theo dõi bác sĩ bệnh nhân bệnh viện 1.3.4 Ứng dụng gia định Đo nhiệt độ thông số môi trường khác Phát dịch chuyển nhà, hỗ trợ việc thiết kế tịa nhà thơng minh, tự động CHƢƠNG TỐI ƢU ĐỊNH TUYẾN ĐA CHẶNG TIẾT KIỆM NĂNG LƢỢNG 2.1 Giới thiệu chƣơng Chương đề xuất giao thức định tuyến đa chặng tiết kiệm lượng Từ giao thức kinh điển AODV, thực thay đổi cách thức gửi nhận tin định tuyến, thay đổi thơng số điều kiện tìm đường tốt nhất, luận án đề xuất giao thức định tuyến mở rộng vòng tối ưu EERS, định tuyến loại bỏ tuyến đường có mức lượng thấp ABR, định tuyến sử dụng hai điều kiện chọn đường RDC định tuyến kết hợp điều khiển công suất PRP 2.2 Phƣơng pháp định tuyến tiết kiệm lƣợng dựa giảm thiểu gói tin dƣ thừa Giao thức AODV sử dụng phương pháp làm tràn gói tin để tìm đường Quá trình làm tràn trình nút gửi thơng tin đến tồn nút mạng Đây phương pháp đơn giản khơng u cầu xử lý tính tốn nhiều nút khơng cần trì bảng định tuyến riêng Phương pháp giảm thời gian trễ trình tìm đường đi, thơng tin gửi tồn mạng nên việc tìm kiếm tìm đường nhanh chóng 2.2.1 Phƣơng pháp định tuyến mở rộng vòng – Expanding Ring Search (ERS) Với phương pháp làm tràn, nút cần tìm đường tới đích, nút gửi tin tồn mạng để tìm kiếm Điều dẫn đến tất nút mạng tham gia vào trình tìm đường gây tiêu tốn lượng Để khắc phục nhược điểm này, giao thức ERS sử dụng chế tìm kiếm mở rộng vịng để tìm đường Với chế nút muốn tìm đường đến nút khác, thay phải thực làm tràn ngay, quảng bá gói tin tìm đường RREQ phạm vi hop Gói tin RREQ có giá trị thời gian sống (Time To Live ) gán , sau lần chuyển tiếp qua nút, giá trị giảm đơn vị bị hủy đạt giá trị không Các nút trung gian nhận gói tin RREQ mà khơng có thơng tin nút đích, chuyển tiếp gói tin RREQ sang nút khác Nếu nút trung gian có thơng tin nút đích, gửi trả lại gói tin Route Reply (RREP) để thông báo cho nút nguồn biết đường đến nút đích Trong q trình gửi gói tin RREQ, nút lưu gói tin RREQ đệm trước chuyển tiếp gói tin RREQ Nếu nhận gói RREQ khác trùng với gói tin đệm, xóa gói tin mà không chuyển tiếp Việc làm tránh cho nút phải gửi tin trùng lặp Nút nguồn sau gửi tin RREQ đợi khoảng thời gian xác định Nếu sau khoảng thời gian nút nguồn không nhận lại tin RREP phản hồi, xác nhận khơng tìm thấy đường lại thực lại trình tìm đường tăng giá trị gói tin RREQ lên đơn vị Nếu sau nhiều lần tăng gửi RREQ khơng tìm đường lớn giá trị xác định, nút thực q trình làm tràn cho tồn mạng ban đầu 2.2.2 Đề xuất phƣơng pháp định tuyến mở rộng vòng giảm thiểu số nút tham gia định tuyến – Efficient Expanding Ring Search (EERS) Cơ chế ERS gặp phải nhược điểm: mạng có bán kính lớn nút nguồn nút đích xa nút nguồn phải thực trình tìm đường mở rộng vòng nhiều lần Điều dẫn đến việc nút vùng tìm kiếm phải tiêu tốn lượng nhiều Để giải vấn đề này, luận văn đề xuất giao thức tìm kiếm mở rộng vòng tối ưu EERS với phương pháp tối ưu lần tìm kiếm mở rộng sau dựa lần tìm kiếm trước a Làm tràn tin tìm đƣờng hiệu Trong trình làm tràn, từ tin đến, nút thu nhặt thông tin mơ hình nội thơng tin sử dụng để giảm số nút chuyển tiếp tin lần làm tràn Bởi vậy, kỹ thuật làm tràn hiệu chia thành hai phần: trước tiên thu thập thông tin từ nút lân cận sau q trình giảm dư thừa q trình làm tràn Thơng tin thu thập từ nút lân cận (Collecting Neighbors’ Information- CNI) cần trình làm tràn Khi trình làm tràn xảy ra, nút thu thập thông tin nút lân cận cách nghe ngóng tin gửi từ nút lân cận Mỗi nút có biến gọi relay để định xem có chuyển tiếp (forward) tin hay không lần làm tràn Nếu giá trị biến relay (true) nút nhận tin lần chuyển tiếp tin, ngược lại giá trị relay sai (false) nút không chuyển tiếp tin làm tràn, không cần quan tâm tin nhận lần đầu hay không Giá trị khởi tạo biến relay sai trình làm tràn lần (quá trình CNI), tất nút chuyển tin không cần xác định giá trị biến Quá trình xử lý nút xảy theo bước sau: Khi nhận tin làm tràn, nút chuyển tiếp tin chưa nhận tin trước Trước gửi tin ra, nút gán thêm địa nút gửi tin cho (Predecessor) vào tin liệu sau gửi quảng bá tin Nếu nút nhận tin làm tràn trước đó, lấy thơng tin Predecessor gói tin liệu trước hủy tin Nút so sánh thông tin Predecessor với địa Nếu hai thơng tin trùng khớp, nút thiết lập giá trị biến relay Cịn khơng, biến relay giữ nguyên giá trị sai Trong pha thứ hai, giảm bớt dư thừa trình làm tràn (Reducing the Overhead of Flooding - ROF), trình làm tràn khác xảy dư thừa q trình làm tràn giảm bớt cách sử dụng giá trị biến relay nút Chỉ nút có biến relay thiết lập true chuyển tiếp tin nhận từ nút lân cận nó, nút với relay có giá trị false nhận tin không chuyển tiếp Do giúp giảm thiểu tin dư thừa, giảm bớt số nút mạng tham gia định tuyến, tiết kiệm lượng tồn mạng b Tiết kiệm lƣợng tìm kiếm mở rộng vịng Trong lần tìm kiếm đầu tiên, nút nguồn gửi broadcast tin request để tìm đường tới đích với hops xung quanh Mọi nút vịng trịn tìm kiếm thu thập thơng tin mơ hình mạng nội dựa việc làm tràn (sử dụng CNI) Chúng xác định giá trị biến Relay qua tin gửi từ nút lân cận Nếu khơng có đường tới đích, nút nguồn tăng bán kính vịng tìm kiếm khởi tạo lại q trình tìm kiếm (tìm kiếm lần hai) Một số nút tham gia lần tìm kiếm khơng chuyển tiếp tin cách áp dụng ROF Các nút khơng chuyển tiếp tin có biến relay thiết lập sai (false) Các nút không nằm vùng tìm kiếm phải thực trình CNI để xác định giá trị biến relay Tìm kiếm lần ba xảy khơng tìm đường đến đích, nút nguồn tiếp tục tăng bán kính vịng tìm kiếm bắt đầu tìm kiếm lần Giống lần tìm kiếm thứ hai, số nút tham gia lần tìm kiếm thứ thứ hai bị im lặng ROF Các nút không nằm hai vùng tìm kiếm lần hai phải thực CNI Tương tự vậy, tiến trình xảy lần bốn, năm… nút nguồn tiếp tục mở rộng vịng tìm kiếm thơng tin đích 2.2.3 Kết mô Sử dụng phần mềm NS2 để mơ đánh giá kịch với mơ hình mạng 50 nút, 60 nút, 70 nút, 80 nút, 90 nút 100 nút mạng Hình 2.1 biểu diễn thời gian sống mạng sử dụng giao thức AODV, ERS EERS Từ đồ thị ta thấy giao thức EERS trì thời gian hoạt động mạng tốt so với ERS AODV Kết cao hẳn AODV cao chút so với ERS Điều chứng tỏ sử dụng EERS nút sử dụng lượng hiệu Dù số nút mạng thay đổi nhiều hay kết thu EERS đạt hiệu lượng tốt hơn, kéo dài tuổi thọ mạng Thời gian (s) 110 AODV ERS EERS 100 90 80 70 60 50 60 70 80 90 Số nút mơ (nút) 100 Hình 2.1 So sánh thời gian sống mạng AODV, ERS EERS PDR(%) 100 95 AODV 90 ERS EERS 85 80 Throughput (Kbps) Hình 2.2 kết so sánh tỷ lệ truyền gói tin thành cơng EERS, ERS AODV Theo kết mô này, tỷ lệ truyền gói tin sử dụng giao thức định tuyến EERS gần tương tự ERS cao AODV Hình 2.3 cho ta thấy kết thông lượng mạng sử dụng giao thức định tuyến EERS, ERS AODV Từ đồ thị ta thấy thông lượng mạng sử dụng EERS ERS tốt AODV Với tình mơ phỏng, vị trí nút cảm biến, số lượng kết nối tin truyền mạng, EERS ERS thu thơng lượng tốt tỷ lệ truyền gói tin thành công tốt Trong mô này, số lượng nút tăng thơng lượng mạng tăng, khơng phải xu hướng kết quả, đơn giản mô sau, số lượng kết nối tăng lên, kéo theo lượng liệu truyền mạng nhiều hơn, từ làm tăng thơng lượng mạng 200 150 100 AODV ERS 50 EERS 50 60 70 80 90 Số nút mô (nút) 100 50 60 70 80 90 Số nút mơ (nút) 100 Hình 2.3 So sánh thơng lượng Hình 2.2 So sánh tỷ lệ truyền gói tin thành cơng 2.3 Các phƣơng pháp nâng cao thời gian sống mạng dựa vào lƣợng nút cảm biến 2.3.1 Đề xuất phƣơng pháp định tuyến dựa vào mức lƣợng nút cảm biến để loại bỏ tuyền đƣờng có mức lƣợng thấp Luận văn đề xuất giao thức Avoid Bad Route – ABR giao thức phát triển từ giao thức EERS với việc tìm đường dựa tiêu chí bước nhảy mạng hopcount lượng Trong thuật toán ABR tin route request route reply bổ sung thêm trường lưu giá trị lượng: trường rq_min_energy tin RREQ rp_energy RREP Trường rq_min_energy lưu giá trị lượng nút có lượng nhỏ đường qua để nút đích có sở lựa chọn Trường rp_energy tin RREP lưu thông số lượng tuyến đường chọn để nút cập nhật vào bảng định tuyến Begin Begin Receive RREQ Create RREQ with rq_min_energy = limited Yes Create new RREQ Have destination information Broadcast RREQ No t >= T No Rq_min_energy > Route energy threshold No Yes Yes Is there RREP No Rq_min_energy > Node_energy Send RREP Yes Add route into routing table Send data packet to destination End Rq_min_energy = Node_energy No Forward RREQ End Hình 2.5 Thuật tốn ABR thực nút trung gian Hình 2.4 Thuật tốn ABR thực nút nguồn Tại nút đích (trong hình 2.6), nút đích có giá trị ngưỡng lượng để xác định đường thỏa mãn Giá trị Destination_threshold_energy khởi tạo 20J Việc khởi tạo giá trị phụ thuộc vào mơ hình mạng lượng nút mạng Giá trị khởi tạo lớn việc dùng ngưỡng để xác định đường sử dụng sớm Và ảnh hưởng đến độ trễ mạng Biến Temp_energy_threshold khởi tạo 0J Biến dùng để lưu lại giá trị lớn rq_min_energy từ tin RREQ nhận Sau sử dụng để điều chỉnh lại ngưỡng lượng nút ngưỡng cao so với giá trị lượng thực tế nút mạng Với lưu đồ mơ tả hình 2.6, nút đích nhận tin tìm đường RREQ, nút đích kiểm tra xem tin nhận lần tin trùng lặp hay không cách sử dụng giá trị broadcast id tin Nếu tin RREQ nhận tin lần tin trùng lặp, giá trị trường rq_min_energy tin so sánh với biến Temp_energy_threshold Nếu giá trị lớn giá trị Temp_energy_threshold Temp_energy_threshold update giá trị rq_min_energy Sau nút đích kiểm tra xem tuyến đường có thỏa mãn điều kiện lượng hay không cách so sánh giá trị Rq_min_energy Destination_threshold_energy Nếu giá trị Rq_min_energy lớn Destination_threshold_energy tức đường thỏa mãn điều kiện lượng, nút đích gửi lại tin RREP thông báo đường cho nút nguồn Trong trường hợp không thỏa mãn điều kiện lượng nút đích hủy tin RREQ chờ tin Nếu tin RREQ nhận tin thuộc vịng tìm kiếm tiếp theo, có nghĩa vịng tìm kiếm trước khơng tìm đường thỏa mãn điều kiện lượng Nút đích thực giảm giá trị ngưỡng thấp giá trị Temp_energy_threshold Trong mô giảm 3J Temp_energy_threshold với cách tính giá trị lượng lớn rq_min_energy vịng tìm đường thất bại trước Và 3J số ước lượng lượng nút bị giảm hai lần gửi tin RREQ từ nút nguồn Lúc nút đích có giá trị ngưỡng mới, so sánh với giá trị tin RREQ nhận xác định tuyến đường thỏa mãn trường hợp trước Nếu khơng có đường thỏa mãn, nút nguồn lại gửi tiếp tin RREQ nút đích lại tiếp tục giảm ngưỡng đến phù hợp Begin Destination_threshold_energy = 20 Temp_energy_threshold = Receive RREQ Broadcast ID = or Broadcast ID = Old Broadcast ID Yes No Temp_energy_threshold = max(Temp_energy_threshold, Rq_min_energy) Destination_threshold_energy = Temp_energy_threshold – 3; Temp_energy_threshold = Rq_min_energy Rq_min_energy >= Destiantion_threshold_energy Rq_min_energy >= Destiantion_Threshold_energy Yes No Yes Delete RREQ No Delete RREQ Send RREP (RREP includes Rp_energy = Destiantion_Threshold_energy) Send RREP (RREP includes Rp_energy = Destiantion_threshold_energy) End Hình 2.6 Thuật tốn ABR thực nút đích Với cách làm này, tuyến đường nút nguồn nhận đảm bảo lượng để hoạt động, tuyến đường có nút lượng thấp hạn chế sử dụng, lượng nút mạng giảm thời gian sống mạng tăng cường Khi tuyến đường có mức lượng đảm bảo ổn định hơn, giúp tăng tỷ lệ truyền gói tin thành cơng băng thông hệ thống mạng Việc tuyến đường bị lỗi kết nối trình truyền data hạn chế 2.3.2 Đề xuất phƣơng pháp định tuyến dựa vào hai điều kiện để chọn đƣờng tốt - Routing Dual Criterion (RDC) Trong thuật toán này, nút lựa chọn đường tốt dựa vào hai tham số hopcount lượng cịn lại nút Để làm việc đó, trường rp_min_energy đưa tin RREQ trường rp_energy đưa vào tin RREP để thu thông tin lượng lại nhỏ nút đường mà tin qua Các trường có giá trị khởi tạo vơ thay đổi qua nút Với giá trị đó, thơng số dùng lựa chọn đường tốt lúc là: (2.1) Về chi tiết cách thức gửi xử lý tin RREQ RREP thuật toán RDC hoạt động tương tự EERS, khác thông số lựa chọn đường EERS lựa chọn đường tốt dựa vào hopcount RDC dựa vào giá trị 2.3.3 Kết mô Sử dụng phần mềm NS2 để mô đánh giá giao thức đề xuất với mô phỏng: - Mơ 1: Mơ hình 50 nút mạng với vị trí xếp ngẫu nhiên để tạo thành mơ hình mạng Thời gian (s) 80.000 60.000 40.000 PRP 20.000 AODV 0.000 60 70 80 90 100 110 120 Throughput (Kbps) 100.000 8.000 6.000 4.000 PRP 2.000 AODV 0.000 60 Số nút mạng (nút) Hình 2.13 So sánh thời gian sống mạng sử dụng AODV PRP 70 80 90 100 110 120 Số nút mạng (nút) Hình 2.14 So sánh thơng lượng mạng sử dụng AODV PRP 100.000 PDR (%) 80.000 PRP AODV 60.000 40.000 20.000 0.000 60 70 80 90 100 110 Số nút mạng (nút) 120 Hình 2.15 So sánh tỷ lệ truyền gói tin thành cơng sử dụng PRP AODV 2.5 Tổng kết chƣơng Bắt nguồn từ giao thức định tuyến kinh điển AODV, luận văn thay đổi cách thức gửi tin định tuyến, thay đổi thông số chọn đường áp dụng kỹ thuật điều khiển công suất tạo giao thức định tuyến nhằm sử dụng hiệu lượng mạng cảm biến không dây đa chặng gồm EERS, ABR, RDC PRP Các kết mô phần mềm NS2 giao thức đề xuất thu kết sử dụng lượng tốt giao thức truyền thống AODV thông số khác mạng băng thông (throughput), độ trễ (delay), tỷ lệ truyền gói tin thành cơng (PDR) đảm bảo CHƢƠNG TIẾT KIỆM NĂNG LƢỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY ĐA CHẶNG SỬ DỤNG PHƢƠNG PHÁP ƢỚC ĐỐN VỊ TRÍ CỦA ĐỐI TƢỢNG 3.1 Giới thiệu chƣơng Với kỹ thuật định tuyến trình bày trên, mạng cảm biến khơng dây thu hiệu đáng kể sử dụng lượng Tuy nhiên ứng dụng giám sát đối tượng mạng cảm biến không dây, đối tượng di chuyển mạng cảm biến thời điểm định đối tượng vị trí mạng cảm biến Do việc tất nút cảm biến hoạt động thời điểm khơng cần thiết gây tiêu tốn lượng tồn mạng Với ý tưởng dự đốn vị trí đối tượng mạng cảm biến sau điều khiển bật tắt nút cảm biến quanh khu vực dự đoán luận án thu mơ hình giám sát theo vùng sử dụng lượng hiệu so với mô hình giám sát tồn mạng tất nút cảm biến bật Trong phần luận án này, trình bày thuật toán sử dụng để dự đoán vị trí hướng di chuyển đối tượng sau mơ để thấy việc sử dụng mơ hình giám sát đối tượng theo vùng hiệu giám sát tồn mạng 3.2 Cơ sở tốn học 3.2.1 Định lý xác suất Bayes Theo định lý Bayes, có: ( | ) ( | ) ( ) ( ) 11 (3.1) Trong đó:  ( | ) gọi xác suất hậu nghiệm (posterior probability) tín hiệu B biết tín hiệu A rút phụ thuộc vào giá trị cho A  ( | ) gọi xác suất (likelihood probability) A biết tín hiệu B  ( ) gọi xác suất tiền nghiệm (prior probability) B hồn tốn độc lập với tồn A, nói cách khác, việc đưa xác suất hồn tồn khơng phụ thuộc vào có mặt A  ( ) xác suất A, đại lượng cịn gọi số chuẩn hóa (normalising constant), ln giống nhau, khơng phụ thuộc vào kiện B muốn biết Khi giải tốn theo vết đối tượng thực tế, mục đích việc tính tốn, ước lượng để đưa xác suất hậu nghiệm cách sử dụng hàm xác suất tiên nghiệm 3.2.2 Hàm phân bố xác suất hàm mật độ xác suất biến ngẫu nhiên 3.2.2.1 Hàm phân bố xác suất (Probability Distribution Function) Hàm phân bố xác suất biến ngẫu nhiên X, kí hiệu F ( X ) , xác suất để biến ngẫu nhiên X nhận giá trị nhỏ x, với x số thực bất kỳ: ( ) ( ) (3.2) Đối với hàm phân bố xác suất, ta có tính chất quan trọng sau: ( ) ( ) ( ) (3.3) ( ) ( ) (3.4) Từ định nghĩa hàm phân bố xác suất ( ) ( ) ta nhận thấy hàm phân bố xác suất phản ánh mức độ tập trung xác suất phía bên trái số thực 3.2.2.2 Hàm mật độ xác suất (Probability Density Function) Hàm mật độ xác suất biến ngẫu nhiên liên tục , kí hiệu ( ), đạo hàm bậc hàm phân bố xác suất biến ngẫu nhiên đó: ( ) ( ) (3.5) Một số tính chất quan trọng hàm mật độ xác suất: ( ) (3.6) ( ) ∫ ( ) (3.7) ∫ ( ) ( ) (3.8) ∫ ( ) (3.9) 3.2.3 Kỳ vọng phƣơng sai biến ngẫu nhiên 3.2.3.1 Kỳ vọng biến ngẫu nhiên Giả sử biến ngẫu nhiên rời rạc nhận giá trị có với xác suất tương ứng Kỳ vọng biến ngẫu nhiên rời rạc , ký hiệu ( ) tổng tích giá trị có biến ngẫu nhiên với xác suất tương ứng: ( ) ∑ (3.10) Nếu biến ngẫu nhiên liên tục với hàm mật độ xác suất ( ) kỳ vọng ( ) xác định biểu thức: ( ) ∫ ( ) (3.11) Ta nhận thấy, kỳ vọng biến ngẫu nhiên phản ánh giá trị trung tâm phân phối xác suất biến ngẫu nhiên 3.2.3.2 Phương sai biến ngẫu nhiên Trong thực tế, biết giá trị kỳ vọng biến ngẫu nhiên ta chưa thể xác định biến ngẫu nhiên đó, ta khơng thể biết mức độ phân tán giá trị biến ngẫu nhiên xung quanh giá trị trung bình Từ có khai niệm phương sai biến ngẫu nhiên Phương sai biến ngẫu nhiên , ký hiệu ( ) kỳ vọng bình phương sai lệch biến ngẫu nhiên so với kỳ vọng nó: ( ) ( ), (3.12) Nếu biến ngẫu nhiên rời rạc phương sai xác định theo cơng thức: ( ) ∑ , ( )∑ ,( )(3.13) 12 biến ngẫu nhiên liên tục phương sai xác định theo cơng thức: ( ) ∫ , ( )- ( ) ( ) , ( )(3.14) ∫ Như xuất phát từ định nghĩa phương sai, ta thấy phương sai trung bình số học bình phương sai lệch giá trị có biến ngẫu nhiên so với giá trị trung bình giá trị Do phản ánh mức độ phân tán giá trị biến ngẫu nhiên xung quanh giá trị trung bình kỳ vọng Nếu 3.2.4 Mơ hinh hóa hệ thống khơng gian trạng thái động Mơ hình khơng gian trạng thái hệ thống biểu diễn thơng qua hai phương trình sau: Phương trình trạng thái: ( ) (3.15) Phương trình quan sát: ( ) (3.16) Với:  trạng thái hệ thống – đại lượng quan sát (unobserved system state) tín hiệu đo đạc – đại lượng quan sát (observed measurement signal) thời điểm  hàm chuyển trạng thái (state transition function) hàm quan sát (observation function) Trong trường hợp tổng quát, hàm phi tuyến  nhiễu xử lý (process noise) nhiễu quan sát (observation noise) với hàm phân phối xác suất biết Trong trường hợp tổng quát, nhiễu tuân theo hàm phân phối xác suất phi Gauss  đầu vào hệ thống thời điểm Ta kí hiệu rằng: * + tập trạng thái hệ thống từ thời điểm tới thời điểm  * + tập tín hiệu quan sát từ thời điểm tới thời điểm  Ngoài ra, hồn tồn biểu diễn mơ hình khơng gian trạng thái động đối tượng thông qua hàm mật độ xác suất sau:  Phương trình trạng thái: ( | )  Phương trình quan sát: ( | ) 3.3 Thuật toán lọc chất điểm (Particle Filter) 3.3.1 Các điều kiện buộc thuật tốn lọc chất điểm Khơng tính tổng qt, ta xét hệ (hệ hệ tín hiệu, hệ học, ) có khơng gian trạng thái mơ hình hóa hàm phi tuyến tuân theo phân phối phi Gauss thỏa mãn giả định sau:  Chuỗi trạng thái hệ thỏa mãn giả định hệ Markov bậc Tức là: p( xt | x0:t 1 )  p( xt | xt 1 ) (3.17)  Các giá trị đo có thời điểm phụ thuộc vào trạng thái hệ thời điểm Tức là: t p( y1:t | x1:t )   p( yi | xi ) (3.18) i 0 3.3.2 Hƣớng tiếp cận lọc thuật toán lọc chất điểm Trong thực tế, mục tiêu toán lọc thường tìm lời giải cho hàm mật độ xác suất hậu nghiệm p( x0:t | y1:t ) , từ đưa kỳ vọng hàm ft ( x0:t ) sau: E[ ft ( x0:t )]   ft ( x0:t ) p( x0:t | y1:t )dx0:t (3.19) Không giống phương pháp lọc trình bày trước – phương pháp dựa phép tốn giải tích, phương pháp Monte Carlo dựa mô xấp xỉ hàm mật độ tích phân tập mẫu liệu sinh hàm mật độ tích phân Nói cách khác, mơ hàm mật độ xác suất hậu nghiệm p( x0:t | y1:t ) cách lấy N điểm ngẫu ( nhiên x0:it) , i  1, N Các mẫu vẽ từ hàm mật độ xác suất p( x0:t | y1:t ) , ta đưa công thức thực nghiệm sau: 13 p(dx0:t | y1:t )  N N (  ( x0:t  x0:it) )  N  x0:(it) (dx0:t ) N i1 i 1 (3.20) Và dễ dàng xấp xỉ kỳ vọng sau: N (  ft ( x0:it) ) N i1 E[ ft ( x0:t )]   ft ( x0:t ) p(dx0:t | y1:t )  (3.21) Ta nhận thấy cách tiếp cận dễ dàng việc tính tốn ước lượng hàm phân bố hậu nghiệm Nhưng thực tế, thường cách để tạo tập mẫu ngẫu nhiên từ phân phối xác suất p( x0:t | y1:t ) , p( x0:t | y1:t ) trường hợp tổng quát thường hàm đa biến khơng có dạng chuẩn định Nhiều phương pháp tiếp cận phát triển nhằm giải nhược điểm là:  Phương pháp hàm tích lũy xác suất nghịch đảo (Inversed CDF)  Phương pháp lấy mẫu loại trừ (Rejection Sampling)  Thuật toán Metropolis – Hastings (Metropolis – Hastings Algorithm)  Phương pháp lấy mẫu quan trọng (Importance Sampling - IS) Trong số phương pháp phương pháp lấy mẫu quan trọng phương pháp sử dụng lọc chất điểm 3.3.3 Lấy mẫu quan trọng (Importance Sampling) Như nói trên, thơng thường khó lấy mẫu trực tiếp từ hàm phân phối xác suất hậu nghiệm Thay vào đưa hàm phân phối đề xuất (Proposal Distribution)  ( x0:t | y1:t ) thay Khi phương trình (3.19) tương đương với: E[ ft ( x0:t )]   ft ( x0:t ) p( x0:t | y1:t )  ( x0:t | y1:t )dx0:t   ft ( x0:t )w( x0:t ) ( x0:t | y1:t )dx0:t  ( x0:t | y1:t ) (3.22) Trong w( x0:t ) biểu thị công thức sau: w( x0:t )  p( x0:t | y1:t ) p( y1:t | x0:t ) p( x0:t )   ( x0:t | y1:t ) p( y1:t ) ( x0:t | y1:t ) (3.23) ( Dựa phương pháp Monte Carlo, chọn N mẫu {x0:it) , i  1, , N} từ hàm phân phối  ( x0:t | y1:t ) , ước lượng hàm phân phối trạng thái là: E[ ft ( x0:t )]  N ( (  ft ( x0:it) )w( x0:it) ) N i1 (3.24) Giả sử gọi w( x0:t ) trọng số chưa chuẩn hóa Khi w( x0:t ) biểu diễn sau: w( x0:t )  p( y1:t | x0:t ) p( x0:t )  ( x0:t | y1:t ) (3.25) Khi ta có: E[ ft ( x0:t )]   ft ( x0:t ) w( x0:t )  ( x0:t | y1:t )dx0:t  p( y1:t )  f ( x )w( x ) ( x | y )dx  w( x ) ( x | y )dx t 0:t 0:t 0:t 0:t 0:t 1:t 1:t 0:t (3.26) 0:t Nên N ( ( i1 ft ( x0:it) )w( x0:it) ) N (i ) (i ) E[ ft ( x0:t )]  N   ft ( x0:t )w( x0:t ) N (i ) i 1  w( x0:t ) N i1 (3.27) Trong đó: w t(i )  ( w( x0:it) )  14 N ( w( x0:it) ) i 1 (3.28) Là trọng số chuẩn hóa Và đó, ta có biểu thức tương đương sau: w t(i ) =Nw t(i ) (3.29) Chính hàm mật độ xác suất hậu nghiệm p( x0:t | y1:t ) xấp xỉ sau: N ˆ p(dx0:t | y1:t )  p(dx0:t | y1:t )   w t(i ) x( i ) (dx0:t ) (3.30) 0:t i 1 Và kỳ vọng biểu diễn bằng: ˆ ˆ E[ ft ( x0:t )]  E[ ft ( x0:t )]   ft ( x0:t ) p(dx0:t | y1:t ) (3.31) Về nguyên tắc, phương pháp phương pháp lấy mẫu từ hàm đề xuất biết trước gọi phương pháp lấy mẫu quan trọng (Important Sampling) Như thấy phương pháp lấy mẫu quan trọng giải việc ước lượng hàm phân phối xác suất hậu nghiệm điều kiện hàm khó đánh giá Tuy nhiên vấn đề trở ngại gặp phải làm việc với phương pháp liệu phải thu thập trước ước lượng ( | ), trọng số phải tính tốn lại tồn có liệu Để giải vấn đề này, người ta đưa phương pháp lấy mẫu quan trọng Với phương pháp này, khối lượng tính tốn giảm nhiều so với phương pháp lấy mẫu quan trọng 3.3.4 Lấy mẫu quan trọng (Sequential Important Sampling – SIS) Để thực thuật toán cách nội suy, nhận thấy rằng:  ( x0:t | y1:t )   ( x0:t 1 | y1:t 1 ) ( xt | x0:t 1, y1:t ) (3.32) Như theo tính chất đệ quy ta có: t  ( x0:t | y1:t )   ( x0 ) ( xk | x0:k 1, y1:k ) (3.33) k 1 Ta có thuật tốn SIS: Thuật tốn lấy mẫu quan trọng SIS [{ () () } ] [{ () () } ]  FOR i=1:N i) o Sinh xt(i ) ~  ( xt | xt(1, yt ) (i ) t (i ) o Tính theo w cơng thức w =w t1 (i ) t p( yt | xt(i ) ) p( xt(i ) | xt(i1) )  opt ( x(i ) | x(i ) , yt ) t t 1  END FOR  FOR i=1:N, chuẩn hóa trọng số mẫu w( xt(i ) ) (i ) wt  N  i1 w( xt(i ) )  END FOR Giả sử mơ tả khơng gian trạng thái hệ thống thơng qua phương trình sau: xk  25 xk 1 xk 1   8cos(1.2k )+w k 2  xk 1 (3.34) xk  vk 20 (3.35) yk  Trong đó, nhiễu xử lý nhiễu quan sát trình ước lượng Để đơn giản, mô coi nhiễu nhiễu trắng tuân theo phân phối Gauss chuẩn N (0,1) Dễ dàng nhận thấy phương trình hệ thống phương trình phi tuyến Quá trình mơ thực Matlab với thời gian mô 50s Kết mô hình 3.1, 3.2 3.3 Qua kết mơ tương ứng với số lượng chất điểm N 100, 1000 5000, ta rút số nhận xét sau: 15  So với kết theo vết thu thông qua lọc Kalman mở rộng, kết theo vết thu từ thuật tốn SIS xác nhiều Tuy nhiên, bên cạnh từ kết thu thuật toán SIS ta dễ dàng nhận thấy rằng: số lượng vị trí mà thuật tốn SIS đưa kết ước lượng chưa xác cịn cao Nguyên nhân chủ yếu tượng thuật tốn SIS gặp phải vấn đề thối hóa giá trị trọng số trình hoạt động hoạt động trình bày chi tiết phần Hình 3.1 Kết thuật toán SIS ứng với N = 100 mẫu Hình 3.2 Kết thuật tốn SIS ứng với N = 1000 mẫu Hình 3.3.Kết thuật toán SIS ứng với N = 5000 mẫu 3.3.5 Vấn đề thối hóa mẫu giải pháp lấy mẫu lại (Resampling) Như đề cập trên, phương pháp lấy mẫu quan trọng loại bỏ vấn đề liên quan nhờ thực việc tính tốn truy hồi, lại phát sinh nhược điểm ảnh hưởng quan trọng tới kết tính tốn Từ thực nghiệm người ta nhận thấy rằng, sau số lần lặp, số chất điểm có trọng số với độ lớn khơng đáng kể Điều xảy phương sai trọng số tăng cách ngẫu nhiên theo thời gian Để giải vấn đề người ta đưa phương pháp lấy mẫu lại (resampling) Ý tưởng phương thức là: mẫu mà trọng số có giá trị nhỏ thay trọng số có giá trị lớn Khi thuật toán SIS thay thuật toán SIR Tuy nhiên biết cần phải thực việc tái chọn mẫu? Để làm điều này, đưa đại lượng đo mới, gọi kích thước mẫu hiệu dụng (Effective Sample Size) Độ đo cho phép biết số mẫu thuật tốn có ảnh hưởng chủ yếu tới kết ước lượng từ biết cần phải thực việc tái chọn mẫu thuật tốn ̂ (3.36) () ∑ 16 / Thuật toán lấy mẫu lại (Resampling Algorithm) [{ ( ) ( ) } ] () [{ () } ]    Bắt đầu thuật toán Khởi tạo hàm CDF: c1 = FOR i = : N o Xây dựng hàm CDF:  END FOR  i=1  Lấy điểm ngẫu nhiên u1 theo  FOR o ( ) o WHILE  o END WHILE ( ) () o Gán mẫu: ( ) o Gán trọng số: o Gán  END FOR Kết thúc thuật toán () , - 3.3.6 Thuật toán Generic Particle Filter – GPF Thuật toán Generic Particle Filter thực tương tự thuật toán SIS, sau trải qua bước SIS, thuật toán kiểm tra xem có tượng thối hóa mẫu khơng, có thuật toán dùng thuật toán lấy mẫu lại trình bày để tiến hành lấy mẫu lại Chi tiết sau: [{ () ()   } ] [{ () () Bắt đầu thuật toán FOR () o Lấy mẫu o } ( | ] () Tính toán trọng số mới, ) () , (i ) t (i ) w =w t1 p( yt | xt(i ) ) p( xt(i ) | xt(i1) )  opt ( x(i ) | x(i ) , yt ) t o    Chuẩn hóa trọng số: w t  (i ) t 1 (i ) t w( x )  N i 1 w( xt(i ) ) END FOR Tính ̂ theo 3.67 IF ̂ [{ ( ) ( ) } ] [{ () () } ]  END IF Kết thúc 3.3.6 Thuật Sampling Importance Resampling – SIR Cũng với mục đích giảm ảnh hưởng tượng thối hóa mẫu tăng khả áp dụng lọc chất điểm PF cho ứng dụng khác SIR thu từ SIS sau: () () - Hàm mật độ quan trọng ( | ) thay ( | ) - Thực thuật toán RESAMPLE tất chu kỳ lặp Như vậy, việc cập nhật trọng số thực đơn giản sau: () () () ( | ) (3.37) 17 Nhưng thực lấy mẫu lại tất lần lặp, nên () () vậy: () ( | ) Với cách thiết đặt nói SIR dạng đơn giản lọc chất điểm PF (3.38) Thuật toán Sampling Importance Resampling (SIR)  x(i ) , w    SIR x(i ) , w (i ) N , y   t   t 1 t 1 i1 t       FOR i=1:N o Sinh ngẫu nhiên ( ) ( | ( ) ) () o Tính theo w t(i ) cơng thức ( ) ( | )  END FOR  FOR i=1:N, chuẩn hóa trọng số mẫu w (i ) w t(i )  N t (i )  i1 w t (i ) N t i 1   END FOR Tiến hành lấy mẫu lại theo thuật toán RESAMPLE [{ ( ) ( ) } ] [{ () () } ]  Kết thúc thuật toán 3.3.7 Mơ thuật tốn lọc chất điểm Quay trở lại toán theo vết mà tiếp cận trước phần Q trình mơ thực Matlab với thời gian mô 50s 150s Các kết hình từ 3.4 đến 3.9 cho ta thấy:  Trong kết mô phỏng, điểm màu đỏ biểu diễn vị trí thật đối tượng thời điểm t, kết theo vết sử dụng thuật toán lọc chất điểm thuật toán lọc Kalman mở rộng có màu xanh dương màu xanh lục  So với thuật toán lọc Kalman mở rộng – sử dụng nhằm khắc phục nhược điểm lọc Kalman truyền thống việc giải toán mà hệ thống phi tuyến nhiễu tuân theo hàm phân phối phi Gauss – thuật tốn lọc chất điểm cho kết tốt nhiều, điều thể việc: số lượng điểm màu đỏ lọc chất điểm bám theo xác  Khi số chất điểm tăng dường kết theo vết lọc chất điểm tốt Điều chứng minh kết mô Hình 3.4 Kết thuật tốn SIR ứng với N = 100, t = 50s Hình 3.5 Kết thuật toán SIR ứng với N = 1000, t = 50s 18 Hình 3.6 Kết thuật tốn SIR ứng với N = 5000, t = 50s Hình 3.7 Kết thuật toán SIR ứng với N = 100, t = 150s Hình 3.8 Kết thuật tốn SIR ứng với N = 1000, t = 150s Hình 3.9 Kết thuật toán SIR ứng với N = 5000, t = 150s 3.4 Đề xuất ứng dụng giám sát đối tuợng mạng cảm biến không dây sử dụng lọc chất điểm 3.4.1 Mơ hình hóa tốn Bài toán đặt giám sát đối tượng di chuyển mạng cảm biến không dây Giả sử đối tượng di chuyển với vận tốc khảng với hướng di chuyển bất kỳ, trước Yêu cầu xác định vị trí đối tượng, giảm tối đa trễ kéo dài tối đa thời gian sống mạng Các mơ hình sử dụng: - Mơ hình di chuyển đối tượng: Như đề cập trên, giả thiết đối tượng di chuyển theo hướng bất kỳ, tốc độ di chuyển khơng q nhanh Đồng thời đối tượng xuất đâu mạng Do tính chất di chuyển ngẫu nhiên không theo quy luật nên khó dùng phương trình diễn tả cách xác di chuyển mục tiêu Tuy nhiên, PF khơng địi hỏi phải miêu tả chi tiết phương trình Cũng có khó khăn là: khơng miêu cách xác hành vi di chuyển đối tượng, khoảng thời gian ngắn ta coi đối tượng di chuyển thẳng mục đích để phục vụ cho việc thực lan truyền chất điểm thuật toán PF, vấn đề trình bày phần sau - Mơ hình đo lường: Để mơ hình hóa mơ hình cảm biến nút cảm biến, giả sử giá trị đo lường khoảng cách vị trí cho mục tiêu thời điểm cảm biến vị trí nút cảm biến thực phép đo Mơ hình cảm biến phù hợp với nhiều ứng dụng thực tế Các giá trị đo lường giả thiết có nhiễu Nhiễu đo lường nhiễu phi Gaussian - Mơ hình hóa tốn giám sát mục tiêu: Một số ký hiệu sử dụng để mô tả phương pháp thực hiện: đo lường thu nút { } tập tất đo lường thu thời điểm t, cảm biến thứ i tập n nút cảm biến Thời điểm khởi tạo, từ tập tính trạng thái cho mục tiêu Kèm theo lấy tập N hạt theo phân bố p(x0), dựa theo phân bố tính tốn giá trị trọng số cho hạt Tiếp theo bước chuẩn hóa trọng số, cuối trình quảng bá chất điểm vừa tạo kết thúc bước khởi tạo PF Trong bước lặp tiếp theo, hệ thống thực bước Dự đoán Cập nhật để giám sát đối tượng 19 3.4.2 Đề xuất phƣơng pháp thực lọc chất điểm PF có ba pha sau: Khởi tạo N chất điểm, lan truyền chất điểm tính tốn trọng số (cập nhật trọng số) Chi tiết hoạt động pha trình bày chi tiết phần 3.4.2.1 Pha khởi tạo N chất điểm Trong số nghiên cứu trước đây, tác giả lấy vị trí nút mạng làm vị trí chất điểm Luận án sử dụng thuật ngữ Particle Cloud – đám mây chất điểm vùng xác định N chất điểm Ý tưởng đưa trạng thái vị trí x0, trạng thái ước lượng ̂ đám mây chất điểm Particle Cloud từ tập thông tin đo đạc Vị trí ước lượng ̂ xác định giá trị biểu diễn cho nút cảm biến Với khoảng cách xa từ nút cảm biến tới đích, giá trị thấp biểu diễn cho nút Sở dĩ sử dụng thuật ngữ đám mây chất điểm mong muốn chất điểm phủ kín vị trí ̂ vừa tính ra, thơng qua bước lan truyền chất điểm, đám mây bao phủ tốt vị trí thực mục tiêu, qua kết ước lượng xác Sử dụng phân phối xác suất thống kê để tạo đám mây chất điểm, kèm theo khởi tạo trọng số cho chất điểm Cách làm đánh giá đơn giản chủ động thay đổi cấu trúc đám mây chất điểm để tìm phương án tối ưu 3.4.2.2 Pha lan truyền chất điểm Trong số nghiên cứu trước đây, tác giả có giới thiệu phương pháp lan truyền chất điểm Cách thực phức tạp, đòi hỏi khối lượng truyền thơng tính tốn lớn Do vậy, luận án đề xuất kỹ () () () () thuật lan truyền chất điểm dựa theo lý thuyết SIS sử dụng hàm ( | ) Từ hàm ( | ) ta tính vector độ dời ⃗ Việc lan truyền chất điểm lúc tương đương với việc di chuyển đám mây () () () chất điểm theo vector ⃗ Do cách lấy mẫu ( | ) phù hợp cho WSN Do đặc tính di chuyển ngẫu nhiêu đối tượng, khơng sử dụng đo lường khó để q trình lan truyền chất điểm diễn hồn hảo Thuật toán lan truyền đám mây chất điểm đề xuất trình bày () () thuật tốn Trong thuật toán này, đám mây chất điểm lan truyền dựa hàm ( | Sau tìm vận tốc ⃗ sử dụng hàm propa_function() để quảng bá chất điểm Và qua cách làm này, hai () () bước hồn thành: lấy mẫu quảng bá trọng số Hình 3.10 cho thấy quảng bá chất điểm bước lặp t Trong hình vẽ, vòng tròn xám nhỏ thể chất điểm, ô vuông vị trí đối tượng vòng lặp t-1 t, vòng tròn với S1, S2, S3,… biểu thị nút cảm biến Ở thời điểm t, đối tượng di chuyển đến vị trí với vận tốc ⃗ đám mây chất điểm di chuyển đến vị trí với vận tốc ⃗ tương ứng Ở bước 2.1 thuật toán, hàm propa_function() hàm quảng bá chất điểm Hình 3.10 Ví dụ lan truyền đám mây chất điểm Vào: { () () ̅ () Thuật toán quảng bá đám mây chất điểm bƣớc nhảy thời gian t * + } () Ra: { } Tìm vector quảng bá ⃗ 1.1 1.2 Chuẩn hóa ̅̅̅̅̅ ∑ ̅̅̅̅̅ 1.3 Tính ̇ ( 1.4 Vector quảng chất điểm: ⃗ For ) ̇ ̂ 20 2.1 2.2 Kết thúc ( ⃗) ̅ 3.4.2.3 Pha tính tốn trọng số Cơng việc lan truyền chất điểm việc tính tốn trọng số cho chất điểm Sử dụng () () công thức (3.37), sau thực xong bước lan truyền chất điểm, ta có liên kết Cơng việc cịn lại tính tốn hàm ( () ) Cách thực sau: | ( ) () ( ) () / ∏ ( ( ) | () ) () (3.39) ( ) ( ) Trong / ( ( )), hàm phi tuyến giá trị ( )| | | hầu hết giá trị diff, diff chuyển đổi cho Trong nhiều nghiên cứu, chọn Gaussian Nhưng thực tế, khó để xác định hàm đo nhiễu cách tường minh Do đó, luận án xây dựng lại sau: ( ) ( ) { (3.40) Với việc điều chỉnh giá trị thông số c1, c2 Thresh, ( ) cho giá trị tốt Phương pháp tối ưu thực thuật toán lọc chất điểm SIS, GPF SIR Luận án mô trường hợp tối ưu đề xuất lọc chất điểm PF (SIS, SIR GPF) so sánh kết với kỹ thuật SIS-Dis đề xuất trước Các kết trình bày 3.4.2.4 Kết mô Thông số mô phỏng: - Kích thước mạng: 400x400 (m) - Số lượng nút mạng: 400 nút - Băng thông kênh truyền: 250kbps - Chu kỳ lấy mẫu: 0.5s - Cự ly cảm biến: 30m - Cự ly truyền thơng: 50m - Mục tiêu có quỹ đạo di chuyển bất kỳ, tốc độ di chuyển không nhanh Các thông số lọc chất điểm (PF): - Kích thước tập chất điểm: 41 - Các thuật toán đưa so sánh: SIS, GPF, SIR, SIS-Dis Kết thu được: Hình 3.11 thể ước lượng tuyến đường với thuật toán tối ưu đề xuất SIS, GPF SIR thuật toán SIS-Dis Kết đồ thị cho thấy, phương thức đề xuất SIS, GPF, SIR cho kết tốt phương thức lọc chất điểm phân tán SIS-Dis Có kết phương pháp tăng kích thước tập chất điểm Kích thước tập lớn số đo đạc nhận chu kỳ theo dõi Hình 3.11 Ước lượng đường đối tượng thực với thuật toán SIS, GPF, SIR, SIS-Dis 21 Hình 3.12 Trễ đầu cuối mơ thuật tốn theo thời gian Hình 3.13 Độ xác ước lượng thuật toán SIS, GPF, SIR SIS-Dis mơ theo thời gian Hình 3.12 thể trễ thuật toán theo thời gian Từ kết đồ thị ta thấy trễ tất thuật toán lọc chất điểm tốt gần Giá trị trung bình trễ bé 0.5s Hình 3.13 thể độ xác ước lượng thuật tốn mơ theo thời gian Các kết cho thấy thuật toán đề xuất SIS, GPF, SIR có khả ước lượng cho độ xác cao, ổn định thuật tốn SIS-Dis Các kết mô cho thấy, cách thức thực thuật toán lọc chất điểm thuật toán SIS, GPF, SIR cho kết ước lượng tốt cách thức đề xuất trước SIS-Dis độ trễ đảm bảo Và phương thức đề xuất có cách thực đơn giản hơn, dễ dàng áp dụng vào mạng cảm biến không dây triển khai thực tế so sánh với cách thức SIS-Dis đề xuất 3.6 Đề xuất mơ hình giám sát theo vùng Cơ chế giám sát theo vùng dựa kết dự đoán đường đối tượng theo thuật tốn tìm vết tiến hành bật vùng với số lượng nút cảm biến tối thiểu để theo dõi đối tượng, đó, phương pháp giúp ta giảm bớt tiêu tốn lượng toàn mạng thời gian sống mạng cảm biến không cần bật toàn nút cảm biến Giao thức sử dụng để tập trung liệu nút cảm biến giao thức LEACH-C Sau liệu truyền đa chặng trạm điều khiển sử dụng giao thức định tuyến không dây đa chặng đề xuất phần Hình 3.14 Ví dụ ứng dụng giám sát theo vùng Hình 3.15 Ví dụ ứng dụng giám sát tồn mạng 3.7 Mơ hình giám sát tồn mạng Trong mơ hình giám sát tồn mạng, tất nút mạng trạng thái bật (alive) để cảm biến, dẫn đến việc lãng phí lượng, dẫn đến việc thời gian sống mạng giảm nhanh Các bước hoạt động chế giám sát toàn mạng hoàn toàn giống với chế giám sát theo vùng, sử dụng giao 22 thức LEACH-C để tập trung liệu, khác kích thước vùng giám sát 3.8 Mơ đánh giá kết 120 Giám sát toàn mạng Thời gian (s) 100 Giám sát theo vùng 80 60 40 20 AODV ERS EERS ABR Giao thức định tuyến RDC Hình 3.16 Đồ thị so sánh thời gian sống mạng (Network lifetime) sử dụng mơ hình giám sát toàn mạng giám sát theo vùng với giao thức định tuyến khác trường hợp 100 nút Thời gian (s) 150 Giám sát toàn mạng 100 Giám sát theo vùng 50 AODV ERS EERS ABR RDC Giao thức định tuyến Hình 3.17 Đồ thị so sánh thời gian sống mạng (Network lifetime) sử dụng mơ hình giám sát tồn mạng giám sát theo vùng với giao thức định tuyến khác trường hợp 150 nút Lƣợng liệu gửi trạm (kbps) 1600 1400 Giám sát toàn mạng 1200 Giám sát theo vùng 1000 800 600 400 200 AODV ERS EERS ABR Giao thức định tuyến RDC Hình 3.18 Đồ thị so sánh lượng liệu gửi trạm mạng sử dụng mơ hình giám sát tồn mạng giám sát theo vùng với giao thức định tuyến khác mô 100 nút Chúng thực mô so sánh phương pháp giám sát theo vùng giám sát tồn mạng cơng cụ mơ NS2 Hình 3.16, 3.17 đồ thị so sánh thời gian sống mạng Đường màu đỏ biểu diễn thông số trường hợp giám sát theo vùng, đường màu xanh biểu diễn thông số trường hợp giám sát tồn mạng Nhìn vào đồ thị ta dễ dàng nhận thấy, thời gian sống mạng trường hợp giám sát theo vùng cao hẳn so với trường hợp giám sát theo toàn mạng Nguyên nhân dẫn đến kết trường hợp giám 23 sát theo vùng, nút không thuộc vùng giám sát trạng thái nghỉ, tức chúng không lượng cho việc cảm biến đối tượng, tiết kiệm nhiều lượng so với lúc trạng thái bật trường hợp giám sát toàn mạng Các kết khác lưu lượng liệu mạng cho ta thấy lưu lượng liệu mạng trường hợp giám sát theo vùng thấp so với trường hợp giám sát toàn mạng Sự giảm thiểu lưu lượng liệu mạng sử dụng giám sát theo vùng giúp giảm thiểu tin dư thừa trạm, giúp nút cảm biến hạn chế xử lý tin dư thừa, từ tiết kiệm lượng, nâng cao tuổi thọ mạng thiết bị Lý dẫn đến kết trường hợp giám sát theo vùng, nút chế độ nghỉ không thực việc cảm biến, liệu gửi trạm bao gồm liệu nút vùng giám sát, ngược lại, trường hợp giám sát toàn mạng, tất nút thực cảm biến gửi liệu trạm 3.6 Tổng kết chƣơng Từ kết mô trên, nhận thấy vượt trội hiệu suất sử dụng mạng cảm biến trường hợp giám sát theo vùng so với trường hợp giám sát toàn mạng Trường hợp giám sát theo vùng tối ưu tham số lượng thời gian sống, giảm thiểu số tin dư thừa mạng, góp phần nâng cao độ ổn định hoạt động mạng đồng thời đảm bảo đầy đủ thông tin đối tượng cảm biến KẾT LUẬN CHUNG Các đóng góp Luận án nghiên cứu đề xuất số giao thức định tuyến đa chặng tiết kiệm lượng mạng cảm biến không dây cách giảm thiểu số tin định tuyến, sử dụng lượng lại nút cảm biến, sử dụng điều khiển cơng suất q trình tìm đường Các kết mô cho thấy giao thức đề xuất thu kết tiết kiệm lượng thông lượng mong muốn, thông số khác tỷ lệ gói, độ trễ khơng bị ảnh hưởng Luận án đề xuất phương thức thực thuật toán ước lượng lọc chất điểm Các kết mô cho thấy phương thức triển khai thuật toán SIS, SIR, GPF cho kết ước lượng tốt phương thức SIS-Dis thông số độ trễ đảm bảo Với giao thức định tuyến đa chặng đạt được, kết hợp thuật toán ước lượng, dự đoán lọc chất điểm, luận án đề xuất mơ hình giám sát vùng Tức nút cảm biến thu thập thông tin đối tượng, sử dụng giao thức định tuyến đa chặng gửi thông tin trạm, trạm sử dụng thuật tốn dự đốn tính tốn ước lượng vị trí tương lai đối tượng sau điều kiển bật nút xung quanh vị trí dự đốn, tắt nút cịn lại, từ tiết kiệm lượng tồn mạng Kết mơ cho thấy lượng toàn mạng giảm đáng kể đồng thời số lượng gói tin dư thừa mạng giảm đáng kể kết theo dõi đảm bảo Các kết đạt luận án chia thành nhóm sau: Các kết nghiên cứu thiết kế giao thức định tuyến tiết kiệm lƣợng - Đề xuất giao thức định tuyến tiết kiệm lượng dựa kỹ thuật giảm thiểu gói tin dư thừa Efficient Expanding Ring Search (EERS) - Đề xuất giao thức định tuyến tiết kiệm lượng tối ưu chi phí tìm đường cân lượng Routing Dual Criterion (RDC) Avoid Bad Route (ABR) - Đề xuất giao thức định tuyến tiết kiệm lượng kết hợp điều khiển công suất Các kết ƣớc đốn vị trí đối tuợng ứng dụng giám sát theo vùng mạng cảm biến không dây - Đề xuất phương thức thực thuật tốn lọc chất điểm Đề xuất mơ hình giám sát đối tượng theo vùng tiết kiệm lượng Hƣớng nghiên cứu tiếp Trong nghiên cứu tiếp theo, tác giả tiếp tục nghiên cứu để cải thiện mức độ sử dụng lượng nút cảm biến, phương pháp tự nạp lượng nạp nhanh nút cảm biến Đồng thời thực kiểm thử thuật toán đề xuất thiết bị thật, bước áp dụng vào thực tế ứng dụng cảnh bảo cháy rừng, cảnh báo mực nước sông nhiều ứng dụng khác 24 DANH MỤC CÁC CƠNG TRÌNH CƠNG BỐ * Các cơng trình cơng bố luận án [1] Duy Ngoc Pham, Van Duc Nguyen, Van Tien Pham, Ngoc Tuan Nguyen, Xuan Bac Do, Trung Dung Nguyen, Claus Kuperschmidt, Thomas Kaiser (2010) An Expending Ring Search Algorithm For Mobile Adhoc Networks The 2010 IEEE International Conference on Advanced Technologies for Communications, Print ISBN 978-1-4244-8875-9, INSPEC Accession Number 11707149, pp 3944, 2010 [2] Trung Dung Nguyen, Thanh Tung Nguyen, Trong Hieu Pham, Wakasugi Koichiro (2013) An Energy-Efficient Ring Search Routing Protocol Using Energy Parameters in Path Selection Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering (Springer) Volume 109, 2013, pp 72-85, ISSN: 1867-8211 (Print) 1867-822X (Online), Jan [3] Trung Dung Nguyen, Van Duc Nguyen, Thanh Tung Nguyen, Trong Hieu Pham, Ngoc Tuan Nguyen, Wakasugi Koichiro (2013) Routing Dual Criterion Protocol The 7th ACM International Conference on Ubiquitous Information Management and Communication, Article No 51, ISBN 9781-4503-1958-4, 2013 [4] Trung Dung Nguyen, Van Duc Nguyen, Thanh Tung Nguyen, Hung Tin Trinh, Ngoc Tuan Nguyen, Wakasugi Koichiro (2013) A New Evaluation Of Particle Filter Algorithm And Apply It To The Wireless Sensor Networks IEEE International Conference on Computing, Management & Telecommunications, Print ISBN 978-1-4673-2087-0, pp 169-174, 2013 [5] Trung Dung Nguyen, Van Duc Nguyen, Ngoc Tuan Nguyen, Tien Dung Nguyen, Hung Tin Trinh, Tien Dat Luu (2013) Using Energy Efficiently With Regional Monitoring Model in Wireless Sensor Networks Journal of Science and Technology, No 95-2013, ISSN 0868-3980, pp 58-64, 2013 [6] Trung Dung Nguyen, Van Duc Nguyen (2014) A Routing Protocols Based on Energy Parameter in Wireless Sensor Adhoc Network Journal of Science and Technology, No.23, ISSN 0868-3980, pp 122-126, 2014 [7] Trung Dung Nguyen, Van Duc Nguyen, Tien Pham Van, Wakasugi Koichiro, Ngoc Tuan Nguyen, (2014) Power Control Combined with Routing Protocol for Wireless Sensor Networks IEEE International Conference on Computing, Management & Telecommunications, Print ISBN 978-14799-2904-7, pp 205-210, 2014 [8] Trung Dung Nguyen, Van Duc Nguyen (2014) An Architecture of Ahhoc-based Marine Communication Network Journal of Science and Technology, 2014 (accepted) * Các cơng trình cơng bố khác có liên quan: [1] Van Duc Nguyen, Duyen Trung Ha, Van Tien Pham, Trung Dung Nguyen, Thu Nga Nguyen, Hyunseung Choo (2012) OFDMA-Based MAC Protocol for Adhoc and Multihop Networks The 6th ACM International Conference on Ubiquitous Information Management and Communication Proceedings, Article No.2, ISBN 978-1-4503-1172-4, 2012 [2] Khanh Nguyen Quang, Van Duc Nguyen, Trung Dung Nguyen, Tien Hoa Nguyen, Guillaume Gelle (2013) MAC and Routing Integration Performance Improvements in OFDMA-Based Multi-hop and Ad-hoc Networks IEEE International Conference on Computing, Management & Telecommunications, Print ISBN 978-1-4673-2087-0, pp 5-10, 2013 [3] Khanh Nguyen Quang, Van Duc Nguyen, Trung Dung Nguyen, Hyun seung Choov(2013) CrossLayer OFDMA-Based MAC and Routing Protocol for Multihop Adhoc Networks The 13th Springer International Conference on Computational Science and Its Applications, Print ISBN 978-3-64239636-6, Online ISBN 978-3-642-39637-3, Series ISSN 0302-9743, pp 157-172, 2013 [4] Khanh Nguyen Quang, Van Duc Nguyen, Trung Dung Nguyen (2013) Optimized MAC and Network Cross Layer Protocol for OFDMA Based Ad-hoc Networks The 5th IEEE International Conference on Ubiquitous and Future Networks, ISSN 2165-8528, INSPEC Accession Number 13840434, pp 718-723, 2013 [5] Thu Nga Nguyen, Xuan Lai, Bach Tran, Quoc Khuong Nguyen, Trung Dung Nguyen, Van Duc Nguyen (2014) Performance Analysis of the VBLAST AlgorithmforMIMO-OFDMA Systems on Spatial Correlated Channels IEEE International Conference on Computing, Management & Telecommunications, Print 978-1-4799-2904-7, pp 146-151, 2014 ... tiêu nghiên cứu luận án - Phân tích thiết kế giao thức định tuyến tiết kiệm lượng mạng cảm biến không dây - Nghiên cứu, đề xuất thuật tốn ước lượng vị trí đối tượng sử dụng mạng cảm biến không. .. dụ mạng cảm biến không dây đa chặng đơn giản 1.2 Cấu trúc mạng cảm biến không dây đa chặng 1.2.1 Đặc điểm cấu trúc mạng cảm biến Mạng cảm biến bao gồm số lượng lớn nút cảm biến, nút cảm biến có... Phạm vi nghiên cứu - Tập trung nghiên cứu giao thức định tuyến mạng cảm biến không dây - Tập trung nghiên cứu kỹ thuật điều khiển công suất mạng cảm biến không dây - Tập trung nghiên cứu thuật tốn