Giải thuật tiết kiệm năng lượng cho bài toán theo dõi mục tiêu trong mạng cảm biến không dây

Đại Học Quốc Gia TP Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA -o0o TRỊNH MINH ĐỨC GIẢI THUẬT TIẾT KIỆM NĂNG LƯỢNG CHO BÀI TOÁN THEO DÕI MỤC TIÊU TRONG MẠNG CẢM BIẾN KHÔNG DÂY Chuyên ngành: Khoa học máy tính LUẬN VĂN THẠC SĨ TP Hồ Chí Minh, tháng 12 – 2009 LUẬN VĂN ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: TS LÊ NGỌC MINH Cán chấm nhận xét 1: TS THOẠI NAM Cán chấm nhận xét 2: TS VÕ VĂN KHANG Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 19 tháng 03 năm 2010 I ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HOÀ Xà HỘI CHỦ NGHIà VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc -oOo Tp HCM, ngày 19 tháng 03 năm 2010 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: TRỊNH MINH ĐỨC Giới tính : Nam Ngày, tháng, năm sinh : 17/08/1983 Nơi sinh : TpHCM Chuyên ngành : Khoa Học Máy Tính Khố (Năm trúng tuyển) : 2006 1- TÊN ĐỀ TÀI: GIẢI THUẬT TIẾT KIỆM NĂNG LƯỢNG CHO BÀI TOÁN THEO DÕI MỤC TIÊU TRONG MẠNG CẢM BIẾN KHÔNG DÂY 2- NHIỆM VỤ LUẬN VĂN: ƒ Phát triển giải thuật theo dõi mục tiêu ƒ Mô giải thuật Ptolemy II 3- NGÀY GIAO NHIỆM VỤ : 22/06/2009 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 30/11/2009 5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN : TS LÊ NGỌC MINH Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua I- CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) CHỦ NHIỆM BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) II LỜI CAM ĐOAN Tôi cam đoan rằng, ngoại trừ kết tham khảo từ cơng trình khác ghi rõ luận văn, kết trình bày luận văn tơi thực chưa có phần nội dung luận văn nộp để lấy cấp trường Bách Khoa trường khác Ngày 30 tháng 11 năm 2009 Trịnh Minh Đức III LỜI CẢM ƠN Tơi xin gửi lời cảm ơn đến gia đình, người sát cánh, động viên tạo điều kiện tốt để tơi học tập hoàn tất luận văn tốt nghiệp Xin chân thành cảm ơn thầy Lê Ngọc Minh nhiệt tình hướng dẫn tơi hồn thành tốt luận văn Xin chân thành biết ơn tận tình dạy dỗ giúp đỡ tất quý thầy cô trường Đại học Bách Khoa, đặc biệt thầy cô khoa Khoa học Kỹ thuật Máy Tính IV TĨM TẮT Luân văn nghiên cứu giải toán theo dõi mục tiêu mạng cảm biến nhị phân không dây với nút cảm biến có dạng hình trịn bán kính R Vị trí mục tiêu thời điểm tính tốn dựa khoảng cách tương sensor nhận biết mục tiêu thời điểm nằm phần giao vùng cảm biến sensor Giải thuật dự đốn vị trí mục tiêu đề nhằm kích hoạt sensor cần thiết cho q trình theo dõi, sensor khơng cần thiết tắt để tiết kiệm lượng sử dụng Phầm mềm VisualSense Ptolemy II sử dụng để mô đánh giá giải thuật phương pháp đề Kết mô cho thấy khả ứng dụng mạng cảm biến nhị phân toán theo dõi mục tiêu khả tiết kiệm lượng cho mạng cảm biến phương pháp dự đốn vị trí mục tiêu V MỤC LỤC DANH MỤC HÌNH x DANH MỤC BẢNG xii DANH MỤC BẢNG xii BẢNG THUẬT NGỮ TIẾNG ANH xiii CHƯƠNG GIỚI THIỆU MẠNG CẢM BIẾN KHÔNG DÂY 1.1 Khái niệm mạng cảm biến không dây 1.1.1 Khái niệm 1.1.2 Các nhân tố thúc đẩy đời mạng cảm biến không dây 1.1.3 Mạng cảm biến khơng dây so với mạng Internet tồn cầu 1.1.4 Đặc điểm mạng cảm biến không dây 1.1.5 Phân loại mạng cảm biến không dây 1.1.6 Các ứng dụng mạng cảm biến không dây 1.2 Mục tiêu phương pháp tiếp cận 1.2.1 Phát biểu vấn đề 1.2.2 Lý thực 1.2.3 Phương pháp tiếp cận CHƯƠNG CÁC NGHIÊN CỨU VÀ HỆ THỐNG LIÊN QUAN 2.1 Các lĩnh vực nghiên cứu mạng cảm biến không dây 2.2 Các loại cảm biến 10 2.3 Kiến trúc nút cảm biến 11 2.3.1 Các loại nút cảm biến 11 2.3.2 Kiến trúc nút cảm biến 12 VI 2.3.3 Mơ hình nút cảm biến nhị phân theo dõi mục tiêu 12 2.4 Năng lượng sử dụng mạng cảm biến không dây 15 2.4.1 Các trạng thái hoạt động nút cảm biến 15 2.4.2 Vấn đề lượng mạng cảm biến không dây 16 2.4.3 Mô hình lượng sensor 17 2.5 Truyền thông nút cảm biến 18 2.5.1 Mơ hình truyền thơng trực tiếp 18 2.5.2 Mơ hình truyền thơng qua nút trung gian 19 2.5.3 Mơ hình truyền thơng qua cluster head 20 2.6 Định vị theo dõi mục tiêu mạng cảm biến không dây 20 2.6.1 Tổng quan toán theo dõi mục tiêu 20 2.6.2 Bài toán theo dõi mục tiêu mạng cảm biến nhị phân 22 CHƯƠNG MÔ PHỎNG MẠNG CẢM BIẾN KHÔNG DÂY 26 3.1 Khái quát mô mạng cảm biến không dây 26 3.1.1 Mô mạng cảm biến với NS-2 26 3.1.2 Mô mạng cảm biến với Omnet++ 27 3.2 Mô mạng cảm biến không dây với Ptolemy II 27 3.2.1 Giới thiệu ptolemy II 28 3.2.1.1 Tác tử Ptolemy 28 3.2.1.2 Mơ hình tính tốn 28 3.2.1.3 Kênh truyền thông Ptolemy 29 3.2.1.4 Mơ hình thực thi Ptolemy 29 3.2.1.5 Sinh mô hình tự động với Ptalon 31 3.2.2 Mô mạng cảm biến không dây sử dụng VisualSense 33 VII 3.2.2.1 Mô nút cảm biến sử dụng actor 35 3.2.2.2 Mơ mơ hình lượng nút cảm biến 36 CHƯƠNG MƠ HÌNH VẤN ĐỀ NGHIÊN CỨU VÀ PHƯƠNG PHÁP ĐỀ NGHỊ 38 4.1 Phát biểu vấn đề ràng buộc 38 4.1.1 Vấn đề nghiên cứu 38 4.1.2 Mô tả vấn đề ràng buộc 38 4.2 Mơ hình tốn 39 4.2.1 Mơ hình mục tiêu 40 4.2.2 Mô hình nút cảm biến 41 4.2.3 Mơ hình nút trung tâm (cluster head) 42 4.2.4 Mơ hình lượng 42 4.2.5 Mơ hình truyền thơng nút cảm biến 43 4.2.6 Mơ hình cộng tác 43 4.3 Phương pháp đề nghị 43 4.3.1 Nút cảm biến biên 45 4.3.2 Giải thuật xác định vị trí mục tiêu 45 4.3.3 Phương pháp dự đoán vị trí mục tiêu 49 4.3.4 Phương pháp phục hồi trường hợp lỗi 50 CHƯƠNG MÔ PHỎNG VÀ KẾT QUẢ 51 5.1 Mơ tốn với VisualSense Ptolemy II 51 5.1.1 Tự động sinh mạng cảm biến với Ptalon Actor 52 5.1.2 Target 55 5.1.3 Sense Channel 55 VIII 5.1.4 Sensor 55 5.1.5 Cluster head 58 5.1.6 Station 58 5.2 Kết 59 5.2.1 Kết mô với nút cảm biến trạng thái active 59 5.2.2 Kết mô với nút cảm biến trạng thái inactive lúc ban đầu 62 CHƯƠNG KẾT LUẬN 63 6.1 Đánh giá kết 63 6.2 Kết luận hướng phát triển 64 TÀI LIỆU THAM KHẢO 65 PHỤ LỤC Mã nguồn Ptalon sử dụng sinh mạng cảm biến 70 IX 5.1.5 Cluster head Cluster head mơ hình tương tự sensor (Hình 5.5) cluster head có trạng thái active (có thể mở rộng nhiều trạng thái) Mọi hoạt động cluster head điều khiển actor ClusterHeadController (một java class) Giải thuật xác định vị trí mục tiêu dự đốn vị trí thời điểm thực dạng phương thức dễ dàng kế thừa mở rộng với giải thuật cải tiến khác Hình 5.5 Mơ hình nút cluster head 5.1.6 Station Nút trung tâm điều khiển đóng vai trị tập hợp liệu vị trí mục tiêu từ cluster head vẽ lại đường mục tiêu theo thời gian Trang 58 5.2 Kết Mơ hình tốn giải thuật đề nghị mô với cấu hình mạng cảm biến gồm 10 cluster, cluster gồm 20 nút cảm biến Q trình mơ thực với hai trường hợp: ™ Trường hợp tất nút cảm biến mạng trạng thái active để tính tốn độ sai số “tốt nhất” trình theo dõi mục tiêu sử dụng mạng cảm biến nhị phân không dây ™ Trường hợp nút cảm biến mạng ban đầu trạng thái inactive trừ nút cảm biến biên Giải thuật dự đoán đường mục tiêu sử dụng, từ tính số lượng sensor cần thiết tham gia vào trình theo dõi, sai số trình theo dõi 5.2.1 Kết mô với nút cảm biến trạng thái active Đồ thị quỹ đạo mục tiêu quỹ đạo theo dõi mục tiêu từ mạng cảm biến q trình mơ minh họa Hình 5.6 Trang 59 Quỹ đạo thực mục tiêu Quỹ đạo ghi nhận mạng cảm biến Hình 5.6 Quỹ đạo thực mục tiêu so với quỹ đạo ghi nhận mạng cảm biến Trang 60 Bảng 5.2 minh họa thông tin vị trí thực mục tiêu vị trí tính toán từ mạng cảm biến 10 thời điểm liên tiếp Thời điểm Vị trí thực mục tiêu Vị trí tính tốn (147, 475) (142.5, 475) (183, 440) (190, 380) (226, 398) (190, 380) (296, 398) (285, 380) (316, 398) (285, 380) (416, 398) (380, 380) (445, 427) (475, 380) (509, 491) (522.5, 475) (566, 548) (570, 570) 10 (609, 591) (570, 570) Bảng 5.2: Bảng liệu vị trí mục tiêu Ta tính tốn độ sai số quỹ đạo thực mục tiêu quỹ đạo theo dõi dựa trung bình khoảng cách điểm rời rạc ghi nhận thời điểm hai quỹ đạo: ∆d = i =1 ∑ d (S , S ) i ' i n Với d(Si, S’i) khoảng cách tọa độ thực tọa độ ghi nhận mạng cảm biến thời điểm i Ngồi ta dùng khoảng cách Hausdorff (Hausdorff distance) để đánh giá chất lượng quỹ đạo ghi nhận từ mạng cảm biến có gần với quỹ đạo thực mục tiêu hay không Một cách tổng quát, khoảng cách Hausdorff tập điểm A, B định nghĩa là: Η(A, B) = Max { Min {d(a, b)} } a∈ A b∈B Với d(a,b) khoảng cách điểm a b Trang 61 Kết q trình mơ lần chạy khác tóm tắt bảng 5.3 Số mẫu tính tốn Vmax Bán kính cảm biến ∆d H(A,B) 50 100 150 51 134 50 150 150 55 143 50 200 150 48 119 Bảng 5.3: Kết mô với tất sensor active 5.2.2 Kết mô với nút cảm biến trạng thái inactive lúc ban đầu Bảng 5.4 tóm tắt kết thu mơ q trình theo dõi mục tiêu sử dụng giải thuật trình bày với nút cảm biến kích hoạt cần thiết Năng lượng tiêu thụ mạng cảm biến mơ dựa số lượng sensor kích hoạt q trình theo dõi mục tiêu Vmax Bán kính cảm biến Số lần recovery Số sensor sử dụng Số sensor tối ưu ∆d H(A,B) 100 150 Level 1: 74 21 71 141 71 21 67 128 95 21 63 137 Level 2: Level 3: 150 150 Level 1: Level 2: Level 3: 200 150 Level 1: Level 2: Level 3: Bảng 5.4: Kết mô với giải thuật dự đốn vị trí mục tiêu Trang 62 CHƯƠNG KẾT LUẬN 6.1 Đánh giá kết Dựa vào kết mơ mục 5.2 ta thấy sử dụng mạng cảm biến nhị phân không dây theo dõi vị trí mục tiêu ta đạt độ xác trung bình khoảng phần ba bán kính vùng cảm biến sensor Sai số giải thuật xác định vị trí mục tiêu khơng phụ thuộc vào vận tốc mục tiêu (bảng 5.3) mà phụ thuộc vào bán kính vùng cảm biến sensor Do để tăng độ xác ta giảm bán kính cảm biến ta phải tăng số lượng sensor vùng cầm theo dõi Khoảng cách Hausdorff hai trường hợp mô gần vùng cảm biến mục tiêu Kết cho thấy số thời điểm trình theo dõi mục tiêu, sai số tính tốn vị trí mục tiêu đạt đến giới hạn sai số lớn cho phép mạng cảm biến nhị phân (sai số cho phép lớn nút cảm biến bán kính R R) Tuy nhiên, thời điểm khơng nhiều đa số trường hợp sai số gần sai số trung bình tồn q trình theo dõi Vấn đề hiệu lượng đánh giá dựa số lượng sensor kích hoạt q trình mơ so với số lượng sensor cần kích hoạt trường hợp tối ưu so với số lượng sensor có mạng cảm biến Khi sử dụng giải thuật dự đoán vị trí mục tiêu để kích hoạt sensor cần thiết theo dõi mục tiêu ta giảm số lượng sensor sử dụng đến 60% với độ sai số trung bình vị trí mục tiêu tăng không nhiều (khoảng 10% đến 20%) Tuy nhiên số lượng sensor kích hoạt chênh lệch đáng kể so với số sensor cần thiết kích hoạt trường hợp tối ưu (bảng 5.4) Do cần nghiên cứu áp dụng thêm hướng di chuyển mục tiêu vào trình dự đốn vị trí mục tiêu Kết cho thấy q trình recovery mạng khơng diễn thường xun đa số recovery mức Trang 63 6.2 Kết luận hướng phát triển Luận văn nghiên cứu toán theo dõi mục tiêu mạng cảm biến không dây đề xuất giải pháp ứng dụng mạng cảm biến không dây nhị phân theo dõi mục tiêu Giải thuật xác định vị trí mục tiêu phương pháp dự đốn vị trí mục tiêu đề cho kết mơ tốt Luận văn nghiên cứu mở rộng VisualSense cho tốn mơ mạng cảm biến không dây môi trường Ptolemy Các vấn đề q trình mơ sinh mạng cảm biến với quy mô lớn tự động, tùy biến vùng cảm biến sensor, mô trạng thái hoạt động sensor khảo sát Ptolemy Mơ hình mô đề luận văn tổng quát dễ dàng mở rộng cho loại mạng cảm biến khác Tuy nhiên kết luận văn hạn chế nhiều vấn đề cần nghiên cứu cải tiến mở rộng Giải thuật dự đoán vị trí mục tiêu cần cải tiến, sử dụng vị trí mục tiêu khứ để kết hợp dự đoán hướng di chuyển mục tiêu, từ giảm số lượng sensor kích hoạt q trình theo dõi Khoảng cách Hausdorff vị trí dự đốn vị trí thực mục tiêu cần cải tiến để giảm sai số lớn trình theo dõi mục tiêu Mơ hình truyền thơng sensor, mơ hình hoạt động lượng tiêu thụ cần mở rộng, mô chi tiết gần với trạng thái thực sensor, từ mơ lượng sử dụng toàn mạng cảm biến theo thời gian Trang 64 TÀI LIỆU THAM KHẢO [1] S Pattem, S Poduri, and B Krishnamachari Energy-Quality Tradeoffs for Target Tracking in Wireless Sensor Networks, 2nd Workshop on Information Processing in Sensor Networks (IPSN '03), April 2003 [2] S.A Ketcham, M.L Moran, J Lacombe, R.J Greenfield, and T.S Anderson Seismic source model for moving vehicles IEEE Trans on Geoscience and Remote Sensing, 2005 [3] B S Y Rao, H F Durrant-Whyte, and J A Sheen A fully decentralized multisensor system for tracking and surveillance, 1993 [4] W.E.L Grimson, C Stauffer, R Romano, and L Lee Using adaptive tracking to classify and monitor activities in a site, in Proc of IEEE Int’l Conf on Computer Vision and Pattern Recognition, 1998 [5] H T Kung and D Vlah Efficient Location Tracking Using Sensor Networks, in Proceedings of 2003 IEEE Wireless Communications and Networking Conference [6] R Chellappa, Gang Qian, and Qinfen Zheng Vehicle detection and tracking using acoustic and video sensors, in Proc of IEEE Conf on Acoustics, Speech, and Signal Processing, 2004 [7] A Arora and et al A line in the sand: A wireless sensor network for target detection, classification, and tracking The International J of Computer and Telecom Networking, December 2004 [8] J Singh, U Madhow, R Kumar, and S Suri, and R Cagley Tracking Multiple Targets Using Binary Proximity Sensors, International Conference on Information Processing in Sensor Networks, April 2007 Trang 65 [9] Xiaohong Sheng, Yu Hen Hu Distributed particle filter with GMM approximation for multiple targets localization and tracking in wireless sensor network, Fourth International Conference on Information Processing in Sensor Networks, April 2005 [10] J Shin, L.J Guibas, and F Zhao A distributed Algorithm for Managing Multitarget Identities in Wireless Ad-hoc Sensor Networks, 2nd Workshop on Information Processing in Sensor Networks, April 2003 [11] J Aslam, Z Butler, F Constantin, V Crespi, G Cybenko, and D Rus Tracking a Moving Object with a Binary Sensor Network, The First ACM Conference on Embedded Networked Sensor Systems, November 2003 [12] Wooyoung Kim, Kirill Mechitov, Jeung-Yoon Choi, Soo Kyung Ham On Tracking Objects with Binary Proximity Sensors, Fourth International Conference on Information Processing in Sensor Networks, April 2005 [13] N Shrivastava, R Mudumbai, U Madhow, and S Suri Target Tracking with Binary Proximity Sensors: Fundamental Limits, Minimal Descriptions, and Algorithms, ACM Conference on Embedded Networked Sensor Systems (Sensys), November 2006 [14] A.O Ercan, A.E Gamal, and L Guibas Object Tracking in the Presence of Occlusions via a Camera Network, International Conference on Information Processing in Sensor Networks, April 2007 [15] M Coates Distributed particle filters for sensor networks, in Proc of International Conference on Information Processing in Sensor Networks, 2004 [16] D Li, K Wong, Y Hu, and A Sayeed, “Detection, Classification and Tracking of Targets,” IEEE Signal Processing Magazine, vol.19, no.2, March 2002 [17] Hanbiao Wang et al Target Classification and Localization in habitat monitoring, in Proceedings of the IEEE ICASSP2003, Hong Kong, 2003 [18] F Zhao, J Shin, and J Reich Information-Driven Dynamic Sensor Collaboration for Target Tracking, IEEE Signal Processing Magazine, vol.19, no.2, March 2002 Trang 66 [19] W Kim, K Mechitov, J.-Y Choi, and S Ham On target tracking with binary proximity sensors, in Proc International Conference on Information Processing in Sensor Networks, 2005 [20] J Liu, P Cheung, L Guibas, and F Zhao A Dual-Space Approach to Tracking and Sensor Management in Wireless Sensor Networks, in Proc of International Workshop on Wireless Sensor Networks and Applications, 2002 [21] J Liu, P Cheung, L Guibas, and Feng Zhao Apply geometric duality to energy efficient non-local phenomenon awareness using sensor networks IEEE Wireless Communication Magazine, 2004 [22] A Savvides, C.-C Han, and M B Strivastava Dynamic fine-grained localization in ad-hoc networks of sensors, in Proc Mobicom, 2001 [23] M Bhardwaj, T Garnett and A P Chandrakasan Bounding the Lifetime of Sensor Networks Via Optimal Role Assignments, Proc IEEE Infocom, vol.3, 2001 [24] W B Heinzelman, A Chandrakasan and H Balakrishnan Energy-efficient Communication Protocol for Wireless Micro Sensor Networks, Proc 33rd Annual Hawaii International Conference on System Sciences, 2000 [25] S Lindsey and C S Raghavendra, “PEGASIS: Power-Efficient Gathering in Sensor Information Systems”, Proc IEEE Aerospace Conference, vol 3, 2002 [26] Y Zou and K Charkrabarty Energy-Aware Target Localization in Wireless Sensor Networks, IEEE International Conference on Pervasive Computing and Communications (PerCom'03), March 2003 [27] J van Greunen and J Rabaey Lightweight time synchronization for sensor networks, in Proceedings of the Second ACM international conference on Wireless sensor networks and applications San Diego, CA, USA: ACM Press, 2003 [28] Amit Sinha , Anantha Chandrakasan, Dynamic Power Management in Wireless Sensor Networks, IEEE Design & Test, v.18 n.2, p.62-74, March 2001 Trang 67 [29] Tian He et all Range-Free Localization Schemes for Large Scale Sensor Networks, In MobiCom '03: Proceedings of the 9th annual international conference on Mobile computing and networking (2003), pp 81-95 [30] Loukas Lazos and Radha Poovendran Probabilistic Detection of Mobile Targets in Heterogeneous Sensor Networks, in Proceedings of the 6th international conference on Information processing in sensor networks [31] D Jung et al Model-Based Design Exploration of Wireless Sensor Node Lifetimes, in Proceedings of the Fourth European Conference on Wireless Sensor Networks, EWSN 2007 [32] M.Athanassoulis et al Energy Efficiency in Wireless Sensor Networks: A UtilityBased Architecture, in Proceedings of the 13th European Wireless Conference, April 2007 [33] Victor Shnayder Simulating the power consumption of large-scale sensor network applications, in Proceedings of the 2nd international conference on Embedded networked sensor systems [34] C Meesookho, S Narayanan, and C S Raghavendra Collaborative classification applications in sensor networks, in Proc of Workshop on Sensor Array and Multichannel Signal Processing, 2002 [35] R R Brooks, C Griffin, and D S Friedlander Self-Organized Distributed Sensor Network Entity Tracking, The International Journal of High Performance Computing Applications, vol.16, no.3, 2002 [36] D Curren A survey of simulation in sensor networks [37] Sameer Tilak et al Infrastructure tradeoffs for sensor networks, in Proceedings of the 1st ACM international workshop on Wireless sensor networks and applications, 2002 Trang 68 [38] S Wang, K Liu, and F Hu Simulation of wireless sensor networks localization with omnet In Mobile Technology, Applications and Systems, 2005 2nd International Conference on Mobile Technoloy, Applications and Systems, 2005 [39] Lee E and Messerschmitt D “An Overview of the Ptolemy Project” Department of Electrical Engineering and Computer Sciences, University of California at Berkeley, 1993 [40] E Cheong, E A Lee, and Y Zhao Viptos: a graphical development and simulation environment for tinyOS-based wireless sensor networks In SenSys '05: Proceedings of the 3rd international conference on Embedded networked sensor systems, NY, USA, 2005 [41] P Baldwin, S Kohli, E A Lee, X Liu, and Y Zhao, “VisualSense: Visual Modeling for Wireless and Sensor Network Systems,” Technical Memorandum UCB/ERL M04/08, University of California, Berkeley, April 23, 2004 [42] H Yang, B Sikdor, A Protocol for Tracking Mobile Targets Using Sensor Network, Sensor Network Protocols and Applications, in: Proceedings of the First IEEE International Workshop on Sensor Network Protocols and Applications, Anchorage, Alaska, May 2003, pp 71-81 [43] A Savvides et al On Modeling Networks of Wireless Micro Sensors, IGMETRICS June 2001 [44] D McErlean, S Narayanan, Distributed Detection and Tracking in Sensor Networks, Conference Record of the Thirty-Sixth Asilomar Conference on Signals, Systems and Computers, 2002 [45] E Shih et al, Physical Layer Driven Protocol and Algorithm Design for Energy Efficient Wireless Sensor Networks, in Proc of ACM MobiCom ’01, Rome, Italy, 2001 Trang 69 PHỤ LỤC Mã nguồn Ptalon sử dụng sinh mạng cảm biến ClusterSensorModelGenerator is { actor target = sensornetwork.clustersensorstatictargetprediction.StaticTarget; actor node = sensornetwork.clustersensorstatictargetprediction.BinarySensor; actor bnode = sensornetwork.clustersensorstatictargetprediction.BorderSensor; actor cluster = sensornetwork.clustersensorstatictargetprediction.ClusterHead; actor station = sensornetwork.clustersensorstatictargetprediction.Station; actor sensechannel = ptolemy.actor.myactor.AttenuationChannel; actor comchannel = ptolemy.domains.wireless.kernel.AtomicWirelessChannel; actor synchannel = ptolemy.domains.wireless.kernel.AtomicWirelessChannel; parameter ClusterPerRow; parameter ClusterPerCol; parameter NodePerRow; parameter NodePerCol; parameter NodeHDistance; parameter NodeVDistance; parameter ClusterHDistance; parameter ClusterVDistance; sensechannel( _location := [[ [800,-350] ]], name := [[ "SenseChannel" ]]); comchannel( _location := [[ [900,-350] ]], name := [[ "ClusterSendChannel"]]); comchannel( _location := [[ [900,-250] ]], name := [[ "ClusterReceiveChannel"]]); synchannel( _location := [[ [1100,-450] ]], name := [[ "SynchronizeChannel"]]); synchannel( _location := [[ [1100,-350] ]], name := [[ "ReportChannel"]]); synchannel( _location := [[ [1100,-250] ]], name := [[ "TargetLocationChannel" ]]); for c initially [[0]] [[ c < ClusterPerCol ]] { for d initially [[0]] [[ d < ClusterPerRow ]] { comchannel( _location := [[ [600,-250] ]], name := [[ "SendChannel" + c + d ]]); comchannel( _location := [[ [600,-250] ]], name := [[ "ReceiveChannel" + c + d ]]); cluster( _location := [[ [ClusterHDistance * d, ClusterVDistance * c] ]], sendPortName := [[ "ReceiveChannel" + c + d ]], receivePortName := [[ "SendChannel" + c + d ]], Trang 70 ClusterSendChannelName := [[ "ClusterSendChannel" ]], ClusterReceiveChannelName := [[ "ClusterReceiveChannel" ]], SynchronizePortName := [[ "SynchronizeChannel" ]], ReportChannelName := [[ "ReportChannel" ]], MaximumTargetVilocity := [[ 100 ]], SensorID := [["C" + c + d + "00"]] ); } next [[ d + ]] } next [[ c + ]] for e initially [[0]] [[ e < ClusterPerCol ]] { for f initially [[0]] [[ f < ClusterPerRow ]] { for i initially [[ ]] [[ i < NodePerCol]] { for j initially [[ ]] [[ j < NodePerRow]] { if [[ (j|f) == ]] { bnode( _location := [[ [((e * NodePerCol + i) % 2) * NodeHDistance / + ClusterHDistance * f + NodeHDistance * j, ClusterVDistance * e + NodeVDistance * i] ]], SensePortName := [[ "SenseChannel" ]], sendPortName := [[ "SendChannel" + e + f]], receivePortName := [[ "ReceiveChannel" + e + f ]], SynchronizePortName := [[ "SynchronizeChannel" ]], SensorID := [["B" + e + f + i + j]] ); } else { node( _location := [[ [((e * NodePerCol + i) % 2) * NodeHDistance / + ClusterHDistance * f + NodeHDistance * j, ClusterVDistance * e + NodeVDistance * i] ]], SensePortName := [[ "SenseChannel" ]], sendPortName := [[ "SendChannel" + e + f ]], receivePortName := [[ "ReceiveChannel" + e + f ]], SynchronizePortName := [[ "SynchronizeChannel" ]], SensorID := [["S" + e + f + i + j]] ); } } next [[ j + ]] } next [[ i + ]] } next [[ f + ]] Trang 71 } next [[ e + ]] station ( _location := [[ [900,-450] ]], ReportPortName := [[ "ReportChannel" ]], TargetPortName := [[ "TargetLocationChannel" ]]); target ( _location := [[ [-70,580] ]], TargetPortName := [[ "TargetLocationChannel" ]], SynchronizePortName := [[ "SynchronizeChannel" ]], MaxVilocity := [[ 100 ]]); } Trang 72 ... TÊN ĐỀ TÀI: GIẢI THUẬT TIẾT KIỆM NĂNG LƯỢNG CHO BÀI TOÁN THEO DÕI MỤC TIÊU TRONG MẠNG CẢM BIẾN KHÔNG DÂY 2- NHIỆM VỤ LUẬN VĂN: ƒ Phát triển giải thuật theo dõi mục tiêu ƒ Mô giải thuật Ptolemy... vị theo dõi mục tiêu mạng cảm biến không dây 20 2.6.1 Tổng quan toán theo dõi mục tiêu 20 2.6.2 Bài toán theo dõi mục tiêu mạng cảm biến nhị phân 22 CHƯƠNG MÔ PHỎNG MẠNG CẢM BIẾN KHÔNG... theo dõi mục tiêu mạng cảm biến không dây 2.6.1 Tổng quan toán theo dõi mục tiêu Định vị theo dõi mục tiêu toán kinh điển nghiên cứu mạng cảm biến không dây Nhiều nghiên cứu khảo sát vấn đề theo