năng lƣợng lớn hơn th o mốc EMed hoặc EAvg, sau đó và gán cho ESelect để làm mốc năng lƣợng lựa chọn nút đảm bảo hạn chế các nút có năng lƣợng thấp tham gia g i dữ liệu. Hiệu quả lựa chọn số lƣợng nút trong mỗi vòng theo
EMedhoặc EAvg ở Hình 4.8.
Nhƣ vậy, với Pha 1, giải thuật DF-AMS đã mang lại hiệu quả về hạn chế số gói tin mà (n-q) nút trong cụm phải truyền đến CH, việc hạn chế này tỉ lệ thuận với năng lƣợng mà nút sẽ tiết kiệm đƣợc (t nh đƣợc thông qua việc xác định năng lƣợng cần thiết để truyền 1 bit dữ liệu từ nút đến CH). So sánh gói tin truyền bằng giải thuật DF-AMS và LEACH ở Hình 4.9.
Sau khi lựa chọn các nút có năng lƣợng lớn để truyền dữ liệu cảm nhận đến CH, tại CH sẽ thực hiện Pha 2 của giải thuật DF-AMS bằng cách lựa chọn giá trị đo các tham số từ giá trị trung vị. Ví dụ kết quả mô phỏng tại giây thứ 200, nhóm có số nút nhiều nhất là 27 nút (bao gồm 1 nút CH), năng lƣợng của các nút trong nhóm ngay sau thời điểm nhóm đƣợc thiết lập ở Bảng 4.10.
Nút S96 là CH, EMed = 0.57735587291621 và EAvg = 0.79075469778057,
mức năng lƣợng ESelect = EAvg. CH sẽ lựa chọn 12 nút có ID từ 15 đến 26. Tập
SDFI = {S89, S61, S52, S50, S55, S1, S40, S56, S54, S24, S79, S36} với |SDFI|
Ngay trƣớc lúc kết thúc vòng (ở 200s), tổng số dữ liệu mà CH nhận đƣợc từ các nút thuộc tập SDFI, CH sẽ tiến hành Pha 2 của thuật toán DF-AMS. Giả s tổng số dữ liệu cảm biến đo lƣờng mục tiêu theo 3 tham số thành phần
{M1, M2, M3} = {nhiệt ộ, ộ ẩm, tốc ộ gió}. Dữ liệu đo tại thời điểm 200s
ở Bảng 4.11, trong đó 4.11a) là tổng số dữ liệu cảm nhận, 4.11b) là dữ liệu cảm nhận thành phần theo các tham số đo lƣờng, 4.11c) là số liệu tổng hợp.
Nhƣ vậy, sau khi CH tổng hợp, tổng ung lƣợng (sig_size) CH g i đến BS tại 200s khi cả cụm cùng theo dõi mục tiêu với 3 tham số đo lƣờng {M1, M2, M3} = {nhiệt ộ, ộ ẩm, tốc ộ gió} = {4.43, 4.25, 7.21} là 15.89 (sig_size) hay tại 200s, CH chỉ g i 4.43 đơn vị dữ liệu (sig_size) đo lƣờng mục tiêu của M1 đến BS, 4.25 của M2 và 7.21 của M3.
ảng 4.10. Năng lƣợng của các nút trong cụm
ID Sensor node
Nă ượng còn lại (J) ID Sensor node Nă ượng còn lại (J) 1 S64 0.19448999079361 14 S5 0.65913075467570 2 S66 0.20677067744723 15 S89 1.12126991147126 3 S93 0.25040697454776 16 S61 1.13665628124961 4 S47 0.26613698088662 17 S52 1.17191220310141 5 S42 0.31557190501557 18 S50 1.18431619852745 6 S97 0.36129589356154 19 S55 1.19451328998839 7 S27 0.39927476632118 20 S1 1.19564554291688 8 S9 0.44017552807918 21 S40 1.29382501427092 9 S10 0.44093077969050 22 S56 1.29528679594018 10 S69 0.45218943657088 23 S54 1.30253668746033 11 S39 0.45963518880449 24 S24 1.39874617508751 12 S98 0.46680686461839 25 S79 1.41500537472045 13 S74 0.49558099115671 26 S36 1.44151193539112 27 S96-CH 1.37788451247948
ảng 4.11. ữ liệu cảm iến của cụm tại thời điểm 200s Node Total sensoring data Temperature (M1) Humidity (M2) Wind speed (M3) Node Value Node Value Node Value
S89 8 S52 1 S52 0 S55 1 S61 10 S50 1 S36 0 S54 1 S52 8 S1 1 S40 1 S56 2 S50 10 S36 1 S89 2 S24 2 S55 8 S61 2 S55 2 S89 3 S1 10 S89 3 S54 2 S79 3 S40 8 S40 3 S79 2 S40 4 S56 10 S56 3 S61 3 S61 5 S54 8 S24 3 S24 3 S50 5 S24 8 S55 5 S50 4 S1 5 S79 10 S54 5 S1 4 S52 7 S36 10 S79 5 S56 5 S36 9 (a) (b)
Bằng cách ph n t ch tƣơng tự để thống kê và lấy kết quả trung bình với hơn 100 cấu hình cụm trong thời gian mô phỏng 20 vòng (400s). Cấu hình thay đổi với số lƣợng nút mỗi cụm thay đổi ngẫu nhiên từ 5 đến 48 nút/1 cụm, mỗi chu kỳ có 4 đến 8 cụm, vị trí CH và các nút trong cụm thay đổi ngẫu nhiên trong phạm vi 100m x 100m, dữ liệu đo lƣờng về mục tiêu của các nút trong cụm thay theo từng chu kỳ... Kết quả cho thấy, sau khi áp dụng thuật
Giá tr Tham số đ ường Temperature (M1) Humidity (M2) Wind speed (M3) Med.Sq.Ml 3 2 3.5 Avg(Ml , µ) 3.86 3.50 5.43 Vmax.qMl 5 5 9 VDF.Mj.sent 4.43 4.25 7.21 Tổng số dữ liệu CH gửi BS 15.89 (c)
toán DF-AMS, CH sẽ g i kết quả đo lƣờng tiệm cận giá trị đo đƣợc lớn nhất (của tất cả các nút đƣợc chọn) về tham số đó. Kết quả mô phỏng đối với các tham số đo ở Hình 4.10.
(c)
Hình 4.10. Kết quả tổng hợp ữ liệu của 3 tham số đo lƣờng, (a) kết quả của M1, (b) kết quả của M2, (c) kết quả của M3.
(b) (a)
4.2.5. K t uậ về ả p áp DF-AMS
Nhƣ vậy, giải pháp DF-AMS có giá trị tổng hợp tiệm cận giá trị lớn nhất có xu hƣớng đảm bảo t nh đúng đắn của kết quả đo lƣờng; CH lọc dữ liệu thô và loại bỏ các giá trị đo yếu (chứa ít thông tin) và chỉ g i đi 1 ết quả duy nhất đến S đã mang lại hiệu quả lớn về tiết kiệm năng lƣợng của nút cảm biến trong cụm trong vòng đó. o vậy DF-AMS phù hợp với mạng cảm biến có nhiều nút, năng lƣợng của nút hông đồng đều, cảm biến đo nhiều tham số của mục tiêu nhƣng giá trị đo có sự khác biệt cao.
Thuật toán DF-AMS s dụng các thủ tục đơn giản, trong đó thuật toán sắp xếp n nút theo mức năng lƣợng có độ phức tạp lớn nhất là cỡ O(n2).
Kết quả nghiên cứu này đã đƣợc công bố với Công trình số 4: “DF- AMS: Proposed solutions for multi-sensor data fusion in wireless sensor networks”, hội nghị KSE 2015; đƣợc lựa chọn vào cơ sở dữ liệu Scopus, IEEE Xplore, DBLP: http://dblp.org/pers/hd/h/Huy:Duong_Viet .
K T LUẬN
1. Đ p củ luận án
Luận án đề xuất đƣợc 02 nhóm giải pháp liên quan các bài toán của mô hình tổng hợp dữ liệu nhiều nút cảm biến trong mạng cảm biến không dây:
Thứ nhất, nhóm các bài toán theo dõi mục tiêu và lựa chọn dữ liệu; thứ hai,
nhóm bài toán về tiền x lý dữ liệu và tổng hợp dữ liệu tại nút CH.
1.1. Nhóm bài toán theo dõi mục tiêu và lựa chọn d li u
1.1.1. Đề xuất thứ nhất: Giải pháp theo dõi để lấy dữ liệu th ch nghi với iến động của mục tiêu có tên là ATTS-DF. Sensor chỉ đo lƣờng khi biến động mục tiêu có xu hƣớng vƣợt ngƣỡng. Thuật toán đề xuất việc chuyển trạng thái đo lƣờng hi giá trị đo mục tiêu vƣợt ngƣỡng của nút cảm iến từ
idle (hoặc sl p) sang active đúng vào thời điểm nút cảm biến có thể đo lƣờng ở trạng thái ình thƣờng bởi vì để đạt trạng thái này, sensor phải mất một khoảng thời gian nhất định để khởi động. Hiệu quả tiết kiệm năng lƣợng của ATTS-DF từ 13,3% đến 20% năng lƣợng của nút so với việc theo dõi và lấy dữ liệu theo chu kỳ cố định của LEACH. Kết quả nghiên cứu này đã đƣợc công bố với Công trình số 7: “ATTS-DF: Adaptive tracking solution to the
target for data fusion in wireless sensor networks”, Hội nghị ICSSE 2017 tại
Thành phố Hồ Chí Minh, Việt Nam, tháng 7 năm 2017; đƣợc lựa chọn vào cơ sở dữ liệu Scopus, IEEE Xplore.
1.1.2. Đề xuất thứ hai: Giải pháp theo dõi mục tiêu và ƣu tiên tổng hợp dữ liệu từ các nút có khoảng cách ngắn nhất đến mục tiêu theo dõi và CH có tên là ETR-DF. Đề xuất này hạn chế đƣợc đáng ể các sensor ở xa mục tiêu và ở xa CH tham gia quá trình theo dõi, truyền dữ liệu đến CH. Hiệu quả trung bình về tiết kiệm năng lƣợng của các cụm theo từng chu kỳ T (mỗi chu kỳ gồm nhiều cụm) trong thời gian mô phỏng giữa ETR-DF và LEACH
khoảng từ 23.5% đến 76.52%. Kết quả nghiên cứu đã đƣợc công bố với Công trình số 6: “Target tracking solution for multi-sensor data fusion in wireless sensor networks”, VNU Journal of Science: Comp. Science & Com. Eng., Vol. 32, No. 2. 2016.
1.1.3. Đề xuất thứ 3: Giải pháp lựa chọn một số nút cảm biến trong cụm để g i dữ liệu đến CH bằng cơ chế c a sổ trƣợt với tên gọi DF-SWin. Xuất phát từ tƣởng s dụng c a sổ trƣợt có ch thƣớc thay đổi đƣợc theo từng chu kỳ và theo từng cụm để lựa chọn nút trong cụm đó, lấy dữ liệu phục vụ tổng hợp tại nút CH. Giải pháp DF-SWin đề xuất s dụng c a sổ trƣợt 1 chiều theo số lƣợng nút trong cụm và có đặc điểm nhƣ sau: C a sổ là khung hình đƣợc giới hạn bởi kích thƣớc 2 chiều hàng và cột, trong đó: số cột biểu diễn số lƣợng thuộc tính của nút, số hàng biểu diễn số lƣợng các nút đƣợc chọn. Tại mỗi thời điểm s dụng c a sổ, ch thƣớc c a sổ có thể thay đổi tùy thuộc số lƣợng nút trong cụm, năng lƣợng của mỗi nút, khoảng cách từ các nút trong cụm đến CH, số gói tin nút cần phải truyền đến CH... Hiệu quả tiết kiệm năng lƣợng của cụm nút cảm biến giữa DF-SWin với LEACH khoảng 43% đến 93%. Phƣơng pháp F-SWin phù hợp với mạng cảm biến gồm các nút hoạt động trong trạng thái mức năng lƣợng còn lại thấp và hông đồng đều. Kết quả nghiên cứu này đã đƣợc công bố với Công trình số 8: “DF-SWin: Sliding Windows for Multi-Sensor Data Fusion in Wireless Sensor Networks”, Hội nghị quốc tế KSE - 2017 tại Thành phố Huế, Việt Nam tháng 10-2017; đƣợc lựa chọn vào cơ sở dữ liệu Scopus, IEEE Xplore, DBLP...
1.2. Nhóm bài toán tiền x lý d li u và t ng hợp d li u tại nút CH
1.2.1. Đề xuất thứ 4: Tiếp cận phƣơng pháp tổng hợp dữ liệu nhiều nút cảm biến trong mạng cảm biến không dây bằng lý thuyết tập thô. Xuất phát từ tƣởng khai phá dữ liệu (data mining) và việc mô hình hóa dữ liệu của N
hàng x M cột). Tác giả Luận án đã chứng minh sự phù hợp để chọn lý thuyết tập thô - RST (Rough Set Theory) làm giải pháp tổng hợp dữ liệu nhiều nút cảm biến thể hiện ở những quan điểm: (1) Tính chất rời rạc của tín hiệu và x lý liên tục của nút cảm biến phù hợp với một bảng dữ liệu có thể chứa các giá trị null; (2) RST hỗ trợ để x lý mô tả không chắc chắn; (3) RST hỗ trợ x lý vấn đề mất dữ liệu, ƣ thừa dữ liệu; (4) RST hỗ trợ quá trình tổng hợp dữ liệu đƣợc ch nh xác hơn thông qua ngữ nghĩa, “tri thức” của thông tin chứ không thông qua x lý trực tiếp toàn bộ dữ liệu “kiến thức” của thông tin. Giải pháp đề xuất bao gồm một quy trình x lý dữ liệu trên nút CH trong đó áp ụng các khái niệm và phép toán của RST (trình bày ở Mục 1.5.1). Mục tiêu cuối cùng của giải pháp là căn cứ bảng dữ liệu đầu vào để CH có thể đƣa ra quyết định cho dữ liệu đầu ra theo luật quyết định và độ chắc chắn của luật quyết định.
Kết quả nghiên cứu này đã đƣợc công bố với Công trình số 2: “Tiếp c n phương ph p tổng h p dữ liệu nhiều c m biến trong mạng c m biến không
dây bằng lý thuyết t p thô”, Kỷ yếu Hội nghị quốc gia lần thứ VII về Nghiên
cứu cơ ản và ứng dụng Công nghệ thông tin (FAIR 2014), tháng 6-2014 tại Thái Nguyên, Việt Nam.
1.2.2. Đề xuất thứ 5: Giải pháp tiền x lý dữ liệu đƣợc đề xuất với tên gọi DP-DF (Data Pre-processing for Data Fusion) bằng việc áp dụng lý
thuyết xác suất và một số phép toán trong lý thuyết t p thô nhằm chu n hóa
dữ liệu đầu vào của các nút cảm biến trong cụm g i về CH phục vụ tổng hợp dữ liệu tại nút CH. Giải pháp DP-DF x lý dữ liệu bị mất (giá trị null), dữ liệu ít giá trị (là các giá trị nhỏ, ít chứa tri thức) và dữ liệu ƣ thừa (là các giá trị giống nhau hi đo cùng 1 tham số mục tiêu). Kết quả tiền x lý là bảng dữ liệu đầy đủ (không chứa giá trị null), rút gọn (cả hàng và cột) vừa đảm bảo vấn đề tối giản trong x lý dữ liệu, vừa tạo ra bộ dữ liệu đầu vào CH gồm nhiều sự lựa chọn cho CH tổng hợp.
Kết quả nghiên cứu này đã đƣợc công bố với Công trình số 5: “Đề xuất gi i pháp tiền xử lý ể tổng h p dữ liệu nhiều c m biến trong mạng c m biến không dây”, Kỷ yếu hội nghị The 8th National Conference on Fundamental and Applied IT Research, FAIR - 2015, tổ chức tại Hà Nội.
1.2.3. Đề xuất thứ 6: Giải pháp kết hợp lựa chọn nút và tính toán dữ liệu tại nút CH có tên gọi DF-AMS. Việc lựa chọn nút cảm biến thông qua ngữ nghĩa là đặc tính vật lý của nút cảm biến (nhƣ năng lƣợng còn lại, khoảng cách đến CH, khoảng cách so với láng giềng, chỉ số khe truyền tin TDMA do CH cấp...) và đặc tính dữ liệu cảm nhận (nhƣ số gói tin cần truyền để hoàn tất thông tin cảm nhận, cƣờng độ tín hiệu, nhiễu...) để CH loại bỏ nút cảm biến trong cụm, chỉ lấy dữ liệu của một số nút... Bởi vì đặc điểm của nút là s dụng năng lƣợng không tái tạo (Pin), tài nguyên và khả năng t nh toán thấp nên việc tổng hợp dữ liệu tại nút CH s dụng hợp lý và kết hợp các t nh toán đơn giản nhƣ Min, Max, Average, Median tùy thuộc vào giá trị năng lƣợng của nút và của mạng.
Kết quả nghiên cứu này là Công trình số 4: “DF-AMS: Proposed
solutions for multi-sensor data fusion in wireless sensor networks”, hội nghị
KSE 2015; đƣợc lựa chọn vào cơ sở dữ liệu Scopus, IEEE Xplore, DBLP...
2. Ứng dụng các giải pháp đề xuất trong thực ti n
Đề tài đã đề xuất đƣợc mô hình tổng hợp dữ liệu và các bài toán thành phần (Mục 1.4 của Luận án). Các đề xuất ở Luận án đã từng ƣớc thực hiện hóa các bài toán con của mô hình đó. Các khuyến nghị về việc áp dụng giải pháp đối với hiện trạng mạng đã đƣợc trình bày ở kết luận của mỗi giải pháp đề xuất, cải tiến.
Với quy trình hoạt động của WSNs, bắt đầu từ việc sensor node theo dõi (cảm biến) mục tiêu, truyền dữ liệu đó đến CH, tiền x lý và tổng hợp dữ liệu
tại CH, g i kết quả này đến BS. Tùy thuộc ứng dụng (bài toán) cụ thể, hiện trạng mạng để lựa chọn giải pháp thích hợp với mục tiêu tiết kiệm năng lƣợng.
M t số khuy n ngh về vi c áp dụng:
Thí dụ 1: Ứng dụng mạng cảm biến để giám sát môi trƣờng (nhiệt độ, độ m) của một c a xả chất thải. Đầu tiên có thể theo dõi mục tiêu thích ứng với thời gian (ATTS-DF) chỉ đo và truyền dữ liệu khi tham số cần giám sát của mục tiêu biến động vƣợt ngƣỡng (vì mục tiêu đôi hi t iến động). Sau đó tiền x lý dữ liệu (DP- F) đế có những bộ dữ liệu đầu vào tốt hơn, khác nhau. CH có thể tổng hợp dữ liệu bằng phƣơng pháp F-AMS.
Thí dụ 2: Giám sát đối tƣợng đột nhập (có thể là ngƣời, xe quân sự) vào khu vực quân sự trên chiến trƣờng thông qua cảm biến đo tiếng động, cảm biến quang học. Việc theo dõi mục tiêu có thể kết hợp theo dõi mục tiêu dựa vào thời gian (ATTS-DF chỉ đo mục tiêu biến động vƣợt ngƣỡng) kết hợp với theo dõi mục tiêu dựa vào khoảng cách (ETR- F) trong đó hoảng cách đƣợc "chụp" khi thời điểm mục tiêu vƣợt ngƣỡng (xác định qua phƣơng pháp ATTS-DF). Bộ dữ liệu theo dõi này có thể đƣợc tiền x lý bằng DP-DF và tổng hợp dữ liệu tại CH bằng phƣơng pháp F-AMS.
3. Hướ ê cứu t p t
Trong quá trình nghiên cứu và giải quyết các bài toán con của mô hình tổng hợp dữ liệu nhiều cảm biến, tác giả luận án nhận thấy một số vấn đề cần đƣợc nghiên cứu giải quyết tiếp nhƣ: Các vấn đề liên quan đến xác suất có điều kiện (tính chất, đặc tính chất của nút/cụm cảm biến), việc thích ứng trong theo dõi mục tiêu của WSNs; Tối ƣu hóa ngƣỡng đo và hả năng đo của nút cảm biến; mối quan hệ giữa năng lƣợng và vị tr để CH lựa chọn nút cảm biến; an toàn thông tin trong tổng hợp dữ liệu nhiều nút cảm biến; ứng dụng RST đối với mạng cảm biến có số lƣợng lớn nhiều mức, nhiều cụm...
DANH MỤC CÔNG TR NH CỦA TÁC GIẢ