Gọi Smovalue là độ mịn đo lƣờng của nút cảm iến, Smovalue = l có nghĩa là nút cảm iến có thể đo đƣợc l mức đo (V1, V2, …. Vl) và V1 < V2 < ….< Vl , l
càng lớn thì hả năng đo lƣờng của nút cảm iến càng mịn (smooth). Gọi
Smofreq là độ nhạy đo lƣờng hay tần số đo trong 1 gi y (s) của nút cảm iến ở trạng thái ổn định đo lƣờng, đặt Smofreq = k. Đặt m là số lần đo mục tiêu của nút cảm iến trong thời gian ΔT ơn vị tính là s), m = k * ΔT nghĩa là trong hoảng thời gian ΔT ,f(t) có thể nhận m giá trị đo từ l giá trị có thể đo đƣợc của nút cảm iến. Gọi f(t)mi là giá trị f(t) tại lần đo thứ i trong khoảng thời gian ΔT . Th ụ Hình 2.8, m = 7, vì f(t) đơn điệu tăng trong hoảng ΔT , do vậy f(Tpoint) = f(t)m1 < f(t)m2 < f(t)m3 < ...< f(t)m7 = f(Tmeasure).
Trƣờng hợp tổng quát có thể áp dụng xác suất xảy ra trƣờng hợp
f(Tmeasure) ≥ δ. Gọi Prm(Vtt) là xác suất xuất hiện giá trị đo Vttcủa lần đo thứ m, với Vtt {V1,V2...Vl-1,Vl } hi đó f(t) = Vtt với xác suất đúng Prm(Vtt) và tổng
∑ ( ) . Nghĩa là tại lần đo thứ m, Vtt có thể nhận đƣợc 1 trong l
giá trị Vtt {V1,V2...Vl-1,Vl } với xác suất nhận các giá trị đó có thể khác nhau
Δstart ΔT Time Time f(t) Threshold State of sensor
nhƣng luôn tồn tại xác suất lớn nhất để Vtt nhận một giá trị nào đó. Giá trị có xác suất lớn nhất có thể nhận đƣợc này gọi là giá trị dự đoán của tín hiệu đo
và đƣợc s dụng trong quyết định đo lƣờng khi so sánh với δ (ngƣỡng).
2.2.3. T uật t á
Đầu vào của thuật toán gồm: ngƣỡng đo lƣờng δ, theo yêu cầu của ứng dụng để chọn δ phù hợp; thời gian Δstart để nút có thể đạt trạng thái ổn định đo lƣờng; l mức giá trị có thể đo đƣợc của nút cảm biến; tần số đo k trong 1s của nút cảm iến; dạng/hàm số tín hiệu (giả thiết biết trƣớc). Dựa vào hàm tín hiệu và tần số đo để xác định số lƣợng phép đo trong khoảng thời gian nút khởi động. Giả thiết với mỗi phép đo có thể biết đƣợc xác suất nhận 1 trong l
giá trị và luôn tồn tại giá trị có xác suất nhận đƣợc cao nhất (Giá trị này đƣợc so sánh với ngƣỡng và s dụng kết quả này để ra quyết định việc chuyển trạng thái của nút. Trƣờng hợp l tƣởng, thời gian đo th ch ứng vừa đúng với thời gian nút khởi động để đạt trạng thái ổn định đo lƣờng. Trong trƣờng hợp nút khởi động chậm hơn so với thời gian tín hiệu vƣợt ngƣỡng thì việc đo lƣờng sẽ trễ một khoảng thời gian. Giả mã thuật toán nhƣ sau:
1. Input δ, Δstart , l, k, f(t) 2. Xác định giá trị m = * Δstart
3. If f(Tpoint) là hàm đơn điệu tăng then
4. For i = 1..m do xác định f(ti)
Bảng 2.3. Phân bố xác suất trong m lần đo
Lầ đ t ứ J G á tr đ c t đ được ∑ ( ) V1 V2 …. Vl 1 Pr1(V1) Pr1(V2) …. Pr1(Vl) 1 2 Pr2(V1) Pr2(V2) …. Pr2(Vl) 1 …. …. …. …. …. ... m Prm(V1) Prm(V2) …. Prm(Vl) 1
6. If Pri(Vtt) = Max {(Pri(Vtt)} then 7. f(ti) = Vtt
# X l trƣờng hợp f(t) tăng, nút chuyển sang trạng thái "steady state" # Nếu thời gian thích ứng vừa đúng với thời gian nút khởi động 8. If (f(t1)< f(t2)<...< f(tm)) and f(tm) ≥ δ then
9. Chuyển trạng thái của nút sang "steady state" 10. If f(Tpoint) = f(t1) )< f(t1+i) and f(t1+i) ≥ δ then 11. Thời gian chờ = (Tpoint + Δstart - t1+i )
12. Chuyển trạng thái của nút sang "steady state" 13. Return trạng thái của nút là "steady state"
14. End.
Giải thích: D ng 1, nhập đầu vào là ngƣỡng δ, thời gian khởi động của nút (response time) Δstart , số mức đo l, tần số đo ; dòng 2, tính số lần đo m
trong khoảng Δstart bởi công thức: m = k * Δstart; dòng 3, nếu tại điểm Tpoint , f(t)
có xu hƣớng tăng thì khởi động hệ thống tính toán; Dòng 4, lặp để tính m giá trị f(t): f(t1), f(t2)... f(tm);dòng 5, lặp để tính xác suất f(ti) có thể nhận 1 trong l
giá trị nút có thể đo đƣợc, nghĩa là f(ti) {V1,V2...Vl-1,Vl }; dòng 6, 7, gán f(ti)
giá trị có xác suất xuất hiện lớn nhất.
Thuật toán này, áp dụng đối với f(t) đơn điệu tăng và nút chuyển từ trạng thái idle (hoặc sleep) sang active ở chế độ đo steady state. Trong trƣờng hợp
f(t) đơn điệu giảm thì thuật toán tƣơng tự. Dòng 8, nếu m giá trị đo của f(t)
đồng biến và tại điểm tm , sensor kết thúc thời gian Δstart cho việc khởi động, nghĩa là ΔT = Δstart; dòng 9, sensor chuyển sang trạng thái hoạt động ổn định;
dòng 10, nếu nút khởi động chậm hơn so với thời gian tín hiệu vƣợt ngƣỡng
nghĩa là ΔT < Δstart tại ti bất kỳ i = 2..m; dòng 11 xác định thời gian chờ hay độ trễ đo lƣờng là khoảng (ti ... tm] đến hết thời gian Δstart; dòng 12, 13, nút chuyển trạng thái và trả về kết quả thuật toán là trạng thái của nút; kết thúc.
Đối với trƣờng hợp x lý việc nút chuyển trạng thái từ active ở chế độ đo
steady state về trạng thái idle (hoặc sleep), đ y là ài toán ngƣợc của giải pháp đã đề xuất trong trƣờng hợp
Vấn đề x lý dữ liệu trong trƣờng hợp trễ đo lƣờng khi thời gian khởi động của nút nhanh hơn thời gian để tín hiệu vƣợt ngƣỡng và khi nút khởi động chậm hơn hi đó nút cảm biến sẽ hông đo đƣợc dữ liệu trong khoảng
(ti ... tm] là các vấn đề khoa học mà chúng tôi sẽ nghiên cứu giải quyết trong tƣơng lai.
2.2.4. M p ỏ v p tíc t quả
Trên cơ sở các mã nguồn mô phỏng MIT đối với LEACH [30], thi hành trên phần mềm mô phỏng NS-2 phiên bản 2.34 cài đặt trên hệ điều hành U untu 12.04 để sinh ra các tệp vết về năng lƣợng, dữ liệu, khoảng cách... Tác giả luận án áp dụng giải pháp ATTS- F đối với bộ dữ liệu đã tạo lập để phân tích hiệu quả áp dụng so với LEACH.
Bảng 2.4. Các tham số chính của mô phỏng
Tham số Giá trị
Số nút c m biến tham gia mô phỏng 100
Tọa ộ nút trong miền 100m x 100m Ngẫu nhiên Tọa ộ mục tiêu (tag) trong miền 100m x 100m Ngẫu nhiên
Số cụm tối thiểu, tối a 1 10 Số cụm mong muốn (desired) 5 Năng lư ng pin khởi tạo của nút c m biến 2 J
Năng lư ng nh n 1 bít 5 nJ Năng lư ng (sóng vô tuyến) ể gửi 1 bít 50 nJ
Hệ số khuếch ại khi truyền sóng 10pJ/bit/m2 Công suất lúc chờ (Idle), lúc ngủ (Sleep) 0 W
Tốc ộ truyền sóng 1 Mbps ch thước header (hdr_size) 25 Byte ch thước dữ liệu c m nh n (sig_size) 500 Byte
Thời gian mỗi vòng (T)/data fusion (T) 10 s (option) Số nút trong cụm mỗi (n) Ngẫu nhiên Số mức o của nút c m biến (l) 100
Ngưỡng o δ) 26 (Option) Tần số o trong 1 giây (k) 6
Mô phỏng với giao thức truy cập mạng ở tầng MAC là CSMA/CA, các nút trong cụm truy cập đƣờng truyền theo giao thức TDMA. Ph n t ch đối với 100 nút cảm biến trong thời gian mô phỏng là 480 giây, thời gian thay đổi cấu hình theo vòng 10s, mỗi vòng có 3 đến 8 cụm, các nút trong cụm phân bố ngẫu nhiên, nghĩa là có hoảng 200 cấu hình mô phỏng. Hình 2.12 là số nút tham gia khảo sát của mỗi vòng T = 10s trong thời gian 420s. Trong thời gian mô phỏng, một số nút hết năng lƣợng (trạng thái "die") sẽ không tham gia mạng. Từ giây thứ 180, bắt đầu xuất hiện nút bị "die", số lƣợng nút "die" sẽ tăng hi thời gian s dụng éo ài là xu hƣớng tất yếu.
Giá trị o ư c Time (x10s) threshold Giá trị o ư c đođooƣợcNum
Time 100 sensor node
Hình 2.13. Truyền ữ liệu của các nút cảm iến trong thời gian mô phỏng
Hình 2.14. Đồ thị truyền ữ liệu của nút số 16 giải của LEACH Hình 2.12. Số nút cảm iến tham gia mô phỏng ATTS-DF
Số nút còn hoạt động đođooƣợcNumber of
Thời gian (t x10s)
Đối với thuật toán LEACH, nút cảm biến truyền dữ liệu đến CH theo chu kỳ T = 10s. Trong mỗi chu kỳ, mỗi nút sẽ thuộc 1 cụm, 2 nút thuộc 1 cụm trong chu kỳ này có thể không cùng thuộc 1 cụm trong 1 chu kỳ khác. Tuy vậy, có thể tính tổng t ch lũy số sig_size (500 Byte/sig_size) mà nút cảm biến đã truyền trong mỗi chu kỳ và trong cả giai đoạn mô phỏng. Hình 2.13 là diễn biến việc truyền dữ liệu của 100 nút trong thời gian 480s.
Đối với mỗi nút, việc truyền nhận dữ liệu có thể đột biến tăng hoặc giảm. Tại các đỉnh của đồ thị có sự đột biến gói tin – đồng nghĩa với việc tại thời điểm đó mục tiêu có thay đổi vƣợt ngƣỡng, cần phải đo, có thể đặt ngƣỡng là số lƣợng các gói tin, đồng thời giả thiết số lƣợng (hay ung lƣợng) dữ liệu bằng nhau nếu chúng cùng có lƣợng thông tin nhƣ nhau, sự tăng các gói tin đồng nghĩa với việc tăng t nh cấp thiết phải đo lƣờng.
Ví dụ, xét giá trị đo của nút số 16 trong thời gian mô phỏng 460s của LEACH và δ = 26 sig_size để áp dụng giải pháp ATTS-DF, đồ thị truyền dữ liệu ở Hình 2.14. Giả s xét thời điểm giây thứ 120 đến giây thứ 130, là khoảng thời gian tín hiệu đo của nút 16 có độ đo vƣợt ngƣỡng δ. Tại giây thứ 120, dữ liệu đo có xu hƣớng tăng. Với k = 6 (có thể đo 6 lần trong 1 giây), trong khoảng dữ liệu tăng từ 19 đến δ = 26, số lần có thể đo đƣợc là 7s * 6 = 42 lần và m = 2*k = 12 lần.
Áp dụng với 2 trƣờng hợp: thứ nhất, ΔT = Δstart = 2s tức là nút sẽ mất 2s để khởi động và mục tiêu cũng sẽ mất 2s (tính từ điểm đo iến động) để vƣợt ngƣỡng; thứ hai, Δstart > ΔT (ví dụ ΔT = 1s) nghĩa là thời gian nút khởi động để đạt trạng thái steady state l u hơn thời gian tín hiệu đo vƣợt ngƣỡng (ví dụ là 1s). Tƣơng tự xét 2 trƣờng hợp trên đối với khoảng 180s-190s và 400s-410s. Hình 2.15 cho thấy hiệu quả đối với nút thứ 16 trong 02 trƣờng hợp trên ở chỗ giải pháp này nút sẽ hông hao ph năng lƣợng để phát tín hiệu trong thời gian
Δstart (Hình 2.15a) hoặc thời gian Δstart – ΔT (Hình 2.15b) so với việc thu phát liên tục theo chu kỳ của LEACH trong cùng khoảng thời gian xem xét.
Kết quả mô phỏng cho thấy, với δ = 26, thuật toán ATTS-DF có thể áp dụng đƣợc ở một số nút có giá trị đo lƣờng vƣợt ngƣỡng. Việc giảm δ có thể tăng số lƣợng nút tham gia thuật toán ATTS-DF. Ví dụ, khảo sát đối với 100 nút trong thời gian 480s với 48 vòng (số nút "sống" để tham gia quá trình khảo sát ở Hình 2.12), δ = 26 khi áp dụng thuật toán ATTS-DF sẽ có 55 nút áp dụng với số lƣợng 1 lần, 14 nút áp dụng 2 lần, 3 nút áp dụng 3 lần.
Hình 2.16. So sánh mức tiêu thụ năng lƣợng của các nút giữa ATTS-DF và LEACH Hiệu quả tiết kiệm năng lƣợng đối với 55 nút ở trên khi áp dụng ATTS- Hiệu quả tiết kiệm năng lƣợng đối với 55 nút ở trên khi áp dụng ATTS- DF và việc s dụng năng lƣợng của các nút đó hi áp ụng LEACH, kết quả
đến
tƣơng ứng khi áp dụng LEACH. Biểu đồ tiêu thụ năng lƣợng của các nút áp dụng thuật toán ATTS-DF và LEACH ở Hình 2.16.
2.2.5. K t uậ về ả p áp ATTS-DF
Giải pháp ATTS- F đề xuất đƣợc một phƣơng pháp th o i mục tiêu th o thời gian, th ch nghi với iến động của mục tiêu; đề xuất đƣợc hái niệm: Điểm đo iến động, trạng thái ổn định đo lƣờng, thời gian đo th ch ứng và phƣơng pháp ự đoán giá trị đo mục tiêu th o xác suất (đã iết trƣớc). Hiệu quả của ATTS-DF so với LEACH gồm: thứ nhất, đo lƣờng mục tiêu hông th o chu ỳ cố định mà có điều chỉnh th o mục tiêu đã hạn chế đƣợc ung lƣợng dữ liệu đo lƣờng giống nhau và tiết kiệm đƣợc năng lƣợng do không g i dữ liệu ƣ thừa (vì có cùng thông tin) này đến CH, BS; thứ hai, đề xuất việc chuyển trạng thái đo lƣờng của nút cảm iến từ idle (hoặc sleep) sang active đúng vào thời điểm nút cảm biến có thể đo lƣờng ở trạng thái bình thƣờng, điều này đã hạn chế tối đa thời gian nút cảm biến đƣợc bật khi chƣa đạt trạng thái đo đƣợc tốt nhất g y tổn hao năng lƣợng vô ch.
Giải thuật của ATTS-DF gồm các phép đơn giản, phù hợp với khả năng tính toán của nút cảm biến nên chỉ độ phức tạp tuyến tính O(n). Ngoài ra, giải pháp có xu hƣớng tối ƣu hóa về độ trễ và đảm bảo độ hội tụ về thời gian (đáp ứng đo lƣờng càng nhanh càng tốt).
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.
Trong tƣơng lai, có thể nghiên cứu thêm mối quan hệ giữa năng lƣợng của nút, giá trị đo lƣờng và ngƣỡng δ, tình huống mục tiêu thay đổi đột ngột dẫn đến kết quả đo vƣợt ngƣỡng trƣớc lúc nút đạt trạng thái ổn định.
C ươ 3. TI T KIỆM NĂNG LƯỢNG CỤM NÚT CẢM BI N BẰNG ỨNG DỤNG L THUY T TẬP THÔ
L ý thuyết tập thô - RST (Rough Set Theory) đƣợc Z zisaw Pawla đề xuất năm 1982 [64] là công cụ toán học hữu hiệu có thể phân tích dữ liệu mơ hồ hoặc không chắc chắn để hỗ trợ quyết định bằng cách có thể bỏ qua sự hông ch nh xác đó ở mức độ chấp nhận đƣợc. Các ứng dụng bởi lý thuyết tập thô chủ yếu dựa trên việc phân bổ dữ liệu bằng cách xấp xỉ giới hạn trên và giới hạn ƣới. an đầu, lý thuyết tập thô chủ yếu đƣợc s dụng trong quá trình khai phá dữ liệu, bao gồm tiền x lý số liệu, x lý số liệu.
Đầu vào cho việc ứng dụng RST là mạng cảm biến đƣợc hệ thống hóa thông tin thành một bảng, mỗi hàng là một đối tƣợng, mỗi cột là một thuộc tính. Tùy theo yêu cầu đầu ra cho mỗi loại ứng dụng để lựa chọn giải pháp phù hợp, hƣớng đến việc cân bằng giữa độ phức tạp phƣơng pháp đó và khả năng x lý của nút cảm biến, tài nguyên của mạng.
Nhƣ ph n t ch ở Mục 1.5, hƣớng nghiên cứu ứng dụng RST để tổng hợp dữ liệu chủ yếu kết hợp với trí tuệ nhân tạo (nhƣ mạng nơ-ron) để huấn luyện dữ liệu một bộ dữ liệu đầu vào th o tiêu ch ƣới dạng quy tắc/luật nào đó của phƣơng pháp đề xuất 82, 84, 85, 96, 97, 99 . Hƣớng nghiên cứu tiền x lý dữ liệu cũng ết hợp với mạng nơ-ron để xác định và x lý lỗi [83, 86, 87]. Các đề xuất nêu trên phần lớn phù hợp với các ứng dụng đặc thù với số lƣợng ít nút cảm biến cũng nhƣ năng lƣợng dự trữ của nút khá lớn để đáp ứng nhu cầu t nh toán độ phức tạp lớn. Thực tế, các đề xuất nêu trên hông đánh giá độ phức tạp tính toán của giải pháp đã đề xuất.
Chƣơng 3, nội dung luận án th o hai hƣớng nghiên cứu nêu trên nhƣng tiếp cận theo chiều thuận, tối ƣu hóa độ phức tạp tính toán bằng cách s dụng tối đa các phép t nh toán cổ điển của RST. an đầu, mạng cảm biến
đƣợc hệ thống hóa thành bảng thông tin có số hàng là số nút cảm biến, số cột là các thuộc t nh điều kiện theo thực tế của mạng và yêu cầu của ứng dụng. Quy trình ứng dụng RTS để tổng hợp dữ liệu với đầu ra là tập luật để CH đƣa ra quyết định về dữ liệu đƣợc trình bày ở Mục 3.1. Quy trình ứng dụng RST để tiền x lý dữ liệu thô mà nút trong cụm thu đƣợc để tạo bộ dữ liệu đầu vào CH thực hiện tổng hợp, nội ung này đƣợc trình bày ở Mục 3.2.
3.1. Ứ ụ L t u t tập t tạ CH đ t ợp u
Sự phù h p ể chọn RST làm gi i pháp tổng h p dữ liệu nhiều c m biến thể hiện ở những quan iểm sau:
Tính chất rời rạc và liên tục của dữ liệu đo lƣờng của nút cảm biến: Giao thức IEEE 802.15.4 khi áp dụng cho mạng WSN sẽ điều khiển việc lấy