Xaojun và cộng sự [85] đề xuất một mơ hình cảm biến mới trong mơi trƣờng 3 chiều với thuật tốn nâng cao khả năng phủ sĩng. Trong mơ hình này nhĩm tác giả sử dụng mơ hình cảm biến theo hƣớng với các gĩc mở trong khơng gian phạm vi phủ sĩng. Để tăng khả năng đƣợc phủ sĩng, bài báo giả định từ các cảm biến cố định cĩ vùng phủ sĩng bị chồng chéo sẽ đƣợc điều chỉnh hƣớng và các gĩc (Hình 1-12). Tuy nhiên, khi điều chỉnh hƣớng và gĩc của cảm biến này sẽ làm ảnh hƣởng đến các cảm biến khác. Để giải quyết vấn đề này, nhĩm tác giả đề xuất tìm kiếm giải pháp tối ƣu cục bộ. Tuy nhiên, các giải pháp này chỉ làm tăng khả năng phủ của cảm biến chứ khơng lựa chọn giải pháp tối ƣu vị trí cảm biến trên địa hình trong mơi trƣờng 3 chiều.
Hình 1-12 Tăng vùng phủ sĩng bằng cách chỉnh hướng và gĩc
Trong mơi trƣờng 3 chiều, một giải pháp khác đƣợc Dhillon và cộng sự [22] đề xuất kết hợp mơ hình xác suất cảm biến với mơ hình địa hình để tối ƣu hĩa vị trí cảm biến. Trong bài báo này nhĩm tác giả sử dụng mơ hình cảm biến đa hƣớng phát hiện đối tƣợng giảm dần trên địa hình cĩ vật cản, các cảm biến và đối tƣợng mục tiêu đƣợc xác định tại các điểm lƣới. Trong nghiên cứu này, các tác giả xem xét các điểm lƣới để tính xác suất phủ sĩng giữa các điểm lƣới lân cận, ví dụ:
xét hai điểm lƣới lân cận i và j, pij là xác suất phủ sĩng của cảm biến đặt tại i tới
điểm j và ngƣợc lại là pji. Nếu giữa i và j khơng cĩ vật cản thì pij = pji. Ngƣợc lại
thì pij = pji=0 hoặc pij =0 , pji ≠ 0 hoặc pij ≠ 0, pji = 0 tùy thuộc vào vật cản nằm đối xứng giữa hai điểm hay khơng. Trong mơ hình này một ngƣỡng phủ sĩng trung bình T cũng đƣợc đặt ra để đảm bảo một điểm lƣới trong địa hình đƣợc phủ
sĩng ít nhất là T. Tiếp theo giải pháp dùng thuật tốn tham để đặt cảm biến trong
địa hình, từ đĩ tìm ra số cảm biến tối thiểu cần thiết và những điểm mục tiêu khơng đƣợc phủ sĩng bé nhất (Hình 1-13). Tuy nhiên, với một mạng cảm biến lớn việc áp dụng thuật tốn tham là khơng khả thi.
Hình 1-13 Mơ hình cảm biến với vật cản
Unaldi và cộng sự [74]; Akbarzadeh và cộng sự [5] đề xuất mơ hình cảm biến xác suất và khái niệm tầm nhìn LoS của Bresenham (Hình 1-144) và biến đổi Wavelet trong việc di chuyển cảm biến thực hiện trong giai đoạn đột biến của thuật tốn di truyền hoặc thuật tốn tiến hĩa nhằm mục đích tối đa hĩa chất lƣợng phủ sĩng của một WSN. Tuy nhiên, giải pháp này chỉ triển khai mạng cảm biến cĩ số lƣợng cảm biến hạn chế vì tốc độ hội tụ của thuật tốn chậm.
Hình 1-14 Mơ hình cảm biến với khái niệm tầm nhìn
Các cơng trình nghiên cứu đã ứng dụng triển khai mạng cảm biến trên địa hình trong mơi trƣờng 3 chiều với yếu tố vật cản. Trong các giải pháp này việc tối ƣu hĩa vùng phủ sĩng ở mức độ cục bộ tức là chỉ di chuyển, hay xoay các gĩc cảm biến để làm tăng khả năng phủ sĩng khu vực tiêu chứ khơng xác định vị trí cho cảm biến để tối ƣu hĩa tồn bộ khu vực phủ sĩng. Hơn nữa, yếu tố hố mạng vật lý khơng
đƣợc đề cập trong các ứng dụng. Hố mạng trên các địa hình trong mơi trƣờng 3 chiều ảnh hƣởng nhiều đến chất lƣợng phủ sĩng của mạng cảm biến.
Luận án xem xét việc mơ hình hĩa địa hình phức tạp trong mơi trƣờng 3 chiều với các yếu hố mạng vật lý và vật cản; đề xuất giải pháp LoS cải tiến để tăng tốc độ xác định các vật cản giữa cảm biến và điểm mục tiêu, đồng thời ứng dụng thuật tốn tối ƣu bầy đàn để xác định vị trí cảm biến trong khu vực mục tiêu nhằm tối ƣu hĩa vùng phủ sĩng cho tồn bộ khu vực mục tiêu.
1.2.2 Bài tốn tối ƣu năng lƣợng mạng
Việc triển khai mạng cảm biến cần đảm bảo tối đa vùng phủ sĩng nghĩa là phạm vi cần quan sát. Ngồi ra, các cảm biến thƣờng bị hạn chế về năng lƣợng do việc sử dụng năng lƣợng pin và cĩ bộ xử lý nhỏ nên triển khai mạng cảm biến cũng cần quan tâm đến việc kéo dài tối đa thời gian sống của mạng [62, 68, 90, 93]. Chính vì vậy, sau khi triển khai các nút cảm biến, chúng ta cần xác định cấu trúc liên kết của các cảm biến để qui định việc truyền thơng tin từ các cảm biến đến trạm cơ sở. Đây là vấn đề rất quan trọng vì nĩ quyết định sự tiêu tốn năng lƣợng của các nút cảm biến.
Vấn đề xác định cấu trúc liên kết giữa các cảm biến để tối thiểu hĩa năng lƣợng tiêu tốn của tồn mạng cũng đƣợc quan tâm bởi nhiều nhà nghiên cứu. Tung,
N. T và cộng sự [72] sử dụng các phƣơng pháp quy hoạch phi tuyến để tìm vị trí đặt
nút BS để tối ƣu hĩa năng lƣợng tiêu thụ, kéo dài tuổi thọ của mạng. Hoặc trong các cơng trình [37, 60, 98] các tác giả đã trình bày các thuật tốn ACO và PSO cho việc lựa chọn các nút BS để tối ƣu hĩa tổng năng lƣợng tiêu tốn của mạng cảm biến trong mơi trƣờng hai chiều. Các tác giả cũng đã đề cập đến vấn đề đơn hop và đa hop cũng nhƣ đơn nút BS và đa nút BS. Trong cách tiếp cận này, thuật tốn sẽ xác định cấu trúc của mạng (là hình sao, phân cấp hay tập trung).
Một cách tiếp cận khác đĩ là qui định cấu trúc mạng trƣớc và tìm cách xây dựng triển khai mạng cảm biến theo cấu trúc đĩ. Theo cách tiếp cận này, cấu trúc mạng thƣờng đƣợc chọn là cấu trúc mạng tập trung. Vì vậy, các thuật tốn phân cụm thƣờng đƣợc sử dụng.
Thuật tốn phân cụm mạng cảm biến đƣợc phân loại dựa trên các yếu tố điều khiển tập trung hay phân tán hay lai giữa tập trung và phân tán. Việc hình thành cụm và lựa chọn CH của các cụm đƣợc kiểm sốt bởi trạm BS gọi là thuật tốn tập trung. Trong phƣơng pháp này BS nhận đƣợc thơng tin tình trạng, khả năng của tất cả các cảm biến trong mạng, từ đây thuật tốn sẽ quyết định hình thành các cụm. Một số thuật tốn thuộc loại này nhƣ LEACH [57], LEACH-C [63], EELBC [38], v.v. Tuy nhiên phƣơng pháp tập trung khơng phù hợp với các mạng cảm biến quy mơ lớn, hơn nữa các cảm biến gần BS sẽ nhanh chĩng cạn kiệt năng lƣợng vì phải chuyển tiếp dữ liệu cho nhiều cảm biến ở xa, do đĩ cĩ giải pháp EEDC [57] giảm kích thƣớc cụm tập trung gần BS để bảo tồn năng lƣợng. Ngƣợc lại việc lựa chọn CH và cảm biến thuộc về cụm nào đƣợc thực hiện bởi các cảm biến gọi là thuật tốn phân tán. Trong thuật tốn này mỗi nút cảm biến cĩ khả năng trao đổi thơng tin với nhau để lựa chọn CH dựa trên các tham số nhƣ trọng số, năng lƣợng cịn lại, v.v. từ đĩ quyết định hình thành cụm đƣợc thực hiện. Cách tiếp cập phân tán đƣợc xem là hiệu quả hơn so với phƣơng pháp tập trung khi đĩ số lƣợng chuyển thơng tin diễn ra giữa các nút cảm biến và trạm BS giảm đi, khả năng mở rộng đƣợc tăng cƣờng. Một số thuật tốn phân cụm phân tán điển hình nhƣ LCA, EEMS, TCCA.
Nổi tiếng nhất trong các thuật tốn phân cụm dùng cho mạng cảm biến khơng dây là LEACH [57], LEACH-C [63], SCEEP [36], H-LEACH [59], K-means [61], FCM [10].
1.2.2.1 LEACH
LEACH [57] là giao thức phân cụm phân cấp thích ứng năng lƣợng thấp để thu thập dữ liệu từ các cảm biến chuyển tiếp đến BS. Mục đích chính của LEACH là kéo dài thời gian sống của mạng và giảm năng lƣợng tiêu thụ của mỗi nút. Một đặc điểm của LEACH là tự tổ chức các cảm biến thành cụm mà trong đĩ cĩ một nút làm CH. Các nút non-CH khác trong cụm thu thập thơng tin rồi chuyến đến CH của chúng. Nút CH nhận dữ liệu từ các non-CH trong cụm, thực hiện phân tích, xử lý xong rồi chuyển tiếp đến BS. Do đĩ các CH tiêu thụ năng lƣợng nhiều hơn các nút
non-CH. LEACH đề xuất xoay vịng ngẫu nhiên vai trị CH cho các nút non-CH trong cụm để tránh việc tiêu thụ năng lƣợng chỉ tập trung vào một nút.
Khi bắt đầu một vịng mới trong LEACH, nĩ sẽ quyết định cĩ hay khơng một nút cảm biến cĩ thể trở thành CH dựa trên xác suất trở thành CH là P và số lần nút đĩ trở thành CH trƣớc đĩ. Mỗi nút chọn một số ngẫu nhiên R trong đoạn 0, 1. Nếu giá trị này nhỏ hơn ngƣỡng T(i) thì nút đĩ trở thành CH của vịng hiện thời. Giá trị ngƣỡng này đƣợc xác định cơng thức (1.8) nhƣ sau:
lại ngược ) / 1 mod( 1 0 ) ( P r P P G i i T (1.8)
Trong đĩ r là vịng hiện tại, G là tập hợp các nút chƣa trở thành CH trong 1/P vịng trƣớc.
Trong mơi trƣờng 3 chiều cĩ thể áp dụng thuật tốn LEACH cho việc phân cụm mạng cảm biến. Tuy nhiên, khoảng cách giữa các cảm biến đƣợc tính nhƣ cơng thức (1.9) trong đĩ xi,yi,hi là tọa độ của cảm biến si trong địa hình.
2 2 2 ) ( ) ( ) ( ) , (si sj xi xj yi yj hi hj d (1.9)
Bảng 1-2 mơ tả mã giả thuật tốn LEACH
Bảng 1-2 Thuật tốn LEACH
Input N cảm biến
Output Cụm Ck (k=1,…,K) 1 For each cảm biến si
2 Tính T(i) theo cơng thức (1.8)
3 Sinh số ngẫu nhiên Ri (0,1).
4 If T(n) > Ri then
5 CH(i) = true
7 CM(i) = true
8 EndFor
9 ForEach CH(i) gửi thơng điệp CH tới tất cả nút lân cận
10 ForEach CM(i) Tính khoảng cách đến CHk theo cơng thức (1.9)
11 If d(CM(i), CHk) min then
12 CM(i) được thêm vào Ck
13 EndIf
1.2.2.2 LEACH-C
LEACH-C tƣơng tự nhƣ LEACH nhƣng thuật tốn sẽ quyết định một nút trở thành CH là nút cĩ năng lƣợng cịn lại lớn và vị trí của nút đĩ trong địa hình. Trong thuật tốn LEACH, việc chọn CH khơng dựa vào năng lƣợng cịn lại mà dựa vào số lần trở thành CH các vịng trƣớc đĩ. Điều này làm cho các cảm biến ở xa BS sẽ nhanh chĩng cạn kiệt năng lƣợng. Hơn nữa, việc chọn CH khơng dựa vào phân bố của các cảm biến sẽ hình thành các cụm chồng chéo. Để khắc phục các nhƣợc điểm này, LEACH-C cho phép các cảm biến gửi thơng tin về năng lƣợng cịn lại và vị trí để BS sử dụng thuật tốn tối ƣu lựa chọn CH [63].
Trong [63], LEACH-C sử dụng thuật tốn (PBO) để chọn các CH dựa vào năng lƣợng cịn lại và khoảng cách. Nếu cĩ hai nút cảm biến cĩ cùng năng lƣợng thì LEACH-C chọn cảm biến làm CH dựa vào khoảng cách từ nĩ đến BS. LEACH-C đã cải tiến hiệu quả năng lƣợng, chi phí và kéo dài tuổi thọ của mạng so với LEACH. Tƣơng tự LEACH, thuật tốn LEACH-C cũng thể áp dụng cho việc phân cụm mạng cảm biến trong mơi trƣờng 3 chiều.
Thuật tốn của LEACH-C đƣợc trình bày trong Bảng 1-3 với AE là năng
lƣợng trung bình của mạng, disti và distj là khoảng cách giữa các nút i, j và BS, E là năng lƣợng cịn lại của nút đang xem xét, N là số nút cảm biến.
Bảng 1-3 Thuật tốn LEACH-C
Input N cảm biến
Output Cụm Ck (k=1,…,K)
1 Tất cả các nút gởi thơng tin về năng lƣợng và vị trí đến BS
2 BS đánh dấu các nút cĩ mức năng lƣợng cao và tính năng lƣợng trung
bình tồn mạng AE
Chọn CH (AE, CM, N, CH, E)
3 i =1
4 While (i <= N)
5 If (Ei >AE) then CH (i) = True then
6 Else CM (i) = True
7 EndIf
8 For (j = 1; j < N; j++)
9 If (Ei = Ej) then
10 If (disti < distj) then CH (i) = True then
11 Else CH (j) = True 12 EndIf 13 EndIf 14 EndFor 15 i++ 16 EndWhile
17 Each CM(i) tính khoảng cách đến CHk theo cơng thức (1.9)
18 If d(CM(i), CHk) min then CM(i) được thêm vào Ck
1.2.2.3 SCEEP
Mục đích chính của thuật tốn SCEEP [36] là giảm chi phí truyền dữ liệu của các nút CH. Thuật tốn này thực hiện hai nguyên tắc để lựa chọn nút làm CH. Thứ nhất, theo cơng thức (1.8), nhƣ thuật tốn LEACH thực hiện chọn ngẫu nhiên các nút CH khi bắt đầu. Với cơng thức này sẽ đảm bảo mỗi cảm biến cĩ cơ hội nhƣ nhau để trở thành CH. Trong phƣơng pháp này các CH thay đổi mỗi vịng mà khơng
xem xét đến năng lƣợng cịn lại của các nút, điều này cĩ thể dẫn đến một số nút chết sớm làm giảm tuổi thọ của mạng. Để giảm chi phí truyền dữ liệu và tối đa tuổi thọ của mạng, nguyên tắc thứ hai là xây dựng mức ngƣỡng đề xuất dựa trên mức năng lƣợng cịn lại để giữ lại nút CH hay khơng.
1.2.2.4 H-LEACH
Thuật tốn H-LEACH [59] chủ yếu dựa trên ý tƣởng của thuật tốn LEACH sử dụng phƣơng pháp ngẫu nhiên để chọn CH cho các cụm, một số phƣơng pháp cải tiến đề xuất ngƣỡng năng lƣợng cịn lại của các cảm biến làm ứng cử viên trở thành CH. Tuy nhiên, phƣơng pháp H-LEACH lựa chọn các cảm biến cĩ năng lƣợng cịn lại lớn nhất cho trở thành CH, chính vì điều này làm tăng tuổi thọ của mạng và giảm bớt số lần tái phân cụm.
1.2.2.5 Phân cụm dùng K-Means
Một phƣơng pháp phân cụm khác tối ƣu hĩa năng lƣợng của mạng cảm biến là phân cụm dùng K-Means [61]. Khơng giống nhƣ LEACH và LEACH-C, thuật tốn phân cụm dùng K-Means tìm kiếm cảm biến gần với tâm cụm chọn làm CH. Tham số quan trọng nhất của thuật tốn phân cụm dùng K-Means đĩ chính là khoảng cách Euclide giữa các cảm biến. Thuật tốn K-Means lặp đi lặp lại việc gom cụm các cảm biến cĩ khoảng cách ngắn nhất với tâm cụm, sau mỗi lần lặp tâm cụm đƣợc tính lại, thuật tốn dừng khi tâm cụm khơng thay đổi. Điều này đảm bảo năng lƣợng tiêu thụ của các cảm biến trong cụm cho việc truyền dữ liệu đến CH của chúng là ít nhất. Tuy nhiên, cũng giống nhƣ các phƣơng pháp phân cụm khác, các CH luơn tiêu tốn năng lƣợng nhiều hơn các cảm biến khác vì chúng cĩ nhiệm vụ nhận dữ liệu từ các cảm biến thành viên trong cụm, rồi tổng hợp loại bỏ dữ liệu dƣ thừa sau đĩ mới chuyển tiếp đến BS. Để đảm bảo cân bằng năng lƣợng giữa các cảm biến trong cụm, kéo dài tuổi thọ của mạng, thuật tốn phân cụm dùng K-Means thực hiện phân cụm xoay vịng với số cụm đƣợc khởi tạo mỗi lần khác nhau. Bảng 1-4 Mơ tả chi tiết thuật tốn phân cụm dùng K-Means.
Bảng 1-4 Thuật tốn phân cụm dùng K-Means
Input N cảm biến
Output Cụm Ck (i=1,…,K)
1 Khởi tạo các tâm cụm mk=random(N), (k=1,…,K)
2 Repeat
3 For each Xi (i=1,..N)
4 Tính d(Xi, mk) (k=1,…,K) theo cơng thức (1.9)
5 If d(Xi,mk) = min then
6 Xi join Ck
7 EndFor
8 For each Ck (k=1,…K)
9 Update các tâm cụm mk= Average(Ck)
10 EndFor
11 Until tâm các cụm khơng đổi
1.2.2.6 Phân cụm dùng FCM
Fuzzy C-Means (FCM) là một trong các phƣơng pháp phân cụm đƣợc áp dụng rộng rãi trong logic mờ đƣợc đƣa ra bởi Bezdek [30]. Các cảm biến đƣợc gom thành cụm với độ thuộc của FCM giúp tối ƣu hĩa các cụm dựa vào việc giảm thiểu khoảng cách giữa các cảm biến và tâm cụm theo hàm mục tiêu (1.10). Phƣơng pháp này đảm bảo các cụm hình thành một cách thống nhất trong mạng cảm biến. Các cụm đƣợc hình thành với các cảm biến cĩ mật độ cao. Do đĩ, việc truyền dữ liệu đƣợc cân bằng giữa các CH và năng lƣợng tiêu thụ cũng đƣợc cân bằng giữa các cảm biến trong nội cụm. Phƣơng pháp phân cụm dùng FCM đƣợc
giải quyết nhờ vào cơng thức chính (1.12 – 1.13). Trong đĩ, µij là độ thuộc của
min 1 1 2 C j N i ij m ij d J (1.10) Với ràng buộc: C j N i C i ij ij ,.., 1 ;