Tất cả các gói tin mở rộng lớp gói tin. Để thiết lập một loại gói tin mới, người sử
dụng nên:
+ Tạo một lớp mới.
+ Thêm các thuộc tính mong muốn.
Hình 4.11: Thiết lập một kiểu gói tin mới [32].
4.6.6 Thiết lập các loại đồ thị mới
Tất cả các đồ thị mở rộng lớp GenGraph (Generic Graph).
Để thiết lập một loại đồ thị mới, người sử dụng nên: + Tạo một lớp mới mở rộng lớp GenGraph
+ Thêm các thuộc tính bắt buộc, đó là đồ thị và các vị trí. + Thêm vào các dòng tương ứng trong file initialization.xml.
Hình 4.12: Thiết lập một kiểu đồ thị mới [32].
4.6.7Thiết lập nút linh hoạt
Có thể lập lịch các nút một cách linh hoạt trong NECO. Các thuộc tính trong nút dynamics bao gồm:
On/off behavior -- các nút có thể tham gia và rời khỏi mạng tại một timestep nào
đó;
Moving a node in a generic graph -- một nút có thể tựđộng làm thay đổi nút bên cạnh nó tại một timestep nào đó;
Moving a node in a geometric (wireless) graph – một nút có thể di chuyển tới một vị trí khác trong mặt phẳng 2D tại một timestep nào đó. Danh sách các nút bên cạnh mới của nó được xác định bởi phạm vi kết nối.
4.7. Kết luận
Các công cụ mô phỏng mạng hiện nay như OPNET, NS2 đều là các công cụ mạnh
được sử dụng rộng rãi để đánh giá hiệu năng của mạng với rất nhiều các thuật toán và giao thức đã được ứng dụng từ trước đến nay. Nó cũng đảm bảo hệ thống mạng mà chúng ta đánh giá gần với thực tế nhất nhằm tạo độ tin cậy cao nhất. Tuy nhiên, kỹ thuật mã mạng là kỹ thuật mới hiện nay, hai công cụ trên chưa hỗ trợ thư viện các thiết bị hỗ
trợ mã mạng vì vậy việc khảo sát mạng có ứng dụng mã mạng là điều khá khó khăn. NECO là phần mềm mới được giới thiệu chuyên để đánh giá mạng ứng dụng kỹ thuật mã mạng với các giao thức mã mạng được hỗ trợ. Nó sử dụng ngôn ngữ lập trình Python khá đơn giản và dễ đọc, đây cũng là phần mềm mới nên các tài liệu tham khảo
vẫn còn khá ít. Hiện nay, khá nhiều bài báo viết về mã mạng đều sử dụng NECO là phần mềm giúp đánh giá kết quả.
Dự án NECO sẽđánh giá các giao thức được đề xuất sử dụng trong mạng không dây 802.11 và thử nghiệm trong thực tế. Các giao thức này có thểứng dụng mã mạng tại một lớp hoặc nhiều lớp.
CHƯƠNG 5
KẾT LUẬN
Mạng cảm biến không dây với chi phí thấp và phổ biến đã được sử dụng trong rất nhiều ứng dụng như: giám sát quân sự, giám sát môi trường sống và thăm dò khoa học... Bên cạnh việc có các phép đo tương quan, mạng cảm biến không dây cũng mang hai
đặc điểm khác, cụ thể là tính chất phát quảng bá của truyền không dây và tính chất động của các liên kết mạng. Vì vậy, thách thức trong việc thiết kế một chương trình truyền thông cho mạng cảm biến không dây là làm thế nào để cung cấp cả hai đặc tính năng
động và khai thác tính chất phát quảng bá của mạng cảm biến không dây.
Trong thời gian gần đây, lấy mẫu nén đã trở thành một công cụ mới mạnh mẽđể
xử lý dữ liệu tương quan. Lợi ích của lấy mẫu nén trong thực tế là chỉ một số nhỏ các gói dữ liệu cần phải được nhận để khôi phục lại tất cả các dữ liệu từ mạng. Mặt khác, lấy mẫu nén làm giảm dung lượng bộ nhớ, tăng tốc độ lấy mẫu của các bộ ADC, giảm thiểu tiêu hao năng lượng trong các bộ cảm biến... Kỹ thuật lấy mẫu nén có thể được
ứng dụng trong mạng cảm biến không dây nếu ta coi véctơ dữ liệu tương quan là một tập của tất cả các phép đo trong mạng tại một thời điểm nhất định.
Mã mạng được coi như một công cụ để giải quyết thách thức này trong các mạng không dây và cũng có thể tận dụng dung lượng mạng phát đa điểm. Với kỹ thuật mã mạng, các nút trung gian mã hóa thông tin nó nhận được trước khi gửi đi. Đặc biệt, các nút trung gian sử dụng sơ đồ mã mạng ngẫu nhiên tuyến tính có đầu ra là sự kết hợp tuyến tính của đầu vào với các hệ số ngẫu nhiên. Hoạt động này tương tự như toán tử (adsbygoogle = window.adsbygoogle || []).push({});
chiếu ngẫu nhiên trong lấy mẫu nén. Kết hợp với đặc tính phát quảng bá của mạng không dây, mã mạng có thểđưa ra tính đa dạng và sự dư thừa trong mạng để thích ứng với những thay đổi động trong cấu trúc mạng. Đây là mục tiêu của sự kết hợp mã mạng và lấy mẫu nén trong mạng cảm biến không dây.
Luận văn đã tìm hiểu nguyên lý căn bản của kỹ thuật mã mạng, kỹ thuật lấy mẫu nén và một sơ đồ thực tế NetCompress với mục tiêu kết hợp kỹ thuật mã mạng và lấy mẫu nén trong mạng cảm biến không dây, mã hóa dữ liệu tại mỗi nút cảm biến nhằm
giữ, duy trì các điều kiện khôi phục cần thiết đối với lấy mẫu nén và cũng khắc phục tỉ
lệ lỗi liên kết cao trong các mạng cảm biến không dây. NetCompress đã khai thác hiệu quả tính chất phát quảng bá, mối tương quan giữa các phép đo cảm biến trong mạng cảm biến không dây để tối thiểu hóa số lượng gói tin nhận được cần giải mã, do đó giảm thông tin điều khiển.
Luận văn cũng đã tìm hiều chi tiết về phần mềm mô phỏng NECO, là phần mềm mới được giới thiệu chuyên để đánh giá mạng ứng dụng kỹ thuật mã mạng với các giao thức mã mạng được hỗ trợ. Nó sử dụng ngôn ngữ lập trình Python khá đơn giản và dễ đọc. Sử dụng NECO để mô phỏng phương pháp NetCompress sẽ được phát triển tiếp theo sau luận văn này.
TÀI LIỆU THAM KHẢO
[1] R. Ahlswede, N. Cai, S.-Y. R. Li, and R. W. Yeung, Network information flow, IEEE Trans. inform. Theory, vol. 46, no. 4, pp. 1204–1216, July 2000.
[2] S.-Y. R. Li, R. W. Yeung, and N. Cai. Linear network coding, IEEE Transactions on Information Theory , Februray, 2003.
[3] T.Ho, R.Koetter, M.M’edard, D.R.Karger, M.Effros, J.Shi, and B.Leong, A random linear network coding approach to multicas, IEEE Trans. Inform. Theory, vol. 52, no. 10, pp. 4413-4430, Oct. 2006.
[4] Raymond W. Yeung, Shuo-Yen Robert Li, Ning Cai, Zhen Zhang. Network coding theory
[5] Christina Fragouli, Emina Soljanin. Network coding fundamentals, 2007. [6] Richard G.Baraniuk, Compressive Sensing , 2007.
[7] Emmanuel J.Candès and Michael B.Wakin, An Introduction to Compressive Sampling, 2008.
[8] Nam Nguyen, Douglas L.Jones, Sudha Krishnamurthy, Coupling network coding and compressed sensing for efficient data communication in wireless sensor networks, 2010.
[9] T. He, S. Krishnamurthy, L. Luo, T. Yan, L. Gu, R. Stoleru, G. Zhou, Q. Cao, P. Vicaire, J.A. Stankovic, et al., VigilNet: An integrated sensor network system
for energy-efficient surveillance, ACM Transactions on Sensor Networks
(TOSN), vol. 2, no. 1, pp. 38, 2006.
[10] T. Ho, R. Koetter, M. Me´dard, D. R. Karger, and M. Effros, The benefts of coding over routing in a randomized setting, in Proc. 2003 IEEE int. Symp. information Theory (ISIT 2003), Yokohama, Japan, June/July 2003.
[11] T. Ho, M. Médard, M. Effros, R. Koetter, and D. R. Karger, Network coding for correlated sources, in Proc. Conf. Information Sciences and Systems, Princeton, NJ, 2004.
[12] R. Koetter and M. Médard, An algebraic approach to network coding, IEEE/ACM Trans. Netw., vol. 11, no. 5, pp. 782–795, Oct. 2003.
[13] N. Xu, S. Rangwala, K.K. Chintalapudi, D. Ganesan, A. Broad, R. Govindan, and D. Estrin, A wireless sensor network for structural monitoring, in SenSys 04. [14] A. Mainwaring, D. Culler, J. Polastre, R. Szewczyk, and J. Anderson, Wireless
sensor networks for habitat monitoring, in Proceedings of the 1st ACM
International Workshop on Wireless Sensor Networks and Applications, 2002. [15] L. Selavo, A. Wood, Q. Cao, T. Sookoor, H. Liu, A. Srinivasan, Y. Wu, W.
Kang, J. Stankovic, D. Young, et al., Luster: wireless sensor network for environmental research. in Proceedings of the 5th International Conference on Embedded Networked Sensor Systems, 2007.
[16] E.J. Candes, J. Romberg, and T. Tao, Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information, IEEE Transactions on Information Theory, vol. 52, no. 2, pp. 489–509, 2006.
[17] D.L. Donoho, Compressed Sensing, IEEE Transactions on Information Theory, vol. 52, no. 4, pp. 1289–1306, 2006.
[18] M.F. Duarte, M.B. Wakin, D. Baron, and R.G. Baraniuk, Universal distributed sensing via random projections, IPSN 06, pp. 177–185, 2006.
[19] S.S. Pradhan, J. Kusuma, and K. Ramchandran, Distributed compression in a dense microsensor network, Signal Processing Magazine, IEEE, vol. 19, no. 2, pp. 51–60, 2002.
[20] M. Rabbat, J. Haupt, A. Singh, and R. Nowak, Decentralized compression and predistribution via randomized gossiping, IPSN 06, pp. 51–59, 2006.
[21] W. Wang, M. Garofalakis, and K. Ramchandran, Distributed sparse random projections for refinable approximation, IPSN 07, pp. 331–339, 2007.
[22] R. Ahlswede, N. Cai, S.Y.R. Li, and R.W. Yeung, Network information flow, IEEE Transactions on Information Theory, vol. 46, no. 4, pp. 1204–1216, 2000. [23] S.Y.R. Li and R.W.N. Cai, Linear network coding, IEEE Transactions on (adsbygoogle = window.adsbygoogle || []).push({});
Information Theory, vol. 49, no. 2, pp. 371–381, 2003.
[24] R. Koetter and M. Medard, An algebraic approach to network coding. IEEE/ACM Transactions on Networking, vol. 11, no.5, pp. 782–795, 2003.
[25] P.A. Chou, Y. Wu, and K. Jain, Practical network coding, Allerton Conference on Communication, Control, and Com- puting, 2003.
[26] S. Katti, S. Shintre, S. Jaggi, and M. Medard, Real Network Codes, Allerton Conference on Communication, Control, and Computing, 2007.
[27] http://www.acm.caltech.edu/l1magic/
[28] NECO: Network Coding simulator, http://www.dcc.fc.up.pt/wiki. [29] Graphviz. http://www.graphviz.org/.
[30] Tracey Ho and Desmond S.Lun, Network coding an introduction
[31]Http://www.dcc.fc.up.pt/~neco/wiki/index.php/NECO_NEtwork_COding_Simulato
r_Documentation
[32] Ioannis Broustis, Thanasis Korakis, Leandros Tassiulas, Savvas Gitzenis, First report on test-bed functionalities and implementation of network coding schemes, 30/07/09