Wpływ architektury i protokołów komunikacyjnych na przepustowość i czas nieprzerwanej pracy bezprzewodowych sieci sensorowych

pol Article in Polish DOI: 10.14313/PAR_213/102

send Tadeusz Goszczyński Zespół Badań Podstawowych, Przemysłowy Instytut Automatyki i Pomiarów PIAP

Download Article

Streszczenie

Sieci sensorowe, przeznaczone do zbierania danych dotyczących środowiska oraz do lokalizacji i śledzenia obiektów poruszających się w przestrzeni, powinny być optymalizowane ze względu na wymagany jak najdłuższy czas nieprzerwanej pracy jej węzłów oraz jak największą skuteczność przesyłania zbieranych danych. W artykule przedstawiono matematyczne odwzorcowanie i analizę systemu sieci przedstawioną w formie programu liniowego, określającego czas nieprzerwanej pracy sieci oraz analizę przepustowości dla dwóch modeli sieci, jak również dla różnych algorytmów śledzenia ruchomych obiektów. Przedstawiono także przykład symulacji pracy sieci.

Słowa kluczowe

czas nieprzerwanej pracy, przepustowość sieci, sieci bezprzewodowe, sieci sensorowe, symulacja

The impact of architecture and algorithms used in sensor networks on its throughput and lifetime

Abstract

Wireless sensor networks can be used for localization and tracking of moving targets. The article presents mathematical analysis of lifetime and throughput for two types of network structures and different algorithms used. Valuation of results obtained is presented.

Keywords

network lifetime, network throughput, sensor network, wireless network

Bibliography

  1. Duarte-Melo E.J., Liu M., Misra A., An effcient and robust computational framework for studying lifetime and information capacity in sensor networks, „ACM Kluwer MONET“ (special issue), 2004.
  2. Gupta P., Kumar P.R., The capacity of wireless network, ”IEEE Trans. Inform Theory”, Vol. 46, No. 2, March 2000. DOI: 10.1109/18.825799.
  3. Arpacioglu O., Hass Z., On the scalability and capacity of wireless networks with omnidirectional antennas, [in:] Proc. Int. Workshop on Information Processing in Sensor Networks – IPSN’04, Berkeley, CA, April 2004. DOI: 10.1145/984622.984648.
  4. Duarte-Melo E.J., Liu M., Misra A., Data gathering wireless sensor networks: Organization and capacity, “Wireless Sensor Networks”, Vol. 43, No. 4, 2003. DOI: 10.1016/S1389-1286(03)00357-8.
  5. El Gamal H., On the scaling laws of dense wireless sensor networks, "IEEE Trans. Inform Theory", March 2005.
  6. Zhao F., Shin J., Reich J., Information-driven dynamic sensor collaboration for tracking applications, “IEEE Signal Proces. Mag.”, March 2002.
  7. Mechitov K., Sundresh S., Kwon Y., Agha G., Cooperative tracing with Binary-Detection Sensor Networks, Computer Science Dept University Illinois at Urbana – Champaign, 2003.
  8. Gupta P., Das S. R., Tracking Moving Targets in a smart sensor network, [w:] Proc VTC Symp., 2003. DOI: 10.1109/VETECF.2003.1286181.
  9. Hui Z., Ming L., A Delay-Based Routing Protocol for Human-Oriented Delay Tolerant Mobile Sensor Network (DTMSN), [in:] 32nd International Conference on Distributed Computing Systems Workshops, 2012.
  10. Wang Y., Wu H., Delay/fault-tolerant mobile sensor network (dft-msn): a new paradigm for pervasive information gathering, "IEEE Transactions on Mobile Computing", Vol. 6, No. 8, 2005.
  11. Vahadat A., Becker D., Epidemic Routing for Partially Connected ad hoc Networks, Technical Report Vol. CS-200006, Durham, 2006.
  12. Song C., Qu Z., Blumm N., Barabasi A., Limits of Predictability in Human Mobility, “Science”, Vol. 327, Issue 5968, 2010. DOI: 10.1126/science.1177170.
  13. Goszczyński T., Pilat Z., Considerations on Methods for Best Position Evaluation for Mobile Robot Node to Improve Coverage of Wireless Sensor Network. [in:] ROBTEP 7–9.06.2010, Bardejov, Słowacja.