Ενεργειακά αποδοτική συλλογή δεδομένων σε ασύρματα δίκτυα αισθητήρων

Abstract

Τα ασύρματα δίκτυα αισθητήρων αποτελούν ένα νέο παράδειγμα δικτύωσης το οποίο έχει μεταβάλλει τον τρόπο αντίληψης των χρηστών για τον περιβάλλοντα χώρο τους. Σε αντίθεση με τα υπάρχοντα αυτο-οργανούμενα δίκτυα, τα δίκτυα αισθητήρων προορίζονται για εφαρμογές όπου θα λειτουργούν δίχως επίβλεψη για ορισμένο χρονικό διάστημα και συνήθως η αντικατάσταση των πηγών ενέργειας τους (μπαταρίες στις περισσότερες περιπτώσεις) είναι ιδιαίτερα δύσκολη ή ακόμα και αδύνατη διαδικασία. Ως εκ τούτου, ο περιορισμός της κατανάλωσης της δαπανώμενης ενέργειας στα δίκτυα τέτοιου τύπου με σκοπό την αύξηση της διάρκειας ζωής τους, αποτελεί πρωταρχικό στόχο κατά την ανάπτυξη πρωτοκόλλων και διαδικασιών. Η παρούσα εργασία επικεντρώνεται στην ανάπτυξη και μελέτη μεθοδολογιών και αλγορίθμων ασύρματης επικοινωνίας αισθητήρων με απώτερο στόχο την ενεργειακά αποδοτική συλλογή δεδομένων και την ταυτόχρονη εξασφάλιση συγκεκριμένων δεικτών ποιότητας υπηρεσίας. Οι μέθοδοι οι οποίες παρουσιάζονται υιοθετούν στοιχεία από τις προτεινόμενες λύσεις στην βιβλιογραφία ενώ την επεκτείνουν καθώς προτείνεται ένα γενικό πλαίσιο το οποίο κινείται σε δύο κατευθύνσεις. Αρχικά, παρουσιάζεται ένα μοντέλο συστήματος το οποίο επιτυγχάνει την μείωση της κίνησης των πακέτων πληροφορίας τα οποία συλλέγονται σε ένα ασύρματο δίκτυο αισθητήρων μέσω τεχνικών συνάθροισης, ενώ η δεύτερη προσέγγιση αφορά στην δημιουργία ενός ενεργειακά αποδοτικού πρωτοκόλλου πρόσβασης μέσου. Πιο συγκεκριμένα, οδηγούμενη από τη μείωση του επικοινωνιακού κόστους που δύναται να επιφέρει η τεχνική της συνάθροισης, η οποία μειώνει το πλήθος των δεδομένων σε ένα δίκτυο, προτείνουμε ένα πλαίσιο συλλογής δεδομένων το οποίο λειτουργεί με κατανεμημένο και πιθανοτικό τρόπο. Η μέθοδος συνάθροισης μοντελοποιείται και αξιολογείται αναλυτικά, ενώ προδιαγράφεται και υλοποιείται ένα πρωτόκολλο συνάθροισης δεδομένων - ανεξάρτητο της δρομολόγησης - το οποίο θα μπορεί να χρησιμοποιηθεί σε οποιαδήποτε εφαρμογή η οποία κάνει χρήση ασυρμάτων δικτύων αισθητήρων. Επιπρόσθετα, το πρωτόκολλο αυτό λαμβάνει υπόψη του χαρακτηριστικά ποιότητας υπηρεσίας επιτρέποντας την αποδοτική εφαρμογή και χρήση του σε εφαρμογές ασυρμάτων δικτύων αισθητήρων πραγματικού χρόνου καθώς και σε δίκτυα τα οποία χαρακτηρίζονται από χαμηλούς ρυθμούς μετάδοσης και μεταβλητότητα στο κανάλι επικοινωνίας, όπως είναι για παράδειγμα τα υποβρύχια δίκτυα αισθητήρων. Κατ’ επέκταση η ενεργειακά αποτελεσματική συλλογή δεδομένων με ταυτόχρονη συνάθροιση αυτών ανάγεται σε ένα πρόβλημα βελτιστοποίησης, το οποίο και επιλύεται με τεχνικές αποσύνθεσης πρωτεύοντος-δυϊκού προβλήματος. Προτείνεται και αξιολογείται ένας κατανεμημένος αλγόριθμος ο οποίος επιτυγχάνει την ελαχιστοποίηση της καταναλισκόμενης ενέργειας σε ένα ασύρματο δίκτυο αισθητήρων με εύρεση των βέλτιστων σημείων - κόμβων και περιόδων συνάθροισης. Η δεύτερη στρατηγική, εστιάζει στο στρώμα πρόσβασης στο μέσο (Medium Access Control) και στοχεύει στην δημιουργία ενός ενεργειακά αποδοτικού πρωτοκόλλου πρόσβασης σε αυτό. Η προτεινόμενη μέθοδος επιτυγχάνει την επέκταση της διάρκειας ζωής του δικτύου αισθητήρων, κάνοντας χρήση προγραμμάτων ακρόασης – ύπνου, μειώνοντας ταυτόχρονα τον χρόνο αδρανούς ακρόασης των αισθητήρων. Οι αισθητήρες επιλέγουν πρόγραμμα λειτουργίας, συγχρονίζονται με τους γειτονικούς τους κόμβους και σχηματίζονται μονοπάτια πληροφορίας τα οποία επιτυγχάνουν χαμηλή μέση καθυστέρηση των πακέτων στο δίκτυο. Παράλληλα, επιθυμώντας τη μεγιστοποίηση των ενεργειακών κερδών από τις δύο διαφορετικές τεχνικές - συνάθροιση δεδομένων στο επίπεδο εφαρμογής και χρήση προγραμμάτων στο επίπεδο πρόσβασης - προτάθηκε ένας συνδυασμένος κατανεμημένος αλγόριθμος συλλογής, ο οποίος εφαρμόζει συνάθροιση δεδομένων για χρονικό διάστημα εξαρτώμενο από την κατάσταση του κάθε κόμβου. Η προτεινόμενη μέθοδος, επιπλέον, υποστηρίζει διασφάλιση συγκεκριμένων μετρικών Ποιότητας της Υπηρεσίας. Για την αξιολόγηση του πρωτοκόλλου πραγματοποιήθηκαν εκτεταμένα πειράματα προσομοιώσεων, όπου διαπιστώθηκαν τα ενεργειακά οφέλη τα οποία επιφέρει η μέθοδος μας, ιδιαίτερα όταν συγκρίνεται με παραδοσιακά πρωτόκολλα πρόσβασης στο μέσο.

Wireless sensor networking is an emerging technology that has revolutionized the way people perceive their environment. As a result, Wireless Sensor Networks (WSN) comprises a fast-developing research area with a vast spectrum of applications. However, unlike other wireless ad-hoc networks, sensor networks are envisioned to work unattended for a period of time and it is generally hard, or sometimes impossible, to replace or recharge their energy supply (e.g. sensors are usually battery operated). There is no doubt that protocols designed for sensor networks must consider energy conservation as the primary objective due to the power/energy limitations in tiny sensors and the need to promote system longevity. This thesis addresses the problem of energy efficient data gathering in wireless sensor networks, while satisfying certain Quality of Service (QoS) criteria. Focus is placed on two directions: minimize energy consumption by means of data aggregation and development of an energy efficient MAC layer protocol that reduces the idle period of sensor nodes. Specifically, our first approach is driven by the observation that data aggregation can significantly reduce the amount of data in the network, thus resulting in less communication cost. In that direction, we introduce a novel data gathering framework for resource-constrained sensor networks. The proposed framework is also suitable for stringent sensor networking environments, which on top of the conventional sensor technology limitations, present additional constraints such as limited bandwidth and large propagation delays. In the proposed approach a distributed and probabilistic method is applied by the various sensor nodes to perform data aggregation based only on local information. The adopted aggregation method aims at utilizing the available limited resources efficiently and effectively reducing significantly the network traffic, and as a result shortening the delays at the intermediate nodes and reducing the corresponding collisions and energy wastage in data transmission. Moreover, the problem of energy efficient data gathering via aggregation is modeled as a convex optimization problem and primal dual decomposition is enforced for its solution. Our goal is to minimize the consumption of energy in the sensor nodes, by means of data aggregation, in order to increase the lifetime of the network, while at the same time satisfy some delay constraint. Solving this problem results in obtaining the optimal probability value, for a node to aggregate packets, as well as the optimal aggregation period that a node waits so as to minimize the overall energy consumption. Our second approach deals with energy minimization at a lower level, i.e. the Medium Access Control layer, where an energy efficient protocol which utilizes sleep / wake schedules, in order to reduce the energy consumed by idle listening, is proposed. Sensor nodes synchronize with their neighbors, so as to form paths of information, resulting in a decrease in the average end to end delay. We further extend the proposed framework, by combing the two different energy saving methods, one at the application layer, namely data aggregation, and one at the MAC layer by appropriately adopting sleeping mechanisms. Its combined operation is coordinated and its effectiveness is improved by following a cross layer approach where local information about the status of each sensor, including its sleep/awake schedules, feed a subsequent data aggregation phase, that gathers correlated data and aggregates it to a single packet towards its way to the sink by applying a fully localized, distributed, probabilistic method. The proposed framework also supports delay constraint enforcement to ensure that the Quality of Service constraints are met, and is highly adjustable in order to adapt to the unique demands of each application. Simulation results demonstrate the significant energy savings achieved by our proposed framework, especially when compared to conventional MAC layer approaches and/or data aggregation approaches.