Энергоэффективный алгоритм выбора маршрута передачи данных в беспроводных сенсорных сетях высокой плотности

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. Повышение числа сенсорных устройств на единицу площади, как следствие, сокращает физическое расстояние между устройствами сенсорной сети. Такие сети, как правило, разворачиваются на большой площади и сенсорное устройство, которое хочет передать пакет данных, располагается далеко от базовой станции. В таком случае перед устройством-источником ставится задача выбрать такой путь передачи, при котором затрачивается наименьшее количество энергетических ресурсов и удовлетворяет требованиям времени доставки. Целью настоящего исследования является разработка и обоснование эффективности применения эмпирического алгоритма выбора маршрута передачи данных, снижающего энергопотребление беспроводных сенсорных сетей высокой плотности. Используются методы системного анализа, аналитического моделирования, геометрии и теорий вероятностей. Решение. Предполагается, что сенсорная сеть развернута на ограниченной территории и представляет собой совокупность устройств, которые связаны друг с другом информационно и энергетически. При построении маршрутов передачи данных допускается использование любых сенсорных устройств в качестве ретрансляторов. Новизна. Разработана новая математическая модель, основанная на теореме косинусов и формуле Фрииса, которая позволяет выбрать рациональный маршрут передачи данных от оконечного устройства на системный координатор по критерию совокупного энергопотребления всеми устройствами, составляющими маршрут. Значимость (теоретическая). Получены зависимости уровня энергопотребления от различных системных параметров, влияющих на процессы функционирования беспроводных сенсорных сетей высокой плотности.Значимость (практическая). Предложенный эмпирический алгоритм выбора рационального маршрута передачи данных в беспроводной сенсорной сети позволяет определить среди всех альтернативных тот маршрут к координатору, который требует наименьшей мощности. Эффективность предложенного эмпирического энергосберегающего алгоритма подтверждена имитационным моделированием.

Об авторах

Т. Н. Астахова

Нижегородский государственный инженерно-экономический университет

Email: ctn_af@mail.ru
ORCID iD: 0000-0002-7032-0697
SPIN-код: 2158-3392

М. О. Колбанёв

Санкт-Петербургский государственный электротехнический университет «ЛЭТИ»

Email: mokolbanev@mail.ru
ORCID iD: 0000-0003-4825-6972
SPIN-код: 1474-4401

А. С. Лямин

Нижегородский государственный инженерно-экономический университет

Email: a.s.lyamin@gmail.com
ORCID iD: 0000-0003-0027-2404
SPIN-код: 3734-9940

Н. С. Маслов

Нижегородский государственный инженерно-экономический университет

Email: j-knaginino@yandex.ru
ORCID iD: 0000-0003-0209-7267
SPIN-код: 8517-4653

Д. А. Маслова

Нижегородский государственный инженерно-экономический университет

Email: dasha.kirilova.96@bk.ru
ORCID iD: 0000-0002-3329-4821
SPIN-код: 3658-7490

Список литературы

  1. Романова А.А. Модели и методы оценки вероятностно-энергетических характеристик информационного взаимодействия в интернете вещей. Автореферат дис. … канд. техн. наук. СПб.: Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина), 2023. 21 с.
  2. Almuhaya M.A.M., Jabbar W.A., Sulaiman N., Abdulmalek S. A survey on LoraWAN Technology: Recent Trends, Opportunities, Simulation Tools and Future Directions // Electronics. 2022. Vol. 11. Iss. 1. P. 164. doi: 10.3390/electronics11010164
  3. Levchenko P., Bankov D., Khorov E., Lyakhov A. Performance Comparison of NB-Fi, Sigfox, and LoRaWAN // Sensors. 2022. Vol. 22. Iss. 24. P. 9633. doi: 10.3390/s22249633
  4. Зверев Б., Сартаков А. SNB новая LPWAN-технология «Интернета вещей» с высокой пропускной способностью // Control Engineering Россия. 2019. № S. С. 38‒41. EDN:JRNENT
  5. Астахова Т.Н., Верзун Н.А., Касаткин В.В., Колбанев М.О., Шамин А.А. Исследование моделей связности сенсорных сетей // Информационно-управляющие системы. 2019. № 5(102). С. 38–50. doi: 10.31799/1684-8853-2019-5-38-50. EDN:GLMGRC
  6. Татарникова Т.М., Бимбетов Ф., Горина Е.В. Алгоритм энергоэффективного взаимодействия узлов беспроводной сенсорной сети // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22. №. 2. С. 294‒301. doi: 10.17586/2226-1494-2022-22-2-294-301. EDN:FCHFEL
  7. Уоллес Р. Максимальная дальность связи по радиоканалу в системе: как этого добиться? // Новости электроники. 2015. № 11. С. 3.
  8. Колбанёв М.О., Татарникова Т.М. Физические ресурсы информационных процессов и технологий // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 6(94). С. 113–123. EDN:TBDGTL
  9. Аунг Т.А. Разработка методов и средств защищенного сбора данных окружений Интернета Вещей (ИВ). Дис. … канд. техн. наук. СПб.: Национальный исследовательский университет ИТМО, 2020. 297 с. EDN:QTBXRI
  10. Астахова Т.Н., Кирилова Д.А., Колбанёв М.О., Маслов Н.С., Шамин А.А. Критерий выбора оптимального маршрута передачи сообщения в беспроводных сенсорных сетях // Телекоммуникации. 2020. № 7. С. 6‒12. EDN:VIEYJZ
  11. Астахова Т.Н., Верзун Н.А., Колбанев М.О., Полянская Н.А., Шамин А.А. Вероятностно-энергетические характеристики взаимодействия умных вещей // Вестник НГИЭИ. 2019. № 4(95). С. 66–77. EDN:IEAGYT
  12. Kocakulak M., Butun I. An overview of Wireless Sensor Networks towards internet of things // Proceedings of the 7th Annual Computing and Communication Workshop and Conference (CCWC, Las Vegas, USA, 09‒11 January 2017). IEEE, 2017. doi: 10.1109/CCWC.2017.7868374
  13. Mahlknecht S., Madani S.A., Roetzer M. Energy aware distance vector routing Scheme for Data Centric Low Power Wireless Sensor Networks // Proceedings of the 4th IEEE International Conference on Industrial Informatics (Singapore, 16‒18 August 2006). IEEE, 2006. PP. 1030‒1035. doi: 10.1109/INDIN.2006.275739
  14. Levchenko P., Bankov D., Khorov E., Lyakhov A. Performance Comparison of NB-Fi, Sigfox, and LoRaWAN // Sensors. 2022. Vol. 22. Iss. 24. P. 9633. doi: 10.3390/s22249633

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».