Phân cụm dựa trên logic mờ khảo sát năng lượng cho mạng cảm biến không dây

Mục tiêu nghiên cứu và nhiệm vụ đề tài Đề tài tập trung nghiên cứu các tài liệu về mạng cảm biến không dây và hệ thống logic mờ cũng như việc phân cụm trong mạng cảm biến không dây, và

ĐỖ GIANG SƠN

PHÂN CỤM DỰA TRÊN LOGIC MỜ KHẢO SÁT NĂNG LƯỢNG CHO MẠNG CẢM BIẾN KHÔNG DÂY

LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN

Đà Nẵng - Năm 2017

ĐỖ GIANG SƠN

PHÂN CỤM DỰA TRÊN LOGIC MỜ KHẢO SÁT NĂNG LƯỢNG CHO MẠNG CẢM BIẾN KHÔNG DÂY

Chuyên ngành: Hệ thống thông tin

Mã số: 61.49.01.04

LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN

Người hướng dẫn khoa học: PGS.TS LÊ VĂN SƠN

Đà Nẵng - Năm 2017

1 Những nội dung trong luận văn này là do chính tôi thực hiện dưới sự hướng

dẫn của Thầy PGS.TS Lê Văn Sơn

2 Mọi tài liệu tham khảo dùng để nghiên cứu và thực hiện trong luận văn đều được trích dẫn và ghi ở phần tài liệu tham khảo cuối luận văn

3 Các kết quả, dữ liệu nêu trong luận văn là trung thực.

Tôi xin chịu hoàn toàn trách nhiệm nếu vi phạm quy chế do Ban Khoa học và Đào tạo Sau Đại học, Đại học Đà Nẵng đã phổ biến

Người cam đoan

Đỗ Giang Sơn

MỤC LỤC

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu nghiên cứu và nhiệm vụ đề tài 1

3 Đối tượng và phạm vi nghiên cứu 2

4 Phương pháp nghiên cứu 2

5 Ý nghĩa khoa học và thực tiễn 2

6 Cấu trúc luận văn 3

CHƯƠNG 1 TỔNG QUAN VỀ LOGIC MỜ VÀ MẠNG CẢM BIẾN KHÔNG DÂY 5

1.1 MỘT SỐ VẤN ĐỀ LIÊN QUAN VỀ LOGIC MỜ 6

1.1.1 Các phép toán Logic mờ 6

1.1.2 Khái niệm tập mờ 10

1.1.3 Suy diễn mờ 14

1.1.4 Cấu trúc hệ thống Logic mờ 20

1.2 CẤU TRÚC MẠNG CẢM BIẾN KHÔNG DÂY 22

1.3 ĐẶC ĐIỂM CỦA MẠNG CẢM BIẾN KHÔNG DÂY 27

1.4 KẾT LUẬN 32

CHƯƠNG 2 THUẬT TOÁN PHÂN CỤM DỮ LIỆU MỜ 33

2.1 KHÁI NIỆM VÀ MỤC TIÊU CỦA PHÂN CỤM DỮ LIỆU 33

2.2 THUẬT TOÁN PHÂN CỤM DỮ LIỆU DỰA VÀO PHÂN CỤM TRUNG TÂM 34

2.3 KỸ THUẬT PHÂN CỤM DỮ LIỆU MỜ 39

2.3.1 Tổng quan về phân cụm mờ 39

2.3.2 Thuật toán Fuzzy C-means (FCM) 40

2.4 MINH HỌA SỰ PHÂN CỤM ĐỐI VỚI THUẬT TOÁN FCM MỞ RỘNG 49

CHƯƠNG 3 MÔ PHỎNG VÀ ĐÁNH GIÁ 53

3.1 GIỚI THIỆU MATLAB 53

3.2 MÔ PHỎNG VÀ KẾT QUẢ 56

3.3 ĐÁNH GIÁ 68

3.4 KẾT LUẬN 69

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 71 TÀI LIỆU THAM KHẢO

QUYẾT ĐỊNH GIAO ĐỀ TÀI (BẢN SAO)

DANH MỤC CÁC TỪ VIẾT TẮT

1 WSNs – Wireless Sensor Networks Mạng cảm biến không dây

2 ADC – Analog to Digital Converter Bộ chuyển đổi tương tự - số

4 D – FLER – A Distributed Fuzzy

Logic Engine for Rule – based

Wireless Sensor Networks

Sự phân tán đối với tập luật của WSNs sử dụng Logic mờ

DANH MỤC HÌNH VẼ

1.7 Cấu trúc hoạt động của phân cụm trong WSN 24

1.10 Kiến trúc giao thức mạng cảm biến không dây 30

2.4 Tối ưu hàm mục tiêu đối với thuật toán FCM 50

2.5 Kết quả phân cụm của thuật toán FCM với số lượng

2.6 Kết quả phân cụm của thuật toán FCM với số lượng

3.5 Hệ thống mờ TWSN – 2 với 5 Input – 1 Output 57

3.7 Hệ thống sinh luật với minh họa 19 luật trong cơ sở

Số hiệu hình Tên hình Trang

3.8 Các hàm thuộc của biến Năng _ lượng độ(A~) 61

3.9 Hàm thuộc hợp của 3 hạng tử đối với biến Năng_

MỞ ĐẦU

1 Lý do chọn đề tài

Bước vào thế kỷ 21, thế gới có sự phát triển vượt bậc, đặc biệt là những năm gần đây, với sự phát triển nhanh và đạt được nhiều thành tựu lớn cả về lượng lẫn về chất trong hầu hết các lĩnh vực kinh tế, kỹ thuật, quân sự, văn hoá, xã hội, …

Xã hội càng phát triển thì nhu cầu truyền và khai thác thông tin ngày càng cao Nhu cầu truyền thông ngày càng lớn đòi hỏi những di ̣ch vu ̣ chất lượng cao, do đó

cần phải có cơ sở ha ̣ tầng đáp ứng cho quá trình truyền thông trên nhiều môi trường khác nhau Đă ̣c biê ̣t sự ra đời ma ̣ng cảm biến không dây đã đáp ứng mô ̣t phần nhu cầu truyền thông cho những nơi mà ma ̣ng có dây không thể thực hiê ̣n tốt được Với sự phát triển nhanh như vũ bảo của ngành công nghệ thông tin nói chung

và hướng nghiên cứu trong hệ thống mạng cảm biến không dây nói riêng là vấn đề đang được quan tâm nghiên cứu hàng đầu

Mạng cảm biến không dây là tập hợp các node Sensors trong hệ thống mạng liên kết với nhau bằng sóng vô tuyến Mỗi node mạng bao gồm đầy dủ các chức năng nhằm thực hiện những nhiệm vụ như cảm nhận, thu thập, xử lý và truyền dữ liệu đến node gốc bằng cách trao đổi gián tiếp với nhau Các nodes mạng thường là các thiết bị đơn giản, nhỏ gọn, giá thành thấp, với số lượng lớn được phân bố trên phạm vi rộng và ngẫu nhiên tạo thành một cấu trúc kiểu AD – HOC với sự phân bố trên diện rộng của các nodes mạng cảm biến Vì vậy mức tiêu hao năng lượng trong mạng cảm biến không dây là một vấn đề đang được các nhà khoa học tập trung nghiên cứu

Xuất phát từ thực tế trên, dưới sự hướng dẫn của PGS.TS Lê Văn Sơn, tôi

chọn đề tài “Phân cụm dựa trên Logic mờ khảo sát năng lượng cho mạng cảm

biến không dây”

2 Mục tiêu nghiên cứu và nhiệm vụ đề tài

Đề tài tập trung nghiên cứu các tài liệu về mạng cảm biến không dây và hệ thống logic mờ cũng như việc phân cụm trong mạng cảm biến không dây, và các

thuật toán phân cụm Nhằm đánh giá được độ hội tụ của thuật toán phân cụm Mặt khác, xây dựng chương trình mô phỏng, đánh giá về khả năng ứng dụng Logic mờ trong mạng nhằm khảo sát nguồn năng lượng của hệ thống mạng

3 Đối tượng và phạm vi nghiên cứu

Đề tài tập trung nghiên cứu dựa trên các nghiên cứu đã khảo sát bởi các nhà nghiên cứu về các kiến trúc và các cấu hình Topo cho phép tiết kiệm năng lượng hoạt động của mạng cảm biến không dây Một trong những kỹ thuật phổ biến này là

kỹ thuật phân cụm (Cluster)

Chủ yếu dựa trên cơ sở luật trong hệ thống Logic mờ để mờ hóa sự phân cụm,

từ đó để tính toán nhằm đánh giá được thời gian sống tối đa của các nodes trong hệ thống mạng cảm biến không dây

4 Phương pháp nghiên cứu

Tìm hiểu và nghiên cứu các tài liệu liên quan đến vấn đề nghiên cứu trong luận văn tốt nghiệp

Tìm hiểu một số thuật toán phân cụm dựa trên Logic mờ trong Mạng cảm biến không dây, đồng thời mô phỏng thuật toán phân cụm FCM mở rộng đối với sự phân

bố rộng khắp các node mạng

Sử dụng phần mềm Matlab để mô phỏng với rất nhiều kịch bản, đánh giá kết quả mô phỏng dựa trên cơ sở lý thuyết

5 Ý nghĩa khoa học và thực tiễn

Với sự phát triển mạnh mẽ của Công nghệ thông tin, mạng cảm biến không dây dường như đã trở thành giải pháp hấp dẫn vì mang đến sự tiện ích về nhiều phương diện, và đặc biệt trong nhiều trường hợp thậm chí còn hạn chế được sự nguy hiểm cho con người trong những môi trường làm việc khắc nghiệt, chẳng hạn như các nodes mạng thay thế sự làm việc trực tiếp của con người trong môi trường

có độc tính hay nhiệt độ cao, áp suất cao…

Bên cạnh đó, mạng cảm biến không dây ra đời đã đáp ứng được nhu cầu thu thập thông tin về môi trường, tại một tập hợp các điểm xác định trong khoảng thời gian nhất định nhằm phát hiện xu hướng hoặc quy luật vận động của môi trường

Đồng thời, mạng cảm biến không dây bao gồm nhiều nodes cảm biến nhỏ, giá thành thấp với nhiều chức năng mở rộng và có thể đáp ứng cho các ứng dụng, đặc biệt là những ứng dụng nguy hiểm, vì vậy kỹ thuật này sẽ tiết kiệm được về mặt kinh tế

6 Cấu trúc luận văn

Kết cấu luận văn bao gồm: Phần mở đầu, nội dung, kết luận và hướng phát triển, tài liệu tham khảo Trong đó:

Phần mờ đầu:

Nêu lý do chọn đề tài; mục tiêu nghiên cứu và nhiệm vụ đề tài; đối tượng và phạm vi nghiên cứu; phương pháp nghiên cứu để giải quyết vấn đề từ đó đưa ra một

số giải pháp đề xuất, ý nghĩa về mặt khoa học và thực tiễn của đề tài

Phần nội dung, cụ thể bao gồm 3 chương:

Chương 1 Tổng quan về logic mờ và mạng cảm biến không dây

Trong chương này của luận văn, chủ yếu trình bày những khái niệm cơ bản nhất đối với một số phạm vi nghiên cứu như hệ thống Logic mờ cũng như Mạng cảm biến không dây và vấn đề phân cụm trong hệ thống mạng

Đối với hệ thống Logic mờ, em trình bày rất chi tiết về cấu trúc của Logic mờ, đặc biệt là bộ suy diễn mờ nhằm thiết kế xây dựng chương trình mô phỏng

Mặt khác dựa trên cơ sở lý thuyết, em đã đưa ra một số ví dụ minh họa trong quá trình tính toán

Chương 2 Thuật toán phân cụm dữ liệu mờ

Nội dung chương này của luận văn, chủ yếu trình bày cơ sở lý thuyết của bài toán phân cụm, trình bày các thuật toán phân cụm mà đặc biệt nghiên cứu sâu về thuật toán FCM của giáo sư Bezdek

Thực hiện việc mô phỏng để kiểm nghiệm giải thuật FCM với số cụm được phân hoạch xác định

Chương 3 Mô phỏng và đánh giá

Trên cơ sở lý thuyết như đã trình bày, em đã tìm hiểu, nghiên cứu và cài đặt

mã nguồn mở Matlab để thực hiện việc mô phỏng nhằm khảo sát, đánh giá sự tiêu

hao năng lượng của mạng cảm biến không dây

Xây dựng mô hình minh họa để giải quyết bài toán đối với sự tiêu hao năng lượng của các nodes mạng cảm biến không dây thông qua các kịch bản thử nghiệm

mà em đã thực hiện

Kết luận và hướng phát triển

CHƯƠNG 1 TỔNG QUAN VỀ LOGIC MỜ VÀ MẠNG CẢM BIẾN KHÔNG DÂY

Mạng cảm biến không dây (Wireless Sensor Networks) bao gồm một tập hợp các thiết bị cảm biến sử dụng các liên kết không dây (vô tuyến, hồng ngoại hoặc quang học), để phối hợp thực hiện nhiệm vụ thu thập thông tin dữ liệu phân tán với quy mô lớn trong bất kỳ điều kiện, và ở bất kỳ vùng địa lý nào Mạng cảm biến không dây có thể liên kết trực tiếp với nút quản lý giám sát trực tiếp hay gián tiếp thông qua điểm thu phát (Sink), và môi trường mạng công cộng như Internet hay vệ tinh Các nút cảm biến không dây có thể được triển khai cho các mục đích chuyên dụng như điều khiển giám sát và an ninh; kiểm tra môi trường; tạo ra không gian sống thông minh; khảo sát đánh giá chính xác trong nông nghiệp; trong lĩnh vực y tế; nguồn năng lượng… Lợi thế chủ yếu của chúng là khả năng triển khai hầu như trong bất kỳ loại hình địa lý nào, kể cả các môi trường nguy hiểm không thể sử dụng mạng cảm biến có dây truyền thống

Các thiết bị cảm biến không dây liên kết thành một hệ thống mạng đã tạo ra nhiều khả năng mới cho con người Với bộ vi xử lý của các đầu đo và các thiết bị

vô tuyến rất nhỏ gọn, tạo nên một thiết bị cảm biến không dây với kích thước rất nhỏ và tiết kiệm về không gian Chúng có thể hoạt động trong môi trường dày đặc với khả năng xử lý tốc độ cao Ngày nay, các mạng cảm biến không dây ứng dụng trong nhiều lĩnh vực như nghiên cứu vi sinh vật biển, giám sát việc chuyên chở các chất gây ô nhiễm, kiểm tra giám sát hệ sinh thái và môi trường sinh vật phức tạp, điều khiển giám sát trong công nghiệp và trong lĩnh vực quân sự, an ninh quốc phòng hay các ứng dụng trong đời sống hằng ngày

Tuy nhiên, WSNs còn tồn tại rất nhiều hạn chế mà có thể nói rằng vấn đề năng lượng là quan trọng nhất Để giảm thiểu sự tiêu hao năng lượng nhằm tăng tuổi thọ của các nodes trong hệ thống mạng với rất nhiều nghiên cứu đã được giới thiệu, tuy nhiên phương pháp phân cụm kết hợp sử dụng lĩnh vực Logic mờ được xem là một trong những phương án tối ưu

1.1 MỘT SỐ VẤN ĐỀ LIÊN QUAN VỀ LOGIC MỜ

Logic mờ (tiếng Anh: Fuzzy Logic) được phát triển từ lý thuyết tập mờ để thực hiện một lập luận xấp xỉ thay vì lập luận chính xác theo logic vị từ Logic mờ

có thể được coi là mặt ứng dụng của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực cho các bài toán phức tạp (Klir 1997)

μA~ ∪ ̃B ~(u) = μA~(u) ∪ μB~(u) (1.1) Hay trong trường hợp U là hữu hạn không đếm được,

A~∪̃ B~ = ∑ μA~(ui)

ui1≤i<∞ ∪̃ ∑ μB~(ui)

ui1≤i<∞

= ∑1≤i<∞[μA~(ui) ∪ μB~(ui)] u⁄ i (1.2) Hay, trong trường hợp U là tập liên tục,

A~∪̃ B~= u∈U μA~(u)du ∪̃ u∈U μB~(u)du = u∈U[μA~(u) ∪ μB~(u)]du (1.3)

Ví dụ 1.1 Xét tập vũ trụ U = {1, 2, … , 10} và hai tập mờ G~ và K~ được cho bởi bảng sau:

𝐆~ 0.0 0.0 0.0 0.1 0.3 0.5 0.7 0.9 1.0 1.0

𝐊~ 1.0 0.9 0.8 0.6 0.4 0.2 0.0 0.0 0.0 0.0 Hãy xác định hợp của hai tập mờ trên

Khi sử dụng cách biểu diễn tập mờ rời rạc, hợp của hai tập mờ 𝐺~ và 𝐾~ được thực hiện như sau:

G~ ∪̃ K~ =∪̃ui∈U (G~ ∪̃ K~)/ui

U 1 2 3 4 5 6 7 8 9 10

𝐆~ 0.0 0.0 0.0 0.1 0.3 0.5 0.7 0.9 1.0 1.0

𝐊~ 1.0 0.9 0.8 0.6 0.4 0.2 0.0 0.0 0.0 0.0

𝐆~ ∪̃ 𝐊~ 1.0 0.9 0.8 0.6 0.4 0.5 0.7 0.9 1.0 1.0 Tập G~ ∪̃ K~ thu được có những đặc điểm sau:

Support (G~ ∪̃ K~) = U

Nó là tập mờ chuẩn vì Hight (G~ ∪̃ K~) = 1

Core (G~ ∪̃ K~) = {1, 9, 10}

Count (G~ ∪̃ K~) = ∑ui∈U μG~ ∪ ̃ K ~(ui)/ui = 7.8

Như vậy, hợp của 2 tập mờ C~ = A~ ∪~ B~, chúng ta sẽ suy ra được phép hợp chuẩn từ các hàm thành viên μA~(u) và μB~(u) như sau:

μC~(u) = max[μA~(u), μB~(u)], u ∈ U (1.4) Tổng quát để tìm μC~(u) từ μA~(u) và μB~(u) ta sử dụng hàm hợp u là hàm hợp 2 ngôi trên tập cơ sở là khoảng đơn vị:

u: [0, 1] x [0, 1]  [0, 1]

Hàm thành viên μC~(u) có thể suy ra từ hàm hợp u như sau:

μC~(u) = u(μA~(u), μB~(u)) (1.5) Tuy nhiên, hàm hợp thường dùng là hàm hợp chuẩn và cụ thể được định nghĩa như sau:

us(a, b) = max(a, b) (1.6) Bên cạnh đó còn có một số hàm hợp khác chẳng hạn như:

- Hàm hợp tổng: u(a, b) = min(1, a + b) (1.7)

- Hàm hợp đại số: u(a, b) = a + b − ab (1.8)

1.1.1.2 Phép giao ∩̃

Cho hai tập mờ A~ và B~ trên tập vũ trụ U Giao của hai tập mờ này là một tập

mờ ký hiệu là A~ ∩̃ B~, mà hàm thuộc của nó được định nghĩa theo điểm như sau:

μA~ ∩ ̃ B ~(u) = μA~(u) ∩ μB~(u) (1.9) Hay, trong trường hợp U là hữu hạn hay đếm được, giao của hai tập mờ là:

A~ ∩̃ B~ = ∑ μA~(ui)

ui1≤i<∞ ∩̃ ∑ μB~(ui)

ui1≤i<∞

= ∑1≤i<∞[μA~(ui) ∩ μB~(ui)]/ui (1.10) Hay, trong trường hợp U là tập liên tục:

A~ ∩̃ B~ = u∈U μA~(u)du ∩̃ u∈U μB~(u)du = u∈U [ μA~(u) ∩ μB~(u)]d (1.11)

Ví dụ 1.2 Xét hai tập mờ được cho bởi bảng ở ví dụ trên, hãy xác định giá trị

thành viên của phép toán này đối với hai tập mờ trên

Như vậy, sau khi chúng ta thực hiện phép toán giao của hai tập mờ theo định nghĩa trên và kết quả đạt được như sau

𝐆~ 0.0 0.0 0.0 0.1 0.3 0.5 0.7 0.9 1.0 1.0

𝐊~ 1.0 0.9 0.8 0.6 0.4 0.2 0.0 0.0 0.0 0.0

𝐆~ ∩̃ 𝐊~ 0.0 0.0 0.0 0.1 0.3 0.2 0.0 0.0 0.0 0.0 Tập G~ ∩̃ K~ thu được có những đặc điểm sau:

Support (G~ ∩̃ K~) = U

Nó là tập mờ dưới chuẩn vì Hight(G~ ∩̃ K~) = 0.3 < 1

Core (G~ ∩̃ K~) = {5}

Count (G~ ∩̃ K~) = ∑ui∈U μG~ ∩ K~(ui)/ui = 0.6

Có thể nói, đối với phép giao của hai tập mờ A~ và B~ trên không gian vũ trụ

U cụ thể là C~ = A~ ∩~ B~ Khi đó, theo phép giao chuẩn chúng ta suy ra được

μC~(x) từ các hàm thành viên μA~(u) và μB~(u) như sau:

μC~(u) = min[μA~(u), μB~(u)], u ∈ U (1.12) Tổng quát hơn để tìm μC~(u) từ các hàm thành viên của hai tập mờ A~ và B~,

ta sử dụng hàm giao i là hàm hai ngôi trên tập cơ sở là khoảng đơn vị:

i: [0, 1] x [0, 1] [0, 1]

Vậy, hàm thành viên của tập giao mờ C~ từ hàm giao i chính là:

μC~(u) = i(μA~(u), μB~(u)) (1.13) Hàm giao thường dùng chính là hàm giao chuẩn và được xác định như sau:

𝑖𝑠(𝑎, 𝑏) = min(𝑎, 𝑏) (1.14) Bên cạnh đó, một số hàm giao khác chẳng hạn:

Xét một tập mờ 𝐴~ trên tập vũ trụ U Phép lấy bù của tập 𝐴~, ký hiệu là ~𝐴~,

là một tập mờ với hàm thuộc được xác định bằng đẳng thức sau:

𝜇~𝐴~(𝑢) = 1 − 𝜇𝐴~(𝑢) (1.18) Tập mờ ~𝐴~ được biểu diễn ở các công thức có dạng sau:

Trường hợp U là tập hữu hạn hay đếm được:

~𝐴~ = ~ ∑𝑢∈𝑈𝜇𝐴~(𝑢)/𝑢 = ∑𝑢∈𝑈(1 − 𝜇𝐴~(𝑢))/𝑢 (1.19) Trường hợp U là vô hạn hay tập liên tục:

~𝐴~ =𝑢∈𝑈 𝜇~𝐴~(𝑢)𝑑𝑢 = ~𝑢∈𝑈 𝜇𝐴~(𝑢)𝑑𝑢 =𝑢∈𝑈(1 − 𝜇𝐴~(𝑢))𝑑𝑢 (1.20)

Ví dụ 1.3 Chúng ta xét hai tập mờ 𝐺~ và 𝐾~ được cho bởi ví dụ 1.1 Khi sử dụng cách biểu diễn tập mờ rời rạc, phép lấy phần bù của hai tập mờ 𝐺~ và 𝐾~được thực hiện như sau

Có thể nói rằng, phép bù của tập mờ 𝐴~ trên tập U, ký hiệu là 𝐴̅̅̅̅ Theo phép ~

bù chuẩn, ta suy ra 𝜇𝐴̅̅̅̅ ~(𝑢) từ 𝜇𝐴~(𝑢) như sau:

𝜇𝐴̅̅̅̅(𝑢) = 1 − 𝜇 ~ 𝐴~(𝑢), 𝑢 ∈ 𝑈 (1.21)

Tổng quát hơn để tìm μA̅̅̅̅(u) từ μ ~ A~(𝑢), ta dùng hàm bù c như sau:

c: [0, 1]  [0, 1]

Hàm thành viên của tập bù 𝐴~ được xác định như sau:

μA̅̅̅̅(u) = c(μ ~ A~(u)) (1.22) Tuy nhiên, hàm bù thường dùng chính là hàm bù chuẩn, cụ thể:

cs(a) = 1 − a (1.23)

1.1.2 Khái niệm tập mờ

Cho tập vũ trụ U Tập mờ 𝐴~ được xác định bởi đẳng thức:

𝐴~= {𝜇𝐴~(𝑢) 𝑢⁄ : 𝑢 ∈ 𝑈, 𝜇𝐴~(𝑢) ∈ [0, 1]} (1.24) Được gọi là một tập mờ trên tập U Trong đó, 𝜇𝐴~ được gọi là hàm thuộc Giá trị 𝜇𝐴~(𝑢) tại u được gọi là độ thuộc của phần tử u thuộc về tập mờ 𝐴~ Tập mờ có thể biểu diễn bởi nhiều hình dạng, và được thể hiện cụ thể như sau:

Hình 1.1 Các dạng hàm thành viên trong tập mờ

Tuy nhiên đối với mạng cảm biến không dây, tập mờ thường được định nghĩa

sử dụng bởi hai hình dạng chính đó là trimf ( dạng hình tam giác) và trapmf (dạng hình thang)

Trong đó, tập mờ 𝐴~ có dạng hình thang được định nghĩa bởi bộ 4 giá trị (a, b,

c, d), ký hiệu 𝐴~ = (𝑎, 𝑏, 𝑐, 𝑑) và độ thuộc được xác định theo công thức sau:

Hình 1.2 Hàm thành viên của số mờ hình thang

Còn đối với tập mờ có dạng hàm thành viên hình tam giác thì tập mờ 𝐴~ được định nghĩa bởi bộ 3 giá trị (a, b, c), ký hiệu 𝐴~ = (𝑎, 𝑏, 𝑐) và độ thuộc tương ứng của nó được xác định bởi công thức sau:

𝐴~(𝑥) = {

𝑥−(𝑎−𝑏)

𝑏 , 𝑛ế𝑢 𝑎 − 𝑏 ≤ 𝑥 ≤ 𝑎𝑎+𝑐−𝑥

Hình 1.3 Hàm thành viên của số mờ hình tam giác

Sau khi chúng ta đã định nghĩa các hàm thành viên của tập mờ, trước khi đi vào các luật suy diễn ở những nội dung sau Trước hết chúng ta sẽ nghiên cứu về các hàm kéo theo mờ Giả sử cho các mệnh đề mờ P và Q, từ các mệnh đề mờ này chúng ta xây dựng mệnh đề kéo theo P  Q, với P được gọi là tiền đề, còn Q chính

là hậu đề Mức chân trị của mệnh đề P  Q được xác định theo mức chân trị của mệnh đề thành phần tiền và hậu đề Giả sử gọi mức chân trị của các mệnh đề P và Q lần lượt là a và b hay:

T(P) = a, T(Q) = b (1.27)

Mức chân trị của P  Q được xác định bởi hàm kéo theo mờ J như sau:

T(P  Q) = J(a, b) (1.28) Như vậy, chúng ta thấy rằng hàm kéo theo mờ J là hàm mệnh đề hai ngôi, là ánh xạ từ tập tích [0, 1] x [0, 1] lên tập [0, 1] hay J: [0, 1]x[0, 1]  [0, 1]

Đồng thời có thể xây dựng hàm kéo theo mờ bởi các hàm tập mờ như hàm bù

mờ c, hàm giao mờ i, hàm hội mờ u Nhìn chung, việc xây dựng các hàm kéo theo

mờ hầu hết dựa trên cơ sở của các luật trong logic cổ điển Bao gồm cụ thể một số trường hợp nhằm xây dựng hàm kéo theo mờ bởi các luật sau:

Với luật a  b  𝑎̅  b ta có họ hàm J(a,b) = u(c(a),b) (1.29) Họ hàm này được gọi là họ hàm kéo theo mờ S chẳng hạn có những hàm kéo theo mờ sau:

- Hàm Kleene – Dienes: 𝐽𝑏(𝑎, 𝑏) = max(1 − 𝑎, 𝑏) (1.30)

- Hàm Reichenbach: 𝐽𝑟(𝑎, 𝑏) = 1 − 𝑎 + 𝑎𝑏 (1.31)

- Hàm Lukasewicz: 𝐽𝑎(𝑎, 𝑏) = min(1, 1 − 𝑎 + 𝑏) (1.32)

Với luật a  b  max{𝑥 ∈ [0, 1]|(𝑎 ∩ 𝑥) ≤ 𝑏} ta có họ hàm

𝐽(𝑎, 𝑏) = sup{𝑥 ∈ [0, 1]|𝑖(𝑎, 𝑥) ≤ 𝑏} (1.33)

Họ hàm này là họ hàm kéo theo mờ R như những hàm sau:

- Hàm Godet: 𝐽𝑔(𝑎, 𝑏) = sup{𝑥| min(𝑎, 𝑥) ≤ 𝑏} = {1, 𝑎 ≤ 𝑏𝑏, 𝑎 > 𝑏 (1.34)

- Hàm Goguen: 𝐽∆(𝑎, 𝑏) = sup{𝑥|𝑎𝑥 < 𝑏} = {𝑏 𝑎⁄ , 𝑎 > 𝑏 1, 𝑎 ≤ 𝑏 (1.35)

- Hàm Lukasewicz: 𝐽𝑎(𝑎, 𝑏) = min(1, 1 − 𝑎 + 𝑏) (1.36)

Với luật a  b  𝑎̅  (ab) ta có họ hàm J(a,b) = u(c(a),i(a,b)) (1.37) Họ hàm này là họ hàm kéo theo mờ QL khi i và u là những hàm giao và hội chuẩn ta có hàm Zadeh:

𝐽𝑚(𝑎, 𝑏) = max{1 − 𝑎, min(𝑎, 𝑏)} (1.38) Khi i là hàm tích đại số và u là hàm tổng đại số ta có hàm sau:

𝐽𝑝(𝑎, 𝑏) = 1 − 𝑎 + 𝑎2𝑏 (1.39) Với luật a  b  (𝑎̅ ∩ 𝑏̅) ∪ 𝑏 ta có họ hàm kéo theo chính là:

𝐽(𝑎, 𝑏) = 𝑢(𝑖(𝑐(𝑎), 𝑐(𝑏)), 𝑏) (1.40)

Ngoài ra, một hàm kéo theo mờ khác được sử dụng rộng rãi nhất trong các hệ

mờ đó chính là hàm kéo theo mờ Mamdani Kéo theo mờ này được hiểu như quan

hệ R với hàm thuộc được xác định như sau:

𝐽(𝑎, 𝑏) = min(𝑎, 𝑏) (1.41) Hoặc 𝐽(𝑎, 𝑏) = 𝑎 𝑏 (1.42)

Ví dụ 1.4: Xét luật If – then mờ sau:

If “x là 𝐴~” then “y là 𝐵~” Trong đó, 𝐴~ và 𝐵~ là các tập mờ sau:

Chúng ta nhận thấy rằng, tập mờ 𝐴~ và 𝐵~ sau khi chúng ta biểu diễn dưới dạng ma trận và kết quả như sau: 𝐴~ = [1 0,7 0,1] và 𝐵~ = [0 0,3 1 1]

Áp dụng các công thức đã giới thiệu ở trên, chúng ta sẽ xác định lần lượt một

số hàm kéo theo mờ cụ thể như sau:

- Hàm Kleene – Dienes:

𝑆 = [0 0,3 1 10,3 0,3 1 10,9 0,9 1 1]

- Hàm Lukasewicz:

𝑅 = [

0 0,3 1 10,3 0,6 1 10,9 1 1 1]

1.1.3 Suy diễn mờ

Suy diễn mờ (Fuzzy Inference) đối với nghiên cứu này tác giả giới thiệu đó chính là những suy luận xấp xỉ hay còn là quá trình suy diễn từ các mệnh đề điều

kiện của quy tắc “If Then .” được thể hiện dưới dạng “If U là 𝑨~ Then V là

𝑩~” Trong đó, U và V chính là các biến thông thường trên các không gian mờ X,

Y; 𝐴~ và 𝐵~ chính là các tập mờ trên X, Y Nhìn chung, các luật suy diễn ở tài liệu này còn gọi là luật suy diễn hợp thành vì chúng sử dụng toán tử hợp thành trong quá trình suy diễn

Suy diễn mờ bao gồm 3 luật suy diễn thường gặp, đó là

- Luật Modus Ponens

- Luật Modus Tolen

- Luật bắc cầu

Ngoài ra, nó còn lập luận suy diễn xấp xỉ đa điều kiện

1.1.3.1 Luật suy diễn Modus Ponens

Đối với luật suy diễn Modus Ponens, luật suy diễn mờ có cấu trúc được thể hiện như sau

𝜇𝑅(𝑥, 𝑦) = 𝐽[𝜇𝐴~(𝑥), 𝜇𝐵~(𝑦)] (1.43) Trong đó J là một hàm kéo theo mờ Tập mờ 𝐵~’ có thể xác định từ quan hệ R

Sau khi đã chọn phép hợp thành, từ biểu thức trên ta có thể chọn hàm kéo theo

J với các tập mờ 𝐴~ và 𝐵~ đã có

Ví dụ 1.5 Xem X = {𝑥1, 𝑥2, 𝑥3}, Y = {𝑦1, 𝑦2} Xem mệnh đề:

Nếu U là 𝐴~, thì V là 𝐵~Trong đó, 𝐴~ là tập trên X: 𝐴~ = {0,5 𝑥⁄ , 1 𝑥1 ⁄ , 0,6 𝑥2 ⁄ }, 𝐵3 ~ là tập mờ trên Y: 𝐵~= {1 𝑦⁄ , 0,4 𝑦1 ⁄ } Cho sự kiện biểu thị bởi mệnh đề “U là 𝐴2 ~’” với 𝐴~’ là tập mờ trên X: 𝐴~’ = {0,6 𝑥⁄ , 0,9 𝑥1 ⁄ , 0,7 𝑥2 ⁄ } Dùng luật suy diễn Modus Ponens 3

1.1.3.2 Luật suy diễn Modus Tollens

Luật suy diễn mờ Modus Tollens hay chính là luật suy diễn Modus Tollens tổng quát có dạng như sau:

Luật: Nếu U là 𝐴~, thì V là 𝐵~

Sự kiện: V là 𝐵~’

Kết luận: U là 𝐴~’?

Trong đó, U và V là các biến trên X, Y 𝐴~, 𝐴~’ là các tập mờ trên X 𝐵~, 𝐵~’

là các tập mờ trên Y Từ mệnh đề “Nếu U là 𝐴~, thì V là 𝐵~” ta có quan hệ R: XxY

 [0, 1] được xác định bởi các tập mờ 𝐴~ và 𝐵~ như sau:

𝜇𝑅(𝑥, 𝑦) = 𝐽[𝜇𝐴~(𝑥), 𝜇𝐵~(𝑦)] (1.47) Trong đó J là một hàm kéo theo mờ Tập mờ 𝐴~’ có thể xác định từ quan hệ R

và tập mờ 𝐵~’ qua một phép hợp thành như sau: 𝐴~’ = 𝐵~’  R (1.48)

Để chọn hàm kéo theo J, luật suy diễn mờ Modus Tollens dựa vào luật suy diễn Modus Tollens cổ điển như sau: [(𝐴  𝐵) ∧ 𝐵̅]  𝐴̅ (1.49)

Trong biểu thức (1.48), theo luật suy diễn Modus Tollens cổ điển, nếu 𝐵̅̅̅̅̅ =~′ 𝐵̅ thì 𝐴̅̅̅̅̅ = 𝐴̅, như vậy biểu thức (1.48) trở thành: 𝐴̅ = 𝐵̅ ~′  𝑅 (1.50)

Sau khi chọn phép hợp thành, từ biểu thức (1.50) ta có thể chọn hàm kéo theo

J với các tập mờ 𝐴~, 𝐵~ đã có

Ví dụ 1.6 Xem X = {𝑥1, 𝑥2, 𝑥3}, Y = {𝑦1, 𝑦2} Cho mệnh đề:

Nếu U là 𝐴~, thì V là 𝐵~

Trong đó, 𝐴~ là tập mờ trên X: 𝐴~ = {0,5 𝑥⁄ , 1 𝑥1 ⁄ , 0,6 𝑥2 ⁄ }, 𝐵3 ~ là tập mờ trên Y: 𝐵~ = {1 𝑦⁄ , 0,4 𝑦1 ⁄ } Cho sự kiện biểu thị bởi mệnh đề “V là 𝐵2 ~’” với 𝐵~’

là tập mờ trên Y: 𝐵~’ = {0,9 𝑦⁄ , 0,7 𝑦1 ⁄ } Dùng luật Modus Tollens để suy ra mệnh 2

𝜇𝐴~′(𝑥3) = max

𝑦𝑖∈𝑌,𝑖=1,2min[𝜇𝐵~′(𝑦𝑖), 𝜇𝑅(𝑥2, 𝑦𝑖)]

= max[min(0,9, 1) , min(0,7, 0,9)] = 0,9

Vậy, 𝐴~’ = {0,9 𝑥⁄ , 0,9 𝑥1 ⁄ , 0,9 𝑥2 ⁄ } 3

1.1.3.3 Luật suy diễn bắc cầu

Suy diễn bắc cầu với cấu trúc có dạng như sau:

Luật 1: Nếu U là 𝐴~, thì V là 𝐵~ Luật 2: Nếu V là 𝐵~, thì W là 𝐶~ Kết luận: Nếu U là 𝐴~, thì W là 𝐶~ Trong đó, U, V và W lần lượt là các biến tương ứng trên X, Y, Z 𝐴~, 𝐵~, 𝐶~lần lượt là các tập mờ trên X, Y, Z Từ mệnh đề “Nếu U là 𝐴~, thì V là 𝐵~” ta có quan hệ 𝑅1: XxY  [0, 1] định bởi các tập mờ 𝐴~ và 𝐵~ như sau:

𝜇𝑅1(𝑥, 𝑦) = 𝐽[𝜇𝐴~(𝑥), 𝜇𝐵~(𝑦)] (1.51)

Từ mệnh đề “Nếu V là 𝐵~, thì W là 𝐶~” Ta có quan hệ 𝑅2: YxZ  [0, 1] định bởi các tập mờ 𝐵~, 𝐶~ như sau:

𝜇𝑅2(𝑦, 𝑧) = 𝐽[𝜇𝐵~(𝑦), 𝜇𝐶~(𝑧)] (1.52) Theo suy diễn, quan hệ 𝑅3 có thể xác định từ các quan hệ 𝑅1 và 𝑅2 qua một phép hợp thành: 𝑅3 = 𝑅1 𝑅2 (1.53)

Để chọn hàm kéo theo J, luật suy diễn mờ bắc cầu dựa vào luật suy diễn bắc cầu cổ điển, cụ thể như sau:

[(𝐴  𝐵) ∧ (𝐵  𝐶)]  (𝐴  𝐶) (1.54)

Từ mệnh đề A  C, ta có quan hệ 𝑅3: XxZ  [0, 1] định bởi các tập mờ 𝐴~

và 𝐶~ như sau:

𝜇𝑅3(𝑥, 𝑧) = 𝐽[𝜇𝐴~(𝑥), 𝜇𝐶~(𝑧)] (1.55) Sau khi đã chọn phép hợp thành, từ biểu thức (1.55) ta có thể chọn hàm kéo theo J với các tập mờ 𝐴~, 𝐵~ và 𝐶~ đã có

Ví dụ 1.7 Xem X = {𝑥1, 𝑥2, 𝑥3}, Y = {𝑦1, 𝑦2}, Z = {𝑧1, 𝑧2} Cho mệnh đề

“Nếu U là 𝐴~, thì V là 𝐵~”

Trong đó, 𝐴~ là tập mờ trên X: 𝐴~ = {0,5 𝑥⁄ , 1 𝑥1 ⁄ , 0,6 𝑥2 ⁄ }, 𝐵3 ~ là tập mờ

trên Y: 𝐵~ = {1 𝑦⁄ , 0,4 𝑦1 ⁄ } Xem mệnh đề “Nếu V là B, thì W là 𝐶2 ~” Trong đó

𝐶~ là tập mờ trên Z: 𝐶~ = {0,2 𝑧⁄ , 1 𝑧1 ⁄ } Giả sử chọn hàm kéo theo mờ Godet, cụ 2thể như sau: 𝐽(𝑎, 𝑏) = {1, 𝑎 ≤ 𝑏𝑏, 𝑎 > 𝑏

Từ giả thiết, các tập mờ 𝐴~, 𝐵~ và 𝐶~ chúng ta có thể chuyển thành dưới dạng

1.1.3.4 Lập luận xấp xỉ đa điều kiện

Lập luận xấp xỉ đa điều kiện với cấu trúc có dạng sau:

𝜇𝑅𝑖(𝑥, 𝑦) = 𝐽[𝜇𝐴𝑖(𝑥), 𝜇𝐵𝑖(𝑦)] (1.56)

Trong đó J là một hàm kéo theo mờ Tập hợp tất cả n luật ta có được quan hệ

R định nghĩa như sau:

𝑅 = ∪𝑖=1÷𝑛 𝑅𝑖 (1.57)

Tập mờ B’ có thể xác định từ quan hệ R và tập mờ A’ qua một phép hợp thành sau: B’ = A’  R (1.58)

Lúc này, hàm thành viên của B’ từ phép hợp thành tổng quát sup i:

điều khiển nhúng và hệ thống mạng Với tính thiếu chính xác như vậy, logic mờ là một kỹ thuật rất hữu ích nhằm thiết kế các ứng dụng mà không cần phải biết trước

mô hình Đồng thời nó sử dụng một ngôn ngữ rất dễ hiểu của con người để mô tả đầu vào và đầu ra, nhằm cung cấp một phương pháp đơn giản để đạt được một kết luận từ thông tin đầu vào không chính xác, mơ hồ hoặc không rõ ràng

Hệ thống logic mờ có thể nói nó được cấu thành từ 3 giai đoạn chính, và được thể hiện cụ thể thông qua một mô hình bên dưới sau

Fuzzy hóa

Hình 1.4 Cấu trúc hệ thống logic mờ

Trong đó, giai đoạn Fuzzy hóa có nhiệm vụ chuyển đổi một giá trị rõ đầu vào x(T) thành một vector X(T) gồm các giá trị thể hiện mức độ phụ thuộc của giá trị rõ đầu vào theo các giá trị mờ đã được định nghĩa cho các biến ngôn ngữ đầu vào Còn đối với giai đoạn suy diễn mờ, giai đoạn này được thực hiện bởi các tri thức mà chúng ta xây dựng Tuy nhiên, các tri thức này được cung cấp bởi các chuyên gia

Các quy tắc này cụ thể như một bộ sưu tập của các luật If Then Then được gọi

là các tiền điều kiện, giữa các tiền điều kiện có thể kết hợp với các phép toán AND – OR hoặc cũng có thể sử dụng các phương thức Max – Min giữa các tiền điều kiện Kết quả của giai đoạn này sẽ sinh ra các giá trị trong tập mờ F với các biến ngôn ngữ đầu ra Giai đoạn cuối cùng chính là khâu giải mờ, giai đoạn này sẽ có nhiệm

vụ chuyển đổi những giá trị trong tập mờ F thành một giá trị rõ cụ thể là y(F) và đồng thời kết hợp tất cả các kết luận từ mô hình luật của hệ thống xây dựng để có một giá trị kết luận cuối cùng

Tuy nhiên, với 3 bước trong cấu trúc của hệ thống logic mờ thì bước 2 hay là FIS – Fuzzy Inference System [3] là bước có thể nói là rất quan trọng trong hệ thống logic mờ Bởi vì nhiều lý do, trước hết FIS rất phù hợp với những khó khăn

của các node Sensors trong hệ thống mạng cảm biến, có thể nói FIS rất đơn giản và

có thể thực hiện trên phần cứng hạn chế, đồng thời nó có thể xử lý dữ liệu với một ràng buộc tùy ý

Ngoài ra, FIS còn có một số tính năng không kém phần quan trọng trong Wireless Sensor Networks Đầu tiên, FIS có thể thiết kế một hệ thống đang chạy bằng cách sử dụng mô hình trực quan, mô tả thông qua những suy luận thông thường của con người về các vấn đề Thứ hai, FIS rất linh hoạt có thể xây dựng dựa trên kiến thức chuyên môn, đồng thời nó dễ dàng thêm hoặc thay đổi chức năng trong hệ thống Thứ ba, FIS thực hiện việc tính toán nhanh đó là một điều quan trọng vì khả năng xử lý của các node Sensors có hạn Cuối cùng, FIS có thể thực hiện với ít bộ nhớ đó chính là một tài sản mong muốn trong mạng cảm biến không dây bởi vì các nodes trong hệ thống mạng bị hạn chế về bộ nhớ

Chúng ta biết rằng, trong lĩnh vực kỹ thuật sử dụng rộng rãi nhất chính là FIS theo quy luật Vì vậy, ý tưởng cộng tác giữa WSNs với hệ thống logic mờ được thể hiện thông qua mô hình D-FLER [4, 5] Mô hình này với mục đích triển khai chính

là sự phát tán các nodes mạng cảm biến phân bố trong môi trường sử dụng logic mờ nhằm thực hiện các nhiệm vụ của mình Đối với mô hình này được thể hiện cụ thể bởi hình bên dưới

Fuzzy hóa

Suy diễn mờ

Giải mờ Môi

trường Node sensor

Tri thức MAC

số node

Node giao tiếp

Cảm biến cảm nhận môi trường

1.2 CẤU TRÚC MẠNG CẢM BIẾN KHÔNG DÂY

Mạng cảm biến không dây [6, 7] có thể nói rằng đây chính là hệ thống mạng với hai chức năng chính: Mạng và cảm nhận thông tin từ sự thay đổi của môi

trường

WSNs với đặc điểm các node Sensors liên kết với nhau thông qua sóng vô tuyến, trong đó các nodes mạng thường là các thiết bị đơn giản, nhỏ gọn, giá thành thấp, Mạng loại này có thể triển khai với số lượng lớn các nodes được phân bố một cách không có hệ thống trên một diện rộng, sử dụng một nguồn năng lượng hạn chế và khó có thể nạp lại

Tóm lại có thể nói, WSNs bao gồm số lượng lớn các node Sensors phân bố ngẫu nhiên nhằm thu thập thông tin về những sự thay đổi của môi trường Mỗi node Sensor chính là một thiết bị nhỏ bé và được duy trì hoạt động trên một nguồn năng lượng hạn chế Một node Sensor có thể thay đổi kích thước tùy thuộc vào yêu cầu

cụ thể của mỗi ứng dụng [8] Vì vậy, chi phí các node Sensors có thể thay đổi từ hàng trăm đô la đến một vài xu, tùy thuộc vào kích thước triển khai của WSNs Với những hạn chế về kích thước và chi phí, dẫn đến các node Sensors cũng hạn chế tương ứng về các mặt tài nguyên như pin, bộ nhớ, tốc độ tính toán và băng thông [9] Tuy nhiên, mỗi node Sensor được cấu thành bao gồm một số thành phần cơ bản như sau

Nguồn năng lượng

Hình 1.6 Thành phần của node Sensor

Trong đó, các Sensors chính là các cảm biến nhằm thực hiện chức năng cảm nhận về sự thay đổi của môi trường phân bố Còn đối với bộ xử lý, thì thành phần này nó sẽ thực hiện nhiệm vụ xử lý các dữ liệu sau khi các Sensors đã cảm nhận được Đồng thời, đối với thành phần tiếp theo trong cấu tạo của một node mạng

nodes cụ thể chẳng hạn sự liên lạc từ node chủ của mỗi cụm đến trung tâm dữ liệu (node Sink) và có thể hình dung qua sơ đồ sau:

TV

Hình 1.7 Cấu trúc hoạt động của phân cụm trong WSN

Cuối cùng, GPS [10] chính là thiết bị định vị nhằm xác định vị trí chính xác của các node Sensors phân bố trong hệ thống mạng

Các node Sensors trong hệ thống thường được cài đặt với các chức năng như cảm nhận, quan sát môi trường xung quanh chẳng hạn nhiệt độ, độ ẩm, ánh sáng, hay thâm chí có thể theo dõi hoặc định vị các mục tiêu cố định hoặc di động, Các node này giao tiếp với nhau và sau đó truyền dữ liệu về trung tâm (Base Station) một cách gián tiếp bằng kỹ thuật đa chặng (multi - hop)

Một mạng cảm biến không dây bao gồm số lượng lớn các nodes được triển khai dày đặc bên trong hoặc ở rất gần đối tượng cần thăm dò nhằm thu thập thông tin dữ liệu Tuy nhiên, vị trí các cảm biến không dây được định trước vì vậy nó cho phép triển khai ngẫu nhiên trong các vùng không thể tiếp cận hoặc thậm chí các khu vực nguy hiểm Với khả năng tự tổ chức mạng và cộng tác làm việc của các cảm biến không dây đây chính là những đặc trưng rất cơ bản của hệ thống loại mạng này Cấu trúc mạng cảm biến không dây cần phải thiết kế sao cho sử dụng có hiệu quả nguồn tài nguyên hạn chế của mạng, và đồng thời kéo dài thời gian sống của các nodes trong mạng Vì vậy, thiết kế cấu trúc và kiến trúc của loại mạng này cần phải quan tâm đến các yếu tố sau:

- Giao tiếp không dây đa chặng: Các nodes trong hệ thống mạng cảm biến

không dây giao tiếp với nhau thông qua kênh vô tuyến, đây cũng chính là kỹ thuật chính Tuy nhiên, giữa hai node Sensors giao tiếp trực tiếp với nhau sẽ có nhiều hạn chế chẳng hạn do khoảng cách hay các vật cản Đặc biệt khi node phát và node thu

ở xa nhau thì cần công suất phát lớn Vì vậy cần các node trung gian làm node chuyển tiếp để giảm công suất tổng thể Do vậy, các nodes cảm biến không dây cần phải giao tiếp đa chặng với nhau

- Sử dụng hiệu quả năng lượng: Nhằm hỗ trợ kéo dài thời gian sống của toàn mạng, sử dụng hiệu quả nguồn năng lượng là kỹ thuật quan trọng trong mạng cảm biến không dây

- Tự động cấu hình: Mạng cảm biến không dây cần phải cấu hình các thông số một cách tự động Chẳng hạn như các nodes có thể xác định vị trí của nó thông qua các nodes khác gọi là tự định vị

- Cộng tác, xử lý các nodes trong mạng và tập trung dữ liệu: Trong một số ứng dụng, một node Sensor không thể thu thập đầy đủ dữ liệu mà cần phải có sự cộng tác của nhiều nodes hoạt động với nhau thì mới có thể thu thập đủ dữ liệu trong khu vực, trong khi đó từng node thu thập dữ liệu và ngay lập tức gửi đến trạm gốc thì lúc này những nodes đó sẽ tốn băng thông và năng lượng Một giải pháp đưa ra chính là cần phải kết hợp dữ liệu của nhiều nodes trong một vùng rồi mới gửi đến trạm gốc, thì có thể nói rằng sẽ tiết kiệm băng thông và năng lượng đồng nghĩa với thời gian sống của mạng sẽ kéo dài hơn

Vệ tinh/

Internet

Thiết bị thu phát (Sink)

Node quản

lý tác vụ

Các node Sensors

Trường cảm biến Users

Hình 1.8 Cấu trúc mạng cảm biến không dây

Cấu trúc cơ bản của mạng cảm biến không dây được thể hiện như hình 1.8 Trong đó, các nút cảm biến được triển khai trong môi trường cảm biến (Sensor field) Mỗi nút cảm biến được phát tán trong mạng và có khả năng thu thập thông số liệu, định tuyến số liệu về bộ thu nhận (Sink) để chuyển đến người dùng (Users), và đồng thời định tuyến các bản tin mang theo yêu cầu từ nút Sink đến các nút cảm biến Số liệu được định tuyến về phía bộ thu nhận (Sink) theo cấu trúc đa liên kết không có cơ sở hạ tầng nền tảng (Multihop Infrastructureless Architecture), tức là không có trạm thu phát gốc hay các trung tâm điều khiển Bộ thu nhận có thể liên lạc trực tiếp với trạm điều hành (Task Manager Node) của người dùng hoặc gián tiếp thông qua Internet hay vệ tinh (Satellite)

Mỗi nút cảm biến bao gồm bốn thành phần cơ bản là bộ cảm biến, bộ xử lý, bộ thu phát không dây và nguồn điện Tùy theo ứng dụng cụ thể, nút cảm biến còn có thể có các thành phần bổ sung như hệ thống tìm vị trí, bộ sinh năng lượng và thiết bị

di động Các thành phần trong một nút cảm biến (Sensor) và bộ chuyển đổi tương tự/số (ADC) Các tín hiệu tương tự được thu nhận từ đầu đo, sau đó được chuyển sang tín hiệu số bằng bộ chuyển đổi ADC, rồi mới được đưa tới bộ xử lý Bộ xử lý, thường kết hợp với một bộ nhớ nhỏ, phân tích thông tin cảm biến và quản lý các thủ tục cộng tác với các nút khác để phối hợp thực hiện nhiệm vụ Bộ thu phát phải đảm bảo thông tin giữa nút cảm biến và mạng kết nối với nhau bằng không dây, có thể là

vô tuyến, hồng ngoại hoặc tín hiệu quang Một thành phần quan trọng của nút cảm biến đó là bộ nguồn Bộ nguồn, có thể là pin hoặc ắc-quy, cung cấp năng lượng cho nút cảm biến và nó khó thay thế được nên nguồn năng lượng của nút thường là giới hạn Bộ nguồn có thể được hỗ trợ bởi các thiết bị sinh điện, ví dụ như các tấm pin mặt trời nhỏ

Hầu hết các công nghệ định tuyến trong mạng cảm biến và các nhiệm vụ cảm biến yêu cầu phải có sự nhận biết về vị trí với độ chính xác cao Do đó, các nút cảm biến thường phải có hệ thống tìm vị trí Các thiết bị di động đôi khi cũng cần thiết

để di chuyển các nút cảm biến theo yêu cầu để đảm bảo các nhiệm vụ được phân

công

1.3 ĐẶC ĐIỂM CỦA MẠNG CẢM BIẾN KHÔNG DÂY

Mạng cảm biến không dây với rất nhiều đặc điểm [11], thứ nhất chính là kích thước vật lý nhỏ gọn Vì vậy, kích thước và công suất tiêu thụ luôn chi phối khả năng xử lý, lưu trữ và tương tác của các thiết bị cơ sở Do đó, việc thiết kế các phần cứng cho mạng cảm biến cần phải chú trọng đến việc giảm kích cỡ và công suất tiêu thụ với yêu cầu nhất định về khả năng hoạt động Vì vậy, nó được bổ sung và sử dụng các phần mềm nhằm tạo hiệu quả để bù lại các hạn chế của phần cứng

Bộ xử lý

Hình 1.9 Các thành phần của node cảm biến

Thứ hai, hoạt động đồng thời với độ tập trung cao Hoạt động chính của các

thiết bị trong mạng cảm biến là đo lường và vận chuyển các dòng thông tin với khối lượng xử lý thấp, gồm các hoạt động nhận lệnh, dừng, phân tích và đáp ứng Vì dung lượng bộ nhớ trong nhỏ nên cần tính toán rất kỹ về khối lượng công việc cần

xử lý, và các sự kiện mức thấp xen vào hoạt động xử lý mức cao Một số hoạt động

xử lý mức cao sẽ khá lâu và khó đáp ứng tính năng về thời gian thực Do đó, các nút mạng phải thực hiện nhiều công việc đồng thời và cần phải có sự tập trung xử lý cao độ

Thứ ba, khả năng liên kết vật lý và phân cấp điều khiển hạn chế Tính năng điều khiển các nút cảm biến không dây cũng như sự tinh vi của liên kết xử lý – lưu trữ - chuyển mạch trong mạng cảm biến không dây thấp hơn nhiều trong các hệ thống

thông thường Điển hình chip đơn (đảm bảo tiêu thụ điện thấp nhất) Ngược lại, các

hệ thống thông thường, với các hoạt động xử lý phân tán và kết hợp với một loạt các thiết bị trên nhiều mức điều khiển được liên hệ bởi một cấu trúc bus phức tạp

Thứ tư, tính đa dạng trong thiết kế và sử dụng Các thiết bị cảm biến được nối mạng với nhau thường có khuynh hướng dành riêng cho từng ứng dụng cụ thể, tức là mỗi loại phần cứng chỉ hỗ trợ riêng cho từng ứng dụng của nó Vì có một phạm vi ứng dụng cảm biến rất rộng nên cũng có thể có rất nhiều kiểu thiết bị vật lý khác nhau Với mỗi thiết bị riêng, điều quan trọng là phải dễ dàng tập hợp phần mềm để có được ứng dụng từ phần cứng Như vậy, các loại thiết bị này cần một sự điều chỉnh phần mềm ở một mức độ nào đó để có được hiệu quả sử dụng phần cứng cao Môi trường phát triển chung cần thiết chính là cho phép các ứng dụng riêng có thể xây dựng trên một tập các thiết bị mà không cần giao diện phức tạp Ngoài ra, cũng có thể chuyển đổi giữa phạm vi phần cứng với phần mềm trong khả năng công nghệ

Thứ năm, hoạt động tin cậy Các thiết bị với số lượng lớn được triển khai trong phạm vi rộng với từng ứng dụng cụ thể Việc áp dụng các kỹ thuật mã hóa, sửa lỗi truyền thông nhằm tăng độ tin cậy của các đơn vị riêng lẻ bị giới hạn bởi kích thước cảm biến và công suất Nhìn chung việc tăng độ tin cậy của các thiết bị

lẻ là điều cốt yếu Thêm vào đó, chúng ta có thể tăng độ tin cậy của ứng dụng bằng khả năng chấp nhận và khắc phục được lỗ hỏng của thiết bị đơn lẻ Như vậy, có thể nói nhìn chung hệ thống hoạt động trên từng nút đơn không những mạnh mẽ mà còn

dễ dàng phát triển các ứng dụng phân tán tin cậy

Cuối cùng, kiến trúc và giao thức Stack của mạng cảm biến không dây Các

nút cảm biến thường được phân tán trong một khu vực cảm biến như trong hình 1.18 Mỗi nút cảm biến phân tán có khả năng thu thập và truyền dữ liệu về bộ thu nhận (Sink) đồng thời gửi đến nguời dùng cuối thông qua truyền thông multi – hop Sau đó, node Sink sẽ thực hiện nhiệm vụ giao tiếp với người dùng cuối thông qua một số môi trường chẳng hạn như Internet, vệ tinh hoặc bất kỳ loại mạng không dây nào mà có thể kết nối trực tiếp đến người dùng

Trong WSNs các nút cảm biến có chức năng kép được khởi tạo cả dữ liệu định

tuyến Do đó, truyền thông được thực hiện vì hai lý do:

Đầu tiên đối với chức năng nguồn: Các nút nguồn với chức năng truyền thông nhằm để truyền tải gói dữ liệu của chúng đến node Sink

Thứ hai đối với chức năng định tuyến: Lúc này bộ cảm biến cũng tham gia vào

sự chuyển tiếp của các nút đối với các gói tin nhận được từ các nút khác đến địa điểm của các nút tiếp theo trong đường dẫn đa bước nhảy, sau đó nó sẽ chuyển tiếp

đến Sink

Kiến trúc giao thức được sử dụng trong bộ thu – nhận (Sink) và tất cả các nút cảm biến được thể hiện bởi hình 1.10 bên dưới Với kiến trúc này, nhìn chung có sự phối hợp chặt chẽ giữa việc tính toán về định tuyến và năng lượng, kết hợp giữa các

số liệu với các giao thức mạng, đồng thời việc truyền các gói tin mang tính hiệu quả hơn về mặt năng lượng thông qua môi trường không dây và đồng thời tăng cường

sự hợp tác giữa các nút cảm biến trong môi trường phân bố Kiến trúc này bao gồm một số các lớp cụ thể như lớp ứng dụng (Application Layer), lớp giao vận (Transport Layer), lớp mạng (Network Layer), lớp liên kết số liệu (Datalink Layer), lớp vật lý (Physical Layer), và bên cạnh đó còn bao gồm các mặt phẳng như mặt phẳng quản lý năng lượng (Power Manager Plane), mặt phẳng quản lý di động (Mobility Manager Plane) và mặt phẳng quản lý nhiệm vụ (Task Manager Plane) Tùy theo nhiệm vụ cụ thể đối với từng ứng dụng trong mạng cảm biến, với sự thiết kế đối với các kiểu phần mềm bởi các ứng dụng khác nhau được xây dựng và

sử dụng trên lớp ứng dụng Đồng thời, trong lớp ứng dụng nó được thiết kế bởi một

số giao thức điển hình quan trọng chẳng hạn như giao thức quản lý mạng cảm biến (SMP – Sensor Management Protocol), giao thức quảng bá dữ liệu và chỉ định nhiệm vụ cho từng Sensor (TADAP – Task Assignment and Data Advertisement), giao thức phân phối dữ liệu và truy vấn cảm biến (SQDDP – Sensor Query and Data Dissemination)

Lớp ứng dụng Lớp giao vận Lớp mạng Lớp liên kết dữ liệu Lớp vật lý

Hình 1.10 Kiến trúc giao thức mạng cảm biến không dây

Trong đó, lớp giao vận giúp duy trì dòng số liệu khi các ứng dụng của mạng cảm biến yêu cầu Lớp giao vận đặc biệt cần khi mạng cảm biến kết nối với mạng bên ngoài, hay kết nối với người dùng qua Internet Giao thức lớp vận chuyển giữa Sink với người dùng (node quản lý nhiệm vụ) có thể là giao thức gói người dùng (UDP – User Datagram Protocol) hay giao thức điều khiển truyền tải (TCP – Transmission Control Protocol) thông qua Internet hoặc vệ tinh Còn giao tiếp giữa Sink và các node cảm biến cần các giao thức kiểu như UDP vì các nodes cảm biến

bị hạn chế về bộ nhớ Hơn nữa các giao thức này còn phải tính đến sự tiêu thụ công suất, tính mở rộng và định tuyến tập trung dữ liệu

Lớp mạng tập trung vào việc định tuyến số liệu được cung cấp bởi lớp giao vận Việc định tuyến trong mạng cảm biến phải đối mặt với rất nhiều thách thức như mật độ các node dày đặc, hạn chế về năng lượng,… Do vậy thiết kế lớp mạng trong mạng cảm biến phải theo các nguyên tắc sau:

- Hiệu quả về năng lượng luôn được xem là vấn đề quan trọng hàng đầu

- Các mạng cảm biến và giao thức mạng

- Tích hợp dữ liệu và giao thức mạng

- Phải có cơ chế địa chỉ theo thuộc tính và biết về vị trí

Có rất nhiều giao thức định tuyến được thiết kế cho mạng cảm biến không dây Nhìn tổng quan, chúng được chia thành ba loại dựa vào cấu trúc mạng, đó là

định tuyến ngang hàng, định tuyến phân cấp, định tuyến theo vị trí

Tiếp theo, lớp kết nối dữ liệu Lớp này chịu trách nhiệm cho việc ghép các luồng dữ liệu, dò khung dữ liệu, điều khiển lỗi và truy nhập môi trường Vì trong môi trường có tạp âm và các nodes cảm biến có thể di động, giao thức điều khiển truy nhập môi trường (MAC – Media Acess Control) phải xét đến vấn đề công suất

và phải có khả năng tối thiểu hóa việc va chạm với thông tin quảng bá của các nodes lân cận

Đối với lớp vật lý thì nó chịu trách nhiệm lựa chọn tần số, phát tần số sóng mạng, điều chế, lập mã và tách sóng Tạo hiệu ứng lan truyền tín hiệu, hiệu quả năng lượng, và phương án điều chế cho cảm biến mạng Thêm vào đó, các mặt bằng quản lý năng lượng, di động và nhiệm vụ điều khiển sự phân phối năng lượng, phối hợp di chuyển và nhiệm vụ giữa các nút cảm biến Các mặt phẳng này giúp cho các nút cảm biến có thể phối hợp trong nhiệm vụ cảm biến và giảm được sự tiêu thụ năng lượng

Còn đối với các mặt bằng trong kiến trúc giao thức mạng, chẳng hạn mặt bằng quản lý năng lượng tức là nó đảm nhiệm việc quản lý một nút cảm biến sử dụng năng lượng của nó như thế nào Ví dụ, nút cảm biến có thể tắt bộ phận nhận sau khi nhận một bản tin từ một trong các nút lân cận Điều này có thể tránh được việc nhận bản tin đến hai lần Ngoài ra, khi mức năng lượng của nút cảm biến thấp, nút cảm biến sẽ thông báo tới các nút cảm biến lân cận rằng, mức năng lượng của nó đã thấp nên nó không thể tham gia vào việc định tuyến cho các bản tin Năng lượng còn lại được dự trữ cho việc cảm biến Trong khi đó, mặt bằng quản lý di động tức là thực hiện việc dò tìm và ghi lại chuyển động của nút cảm biến, vì thế một tuyến đường hướng tới nút Users luôn được duy trì và các nút cảm biến có thể theo dõi được các nút cảm biến lân cận Với việc nhận biết được các nút cảm biến lân cận, nút cảm biến có thể cân bằng giữa nhiệm vụ và năng lượng sử dụng Cuối cùng, mặt bằng quản lý nhiệm vụ tức là thực hiện việc cân bằng và sắp xếp nhiệm vụ cảm biến cho một vùng cụ thể Không phải tất cả các cảm biến trong vùng đó được yêu cầu thực hiện nhiệm vụ cảm nhận tại cùng một thời điểm Kết quả là một vài nút cảm biến

thực hiện nhiệm vụ nhiều hơn các nút khác tùy theo mức năng lượng của chúng Những mặt quản lý này rất cần thiết, như vậy nhìn chung các nút cảm biến có thể làm việc cùng với nhau để có hiệu quả về mặt năng lượng, có thể định tuyến số liệu trong một mạng cảm biến di động và chia sẻ tài nguyên giữa các nút cảm biến Nếu không, mỗi nút cảm biến chỉ làm việc một cách đơn lẻ Xuất phát quan điểm xem xét toàn mạng cảm biến, sẽ hiệu quả hơn nếu các nút cảm biến có thể hoạt động hợp tác với nhau, như thế sẽ kéo dài tuổi thọ của mạng

1.4 KẾT LUẬN

Các mạng cảm biến không dây với chi phí đầu tư thấp, tiêu thụ ít điện năng cho phép triển khai trong nhiều điều kiện địa hình khí hậu phức tạp, đặc biệt là khả năng tự tổ chức mạng, khả năng xử lý cộng tác và chịu được các hư hỏng sự cố đã tạo ra một sự triển vọng ứng dụng đầy tiềm năng trong nhiều lĩnh vực khác nhau Mạng cảm biến không dây phục vụ đa dạng các mục tiêu không chỉ thu thập thông tin dữ liệu mà còn điều khiển và giám sát hệ thống trên phạm vi rộng lớn Tuy nhiên

để triển khai mạng cảm biến không dây, người thiết kế hệ thống cần phải nắm bắt được các nhân tố của mạng, những nhược điểm của mạng cần phải được khắc phục, cần quan tâm đến các tham số mạng,… cần có sự mô phỏng đánh giá để từ đó có thể thiết kế hệ thống theo cách tối ưu nhất Đồng thời, em cũng đã nghiên cứu và giới thiệu những kiến thức cơ bản về một lĩnh vực nghiên cứu mới đối với WSNs để khảo sát năng lượng của các nodes trong mạng đó chính là dựa trên cơ sở Logic mờ Với những triển vọng mà WSNs mang lại, tuy nhiên vấn đề quan trọng nhất cần quan tâm đến đó chính là làm thế nào để tiết kiệm năng lượng của các nodes trong hệ thống nhằm phục vụ tốt hơn đối với các ứng dụng triển khai trong môi trường Một kỹ thuật mới chính là sử dụng thuật toán phân cụm dựa trên logic mờ cho mạng cảm biến không dây