Nghiên cứu phát triển một số thuật toán tối ưu hóa vùng phủ sóng và năng lượng của mạng cảm biến không dây trong môi trường 3 chiều

18 HEED Hybrid Energy-Efficient Distributed 20 LACBER Location Aided Cluster Based Energy Efficient Routing Định tuyến hiệu quả dựa vào phân cụm vị trí 21 LCA Linked Cluster Algorithm Th

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

LUẬN ÁN TIẾN SĨ TOÁN HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

1 PGS.TS Lê Trọng Vĩnh

2 TS Lê Hoàng Sơn

Hà Nội, 2017

LỜI CAM ĐOAN

Nghiên cứu sinh cam đoan luận án này là công trình nghiên cứu của chính mình dưới sự hướng dẫn của tập thể cán bộ hướng dẫn Luận án có sử dụng thông tin trích dẫn từ nhiều nguồn tham khảo khác nhau và các thông tin trích dẫn được ghi rõ nguồn gốc Các số liệu, kết quả trong luận án là trung thực và chưa từng được công bố trong các công trình nghiên cứu của bất kỳ tác giả nào khác

Nghiên cứu sinh

Đặng Thanh Hải

sở để Nghiên cứu sinh phát triển và hoàn thiện các công bố của mình

Nghiên cứu sinh xin chân thành cảm ơn Ban giám hiệu, lãnh đạo Khoa Toán- Cơ- Tin, các thầy cô giảng viên, đồng nghiệp Bộ môn Tin học, Trung tâm tính toán hiện năng cao, trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội đã tạo điều kiện thuận lợi nhất để nghiên cứu sinh hoàn thành chương trình học tập và thực hiện luận án nghiên cứu khoa học của mình

Nghiên cứu sinh xin chân thành cảm ơn Ban giám hiệu trường Đại học Đà Lạt, tập thể cán bộ, giảng viên Khoa Công nghệ Thông tin nơi nghiên cứu sinh công tác và các bạn bè thân thiết đã luôn tạo điều kiện, động viên, khuyến khích để Nghiên cứu sinh hoàn thành luận án này

Cuối cùng, nghiên cứu sinh chân thành bày tỏ lòng cảm ơn tới gia đình đã kiên trì, chia sẻ, động viên nghiên cứu sinh trong suốt quá trình học tập và hoàn thành luận án này

Nghiên cứu sinh Đặng Thanh Hải

MỤC LỤC

0 MỞ ĐẦU 1

1 CHƯƠNG 1 TỔNG QUAN MẠNG CẢM BIẾN KHÔNG DÂY 5

1.1 Mạng cảm biến không dây 5

1.1.1 Khái niệm 5

1.1.2 Cấu trúc nút cảm biến 5

1.1.3 Cấu trúc mạng cảm biến không dây 8

1.1.4 Mạng cảm biến trong môi trường 3 chiều 10

1.1.5 Hố mạng và vật cản 11

1.2 Hai bài toán quan trọng trong mạng cảm biến không dây và các nghiên cứu

liên quan 14

1.2.1 Bài toán tối ưu phủ sóng 14

1.2.2 Bài toán tối ưu năng lượng mạng 20

1.3 Kết luận chương 29

2 CHƯƠNG 2 TỐI ƯU VÙNG PHỦ SÓNG MẠNG CẢM BIẾN KHÔNG DÂY

TRÊN ĐỊA HÌNH 3 CHIỀU 30

2.1 Đề xuất mô hình mạng cảm biến trong môi trường 3 chiều 30

2.2 Bài toán tối ưu vùng phủ sóng trong môi trường 3 chiều 35

2.2.1 Nội suy độ cao của một điểm trong địa hình 35

2.2.2 Phương pháp xác định vật cản LoS cải tiến 36

2.2.3 Xác định hố mạng vật lý cho mô hình 38

2.3 Thuật toán PSO cho bài toán tối ưu vùng phủ sóng trong môi trường 3 chiều 40

2.3.1 Sơ lược về tối ưu tiến hóa và thuật toán tối ưu bầy đàn 40

2.3.2 Thuật toán PSO cho bài toán tối ưu hóavùng phủ sóng 43

2.4 Đánh giá độ phức tạp của thuật toán PSO_3WSN 46

2.5 Kết quả thực nghiệm 46

2.5.1 Đánh giá thuật toán xác định hố mạng vật lý 46

2.5.2 Đánh giá thuật toán tối ưu phủ sóng PSO_3WSN 49

2.6 Kết luận chương 57

3 CHƯƠNG 3 TỐI ƯU NĂNG LƯỢNG MẠNG CẢM BIẾN KHÔNG DÂY

TRÊN ĐỊA HÌNH 3 CHIỀU 58

3.1 Mô hình hóa việc tiêu thụ năng lượng cho mạng cảm biến trong môi trường

3 chiều 59

3.2 Bài toán tối ưu hóa năng lượng cho mạng cảm biến trong môi trường 3 chiều 63

3.3 Thiết kế giải pháp tối ưu năng lượng mạng cảm biến 63

3.3.1 Ý tưởng 63

3.3.2 Thuật toán 64

3.4 Thiết kế giải pháp tối ưu năng lượng kết hợp chọn nút CH 65

3.4.1 Ý tưởng 65

3.4.2 Thuật toán 66

3.5 Thiết kế giải pháp tối ưu năng lượng kết hợp cân bằng năng lượng 67

3.5.1 Ý tưởng 67

3.5.2 Thuật toán FCM- PSOEB 68

3.6 Kết quả và đánh giá thực nghiệm 69

3.6.1 Môi trường thực nghiệm 69

3.6.2 Đánh giá giải pháp tối ưu năng lượng bằng phân cụm mờ 69

3.6.3 Đánh giá giải pháp tối ưu năng lượng kết hợp lựa chọn nút chủ 77

3.6.4 Đánh giá giải pháp tối ưu năng lượng kết hợp cân bằng năng lượng 82

3.7 Kết luận chương 84

4 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 85

5 DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN

ĐẾN LUẬN ÁN 87

6 TÀI LIỆU THAM KHẢO 88

7 PHỤ LỤC A 99

DANH MỤC BẢNG

Bảng 1-1 Phân loại cảm biến theo khả năng cảm nhận 7

Bảng 1-2 Thuật toán LEACH 22

Bảng 1-3 Thuật toán LEACH-C 24

Bảng 1-4 Thuật toán phân cụm dùng K-Means 26

Bảng 1-5 Thuật toán FCM 27

Bảng 2-1 Thuật toán LoS cải tiến 37

Bảng 2-2 Thuật toán xác định hố mạng vật lý 39

Bảng 2-3 Thuật toán PSO 42

Bảng 2-4 Ứng dụng thuật toán PSO tìm vị trí cảm biến tối ưu 44

Bảng 2-5 Hàm tính giá trị thích nghi 45

Bảng 2-6 Kết quả thực nghiệm thuật toán phát hiện hố mạng vật lý 47

Bảng 2-7 Kết quả thuật toán phát hiện hố mạng vật lý với κ=370 48

Bảng 2-8 Kết quả thuật toán phát hiện hố mạng vật lý với ∆=6 49

Bảng 2-9 Mô tả các tham số đầu vào 50

Bảng 2-10 Khả năng phủ sóng của thuật toán 52

Bảng 2-11 Khả năng phủ sóng của thuật toán với các phân phối khác nhau 53

Bảng 2-12 Khả năng phủ sóng của thuật toán với các tham số PSO khác nhau 54

Bảng 2-13 Khả năng phủ sóng của thuật toán với tỉ lệ điểm lưới lấy mẫu khác nhau 56

Bảng 3-1 Thuật toán FCM cải tiến gọi FCM-3WSN 64

Bảng 3-2 Thuật toán PSO chọn CH gọi là FCM-PSO 66

Bảng 3-3 Thuật toán cân bằng năng lượng giữa các cụm FCM-PSOEB 68

Bảng 3-4 Các tham số của thuật toán 69

Bảng 3-5 Năng lượng tiêu thụ của mạng với các thuật toán khác nhau (joule) 71

Bảng 3-6 Thời gian chạy của thuật toán 71

Bảng 3-7 Thời gian chạy trung bình của các thuật toán với số cảm biến khác nhau 74

Bảng 3-8 Thời gian chạy trung bình của các thuật toán với các phân phối cảm biến 76

Bảng 3-9 Thời gian chạy trung bình các thuật toán với số cụm khác nhau 77

Bảng 3-10 Tỉ lệ kết nối giữa các CH và BS với số cụm 20% số cảm biến 80

Bảng 3-11 Tỉ lệ kết nối giữa các non-CH và CH với số cụm 20% số cảm biến 81

Bảng 3-12 Năng lượng tiêu thụ mạng với các thuật toán 82

Bảng 7-1 Mô tả tóm tắt hình thái của các địa hình 100

DANH MỤC HÌNH VẼ VÀ ĐỒ THỊ

Hình 1-1 Mạng cảm biến không dây 5

Hình 1-2 Các thành phần cơ bản của nút cảm biến 7

Hình 1-3 Mô hình cấu trúc hình sao 8

Hình 1-4 Mô hình cấu trúc phân cấp 9

Hình 1-5 Mô hình cấu trúc tập trung 10

Hình 1-6 Hai mô hình DEM thông dụng 11

Hình 1-7 Cách xác định vật cản trong địa hình 14

Hình 1-8 Tối ưu phủ sóng dùng sơ đồ Voronoi 15

Hình 1-9 Tối ưu phủ sóng dùng hình học mẫu 15

Hình 1-10 Mô hình cảm biến trong môi trường 3 chiều 16

Hình 1-11 Thuật toán Voronoi trong 3 chiều 17

Hình 1-12 Tăng vùng phủ sóng bằng cách chỉnh hướng và góc 18

Hình 1-13 Mô hình cảm biến với vật cản 19

Hình 1-14 Mô hình cảm biến với khái niệm tầm nhìn 19

Hình 2-1 Biểu diễn các góc của cảm biến trong môi trường 3 chiều 31

Hình 2-2 Đại diện hố mạng trong địa hình 32

Hình 2-3 Xác định hố mạng vật lý 39

Hình 2-4 Hố mạng vậy lý được phát hiện trên một số địa hình 48

Hình 2-5 Các phân phối điểm lưới lấy mẫu trong địa hình 51

Hình 2-6 Khả năng phủ sóng với các phân bố khác nhau 54

Hình 2-7 Khả năng phủ sóng với các bộ tham số khác nhau thuật toán PSO 55

Hình 2-8 Khả năng phủ sóng với tỉ lệ điểm lưới lấy mẫu khác nhau 56

Hình 3-1 Lưu đồ giải pháp xây dựng topo WSN tối ưu năng lượng 59

Hình 3-2 Phân phối các cảm biến 70

Hình 3-3 Năng lượng tiêu thụ trung bình với các số cảm biến khác nhau (joule) 72

Hình 3-4 Năng lượng tiêu thụ trung bình với các phân phối cảm biến khác nhau(joule) 74

Hình 3-5 Năng lượng tiêu thụ trung bình với số cụm khác nhau(joule) 76

Hình 3-6 Tỉ lệ phần trăm CH kết nối tới BS với số cảm biến khác nhau 78

Hình 3-7 Tỉ lệ phần trăm non-CH kết nối tới CH với số cảm biến khác nhau 78

Hình 3-8 Tỉ lệ phần trăm CH kết nối tới BS với các phân phối khác nhau 79

Hình 3-9 Tỉ lệ phần trăm non-CH kết nối tới CH với các phân phối khác nhau 79

Hình 3-10 Tỉ lệ phần trăm non-CH kết nối tới CH với các phân phối khác nhau 79

Hình 3-11 Năng lƣợng tiêu thụ của mạng bởi các thuật toán(joule) 83

Hình 3-12 Giá trị trung bình tỉ lệ các kết nối 83

Hình 7-1 Minh họa các địa hình DEM của Việt Nam 99

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

1 ACO Ant Colony Optimization Thuật toán tối ƣu đàn kiến

2 AHP Analytical Hierarchy Process Quá trình phân tích phân cấp

3 APTEEN Adaptive Periodic Threshold

Energy Efficient Sensor Network Protocol

Giao thức hiệu quả năng lƣợng thích ứng ngƣỡng cảm biến

4 BS Base Station Trạm cơ sở

5 BSDCP Base-Station Controlled Dynamic

Clustering Protocol

Giao thức phân cụm động các BS

6 CH Cluster Head Nút chủ

7 DEM Digital Elevation Model Mô hình độ cao số

8 DHAC Distributed Hierarchical

Agglomerative Clustering

Kỹ thuật phân cụm tích lũy phân cấp phân tán

9 DWEHC distributed weight-based

energy-efficient hierarchical clustering protocol

Giao thức phân cụm phân cấp hiệu quả năng lƣợng dựa trên trọng số

10 EB Energy balance Cân bằng năng lƣợng

11 EEDC Energy efficient Dynamic Clustering Phân cụm động hiệu quả

14 FCM Fuzzy C-Means Phân cụm mờ

15 GPS Global Positioning System Hệ thống định vị toàn cầu

16 HAC Hierarchical Agglomerative

Clustering

Phân cụm tích lũy phân cấp

17 H-DHAC Hybrid Distributed Hierarchical

Agglomerative Clustering

Kỹ thuật phân cụm tích lũy phân cấp phân tán lai

18 HEED Hybrid Energy-Efficient Distributed

20 LACBER Location Aided Cluster Based

Energy Efficient Routing

Định tuyến hiệu quả dựa vào phân cụm vị trí

21 LCA Linked Cluster Algorithm Thuật toán phân cụm liên kết

22 LEACH Low Energy Adaptive Clustering

Hierarchy

Giao thức LEACH tập trung

23 LEACH-C Centralized LEACH Phân cụm tập trung

24 LoS Line-of-Sight Tầm nhìn

25 non-CH None Cluster Head Nút thành viên trong cụm

26 PBO Pollination Based Optimization Tối ưu hóa thụ phấn

27 PEGASIS Power-Efficient Gathering in Sensor

Information Systems

Một giao thức tập trung năng lượng hiệu quả trong các hệ thống thông tin cảm biến

28 PSO Particle Swarm Optimization Thuật toán tối ưu bầy đàn

29 SCEEP Single-hop Clustering and Energy

Efficient Protocol

Phân cụm mạng đơn bước nhảy và hiệu quả năng lượng

30 SPIN Sensor Protocol for Information via

Negotiation

Giao thức định tuyến thông tin dựa trên sự dàn xếp

32 TEEN Threshold sensitive Energy Efficient

sensor Network protocol

Giao thức hiệu quả năng lượng với ngưỡng cảm biến

33 Topo Topology Cấu trúc liên kết mạng

34 VEC Vector-Based Thuật toán dựa trên Vector

35 VOR Voronoi-Based Thuật toán dựa trên đa giác

Voronoi

36 WSN Wireless Sensor Networks Mạng cảm biến không dây

0 MỞ ĐẦU

Trong những năm gần đây, cùng với sự phát triển nhanh chóng của khoa học công nghệ, việc nghiên cứu mạng không dây được nhiều nhà khoa học tập trung nghiên cứu Đặc biệt, mạng cảm biến không dây đang được nghiên cứu mạnh mẽ và được triển khai trong nhiều lĩnh vực khác nhau của đời sống Các ứng dụng điển hình được triển khai như: nhà thông minh, thành phố thông minh; trong công nghiệp ứng dụng vào: các hệ thống giám sát máy móc, phát hiện lỗi trong các nhà máy cho đến các ứng dụng trong quân sự, y tế, nông nghiệp công nghệ cao, giao thông Ngoài ra còn có các ứng mạng cảm biến không thể thiếu trong một xã hội phát triển như: theo dõi biến đổi môi trường, dự báo thiên tai như các hệ thống dự báo lũ lụt, núi lửa, động đất, cháy rừng, v.v.[6, 46] Trong tương lai không xa các ứng dụng mạng cảm biến không dây sẽ trở thành một phần không thể thiếu trong cuộc sống của con người

Tuy nhiên, khi nghiên cứu về mạng cảm biến không dây gặp rất nhiều thách thức Đặc biệt nghiên cứu triển khai mạng cảm biến không dây trong môi trường 3 chiều đạt hiệu quả Điều này có nghĩa là khi triển khai mạng cảm biến thì phải hiệu quả về khả năng phủ sóng khu vực mục tiêu Sau đó cần phải xây dựng cấu trúc mạng

để mạng cảm biến tiết kiệm năng lượng và kéo dài tuổi thọ trong môi trường 3 chiều

Bài toán triển khai mạng cảm biến không dây nhằm mục đích xác định vị trí các cảm biến trong môi trường để đạt được mục tiêu đề ra của mạng Thông thường, các nhà nghiên cứu giả thiết môi trường triển khai mạng cảm biến không dây tương đối tốt Tuy nhiên, trong thực tế mạng cảm biến không dây được triển khai trong nhiều môi trường đa dạng thậm chí con người không tiếp cận trực tiếp được như khu vực thiên tai, nhiễm hóa chất độc hại, v.v.[54] Hơn thế nữa trong môi trường luôn tồn tại hố mạng, nơi chúng ta không thể đặt cảm biến vào được hoặc đặt được cảm biến nhưng chúng không thể phủ sóng cảm biến được do có vật cản che khuất vùng cần phủ sóng Việc triển khai tốt một mạng cảm biến không dây giúp cho hệ thống mạng cảm biến có thể phủ sóng tối đa khu vực mục tiêu, đây là mục tiêu mà các nhà nghiên cứu mong muốn đạt được [75]

Bài toán xây dựng cấu trúc mạng cảm biến không dây rất quan trọng, nó ảnh hưởng đến tuổi thọ của mạng Các cảm biến thông thường sử dụng nguồn năng lượng là pin nên hạn chế về năng lượng Trong mạng cảm biến, việc tiêu thụ năng lượng chủ yếu cho các hoạt động thu thập thông tin từ môi trường, việc tổng hợp, truyền thông tin về trung tâm xử lý Như vậy, một mạng cảm biến không dây đạt hiệu quả thì thời gian tồn tại của chúng trong khu vực mục tiêu phải lâu nhất và việc xây dựng cấu trúc mạng cảm biến sẽ ảnh hưởng đến tuổi thọ của mạng [86]

Trên cơ sở đó, nghiên cứu sinh chọn đề tài ―Nghiên cứu phát triển một số

thuật toán tối ưu hóa vùng phủ sóng và năng lượng của mạng cảm biến không dây trong môi trường 3 chiều‖ làm đề tài nghiên cứu cho luận án Tiến sĩ của

mình Luận án hướng đến các mục tiêu sau:

1 Đề xuất mô hình toán học cho địa hình và mạng cảm biến không dây trong môi trường 3 chiều

2 Đề xuất thuật toán tối ưu hóa vùng phủ sóng của mạng cảm biến không dây trong môi trường 3 chiều

3 Đề xuất thuật toán tối ưu hóa năng lượng tiêu thụ, kéo dài tuổi của mạng cảm biến không dây trong môi trường 3 chiều

Từ các mục tiêu nghiên cứu trên, luận án được cấu trúc bao gồm ngoài phần

mở đầu và phần kết luận, nội dung luận án được trình bày trong 3 chương như sau:

Chương 1 ―Tổng quan mạng cảm biến không dây‖ sẽ trình bày các khái

niệm, đặc điểm và các vấn đề mạng cảm biến không dây trong môi trường 3 chiều; phát biểu bài toán tối ưu hóa vùng phủ sóng, và tối ưu hóa năng lượng tiêu thụ của mạng cảm biến không dây

Chương 2 ―Tối ưu vùng phủ sóng mạng cảm biến không dây trong môi

trường 3 chiều‖ sẽ đề xuất mô hình địa hình với các hố mạng, vật cản cùng mô hình mạng cảm biến trong môi trường 3 chiều, đề xuất phương pháp xác định hố mạng, phương pháp tối ưu hóa vùng phủ sóng của mạng cảm biến không dây và cuối cùng là phần đánh giá hiệu năng mạng Kết quả chính đã được công bố trong các công trình 1, 3

Chương 3 ―Tối ưu năng lượng tiêu thụ mạng cảm biến không dây trong môi

trường 3 chiều‖ trình bày mô hình năng lượng tiêu thụ của mạng cảm biến; đề xuất giải pháp xây dựng cấu trúc mạng cảm biến không dây trong môi trường 3 chiều dựa trên phương pháp phân cụm mờ với mục tiêu giảm thiểu năng lượng tiêu thụ và kéo dài thời gian sống của mạng cảm biến Cuối cùng kết quả thực nghiệm được phân tích đánh giá để khẳng định tính hiệu quả của giải pháp đề xuất Kết quả chính

đã được công bố trong các công trình 2, 4, 5, 6

Đối tượng và phương pháp nghiên cứu

Trên cơ sở mục tiêu luận án, nghiên cứu sinh dựa trên các công cụ toán học

để mô hình hóa các địa hình, mạng cảm biến không dây, năng lượng tiêu thụ của mạng cảm biến trong môi trường 3 chiều Nghiên cứu phát triển thuật toán tối ưu bầy đàn cho bài toán tối ưu hóa vùng phủ sóng của mạng cảm biến không dây; thuật toán phân cụm mờ cho bài toán xây dựng cấu trúc của mạng cảm biến không dây nhằm tiết kiệm năng lượng tiêu thụ, kéo dài tuổi thọ mạng cảm biến Phương pháp thực nghiệm được thực hiện trên nhiều bộ dữ liệu khác nhau, các phân bố và số lượng cảm biến khác nhau, các tham số đầu vào của các thuật toán để đánh giá tính hiệu quả và ổn định của giải pháp đề xuất

Ý nghĩa về khoa học và thực tiễn của luận án

- Ý nghĩa thực tiễn

o Bộ dữ liệu địa hình trong môi trường 3 chiều được thu thập từ các vùng miền khác nhau của Việt Nam Kết quả thực nghiệm đánh giá được tính hiệu quả của mô hình và các giải pháp đã đề xuất

o Kết quả nghiên cứu có thể được dùng để triển khai một mạng cảm biến không dây trên địa hình phức tạp trong môi trường 3 chiều với khả năng tối đa phủ sóng khu vực mục tiêu và kéo dài tuổi thọ của mạng cảm biến

1 CHƯƠNG 1 TỔNG QUAN MẠNG CẢM BIẾN KHÔNG DÂY

1.1 Mạng cảm biến không dây

1.1.1 Khái niệm

Mạng cảm biến không dây (Wireless Sensor Networks - WSN) bao gồm nhiều nút cảm biến được triển khai trong một vùng địa hình nào đó gọi là khu vực mục tiêu Các cảm biến trong mạng được nối kết và trao đổi dữ liệu với nhau bằng sóng vô tuyến; chúng có nhiệm vụ thu thập các thông tin từ môi trường Các thông tin này được định tuyến đến trạm cơ sở (Base Station - BS) một cách trực tiếp hay gián tiếp thông qua các nút cảm biến lân cận Tại trạm cơ sở các thông tin thu thập được phân tích, xử lý để đưa ra các quyết định bởi người sử dụng như Hình 1-1[6]

Hình 1-1 Mạng cảm biến không dây

Đơn vị cảm biến bao gồm các cảm biến và bộ chuyển đổi tín hiệu số ADC Các thông tin thu thập được bởi các cảm biến từ môi trường ở tín hiệu tương tự sẽ được chuyển sang tín hiệu số bởi ADC Cuối cùng tín hiệu số được chuyển đến cho đơn vị xử lý

Đơn vị xử lý bao gồm bộ xử lý và bộ nhớ, có nhiệm vụ thực hiện các chức năng được cài đặt sẵn để xử lý dữ liệu nhận được

Đơn vị truyền dẫn là các bộ thu, phát sóng, và có nhiệm vụ phát hoặc thu dữ liệu từ các nút cảm biến khác trong mạng

Hệ thống định vị cung cấp thông tin về vị trí của thiết bị cảm biến trên địa hình và được bộ xử lý gởi tín hiệu về thông tin vị trí cho hệ thống mạng cảm biến

Bộ phận di động giúp thiết bị cảm biến có thể di chuyển đến các vị trí xác định được điều khiển bởi đơn vị xử lý khi cần thiết

Bộ nguồn có nhiệm vụ cung cấp năng lượng cho tất cả các thành phần của nút cảm biến Do các cảm biến kết nối vào hệ thống mạng bằng sóng vô tuyến nên thông thường bộ nguồn sử dụng pin

Khác với các loại mạng truyền thống, trong mạng cảm biến không dây, mỗi nút cảm biến có kích thước nhỏ, có khả năng về năng lượng, tính toán, bộ nhớ hạn chế nên cấu trúc mạng thay đổi thường xuyên do các nút cảm biến có thể hết năng lượng [6] Cấu trúc của mạng cảm biến cũng khác với mạng truyền thống và có các đặc điểm sau:

- Khả năng chịu lỗi: Mạng vẫn hoạt động bình thường và duy trì những chức năng của nó ngay cả khi một số nút mạng không còn hoạt động

- Khả năng mở rộng: Trong một số ứng dụng, số lượng các nút cảm biến được triển khai có thể rất lớn Do đó cấu trúc mạng cảm biến không dây có khả năng mở rộng để có thể làm việc với số lượng lớn các cảm biến

- Giá thành sản xuất : Do mỗi nút cảm biến có kích thước nhỏ, năng lượng ít, nên chi phí sản xuất cảm biến có giá thành thấp

- Môi trường hoạt động: Các nút cảm biến được triển khai dày đặc và đa dạng môi trường như những vùng xa xôi, bên trong các máy móc lớn, ở dưới lòng đại dương, hoặc trong những vùng ô nhiễm hóa học hoặc sinh học, ở gia đình hoặc những tòa nhà lớn

Hình 1-2 Các thành phần cơ bản của nút cảm biến

Để phân loại các cảm biến theo khả năng cảm nhận của nó, người ta thường

so sánh thông qua các giác quan của con người như trong Bảng 1-1 [82]

Bảng 1-1 Phân loại cảm biến theo khả năng cảm nhận

vị trí xa gần, màu sắc

Cảm biến thu hình, cảm biến quang

rung động

nhận khí ga

Mặc dù có nhiều loại cảm biến như trên, nhưng luận án này chỉ quan tâm đến loại cảm biến đầu tiên đó là cảm biến ―thị giác‖

1.1.3 Cấu trúc mạng cảm biến không dây

Cấu trúc mạng cảm biến (còn gọi là topo của mạng cảm biến) là cấu trúc hình học thể hiện cách bố trí các cảm biến và hình thức liên kết các cảm biến trong mạng Thông thường, các nút của một mạng cảm biến không dây thường được tổ chức thành một trong ba loại cấu trúc liên kết mạng như sau: cấu trúc hình sao, cấu trúc phân cấp và cấu trúc mạng tập trung

1.1.3.1 Cấu trúc hình sao

Trong cấu trúc hình sao (Hình 1-3) mỗi cảm biến được kết nối trực tiếp đến trạm cơ sở Tất cả cảm biến trong mạng đều có vai trò và chức năng như nhau; các cảm biến cộng tác với nhau để thực hiện nhiệm thu thập thông tin từ môi trường và chuyển về trạm cơ sở Tuy nhiên, với cấu trúc này các cảm biến tiêu thụ năng lượng nhiều hơn do khoảng cách trực tiếp đến trạm cơ sở lớn Hơn nữa, trạm cơ sở phải nằm trong phạm vi truyền thông của tất cả nút cảm biến trong mạng [30]

Hình 1-3 Mô hình cấu trúc hình sao

1.1.3.2 Cấu trúc phân cấp

Trong cấu trúc phân cấp (Hình 1-4) mỗi nút cảm biến kết nối trực tiếp đến một nút ở cấp cao hơn trong cây nếu như nó nằm trong phạm vi truyền thông Các nút ở cấp cao hơn sẽ được kết nối với trạm cơ sở Đây được gọi là truyền thông đa hop (multi-hop) Trong cấu trúc này, ưu điểm là có khả năng mở rộng: nếu như một nút bị lỗi, các nút ở xa có thể kết nối với các nút khác miễn là nằm trong phạm vi

truyền thông để chuyển dữ liệu đến trạm cơ sở Tuy nhiên, nhược điểm của cấu trúc này là các nút gần trạm cơ sở sẽ tiêu tốn năng lượng nhiều hơn do phải chuyển tiếp

có nhiệm vụ thu thập các thông tin từ môi trường và chuyển đến nút CH khi cần thiết, trong khi đó các nút CH có nhiệm vụ thu thập thông tin từ các non-CH, tổng hợp, phân tích loại bỏ thông tin dư thừa và chuyển tiếp đến trạm cơ sở Trong cấu trúc này, để kéo dài tuổi thọ của mạng các nút trong cụm sẽ thay phiên nhau đóng vai trò nút CH, điều này cân bằng năng lượng tiêu thụ giữa tất cả các cảm biến trong cụm Hơn nữa, việc loại bỏ các thông tin dư thừa của các nút CH sẽ làm giảm đáng kể năng lượng tiêu thụ và tránh quá tải cho quá trình chuyển dữ liệu đến trạm

cơ sở [30]

Trong các cấu trúc liên kết mạng trên, cấu trúc tập trung được các nhà nghiên cứu quan tâm nhiều nhất

Hình 1-5 Mô hình cấu trúc tập trung

1.1.4 Mạng cảm biến trong môi trường 3 chiều

Elevation Model - DEM), là sự thể hiện bằng số độ cao của bề mặt đất, độ cao tầng đất, mực nước ngầm, v.v so với độ cao của mực nước biển [101] Như vậy, có thể nói bản đồ mô hình độ cao số là bản đồ mô phỏng địa hình của bề mặt đất, của tầng đất, mực nước ngầm, v.v

Độ phân giải bản đồ mô hình độ cao số được thể hiện bằng một diện tích ô vuông theo một cạnh dài thì có dữ liệu độ cao trên một pixel ảnh Ví dụ như bản đồ DEM có độ phân giải 25m/pixel có nghĩa là một điểm ảnh chứa giá trị độ cao tương ứng với diện tích 25m x 25m bề mặt đất Như vậy, độ phân giải trong DEM càng cao thì trên một đơn vị diện tích bề mặt đất được thể hiện bởi nhiều giá trị độ cao số

Bản đồ độ cao số thường được lưu trữ dưới hai dạng raster và véc tơ

Mô hình độ cao số dạng raster là kiểu dữ liệu mà mô hình độ cao số lưu trữ trong một ma trận với ô lưới vuông, bao gồm các hàng và các cột, trong mỗi ô chứa một giá trị độ cao của bề mặt đất tương ứng (Hình 1-6(a))

Mô hình độ cao số dạng véc tơ là mô hình mà mỗi giá trị độ cao được lưu trữ dưới dạng một đỉnh của tam giác Trong mô hình này, các điểm được nối với nhau thành các tam giác (Hình 1-6(b))

Các phương pháp xây dựng bản đồ độ cao số phổ biến hiện nay là: phương pháp chụp ảnh lập thể, phương pháp đường đồng mức

Phương pháp chụp ảnh lập thể sử dụng các công cụ chụp ảnh chuyên dụng

để thu thập dữ liệu một vùng với các giá trị tọa độ trong không gian 3 chiều Đây là phương pháp đòi hỏi kiểm soát rất nhiều điểm và sử dụng các kỹ thuật xử lý ảnh Các công cụ chụp ảnh hiện nay thông thường từ các vệ tinh như Aster và Spot

Trong phương pháp đường đồng mức các bản đồ độ cao số được xây dựng từ phương pháp quan trắc địa số hóa dưới dạng đường đồng mức, mỗi đường đồng mức thể hiện một giá trị độ cao trong địa hình Kết hợp việc sử dụng công nghệ hệ thống thông tin địa lý GIS với các bản đồ địa hình dạng đường đồng mức để xây dựng bản

đồ độ cao số bằng các phần mềm như Mapinfo, ArcGis, EarthExplore, v.v

Hình 1-6 Hai mô hình DEM thông dụng

1.1.5 Hố mạng và vật cản

1.1.5.1 Hố mạng

Một trở ngại lớn trong hoạt động của mạng cảm biến là sự xuất hiện của các ―hố mạng‖ [3, 40], tức là các vùng không tồn tại các nút mạng cảm biến hoặc nếu có thì không còn khả năng hoạt động Người ta thường quan tâm đến các loại

hố mạng sau:

Hố mạng vật lý: Là các vùng không thể đặt được các cảm biến do đặc điểm

của địa hình, hoặc đặt được các cảm biến thì không có khả năng thu thập thông tin

từ được môi trường xung quanh [40]

Hố định tuyến: Là khu vực trong mạng cảm biến mà không thể tham gia vào

việc truyền dữ liệu [3]

Hố nhiễu sóng: Một kịch bản thú vị cũng có thể xảy ra trong các ứng dụng

theo dõi các đối tượng mà các đối tượng này lại được trang bị thiết bị làm nhiễu tần

số giao tiếp giữa các nút cảm biến Khi điều này xảy ra, các nút cảm biến vẫn có thể phát hiện sự hiện diện của các đối tượng trong khu vực nhưng không thể chuyển dữ liệu về trạm cơ sở vì bị gây nhiễu Những nút như vậy trong mạng cảm biến sẽ tạo thành các hố nhiễu sóng [3]

Hố đen: Mạng cảm biến không dây rất dễ bị tấn công từ chối dịch vụ do đặc

tính vốn có của nó nghĩa là: khả năng tính toán thấp, bộ nhớ hạn chế, băng thông truyền thông dữ liệu hạn chế và không an toàn Khi một nút ―bị nhiễm độc‖ (do virus, sâu, v.v.) nó quảng bá để hút các tuyến chuyển dữ liệu về nó, các nút xung quanh nút nhiễm độc sẽ quảng bá về một đường đi chất lượng cao đến các nút khác Do đó, gần như tất cả các lưu lượng được thu hút vào các nút nhiễm độc Nút nhiễm độc, sau đó có thể hoặc hủy bỏ thông tin này, hoặc sửa đổi, hoặc chỉ chọn lọc thông tin để chuyển tiếp Do đó, nút nhiễm độc này đã hình thành một hố tập hợp

dữ liệu như là một trạm cơ sở Những nút như vậy được gọi là hố đen [3]

Trong bốn loại hố mạng trên, ba loại hố mạng sau thường được xem xét trong bài toán định tuyến cho các mạng cảm biến không dây Hố mạng vật lý liên quan đến việc triển khai các cảm biến Luận án này chỉ xem xét đến loại hố mạng vật lý cho việc triển khai các cảm biến trong môi trường 3 chiều

1.1.5.2 Vật cản

Trong môi trường 3 chiều, giữa cảm biến và điểm mục tiêu có thể bị ngăn cách bởi các tòa nhà, núi cao, làm cho các cảm biến không thể cảm nhận thông tin cần thiết từ điểm mục tiêu Trong nghiên cứu của luận án, chúng tôi giả sử rằng các vật che tầm nhìn từ cảm biến đến điểm mục tiêu được gọi là vật cản Nghĩa là, các vật

có độ cao hơn độ cao của đường thẳng nối vị trí đặt cảm biến đến điểm mục tiêu,

Việc xác định vị trí của các cảm biến để triển khai mạng cảm biến không dây trong môi trường 2 chiều không phù hợp với thực tế Do đó, gần đây có nhiều nhóm nghiên cứu vấn đề phủ sóng cho mạng cảm biến trong môi trường 3 chiều Mô hình cảm biến, đối tượng cảm biến trong môi trường 3 chiều tương tự như môi trường 2 chiều ngoài ra thêm vào các tham số trong không gian 3 chiều như là phạm vi cảm biến là khoảng cách giữa hai điểm trong không gian; bổ sung tham số góc của cảm biến trong không gian, v.v Tuy nhiên các thuật toán xác định vị trí cảm biến trong quá trình triển khai mạng cảm biến đôi khi không còn phù hợp trong môi trường 3 chiều hoặc hiệu suất không cao vì trên địa hình phức tạp trong thực tế luôn tồn tại: (a) các vật cản giữa cảm biến và điểm, vùng mục tiêu; (b) tồn tại các hố mạng vật lý

mà ớ đó không thể đặt các cảm biến Chính vì vậy nghiên cứu vấn đề phủ sóng tối

ưu trong môi trường 3 chiều gặp nhiều thách thức

Một giải pháp dùng để xác định số vật cản giữa cảm biến và điểm cần phủ sóng trên địa hình được trình bày trong [34] Kết quả của phương pháp này dùng để tính giá trị khả năng tầm nhìn giữa cảm biến và điểm mục tiêu trên địa hình Trong thực tế, các yếu tố ảnh hưởng đến tầm nhìn giữa cảm biến và điểm mục tiêu trên địa hình là độ cao của tất cả các điểm trên đường thẳng nối giữa chúng Các thông tin

độ cao này được cung cấp bởi ma trận DEM, mỗi tọa độ điểm lưới lưu trữ độ cao của điểm đó trong môi trường thực tế

Trong phương pháp LoS (Line-of-Sight) [34], để tính được khả năng tầm nhìn giữa cảm biến và điểm mục tiêu Các bước được thực hiện như sau Trước tiên, chúng ta chia đoạn thẳng giữa cảm biến và điểm mục tiêu thành nhiều đoạn, mỗi đoạn có kích thước của ô lưới Một danh sách các điểm lưới trên đường thẳng nối giữa chúng được xác định Thứ hai, mỗi điểm trong danh sách được kiểm tra với ô lưới chứa nó Nếu độ cao của nó nhỏ hơn độ cao ô lưới thì số vật cản tăng lên một

(a) Không có vật cản, (b) Có vật cản Hình 1-7 Cách xác định vật cản trong địa hình

1.2 Hai bài toán quan trọng trong mạng cảm biến không dây và các nghiên cứu liên quan

1.2.1 Bài toán tối ưu phủ sóng

Trong mạng cảm biến không dây, vấn đề tối ưu phủ sóng khu vực mục tiêu đặc biệt quan trọng ảnh hưởng đến chất lượng của WSN Trong không gian 2 chiều

đã có rất nhiều công trình nghiên cứu tối ưu khả năng phủ sóng của WSN đạt hiệu quả như sử dụng đa giác Voronoi, hình mẫu là các đa giác để xác định các vùng phủ sóng trong khu vực mục tiêu

Trong phương pháp tối ưu hóa vùng phủ sóng mạng cảm biến bằng đa giác Voronoi (Hình 1.8), mỗi đa giác Voronoi được xây dựng dựa trên các đỉnh là giao điểm của các đường trung trực của các đường thẳng nối giữa các cảm biến liền kề nhau Một đặc điểm quan trọng của đa giác Voronoi là tất cả các điểm trong đa giác Voronoi luôn có khoảng cách đến cảm biến đặt trong đa giác gần nhất so với các cảm biến lân cận khác Phương phát đặt ra là di chuyển các cảm biến trong đa giác Voronoi chứa nó cho đến khi khu vực mục tiêu được phủ sóng tối đa [9]

Hình 1-8 Tối ưu phủ sóng dùng sơ đồ Voronoi

Với cách tiếp cận tối ưu hóa vùng phủ sóng mạng cảm biến sử dụng hình học mẫu (Hình 1.9), các cảm biến sẽ được đặt tại đỉnh của các hình học mẫu ( tam giác, hình vuông hay lục giác) Tiến hành lắp ghép các hình học mẫu phủ kính khu vực mục tiêu sẽ đảm bảo khu vực mục tiêu được phủ sóng tối đa [16]

Hình 1-9 Tối ưu phủ sóng dùng hình học mẫu

Tuy nhiên, trong môi trường 3 chiều các địa hình thực tế rất phức tạp luôn tồn tại các hố mạng vật lý; các vật cản giữa cảm biến và điểm mục tiêu, v.v do đó việc nghiên cứu triển khai mạng cảm biến không dây trong môi trường 3 chiều với khả năng phủ sóng tối ưu có nhiều thách thức hơn

Tình hình nghiên cứu trong nước về mạng cảm biến không dây chủ yếu tập trung vào tìm hiểu, mô phỏng mạng cảm biến với các thuật toán triển khai và định tuyến trong không gian 2 chiều Bên cạnh đó, có nhóm nghiên cứu Nguyen, L P và cộng sự [55] đã sử dụng các phương pháp xấp xỉ hố mạng dựa trên lưới ô vuông và bằng đa giác lồi có các góc bằng nhau để xác định hố mạng vật lý trên địa hình phức tạp trong môi trường 3 chiều Hướng nghiên cứu tiếp theo của nhóm tập trung vào vấn đề định tuyến để tránh tắc nghẽn khi có hố mạng trên địa hình

Các vấn đề nghiên cứu triển khai, định tuyến, tiết kiệm năng lượng, của mạng cảm biến trong môi trường 3 chiều với các yếu tố phức tạp trên địa hình được các nhóm nghiên cứu ngoài nước quan tâm nhiều hơn

Topcuoglu và cộng sự [70] đề xuất mô hình mạng cảm biến trong môi trường

3 chiều, mỗi cảm biến có tham số về hướng các góc mở, phạm vi phủ sóng Mục tiêu

đề ra là tối đa vùng phủ sóng của các cảm biến trong môi trường 3 chiều; tối đa khả năng che giấu cảm biến trên địa hình; và tối thiểu chi phí (Hình 1-10) Tuy nhiên, mô hình không đề cập đến các vật cản và hố mạng vật lý trong địa hình thực tế

Hình 1-10 Mô hình cảm biến trong môi trường 3 chiều

Doodman và cộng sự [24] cũng đề xuất kết hợp giải pháp phủ sóng bằng sơ

đồ Voronoi trên địa hình trong môi trường 3 chiều có vật cản như Hình 1-11(a) Trong giải pháp này, người ta tăng vùng phủ sóng của cảm biến bằng cách xem xét việc di chuyển các cảm biến trong ô Voronoi Nếu các đỉnh của ô lưới Voronoi đã được phủ sóng bởi cảm biến thì cảm biến này không được di chuyển như Hình 1-11(b) Ngược lại, cảm biến sẽ di chuyển về hướng đỉnh xa nhất, trong trường hợp đỉnh xa nhất bị chắn bởi vật cản, chiều dài di chuyển của cảm biến được tính toán là khoảng cách từ cảm biến đến vật cản như Hình 1-11(c) Nếu cảm biến không thể di chuyển về hướng đỉnh xa nhất vì vật cản thì đỉnh xa thứ hai được chọn để cảm biến

di chuyển về hướng của đỉnh này như Hình 1-11(d)

Hình 1-11 Thuật toán Voronoi trong 3 chiều

Xaojun và cộng sự [85] đề xuất một mô hình cảm biến mới trong môi trường 3 chiều với thuật toán nâng cao khả năng phủ sóng Trong mô hình này nhóm tác giả sử dụng mô hình cảm biến theo hướng với các góc mở trong không gian phạm vi phủ sóng Để tăng khả năng được phủ sóng, bài báo giả định từ các cảm biến cố định có vùng phủ sóng bị chồng chéo sẽ được điều chỉnh hướng và các góc (Hình 1-12) Tuy nhiên, khi điều chỉnh hướng và góc của cảm biến này sẽ làm ảnh hưởng đến các cảm biến khác Để giải quyết vấn đề này, nhóm tác giả đề xuất tìm kiếm giải pháp tối ưu cục bộ Tuy nhiên, các giải pháp này chỉ làm tăng khả năng phủ của cảm biến chứ không lựa chọn giải pháp tối ưu vị trí cảm biến trên địa hình trong môi trường 3 chiều

thì p ij = p ji =0 hoặc p ij =0 , p ji ≠ 0 hoặc p ij ≠ 0, p ji = 0 tùy thuộc vào vật cản nằm

đối xứng giữa hai điểm hay không Trong mô hình này một ngưỡng phủ sóng

trung bình T cũng được đặt ra để đảm bảo một điểm lưới trong địa hình được phủ sóng ít nhất là T Tiếp theo giải pháp dùng thuật toán tham để đặt cảm biến trong

địa hình, từ đó tìm ra số cảm biến tối thiểu cần thiết và những điểm mục tiêu không được phủ sóng bé nhất (Hình 1-13) Tuy nhiên, với một mạng cảm biến lớn việc áp dụng thuật toán tham là không khả thi

Hình 1-13 Mô hình cảm biến với vật cản

Unaldi và cộng sự [74]; Akbarzadeh và cộng sự [5] đề xuất mô hình cảm biến xác suất và khái niệm tầm nhìn LoS của Bresenham (Hình 1-144) và biến đổi Wavelet trong việc di chuyển cảm biến thực hiện trong giai đoạn đột biến của thuật toán di truyền hoặc thuật toán tiến hóa nhằm mục đích tối đa hóa chất lượng phủ sóng của một WSN Tuy nhiên, giải pháp này chỉ triển khai mạng cảm biến có

số lượng cảm biến hạn chế vì tốc độ hội tụ của thuật toán chậm

Hình 1-14 Mô hình cảm biến với khái niệm tầm nhìn

Các công trình nghiên cứu đã ứng dụng triển khai mạng cảm biến trên địa hình trong môi trường 3 chiều với yếu tố vật cản Trong các giải pháp này việc tối

ưu hóa vùng phủ sóng ở mức độ cục bộ tức là chỉ di chuyển, hay xoay các góc cảm biến để làm tăng khả năng phủ sóng khu vực tiêu chứ không xác định vị trí cho cảm biến để tối ưu hóa toàn bộ khu vực phủ sóng Hơn nữa, yếu tố hố mạng vật lý không

được đề cập trong các ứng dụng Hố mạng trên các địa hình trong môi trường 3 chiều ảnh hưởng nhiều đến chất lượng phủ sóng của mạng cảm biến

Luận án xem xét việc mô hình hóa địa hình phức tạp trong môi trường 3 chiều với các yếu hố mạng vật lý và vật cản; đề xuất giải pháp LoS cải tiến để tăng tốc độ xác định các vật cản giữa cảm biến và điểm mục tiêu, đồng thời ứng dụng thuật toán tối ưu bầy đàn để xác định vị trí cảm biến trong khu vực mục tiêu nhằm tối ưu hóa vùng phủ sóng cho toàn bộ khu vực mục tiêu

1.2.2 Bài toán tối ưu năng lượng mạng

Việc triển khai mạng cảm biến cần đảm bảo tối đa vùng phủ sóng nghĩa là phạm vi cần quan sát Ngoài ra, các cảm biến thường bị hạn chế về năng lượng do việc sử dụng năng lượng pin và có bộ xử lý nhỏ nên triển khai mạng cảm biến cũng cần quan tâm đến việc kéo dài tối đa thời gian sống của mạng [62, 68, 90, 93] Chính vì vậy, sau khi triển khai các nút cảm biến, chúng ta cần xác định cấu trúc liên kết của các cảm biến để qui định việc truyền thông tin từ các cảm biến đến trạm cơ sở Đây là vấn đề rất quan trọng vì nó quyết định sự tiêu tốn năng lượng của các nút cảm biến

Vấn đề xác định cấu trúc liên kết giữa các cảm biến để tối thiểu hóa năng

nút BS để tối ưu hóa năng lượng tiêu thụ, kéo dài tuổi thọ của mạng Hoặc trong các công trình [37, 60, 98] các tác giả đã trình bày các thuật toán ACO và PSO cho việc lựa chọn các nút BS để tối ưu hóa tổng năng lượng tiêu tốn của mạng cảm biến trong môi trường hai chiều Các tác giả cũng đã đề cập đến vấn đề đơn hop và đa hop cũng như đơn nút BS và đa nút BS Trong cách tiếp cận này, thuật toán sẽ xác định cấu trúc của mạng (là hình sao, phân cấp hay tập trung)

Một cách tiếp cận khác đó là qui định cấu trúc mạng trước và tìm cách xây dựng triển khai mạng cảm biến theo cấu trúc đó Theo cách tiếp cận này, cấu trúc mạng thường được chọn là cấu trúc mạng tập trung Vì vậy, các thuật toán phân cụm thường được sử dụng

Thuật toán phân cụm mạng cảm biến được phân loại dựa trên các yếu tố điều khiển tập trung hay phân tán hay lai giữa tập trung và phân tán Việc hình thành cụm và lựa chọn CH của các cụm được kiểm soát bởi trạm BS gọi là thuật toán tập trung Trong phương pháp này BS nhận được thông tin tình trạng, khả năng của tất

cả các cảm biến trong mạng, từ đây thuật toán sẽ quyết định hình thành các cụm Một số thuật toán thuộc loại này như LEACH [57], LEACH-C [63], EELBC [38], v.v Tuy nhiên phương pháp tập trung không phù hợp với các mạng cảm biến quy

mô lớn, hơn nữa các cảm biến gần BS sẽ nhanh chóng cạn kiệt năng lượng vì phải chuyển tiếp dữ liệu cho nhiều cảm biến ở xa, do đó có giải pháp EEDC [57] giảm kích thước cụm tập trung gần BS để bảo toàn năng lượng Ngược lại việc lựa chọn

CH và cảm biến thuộc về cụm nào được thực hiện bởi các cảm biến gọi là thuật toán phân tán Trong thuật toán này mỗi nút cảm biến có khả năng trao đổi thông tin với nhau để lựa chọn CH dựa trên các tham số như trọng số, năng lượng còn lại, v.v từ đó quyết định hình thành cụm được thực hiện Cách tiếp cập phân tán được xem là hiệu quả hơn so với phương pháp tập trung khi đó số lượng chuyển thông tin diễn ra giữa các nút cảm biến và trạm BS giảm đi, khả năng mở rộng được tăng cường Một số thuật toán phân cụm phân tán điển hình như LCA, EEMS, TCCA

Nổi tiếng nhất trong các thuật toán phân cụm dùng cho mạng cảm biến không dây là LEACH [57], LEACH-C [63], SCEEP [36], H-LEACH [59], K-means [61], FCM [10]

non-CH LEACH đề xuất xoay vòng ngẫu nhiên vai trò CH cho các nút non-CH trong cụm để tránh việc tiêu thụ năng lượng chỉ tập trung vào một nút

Khi bắt đầu một vòng mới trong LEACH, nó sẽ quyết định có hay không

một nút cảm biến có thể trở thành CH dựa trên xác suất trở thành CH là P và số lần nút đó trở thành CH trước đó Mỗi nút chọn một số ngẫu nhiên R trong đoạn 0, 1

Nếu giá trị này nhỏ hơn ngưỡng T(i) thì nút đó trở thành CH của vòng hiện thời Giá trị ngưỡng này được xác định công thức (1.8) như sau:

/1mod(

1

0)(

P r

P P

G i i

2 2

2

) (

) (

) (

) , ( si sj xi xj yi yj hi hj

Bảng 1-2 mô tả mã giả thuật toán LEACH

Bảng 1-2 Thuật toán LEACH

Input N cảm biến

Output Cụm C k (k=1,…,K)

1 For each cảm biến s i

6 Else

7 CM(i) = true

8 EndFor

9 ForEach CH(i) gửi thông điệp CH tới tất cả nút lân cận

10 ForEach CM(i) Tính khoảng cách đến CH k theo công thức (1.9)

11 If d(CM(i), CH k )  min then

12 CM(i) được thêm vào C k

13 EndIf

1.2.2.2 LEACH-C

LEACH-C tương tự như LEACH nhưng thuật toán sẽ quyết định một nút trở thành CH là nút có năng lượng còn lại lớn và vị trí của nút đó trong địa hình Trong thuật toán LEACH, việc chọn CH không dựa vào năng lượng còn lại mà dựa vào số lần trở thành CH các vòng trước đó Điều này làm cho các cảm biến ở xa BS sẽ nhanh chóng cạn kiệt năng lượng Hơn nữa, việc chọn CH không dựa vào phân bố của các cảm biến sẽ hình thành các cụm chồng chéo Để khắc phục các nhược điểm này, LEACH-C cho phép các cảm biến gửi thông tin về năng lượng còn lại và vị trí

để BS sử dụng thuật toán tối ưu lựa chọn CH [63]

Trong [63], LEACH-C sử dụng thuật toán (PBO) để chọn các CH dựa vào năng lượng còn lại và khoảng cách Nếu có hai nút cảm biến có cùng năng lượng thì LEACH-C chọn cảm biến làm CH dựa vào khoảng cách từ nó đến BS LEACH-C

đã cải tiến hiệu quả năng lượng, chi phí và kéo dài tuổi thọ của mạng so với LEACH Tương tự LEACH, thuật toán LEACH-C cũng thể áp dụng cho việc phân cụm mạng cảm biến trong môi trường 3 chiều

năng lượng còn lại của nút đang xem xét, N là số nút cảm biến

Bảng 1-3 Thuật toán LEACH-C

Input N cảm biến

Output Cụm C k (k=1,…,K)

Chọn CH (AE, CM, N, CH, E)

4 While (i <= N)

5 If (E i >A E ) then CH (i) = True then

6 Else CM (i) = True

17 Each CM(i) tính khoảng cách đến CH k theo công thức (1.9)

18 If d(CM(i), CH k )  min then CM(i) được thêm vào C k

1.2.2.3 SCEEP

Mục đích chính của thuật toán SCEEP [36] là giảm chi phí truyền dữ liệu của các nút CH Thuật toán này thực hiện hai nguyên tắc để lựa chọn nút làm CH Thứ nhất, theo công thức (1.8), như thuật toán LEACH thực hiện chọn ngẫu nhiên các nút CH khi bắt đầu Với công thức này sẽ đảm bảo mỗi cảm biến có cơ hội như nhau để trở thành CH Trong phương pháp này các CH thay đổi mỗi vòng mà không

xem xét đến năng lượng còn lại của các nút, điều này có thể dẫn đến một số nút chết sớm làm giảm tuổi thọ của mạng Để giảm chi phí truyền dữ liệu và tối đa tuổi thọ của mạng, nguyên tắc thứ hai là xây dựng mức ngưỡng đề xuất dựa trên mức năng lượng còn lại để giữ lại nút CH hay không

1.2.2.4 H-LEACH

Thuật toán H-LEACH [59] chủ yếu dựa trên ý tưởng của thuật toán LEACH

sử dụng phương pháp ngẫu nhiên để chọn CH cho các cụm, một số phương pháp cải tiến đề xuất ngưỡng năng lượng còn lại của các cảm biến làm ứng cử viên trở thành

CH Tuy nhiên, phương pháp H-LEACH lựa chọn các cảm biến có năng lượng còn lại lớn nhất cho trở thành CH, chính vì điều này làm tăng tuổi thọ của mạng và giảm bớt số lần tái phân cụm

1.2.2.5 Phân cụm dùng K-Means

Một phương pháp phân cụm khác tối ưu hóa năng lượng của mạng cảm biến

là phân cụm dùng K-Means [61] Không giống như LEACH và LEACH-C, thuật toán phân cụm dùng K-Means tìm kiếm cảm biến gần với tâm cụm chọn làm CH Tham số quan trọng nhất của thuật toán phân cụm dùng K-Means đó chính là khoảng cách Euclide giữa các cảm biến Thuật toán K-Means lặp đi lặp lại việc gom cụm các cảm biến có khoảng cách ngắn nhất với tâm cụm, sau mỗi lần lặp tâm cụm được tính lại, thuật toán dừng khi tâm cụm không thay đổi Điều này đảm bảo năng lượng tiêu thụ của các cảm biến trong cụm cho việc truyền dữ liệu đến CH của chúng là ít nhất Tuy nhiên, cũng giống như các phương pháp phân cụm khác, các

CH luôn tiêu tốn năng lượng nhiều hơn các cảm biến khác vì chúng có nhiệm vụ nhận dữ liệu từ các cảm biến thành viên trong cụm, rồi tổng hợp loại bỏ dữ liệu dư thừa sau đó mới chuyển tiếp đến BS Để đảm bảo cân bằng năng lượng giữa các cảm biến trong cụm, kéo dài tuổi thọ của mạng, thuật toán phân cụm dùng K-Means thực hiện phân cụm xoay vòng với số cụm được khởi tạo mỗi lần khác nhau Bảng 1-4 Mô tả chi tiết thuật toán phân cụm dùng K-Means

Bảng 1-4 Thuật toán phân cụm dùng K-Means

ij m

N i

C

i ij ij

, ,1

;, ,1

1

]1,0[

m kj ij ij

d

d

1

1 2 ) (

N

k

k m kj

j

X V

kể Tuy nhiên, các nút CH sẽ mau cạn kiệt năng lượng do phải tổng hợp xử lý dữ liệu trước khi truyền đến BS Các thuật toán phân cụm đều thực hiện xoay vòng vai trò CH cho các nút cảm biến trong cụm để kéo dài tuổi thọ của mạng

Trong các phương pháp phân cụm mạng cảm biến chủ yếu dựa khoảng cách giữa cách cảm biến và việc lựa chọn nút CH cho mỗi cụm Do đó, các thuật toán phân cụm đã trình bày đều có thể áp dụng cho mạng cảm biến trong môi trường 3 chiều với khoảng cách giữa các cảm biến được tính toán tương ứng trong môi trường 3 chiều

Một hạn chế của các thuật toán phân cụm là chưa xem xét việc tối ưu năng lương tiêu thụ cho quá trình truyền dữ liệu từ các CH đến BS Chính vì vậy luận án

đề xuất giải pháp phân cụm mạng cảm biến trong môi trường 3 chiều với mục tiêu tối ưu hóa năng lượng tiêu thụ cho toàn mạng tức là năng lượng tiêu thụ cho quá trình truyền dữ liệu từ các non-CH đến CH và từ các CH đến BS

1.3 Kết luận chương

Chương 1 đã trình bày khái quát về mạng cảm biến không dây và hai bài toán quan trọng nhất trong liên quan đến việc triển khai trong thực tế, đó là tối ưu hóa vùng phủ sóng và tối ưu hóa năng lượng Trong bài toán tối ưu hóa vùng phủ sóng, các yếu tố phức tạp có trong địa hình 3 chiều như vật cản, hố mạng cũng được chỉ ra Từ những khảo sát trên, luận án đặt ra các mục tiêu nghiên cứu sau:

- Tìm giải pháp xác định hố mạng và tăng tốc độ xác định vật cản giữa cảm biến và điểm mục tiêu cùng với ứng dụng thuật toán tối ưu bầy đàn để tăng khả năng phủ sóng của mạng cảm biến được xem xét

- Đối với bài toán tối ưu năng lượng tiêu thụ của mạng cảm biến, nghiên cứu các giải pháp phân cụm mạng cảm biến với mục tiêu giảm thiểu năng lượng tiêu thụ cho quá trình truyền dữ liệu từ các nút CH đến BS và cân bằng năng lương tiêu thụ giữa các cụm cảm biến nhằm kéo dài tuổi thọ của mạng