دانلود ترجمه مقاله طراحی شبکه حسگر بی سیم ایمن و طولانی مدت جهت جمع آوری داده ها (ساینس دایرکت – الزویر ۲۰۲۳)

طراحی یک شبکه حسگر بی سیم (WSN) ایمن و طولانی مدت جهت جمع آوری داده ها

Designing A Secure and Long-Lived WSN for Data Collection

چکیده

۱- مقدمه

۲- تحقیقات مرتبط

۳- رویکرد پیشنهادی

۴- نتایج شبیه سازی

۵- نتیجه گیری

منابع

چکیده

کمینه سازی انرژی یکی از وظایف مهم در WSN است که از طریق فرایند خوشه بندی انجام میشود. خوشه بندی در WSN روشی کارآمد برای افزایش طول عمر شبکه است. در کار پیشنهادی فعلی، تمرکز اصلی بر طول عمر شبکه است که برای کاهش شکستهای گره و افزایش تحویل بسته های داده ضرورت دارد. در این مقاله، ساختاربندی سلسله مراتبی با استفاده از رویکرد خوشه بندی بر مبنای فرایند کارآمد تراکم داده انجام میشود. فرایند تراکم داده در دو فاز تعریف میشود. فاز اول، آرایش گرهها در خوشه را با استفاده از توزیع یکنواخت؛ و فاز دوم، انتخاب سرخوشه و تراکم داده را با کمک برنامه ریزی خطی تعریف میکند. هدف اصلی، کمینه سازی مصرف انرژی و افزایش اعتبار و استحکام شبکه حسگر می‌ باشد. در نهایت، عملکرد شبکه بر اساس مصرف پایین انرژی، تحویل بالای بسته های داده، و ازدحام پایین در WSN ارزیابی خواهد شد.

۲- تحقیقات مرتبط
۲-۱ طول عمر شبکه مبتنی بر خوشه بندی
در مطالعاتی که تاکنون انجام شده اند، چندین رویکرد خوشه بندی آگاه به طول عمر شبکه پیشنهاد شده اند. سلسله مراتب خوشه بندی تطبیقی کم انرژی (LEACH) یکی از رویکردهای اصلی خوشه بندی در WSN است [۵]. شبکه حسگر در LEACH، برخی گرهها را به چند خوشه تقسیم میکند و سرخوشه بر مبنای یک آستانه احتمال از پیش تعیین شده انتخاب میشود. سایر گرهها به نزدیکترین سرخوشه متصل میشوند تا خوشه ها را ایجاد کنند. که این امر، ارتباط مستقیم با ایستگاه مبداء را کاهش میدهد. در این پروتکل، سریعترین تحویل، ضمانت میشود اما موجب مصرف انرژی بیشتری در انتقال داده می‌گردد. رفرنس [۶] روشهای خوشه بندی جدیدی مثل خوشه بندی مبتنی بر فاصله، چگالی و انرژی (DDEC) پیشنهاد میکند. DDEC برای بهبود عملکرد شبکه استفاده میشود و در انرژی، فاصله و چگالی باقیمانده دسته بندی میگردد، و شبکه را به خوشه هایی با همان تعداد عضو تقسیم میکند تا به موازنه بار دست یابد. نویسنده در می یابد که عملکرد DDEC از نظر گره زنده و مصرف انرژی، بهتر از عملکرد DDCHS است‌. رفرنس [۷] خوشه بندی داده ها در یک شبکه حسگر بی سیم را که بر روی یک شبکه عصبی نقشه ویژگی خود ساماندهنده (SOFM) پیاده سازی شده اند شرح می‌دهد. WSN یکی از شبکه های ارتباطی نویدبخش برای ارزیابی و پایش محیط است. در این نوع شبکه، ارتباط از طریق سیگنالهای رادیویی برقرار میشود. از اینرو گره حسگر از ظرفیت ذخیره سازی، حس کردن و پردازش داده ها برخوردار است.

مطالعات مختلفی در ارتباط با طول عمر شبکه بر مبنای تراکم داده انجام شده اند. رفرنس [۸] مسیریابی تراکم سازگار را با هدف کاهش تاخیر برای شبکه های حسگر بی سیم چندلایه بررسی کرده است. این مطالعه دریافته است که تراکم داده روشی بسیار کارآمد بویژه در کاهش حجم داده های منتقل شده و افزایش طول عمر شبکه است. این مطالعه بطور ویژه نشان داده است که وقتی طول زمان انتظار، بزرگتر یا معادل با تراکم از پیش تعیین شده می‌باشد داده های بیشتری، اما به هزینه افزایش تاخیر، بازارسال میشوند. بنابراین هدف از شماهای AAR در مطالعه[۸] ، ارسال داده ها به گرههایی با صفوف طولانی داده است به منظور تضمین اینکه صفوف طولانی از مقدار کوچکی از داده ها برخوردارند بنحوی که تراکم داده قابل اجراست و از اینرو تاخیر کاهش می یابد. همه پروتکل های تراکم ذکرشده در فوق به دستیابی به این اهداف کمک میکنند زیرا آنها با بکارگیری موثر پارامترهای مرجع در دسترس، بر مفهوم ارسال داده موفق اثر می‌ گذارند. مطالعات سابق نشان داده اند که همکاری، هماهنگی و مدیریت گرههای حسگر برای حل و فصل مساله ناکارآمدی انرژی که طول عمر شبکه را کاهش میدهد ضرورت دارند [۹].

۲-۲ تراکم داده مبتنی بر طول عمر شبکه
مطالعات گوناگون به نتایجی درباره تراکم داده بر مبنای طول عمر شبکه دست یافته اند. یکی از این مطالعات در رفرنس [۱۰] درباره مکانیسمهای تراکم داده در IOT، مروری نظام مند بر مطالعات پیشین انجام داده و توصیه هایی به محققان آینده ارائه نموده است. این مطالعه دریافته است که تراکم داده، یکی از موثرترین روشهای بکار رفته برای کاهش تعداد ارسال داده بین اشیاء است. این مطالعه همچنین دریافته است که ممکن است کاهش افزونگی داده در افزایش طول عمر شبکه و کاهش مصرف انرژی نقش داشته باشد. مطالعه [۱۰] تحلیل نظام مندی از IOT در مکانیسمهای تراکم داده ارائه داده و دریافته است که سه مکانیسم اصلی وجود دارد: مکانیسم مبتنی بر خوشه بندی، مکانیسم مبتنی بر درخت، مکانیسم متمرکز. همچنین یک مقایسه مشروح از تکنیکهای برجسته نشان داده است که مکانیسم تراکم داده بکار رفته در IOT، برای بازدهی و کاهش افزونگی داده ها ضروری است. شبکه های حسگر اکنون با اصلاح نمایشهای چند رسانه ای، بعلت مشخصات ارزشمند و تنوع کاربردشان، استاندارد هستند. هنوز شبکه های حسگر حاوی گرههای بسیار کوچکی بوده و به باتریها وابسته هستند و همچنین توالی گرهها قابل توسعه نیست. بنابراین تحقیقاتی مفید با استفاده از روشهای کنترل تراکم داده بزرگ انجام میشوند که از الگوریتم بهینه سازی کلونی مورچگان و الگوریتم PSO برای انجام محاسبات نرم جهت افزایش طول عمر شبکه استفاده میکنند [۱۱]. گرهها در شبکه های حسگر برای گردآوری اطلاعات به کمک رسانه بی سیم بکار میروند. اطلاعات تولید شده با کمک گرههای همسایه، بسیار زائد و تکراری هستند و موجب بار ترافیکی، تاخیر و ازدحام بزرگی میشوند که انرژی زیادی مصرف کرده و عمر شبکه را کاهش میدهد. بنابراین کارهای زیادی بر روی منابع داده گوناگون و روش صرفه‌جویی در انرژی با دوره نفهتگی کوچک بر اساس دریافت و ارسال داده انجام میشوند [۱۲]. از آنجا که میزان تقاضای IOT بسیار بالاست بنابراین جمع آوری داده، رویه مهمی برای کاهش هدررفت انرژی گرههای شبکه جهت افزایش طول عمر شبکه است. بنابراین خوشه بندی داده ها و شناسایی کنشهای ناهنجار، که یک روش تراکم داده است که از رویکردهای گوناگون خوشه بندی مثل C-میانگین فازی استفاده میکند، نیز در بازار موجود است تا افزونگی‌ شبکه های حسگر بی سیم را کاهش دهد [۱۳].