Thuật toán phân cụm mờ và giao thức định tuyến SEP trong mạng cảm biến không dây (tt)

Luận văn được hoàn thành tại:
Học viện Công nghệ Bưu chính Viễn thông
Tập đoàn Bưu chính Viễn thông Việt Nam
Người hướng dẫn khoa học:
TS. VŨ NGỌC PHÀN
Phản biện 1: TS. Dương Thị Thúy Vân………………………..
……………………………………………………..
Phản biện 2: TS. Nguyễn Phương..……………………………..
……….…………………………………………….
Luận văn sẽ được bảo vệ trước hội đồng chấm luận văn tại Học
viện Công nghệ Bưu chính Viễn thông
Vào lúc: .08.... giờ .28... ngày .05.... tháng .08.. năm .2017......
Có thể tìm hiểu luận văn tại:
- Thư viện Học viện Công nghệ Bưu chính Viễn thông


1

MỞ ĐẦU
Ngày nay với sự phát triển rất nhanh của khoa học kỹ thuật
nói chung và ngành công nghệ thông tin nói riêng, thế giới chúng ta
đang bước vào kỷ nguyên số với sự xuất hiện của các thiết bị thông
minh như : điện thoại thông minh, nhà thông minh và thành phố
thông minh,… . Cùng với sự phát triển mạnh mẽ đó mạng cảm biến
không dây Wireless Sensor Network – WSN ra đời như là một
thành tựu khoa học tất yếu nhằm phục vụ cho nhu cầu của con
người trong xã hội hiện đại.
Mạng cảm biến không dây (WSN) ra đời giúp cho chúng ta
không mất quá nhiều sức lực, nhân công, tránh sự nguy hiểm và
chúng mang lại hiệu quả cao trong công việc. Với sự tiến bộ về kỹ
thuật vi điện tử, công nghệ nano, công nghệ mạch tích hợp,…đã

thiết kế ra các cảm biến nhỏ gọn, giá thành rẻ và có khả năng triển
khai một số lượng lớn các thiết bị,chính vì thế WSN đã được triển
khai trong hàng loạt các lĩnh vực khác nhau như: Quốc phòng, dân
sự, y tế , giáo dục, môi trường, nông nghiệp,…. Với một số ứng
dụng cụ thể như: theo dõi hành quân, điều quân của quân địch; theo
dõi khô hạn và cảnh báo cháy rừng; Đo độ ẩm để điều tiết nước
tưới trong các trang trại nông nghiệp; Giám sát sức khỏe của bệnh
nhân,…
Tuy nhiên WSN cũng còn tồn tại nhiều mặt hạn chế, một trong
những hạn chế lớn nhất đó là nguồn năng lượng của các node cảm
biến (do kích thước nhỏ nên pin cũng được thiết kế nhỏ).Với việc
nguồn năng lượng không thể thay đổi thì một bài toán đặt ra là
chúng ta phải làm gì để kéo dài thời gian hoạt động của mạng WSN
này ? Để giải quyết vấn đền này. Ngoài việc cải tiến về phần cứng
thì việc ứng dụng các thuật toán vào việc phân cụm các node cảm
biến là một trong những kỹ thuật có thể mang lại hiệu quả cao
trong việc giải quyết vấn đề năng lượng này. Luận văn này sẽ


2

nghiên cứu một số các thuật toán phân cụm và đề xuất thuật toán
cải tiến nhằm mang lại hiệu cao trong việc phân cụm mạng WSN.
Luận văn tiến hành nghiên cứu và đánh giá một số thuật toán
phân cụm nổi tiếng như Fuzzy C-Means, Insensitive Fuzzy CMeans trong việc phân cụm của WSN. Tìm hiểu ưu và nhược điểm
của các thuật toán này cùng với đó là việc nghiên cứu và tổng hợp
giao thức SEP. Trên cơ sở lý thuyết tìm hiểu được, luận văn đề xuất
hướng tiếp cận mới đó là việc kết hợp thuật toán Insensitive Fuzzy
C-Means vào giao thức SEP và tiến hành mô phỏng và đánh giá
hiệu quả của thuật toán cải tiến này thông qua phần mềm matlab.

Nội dung đề tài gồm 3 chương:
Chương 1: Tổng quan về mạng cảm biến không dây Wireless
Sensor Network (WSN).
Chương 2: Các thuật toán phân cụm mờ và giao thức định
tuyến SEP trong mạng cảm biến không dây.
Chương 3: Đề xuất giao thức kết hợp SEP_
, mô
phỏng và đánh giá


3

CHƯƠNG I - TỔNG QUAN VỀ MẠNG CẢM BIẾN
KHÔNG DÂY WIRELESS SENSOR NETWORK(WSN)
1.1 Giới thiệu về WSN
Mạng cảm biến không dây Wireless Sensor Network(WSN)
được định nghĩa là một mạng lưới được hình thành từ sự kết hợp
giữa các node cảm biến với nhau. Node cảm biến là một thiết bị
nhỏ gọn, có khả năng tự hành và giao tiếp không dây qua một
khoảng cách ngắn 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.
Các node cảm biến được trang bị các tính năng cảm nhận,quan
sát, đo đạc, tính toán, định vị, … môi trường xung quanh sau đó
truyền dữ liệu tổng hợp được về node gốc bằng bộ thu và phát sóng
vô tuyến của mình. Node gốc là nơi thu nhận các dữ liệu từ các
node thành viên trong nhóm tiến hành tổng hợp và phân tích dữ
liệu sau đó gởi dữ liệu này về Sink node tại đây dữ liệu đã sẵn sàng
cho người dùng sử dụng. Mạng cảm biến không dây có thể liên kết
trực tiếp với nút quản lý giám sát trực tiếp hay gián tiếp thông qua

một điểm thu phát (Sink node) và môi trường mạng công cộng như
internet hay vệ tinh.

Hình 1.1: Cấu trúc cơ bản của mạng cảm biến không dây


4

Các node cảm biến không dây liên kết thành một mạng cùng
với đó là sự phát triển của internet, vệ tinh đã tạo ra nhiều khả năng
mới cho con người. Với sự tiến bộ về kỹ thuật vi điện tử, công nghệ
nano, công nghệ mạch tích hợp,…đã thiết kế ra các cảm biến không
dây rất nhỏ, tiết kiệm về không gian. Chúng có thể hoạt động trong
môi trường dày đặc với khả năng xử lý tốc độ cao cùng với việc áp
dụng các kỹ thuật mã hóa, sửa lỗi truyền thống nhằm tăng độ tin
cậy của các đơn vị riêng lẻ bị giới hạn bởi kích thước và công suất
của các node cảm biến. Việc tăng độ tin cậy của các thiết bị riêng lẻ
là điều cốt yếu. Thêm vào đó, chúng ta có thể tăng độ tin cậy của
các ứng dụng bằng khả năng khắc phục được sự hỏng hóc của các
thiết bị, việc ứng dụng các thuật toán vào việc phân cụm, định
tuyến nhằm tận dụng triệt để nguồn năng lượng của mỗi node sẽ
làm tăng tuổi thọ của các node cảm biến. Như vậy, hệ thống hoạt
động trên từng node không những mạnh mẽ mà còn dễ dàng phát
triển các ứng dụng phân tán tin cậy.
Ngày nay với khả năng triển khai mạng và khả năng đáp ứng
được rất nhiều ứng dụng thực tế khác nhau, mạng cảm biến không
dây được ứng dụng trong nhiều lĩnh vực như : quốc phòng, an ninh,
dân sự, y tế, giao thông, nghiên cứu vi sinh vật biển, 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 hàng ngày,…
1.2 Ứng dụng của WSN
Mạng cảm biến không dây (WSN) ra đời giúp cho chúng ta
không mất quá nhiều sức lực, nhân công, tránh sự nguy hiểm và
chúng mang lại hiệu quả cao trong công việc. Với sự tiến bộ về kỹ
thuật vi điện tử, công nghệ nano, công nghệ mạch tích hợp,…đã
thiết kế ra các cảm biến nhỏ gọn, giá thành rẻ và có khả năng triển
khai một số lượng lớn các thiết bị, chính vì thế WSN đã được triển
khai trong hàng loạt các lĩnh vực khác nhau như : Quốc phòng, dân


5

sự, y tế , giáo dục, môi trường, nông nghiệp,…. Với một số ứng
dụng cụ thể như : theo dõi hành quân, điều quân của quân địch;
theo dõi khô hạn và cảnh báo cháy rừng; Đo độ ẩm để điều tiết
nước tưới trong các trang trại nông nghiệp; Giám sát sức khỏe của
bệnh nhân,…..
Một số ứng dụng của mạng WSN trong cuộc sống:

Hình 1.2: Các ứng dụng của WSN

1.3 Các thách thức và trở ngại đối với WSN
Ngày nay mạng cảm biến không dây được ứng dụng rộng rãi
trong hầu hết các lĩnh vực nhờ những tính năng ưu việt mà chúng
đem lại cho chúng ta, tuy nhiên bên cạnh đó mạng cảm biến không
dây vẫn tồn tại những hạn chế mà nếu chúng ta nắm bắt được
những hạn chế này sẽ khắc phục và hạn chế tối đa những trở ngại
này.
1.3.1 Giới hạn về nguồn năng lượng

Các node cảm biến trong mạng cảm biến không dây thường sử
dụng nguồn năng lượng có sẵn (pin), với kích thước nhỏ nên năng
lượng bị giới hạn tuy ngày nay nguồn năng lượng pin này ngày
càng được tích hợp để mang được dung lượng cao hơn, nhưng do
đòi hỏi tính năng ngày một cao của con người, các node cảm biến


6

phải lắng nghe, cảm nhận, tính toán, truyền dữ liệu do đó, chúng ta
phải tìm ra giải pháp xử lý và truyền dữ liệu một cách hợp lý để
tăng tuổi thọ cho mạng cảm biến không dây. Việc thiết lập một chu
kỳ làm việc với việc chuyển mạch giữa hai chế độ : Chế độ ngủ
(mode sleep) và chế độ hoạt động (mode active), việc định tuyến
phân cụm hiệu quả, tránh việc chồng chéo là những yếu tố quan
trọng trong việc giải quyết bài toán về nguồn năng lượng cho mạng
cảm biến không dây.
1.3.2 Giới hạn về phần cứng
Đối với một số ứng dụng đòi hỏi chúng ta phải thiết kế những
node cảm biến nhỏ, điều này làm hạn chế đi bộ nhớ, khả năng tính
toán, và nguồn năng lượng, khiến cho chúng hạn chế về tính năng
cũng như tuổi thọ của mạng. Điều này đòi hỏi chúng ta không
ngừng cải tiến công nghệ phần cứng để cho ra đời những sensor có
kích thước nhỏ gọn, giá thành thấp,hiệu suất cao và đặc biệt có tuổi
thọ dài.
1.3.3 Ảnh hưởng của môi trường
Mạng cảm biến không dây sử dụng đường truyền là sóng vô
tuyến, nên rất dễ bị ảnh hưởng bới các yếu tố môi trường bên
ngoài, điều này có thể dẫn đến việc truyền dữ liệu giữa các node
cảm biến bị gián đoạn hoặc bị mất dữ liệu trong quá trình các node

cảm biến truyền về trạm gốc.
1.4 Kết luận
Ngày nay mạng cảm biến không dây với chi phí đầu tư thấp,
tiêu thụ ít điện năng tuổi thọ cao cho phép ta 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 đã tạo ra
một 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 giám sát hệ
thống trên phạm vi rộng lớn.


7

CHƯƠNG II - CÁC THUẬT TOÁN PHÂN CỤM MỜ VÀ
GIAO THỨC ĐỊNH TUYẾN TRONG MẠNG CẢM BIẾN
KHÔNG DÂY
2.1 Các kỹ thuật phân cụm và các thuật toán phân cụm mờ
trong mạng cảm biến không dây
2.1.1 Giới thiệu chung
Ngay sau khi được giới thiệu, mạng cảm biến không dây đã
thu hút được sự quan tâm hết sức đặc biệt vì khả năng đáp ứng
được rất nhiều ứng dụng trong thực tế. Cùng với sự phát triển của
công nghệ mạng viễn thông, công nghệ nano, mạch tích hợp, đã
làm cho chi phí triển khai mạng giảm đi một cách đáng kể, điều
này tất yếu sẽ dẫn đến các ứng dụng mạng cảm biến được triển khai
trên diện rộng, với số lượng nút cảm biến lớn. Một trong những yếu
điểm lớn nhất của mạng cảm biến không dây đó là nguồn năng
lượng giới hạn phục vụ cho hoạt động của các node cảm biến được
triển khai trong mạng. Để duy trì được thời gian hoạt động lâu dài

của mạng và hiệu quả sử dụng năng lượng cao, các node cảm biến
thường được tổ chức phân bậc bằng cách gộp chúng lại thành các
nhóm riêng biệt, tại mỗi nhóm dữ liệu được thu thập và xử lý nội
bộ tại các CH node trước khi được gởi về trạm gốc. Kỹ thuật này
gọi là phân cụm trong mạng cảm biến không dây.
2.2 Các thuật toán phân cụm mờ trong WSN
2.2.1 Thuật toán FCM ( Fuzzy C-Means)
FCM là thuật toán phân cụm mờ, có nghĩa là một node có thể
thuộc nhiều cụm khác nhau. Điều này làm tăng thêm tính năng và
hiệu quả của WSN.
Fuzzy c-means (FCM) là thuật toán phân cụm mờ được Dunn
xây dựng vào năm 1973 và sau đó được Bezděk cải tiến vào năm
1981.
Kỹ thuật này phân hoạch một tập n vectơ đối tượng dữ liệu X
= {x1,…, xn} ϵ Rsthành c các nhóm mờ dựa trên tính toán tối thiểu
hóa hàm mục tiêu để đo chất lượng của phân hoạch và tìm trung


8

tâm cụm trong mỗi nhóm, sao cho chi phí hàm đo độ phi tương tự
là nhỏ nhất. Một phân hoạch mờ vectơ điểm node X = {x1,…, xn} ϵ
Rslà đặc trưng đầu vào được biểu diễn bởi ma trận U = [uik] sao cho
điểm node đã cho chỉ có thể thuộc về một số nhóm với bậc được
xác định bởi mức độ thuộc giữa [0, 1]. Như vậy, ma trận U được sử
dụng để mô tả cấu trúc cụm của X bằng cách giải thích uiknhư bậc
thành viên xk với cụm i. Cho u = (u1, u2, .., uc1) là phân hoạch mờ C

Dunn định nghĩa hàm mục tiêu mờ như sau:

Bezdek khái quát hóa hàm mục tiêu mờ bằng cách đưa ra trọng
số mũm > 1 là bất kỳ số thực nào như sau:

trong đó:
X = [x1,…, xn] ϵ Rslà n vectơ mẫu node tập con thực s chiều
trong không gian vectơ Rsgồm có n quan sát,
m ϵ [1, +∞] là trọng số mũ được gọi là tham số mờ,
vi ϵ Rs là trung tâm cụm thứ i,
d(xk, vi) = dik là khuôn mẫu bất kỳ để đo khoảng cách giữa
node xk
với trung tâm cụm thứ i, => d2(xk, vi) là khoảng cách
Euclidean,
uik ϵ [0, 1] là bậc của phần tử node xk thuộc về cụm thứ i,
V = [vji] = [v1,…,vc] ϵ Rsxc là ma trận biểu diễn các giá trị đối
tượng tâm của cụm


9

U = [uik] là ma trận phân hoạch mờ ngẫu nhiên của X trong C
phần.
Một trong các nhân tố chính ảnh hưởng tới quyết định phân cụm
hợp lý các điểm là vấn đề chọn phép đo độ phi tương tự. Thực
vậy, tính toán bậc thành viên uik phụ thuộc vào định nghĩa của
phép đo khoảng cách dik mà là tích vô hướng trên Rs. Bình phương
khoảng cách giữa vectơ mẫu xk và trungtâm vị trí của cụm thứ i
được định nghĩa như sau:

trong đó:
A là ma trận hữu hạn dương đối xứng (p × p) bất kỳ

biểu diễn độ lệch của dữ liệu x k với
tích vô hướng trên Rs.
Bậc của thành viên thỏa mãn ràng buộc sau:

vi, d(xk,vi) là

Để thuận tiện, ta coi mảng đối tượng node {x1 ,…,xn} là các
cột trong ma trận của đối tượng node X=[xjk] = [x1, …..,xn] ϵ Rsxc .
Ma trận phân hoạch U là một công cụ tiện lợi để mô tả cấu trúc
cụm trong node {x1 ,…,xn} . Định nghĩa tất cả các ma trận thực
phân hoạch mờ không suy thoái cấp c × n cho phân hoạch n đối
tượng thành c cụm node trong không gian Rcxn được viết gọn như
sau :


10

: là không gian của tất cả các ma trận thực cấp
Thông thường người ta gọi bài toán phân cụm mờ là bài toán
tìm các độ thuộc uij nhằm tối thiểu hàm mục tiêu ở trên Jm(U,V).
Ta có định lý sau đã được Bezdek chứng minh ( nếu m 1 ;
>;1 i
) là đúng
Định lý: Nếu m và c là các tham số cố định, và ik là một tập
được định nghĩa như sau:
Thì hàm mục tiêu Jm(U,V) đạt giá trị tối thiểu :

khi và chỉ khi :

Một phân hoạch tối ưu, nghĩa là hàm mục tiêu đạt giá trị tối

thiểu, mà chủ yếu dựa trên đó độ tương tự giữa xk và trung tâm cụm
vi , điều này tương đương với hai điều kiện (5) và (6) phải thỏa
mãn. Với hàm mục tiêu và các ràng buộc để hàm mục tiêu đạt giá
trị tối thiểu.
Thuật toán FCM cung cấp một quá trình lặp qua lại giữa
phương trình (5) và (6) để tối ưu (hàm đạt xấp xỉ cực tiểu) hàm
mục tiêu dựa trên đo đạc độ tương tự có trọng số giữa xk và trung
tâm cụm vi , sau mỗi vòng lặp, thuật toán tính toán và cập nhật các
phần tử ujk trong ma trận phân hoạch U . Phép lặp sẽ dừng khi maxij


11

{
} , trong đó là chuẩn kết thúc giữa
0 và 1, trong khi đó k là các bước lặp. Thủ tục này hội tụ tới cực
tiểu cục bộ hay điểm yên ngựa của Jm(U,V). Thuật toán tính toán
ma trận phân hoạch U và kích thước của các cụm để thu được các
mô hình mờ từ ma trận này. Các bước thực hiện của thuật toán như
sau:

 Ưu điểm
- Có độ phức tạp tương đương với thuật toán K-Means trong
trường hợp số đối tượng của tập node cần phân cụm là rất lớn.
- Khám phá ra được các cụm chồng lên nhau.
 Nhược điểm
- Hiệu quả đối với tập node lớn, tập node được phân bố
nhiều chiều cũng như cách xác định tham số là những vấn đề phức
tạp cần giải quyết.
2.1.2 Thuật toán

( Insensitive Fuzzy C-Means)
a. Hàm mục tiêu
Thuật toán phân cụm FCM sử dụng hàm bậc hai để đo độ phi
tương tự giữa node và các trung tâm cụm. Suy luận sử dụng độ đo
này là tính toán thấp và đơn giản. Tuy nhiên, cách tiếp cận này vẫn


12

còn tồn tại một số nhược điểm như ……Để khắc phục tình trạng
này một độ đo cải tiến đã được đề xuất (Vapnick , 1998) sử dụng
tham số như sau :

với là tham số phi nhạy cảm với nhiễu. Hàm mục tiêu của thuật
toán
được định nghĩa như sau :

Ký hiệu :
Lực lượng của tập A là card(A)
Định lý: Nếu m,c và
là các tham số cố định, với (U,V)
, hàm mục tiêu Jm(U,V) đạt giá trị tối thiểu khi và
chỉ khi:

Trong đó :

Với giả thiết


13

b. Thuật toán

 Ưu điểm
- Có độ phức tạp tương đương với thuật toán K-Means trong
trường hợp số đối tượng của tập node cần phân cụm là rất lớn.
- Khám phá ra được các cụm chồng lên nhau.
 Nhược điểm
- Hiệu quả đối với tập node lớn, tập node được phân bố
nhiều chiều cũng như cách xác định tham số là những vấn đề phức
tạp cần giải quyết.
2.3 Tổng quan về giao thức định tuyến SEP
Giao thức SEP xem xét đến mức năng lượng trong quá trình
lựa chọn node chính. SEP cải thiện vùng ổn định của tiến trình


14

phân nhóm theo hình thức phân cấp sử dụng các thông số đặc trưng
của tính không đồng nhất, bổ sung năng lượng giữa advanced node
và normol node. Để kéo dài thời gian ổn định, SEP cố gắng duy trì
hạn tiêu thụ năng lượng. Các advanced node trở thành CH thường
xuyên hơn các node bình thường. Các node tiên tiến thường được
cấp năng lượng nhiều hơn so với normol node. Tổng năng lượng
của hệ thống thay đổi. Gỉa sử Eo là năng lượng ban đầu normol
node thì năng lượng của advanced node sẽ được cài đặt Eo*(1+α ).
Tổng năng lượng cần thiết lập (không đồng nhất) mới tương đương
với: n*(1-m)*Eo + n*m*Eo(1+α) = n*Eo(1+αm) Vì vậy tổng số
năng lượng của hệ thống được tăng lên (1+αm) lần. Chúng ta có thể
tăng vùng ổn định của mạng cảm biến (1+αm) lần.

Xác suất để những normal node trở thành CH là 1 và advanced
node trở thành CH là 1+α. Nếu ngưỡng T(n) cùng được thiết lập
cho normal và advanced node khác biệt ở chỗ normal node thuộc G
trở thành cụm đầu một lần và advanced node thuộc G trở thành
cụm đầu 1+α lần. Pnrm được định nghĩa là xác suất tuyển chọn
trọng lượng cho các normal node và Padv xác suất tuyển chọn
trọng lượng cho các advanced node.
Vậy xác suất trọng lượng cho normal node và advanced node
lần lươt là:

Hàm T(n) được thay thế Popt bởi xác suất trọng lượng để có
được ngưỡng tuyển chọn CH trong mỗi vòng.Ngưỡng cho normal
node:


15

Trong đó: r

: vòng lặp hiện tại

G’ : normal node chưa trở thành CH với

vòng

cuối cùng mỗi giai đoạn.
T(Snrm) là ngưỡng áp dụng cho n(1- m) normal node.
Điều này đảm bảo rằng mỗi normal node sẽ trở thành CH một lần
trong

(1+αm) vòng mỗi giai đoạn và đó là số trung bình

những normal node trở thành CH mỗi vòng là n (1-m)*Pnrm.
Ngưỡng cho advanced node:

G”: advanced node chưa trở thành CH trong

vòng cuối

cùng mỗi giai đoạn. T(Sadv)là ngưỡng áp dụng cho n*m advanced
node.
Chúng ta hãy xem giai đoạn này như giai đoạn phụ. Mỗi giai
đoạn có 1+α giai đoạn con và advanced node trở thành CH chính
xác 1+α lần trong giai đoạn. Trung bình advanced node trở thành
CH mỗi vòng là n*Padv.
Như vậy số lượng trung bình CH mỗi vòng là:
n*(1-m)*Pnrm+n*m*Padv = n*Popt
Đây là số lượng mong muốn của CH trên vòng mỗi giai đoạn.


16

CHƯƠNG III - ĐỀ XUẤT GIAO THỨC SEP_
MÔ
PHỎNG VÀ ĐÁNH GIÁ
3.1 Xây dựng mô hình mạng
Ta giả định việc xây dựng một mô hình mạng với các thuộc
tính sau đây :
- Mỗi node cảm biến thực hiện nhiệm vụ cảm biến định kỳ và
luôn có dữ liệu để gởi đến trạm gốc.

- Một trạm gốc cố định và có thể được đặt bên trong hoặc bên
ngoài vùng mạng cảm biến.
- Tất cả các node đứng yên và chúng có năng lượng cố định.
- Các node có khả năng kiển soát nguồn năng lượng để điều
khiển việc truyền năng lượng của nó.
- Tất cả các node đều có khả năng hoạt động ở chế độ node chủ
(CH node) và chế độ node gởi dữ liệu (node thường).
- Sự tổng hợp và xử lý dữ liệu trước được sử dụng để giảm việc
phải truyền toàn bộ dữ liệu.
3.2 Mô hình năng lượng
Trong mạng cảm biến không dây, năng lượng bị tiêu hao khi
truyền các sóng điện từ và khuếch đại sóng, việc nhận cũng bị tiêu
hao năng lượng. Các sóng có thể thực hiện kiểm soát năng lượng,
do đó sử dụng năng lượng tối thiểu là cần thiết để đến được bên
nhận. Do suy giảm theo khoảng cách, một mô hình mất năng lượng
+
được sử dụng cho khoảng cách tương đối ngắn.
+
được sử dụng cho khoảng cách dài hơn.
+ dij là khoảng cách giữa node cảm biến I và j
Để đạt được một tỉ số tín hiệu trên nhiễu có thể chấp nhận
được trong việc truyền một thông điệp 1-bít trên khoang cách d,
năng lượng tiêu hao bởi sóng truyền được đưa ra theo công thức
sau :


17

Trong đó :
+

là năng lượng mất đi trên bit lúc truyền hoặc nhận.
+
và
tùy thuộc vào mô hình khuếch đại sử dụng.
+
+

là khoảng cách giữa bên gởi và bên nhận.
là ngưỡng khoảng cách truyền. (

)

Để nhận 1-bít thông điệp, sóng tiêu hao được tính theo công
thức sau :
E(l) = l.Eelec
Đối với việc mô phỏng trong luện văn này, các biến năng lượng
được thiết lập như sau :
+ Eelec = 2*10-6 J/bit (năng lượng mất đi khi truyền dữ liệu).
+ Eelec = 1*10-6 J/bit (năng lượng mất đi khi nhận dữ liệu).
+
=10pJ/bit/m2.
+
=0.0013pJ/bit/m4.
Trong mô phỏng này chúng tôi giả định rằng các thông tin
được thu thập bởi một cụm gồm n node, trong đó mỗi node thu thập
k bit dữ liệu, có thể được nén để k bít không phụ thuộc vào số
lượng các node trong cụm. Trong mô phỏng chi phí năng lượng cho
việc tập hợp dữ liệu được thiết lập là EDA = 5nJ/bit.
3.3 Đề xuất kết hợp thuật toán
vào trong giao thức

định tuyến SEP
Đối với các giao thức đồng nhất Dutts R[12] đã kết hợp các
giao thức đồng nhất LEACH với thuật toán FCM tạo ra một giao
thức mới LAUCF, nó đã chứng minh được việc tiết kiệm năng
lượng và kéo dài tuổi thọ sống cho mạng cảm biến, điều này được
tác giả chứng minh khi so sánh LAUCF với LEACH. Với SEP là


18

một giao thức không đồng nhất trong WSN, nó làm tăng thời gian
ổn định của mạng. Tuy nhiên việc lựa chọn Cluster Head trong giao
thức SEP ( Hình 3.3) tồn tại một nhược điểm [12] đó là việc lựa
chọn các Cluster Head (CH node) từ hai loại node Advance node
và Normal node là không linh động, do đó các node ở xa sẽ bị chết
đầu tiên.

Hình 3.1: Lược đồ chọn CH node trong giao thức SEP

Trong luận văn này tác giả xin đề xuất một hướng tiếp cận mới
đó là việc kết hợp thuật toán
vào giao thức SEP để cải tiến


19

quy trình trong việc lựa chọn Cluster Head (CH node) và phân
cụm.
Sơ đồ các bước của thuật toán kết hợp này được thể hiện trong
hình sau:

Hình 3.2: Lược đồ các bước chạy của thuật toán SEP_


20

Đối với vòng truyền dữ liệu ( truyền thông ) đầu tiên chúng ta
sử dụng thuật toán
để khởi tạo cụm để đảm bảo việc tất cả
các node đều phân vào các cụm một cách tốt nhất dựa vào khoảng
cách Euclidian tới tâm cụm và các tâm cụm được lựa chọn dựa trên
mức năng lượng còn lại của node.
3.4 Kết quả thực nghiệm
Trong luận văn này tác giả sử dụng phần mềm
Matlab(R2016a) để thực hiện mô phỏng , cho 140 node trong mạng
lưới 500x500, với năng lượng không đồng đều giữa các node để thể
hiện ảnh hưởng không đồng đều giữa các node trong mạng, 10%
các node có năng lượng 1 Joules (a=1, Popt=0.1), 90% các node có
năng lượng 0.5 Joules. Vị trí sink đặt tại (250/,250), độ dài mỗi
thông điệp 500bytes, hệ số khuếch đại fs=10pJ/bit/m2 và
mp=0.0013pJ/bit/m4, số vòng lặp tối đa là 6000. Sau đó ta so sánh
giữa giao thức kết hợp giữa SEP_
với giao thức SEP dựa
trên các chỉ số như : Số lượng các node sống, số lượng các node
chết và năng lượng còn lại của các node.
Bảng 3.1: Bảng tóm tắt giá trị các tham số trong luận văn


21
Bảng 3.2: Bảng mô tả các ký hiệu trong hình mô phỏng

Sau 1200 vòng chạy ta thấy rằng trong khi giao thức SEP các
node bắt đầu chết (Hình 3.3), trong khi đó ở giao thức kết hợp
SEP_
chưa xuất hiện node chết (Hình 3.4). Điều này chứng
minh giao thức kết hợp SEP_
có hiệu quả sử dụng năng
lượng cao hơn giao thức SEP thông thường.
3.4.1 Kết quả sau 1200 vòng chạy đầu tiên

Hình 3.4: Giao thức SEP sau 1200 vòng chạy


22

Hình 3.5: Giao thức kết hợp SEP_

sau 1200 vòng chạy

3.4.2 Số node sống
Hình 3.3 cho ta thấy các node sống trong giao thức kết hợp giữa
SEP_
có số node sống nhiều hơn so với giao thức SEP. Sau
vài vòng đầu chưa ổn định, nhưn g sau đó số node sống bắt đầu
tăng lên, điều này chứng minh giao thức kết hợp SEP_
tiêu
thụ năng lượng hiệu quả hơn giao thức SEP. Kết quả cho thất giao
thức kết hợp SEP_
đã cải thiện được các node sống nhiều
hơn so với giao thức SEP.

Hình 3.6: Alive Node

3.4.3

Năng lượng còn lại


23

Trong hình 3.5 chúng ta thấy rằng năng lượng con lại của giao
thức kết hợp SEP_
nhiều hơn so với giao thức SEP. Kết quả
cho thất giao thức kết hợp SEP_
đã cải thiện được năng
lượng còn lại so với giao thức SEP.

Hình 3.7: Năng lượng còn lại


24

KẾT LUẬN VÀ KIẾN NGHỊ
1. Kết luận
Mạng cảm biến không dây có thể thích ứng linh hoạt, xử lý và
tự khắc phục sự cố khi xảy ra hư hỏng, có chi phí triển khai thấp
nên được ứng dụng phổ biến. Tuy nhiên việc thiết kế một mạng
WSN hoạt động tốt, mềm dẻo, dễ dàng triển khai vào các ứng dụng
thực tế gặp rất nhiều khó khăn bởi nhiều nguyên nhân, trong đó khó
khăn lớn nhất hiện nay là năng lượng của các node bị giới hạn và

khó nạp lại. Do đó việc sử dụng nguồn năng lượng sẵn có trên các
node một cách hiệu quả sẽ làm giảm tiêu hao năng lượng kéo dài
thời gian sống của toàn mạng, là cho tuổi thọ của mạng tăng lên.
Trong luận văn này, tác giả đề nghị kết hợp thuật toán phân cụm
mờ
trong việc lựa chọn CH node vào giao thức SEP. Kết
quả mô phỏng cho thấy giao thức mới được đề xuất có mức tiêu thụ
năng lượng thấp và có thời gian sống của toàn mạng lâu hơn so với
giao thức SEP. Điều này giúp cho mạng kéo dài thời gian sống.
2. Kiến nghị
Hướng tiếp cận tiếp theo của đề tài là kết hợp thuật toán
vào các giao thức không đồng nhất khác như DEEC, EDEEC và so
sánh các kết quả đạt được.