انتخاب گره سرخوشه با استفاده از منطق فازی برای شبکه های حسگر بی سیم Cluster-head Election using Fuzzy Logic for Wireless Sensor Networks

مقدمه

با پیشرفت های اخیر در فناوری سیستم های میکرو الکترومکانیکی (MEMS)، مدارات دیجیتال با تونان کم، طرح RF ( فرکانس رادیویی)، شبکه های حسگر بی سیم (WSN)  به عنوان یکی از فناوری های محاسبه در حال ظهور بلقوه با نزدیک شدن به سمت احتمالات گسترده تر مد نظر قرار می گیرند. چندین کاربرد مختلف و متنوع شبکه های حسگر بی سیم (WSN)  ها شامل کاربرد در گرداوری اطلاعات در محیط های آشفته و نامنظم ، نظارت بر آب و هوا و اقلیم، تشخیص تهدیدهای عامل بیولوژیکی و شیمیایی، نظارت مراقبت های بهداشتی می باشد. این موارد شامل کاربرد تجهیزات مختلف همانند دوربین ها، ابزارهای صوتی، و پارامترهای فیزیکی مختلف اندازه گیری سنسور می باشد.

شبکه های حسگر بی سیم (WSN)  ها شامل گره های بی سیم قابل حمل، کم هزینه، با توان، حافظه و قابلیت های محاسباتی محدود می باشند.  تامین انرژی گره های سنسور به عنوان یکی از محدودیت های اصلی در طراحی این نوع از شبکه می باشد. چون این امکان وجود ندارد تا باتری ها را زمانی که شبکه های حسگر بی سیم (WSN)  ها بکار گرفته می شوند جایگزین کنیم، یکی از موضوعات طراحی مهم در شبکه های حسگر بی سیم (WSN)  ها کاهش مصرف انرژی با استفاده از سخت افزار ذخیره کننده انرژی، سیستم های عامل و پروتکل های ارتباطی می باشد.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.  به نام سرخوشه می باشند که به گرداوری داده های ارسال شده توسط هر گره در آن خوشه می پردازند، آن را فشرده کرده و سپس داده های جمع اوری شده را به پایگاه اصلی می فرستند. انتخاب مناسب سرخوشه به طور قابل توجهی مصرف انرژی را کاهش داده و عمر شبکه های حسگر بی سیم (WSN)  را افزایش می دهد. در این مقاله، روش منطق فازی نسبت به برون سپاری سرخوشه بر مبنای سه واصف مطرح می گردد که شامل- انرژی، تمرکز، و مرکزیت می باشد. شبیه سازی نشان می دهد که بر مبنای پیکره بندی شبکه، افزایش قابل توجه در عمر شبکه می تواند در مقایسه با احتمال انتخاب گره بر مبنای سرخوشه تنها با استفاده از اطلاعات محلی ایجاد می گردد. برای یک خوشه، گره های انتخاب شده توسط ایستگاه مبنا به عنوان گره ای می باشد که دارای حداکثر شانس برای تبدیل شدن به سرخوشه با استفاده از سه واصف فازی می باشد که شامل تمرکز گره، سطح انرژی در هر گره، و مرکزیت گره با توجه به کل خوشه، به حداقل رساندن مصرف انرژی برای تمام گره ها متعاقب افزایش عمر شبکه است.

کاربردهای مختلفی از تکنیک های هوشمند در شبکه های بی سیم وجود دارد. کنترل منطق فازی قابلیت ایجاد تصمیمات زمان واقعی را، حتی با وجود اطلاعات ناقص دارد. سیستم کنترل سنتی تکیه ای بر روی اراده دقیق از محیط داشته، که معمولا در واقعیت وجود ندارد. سیستم های منطق فازی که به دستکاری قوانین زبانی به صورت طبیعی می پردازد، در این رابطه مناسب می باشند. از این رو چنین مواردی برای شرایطی با ادغام پارامترهای مختلف- یعنی ترکیب قوانین با یکدیگر برای ایجاد نتایج مناسب مورد استفاده قرار می گیرد.

ما به مقایسه روش مان با تکنیک انتخاب سرخوشه رایج پیشین که به نام LEACH ( سلسله مراتب خوشه بندی تطبیقی با انرژی پایین) می باشد، می پردازیم. LEACH بر مبنای الگوی تصادفی بوده و از خوشه بندی متمرکز استفاده می کند. گره ها بر مبنای سرخوشه بدون پردازش ایستگاه اصلی می باشند. گره های دیگر در این محدوده به سرخوشه نزدیک تر متصل شده و داده ها را به آن منتقل می کنند. نتایج شبیه سازی نشان می دهد که روش ما عمر شبکه را به طور قابل توجهی در مقایسه با LEACH افزایش می دهد.

در بخش بعدی، ما بررسی را در ارتباط با فعالیت های مربوطه و بعضی از کمبودهای انتخاب تصادفی سرخوشه انجام می دهیم. در بخش 3، ما به شرح الگوی سیستم می پردازیم. نتایج شبیه سازی با سیستم منطق فازی مبتنی بر قوانین و مقایسه با LEACH در بخش 4 نشان داده می شود. در نهایت بخش 5 به نتیجه گیری مقاله می پردازد.

2. تحقیقات مربوطه

طرح شبکه های حسگر بی سیم (WSN)  معمول در شکل 1 نشان داده شده است.

گره ها داده ها را به سرخوشه مربوطه ارسال می کند، که در عوض داده های گرداوری شده را فشرده کرده و آن را به پایگاه اصلی می فرستند.

در ارتباط با شبکه های حسگر بی سیم (WSN)  ما فرضیات زیر را مطرح می کنیم:

پایگاه اصلی دورتر از گره های سنسور قرار داشته و ثابت می باشند

- تمام گره ها در شبکه همگن بوده و با انرژی محدود می باشند.

- کانال توزیع متقارن

- پایگاه اصلی به اجرای انتخاب سرخوشه می پردازد.

- گره ها دارای اطلاعات محل بوده که آن ها را به پایگاه اصلی با سطح انرژی مربوطه در طی فاز راه اندازی، ارسال می کنند.

- گره ها دارای جا به جایی کم یا بدون جا به جایی می باشند.

شکل 1. طرح شبکه های حسگر بی سیم (WSN)

بسیاری از طرح ها برای انتخاب سرخوشه ایجاد می گردند. در مورد LEACH [1] ، برای تبدیل شدن به سرخوشه، هر گره n ارقام تصادفی را بین 0 و 1 انتخاب می کند. اگر عدد کمتر از حد T(n) باشد، گره برای دور کنونی به صورت سرخوشه می باشد.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

که در این فرمول p به عنوان احتمال سرخوشه، r تعداد دور کنونی، و G مجموعه ای از گره هایی می باشد که در دور 1/P به عنوان سرخوشه نمی باشند.

چندین اشکال در ارتباط با انتخاب سرخوشه با استفاده از اطلاعات محلی در گره ها وجود دارد. در ابتدا چون هر گره از نظر احتمال مشخص می کند که آیا به عنوان سرخوشه می باشد یا خیر، احتمالا دو سرخوشه در محدوده نزدیک یکدیگر انتخاب شده که باعث افزایش کل انرژی استفاده شده در شبکه می شوند. دوم اینکه، تعداد راس گره های ایجاد شده ثابت نبوده، بنابراین در بعضی از دورها، می تواند کمتر یا بیشتر از مقدار مورد نظر باشد. سوم اینکه، گره انتخاب شده می تواند نزدیک به لبه های شبکه باشد؛ که در آن گره های دیگر انرژی بیشتری را برای انتقال داده به سرخوشه مصرف می کنند. چهارم اینکه، هر گره به محاسبه آستانه پرداخته، و ارقام تصادفی را در هر دور ایجاد کرده، و سیکل CPU را مصرف می کند.

LEACH-C [2] از الگوریتم متمرکزی استفاده کرده و روش دیگری را برای شکل دادن خوشه ها مورد استفاده قرار داده و همچنین به انتخاب سرخوشه با استفاده از تکنیک شبیه سازی تبرید می پردازد.

در [3] هر گره به محاسبه فاصله اش با مرکز ثقل محل پرداخته که گره هایی را نزدیک به محل مرکز ثقل و نه گره هایی را که در مرکز خوشه های خاص یا مرکز ثقل خوشه قرار دارند، پیشنهاد می کند. بنابراین، این فرایند منجر به مصرف انرژی کامل در شبکه برای گره های دیگر برای انتقال داده از طریق گره انتخاب شده می گردد.

3. الگوی سیستم

در این مقاله سرخوشه توسط پایگاه اصلی در هر دور با محاسبه احتمالاتی که هر گره به صورت سرخوشه در بیاید با مد نظر قرار دادن سه گر متمرکز واصف فازی ، سطح انرژی در هر گره، و مرکزیت ان با توجه به خوشه کلی، انتخاب می گردد.

طبق نظر ما، الگوریتم کنترل مرکزی در ایستگاه اصلی سرخوشه بهتری را ایجاد می کند زیرا پایگاه اصلی دارای اطلاعات سراسری در مورد شبکه می باشد. علاوه بر این ایستگاه اصلی دارای توان چندین برابر گره های سنسور می باشد، که دارای انرژی، توان، و ذخایر کافی می باشد. در این روش، انرژی برای انتقال اطلاعات محل تمام گره ها به ایستگاه اصلی ( احتمالا با استفاده از گیرنده GPS) مورد استفاده قرار می گیرد. با مد نظر قرار دادن اینکه  که شبکه های حسگر بی سیم (WSN)  ها بر روی مناطق جغرافیایی با هدف اصلی دریافت و گرداوری اطلاعات بکار گرفته می شوند، فرض ما بر این است که گره ها دارای جا به جایی حداقل بوده، بنابراین اتمام اطلاعات محل در طی مراحل راه اندازی اولیه کافی می باشد.

سرخوشه به جمع آوری n تعداد از پیام های بیت k از گره n می پردازد که به آن پیوند خورده و آن را به صورت پیام های en k فشرده می سازد که جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. به عنوان ضریب فشرده سازی می باشد. عملکرد این طرج انتخاب سرخوشه فازی به دو دور تقسیم می شود که هر کدام شامل فاز حالت ایستا و راه اندازی شده مشابه با LEACH می باشد. در طی مرحله راه اندازی، سرخوشه با استفاده از پردازش اطلاعات فازی تعیین شده و سپس خوشه سازماندهی می شود. در فاز حالت ایستا، سرخوشه اطلاعات گرداوری شده را جمع آوری کرده و وظیقه پردازش سیگنال را برای فشرده کردن داده ها در سیگنال مجزا به عهده می گیرد. سپس این سیگنال ترکیبی به پایگاه اصلی فرستاده می شود.

طرح رادیویی که ما مورد استفاده قرار داده ایم مشابه [1] با جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. به عوان انرژی توسط امواج پراکنده شده تا به اجرای مدارات فرستنده و گیرنده پرداخته و  Eamp = 100 به عنوان پراکنش انرژی تقویت کننده انتقال می باشد.

انرژی صرف شده در طی انتقال و دریافت برای پیام بیت k با فاصله d بین گره گیرنده و فرستنده توسط فرمول زیر داده می شود

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

3.1 کنترل منطق فازی

الگوی کنترل منطق فازی شامل فازی ساز، قوانین فازی، موتور استنتاج فازی، و غیر فازی سازی می باشد. ما از رایج ترین روش بکارگرفته شده تکنیک استنتاج فازی به نام روش مامدانی به دلیل سادگی آن استفاده می کنیم. این فرایند در چهار مرحله به اجرا در می آید.

- فازی کردن تمرکز انرژی متغیرهای ورودی و مرکزیت- یعنی مد نظر قرار داد ورودی های قطعی و تعیین میزانی که این داده های ورودی متعلق به هر مجموعه فازی مربوطه باشد.

- ارزیابی قوانین- یعنی مد نظر قرار دادن ورودی های فازی شده، و کاربرد ان ها در ارتباط با قوانین فازی پیشین. سپس آن برای تابع عضویت بعدی کاربرد دارد.

- انباشتگی خروجی قوانین- فرایند یکپارچه سازی خروجی تمام قوانین.

- فازی سازی- توان ورودی برای فزایند غیرفازی سازی به عنوان احتمال مجموعه فازی خروجی کل بوده و خروجی به عنوان رقم قطعی مجزا می باشد.

در طی غیرفازی سازی، به نقطه ای می رسیم که خط عمودی احتمال مجموعه کل را به دو بخش مساوی تقسیم می کند. عملا COG ( مرکز جاذبه) بر روی نمونه نقاط در تابع عضویت خروجی کل با استفاده از فرمول زیر محاسبه و برآورد می شود.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

3.2  نمایش اطلاعات تخصصی

اطلاعات تخصصی بر مبنای سه واصف زیر نشان داده می شوند:

- انرژی گره- سطح انرژی موجود در هر گره که توسط انرژی متغیر فازی مشخص می گردد.

- تمرکز گره- تعداد گره های نشان داده شده در بخش های مجاور، که توسط مرکزیت متغیر فازی مشخص می گردد،

مرکزیت گره- مقداری که به دسته بندی گره بر این مبنا می پردازد که گره در خوشه چقدر مرکزی دارد، که توسط مرکزیت متغیرهای فازی مشخص می گردد.

برای یافتن مرکزیت گره، ایستگاه اصلی هر گره را انتخاب کرده و به محاسبه مجموع فواصل مربع گره های دیگر از گره انتخاب شده می پردازد. چون انرژی انتقال دارای نسبت d² (2) می باشد، هر چه مقدار مرکزیت پایین تر باشد، مقدار انرژی مورد نیاز توسط گره های دیگر برای انتقال داده از طریق آن گره بر مبنای سرخوشه پایین تر می آید.

متغیرهای زبانی مورد استفاده برای نمایش انرژی گره و تمرکز گره، به سه سطح تقسیم می شود: که به ترتیب پایین، متوسط و بالا می باشند، و سه سطح برای نشان دادن مرکزیت گره وجود دارد: نزدیکف مناسب، دور. نتایج مرتبط به نمایش احتنمال انتخاب سرخوشه گره به هفت سطح تقسیم می شود: خیلی کوچک، کوچک، نسبتا کوچک، متوسط، نسبتا بزرگ، بزرگ، و خیلی بزرگ. مبنای قوانین فازی در حال حاضر شامل قوانینی همانند زیر می باشد: اگر انرژی و تمرکز بالا باشد و مرکزیت نیز نزدیک باشد، به این ترتیب احتمال انتخاب سرخوشه گره بسیار بالا می باشد.

سپس ما از قانون 3³ = 27 برای مبنای قوانین فازی استفاده می کنیم.

ما از تابع عضویت مثلثی برای نشان دادن مجموعه فازی متوسط و مناسب و از تابع عضویت ذوزنقه ای برای نشان دادن مجموعه فازی پایین، بالا، نزدیک، و دور استفاده می کنیم. تابع عضویت ایجاد شده و و حالت زبانی مشابه در جدول 1 و شکل 2 نشان داده شده است.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.