[論文レビュー] Impact of two-level fuzzy cluster head selection model for wireless sensor network: An Energy efficient approach in remote monitoring scenarios

Pushan Kumar Dutta, Mrinal Kanti Naskar+1 more|arXiv (Cornell University)|Aug 3, 2013

Energy Efficient Wireless Sensor Networks参考文献 32被引用数 8

ひとこと要約

本稿では、無線センサネットワークにおけるクラスターヘッド選択のための二段階ファジィ論理モデルを用いたエネルギー効率的動的シナリオ（EEDS）を提案する。ノードの局所化とネットワークトラフィックを最適化することで、エネルギー消費を低減し、ネットワークの寿命と残存エネルギーを向上させる。シミュレーション結果では、既存手法を上回る性能を示した。

ABSTRACT

The robust application of wireless sensor networks has increased during the past decade due to the potential use of wireless nodes in transmission of information by decreasing latency for surveillance and monitoring. The study proposes an Energy Efficient Dynamic Scenario (EEDS) for cluster head allocation for optimum balance in the energy consumption of the whole network that will prolong the lifetime of the network in an efficient manner. In this paper, a two-level fuzzy logic is proposed in choosing cluster head based on node localization and network traffic. In the upper decision making level called global level of qualification leads to better performance of the inference system based on all the above six fuzzy parameters for establishing an energy efficient network model. We develop an algorithm to calculate energy across the network if the source and destination is known. We evaluate the cost and benefit of the data fusion, in order to adaptively adjust whether fusion shall be performed for minimizing the total energy consumption when energy efficient node scheduling migrates from a particular node to another node. Simulation results show that EEDS gives the best performance with respect to network life time density and residual energy of the node.

研究の動機と目的

• リモート監視における無線センサネットワーク（WSNs）におけるエネルギー不均衡と短いネットワーク寿命を解消すること。
• エネルギー消費をネットワーク全体でバランスさせる動的クラスターヘッド選択メカニズムの開発。
• グローバルおよびローカルの二段階でファジィ論理を統合し、適応的でエネルギーに配慮した意思決定を行うこと。
• データ統合のコスト・ベネフィットを評価し、総合的エネルギー消費を最小限に抑えること。
• 最適化されたノードスケジューリングにより、ネットワーク寿命密度を向上させ、残存エネルギーを改善すること。

提案手法

• 二段階のファジィ推論システムを設計：グローバルレベルでは、残存エネルギー、基地局までの距離などの6つのファジィパラメータを評価し、クラスターヘッド選択を行う。
• ローカルレベルでは、現在のエネルギー状態やトラフィック負荷などの即時のノード状態に基づいて意思決定を精緻化する。
• 送信元と受信先ノード間のエネルギー消費を推定するためのエネルギー計算アルゴリズムを開発した。
• エネルギーのコスト・ベネフィット分析に基づき、データ統合を適応的に有効または無効化し、冗長なデータ送信を削減する。
• EEDSモデルは、高エネルギー消費ノードから低エネルギー消費ノードへスケジューリングを動的に移行させ、ネットワーク運用を延長する。
• シミュレーションにより、EEDSをベースライン手法と比較し、ネットワーク寿命や残存エネルギーなどの指標を用いて評価した。

実験結果

リサーチクエスチョン

• RQ1 WSNにおけるクラスターヘッド選択を最適化することで、エネルギー消費のバランスとネットワーク寿命の延長をどのように達成できるか？
• RQ2 エネルギー効率的クラスターヘッドを特定する際に、最も効果的なファジィパラメータは何か？
• RQ3 適応的データ統合は、クラスターベースWSNにおける総合的エネルギー消費にどのように影響するか？
• RQ4 二段階ファジィ論理モデルは、単一段階または非ファジィアプローチと比較して、ネットワーク性能をどの程度向上させるか？
• RQ5 動的ノードスケジューリングは、残存エネルギーとネットワーク寿命密度にどのように影響するか？

主な発見

• EEDSは、マルチパラメータファジィ論理を用いたクラスターヘッド選択最適化により、ネットワーク寿命を顕著に延長した。
• 二段階ファジィモデルは、従来手法と比較して、ノード間での残存エネルギー分布がより良好であった。
• シミュレーション結果から、EEDSがネットワーク寿命密度の観点で既存手法を上回ることが確認された。
• 適応的データ統合により、冗長な送信が削減され、総合的エネルギー消費が低減した。
• グローバルレベルのファジィ評価により、6つの主要パラメータを統合することで推論システムの性能が向上した。
• 提案モデルは、高いエネルギー効率を示し、リモート監視シナリオにおいても高い頑健性を示した。