[논문 리뷰] Dynamic Cluster Head Node Election (DCHNE) Model over Wireless Sensor Networks (WSNs)

Abeer Alabass, Khaled Elleithy외 1명|arXiv (Cornell University)|2014. 10. 14.

Energy Efficient Wireless Sensor Networks참고 문헌 18인용 수 4

한 줄 요약

이 논문은 잔류 에너지를 기반으로 클러스터 헤드를 선택하여 에너지 소비를 균형 있게 하고 네트워크 수명을 연장하는 무선 센서 네트워크(WSNs)를 위한 동적 클러스터 헤드 노드 선출(DCHNE) 모델을 제안한다. NS-2 시뮬레이션을 통해 DCHNE 모델은 기존 방법보다 네트워크 수명을 연장하고 에너지 효율성을 향상시키기 위해 동적이고 에너지 인지 클러스터 헤드 선택을 통해 성능을 뛰어나게 한다.

ABSTRACT

WSNs are becoming an appealing research area due to their several application domains. The performance of WSNs depends on the topology of sensors and their ability to adapt to changes in the network. Sensor nodes are often resource constrained by their limited power, less communication distance capacity, and restricted sensing capability. Therefore, they need to cooperate with each other to accomplish a specific task. Thus, clustering enables sensor nodes to communicate through the cluster head node for continuous communication process. In this paper, we introduce a dynamic cluster head election mechanism. Each node in the cluster calculates its residual energy value to determine its candidacy to become the Cluster Head Node (CHN). With this mechanism, each sensor node compares its residual energy level to other nodes in the same cluster. Depending on the residual energy level the sensor node acts as the next cluster head. Evaluation of the dynamic CHN election mechanism is conducted using network simulator-2 (ns2). The simulation results demonstrate that the proposed approach prolongs the network lifetime and balancing the energy

연구 동기 및 목표

• 에너지 제약이 있는 WSNs에서 에너지 불균형과 짧은 네트워크 수명 문제를 해결한다.
• 클러스터 헤드 선택 최적화를 통해 네트워크의 확장성과 수명을 향상시킨다.
• 잔류 에너지 기반의 동적 클러스터 헤드 선출을 통해 센서 노드의 에너지 고갈을 줄인다.
• 적응형 클러스터링을 통해 지속적인 통신과 효율적인 데이터 집계를 보장한다.
• 공정한 선출 메커니즘을 통해 고에너지 노드의 조기 사망을 방지하여 에너지 낭비를 최소화한다.

제안 방법

• 각 센서 노드는 정기적인 간격으로 자신의 잔류 에너지 수준을 계산한다.
• 노드들은 동일한 클러스터 내의 이웃 노드들과 자신의 잔류 에너지를 비교한다.
• 잔류 에너지가 가장 높은 노드가 현재 라운드의 클러스터 헤드로 선출된다.
• 에너지 수준의 변화에 대응하기 위해 매 라운드마다 동적으로 선출 과정을 반복한다.
• 클러스터 헤드는 데이터 집계 및 베이스 스테이션으로의 전달을 담당한다.
• 표준 WSN 파arameter를 사용하여 NS-2 네트워크 시뮬레이터를 통해 메커니즘이 구현되고 평가된다.

실험 결과

연구 질문

• RQ1 잔류 에너지를 기반으로 한 동적 클러스터 헤드 선출은 WSNs의 네트워크 수명에 어떤 영향을 미치는가?
• RQ2 에너지 인지 클러스터 헤드 선택은 센서 노드 간의 에너지 불균형을 줄일 수 있는가?
• RQ3 잔류 에너지 기반 선출은 데이터 전송 효율성과 네트워크 확장성에 어떤 영향을 미치는가?
• RQ4 제안된 DCHNE 모델은 에너지 소비 측면에서 정적 또는 무작위 클러스터 헤드 선출보다 어떻게 비교되는가?
• RQ5 DCHNE 모델은 네트워크 전반에 걸쳐 에너지 사용을 얼마나 잘 균형 잡는가?

주요 결과

• 기존의 클러스터링 접근 방식에 비해 DCHNE 모델은 네트워크 수명을 크게 연장한다.
• 잔류 에너지 기반의 동적 선택으로 인해 센서 노드 간 에너지 소비가 더 균형 잡힌다.
• 시뮬레이션 결과는 향상된 데이터 전달 비율과 클러스터 헤드의 에너지 고갈 감소를 입증한다.
• 시간이 지남에 따라 네트워크의 안정 기간이 길어지고 사망한 노드의 수가 감소한다.
• 저에너지 노드가 클러스터 헤드로 과도하게 사용되는 것을 방지함으로써 에너지 홀을 줄인다.
• 동적 선출 메커니즘이 대규모 WSN 구현에서의 확장성과 적응성 향상에 기여한다.