[논문 리뷰] 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 Naskar외 1명|arXiv (Cornell University)|2013. 08. 03.

Energy Efficient Wireless Sensor Networks참고 문헌 32인용 수 8

한 줄 요약

이 논문은 무선 센서 네트워크에서 클러스터 헤드 선택을 위한 이중 수준 퍼지 논리 모델을 사용하여 에너지 효율적인 동적 시나리오(EEDS)를 제안한다. 노드 위치 기반 및 네트워크 트래픽 최적화를 통해 에너지 소비를 줄이며, 시뮬레이션 결과에서 기존 방법보다 네트워크 수명과 잔여 에너지를 향상시킨다.

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.

연구 동기 및 목표

• 원거리 모니터링 중 무선 센서 네트워크(WSNs)에서 에너지 불균형과 짧은 네트워크 수명 문제를 해결하기 위해.
• 에너지 소비를 네트워크 전반에 균형 있게 분산시키는 동적 클러스터 헤드 선택 메커니즘을 개발하기 위해.
• 글로벌 및 로컬 수준에서 이중 수준의 퍼지 논리를 통합하여 적응형 에너지 인식 의사결정을 수행하기 위해.
• 총 에너지 소비를 최소화하기 위해 데이터 융합의 비용-편익을 평가하기 위해.
• 최적화된 노드 스케줄링을 통해 네트워크 수명 밀도를 연장하고 잔여 에너지를 향상시키기 위해.

제안 방법

• 이중 수준 퍼지 추론 시스템을 설계함: 글로벌 수준은 클러스터 헤드 선택을 위한 여섯 가지 퍼지 파라미터(예: 잔여 에너지, 기지국까지의 거리)를 평가한다.
• 로컬 수준은 현재 에너지 및 트래픽 부하와 같은 즉각적인 노드 조건을 바탕으로 결정을 보완한다.
• 원천과 목적지 노드 간의 에너지 소비를 추정하기 위한 에너지 계산 알고리즘을 개발한다.
• 에너지 비용-편익 분 析에 기반해 데이터 융합을 적응적으로 활성화 또는 비활성화하여 부정확한 데이터 전송을 줄인다.
• EEDS 모델은 고에너지 소비 노드에서 저에너지 노드로 스케줄링을 동적으로 이관하여 네트워크 운영 시간을 연장한다.
• 시뮬레이션을 통해 네트워크 수명과 잔여 에너지 등의 지표를 사용해 EEDS를 기준 방법과 비교한다.

실험 결과

연구 질문

• RQ1 무선 센서 네트워크(WSNs)에서 에너지 소비를 균형 있게 분산시키고 네트워크 수명을 연장하기 위해 클러스터 헤드 선택을 어떻게 최적화할 수 있는가?
• RQ2 에너지 효율적인 클러스터 헤드를 결정하는 데 가장 효과적인 퍼지 파라미터는 무엇인가?
• RQ3 적응형 데이터 융합은 클러스터 기반 WSNs에서 총 에너지 소비에 어떤 영향을 미치는가?
• RQ4 이중 수준 퍼지 논리 모델은 단일 수준 또는 비퍼지 접근 방식에 비해 네트워크 성능을 얼마나 향상시키는가?
• RQ5 동적 노드 스케줄링은 잔여 에너지와 네트워크 수명 밀도에 어떤 영향을 미치는가?

주요 결과

• EEDS는 다중 파라미터 퍼지 논리 기반의 클러스터 헤드 선택 최적화를 통해 네트워크 수명을 크게 연장한다.
• 이중 수준 퍼지 모델은 기존 방법에 비해 노드 간의 더 나은 잔여 에너지 분포를 달성한다.
• 시뮬레이션 결과는 EEDS가 네트워크 수명 밀도 측면에서 기존 접근 방식을 능가함을 확인한다.
• 적응형 데이터 융합은 부정확한 전송을 줄여 총 에너지 소비를 감소시킨다.
• 글로벌 수준의 퍼지 평가가 여섯 가지 핵심 파라미터를 통합함으로써 추론 시스템 성능을 향상시킨다.
• 제안된 모델은 높은 에너지 효율성으로 인해 원거리 모니터링 시나리오에서 뛰어난 강건성을 보여준다.