[论文解读] A Probability Model for Lifetime of Wireless Sensor Networks

Moslem Noori, Masoud Ardakani|ArXiv.org|Sep 28, 2007

Energy Efficient Wireless Sensor Networks参考文献 20被引用 8

一句话总结

本文提出了一种针对随机部署的无线传感器网络（WSNs）寿命的概率模型，采用泊松分组生成模型和能量耗散动力学。推导了网络寿命的互补累积分布函数（ccdf），实现了对给定寿命阈值被达成的概率的精确预测，在单跳和多跳拓扑结构下，大规模网络中误差呈指数衰减，仿真结果验证了该模型的有效性。

ABSTRACT

Considering a wireless sensor network whose nodes are distributed randomly over a given area, a probability model for the network lifetime is provided. Using this model and assuming that packet generation follows a Poisson distribution, an analytical expression for the complementary cumulative density function (ccdf) of the lifetime is obtained. Using this ccdf, one can accurately find the probability that the network achieves a given lifetime. It is also shown that when the number of sensors, $N$, is large, with an error exponentially decaying with $N$, one can predict whether or not a certain lifetime can be achieved. The results of this work are obtained for both multi-hop and single-hop wireless sensor networks and are verified with computer simulation. The approaches of this paper are shown to be applicable to other packet generation models and the effect of the area shape is also investigated.

研究动机与目标

• 基于能量约束和流量模式，将随机部署的WSN寿命建模为一个随机变量。
• 推导在泊松分布分组生成条件下，网络寿命的互补累积分布函数（ccdf）的解析表达式。
• 实现对目标网络寿命被达成的概率的预测，尤其针对大规模网络中误差呈指数衰减的情形。
• 将模型扩展至单跳和多跳网络拓扑结构，并考虑可变发射功率的影响。
• 通过计算机仿真验证模型，并展示其在不同区域形状和流量模型下的适用性。

提出的方法

• 将传感器寿命建模为一个基于初始能量和平均分组生成速率λ的随机变量，假设分组间时间间隔服从指数分布。
• 利用伽马分布表征独立同分布的指数分组间隔之和，从而得到在可传输分组数条件下的伽马分布传感器寿命。
• 利用不完全伽马函数 γ(⌊pᵢ⌋, λτ) / Γ(⌊pᵢ⌋) 推导传感器寿命的条件ccdf，其中 pᵢ = Eᵢ / e(dᵢ) 表示传感器最多可发送的分组数。
• 通过积分传感器的空间分布及其到汇聚节点的距离，计算网络寿命的无条件ccdf。
• 通过引入路由和中继能量开销，将模型扩展至多跳网络，同时保持泊松和伽马分布驱动的寿命分析框架。
• 通过在不同区域形状和网络配置下进行仿真，验证了分析结果的准确性。

实验结果

研究问题

• RQ1 在泊松分布流量和能量约束下，随机部署的WSN实现指定寿命阈值的概率是多少？
• RQ2 随着传感器数量N的增加，网络寿命分布如何变化？预测误差是否随N呈指数衰减？
• RQ3 在相同的能量和流量模型下，单跳和多跳网络拓扑结构如何影响寿命分布？
• RQ4 所提出的模型对区域形状变化和传感器部署随机性的鲁棒性如何？
• RQ5 该模型能否扩展至非泊松流量模型和可调发射功率场景？

主要发现

• 利用伽马分布和不完全伽马函数，精确推导出网络寿命的ccdf，从而可准确计算寿命超过阈值τ的概率。
• 在大规模网络中，估计目标寿命τ是否可达的预测误差随N呈指数衰减，显著提升了可扩展性和准确性。
• 该模型能准确预测单跳和多跳WSN的寿命，仿真结果与分析预测高度一致。
• 该方法可扩展至泊松以外的其他流量模型，如确定性或马氏调制流量，并支持可变发射功率。
• 寿命分布对区域形状和传感器部署随机性敏感，仿真结果在不同几何形状下均与理论预测保持一致。
• 该框架使网络设计者能够设定最优初始能量、节点密度和数据速率，以高置信度实现期望的寿命目标。