BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Thị Thanh Nga NÂNG CAO HIỆU QUẢ TRUYỀN DỮ LIỆU TRONG MẠNG CẢM BIẾN KHÔNG DÂY DỰA TRÊN TƯƠNG QUAN DỮ LIỆU Ngành: Kỹ thuật Máy tính Mã số: 9480106 TĨM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT MÁY TÍNH Hà Nội – 2018 Cơng trình hoàn thành tại: Trường Đại học Bách khoa Hà Nội Người hướng dẫn khoa học: TS Nguyễn Kim Khánh PGS.TS Ngô Hồng Sơn Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp Trường họp Trường Đại học Bách khoa Hà Nội Vào hồi ……, ngày … tháng … năm …… Có thể tìm hiểu luận án thư viện: Thư viện Tạ Quang Bửu – Trường ĐHBK Hà Nội Thư viện Quốc gia Việt Nam DANH MỤC CÁC CÔNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN Nguyen Thi Thanh Nga, Nguyen Kim Khanh, and Son Ngo Hong "Entropy based correlation clustering for wireless sensor network in multicorrelated regional environment." Electronics, Information, and Communications (ICEIC), 2016 International Conference on IEEE, 2016 Nguyen Thi Thanh Nga, Nguyen Kim Khanh, Ngo Hong Son, and Ngo Quynh Thu “Correlation-based Clustering for Energy Saving in Wireless Sensor Network.” Journal of Science and Technology Technical Universities, No 115 (2016), pp 51-57 Nguyen Thi Thanh Nga, Nguyen Kim Khanh, and Son Ngo Hong “Entropy-based Correlation Clustering for Wireless Sensor Networks in Multi-Correlated Regional Environments.” IEIE Trans on Smart Proc and Comput., vol 5, no 2, (2016), 85-93 Nguyen Thi Thanh Nga, Nguyen Kim Khanh, and Son Ngo Hong "Entropy correlation and its impact on routing with compression in wireless sensor network." Proceedings of the Seventh Symposium on Information and Communication Technology (SoICT) ACM, 2016 Nguyen Thi Thanh Nga, Nguyen Kim Khanh, and Son Ngo Hong, Ngo Lam Trung “Entropy Correlation and Its Impacts on Data Aggregation in a Wireless Sensor Network.” Sensors (2018); 18(9):3118 (SCIE).E).E) Nguyen Thi Thanh Nga, Nguyen Kim Khanh, and Son Ngo Hong “Study on Entropy Correlation in Wireless Sensor Networks for Energy Efficiency.” Journal of Science and Technology Technical Universities, No 128 (2018), pp 41-47 Nguyen Thi Thanh Nga, Nguyen Kim Khanh, and Son Ngo Hong “Entropy Correlation based Clustering Method for Representative Data Aggregation in Wireless Sensor Networks.” International Journal of Sensor Networks, 2018, Vol.28 No.4, pp.270 – 283 MỞ ĐẦU Lý lựa chọn đề tài Mạng cảm biến không dây (WSN) tập lợp nút cảm biến liên kết với để giám sát môi trường, kiện xung quanh không gian vật lý rộng Các tiến việc tích hợp hệ thống vi điện tử phát triển nhanh chóng truyền thông không dây cho phép WSN ngày triển khai cách rộng rãi Các nút cảm biến WSN trang bị nhiều chức cảm biến khác với lực xử lý ngày cao cho phép WSN đáp ứng yêu cầu khác từ nhiều ứng dụng đại Do tính chất WSN giá thành rẻ, kích thước nhỏ khơng thể thay nguồn lượng cấp cho nút cảm biến, vấn đề tiết kiệm lượng thách thức lớn việc thiết kế vận hành mạng cảm biến khơng dây Trong ứng dụng điển hình WSN, cảm biến triển khai cách dày đặc khơng gian giám sát để đảm bảo tính xác kết giám sát Điều dẫn tới việc có nhiều cảm biến thu thập thơng tin kiện Nói cách khác, liệu thu từ cảm biến có tính tương đồng, hay cách tổng quát liệu có tính chất tương quan với Việc tồn đặc tính tương quan đem lại nhiều lợi cho việc phát triển giao thức truyền thông hiệu cho WSN Từ lý trên, tác giả lựa chọn đề tài nghiên cứu “Nâng cao hiệu truyền liệu mạng cảm biến không dây dựa tương quan liệu” với mục tiêu khám phá khai thác tính chất tương quan WSN góc độ tiết kiệm lượng Đề tài hi vọng có ứng dụng rộng rãi tính chất tương quan phổ biến môi trường mà WSN triển khai thực tế Đặc biệt nghiên cứu có hữu dụng với mạng cảm biến không dây đa phương tiện, mạng cảm biến không dây mà mức độ tương quan cao liệu truyền lớn Mục tiêu nội dung đề tài Các nghiên cứu trước vấn đề tương quan mạng cảm biến không dây thường tập trung vào tính tương quan phụ thuộc vào khoảng cách Giả thiết không tổng quát số trường hợp khơng nút cảm biến gần bị ngăn cách rào cản vật lý Do mục tiêu nghiên cứu đề xuất mơ hình tương quan khơng phụ thuộc vào khoảng cách dựa lý thuyết tương quan entropy để mơ tả tính chất tương quan WSN Từ mơ hình tương quan này, ảnh hưởng tính chất tương quan tới số chế kết tập liệu nén liệu hay nút đại diện phân tích đánh giá Thêm vào đó, giao thức định tuyến tiết kiệm lượng với kết tập liệu dựa vào tính tương quan xây dựng Nhiệm vụ nghiên cứu luận án Để đạt mục tiêu nghiên cứu, luận án cần phải giải nhiệm vụ sau: Đề xuất phương pháp đánh giá joint entropy cho tập liệu Xây dựng định nghĩa vùng tương quan dựa vào liệu cảm biến đo xây dựng thuật tốn phân nhóm tương quan entropy Phân tích ảnh hưởng tương quan entropy tới chế kết tập liệu nén liệu nút đại diện WSN Xây dựng giao thức định tuyến với kết tập liệu dựa vào tính tương quan Đối tượng phạm vi nghiên cứu luận án Đối tượng luận án mạng cảm biến khơng dây hoạt động mơi trường có độ tương quan cao, nghĩa liệu thu thập nhóm cảm biến có tính tương đồng/tương quan với Phạm vi nghiên cứu luận án nhận biết tính chất tương quan ứng dụng đặc tính tương quan mơi trường để phát triển giao thức định tuyến lượng Cụ thể, đối tượng phạm vi nghiên cứu cho nhiệm vụ bao gồm: - Với nhiệm vụ 1: Lý thuyết entropy sử dụng để xem xét tính chất tương quan Xây dựng cách thức đánh giá joint entropy sử dụng giá trị entropy nút hệ số tương quan entropy hai nút Tính chất tương quan nhận biết dựa thuộc tính giá trị joint entropy nhóm liệu Dữ liệu thực tế sử dụng để xác thực tính xác phương pháp đề xuất - Với nhiệm vụ 2: Để khai thác đặc tính tương quan mơi trường, hai chế kết tập liệu bao gồm nén liệu nút đại diện xem xét phân tích sử dụng mơ hình tương quan đề xuất nhiệm vụ Cơ chế nén liệu xem xét với cấu trúc mạng kiểu 1D 2D, nén dọc đường truyền nút trưởng nhóm nén nút trưởng nhóm Cơ chế nút đại diện xem xét với việc sử dụng hàm méo entropy - Với nhiệm vụ 3: Dựa kết phân tích đánh giá nhiệm vụ 2, giao thức định tuyến sử dụng kết tập liệu dựa tương quan entropy xây dựng với mục tiêu tiết kiệm lượng Cấu trúc hoạt động giáo thức mô tả khả tiết kiệm lượng giao thức đánh giá Ý nghĩa khoa học thực tiễn luận án Luận án đề xuất định nghĩa vùng tương quan từ xây dựng thuật tốn gom nhóm tương quan thực cách đơn giản thực tế Thêm vào đó, mơ hình tương quan không phụ thuộc vào khoảng cách đề xuất luận án sử dụng nghiên cứu khác tính tương quan Luận án xây dựng giao thức tiết kiệm lượng sử dụng đặc tính tương quan Giao thức cho phép kéo dài thời gian hoạt động mạng đảm bảo độ xác liệu theo yêu cầu Phương pháp nghiên cứu luận án Luận án kết hợp song song phương pháp nghiên cứu lý thuyết phương pháp nghiên cứu thực nghiệm Về lý thuyết: luận án sử dụng lý thuyết entropy khái niệm tương quan entropy để xây dựng mô hình tương quan, vùng tương quan thuật tốn phân nhóm tương quan Luận án phát triển giao thức định tuyến cho WSN Tất kết chứng minh tính đắn thơng qua cơng cụ toán học Về thực nghiệm: tất kết lý thuyết xác thực với liệu thực tế Các sai khác điều kiện thực tế giả thiết lý thuyết xem xét hiệu chỉnh Thêm vào đó, mơ máy tính tiến hành để đánh giá khả tiết kiệm lượng giao thức định tuyến đề xuất Kết nghiên cứu, đóng góp luận án Các kết đóng góp luận án bao gồm: Xây dựng thuật toán phân nhóm tương quan entropy xây dựng mơ hình tương quan entropy để mơ tả tính chất tương quan nhóm tương quan Phân tích đánh giá ảnh hưởng tương quan entropy tới chế kết tập liệu nén liệu nút đại diện Xây dựng giao thức định tuyến với kết tập liệu dựa tương quan entropy Giao thức cho phép khai thác đặc tính tương quan môi trường mạng cảm biến không dây làm việc Nội dung luận án Nội dung luận án trình bày chương bao gồm: Chương 1: Giới thiệu tổng quan Chương trình bày giới thiệu WSN, chế tiết kiệm lượng vấn đề tương quan liệu WSN Các đóng góp luận án đề cập chương Chương 2: Vấn đề tương quan mạng cảm biến khơng dây Trong chương này, mơ hình tương quan mạng cảm biến không dây khảo sát Vấn đề tương quan góc độ lý thuyết entropy thông tin xem xét ý tưởng để thiết lập mơ hình tương quan mơ tả Chương 3: Phân nhóm tương quan entropy Trong chương này, đầu tiên, lý thuyết entropy đề cập Sau phương pháp đánh giá xấp xỉ joint entropy xây dựng Từ đánh giá xấp xỉ này, định nghĩa vùng tương quan thuật tốn phân nhóm tương quan xây dựng Q trình xác thực tính đắn đề xuất thực chương Chapter 4: Kết tập liệu dựa tương quan entropy Chương trình bày phân tích đánh giá ảnh hưởng tương quan entropy tới kết tập liệu kiểu nén liệu kiểu nút đại diện Chapter 5: Giao thức kết tập liệu dựa tương quan entropy (ECODA) Chương xây dựng chi tiết giao thức ECODA sử dụng thuật tốn phân nhóm tương quan chương các chế kết tập liệu chương Các mô tiến hành chương Chapter 6: Kết luận kiến nghị Chương tổng kết kết đạt được, giới hạn hướng nghiên cứu luận án GIỚI THIỆU TỔNG QUAN 1.1 Tổng quan 1.2 Vấn đề tiết kiệm lượng mạng cảm biến không dây 1.2.1 Tối ưu thông số radio 1.2.2 Các chế thức/ngủ 1.2.3 Định tuyến tiết kiệm lượng 1.2.4 Giảm liệu truyền 1.2.5 Các giải pháp nạp lượng 1.3 Tương quan liệu vấn đề tiết kiệm lượng mạng cảm biến khơng dây Tính chất tương quan đem lại nhiều thuận lợi cho việc xây dựng giao thức tiết kiệm lượng mạng cảm biến khơng dây Ví dụ tương quan cao, liệu vùng tương quan nén với tỉ số nén cao Do lượng liệu gửi giảm thiểu Thậm chí trường hợp tương quan đủ cao, ta phải sử dụng số nút đại diện để thu thập thơng tin Các nút khác nghỉ để tiết kiệm lượng mà đảm bảo độ xác, tin cậy thơng tin thu thập Điều cho thấy tính chất tương quan cho phép giảm thiểu lượng liệu truyền, giúp tiết kiệm lượng tiêu thụ mạng cảm biến không dây cách đáng kể 1.4 Các vấn đề nghiên cứu đóng góp luận án Vấn đề đặt cho luận án làm để nhận biết tương quan liệu mà xem xét giá trị thân liệu đó, làm thể để khai thác tính chất tương quan cho mục tiêu tiết kiệm lượng mạng cảm biến khơng dây Các đóng góp bao gồm: • Xây dựng thuật tốn phân nhóm vùng tương quan entropy mơ hình tương quan entropy mơ tả tính chất tương quan nhóm tương quan • Phân tích đánh giá chế kết tập kiểu nén liệu kiểu nút đại diện sử dụng mô hình tương quan đề xuất • Xây dựng giao thức định tuyến với kết tập liệu dựa tương quan entropy TƯƠNG QUAN TRONG MẠNG CẢM BIẾN KHÔNG DÂY 2.1 Khảo sát mơ hình tương quan Để khai thác tính tương quan WSN, ta cần phải nhận biết tương quan liệu thu thập nút mạng cách thiết lập mơ hình tương quan Có nhiều nghiên cứu tập trung cào nghiên cứu mơ hình tương quan WSNs Trong (Vuran, Akan, & Akyildiz, 2004), nút tương quan giả thiết nút giám sát nguồn liệu đo nút tổng liệu tương quan với nguồn nhiễu đo Mơ hình tương quan hàm hiệp phương sai 𝐾𝜗 (hoặc hệ số tương quan ) chọn hàm phụ thuộc vào khoảng cách Có nhóm hàm xem xét dạng cầu, hàm mũ, hàm tỉ lệ bậc hàm Matern Một số nghiên cứu khác xây dựng mơ hình tương quan hệ số tương quan hàm khoảng cách nút (Shakya, Singh, & Verma, 2013), (von Rickenbach & Wattenhofer, 2004) Nhược điểm mơ hình xem xét đến mối tương quan tuyến tính phụ thuộc vào khoảng cách Một số nghiên cứu khác xem xét tính tương quan tương đồng liệu (C Liu, Wu, & Pei, 2007), (Peng, Tsai, & Lee, 2008), (Z Liu, Xing, Zeng, Wang, & Lu, 2013) Một số nghiên cứu khác định nghĩa mơ hình tương quan theo số cách khác mơ hình dự đốn tuyến tính (Gupta, Navda, Das, & Chowdhary, 2008), trọng số nút (Ma, Guo, Tian, & Ghanem, 2011), độ tương quan mật độ liệu (Yuan et al., 2014) Cũng giống mô phương pháp đề cập trước, mơ hình xem xét tương quan tuyến tính phụ thuộc vào khoảng cách Để xây dựng mơ hình tổng qt mơ hình tương quan tuyến tính, mơ hình tương quan entropy xem xét (R Dai & Akyildiz, 2009; Long, Liu, Fan, Dick, & Yang, 2009; Pattem, Krishnamachari, & Govindan, 2008; F Wang, Wu, Wang, & Hu, 2016) Tuy nhiên mơ hình mơ hình phụ thuộc vào khoảng cách Hầu hết mơ hình nghiên cứu phụ thuộc vào khoảng cách nút Khoảng cách nhỏ, độ tương quan cao Tuy nhiên, giả thiết số rào cản vật lý làm cho nút gần có liệu khơng tương quan Do cần phải thiết lập mơ hình tương quan khơng phụ thuộc vào khoảng cách Điều khẳng định (Dang et al., 2007) Do ta cần nhìn sâu vào bên thân liệu xem xét thuộc tính mơ tả liệu khoảng cách hay thời gian Luận án sử dụng lý thuyết entropy thơng tin để khám phá tính chất tương quan dựa giá trị liệu 2.2 Lý thuyết entropy thông tin 2.2.1 Tổng quan 2.2.2 Khái niệm entropy 2.2.3 Joint entropy 2.3 Sự tương quan entropy 2.3.1 Sự tương quan hai biến 2.3.1.1 Tương hỗ thông tin 2.3.1.2 Hệ số tương quan entropy 2.3.2 Sự tương quan nhiều hai biến Theo lý thuyết entropy thơng tin, biến nhóm tương quan với cao giá trị joint entropy nhóm biến khác biệt so với tổng giá trị entropy biến Tuy nhiên việc sử dụng so sánh để nhận biết tính tương quan Thay vào ta xem xét tăng lên joint entropy nhóm có biến thêm vào nhóm Nếu biến tương cao cao với biến nhóm giá trị joint entropy tăng lên lượng nhỏ Do đó, ta xem xét mối liên hệ giá trị joint entropy số lượng biến nhóm, ta thấy tốc độ tăng joint entropy giảm dần tiệm cận số lượng nút tăng lên Nói cách khác, giá trị joint entropy tiến đến trạng thái “bão hòa” số biến tăng lên Độ tương quan cao joint entropy tiến đến trạng thái bão hòa nhanh 2.4 Kết luận Trong chương ta khảo sát mơ hình tương quan WSN Các mơ hình dựa lý thuyết xác suất thống kê kinh điển mô tả quan hệ tương quan tuyến tính Lý thuyết entropy thơng tin cho phép mơ tả quan hệ tương quan cách tổng qt Hầu hết mơ hình tương quan phụ thuộc vào thông tin khoảng cách Tuy nhiên, cần phải nhìn vào giá trị liệu để xem xét Và mối gian hệ giá trị joint entropy số lượng biến nhóm sử dụng để nhận biết tính tương quan PHÂN NHÓM TƯƠNG QUAN ENTROPY 3.1 Đánh giá joint entropy 3.1.1 Xác định giới hạn joint entropy Với nhóm có nút, joint entropy nhóm entropy nút đó: (3.3) 𝐻1 = 𝐻(𝑋𝑖 ) ≤ 𝑘1 𝐻𝑚𝑎𝑥 k1 =1 Với nhóm gồm nút, Xi and Xj, từ định nghĩa hệ số tương quan entropy ta có: nhóm nút xác định Thêm vào giá trị joint entropy nhóm nút hình thành từ 11 nút tính tốn để so sánh với giá trị giới hạn giới hạn Kết trình bày bảng 3.3 hình 3.3 Có thể thấy giá trị joint entropy thực tế nằm giá trị giới hạn giới hạn Ví dụ chứng thực tính đắn phương pháp đề xuất 3.2 Vùng tương quan thuật tốn phân nhóm tương quan 3.2.1 Đánh giá joint entropy tương quan Hình 3.4 mối quan hệ giá trị đánh giá joint entropy theo số lượng nút nhóm với trường hợp hệ số tương quan entropy khác Khi hệ số tương quan joint entropy đủ lớn, giá trị đánh giá joint entropy có tính chất tương tự giá trị joint entropy thực tế nhóm tương quan Đó joint entropy tăng dần đến giá trị “bão hòa” số lượng nút tăng Tốc độ tiếp cận giá trị bão hòa cao, độ tương quan nút lớn Từ ta kết luận rằng: • Có thể chấp nhận việc sử dụng giá trị giới hạn trên/dưới joint entropy để đánh giá joint entropy nhóm tương quan chúng có tính chất tiến đến “bão hòa” tăng số lượng nút giống • Hệ số tương quan cặp nút nhóm đại diện cho mức độ tương quan nhóm Trong luận án ta sử dụng hàm giới hạn Hình 3.5 cho thấy so sánh giá trị giới hạn giá trị joint entropy thực tế tập liệu Hai đường có đặc tính tương tự nhóm tương quan Sự khác giá trị khác giá trị entropy hệ số tương quan entropy nút liệu thực tế 3.2.2 Định nghĩa vùng tương quan Định nghĩa 2: Một nhóm m nút {𝑋1 , 𝑋2 , … , 𝑋𝑚 } gọi vùng tương quan với mức tương quan 𝜌0 giá trị entropy tất 10 nút nằm dải thay đổi nhỏ hệ số tương quan entropy cặp nút lớn 𝜌0 • 𝐻0 − ∆𝐻 ≤ 𝐻(𝑋1 ), 𝐻(𝑋2 ), … , 𝐻(𝑋𝑚 ) ≤ 𝐻0 • 𝜌0 ≤ 𝜌𝑖𝑗 = 𝜌(𝑋𝑖 , 𝑋𝑗 ),  𝑖  𝑗 H dải thay đổi entropy, H0 gọi giá trị entropy 𝜌0 mức tương quan Nếu 𝜌0 ≥ 0.5 ta gọi vùng tương quan cao Với định nghĩa này, đánh giá joint entropy nhóm m nút {𝑋1 , 𝑋2 , … , 𝑋𝑚 } phương trình sau: (3.20) 𝐻𝑚 = 𝐻(𝑋1 , 𝑋2 , … , 𝑋𝑚 ) = 𝑘𝑚 𝐻0 km tính (3.8) với b=2-0 Phương trình mơ hình tương quan entropy đề xuất Với định nghĩa ta cần phải làm rõ việc xác định giá trị dải thay đổi entropy Trong luận án này, chọn sai số tối đa giá trị joint entropy thực tế giá trị đánh giá e = 85% Δ𝐻 ≤ 15%𝐻0 3.2.3 Thuật tốn phân nhóm tương quan Thuật tốn phân nhóm tương quan mơ tả hình 3.6 11 3.2.4 Xác thực thuật tốn Để kiểm tra tính tương quan, đạo hàm hàm joint entropy theo số nút nhóm tính tốn biểu diễn hình 3.8 Có thể thấy đường đạo hàm có hình dáng tính chất tương đồng Chúng giảm dần số lượng nút tăng Điều đoc có nghĩa giá trị joint entropy tiến tới “bão hòa” số lượng nút tăng Tính chất tương quan bảo tồn, sử dụng mơ hình tương quan entropy (3.20) để đánh giá joint entropy nhóm tương quan thiết lập từ định nghĩa vùng tương quan đề xuất Thêm vào đó, ta đánh giá độ phức tạp thuật tốn phân nhóm tương quan đề xuất Có thể thấy rõ độ phức tạp thuật toán đề xuất O(n3) nhỏ nhiều so với O(2n) độ phức tạp việc phân nhóm dựa vào tính tốn trực tiếp joint entropy 3.3 Kết luận Trong chương ta đề xuất định nghĩa vùng tương quan xây dựng thuật tốn phân nhóm tương quan Các đề xuất cho phép nhận biết nhóm tương quan tập liệu mà sử dụng giá trị entropy liệu đơn lẻ hệ số tương quan entropy cặp liệu Mơ hình hồn tồn khơng phụ thuộc vào thơng tin vị trí nên khắc phục vấn đề mơ hình trước có tính tổng quát Độ phức tạp thuật toán O(n3), thực cách đơn giản với khối lượng tính tốn Hơn chúng tơi xây dựng mơ hình tương quan entropy để đánh giá joint entropy nhóm tương quan Hệ số tương quan entropy thơng số thể độ tương quan nhóm 12 KẾT TẬP DỮ LIỆU DỰA TRÊN TƯƠNG QUAN ENTROPY 4.1 Kết tập liệu kiểu nén 4.1.1 So sánh chế nén Trong luận án này, để lựa chọn phương pháp nén khơng liệu thích hợp nhất, tương tự (Pattem et al., 2008), ta đánh giá ba chế định tuyến nén DSC (Pradhan & Ramchandran, 2003), RDC (Intanagonwiwat, Estrin, Govindan, & Heidemann, 2002; Pattem et al., 2008), CDR (Scaglione & Servetto, 2002) Hình 4.2 cho thấy lượng tiêu thụ ứng với chế DSC, DRC CDR thay đổi theo hệ số tương quan entropy (với n = n1 = 50, H0=1 bit) Có thể thấy rằng, phương pháp DSC CDR thích hợp cho WSN mơi trường tương quan cao Tuy nhiên chế DSC khó thực thi thực tế tính phức tạp nó, chế CDR thực thi cách đơn giản cách sử dụng thuật toán nén cục Do đó, CDR đề xuất sử dụng cho mạng cảm biến không dây với môi trường tương quan cao 4.1.2 Cơ chế định tuyến nén vùng tương quan 4.1.2.1 Phân tích cấu trúc 1-D a Nén dọc đường truyền ngắn tới nút trưởng nhóm Hình 4.4 cho thấy tổng lượng tiêu thụ Es tương ứng với kích thước nhóm khác với giá trị 0 khác (trong trường hợp N = 50, P= 5, H0=1) Có thể thấy trường hợp tương quan cao (0 ≥0.5), giá trị tối ưu kích thước nhóm sopt = N, nghĩa không cần thiết phải phân chia vùng tương quan thành nhóm nhỏ Dữ liệu nén lần lượ từ nút đến nút cuối tới nút trưởng nhóm nhóm Nút trưởng nhóm nén liệu truyền trạm chủ 13 b Chỉ nén nút trưởng nhóm Hình 4.5 cho thấy tổng lượng tiêu thụ Es tương ứng với kích thước nhóm khác với giá trị 0 khác (trong trường hợp N = 50, P= 30, H0=1) Có thể thấy có tồn giá trị tối ưu hai đầu mút (𝑠 ≠ 𝑠 ≠ 𝑁) Tuy nhiên giá trị tối ưu phụ thuộc vào hệ số tương quan Với giá trị tương quan cao (0 ≥ 0.5), giá trị kích thước nhóm tối ưu giản độ tương quan tăng Thêm vào đó, khơng luận văn giá trị tối ưu kích thước nhóm phụ thuộc nhiều vào số lượng bước chuyển tiếp (P) Số lượng bước cao kích thước nhóm lớn 4.1.2.2 Phân tích cấu trúc 2-D a Nén dọc đường truyền ngắn tới nút trưởng nhóm Hình 4.7 cho thấy tổng lượng tiêu thụ Es tương ứng với kích thước nhóm khác với giá trị 0 khác (trong trường hợp n = 72; s = [1, 2, 3, 4, 6, 8, 9, 12, 18, 24, 36, 72]) Có thể thấy trường hợp tương quan cao (0 ≥0.5), giá trị tối ưu kích thước nhóm sopt = n, nghĩa không cần thiết phải phân chia vùng tương quan thành nhóm nhỏ b Chỉ nén nút trưởng nhóm Hình 4.8 cho thấy tổng lượng tiêu thụ Es tương ứng với kích thước nhóm khác với giá trị 0 khác (trong trường hợp n = 72; s = [1, 2, 3, 4, 6, 8, 9, 12, 18, 24, 36, 72]) Có thể thấy có tồn giá trị tối ưu hai đầu mút Trong trường hợp lượng tiêu thụ đạt giá trị lớn s=1 s=n tất nút gửi liệu chưa nén Tuy nhiên giá trị tối ưu phụ thuộc vào hệ số tương quan Giá trị kích thước nhóm tối ưu giản độ tương quan tăng 14 4.1.2.3 Phân tích mơ hình tổng quát a Nén dọc đường truyền ngắn tới nút trưởng nhóm Hình 4.10 cho thấy tổng lượng tiêu thụ tương ứng với kích thước nhóm khác với cá giá trị 0 Có thể thấy kết nhận tương tự phân tích trước Kích thước nhóm tối ưu s = n, nghĩa vùng tương quan nhóm b Chỉ nén nút trưởng nhóm Hình 4.11 cho thấy tổng lượng tiêu thụ tương ứng với kích thước nhóm khác với cá giá trị 0 Có thể thấy kết nhận tương tự phân tích trước Giá trị kích thước nhóm tối ưu khơng phải hai đầu dải giá trị xem xét giá trị tối ưu phụ thuộc vào hệ số tương quan Hệ số tương quan lớn giá trị tối ưu nhỏ 4.1.3 Cơ chế định tuyến tối ưu mạng tương quan Nếu thực nén dọc đường ngắn tới nút trưởng nhóm với mạng có hệ số tương quan cao, tất cá nút vùng tương quan tập hợp thành nhóm mà khơng cần phân chia thành nhóm nhỏ 15 để tối ưu lượng tiêu thụ Nếu thực nén nút trưởng nhóm, tồn giá trị kích thước nhóm tối ưu, nghĩa nhóm tương quan chia thành nhóm nhỏ để tối ưu lượng tiêu thụ Ta dùng phương pháp xem xét giá trị tối ưu trường hợp cụ thể Thêm vào thấy lượng tiêu thụ trường hợp nén nút trưởng nhóm cao so với trường hợp nén dọc đường ngắn tới nút trưởng nhóm 4.2 Kết tập liệu kiểu nút đại diện 4.2.1 Độ méo Độ méo mơ tả phần trăm thơng tin vị hạn chế nguồn thông tin Trong luận án này, ta sử dụng khái niệm độ méo entropy đề xuất (R Dai & Akyildiz, 2009) Độ méo entropy định nghĩa tỉ lệ độ suy giảm thông tin so với tổng lượng thông tin tối đa tính theo cơng thức: 𝐷= 𝐻(𝑋1 , 𝑋2 , … , 𝑋𝑁 ) − 𝐻(𝑋𝑖1 , 𝑋𝑖2 , … , 𝑋𝑖𝑀 ) 𝐻(𝑋1 , 𝑋2 , … , 𝑋𝑁 ) (4.10) 4.2.2 Số lượng nút đại diện Số lượng nút đại diện iM tính theo cơng thức: 𝑖𝑀 = log 𝛽 ( 𝛽(𝛽 − 1)(1 − 𝐷)𝑘𝑁 + 𝛽 ) 2𝛽 − 𝑏 𝜌 𝛽 = =1− 2 (4.15) Mối quan hệ độ méo số lượng nút đại diện tương ứng với hệ số tương quan khác thể hình 4.12 (trong trường hợp N=10) Bảng 4.2 cho biết giá trị số lượng nút đại diện trường hợp độ méo yêu cầu D= 0.1 Với giá giả định sát với thực tế Định nghĩa 2, giá trị số nút đại diện nên tăng lên đơn vị so với tính tốn lý thuyết Việc chỉnh định thực sau khảo sát số trường hợp thực tế để bù lại sai khác tình thực tế giả thuyết lý thuyết, cho phép việc lựa chọn nút đại diện linh hoạt 16 4.2.3 Lựa chọn nút đại diện Sau xác định số nút đại diện, ta cần phải lựa chọn nút đại diện Việc lựa chọn dựa theo tiêu chí khác tối ưu hóa lượng thơng tin nhận được, tối ưu hóa vùng che phủ nút đại diện cân lượng mạng 4.2.4 Xác thực thực tế Bảng 4.8 cho thấy với phương pháp tính tốn xác định nút đại diện đề xuất, độ méo thực tế thỏa mãn độ méo yêu cầu 4.3 Kết luận Với kết tập liệu kiểu nén, ba chế nén phổ biến xem xét chế CDR kết luận phù hợp với WSN có tính tương quan cao Thêm vào đó, với hệ số tương cao cao (0 ≥ 0.5), thực nén dọc đường truyền ngắn tới nút trưởng nhóm vùng tương quan nhóm để tối ưu lượng tiêu thụ Nếu thực nén nút trưởng nhóm, vùng tương quan chia thành nhóm nhỏ để tối ưu lượng Việc xác định kích thước nhóm tối ưu thực đơn giản qua khảo sát với trường hợp cụ thể Với kết tập liệu kiểu nút đại diện, sử dụng mơ hình đánh giá joint entropy, ta thiết lập hàm độ nén Việc xác định số lượng nút 17 đại diện lựa chọn nút đại diện rõ Khuyến nghị nghiên cứu sinh nên chọn nhóm có hệ số tương quan cao (0≥0.5) thay đổi entropy nhỏ (H ≤20%H0) Thêm vào phương án tính tốn số nút đại diện thực tế nên lựa chọn để lựa chọn nút đại diện linh hoạt GIAO THỨC KẾT TẬP DỮ LIỆU DỰA TRÊN TƯƠNG QUAN ENTROPY (ECODA) 5.1 Mơ hình mạng 5.2 Mơ hình truyền sóng radio 5.3 ECODA Trong ECODA, q trình phân nhóm thực trạm trung tâm Tại thời điểm ban đầu, cần 𝑁𝑠 mẫu để tính toán entropy hệ số tương quan entropy Do hoạt động ECODA dduwocwj chia thành hai giai đoạn: giai đoạn thu thập liệu ban đầu giai đoạn hoạt động theo phân nhóm tương quan Trong hai giai đoạn, vòng làm việc bao gồm pha pha thiết lập pha ổn định hình 5.2 5.3.1 Pha thiết lập Trong giai đoạn thu thập liệu ban đầu, ban đầu, trạm trung tâm xác định số lượng nhóm k, tất nút mạng chia thành k vùng địa lý tương đương tương ứng với k nhóm Sau q trình thu thập liệu thực Trong giai đoạn hoạt động theo gom nhóm tương quan, trạm trung tâm có đủ thơng tin va thực thuật tốn phân nhóm tương quan Nhóm trưởng chọn cho tổng bình phương khoảng cách từ nút tới nhóm trưởng nhỏ nhất, lượng nhóm trưởng phải lớn lượng trung bình nhóm Nếu kết tập liệu kiểu nút đại diện chọn, giai đoạn 18 phân nhóm tương quan, trạm trung tâm thực lựa chọn nút đại diện pha Trong hai giai đoạn, sau xác định nút trưởng nhóm nút thành viên, trạm trung tâm thực việc định tuyến từ nút thành viên nút trưởng nhóm Trong luận án này, thuật toán định tuyến tối ưu (Vinh et.al., 2008) sử dụng 5.3.3 Pha ổn định Trong giai đoạn thu thập liệu ban đầu, nút gửi liệu tới nút trung gian/trưởng nhóm nút chuyển tiếp liệu tới nút lớp trạm chủ Trong giai đoạn phân nhóm tương quan, nút trung gian thu thập liệu từ nút khác gửi đến nén với liệu đo gửi đến nút lớp tới nút trưởng nhóm Nút trưởng nhóm thu thập liệu từ nút thành viên, nén gửi liệu trạm chủ 5.4 Mơ ánh giá 5.4.1 Mơ hình mơ Mơ hình lượng (Heinzelman et al., 2002) sử dụng 5.4.1.1 Các thông số mô 5.4.1.2 Thiết lập mơ 5.4.1.3 Tính tốn lượng tiêu hao 5.4.2 Kết mô đánh giá 5.4.2.1 Với trường hợp giao thức định tuyến kiểu nén Từ kết mơ thấy số lượng nhóm tương quan nhỏ hiệu cao cân lượng đảm bảo tốt trường hợp Năng lượng suy giảm tuyến tính nửa đầu thời kỳ tồn mạng Sau tốc độ suy giảm lượng giảm dần Điều giải thích lại nút gần trạm trung tâm, lượng tiêu thụ giảm Từ kết mơ thấy số nhóm tương quan nhỏ tốt Lý số nhóm tương quan nhỏ số nút nhóm lớn Do số nút ngủ lớn (do số nút đại diện không thay đổi) 19 5.4.2.2 Với trường hợp giao thức định tuyến kiểu nút đại diện 5.4.3 So sánh đánh giá 5.4.3.1 Trong trường hợp ECODA với kết tập kiểu nén Có thể thấy giao thức dựa nén tốt giao thức dựa khoảng cách tất thông số trừ thông số thời gian tồn mạng Lý giao thức nén giảm số lượng thông tin truyền nhiều giao thức tối ưu khoảng cách nên tốt Tuy nhiên cuối thời kỳ hoạt động mạng, số nút vùng tương quan khơng nhiều ưu điểm tương quan khơng phát huy tác dụng Khi tối ưu khoảng cách tiết kiệm lượng 20 5.4.3.2 Trong trường hợp ECODA với kết tập kiểu nút đại diện Do chấp nhận mức độ méo định, giao thức kiểu nút đại diện có nhiều nút ngủ để tiết kiệm lượng Do giao thức nút đại diện ln tốt giao thức tối ưu theo khoảng cách Nếu thực thêm chức nén liệu với nút đại diện kết trở nên tốt 5.5 Kết luận Dựa chế kết tập liệu, giao thức ECODA cho mạng cảm biến không dây xây dựng Quá trình hoạt động giao thức chia thành hai giai đoạn giai đoạn thu thập liệu ban đầu giai đoạn hoạt động theo phân nhóm tương quan Giai đoạn thu thập liệu ban đầu xảy thời điểm ban đầu trình hoạt động để thu thập liệu cho việc nhận biết tính chất tương quan mơi trường Giai đoạn giai đoạn với việc phân nhóm tương quan sử dụng chế kết tập liệu Trong giai đoạn, trạm trung tâm thực phân nhóm thiết lập kết nối pha thiết lập Sau đó, pha ổn định, liệu gửi tới trạm trung tâm Trạm trung tâm sử dụng liệu thu để đánh giá lại tính tương quan nút mạng Thêm vào đó, mơ tiến hành với điều kiện mô khác giao thức đề xuất so sánh với giao thức tối ưu dựa vào khoảng cách Mô chi giao thức đề xuất cho kết tốt tiết kiệm cân lượng KẾT LUẬN VÀ KIẾN NGHỊ 6.1 Đóng góp luận án Luận án nghiên cứu tính tương quan mạng cảm biến không dây sử dụng lý thuyết entropy thơng tin Thay xem xét tính tương quan thơng 21 qua thơng tin vị trí nghiên cứu trước, làm việc trực tiếp giá trị liệu thu thập đề xuất phương pháp tiếp cận với vấn đề tương quan Các đống góm luận án bao gồm: • Đề xuất định nghĩa vùng tương quan xây dựng thuật tốn phân nhóm tương quan Mơ hình tương quan entropy để tính tốn joint entropy nhóm tương quan thiết lập • Tính tương quan xem xét thông qua mối quan hệ giá trị joint entropy nhóm số lượng biến nhóm Để nhận biết tương quan, thực đánh giá giá trị joint entropy sử dụng giá trị entropy biến đơn lẻ hệ số tương quan entropy cặp biến Sử dụng đánh giá này, điều kiện để thiết lập nhóm tương quan xây dựng Thêm vào đó, hệ số tương quan entropy dùng để xác định độ tương quan nhóm tương quan • Phân tích đánh giá ảnh hưởng tương quan entropy tới chế kết tập liệu mạng cảm biến khơng dây Sau chế kết tập liệu dựa tương quan xây dựng • Sử dụng mơ hình tương quan liệu, hai chế kết tập liệu bao gồm chế nén chế nút đại điện xem xét - Với chế kết tập liệu kiểu nén, số kiểu định tuyến có nén liệu phân tích đánh giá với cấu trúc mạng 1D 2D Từ góc độ tiết kiệm lượng dễ dàng thực thi, chế CDR với nén dọc đường truyền ngắn từ nút tới nút trưởng nhóm chế thích hợp Thêm vào đó, từ tính tốn lý thuyết, thấy vùng tương quan tương ứng với nhóm để đảm bảo tối ưu lượng - Với chế kết tập liệu kiểu nút đại diện, để lựa chọn nút đại diện cho nhóm tương quan, độ méo entropy sử dụng để xác định mức độ yêu cầu xác liệu nhận Luận án đề xuất phương pháp tính tốn số lượng nút đại diện lựa chọn nút đại diện để đảm bảo đạt độ xác yêu cầu Các đánh giá lý thuyết thực nghiệm kiểm chứng tính đắn phương pháp đề xuất 22 • Phác thảo giao thức định tuyến kết tập liệu dựa tương quan entropy ECODA cho mạng cảm biến không dây hoạt động môi trường tương quan Trong giao thức này, vùng tương quan trở thành nhóm tương quan nhóm trưởng lựa chọn dựa nguyên tắc cân lượng Hai chế kết tập liệu sử dụng giao thức - Với chế nén liệu, liệu truyền nén dọc theo đường tối ưu tới nút trưởng nhóm sử thuật tốn nén Huffman với từ điển mã cố định Do tính chất tương quan mà thực nén với tỉ số cao, giảm lượng liệu truyền nên lượng tiêu tán giảm - Với kết tập liệu kiểu nút đại diện, nút không nút đại diện ngủ để tiết kiệm lượng Kết mô cho thấy giao thức đề xuất hoạt tiết kiệm lượng đảm bảo cân lượng cho mạng cảm biến không dây 6.2 Các hạn chế Luận án xem xét phân bố nút mạng không gian chiều chiều, chưa xem xét không gian chiều Thêm vào đó, giao thức đề xuất cố gắng nhận dạng tính chất tương quan vòng hoạt động trạm trung tâm, luận án chưa phân tích đánh giá ảnh hưởng đổi môi trường tới hoạt động mạng Do thiếu chế phát thay đổi tính tương quan mơi trường chế xử lý có thay đổi Các thí nghiệm với thiết bị hệ thống thực tế chưa tiến hành hạn chế nguồn lực Các liệu thực tế sử dụng luận án liệu mơi trường mà tính tương quan khơng thực bật Luận án sử dụng giả thiết trạm trung tâm biết thơng tin vị trí tất nút mạng Việc đánh giá ảnh hưởng giả thiết chưa xem xét cách chi tiết cẩn thận Giao thức đề xuất chưa triển khai mạng thực tế với môi trường tương quan Thêm vào đó, tác giả thực so sánh giao thức đề xuất với giao thức định tuyến dựa vào khoảng cách Điều làm hạn chế việc đánh giá xác tính hiệu giao thức đề xuất Trong luận án này, việc gom nhóm tương quan dẫn tới hình thành nhóm cố định làm suy giảm hiệu hoạt động 23 mạng Thêm vào đó, tính tốn entropy phân nhóm gây trễ trình hoạt động Tuy nhiên ảnh hưởng chưa đánh giá cách chi tiết 6.3 Các hướng phát triển Hướng phát triển luận án khắc phục nhược điểm đề cập đến Thêm vào đó, việc mở rộng ứng dụng mơ hình tương quan entropy cho lĩnh vực khác liên quan đến tính chất tương quan hướng đầy hứa hẹn Đặc biệt, việc phát triển chế DSC, chế nén có hiệu tối ưu sử dụng mơ hình tương quan đề xuất xem xét Một hướng phát triển khác thu hút quan tâm xây dựng mơ hình tương quan không-thời gian dựa lý thuyết entropy nhằm mục đích tiết kiệm lượng mạng cảm biến không dây 24 ... tương quan liệu WSN Các đóng góp luận án đề cập chương Chương 2: Vấn đề tương quan mạng cảm biến không dây Trong chương này, mô hình tương quan mạng cảm biến khơng dây khảo sát Vấn đề tương quan. .. tập liệu dựa tương quan entropy TƯƠNG QUAN TRONG MẠNG CẢM BIẾN KHƠNG DÂY 2.1 Khảo sát mơ hình tương quan Để khai thác tính tương quan WSN, ta cần phải nhận biết tương quan liệu thu thập nút mạng. .. kết tập liệu dựa vào tính tương quan Đối tượng phạm vi nghiên cứu luận án Đối tượng luận án mạng cảm biến khơng dây hoạt động mơi trường có độ tương quan cao, nghĩa liệu thu thập nhóm cảm biến có