Sıkıştırılmış algılamanın kablosuz algılayıcı ağların enerji tüketimi ve yaşam süresi üzerindeki etkinliğinin incelenmesi

Abstract

Kablosuz Algılayıcı Ağlar (KAA) çeşitli fiziksel olayların ölçümünü yaparak ortam ve durum gözetleme amacıyla sivil, askeri birçok uygulamada kullanılmaktadır. KAA kısıtlı enerjiye sahip ölçüm yapan algılayıcı düğümlerden ve ölçümlerin toplandığı en az bir baz istasyonundan oluşur. KAA yaşam sürelerini artırmak, algılayıcı düğümü alt-sistemlerinde haberleşme ve hesaplama işlemlerini gerçekleştirmek için harcanan enerjiyle doğrudan ilişkilidir. Sıkıştırılmış Algılama (CS) kuramı, ölçülen fiziksel sinyal eğer seyrekse, sinyalin klasik sinyal geri oluşturma yöntemlerine göre daha az sayıda rastgele doğrusal ölçümlerle geri oluşturulabildiğini öne sürer. Bu önerinin, algılayıcı düğüm enerji tüketimi ve dolayısıyla ağ yaşam süresinin artırılması üzerinde etkileri vardır. Bu tezde, CS tabanlı yöntemin ölçme, veri işleme ve haberleşme işlemleri üzerindeki etkileri klasik sinyal işleme yaklaşımları ile karşılaştırılarak incelenmiştir. İlk aşamada, CS eniyileme problemini çözen yinelemeli algoritmalar incelenmiştir ve algoritmaların sinyali doğru geri oluşturma temelinde birbirleri üzerindeki başarımları benzetimlerle gösterilmiştir. Daha sonra, CS tabanlı yöntem ile klasik sinyal geri oluşturma yöntemlerinin enerji tüketim modelleri oluşturularak, veri akış eniyilemesi temelinde Karışık Tamsayılı Programlama (MIP) ile CS yönteminin KAA yaşam süresi üzerindeki etkinliği incelenmiştir. Parametre uzayı (seyreklik seviyesi, ağ yarıçapı, algılayıcı düğüm sayısı) üzerinde farklı durumlar için nümerik analizler gerçekleştirilmiştir. Nümerik analiz sonuçlarına göre, yeterince seyrek sinyaller için ve ağ yarıçapının küçük olduğu uygulamalarda CS enerji etkinliği sağlayarak ağ yaşam süresini artırmaktadır.

Wireless Sensor Networks (WSN) are used in many applications by the measurement of physical phenomena in order to monitoring the environment and the status of many civil and military applications. WSN consist a number of energy-limited measuring sensor nodes and at least one base station. Improving the lifetime of WSN is directly related with the energy efficiency of computation and communication operations in the sensor nodes. The Compressive Sensing (CS) theory suggests a new way of sensing the signal through linear measurements possibly needing much less number of measurements compared to the conventional cases if the underlying signal is sparse. This result definitely has implications on WSN energy efficiency and prolonging network lifetime. In this study the effects of acquiring, processing, and communicating CS based measurements on WSN lifetime are analyzed in comparison to conventional approaches. Firstly, some of the iterative signal recovery algorithms alternative for solving the CS problem are investigated and performances on each other based on true reconstruction rates are examined. Then, energy dissipation models for both CS and conventional approaches are built and used to construct a Mixed Integer Programming (MIP) framework that jointly captures the energy costs for computation and communication operations. Numerical analyses are performed by systematically sampling the parameter space (i.e., sparsity levels, network radius, and number of nodes). Our results show that CS prolongs network lifetime for sparse enough signals and is more advantageous for smaller network radii.