Improvement of energy efficient in low power wireless sensor networks

Abstract

Kablosuz Algılayıcı Ağlar (KAA), birbirleriyle bağlantısı olan ve işbirliği içinde çalışan birçok sensörden oluşur, bu sensör düğümleri dağıtım alanından veri gönderip alabilir. Son on yılarda KAA, araştırmacılar arasındaki temel araştırma kavramlarından biridir. Teknolojinin ve internetin yayılmasıyla birlikte, kablosuz algılayıcı ağlar günlük yaşamda giderek daha görünür hale geliyor. Algılayıcı düğümlerinin bazı kısıtlamaları vardır, örneğin, algılayıcı düğümleri sınırlı hafızaya, bataryaya, aralığa sahiptir. Günümüzde bazı kısıtlamaları çözecek çok araştırma var, diğer taraftan, sensör düğümlerinin dağitimi kolay, düğümlerin hareketliliği, düğüm sorunlarıyla başa çıkma yeteneği (esneklik), kullanım kolaylığı ve sert çevresel koşullara dayanma yeteneği gibi bazı avantajları var. Bu tezde, kablosuz algılayıcı ağların enerji tüketimini azaltmaya odaklandık. Bu konsept aslında yönlendirme algoritmaları, veri toplama ve kablosuz sensör ağlarında dağıtım ile ilgilidir. Kablosuz algılayıcı ağlarında enerji verimliliği sağlayan birçok algoritma vardır. Bu tezde önerilen yöntemler, aşağıdaki gibi belirtmektedir:Bu çalışmanın ilk önerilen yöntemi kümeleme için yeni bir yöntemdir. Kümeleme yöntemleri enerji tüketimini arttırır. Protokol, aşağıdaki gibi optimum küme başı (HEEL) seçmek için dört parametre olarak önerildi; düğümün enerjisi, düğümün enerjisi, baz istasyonuna atlama büyüklüğü, komşu sayısı enerji verimliliği sağlamak için kullanılmaktadır.İkinci yöntem, sanal kümelerle iki kez küme başını seçmesini sağlayan heterojen algılayıcı ağlarında önerdildi (EEHRSN). Bu ağda, farklı tipte sensör düğümleri vardır. EEHRSN'de üç tip algılayıcı düğümü vardır; normal düğüm, gelişmiş düğüm ve süper düğüm. Bu düğümtipleri enerji seviyesi ve aktarım aralığında farklılık gösterir.Üçüncü yöntem, HEEL algoritmasını üç metaheuristik algoritma ile geliştirmiştir. Metaheuristik algoritmalar GWO, I-GWO ve Ex-GWO'dur. Geliştirilmiş HEEL algoritması (I-HEEL) iki basamağa sahiptir, ilk adım GWO, I-GWO ve Ex-GWO tarafından katsayıları günceller. İkinci adım, optimum küme kafalarını seçer. Protokolün asıl amacı enerji verimliliğine ulaşmaktır.Dördüncü yöntem metaheuristik algoritmalar tarafından yeni bir yönlendirme algoritması önermiştir. Bu yöntem, iki metaheuristik algoritma (I-GWO ve Ex-GWO) tarafından uygulanan enerji verimli bir yönlendirme algoritmasıdır. Her algılayıcı düğümüne odaklanan algoritma, kaynak ve hedef arasında en uygun yolu bulmak için enerji, mesafe, atlama boyutu gibi özelliklere sahiptir.Son yöntem, KAA'lar için yönlendirme algoritmasında yeni bir enerji verimli yöntem olan modifiye karınca kolonisi optimizasyonunu (KKO) önermiştir. Bu protokol, enerji tüketimini azaltmak amacıyla toplanmış verileri baz istasyonuna aktarmaya çalışır. Bu protokolde, KKO'nun değiştirilmiş versiyonu da önerilmiştir. Önerilen yönteme ilişkin simülasyon sonuçları, kaynakların ağda verimliliği tükettiğini ıspat etmiştir.Bu çalışmada önerilen tüm yöntemler MATLAB'de simüle edilmiştir. Ayrıca, giriş konfigürasyonu tüm karşılaştırma algoritmaları için de aynıdır. Tüm algoritmalar, kalan enerji, ağ ömrü ve verimlilik gibi metrik parametrelerle değerlendirilmiştir.

Wireless Sensor Networks (WSN) consists of many sensors that have connectivity with each other and run cooperatively, these sensor nodes can send and receive data from in the deployment area. WSN in the last decade's one of the main research concepts between researchers. With the spread of technology and the internet, wireless sensor networks are becoming increasingly visible in everyday life. Sensor nodes have some constraints, for instance, sensor nodes have limited memory, battery, range. Today, there is much research to solve some constraints, on other hand, sensor nodes have some advantages like easy to deploy, some mobility of nodes, ability to cope with node failures (resilience), ease of use and ability to withstand harsh environmental conditions. In this thesis, we have focused on improving the energy consumption of wireless sensor networks. This concept actually is related to routing algorithms, data aggregation, and deployment in wireless sensor networks. Many algorithms present energy efficiency in wireless sensor networks. The proposed methods in this thesis, outlines in bellow:The first proposed method of this study is a new method for clustering. The clustering methods increase energy consumption. The protocol considered four parameters to select optimal cluster head (HEEL) such as; node's energy, node's neighbors' energy, hop size to the base station, node links to neighbors to achieve energy efficiency.The second method proposed cluster selection in heterogeneous sensor networks with making the virtual grid to select twice the cluster head (EEHRSN). In this type of network, there are different types of sensor nodes. In the EEHRSN, there are three types of sensor nodes such as; normal node, advanced node, and super node. These types of the sensor have a difference in energy level and transmission range.The third method improved the HEEL algorithm by two metaheuristic algorithms. The metaheuristic algorithms are I-GWO and Ex-GWO. Improved HEEL algorithm (I-HEEL) has two steps; the first step updates coefficients by I-GWO and Ex-GWO. The second step selects the optimal cluster heads. The protocol's main major has reached energy efficiency. The fourth method proposed a new routing algorithm by metaheuristic algorithms. This method is an energy-efficient routing algorithm applied by two metaheuristic algorithms (I-GWO and Ex-GWO). The algorithm focused on each sensor node features like energy, distance, hop size to find optimal path between source and destination.The last method proposed modified ant colony optimization (ACO) a new energy-efficient method in the routing algorithm for WSNs. This protocol tries to transfer aggregated data to the base station with the goal of reducing energy consumption. In this protocol, the modified version of the ACO proposed too. The simulation results on the proposed method have claimed that the resources consumed efficiency in the network.All the proposed methods in this study simulated by MATLAB. In addition, the input configuration is the same for all comparison algorithms too. All algorithms evaluated by metric parameters such as residual energy, network lifetime, and throughput.