• Các thành viên của E4VN nên đọc ebook bằng máy đọc sách để tránh mỏi mắt, hại mắt. Tham khảo các dòng máy đọc sách nổi tiếng tại https://www.maydocsach.vn Tất cả tài liệu, ebook đều là miễn phí.
    LƯU Ý: SPAM SẼ BỊ KHÓA TÀI KHOẢN NGAY LẬP TỨC, ĐỒNG THỜI CHẶN LUÔN TÊN MIỀN!!!

Đồ Án Nghiên cứu và tích hợp kỹ thuật Compressive Sensing trong mạng cảm biến không dây

#1
TÓM TẮT ĐỒ ÁN 1
ABSTRACT. 2
DANH SÁCH HÌNH VẼ 5
DANH SÁCH CÁC TỪ VIẾT TẮT. 7
MỞ ĐẦU 8
CHƯƠNG I: 10
GIỚI THIỆU VỀ MẠNG CẢM BIẾN KHÔNG DÂY 10
1.1. Tổng quan về mạng cảm biến không dây 10
1.1.1. Lịch sử phát triển. 10
1.1.2. Các đặc trưng của mạng cảm biến không dây. 12
1.1.3. Các ứng dụng của mạng cảm biến không dây. 13
1.1.4. Các mục tiêu khi thiết kế mạng cảm biến không dây. 15
1.1.5. Các thách thức trong việc thiết kế mạng cảm biến không dây. 17
1.2. CÁC CÔNG NGHỆ CƠ SỞ 17
1.2.1. Kỹ thuật MEMs (Micro Electronic Mechanical Systems) 17
1.2.2. Kỹ thuật mạng không dây. 18
1.2.3. Cơ sở phần cứng và phần mềm 19
1.2.4. Các chuẩn của mạng cảm biến không dây. 20
1.3. KIẾN TRÚC MẠNG 22
1.3.1. Cấu trúc các node cảm biến. 22
1.3.2. Các kiểu kiến trúc của mạng. 23
1.4. PHÂN LOẠI MẠNG CẢM BIẾN KHÔNG DÂY 26
1.5. CHỒNG GIAO THỨC CỦA MẠNG CẢM BIẾN KHÔNG DÂY 28
1.5.1. Tầng ứng dụng (Application Layer) 29
1.5.2. Tầng truyền tải (Transport Layer) 29
1.5.3. Tầng mạng (Network Layer) 30
1.5.4. Tầng liên kết dữ liệu (Data Link Layer) 30
1.5.5. Tầng vật lý (Physical Layer) 31
CHƯƠNG II: 33
TỔNG QUAN VỀ COMPRESSIVE SENSING 33
2.1. Tiến trình Compressive sensing 33
2.2. Đặc tính dư thừa của dữ liệu (Sparsity) 37
2.3. Thiết kế ma trận đo (Measurement matrix) 38
2.4. Điều kiện khôi phục lại tín hiệu trong Compressive Sensing 40
2.4.1. Restricted Isometric Property (RIP) 40
2.4.2. Incoherence (Điều kiện độc lập) 41
2.5. Phương pháp khôi phục tín hiệu 41
2.5.1. Thuật toán khôi phục l[SUB]1[/SUB] minimization. 42
2.5.2. Thuật toán khôi phục Orthogonal Matching Pursuit 45
CHƯƠNG III: 47
TIÊU THỤ NĂNG LƯỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY 47
3.1. NĂNG LƯỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY 47
3.1.1. Tiêu thụ năng lượng cho cảm nhận. 47
3.1.2. Năng lượng tiêu thụ do tính toán. 49
3.1.3. Năng lượng tiêu thụ trong quá trình truyền thông tin. 49
3.1.4. So sánh giữa với và . 52
3.2. Compressive Sensing trong cảm biến và tiết kiệm năng lượng 53
CHƯƠNG IV: 56
ỨNG DỤNG KỸ THUẬT COMPRESSIVE SENSING VÀO MẠNG CẢM BIẾN KHÔNG DÂY 56
4.1. GIỚI THIỆU 56
4.2. THU THẬP DỮ LIỆU NÉN (COMPRESSIVE DATA GATHERING) 59
4.2.1. Thu thập dữ liệu. 59
4.2.2. Khôi phục dữ liệu. 61
4.3. TĂNG HIỆU QUẢ ĐO LƯỜNG TRONG CDG 65
4.3.1. CDG trong mạng kiểu chuỗi 66
4.3.2. Mở rộng sang mô hình cây. 69
4.3.3 Khai thác tính thưa của tín hiệu. 70
CHƯƠNG V: Mô phỏng 73
5.1 Giới thiệu về công cụ mô phỏng NS2. 73
5.2. File bám vết trong mô phỏng mạng. 74
5.3. Kịch bản mô phỏng. 74
5.4. Kết quả mô phỏng. 76
5.5. Khôi phục tín hiệu. 78
KẾT LUẬN 81
TÀI LIỆU THAM KHẢO 82

LỜI MỞ ĐẦU
Mạng cảm biến không dây ra đời hội tụ đầy đủ những tiêu chí như quá trình triển khai mạng nhanh, trên mọi địa hình với chi phí rẻ, mạng mang tính di động cao đã đáp ứng nhu cầu thông tin đa dạng, mang tính cập nhật cao và liên lạc mọi lúc mọi nơi của con người. Đồ án được thực hiện với mục đích đem lại những hiểu biết tổng quan về mạng cảm biến không dây, kiến trúc của mạng cấu thành từ các node mạng cảm biến cho tới các giao thức trong mạng và đặc biệt là với những ưu điểm như vậy mạng sẽ được ứng dụng như thế nào trong thực tế. Đồng thời đồ án cũng đem lại những cái nhìn sâu hơn về kỹ thuật Compressive Sensing (CS), ứng dụng kỹ thuật CS trong mạng cảm biến không dây, ý nghĩa quan trọng và sự cần thiết của việc sử dụng năng lượng hiệu quả trong quá trình hoạt động mạng. Từ đó, đưa ra mục đích trọng tâm của đồ án, đó là phát triển một phương thức ứng dụng lý thuyết CS để thu thập dữ liệu cho các mạng cảm biến không dây diện rộng để tiết kiệm năng lượng, kéo dài thời gian sống của mạng mà không cần tới các tính toán chuyên sâu và điều khiển truyền dẫn phức tạp.
Quá trình tìm hiểu, nghiên cứu và thực hiện đề tài đã giúp đưa ra được những kết luận liên quan đến mạng cảm biến không dây và các vấn đề năng lượng trong mạng. Để triển khai thành công một mạng cảm biến diện rộng cần phải đối mặt với hai thách thức lớn: Giảm một cách hiệu quả chi phí liên lạc và vấn đề cân bằng tiêu thụ năng lượng. Đồng thời, quá trình thu phát tín hiệu là nguồn tiêu hao đáng kể năng lượng hoạt động của mạng. Cũng từ những kết quả mà đồ án đã thu được, có thể thấy việc ứng dụng lý thuyết CS để thu thập dữ liệu đóng vai trò quan trọng trong vấn đề tiết kiệm năng lượng và kéo dài thời gian sống của mạng và cần phải được nghiên cứu nhiều hơn nữa trong thời gian tới.

[h=1]CHƯƠNG I:[/h][h=1]GIỚI THIỆU VỀ MẠNG CẢM BIẾN KHÔNG DÂY[/h]Trong chương này, kiến thức cơ bản chung được đề cập liên quan tới tổng thể mạng cảm biến không dây (WSN). Trước hết, WSN được giới thiệu một cách tổng quan nhất về khái niệm cũng như sự hình thành và hướng phát triển của nó trong tương lai. Tiếp theo là sự mô tả về cấu trúc cụ thể của một node cảm biến, tiêu thụ năng lượng của từng thành phần trong node đó cũng như cấu trúc và chồng giao thức của WSN.

  1. Tổng quan về mạng cảm biến không dây
WSNs là một trong những công nghệ quan trọng nhất của thế kỷ 21. Nhờ sự phát triển của công nghệ vi điện tử - Micro Electronic Mechanical systems (MEMs) và các kỹ thuật truyền thông không dây, các cảm biến thông minh với kích thước rất nhỏ, giá thành thấp đã được triển khai trên một vùng địa lý, kết nối với nhau thông qua các đường liên kết không dây và Internet. Điều này tạo ra những cơ hội chưa từng có trước đây với các ứng dụng đa dạng cho người dân và quân đội. Phân biệt với các mạng truyền thông không dây truyền thống, như các mạng di động và các mạng di động Ad-hoc (MANET – mobile ad hoc networks), WSN có các đặc tính riêng biệt, ví dụ: các node được triển khai dày đặc, dữ liệu có độ tin cậy thấp, những hạn chế khắt khe về năng lượng, khả năng tính toán, khả năng lưu trữ. Do đó sự phát triển của WSN gặp phải nhiều thách thức mới. Các hoạt động nghiên cứu được tiến hành để tìm ra và giải quyết các vấn đề trong thiết kế và ứng dụng, việc phát triển và triển khai cũng đạt được những bước tiến có ý nghĩa. Trong tương lai không xa, mạng cảm biến không dây sẽ được sử dụng rộng rãi trong rất nhiều các ứng dụng cuộc sống thường ngày cũng như trong quân đội, cách mạng hóa cách chúng ta sống, làm việc và ảnh hưởng tới thế giới vật chất.

  1. Lịch sử phát triển

  • Thời kì chiến tranh lạnh: Các mạng ngầm được phát triển rộng rãi ở Mỹ dùng trong giám sát ngầm dưới đáy biển. Mạng trên không phòng thủ radar được triển khai ở Bắc Mỹ.
  • Đầu những năm 1980: Thúc đẩy mạnh mẽ nghiên cứu mạng cảm biến với chương trình Defense Advanced Research Projects Agency (DARPA).
  • 1980 – 1990: Phát triển các ứng dụng trong quân sự, đây có thể coi là thế hệ thứ nhất của các sản phẩm thương mại dưa trên các nghiên cứu DARPA-DSN
  • 2001: Phòng thí nghiệm nghiên cứu Intel tại Berkeley tập trung vào WSNS.
  • 2002: Phát triển trung tâm NSF nghiên cứu Embedded Networked Sensing
  • 2001 – 2002: Xuất hiện ngành công nghiệp mạng cảm biến, các công ty mới khởi nghiệp bao gồm: Sensoria, Ember Corp, SensiCast cùng với các công ty đã thành lập trước đó Intel, Bosch, Motorola, General Electric, Samsung.
  • 2003-2004: Định nghĩa các chuẩn IEEE 802.15.4 và Zigbee.
Bảng 1.1: Tóm tắt các giai đoạn phát triển của mạng cảm biến
[TABLE]
[TR]
[TD]Đặc điểm
[/TD]
[TD]Thế hệ thứ nhất
(1980’s – 1990’s)
[/TD]
[TD]Thế hệ thứ hai
(Đầu những năm 2000)
[/TD]
[TD]Thế hệ thứ 3
(Cuối những năm 2000)
[/TD]
[/TR]
[TR]
[TD]Kích thước
[/TD]
[TD]Lớn
[/TD]
[TD]Nhỏ hơn
[/TD]
[TD]Nhỏ
[/TD]
[/TR]
[TR]
[TD]Trọng lượng
[/TD]
[TD]Pounds
[/TD]
[TD]Ounces
[/TD]
[TD]Vài grams hay ít hơn
[/TD]
[/TR]
[TR]
[TD]Kiến trúc node
[/TD]
[TD]Cảm biến rời rạc, xử lý và thông tin
[/TD]
[TD]Cảm biến tích hợp, xử lý và thông tin
[/TD]
[TD]Tích hợp đầy đủ, mức độ cao
[/TD]
[/TR]
[TR]
[TD]Giao thức
[/TD]
[TD]Chưa có chuẩn chung
[/TD]
[TD]Chưa có chuẩn chung
[/TD]
[TD]Tiểu chuẩn: Wifi, Zigbee, Wimax,
[/TD]
[/TR]
[TR]
[TD]Cấu hình mạng
[/TD]
[TD]Điểm – điểm, hình sao, đa đường
[/TD]
[TD]Client-server, peer-to-peer (đồng đẳng, cùng mức)
[/TD]
[TD]Peer-to-peer mức độ cao
[/TD]
[/TR]
[TR]
[TD]Nguồn cung cấp
[/TD]
[TD]Pin lớn
[/TD]
[TD]Pin AA
[/TD]
[TD]Công nghệ nano hay pin mặt trời
[/TD]
[/TR]
[TR]
[TD]Vòng đời
[/TD]
[TD]Ngày, giờ
[/TD]
[TD]Ngày- Tuần
[/TD]
[TD]Tháng - Năm
[/TD]
[/TR]
[/TABLE]

[h=1]CHƯƠNG II:[/h][h=1]TỔNG QUAN VỀ COMPRESSIVE SENSING[/h]Cùng với sự phát triển rộng lớn của WSNs là những thách thức trong thiết kế để giảm thiểu các vấn đề như: Tiêu thụ năng lượng, giá cả, thời gian trễ và lưu lượng thông tin. Lý thuyết Compressive Sensing (CS) hứa hẹn sẽ góp phần giải quyết các thách thức trên. Kiến thức trong chương sẽ là các vấn đề cơ bản liên quan tới lý thuyết CS gồm có: Tiến trình thực hiện, đặc tính dư thừa của dữ liệu, ma trận đo, điều kiện và phương pháp để khôi phục lại tín hiệu.
Trong một hệ thống thông tin thông thường, các tín hiệu quan tâm được lấy mẫu theo tần số Nyquist. Định lý lẫy mẫu của Shannon/Nyquist nói rằng để đảm bảo không bị mất thông tin và có thể khôi phục lại hoàn toàn tín hiệu thì phải lấy mẫu tín hiệu với tần số lấy mẫu cao hơn ít nhất 2 lần băng tần của tín hiệu. Tuy nhiên đây không phả là phương pháp hiệu quả nhất để nén tín hiệu, vì nó đặt nhiều gánh nặng lên tín hiệu gốc trong khi chỉ một tỷ lệ nhỏ hệ số biến đổi là cần thiết để biểu diễn tín hiệu. Kết quả gần đây trong lấy mẫu nén cung cấp một phương pháp mới để tái tạo tín hiệu ban đầu với một lượng rất nhỏ các hệ số. Trong CS, các thông tin quan trọng về tín hiệu/ảnh được thu nhận trực tiếp. Lý thuyết CS được phát triển bởi Candes cùng các đồng nghiệp và Donoho vào năm 2004. CS là một mô hình lấy mẫu cho phép chúng ta đi xa hơn giới hạn Shannon bằng cách khai thác cấu trúc thưa của tín hiệu Với CS, bước lấy mẫu khá nhanh vì nó sử dụng phép chiếu tuyến tính không thích nghi để có thể giữ được cấu trúc tín hiệu. Sau đó, tín hiệu được khôi phục lại từ các phép chiếu này bằng cách sử dụng các kĩ thuật tối ưu khác nhau.


  1. Tiến trình Compressive sensing
Sơ đồ khối cơ bản của một WSNs sử dụng CS được thể hiện như trong hình 2.1

Hình 2.1: Tiến trình thực hiện CS


.

[h=1]CHƯƠNG III:[/h][h=1]TIÊU THỤ NĂNG LƯỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY[/h]Chương III sẽ trình bày về năng lượng tiêu thụ trong WSNs và đặc điểm của việc áp dụng kỹ thuật Compressive Sensensing vào mục đích tiết kiệm năng lượng trong mạng cảm biến không dây .

  1. NĂNG LƯỢNG TRONG MẠNG CẢM BIẾN KHÔNG DÂY
Trong các ứng dụng WSNs, năng lượng được sử dụng cho tính toán, nhận và truyền dữ liệu, lắng nghe các bản tin trên kênh truyền vô tuyến, lấy mẫu dữ liệu và cả trong quá trình ngủ. Việc chuyển trạng thái, đặc biệt là trong thông tin vô tuyến, cũng đồng thời tiêu tốn năng lượng đáng kể. Trong những phần tiếp theo chúng ta sẽ thảo luận về các hoạt động tiêu thụ năng lượng trong WSNs và tập trung vào phần năng lượng tiêu thụ trong một chu kỳ lấy mẫu đơn. Trong việc tính toán các hoạt động tiêu thụ năng lượng tại một node cảm biến, chúng ta sẽ xét giao thức lớp MAC. Ở đây chúng ta sẽ xét một giao thức phổ biến: BMAC (Berkeley Media Access Control). Các thành phần của giao thức này liên quan tới việc tính hao tổn năng lượng gồm: chu kỳ lấy mẫu , kích thước vùng lân cận (neighborhood size) , khoảng thời gian kiểm tra kênh (channel check interval) , thời gian kiểm tra (check time) , phần mở đầu (preamble) (bytes) = 3,144. Để cho đơn giản, chúng ta sẽ coi chu kỳ lấy mẫu chung cho tất cả các node cảm biến là 360s. Mặc dù chu kì lấy mẫu này sẽ gây ra hiện tượng under-sampling tại một số node cảm biến, tuy nhiên, xét thời gian khởi động và thời gian đáp ứng cao của một số cảm biến, chúng ta cần phải có tốc độ lấy mẫu thấp. Để tính toán năng lượng tiêu thụ, chúng ta sử dụng các giá trị lớn nhất của các thành phần nêu trên cho các trường hợp phân tích xấu nhất.


[h=1]CHƯƠNG IV:[/h][h=1]ỨNG DỤNG KỸ THUẬT COMPRESSIVE SENSING VÀO MẠNG CẢM BIẾN KHÔNG DÂY[/h]Chương này sẽ trình bày thiết kế hoàn chỉnh ứng dụng lý thuyết Compressive Sensing để thu thập dữ liệu nén cho các WSNs diện rộng (Compressive Data Gathering – CDG).

  1. GIỚI THIỆU
Việc thu thập dữ liệu trong mạng cảm biến không dây được ứng dụng rộng rãi, đặc biệt là trong giám sát môi trường và các cơ sở hạ tầng trọng yếu. Số lượng node của một mạng cảm biến diện rộng thường lên tới con số hàng trăm hoặc hàng nghìn. Thông thường, việc truyền dữ liệu được thực hiện thông qua một giao thức định tuyến multi-hop từ các node đến Sink. Để triển khai thành công một mạng cảm biến diện rộng như vậy cần phải đối mặt với hai thách thức lớn: Giảm một cách hiệu quả chi phí truyền và vấn đề cân bằng tiêu thụ năng lượng.
Việc giảm chi phí truyền là hoàn toàn cần thiết vì quy mô của mạng cảm biến lên tới hàng trăm, hàng nghìn node, tạo ra một lượng dữ liệu rất lớn gửi tới Sink. Chính vì thế cần phải tận dụng tối đa sự tương quan giữa các dữ liệu cảm biến để giảm chi phí truyền. Có một vài phương pháp được đưa ra như: mã hóa entropy hoặc mã hóa biến đổi để giảm lưu lượng toàn mạng. Tuy nhiên, những phương pháp đó yêu cầu khả năng tính toán và điều khiển đáng kể, không phù hợp cho các ứng dụng WSN.

.

[h=1]CHƯƠNG V:[/h]MÔ PHỎNG
[h=2]5.1 Giới thiệu về công cụ mô phỏng NS2[/h]NS (network simulation) là chương trình phần mềm dạng hướng đối tượng được sử dụng để mô phỏng lại các sự kiện xảy ra trong hệ thống mạng. NS2 thực thi các giao thức mạng như Giao thức điều khiển truyền tải (TCP) và Giao thức gói người dùng (UDP). Các dịch vụ nguồn lưu lượng như Giao thức truyền tập tin (FTP), Telnet, Web, tốc độ bit cố định (CBR) và tốc độ bit thay đổi (VBR), các kỹ thuật quản lý hàng đợi như Vào trước Ra trước (Drop Tail), Dò sớm ngẫu nhiễn (RED) và CBQ, các thuật toán định tuyến như Dijkstra NS cũng thực thi multicasting và vài giao thức lớp Điều khiển truy cập đường truyền (MAC) đối với mô phỏng LAN.


Bảng 5.2: Các thông số được sử dụng trong mô phỏng
[TABLE]
[TR]
[TD]MAC protocol
[/TD]
[TD]820.11
[/TD]
[/TR]
[TR]
[TD]Tốc độ dữ liệu
[/TD]
[TD]2Mbps
[/TD]
[/TR]
[TR]
[TD]Transmission range
[/TD]
[TD]12m
[/TD]
[/TR]
[TR]
[TD]Interference range
[/TD]
[TD]25m
[/TD]
[/TR]
[TR]
[TD]Kích thước gói tin
[/TD]
[TD]500 Byte
[/TD]
[/TR]
[TR]
[TD]RTS/CTS status
[/TD]
[TD]OFF
[/TD]
[/TR]
[TR]
[TD]Chiều dài hàng đợi
[/TD]
[TD]200
[/TD]
[/TR]
[TR]
[TD]K/N
[/TD]
[TD]0.05
[/TD]
[/TR]
[TR]
[TD]M/K
[/TD]
[TD]4
[/TD]
[/TR]
[/TABLE]

Em sử dụng giao thức 802.11 thay cho ZigBee bởi vì trong NS2 hỗ trợ 802.11 tốt hơn.


5.5.2. Khôi phục dữ liệu thưa trong miền thời gian

  • Đầu vào: Tín hiệu gốc ban đầu là một tín hiệu thưa trong miền thời gian.
  • Giả thiết: Kênh truyền hoàn toàn lý tưởng
  • Thuật toán: Compressive Sensing
Sơ đồ thuật toán:

Hình 5.7: Sơ đồ thuật toán nén tín hiệu thưa trong miền thời gian
sử dụng CS
 
Sửa lần cuối:
Top