جمعه ۳۱ فروردين ۱۳۹۷
کد خبر: ۹۹۶۳۲
تاریخ انتشار: ۲۴ دی ۱۳۹۵ - ۲۳:۱۸
ما پروتكل مسيريابي را از نظر تاخيرهاي بسته ... ، ضريب تحويل بسته، مصرف ميانگين انرژي در هر بسته و مسيريابي سربار براي بارهاي ترافيك منبع متغير و نرخ‌هاي خطاي بيت در لينك بي‌سيم ارزيابي كرديم.
به گزارش بسیج مهندسین فارس،


1. Introduction

Wireless Body Sensor Networks (BSNs) have been receiving more and more attention in

academia and industry in recent years, especially under the impending healthcare crisis and due to the availability of much less expensive biomedical sensors (BMSs) with certain computation and communication capabilities. The primary target applications of BSN research, so far, are medical healthcare services, addressing the weaknesses of traditional patient data collection system, such as imprecision (qualitative observation) and under sampling (infrequent assessment) [1,2].


در سال‌هاي اخير، شبكه‌هاي بي‌سيم حسگر بدن (BSNs) در دانشگاه و صنعت بسيار مورد توجه بوده‌اند؛ به ويژه به دليل وجود بحران مراقبت‌هاي بهداشتي و به علت در دسترس بودن حسگرهاي زيست پزشكي بسيار ارزان (BMSs) با محاسبه‌هاي خاص و دقيق و قابليت‌هاي ارتباطي. تاكنون نخستين كاربردهاي هدف در زمينه‌ي پژوهش BSN، خدمات مراقبت‌هاي بهداشتي پزشكي بودند؛ پرداختن به نقاط ضعف سيستم سنتي گردآوري داده بيمار؛ مانند دقت نكردن (مشاهده كيفي) و نمونه‌گيري كردن (ارزيابي كمياب) (مراجع 1 و 2).

BSNs can offer a paradigm shift from managing illness to proactively managing wellness by focusing on prevention and early detection/treatment of diseases, thereby reducing healthcare costs. They can capture accurate and quantitative data from a variety of sensors (e.g., temperature, blood pressure, heart rate, electrocardiogram (ECG), etc.) for longer time periods. BSNs with real-time sensing capability would also help in protecting those exposed to potentially life-threatening environments, including soldiers, first responders, and deep-sea and space explorers [3].

شبكه‌هاي BSNs مي‌توانند يك تغيير يا جابجايي نمونه از مديريت بيماري تا مديريت سلامتي با تمركز بر روي جلوگيري و تشخيص يا درمان به موقع بيماري‌ها ارائه دهند؛ در نتيجه هزينه‌هاي مراقبت‌هاي بهداشتي كاهش مي‌يابد. آنها مي‌توانند داده دقيق و كمّي را از طيفي از حسگرها (براي مثال دماي بدن، فشار خون، ضربان قلب، نوار قلب (ECG) و غيره) براي مدت زمان‌هاي طولاني‌تر به دست آورند.

همچنين شبكه‌هاي BSNs با قابليت حس كردنِ بلادرنگ و به موقع، در نگهداري و حفاظت از كساني مانند سربازان، نخستين پاسخ‌دهندگان و كاشفان اعماق دريا و فضا كه در برابر محيط‌هاي تهديدكننده زندگي در معرض بيماري هستند كمك مي‌كنند (مرجع 3).


Therefore, on-time and reliable data delivery to the control center is very important for BSN applications.

بنابراين دريافت داده به موقع و قابل اعتماد به مركز كنترل، براي كاربردهاي BSN بسيار مهم است.


The Quality-of-Service (QoS) provisioning in BSNs is a challenging task, mainly due to two reasons.  First, the dynamic network topology, time-varying wireless channel and scarcity of node energy, computation power and channel bandwidth pose challenges on the design of QoS support schemes in BSNs. Second, there exist wide variations in data generation rate and delay- and loss-tolerances amongst the data packets generated by different types of BMSs [2]. For example, some low data rate BMSs (e.g., heartbeat, blood pressure,  electroencephalogram (EEG) sensors) may generate very time-critical data packets, which must be delivered at the destination sink within a guaranteed end-to-end delay deadline; data packets from some of these sensors might also require high reliability.


تامين كيفيت خدمات (Quality-of-Service (QoS)) در شبكه‌هاي BSNs يك كار چالش‌برانگيز است به ويژه به دو دليل؛ نخست، توپولوژي شبكه پويا، كانال بي‌سيم متغير با زمان و كمبود انرژي گره، قدرت محاسبه و حالت پهناي باند كانال بر روي طراحي طرح‌هاي پشتيبانيِ QoS در شبكه‌هاي BSNs  با هم رقابت مي‌كنند. دوم، تغييرات گسترده‌اي در ميزان توليد داده و تاخير و از دست دادنِ تحمل در ميان بسته‌هاي داده توليد شده به وسيله انواع گوناگون BMSs وجود دارد (مرجع 2)؛ براي مثال، برخي از BMSs ها با ميزان داده كم (مانند ضربان قلب، فشار خون و حسگرهاي موج‌نگاري مغز (EEG)) ممكن است بسته‌هاي داده را در زمان خيلي بحراني توليد كنند كه بايد در ... مقصد همراه با يك مهلت تاخير پاياني تضمين شده دريافت شود بسته‌هاي داده بسته‌هاي داده توليد شده به وسيله انواع گوناگون ؛ همچنين ممكن است بسته‌هاي داده‌ي برخي از اين حسگرها، نيازمند قابليت اطمينان بالايي باشند.


In contrast, some high data rate BMSs (e.g., streaming of ECG signals) may allow a certain percentage of packet losses. Therefore, a scalable solution with data-centric QoS-aware routing that can provide a clear differentiation in route selection between data packets with multiobjective QoS requirements is greatly required for BSNs.

 در مقابل، برخي از حسگرهاي BMS با نرخ بالاي داده‌ها (مانند جريان سيگنال‌هاي ECG) ممكن است درصد معيني از اتلاف و از دست دادنِ بسته رخ دهد. بنابراين يك راه حل مقياس‌پذير با مسيريابي QoS خُبره داده محور كه مي‌تواند يك تمايز روشن در انتخاب مسير بين بسته‌هاي داده با نيازمندي‌هاي QoS چندگانه كه تا حد زيادي براي شبكه‌هايBSN مورد نياز است، فراهم كند.


In the literature, several mechanisms (outlined in Section 2) have been proposed to mitigate the problems of multiobjective QoS provisioning in wireless sensor networks. However, to the best of our knowledge, no effective solution to this problem has yet been proposed so far particularly for BSNs. The key contribution of this paper is the first complete design and evaluation of data-centric multiobjective QoS-aware routing for BSNs that has clear differentiation in route selection between multiple traffic types with respect to their QoS requirements. It also trades off the energy cost and protocol operation overheads while improving the network performance.


در متن، چندين مكانيزم‌ (در بخش 2 مشخص شده است) براي كاهش مشكلات تامين QoS چندگانه در شبكه‌هاي حسگر بي‌سيم پيشنهاد شده است؛ هرچند با توجه به دانش ما، هيچ راه‌حل موثري براي اين مشكل تاكنون منحصرا براي شبكه‌هاي BSNs پيشنهاد نشده است. سهم و قسمت اصلي اين مقاله، نخستين طراحي كامل و ارزيابي مسيريابي QoS خبره چندگانه داده محور براي شبكه‌هاي BSNs است كه تمايز مشخصي در انتخاب مسير بين انواع ترافيك چندگانه با توجه به ملزومات QoS شان دارند. اين همچنين هزينه انرژي و سربارهاي عمليات پروتكل را هنگام بهبودِ كارايي شبكه مبادله مي‌شود.  


The proposed data-centric multiobjective QoS-aware routing protocol, DMQoS, uses modular architecture and it exploits geographic locations to implement localized routing. An important property of the proposed protocol is the end-to-end QoS-aware routing with local decisions at each intermediate node without end-to-end path discovery and maintenance. This property is important for scalability to large-scale sensor networks, self-adaptability to network dynamics, and appropriateness to multiple classes of traffic flows.

پروتكل مسيريابي QoS خبره چندگانه داده محور پيشنهادي (DMQoS)، از ساختار مدولار استفاده كرده و موقعيت‌هاي جغرافيايي براي پياده‌سازي مسيريابي موضعي را بهره‌برداري مي‌كند. يك ويژگي مهم پروتكل پيشنهادي، مسيريابي QoS خبره‌ي end-to-end  به همراه تصميم‌هاي محلي براي هر گره واسطه بدون كشف و نگهداري مسير end-to-end است. اين ويژگي، براي مقياس‌پذيري شبكه‌هاي حسگر در مقياس بزرگ، خودسازگار در ديناميك شبكه و تناسب در كلاس‌هاي چندگانه‌ي جريان‌هاي ترافيك، مهم مي‌باشد.


The routings of delay-critical and reliability-critical packets are handled separately by employing independent modules for each, whereas for the most critical packets having both stringent delay and reliability constraints, the corresponding modules operate in coordination to guarantee the required service. While the delay control module chooses the next-hop router node offering higher velocity of data packets, the reliability control module injects minimal redundant information by exploiting high reliability links. A Lexicographic Optimization (LO) [4] based approach is used to tune trade-off between the geographic progress and the residual energy levels. Therefore, our model considers

not only the QoS requirements, but also the energy cost optimality of the routing path to improve the overall network performance.

مسيريابي‌ها در بسته‌هايي كه از نظر تاخير و قابل اعتماد بودن (اعتبار) بحراني هستند، به صورت جداگانه به وسيله بكارگيري مدول‌هاي مستقل براي هر يك رسيدگي مي‌شوند؛ با در نظر گرفتن اينكه براي بحراني‌ترين بسته‌ها، كه هم داراي تاخير دقيق و هم محدوديت‌هاي قابل اطمينان هستند، مدول‌هاي متناظر براي تضمين خدمات مورد، با هماهنگي عمليات انجام مي‌دهند. زماني كه مدول كنترل تاخير، گره روتر هاپ بعدي را با ارائه‌ي سرعت بالاتر بسته‌هاي داده انتخاب مي‌كند، مدول كنترل قابليت اطمينان، اطلاعات بيهوده‌ي كمينه را به وسيله‌ي استخراج لينك‌هاي با قابل اطمينان بالا وارد مي‌كند. يك رويكرد مبني بر بهينه‌سازي Lexicographic Optimization (LO)  (مرجع 4)، براي تنظيم مبادله بين فرايند جغرافيايي و سطح‌هاي انرژي باقيمانده استفاده شده است. بنابراين مدل ما، نه تنها ملزومات QoS را در نظر مي‌گيرد، بلكه بهينگي هزينه انرژي‌ِ مسير مسيريابي براي بهبود كارايي كلي شبكه را نيز  بررسي مي‌كند. 

We evaluated our routing protocol in terms of end-to-end packet delays, packet delivery ratio, average energy consumption per packet, and routing overhead for variable source traffic loads and wireless link bit error rates. The results show that DMQoS demonstrates a substantial improvement in required data delivery services over several state-of-the-art approaches and we provide insights into the sources of the improvement.

ما پروتكل مسيريابي را از نظر تاخيرهاي بسته ... ، ضريب تحويل بسته، مصرف ميانگين انرژي در هر بسته و مسيريابي سربار براي بارهاي ترافيك منبع متغير و نرخ‌هاي خطاي بيت در لينك بي‌سيم ارزيابي كرديم؛ نتايج نشان مي‌دهند كه DMQoS پيشرفتي اساسي در خدمات تحويل داده‌ي مورد نياز در طي چندين رويكرد ... را نشان مي‌دهد و ما بصيرت و بينشي نسبت به منابع پيشرفت را فراهم مي‌كنيم.

 The rest of the paper is organized as follows. In Section 2, we describe the key limitations of some existing QoS-aware routing protocols. Subsequently, we present a body area sensor network model and assumptions we have considered in Section3.

Section 4 presents the proposed DMQoS architecture in detail, followed by the performance evaluations using Network Simulator-2 [5] in Section 5. Finally, we conclude the paper in Section 6.


بقيه مقاله به صورتي كه در ادامه توضيح داده شده، مرتب و سازمان‌دهي شده است. در بخش 2، محدوديت‌هاي كليديِ برخي از پروتكل‌هاي مسيريابي QoS خبره‌ي موجود شرح داده شده است. پس از آن و در بخش 3، ما مدلي از شبكه‌ي حسگر بدن ارائه داده‌ايم و مفروضات آن در اين بخش بررسي شده است. در بخش 4، ساختار DMQoS پيشنهاد شده با جزئيات ارائه شده و در ادامه و در بخش 5 كارايي ارزيابي‌ها با استفاده از شبيه‌ساز شبكه-2 (Network Simulator-2)(مرجع 5) آمده است. در پايان و در بخش 6 نتيجه‌گيري از اين مقاله نوشته شده است.


مطالب مرتبط
* نظر: