Energy-Efficient Algorithm for Data Path Selection in High-Density Wireless Sensor Networks

Cover Page

Cite item

Full Text

Abstract

Relevance. Increasing the number of sensor devices per unit area consequently reduces the physical distance between the devices in the sensor network. Such networks are usually deployed over a large area and the sensor device that wants to transmit a data packet is located far away from the base station. In such a case, the source device is challenged to choose a transmission path that consumes the least amount of energy resources and satisfies the delivery time requirements. The objective of this study is to develop and validate the effectiveness of an empirical algorithm for selecting a transmission path that reduces the energy consumption of high-density wireless sensor networks. Methods of system analysis, analytical modeling, geometry and probability theories are used. Solution. It is assumed that the sensor network is deployed in a limited area and is a set of devices that are connected to each other informationally and energetically.  When building data transmission routes, any sensor devices can be used as repeaters. At the same time, the increase in the number of repeaters leads to an increase in the time of data delivery. Novelty. It is assumed that the sensor network is deployed in a limited area and is a set of devices that are connected to each other informationally and energetically. Any sensor devices may be used as repeaters when constructing data transmission routes.Significance (theoretical). Dependences of power consumption level on various system parameters affecting the processes of functioning of high-density wireless sensor networks have been obtained. Significance (practical). The proposed empirical algorithm for selecting a rational data transmission route in a wireless sensor network allows us to determine, among all alternatives, the route to the coordinator that requires the least power. The effectiveness of the proposed empirical power-saving algorithm is confirmed by simulation modeling.

About the authors

T. N. Astakhova

Nizhny Novgorod State Engineering and Economic University

Email: ctn_af@mail.ru
ORCID iD: 0000-0002-7032-0697
SPIN-code: 2158-3392

M. O. Kolbanev

St. Petersburg State Electrotechnical University “LETI”

Email: mokolbanev@mail.ru
ORCID iD: 0000-0003-4825-6972
SPIN-code: 1474-4401

A. S. Lyamin

Nizhny Novgorod State Engineering and Economic University

Email: a.s.lyamin@gmail.com
ORCID iD: 0000-0003-0027-2404
SPIN-code: 3734-9940

N. S. Maslov

Nizhny Novgorod State Engineering and Economic University

Email: j-knaginino@yandex.ru
ORCID iD: 0000-0003-0209-7267
SPIN-code: 8517-4653

D. A. Maslova

Nizhny Novgorod State Engineering and Economic University

Email: dasha.kirilova.96@bk.ru
ORCID iD: 0000-0002-3329-4821
SPIN-code: 3658-7490

References

  1. Романова А.А. Модели и методы оценки вероятностно-энергетических характеристик информационного взаимодействия в интернете вещей. Автореферат дис. … канд. техн. наук. СПб.: Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина), 2023. 21 с.
  2. Almuhaya M.A.M., Jabbar W.A., Sulaiman N., Abdulmalek S. A survey on LoraWAN Technology: Recent Trends, Opportunities, Simulation Tools and Future Directions // Electronics. 2022. Vol. 11. Iss. 1. P. 164. doi: 10.3390/electronics11010164
  3. Levchenko P., Bankov D., Khorov E., Lyakhov A. Performance Comparison of NB-Fi, Sigfox, and LoRaWAN // Sensors. 2022. Vol. 22. Iss. 24. P. 9633. doi: 10.3390/s22249633
  4. Зверев Б., Сартаков А. SNB новая LPWAN-технология «Интернета вещей» с высокой пропускной способностью // Control Engineering Россия. 2019. № S. С. 38‒41. EDN:JRNENT
  5. Астахова Т.Н., Верзун Н.А., Касаткин В.В., Колбанев М.О., Шамин А.А. Исследование моделей связности сенсорных сетей // Информационно-управляющие системы. 2019. № 5(102). С. 38–50. doi: 10.31799/1684-8853-2019-5-38-50. EDN:GLMGRC
  6. Татарникова Т.М., Бимбетов Ф., Горина Е.В. Алгоритм энергоэффективного взаимодействия узлов беспроводной сенсорной сети // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22. №. 2. С. 294‒301. doi: 10.17586/2226-1494-2022-22-2-294-301. EDN:FCHFEL
  7. Уоллес Р. Максимальная дальность связи по радиоканалу в системе: как этого добиться? // Новости электроники. 2015. № 11. С. 3.
  8. Колбанёв М.О., Татарникова Т.М. Физические ресурсы информационных процессов и технологий // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 6(94). С. 113–123. EDN:TBDGTL
  9. Аунг Т.А. Разработка методов и средств защищенного сбора данных окружений Интернета Вещей (ИВ). Дис. … канд. техн. наук. СПб.: Национальный исследовательский университет ИТМО, 2020. 297 с. EDN:QTBXRI
  10. Астахова Т.Н., Кирилова Д.А., Колбанёв М.О., Маслов Н.С., Шамин А.А. Критерий выбора оптимального маршрута передачи сообщения в беспроводных сенсорных сетях // Телекоммуникации. 2020. № 7. С. 6‒12. EDN:VIEYJZ
  11. Астахова Т.Н., Верзун Н.А., Колбанев М.О., Полянская Н.А., Шамин А.А. Вероятностно-энергетические характеристики взаимодействия умных вещей // Вестник НГИЭИ. 2019. № 4(95). С. 66–77. EDN:IEAGYT
  12. Kocakulak M., Butun I. An overview of Wireless Sensor Networks towards internet of things // Proceedings of the 7th Annual Computing and Communication Workshop and Conference (CCWC, Las Vegas, USA, 09‒11 January 2017). IEEE, 2017. doi: 10.1109/CCWC.2017.7868374
  13. Mahlknecht S., Madani S.A., Roetzer M. Energy aware distance vector routing Scheme for Data Centric Low Power Wireless Sensor Networks // Proceedings of the 4th IEEE International Conference on Industrial Informatics (Singapore, 16‒18 August 2006). IEEE, 2006. PP. 1030‒1035. doi: 10.1109/INDIN.2006.275739
  14. Levchenko P., Bankov D., Khorov E., Lyakhov A. Performance Comparison of NB-Fi, Sigfox, and LoRaWAN // Sensors. 2022. Vol. 22. Iss. 24. P. 9633. doi: 10.3390/s22249633

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».