Исследование характеристик трафика в беспроводных сенсорных сетях тема диссертации и автореферата по ВАК РФ 05.12.13, кандидат наук Выборнова, Анастасия Игоревна

• Выборнова, Анастасия Игоревна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Выборнова, Анастасия Игоревна

ОГЛАВЛЕНИЕ

Оглавление

Введение

Глава 1. Анализ современных представлений о беспроводных сенсорных сетях

1.1 Архитектура беспроводных сенсорных сетей

1.1.1 Состав БСС

1.1.2 Топология БСС

1.1.3 Масштабирование БСС

1.1.4 Самоорганизация БСС

1.1.5 Архитектура сенсорных узлов

1.2 Протоколы и стандарты, используемые для организации беспроводных сенсорных сетей

1.2.1 Протоколы физического уровня

1.2.2 Протоколы уровня звена данных

1.2.3 Протоколы сетевого уровня и протоколы маршрутизации

1.2.4 Протоколы транспортного уровня

1.2.5 Протоколы верхних уровней

1.3 Приложения беспроводных сенсорных сетей

1.4 Выводы главы 1

Глава 2. Модели трафика сенсорных узлов

2.1 Модель трафика для приложений с периодической отправкой данных

2.2 Модели трафика для приложений с управляемой событием отправкой данных

2.3 Моделирование источника трафика беспроводной сенсорной сети слежения за линейно движущейся целью

2.3.1 Описание имитационной модели

2.3.2 Теоретическая модель

2.3.3 Результаты имитационного моделирования

2.3.3.1 Распределение длин ОМ-интервалов

2.3.3.2 Распределение длин ОБР-интервалов

2.4 Выводы главы 2

Глава 3. Методы анализа характеристик трафика в беспроводных сенсорных сетях

3.1 Определение средней интенсивности трафика и среднеквадратического

отклонения данной величины

3.2 Определение характеристик функции распределения трафика

3.3 Определение степени самоподобия и долговременной зависимости трафика

3.3.1 Анализ нормированного размаха (Я/Б-анализ)

3.3.2 Метод Хигучи

3.3.3 Анализ дисперсии агрегированных рядов

3.3.4 Методы Виттла

3.3.5 Метод анализа периодограмм

3.3.6 Вейвлет-анализ

3.4 Модель анализа характеристик трафика на шлюзе БСС

3.5 Выводы Главы 3

Глава 4. Исследование характеристик агрегированного трафика сенсорной сети слежения за целью

4.1 Обзор исследований характеристик агрегированного трафика БСС

4.2 Описание беспроводной сенсорной сети слежения за целью

4.3 Описание имитационной модели

4.4 Зависимость трафика на шлюзе сети от параметров движения цели

4.4.1 Случайное движение цели

4.4.1.1 Влияние средней длины ОРР-интервала

4.4.1.2 Влияние средней длины ОЫ-интервала

4.4.1.3 Влияние формы распределения длин ОМ и ОБР-интервалов

4.4.1.4 Влияние скорости передачи данных в течение 0>1-интервала

4.4.2 Линейное движение цели

4.4.2.1 Влияние скорости движения цели

4.4.2.1 Влияние скорости передачи данных в течение ОИ-интервала

4.5 Рекомендации по планированию, проектированию и расчету беспроводных сенсорных сетей слежения за целью

4.6 Метод генерации трафика с заданной степенью самоподобия и долговременной зависимости

4.7 Выводы главы 4

Заключение

Список сокращений и условных обозначений

Словарь терминов

Список литературы

Список иллюстративного материала

Приложение А. Листинг скритпа моделирования источника трафика

Приложение Б. Листинг скрипта моделирования сенсорной сети

Приложение В. Листинг скрипта формирования и запуска моделирования и дельнейшей обработки результатов моделирования

Приложение Г. Результаты имитационного моделирования трафика шлюза БСС

Приложение Д. Акты о внедрении

Введение диссертации (часть автореферата) на тему «Исследование характеристик трафика в беспроводных сенсорных сетях»

ВВЕДЕНИЕ

Актуальность темы исследования. С каждым годом растет число самых разнообразных устройств, осуществляющих информационное взаимодействие друг с другом посредством общедоступных или частных сетей связи, причем в последние годы все большая часть таких устройств функционирует без непосредственного участия человека, в рамках Machine-to-Machine communication (М2М).

В соответствии с концепцией Интернета Вещей (ИВ) и рядом прогнозов в ближайшем будущем в глобальную сеть связи будет включено несколько триллионов телекоммуникационных устройств, причем большая часть из них будет так называемыми «вещами», то есть, в соответствии с определением Международного союза электросвязи, данным в рекомендации Y.2069, «предметами физического или информационного мира, которые могут быть идентифицированы и интегрированы в сети связи».

Среди телекоммуникационных устройств, предназначенных не для взаимодействия между людьми, а для взаимодействия между человеком и некой неодушевленной «вещью» или между двумя «вещами», значительную долю составляют разнообразные сенсорные устройства, способные не только получать информацию о различных свойствах окружающей среды и находящихся в ней объектов, но и передавать эту информацию по беспроводным сетям связи другим устройствам.

Ряд специфичных требований к подобным устройствам, касающихся низкого потребления энергии, небольшой стоимости, простоты развертывания и самоорганизации узлов, привел к созданию в последние годы отдельного направления развития сетей связи — беспроводных сенсорных сетей (БСС), причем перспективы крайне широкого распространения таких сетей, использования их во всех областях человеческой деятельности, отражены в другом общепринятом наименовании подобных сетей — всепроникающие (или повсеместно распространённые) сенсорные сети.

В связи с этим в настоящее время представляется крайне актуальным всестороннее исследование различных аспектов функционирования БСС, и в том числе характеристик трафика, производимого в БСС, а также создание адекватных моделей поступления трафика от отдельных сенсорных узлов и БСС в целом.

Степень разработанности темы. В настоящий момент в области исследования трафика БСС существует ряд исследовательских работ, которые можно условно разделить на два направления.

Первая группа исследовательских работ рассматривает вопросы моделирования трафика данных, создаваемого отдельными узлами сенсорных сетей. Следует отметить, что информационный трафик сенсорных узлов в значительной мере определяется приложением сенсорной сети, сценарием ее работы. При этом для значительной части приложений БСС, связанных с телеметрией, сенсорный узел отправляет одинаковые по объему пакеты данных через равные промежутки времени, то есть информационная составляющая трафика таких узлов может описываться моделью с постоянной скоростью отправки данных (Constant Bit Rate, CBR).

Незначительное число исследовательских работ в данном направлении, вероятно, связано с тем, что для многих приложений и сценариев работы БСС модель CBR действительно является подходящей и достаточной. В то же время существует вторая большая группа БСС, приложения и сценарии работы которых подразумевают отправку сенсорными узлами информационных пакетов по требованию (on demand) или при возникновении внешнего события (event-driven). При этом трафик сенсорных узлов таких сетей будет в значительной мере зависеть от моментов возникновения запросов и событий, и далеко не во всех случаях может быть аппроксимирован моделью с постоянной скоростью отправки данных.

В нескольких исследовательских работах (I.F. Akyildiz, P. Wang, Q. Wang, Т. Zhang, G. Messier, I.G. Finvers) приведены результаты анализа трафика отдельных сенсорных устройств, в том числе медицинского назначения и отслеживания случайно движущейся цели, а также предложены аналитические модели для трафика таких узлов (периодическая отправка пакетов, размеры

которых имеют нормальное распределение, и ON-OFF модель с длительностями ON и OFF-интервалов, распределенными в соответствии с законом Парето). Однако данные работы далеко не исчерпывают весь перечень возможных и перспективных приложений БСС.

Вторая группа работ касается характеристик общего трафика в БСС. В ряде отечественных и зарубежных работ (А.Е. Кучерявый, A.B. Прокопьев, I.F. Akyildiz, P. Wang,) приводятся исследования, показывающие наличие свойств самоподобия и долговременной зависимости общего (поступающего от всех сенсорных узлов) трафика в БСС, предназначенных для телеметрии и, в том числе, включающих в себя мобильные узлы.

Цель работы и задачи исследования. Целью диссертации является исследование характеристик трафика, возникающего в беспроводных сенсорных сетях слежения за целью, и его зависимости от различных параметров таких сетей и сценариев их работы.

Для выполнения поставленной цели в диссертационной работе последовательно решаются следующие задачи:

- анализ современного состояния развития беспроводных сенсорных сетей, определение наиболее важных архитектурных особенностей и наиболее широко применяемых и перспективных протоколов;

- анализ разработанных к настоящему моменту моделей трафика с учетом применимости их для беспроводных сенсорных сетей слежения за целью;

- разработка аналитической модели трафика сенсорного узла БСС, предназначенной для слежения за линейно движущейся целью;

- создание имитационной модели трафика сенсорного узла БСС, предназначенной для слежения за линейно движущейся целью, для проверки корректности созданной аналитической модели и получения данных для дальнейшего имитационного моделирования;

- анализ существующих методов определения характеристик трафика, в том числе анализ методов определения степени самоподобия и долговременной зависимости трафика сетей связи;

- разработка и программная реализация модели оценки характеристик трафика БСС на основе определения средней интенсивности трафика и анализа его степени самоподобия и долговременной зависимости с помощью анализа нормированного размаха и локального метода Виттла;

- создание имитационной модели беспроводной сенсорной сети (отдельного кластера сети) слежения за целью и двух сценариев ее работы: для цели, движущейся случайным образом, или цели, движущейся линейно;

- проведение имитационного моделирования беспроводной сенсорной сети слежения за целью для выяснения влияния параметров такой сети на трафик, поступающий на шлюз сети.

Научная новизна. Основные результаты диссертации, обладающие научной новизной:

- разработана модель трафика сенсорного узла БСС, отличающаяся от известных тем, что она адекватно отражает трафик сенсорного узла, используемого для слежения за линейно движущейся целью;

- предложена комплексная модель оценки характеристик трафика на шлюзе БСС слежения за целью, основывающаяся на измерении интенсивности трафика и отличающаяся тем, что в дополнение к известным методам оцениваются и степень самоподобия, и долговременная зависимость, причем последние оцениваются комплексно с помощью анализа нормированного размаха и локального метода Виттла;

- предложен метод генерации трафика с заданными степенью самоподобия и долговременной зависимости на основе ОТ^-ОБР модели, который в отличие от известных методов позволяет получить искомые параметры на основе изменения скорости передачи данных в течение ОЫ-интервалов с использованием

средней длительности этих интервалов без необходимости учета формы распределения.

Теоретическая и практическая значимость исследования.

Теоретическая значимость работы состоит в разработке и исследовании модели трафика узла БСС слежения за линейно движущейся целью, разработке комплексной модели оценки характеристик трафика на шлюзе БСС слежения за целью, а также исследовании трафика на шлюзе БСС. Практическая ценность работы состоит в возможности использования полученных результатов для проектирования, планирования и расчета параметров БСС слежения за целью и сценариев их работы, а также генерации трафика с заданной степенью самоподобия и долговременной зависимости при помощи управления скоростью передачи пакетов группой узлов в течение ON-интервалов с использованием средней длительности этих интервалов без необходимости учета формы распределения.

Результаты работы использованы при проведении научно-исследовательских работ в Военной академии связи имени Маршала Советского Союза С.М. Буденного, а также в учебном процессе кафедры Сетей связи и передачи данных Санкт-Петербургского государственного университета телекоммуникаций им. проф. М. А. Бонч-Бруевича при чтении лекций и проведении практических занятий и лабораторных работ по курсам «Интернет Вещей: сенсорные и медицинские сети» и «Современные проблемы науки в области инфокоммуникаций».

Методология и методы исследования. Методология исследования построена на общенаучных принципах объективности и всесторонности. В качестве методов исследования использовался системный подход и метод анализа (с целью создания аналитической модели трафика сенсорного узла), также широко применялся метод моделирования (как для верификации созданной аналитической модели, так и для получения данных о зависимости трафика, приходящего на шлюз, от различных параметров сценария БСС).

В качестве инструментов моделирования использовался программный пакет Network Simulator 2, для обработки результатов моделирования

использовался язык программирования Python и различные библиотеки для данного языка, в целях визуализации полученных результатов применялось программное обеспечение Microsoft Excel. Для создания аналитической модели трафика сенсорного узла и исследования степени самоподобия и долговременной зависимости трафика использовались элементы математического анализа, теории вероятности и математической статистики.

Положения, выносимые на защиту.

- модель трафика сенсорного узла беспроводных сенсорных сетей (БСС), предназначенных для слежения за линейно движущейся целью;

- комплексная модель оценки характеристик трафика на шлюзе БСС слежения за целью, использующая оценку средней интенсивности трафика, а также степени его самоподобия и долговременной зависимости;

- метод генерации трафика с заданными степенью самоподобия и долговременной зависимости на основе ON-OFF модели.

Степень достоверности и апробация результатов. Достоверность результатов диссертационной работы подтверждается соответствием результатов имитационного и аналитического моделирования, схожестью оценок характеристик трафика, полученных разными методами, а таюке тем, что результаты имитационного моделирования не входят в противоречие с соображениями здравого смысла.

Основные результаты работы докладывались и обсуждались на 12-й и 14-й международных конференциях «Internet of Things, Smart Spaces, and Next Generation Networking NEW2AN» (Санкт-Петербург, 2014 и 2012 годы), на 67-й и 66-й конференции СПбНТОРЭС им. А. С. Попова. (Санкт-Петербург 2012 и 2011 годы), III Международной научно-технической и научно-методической конференции «Актуальные проблемы инфотелекоммуникаций в науке и образовании» СПбГУТ (Санкт-Петербург, 2014 год), а также на заседаниях кафедры Сетей связи и передачи данных СПбГУТ.

Публикации. Материалы, отражающие основные результаты диссертационной работы, опубликованы в сборниках научно-технических

конференций, в том числе международных, а также в журналах отрасли. Всего опубликовано 8 работ, из них 2 статьи в изданиях, рекомендованных ВАК Министерства образования и науки Российской Федерации.

Структура н объем диссертации. Диссертация включает введение, 4 главы, заключение, список сокращений и условных обозначений, словарь терминов, список литературы, включающий 68 наименований, список иллюстративного материала и пять приложений. Работа изложена на 143 страницах без приложений, содержит 60 рисунков и 15 таблиц.

Личный вклад. Все результаты диссертационной работы получены автором самостоятельно.

Краткое содержание работы.

Во введении обоснована актуальность диссертационной работы, описано состояние исследуемой проблемы, сформулированы цели и задачи работы, перечислены основные научные результаты диссертации, определена научная новизна и практическая ценность результатов, описана область их применения, представлены основные положения, выносимые на защиту, приведены сведения об апробации работы, публикациях по теме работы, описана структура диссертации и ее объем.

В первой главе диссертационной работы проанализированы особенности беспроводных сенсорных сетей, специфичные требования к таким сетям и их отличия от других типов сетей связи, рассмотрены различные аспекты архитектуры сенсорных узлов и БСС в целом, проанализированы актуальные протоколы и приложения для данных сетей, а также рассмотрены перспективы их развития.

Вторая глава диссертационной работы посвящена существующим исследованиям характеристик трафика в сенсорных сетях, рассматривает различные модели трафика сенсорных узлов. Кроме того, вторая глава содержит описание созданной автором аналитической модели трафика сенсорного узла БСС, предназначенной для слежения за линейно движущейся целью, подтверждение корректности предложенной модели результатами имитационного моделирования, а также на основании данных имитационного моделирования определяет

параметры функций распределения трафика, производимого узлом сенсорной сети слежения за целью при линейном движении цели.

В третьей главе диссертационной работы описаны методов определения характеристик трафика, произведен анализ методов определения степени самоподобия и долговременной зависимости трафика сетей связи, в том числе рассмотрены метод анализа нормированного размаха, метод Хигучи, метод анализа автокорреляционной функции, периодограммный анализ, общий, локальный и агрегированный методы Виттла и вейвлет-анализ. Проведено сравнение указанных выше методов и обоснован выбор комплекса методов для проведения дальнейшего анализа трафика БСС.

Четвертая глава описывает созданную комплексную модель оценки характеристик трафика на шлюзе БСС слежения за целью, имеющей различные паттерны движения, содержит результаты имитационного моделирования, в частности, зависимость характеристик трафика, поступающего на шлюз БСС слежения за целью, и зависимости его характеристик от различных параметров сценария работы БСС. Также, данная глава содержит комплекс рекомендаций, касающихся особенностей проектирования БСС слежения за целью, и призванный обратить внимание проектировщиков данных сетей на те аспекты работы БСС, которые важно учитывать с точки зрения обеспечения качества обслуживания в проектируемой сети.

Кроме того, четвертая глава содержит описание созданного на основании результатов моделирования и оценки характеристик трафика на шлюзе БСС слежения за целью метода генерации трафика, обладающего свойствами самоподобия и долговременной зависимости.

В заключении приводится описание основных результатов диссертационной работы.

ГЛАВА 1. АНАЛИЗ СОВРЕМЕННЫХ ПРЕДСТАВЛЕНИЙ О БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ

Беспроводные или всепроникающие сенсорные сети являются в настоящее время одним из самых актуальных направлений развития сетей связи. БСС состоят из множества сенсорных узлов, способных фиксировать состояния окружающей среды (температуру, влажность, состав атмосферы) или характеристики объектов, находящихся в ней (размеры, скорость передвижения), хранить и анализировать эту информацию (в ограниченных пределах), а также передавать ее по беспроводным каналам связи коллекторам данных БСС.

БСС имеют ряд особенностей, отличающих их от традиционных сетей связи. Среди таких особенностей наиболее значимыми являются:

а) Объединение в сеть большого числа сенсорных узлов. Большинство приложений БСС предполагает, что в рамках такой сети будет объединено достаточно большое число сенсорных узлов, до нескольких десятков тысяч [1]. Данная особенность БСС дала толчок большому количеству исследований, посвященных оптимизации архитектуры БСС, о чем подробнее будет рассказано в разделе 1.1.

б) Низкое энергопотребление, ограниченные аппаратные ресурсы, небольшие габариты и низкая стоимость сенсорных узлов.

Концепция БСС предполагает, что сенсорные узлы обладают значительно степенью автономности. В большинстве сценариев использования БСС сенсорные узлы планируется располагать на территории, где их постоянное электропитание невозможно, а техническое обслуживание может быть затруднено. Из этого следует, что каждый сенсорный узел должен быть снабжен автономным источником питания, а кроме того, должен иметь низкое энергопотребление, так как израсходованный источник электропитания сенсорного узла может быть заменен не скоро, либо вообще не будет заменен, то есть время жизни сенсорного узла будет равно времени жизни его источника электропитания [1].

Данная особенность БСС фактически дала начало новому направлению развития протоколов сетей связи, а именно — созданию протоколов,

оптимизирующих энергопотребление конкретного сенсорного узла и улучшающих равномерность энергопотребления узлов сети в целом. Подробнее о таких протоколах связи для БСС будет рассказано в разделе 1.2.

Необходимость низкой стоимости сенсорных узлов вытекает из массовости их распространения — для создания действительно всепроникающих сетей крайне важно, чтобы каждый сенсорный узел стоил как можно меньше. Из ограниченности стоимости и энергопотребления вытекает ограниченность аппаратных ресурсов сенсорного узла.

в) Простота развертывания и самоорганизация БСС. Так же, как и требование к низкой стоимости сенсорных узлов, данная особенность БСС направлена на обеспечение возможности проникновения БСС во все области человеческой деятельности. БСС должны быть максимально просты в развертывании и эксплуатации, должны иметь возможность самоорганизовываться в сеть, не требовать наличия централизованной инфраструктуры, а также быстро менять свою топологию при выходе из строя отдельных узлов.

Необходимости самоорганизации БСС привела к созданию ряда новых протоколов, реализующих возможность самоорганизации узлов сети связи, о которых подробнее будет рассказано в разделе 1.1.

Следует отметить, что самоорганизующиеся сети, состоящие из множества сенсорных устройств с низким энергопотреблением, способных передавать собранную информацию об окружающей среде по беспроводным каналам в точку (или несколько точек) накопления и анализа данных, как нельзя лучше вписываются в концепцию Интернета Вещей [2].

В соответствии с определением Международного союза электросвязи (МСЭ), приведенным в [3], ИВ — это концепция развития сетей связи, представляющая глобальную инфраструктуру для информационного общества, которая обеспечивает возможность предоставления услуг путем соединения друг с другом (физических и виртуальных) вещей на основе существующих и развивающихся функционально совместимых информационно-

коммуникационных технологий.

Концепция ИВ отражает самые последние тенденции развития сетей связи, а именно: включение в глобальную сеть связи различных устройств (от бытовых приборов до промышленного оборудования и различных сенсорных устройств), коммуникация устройств или приложений без непосредственного участия человека (Machine-to-Machine communication, в соответствии с определением ETSI в [4]), а также стремительный рост числа устройств, включенных в телекоммуникационные сети [5,6].

Концепция ИВ включает множество различных приложений, таких как интеллектуальные транспортные системы, электронное здравоохранение, «умный дом», интеллектуальные электросети и многое другое [3]. Практически все приложения ИВ используют сенсорные устройства как необходимую часть своей инфраструктуры.

Таким образом, БСС, как значимая часть концепции ИВ, имеет большие перспективы развития, что подчеркивает важность и насущную необходимость исследования различных аспектов проектирования и функционирования БСС.

1.1 Архитектура беспроводных сенсорных сетей

БСС, как было замечено ранее, состоят из большого количества распределенных по сенсорному полю сенсорных узлов, а также других элементов сети. Архитектура сенсорных узлов будет подробнее описана в разделе 1.1.5, в этом же разделе будет рассказано о принципах и оборудовании сопряжения БСС с другими сетями, а также о топологии, кластеризации и некоторых особенностях архитектуры БСС.

1.1.1 Состав БСС

Кроме сенсорных узлов в сенсорной сети может присутствовать ряд других элементов, выполняющих функции сбора, преобразования, обработки, хранения собранных сенсорами данных, а также предоставления их конечным потребителям. Типичный пример БСС, взаимодействующей с сетью общего пользования Интернет показан на рисунке 1. Общее пограничное устройство БСС может содержать в себе ряд функциональных блоков, описанных ниже.

а) Коллектор данных. Среди данных блоков в первую очередь необходимо отметить коллектор данных (sink) — устройство, предназначенное для сбора данных от сенсорных узлов. В общем случае считается, что данные, получаемые сенсорами из внешней среды, должны быть перед отправкой конечному потребителю в числе прочего собраны в одной или нескольких точках, что и обуславливает необходимость наличия одного или нескольких коллекторов данных БСС (см. Рисунок 1). С другой стороны, в рамках концепции ИВ возможен сценарий, в котором конечный потребитель данных получает информацию напрямую от конкретного сенсорного узла, без участия коллектора данных (см. Рисунок 2).

б) Сопряжение протоколов. Как уже было сказано выше, БСС имеют ряд особенностей, которые требуют новых подходов к разработке протоколов связи. Повсеместно использующийся и ставший де-факто стандартом стек TCP/IP может быть использован для организации БСС далеко не всегда, в связи с чем для сопряжения БСС с другими сетями, использующими стек TCP/IP может быть

необходимо наличие шлюза, осуществляющего преобразование протоколов передачи данных (см. Рисунок 1).

Сенсорные узлы

Сенсорное поле

О

А

/

Л

Шлюз БСС

\

1

Коллектор Сопряжение Обработка данных протоколов данных

Internet

■ \

I

Хранение данных

Рисунок 1 - Пример БСС и системы взаимодействия БСС с сетью общего пользования

Интернет

В то же время, если предположить, что к сенсорным узлам некой БСС не предъявляется специфических требований, касающихся стоимости, размера, энергопотребления и, соответственно, вычислительных мощностей и памяти устройства, то использование стека TCP/IP в таких БСС выглядит вполне оправданным. В этом случае необходимости в высокоуровневом шлюзе БСС нет, существует только необходимость преобразования протоколов физического уровня и уровня звена данных (см. Рисунок 2).

Существует достаточно много исследований возможности использования протоколов TCP/IP для БСС. Например, в [7] приводится несколько идей, которые

могут позволить использовать протоколы TCP/IP даже в сенсорных узлах, не обладающих значительными вычислительными мощностями и большим запасом электроэнергии, в частности, сжатие UPD-заголовков, выбор узлом IP-адреса исходя из месторасположения узла, маршрутизация на основе широковещательной рассылки UDP-пакетов и т.д. Также в [7] утверждается, что для реализации необходимых протоколов в сенсорном узле достаточно иметь всего нескольких сотен байт памяти. В [8] авторы приводят модификацию протокола TCP с распределенным хранением пакета в узлах, через которые он проходит по пути от источника к получателю, с целью уменьшения пути повторной пересылки пакета в случае, если пакет был сброшен. Такая модификация протокола TCP делает его более приемлемым для беспроводных сетей, где вероятность ошибки в канале выше, чем в проводных сетях (для которых изначально разрабатывался протокол TCP), поэтому проверка пакета по порядковому номеру и контрольной сумме только в конечном узле и повторная пересылка из узла-источника, а не из промежуточных узлов, может быть неоптимальной стратегией передачи.

Пример автономной сенсорной сети для домохозяйства, построенной на базе протоколов IP и TCP, приведен в [9]. В [10] также приводится пример БСС для обнаружения вторжений, использующей данные протоколы.

Дополнительным фактором, который может расширить границы применимости протоколов стека TCP/IP в БСС является устойчивая тенденция к уменьшению габаритов, стоимости и энергопотребления вычислительных устройств при увеличении их вычислительной мощности и объема памяти. Сохранение данной тенденции может в будущем позволить реализовывать на базе сенсорных узлов протоколы, гораздо более сложные, чем это представляется возможным сейчас.

Таким образом, все вышеперечисленные данные свидетельствуют о том, что тенденцией развития БСС вполне вероятно может стать отказ от использования специфичных протоколов для БСС и переход к максимальному использованию протоколов стека TCP/IP. В таком случае необходимость в шлюзе БСС, преобразующим протоколы от сетевого уровня и выше, фактически пропадает, и,

соответственно, приобретает актуальность сценарий сопряжения БСС с сетью Интернет, приведенный на рисунке 2.

Список литературы диссертационного исследования кандидат наук Выборнова, Анастасия Игоревна, 2014 год

СПИСОК ЛИТЕРАТУРЫ

1. Кучерявый, А.Е. Сети связи общего пользования. Тенденции развития и методы расчета / А.Е. Кучерявый, А.И. Парамонов, Е.А. Кучерявый. -Москва: ФГУПЦНИИС, 2008. - 151-176 с.

2. Кучерявый, А.Е. Интернет Вещей / А.Е. Кучерявый // Электросвязь. - 2013. -С. 21-24.

3. Recommendation Y.2060 "Overview of the Internet of things" - International Telecommunication Union Telecommunication Standardization Sector, 2012

4. ETSI TS 102 689 VI. 1.1 "Machine-to-Machine communications (M2M); M2M service requirements" - European Telecommunications Standards Institute, 2010

5. Sorensen, L. Use scenarios 2020 — a worldwide wireless future. Visions and research directions for the Wireless World/Outlook / L. Sorensen, K.E.Skouby // Wireless World Research Forum 4. - 2009.

6. Waldner, J.B. Nanocomputers and Swarm Intelligence / J.B. Waldner. - London: Wiley&Sons, 2008.

7. Dunkels, A. Making TCP/IP Viable for Wireless Sensor Networks / A. Dunkels, J.Alonso , and T.Voigt // 2d International Conference on Wired/Wireless Internet Communications (WWIC 2004). - 2004.

8. Dunkels, A. Distributed TCP caching for wireless sensor networks / A. Dunkels, J.Alonso , T.Voigt, and H.Ritter // In Proceedings of the 3rd AnnualMediterranean Ad Hoc Networking Workshop (MedHoc-Net). - 2004.

9. Xiang, L. Design Of Household Control System Based On ZigBee, GSM and TCP/IP Protocol / L. Xiang // 10th IEEE International Conference on Control and Automation (ICCA). - 2013. - 1372-1375 pp.

10. Dunkels, A. The Design and Implementation of an IP-based Sensor Network for Intrusion Monitoring / A. Dunkels, T.Voigt, N.Bergman , and M.Jonsson // Swedish National Computer Networking Workshop. - 2004.

11. Akyildiz, I.F. A Survey on Sensor Networks / I.F. Akyildiz, W.Su , Y.Sankarasubramaniam , and E.Cayirci // IEEE Communications Magazine. -August 2002. - Vol. 40. - N 8. - 102-114 pp.

12. Chen, Q. Analysis of Per-Node Traffic Load in Multi-Hop Wireless Sensor Networks / Q. Chen, S.S. Kanhere , and M.Hassan // IEEE Transactions on Wireless Communications. - February 2009. - Vol. 8. - N 2. - 958-967 pp.

13. Liang, B. A Data Fusion Approach for Power Saving in Wireless Sensor Networks / B. Liang, Q.Liu // First International Multi-Symposiums on Computer and Computational Sciences (IMSCCS '06). - 2006. - Vol. 2. - 582-586 pp.

14. Chen, C. Data aggregation technologies of wireless multimedia sensor networks: A survey / C. Chen, B.Tian , Y.Li, and Q.Yao // Proceedings of the IEEE International Conference on Vehicular Electronics and Safety (ICVES). - 2010. -83-88 pp.

15. Heinzelman, W.R. Energy-Efficient Communication Protocol for Wireless Microsensor Networks / W.R. Heinzelman, A.Chandrakasan , and H.Balakrishnan // IEEE Proceedings of the 33rd Hawaii International Conference on System Sciences. - 2000. - 1-10 pp.

16. Benmansour, T. GMAC: Group mobility adaptive clustering scheme for Mobile Wireless Sensor Networks / T. Benmansour, S.Moussaoui // 10th International Symposium on Programming and Systems (ISPS). - 2011. - 67-73 pp.

17. Koucheryavy, A. Cluster head selection for homogeneous Wireless Sensor Networks / A. Koucheryavy, A.Salim // 11th International Conference on Advanced Communication Technology (ICACT). - 2009. - Vol. 3. - 2141-2146 pp.

18. Akl, A. An investigation of self-organization in wireless sensor networks / A. Akl, T.Gayraud , and P.Berthou // IEEE International Conference on Networking, Sensing and Control (ICNSC). -2001.- 1-6 pp.

19. Sohrabi, K. Protocols for Self-Organization of a Wireless Sensor Network / K. Sohrabi, J.Gao , V.Ailawadhi, and G J. Pottie // Personal Communications, IEEE. -October 2000. - Vol. 7. - N 5. - 16-27 pp.

20. Han, Z. A General Self-Organization Tree-Based Energy-Balance routing protocol for wireless sensor network / Z. Han, J.Wu , J.Zhang , L.Liu , and K.Tian // Real Time Conference (RT), 18th IEEE-NPSS. - 2012. - 1-6 pp.

21. Wischhof, L. Information Dissemination in Self-Organizing Intervehicle Networks / L. Wischhof, A.Ebner , and H.Rohling // IEEE Transactions on Intelligent Transportation Systems. - March 2005. - Vol. 6. - N 1. - 90-101 pp.

22. Gakkestad, J. Powering Wireless Sensor Networks Nodes in Northern Europe Using Solar Cell Panel for Energy Harvesting / J. Gakkestad, L.Hanssen // 4th IFIP International Conference on New Technologies, Mobility and Security (NTMS). -2011.-1-5 pp.

23. Jie, Z. Design of Power Supply System for Field Wireless Sensor Network Nodes / Z. Jie, Y.Bo // Second International Conference on Instrumentation, Measurement, Computer, Communication and Control (IMCCC). - December 2012. - 39-43 pp.

24. Dantu, K. Robomote: Enabling mobility in sensor networks / K. Dantu, M.Rahimi, H.Shah , S.Babel, A.Dhariwal, and G.S. Sukhatme // Fourth International Conference on Information Processing in Sensor Networks, IPSN. - 2005.

25. Решение от 7 мая 2007 года N 07-20-03-001 "О выделении полос радиочастот устройствам малого радиуса действия" - Государственная комиссия по радиочастотам при Министерстве Российской Фелерации по связи и информации

26. "IEEE 802.15.4a: Wireless Medium Access Control (MAC) and Physical Layer (PHY) Specifications for Low-Rate Wireless Personal Area Networks (WPANs)" -Institute of Electrical and Electronics Engineers, 2007

27. Abouei, J. Green modulation in dense Wireless Sensor Networks / J. Abouei, K.N. Plataniotis , and S.Pasupathy // IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP). - 2010. - 3382-3385 pp.

28. Abouei, J. Green Modulations in Energy-Constrained Wireless Sensor Networks / J. Abouei, K.N. Plataniotis , and S.Pasupathy // IET Communications. - January 2011. - Vol. 5. -N 2. -240-251 pp.

29. Huang, P. The Evolution of MAC Protocols in Wireless Sensor Networks: A Survey / P. Huang, L.Xiao , S.Soltani, M.W. Mutka , and N.Xi // IEEE Communications Surveys & Tutorials. - 2013. - Vol. 15. -N 1. - 101-120 pp.

30. Bachir, A. MAC Essentials for Wireless Sensor Networks / A. Bachir, M.Dohler , T.Watteyne , and K.K. Leung // IEEE Communications Surveys & Tutorials. -2010. - Vol. 12. - N 2. - 222-248 pp.

31. "IEEE 802.15.3: Wireless Medium Access Control (MAC) and Physical Layer (PHY) Specifications for High Rate WirelessPersonal Area Networks (WPANs)" -Institute of Electrical and Electronics Engineers, 2005

32. "IEEE 802.1 In: Wireless LAN Medium Access Control (MAC)" - Institute of Electrical and Electronics Engineers, 2009

33. Zhang, X. Bluetooth Simulations for Wireless Sensor Networks using GTNetS / .X. Zhang, G.F. Riley // Proceedings of the IEEE Computer Society's 12th Annual International Symposium on Modeling, Analysis, and Simulation of Computer and Telecommunications Systems (MASCOTS'04). - 2004. - 375-382 pp.

34. Singh, S.K. Routing Protocols in Wireless Sensor Networks -A Survey / S.K. Singh // International Journal of Computer Science & Engineering Survey (IJCSES). - November 2010. - Vol. 1. - N 2.

35. RFC3561 "Ad hoc On-Demand Distance Vector (AODV) Routing" - Internet Engineering Task Force, 2003

36. RFC 4919 "IPv6 over Low-Power Wireless Personal Area Networks (6LoWPANs): Overview, Assumptions, Problem Statement, and Goals" - Internet Engineering Task Force, 2007

37. Yunus, F. Proposed transport protocol for reliable data transfer in wireless sensor network (WSN) / F. Yunus, N.S.N.Ismail, S.H.S.Ariffin , A.A.Shahidan , N.Fisal, and S.K.Syed-Yusof // Proceedings of the 4th International Conference on Modeling, Simulation and Applied Optimization (ICMSAO), 2011. - 2011. - 1-7 pp.

38. Hashmi, S. A New Transport Layer Sensor Network Protocol / S. Hashmi, H.T. Mouftah , and N.D. Georganas // Proceedings of the Canadian Conference on Electrical and Computer Engineering (CCECE). - 2006. - 1116-1119 pp.

39. ZigBee Alliance [Электронный ресурс] URL: http://www.zigbee.org/ (дата обращения: 28.August.2014).

40. Tang, S. An analytical traffic flow model for cluster-based wireless sensor networks / S. Tang // Proceedings of the 1st International Symposium on Wireless Pervasive Computing. - 2006.

41. Tseng, H.W. An energy consumption analytic model for a wireless sensor MAC protocol / H.W. Tseng, S.H.Yang , P.Y.Chuangi, E.H.K.Wu , and G.H.Chen // in Proceedings of the IEEE 60th Vehicular Technology Conference. - 2004. - Vol. 6. -4533-4537 pp.

42. Messier, G. Traffic Models for Medical Wireless Sensor Networks / G.G. Messier, I.G. Finvers // IEEE Communications Letters. - January 2007. - Vol. 11. - N 1. - 1315 pp.

43. Wang, Q. Source traffic modeling in wireless sensor networks for target tracking / Q. Wang, T.Zhang // In Proc. of the 5th ACM International Symposium on Performance Evaluation of Wireless Ad-Hoc, Sensor, and Ubiquitous Networks (PE-WASUN'08). - 2008. - 96-100 pp.

44. Paxson, V. Wide-Area Traffic: The Failure of Poisson Modeling / V. Paxson, S.Floyd // IEEE/ACM Transactions on Networking. - June 1995. - Vol. 3. - N 3. -226 - 244 pp.

45. Leland, W.E. On the self-similar nature of Ethernet traffic (extended version) / W.E. Leland, M.S. Taqqu , W.Willinger , and D.V. Wilson // IEEE/ACM Transactions on Networking (TON). - February 1994. - Vol. 2. - N 1.-1-15 pp.

46. Teymori, S. Queue Analysis for Wireless Packet Data Traffic / S. Teymori, W.Zhuang // Proceedings ща еру 4th International IFIP-TC6 Networking Conference. - 2005. - 217-227 pp.

47. Mandelbrot, B.B. The Fractal Geometry of Nature / B.B. Mandelbrot. - New York: Henry Holt and Company, 1983.

48. Шелухин, О.И. Мультифракталы. Инфокоммуникационные приложения / О.И. Шелухин. - Москва: Горячая линия-Телеком, 2011.

49. Parka, К. On the Effect of Traffc Self-similarity on Network Performance / K. Parka, G.Kimb , and M.Crovellab // In Proceedings of the SPIE International Conference on Performance and Control ofNetork Systems. - 1997. - Vol. 3231. -296-310 pp.

50. Sahinoglu, Z. On Multimedia Networks: Self-Similar Traffic and Network Performance / Z. Sahinoglu, S.Tekinay // IEEE Communications Magazine. -January 1999. - 48-52 pp.

51. Wisitpongphan, N. Effect of TCP on Self-Similarity of Network Traffic /N. Wisitpongphan, J.M. Peha // Proceedings of 12th IEEE International Conference on Computer Communications and Networks (ICCCN). - 2003.

52. Hurst, H.E. Long-term storage of reservoirs: an experimental study / H.E. Hurst // Transactions of the American society of civil engineers. - 1951. - N 116. - 770-799 pp.

53. Higuchi, T. Approach to an irregular time series on the basis of the fractal theory / T. Higuchi // Physica D. - 1988. - N 31. - 277-283 pp.

54. Gneiting,. Stochastic models which separate fractal dimension and Hurst effect / T. Gneiting, M.Schlather // Society for Industrial and Applied Mathematics Review. -2003.-Vol. 46.-269-282 pp.

55. Beran, J. Statistics For Long-Memory Processes / J. Beran. - London: Chapman and Hall, 1994.

56. Adler, R. A Practical Guide to Heavy Tails: Statistical Techniques and Applications / R. Adler, R.Feldman , and M.Taqqu. - : Springer Science & Business Media, 1998. - 194-197 pp.

57. Robinson, P.M. Gaussian Semiparametric Estimation of Long Range Dependence / P.M. Robinson // Annals of Statistics. - 1995. - Vol. 23. - 1630-1661 pp.

58. Taqqu, M.S. Robustness of Whittle-type Estimators for Time Series with LongRange Dependence / M.S. Taqqu, V.Teverovsky // Communications in Statistics. Stochastic Models. - 1997. - Vol. 13. - N 4. - 723-757 pp.

59. Geweke, J. The estimation and application of long / J. Geweke, S.Porter-Hudak // Journal of Time Series Analysis. - July 1983. - Vol. 4. - 221-238 pp.

60. Clegg, R.G. A Practical Guide to Measuring the Hurst Parameter / R.G. Clegg // International Journal of Simulation: Systems, Science & Technology. - 2005. - Vol. 7.-N2.-3-14 pp.

61. Koucheryavy, A. Ubiquitous Sensor Networks Traffic Models for Telemetry Applications / A. Koucheryavy, A.Prokopiev // Lecture Notes in Commputer Science: Proceedings of the 11th International Conference on Next Generation Wired/Wireless Networking. - 2011. - Vol. 6869. - pp. 287-294 pp.

62. Koucheryavy, A. Ubiquitous Sensor Networks Traffic Models for Medical and Tracking Applications / A. Koucheryavy, A.Vybornova // Lecture Notes in Computer Science: In Proceedings of the 12th International Conference Internet of Things, Smart Spaces, and Next Generation Networking. - 2012. - Vol. 7469. - pp. 338-346 pp.

63. Wang, P. Spatial Correlation and Mobility-Aware Traffic Modeling for Wireless Sensor Networks / P. Wang, I.F. Akyildiz // IEEE/ACM Transactions on Networking. - December 2011. - Vol. 19. - N 6. - 1860-1873 pp.

64. Mandelbrot, B.B. A Fast Fractional Gaussian Noise Generator / B.B. Mandelbrot // Water Resources Research. - June 1971. - Vol. 8. - N 3. - 543-553 pp.

65. Jeong, H.J. Fast Self-Similar Teletrac Generation Based on FGN and Inverse DWT / H.J. Jeong, D.Mcnickle , and K.Pawlikowski // IEEE International Conference on Networks. - 1999. - 75-82 pp.

66. Paxson, V. Fast, approximate synthesis of fractional Gaussian noise for generating self-similar network traffic / V. Paxson // Computer Communication Review. -October 1997. - Vol. 27. - N 5. - 5-18 pp.

67. Ledesma, S. Synthesis of fractional gaussian noise using linear approximation for generating self-similar network traffic / S. Ledesma, D.Liu // Computer Communication Review. - January 2000. - Vol. 30. - 4-17 pp.

68. Taqqu, M.S. Proof of a fundamental result in self-similar traffic modeling /M.S. Taqqu, W.Willinger , and R.Sherman // Computer Communication Review. - April 1997.-Vol. 27.-N 2. - 5-23 pp.

Л'

СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА

Рисунок 1 - Пример БСС и системы взаимодействия БСС с сетью общего

пользования Интернет..................................................................................................17

Рисунок 2 - Пример БСС, являющейся частью сети общего пользования Интернет

(концепция ИВ).............................................................................................................19

Рисунок 3 - Пример многоинтервальной (multihop) целевой (ad hoc) сети...........21

Рисунок 4 - Пример ячеистой топологии...................................................................22

Рисунок 5 - Традиционные топологии сетей, слева направо: звезда, шина, кольцо,

дерево..............................................................................................................................22

Рисунок 6 - Пример кластеризации БСС....................................................................24

Рисунок 7 - Архитектура сенсорного (сенсорно-акторного) узла. Обязательные

элементы выделены непрерывной линией, необязательные — прерывистой........28

Рисунок 8 - Модель отправки данных с постоянной скоростью.............................44

Рисунок 9 - Пример непостоянной отправки пакетов..............................................45

Рисунок 10 - Функция плотности вероятности распределения Пуассона при

различных значениях коэффициента X........................................................................46

Рисунок 11 - Пример проявления свойства «пачечности» трафика........................47

Рисунок 12 - Сравнение распределений сдлинным (тяжелым) и коротким (легким)

хвостами на примере распределения Пуссона и распределения Парето................48

Рисунок 13 - Аппроксимация «пачек» пакетов при помощи ON-OFF модели......49

Рисунок 14 - Сенсорное поле имитационной модели...............................................52

Рисунок 15 - Пример озможные пути линейного прохождения через сенсорную

область под одним и тем же углом..............................................................................53

Рисунок 16 - Иллюстрация неравномерного распределения длительностей

пребывания цели в сенсорном поле круглой формы.................................................54

Рисунок 17 - Плотности вероятности длительности ON интервала скоростей цели

2, 3 и 5 км/ч....................................................................................................................56

Рисунок 18 - Распрелеление длин ON-интервалов: сравение теоретической

модели с результатами имитационного моделирования...........................................57

Рисунок 19 - Исследуемые узлы на сенсорном поле имитационной модели........58

Рисунок 20 - Распределение длин (Ж-интервалов при скрости цели 5 км/ч в

зависимости от положения сенсорного узла на сенсорном поле.............................58

Рисунок 21 - Распределение длин ОРР-интервалов в точке (15, 15) и скрости цели

5 км/ч..............................................................................................................................59

Рисунок 22 - Распределение длин ОРР-интервалов в точке (15, 10) и скрости цели

5 км/ч..............................................................................................................................60

Рисунок 23 - Распределение длин ОРР-интервалов в точке (15, 5) и скрости цели 5

км/ч.................................................................................................................................60

Рисунок 24 - Распределение длин ОРР-интервалов в точке (5, 10) и скрости цели 5

км/ч.................................................................................................................................61

Рисунок 25 - Распределение длин ОРР-интервалов в точке (5, 10) и скрости цели 3

км/ч.................................................................................................................................62

Рисунок 26 - Распределение длин ОРР-интервалов в точке (5, 10) и скрости цели 2

км/ч.................................................................................................................................62

Рисунок 27 - Пример частотного распределение ряда.............................................67

Рисунок 28 - Пример относительного частотного распределения ряда и его

аппроксимации нормальным распределением...........................................................68

Рисунок 29 - Функция плотности вероятности распределения Пуассона при

различных значениях коэффициента Я........................................................................69

Рисунок 30 - Функция плотности вероятности распределения Парето при

различных значениях коэффициента а и хт = 1........................................................71

Рисунок 31 - Пример нахождения оценки параметра Хёрста методом анализа

нормированного анализа..............................................................................................77

Рисунок 32 - Измерение кривой Коха отрезками разных длин...............................78

Рисунок 33 - Пример нахождения оценки фрактальной размерности методом

Хигучи............................................................................................................................81

Рисунок 34. Пример нахождения оценки параметра Хёрста локальным методом Виттла.............................................................................................................................84

Рисунок 35 БСС...........

- Иллюстрация слежения за линейно движущейся целью с помощью ......................................................................................................................91

Рисунок 36 - Сенсорная область имитационной модели с расположенными на ней

сенсорными узлами (зеленые точки) и шлюзом (красная точка).............................93

Рисунок 37 - Зависимость интенсивности трафика на шлюзе БСС от длительности

ОРР-интервала используемой модели источника трафика.......................................97

Рисунок 38 - Зависимость степени самоподобия трафика на шлюзе БСС от

длительности ОРР-интервала используемой модели источника трафика..............97

Рисунок 39 - Пример трафика данных, сигнализации и общего трафика при случайном движении цели: трафик сигнализации (синяя линия) повторяет трафик данных (зеленая линия) и имеет дополнительную, более «случайную»

компоненту. Суммарный трафик обозначен красной линией..................................99

Рисунок 40 - Пример трафика данных, сигнализации и общего трафика при случайном движении цели, средняя длительность ОРР-интервала равна 5

секундам.......................................................................................................................100

Рисунок 41 - Пример трафика данных, сигнализации и общего трафика при случайном движении цели, средняя длительность ОРР-интервала равна 10

секундам.......................................................................................................................100

Рисунок 42 - Пример функции спектральной плотности общего трафика на шлюзе при случайном движении цели, средняя длительность ОРР-интервала равна 5

секундам.......................................................................................................................101

Рисунок 43 - Пример функции спектральной плотности общего трафика на шлюзе при случайном движении цели, средняя длительность ОРР-интервала равна 10

секундам.......................................................................................................................101

Рисунок 44 - Пример функции спектральной плотности общего трафика на шлюзе при случайном движении цели, средняя длительность ОРР-интервала равна 50

секундам.......................................................................................................................102

Рисунок 45 - Зависимость интенсивности трафика на шлюзе БСС от длительности

ОТЧ-интервала используемой модели источника трафика......................................103

Рисунок 46 - Зависимость степени самоподобия трафика на шлюзе БСС от длительности ОМ-интервала используемой модели источника трафика..............104

Рисунок 47 - Зависимость интенсивности трафика на шлюзе БСС от параметра

формы распределения ОИ и ОРР-интервалов..........................................................105

Рисунок 48 - Пример трафика данных, сигнализации и общего трафика при случайном движении цели, параметр формы распределения длин ОМ и ОРР-

интервалов равен 1,2...................................................................................................106

Рисунок 49 - Пример трафика данных, сигнализации и общего трафика при случайном движении цели, параметр формы распределения длин ОМ и ОРР-

интервалов равен 1,4...................................................................................................106

Рисунок 50 - Пример трафика данных, сигнализации и общего трафика при случайном движении цели, параметр формы распределения длин 01М и ОРР-

интервалов равен 1,6...................................................................................................107

Рисунок 51 - Зависимость степени самоподобия трафика на шлюзе БСС от

параметра формы распределения ОК и ОРР-интервалов.......................................108

Рисунок 52 - Зависимость интенсивности трафика на шлюзе БСС от скорости передачи даных (числа пакетов в секунду) сенсорными узлами в течение 014-

интервалов....................................................................................................................109

Рисунок 53 - Зависимость степени самоподобия трафика на шлюзе БСС от скорости передачи даных (числа пакетов в секунду) сенсорными узлами в течение

ОЫ-интервалов.............................................................................................................110

Рисунок 54 - Зависимость интенсивности трафика на шлюзе БСС от скорости

движения цели (модель линейного движения цели)...............................................112

Рисунок 55 - Зависимость степени самоподобия трафика на шлюзе БСС от

скорости движения цели (модель линейного движения цели)...............................113

Рисунок 56 - Зависимость интенсивности трафика на шлюзе БСС от скорости передачи данных сенсорным узлом в течение 01Ч-интервала (модель линейного

движения цели)............................................................................................................114

Рисунок 57 - Зависимость степени самоподобия трафика на шлюзе БСС от скорости передачи данных сенсорным узлом в течение ОЫ-интервала (модель линейного движения цели).........................................................................................115

Рисунок 58 - Временное распределение числа пакетов, приходящих на шлюз БСС в секунду (скорость передачи данных узлом в течение (Ж-интервалов — 5

пакетов в секунду).......................................................................................................116

Рисунок 59 - Временное распределение числа пакетов, приходящих на шлюз БСС в секунду (скорость передачи данных узлом в течение (Ж-интервалов — 2 пакета

в секунду).....................................................................................................................116

Рисунок 60 - Временное распределение числа пакетов, приходящих на шлюз БСС в секунду (скорость передачи данных узлом в течение (Ж-интервалов — 1 пакет в секунду)........................................................................................................................117

ПРИЛОЖЕНИЕ А. ЛИСТИНГ СКРИТПА МОДЕЛИРОВАНИЯ

ИСТОЧНИКА ТРАФИКА

import random import math import pygame

#USN Sensing area description

(width, height) = (300, 300)

background_colour = (255,255,255)

node_x0 = 50

node_y0 = 150

sensing_area = 50

on_off_list = []

time_scale = 0.2

brown_rate = 5

time_rand = random.randint(l, brown_rate)

#Node description class node:

def_init_(self, (xO, yO) , r):

self.xO = xO self.yO = yO self.r = r

self.colour = (0, 0, 255) self.thickness = 1

def display(self):

pygame.draw.circle(screen, self.colour, (self.xO, self.yO), self.r, self.thickness)

pygame.draw.circle(screen, self.colour, (self.xO, self.yO), 3, 0)

#Target description class target:

def_init_(self, (x, y)):

self.x = x self.y = y self.r = 3

self.colour = (255, 0, 0) self, speed = 0 self.angle = 0 self.time - 0 self.timeint = 0

#Display function def display(self):

pygame.draw.circle(screen, self.colour, (int(self.x), int(self.y)), 5, 0)

#Linear movement function def move(self):

self.x += math.sin(self.angle) * self.speed * time_scale self.y -= math.cos(self.angle) * self.speed * time_scale self.time = self.time + time_scale self.timeint = self.time_int + time_scale

#Target reflection at boundary (function is not used) def bounce(self): self.bound = 0 if self.x >= width:

self.angle = - self.angle self.bound = 1

elif self.x <=0:

self.angle = - self.angle self.bound = 1

if self.y >= height:

self.angle = math.pi - self.angle self.bound = 1

elif self.y <= 0:

self.angle = math.pi - self.angle self.bound = 1

#Target change at boundary def bounce2(self): self.bound = 0 if self.x >= width:

#self.x = random.randint(0, width) #self.y = random.randint(0, height) xy_init = random.choice([0,l]) if xy_init = 0:

self.x = random.randint(0, width) self.y = random.choice([l, height - 1]) else:

self.y = random.randint(0, height) self.x = random.choice([l, width - 1]) self.angle = random.uniform(0, math.pi*2)

elif self.x <= 0:

#self.x = random.randint(0, width) #self.y = random.randint(0, height) xy_init = random.choice([0,l]) if xyinit = 0:

self.x = random.randint(0, width) self.y = random.choice([l, height - 1]) else:

self.y = random.randint(0, height) self.x = random.choice([l, width - 1]) self.angle = random.uniform(0, math.pi*2)

if self.y >= height:

#self.x = random.randint(0, width) #self.y = random.randint(0, height) xy_init = random.choice([0,l]) if xy_init = 0:

self.x = random.randint(0, width) self.y = random.choice([l, height - 1]) else:

self.y = random.randint(0, height) self.x = random.choice([l, width - 1]) self.angle = random.uniform(0, math.pi*2)

elif self.y <= 0:

#self.x = random.randint(0, width) #self.y = random.randint(0, height) xy_init = random.choice([0,l]) if xy_init = 0:

self.x = random.randint(0, width)

self.y = random.choice([l, height - 1]) else:

self.y = random.randint(0, height) self.x = random.choice([l, width - I]) self.angle = random.uniform(0, math.pi*2)

#Sensing function def sensed(self):

if ((self.x - node_x0)**2 + (self.y - node_y0)**2) < sensing_area**2: fList.write("ON " + str(self.time) + "\n") on_off_l ist. append('ON')

else:

fList.write("OFF " + str(self.time) + "\n") on_off_list.append('OFF')

screen = pygame.display.set_mode((width, height))

node_edge = node((node_xO, node_yO), sensing_area)

xyinit = random.choice([0,l]) if xy init = 0:

x init = random.randint(0, width) y_init = random.choice([l, height - 1])

else:

y init = random.randint(0, height) x_init = random.choice([l, width - 1])

target 1 = target((x_init, y_init))

target 1. speed = 14

targetl.angle = random.uniform(0, math.pi*2)

f_list = "out/source_list.tr" fList = open(f_list, "w")

f_result = "out/source_result.tr" fResult = open(f_result, "a")

running - True while running: while targetl.time < 200000: screen. fill(background_colour) node_edge.display() targetl .move() target l.bounce2() target l.sensed() targetl .display() pygame.display.flipO for event in pygame.event.get():

if event.type = pygame.QUIT: running = False

#Calculation of ON and OFF times i = 0

count = 0

list_last = len(on_off_list) - 1 count = 1

reference = on_off_list[0]

for i in range(l, list last):

if on_off_list[i] == reference: count = count + 1

else:

fResult.write(str(reference) + "," + str(count) + count = 1

reference = on_off_list [i] if count != 1:

fResult.write(str(reference) + + str(count) + "\n")

fList.close() fResult.closeQ

ПРИЛОЖЕНИЕ Б. ЛИСТИНГ СКРИПТА МОДЕЛИРОВАНИЯ

СЕНСОРНОЙ СЕТИ

#

# Define options

#

set val(chan) set val(prop) set val(netif) set val(mac) set val(ifq) set val(ll) set val(ant) set val(ifqlen) set val(nn) set val(nn_s) each router

set val(rp) set val(x) set val(y)

Channel/WirelessChannel ;# Channel Type

Propagation/TwoRayGround ;# radio-propagation model Phy/WirelessPhy/802_l 5_4 Mac/802_154

Queue/DropTail/PriQueue ;# interface queue type

LL ;# link layer type

Antenna/Omni Antenna ;# antenna model

50 ;# max packet in ifq

25 ;# number of router nodes

10 ;#number of sensor nodes on

AODV

30

30

;# routing protocol

set val(nam_enbl) true

set val(t_stop) 1000

;# in seconds

set val(mave) false

#read command line arguments proc getCmdArgu {argc argv} { global val

for {set i 0} {$i < $argc} {incr i} { set arg [lindex $argv $i] if {[string range $arg 0 0] != "-"} continue set name [string range $arg 1 end] set val($name) [lindex $argv [expr $i+l]]

}

}

getCmdArgu $argc $argv

# Initialize Global Variables set ns_ [new Simulator]

set tracefd [open ./sim.tr w] $ns_ trace-all $tracefd if { $val(nam_enbl) = "true" } {

set namtrace [open ./nam.tr w]

$ns_ namtrace-all-wireless $namtrace $val(x) $val(y)

}

$ns_ puts-nam-traceall {# nam4wpan #} ;# inform nam that this is a trace

file for wpan (special handling needed)

Mac/802_15_4 wpanCmd verbose on

Mac/802_15_4 wpanNam namStatus on ;# default = off (should be

turned on before other 'wpanNam' commands can work)

#Mac/802__l 5_4 wpanNam ColFlashClr gold ;# default = gold

# For model 'TwoRayGround'

set dist(5m) 7.69113e-06

set dist(9m) 2.3738 le-06

setdist(lOm) 1.92278e-06

set dist(llm) 1.58908e-06

set dist(12m) 1.33527e-06

set dist(13m) 1.13774e-06

set dist(14m) 9.8101 le-07

set dist(15m) 8.54570e-07

set dist(16m) 7.51087e-07

set dist(20m) 4.80696e-07

set dist(25m) 3.07645e-07

set dist(30m)2.13643e-07

set dist(35m) 1.56962e-07

set dist(40m) 1.20174e-07

Phy/WirelessPhy set CSThresh_ $dist(15m)

Phy/WirelessPhy set RXThresh_ $dist(15m)

# set up topography object

set topo [new Topography] $topo load_flatgrid $val(x) $val(y)

# Create God

set god_ [create-god $val(nn)] set chan_l_ [new Sval(chan)]

# configure node

$ns_ node-config -adhocRouting $val(rp) \ -llType $val(ll) \

-macType $val(mac) \ -ifqType $val(ifq) \ -ifqLen $val(ifqlen) \ -antType $val(ant) \ -propType $val(prop) \ -phyType $val(netif) \ -topolnstance $topo \ -agentTrace OFF \ -routerTrace OFF \ -macTrace ON \ -movementTrace OFF \ #-energyModel "EnergyModel"\ #-initialEnergy 1\ #-rxPower 0.3\ #-txPower 0.3\ -channel $chan_l_

# Procedure for creating nodelist nodes creates in array $node

!#(wsn_places)#!

Mac/802_15_4 wpanNam PlaybackRate 300ms

# Procedures for creating different flows between nodes

proc sendPareto { src dst starttime ontime offtime } {

global ns_ node_

set udp($src) [new Agent/UDP]

eval $ns_ attach-agent \$node_($src) \$udp($src)

set null($dst) [new Agent/Null]

eval $ns_ attach-agent \$node_($dst) \$null($dst)

set pareto($src) [new Application/Traffic/Pareto] eval \$pareto($src) set burst_time_ $ontime eval \$pareto($src) set idle_time_ $offtime eval \$pareto($src) set rate_ 320 eval \$pareto($src) set packetSize_ 20 eval \$pareto($src) set shape_ 1.6

eval \$pareto($src) attach-agent \$udp($src) eval $ns_ connect \$udp($src) \$null(Sdst)

$ns_ at $starttime "Spareto($src) start"

$ns_ at $starttime "$ns_ trace-annotate \"(at $starttime) pareto traffic from

node $src to node $dst with on time $ontime and off time $offtime\"" }

Tracefile set debug_ 0

proc sendLinear { src dst starttime } { global ns_ node_

set udp($src) [new Agent/UDP]

eval $ns_ attach-agent \$node_($src) \$udp($src)

set null($dst) [new Agent/Null]

eval $ns_ attach-agent \$node_($dst) \$null($dst)

set tflle [new Tracefile]

eval $tfile filename <trace file name>

#set linear [new Applicaiton/Traffic/Trace]

#$linear attach-tracefile Stfile

#$linear attach-agent $udp

set linear($src) [new Application/Traffic/Trace] eval \$linear($src) attach-tracefile Stfile

eval \$linear($src) attach-agent \$udp($src) eval $ns_ connect \$udp($src) \$null($dst)

Sns_ at Sstarttime "$linear($src) start"

$ns_ at $starttime "$ns_ trace-annotate \"(at $starttime) linear traffic from

node $src to node $dst }

# Start traffic flow between node and sink

!#(flow_start)#!

# defines the node size in nam

for {set i 0} {$i < Sval(nn)} {incr i} { $ns_ initial_node_pos $node_($i) 1

}

# Tell nodes when the simulation ends for {set i 0} {$i < $val(nn) } {incr i} {

$ns_ at $val(t_stop) "$node_($i) reset";

}

$ns_ at $val(t_stop) "stop"

$ns_ at $val(t_stop) "puts \"\nNS stoped\n\""

$ns_ at $val(t_stop) "$ns_ halt"

proc stop {} {

global ns_ tracefd val env $ns_ flush-trace close $tracefd set hasDISPLAY 0 foreach index [array names env] { #puts "$index: $env($index)"

if { ("$index" = "DISPLAY") && ("$env($index)" != "") } { set hasDISPLAY 1

}

}

# if { ($val(nam_enbl) = "true") && ("$hasDISPLAY" == " 1") } {

# exec nam nam.tr &

# }

}

puts "\nStarting simulation" $ns run

ПРИЛОЖЕНИЕ В. ЛИСТИНГ СКРИПТА ФОРМИРОВАНИЯ И ЗАПУСКА МОДЕЛИРОВАНИЯ И ДЕЛЬНЕЙШЕЙ ОБРАБОТКИ РЕЗУЛЬТАТОВ

МОДЕЛИРОВАНИЯ

#!/usr/bin/env python # -*- coding: utf-8 -*-

import random

import matplotlib.pyplot as pit import matplotlib.font__manager as fm import numpy as np from scipy import signal

plt.rcParams["text.usetex"] = False

fpl = fm.FontProperties( fname = "static/Serif.ttf')

OUTDIR = "out"

class WSNFlow: import math import scipy. stats as st from scipy import interpolate

def_init_(self, outdir, type_of_load, type_of_move, dst_node):

self.OUT_DIR = outdir self.dstNode = dst_node if type_of_load = "trace":

list_x, list_y = self.gen__conf(25, type_of_move)

self.gen_map(list_x, list_y)

self.run_ns2()

self.loadFromTrace(OUT_DIR + "/sim.tr")

elif type_of_load == "file":

self.loadFromFile(OUT_DIR + "/trace.tr") tmp = list()

for line in self.flowListTotal: line = line.split(" ") tmp.append(line[0]) self.flowArrayTotal = np.asarray(tmp, dtype=float) tmp = list()

for line in self.flowListData: line = line.split(" ") tmp.append(line[0]) self.flowArrayData = np.asarray(tmp, dtype=float) tmp — list()

for line in self.flowListSignal: line = line.split(" ") tmp. append(line [0] ) self.flowArraySignal = np.asarray(tmp, dtype=float)

def gen_conf(self, nodes, type):

#Generate sensors positions and flows import random

print "--> Generate sensor positions and flows"

tempi = open(Mstatic/templ_ns2_tt.tcl", "r").read() conf = open(OUT_DIR + "/conf.tcl", "w") nodes = 25 list_x = list() list_y = listQ

pos = "" flow = ""

for i in range(0,5): x = str((i+l)*5.0) y = str(5.0)

pos += "# position of node ' 1 + str(i) + "\n"

pos += "set node_(" + str(i) + ") [$ns_ node]\n"