Exploiting spatial correlations for efficient communication and deployment optimisation in wireless sensor networks [Elektronische Ressource] / Frank Oldewurtel

Sujets

• Informatik

Informations

• Publié par: rheinisch-westfalischen_technischen_hochschule_-rwth-_aachen
• Publié le: 01 janvier 2011
• Nombre de lectures: 54
• Langue: English
• Poids de l'ouvrage: 1 Mo

Extrait

ExploitingSpatialCorrelationsforEfficient
CommunicationandDeploymentOptimisation
inWirelessSensorNetworks
VonderFakultätfürElektrotechnikundInformationstechnik
derRheinisch-WestfälischenTechnischenHochschuleAachen
zurErlangungdesakademischenGradeseinesDoktorsder
IngenieurwissenschaftengenehmigteDissertation
vorgelegtvon
Diplom-Ingenieur
FrankOldewurtel
ausHagen,Deutschland
Berichter:Univ.-Prof.Dr.PetriMähönen
Univ.-Prof.Dr.PeterVary
TagdermündlichenPrüfung:20.Juni2011
DieseDissertationistaufdenInternetseiten
derHochschulbibliothekonlineverfügbar.ABSTRACT
WirelessSensorNetworks(WSNs)consistofalargenumberofverysmallnet-
worked nodes that are widely distributed. The nodes incorporate communi-
cation,processingandsensingcapability,andareresource-constraineddueto
limitations in size. The most scarce resource is the available energy budget
and thus the energy consumption of WSNs is of paramout importance. Ha-
ving an extremely large application space, WSNs fundamentally enhance our
capabilitytocontrolandmonitorthesurroundingphysicalworld.
Distributed Source Coding (DSC) is a solution to realise energy-efficient
WSNs. Thiscompressionschemeaimsatreducingtheamountofsenseddata
tobecommunicatedandthenumberofrequireddatatransmissionstoachieve
energysavings.
InthisthesiswedevelopandevaluateapracticalandadaptiveDSCscheme
appliedinWSNsunderrealistictechnicalrequirementsandlimits. Thescheme
is adaptive to environmental variations and can exploit arbitrary spatial cor-
relations in the sensed phenomena. We implement this DSC scheme on real
hardware platforms and demonstrate its feasibility through an experimental
testbed. Inaddition,weanalyserealisticnetworkdeploymentmodelsandde-
riveenhanceddeploymentmodelsthatdirectlyleadtooptimiseddeployment
strategies. Furthermore,wederiveandevaluateaperformancepredictionme-
tricthatisapplicabletorapidandlightweightevaluationofWSNs.
Following a realistic modelling methodology we take into account the en-
ergy consumption of the DSC-related signal processing algorithms and prac-
ticaldeploymentstrategies. Wedevelopthecomprehensiveanddetailedeva-
luation framework to exactly and quantitatively determine achievable gains.
Theframeworkincludesanenergyconsumptionmodelextractedbasedonac-
curate measurement data gathered from our experimental testbed. Using the
framework,weevaluatethepracticalandadaptiveDSCschemeaswellasto-
pologicaleffectsontheperformanceofrealisticlydeployedWSNs.
The applied scheme shows substantially improved energy savings and in
additionstrongoperationallifetimeextensionsofWSNsunderrealisticcondi-
tions. Overalltheenergy-efficiencyofWSNsissignificantlyimprovedthrough
efficient communication and optimised network deployment as proposed in
thiswork.
iKURZFASSUNG
DrahtloseSensornetzebestehenauseinergroßenAnzahlvonsehrkleinenver-
netztenKnotenpunkten,dieimgrößtenMaßeverteiltsind.DieKnotenpunkte
besitzendieFähigkeitzurKommunikation,SignalverarbeitungundWahrneh-
mungderUmgebung,wobeiihreBetriebsmittelaufgrundderLimitierungvon
Abmessungenbeschränktsind.DasverfügbareEnergiebudgetentsprichtdem
entscheidendenBetriebsmittelunddaheristderEnergieverbrauchvonhöchs-
terBedeutung.DrahtloseSensornetzeverfügenübereinenweitausgedehnten
AnwendungsbereichundverbessernunsereFähigkeitzurWahrnehmungund
KontrollederphysikalischenUmgebungfundamental.
VerteilteQuellenkodierungisteineLösung,umenergieeffizientedrahtlose
Sensornetzezurealisieren.DiesesKompressionsverfahrenzieltaufdieReduk-
tionderzukommunizierendenDatenmengeundderAnzahldernotwendigen
Übertragungenab,umEnergieeinsparungenzuerreichen.
In dieser Dissertation wird ein praktisches und adaptives Verfahren zur
verteilten Quellenkodierung entwickelt und in drahtlosen Sensornetzen un-
ter realistischen Bedingungen angewandt. Das Verfahren ist adaptiv zu den
variierenden Umgebungsbedingungen und kann beliebige räumliche Korre-
lationenindenzuuntersuchendenPhänomenenausnutzen.
Das Kompressionsverfahren ist auf Hardware-Plattformen implementiert
undseineDurchführbarkeitübereineexperimentelleTestanordnungdemons-
triert.ZusätzlichwerdenrealistischeModellezurKnoten-Positionierungana-
lysiert und verbesserte Positionierungsmodelle abgeleitet, welche direkt zu
optimiertenPositionierungsstrategienführen.WeiterhinwirdeineMetrikzur
Leistungsvorhersageentwickelt,welchedieleichtgewichtigeundschnelleEf-
fizienzanalysevondrahtlosenSensornetzenermöglicht.
Folgend der Methodik zur realistischen Modellbildung werden auch der
Energieverbrauch der Signalverarbeitungsalgorithmen bezüglich der verteil-
ten Quellenkodierung und realistische Positionierungsstrategien berücksich-
tigt.FürdieEvaluierungwirdeinumfassendesunddetailliertesRahmenwerk
entwickelt, welches die exakte und quantitative Bestimmung der erreichba-
ren Gewinne ermöglicht. Dieses Rahmenwerk enthält ein Energieverbrauchs-
Modell, das basierend auf präzisen Messdaten extrahiert wird. Die Messda-
ten wurden zuvor über die experimentelle Testanordnung gewonnen. Unter
AnwendungdesRahmenwerkeswirddaspraktischeundadaptiveVerfahren
zurverteiltenQuellenkodierungsowiedietopologischenEffekteaufdieLeis-
tungsfähigkeit von realistisch positionierten drahtlosen Sensornetzen bewer-
tet.
iiiIV KURZFASSUNG
Das angewandte Verfahren zeigt substantielle Energieeinsparungen und
eine deutliche Verlängerung der operativen Lebensdauer der drahtlosen Sen-
sornetze unter realistischen Bedingungen. Insgesamt ist die Energieeffizienz
durch die in dieser Arbeit vorgeschlagene effiziente Kommunikation und die
optimierteKnoten-Positionierungsignifikantverbessertworden.CONTENTS
ABSTRACT I
KURZFASSUNG III
CONTENTS V
1 INTRODUCTION 1
1.1 MOTIVATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 THESIS CONTRIBUTIONS . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 THESIS OUTLINE . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 WIRELESS SENSOR NETWORKS 5
2.1 SENSOR NODE ARCHITECTURE . . . . . . . . . . . . . . . . . . . 5
2.2 WIRELESS SENSOR NETWORK ARCHITECTURE . . . . . . . . . . 7
2.2.1 DESIGN FACTORS . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.2 PERFORMANCE CRITERIA . . . . . . . . . . . . . . . . . . 10
2.3 APPLICATION SPACE AND ASSOCIATED PHENOMENA . . . . . . 11
2.3.1 APPLICATION CLASSES . . . . . . . . . . . . . . . . . . . 11
2.3.2 DISCUSSION . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.3 PHENOMENA EXHIBITING SPATIAL CORRELATIONS . . . 14
2.4 IN-NETWORK PROCESSING TECHNIQUES . . . . . . . . . . . . . 18
2.4.1 DATA AGGREGATION . . . . . . . . . . . . . . . . . . . . . 19
2.4.2 MULTI-SENSOR FUSION . . . . . . . . . . . . . . . . . . . 19
2.4.3 DISTRIBUTED TRANSFORM CODING . . . . . . . . . . . . 20
2.4.4 NETWORK CODING . . . . . . . . . . . . . . . . . . . . . . 20
2.4.5 DISCUSSION . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 DISTRIBUTED SOURCE CODING 23
3.1 INFORMATION THEORY AND CODING THEORY BASICS . . . . . 24
3.1.1 SHANNON INFORMATION ENTROPY AND SOURCE CO-
DING THEOREM . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.2 SOURCE CODING PRINCIPLES . . . . . . . . . . . . . . . . 25
3.2 DISTRIBUTED SOURCE CODING THEORY . . . . . . . . . . . . . . 27
vVI CONTENTS
3.2.1 SLEPIAN-WOLF THEOREM AND THE ACHIEVABLE RATE
REGION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.2 DUALITY TO CHANNEL CODING . . . . . . . . . . . . . . 28
3.2.3 ROBUSTNESS VS. COMPRESSION-EFFICIENCY . . . . . . . 30
3.3 DESIGN ANDIMPLEMENTATION OFPRACTICALADAPTIVEDIS-
TRIBUTED SOURCE CODING . . . . . . . . . . . . . . . . . . . . . 30
3.3.1 CODE SELECTION AND CODING PROCEDURES . . . . . . 32
3.3.2 TESTBED DESCRIPTION AND EXPERIMENTS . . . . . . . . 34
3.3.3 ANALYSIS OF CASE STUDIES AND PERFORMANCE EVA-
LUATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4 CROSS-LAYER DESIGN OF DISTRIBUTED SOURCE CODING . . . 49
3.4.1 RELATED APPROACHES FOR THE CROSS-LAYER DESIGN 49
3.4.2 MAC PROTOCOL FOR THE CROSS-LAYER DESIGN . . . . 50
3.4.3 WSN ARCHITECTURE AND PHY/MAC/DSC CROSS-
LAYER DESIGN . . . . . . . . . . . . . . . . . . . . . . . . . 51
4 SYSTEM MODEL OF THE EVALUATION FRAMEWORK 55
4.1 PHENOMENON MODEL . . . . . . . . . . . . . . . . . . . . . . . . 55
4.1.1 SPATIAL STATISTICS AND THE RANDOM FIELDS CONCEPT 56
4.1.2 SPATIAL MEASURES CHARACTERISING RANDOM FIELD
PROPERTIES . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.1.3 PHENOMENON MODEL DEFINITION . . . . . . . . . . . . 58
4.2 DEPLOYMENT MODEL . . . . . . . . . . . . . . . . . . . . . . . . 60
4.2.1 SPATIALSTATISTICS AND THERANDOMPOINTPROCESS
CONCEPT . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2.2 SPATIAL MEASURES CHARACTERISING POINT PROCESS
PROPERTIES . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3 OBSERVATION MODEL . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4 COMMUNICATION MODEL . . . . . . . . . . . . . . . . . . . . . . 69
4.5 ENERGY MODEL EXTRACTION . . . . . . . . . . . . . . . . . . . 72
5 IMPACT OF DEPLOYMENT MODELS ON THE EFFICIENCY
OF NETWORKS 77
5.1 SIMULATION STUDY . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.1.1