Стохастическая динамическая модель подводной беспроводной сенсорной сети, основанная на модифицированном лувенском алгоритме кластеризации

Андрей Михайлович Маевский; Владимир Александрович Рыжов; Татьяна Александровна Федорова; Иван Александрович Печайко; Никита Михайлович Буров

doi:10.15622/ia.24.4.8

Андрей Михайлович Маевский Санкт-Петербургский государственный морской технический университет
Владимир Александрович Рыжов Санкт-Петербургский государственный морской технический университет
Татьяна Александровна Федорова Санкт-Петербургский государственный морской технический университет
Иван Александрович Печайко «Научно-производственное предприятие подводных технологий «Океанос»
Никита Михайлович Буров Санкт-Петербургский государственный университет аэрокосмического приборостроения (ГУАП)

DOI:

https://doi.org/10.15622/ia.24.4.8

Ключевые слова:

подводные беспроводные акустические сенсорные сети, алгоритмы кластеризации, алгоритмы маршрутизации, Лувенский алгоритм, модифицированный алгоритм Дейкстры, TDMA протокол, энергоэффективность и надежность подводной беспроводной акустической сенсорной сети

Аннотация

В данной работе представлен инновационный подход к кластеризации и маршрутизации в подводных беспроводных сенсорных сетях (ПБСС), основанный на модифицированном Лувенском алгоритме учитывающим расстояния между узлами, вероятности успешной передачи сообщений и текущий уровень энергии сенсоров. Класс задач, для которых используется указанный подход – гибридные подводные акустические беспроводные сенсорные сети с мобильным (надводным или подводным) шлюзом. Предложенный метод реализует механизм динамической рекластеризации сети на основе мониторинга энергетических ресурсов узлов, что позволяет перераспределять роли сенсоров в сети (обыкновенных и референсных) и обеспечивать адаптацию сети к изменениям внешней среды и состоянию сенсоров. Разработанный алгоритм нацелен на повышение энергоэффективности, минимизацию потерь данных и сокращение числа ретрансляций при передаче сообщений в условиях ограниченной пропускной способности гидроакустического канала связи. MAC-уровень базируется на TDMA протоколе, исключающем возможность коллизий за счёт использования независимых временных слотов для сенсоров. Динамическая модель решает ключевые задачи управления ресурсами ПБСС: снижает энергозатраты, повышает надёжность передачи данных, уменьшает длительность передачи сообщений и продлевает срок автономной работы сети. Модель учитывает пространственную трёхмерную структуру размещения сенсоров и оптимизирует размещение референсных узлов, предотвращая перегрузку и появление «узких мест» в сети. Целью работы является построение топологии, минимизирующей энергопотребление и потери сообщений при эффективной маршрутизации данных к мобильному шлюзу. Гибкость и адаптивность предложенного подхода делает его применимым в реальных подводных задачах мониторинга окружающей среды и исследованиях мирового океана. Модифицированный Лувенский алгоритм с введенным порогом кластеризации оказался эффективным инструментом, обеспечивающим детальный анализ влияния проектных параметров на основные функциональные характеристики ПБСС. Сочетание модифицированного Лувенского алгоритма и модифицированного метода Дейкстры в рамках предложенной имитационной стохастической модели позволяет создавать устойчивую, адаптивную и энергоэффективную кластерную архитектуру сети.

Литература

1. Zorzi M., Casari P., Baldo N., Harris A.F. Energy-efficient routing schemes for underwater acoustic networks // IEEE J. Sel. Areas Commun. 2008. vol. 26. no. 9. pp. 1754–1766.
2. Davis A., Chang H. Underwater wireless sensor networks // Proceedings of the IEEE Oceans. 2012. pp. 1–5.
3. Freitag L., Grund M., Singh S., Partan J., Koski P., Ball K. The WHOI micro-modem: An acoustic communications and navigation system for multiple platforms // Proceedings Oceans MTS/IEEE. 2005. vol. 2. pp. 1086–1092.
4. Rahman M.A., Lee Y., Koo I. EECOR: an energy efficient cooperative opportunistic routing protocol for underwater acoustic sensor networks // IEEE Access. 2017. vol. 5. pp. 14119–14132. DOI: 10.1109/ACCESS.2017.2730233.
5. Akyildiz I.F., Pompili D., Melodia T. Underwater acoustic sensor networks: Research challenges // Ad Hoc Netw. 2005. vol. 3(3). pp. 257–279. DOI: 10.1016/j.adhoc.2005.01.004.
6. Pompili D., Melodia T., Akyildiz I.F. Distributed routing algorithms for underwater acoustic sensor networks // IEEE Trans. Wireless Commun. 2010. vol. 9. no. 9. pp. 2934–2944. DOI: 10.1109/TWC.2010.070910.100145.
7. Lu Q., Liu F., Zhang Y., Jiang S. Routing Protocols for Underwater Acoustic Sensor Networks: A Survey from an Application Perspective // Advances in Underwater Acoustics. 2017. DOI: 10.5772/intechopen.68900.
8. Azam I., Majid A., Khan T., et al. Avoiding Energy Holes in Underwater Wireless Sensor Networks with Balanced Load Distribution // 10th International Conference on Complex, Intelligent and Software Intensive System (CISIS). 2016. pp. 341–350. DOI: 10.1109/CISIS.2016.109.
9. Chaaf A., Muthanna M.S.A., Muthanna A., et al. Energy-Efficient Relay-Based Void Hole Prevention and Repair in Clustered Multi-AUV Underwater Wireless Sensor Network // Security and Communication Networks. 2021. vol. 2021. no. 1. DOI: 10.1155/2021/9969605.
10. Khan Z.A., Karim O.A., Abbas S, Javaid N., Zikria Y.B., Tariq U. Q-learning based energy-efficient and void avoidance routing protocol for underwater acoustic sensor networks // Computer Networks. 2021. vol. 197. DOI: 10.1016/j.comnet.2021.10839.
11. Mhemed R., Phillips W., Comeau F., Aslam N. Void avoiding opportunistic routing protocols for underwater wireless sensor networks: A survey // Sensors. 2022. vol. 22(23). DOI: 10.3390/s22239525.
12. Tokmachev D.A., Chensky A.G., Zolotarev N.S., Poletaev A.S. Modelling of a hydroacoustic modem for underwater communications // J. Phys.: Conf. Ser. 2021. vol. 1728. DOI: 10.1088/1742-6596/1728/1/012021.
13. Chen H., Zhu Y., Zhang W., Wu K., Yuan F. Underwater Acoustic Micromodem for Underwater Internet of Things // Wireless Communications and Mobile Computing. 2022. vol. 2022. no. 1. DOI: 10.1155/2022/9148756.
14. Sherlock B., Morozs N., Neasham J., Mitchell P. Ultra-low cost and ultra-low-power, miniature acoustic modems using multipath tolerant spread spectrum techniques // Electronics. 2022. vol. 11. no. 9. DOI: 10.3390/electronics11091446.
15. Li J., Tong F., Jiang W., Roy S. Underwater acoustic modem with high precision ranging capability based on second-level cesium atomic clock // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2022. vol. XLVI-3/W1-2022. pp. 75–80, DOI: 10.5194/isprs-archives-XLVI-3-W1-2022-75-2022.
16. Zia I., Poncela J., Otero P. State-of-the-Art Underwater Acoustic Communication Modems: Classiﬁcations, Analyses and Design Challenges // Wireless Personal Communications. 2021. vol. 116. pp. 1325–1360. DOI: 10.1007/s11277-020-07431-x.
17. Datta A., Dasgupta M. Energy efficient topology control in underwater wireless sensor Networks. Computers and Electrical Engineering. 2023. vol. 105. DOI: 10.1016/j.compeleceng.2022.108485.
18. Sutagundar A.V., Halakarnimath B.S., Bhadjantri L.B. et al. A Novel Approach of topology control in underwater sensor networks // IEEE 2nd Mysore Sub Section International Conference (MysuruCon). 2022. pp. 1–5. DOI: 10.1109/MysuruCon55714.2022.9972400.
19. Choudhary M., Goyal N. Dynamic topology control algorithm for node deployment in mobile underwater wireless sensor networks // Concurrency and Computation Practice and Experience. 2022. vol. 34(15). DOI: 10.1002/cpe.6942.
20. Hu Y., Hu K., Liu H. et al. An energy-balanced head nodes selection scheme for underwater mobile sensor networks // EURASIP Journal on Wireless Communications and Networking. 2022. no. 63. DOI: 10.1186/s13638-022-02141-3.
21. Fedorova T.A., Ryzhov V.A., Semenov N.N. and Sulaiman Sh.A. Optimization of an Underwater Wireless Sensor Network Architecture with Wave Glider as a Mobile Gateway // Journal of Marine Science and Application. 2022. vol. 21. pp. 179–196. DOI: 10.1007/s11804-022-00268-9.
22. Ahmad I., Rahman T., Zeb A., et al. Cooperative Energy-Efficient Routing Protocol for Underwater Wireless Sensor Networks // Sensors. 2022. vol. 22. DOI: 10.3390/s22186945.
23. Bharny S., Sharma S., Alsharabi N., Eldin E.T., Ghamry N.A. Energy-efficient clustering protocol for underwater wireless sensor networks using optimized glowworm swarm optimization // Front. Mar. Sci. 2023. vol. 10. DOI: 10.3389/fmars.2023.1117787.
24. Sheeja R., Iqbal M.M., Sivasankar C. Multi-objective-derived energy efficient routing in wireless sensor network using adaptive black hole-tuna swarm optimization strategy // Ad Hoc Networks. 2023. vol. 144. DOI: 10.1016/j.adhoc.2023.103140.
25. Alfajeer A.A., Harous S. A review of routing protocols for underwater wireless sensor networks // The 3rd International Conference on Distributed Sensing and Intelligent Systems (ICDSIS 2022). 2022. pp. 138–145. DOI: 10.1049/icp.2022.2428.
26. Shovon I.I., Shin S. Survey on Multi-Path Routing Protocols of Underwater Wireless Sensor Networks: Advancement and Applications. Electronics. 2022. vol. 11(21). DOI: 10.3390/electronics11213467.
27. Kebkal A., Kebkal K., Komar M. Data-link protocol for underwater acoustic networks // Europe Oceans. 2005. vol. 2. pp. 1174–1180. DOI: 10.1109/OCEANSE.2005.1513225.
28. Stojanovic M. Optimization of a data link protocol for an underwater acoustic channel // Europe Oceans. 2005. vol. 1. pp. 68–73 DOI: 10.1109/OCEANSE.2005.1511686.
29. Guqhaiman A.A., Akanbi O., Aljeadi A., Chow C.E. A Survey on MAC Protocol Approaches for Underwater Wireless Sensor Networks // IEEE Sensors Journal. 2021. vol. 21(3). pp. 3916–3932. DOI: 10.1109/JSEN.2020.3024995.
30. Kulla E., Matsuo K., Barolli L. MAC Layer Protocols for Underwater Acoustic Sensor Networks: A Survey // Lecture Notes in Network and Systems (LNNS). 2022. vol. 496. DOI: 10.1007/978-3-031-08819-3_21.
31. Gazi F., Ahmed N., Misra S., Wei W. Reinforcement Learning-Based MAC Protocol for Underwater Multimedia Sensor Networks // CM Transactions on Sensor Networks. 2022. vol. 18(3). pp. 1–25. DOI: 10.1145/3484201.
32. Liu X., Du X., Li M., Wang L., Li C. A MAC Protocol of Concurrent Scheduling Based on Spatial Temporal Uncertainty for Underwater Sensor Networks // Hindawi Journal of Sensors. 2021. vol. 2021. DOI: 10.1155/2021/5558078.
33. Shahapur S.S., Khanai R. Underwater Sensor Network at physical, data link and network layer – a survey // International Conference on Communications and Signal Processing (ICCSP). 2015. pp. 1449–1453. DOI: 10.1109/ICCSP.2015.7322753.
34. Songzuo L., Iqbal B., Khan I.U., Ahmed N., Qiao G., Zhou F. Full Duplex Physical and MAC Layer-Based Underwater Wireless Communication Systems and Protocols: Opportunities, Challenges, and Future Directions // J. Mar. Sci. Eng. 2021. vol. 9(5). DOI: 10.3390/jmse9050468.
35. Casari P., Ardizzon F., Tomasin S. Physical Layer Authentication in Underwater Acoustic Networks with Mobile Devices // WUWNet '22: Proceedings of the 16th International Conference on Underwater Networks & Systems. 2022. pp. 1–8. DOI: 10.1145/3567600.3567604.
36. Kaveripakam S., Chinthaginjala R. Energy balanced reliable and effective clustering for underwater wireless sensor networks // Alexandria Enngineering Journal. 2023. vol. 77. pp. 41–62. DOI: 10.1016/j.aej.2023.06.083.
37. Zhou Z., Peng Z., Cui J., Jiang Z. Handling triple hidden terminal problems for multichannel MAC in long-delay underwater sensor networks // IEEE Trans. Mob. Comput. 2012. vol. 11(1). pp. 139–154. DOI: 10.1109/TMC.2011.28.
38. Yahya A., Islam S.U., Zahid M., Ahmed G., Raza M., Pervaiz H. Cooperative routing for energy efficient underwater wireless sensor networks // IEEE Access. 2019. vol. 7. pp. 141888–141899. DOI: 10.1109/ACCESS.2019.2941422.
39. Rayen S.J., Arunajsmine J., Neelakandan S., Annamalai R. Social media networks owing to disruptions for effective learning // Procedia Comput. Sci. 2020. vol. 172. pp. 145–151. DOI: 10.1016/j.procs.2020.05.022.
40. Li P., Wang S., Zhang H., Zhang E. Improved particle swarm optimization algorithm of clustering in underwater acoustic sensor networks // Proceedings of the IEEE OCEANS. 2017. pp. 1–7. DOI: 10.1109/OCEANSE.2017.8084869.
41. Yu W., Chen Y., Wan L., Zhang X., Zhu P., Xu X. An energy optimization clustering scheme for multi-hop underwater acoustic cooperative sensor networks // IEEE Access. 2020. vol. 8. pp. 89171–89184. DOI: 10.1109/ACCESS.2020.2993544.
42. Wang M., Chen Y., Sun X., Xiao F., Xu X. Node energy consumption balanced multi-hop transmission for underwater acoustic sensor networks based on clustering algorithm // IEEE Access. 2020. vol. 8. pp. 191231–191241. DOI: 10.1109/ACCESS.2020.3032019.
43. Zhang W., Wang J., Han G. et al. A cluster sleep-wake scheduling algorithm based on 3D topology control in underwater sensor networks // Sensors. 2019. vol. 19. DOI: 10.3390/s19010156.
44. Vijayalakshmi S.R, Muruganand S. 6 Underwater Wireless Sensor Networks (UWSNs) // Wireless Sensor Network. Architecture – Applications – Advancements. 2018. pp. 175–212 DOI: 10.1515/9781683923275-007.
45. Blondel V.D., Guillaume J.-L., Lambiotte R., Lefebvre E. Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment. 2008. vol. 2008(10).
46. Dijkstra E.W. A note on two problems in connexion with graphs // Numerische Mathematik. 1959. vol. 1. pp. 269–271. DOI: 10.1007/BF01386390.
47. Ramaswami R., Parhi K. Distributed scheduling of broadcasts in a radio network // Proceedings of the Eighth Annual Joint Conference of the IEEE Computer and Communications Societies (IEEE INFOCOM). 1989. vol. 2. pp. 497–504. DOI: 10.1109/INFCOM.1989.101493.
48. Rappaport T. Wireless Communications: Principles and Practice // Upper Saddle River, NJ: Prentice Hall, 1996.
49. Thorp W.H. Deep Sound attenuation in the sub and low kilocycle per-second range // J. Acoust. Soc. Am. 1965. vol. 38(4). p. 648–654.
50. Cui J.-H., Kong J., Gerla M., Zhou S. The challenges of building scalable mobile underwater wireless sensor networks for aquatic applications // IEEE Network. 2006. vol. 20. no. 3. pp. 12–18. DOI: 10.1109/MNET.2006.1637927.
51. Tian K., Zhou C., Zhang J. Improved LEACH Protocol Based on Underwater Energy Propagation Model, Parallel Transmission, and Replication Computing for Underwater Acoustic Sensor Networks. Sensors // 2024. vol. 24(2). DOI: 10.3390/s24020556.
52. Fedorova T.A., Ryzhov V.A., Safronov K.S. et al. Energy-Efficient and Reliable Deployment Models for Hybrid Underwater Acoustic Sensor Networks with a Mobile Gateway // J. Marine. Sci. Appl. 2024. vol. 23. pp. 960–983. DOI: 10.1007/s11804-024-00444-z.
53. Федорова Т.А., Рыжов В.А., Сафронов К.С. Использование гибридной коммуникационной архитектуры подводной беспроводной сенсорной сети для повышения ее времени жизни и эффективности // Информатика и автоматизация. 2024. Т. 23 № 5. С. 1532–1570. DOI: 10.15622/ia.23.5.10.
54. Tian K., Zhou C., Zhang J. Improved LEACH Protocol Based on Underwater Energy Propagation Model, Parallel Transmission, and Replication Computing for Underwater Acoustic Sensor Networks // Sensors. 2024. vol. 24(2). DOI: 10.3390/s24020556.

Цифровые информационно-телекоммуникационные технологии

Стохастическая динамическая модель подводной беспроводной сенсорной сети, основанная на модифицированном лувенском алгоритме кластеризации

DOI:

Ключевые слова:

Аннотация

Литература

Опубликован

Статистика

Как цитировать

Выпуск

Раздел

Импакт-фактор

Разделы

Мы в сети

Обратная связь

Просмотры	18
Скачивания	8