Wireless Sensor Network Analog Input Nodes NI WSN-3202, NI WSN
Wireless Sensor Network (WSN) : Localization
Transcript of Wireless Sensor Network (WSN) : Localization
Wireless Sensor Network (WSN) :
Localization
December 2008Abdallah MAKHOUL
Laboratoire d’ Informatique de l’UPPA (LIUPPA)
Wireless Sensor Networks 2
Faster, Smaller, Numerous
• Moore’s Law– “Stuff” (transistors, etc)
doubling every 1-2 years
• Bell’s Law– New computing class every 10
years
log (people per computer)
year
Wireless Sensor Networks 3
Outline
I. Wireless sensor
Networks
(Short Survey)
II. Localization in
WSN
Wireless Sensor Networks 4
I. Wireless Sensor Networks (Short survey)
• Introduction:– Wireless Sensor Network (WSN)
– Sensor node
• Applications
• WSN unique Characteristics
• Some challenges of WSN
• Conclusion I
Wireless Sensor Networks 5
Wireless Sensor Network
Gateway
Server
Internet
Sensor field
• Several thousand
nodes
• Nodes are tens of feet
of each other
• Densities as high as 20
nodes/m2
Wireless Sensor Networks 6
What is a mote (sensor node)?
Location finding system Mobilizer
Sensor ADCProcessor
StorageTransceiver
Power generator
Power unit
Sensing unit Processing unit
<The component of sensor node>
�� Small physical size�16 bit processor, 2KB RAM, 60KB FLASH�Low data-rate radio (115.200 bits/sec)
�Limited energy available (1-2 small batteries)
�� Low cost (dispensable)Low cost (dispensable)
�� AutonomousAutonomous
Wireless Sensor Networks 7
Sensor Node
Small microcontroller 8 kB code512 B data
Simple, low-power radio 10 kbps ASK
EEPROM (32 KB)
Simple sensors
WeC 99
“Smart Rock”Mica 1/02
NEST open exp. Platform
128 kB code, 4 kB data
40kbps OOK/ASK radio
512 kB Flash
Rene 11/00
Designed for
experimentation
-sensor boards
-power boards
Dot 9/01
Demonstrate
scale
Spec 6/03
“Mote on
a chip”
Telos 4/04
Robust
Low Power
250kbps
Easy to use
Mica2 12/02
38.4kbps radio
FSK
Commercial Off The Shelf Components (COTS)
WSN Applications
Wireless Sensor Networks 9
Sensor Network Applications
Environment
monitoringEnvironment
monitoring
Commercial Commercial
Applications
HomeHome
MilitaryMilitary HealthHealth
Space
explorationSpace
exploration
Wireless Sensor Networks 10
Sensor Network Applications (examples)
Reindeer Tracking(Sámi Network Connectivity Project)
Preventive Maintenance on an Oil Tanker in the North Sea
Volcano Monitoringhttp://www.eecs.harvard.edu/~werner/projects/volcano/
Photo: http://news.bbc.co.uk/1/hi/technology/2491501.stm
Wireless Sensor Networks 11
Volcano System Design
Wireless Sensor Networks 12
Agrosens
WSN Unique Characteristics
Wireless Sensor Networks 14
Deployment
• First step in the network lifecycle
• It takes several forms:– Random
• e.g. dropping them from an aircraft
– Installed at chosen spots• Manual deployment is
impossible in many cases
• One time vs. continuous process
Wireless Sensor Networks 15
Deployment
Wireless Sensor Networks 16
• Problems caused by random deployment– Localization
• Sensor nodes must discover their locations after deployment
– Coverage• For sensing quality, a level of sensing coverage should be achieved
– Security• It is hard to store various encryption keys on nodes, since the
neighborhood cannot be know a priori
Deployment
Coverage
Wireless Sensor Networks 17
Energy, Life time
•The primary limiting factor for the life time is the Energy
•Sensor nodes are driven by batteries and have very low energy resources
•Energy optimization is a dominant consideration no matter what the problem is
•Radio consumes a vast majority of the system energy (transmission)
Wireless Sensor Networks 18
Energy, Life timeStates of a sensor node
Wireless Sensor Networks 19
Coverage and Connectivity• Connectivity:
– Communication (radio) range Rc
• Coverage:– Sensing (detection) range Rs
Rc
Rs
Event
Wireless Sensor Networks 20
Some Challenges of WSN
• Dynamic topology
• Clustering
• Mobility
• Multihop communication
• Periodic or event driven
• Time synchronization
• Scalability
• etc
Wireless Sensor Networks 21
Conclusion I
• What is wireless sensor network (WSN)?
• WSNs will enable a myriad of applications in different sectors
• Sensor networks have some unique characteristics that make the development of applications non-trivial
• Fundamental issues which the sensor network runs down
• Can we just wait 10-15 years until we have sensor networks that are very powerful??
Wireless Sensor Networks 22
II. Localization
• Methods of computing distance measurements between nodes (Ranging)
• Is positioning necessary?
• Problem Statement
• Localization Algorithms
• Future Works
• Conclusion II
Wireless Sensor Networks 23
Methods of computing Distance measurements between
nodes (Ranging)
• Received Signal Strength Indication (RSSI)– The node uses the strength of the received signal to calculate its
distance from the transmitter
– Accuracy: several meters
• Time Difference of Arrival (TDoA)– d = (Sradio – Ssound) × (tsound – tradio – tdelay)
• Angle of Arrival (AoA)
Wireless Sensor Networks 24
Is Positioning necessary?
� Yes!• “ Where? ” is the question that immediately
follows the detection of the event
• It can assist in geographic routing in large scale networks
• It is used to study the coverage properties of the network
• It is the mean of the Position tracking (e.g. military applications)
• etc
Wireless Sensor Networks 25
Problem statement
• Regular assumptions :– Large number of nodes– Random deployment in a (known shape) given area– Known (identical) transmission range for all nodes– A small number of beacon nodes
• Know their locations by using GPS or being set manually
– Static/not very dynamic networks
• Question: – What are the geographical positions of the nodes?
Wireless Sensor Networks 26
A possible solution?
• Usage of Global Positioning System (GPS) devices
• Not a feasible solution for WSN:– High cost of the device (value/energy/computation
power /space)
– Unavailability/poor precision of the service in special environments (indoors, underground, etc.)
Other approaches need to be developed
Wireless Sensor Networks 27
Lateration : a simple solution
• Given:– Three points with known positions– Distances to all three of them
• Position can be determined by intersecting three circles centered in the points with radiuses the known distances
(x1, y1)
(x2, y2)
(x3, y3)
d1
d3
d2
1
3
2i
Wireless Sensor Networks 28
Lateration
• The concept can be easily applied to multihop networks
• The method as such is not too useful:– Imprecise position information
– Imprecise distance estimates
– The three circles usually do not intersect in a point
Several algorithms developed on this simple idea
Wireless Sensor Networks 29
Localization methods (classification)
• Centralized:– All the data is collected at a central point and a global map is computed
at once• Distributed:
– nodes compute their position by communicating to their neighbours only
High number of anchors needed
Global maps available
Low complex methodsHigh computation power
required
The resulting positions are less precise
High quality solution (average error)
Lower Communication overhead
High costs of Communication
DistributedCentralized
Centralized Methods
Wireless Sensor Networks 31
Convex Optimization (1/2)
• One of the first schemes available
• Treats the localization problem from the point of view of linear programming and semi-definite programming
• Various constraints are represented as linear matrix inequalities
Wireless Sensor Networks 32
Convex Optimization (2/2)
• Advantages:– Elegant algorithm (given a set of convex constraints
on a node’s position, SDP simply finds the intersection of the constraints)
– Efficient computational methods have already been developed
• Disadvantages:– All the disadvantages of the centralized methods
– Computation complexities:• Linear programming is quadratic in the number of
connections
• Semi-definite is cubic in the number of connections
Distributed Methods
Wireless Sensor Networks 34
B2 B3
B1
A
Step-1: Beacon nodes transmit their location. We assume that there is at least one other node which can hear all three beacons. A node which hears all three beacon nodes is termed as a pseudo-beacon node
Step-2: In the second stage, the pseudo-beacon localizes itself, and transmits its location to its neighbours. this transmission is very expressive
Bounding Box (1/2)
Wireless Sensor Networks 35
Bounding Box (2/2)
• Disadvantages:– All the disadvantages of the distributed methods
– Accuracy few meters
• Advantage:– Bounding box works best when sensor nodes have
extreme computational limitations, since other algorithms may simply be infeasible
Localization with a mobile beacon
Wireless Sensor Networks 37
Localization with a mobile beacon
• Static Beacons Based Localization Approaches:– The beacons positions are unchangeable
– Disadvantages:• The precision increases with the number of beacons, which are
expensive
• May incur large errors in estimation and measurements if a node is far from the group
• Mobile Beacon Based Localization Approaches :– The beacon propagates in the region of monitoring and
communicates with the unknown nodes
– Main Drawback:• The lack of a well defined mobile beacon trajectory
Wireless Sensor Networks 38
Localization with a Mobile Beacon
Unknown Nodes
Mobile Beacon
Mobile Beacon Trajectory• One mobile beacon (equipped
with GPS, etc)
• After deployment, the mobile beacon traverses the sensor network while broadcasting beacon packets
• The beacon packet contains the coordinates of the beacon
• Any node receiving the packets, will be able to locate itself through localization algorithms (ex: trilateration)
What is the optimum beacon trajectory and when should the beacon packets be sent?
Wireless Sensor Networks 39
Localisation à l’aide d’une ancre mobile
• Une seule ancre mobile au lieu de plusieurs fixes
Wireless Sensor Networks 40
Problématique ouverte !
Les inconvénients d’une telle approche :
1. Absence d’une trajectoire bien définie
Courbe de Hilbert
2. Les instants de diffusion de l’information et son contenu
Les clefs-Hilbert
3. La complexité O(n2)
Deux algorithmes de faible complexité O(1)
Wireless Sensor Networks 41
Trajectoire de l’ancre mobile
• Rappel : Courbe de Hilbert– Courbe remplissant l’espace – Possédant un Ordre noté « m »
– Clefs-Hilbert
m = 1 m = 2
Unit square (US)
0
1 2
3
0 1
23
4
5 6
7 8
9 10
11
1213
14 15
smsS 2×=
Wireless Sensor Networks 42
Algorithmes de localisation
• Zone parcourue selon une trajectoire de Hilbert
• Diffusion des h-clefs
• 3 h-clefs nécessaires pour la localisation
0 1
23
4
5 6
7 8
9 10
11
1213
14 15
Lemme : Un nœud n appartenant à un carré unité US, reçoit au moins 3 h-clefs envoyées dans son US si et seulement si
Par conséquent nous obtenons :
Rcs ×≤ 5/2
( )RcSm ×≥ 5/2/log2
Wireless Sensor Networks 43
Algorithmes de localisation
• Algorithme-Hilbert :– Étape 1 : sélection de 3 h-clefs
envoyées dans son US
– Étape 2 : estimation de distances entre le nœud et les positions dont les h-clefs avaient été envoyées
• Utilisation de RSSI ou TDoA
01
23
4
5 6
7 8
9 10
11
12
13
14 15
Algorithme-Hilbert :• Étape 3 : Calcul de la position (Xn, Yn)
du noeud n
• h3(X3, Y3) et h2(X2, Y2) permettent le calcul de Xn sachant que Y3 = Y2
• De la même manière en utilisant h1 et h2 nous trouvons:
2
2
3
22
2 2/)()cos( dsdsd ××−+=α
)cos(2 α×= dx
⇒>< 32 XXet 0)cos( α
x+= 2n XX
y+= 2n YY
yd3
s
α
h1
h2h3
d 2
x
Wireless Sensor Networks 44
Algorithmes de localisation
• Algorithme bary-Hilbert :– Sélection des triplets de h-clefs
formant une courbe « L »
– Pour chaque triplet • exécution de l’algorithme-Hilbert
• estimation de position (Xni, Yni)
– Position du nœud :
est le nombre de courbes en «L»sélectionnées 0
1
23
4
5 6
7 8
9 10
11
1213
14 15
∑∑==
==l
i
nin
l
i
nin lYYlXX11
/et /
""l
Wireless Sensor Networks 45
Évaluation
• Simulateur : OMNet ++
• Paramètres :
– Le réseau• Surface
• Déploiement
• Nombre de nœuds
– L’ancre mobile• Variation du rayon de communication Rc
– L’estimation de la distance• RSSI et TDoA
Wireless Sensor Networks 46
Performance
• Comparaison :– Algorithme de trilatération, Algorithme Bayésien, Hilbert et bary-Hilbert– 12 nœuds déployés dans une surface de 17 × 65 us
9,81,41,31,1Erreur moyenne
O(1)O(n2)O(1)O(1)Complexité
trilatérationBayésienHilbertBary-HilbertAlgorithme
L'erreur de localisation des noeuds
0
2
4
6
8
10
12
1 2 3 4 5 6 7 8 9 10 11 12
Les noeuds
Erreur (u) Bary-Hilbert
Hilbert
Bayésien
Trilatération
Wireless Sensor Networks 47
Performance
• Passage à l’échelle
2,643,11230
2,12,79325
1,782,18320
1,391,84315
0,971,15410
Erreur
Bary-
Hilbert
Erreur
Hilbert« m »Rc
• Rayon de communication
(200 nœuds)
Passage à l'échelle
1
1.2
1.4
1.6
1.8
2
30 40 50 100 200
Nombre de noeuds
Erreur moyenne
Bary-Hilbert
Hilbert
Wireless Sensor Networks 48
Conclusion II
• Les réseaux de capteurs : une technologie récente– Contraintes : consommation d’énergie, topologie dynamique, etc.– Très orientés vers un domaine d’application précis– Problématiques traitées : localisation, couverture, fusion de données
• Localisation :– Approche basée sur ancre mobile– Choix de la trajectoire de Hilbert – Deux algorithmes extensibles et à faible complexité
– Limitations : ancre mobile et communications
Wireless Sensor Networks 49
Perspectives
• Changement de l’ordre de la courbe de Hilbert en temps réel– Selon des critères tel que la densité ou la précision définie
• Le problème de la couverture
• Utilisation de la courbe de Hilbert pour le calcul de la moyenne des mesures d’une manière sérialisée
Wireless Sensor Networks 50
Deuxième partie
Couverture et maximisation de la durée de vie
du réseau
Wireless Sensor Networks 51
Couverture et optimisation d’énergie
• Couverture : qualité de détection
• Nœuds redondants en mode veille
• Ordonnancement des nœuds dans des sous-ensembles d’activation disjoints couvrant et connexe
• À un instant « t » un et un seul ensemble actif
• Round : durée de vie d’un ensemble actif de nœuds
Wireless Sensor Networks 52
Ordonnancement centralisé et distribué
• Une approche centralisée pour construire des ensembles dominants disjoints est présentée par Cardei et al :– Le réseau est modélisé par un graphe non orienté de n nœuds – Deux nœuds sont redondants s’ils se trouvent dans la zone de
couverture l’un de l’autre– Problème NP-complet => Heuristique basée sur la méthode de
coloration des graphes (O(n3))
• Une approche distribuée,présentée par Carle et al, consiste àtrouver les « connected area dominating sets » :– Découverte de voisins– Sélection des relais adaptés à la couverture – Décision d’activation
Wireless Sensor Networks 53
Notre approche :
ordonnancement par une ancre mobile
• Coupler la localisation et la couverture en une seule phase
• Éviter la phase de découverte de voisins
• Diminuer de manière significative la consommation d’énergie
Wireless Sensor Networks 54
Couverture avec l’ancre-Hilbert
• Impact de la couverture sur l’ordre de la trajectoire– Un nœud se trouvant dans un US le
couvre complètement
• Nœuds appartenant au même carréunité US : redondants
• Trois algorithmes d’ordonnancement
( )RsSm /22log2≥
Lemme : Un nœud n appartenant à un carré unité US le couvre entièrement si et seulement si
Par conséquent nous obtenons :
22/Rss ≤
( )RcS ×≥ 5/2/log2
Wireless Sensor Networks 55
Couverture incrémentale
Ordonnancement aléatoire :– Rc ≥ 2 × Rs (condition de Zhang et Hou)
– Après sa localisation, un nœud envoie sa position à l’ancre mobile (une seule communication)
– L’ancre reçoit les positions qui se situent dans le même US et elle les considère comme voisins redondants
– Elle affecte chaque nœud à un ensemble (round)
– À la fin, elle renvoie sa décision aux nœuds en précisant à chaque nœud son ensemble
Wireless Sensor Networks 56
Couverture incrémentale
Ordonnancement aléatoire– Exemple :
n44--n14Round 4
n43n33-n13Round 3
n42n32n22n12Round 2
n41n31n21n11Round 1
US 4US 3US 2US 1
US 4US 1
3
US 2 US 3
51
1
1
1
2
2
2
2
3
3
4 4
• Ordonnancement à faible complexité => durée de vie du réseau améliorée
• Optimalité?
Wireless Sensor Networks 57
Couverture incrémentale
Ordonnancement global :1. Tous les ordonnancements possibles sont construits en tenant compte
de la connectivité
2. Parmi les ordonnancements construits, celui qui assure une couverture complète sera sélectionné (Monte-Carlo)
Wireless Sensor Networks 58
Couverture incrémentale
Ordonnancement global
• Branch & Bound (exemple)
US 4US 1
3
US 2 US 3
51
1
1
1
2
2
2
2
3
3
4 4
n31n33n31n33n32n33R 5
n31n33n31n33n32n33n22n14R 4
n31n33n31n33n32n33n22n13R 3
n32n31n33n31n33n32n21n22n12R 2
n33n32n31n22n21n11R 1
US3US2US1
• Solution optimale mais complexe (O(n!))!!
Wireless Sensor Networks 59
Couverture incrémentale
Ordonnancement par la distance maximale :• Réduction du coût de la recherche exhaustive et du calcul de la
surface couverte (O(nlog(n))• Idée : réduction de la surface de chevauchement (surface
couverte par plusieurs nœuds)– Le chevauchement entre deux disques diminue avec l’augmentation
de distance entre leurs centres• Le même principe est appliqué à deux ensembles de nœuds au
lieu de deux disques • La distance maximale entre deux ensembles de points
coplanaires est définie par :
21
21max
de et de points les entre eeuclidienn distance laest ),(où
),(max),(
SqSpqpd
qpdSSd
jiji
ji
j
i=
Wireless Sensor Networks 60
Couverture incrémentale
Ordonnancement par la distance maximale :• Exemple :
R1
US
Wireless Sensor Networks 61
Évaluation
• Séries de simulation basées sur OMNet++
• Génération du réseau d’une manière aléatoire dans une région (50 × 50) us, Rs = 8 u, m = 4 u, s = 2.82 u
• Résultats = moyenne d’une cinquantaine de simulations
• Implémentation de trois ordonnancements notamment: global, aléatoire, distance maximale
• Ordonnancement global : très forte complexité (O(n!)) et temps d’exécution exponentiel (par exemple 30 minutes pour une densité de 50 nœuds)
Wireless Sensor Networks 62
Évaluation
• Les principaux paramètres mesurés :
– Durée de vie du réseau
– Proportion des nœuds actifs par rapport au nombre total déployé
– Pourcentage de couverture
– Pourcentage de chevauchement
Wireless Sensor Networks 63
Comparaison
• Approche centralisée (coloration de graphe)– Topologie : 100 nœuds, surface (100×100) us
• Approche distribuée (CADS)– Topologie : 70 nœuds
865Nb de rounds
Distance-maxAléatoireCentraliséAlgorithme
432.7Nb de rounds
Distance-maxAléatoireDistribuéAlgorithme
Wireless Sensor Networks 64
Pourcentage de couverture
85%96%100%100%D-150
DN75%93%100%D-100
DN67%91%100%D-70
DNDN81%100%D-50
DNDN70%100%D-30
R4R3R2R1
Ordonnancement aléatoire
70%75%85%87%93%100%100%D-150
DNDN75%79%84%96%100%D-100
DNDNDN64%81%93%100%D-70
DNDNDNDN61%93%100%D-50
DNDNDNDNDN73%100%D-30
R7R6R5R4R3R2R1
Ordonnancement par la distance maximale
Wireless Sensor Networks 65
Pourcentage de chevauchement
D-150
D-100
D-70
D-50
D-30
26%40%77%95%100%
30%45%85%100%
3,5%35%80%100%
26%75%96%
5%50%79%
R4R3R2R1
Ordonnancement aléatoireChev. Initial
100%
100%
100%
96%
79%
Chev.
Initial
10%20%22%31%41%45%D-150
17%18%20%33%40%D-100
11%20%29%38%D-70
15%23%30%D-50
5%45%D-30
R6R5R4R3R2R1
Ordonnancement par la distance maximale
Wireless Sensor Networks 66
Troisième partie
Fusion de données
Wireless Sensor Networks 67
Processus de fusion de données
• Les nœuds capteurs prennent des mesures de leur environnement
• Calcul de la moyenne de tous les prélèvements => Effectuer une action concertée
– Tâche facile dans des réseaux fiables
– Problématique dans un réseau sujet à la fois à des perturbations environnementales et à des défaillances fréquentes
Wireless Sensor Networks 68
Calcul de la moyenne consensus
• Calcul centralisé :– Envoie des mesures vers une unité centrale– Inconvénients :
• routage, topologie dynamique • consommation d’énergie
• Calcul distribué (flooding) :– Chaque nœud diffuse son information et les informations reçues à
ses voisins– Ayant toutes les informations, il calcule la moyenne– Inconvénients :
• messages doubles, réception du même message plusieurs fois • besoin d’une grande mémoire, …
Wireless Sensor Networks 69
Calcul de la moyenne consensus
• Calcul itératif :– Un nœud maintient un état dynamique de l’estimation de la
moyenne• Échange des informations• Réception des messages• Mise à jour de l’état dynamique
– Convergence vers la moyenne consensus
• Travaux itératifs existants : – Tolérants aux cassures des liens (topologie dynamique)– Synchrones – Non tolérants aux pertes des messages– Non résistants aux délais de transmission
Wireless Sensor Networks 70
Algorithme itératif asynchrone
• Algorithme itératif asynchrone pour le calcul de la moyenne consensus– Basé sur la diffusion
– Asynchrone
– Robuste aux cassures des liens
– Résiste aux délais de transmission
– Tolérant aux pertes de messages
Wireless Sensor Networks 71
Algorithme itératif asynchrone
• Fusion Asynchrone :– Chaque nœud maintient un état instantané
– Après chaque itération « t » un nœud i :• Compare son état avec les états de tous ses voisins
• Calcule un scalaire pour tout voisin j
• Reçoit les scalaires envoyés par ses voisins
• Met à jour son état instantané tel que :
)(txi ))(()( tdxtx j
i
j =
)(tsij
))(()( tdstr jiji =
∑∑∈∈
+−=+)()(
)()()()1(tNj
ji
tNj
ijii
ii
trtstxtx
Wireless Sensor Networks 72
Algorithme itératif asynchrone
Hypothèse 1: superposition des graphes de communication forme un graphe connexe
Réseau initial Réseau à l’instant « t »
Réseau à l’instant « t+1 » Graphe de superposition
Wireless Sensor Networks 73
Algorithme itératif asynchrone
Hypothèse 2:
)())()((
),(min)( que tel noeuddu voisin * ],1,0[
**
*
tStxtx
txtxij α
ij
i
ji
i
k
i
j
≤−
=∃∈∃
α
Hypothèse 3: Condition ping pong
)()()()()(
tStxtStx ij
i
jtNK ikii
+≥−∑ ∈
Wireless Sensor Networks 74
Algorithme itératif asynchrone
Choix des Sij : (t)x(t)x si (t))x(t)(t)(xα(t)S i
ji
i
jiijij >−=
pong-ping pas an'on qu' tant )1)(/(1)( += tNt iijα
)(1 tx
)(2 tx
)(3 tx
)(4 tx
Wireless Sensor Networks 75
Évaluation
• Séries de simulations (50 exécutions par simulation) avec OMNet++
• Paramètres :– Rapport Tr = durée itération / durée communication
– Le nombre de nœuds
– La probabilité de cassure de lien
• Métriques évaluées :– Nombre d’itérations
– Erreur moyenne
– Temps de convergence
Wireless Sensor Networks 76
Évaluation
• Comportement :– Topologie fixe (Erreur moyenne, 100 nœuds)
Erreur moyenne/nombre d'itérations
1
10
100
1000
1
0.1
0.01
0.00
10.
0001
0.00
001
1E-0
6
Erreur moyenne
Nombre d'itérations
Asynchrone
Synchrone
Wireless Sensor Networks 77
Évaluation
• Passage à l’échelle
Itérations/densité
020
40
60
80100
120
25 50 75 100 150 200
Nombre de noeuds
Nombre d'itérations
Asynchrone
Synchrone
Le temps de simulation
0
10
20
30
40
50
60
25 50 75 100 150 200
Nombre de noeuds
Le temps sim
ulé
Synchrone
Asynchrone
Wireless Sensor Networks 78
Évaluation
• Topologie dynamique
Cassure de liens / nombre d'itérations
0
50
100
150
200
250
0
0.1
0.1
5
0.2
0.2
5
0.3
0.3
5
0.4
0.4
5
0.5
Probabilité de cassure de liens
Nombre d'itérations
Asynchrone
Cassure de liens / temps simulé
0
10
20
30
40
50
60
00.1 0.1
5 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Probabilité de cassure de liensLe temps sim
ulé
Asynchrone
Wireless Sensor Networks 79
Conclusion
• Les réseaux de capteurs : une technologie récente– Contraintes : consommation d’énergie, topologie dynamique, etc.– Très orientés vers un domaine d’application précis– Problématiques traitées : localisation, couverture, fusion de données
• Localisation :– Approche basée sur ancre mobile– Choix de la trajectoire de Hilbert – Deux algorithmes extensibles et à faible complexité
– Limitations : ancre mobile et communications