Содержание к диссертации
Введение
ГЛАВА 1. Анализ концепции интернета вещей и возможности использования нечеткой логики в ее сетях 14
1.1. Концепция Интернета Вещей 14
1.1.1. Стандартизация Интернета Вещей 15
1.1.2. Основные принципы Интернета Вещей 16
1.1.3. Фундаментальные характеристики концепции Интернета Вещей 18
1.1.4. Анализ развития концепции Интернета Вещей и основных ее сетей 20
1.1.5. Направления практического применения Интернета Вещей 21
1.1.6. Планы и прогнозы внедрения Интернета Вещей 22
1.2. Основные понятия нечеткой логики 25
1.2.1. Основные понятия теории нечетких множеств 26
1.2.2. Системы нечеткого логического вывода 28
1.2.3. Основные алгоритмы нечеткого логического вывода 34
1.3. Выводы по первой главе 36
ГЛАВА 2. Исследование моделей и методов оценки качества обслуживания в сетях m2m для системы электронного здоровья на основе нечеткой логики 37
2.1. Разработка модели и метода оценки качества предоставления услуги физиологического мониторинга 37
2.1.1. Модель на основе нечеткой логики 39
2.1.2. Метод построения модели и анализ программного обеспечения на основе нечеткой логики 45
2.2. Разработка и исследование моделей трафика для нового типа сетей – сетей с малыми задержками 50
2.2.1. Эволюция требований по качеству обслуживания в сетях связи 50
2.2.2. Новые виды трафика и ужесточение требований к задержкам 55
2.2.3. Гигабитные сети доступа 56
2.2.4. Методы оценки качества обслуживания в сетях с малыми задержками 59
2.3. Выводы по второй главе 63
ГЛАВА 3. Исследование и разработка алгоритма кластеризации и выбора головного узла кластера для всепроникающих сенсорных сетей с использованием нечеткой логики и диаграмм вороного 64
3.1. Основные принципы построения всепроникающих сенсорных сетей 65
3.1.1. Архитектура и состав всепроникающих сенсорных сетей 65
3.1.2. Типовые архитектуры и топологии всепроникающих сенсорных сетей 67
3.2. Приложения всепроникающих сенсорных сетей 69
3.3. Разработка алгоритма кластеризации и выбора головного узла кластера для всепроникающих сенсорных сетей 73
3.3.1. Анализ существующих алгоритмов кластеризации во всепроникающих сенсорных сетях 73
3.3.2. Радиомодель сети 76
3.3.3. Формирование кластеров с использованием диаграмм Вороного 79
3.3.4. Выбор головного узла кластера на основе нечеткой логики 79
3.4. Сравнение характеристик разработанного алгоритма с существующими алгоритмами 85
3.4.1. Настройка параметров имитационного моделирования 85
3.4.2. Результаты и анализ имитационного моделирования 85
3.5. Выводы по третьей главе 90
ГЛАВА 4. Разработка метода кластеризации в беспроводных нательных сенсорных сетях с применением нечеткой логики 91
4.1. Анализ современных представлений о беспроводных нательных сенсорных сетях 91
4.1.1. История развития стандарта IEEE 802.15.6 и беспроводных нательных сетей 91
4.1.2. Требования к беспроводным нательным сенсорным сетям в стандарте IEEE 802.15.
6 4.1.3. Классификация узлов в беспроводных нательных сенсорных сетях 94
4.1.4. Топология беспроводной нательной сенсорной сети 95
4.2. Разработка модели и метода кластеризации для беспроводных нательных сенсорных сетей 97
4.2.1. Модель и архитектура беспроводной нательной сенсорной сети 97
4.2.2. Разработка метода кластеризации для беспроводных нательных сенсорных сетей 98
4.2.3. Реализация метода с использованием нечеткой логики 100
4.2.4. Формирование кластеров 101
4.2.5. Выбор головного узла кластера на основе нечеткой логики 102
4.3. Сравнение разработанного метода кластеризации с существующими методами построения беспроводных нательных сенсорных сетей 106
4.3.1. Метрики эффективности предлагаемого метода 106
4.3.2. Результаты и анализ моделирования 107
4.4. Выводы по четвертой главе 110
Заключение 111
Список сокращений и условных обозначений 113
Словарь терминов 115
Список литературы
- Основные принципы Интернета Вещей
- Метод построения модели и анализ программного обеспечения на основе нечеткой логики
- Типовые архитектуры и топологии всепроникающих сенсорных сетей
- Модель и архитектура беспроводной нательной сенсорной сети
Введение к работе
Актуальность темы диссертации. Для современного уровня формирования информационного общества характерно интенсивное развитие технологий сетей пост-NGN и концепции Интернета Вещей (ИВ). Согласно концепции Интернета Вещей и ряду прогнозов в ближайшем будущем в глобальную сеть связи войдет несколько триллионов телекоммуникационных устройств. Большая часть этих устройств будет так называемыми «вещами», то есть, в соответствии с определением международного союза электросвязи, данным в рекомендации Y.2060, «предметами физического или информационного мира, которые могут быть идентифицированы и интегрированы в сети связи».
Среди телекоммуникационных устройств, ориентированных не на взаимодействие между людьми, а на взаимодействие между человеком и некой неодушевленной «вещью» или между «вещами», значительную долю составляют разнообразные сенсорные (чувствительные, измерительные) устройства. С помощью, входящих в их состав сенсоров, они способны получать информацию о различных свойствах окружающей среды и находящихся в ней объектах, а также передавать эту информацию по беспроводным каналам связи другим подобным устройствам. Ряд специфических требований к таким устройствам (низкое потребление электроэнергии, малая стоимость, простота инсталляции, самоорганизация сети), а также растущая потребность в таких сетях привели к формированию нового направления развития сетей связи - сетей Интернета Вещей.
Концепция Интернета Вещей значительно расширяет область применения сетей связи и набор предоставляемых ими услуг. Появляются такие сети как, всепроникающие сенсорные сети USN (Ubiquitous Sensor Networks), целевые сети транспортных средств VANET (Vehicular Ad Hoc Networks), нательные медицинские сети MBAN (Medical Body Area Networks) и т.д. Появление множества сетей различного назначения приводит к необходимости разработки методов их организации (кластеризации, выбора головных узлов кластеров, маршрутизации и др.) и пересмотру требований к качеству обслуживания QoS (Quality of Service). В частности, медицинские сети являются одними из важнейших сетей концепции Интернета Вещей. В работах международного союза электросвязи по стандартизации сетей связи для предоставления услуг электронного здоровья (e-health) предполагается широко использовать новые технологические достижения в области сетей M2M. При этом особое внимание уделяется проблемам стандартизации новых классов услуг и параметров качества обслуживания. Работы по созданию стандартов для медицинских сетей ведет также рабочая группа IEEE 802.15.6. Целью создания беспроводных нательных сетей (WBAN - Wireless Body Area Network) является предоставление услуг в области медицины, например удаленный мониторинг состояния показателей жизнедеятельности человеческого организма.
Одной из задач построения всепроникающих сенсорных сетей (ВСС) и беспроводных нательных сенсорных сетей (БНСС) является выбор их архитектуры. Эффективным способом решения этой задачи является кластеризация сетевой структуры, благодаря которой возможно влиять на основные параметры сети, например, увеличение жизненного цикла и уменьшение энергопотребления.
В диссертации нечеткая логика будет использована для решения задач в области сетей связи, порожденных концепцией Интернета Вещей. В связи с изложенным исследование методов кластеризации и оценки качества обслуживания в сетях Интернета Вещей на основе методов нечеткой логики представляется актуальным.
Объектом диссертации являются сети Интернета Вещей.
Предметом диссертации являются методы кластеризации и оценки качества обслуживания в сетях Интернета Вещей.
Степень разработанности темы. Концепция Интернета Вещей и основанные на ней сети порождают множество разнообразных проблем. Отметим здесь некоторые из них, такие как:
эффективность применяемых методов выбора конфигурации сети (методов кластеризации и алгоритмов выбора головного узла кластера);
увеличение периода стабильности и жизненного цикла сети;
. уменьшение энергопотребления и увеличение пропускной способности.
. обеспечение качества обслуживания при передаче данных;
На данный момент существует довольно большое количество работ в области темы диссертации, которые можно разделить на три группы:
Первая группа исследовательских работ, в которых рассматриваются вопросы оценки качества обслуживания для различных классов трафика в сетях M2M для системы электронного здоровья. В ряде работ зарубежных авторов (H. Lee, K. J. Park, Y. B. Ko, C. H. Choi, D. M. Shrestha, N. H. Vaidya, L. Sha) в качестве объектов исследования выбираются параметры задержки, пиковой и средней скорости. На наш взгляд этого недостаточно из-за отсутствия требований по потерям пакетов. В данной диссерта-
ционной работе разработаны и исследованы модели и методы оценки качества обслуживания в сетях M2M для системы электронного здоровья на основе нечеткой логики.
Вторая группа. На данный момент существует много работ, посвященных вопросам выбора архитектуры сети. Как правило, эти задачи касаются кластеризации и выбора головного узла кластера в ВСС. В ряде отечественных и зарубежных работ кластеризация и выбор головного узла кластера рассматриваются как эффективный способ продления жизненного цикла и уменьшения энергопотребления для всепроникающих сенсорных сетей с использованием диаграммы Вороного (Кучерявый А. Е., Салим А., Chandrakasan A. P., Balakrishnan H.). Во многих работах применение теории нечетких множеств и методов нечеткой логики рассматривается как эффективный способ решения задач кластеризации и выбора головного узла кластера ВСС (Ben Alla S., Ezzati A., Mohsen A., Hadjila M., Guyennet H., Feham M., Jin-Shyan Lee, Senior Member, Wei-Liang Cheng., Karimi A., Abedini S. M., Zarafshan F., Al-Haddad S.A.R.). В диссертационной работе предложен новый алгоритм, который использует для формирования кластеров диаграммы Вороного, а нечеткую логику для выбора головного узла кластера в ВСС.
Работы третей группы посвящены задачам кластеризации в беспроводных нательных сенсорных сетях в целях снижения энергопотребления и увеличения пропускной способности сети. В ряде зарубежных работ (Pham Th. H., Nguyen H. H., Rafatkhah O., Lighvan M. Z., Nadeem Q., Javaid N., Mohammad S. N., Khan M. Y., Sarfraz S., Gull M.) рассматривается топология звезды. В данной топологии сенсорный узел должен передавать сигнал достаточно большой мощности, так как координатор не всегда может находиться рядом. При этом жизненный цикл сенсорных узлов уменьшается. В данной диссертационной работе разработан новый метод кластеризации для беспроводных нательных сенсорных сетей с применением нечеткой логики. Проведено сравнение его эффективности с архитектурой ‘звезда’.
Цель и задачи диссертации. Целью диссертации является разработка и исследование методов оценки качества обслуживания для системы электронного здоровья в сети M2M, а также методов кластеризации и алгоритмов выбора головного узла кластера в ВСС и БНСС на основе нечеткой логики.
Для достижения поставленной цели в диссертации решаются следующие задачи:
анализ развития концепции Интернета Вещей и основных ее сетей, а также основных понятий нечеткой логики;
разработка модели и метода оценки качества представления услуги физиологического мониторинга в сети M2M для системы электронного здоровья на основе нечеткой логики;
разработка и исследование модели для сетей с малыми задержками и метода оценки качества представления услуги “Аудио и видео системы, в том числе для оперативного вмешательства” с использованием нечеткой логики;
анализ современного состояния развития всепроникающих сенсорных сетей и приложений их использования, определение наиболее важных архитектурных особенностей;
разработка алгоритма кластеризации и выбора головного узла кластера для ВСС с использованием нечеткой логики и диаграмм Вороного и его сравнение с базовыми алгоритмами выбора головных узлов по следующим показателям: жизненный цикл сети, энергопотребление в сети;
анализ современных представлений о беспроводных нательных сенсорных сетях, определение наиболее важных топологий;
разработка нового метода кластеризации с применением нечеткой логики для беспроводных нательных сенсорных сетей и сравнение его эффективности с архитектурой ‘звезда’ по следующим показателям: период стабильности сети, жизненный цикл сети, энергопотребление в сети, пропускная способность сети.
Научная новизна. Основные результаты диссертации, обладающие научной новизной:
-
Предложен метод оценки качества обслуживания для сетей с малыми задержками, отличающийся от известных использованием для оценки параметров качества обслуживания в таких сетях теории нечетких множеств и нечеткой логики.
-
Разработан алгоритм кластеризации ВСС на основе нечеткой логики, отличающийся тем, что центральность расположения сенсорного узла определяется на основе диаграмм Вороного, за счет чего достигается увеличение жизненного цикла сети на 90% по сравнению с базовым алгоритмом LEACH и на 70% по сравнению с наиболее близким по сути алгоритмом Fuzzy C-Means, а также уменьшение энергопотребления.
-
Разработан новый метод построения БНСС, отличающийся от известного использованием кластерной архитектуры, что позволяет существенно увеличить период стабильности (около трех раз) и жизненный цикл (около двух раз) по сравнению с архитектурой ‘звезда’. Кроме того, обеспечивается уменьшение энергопотребления в сети и увеличение пропускной способности сети.
Теоретическая и практическая значимость диссертации.
Теоретическая значимость работы состоит в разработке моделей для новых услуг в новых сетях связи с малыми задержками и методы оценки качества обслуживания для этих сетей на основе использования теории нечетких множеств и нечеткой логики, в разработке нового алгоритма кластеризации и выбора головного узла кластера для всепроникающих сенсорных сетей с использованием нечеткой логики и диаграмм Вороного, основанный на использовании оптимальности диаграмм Вороного для выбора центральности расположения сенсорного узла, а также впервые использована метода кластеризация для построения беспроводных нательных сенсорных сетей с применением нечеткой логики и подтверждена ее эффективность.
Практическая значимость диссертационной работы состоит в возможности научно-обоснованного планирования обеспечения качества обслуживания для услуг физиологического мониторинга и “Аудио и видео системы, в том числе для оперативного вмешательства” в сетях с малыми задержками. Использование алгоритма кластеризации и выбора головного узла кластера для всепроникающих сенсорных сетей на практике существенно увеличивает длительность жизненного цикла сенсорной сети с одновременным уменьшением энергопотребления. Возможность научно-обоснованного планирования беспроводных нательных сенсорных сетей. Полученные в диссертационной работе результаты использованы в учебном процессе кафедры сетей связи и передачи данных Санкт-Петербургского Государственного Университета Телекоммуникаций им. проф. М.А. Бонч-Бруевича (СПбГУТ) при чтении лекций, проведении практических занятий и лабораторных работ по курсам “Современные проблемы науки в области телекоммуникаций”, “Интернет Вещей и самоорганизующиеся сети” и “Математические методы теории сетей связи и передачи данных”.
Методология и методы диссертации. Методология исследования построена на общенаучных принципах объективности и всесторонности. В качестве методов исследования использовались методы преобразования входных данных с использованием нечеткой логики в продукционных правилах: формирование базы правил, фаззификация, агрегирование, активизация, аккумуляция, дефаззификация; теория нечетких множеств; методы математического программирования, методы теории телетрафика и массового обслуживания. В качестве инструментов имитационного моделирования использовался программный пакет Fuzzy Logic Toolbox (пакет нечеткой логики в среде MatLab), а также для обработки результатов моделирования использовалось программирование в MatLab.
Тематика и область диссертации. Содержание диссертации соответствует следующим пунктам паспорта специальности 05.12.13 – «Системы, сети и устройства телекоммуникаций»: п. 2. «Исследование процессов генерации, представления, передачи, хранения и отображения аналоговой, цифровой, видео-, аудио- и мультимедиа информации; разработка рекомендаций по совершенствованию и созданию новых соответствующих алгоритмов и процедур», п. 12. «Разработка методов эффективного использования сетей, систем и устройств телекоммуникаций в различных отраслях народного хозяйства», п. 14. «Разработка методов исследования, моделирования и проектирования сетей, систем и устройств телекоммуникаций».
Основные положения, выносимые на защиту:
-
Модель и метод оценки качества представления услуги физиологического мониторинга в сети M2M для системы электронного здоровья на основе теории нечеткой логики, модель и метод сетей с малыми задержками для оценки качества представления услуги “Аудио и видео системы, в том числе для оперативного вмешательства” с использованием нечеткой логики;
-
Алгоритм кластеризации и выбора головного узла кластера для всепроникающих сенсорных сетей с использованием нечеткой логики и диаграмм Вороного;
-
Метод кластеризации и выбора головного узла кластера с применением нечеткой логики для беспроводных нательных сенсорных сетей.
Степень достоверности и апробация результатов. Достоверность результатов подтверждается корректным использованием математических методов исследования и результатами имитационного моделирования. Основные результаты, полученные в диссертационной работе, докладывались и обсуждались на следующих международных и всероссийских конференциях и семинарах: на семинаре “Инфокоммуни-кационные технологии в цифровом мире”, ЛЭТИ, (Санкт-Петербург, 2012); на международной конференции «INternet of THings and ITs ENablers - The INTHITEN», SUT, (St.-Petersburg, Russia, 2013); на 14-ой международной конференции «Internet of Things, Smart Spaces, and Next Generation Networking NEW2AN» (St.-Petersburg, Russia, 2014); на 69-й и 70-й конференциях СПбНТОРЭС им. А.С. Попова (Санкт-Петербург, 2014, 2015); на II-ой и III-ой международных научно-технических и научно-методических конференциях «Актуальные проблемы инфотелекоммуникаций в науке и образовании» СПбГУТ (Санкт-Петербург, 2013, 2014), а также на заседаниях кафедры сетей связи и передачи данных СПбГУТ.
Личный вклад автора. Все основные научные положения и результаты диссертации, разработаны и получены автором самостоятельно.
Публикации по теме диссертации. Материалы, отражающие основные результаты диссертационной работы, опубликованы в сборниках научно-технических конференций, в том числе международных, а также в журналах отрасли. Всего опубликовано 11 работ, из них 1 статья в зарубежном научно-техническом сборнике (Scopus), 3 статьи в рецензируемых научных журналах, входящих в перечень изданий, рекомендуемых ВАК министерства образования и науки Российской Федерации, 4 статьи в журналах, включенных в РИНЦ и тезисы докладов в количестве 3 в материалах научных конференций.
Структура и объём диссертации. Диссертация включает введение, 4 главы, заключение, список сокращений и условных обозначений, словарь терминов, список литературы, включающий 115 наименований, список иллюстративного материала, список таблиц и шесть приложений. Основная часть диссертации (без приложений) изложена на 127 страницах машинописного текста, содержит 50 рисунков и 14 таблиц.
Основные принципы Интернета Вещей
Системы нечеткого логического вывода можно рассматривать как частный случай так называемых продукционных нечетких систем. В таких системах условия и логические заключения различных правил формулируются в виде нечетких высказываний сделанных относительно значений некоторых лингвистических переменных. Разработка и применение систем нечеткого логического вывода состоит из нескольких этапов, реализация которых производится с помощью рассмотренных выше основных положений теории нечетких множеств.
На вход системы нечеткого логического вывода подаются входные переменные, которые несут информацию, полученную каким-либо образом, например, путем измерения некоторой физической величины. Эти переменные рассматриваются как реальные переменные процесса управления. На выходе системы управления формируются управляющие переменные нечеткого логического вывода. Таким образом, системы нечеткого логического вывода производят преобразование значений входных переменных процесса управления в выходные переменные на основе определенных нечетких правил продукций. Наиболее часто используется в системах нечеткого логического вывода простейший вариант правила нечеткой продукции, который, записывается в форме:
В (1.7) нечеткое высказывание “1 есть 1” представляет собой условие данного правила нечеткой продукции. Нечеткое высказывание “2 есть 2” - это нечеткое заключение данного правила. Они сформулированы в терминах нечетких лингвистических высказываний. При этом предполагается, что 1 2.
Основные этапы получения нечеткого логического вывода и особенности каждого из этапов более подробно рассмотрены ниже: [50] 1) Формирование базы правил. База правил систем нечеткого логического вывода предназначена для формального описания эмпирических знаний или знаний экспертов в той или иной проблемной области и представляет собой совокупность правил нечетких продукций вида: ПРАВИЛО 1: ЕСЛИ “Условие 1”,ТО “Заключение J ”(Fj) ПРАВИЛО 2: ЕСЛИ “Условие 2”,ТО “Заключение 2”(F2) ... (1.8) ПРАВИЛО п: ЕСЛИ “Условие п",ТО “Заключение n”(Fn) где Fi(i принадлежит {1, 2, ..., п}) это коэффициенты определенности или весовые коэффициенты соответствующих правил. Они могут принимать значения из интервала [0 ; 1]. Если не указано иного, то Fi=l. База правил считается заданной, если для нее определено множество правил нечетких продукций, а также множество входных лингвистических переменных и множество выходных лингвистических переменных. 2) Фаззификация (введение нечеткости) является процессом или процедурой получения значений функций принадлежности нечетких множеств (термов) на основе заданных (четких) исходных данных. В результате завершения этого этапа для всех входных переменных должны быть определены конкретные значения функций принадлежности для каждого из лингвистических термов, используемых в наборе условий базы правил системы нечеткого логического вывода. 3) Агрегирование это процедура в ходе, которой определяется степень истинности условий по каждому из правил системы нечеткого логического вывода. Когда условие правила имеет простую форму, то его истинность равна соответствующему значению функции принадлежности входной переменной к терму, который используется в данном условии. Если условие состоит из нескольких под-условий вида: ПРАВИЛО # : ЕСЛИ "fa есть ац” И "fa есть а2”,ТО "fa есть V", или (1.9) ПРАВИЛО # : ЕСЛИ "fa есть а/ ИЛИ "fa есть а2"„ТО "fa есть V", то определяется степень истинности сложного высказывания. Она определяется на основе известных значений истинности подусловий. При этом применяются соответствующие выражения для выполнения операций нечеткой конъюнкции и нечеткой дизъюнкции: Операция нечеткой логической конъюнкции (И) ( ) { ( ) ( )} (1.10) Операция нечеткой логической дизъюнкции (ИЛИ) {) {{x){x)} (1.11) 4) Активизация это процесс нахождения степени истинности каждого из подза ключений правил нечетких продукций. Перед началом данного этапа предполага ется, что известны степень истинности и весовой коэффициент (F,) для каждого из правил. Далее рассматривается каждое из заключений правил системы нечеткого логического вывода. Когда заключение правила представляет собой одно нечеткое высказывание, степень его истинности приравнивается алгебраическому произведению соответствующей степени истинности условия на весовой коэффициент. Когда заключение состоит из нескольких подзаключений вида: ПРАВИЛО # : ЕСЛИ "fa есть оц” ТО "fa есть а2” И "fa есть V", или (1.12) ПРАВИЛО # : ЕСЛИ "fa есть щ” ТО "fa есть а2” ИЛИ "fa есть V", то степень истинности каждого из подзаключений равна алгебраическому произведению соответствующего значения степени истинности условия на весовой коэффициент. 5) Аккумуляция является процессом нахождения функции принадлежности для каждой из выходных лингвистических переменных. Цель этапа аккумуляции - объединить все степени истинности заключений (подзаключений) для получе ния функции принадлежности каждой из выходных переменных. Необходимость этого этапа заключается в том, что подзаключения, которые относятся к одной и той же выходной лингвистической переменной, принадлежат различным прави лам системы нечеткого логического вывода. Объединение нечетких множеств производят при помощи выражения: { }) (1.13) где - модальное значение (мода) нечеткого множества, соответствующего выходной переменной после этапа аккумуляции, полученное в соответствии с выражением: { ( )} (1.14) 6) Дефаззификация (приведение к четкости) представляет собой процедуру определения обычного (четкого) значения для каждой из выходных лингвистиче ских переменных. Цель этого этапа заключается в том, чтобы, используя резуль таты аккумуляции всех выходных лингвистических переменных, получить обыч ное количественное значение каждой из выходных переменных. Это значение может быть использовано специальными устройствами, внешними по отношению к системе нечеткого логического вывода. Для выполнения численных расчетов на завершающем данном этапе могут быть использованы следующие методы дефаз-зификации (рисунок 1.8):q
Метод построения модели и анализ программного обеспечения на основе нечеткой логики
Проектирование и планирование ТфОП с использованием аналоговых техно логий производилось, как правило, на основе моделей с систем массового обслу живания потерями (отказами) с использованием для расчетов первой формулы Эрланга [9], [34]. При этом допустимая вероятность потери вызова из конца в ко нец, например для городских телефонных сетей, должна была быть не более 5%, а на ступенях искания коммутационных устройств она нормировались в пределах (2–5) 10–3 [16]. Системы обслуживания с ожиданием применялись в ТфОП весьма редко, например, для управления установлением соединения на ступени абонентского искания в целях обеспечения заданной длительности ожидания сигнала «Ответ станции» [22]. Переход к цифровым ТфОП с точки зрения требований к параметрам качества обслуживания не внес принципиально новых изменений, поскольку структура сети оставалась гомогенной [13]. Разработка и развитие концепции построения сетей связи следующего поколения [30], [102], [103] привела не только к замене технологии коммутации каналов на коммутацию пакетов в сети связи общего пользования, но и к тому, что структура сети стала гетерогенной со множеством приложений, требующих дифференциации трафика различных услуг по классам обслуживания (QoS - Quality of Service) [101].
Поскольку пользователем большинства услуг связи является человек, то для адекватного определения требований к параметрам, характеризующих QoS в последние годы была введена еще одна метрика - качество восприятия (QoE -Quality of Experience), которая определяет субъективную оценку услуги пользователем, например, качество восприятия передачи видео [98]. Основное внимание в данной главе уделяется новому классу сетей - сетям с малыми задержками, поэтому, далее подробнее рассмотрим характеристики QoS, которые предложены в рекомендации Y.1541 сектора стандартизации телекоммуникаций международного союза электросвязи (МСЭ-Т).
В отличие от сетей предшествующих поколений сети связи следующего поколения являются гетерогенными и способны предоставлять пользователю различные услуги связи. Одной из наиболее важных проблем их функционирования является обеспечение гарантированного уровня качества обслуживания для каждой из предоставляемых услуг (Quality of Service - QoS). Требования к параметрам, характеризующим QoS специфичны для разных приложений. Различие требований к QoS для разных услуг не позволяет просто объединить их и предъявить некие общие требования к единым сетевым ресурсам.
В документе ITU Y.1540 [100] определен ряд сетевых характеристик, рассматриваемых как наиболее важных с точки зрения их влияния на качество обслуживания трафика (между интерфейсами пользователь-сеть User Network Interface -UNI). Это такие параметры как: пропускная способность; надёжность сети/сетевых элементов; задержка (мс) и вариация задержки (джиттер); ? коэффициент (вероятность) потерь (%); живучесть сети - возможность сохранения работоспособности сети при выходе из строя отдельных элементов.
Пропускная способность (или скорость передачи данных) определяется как эффективная скорость передачи, которая измеряется в битах в секунду. В документе ITU Y.1540 не приведены значения требований к пропускной способности для разных приложений (услуг). Там же отмечено, что параметры, связанные с пропускной способностью, могут быть определены с в соответствие с рекомендацией ITU Y. 1221 [99].
Надёжность сети связи и ее элементов определяется рядом параметров, среди которых чаще всего применяется коэффициент готовности. Коэффициент готовности представляет собой отношение времени работоспособного состояния объекта к общему времени наблюдения. При абсолютной надежности (в идеальном случае) коэффициент готовности должен быть равен 1, что означает 100%-ю готовность сети. Такая величина, практически недостижима, поэтому коэффициент готовности нормируется значениями меньшими, но достаточно близкими к единице.
Задержка передачи пакета данных (IPTD) определяется как интервал времени h - ti между событиями - поступления пакета на исходящий интерфейс UNI в момент ti и уходом пакета из входящего интерфейса UNI в момент t2 , где t2 tj и t2 - ti Ттах. В общем случае, задержка передачи пакета данных IPTD определяется как время доставки пакета от входа в сеть через UNI отправителя до выхода из сети через UNI получателя для всех пакетов. Средняя задержка доставки IP пакета определяется как среднее арифметическое задержек каждого из пакетов, в рассматриваемой выборке переданных и принятых пакетов. Увеличение интенсивности нагрузки и уменьшение доступных сетевых ресурсов ведут к росту длины очередей в узлах сети и, как следствие, к увеличению средней задержки доставки пакета данных.q
Типовые архитектуры и топологии всепроникающих сенсорных сетей
Такие качества ВСС, как малые массогабаритные показатели узлов, малое потребление энергии, радио интерфейс, достаточные вычислительные возможности, сравнительно малая стоимость, привели к их широкому использованию во многих сферах деятельности человека. ВСС используются в целях автоматизации процессов сбора информации, мониторинга и контроля характеристик разнообразных технических и природных объектов. ВСС могут использоваться для решения широкого круга задач, в частности следующих задач: [35] – мониторинг инфраструктуры телекоммуникационных сетей; – мониторинг в сфере транспорта (автомагистралей, железных дорог, метрополитена и др.), нефтепроводов и газопроводов, инженерных сетей энерго- и теплоснабжения производственных и жилых помещений; – мониторинг и анализ транспортных грузопотоков; – мониторинг окружающей среды, биологический и медицинский мониторинг; – автоматизация в системах класса "Умный дом"; – выявление и предупреждение чрезвычайных ситуаций (мониторинг сейсмической активности и вулканической деятельности, анализ атмосферы и прогноз погоды для своевременного предупреждения о наступлении стихийных бедствий) и другие. Можно отметить следующие области применения ВСС: [12] а) Мониторинг состояния окружающей среды. Широкое распространение получили различные системы измерения параметров окружающей среды (как вне зданий и сооружений, так и внутри них). Они позволяют получать данные о таких параметрах как температура, влажность, давление, содержание различных веществ в воздухе и воде и т.д. Достоинства применения для этих целей ВСС состоят в значительной степени автономности таких сетей (нет необходимости частого технического обслуживания), простая процедура инсталляции сети (не требуется наличие специальной инфраструктуры сети связи). Такие системы удобны в эксплуатации при сложных условиях (например, в регионах с суровым климатом или в районах стихийных бедствий). б) Мониторинг состояния промышленных объектов. Кроме наблюдения за окружающей средой объектом мониторинга могут быть различные параметры промышленных объектов. Среди таких систем следует отметить системы монито ринга состояния трубопроводов (и наличия утечек в них), степени износа оборудо вания, механических колебаний и вибраций и других, опасных для промышленного объекта состояний. Такие системы могут сочетать в себе функции мониторинга окружающей среды. в) Мониторинг транспорта. Существует два основных подхода к мониторингу транспорта и загруженности дорог – централизованный и распределенный. При ис пользовании централизованного подхода данные о загруженности дорог, скорости транспортных потоков и т.д. получают от устройств мониторинга, которые распо ложены на объектах дорожной инфраструктуры и транспорте (камеры, GPS/ГЛОНАСС устройства, сенсоры, вмонтированные в дорожное полотно) в еди ный центр. В центре эта информация обрабатывается и предоставляется конечным потребителям, например, службам управления движением, водителям транспорта. Более современным и перспективным подходом является распределенный подход, который подразумевает, что обмен информацией происходит непосредственно между участниками дорожного движения и, возможно, сенсорами, расположенны ми на объектах дорожной инфраструктуры. В таком случае нет необходимости в наличии единого центра обработки информации. Распределенные системы орга нично вписываются в концепцию построения самоорганизующихся ad hoc сетей. Преимущества именно распределенного подхода к мониторингу состояния дорог и транспорта подчеркиваются интенсивным развитием технологии VANET. г) Здравоохранение. Одним из интенсивно развивающихся направлений разви тия ВСС является построение сетей, предназначенных для мониторинга состояния жизненных показателей человеческого организма. В таких сетях могут применять ся сенсоры температуры тела, пульса, артериального давления, сенсоры постоянно го мониторинга уровня глюкозы и других веществ в крови и т.д. Из наборов подоб ных сенсоров и шлюза могут строиться системы наблюдения за состоянием здоро вья пациентов лечебных учреждений, людей находящихся вне медицинских учре ждений. При этом получаемые сенсорами данные через, например, сети сотовой связи передаются на сервер и предоставляются лечащему врачу. Использование подобных ВСС позволяет без потери контроля за состоянием здоровья пациента сократить частоту его визитов в медицинские учреждения, что может быть актуально для удаленных населенных пунктов, жителям которых сложно попасть в медицинское учреждение. Также сети могут применяться и в рамках инфраструктуры самого медицинского учреждения. Это позволяет отказаться от использования проводных медицинских сенсоров и увеличить мобильность пациентов.
Системы обнаружения вторжений и слежения за целью. Еще одним направлением использования ВСС являются системы, позволяющие регистрировать проникновение в охраняемые объекты и территории, а также следить за передвижениями объектов по территории. В таких системах сенсорные узлы, размещенные на контролируемой территории (или по ее периметру), контролируют наличие объектов в охраняемой зоне сканирования и в случае наличия таких объектов, передают информацию об через шлюз ВСС. При достаточной плотности расположения сенсорных узлов такие системы позволяют с требуемой точностью восстановить траекторию движения объекта. Традиционно в системах слежения за целью использовались GPS/ГЛОНАСС-сенсоры, размещенные на цели. Однако применение распределенной по территории ВСС дает ряд преимуществ, по сравнению с этим способом. Во-первых, в случае использования ВСС нет необходимости использовать GPS/ГЛОНАСС-сенсор в составе цели, достаточно расположить, например, сенсоры движения на контролируемой местности. Это достоинство особенно актуально, например в случае, когда требуется отслеживать передвижения диких животных (отсутствует необходимость в их предварительном отлове), а также в зоне боевых действий. Кроме этого, размещение сенсоров на контролируемой территории в случае использования самоорганизующихся беспроводных сетей является не слишком трудоемким процессом.
Модель и архитектура беспроводной нательной сенсорной сети
Интеллектуальные функции выбора головного узла кластера предлагается реализовать на основе аппроксимации зависимостей «входы - выход», построенных на основе логических высказываний: ( = ) (4.7) Лингвистические входные переменные задаются в виде: где - имя переменной; - терм-множество, каждый элемент которого задается нечетким множеством на универсальном множестве ; - синтаксические правила, порождающие функции принадлежности (ФП) названия термов; - семантические правила, задающие функции принадлежности нечетких термов, порожденных синтаксическими правилами из . Нечеткий логический вывод предлагается проводить на основе метода Мамдани, который выполняется по базе знаний, имеющей вид: где - нечеткий терм, которым оценивается переменная , в j-ом правиле базы знаний, - заключение j-ого правила, - количество правил в базе знаний, = -операция нечеткой импликации, ( \\ ) - весовые коэффициенты для каждого j-ого правила базы знаний, - логическая операция, связывающая посылки в j-ом правиле базы знаний.
В выражении (4.9) все значения входных и выходных переменных заданы нечеткими множествами. Предположим: ( ) - функция принадлежности входа XjL соответствующая нечеткому терму ; ( ) - функция принадлежности выхода у ]\ для нечеткого терма . Тогда степень выполнения j-го правила для текущего конкретного входного вектора определяется как: {Х) [ (ji ( )] , V, (4.10) где оператор определяется следующим образом: 100 I (4.11) Результат нечеткого вывода можно представить как { S } (4.12) Носителем нечеткого множества (4.12) является множество нечетких термов [ ). Для перехода к нечеткому множеству, заданном на носителе у \, выполняются операции импликации и агрегирования. В результате выполнения операции дефаззификации нечеткого множества , которую можно провести, например, с помощью метода определения центра тяжести, получается четкое значение выхода .
В разработанном методе формирование кластеров осуществляется следующим образом: сенсорное поле (тело человека) разделяется на 2 логические области (первая область 0 - 100 см и вторая область 100 - 200 см). В каждом раунде выбор головного узла кластера осуществляется на основе метода нечеткой логики. После выбора головного узла кластера в каждом кластере вычисляется расстояние между сенсорными узлами и головным узлом кластера с использованием формулы: ( ) JZjf) (4.13) где - сенсорный узел і в кластере (i=l,...,m) и - головной узел j кластера (j=i,...,k). Расстояние между координатором и головными узлами вычисляется с использованием формулы: { ) V( У ( У (4.14) где - координата головного узла и координатора по оси , - координата головного узла и координатора по оси .
В разработанном методе используются два параметра для выбора головного узла кластера в БНСС: остаточная энергия и расстояние до координатора. Остаточная энергия и расстояние до координатора оцениваются на основе методов нечеткой логики. Рассмотрим работу данного метода подробнее. От всех сенсорных узлов на вход контроллера нечеткой логики поступают данные о состоянии каждого сенсорного узла.
Первый этап: Фаззификация – процесс преобразует точные значения входных переменных в значения лингвистических (нечетких) переменных посредством применения определенных функций принадлежности.
На основе таблицы 4.1 для нечетких множеств указанных параметров, используя программное обеспечение MatLab [33], [46], [51], [69] можно получить функции принадлежности. В качестве функций принадлежности для каждого терма всех лингвистических переменных выбираем треугольные функции принадлежности. После определения функции принадлежности и входных параметров необходимо определить базу правил для соответствующих параметров. 102 Второй этап: База правил, иногда называемая лингвистической моделью, представляет собой множество нечетких правил , к = 1,..., Жвида: ( ) ( ) (4.15) где и - количество нечетких правил; - нечеткие множества . где х7 и хг" - соответственно входные параметры (остаточная энергия сенсорного узла и расстояние до координатора), и - соответствующие им нечеткие множества, k=l,...,N - правила нечеткого вывода, iV- количество правил нечеткого вывода (N = З2 = 9), у - выходной параметр (вероятность выбора головного узла), - соответствующее ей множество.
В соответствии с полученной базой правил можно выполнить операцию нечеткого вывода. В качестве вывода для каждого правила используется лингвистическая переменная «вероятность выбора головного узла» у, множество значений которой состоит из девяти термов: «очень малая», «малая», «больше малой», «меньше средней», «средняя», «больше средней», «небольшая», «большая» и «очень большая».