بيشينه سازي طول عمر شبكه هاي حسگر صوتي زير آبي با جايگذاري بهينه گره هاي رله

Increasing the lifetime of underwater acoustic sensor networks by optimal relay node placement

شبكه هاي حسگر صوتي زير آبي به دليل ويژگي هاي مطلوب خود و كاربرد هاي عملي گسترده در زمينه هاي ارتباطي مختلف، توجه زيادي را به خود جلب كرده اند. از آن جا كه گره هاي حسگر زير آبي داراي هزينه ي بالا و پيچيدگي جايگذاري هستند، افزايش طول عمر اين شبكه ها از اهميت زيادي برخوردار است. گره هاي رله نقش مهمي در كاهش فاصله مخابراتي و انرژي مصرفي دارند. اما، مسئله مهم قرار گيري بهره ور گره هاي رله اطراف گره هاي بحراني شبكه به منظور جلوگيري از حذف آن ها و در نتيجه افزايش طول عمر شبكه است. براي اين منظور، در اين مقاله روشي جديد به نام جايگذاري بهره ور گره رله (ERS) معرفي شده است كه شامل فرمول بندي كردن مكان هر گره رله به صورت يك مسئله بهينه سازي غير محدب است. در حقيقت، وجود قيود تفاضل محدب منجر به غير محدب شدن مسئله بهينه سازي پيشنهادي مي شود و دستيابي به جواب بهينه را دشوار مي سازد. از اين رو، در گام بعد با پيشنهاد يك تبديل جديد، مسئله مذكور به معادل محدب خود تبديل مي-شود. مهم ترين مزيت مسئله برنامه ريزي محدب، قابليت دستيابي به جواب بهينه مسئله است. نتايج شبيه سازي نشان دهنده برتري عملكرد روش پيشنهادي در طول عمر و بهره وري نسبت به روش ابتكاري پيشين تنظيم گره رله (RA) است.

Underwater acoustic sensor networks (UASNs) have gained growing importance due to their desirable features and wide spread practical applications in many communication fields. Due to the high cost of underwater sensor nodes as well as implementation complexity, increasing the lifetime of UASNs is an important issue. Although relay nodes have an important role in reducing the transmission distance and energy consumption. But the efficient RNP (Relay Node Placement) to avoid the critical sensor nodes' elimination is the main problem, i.e., to preserve the connected network. For this aim this paper presents an innovative solution called an Efficient Relay node Setting (ERS) algorithm, which involves formulating the Relay Node Placement (RNP) as a non-convex optimization problem. Actually, due to the Difference Convex (DC) constraints the proposed RNP problem is a non-convex problem and finding an optimal solution is complicated. However, a novel transformation can be applied to DC constraints which converts the problem into its convex programming equivalent. Application of the convex programming offers the advantage of readily computing a global optimal solution. Simulation results confirm the superiority of the proposed scheme over the competing RA method in terms of network lifetime and efficiency.