Nén dữ liệu thông qua sử dụng chuỗi hỗn loạn trong mạng cảm biến không dây: tối ưu hóa hiệu quả năng lượng và hiệu suất
99 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.90.2023.3-10Từ khóa:
Lấy mẫu nén; Chuỗi giả ngẫu nhiên; Chuỗi hỗn loạn; Mạng cảm biến không dây; Trượt lở đất.Tóm tắt
Năng lượng tiêu thụ chủ yếu của các nút cảm biến trong mạng không dây được sử dụng bởi bộ truyền nhận. Do đó, giảm lượng dữ liệu truyền có thể dẫn đến tiết kiệm năng lượng đáng kể. Kỹ thuật lấy mẫu nén (Compressed sensing - CS) có thể tái tạo tín hiệu gốc bằng một số mẫu nhỏ hơn so với yêu cầu của định lý Nyquist bằng cách khai thác tính thưa của tín hiệu trong miền biểu diễn. Tuy nhiên, việc áp dụng kỹ thuật nén dữ liệu cần phải xem xét đến hạn chế về khả năng tính toán và tài nguyên trong các nút cảm biến. Bài báo này đề xuất sử dụng hệ thống phi tuyến để tạo ra chuỗi hệ số hỗn loạn (chaos-based coefficient sequences) được áp dụng trong hệ thống cảnh báo lở đất. Thực nghiệm cho thấy nút cảm biến sử dụng mẫu giả ngẫu nhiên với chuỗi hệ số hỗn loạn có thể nhanh chóng hơn và ít phức tạp hơn so với sử dụng mẫu ngẫu nhiên. Do đó, phương pháp đề xuất có thể giúp tối ưu hóa hiệu suất và tiết kiệm năng lượng trong mạng cảm biến không dây.
Tài liệu tham khảo
[1]. C. D. Nguyen, T. D. Tran, N. D. Tran, H. T. Huynh, and D. T. Nguyen, "Flexible and Efficient Wireless Sensor Networks for Detecting Rainfall-Induced Landslides," International Journal of Distributed Sensor Networks, vol. 11, no. 11, p. 13, (2015). DOI: https://doi.org/10.1155/2015/235954
[2]. C. Zhao, B. Tang, Y. Huang, and L. J. I. T. o. I. I. Deng, "Edge Collaborative Compressed Sensing in Wireless Sensor Networks for Mechanical Vibration Monitoring," (2022). DOI: https://doi.org/10.1109/TII.2022.3222358
[3]. E. J. Candès and M. B. Wakin, "An introduction to compressive sampling," IEEE signal processing magazine, vol. 25, no. 2, pp. 21-30, (2008). DOI: https://doi.org/10.1109/MSP.2007.914731
[4]. V. Abolghasemi and M. H. J. I. S. L. Anisi, "Compressive sensing for remote flood monitoring," vol. 5, no. 4, pp. 1-4, (2021). DOI: https://doi.org/10.1109/LSENS.2021.3066342
[5]. D.-g. Zhang, T. Zhang, J. Zhang, Y. Dong, and X.-d. Zhang, "A kind of effective data aggregating method based on compressive sensing for wireless sensor network," EURASIP Journal on Wireless Communications Networking, vol. 2018, no. 1, pp. 1-15, (2018). DOI: https://doi.org/10.1186/s13638-018-1176-4
[6]. Q. Wang, D. Lin, P. Yang, and Z. J. I. S. J. Zhang, "An energy-efficient compressive sensing-based clustering routing protocol for WSNs," vol. 19, no. 10, pp. 3950-3960, (2019). DOI: https://doi.org/10.1109/JSEN.2019.2893912
[7]. D.-C. Nguyen, D.-T. Tran, and D.-N. Tran, "Application of compressed sensing in effective power consumption of WSN for landslide scenario," in Asia Pacific Conference on Multimedia and Broadcasting (APMediaCast), Bali, Indonesia, pp. 111-115, (2015). DOI: https://doi.org/10.1109/APMediaCast.2015.7210276
[8]. N. Linh-Trung, D. Van Phong, Z. M. Hussain, H. T. Huynh, V. L. Morgan, and J. C. Gore, "Compressed sensing using chaos filters," in Australasian Telecommunication Networks and Applications Conference, pp. 219-223: IEEE, (2008). DOI: https://doi.org/10.1109/ATNAC.2008.4783326
[9]. J. A. Tropp, M. B. Wakin, M. F. Duarte, D. Baron, and R. G. Baraniuk, "Random filters for compressive sampling and reconstruction," in 2006 IEEE International Conference on Acoustics Speech and Signal Processing Proceedings, vol. 3, pp. III-III: IEEE, (2006).
[10]. E. J. J. C. r. m. Candes, "The restricted isometry property and its implications for compressed sensing," vol. 346, no. 9-10, pp. 589-592, (2008). DOI: https://doi.org/10.1016/j.crma.2008.03.014
[11]. J. C. Sprott and J. C. Sprott, “Chaos and time-series analysis. Oxford University Press”, (2003). DOI: https://doi.org/10.1093/oso/9780198508397.001.0001
[12]. S.-J. Kim, K. Koh, M. Lustig, S. Boyd, and D. Gorinevsky, "An interior-point method for large-scale l1-regularized least squares," IEEE journal of selected topics in signal processing, vol. 1, no. 4, pp. 606-617, (2007). DOI: https://doi.org/10.1109/JSTSP.2007.910971
[13]. S. Matsuoka, S. Ichikawa, and N. Fujieda, "A true random number generator that utilizes thermal noise in a programmable system‐on‐chip (PSoC)," International Journal of Circuit Theory and Applications, vol. 49, no. 10, pp. 3354-3367, (2021). DOI: https://doi.org/10.1002/cta.3046
[14]. P. L’ecuyer, "Tables of linear congruential generators of different sizes and good lattice structure," Mathematics of Computation, vol. 68, no. 225, pp. 249-260, (1999). DOI: https://doi.org/10.1090/S0025-5718-99-00996-5
[15]. D. V. Origines, A. M. Sison, and R. P. Medina, "A Novel Pseudo-random number generator algorithm based on entropy source epoch timestamp," in 2019 International Conference on Information and Communications Technology (ICOIACT), pp. 50-55: IEEE, (2019). DOI: https://doi.org/10.1109/ICOIACT46704.2019.8938509
[16]. Q. A. Gian, D.-T. Tran, D. C. Nguyen, V. H. Nhu, and D. Tien Bui, "Design and implementation of site-specific rainfall-induced landslide early warning and monitoring system: a case study at Nam Dan landslide (Vietnam)," Geomatics, Natural Hazards and Risk, vol. 8, no. 2, pp. 1978-1996, (2017). DOI: https://doi.org/10.1080/19475705.2017.1401561
[17]. G. Q. Anh, T. D. Tan, N. D. Chinh, and B. T. Dieu, "Flexible Configuration of Wireless Sensor Network for Monitoring of Rainfall-Induced Landslide," Indonesian Journal of Electrical Engineering and Computer Science, vol. 12, no. 3, pp. 1030 -1036, (2018). DOI: https://doi.org/10.11591/ijeecs.v12.i3.pp1030-1036
