Veja discussões, estatísticas e perfis de autores para esta publicação em: https://www.researchgate.

net/publication/330983855

Monograph on Energy Efficient Rebroadcast Scheme for Data

Aggregation in Wireless Sensor Network

Livro · Dezembro 2018

CITATIONS 0

1 autor:

Prakasam Periasamy
LEIA 209

VIT Universidade
127 PUBLICAÇÕES   306 CITAÇÕES   

VER PERFIL

Alguns dos autores desta publicação também estão trabalhando nestes projetos relacionados: Identificação de Modulação Automática Ver projeto

Agricultura de precisão Ver projeto

Todo o conteúdo desta página foi carregado por Prakasam Periasamy em 09 de fevereiro de 2019. O usuário solicitou o aprimoramento do arquivo baixado .
MONOGRAPH

Energy Efficient Rebroadcast Scheme for Data Aggregation in

Wireless Sensor Network

Autor

PRAKASAM PERIASAMY

Departamento de Engenharia Eletrônica e de Comunicação, SNS College of Engineering,

Coimbatore, Tamil Nadu, Índia, prakasamp@gmail.com

KRISH PUBLICATIONS
5/350, Kolingikattur, Sankari Tk.
Salem - 637103, Índia.
Número do celular: 9443119090
E-mail: krishinformatics.slm@gmail.com

ISBN: 978 – 81 – 939209 – 2 – 3

Copyright @2018 Krish Publications

KRISH PUBLICATIONS
5/350, Kolingikattur, Sankari Tk.
Salem - 637103, Índia.
Número de telemóvel: 9443119090
E-mail: krishinformatics.slm@gmail.com
Visite-nos em: www.krishjournals.com

Primeira edição, 2018

Este livro ou qualquer parte dele não pode ser reproduzido de qualquer forma sem a
permissão por escrito do editor/autor(es) )

ISBN: 978 – 81 – 939209 – 2 – 3

Rs. 150,00

Publicado por P.Sumathi para KRISH PUBLICATIONS, 5/350, Kolingikattur, Sankari Tk., Salem - 637103,
Tamilnadu, Índia.
Agradecimentos

Dr.Neste momento, gostaria de expressar meus sinceros

agradecimentos ao SN Subbramanian, Presidente, SNS Institutions,

Dr. S. Rajalakshmi, Correspondente, SNS Institutions e Dr. S. Nalin

Vimal Kumar, Diretor Técnico, SNS Institutions, Coimbatore , pelo

apoio e incentivo.

meus sinceros e cordiais agradecimentos ao Centro de

Aprendizagem e Ensino (CLT) do SNS Group of Institutions,

 Coimbatore, pelo apoio e orientação durante a preparação do guia do

professor.

Sou grato às publicações de Krish por se apresentarem para realizar

a publicação deste guia do professor.

O(s) autor(es) gostaria(m) de receber comentários dos leitores deste

guia do professor para melhorias adicionais de seu conteúdo.

Autor
Sobre o autor

Prakasam Periasamy obteve seu bacharelado em Engenharia Eletrônica e de

Comunicação pela Madras University em 1994. Ele recebeu seu diploma de M.Tech em
Advanced Communication Systems pela SASTRA University, Tanjore, Índia em 2002. Ele
obteve seu Ph.D pela Anna University Chennai, Índia em 2010 na área de
Processamento de Sinais em Sistemas de Comunicação. Atualmente é professor do
Departamento de Engenharia Eletrônica e de Comunicação, SNS College of Engineering,
Coimbatore, Índia. Também é Diretor, Centro de Aprendizagem e Ensino, Agrupamento
de Instituições SNS, Coimbatore. Ele é autor de mais de cem publicações de pesquisa
em revistas e conferências internacionais e nacionais. Suas áreas de interesse especiais
são Processamento de Sinais, Redes Sem Fio, Sistemas de Comunicação e Aplicações de
processamento de sinais em Sistemas de Comunicação Móvel. Ele é editor-chefe do
Journal of Signal Processing and Wireless Networks. É membro do conselho editorial
 dos periódicos IRED, USA. P. Prakasam é membro do IEEE (EUA), membro vitalício do
ISTE, IACSIT, IAENG e VSI (Índia).

Ele é nomeado no Marquês Who's Who no mundo no ano de 2009. Ele também
coordenou Conferências, AICTE e ISTE patrocinados pelo programa SDP e STTP
organizado pelo Departamento.

Prefácio e Resumo Executivo

Uma Rede de Sensores Sem Fio (WSNs) é composta por nós coletores móveis

para

coletar a amostra do campo do sensor com curto alcance de comunicação

com a estação base. Os nós sensores têm um papel mais significativo na estação base
para estabelecer a coleta de dados em cada nó na rede. Nas RSSFs, os nós sensores
coletam dados e os transmitem para uma BS de forma periódica. A agregação e
transmissão de dados são operações essenciais que utilizam energia considerável. A rota
de transmissão dos dados do sensor é efetivamente detectada, mas utiliza mais custos
para transmitir os pacotes de informações do sensor. O protocolo MAC com eficiência
energética para RSSF evita a escuta e diminui o atraso de contenção; no entanto, a
propriedade de agregação de dados não é introduzida de forma eficiente. Para superar as
limitações acima em RSSFs, as seguintes técnicas são propostas neste trabalho. Para
melhorar a amostragem móvel no campo do sensor, é desenvolvido um sistema de
sincronização de inúmeras tarefas de amostragem no campo do sensor usando série
geométrica (SNSTGS). As tarefas de amostragem múltipla são mantidas, onde as áreas
de amostragem se sobrepõem. Portanto, é atraente incluir um método de Coordenação
eficaz para que as áreas sobrepostas exigissem apenas uma resposta para as tarefas de
amostragem. No SNSTGS, um método de progressão geométrica é coordenar as
múltiplas tarefas de amostragem e auxiliar o sistema de retransmissão por meio do
emprego apenas da quantidade reduzida de energia.

Método de transmissão de direção reversa de amostragem múltipla (MS-RDB)

é projetado para realizar coleta de dados eficaz e transmissão de pacotes

na direção reversa. O processo de agregação de dados é usado para transmitir todas as
informações do nó para o nó coletor em um intervalo de tempo. Uma sequência de
transmissão reversa é desenvolvida para conectar cada nó para economizar energia na
dissipação de transmissões de informações. O protocolo Authoritative Synchronized
Converge-Cast (ASC) foi projetado para reduzir a colisão de pacotes e suportar a
 retransmissão de pacotes. O objetivo principal do algoritmo ASC é evitar a ocorrência de
colisão de pacotes quando vários pacotes são transmitidos. O protocolo ASC é utilizado
na estratégia de coordenação circular (CC) em uma rede de sensores que ajusta o tempo
de transmissão dos pacotes com auxílio do princípio quadrático. O princípio quadrático
visualiza a solução para evitar a colisão de pacotes e é reduzida na rede de sensores, o
que resulta em maior vida útil da rede. A partir dos resultados simulados, verificou-se que
o Esquema de Retransmissão Eficiente em Energia Multi-Sampling proposto fornece
melhor porcentagem de sobreposição, capacidade de entrega de dados, consumo de
energia, eficiência de transmissão reversa e taxa de perda de pacotes.
Índice
Cap. Nº 1 Página
de rosto
Nº

Introduçã 1 -6
o

1.1 Processo de agregação de dados em RSSF 3

1.2 Pacote Redução de colisão em rede de sensores sem fio 4

2 Revisão de Literatura 7 - 10

2.1 Redução de consumo de energia em RSSF 8

2.2 Transmissão de pacotes com Colisão Problema 9

3 Materiais e Métodos 11 - 25

3.1 Sincronizando Várias Tarefas de Amostragem no Campo 11

do Sensor usando o Método da Série Geométrica

3.1.1 Modelo do Sistema 11

3.1.2 Várias Representações da Tarefa de Amostragem no Campo 14

do Sensor

3.1.3 Método de Sincronização da Série Geométrica 15

3.2 Difusão de Direção Reversa em Tarefas de Amostragem 16

Múltiplas

3.2.1 Preliminares 17

3.2.2 RDB em tarefas de amostragem múltipla 18

 3.2.3 Difusão de direção reversa com algoritmo de energia total 20
mínima

3.3 Protocolo Converge-Cast sincronizado autoritativo na 21

rede de sensores sem fio

3.3.1 Processo de conversão convergente no protocolo ASC 22

3.3. 2 Estratégia de Coordenação Circular (estratégia CC) 23

3.3.3 Princípio Quadrático na Integração MAC-ASC 25

4 Resultados e Discussões 26 - 40

4.1 Avaliação Experimental ção para o Método SNSTGS 26

4.1.1 Número médio de mensagens 26

4.1.2 Porcentagem de sobreposição 28

4.1.3 dados 29

4.2 Avaliação experimental do método MS-RDB 31

4.3 Avaliação experimental para ASC 36

4.3.1 Taxa de colisão de pacotes (PCR) 36

4.3.2 Tempo de transmissão do pacote (PTT) 37

4.3.3 Taxa de largura de banda 39

5 Conclusão e Resumo 41

Referências 42

Lista da Figura

Figura No. Nome da Figura Página

No.

1.1 Campo de amostragem do sensor 1

 3.1 Processo de fluxo da metodologia proposta 12

3.2 Numerosos Tarefas de Amostragem 14

3.3 Processo de Mecanismo de Sincronização 15

3.4 Representação de Tarefas de Amostragem Múltipla 18

4.1 Nº de pacotes de dados versus número médio de 28

mensagens

4.2 Nº de pacotes de dados versus porcentagem de 29

sobreposição

4.3 Nº de nós versus capacidade de entrega de dados 30

4.4 Desempenho Normalizado Taxa 31

4.5 Consumo de Energia 32

4.6 Latência de Transmissão 33

4.7 Eficiência de Transmissão Reversa 34

4.8 Medida de Taxa de Perda de Pacote 34

4.9 Taxa de Colisão 37

4.10 Tempo de Transmissão de Pacote 38

4.11 Taxa de Largura 39

Lista de Tabelas
Tabela Nº Nome da Tabela Página Nº

4.1 Nº Pacote de Dados vs. Número Médio de Mensagens 27

4.2 Nº Pacote de Dados versus Porcentagem de 28

Sobreposição

4.3 Nº de Nós versus Entrega de Dados 30

4.4 Simulação Configuração 35

4.5 Taxa de colisão de pacotes 36

 4.6 Tempo de transmissão 37

4.7 Taxa de largura 39

Capítulo - 1
Introdução

Atualmente, a ideia de usar objetos móveis (às vezes chamados de coletores

móveis) é personalizada para rotear uma rede de sensores. As demandas podem
aumentar essa mobilidade para modelar energeticamente um campo sensor. Um
sistema de submissão de alto nível pode ser exibido na Figura 1.1. Nas redes de
sensores sem fio, os campos de sensores são geralmente desenvolvidos por meio da
abordagem baseada em banda [5] para transmitir os dados do sensor no ambiente
correspondente para aplicações particulares. Um objeto móvel está em roaming em
todo o caminho e em algum momento preciso (T0) ele seleciona para obter um modelo
do campo do sensor, ou seja, coleta dados do sensor de nós sensores próximos.
O círculo maior especifica a região de amostragem. Cada sensor na região de
amostragem começa correspondentemente e reage com seus dados detectados
adjacentes. Como o objeto móvel continua sua jornada, ele atinge outra posição no
tempo T1, a partir da qual inicia uma tarefa de amostragem adicional. Uma situação
com um jammer difícil esmaga uma região [6] na qual uma rede de sensores sem fio
baseada em admitância arbitrária de canal único estimula foi projetada. O jammer lida
com a visão de superlotação e o alcance de comunicação de modo a causar danos
máximos ao sistema por meio de links de transmissão desonestos.

Figura 1.1 Campo de amostragem do sensor

 1
A informação crítica do jammer é calcular seu benefício contendo os fatos
referentes à opção de admitância do canal de rede e o número de vizinhos do nó
examinador. Numerosos métodos estudaram o procedimento de amostragem móvel e
escalonamento de transmissão para expressar um nó sensor de forma capaz para um
dado favorecido em um determinado período de tempo. Juzheng Li, et. Al., 2011,
projetou o método Broadcast Direcional Baseado em Banda para sistematizar o
caminho das transmissões que começam dos nós sensores até os nós alvo.
Existem dois recursos atraentes relacionados à missão de amostragem de dados
de campo do sensor. Inicialmente, devido à mobilidade da entidade amostral, existem
inúmeras alternativas para a escolha de uma região amostral, divergente à região
amostral fixa vinculada a um sumidouro fixo. Depois disso, é possível utilizar objetos
móveis normalmente acessíveis, para aprimorar o tratamento do campo do sensor.
Assim, é possível decidir propositalmente um objeto móvel e ajustar levemente suas
regiões de amostragem para computar uma tarefa de amostragem. Foi planejado um
provável assentamento de inclusão das antenas direcionais em redes de sensores sem
fio [7].
Alternativamente, existem muitas tentativas que acontecem com o uso de
coletores móveis para coletar dados de sensores modelados. Uma tentativa é que os
sensores utilizem para reagir a uma demanda de dados do sensor de um coletor
móvel, ou planejar como os sensores direcionam seus dados detectados para o objeto
móvel. Finalmente, um requisito indireto para amostragem de campo do sensor é que
haja uma restrição de tempo forçada pela mobilidade do objeto sumidouro. Para
formular facilmente a coleta de dados do sensor da seção de amostragem, é útil se
todos os dados do sensor estiverem sendo executados alertados para o objeto móvel
antes do objeto ter se desviado significativamente de onde iniciou a tarefa de
amostragem. Isso informa que os sensores devem responder rapidamente ao obter
uma demanda de amostragem e o
método de transmissão de dados do sensor que é realmente eficiente.
A oferta de utilização de objetos móveis para consultar uma rede de sensores foi
projetada. Um objeto móvel (carro) está percorrendo todo o caminho por um tempo e
local (por exemplo, M*) que ele escolhe para obter uma amostra do campo do sensor,
(ou seja, coleta dados do sensor de nós sensores “próximos”. A eficiência energética é
um parâmetro importante para redes de sensores que significa transmitir a principal
forma de uso do nó de energia. Um sono adaptativo de baixa potência [8] mantém as
condições de tráfego atuais.

2
Todos os sensores nessa área motivam e reagem com seus dados detectados
próximos. Como o objeto móvel continua sua jornada, ele atinge outra posição no
tempo M*, a partir da qual inicia uma tarefa extra de amostragem. Existem três
recursos interessantes ligados à missão de amostragem de dados de campo do
sensor.

Por causa da mobilidade da entidade de amostragem, existem muitos substitutos

para selecionar uma região de amostragem, diferentemente da região de
amostragem inativa ligada a um coletor estacionário.

É possível usar a cobertura do campo do sensor. Assim, é possível decidir

propositalmente um objeto móvel e ajustar inconscientemente suas regiões
de amostragem para calcular um trabalho de amostragem.

Ao contrário dos nós sensores, os objetos móveis contêm intervalos de

comunicação relativamente grandes (e modificáveis). Os nós sensores
mantêm uma série de transmissão significativamente menor do que os
objetos móveis, os nós sensores dependem da comunicação multi-hop dos
dados do sensor quando respondem à reação de salto único do sinal de
amostragem do objeto móvel.
1.1 Processo de agregação de dados em RSSF
A rede de sensores sem fio (WSN) consiste em vários nós sensores (SN) de
baixo custo e menor consumo de energia. A detecção e a comunicação de curto
alcance transmitem as informações detectadas para as estações base. As estações
base são as funções mais significativas de uma SN em uma RSSF. A principal tarefa
da rede de sensores sem fio (WSN) é detectar e relatar os eventos do mundo físico.
Na maioria dos casos, os nós são alimentados por baterias com recursos energéticos
inadequados. Suponha que quando um nó fica sem energia e para de funcionar, os
caminhos de transmissão originais serão alterados. Os nós próximos passarão por um
trabalho mais pesado, por causa do compartilhamento de responsabilidade do nó
esgotado, o que os sobrecarrega muito. O modelo de probabilidade mostrado em [13]
investiga o nível de redundância mais excelente em termos de redundância de
caminho e redundância de fonte, prolonga a vida útil do HWSN, mas explora diferentes
tipos de ataques maliciosos. A abordagem de aproximação min-max descrita em [14]
aproxima a localização para rastreamento de relaxação de programação semidefinida
de resolução (SDP). A colocação de nós de retransmissão sob o requisito de
conectividade mais fraca não é realizada em [15]. A propagação do processo para a
rede sem fio causa a perda de pacotes ou até mesmo o congestionamento da rede.
Um protocolo MAC baseado em quorum adaptativo, conforme mencionado em [16],
escalona de forma adaptativa os horários de despertar dos nós.

3
Esquemas de encaminhamento conforme projetado em [17] exploram o
significado de suas mensagens individuais transmitidas. Uma enorme quantidade de
trabalhos de protocolos de agregação de dados em RSSF para preservação de
energia é publicada. O DAACA para agregação de dados, como demonstrado em [18],
aproveita as vantagens de méritos globais e locais para feromônios de
desvanecimento ou depósito.
O problema de programação de ciclos de sono-vigília de nós é abordado em [19]
sob restrições de objetivo. Qualquer esquema de encaminhamento de pacotes
baseado em cast em [20] ainda fornece uma solução eficaz para o problema de
programação de ciclos de sono-vigília, mas falha em levar em consideração
não-Poisson para acordar os processos e outras definições de vida útil. A agregação
de dados ocultos recuperáveis, conforme descrito em [21] para integridade de dados
em RSSF, recupera o valor máximo de todos os dados de detecção.
Broadcast é um recurso de comunicação geral em RSSF. O escalonamento
ótimo off-line em sistemas de comunicação de captação de energia para os canais de
transmissão paralelos e de evaporação como mostrado em [21] política de potência de
transmissão e atinge o limite da região de partida máxima. A abordagem de
disseminação de chave Hill Climbing conforme descrito em [23] garante as fontes de
dados com a capacidade de filtragem mais forte.
1.2 Redução de colisão de pacotes na rede de sensores sem fio
Certas aplicações de emergência em redes de sensores sem fio (WSNs) incluem
monitoramento intermitente de incêndios em escritórios, florestas, redes de sensores
subaquáticos e assim por diante. O protocolo de comunicação projetado para fins
específicos pode ser tolerante a atrasos que incluem monitoramento normal projetado
especificamente para problemas de eficiência energética. No entanto, tendo em vista a
ocorrência de um evento de emergência, o fator de eficiência energética torna-se
menos importante quando comparado com a relação de entrega de pacotes. Assim, o
design do protocolo de comunicação deve se adaptar em resposta aos cenários. O
protocolo Hybrid Medium Access Control (HMAC), inicialmente discutido em [33], é
especificamente um protocolo interessante para resposta de emergência em uma
RSSF, pois generaliza uma abordagem híbrida de TDMA e CSMA para escalonar slots
livres de colisão. Embora o HMAC garanta a imparcialidade durante a transmissão dos
pacotes, a colisão ocorre sempre que um pacote é transferido para o nó sorvedouro na
rede de sensores.

4
A Rede de Sensores Subaquáticos (UWSN), uma das técnicas de rede
promissoras, tem recebido muita atenção nos últimos anos devido ao desenvolvimento
na área especificada. No entanto, a implantação de UWSNs é comparativamente mais
difícil do que as RSSFs devido ao ambiente tedioso e aos altos custos. O protocolo
QELAR [34] foi projetado com o objetivo de fornecer um protocolo de roteamento com
eficiência energética e aumento da vida útil da rede. O protocolo QELAR visa aumentar
a vida útil das redes distribuindo a energia residual eventualmente entre os nós
sensores da rede. Mas o protocolo QELAR não funcionou bem com a camada MAC
para suportar retransmissões de pacotes eficazes.
A maioria dos autores desenvolveu muitos protocolos convergentes em RSSFs.
A teoria do hiper grafo e o algoritmo Spanning Hyper-Tree [35] foi desenvolvido para
calcular o caminho de entrega de potência de transmissão mínimo definido para WSNs
converge-cast. Em [36], o fast converge-cast foi desenvolvido para RSSFs onde os nós
se comunicam usando um protocolo TDMA para minimizar o tamanho do
escalonamento. Em [37], um novo algoritmo heurístico foi projetado para construir uma
árvore com escalonamentos atribuídos aos nós para
convergir-casting sem colisões.
Para melhorar a eficácia das retransmissões de pacotes, a alocação de recursos
em redes sem fio multichip deve combinar o escalonamento com a alocação de
energia, o que é muito difícil de ser implementado. Para este fim, o autor em [38]
introduziu uma estrutura de randomização para comutadores em fila de entrada com
um modelo de interferência baseado em taxa SINR. Além disso, foi estudado um
problema de alocação de energia
distribuída que satisfez a programação e alocação de energia e obteve maior
rendimento. Mas os resultados obtidos não foram ótimos para condições multicanal.
Alguns dos avanços recentes em RSSFs resultaram em uma possibilidade única
de sentir o ambiente de forma remota. Portanto, maximizar a vida útil da rede com o
uso eficiente de energia tem sido uma questão fundamental em uma rede sem fio. Um
dos métodos para aumentar a vida útil de uma RSSF é a implantação de nós de
retransmissão que, por sua vez, se comunicam com outros nós sensores, ou nós de
retransmissão, e finalmente com as estações base.
Em [39], o algoritmo de encaminhamento de mensagens foi projetado com base
na seleção dos nós sensores mais próximos dos nós sensores disponíveis na rede
usando o

5
, Minimum Distance Packet Forwarding (MDPF). O algoritmo MDPF usou as
informações de roteamento para selecionar o nó com a distância mínima para reduzir o
número médio de saltos necessários para propagar para o nó que contém os dados
específicos. O posicionamento de nós de retransmissão para RSSFs está altamente
relacionado ao posicionamento e colocação de uma contagem mínima de nós de
retransmissão em uma RSSF para atender aos critérios de conectividade. No entanto,
em cenários práticos, o problema de restrições físicas durante o posicionamento dos
nós do relé também pode ocorrer. Para fornecer solução para este problema, versões
restritas do nó de retransmissão [40] foram projetadas em um conjunto de locais
candidatos, o que por sua vez aumenta o tempo de vida da rede. Mas, a restrição do
posicionamento do nó de retransmissão sob a conectividade mais fraca permaneceu
sem solução. Em [41], o autor estudou o problema de otimização usando qualquer
esquema de encaminhamento de transmissão para minimizar a relação de entrega de
pacotes entre os nós sensores e os nós sorvedouros. Com a ajuda dos resultados
obtidos, foi então fornecida uma solução para qualquer protocolo de encaminhamento
de pacotes cast para aumentar o tempo de vida da rede.
O throughput de uma rede sem fio de certa forma foi derivado usando o nível de
interferência e a ocorrência de colisões. Ao mesmo tempo, um nível mais alto de taxa
de transferência pode ser alcançado se as transmissões forem programadas de
maneira adequada. No entanto, a forma convencional de calcular os horários é
computacionalmente impossível. Os escalonamentos ótimos foram introduzidos em
[42] para computar escalonamentos ótimos que resolvem o problema do Conjunto
Independente Máximo Ponderado (MWIS) e resultam na minimização da colisão, mas
com uma limitação de 2048 nós. Os resultados existentes foram obtidos com base na
suposição de que ocorre overhead desprezível na topologia da rede e na sincronização
das transmissões dos enlaces. Mas no caso das grandes redes, a coleta de topologia
global e a sincronização de links são altamente inviáveis. Em [43], uma metodologia de
partição de escalonamento foi apresentada para grandes configurações de rede sem
fio para alcançar o dimensionamento de capacidade máxima.

6
Capítulo - 2
Revisão da Literatura

Um procedimento de roteamento de dados de sensor depende principalmente de

transmitir, recapitular vários métodos baseados em transmissão da moda e examinar
sua aplicabilidade ao problema de processamento de dados de campo de sensor por
um objeto portátil. Em [1], um método algorítmico conhecido como transmissões
direcionais baseadas em bandas é originado para sistematizar o curso das
transmissões que se iniciam a partir de nós sensores. O objetivo é declarar cada
transmissão de dados do sensor para o coletor móvel, consequentemente, custando
caro para evitar pacotes de dados do sensor. A técnica é refletida por simulações que
acreditam na implantação de energia e na entrega de dados.
Broadcast é provavelmente o procedimento mais importante, porém exigente
entre todos os processos de redes ad hoc sem fio. O problema da tempestade de
transmissão informa que o estouro imaturo não é sensato, pois gera discussões
brutais, colisões e interferências. Em [2], investigamos novamente sobre essa crise por
meio das representações 2-Disk e sinal-interferência-mais-ruído (SINR). Desenvolva
um algoritmo de estimativa aproximada constante para a representação de 2 discos e,
em seguida, expanda-o para a representação SINR.
 Em [10] a otimização de energia distribuída foi desenvolvida para funções de
rastreamento de alvos, incluindo implantação de sensores e gerenciamento de energia
de detecção. A capacidade de tais sistemas deixa uma dificuldade essencial na
direção da versão dos esquemas de rede de sensores para solicitações difíceis que
exigem taxas de dados e throughput superiores. VEBEK [9] é uma estrutura de
transmissão segura onde os dados do intelecto são organizados usando um sistema
sustentado em um código de diferença formado por meio do método de criptografia
RC4. Para alcançar uma maior competência, a comunicação entre camadas é uma
amostra chave em desenvolvimento para expandir a comunicação composta entre as
folhas da pilha de procedimentos. O método confiável de localização baseada em
âncora (RAL) foi projetado em [11] para diminuir o erro de localização devido às áreas
de implantação irregulares. Em [12], um novo protocolo Breath foi projetado para

7
aplicações de controle nas RSSFs nas quais os nós transmitem informações através
do roteamento multipath para um nó sorvedouro.
A abordagem adaptativa Inside-Out Power INOP foi desenvolvida em [3]
emprega informações de vizinhança local de dois saltos para atingir baixa utilização de
energia na cobertura dos vizinhos de um salto. Usando as antenas direcionais [4], a
transmissão engenhosa é preparada em redes ad-hoc e a comunicação baseada em
mobilidade também é alcançada. 2.1 Reduzir o consumo de energia em
RSSF
O principal desafio para a rede com restrição de energia é projetar os protocolos
de roteamento energeticamente eficientes para equilibrar o consumo de energia.
SCP-MAC, um protocolo MAC de escalonamento síncrono com eficiência energética
em [24] diminui o prefácio combinando amostragem de preâmbulo e técnicas de
escalonamento. No entanto, não evita a perda de energia por espionagem, além disso,
devido ao seu procedimento de sincronização.
Cooperative Networking protocol (CONET), que reforma energicamente os
clusters, mas não suporta taxas múltiplas, conforme ilustrado em [25]. O protocolo
TDEEC (Threshold Distributed Energy Efficient Clustering) descrito em [26] visa
aumentar a eficiência energética e a estabilidade das redes heterogêneas de sensores
sem fio. O escalonamento de tempo em um canal de freqüência única como mostrado
em [27] com o objetivo de minimizar o número inteiro de slots de tempo essenciais
para uma conversão convergente não qualificada.
 Redes sem fio multi-hop com ciclo de trabalho (problema IAGS-UDC) como
demonstrado em [28] não resolvem o problema de fofoca sob o modelo de
interferência física. Algoritmos de aproximação baseados em alcance de transmissão
em [29] elaboram métodos de coloração eficientes para colorir uma telha hexagonal
em 2D. O problema MLAS no modelo físico mais realista como mostrado em [30]
deriva a relação sinal-ruído-interferência (SINR) no nível do limite inferior.
Redundant Radix based Number (RBN) como representado em [31] codifica e
transmite dados para diferentes aplicações juntamente com períodos sem ruído para
comunicar o dígito zero, esquema de comunicação codificado, denominado
RBNSiZeComm. O RBNSiZeComm une dados à sua representação numérica binária
redundante comparável. Os modelos sinal-interferência-mais-ruído (SINR) descritos
em [32] tratam abertamente das leis de transmissão na física geral.

8
2.2 Transmissão de pacotes com problema de colisão As RSSFs de
última geração são projetadas de forma que diferentes aplicações envolvendo
conteúdo tenham que ser atendidas em vez de apenas encaminhar os pacotes de uma
ponta a outra. Para fornecer esses tipos de serviços, é necessária alta qualidade de
serviço em diferentes nós da rede. Mas o processamento de pacotes por diferentes
tipos de processadores com o mesmo fluxo resulta na mudança de ordem e alto atraso
para o tráfego de saída. Um esquema Ordered Round Robin [44] foi introduzido com a
suposição de que a carga era distribuída, que seguia um cronograma justo
dependendo das reservas. Mas o provisionamento de mapeamento ideal não foi
incluído. Um algoritmo conhecido como ocultação de perda de pacote foi projetado em
[45] para minimizar a quantidade de perda de pacote na RSSF usando transformada
discreta de cosseno modificada. Mas o tempo envolvido foi alto.
As futuras redes sem fio, como a Ultra-Wideband (UWB), possuem diferentes
recursos que se diferenciam dos demais tipos de tecnologias de comunicação sem fio.
Uma dessas características é a possibilidade de capturar menos pacotes
simultaneamente, o que resulta na melhoria do desempenho da camada MAC. Em
[46], um projeto é feito de tal forma que a camada física fornece recepção
multi-pacotes e apresenta mecanismos alternativos de back-off via análise Markoviana
que atinge tanto a taxa de transferência quanto a imparcialidade. Mas o design para a
configuração multi-hop permaneceu um problema desafiador.
 Uma aplicação importante em RSSFs inclui agregação em rede para minimizar o
consumo de energia nos nós sensores. Posteriormente, os pacotes que possuem
destino semelhante são unidos em um caminho de roteamento específico e esses
pacotes são então enviados. Embora esses tipos de arranjos sejam adequados para
aplicações convencionais de rede de sensores multiponto-a-ponto, eles não são
adequados quando os nós sensores estão conectados em uma topologia de malha.
Portanto, em [47], a agregação de broadcast foi projetada para agregar pacotes
independente de seu destino. As RSSFs com a capacidade de natureza orientada a
eventos resultam em carga de rede, que é altamente imprevisível. Por causa disso, o
congestionamento pode surgir em níveis de nós sensores que obtêm uma quantidade
maior de dados do que podem encaminhar, resultando em desperdício de energia,
reduzindo o nível de taxa de transferência e, finalmente, perda de pacote. O protocolo
Fairness-Aware Congestion Control (FACC) [48] controlou o congestionamento e
alcançou uma alocação justa de largura de banda para diferentes fluxos.

9
Dois algoritmos de escalonamento de broadcast não adaptativo e adaptativo são
desenvolvidos em [49] que levam em consideração o consumo de energia dos nós
sensores com o objetivo de melhorar a vida útil da rede. Em [50], um novo algoritmo foi
desenvolvido para controlar os movimentos da estação base que reduziu o consumo
de energia e melhorou a vida útil da RSSF. O impacto de desabilitar as comunicações
de nós suspeitos no tempo de vida da rede por meio de uma estrutura de programação
linear (LP) são abordados em [51].
A transmissão de dados ou pacotes é um dos métodos eficientes para entrega
de informações em redes sem fio assimétricas, onde o desempenho de cada cliente é
independente do número de clientes localizados em uma região similar [52]. Essa
condição foi alcançada sem que todo o desempenho do sistema fosse afetado
significativamente. Mas a transmissão oportuna do pacote não foi garantida. Para
garantir a transmissão oportuna, cada pacote em [53] foi associado a uma restrição de
atraso usando um algoritmo de programação dinâmica para alcançar resultados
ótimos. Mas as prioridades não foram fornecidas para que cada pacote permaneça
sem endereço. Estratégias de implantação aleatória foram aplicadas em [54] para
retransmitir pacotes de dados de nós sensores para a estação base para equilibrar o
consumo de energia e estender a vida útil da rede. Um esquema de controle de acesso
ao meio (MAC) [55] foi apresentado para minimizar a taxa de colisão e melhorar o nível
de throughput usando número constante de slots e resolveu o problema de contenção
de maneira eficiente. Mas funcionou apenas em uma base de curto prazo, que não
pode ser estendida por um longo período de tempo.
Em [56-58], a otimização consciente da energia do controle de potência,
transmissão de pacotes e controle de topologia em RSSFs foi apresentada para
resolver o problema de minimizar o consumo de energia. O algoritmo de controle de
colisão foi desenvolvido em [59-63] para reduzir os efeitos do congestionamento e
comprometer o atraso e a colisão.
A estrutura desta monografia é a seguinte. No Capítulo 3, apresenta-se a
Metodologia Proposta para o framework SNSTGS, o método MS-RDB e o Protocolo
ASC realizado em rede de sensores sem fio com o objetivo de minimizar a perda de
pacotes com auxílio do diagrama de blocos. Os resultados simulados e as discussões
são apresentados no Capítulo 4. Por fim, concluímos esta monografia no Capítulo 5.

10
Capítulo - 3
Materiais e Métodos

3.1 Sincronizando Inúmeras Tarefas de Amostragem no Campo do

Sensor Usando o Método da Série Geométrica
A sincronização em várias tarefas de amostragem no campo do sensor é obtida
pela aplicação do método da série geométrica como mostrado na Fig. 3.1. A série
geométrica funciona como um mecanismo de sincronização no campo do sensor que
sincroniza as inúmeras tarefas de amostragem retransmitidas pelos nós sensores no
momento adequado. While the sensor nodes continue rebroadcast the data for one
region to achieve the mobile sink, after that the region overlap happens. If overlap takes
place, the data packets get lost.
While executing the rebroadcast method in one region of sensor field, then there
might be a chance of mobile objects to rebroadcast more than once to the same
destination node. If same or different mobile objects achieved the numerous sampling
tasks in the same region, after that the regions get overlapped. The structural design of
the proposed synchronizing numerous
3.1.1 System Model
The sensor network system model and the solution structure for SNSTGS plan
formulate the following assumptions:
A WSN is modeled with a set of nodes N which is made up of WSN devices. An
Arc set AS is outlined between the set of sensor nodes a and b by indicating as AS (a,
b) lies within the communication range. With this idea of communication network, the
setback of routing from many sources to sinks can basically mapped to the service
network design difficulty.
For this concern, given a set of packet data P, the aim is to direct each packet pϵP
through a network model from set of sources S(p) ⊆ N to the numerous destination D(p)
⊆ N. As the packets are moved from single source which tracks the different

11
routes to reach the destination, the numerous sampling tasks is done depending on one
too many mapping sources. Once the mapping is effectively performed by means of the
related source and destination, the model can be planned.

WSN

Reverse direction broadcast

based on data aggregation
Numerous sampling tasks property

Sensor nodes Geometric

Data link layer
Series
Authoritative synchronized
Converge Cast
Synchronize numerous
sampling tasks
Circular Coordination Strategy

MSRDB Quadratic Principle

Multiple sampling tasks
 • Average no. of message • Reduce delay rate • Reduce
• Reduce overlap % • Improve packet loss rate
the
Throughput

• Reduce packet collision rate

• Improve bandwidth rate
• Improve the • Improve the
throughput throughput

Figure 3.1 Flow Process of Proposed Methodology

12
Packet data is directed from source to destination with a set of decision variables,

r pa b 01 sin , , …......… 1 iftherouteforthesource kpaircontainsroutenodesi

j
=
 otherwise

Depending on the task on route path between the nodes i and j, the packet data
will pass onto the S (p) and D (p). A communication link can be used for numerous
source-sink pairs to pass the nodes. The reality is that nodes (a, b) is employed to direct
as a minimum of one message for a source-sink pair. The purpose of communication
link from source to destination employed to allocate data messages are planned as,

∑
Path PA uab
( , ) ( , ) …......… 2
=
(,)
ab A
∈

Certainly, to reduce Path, promising communication links which are employed

earlier for other source-sink pairs, ie, for which the charge ua,b is already balanced. In
other words, the number of communication path employed by developing the process of
overlapping among source-sink paths.

The packets to be sent submit to the similar form of sensor data, such as the
warmth of the environment.

Numerous queries search for diverse types of sensor data can be calculated
individually, and such query dealing out can be cut down by using techniques
like attribute correlation.

Every node identifies its geological location and the range of the sensor field.

A region in the sensor field is identified as a rectangle connected next to the X and
Y axes. For a region which is not combined with the axes, then the region is
recognized by one or more regions which face the region of interest.

Imagine all queries utilize the similar sampling rate

13
3.1.2 Numerous Sampling Task Representations in Sensor Field Initially, the
sensor readings of the sensor nodes are noted and outlined a region to pass the packet
data to the sink node. By means of the sensor readings, the recognition of nodes in the
intersection regions is noted. This is shown in Fig 3.2.

Figure 3.2 Numerous Sampling Tasks

Since T1 is identified only to node R1, and T2 is identified only to node R2, then
build the network tree structure for T1 and then control the tree structure in the
intersection region of the sensor field when Q2 is transmitted in the network. However,
this readjustment in the center of developing T1 would be hard and utilize more energy.
As a result, the intersection regions are managed by imagining the numerous sampling
tasks from same or different mobile objects. If the data packet does not achieve the
sink node, then rebroadcast is done. The mobile objects continue on retransmitting the
data packet till it achieves the mobile sink. Consequently, the source mobile object has
an ability to send the data packet more than once to the mobile sink in numerous route
paths. This is denoted in numerous sampling tasks. When all source sensors
assembles, and then the overlapping takes place. The numerous sampling tasks in the
sensor field is symbolized as,

Calculate the set of meeting regions in the sensor field connected with the sensor
nodes

Recognize the set of nodes in the specific region to transmit the data in many
route path

If the data packet is retransmitted to the sink node, recognize the path and the
starting node to count the number of times the nodes sent the packet data.
14
3.1.3 Geometric Series Synchronization Method
Consider a set of nodes nϵN in WSN and a data packet is set as pϵP in a route
path rϵR. Consider a set of regions gϵG from which the source nodes and the mobile
sink node is recognized. The numerous sampling tasks through retransmit method
made the network regions overlapping.
The most important step is to recognize the source sensor node S (n) in the
network together with the data packet p. After that recognize the route r by means of
which the data packets are passed. With the values of S (n), p and r, confirm whether
the p attains the mobile sink. If not, rebroadcast is completed. Calculate the number of
times the R (S (n)) retransmit the data packet p to the sink node. It
is stated as,

R(S(n) = p * t …......… 3
Where,
R(S (n)) – Counting variable
P – Data packet
 t – No. of time the data packet is routed to reach the mobile sink. The value of t
is set depending on the number of times the data packet is directed to arrive at the
destination. Depending on this, R (S (n)) is decided. It arranges similar to a loop.
Depending on this arrangement, execute the process for all source sensor nodes in the
network and sketched a series. The series of the source nodes is decided as,
S - s1, s2, s3,…………….……, sn
R (S (n)) - 2, 4, 6,……………………, C

Figure 3.3 Process of Synchronization Mechanism

15
The series is arranged depending on the counting value to attain the mobile sink
node in the sensor network. The geometric series is attained by setting the s value as a
source sensor node and the (common ratio) dp as number of data packets sent by the
source node s and n be the number of times. Then it is symbolized
as,
Sn = s * dp R(S(n)) ……. Eqn (4)

Fig. 3.3 explains the process of synchronization which can be shown with the
directed path. Depending on the charge of R (S (n)), the route path is established. By
using the path, the data packet is sent by the source nodes are synchronized with each
other correspondingly.
 //Algorithm
Input: set of nodes S
Begin
For each sensor source node S
Recognize the number of packet P it holds
Calculate the rebroadcast of data packet R (S (n))
End for
Depending on the charge of R (S (n))
Structure a series
Recognize the common counting of data packets the nodes
contain Select the shortest route path (r)
Allow the packet to the sink node
End

With this process, the synchronization among the sampling tasks is attained in
the sensor network.
3.2 Reverse Direction Broadcasting On Multiple Sampling Tasks
Multiple Sampling Reverse Direction Broadcasting method performs effective data
gathering and broadcasting of the packets in the reverse direction (ie,) from all nodes to
sink nodes at one time slot. MS-RDB method accomplishes data aggregation process
to multiple sampling tasks. Multiple Sampling Reverse

16
Direction Broadcasting (MS-RDB) method divides whole network into regions based on
the sink node. The sink nodes collect all packets from the nodes at one time through
Reverse Direction Broadcast process. The Reverse Direction Broadcasting with data
aggregation property transfers all data to sink node in each sub sequence.
MS-RDB method avoids the situation where two nodes located far away from
each other become neighbors in the sequence constructed for whole network to avoid
the problem occurred in existing system. The main goal for MS-RDB method is to
construct an energy-efficient chain and transmit all node information to sink node at one
time slot. The algorithm constructs a sequence where each node communicates with
any type of nodes in sensor network.
3.2.1 Preliminaries
 MS-RDB method treats the sensor networks with static nodes. A sensor network
contains huge scale of sensor nodes that are motionless and energy controlled. Each
node regulates the area of coverage with its transmission using transmission power
control. End users access data through the sink node. The sink node is fixed and
located far from the sensors. Sink node has sufficient power supply; therefore, it has no
energy constraints. The source of power consumption is classified into three types with
regard to operations such as sensing relation, communication correlated and
computation correlated. Decreasing energy indulgence prolong the lifetime of a
network. Distance is a major factor in energy indulgence.
Reverse Direction Broadcast transmit data to the sink node with minimal energy
consumption at one time slot, and it is formulated as
+E n +E
Eenergy amp d = dn nJEenergy n
amp d = dn nJ ……(5) Thus, to
broadcast one bit message at distance'd' in sensor network, where 'n' is a stable
depending on the location circumstances. Eamp is the transmit speed amplifier to
compute the reverse direction broadcasting speed and 'J' joules consumed to average
the Eenergy consumed. The energy dissipation for sending data in reverse direction
consists of two parts namely redirection electronic and redirection amplifier.
Based on the analysis of energy consumption, it need to minimize the redirection
distance and data size to conserve energy on multi sampling tasks. In reverse direction
broadcasting, each node upholds the size of the header and concatenates its data to
the data from other nodes in sink node.
17
3.2.2 RDB on Multi Sampling Tasks
A multi sampling tasks decrease the total transmission distance for reverse
direction broadcasting. MS-RDB method main idea is to divide the whole sensing area
into six regions centred at the node that is closest to the center of the sensing area.
MS-RDB method constructs a linear sub sequence in each region. The maximum
distance between two neighbouring nodes in a sub sequence is smaller than that in a
single linear sequence generated within the whole area.
For example, divide an n*n area into six equal regions. The maximum
neighbouring distance in a sub sequence is 22 n. However, it doubles to 2n in a single
sequence. Thus MS-RDB method minimizes the total neighbour distance.
The transmission of packet from sink node to all nodes and from all nodes to sink node
is shown through Fig 3.4.
 Figure 3.4 Multiple Sampling Task Representation
In MS-RDB method, sink node collects the information from all the sensor
nodes and performs the multiple sampling task. MS-RDB method aggregate and
transmit packets to the sink node at one time slot. Initially, it sends the packet to all six
neighbours, which transmit the packet to the end of all sub sequences. In aggregate
approach, each sub sequence in MS-RDB method independently transfers and
concatenates data from the end of sequence to sink node. After sink nodes collects all
data, it produces a packet which contains information of the whole network system. In
transmit approach, broadcast each sub sequence independently

18
and accumulates data packet to sink node. Then sink node transmits all received
packets to all sub sequences. To avoid the redundancy, the neighbors of sink node
check each receiving packet.
If a packet is the same as what a node just sent to sink node, then it will discard
the packet to avoid redundancy. If a packet is the first new packet the node receives, it
will send this packet combined with its own sensing data along the sequence. Each
reverse direction broadcasting node performs the analogous combination, generate and
send a larger packet to the next node, until transmission terminates at the end of sub
sequence. If the packet does not belong to the proceeding two cases, the neighbour
node only transmits this packet. No other data is concatenated to the packet.
In MS-RDB method, simplified assumptions are taken such that the number of
nodes 'n' associated with 'r' disjoint source destination routes such that

n(d) = r(l − 1) + 2n(d) = r(l − 1) + 2 …….. (6)

 n(d) is the distance computed in between the nodes with 'r' disjoint routes. On the
other hand, with inward (ie,) receiving and outward (ie) transmitting branches
at each node in WSN is computed as,
 +        +   l …….. (7)
   l
n(m) = 1 l 1, is odd
22
21 2 , is even
2
Hereafter, for each packet transmission is computed using n(m) equation. n(m)
satisfies two conditions (ie,) length in odd and even condition. The link error and
intermediate node failure probabilities are denoted by Sl and Sn, respectively in reverse
direction broadcasting.
Sl = 1 − (1 − Sb )ISl = 1 − (1−Sb )I ……….. (8)


1
Sb = p −
 + ………. (9)
k1N
0
3D 2E
b

19
While Sl captures noise as well as the error due to medium access conflict, Sb
captures the packet loss due to input buffer overflow and node failure while reverse
direction broadcasting. Note that, to highlight the differences between different multiple
sampling tasks the end node (ie, destination) is considered ready to receive all packets.
Eb is the signal to noise ratio bit of packet 'p'. N0 is the average bit error probability
computed based on time slot and I is the packet size.
3.2.3 Reverse Direction Broadcast with MinTotal Energy Algorithm A packet
schedule along a reverse direction computes total energy indulgence of the network
which contains two parts such as aggregating and transmitting energy consumption at
each node. The total energy used by all nodes in receiving a packet is (n-1)*I* Eenergy
where I is the packet size. The energy consumption of receiving is independent of the
type of the sequence used. The transmission energy depends on the distance between
two nodes along a sequence dn. To simplify the analysis consider the packet transfer at
one time slot. The analysis for conserving total energy consumption is to build a
sequence with minimum ∑dn, where d is the distance between two nodes along the
sequence.

// Reverse Direction Broadcast Algorithm

Begin
Input: Sink node transmit packet to all other sensor nodes
Output: From all other nodes sink node at one time Slot
Step 1: Sequence = {Node1, node 2… Node 6}
Step 2: While n! =Null
Step 3: For each I ϵ n'
Step 4: Do [I, Dj]🡨min [d2 (Dj , I ) + d2 (I, Dj + 1 ) + d2 ( Dj ,Dj+1 )]
Step 5: New🡨 Extract MinEnergy (n')
//select a node with the minimum key
Step 6: Insert ( Sequence, Dj , New Insert (Sequence, Dj ,New)
// insert NEW between Dj and Dj+1 in
Step 7: Append ( Sequence, Nodes)
//append HEAD at the end of the sequence
End

20
From the algorithm, Dj represents the node at location j in sequence, where d2 is
the square of distance between nodes and n' indicates the number of nodes. The first
stage in above algorithm is to find the farthest node from sink node as one end of the
sequence. Then each round selects a NEW node which is not in the sequence to
redirect the packet from the sensor nodes to sink nodes. The selection criteria are that
∑d2 of the current sequence with NEW node increases to the minimum possible extent
compared to the old sequence. There exist two cases depending on insertion position j.
In MS-RDB algorithm, If Dj is already the end of the current sequence, simply append
NEW to the sequence. Otherwise insert NEW between Dj and Dj +1 at same time slot.
The new transmission path from Dj to Dj + 1 through node Di minimizes the delay cost to
the sequence with all other sensor nodes in MS-RDB method.
3.3 Authoritative Synchronized Converge-Cast Protocol in Wireless
Sensor Network
The main objective of the Authoritative Synchronized Converge-Cast Protocol is
to minimize the packet collision rate when the packets are rebroadcasted from the
sensor nodes to the sink node. Normally, the packets are rebroadcasted from the
sensor nodes to the sink node using the same communication channel. The
Converge-Casting process in ASC protocol helps to perform the inverse operation
during packet broadcasting (ie,) rebroadcasting. The ASC protocol is integrated with
MAC layer to perform higher throughput level while broadcasting the packet
information. The sensor network consists of the multiple sensor events to monitor and
coordinate the multiple sampling tasks. The multiple tasks are integrated and process is
carried out in the data link layer of the wireless sensor network. The data link layer with
MAC in sensor network provides effective channel accessing for the packet
rebroadcasting. With this, the MAC integrates the proposed ASC protocol for easy
rebroadcasting of packet without any collision. Here, the sink nodes receive all the
reverse broadcasted sensor packet information in the ASC protocol. From the Fig, the
sensor nodes used for packet rebroadcasting are S1, S2, S3, and S4 in wireless sensor
network.
In WSNs, Converge-Cast is used to retransmit the packet information in an
efficient manner, from the sensor nodes to the sink nodes. The sink nodes receive all

21
the information from the sensor nodes concurrently. Here with the concurrent arrival of
packets, possibility of packet collision leads to serious crisis. To overcome the packet
collision, circular coordination strategy is used in ASC protocol to minimize the rate of
packet collision. The circular coordination strategy in ASC protocol adjusts the packet
transmission time using the Quadratic principle. With the application of
Converge-Casting on MAC layer with quadratic principle in ASC protocol the packet
collision is largely minimized in the sensor network with increase in the lifetime of the
network. The elaborate process involved in the design of ASC protocol is briefed in the
forthcoming subsection.

3.3.1 Converge Casting Process in ASC protocol

The purpose behind the application of converge casting in the design of ASC
protocol is to handle the inverse form of broadcasting operation (ie,) from all the sensor
nodes to the sink node (or root node). The ASC protocol uses the global function to
review all the sensor node packets. The purpose of using global function is to
eventually review the packets received from the sensor nodes in wireless network. The
algorithmic steps involved in the design of Converge-Cast is demonstrated with the help
of step by step process,

// Converge-Casting Algorithmic Steps

Step 1: Initially, 'Sink' be the root node, S1, S2, S3...Sn be the sensor nodes (ie,)
leaf nodes
Step 2: While Packet 'P' received from the Sensor nodes
Step 3: Append 'P' on communication channel for reverse broadcasting
Step 4: If Sink node contains P
Step 5: Go to Step 8
Step 6: Else Send 'P' until reaches the 'Sink' node using Global Function
Step 7: End If Else
Step 8: Repeat Step 2 to 7 for all the sensor node packet
rebroadcasting Step 9: End While

Let us assume that the sink node be represented as the root node whereas all
other sensor nodes (ie, S1, S2, S3, …, Sn) be the sensor or leaf nodes. The process
starts whenever a packet 'P' is instantiated from the sensor nodes. If a packet 'P'
22
is detected then the packet is appended into the communication channel for the
purpose of reverse broadcasting. If the sink node contains the packet 'P' then the
process is repeated for all the sensor node packet rebroadcasting. If the sink node does
not contain a packet 'P', then global function is applied until it reaches the sink node. As
illustrated in the algorithm, the Converge-Casting step helps to easily understand the
packet rebroadcasting from the sensor nodes to the sink node using ASC protocol. The
lesser the intermediate node, the execution time of the ASC protocol in MAC layer is
reduced.
The sink node receives all the sensor node packets in the MAC layer. Followed
by this, the sensor node packet is rebroadcasted using the global function. The global
function in ASC protocol takes the vertex points 'S' with the input packets 'P' for
computation. Global Function (GF) in ASC protocol is formularized as,

GF = {S1(SS1, SS2), S2(SS3), S3(SS4, SS5), S4(SS6, SS7)} ……… (10)

The Global Function is denoted by 'GF' which is obtained using the subset (SS) of
sensor nodes (S). In (10), the sensor nodes are denoted by 'S1','S2','S3','S4' with the
subset of sensor nodes denoted as 'SS' for effective on rebroadcasting of information.
From (1), it is clear that S2 includes only 'SS3' subset nodes that in turn effectively
reach the sink node in wireless sensor network. Global function also satisfies the
associative and commutative rule in the ASC protocol to attain the higher converge cast
result. The integration of ASC protocol with the MAC layer is sensitive such that the
changes in the sensor node vertex also change the GF function. As we have assumed
that the sensor nodes are structured in the form of tree, the execution time for
rebroadcasting of information depends on the depth of the rebroadcasting tree. The
highest sensor node in the vertex tree results in the O(S * depth (tree)) time complexity.
The depth identifies the intermediate nodes from the sensor nodes to the sink nodes for
measuring the ASC protocol execution time. The success rate of ASC protocol is also
higher by using the Quadratic Function in MAC layer communication
3.3.2 Circular Coordination Strategy (CC strategy)
The CC strategy in ASC protocol, a two step model is depicted in Fig 9 with the
main aim of minimizing the packet collision rate on the wireless communication
channel. The first step involved in the design of CC strategy is to find the hop

23
distance based sequential coordination. The sequence in the sequential coordination is
coordinated in circular form using ASC protocol to clearly compute the retransmit time
without any packet collision. The second step involved in the design of CC strategy is to
clearly describe the number of sensor nodes to avoid the overflowing of packets.
The initial step in the CC procedure is the sequential coordination which
measures the hop distance in a clear manner to avoid packet collision during multiple
sampling tasks. Followed by this, the second step uses overflow avoidance to evaluate
the likelihood control mechanism. With this the probability of packet retransmit time is
computed to avoid the packet collision in sensor network. The detailed analysis of two
steps fold, sequential coordination and overflow avoidance is explained below.
Sequential Coordination Step
The Sequential Coordination in a circular form acts as the key strategy to
minimize the packet collision. The first task involved during the design process of CC
procedure is that the Sequential Coordination sends the reply once the events are
received from the sensor nodes. The reply is sent by using the measured hop distance
value in wireless network, and as a result the ASC protocol minimizes the packet
collision rate on the same communication channel. The hop distance value is computed
as
 Hop Distance = I1 + I2 + I3 + .. In …….. (11)

The hop distance value in the sequential coordination is measured based on the
intermediate nodes 'I1', 'I2','I3'….'In' from the sensor nodes to the sink node. The
sequential coordination function is implemented in ASC using the circular topology
structure. The circular topology structure waits for the particular hop distance time to
avoid the collision rate on multiple events driven wireless sensor network. The waiting
time based on the hop distance is computed as,

WT (S) = 4S (S − 1) τ − 3S (S −1) τ − 2S (S − 1) τ − s τ ……… (12)

The waiting time of the multiple events is denoted by WT (S) that is based on the
hop distance. The time taken to reach the root (ie,) sink node is represented by τ which
travels through each intermediate nodes. S denotes the sensor node containing the
packets in MAC layer for effective rebroadcasting.
24
Overflow Avoidance step
ASC protocol avoids the overflow of packets in the communication channel
using the Likelihood control mechanism. The sequential coordination based packet
collision avoidance as described, achieves higher success rate. The higher success
rate is achieved even on the overflow avoidance of the packets in the sensor network.
In multiple event sampling tasks, ASC protocol bootstraps the sink node to avoid the
overflow of packets. Each sensor node in the ASC protocol in MAC layer computes the
hop distance to adjust the packet transmission time and to maintain the higher packet
flow rate without any collision.
Likelihood control mechanism control the packet rebroadcast time based on the
probability ratio. Likelihood control mechanism retransmits the packet indicating the
higher success rate from the sensor node to the sink node. A sink node which attain the
packet, tries to allocate the communication channel for the next packet transfer from the
different sensor node in a likelihood (ie,) probabilistic manner. With this the ASC
protocol maintains the relative distance time for packet forwarding.
3.3.3 Quadratic Principle on MAC-ASC Integration
Once the procedure of circular coordination is achieved by applying sequential
coordination and overflow avoidance, the last step involved in the design of ASC
protocol is to design the quadratic principle that effectively integrates the MAC layer
with ASC protocol. The quadratic form is given as
 P(S2) + P(S) = Sink node …….. (13)

As given in (13), the packets 'P' on the sensor nodes 'S' are rebroadcasted to the
sink node. With this, the result produces a collision free rebroadcasting of packet
information. By integrating the circular coordination strategy with Converge Casting
process, collision is reduced further and eventually the throughput rate is improved.

25
Chapter - 4
Results and Discussions

4.1. Experimental Evaluation for SNSTGS Method To calculate the

efficiency of the SNSTGS, simulations were headed using a practice simulator. All
imitation results were averaged above 100 simulation dashes and consist of 95 percent
assurance period data. Since the simulation experiments only measured a specific
sampling task at a time, the supervised location (ie, sensor field) was located as a
1,000 by 1,000 meter square, by the sampling indication included at the midpoint (ie,
sampling region was centered at the example section. If not openly summarized, the
speed collection was place to be 0 to 30 meters/ second, and route was randomly
chosen from one of four directions on a grid: east, west, south, and north. In a
simulation, one case unit indicated 50 milliseconds, the projected time to forward a
packet on the 10 Kbit radios of Motes. Visualize that sensor data formed by any sensor
node is adequate to healthy in one packet. We supposed that sensors enclosed a 100
percent victory speed for sending out with a mobile object placed inside 50 meters, as
the sensor-to-sensor message success rate based on a chosen message model. We
employed two communication illustrations. We varied the number of sensor nodes
inside the whole sensor field from 300 to 1,100 as well steps of 200. It is easy to
recognize that this agreement converses to a network degree (average number of
neighbors in a node's message) ranging from 2.355 to 8.635. The result of the
proposed SNSTGS is calculated by average number of messages, overlap percentage,
data deliverability.
4.1.1 Average number of messages
Synchronizing Numerous Sampling Tasks in sensor field by means of Geometric
Series is compared with the existing Band-based Directional Broadcast method for
improving the mobile sampling in calculating the average number of messages, overlap
percentage of the node sampling in the sensor field, data deliverability. The

26
below table and graph explains the result of the proposed synchronizing numerous
sampling tasks in sensor field using geometric series and existing Band-based
Directional Broadcast method.
Average number of messages is termed as the total number of messages employed in
each rebroadcast technique which is separated by the total number of nodes
incorporated in the particular regions.

tot M Average number of messages

size of R

∑ ()
= ()
R

...... (14) Where, tot (M) – total number of messages Table 4.1 No. of data packet vs.
average number of messages
No. of Average number of messages
data
Propose Existing Band-based Direction
packet
d Broadcast technique
SNSTGS

25 17 33

50 15 29

75 12 25

100 9 20

125 6 16

150 3 12
 The average number of messages is calculated depending on the number of data
packets in the sensor node. The value of the proposed synchronization of numerous
sampling tasks in sensor field by means of geometric series is compared with the
existing Band-based Directional Broadcast method is demonstrated in table 4.1.
Fig 4.1 explains the average number of messages is calculated depending on the
number of data packets in the sensor node. Compared to the existing Band based
Directional Broadcast method, the proposed SNSTS gives less average in broadcasting
the messages. Smaller the value of average number of messages, higher the number
of distribution of data packet is executed in the network. Existing Band based
Directional Broadcast method controls only the path of the rebroadcast that are initiated
from the sensor nodes in the network, fails to synchronize with the
27
incoming data packets. So, region overlapping is high, consequently the distribution of
message is also less.

Figure 4.1 No. of data packet vs. average number of messages

4.1.2 Overlap percentage
Overlap percentage is termed as the proportion of the nodes in the sensor field
exists inside the particular regions which are derived from the total number of nodes in
the regions.

OP sizeof R num P sizeof RNN = ∗

∑ ∑ ∗ − ..... (15)
( ( ( ) ( ( ))) / ( ( ) ( 1)))
RR
Where, R is the region, P is the Data packet and N is the Total number of nodes
 Table 4.2 No. of Data Packet vs. Overlap Percentage

No. of Overlap Percentage (%)

data
Propose Existing Band-based Direction
packet
d Broadcast technique
SNSTGS

25 5 11

50 9 15

75 12 19

100 15 23

125 19 27

150 21 32

28
The percentage of packet overlapping is calculated depending on the number of data
packets collected in the sensor node. The values of the proposed Synchronizing
numerous sampling tasks in sensor field using geometric series is compared with the
existing Band-based Directional Broadcast technique is demonstrated in table 4.2.

Figure 4.2 No. of data packet vs. overlap percentage

Fig 4.2 explains the percentage of packet overlapping is calculated depending on
the number of data packets collected in the sensor node. Compared to the existing
Band-based Directional Broadcast method, the proposed Synchronizing numerous
sampling tasks in sensor field using geometric series supplies less region overlapping.
As the SNSTGS method organizes the packet in the sensor field depending on the
geometric series. Consequently, the transmission rate is high as the packets are well
systematized and developed. The difference in the overlap percentage is 30-50% less
in the proposed SNSTGS method.

4.1.3 Data deliverability

The data deliverability is calculated depending on the number of nodes in the
network

tota o ofrepliesobtainedfromsensor samplingregion Datadeliverability

ln . sin

ln . sin
=

tota o ofsensor … (16)

samplingregion

29
The values of the proposed Synchronizing numerous sampling tasks in sensor
field using geometric series is compared with the existing Band-based Directional
Broadcast method is demonstrated in table 4.3.
Table 4.3 No. of nodes vs. data deliverability
No. of Data deliverability (%)
nodes
Proposed Existing Band-based Directional
SNSTGS Broadcast technique

50 20 10

100 26 15

150 32 19

200 40 26

250 46 32

300 52 37
 Fig 4.3 demonstrates the simulation results of data deliverability depending on the
number of nodes in the sensor field. The data deliverability is calculated in terms of
percentage (%).

Figure 4.3 No. of nodes vs. data deliverability

30
From Fig 4.3, it is being taken that SNSTGS method offers high rate of data
deliverability than the existing Band-based Directional Broadcast method. As, SNSTGS
remove rebroadcasts method, consequently the delivery rate of data packet is lower.
This occurs when some involvement among a sensor node and the mobile object is lost
because of minimizing the rebroadcasts which attain a higher
numbered band. But in the proposed SNSTGS, the deliverability rate is fairly high,
because it synchronizes the set of data packet depending on the geometric series. The
difference in the data deliverability in the proposed SNSTGS is 28-50% high. Lastly, the
result shows that the SNSTGS offers consistent synchronization among data packets
using geometric series method.
4.2 Experimental evaluation of MS-RDB method Simulation takes over
based on the sensor network package successively on the NS2 simulator. Our
simulation scenarios used 50 sensor nodes. These nodes are deployed uniformly and
randomly in an 800m x 800m field with a maximum speed of 45 m/s and an average
pause of 0.01s. Each simulation was over a time period of 950 simulation seconds. The
sensor nodes use the AODV as the routing protocol.

Figure 4.4 Performance Normalized Throughput

The Multiple Sampling with the Reverse Direction Broadcast (MS-RDB) method
effectiveness is measured on varying parametric factors are normalized throughput,
delay rate, energy consumption, transmission latency, reverse broadcasting

31
efficiency, and packet loss rate. The normalized throughput in MS-RDB method is the
sum of data rates that are delivered to all terminals in a network. Subsequent factor,
delay rate is measured as the amount of packet percentage delayed while packet
transmitted at one time slot. Transmission latency factor is the amount of time required
to move forward all of the packet's bits in sequence order. Broadcasting efficiency is
defined as the significant change, maximizing efficiency with multiple sampling on
wireless sensor network, measured in terms of percentage (%).Packet Failure rate
factor is that the rate at which the packet drop is identified in links effectively and
overcoming it successfully using the MS-RDB method.
Multiple Sampling with the Reverse Direction Broadcast (MS-RDB) method is
compared against the existing Constant approximation (CA) algorithm for the 2-Disk
model and Energy Efficient MAC protocol (EE-MAC) for WSN. The below graph
describes the MS-RDB method improvements with beneficial simulation results when
compared with existing system.
Fig 4.4 describes the normalized throughput based on the node distance. At each
round, selects a NEW node which is not in the sequence to redirect the packet from the
sensor nodes to sink nodes. The selection criteria ∑d2 of the current sequence with
NEW node increases to the minimum possible extent compared to the old sequence. In
MS-RDB Method, throughput value increased by 10 – 20 % when compared with the
CA Algorithm and 4 – 8 % improved when compared with the EE-MAC protocol.

Figure 4.5 Energy Consumption

32
Fig 4.5 illustrates the energy consumption based on the per hop count. Single
node insertion at every round of reverse direction broadcast, so that the smallest
amount of energy consumption takes place on whole sequence. As the count
increases, the energy consumption in MS-RDB Method is reduced to 5 - 15 % when
compared with CA Algorithm and 5 – 10 % decreases when compared with the EE
MAC protocol.

Figure 4.6 Transmission Latency

 Fig 4.6 demonstrates the transmission latency based on the node count. As the
node count improved, the transmission latency varies on each simulation result. The
MS-RDB method minimizes the transmission latency total neighbor distance concept,
especially for sparse node distribution. MS-RDB neighbor distance concept divide
an n*n area into six equal regions and its sub sequence is . However, it
2n
doubles to in a single sequence, to reduce latency drastically. The latency reduced to

12 – 16 % when compared with the CA Algorithm. The MS-RDB method also reduced
approximately to 9 % when compared with the EE-MAC protocol.

Fig 4.7 shows the measurement of reverse broadcast efficiency factor obtains
the better result in MS-RDB method when compared with the CA Algorithm and
EE-MAC protocol [1, 2]. Eamp is the transmit speed amplifier to compute the reverse
direction broadcasting speed and depends on the data size and the redirection
distance. In reverse direction broadcasting, each node upholds the size of the header
and concatenates its data to the data from other nodes in sink node, to improve the
33
efficiency level. Reverse broadcast efficiency of MS-RDB method is 2-5 % higher when
compared with EE-MAC protocol and 7-14 % when compared with the CA Algorithm.

Figure 4.7 Reverse Broadcast Efficiency Measure

Fig 4.8 describes the packet loss rate based on the transmission interval. The
transmission interval is measured in terms of seconds (sec). The packet loss rate
reduced in MS-RDB method because of using inward (ie,) receiving and outward (ie)
transmitting branches. The transmitting branches are computed through Eqn (3) n(m)
formula. MS-RDB method reduces the packet loss ratio to 67 % when compared
against CA Algorithm and 7-10 % reduction when compared with EE
MAC protocol.

Figure 4.8 Packet Loss rate Measure

34
Finally, MS-RDB method significantly decreases the packet loss ratio, latency and
energy consumption rate. To reduce power consumption in MS-RDB method, a node
forwards merely one of many packets, established from its secondary sources, to the
destination.

4.3 Experimental evaluation for ASC

Authoritative Synchronized Converge-Cast protocol (ASC) is implemented using
NS2 simulator. The NS2 simulation takes 80 sensor nodes and few sink nodes for the
experimental work. The sensor nodes use the AODV routing protocol to perform the
experiment on randomly moving objects. The movement of all nodes is generated over
a 900m x 900m sensor field with the nodes movement measured at a random speed of
30 m/s and an average pause of 0.01s. ASC protocol integrated with MAC layer
randomly selected the sensor nodes with a predefined speed with 2.5ms. The
parametric values for performing experiments are illustrated in Table 4.4.
Table 4.4 Simulation setup
Parameter Value

Protocols AODV

Network range 900 mx 900 m

Simulation time 50 ms

Number of mobile nodes 10, 20, 30, 40, 50, 60, 70,80
 Mobility model Two Ray Ground Model

Network simulator NS 2

Mobility speed 10 m/s

Pause time 15 s

Packets 50,100,150,200,250,300,350,400

The performance of ASC protocol is compared against with the existing Hybrid
Medium Access Control (HMAC) protocol [33] and Machine-Learning-Based Adaptive
Routing (QELAR) protocol [34]. The experiment is conducted on the factors such as
packet collision rate, packet transmission time, bandwidth rate, throughput level, and
execution time.
35
4.3.1 Packet collision rate (PCR)
The packet collision rate (PCR) is defined as the number of packet collisions
being detected (PCD) to the total number of packets transmitted. The packet collision
rate is measured in terms of (%) and mathematically formulated as below,

..... (17)

Table 4.5 Packet Collision Rate

No. of Packet Collision Rate (%)
Packets (P)
ASC HMAC QELAR

50 11 15 20

100 14 19 24

150 15 22 27

200 17 25 28

250 12 20 20

300 20 23 24

350 22 24 29
 400 24 27 32

Table 4.5 shows the packet collision rate of ASC protocol with respect to the
different number of packets in the range of 50 to 400 and comparison is made with two
existing methods namely, Hybrid Medium Access Control Protocol (HMAC) protocol
[33] and Machine-Learning-Based Adaptive Routing (QELAR) Protocol [34]. From the
table value, it is illustrative that the packet collision rate using ASC protocol is reduced
as compared to the other existing protocols [33], [34].
Fig 4.9 illustrates the packet collision rate observed using the proposed ASC
protocol with MAC layer and compared with two other methods. As shown in Fig, the
packet collision rate using the ASC protocol is performs relatively well when compared
to the Hybrid Medium Access Control Protocol (HMAC) protocol [33] and
Machine-Learning-Based Adaptive Routing (QELAR) Protocol [34].This is because of
the fact that the circular coordination strategy is used in ASC protocol that results in the
minimization of packet collision by 9-40% when compared to HMAC. Further with the
application of CC strategy in ASC protocol, the hop distance is identified

36
based on the sequential coordination that minimizes the packet collision by 30-80%
than compared to HMAC.

Figure 4.9 Packet Collision Rate

4.3.2 Packet transmission time (PTT)

The packet transmission time (PTT) for ACS protocol is obtained by dividing the
packet size (in bit) (S) by the bit rate (in bit) (BR).
 …… (18)

The packet transmission time is measured in terms of milliseconds (ms).

Table 4.6 Packet Transmission Time

No. of Packet Transmission Time (ms)

Packets (P)
ASC HMAC QELAR

50 4 7 10

100 9 12 15

150 12 14 19

200 14 20 22

250 18 23 28

300 20 24 32

350 22 27 35

400 25 30 42

37
The Table 4.6 represent the packet transmission time with respect to the number
of packets in varies in the range of 50 to 400 and compared with two other methods.
From the table values, it is descriptive that the packet transmission time using ASC
protocol is reduced as compared to other existing methods [33], [34].
Fig 4.10 shows the measure of packet transmission time using three different
methods namely proposed ASC protocol, HMAC protocol, QELAR Protocol. As shown
in Fig, packet transmission time using ASC protocol is performs relatively well as
compared to the other existing protocols namely, Hybrid Medium Access Control
Protocol (HMAC) protocol [33] and Machine-Learning-Based Adaptive Routing
(QELAR) Protocol [34]. Besides, while increasing the number of packets transmitted,
the packet transmission time is gets also increased. But comparatively packet
transmission time using ASC protocol is lesser. This is because the Converge
Casting process in ASC protocol helps to perform the inverse operation during packet
broadcasting (ie,) rebroadcasting and minimizing the packet transmission time by 20 –
75 % when compared to HMAC. Further the global function in ASC protocol eventually
review the packets received from the sensor nodes of the wireless network by reducing
the packet transmission time by 55 – 65 % when compared to HMAC.

Figure 4.10 Packet Transmission Time

38
4.3.3 Bandwidth rate
The bandwidth rate using ACS protocol defines the packet transfer rate, ie, the
number of packets that can be transmitted to the sink node. This bandwidth rate
is measured in terms of bits per second (bps).
Table 4.7 Bandwidth Rate
Packet Bandwidth Rate (bps)
Size (MB)
ASC HMAC QELAR

500 14 12 10

1000 17 15 12

1500 25 18 14

2000 32 23 17

2500 35 27 22

3000 40 33 25
 3500 52 38 28

4000 58 42 32

Table 4.7 demonstrates the result analysis of bandwidth rate with respect to
differing packet size of ranges 500 MB and 4000 MB. From the table value, it is
illustrative that the bandwidth rate using ASC protocol is higher as compared to the
other existing methods.

Figure 4.11 Bandwidth Rate

39
Fig 4.11 demonstrates the bandwidth rate with respect to increasing packet sizes.
As shown in the Fig, bandwidth rate using ASC protocol is performs relatively well as
compared to the other existing protocols namely, Hybrid Medium Access Control
Protocol (HMAC) protocol [33] and Machine-Learning-Based Adaptive Routing
(QELAR) Protocol [34]. Besides, with the increase in the packet size, the bandwidth
rate is also gets increased using all the three methods. But comparatively, the
bandwidth rate using ASC is higher than the other two models. This is because with the
application of circular coordination strategy in ASC protocol which avoids the overflow
of packets in the communication channel with the help of likelihood control mechanism.
This in turn increases the bandwidth rate of ASC protocol by 11 – 12 % when compared
to HMAC [33]. Further, the sink node which receives the packet, allocates the
communication channel from the different sensor node in a likelihood (ie,) probabilistic
manner by increasing the bandwidth rate by 35 – 46% as compared to QELAR [34].
 40
Chapter - 5
Conclusion and Summary

In this monograph, an efficient data collection method using multi sampling

reverse directional broadcast technique has been proposed. In WSN, Coordinating
Multi-Sampling among the sensor nodes is maintained by executing the geometric
series method. With the geometric progression method, the nodes in the sensor
network are examined and determined the overlapping conditions of the sampling fields
in the sensor network. In addition, MS-RDB method uses the data aggregation process
to transmit information of nodes to sink node in one time slot. MS RDB method ensures
successful data communication and also increases the reverse broadcasting efficiency
with minimum energy consumption and latency. Finally, the ASC protocol is designed in
WSN that minimize the packet loss and increases the network lifetime. The
converge-cast protocol integrated with MAC layer helps to reduce the packet collision in
wireless sensor network. From the experimental evaluation it has been found that the
proposed efficient data aggregation method in wireless sensor network using
multi-sampling reverses directional broadcast techniques gives better data delivery up
to 15% higher and packet collision rate up to 14% minimized as compared with reported
methods.

41
References

1. Juzheng li, sol m. Shatz et. Al., “Mobile Sampling of Sensor field Data using
controlled Broadcast”, IEEE Transactions On Mobile Computing, vol. 10, no. 6,
June 2011 881.

2. Scott C.-H. Huang et. Et. Al., “Broadcast Scheduling in Interference Environment”,
IEEE Transactions on Mobile Computing, Vol. 7, No: 11, November 2008. 3. A.
Chiganmi, M. Baysan, K. Sarac, and R. Prakash, “Variable Power Broadcast Using
Local Information in Ad Hoc Networks,” Ad Hoc Networks, vol. 6, no. 5, pp. 675-695,
July 2008.

4. F. Dai and J. Wu, “Efficient Broadcasting in Ad Hoc Networks Using Directional

Antennas,” IEEE Trans. Parallel and Distributed Systems, vol. 17, no. 4, p. 335,
Apr. 2006.

5. J. Li and SM Shatz, “Sampling Sensor Fields Using a Mobile Object: A Band Based
Approach for Directional Broadcast of Sensor Data,” Proc. IASTED Int'l Symp.
Distributed Sensor Networks, Nov. 2008.

6. Mingyan Li et. Al., “Optimal Jamming Attack Strategies and Network Defense
 Policies in Wireless Sensor Networks”, IEEE Transactions On Mobile Computing,
Vol. 9, No: 8, August 2010.

7. Emad Felemban et. Al., “SAMAC: A Cross-Layer Communication Protocol for Sensor
Networks with Sectored Antennas”, IEEE Transactions on Mobile Computing, Vol.
9, No. 8, August 2010.

8. Raja Jurdak et. Al., “Radio Sleep Mode Optimization in Wireless Sensor Networks”
IEEE Transactions on Mobile Computing, Vol: 9, No: 7, July 2010. 9. Arif Selcuk
Uluagac et. Al., 'VEBEK: Virtual Energy-Based Encryption and Keying for Wireless
Sensor Networks', IEEE Transactions on Mobile Computing, Vol. 9, No. 7, July 2010.

10. Xue Wang et. Al., “Distributed Energy Optimization for Target Tracking in Wireless
Sensor Networks”, IEEE Transactions On Mobile Computing, Vol. 9, No: 1,
January 2009.

42
11. Bin Xiao et. Al., “Reliable Anchor-Based Sensor Localization in Irregular Areas”,
IEEE Transactions on Mobile Computing, Vol: 9, No. 1, January 2009 12. Pangun Park
et. Al., “Breath: An Adaptive Protocol for Industrial Control Applications Using Wireless
Sensor Networks”, IEEE Transactions on Mobile Computing, Vol. 10, No. 6, June 2011.

13. Hamid Al-Hamadi., and Ing-Ray Chen., “Redundancy Management of Multipath

Routing for Intrusion Tolerance in Heterogeneous Wireless Sensor Networks.”
IEEE Transactions on Network and Service Management, Vol. 10, No. 2, pp189-
203, June 2013.

14. Enyang Xu., Zhi Ding., and Soura Dasgupta., “Target Tracking and Mobile Sensor
Navigation in Wireless Sensor Networks,” IEEE Transactions on Mobile
Computing, Vol. 12, No. 1, January, pp 177-186, 2013.

15. Satyajayant Misra, Seung Don Hong, Guoliang (Larry) Xue, and Jian Tang,
“Constrained Relay Node Placement in Wireless Sensor Networks: Formulation
and Approximations,” IEEE/ACM Transactions on Networking, Vol. 18, No. 2, pp
434-437, April 2010.

16. GholamHossein Ekbatanifard., Reza Monsefi., Mohammad H. Yaghmaee M.,

Seyed Amin Hosseini S., “Queen-MAC: A quorum-based energy-efficient medium
access control protocol for wireless sensor networks,” Elsevier Journal on
Computer networks, pp 2221-2236, 2012.
17. Rocio Arroyo-Valles., Antonio G. Marques., and Jes´us Cid-Sueiro., “Optimal
Selective Forwarding for Energy Saving in Wireless Sensor Networks,” IEEE
Transactions on Wireless Communications, Vol 10, No. 1, January, pp 164-175,
2011.

18. Chi Lin., Guowei Wu., Feng Xia., Mingchu Li., Lin Yao., Zhongyi Pei., “Energy
efficient ant colony algorithms for data aggregation in wireless sensor networks,”
Journal of Computer and System Sciences, pp 1686 -1702, 2012.

19. Ungjin Jang., Sunggu Lee ., Sungjoo Yoo., “Optimal wake-up scheduling of data
gathering trees for wireless sensor networks,” Elsevier Journal of Parallel
Distribution Computing, pp 536-546,2012.

43
20. Joohwan Kim., Xiaojun Lin., Ness B. Shroff., and Prasun S., “Minimizing Delay and
Maximizing Lifetime for Wireless Sensor Networks With Anycast,” IEEE/ ACM
Transactions on Networking, Vol. 18, No. 2, pp 515-528, April 2010.

21. Chien-Ming Chen., Yue-Hsun Lin., Ya-Ching Lin., and Hung-Min Sun., “RCDA:
Recoverable Concealed Data Aggregation for Data Integrity in Wireless Sensor
Networks,” IEEE Transactions on Parallel and Distributed Systems, Vol. 23, No. 4,
pp 727-734, April 2012.

22. Omur Ozel., Jing Yang., Sennur Ulukus., “Optimal transmission schemes for parallel
and fading Gaussian broadcast channels with an energy harvesting rechargeable
transmitter,” Computer Communications., Elsevier journal., pp 1360-1372, 2013.

23. Zhen Yu., and Yong Guan., “A Dynamic En-route Filtering Scheme for Data
Reporting in Wireless Sensor Networks,” IEEE/ACM Transactions on Networking,
Vol. 18, No. 1, 2010, pp 152-163.

24. Beakcheol Jang., Jun Bum Lim., Mihail L. Sichitiu., “An asynchronous scheduled
MAC protocol for wireless sensor networks,” Computer Networks., Elsevier
Journal., pp 85-98, 2013.

25. Jong-Woon Yoo., and Kyu Ho Park.,“A Cooperative Clustering Protocol for Energy
Saving of Mobile Devices with WLAN and Bluetooth Interfaces,” IEEE
Transactions On Mobile Computing, Vol. 10, NO. 5, pp 491-504, April 2011.

26. Parul Saini., Ajay K Sharma., “Energy Efficient Scheme for Clustering Protocol
Prolonging the Lifetime of Heterogeneous Wireless Sensor Networks,”
 International Journal of Computer Applications (0975 – 8887), Volume 6– No.2, pp
30-36, September 2010.

27. Ozlem Durmaz Incel., Amitabha Ghosh., Bhaskar Krishnamachari., and Krishnakant
Chintalapudi., “Fast Data Collection in Tree-Based Wireless Sensor Networks.,
“IEEE/ACM Transactions on Networking, pp 86-99, 2012.

28. Xianlong Jiao., Wei Lou., Xiaodong Wang., Junchao Mab., Jiannong Cao.,
Xingming Zhou., “On interference-aware gossiping in uncoordinated duty-cycled
multi-hop wireless networks,” Ad Hoc Networks., Elsevier journal., pp 1319- 1330,
2011.

44
29. Ravi Tiwari, Thang N. Dinh, My T. Thai “On approximation algorithms for
Interference-Aware Broadcast Scheduling in 2D and 3D Wireless Sensor
Networks,” Springer Journal., pp 438-448,2009.
30. Min Kyung An., Nhat X. Lam., Dung T. Huynh., Trac N. Nguyen., “Minimum latency
data aggregation in the physical interference model,” Computer Communications.,
Elsevier journal., pp 2175-2186, 2012.
31. Koushik Sinha., Bhabani P. Sinha., and Debasish Datta., “An Energy-Efficient
Communication Scheme for Wireless Networks: A Redundant Radix-Based
Approach,” IEEE Transactions on Wireless Communications, Vol. 10, No. 2,
February, pp550-559, 2011.
32. Scott C.-H. Huang., Peng-Jun Wan., Jing Deng., and Yunghsiang S. Han.,
“Broadcast Scheduling in Interference Environment,” IEEE Transactions on Mobile
Computing, vol. 7, no. 11, pp 1338-1348, November 2008.
33. Lanny Sitanayah, Cormac J. Sreenan, Kenneth N. Brown. A hybrid MAC protocol
for emergency response wireless sensor networks, Ad Hoc Network. Elsevier
2014; 20: 77-95.
34. Tiansi Hu, Yunsi Fei. QELAR: A machine-learning-based adaptive routing protocol
for energy-efficient and lifetime-extended underwater sensor networks. IEEE
Transaction on Mobile Computing 2010; 9: 796–809.
35. Ting Yang, Chun Jian Kang and Guofang Nan, An energy-efficient and fault tolerant
convergecast protocol in wireless sensor networks. International Journal of Distributed
Sensor Networks Volume 2012, Article ID 429719, 8 pages.
36. O¨ zlem Durmaz Incel, Amitabha Ghosh, Bhaskar Krishnamachari, and Krishnakant
 Chintalapudi, Fast data collection in tree-based wireless sensor networks, Mobile
Computing. IEEE Transactions on, vol. 11, no. 1, pp. 86,99, Jan. 2012.s
37. V. Annamalai, SKS Gupta, L. Schwiebert, On tree-based convergecasting in
wireless sensor networks, Wireless Communications and Networking, 2003 IEEE,
vol. 3 pp. 1942–1947.
38. Hyang-Won Lee, Eytan Modiano, Long Bao Le. Distributed throughput maximization
in wireless networks via random power allocation, IEEE Transaction on Mobile
Computing 2012; 11: 577–590.
45
39. Hassan Artail, Khaleel Mersha. MDPF: Minimum distance packet forwarding for
search applications in mobile ad hoc networks, IEEE Transaction on Mobile
Computing 2009; 8: 412–1426.

40. Satyajayant Misra Seung Don Hong, Guoliang (Larry) Xue, Jian Tang. Constrained
relay node placement in wireless sensor networks: Formulation and
approximations, IEEE ACM Transaction on Network 2010; 18: 434–447.

41. Joohwan Kim, Xiaojun Lin, Ness B. Shroff, Prasun Sinha. Minimizing delay and
maximizing lifetime for wireless sensor networks with anycast, IEEE ACM
Transaction on Network 2010; 18: 515–528.

42. Peng Wang, Stephan Bohacek. Practical computation of optimal schedules in

multihop wireless networks, IEEE ACM Transaction on Network 2011; 19: 515–
528.

43. Yi Xu, Wenye Wang, Scheduling partition for order optimal capacity in large-scale
wireless networks, IEEE Transaction on Mobile Computing 2013; 12: 666–679. 44.
Jingnan Yao, Jiani Guo, Laxmi Narayan Bhuyan. Ordered round-robin: An efficient
sequence preserving packet scheduler, IEEE Transaction on Mobile Computing 2008;
57: 1690–1703.

45. Nam In Park, Jin Ah Kang, Seong Ro Lee, Hong Kook Kim. A packet loss
concealment technique improving quality of service for wideband speech coding
in wireless sensor networks, International Journal of Distributed Sensor Networks,
Hindawi 2014; Article ID 852798, 8 pages.

46. Celik, GD Zussman, G. Khan, WF Modiano, E. MAC for networks with multipacket
reception capability and spatially distributed nodes, IEEE Transaction on Mobile
Computing 2010; 9: 226-240.
47. Evy Troubleyn, Jeroen Hoebeke, Ingrid Moerman, Piet Demeester. Broadcast
aggregation to improve quality of service in wireless sensor networks,
International Journal of Distributed Sensor Networks 2014, Hindawi; Article ID
383678: 12 Pages.

48. Xiaoyan Yin, Xingshe Zhou, Rongsheng Huang, Yuguang Fang, Shining Li. A
fairness-aware congestion control scheme in wireless sensor networks, IEEE
Transactions on Vehicular Technology 2009; 58: 5225–5234.

46
49. Akbar Ghaffarpour, Fault tolerant broadcasting analysis in wireless monitoring
networks, Turkish Journal of Electrical Engineering & Computer Sciences, (2014)
22: 1437 – 1452.

50. Moosa Ayati, Mahdi Pasha-Zanousi, Fuzzy PSO-based algorithm for controlling
base station movements in a wireless sensor network, Turkish Journal of
Electrical Engineering & Computer Sciences.

51. Zeydin PALA and Nihat İNAN, The impact of disabling suspicious nodes
communications on network lifetime in wireless ad-hoc sensor networks, Turkish
Journal of Electrical Engineering & Computer Sciences, 2015.

52. Vasiliki L. Kakali, Georgios I. Papadimitriou, Petros Nicopolitidis, Andreas S.

Pomportsis. A new class of wireless push systems, IEEE Transactions on
Vehicular Technology 2009; 58: 244–248.

53. Jiayu Gong, Zhong, X., Cheng- Zhong Xu. Maximizing rewards in wireless networks
with energy and timing constraints for periodic data streams, IEEE Transaction on
Mobile Computing 2010; 9: 1187–1200.

54. Kenan Xu, Hossam Hassanein, Glen Takahara, Quanhong Wang. Relay node
deployment strategies in heterogeneous wireless sensor networks, IEEE
Transaction on Mobile Computing 2010; 9: 145–159.

55. Zakhia Abichar, J. Morris Chang. A medium access control scheme for wireless
LANs with constant-time contention, IEEE Transaction on Mobile Computing
2011; 10: 191–204.

56. A. Xenakis, F. Foukalas, G. Stamoulis, Cross-layer energy-aware topology control

through Simulated Annealing for WSNs. Computers and Electrical Engineering
journal, Elsevier, Pages 1–15, 2016 .

57. M. Nesa Sudha a, ML Valarmathi, Collision control extended pattern medium

 access protocol in wireless sensor network, Computers and Electrical
Engineering, Elsevier, Vol. 39, 2013, pp. 1846–1853.

58. Rajasekar.R and Prakasam.P “A Survey on Mobile Sampling and Broadcast

Scheduling in Wireless Sensor Networks” International Journal of Applied
Engineering Research (IJAER) Vol.9, Issue 23 (2014), pp. 18869-18888

47
59. Rajaram, P and Prakasam, P, 'Data Collection using Mobile Robot in WSN: A
Review', Journal of Theoretical and Applied Information Technology, vol. 65, No.
2, 2014, pp. 437- 446.

60. P Sathyaprakash and P Prakasam, “Proposed Energy Efficient Multi Attribute Time
Slot Scheduling Algorithm for Quality of Service in Wireless Sensor Network”,
Wireless Personal Communications, Vol. 97, No. 4, 2017, pp. 5951-5968.

61. R Rajasekar and P Prakasam, “Authoritative Synchronized Converge-cast Protocol

for Reducing Packet Collisions in Wireless Sensor Networks”, Asian Journal of
Information Technology, Vol. 15, No. 22, 2016, pp. 4584-4595

62. P Sathyaprakash and P Prakasam, “Quality of Service and Topology Control

Protocol in Wireless Sensor Network: A Survey”, Journal of Signal Processing
and Wireless Networks, Vol. 2, No. 1, 2017, pp. 01-12.

63. R Rajasekar and P Prakasam, “Proposed Coordinating Multiple Sampling Tasks in

Sensor Field Using Geometric Progression Algorithm for Efficient Data Collection
in Wireless Sensor Networks”, Wireless Personal Communications, Vol. 82, No. 3,
2015, pp. 1809-1824.
 48

View publication stats