Luận văn: Nén Dữ Liệu Hiệu Quả trên Mạng Cảm Biến Không Dây (WSN)

Luận văn về nén dữ liệu hiệu quả cho mạng cảm biến không dây (WSN). Nghiên cứu các kỹ thuật, thuật toán nén tối ưu, giúp tiết kiệm năng lượng và băng thông.

• Tác giả: Lâm Văn Lợi
• Người hướng dẫn: TS. Ngô Quỳnh Thu
• Trường học: Trường đại học Bách Khoa Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nén dữ liệu trên mạng cảm biến không dây
• Loại tài liệu: Luận văn thạc sĩ kỹ thuật
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VẼ
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ MẠNG CẢM BIẾN KHÔNG DÂY
• 1.1. Giới thiệu về mạng cảm biến không dây
• 1.1.1. Giới thiệu chung
• 1.2. Các ứng dụng của mạng cảm biến không dây
• 1.3. Kiến trúc mạng cảm biến
• 1.4. Các chỉ tiêu của mạng cảm biến không dây
• 1.4.1. Thời gian sống
• 1.4.2. Kích thước và chi phí
• 1.4.3. Khả năng tính toán
• 1.4.4. Đồng bộ thời gian
• 1.5. Các hướng nghiên cứu giảm thiểu tiêu hao năng lượng trong mạng cảm biến không dây
• 1.5.1. Tổng quan về năng lượng. Mô hình năng lượng. Những nguyên nhân gây lãng phí năng lượng
• 1.5.2. Các hướng tiết kiệm năng lượng trong mạng cảm biến không dây
• 1.6. Internet of things
• 1.7. Mô hình mạng sử dụng giao thức định tuyến RPL - IP6 routing protocol for Low power and Lossy Network
• 1.7.1. Vấn đề định tuyến
• 1.7.2. Tổng quan về giao thức định tuyến RPL
• 2. CHƯƠNG 2: NÉN DỮ LIỆU TRÊN MẠNG CẢM BIẾN KHÔNG DÂY
• 2.1. Bài toán đặt ra
• 2.2. Các giải pháp nén dữ liệu trên mạng cảm biến không dây
• 2.2.1. Nhận xét chung
• 2.2.2. Nén dữ liệu dựa trên giá trị chênh lệch
• 2.2.3. Nén dữ liệu dựa trên hàm tiên đoán tuyến tính
• 2.2.4. Kỹ thuật tập hợp dữ liệu - Data aggregation techniques
• 2.2.5. Khả năng ứng dụng
• 3. CHƯƠNG 3: MÔ PHỎNG NÉN DỮ LIỆU BẰNG PHẦN MỀM OMNET++
• 3.1. Giới thiệu
• 3.1.1. Omnet++ là gì?
• 3.1.2. Các thành phần chính của Omnet++. Mô hình trong Omnet++
• 3.2. Mô phỏng nén dữ liệu trên mạng cảm biến không dây
• 3.2.1. Xây dựng các nút cảm biến
• 3.2.2. Xây dựng module giao thức RPL
• 3.2.3. Cài đặt các phương pháp nén sử dụng giao thức định tuyến RPL
• KẾT LUẬN
• Tài liệu tham khảo

Tóm tắt

I. Tổng Quan Về Nén Dữ Liệu Trong Mạng Cảm Biến WSN

Mạng cảm biến không dây (WSN) đang ngày càng trở nên quan trọng trong nhiều lĩnh vực, từ giám sát môi trường đến ứng dụng quân sự. Tuy nhiên, các nút cảm biến thường có nguồn năng lượng hạn chế, và việc truyền dữ liệu tiêu tốn rất nhiều năng lượng. Do đó, nén dữ liệu trong mạng cảm biến không dây trở thành một yếu tố then chốt để kéo dài tuổi thọ của mạng. Mục tiêu chính của nén dữ liệu là giảm thiểu số lượng bit cần truyền, từ đó giảm tiêu thụ năng lượng. Các phương pháp nén khác nhau có thể được áp dụng, tùy thuộc vào đặc điểm của dữ liệu và yêu cầu của ứng dụng. Theo tài liệu gốc, WSN bao gồm các nút cảm biến được phân bố trong không gian để giám sát các điều kiện vật chất hoặc môi trường. Các nút này có hệ thống cảm biến để thu thập dữ liệu, bộ xử lý và lưu trữ, hệ thống thu phát tín hiệu không dây và nguồn cung cấp năng lượng. Nguồn năng lượng thường là pin có nguồn năng lượng hạn chế. Các phương pháp nén hiệu quả sẽ giúp các nút cảm biến hoạt động lâu hơn, thu thập và truyền tải dữ liệu một cách hiệu quả. Kỹ thuật nén dữ liệu WSN đóng vai trò quan trọng trong việc tối ưu hóa hiệu suất và tuổi thọ của mạng, đặc biệt trong các ứng dụng yêu cầu giám sát liên tục và kéo dài thời gian hoạt động.

1.1. Các Ứng Dụng Tiêu Biểu của Mạng Cảm Biến Không Dây

Mạng cảm biến không dây được ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm giám sát môi trường (ví dụ: theo dõi chất lượng không khí, phát hiện cháy rừng), chăm sóc sức khỏe (ví dụ: theo dõi bệnh nhân từ xa, giám sát tình trạng sức khỏe), an ninh quốc gia (ví dụ: giám sát biên giới, phát hiện xâm nhập), và quản lý năng lượng (ví dụ: theo dõi tiêu thụ điện, tối ưu hóa hiệu suất). Theo tài liệu gốc, WSN được ứng dụng trong quân sự (giám sát chiến trường), bảo vệ môi trường (phát hiện núi lửa, giám sát cháy rừng), thương mại (điều khiển không lưu, quản lý cầu đường) và y học (cảm biến gắn trực tiếp lên cơ thể người, an toàn thực phẩm, giám sát bệnh nhân). Mỗi ứng dụng có các yêu cầu riêng về độ chính xác, độ tin cậy và tuổi thọ của mạng, điều này ảnh hưởng đến lựa chọn thuật toán nén dữ liệu cho mạng cảm biến phù hợp.

1.2. Các Thách Thức Trong Nén Dữ Liệu cho Mạng Cảm Biến

Việc nén dữ liệu trên mạng cảm biến gặp nhiều thách thức do các hạn chế về tài nguyên của các nút cảm biến. Các nút này thường có bộ nhớ hạn chế, tốc độ xử lý chậm và nguồn năng lượng hạn chế. Do đó, các phương pháp nén dữ liệu cho WSN phải có độ phức tạp tính toán thấp, tiêu thụ ít năng lượng và sử dụng ít bộ nhớ. Hơn nữa, dữ liệu cảm biến thường có tính chất thay đổi theo thời gian và không gian, đòi hỏi các thuật toán nén phải có khả năng thích nghi với các đặc điểm này. Theo tài liệu gốc, việc mở rộng, triển khai mạng cẩm biến không đây, ngoài yếu tố lựa chọn một giao thức định tuyến phủ hợp cần có phương pháp khác làm giảm thiểu việc tiểu tốn năng lượng, một trong những phương pháp đó phải kế đến là phương pháp nén đữ liệu để giảm bớt khối lượng dữ liệu phải truyền trong mạng. Bảo mật dữ liệu nén cũng là một vấn đề quan trọng cần xem xét. Điều này đòi hỏi phải sử dụng các kỹ thuật mã hóa và nén dữ liệu trong WSN đồng thời.

II. Cách Nén Dữ Liệu Hiệu Quả Cho Mạng Cảm Biến Không Dây

Có nhiều cách nén dữ liệu khác nhau có thể được áp dụng cho mạng cảm biến không dây, mỗi phương pháp có ưu và nhược điểm riêng. Một số phương pháp phổ biến bao gồm nén dữ liệu không mất mát (ví dụ: Huffman coding, Lempel-Ziv), nén dữ liệu có mất mát (ví dụ: quantization, discrete cosine transform), và nén dữ liệu dựa trên mô hình (ví dụ: linear prediction, Kalman filtering). Theo tài liệu gốc, để tiết kiệm năng lượng em để xuất ba phương pháp nén dữ liệu: Nén chênh lệch về giá trị, nén dữ liệu dựa trên ham tién đoán tuyến tính vả sử dụng phương pháp tập hợp đữ liệu tại nút RPL. Lựa chọn phương pháp nén phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng, chẳng hạn như độ chính xác dữ liệu, tỷ lệ nén và độ phức tạp tính toán. Trong nhiều trường hợp, việc kết hợp nhiều phương pháp nén có thể mang lại hiệu quả tốt hơn.

2.1. Nén Dữ Liệu Chênh Lệch Giải Pháp Tiết Kiệm Năng Lượng

Nén dữ liệu chênh lệch là một phương pháp đơn giản nhưng hiệu quả, đặc biệt phù hợp cho dữ liệu cảm biến có tính tương quan cao theo thời gian. Ý tưởng cơ bản là thay vì truyền giá trị thực tế của mỗi mẫu, chỉ truyền sự khác biệt giữa giá trị hiện tại và giá trị trước đó. Nếu sự khác biệt nhỏ, số lượng bit cần truyền sẽ ít hơn, từ đó giảm tiêu thụ năng lượng. Theo tài liệu gốc, Nén chênh lệch về giá trị là một trong ba phương pháp được đề xuất để tiết kiệm năng lượng. Phương pháp này đặc biệt hiệu quả khi các giá trị cảm biến thay đổi chậm, ví dụ như nhiệt độ hoặc độ ẩm. Để đạt hiệu quả tốt nhất, cần lựa chọn ngưỡng thích hợp cho sự khác biệt, để tránh việc truyền quá nhiều thông tin dư thừa.

2.2. Nén Dữ Liệu Dựa Trên Hàm Tiên Đoán Tuyến Tính

Nén dữ liệu dựa trên hàm tiên đoán tuyến tính sử dụng một mô hình tuyến tính để dự đoán giá trị của mẫu tiếp theo dựa trên các mẫu trước đó. Chỉ sự khác biệt giữa giá trị dự đoán và giá trị thực tế được truyền. Phương pháp này có thể đạt được tỷ lệ nén cao hơn so với nén chênh lệch, nhưng đòi hỏi độ phức tạp tính toán cao hơn. Theo tài liệu gốc, nén dữ liệu dựa trên ham tién đoán tuyến tính là một trong ba phương pháp được đề xuất. Việc lựa chọn mô hình tuyến tính phù hợp là rất quan trọng để đảm bảo độ chính xác của dự đoán và hiệu quả của nén. Cần cân nhắc sự đánh đổi giữa độ phức tạp tính toán và tỷ lệ nén.

2.3. Kỹ Thuật Tập Hợp Dữ Liệu Để Tối Ưu Truyền Dẫn WSN

Kỹ thuật tập hợp dữ liệu (Data Aggregation) là một phương pháp hiệu quả để giảm thiểu lượng dữ liệu truyền trong mạng cảm biến. Thay vì mỗi nút cảm biến truyền dữ liệu trực tiếp đến trạm gốc, các nút trung gian có thể tập hợp dữ liệu từ nhiều nút khác nhau và chỉ truyền một gói dữ liệu tổng hợp. Theo tài liệu gốc, sử dụng phương pháp tập hợp đữ liệu tại nút RPL là một trong ba phương pháp được đề xuất. Các phương pháp tập hợp dữ liệu khác nhau có thể được áp dụng, ví dụ như tính trung bình, lấy giá trị lớn nhất/nhỏ nhất, hoặc sử dụng các hàm tổng hợp phức tạp hơn. Tuy nhiên, cần đảm bảo rằng việc tập hợp dữ liệu không làm mất quá nhiều thông tin quan trọng và không gây ra sự chậm trễ quá lớn trong quá trình truyền.

III. Giao Thức Nén Dữ Liệu Tiết Kiệm Năng Lượng Cho WSN

Việc lựa chọn giao thức nén dữ liệu phù hợp là rất quan trọng để đảm bảo hiệu quả và độ tin cậy của quá trình nén. Một số giao thức phổ biến bao gồm giao thức nén dữ liệu phân tán (trong đó các nút cảm biến tự động nén dữ liệu trước khi truyền), giao thức nén dữ liệu tập trung (trong đó một nút trung tâm chịu trách nhiệm nén dữ liệu từ các nút khác), và giao thức nén dữ liệu thích nghi (trong đó giao thức tự động điều chỉnh các tham số nén dựa trên đặc điểm của dữ liệu và điều kiện mạng). Mỗi giao thức có ưu và nhược điểm riêng, và việc lựa chọn giao thức phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng.

3.1. Giao Thức Nén Dữ Liệu Phân Tán Ưu Điểm và Nhược Điểm

Giao thức nén dữ liệu phân tán cho phép mỗi nút cảm biến tự động nén dữ liệu trước khi truyền. Ưu điểm của phương pháp này là giảm tải cho các nút trung gian và trạm gốc, tăng tính linh hoạt và khả năng mở rộng của mạng. Tuy nhiên, nó cũng đòi hỏi các nút cảm biến phải có khả năng xử lý và lưu trữ dữ liệu, điều này có thể làm tăng chi phí và tiêu thụ năng lượng. Cần cân nhắc kỹ lưỡng các yếu tố này trước khi lựa chọn giao thức nén dữ liệu phân tán.

3.2. Nén Dữ Liệu Thích Nghi Điều Chỉnh Tối Ưu Tỷ Lệ Nén WSN

Nén dữ liệu thích nghi cho phép giao thức tự động điều chỉnh các tham số nén dựa trên đặc điểm của dữ liệu và điều kiện mạng. Ví dụ, nếu dữ liệu có tính tương quan cao, tỷ lệ nén có thể được tăng lên. Ngược lại, nếu mạng đang bị tắc nghẽn, tỷ lệ nén có thể được giảm xuống để giảm tải cho mạng. Phương pháp này có thể mang lại hiệu quả tốt hơn so với các phương pháp nén tĩnh, nhưng đòi hỏi độ phức tạp tính toán cao hơn và cần có cơ chế giám sát và điều khiển mạng hiệu quả.

IV. Đánh Giá Hiệu Năng Kỹ Thuật Nén Dữ Liệu WSN Tiêu Chí Quan Trọng

Việc đánh giá hiệu năng của các kỹ thuật nén dữ liệu là rất quan trọng để so sánh và lựa chọn phương pháp phù hợp nhất cho một ứng dụng cụ thể. Các tiêu chí đánh giá hiệu năng thường bao gồm tỷ lệ nén (mức độ giảm kích thước dữ liệu), độ chính xác dữ liệu (mức độ sai lệch giữa dữ liệu gốc và dữ liệu đã nén), độ phức tạp tính toán (lượng tài nguyên cần thiết để thực hiện nén và giải nén), và tiêu thụ năng lượng (lượng năng lượng tiêu thụ trong quá trình nén và giải nén). Theo tài liệu gốc, chương 3 trình bày tổng quan về phần mềm mô phỏng Omnet++ và thực hiện cải đặt các phương pháp nẻn đữ liệu. Trên cơ sở lý thuyết về các phương pháp nén đữ liệu, quá trình cải dặt sử dụng ý tướng của các phương pháp nêu trên và cải đặt chạy thử nghiêm. Kết quả thử nghiệm đưa ra quả trình tiêu hao năng lượng trong toàn mạng vả đánh giá kết quả cụ thể của từng phương pháp. Cần xem xét tất cả các tiêu chí này để đưa ra quyết định lựa chọn tốt nhất.

4.1. Tiêu Chí Tỷ Lệ Nén Đo Lường Khả Năng Giảm Dung Lượng

Tỷ lệ nén là một trong những tiêu chí quan trọng nhất để đánh giá hiệu năng của các kỹ thuật nén dữ liệu. Nó được định nghĩa là tỷ lệ giữa kích thước của dữ liệu gốc và kích thước của dữ liệu đã nén. Tỷ lệ nén càng cao, hiệu quả nén càng tốt. Tuy nhiên, cần lưu ý rằng việc tăng tỷ lệ nén có thể làm giảm độ chính xác của dữ liệu, đặc biệt là đối với các phương pháp nén có mất mát.

4.2. Đánh Giá Độ Chính Xác Dữ Liệu Nén Sai Số Cho Phép

Độ chính xác dữ liệu là một tiêu chí quan trọng khác cần xem xét, đặc biệt đối với các ứng dụng yêu cầu độ tin cậy cao. Các phương pháp nén không mất mát đảm bảo rằng dữ liệu đã nén giống hệt với dữ liệu gốc, trong khi các phương pháp nén có mất mát có thể gây ra sai lệch. Cần đánh giá mức độ sai lệch cho phép của ứng dụng và lựa chọn phương pháp nén phù hợp để đảm bảo rằng độ chính xác dữ liệu đáp ứng yêu cầu.

V. Ứng Dụng Thực Tế Nén Dữ Liệu WSN Tiết Kiệm Năng Lượng

Các ứng dụng thực tế của nén dữ liệu trong mạng cảm biến không dây rất đa dạng và mang lại nhiều lợi ích. Ví dụ, trong giám sát môi trường, nén dữ liệu có thể giúp kéo dài thời gian hoạt động của các cảm biến theo dõi chất lượng không khí hoặc mực nước. Trong chăm sóc sức khỏe, nén dữ liệu có thể giúp truyền tải dữ liệu sức khỏe của bệnh nhân từ xa một cách hiệu quả. Trong quản lý năng lượng, nén dữ liệu có thể giúp giảm thiểu lượng dữ liệu cần truyền trong các hệ thống theo dõi tiêu thụ điện.

5.1. Tiết Kiệm Năng Lượng Trong Giám Sát Môi Trường WSN

Trong giám sát môi trường, các mạng cảm biến thường được triển khai ở những khu vực xa xôi và khó tiếp cận, nơi việc thay thế pin cho các cảm biến là rất khó khăn. Nén dữ liệu giúp giảm thiểu lượng dữ liệu cần truyền, từ đó giảm tiêu thụ năng lượng và kéo dài thời gian hoạt động của các cảm biến. Điều này đặc biệt quan trọng đối với các ứng dụng yêu cầu giám sát liên tục trong thời gian dài.

5.2. Ứng Dụng Nén Dữ Liệu để Theo Dõi Sức Khỏe Từ Xa

Trong chăm sóc sức khỏe, nén dữ liệu có thể giúp truyền tải dữ liệu sức khỏe của bệnh nhân từ xa một cách hiệu quả. Các cảm biến đeo trên người bệnh nhân có thể thu thập các thông số như nhịp tim, huyết áp, và nhiệt độ cơ thể. Nén dữ liệu giúp giảm thiểu kích thước của dữ liệu này, cho phép truyền tải nhanh chóng và tiết kiệm năng lượng cho các thiết bị di động của bệnh nhân.

VI. Tương Lai của Nén Dữ Liệu WSN Hướng Nghiên Cứu và Phát Triển

Lĩnh vực nén dữ liệu trong mạng cảm biến không dây vẫn còn nhiều tiềm năng phát triển. Các hướng nghiên cứu hiện nay tập trung vào việc phát triển các thuật toán nén dữ liệu hiệu quả hơn, các giao thức nén dữ liệu thích nghi hơn, và các kỹ thuật bảo mật dữ liệu tiên tiến hơn. Ngoài ra, việc tích hợp trí tuệ nhân tạo vào quá trình nén dữ liệu cũng là một hướng đi đầy hứa hẹn.

6.1. Phát Triển Thuật Toán Nén Mới Tối Ưu Năng Lượng

Nghiên cứu và phát triển các thuật toán nén mới tiếp tục là một ưu tiên hàng đầu trong lĩnh vực này. Mục tiêu là tạo ra các thuật toán có thể đạt được tỷ lệ nén cao hơn, độ chính xác dữ liệu tốt hơn, và độ phức tạp tính toán thấp hơn. Các thuật toán này cần phải được thiết kế đặc biệt để phù hợp với các đặc điểm của dữ liệu cảm biến và các hạn chế của các nút cảm biến.

6.2. Tích Hợp Trí Tuệ Nhân Tạo Vào Quá Trình Nén Dữ Liệu

Việc tích hợp trí tuệ nhân tạo (AI) vào quá trình nén dữ liệu là một hướng đi đầy hứa hẹn. Các kỹ thuật AI như học máy có thể được sử dụng để tự động học các đặc điểm của dữ liệu và điều chỉnh các tham số nén một cách tối ưu. Điều này có thể giúp cải thiện đáng kể hiệu quả và độ chính xác của quá trình nén, đặc biệt là đối với các ứng dụng có dữ liệu phức tạp và thay đổi.

Trích đoạn nội dung tài liệu

Chương 1 TONG QUAN VE MANG CAM BIEN KHONG DAY 1. Giới thiệu về mạng cảm biến không dây 1. Giới thiệu chung Một mạng cảm biến không đây (WSN) là một mạng không đây bao gồm. các mút cảm biển được phân bố theo không gian cảm biến để giám sát các điều kiện vật chất hay môi trường.

Thông thường nút cám biến này là thiết bị ví điều khiển và có bến thành phần co bản: Một hệ thống cảm biến để thu thập đữ liệu từ môi trường xung quanh, một bộ xử lý và lưu trữ đữ liệu, một hệ thống thu phát tin hiểu không đây và nguồn cung cấp năng lượng. Nguồn năng lượng này thường là pin có nguồn năng lượng hạn chế fa Ramofe Seneor — / Remola Sango: - | Q 9 oO Remate Sensor Smgkehap Wireless ie} + at Q Wrike, vt _ 7 Singietiep oO œ - t 2 io;et Go Cluster ng Node Remote Senso’, | „ a4 and Muticrope SA proc,essi {also rode)tes ngmecka intrr Q CG ` ey. ⁄ Singlo-bon * ae TRO 5 a Niraless — or weline links: Glus:ering Node (aise. intermediate provessing rode) Sonoar Fiokd Fine} Processing Node Hinh 1: So dé mét mang cam biên không day —WSN Các thành phần của mạng cảm biển không day: (6 4 thanh phan co ban tao nên một mạng căm biến không dãy - Các cảm biến được phân bố theo mô hình tập trung hay phân bế rải.

- Mạng lưới liênkết giữa các cắm biến. - Điểm Irung tâm tập hựp dữ liệu - Bộ phận xử lý dữ liệu ở trung tâm. CHƯƠNG 2: Các phương pháp nén dữ liệu trên mạng cảm hiến không dây Truyền đữ liệu trên mô hình mạng sử dụng giao thức định tuyến RPL và đữ liệu cảm biến tử môi trường về nhiệt độ, độ âm và cường độ ảnh sáng. Để tiết kiệm năng lượng em để xuất ba phương pháp nén dữ liệu: Nén chênh lệch về giá trị, nén dữ liệu dựa trên ham tién đoán tuyến tính vả sử dụng phương pháp tập hợp đữ liệu tại nút RPL.

Cả ba phương pháp này có thể ứng dụng trong thực tiễn, đặc biệt phương pháp tập hợp đữ liều tại nút RPL rất phủ hợp với quá trình dịnh tuyến. CHƯƠNG 3: Thực hiện cài ặt kỹ thuật trên nhẫn mềm mô phúng Ommet++ trén bộ dữ liệu đã cú. Chương này giới thiệu tổng quan về phần mềm mô phỏng và thực hiện cải đặt các phương pháp nẻn đữ liệu. Trên cơ sở lý thuyết về các phương pháp nén đữ liệu, quả trình cải dặt sử dụng ý tướng của các phương pháp nêu trên và cải đặt chạy thử nghiêm.

Kết quả thử nghiệm đưa ra quả trình tiêu hao năng lượng trong toàn mạng vả đánh giá kết quả cụ thể của từng phương pháp. Phương pháp nghiên cứu: Chủ yếu nghiên cứu tải liêu sách, bải báo và các công trình luận văn. Ngoài ra em cài đặt các phương pháp bằng phần mềm mô phòng và thứ nghiệm trên oáo dữ liệu đã được thu thập. Mặc dù có nhiều cố gắng nhưng do kinh nghiệm có hạn, hơn nữa về mặt thời gian hạn chế, nên bản luận văn không tránh khỏi thiểu sót cả về nội dụng va hình thức.

Kinh mong nhận được sự góp ý của thầy cô, bạn bẻ và đồng nghiệp dé bản luận văn này hoàn thiện hơn. Em xim gửi lời cảm ơn đến các thây cô trong Viện đảo tạo sau đại học, Viện công nghệ thông tín và truyền thông, bạn bè vả đồng nghiệp dã giúp đỡ cm trong suốt quá trình học tập và thực hiện luận văn. Em xin đặc biết chân thành cảm ơn cô giáo T3. Ngô Quỳnh Thu đã tận tình hưởng dẫn và chỉ bảo để em hoàn.

thành bán luận văn này đúng hạn. DANH MỤC CÁC BẰNG Trang Bang 1: Bang so sánh một số dic diém của các dang kiến trúc mạng. 16 Bảng2: Dữ liệu cảm biến dùng để mô phỏng. #9 Bang 3: I2ữ liệu sau khi chuyển đỗi nhân thêm hệ số.

50 DANILMUC CAC INIT VE TRnh 1: Sơ đề một mạng cảm biển không dây — WSN. 8 Hình 2: Câu trúc một nút senSOT.ààc cài cccccc ca TỔ Hình 3: Mô hình bố trí nút cắm biến 13 Hình 4: Kiến trúc mạng đơn. " de eee te eee cee eee te ten tee eee ee 13 Hình 5: Kiến trúc mạng liên kết bước 14 Hình 6: Kiển trúc mạng liên kết bó. TẾ Hình 7: Phân loại phương pháp hướng dữ liệu 23 Hình 8: Mô hình RPL DAG.

ào neeeeeeiesooe 32 Hinh 9: RPI. Instance va DRAG sequence number 33 Tình 10: Cầu trúc bản tin UDP/Ipv6. 3W Hình 11: Khái niệm về mô hình tập hợp dữ liệu dựa trên cây Tình 12: Sơ đồ mạng với 8O nút cảm biến. 8 Hình 13: So sánh năng lượng tiêu hao trong toàn mạng sử dụng phương pháp chênh lệch dữ liệu với dữ liệu không nén.

A9 Hình 14: So sánh năng lượng tiêu hao giữa không nén với nứn dự đoán. 59 Hình 15: 5o sánh năng lượng tiêu hao giữa5 không nén với Mi thuật tập hợp dữ liệu. "¬ wees - 60 Hình 16: So sánh năng lượng tiêu hao giữa nén Chênh lậch, 'huyển tỉnh và Tựa trên cây 60 Tình 17: Năng lượng tiêu hao toản mạng giữa các phuong pháp nén va không nén. 6L Tĩnh 18: So sánh năng lượng còn lại của các nút mạng.

61 Hình 19: Sự chênh lệch đữ liệu nhiệt độ giữa các phương pháp nén với dit liêu gốc - “ vw CHƯƠNG 2: Các phương pháp nén dữ liệu trên mạng cảm hiến không dây Truyền đữ liệu trên mô hình mạng sử dụng giao thức định tuyến RPL và đữ liệu cảm biến tử môi trường về nhiệt độ, độ âm và cường độ ảnh sáng. Để tiết kiệm năng lượng em để xuất ba phương pháp nén dữ liệu: Nén chênh lệch về giá trị, nén dữ liệu dựa trên ham tién đoán tuyến tính vả sử dụng phương pháp tập hợp đữ liệu tại nút RPL. Cả ba phương pháp này có thể ứng dụng trong thực tiễn, đặc biệt phương pháp tập hợp đữ liều tại nút RPL rất phủ hợp với quá trình dịnh tuyến. CHƯƠNG 3: Thực hiện cài ặt kỹ thuật trên nhẫn mềm mô phúng Ommet++ trén bộ dữ liệu đã cú.

Chương này giới thiệu tổng quan về phần mềm mô phỏng và thực hiện cải đặt các phương pháp nẻn đữ liệu. Trên cơ sở lý thuyết về các phương pháp nén đữ liệu, quả trình cải dặt sử dụng ý tướng của các phương pháp nêu trên và cải đặt chạy thử nghiêm. Kết quả thử nghiệm đưa ra quả trình tiêu hao năng lượng trong toàn mạng vả đánh giá kết quả cụ thể của từng phương pháp. Phương pháp nghiên cứu: Chủ yếu nghiên cứu tải liêu sách, bải báo và các công trình luận văn.

Ngoài ra em cài đặt các phương pháp bằng phần mềm mô phòng và thứ nghiệm trên oáo dữ liệu đã được thu thập. Mặc dù có nhiều cố gắng nhưng do kinh nghiệm có hạn, hơn nữa về mặt thời gian hạn chế, nên bản luận văn không tránh khỏi thiểu sót cả về nội dụng va hình thức. Kinh mong nhận được sự góp ý của thầy cô, bạn bẻ và đồng nghiệp dé bản luận văn này hoàn thiện hơn. Em xim gửi lời cảm ơn đến các thây cô trong Viện đảo tạo sau đại học, Viện công nghệ thông tín và truyền thông, bạn bè vả đồng nghiệp dã giúp đỡ cm trong suốt quá trình học tập và thực hiện luận văn.

Em xin đặc biết chân thành cảm ơn cô giáo T3. Ngô Quỳnh Thu đã tận tình hưởng dẫn và chỉ bảo để em hoàn. thành bán luận văn này đúng hạn. DANH CUM CAC TW VIET TAT ADC Alalog Digital Convert CPU Center processor unit CSMA Currier sense multiple aceess DRAM Dynamic Random Access Memory loT Intemet of Things MAC Medium Access Control MEMS Micro clectromechanical systems TDMA ‘Task Assignment and Data Advertisement Protocol PN Processing node WSN Wireless sensor network DANH MỤC CÁC BẰNG Trang Bang 1: Bang so sánh một số dic diém của các dang kiến trúc mạng.

16 Bảng2: Dữ liệu cảm biến dùng để mô phỏng. #9 Bang 3: I2ữ liệu sau khi chuyển đỗi nhân thêm hệ số. 50 DANILMUC CAC INIT VE TRnh 1: Sơ đề một mạng cảm biển không dây — WSN. 8 Hình 2: Câu trúc một nút senSOT.ààc cài cccccc ca TỔ Hình 3: Mô hình bố trí nút cắm biến 13 Hình 4: Kiến trúc mạng đơn.

" de eee te eee cee eee te ten tee eee ee 13 Hình 5: Kiến trúc mạng liên kết bước 14 Hình 6: Kiển trúc mạng liên kết bó. TẾ Hình 7: Phân loại phương pháp hướng dữ liệu 23 Hình 8: Mô hình RPL DAG. ào neeeeeeiesooe 32 Hinh 9: RPI. Instance va DRAG sequence number 33 Tình 10: Cầu trúc bản tin UDP/Ipv6.

3W Hình 11: Khái niệm về mô hình tập hợp dữ liệu dựa trên cây Tình 12: Sơ đồ mạng với 8O nút cảm biến. 8 Hình 13: So sánh năng lượng tiêu hao trong toàn mạng sử dụng phương pháp chênh lệch dữ liệu với dữ liệu không nén. A9 Hình 14: So sánh năng lượng tiêu hao giữa không nén với nứn dự đoán. 59 Hình 15: 5o sánh năng lượng tiêu hao giữa5 không nén với Mi thuật tập hợp dữ liệu.

"¬ wees - 60 Hình 16: So sánh năng lượng tiêu hao giữa nén Chênh lậch, 'huyển tỉnh và Tựa trên cây 60 Tình 17: Năng lượng tiêu hao toản mạng giữa các phuong pháp nén va không nén. 6L Tĩnh 18: So sánh năng lượng còn lại của các nút mạng. 61 Hình 19: Sự chênh lệch đữ liệu nhiệt độ giữa các phương pháp nén với dit liêu gốc - “ vw 2. Các ứng dụng của mạng căm biến không dây Trong những năm gần đây, các nghiên cứu về WSN đã đạt được bước phat triển mạnh mẽ, các bước tiến về nghiên cửu hứa hẹn tác động lớn đến các ứng dụng rông rãi trong các lĩnh vực an ninh quốc gia, chăm sóc sức khỏe, môi trường, năng lượng, an toàn thực phẩm vả sản xuất Các ứng dụng của mạng WBN thực sự chỉ bị giới hạn bởi sự tưởng tượng của cơn người.

Sau đây là các ứng dụng phê biến nhất của WSN 2. Ứng dụng trong quân sự và an ninh quéc gia: - Giám sát chiến trường. - Bão về an ninh cho các công trình trọng yêu - Ứng dụng trong quân dội - Thông tin, giám sát, điều khiển. - Tho đối mục Liêu.

- Phát hiện phóng xạ hạt nhân. - Giám sát đưới nước, trên không. - IIệ thống rađars - Ra soat bom min. Ứng dụng trong bão vệ môi trưởng.

~ Phát hiện hoạt động núi lửa. - Giám sát cháy rừng. - Giám sát địch bệnh. - Sir dung higu quả tài nguyên thiên nhiên.

- Cảm biến dùng trong nông nghiệp - Phát hiện động đất 3. Ứng dụng trong thương mại ~ Diều khiển không lưu.