Tổng quan luận án

Mạng cảm biến không dây (Wireless Sensor Networks - WSN) bao gồm nhiều nút cảm biến được triển khai trong một khu vực mục tiêu nhằm thu thập thông tin từ môi trường, sau đó chuyển dữ liệu trực tiếp hoặc gián tiếp qua các nút lân cận về trạm cơ sở (Base Station - BS). Trong thực tế, các mạng cảm biến thường được triển khai tại những khu vực địa hình phức tạp, hiểm trở hoặc độc hại như vùng xảy ra thiên tai, lũ lụt, núi lửa, động đất, cháy rừng. Hai thách thức kỹ thuật lớn nhất khi triển khai mạng cảm biến trong không gian 3 chiều là: tối ưu hóa vùng phủ sóng trên bề mặt địa hình có vật cản che khuất tầm nhìn, có các hố mạng vật lý; và tối ưu hóa cấu trúc liên kết mạng nhằm giảm thiểu năng lượng tiêu thụ, kéo dài thời gian sống của các nút cảm biến vốn hoạt động bằng nguồn pin giới hạn.

Nhiều công trình nghiên cứu trước đây chỉ giả thiết mạng hoạt động trong không gian 2 chiều bằng phẳng hoặc chưa xem xét đầy đủ yếu tố vật cản và hố mạng vật lý trong môi trường 3 chiều. Bên cạnh đó, các thuật toán phân cụm truyền thống chưa tối ưu hóa đồng thời năng lượng truyền dữ liệu từ các nút chủ (Cluster Head - CH) về trạm cơ sở cũng như chưa cân bằng tải giữa các cụm. Luận án "Nghiên cứu phát triển một số thuật toán tối ưu hóa vùng phủ sóng và năng lượng của mạng cảm biến không dây trong môi trường 3 chiều" của nghiên cứu sinh Đặng Thanh Hải giải quyết các khoảng trống nghiên cứu này.

Mục tiêu nghiên cứu của luận án được xác định gồm ba nhiệm vụ cụ thể:

  1. Đề xuất mô hình toán học cho địa hình và mạng cảm biến không dây trong môi trường 3 chiều.
  2. Đề xuất thuật toán tối ưu hóa vùng phủ sóng của mạng cảm biến không dây trong môi trường 3 chiều.
  3. Đề xuất thuật toán tối ưu hóa năng lượng tiêu thụ, kéo dài tuổi thọ của mạng cảm biến không dây trong môi trường 3 chiều.

Đối tượng nghiên cứu của luận án là mô hình toán học địa hình bề mặt số, các nút cảm biến không dây (tập trung vào loại cảm biến thị giác có hướng), các giải thuật tối ưu hóa tiến hóa bầy đàn (Particle Swarm Optimization - PSO) và kỹ thuật phân cụm mờ (Fuzzy C-Means - FCM). Phạm vi nghiên cứu về không gian là môi trường địa hình 3 chiều được mô phỏng thông qua dữ liệu mô hình độ cao số (Digital Elevation Model - DEM) thu thập từ các khu vực thực tế tại Việt Nam, kết hợp các kịch bản mô phỏng số lượng cảm biến, phân bố vị trí và tham số hình học khác nhau.

Tổng quan tài liệu và vị trí của luận án

Luận án đã tổng quan hệ thống các nghiên cứu trong nước và quốc tế liên quan đến hai bài toán trọng tâm: tối ưu hóa vùng phủ sóng và tối ưu hóa năng lượng tiêu thụ trong mạng WSN.

Đối với bài toán tối ưu vùng phủ sóng:

  • Trong không gian 2 chiều, các hướng tiếp cận tiêu biểu bao gồm sử dụng sơ đồ đa giác Voronoi để di chuyển cảm biến tối đa hóa diện tích quan sát (công trình [9]) và sử dụng các hình học mẫu như tam giác, hình vuông, lục giác ghép kín bề mặt khu vực mục tiêu (công trình [16]).
  • Trong nước, nhóm tác giả Nguyen, L. và cộng sự [55] đã đề xuất phương pháp xấp xỉ hố mạng dựa trên lưới ô vuông và đa giác lồi có các góc bằng nhau trên địa hình 3 chiều phức tạp, hướng đến giải quyết bài toán định tuyến tránh tắc nghẽn khi có hố mạng.
  • Trên thế giới, Topcuoglu và cộng sự [70] xây dựng mô hình WSN 3 chiều có xét hướng, góc mở và phạm vi phủ sóng nhằm cực đại hóa độ phủ và cực tiểu hóa chi phí, tuy nhiên mô hình chưa tích hợp vật cản và hố mạng vật lý. Doodman và cộng sự [24] kết hợp sơ đồ Voronoi trong không gian 3 chiều có vật cản để dịch chuyển cảm biến về phía các đỉnh ô lưới. Xaojun và cộng sự [85] đề xuất điều chỉnh hướng và góc mở của các cảm biến có vùng phủ chồng chéo để tối ưu hóa cục bộ. Dhillon và cộng sự [22] kết hợp mô hình xác suất cảm biến đa hướng với thuật toán tham lam trên địa hình DEM để tìm số cảm biến tối thiểu, song giải pháp này kém khả thi khi quy mô mạng lớn. Unaldi và cộng sự [74] cùng Akbarzadeh và cộng sự [5] ứng dụng mô hình xác suất, khái niệm tầm nhìn Line-of-Sight (LoS) của Bresenham và biến đổi Wavelet trong giải thuật di truyền/tiến hóa, tuy nhiên tốc độ hội tụ chậm khi số lượng nút gia tăng.

Đối với bài toán tối ưu năng lượng và cấu trúc liên kết mạng:

  • Xác định vị trí trạm cơ sở BS thông qua quy hoạch phi tuyến (T. và cộng sự [72]) hoặc các thuật toán tối ưu đàn kiến ACO và bầy đàn PSO (các công trình [37, 60, 98]).
  • Xây dựng cấu trúc mạng tập trung thông qua các thuật toán phân cụm:
    • Giao thức phân cụm phân cấp thích ứng năng lượng thấp LEACH (Heinzelman và cộng sự [57]) dựa trên cơ chế chọn ngẫu nhiên nút CH theo ngưỡng xác suất.
    • Giao thức tập trung LEACH-C [63] sử dụng thuật toán tối ưu hóa thụ phấn (Pollination Based Optimization - PBO) dựa trên năng lượng còn lại và khoảng cách đến trạm cơ sở.
    • Giao thức SCEEP [36] và H-LEACH [59] cải tiến quy tắc giữ nút CH và chọn nút có năng lượng còn lại lớn nhất.
    • Kỹ thuật phân cụm K-Means [61] gom cụm dựa trên khoảng cách Euclide tới tâm hình học.
    • Kỹ thuật phân cụm mờ Fuzzy C-Means (FCM) của Bezdek [10, 30] tối ưu hóa mức độ phụ thuộc của các nút vào tâm cụm theo hàm mục tiêu phi tuyến.

Khoảng trống nghiên cứu được luận án xác định và tập trung giải quyết: Xây dựng mô hình toán học tích hợp đồng thời các tham số góc mở không gian, yếu tố vật cản địa hình và các hố mạng vật lý; giảm thiểu chi phí tính toán tầm nhìn LoS; áp dụng thuật toán bầy đàn PSO tìm vị trí đặt nút tối ưu toàn cục; và phát triển giải pháp phân cụm mờ kết hợp chọn CH và cân bằng tải liên cụm nhằm giảm năng lượng truyền thông từ CH về BS trong không gian 3 chiều.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án thiết lập khung phân tích toán học dựa trên mô hình độ cao số DEM, lý thuyết hình học không gian, mô hình xác suất phủ sóng, lý thuyết tối ưu hóa bầy đàn và logic mờ.

Mô hình địa hình được biểu diễn dưới dạng ma trận DEM độ phân giải raster, trong đó mỗi ô lưới chứa một giá trị độ cao so với mực nước biển. Luận án phân biệt 4 loại hố mạng: hố mạng vật lý (vùng không thể đặt cảm biến hoặc đặt được nhưng không thể thu thập thông tin), hố định tuyến, hố nhiễu sóng và hố đen; trong đó luận án tập trung mô hình hóa hố mạng vật lý $R = {r_1, r_2, \dots, r_H}$.

Mỗi nút cảm biến thị giác trong không gian 3 chiều được mô tả bởi một bộ tham số hình học: $$s_j = (x_{s_j}, y_{s_j}, h_{s_j}, r, Tr, \theta_j, \alpha_j, \xi_j, \beta_j)$$ Trong đó:

  • $(x_{s_j}, y_{s_j})$ là tọa độ của nút trên mặt phẳng $Oxy$, $h_{s_j}$ là độ cao tại tọa độ tương ứng;
  • $r$ là bán kính cảm nhận, $Tr$ là phạm vi truyền thông;
  • $\theta_j$ là góc mở theo phương $Ox$, $\alpha_j$ là góc xác định hướng dọc theo $Ox$ ($0 \le \alpha_j \le 2\pi$);
  • $\xi_j$ là góc nghiêng theo phương $Oz$, $\beta_j$ là góc xác định hướng dọc theo $Oz$ ($0 \le \beta_j \le 2\pi$).

Khả năng phủ sóng của nút cảm biến $s_j$ tới một điểm mục tiêu $e_i(x_{e_i}, y_{e_i}, h_{e_i})$ phụ thuộc vào 4 hàm thành phần:

  1. Hàm khoảng cách $f_d(s_j, e_i)$: Xác định xác suất dựa trên khoảng cách Euclide $d(s_j, e_i)$ với tham số thực nghiệm $\lambda_d \in {1, 3, 6}$ và ngưỡng $t_d = 5$: $$f_d(s_j, e_i) = \frac{1}{1 + \exp(-\lambda_d(d(s_j, e_i) - t_d))}$$
  2. Hàm góc theo phương $Ox$ $f_p(s_j, e_i)$: Đo khả năng bao phủ theo góc phương vị với tham số độ dốc $\lambda_p = 0.6$ và ngưỡng $t_p = 60$: $$f_p(s_j, e_i) = \frac{1}{1 + \exp(-\lambda_p(\theta_j - t_p))} \cdot \frac{1}{1 + \exp(-\lambda_p(\alpha_j - t_p))}$$
  3. Hàm góc theo phương $Oz$ $f_t(s_j, e_i)$: Đo khả năng bao phủ theo góc nâng/nghiêng dựa trên chênh lệch độ cao $h_{e_i} - h_{s_j}$ và khoảng cách $d(s_j, e_i)$.
  4. Hàm tầm nhìn $v_{ji}(s_j, e_i)$: Đo mức độ thông suốt tầm nhìn dựa trên số lượng vật cản $\text{num_Obstacles}(s_j, e_i)$ được xác định qua phương pháp LoS: $$v_{ji}(s_j, e_i) = \frac{1}{1 + \text{num_Obstacles}(s_j, e_i)}$$

Xác suất phủ sóng của toàn mạng cảm biến đối với tập điểm lấy mẫu $E = {e_1, e_2, \dots, e_M}$ được tính theo công thức: $$C_g(WSN, E) = \sum_{e_i \in E} C_{e_i}(WSN, e_i)$$ Trong đó: $$C_{e_i}(WSN, e_i) = 1 - \prod_{j=1}^N (1 - C(s_j, e_i))$$ với $C(s_j, e_i) = f_d(s_j, e_i) \cdot f_p(s_j, e_i) \cdot f_t(s_j, e_i) \cdot v_{ji}(s_j, e_i)$.

Phương pháp nghiên cứu thực nghiệm được thực hiện bằng cách mô phỏng định lượng trên máy tính đối với các tập dữ liệu bản đồ số DEM có kích thước ô lưới điển hình $30\text{m} \times 30\text{m}$ tại Việt Nam, đánh giá độ phủ sóng, năng lượng tiêu thụ (đo bằng Joule), tỷ lệ kết nối mạng và thời gian thực thi của các thuật toán.

Nội dung chính theo từng chương

Chương 1. Tổng quan mạng cảm biến không dây

Chương 1 hệ thống hóa các khái niệm nền tảng về WSN, cấu tạo phần cứng nút cảm biến gồm 4 thành phần chính (đơn vị cảm biến kèm bộ chuyển đổi tín hiệu số ADC, đơn vị xử lý kèm bộ nhớ, đơn vị truyền dẫn thu phát vô tuyến, bộ nguồn pin) và các module bổ sung (hệ thống định vị GPS, cơ cấu di động).

Chương này phân tích ba cấu trúc liên kết mạng (topo) cơ bản:

  • Cấu trúc hình sao (Star Topology): Mọi nút cảm biến gửi dữ liệu trực tiếp về BS. Nhược điểm là tiêu tốn nhiều năng lượng do cự ly truyền thông lớn và yêu cầu BS phải nằm trong tầm phủ của tất cả các nút.
  • Cấu trúc phân cấp (Hierarchical/Multi-hop Topology): Dữ liệu được chuyển tiếp qua nhiều chặng dọc theo cấu trúc cây. Ưu điểm là khả năng mở rộng tốt, nhưng các nút nằm gần BS bị tiêu hao năng lượng nhanh do phải chuyển tiếp dữ liệu cho các nút ở xa.
  • Cấu trúc tập trung (Clustered/Centralized Topology): Mạng được chia thành các cụm, mỗi cụm có một nút chủ (CH) thu thập, nén, khử dữ liệu dư thừa từ các nút thành viên (non-CH) rồi gửi về BS. Cơ chế xoay vòng vai trò CH giúp phân bổ đều năng lượng tiêu thụ.

Chương 1 cũng trình bày chi tiết các mô hình DEM (dạng raster và vector TIN), bốn loại hố mạng (hố mạng vật lý, hố định tuyến, hố nhiễu sóng, hố đen), phương pháp kiểm tra vật cản đường ngắm LoS truyền thống và tổng quan toán học các thuật toán phân cụm LEACH, LEACH-C, K-Means, Fuzzy C-Means (FCM).

Thuật toán Cơ chế chọn nút chủ (CH) Ưu điểm chính Hạn chế trong môi trường 3D
LEACH Ngẫu nhiên theo xác suất $P$ và ngưỡng $T(i)$ qua từng vòng lặp Tự tổ chức phân tán, không cần thông tin toàn cục Dễ hình thành cụm không đều, nút ở xa mau cạn kiệt pin
LEACH-C Tập trung tại BS, xét mức năng lượng còn lại $E_i > AE$ và khoảng cách Phân cụm đồng đều hơn LEACH, kéo dài thời gian sống của mạng Phụ thuộc vào trạm BS, chi phí truyền thông tin trạng thái ban đầu lớn
K-Means Chọn nút gần nhất với tâm hình học của cụm dựa trên khoảng cách Euclide Tối thiểu hóa năng lượng truyền dẫn nội cụm Nhạy cảm với khởi tạo tâm ban đầu, chưa tối ưu đường truyền CH về BS
FCM Phân cụm mờ dựa trên tối thiểu hóa hàm mục tiêu độ thuộc $\sum \mu_{ij}^m d_{ij}^2$ Phân bố cụm linh hoạt theo mật độ nút, cân bằng tải nội cụm Chưa xét yếu tố độ cao 3D và cân bằng năng lượng giữa các cụm

Chương 2. Tối ưu vùng phủ sóng mạng cảm biến không dây trên địa hình 3 chiều

Chương 2 tập trung giải quyết bài toán cực đại hóa hàm mục tiêu độ phủ toàn mạng $C_g(WSN, E) \to \max$ với ràng buộc tọa độ các nút cảm biến không thuộc tập hố mạng vật lý $((x_{s_j}, y_{s_j}) \notin R)$.

Để xây dựng thuật toán, tác giả đề xuất 3 kỹ thuật cốt lõi:

  1. Phương pháp nội suy độ cao song tuyến tính: Xác định độ cao $h$ tại tọa độ bất kỳ $(x, y)$ nằm giữa 4 điểm lưới DEM ($h_1, h_2, h_3, h_4$) thông qua hai bước nội suy theo trục $Oy$ và $Ox$: $$h_a = \frac{y - y_1}{\text{cellsize}} \cdot h_3 + \frac{y_1 + \text{cellsize} - y}{\text{cellsize}} \cdot h_1$$ $$h_b = \frac{y - y_1}{\text{cellsize}} \cdot h_4 + \frac{y_1 + \text{cellsize} - y}{\text{cellsize}} \cdot h_2$$ $$h = \frac{x - x_1}{\text{cellsize}} \cdot h_b + \frac{x_1 + \text{cellsize} - x}{\text{cellsize}} \cdot h_a$$
  2. Phương pháp LoS cải tiến: Thay vì kiểm tra độ cao tại mọi điểm chia cách đều nhau một khoảng bằng ô lưới $\text{cellsize}$, thuật toán sử dụng mô hình hồi quy tuyến tính $X_3 = k_1 X_1 + k_2 X_2$ với bước nhảy thích nghi để dự đoán vật cản, giúp giảm số điểm chia cần so sánh với bề mặt DEM.
  3. Thuật toán phát hiện hố mạng vật lý phân tán: Địa hình được chia cho $P$ nút xử lý song song. Tại mỗi ô lưới, xác định điểm có độ cao lớn nhất và giả định đặt cảm biến tại đó để kiểm tra khả năng phủ sóng tới 8 ô lân cận. Nếu khả năng phủ sóng nhỏ hơn ngưỡng $\kappa$ (thực nghiệm chọn $\kappa = 370$) và số lượng ô không phủ được vượt quá ngưỡng $\Delta$ (thực nghiệm chọn $\Delta = 6$), ô lưới đó được đưa vào danh sách hố mạng vật lý $R$.

Chương này xây dựng thuật toán PSO_3WSN: Ánh xạ vị trí và hướng của $N$ cảm biến thành các phần tử của vector trạng thái trong bầy hạt, thiết lập hàm thích nghi dựa trên $C_g(WSN, E)$, cập nhật vận tốc và tọa độ hạt qua từng thế hệ để hội tụ về cấu hình phủ sóng tối đa. Kết quả thực nghiệm khẳng định thuật toán LoS cải tiến và PSO_3WSN duy trì độ phủ cao trên các dạng phân phối địa hình và tham số bầy đàn khác nhau.

Chương 3. Tối ưu năng lượng mạng cảm biến không dây trên địa hình 3 chiều

Chương 3 xây dựng mô hình tiêu thụ năng lượng của WSN trong không gian 3 chiều, bao gồm năng lượng thu thập dữ liệu của nút non-CH, năng lượng truyền dẫn từ non-CH đến CH, năng lượng tiếp nhận, tổng hợp, nén dữ liệu của CH và năng lượng truyền dẫn từ CH về trạm cơ sở BS (tính theo khoảng cách không gian 3 chiều).

Tác giả đề xuất 3 giải pháp phân cụm nâng cao:

  • Thuật toán FCM-3WSN: Ứng dụng kỹ thuật phân cụm mờ với hàm khoảng cách hình học 3 chiều, tối ưu hóa ma trận độ thuộc $\mu_{ij}$ và cập nhật tọa độ tâm cụm trong không gian ba chiều.
  • Thuật toán FCM-PSO: Sử dụng kết quả phân cụm mờ từ FCM-3WSN, sau đó áp dụng thuật toán tối ưu bầy đàn PSO để lựa chọn nút CH tối ưu trong từng cụm dựa trên hàm mục tiêu kết hợp giữa năng lượng còn lại của nút và khoảng cách từ nút đó đến BS.
  • Thuật toán FCM-PSOEB: Tích hợp cơ chế cân bằng năng lượng (Energy Balance - EB) giữa các cụm vào quy trình FCM-PSO. Thuật toán điều chỉnh kích thước cụm và tái phân bổ các nút non-CH biên nhằm tránh tình trạng các cụm ở xa hoặc cụm có kích thước quá lớn bị cạn kiệt năng lượng sớm.

Các thực nghiệm trên dữ liệu DEM Việt Nam với tỷ lệ số cụm bằng 20% tổng số cảm biến cho thấy:

  • Thuật toán FCM-PSOEB đạt mức tiêu thụ năng lượng tổng thể thấp hơn so với các giải pháp LEACH, LEACH-C, K-Means và FCM truyền thống.
  • Thời gian chạy của thuật toán ổn định khi thay đổi số lượng cảm biến, phân bố vị trí nút và số lượng cụm.
  • Đảm bảo tỷ lệ kết nối thông suốt giữa non-CH với CH và giữa CH với BS trong điều kiện địa hình phức tạp có độ chênh cao lớn.

Kết quả và những đóng góp mới

Luận án đã đạt được các đóng góp mới về lý luận và thực tiễn:

Về mặt lý luận và phương pháp:

  • Xây dựng hoàn chỉnh mô hình toán học cho mạng cảm biến không dây trong không gian 3 chiều, kết hợp đầy đủ các ràng buộc hình học (bán kính cảm nhận, góc mở $Ox$, góc nghiêng $Oz$), mô hình xác suất phủ sóng, ảnh hưởng của vật cản địa hình và tập hố mạng vật lý.
  • Đề xuất thuật toán kiểm tra tầm nhìn LoS cải tiến bằng kỹ thuật hồi quy tuyến tính với bước nhảy thích nghi, giảm độ phức tạp tính toán so với phương pháp LoS truyền thống.
  • Đề xuất thuật toán phân tán xác định hố mạng vật lý trên bản đồ độ cao số DEM bằng chiến lược tham lam kết hợp kiểm tra độ phủ của điểm cực đại cục bộ.
  • Phát triển thuật toán PSO_3WSN tối ưu hóa vị trí và hướng của các cảm biến, cực đại hóa vùng phủ sóng toàn mạng trên địa hình 3 chiều.
  • Phát triển thuật toán phân cụm lai FCM-PSOEB kết hợp logic mờ, tối ưu bầy đàn và cân bằng năng lượng liên cụm, giúp tối thiểu hóa năng lượng tiêu thụ cho quá trình truyền dữ liệu từ CH về BS và kéo dài thời gian sống của mạng WSN trong môi trường 3 chiều.

Về mặt thực tiễn:

  • Xây dựng và chuẩn hóa bộ dữ liệu thực nghiệm dựa trên các mô hình độ cao số DEM thực tế tại nhiều vùng miền có hình thái địa hình khác nhau của Việt Nam.
  • Cung cấp cơ sở giải thuật và mô hình tính toán hỗ trợ các kỹ sư triển khai hệ thống mạng cảm biến phục vụ quan trắc môi trường, giám sát rừng, cảnh báo sớm lũ lụt và sạt lở đất tại các khu vực đồi núi phức tạp.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án:

  • Mô hình nghiên cứu chỉ tập trung vào loại cảm biến thị giác tĩnh, chưa xem xét các mạng không đồng nhất hoặc các nút cảm biến có khả năng di động tự điều chỉnh vị trí sau khi thả rơi.
  • Luận án mới chỉ giải quyết loại hố mạng vật lý trong bài toán triển khai; các loại hố định tuyến, hố nhiễu sóng và hố đen chỉ dừng lại ở mức khảo sát tổng quan mà chưa được tích hợp đồng thời vào giải thuật tối ưu năng lượng phân cụm trong giai đoạn vận hành dài hạn.

Hướng nghiên cứu tiếp theo được tác giả xác định:

  • Mở rộng thuật toán cho các mạng cảm biến không đồng nhất (kết hợp nhiều loại cảm biến khác nhau như âm thanh, nhiệt độ, hình ảnh).
  • Nghiên cứu cơ chế định tuyến đa chặng thích ứng vượt qua các hố định tuyến và hố nhiễu sóng trên địa hình 3 chiều.

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên ngành Cơ sở toán cho tin học, Khoa học máy tính, Kỹ thuật viễn thông quan tâm đến mô hình hóa không gian 3D, lý thuyết tối ưu hóa bầy đàn và phân cụm mờ.
  • Các kỹ sư hệ thống, cán bộ kỹ thuật tại các cơ quan quản lý tài nguyên, môi trường và khí tượng thủy văn cần thiết kế cấu trúc mạng quan trắc số liệu tự động trên địa hình đồi núi phức tạp.
  • Các phần đáng tham khảo trực tiếp gồm: thuật toán LoS cải tiến trong [Bảng 2-1], thuật toán xác định hố mạng vật lý trong [Bảng 2-2], mô hình toán học phủ sóng 3 chiều và quy trình thực hiện thuật toán FCM-PSOEB.

Câu hỏi thường gặp

1. Luận án mô hình hóa một nút cảm biến trong không gian 3 chiều gồm những thông số nào? Một nút cảm biến $s_j$ được biểu diễn qua bộ tham số: $s_j = (x_{s_j}, y_{s_j}, h_{s_j}, r, Tr, \theta_j, \alpha_j, \xi_j, \beta_j)$, trong đó $(x_{s_j}, y_{s_j}, h_{s_j})$ là tọa độ không gian 3 chiều, $r$ là bán kính cảm biến, $Tr$ là phạm vi truyền thông, $\theta_j$ và $\alpha_j$ là góc mở và góc hướng theo phương $Ox$, $\xi_j$ và $\beta_j$ là góc nghiêng và góc hướng theo phương $Oz$.

2. Bốn loại hố mạng trong WSN là gì và luận án giải quyết loại hố mạng nào? Bốn loại hố mạng gồm: hố mạng vật lý (vùng không thể đặt nút hoặc đặt được nhưng không thể cảm nhận môi trường), hố định tuyến (vùng không thể tham gia chuyển tiếp dữ liệu), hố nhiễu sóng (vùng bị phá sóng vô tuyến) và hố đen (nút bị xâm nhập hút dữ liệu rồi tiêu hủy/sửa đổi). Luận án tập trung giải quyết hố mạng vật lý trong bài toán triển khai mạng.

3. Thuật toán phát hiện hố mạng vật lý trong luận án sử dụng nguyên lý nào? Thuật toán chia địa hình cho $P$ nút tính toán phân tán. Trên mỗi ô lưới, thuật toán chọn điểm có độ cao lớn nhất để đặt thử nghiệm cảm biến và kiểm tra khả năng phủ sóng tới 8 điểm lân cận. Nếu khả năng phủ sóng nhỏ hơn ngưỡng $\kappa = 370$ và số lượng điểm lân cận không phủ được vượt quá ngưỡng $\Delta = 6$, ô lưới đó được phân loại là hố mạng vật lý.

4. Điểm cải tiến của thuật toán kiểm tra tầm nhìn LoS trong luận án là gì? Phương pháp LoS truyền thống phải kiểm tra độ cao của tất cả các điểm chia cách đều $\text{cellsize}$ trên đoạn thẳng nối cảm biến và điểm mục tiêu. Phương pháp LoS cải tiến sử dụng hồi quy tuyến tính $X_3 = k_1 X_1 + k_2 X_2$ với bước nhảy thích nghi để bỏ qua các điểm chia an toàn khi không có nguy cơ xuất hiện vật cản, giúp giảm số phép kiểm tra độ cao và rút ngắn thời gian tính toán.

5. Giải pháp FCM-PSOEB tối ưu hóa năng lượng mạng WSN như thế nào? FCM-PSOEB thực hiện qua ba giai đoạn: (1) Phân cụm các nút cảm biến bằng thuật toán phân cụm mờ FCM trong không gian 3 chiều; (2) Sử dụng thuật toán bầy đàn PSO để lựa chọn nút chủ CH tối ưu cho từng cụm dựa trên năng lượng còn lại và khoảng cách tới trạm BS; (3) Áp dụng cơ chế cân bằng năng lượng (EB) để điều chỉnh ranh giới cụm và phân bổ tải, giảm thiểu năng lượng tiêu thụ toàn mạng.

Kết luận

Luận án của nghiên cứu sinh Đặng Thanh Hải đã giải quyết trọn vẹn bài toán tối ưu hóa vùng phủ sóng và năng lượng tiêu thụ của mạng cảm biến không dây trong không gian 3 chiều có xét đến vật cản và hố mạng vật lý. Các đóng góp khoa học chính bao gồm mô hình toán học phủ sóng 3 chiều, thuật toán kiểm tra tầm nhìn LoS cải tiến, thuật toán phát hiện hố mạng vật lý phân tán, giải thuật tối ưu bầy đàn PSO_3WSN và giải pháp phân cụm mờ cân bằng năng lượng FCM-PSOEB. Toàn bộ các mô hình và thuật toán đề xuất đã được kiểm chứng thực nghiệm định lượng trên các tập dữ liệu mô hình độ cao số DEM thực tế tại Việt Nam, chứng minh tính hiệu quả trong việc duy trì độ phủ và tiết kiệm năng lượng mạng.