Die Idee besteht darin, die Nachricht dynamisch auf den Sensorknoten zu kopieren, der mit größerer Wahrscheinlichkeit mit dem Senkenknoten kommunizieren wird. SRAD besteht aus zwei Hauptteilen: Datenübertragung und Warteschlangenmanagement: Ersteres basiert auf dem Modell der zufälligen Wegpunktbewegung zu verschiedenen Zeiten. Die Übertragungswahrscheinlichkeit jedes Sensorknotens wird für die Übertragung von Datennachrichten verwendet; letzteres bestimmt die Priorität und das Verwerfungsprinzip der Nachrichtenlieferung in der Warteschlange durch den Überlebenszeitwert ST (Survival Time) der Nachricht, um den Energieverbrauch der Netzwerkübertragung weiter zu reduzieren. Die Ergebnisse der Simulationsexperimente zeigen, dass SRAD im Vergleich zu mehreren bestehenden DTMSN (delay tolerant mobile sensor networks) Datenübertragungsalgorithmen eine relativ lange Netzwerklebensdauer hat und einen höheren Datenübertragungserfolg bei geringerem Energieverbrauch und geringerer Übertragungsverzögerung erreichen kann. Rate.
Mit der Entwicklung der Sensortechnologie, der eingebetteten Technologie und der drahtlosen Kommunikationstechnologie mit geringem Stromverbrauch ist es möglich geworden, drahtlose Miniatursensoren mit Erfassungs-, drahtlosen Kommunikations- und Informationsverarbeitungsfunktionen herzustellen. Diese kostengünstigen, hochflexiblen Sensorknoten kooperieren miteinander und organisieren sich in drahtlosen Sensornetzen. Die Datenerfassung ist die Grundfunktion der meisten drahtlosen Sensornetzanwendungen [1]. Gegenwärtig besteht die übliche Methode zur Sammlung von Daten darin, eine große Anzahl kleiner, preisgünstiger Sensorknoten mit geringer Batterieleistung und niedrigem Stromverbrauch zu platzieren, um ein zusammenhängendes drahtloses Mesh-Netzwerk zu bilden, in dem jeder Knoten mit einem oder mehreren anderen Knoten zusammenarbeiten kann, um gemessene Umweltparameter oder gesammelte Daten zur Verarbeitung an eine Senke zu übertragen. [2]. Diese Methode der Datenerfassung ist jedoch in einigen Situationen nicht geeignet, wie z. B. bei der Erfassung von Daten über die Lebensgewohnheiten von Wildtieren in der biologischen Forschung und bei der Erfassung und Sammlung von Schadstoffen, die von jeder Person im Durchschnitt täglich eingeatmet werden, bei der Überwachung der Luftqualität. Um die Ausbreitung von Grippeviren zu verhindern, ist es notwendig, regelmäßig Informationen über Grippeviren in Gebieten mit hoher Personendichte zu sammeln, z. B. die Gasmenge oder die Verfolgung von Grippeviren. Im Vergleich zu allgemeinen Anwendungen haben diese Anwendungen einige einzigartige Eigenschaften: Erstens ist die Datenerfassung auf sich bewegende Objekte (Menschen oder Tiere) ausgerichtet. Obwohl Daten durch die Platzierung einiger Sensorknoten an bestimmten Orten gesammelt werden können, wird in der Regel die Methode der direkten Datenerfassung von sich bewegenden Objekten gewählt, um die Gültigkeit und Genauigkeit der Daten zu gewährleisten. Daher ist es naheliegend, für jedes sich bewegende Objekt eine Sensoreinheit zu konfigurieren. Natürlich führt die zufällige Bewegung von Objekten dazu, dass einige Sensorknoten nicht miteinander verbunden sind; zweitens erlauben diese Anwendungen eine gewisse Datenverzögerung. Aufgrund der intermittierenden Konnektivität der Knoten ist die Übertragungsverzögerung von Daten in DTMSN (delay tolerant mobile sensor networks) oft hoch. Darüber hinaus sollte der Prozess der Datenerfassung transparent sein und das tägliche Leben von Menschen und Tieren nicht beeinträchtigen. So können wir beispielsweise bestimmten Personen nicht befehlen, bestimmte Handlungen auszuführen oder sich an einen bestimmten Ort zu begeben, um die Erfassung und Übertragung von Informationen zu erleichtern.
Um den Anforderungen der oben genannten Anwendungen gerecht zu werden, hat sich das verzögerungstolerante mobile drahtlose Sensornetz (DTMSN) entwickelt [3]. Das DTMSN besteht aus zwei Arten von Knoten: zufällig bewegte Sensorknoten und Konvergenzpunkte. Erstere sind an sich bewegende Objekte gebunden und werden zum Sammeln von Daten verwendet. Dateninformationen und bilden ein diskontinuierlich verbundenes mobiles Sensornetz (wie in Abbildung 1 dargestellt, besteht dieses Netz aus 9 zufällig verteilten mobilen Sensorknoten S1~S9 und 2 Konvergenzpunkten H1, H2. Zu diesem Zeitpunkt sind nur S1, S3, S6 mit S7 und S8, S5 und H1 verbunden). Aufgrund der kurzen Übertragungsdistanz der Sensorknoten ist es unmöglich, die gesammelten Daten direkt an das Ziel zu übertragen. Darüber hinaus sind einige Teile an einem bestimmten Ort platziert oder werden von sich bewegenden Objekten getragen. High-End-Knoten, die sich mit der Bewegung von Objekten mitbewegen, werden als Konvergenzpunkte (H1 und H2 in Abbildung 1) verwendet, um Daten von Sensoren zu sammeln und diese Daten an den Eingangspunkt des Backbone-Netzes zu übertragen.
Aufgrund der schlechten Konnektivität zwischen den mobilen Sensoren im DTMSN-Netz ist es sehr schwierig, ein zusammenhängendes Maschennetz zwischen den einzelnen Sensorknoten zu bilden, d. h. es gibt möglicherweise keinen durchgängigen Konnektivitätspfad zwischen den einzelnen Knoten. Es ist ersichtlich, dass herkömmliche Sensornetzwerke Der Datenübertragungsalgorithmus ist in der DTMSN-Umgebung nicht anwendbar. In der intermittierenden Konnektivitätsumgebung des DTMSN ist eine Datenreplikation notwendig, um eine bestimmte Erfolgsrate bei der Datenübertragung zu erreichen, und die Replikation wird auch den Energieverbrauch des Systems erhöhen. Die Frage, wie die von den Sensorknoten gesammelten Daten effektiv zum Konvergenzpunkt übertragen werden können, um ein Gleichgewicht zwischen der Erfolgsrate der Datenübertragung, dem Energieverbrauch bei der Übertragung und der Übertragungsverzögerung zu erreichen, ist zum Hauptproblem geworden, das von DTMSN gelöst werden muss. In Anbetracht der oben genannten Faktoren wird in diesem Papier eine dynamische Datenübertragungsstrategie SRAD (selective replication-based adaptive data delivery scheme) vorgeschlagen, die auf selektiver Replikation basiert. Die Grundidee besteht darin, Nachrichten dynamisch auf Sensorknoten zu kopieren, die mit größerer Wahrscheinlichkeit mit dem Konvergenzpunkt kommunizieren, um die Erfolgsrate der Übertragung zu maximieren und den Energieverbrauch der Übertragung zu reduzieren. SRAD besteht aus zwei Hauptteilen: Datenübertragung und Warteschlangenverwaltung. Ersteres berechnet zunächst die Übertragungswahrscheinlichkeit jedes Sensorknotens zu verschiedenen Zeiten durch das Random-Waypoint-Zufallsbewegungsmodell [4], das heißt, der Sensorknoten Die Wahrscheinlichkeit, dass die Nachricht an den Konvergenzpunkt geliefert wird, und dann die Auswahl der nächsten Hop-Knoten auf der Grundlage der Übertragungswahrscheinlichkeit und das Kopieren und Übertragen der Datennachricht. Die Warteschlangenverwaltung verwendet den Wert der Überlebenszeit ST (Survival Time) der Nachricht, um die Wichtigkeit der Nachricht in der Warteschlange zu bestimmen. und Verwerfungsprinzipien. Die Ergebnisse der Simulationsexperimente zeigen, dass SRAD im Vergleich zum bestehenden Flooding-Algorithmus, zum Direktübertragungsalgorithmus und zur FAD-Strategie (Fault Tolerance Delivery Scheme) eine relativ längere Lebensdauer des Netzwerks hat und eine höhere Erfolgsrate bei der Datenübertragung mit geringerem Energieverbrauch und geringerer Übertragungsverzögerung erreichen kann.
Abschnitt 1 dieses Artikels beschreibt verwandte Arbeiten. Abschnitt 2 beschreibt die Motivation für diesen Artikel und das verwendete Bewegungsmodell. Abschnitt 3 enthält den detaillierten Entwurf des SRAD. Abschnitt 4 führt eine Simulationsüberprüfung durch. Abschließend wird der gesamte Text zusammengefasst.