TU BRAUNSCHWEIG
| Carl-Friedrich-Gauß-Faculty | Computer Science
Informatikzentrum

Optimierung der Zuverlässigkeit und Energieeffizienz drahtloser Sensornetze durch Data-Clustering

Student (anonymous, Login required)
Supervisor Dr. Ulf Kulau
Professor Prof. Dr.-Ing. Lars Wolf
Project inga
IBR Group CM (Prof. Wolf)
Type Master Thesis
Status finished
Start 03.02.2014

Einleitung

In klassischen WSN Architekturen werden anfallende Daten zu einer zentralen Senke geschickt. Die Senke erhält dadurch einen globalen Blick auf die Daten des gesamten WSN. In vorangegangenen Arbeiten am IBR wurde gezeigt, dass durch selbstlernende Verfahren Knoten unterhalb ihrer spezifizierten Spannung zuverlässig betrieben werden können (Undervolting). Adaptiv wird darüber hinaus durch Einbeziehung der Umgebungsparameter (Temperatur) stets eine individuelle und optimale Energieeffizienz erreicht (Context Aware Volting). Durch den Einsatz von Context Aware Volting lassen sich u.a. folgende Thesen ableiten: Bei dem Betreiben eines Knoten außerhalb seiner Spezifikation können weiterhin Fehler auftreten, welche durch den selbstlernenden Algorithmus nicht aufgedeckt werden. Der signifikante Einfluss unterschiedlicher Temperaturen, sowie Herstellungstoleranzen führen zu einer individuellen Energieeffienz. Eine weitere Beobachtung ist, dass die Energieeffizienz des Transceivers eine signifikante Temperaturabhängigkeit aufzeigt. Diese Information kann genutzt werden, um aus Sicht der Energieeffizienz optimale Routingpfade zu bestimmen.

Aufgabenstellung

In dieser Arbeit sollen durch Data-Clustering an der Senke grundlegende Konzepte zur Erhöhung der Zuverlässigkeit, sowie der Energieeffizienz des gesamten WSN entwickelt werden. Dabei sollen insbesondere für die Planung und Entwicklung der eigenen Konzepte verwandte Arbeiten aus dem besagten Bereich betrachtet und bewertet werden. Zunächst sollen von einem realen WSN Daten der Umgebung aggregiert werden, sodass eine Grundlage für das Data-Clustering existiert. Gerne kann in diesem Zusammenhang auch auf bereits existierende Daten anderer Netzwerke zurückgegriffen werden. Im Anschluss an die Datenaggregation sollen die Messwerte der im WSN befindlichen Knoten an der Senke durch Data-Clustering so aufbereitet werden, dass folgende Ziele erreicht werden:

  • Die Zuverlässigkeit von WSN in denen Context Aware Volting (Undervolting) eingesetzt wird soll erhöht werden. Hierzu sollen potentielle Fehler auf der Anwendungsebene erkannt und behandelt werden (Feedback, Korrektur). Dabei ist allerdings darauf zu achten, dass nicht jede Abweichung von der Norm ein Fehlverhalten darstellt (z.B. Waldbranderkennung)
  • Durch das Erkennen von Redundanzen können Knoten ganz oder teilweise (zeitweise) in einen energetisch günstigeren zustand gefahren werden (sleep).
Die starke Abhängigkeit zwischen Umgebungstemperatur und Energieeffizienz gilt sowohl für die Verarbeitung von Daten (Context Aware Volting), als auch für das drahtlose Senden bzw. Empfangen von Daten.
  • Es soll die Möglichkeit geschaffen werden, aus den gesammelten Daten der Umgebungsbedingungen an der Senke eine Prognose für optimale Routen (zeitlich und räumlich) zu berechnen. Eine vollständige Lösung für dieses Problem ist an dieser Stelle als optional anzusehen.

Links


last changed 2014-08-29, 15:36 by Dr. Ulf Kulau
printemailtop