ФЕДЕРАЛЬНОЕ АГЕНТСТВО СВЯЗИ

Федерадьное государственное бюджетное образовательное учреждение

высшего образования

«Санкт-Петербургский государственный университет телекоммуникаций

им. проф. М. А. Бонч-Бруевича»

На правах рукописи

ОКУНЕВА ДАРИНА ВЛАДИМИРОВНА

РАЗРАБОТКА И ИССЛЕДОВАНИЕ

МОДЕЛЕЙ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ

ПРИ НЕРАВНОМЕРНОМ РАСПРЕДЕЛЕНИИ УЗЛОВ

Специальность 05.12.13 – Системы, сети и устройства телекоммуникаций

Диссертация

на соискание ученой степени

кандидата технических наук

Научный руководитель

кандидат технических наук, профессор

Бузюков Лев Борисович

Санкт-Петербург – 2017

2

ОГЛАВЛЕНИЕ

Оглавление………………………………………………………………………………………..... 2

Введение……………………………………………………………………………………………. 3

Глава 1. Методы построения и параметры функционирования

беспроводных сенсорных сетей………………………………………………………………...

15

1.1. Базовые принципы построения БСС…………………………………………………....... 15

1.2. Методы и алгоритмы выбора структуры БСС……………………………………...……. 20

1.3. Требования к качеству обслуживания БСС……………………………………………… 24

1.4. Влияние топологии сети на параметры функционирования………………………..…... 25

Выводы по главе 1……………………………………………………………….……………... 27

Глава 2. Разработка моделей и исследование связности беспроводной сенсорной сети….. 29

2.1. Выбор модели сети для оценки связности БСС…………………………………..……... 29

2.2. Определение вероятности связности сети ……………………………………………….. 32

2.3. Разработка модели и исследование вероятности связности сети

при равномерном распределении узлов…………………………………………………..….

34

2.4. Разработка модели и исследование вероятности связности БСС

при неравномерном распределении………………………………………………….………...

37

Выводы по главе 2……………………………………………………………………………… 43

Глава 3. Разработка моделей и исследование временных параметров обслуживания

трафика беспроводной сенсорной сети………………………………........................................

45

3.1 Влияние трафика на параметры качества обслуживания……………………………….. 45

3.2. Модель БСС как системы массового обслуживания…………………………………..... 46

3.3. Разработка модели и исследование длины маршрута для топологии «точка-точка»… 51

3.4. Разработка модели и исследование длины маршрута

для топологии «мультиточка-точка»…………………………………………………………..

55

3.5. Разработка модели и исследование задержки доставки данных……………………….. 62

Выводы по главе 3……………………………………………………………………………… 76

Глава 4. Разработка и исследование модели беспроводной сенсорной сети

при мультимодальном распределении узлов…………………………………………………….

78

4.1. Постановка задачи…………………………………………………………………………. 79

4.2. Разработка математической модели сети

с мультимодальным распределением узлов…………………………………………………..

81

4.3. Исследование зависимости длины маршрутов

от мультимодального распределения узлов…………………………………………………..

90

Выводы по главе 4……………………………………………………………………………… 96

Заключение……………………………………………………………………………………….. 97

Список сокращений……………………………………………………………………………….. 99

Список терминов…………………………………………………………………………………... 101

Список литературы………………………………………………………………………………... 103

Приложение 1. Программные скрипты, реализующие модели узлов сети……………………. 114

Приложение 2. Программные скрипты имитационных моделей сетей

с неравномерным распределением ………………………………………………………………..

121

Приложение 3. Документы, подтверждающие внедрение основных

результатов диссертационной работы…………………………………………………………….

154

3

ВВЕДЕНИЕ

Актуальность темы исследования

Современный этап развития общества характеризуется появлением

«трендов». Понятие тренда используется во всех областях жизни: политике,

экономике, моде, питании и, конечно же, в сетях связи.

Тренд сетей связи – это концепция Интернета Вещей (в данном случае под

термином «тренд» понимается «актуальное направление, развитие»).

Основная задача Интернета Вещей – это создание единой сети, которая

включает в себя объекты информационного (виртуального) и физического

(реального) миров и будет обеспечивать взаимодействие объектов между собой.

Технологическая база первого этапа развития Интернета Вещей – это

всепроникающие (беспроводные) сенсорные сети, которые широко применяются

в современном мире практически во всех сферах жизнедеятельности, что

объясняется их низкой стоимостью, быстротой развертывания и эффективностью

[33].

Реализация концепции Интернета Вещей выражается в проникновении

телекоммуникационных технологий во все сферы деятельности человека [68,

102]. В настоящее время это выражается в расширении области применения

беспроводных сенсорных сетей.

По прогнозам, число беспроводных устройств достигнет к 2020 году семи

триллионов [15].

Беспроводные сенсорные сети (БСС) представляют собой

самоорганизующиеся сети, состоящие из множества беспроводных сенсорных

узлов, распределенных в пространстве и предназначенных для мониторинга

характеристик окружающей среды или управления объектами, расположенными в

ней [60].

4

Существуют различные технологии, применяемые на физическом,

канальном и сетевом уровнях, которые позволяют реализовываться сетям

различного масштаба и управлять их конфигурацией [8, 9, 16].

Структура таких сетей в значительной степени зависит от их целевого

назначения и окружающей инфраструктуры. Техническая реализация элементов

сети, как правило, такова, что узел сети совмещен с некоторым сенсорным или

исполнительным устройством и должен устанавливаться в точке, где требуется

съем информации или реализация команд управления. Таким образом, структура

сети будет привязана к структуре объекта мониторинга или управления [9].

Широкое разнообразие реализаций и областей применения БСС приводит к

необходимости анализа их свойств и определения методов оценки основных

параметров [32, 34–36].

В настоящее время повсеместное и масштабное применение БСС ставит

задачи обеспечения доступности сети (в данном случае под доступностью

понимается возможность сети предоставлять услугу) и качества обслуживания в

БСС, как наиболее важные.

Комплексное решение перечисленных задач представляет сложную

научную проблему и определяет необходимость проведения исследований,

связанных с анализом возможности БСС оказывать ту или иную услугу и

анализом вероятно-временных характеристик этой сети с целью обеспечения

требуемого качества обслуживания в зависимости от целевого назначения и

структуры сети.

Обзор работ по тематике диссертации

Сегодня телекоммуникационный ландшафт меняется с очень высокой

скоростью. Каждые несколько месяцев разрабатываются новые сетевые

технологии, внедряются новые продукты и создаются новые услуги, и эти

изменения в реальном времени можно отразить только в журнальных статьях и

докладах на конференциях [24].

5

В настоящее время исследования в области сенсорных сетей активно

ведутся как зарубежом, так и в Российской Федерации.

Среди отечественных исследователей особо известны работы

А. Е. Кучерявого [31, 32, 86, 87], А. В. Рослякова [59, 60], А. И. Парамонова [50–

55], Е. А. Кучерявого [37–39, 88], В. Г. Карташевского [19], Р. В. Киричка [21, 83–

84], А. В. Прокопьева [21, 56], Д. А. Молчанова [41, 42], В. А. Мочалова [19, 43],

С. С. Махрова [40] и многих других.

Среди зарубежных коллег можно выделить работы Neha Rathi [94],

G. Bianchi [70, 76], W. Heinzelman [78], A. Dunkels [73, 74, 95, 103] A. Muthanna

[44, 93].

В 2010 году Е. М. Акимовым в рамках диссертационной работы было

разработано программное обеспечение, решающее задачу оптимизации топологии

БСС, с позиции выбора рационального расположения ретрансляторов сети и

маршрутизации потоков данных между ними. В качестве критериев оценки

работоспособности программного обеспечения были выбраны такие параметры

функционирования БСС, как надежность сети и стоимость обслуживания.

В работе были проанализированы основные топологии БСС. Разработаны

математические модели топологии, узлов, механизма их конкурентного доступа к

каналу передачи данных, коммуникаций БСС, адаптированные к использованию в

алгоритме оптимизации топологии. Выполнен анализ соответствия рациональной

топологии и топологии, построенной с использованием критерия оптимальности

ZigBee [106]. Предложена модификация критерия ZigBee – оптимальности

маршрутизации, доставляющего минимальные отклонения топологии от

рациональной на наборе анализируемых критериев [1].

В. А. Мочалов в 2011 году разработал интеллектуальную систему

поддержки проектирования отказоустойчивых БСС, которая позволила не только

учесть критерии надежности и стоимости обслуживания при проектировании, но

и проектировать сеть при заданном параметре связности и энергоэффективности.

Энергоэффективность обеспечивается за счет резервирования транзитных

узлов БСС в зависимости от интенсивности их энергопотребления. При

6

увеличении энергоэффективности достигается увеличение времени работы БСС

до момента ее отказа [43].

В 2012 году А. В. Прокопьевым в [56] разработаны предложения в

рекомендацию МСЭ-Т Y.1541 [80], которые включают в себя требования к

классам и параметрам качества обслуживания для БСС. Кроме того, разработан

раздел по характеристикам нагрузки для сенсорных сетей для рекомендации

МСЭ-Т Q.3925. В рамках выполнениях диссертационной работы А. В. Прокопьев

проанализировал разные модели нагрузки в БСС, выявил, что разные типы

трафика имеют разные значения самоподобности, что позволяет точно описать

модель нагрузки БСС и использовать ее для расчета параметров шлюзов между

сенсорными сетями и сетями общего пользования. Так же было получено, что

широко используемые модели на основе Пуассоновского или связанных с ним

процессов дают слишком оптимистичную оценку производительности

инфокоммуникационных сетей, недостаточности выделения ресурсов для

передачи и обработки данных и трудностям в обеспечении качества

обслуживания.

В 2015 году С. С. Махров [40] предложил новый подход к повышению

эффективности функционирования БСС (таких параметров как самоорганизация и

маршрутизация данных) за счет использования механизмов искусственного

интеллекта нейронной сети. Выполненные С. С. Махровым исследования и

предложенные способы реализации могут быть использованы для эффективной

самоорганизации БСС и маршрутизации в них данных, что позволяет включить в

сеть максимальное количество узлов и увеличить время ее жизни.

Нейросетевой и матричный способы кластеризации позволяют

сформировать кластеры из узлов БСС на основании матрицы радиосвязи,

являющейся аналитическим представлением графа, описывающего связи между

всеми узлами сети. Наличие матрицы радиосвязи в качестве входных данных

позволяет при формировании кластеров учитывать знания о всех узлах, чтобы

рационально выделить кластеры. Ориентированность кластеризации на

использование иерархических протоколов дает возможность оптимизировать

7

использование энергии, поскольку, как показано в работе, такие протоколы

являются наиболее эффективными за счет агрегации и сжатия данных только в

главных кластерных узлах. Разработанный протокол маршрутизации может

использовать нейросетевой или матричный способы кластеризации, благодаря

чему позволяет оптимизировать передачу данных, повысить время жизни и

живучесть сети. Иерархическая направленность протокола обеспечивает высокую

масштабируемость сети (до 10 000 узлов и более) и позволяет использовать

мобильную базовую станцию.

Стоит отметить, что анализ рассматриваемых работ показал, что такие

параметры БСС, как связность и вероятностно-временные характеристики для

неравномерного распределения узлов не рассматривались.

Разработанные исследователями модели сетей с равномерным

распределением могут быть использованы для анализа результатов исследований

в данной диссертационной работе и оценки возможных девиаций основных

параметров функционирования БСС.

Цель и задачи исследования

Целью диссертационной работы является расширение модельного ряда

беспроводных сенсорных сетей для оценки параметров их функционирования при

неравномерном распределении узлов в сети.

Для достижения заданной цели в работе решаются следующие задачи:

1) Анализируются современные модели сетей в области исследований БСС.

2) Исследуются связность БСС для нормального и мультимодального

распределений узлов и установлены показатели, влияющие на связность сети для

рассматриваемых распределений.

3) Исследуются параметры функционирования БСС, такие как длина

маршрута, количество транзитных узлов и задержки доставки данных, для

нормального и мультимодального распределений узлов.

4) Выявляются факторы, влияющие на временные показатели БСС для

различных распределений узлов.

8

5) Исследуются зависимости связности и длин маршрутов для БСС с

мультимодальным распределением узлов на плоскости при изменении значений

параметров функционирования.

Научная новизна

Научная новизна работы заключается в следующем:

1. Предложены новые модели БСС, отличающиеся от известных тем, что

для исследования связности, длин маршрутов и задержки помимо равномерного

распределения используются нормальное и мультимодальное распределения.

2. Доказано, в отличие от известных результатов, что связность БСС не

зависит от вида распределения узлов для равномерного, нормального и

мультимодального распределений, в то время как дисперсия оказывает

существенное влияние на характеристики связности.

3. Выявлена ранее неизвестная зависимость связности БСС при

нормальном распределении узлов сети от удаленности от центра рассеяния и

найдены оценки связности в кольцах равной плотности.

4. Доказано, в отличие от известных результатов, что распределение длин

кратчайших маршрутов для нормального и равномерного распределений имеет

распределение Вейбулла, и найдена эмпирическая зависимость числа транзитных

участков от дисперсий распределений, а так же получены оценки задержки

доставки пакета от оконечного узла до шлюза.

5. Доказано, в отличие от известных результатов, что при достаточно

больших значениях интенсивности нагрузки, начиная с 8–10 пакетов в секунду,

время доставки пакета для нормального распределения значимо больше, чем для

равномерного распределения.

6. Установлено в развитие известных ранее результатов для равномерного

распределения, что для мультимодальных распределений при больших значениях

дисперсии распределение длин маршрутов может быть представлено

биномиальным распределением, а при средних и относительно малых значениях

9

дисперсии распределение длин маршрутов также является мультимодальным, при

этом число мод равно или меньше числа мод распределения узлов по полю БСС.

Теоретическая и практическая значимость работы

Теоретическая значимость работы заключается в определении неизвестных

ранее характеристик БСС при нормальном и мультимодальном распределении

узлов на плоскости. С этой целью разрабатываются модели БСС с указанными

распределениями узлов. Разработанные модели БСС позволяют оценить

параметры маршрутов передачи данных при планировании и проектировании

БСС с заданными параметрами функционирования. Доказано, что распределение

длин маршрутов при нормальном и равномерном распределении узлов имеет

распределение Вейбулла. Выявлено, что время доставки пакетов для нормального

распределения узлов больше, чем для равномерного, при интенсивности нагрузки

равной или превышающей 8–10 пакетов в секунду. Установлено, что при

изменениях значений дисперсии распределения узлов от относительно больших

до относительно малых распределение длин маршрутов меняется от

биномиального распределения к мультимодальному распределению, при этом

число мод распределения зависит от числа мод распределения узлов.

Практическая значимость работы заключается в возможности

использования полученных результатов при планировании, проектировании и

эксплуатации БСС, а так же в применении разработанных моделей для оценки

возможности БСС предоставлять услуги в заданными параметрами

функционирования при решении задач автоматизации контроля непрерывной

работы транспортной сетевой инфраструктуры любого типа и оценки параметров

качества обслуживания БСС при неравномерном распределении абонентов в зоне

обслуживания.

Результаты работы используются в ПАО «Ростелеком», ООО «Севентест» и

в учебном процессе СПбГУТ им. проф. М. А. Бонч-Бруевича, что подтверждается

соответствующими актами о внедрении (см. прил. 3).

10

Методология и методы исследования

Объектом исследования являются беспроводные сенсорные сети.

Предметом исследования являются модели беспроводных сенсорных сетей

при неравномерном распределении узлов на плоскости.

Методы исследования.

Проводимые исследования базируются на теории массового обслуживания,

теории случайных графов, теории вероятностей и математической статистики,

методах аналитического и имитационного моделирования.

Для построения аналитических моделей численного анализа использовался

программный математический пакет Mathcad 15.

Имитационное моделирование выполнялось с помощью симулятора Cooja

операционной системы Contiki 3.0.

Основные положения, выносимые на защиту:

1. Модели БСС с нормальным и мультимодальным распределением узлов

для исследования связности, длин маршрутов, задержек.

2. Связность БСС не зависит от вида распределения для нормального и

равномерного распределений, в то время как дисперсия оказывает существенное

влияние на характеристики связности.

3. Распределение Вейбулла длин кратчайших маршрутов для нормального

и равномерного распределений узлов в БСС и оценки задержки доставки пакета

от оконечного сенсорного узла до шлюза.

4. Биномиальное распределение длин маршрутов при больших значениях

дисперсии и мультимодальное распределение длин маршрутов с числом мод

равным или меньшим числа мод распределения узлов по полю БСС при средних и

относительно малых значениях дисперсии для мультимодального поля БСС.

Степень достоверности и апробация результатов

Достоверность результатов работы подтверждается корректным

применением математического аппарата, результатами имитационного

11

моделирования и широким спектром публикаций и выступлений, как на

российских, так и на международных конференциях: НТК «Российское научно-

техническое общество радиотехники, электроники и связи им. А. С. Попова»

(Санкт-Петербург, 2013–2016), МНТНМК «Актуальные проблемы

инфотелекоммуникаций в науке и образовании» (Санкт-Петербург, 2014–2017),

International Conference on Advanced Communication Technology (ICACT, Корея,

2016), Finnish-Russian University Cooperation in Telecommunication (FRUCT,

Финляндия, 2016).

Кроме того, основные результаты докладывались и были одобрены на

научно-технических семинарах СПбГУТ (2013–2016).

Публикации.

Основные положения диссертации изложены в 12 статьях, 3 из которых

опубликованы в изданиях, рекомендованных ВАК Министерства образования и

науки Российской Федерации, 1 опубликована в сборнике, рецензируемом в

Scopus. Тематика диссертации представлена в тезисах 4 докладов на научно-

технических конференциях. Всего по теме диссертации опубликованы 16 работ.

Структура и объем диссертации.

Диссертационная работа включает в себя содержание, список используемых

сокращений, глоссарий, введение, четыре главы, заключение, список литературы,

3 приложения, 1 таблица. Объем пояснительной записки – 159 страниц,

43 иллюстрации, список использованной литературы насчитывает

110 наименований.

Личный вклад автора.

Основные результаты теоретических и прикладных исследований получены

автором самостоятельно. В печатных работах, которые написаны в соавторстве,

соискателю принадлежит основная роль при постановке и решении задач,

обобщении и анализе полученных результатов.

12

Содержание диссертационной работы.

Во введении обосновывается выбор темы диссертации, актуальность

выбранной темы, формулируются цель и задачи исследования, определяются

научная новизна и практическая ценность результатов, полученных в ходе

выполнения диссертационной работы. Кроме того, представлен обзор

исследовательских работ по анализу параметров функционирования БСС.

Выявлено, что в работах зарубежных и отечественных исследователей по

данной тематике рассматривались только такие параметры функционирования

БСС как энергоэффективность, надежность и стоимость обслуживания.

Параметры связности и маршрутизации БСС рассматривались для

статических топологий и равномерного распределения узлов.

В результате проведенного анализа было выявлено, что ранее параметры

связности и время доставки сообщений с точки зрения неравномерного

распределения узлов не рассматривались, что подтверждает необходимость

разработки аналитических моделей исследования связности и времени доставки

сообщений для неравномерного распределения узлов.

В первой главе проводится обзор методов построения и параметров

функционирования БСС. Даются основные понятия: беспроводных сенсорных

сетей, сенсорного поля, сенсорных узлов. Рассмотрены алгоритмы выбора

головного узла как средства для обеспечения кластерной организации БСС.

Проводится анализ влияния топологии сети на основные параметры

функционирования БСС. Выделяются такие параметры функционирования БСС,

как связность сети и время доставки сообщений. Рассматриваются вопросы

влияния распределения узлов на территории на основные параметры

функционирования БСС.

Глава два посвящена разработке моделей БСС с равномерным и

неравномерным (нормальным) распределением узлов и исследованию параметра

связности сети для этих моделей. Модели сетей с разными видами распределений

строятся на основе модели случайного графа, обобщенной модели Эрдеша-Реньи,

которая позволяет описать вероятность связности БСС как вероятность связности

13

случайного графа, т. е. определить вероятность нахождения ребра между двумя

вершинами графа.

Для исследования вероятности связности сети реализованы имитационные

модели с равномерным (пуассоновским) и нормальным (гауссовым)

распределением узлов. Выбор этих видов распределения объясняется

возможными реальными распределениями узлов по территории.

В ходе имитационного моделирования получены результаты, которые

показывают, что связность не зависит от распределения узлов, а зависит от

дисперсии распределения узлов.

В рамках исследований получена модель БСС, которая позволяет оценить

связность сети, исходя из числа узлов, дисперсии распределения узлов и радиуса

узла.

В третьей главе разрабатываются аналитические модели БСС с

равномерным и неравномерным распределением узлов для исследования

вероятностно-временных показателей функционирования БСС.

Модели сетей рассматриваются как системы массового обслуживания. Для

оценки ВВХ рассматриваются зависимости длины маршрутов и задержки при

доставке данных от видов распределения узлов.

При исследовании длин маршрутов рассматриваются топологии «точка-

точка» и «точка-мультиточка».

Время доставки сообщения определяется длиной маршрута и временем

доставки пакета на каждом участке маршрута.

Анализ результатов исследований показал, что длины маршрутов при

передаче данных не зависят от распределения узлов БСС, а зависят от дисперсии

распределения этих узлов.

Кроме того, при анализе наиболее загруженных участков маршрута

выявлено, что начальные участки маршрута менее загружены, а максимальная

нагрузка возникает на последнем участке маршрута перед шлюзом.

В результате проведенных исследований показано, что при организации

транзитных участков для одночастотных и разночастотных каналов необходимо

14

учитывать трафик влияющих узлов сети и пропускную способность транзитных

узлов.

Четвертая глава посвящена разработке модели сети с мультимодальным

распределением узлов. При построении модели рассмотрена сеть городской

застройки, в которой плотность узлов внутри здания больше, чем за его

пределами. Для разработанной аналитической модели проводятся исследования

связности и вероятностно-временных характеристик БСС.

Доказано, что рассматриваемые параметры функционирования БСС при

мультимодальном распределении узлов зависят от дисперсии распределения

узлов. Разработана имитационная модель сети с мультимодальным

распределением узлов, которая позволяет оценить параметры качества

обслуживания для реальной сети.

В заключении приведены основные выводы, полученные в ходе выполнения

диссертационной работы.

Список литературы содержит ссылки на используемые источники,

приведенные в алфавитном порядке, сначала русскоязычные источники, затем

источники на иностранных языках.

В приложениях приводятся программные коды на языке С++ и акты

внедрения основных результатов диссертационной работы.

15

Глава 1.

МЕТОДЫ ПОСТРОЕНИЯ И ПАРАМЕТРЫ ФУНКЦИОНИРОВАНИЯ

БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ

1.1. Базовые принципы построения БСС

Беспроводные всепроникающие сенсорные сети (WSN) представляют собой

самоорганизующиеся сети, состоящие из множества беспроводных сенсорных

узлов, распределенных в пространстве и предназначенных для мониторинга

характеристик окружающей среды и управления объектами, расположенными в

ней [33].

Пространство, которое покрывается сенсорной сетью, называют сенсорным

полем.

Беспроводные сенсорные узлы представляют собой миниатюрные

устройства с ограниченными ресурсами: зарядом батареи, объемом памяти,

вычислительными возможностями и т. д. [96].

Параметры узлов сети, в зависимости от назначения сети, могут

варьироваться. При проектировании того или иного вида сети необходимо

учитывать возможности узлов: энергоэффективность, вычислительные

способности, возможность автономной работы и т. п. [62].

Самоорганизующаяся беспроводная сеть, в частности БСС, может быть

образована некоторым множеством узлов, каждый из которых находится в зоне

доступности хотя бы одного узла из этого множества, и каждый из узлов имеет

возможность отправки данных узлу назначения, которым может быть шлюз или

любой другой узел сети [33].

Сети могут быть гомогенными или гетерогенными в зависимости от типа

узлов, из которых они строятся.

16

В общем случае, в гетерогенной сети все или часть узлов сети могут быть

подвижными, иметь различные скоростные характеристики, стандарты связи

физического и канального уровней [37].

Для организации связи между узлами в беспроводных сенсорных сетях был

разработан стандарт IEEE 802.15.4. К этому стандарту относится технология

ZigBee, позволяющая создавать самоорганизующиеся и

самовосстанавливающиеся беспроводные сети с автоматической ретрансляцией

сообщений, с поддержкой батарейных и мобильных узлов.

Сети ZigBee при относительно небольших скоростях передачи данных

обеспечивают гарантированную доставку пакетов и защиту передаваемой

информации.

Стандарт ZigBee предусматривает частотные каналы в диапазонах 868 МГц,

915 МГц и 2,4 ГГц. Наибольшие скорости передачи данных и наивысшая

помехоустойчивость достигаются в диапазоне 2,4 ГГц. Скорость передачи данных

вместе со служебной информацией в эфире составляет 250 кбит/c . При этом

средняя пропускная способность узла для полезных данных в зависимости от

загруженности сети и количества ретрансляций может лежать в пределах 5 ...

40 кбит/с.

Расстояния между узлами сети соcтавляют десятки метров при работе

внутри помещения и сотни метров на открытом пространстве. За счет

ретрансляций зона покрытия сети может значительно увеличиваться.

В основе сети ZigBee лежит ячеистая топология (mesh-топология). В такой

сети, каждое устройство может связываться с любым другим устройством как

напрямую, так и через промежуточные узлы сети. Ячеистая топология предлагает

альтернативные варианты выбора маршрута между узлами. Сообщения

поступают от узла к узлу, пока не достигнут конечного получателя. Возможны

различные пути прохождения сообщений, что повышает доступность сети

в случае выхода из строя того или иного звена [108].

Исключением из стандарта можно считать технологию Bluetooth,

описываемую стандартом IEEЕ 802.15.1.

17

Беспроводная сеть Bluetooth в классическом понимании – это беспроводная

одноранговая динамическая сеть с переменным количеством мобильных узлов с

децентрализованным управлением, которая может быть развернута в

ограниченном пространстве (с количеством узлов до 80). Радиосвязь Bluetooth

осуществляется в безлицензионном ISM-диапазоне (2,4…2,4835 ГГц) со

скоростями 1 Мбит/с (версия 1.2); 3 Мбит/с (версия 2.0); 24 Мбит/с (версия 3.0).

Для Bluetooth характерно стихийное создание мобильной сети массового

пользователя, когда практически любой человек, владея таким

радиоинтерфейсом, может к ней без труда подключиться, если, конечно, не

решена политика безопасности от несанкционированного доступа. Это становится

первостепенной задачей при использовании технологии Bluetooth для

беспроводной сенсорной сети.

Если говорить о ZigBee, то для этой технологии уже предусмотрены

программно-аппаратные средства в виде AES-криптозащиты. В отличие от

Bluetooth, ZigBee сеть представляет собой распределенную самоорганизующуюся

беспроводную структуру, которая может простираться на многие километры и

состоять из большого количества узлов. В ее архитектуре помимо возможностей

подключения датчиков предусмотрено наличие центрального узла управления (в

виде точки доступа с возможностью для подключения стационарного ПК или

переносного компьютера, выполняющего функции управления и обработки

информации). В настоящее время технология ZigBee, разработанная

непосредственно для беспроводных сенсорных сетей, является, по сути,

единственной технологией, с помощью которой можно решить любые задачи

мониторинга и контроля, которые в т. ч. критичны ко времени отклика от

датчиков [109].

Wi-Fi технология позволяет строить беспроводные самоорганизующиеся

сети инфраструктурного типа, т. е. создавать многоточечную топологию с

беспроводной точкой доступа для подключения мобильных абонентов. Однако

такая топология, скорее, является одним из недостатков, если рассматривать ее

как вариант самоорганизующейся сети – выход из строя базовой станции (точки

18

доступа) приводит к падению мобильной радиосети в целом. В сетях Wi-Fi

используются несколько модификаций стандарта 802.11. Стандарт 802.11a

предусматривает передачу данных на частоте 5 ГГц со скоростью до 54 Мбит/сек

[110]. Основным преимуществом технологии являются простота принципов

построения и настроек мобильного абонента под беспроводную сеть, но при этом

Wi-Fi существенно «проигрывает» ZigBee по мобильности и энергопотреблению.

Сравнительный анализ технологий организации связи узлов БСС приведен в

таблице 1.1.

Свойства сети зависят от многих факторов, таких как характеристики зоны

(области) обслуживания, количества и распределения узлов на плоскости или в

пространстве, их параметров и других [33–37].

Реальная сеть может состоять из огромного количества узлов, для

взаимодействия которых и обеспечения передачи данных используется

кластеризация сети [10].

Кластерная организация является эффективной и масштабируемой для

функционирования USN [96], но лишь при условии рационального выбора

головного узла в кластерной сети конкретный момент времени [33, 26–30].

19

Таблица 1.1 – Сравнительная таблица стандартов организации связи

ПАРАМЕТРЫ СТАНДАРТЫ

Bluetooth ZigBee Wi-Fi

Частоты 2,4 ГГц 0,868/0,915/2,4 ГГц 2, 4, 5 – 6 ГГц

Количество каналов 79 1/10/16 14

Скорость передачи 3 Мбит/с 20 – 250 кбит/с 11 Мбит/с – 10 Гбит/с

Уровень OSI Физический, канальный Физический, канальный

(сетевой – приложений) Физический, канальный

Доступ к среде FHSS DSSS DSSS, CCK, OFDM

Использование технологии MIMO Есть Есть Есть

Радиус действия устройств 10 м 10 – 100 м 100 м

Полоса пропускания канала 1 МГц 0,3/0,6 МГц; 2 МГц 22 МГц

Модуляция GFSK BPSK, O-QPSK BPSK, QPSK, COFDM, CCK,

MQAM, QAM

Количество устройств в сети 8 65 000 2007

Уровень мощности 0 – 30 дБм От 0 дБм (1 мВт) 20 дБМ

Потребляемая мощность 40 mA TX, в режиме ожидания

0,2 mA

30 mA TX, в режиме ожидания

3 μA

400 mA, в режиме ожидания

20 mA

Частоты 2,4 ГГц 0,868/0,915/2,4 ГГц 2, 4, 5 – 6 ГГц

20

1.2. Методы и алгоритмы выбора структуры БСС

К настоящему моменту разработано достаточно много алгоритмов выбора

головного узла кластера в БСС. Следует отметить, что оптимальный алгоритм

выбора головного узла для любой сенсорной сети вряд ли будет когда-либо

разработан в связи с чрезвычайно большим числом приложений сенсорных сетей,

а так же разнообразием расположения узлов этих сетей в n-мерном пространстве

[26].

Тем не менее, анализ алгоритмов выбора головного узла позволяет провести

их классификацию.

В первую очередь, алгоритмы выбора головного узла в БСС подразделяются

на централизованные и децентрализованные. Централизованные алгоритмы

выбора головного узла подразумевают наличие вычислительных возможностей в

некоем управляющем элементе сети, не связанных с жестким ограничением по

потребляемой энергии. Децентрализованные алгоритмы выбора головного узла

предполагают, что процедура назначения головного узла происходит в рамках

самого сенсорного поля без централизованного вмешательства. При этом

выдвигаются весьма жесткие требования по сложности самой процедуры, которая

не должна использовать более или менее заметных затрат ограниченных

энергетических ресурсов всепроникающей сенсорной сети. Примером

централизованного алгоритма выбора головного узла может служить алгоритм

выбора головного узла CHS с использованием диаграмм Вороного,

разработанный в СПбГУТ [28–30].

Его преимущество по сравнению с наиболее известным

децентрализованным алгоритмом выбора головного узла – LEACH (по

результатам моделирования в системе С#.NET), заключается в увеличении

энергетической эффективности и обеспечении лучшего покрытия БСС, что

обеспечивает более длительный жизненный цикл сети [29, 61].

Аналогичные исследования были проведены Н. А. Аль-Кадами. В работе [2]

проведена оценка и проанализированы алгоритмы маршрутизации и

21

самоорганизации для беспроводных сенсорных сетей со стационарными узлами

на плоскости. В качестве параметров функционирования БСС рассматривались

длительность стабильного функционирования сенсорной сети, остаточная

энергия, длительность периодов времени до гибели первого и последнего

сенсорных узлов. Сравнение алгоритмов производилось для гомогенной и

гетерогенной сети.

Как видно из вышеизложенного, исследуемые модели БСС

рассматриваются с точки зрения обеспечения максимального жизненного цикла

БСС и энергетической эффективности ее узлов для равномерного распределения

узлов на плоскости.

LEACH является очень эффективным алгоритмом с точки зрения

энергетической эффективности сети в целом, но в то же время LEACH не дает

гарантий по выбору «хорошего» сенсорного узла в качестве головного узла

кластера. Поскольку в алгоритме LEACH нет предположения о текущем

энергетическом состоянии сенсорного узла, то в качестве головного может быть

выбран давно не избираемый член кластера с неудовлетворительными

энергетическими характеристиками [33].

Алгоритм PEGASIS (Power-Effеcient Gatharingin Sensor Information

Systems) – эффективная по мощности система сбора информации от сенсоров не

имеет прямого отношения к кластерной организации беспроводных сенсорных

сетей.

Алгоритм PEGASIS предусматривает основанный на LEACH алгоритм

организации сенсорных узлов в последовательную цепочку и периодическое

обновление первого узла в цепочке так же, как это предусмотрено в кластерных

БСС. В алгоритме PEGASIS цепочка формируется таким образом, чтобы

сенсорные узлы взаимодействовали только с ближайшими и только один из узлов

являлся бы передающим информацию на базовую станцию в каждом из

интервалов функционирования сенсорной сети. Построение цепочки позволяет

минимизировать расстояние, на которое передается информация, а ротация

первого сенсора в цепочке увеличивает длительность функционирования

22

отдельных сенсорных узлов. Такой подход позволяет для беспроводных

сенсорных сетей снизить общее энергопотребление и увеличить длительность

функционирования БСС в целом.

Алгоритм PEGASIS лучше алгоритма LEACH на 100–200 % в отношении

гибели 1, 25, 50 и 100 % узлов сенсорной сети и топологий. Однако цепочки

алгоритма PEGASIS создают дополнительные задержки при передаче

информации. Кроме того, динамическое изменение топологии в алгоритме

PEGASIS требует, чтобы каждый сенсорный узел знал об энергетических

возможностях своих ближайших соседних узлов для вычисления маршрута

передачи данных. Последнее существенно усложняет заголовок пакета и помимо

этого приводит к проблемам при функционировании сенсорной сети в условиях

большой нагрузки [91].

Работа алгоритма TEEN (Thershold-sensitive Energy Efficient Protocols)

строится следующим образом: при образовании нового кластера головной узел

рассылает узлам сети значения атрибутов так называемого «жесткого » и

«мягкого» порога. При достижении атрибутом узла абсолютного значения

«жесткого» порога узел передает данные, значение «жесткого» порога при этом

сохраняется в памяти узла. «Мягкий» порог позволяет передавать информацию от

узла к головному узлу кластера, если это значение изменилось на какую-то

величину.

Каждый раз при новом раунде, т. е. изменении кластера атрибуты

«жесткого» и «мягкого» порогов передаются заново, и в зависимости от целевой

функции сетей эти атрибуты можно контролировать и изменять [69].

Хочется отметить, что алгоритмы выбора головного узла и алгоритмы

маршрутизации все-таки разные понятия. Алгоритм выбора головного узла

определяет головной узел в раунде функционирования кластера БСС, исходя из

особенностей функционирования, т. е. фактически строит сеть, доступную для

оказания услуги, а передача данных (услуга) непосредственно организуется

алгоритмом маршрутизации, который, в свою очередь зависит от типа

23

передаваемого трафика и требований, предъявляемым к обслуживанию этого

трафика.

Кроме того, рассмотренные модели предполагают равномерное

распределение узлов на плоскости.

На практике распределение узлов на плоскости может быть и

неравномерным [6, 71]. На рисунке 1.1 представлены различные варианты

рассеивания сенсорных узлов на плоскости.

Рисунок 1.1 – Варианты рассеивания сенсорных узлов на плоскости

При неравномерном распределении узлов на плоскости вопрос алгоритма

выбора головного узла и кластеризации достаточно спорен. Это вызвано

неравномерностью распределения и соответственно разными расстояниями

между узлами. В центре зоны рассеивания плотность узлов больше, расстояния

между узлами меньше, нетрудно предположить, что формирование кластера

займет меньше времени, и время доставки сообщений за счет расстояния между

узлами будет существенно меньше. В этом случае алгоритм выбора головного

узла будет зависеть от требований по обслуживанию передаваемого трафика. Но

при увеличении радиуса рассеивания расстояние между узлами будет

увеличиваться, причем неравномерно, соответственно доступность кластера, как

и его формирование, видится проблематичным [4].

24

1.3. Требования к качеству обслуживания БСС

Вероятностно-временные параметры обслуживания трафика являются

основными показателями качества функционирования сети связи. Для сетей

общего пользования они нормируются [80], причем нормативные значения

определяются основными требованиями со стороны предоставляемых услуг связи

[45].

Для самоорганизующихся сетей эти показатели также имеют определяющее

значение, т. к. они характеризуют потенциальные возможности этих сетей по

обслуживанию трафика различного рода услуг [48, 50, 53]. Существенным

отличием данного класса сетей, определяющим требования к качеству

обслуживания, от сетей связи общего пользования является их целевое

назначение, определяемое областью их применения [53].

Время доставки данных в сети также является одним из основных

показателей качества и зависит как от технологии реализации каналов связи

между узлами сети, так и от числа транзитов (скачков) в маршруте доставки

данных [83]. Число транзитов, в свою очередь, также определяется топологией

сети.

Требования к качеству обслуживания трафика в них могут изменяться в

широких пределах в зависимости от решаемой сетью задачи. Например,

требования к вероятности потерь и задержке могут быть значительно ниже для

сетей, толерантных к потерям и задержке (DTN) [8, 53], чем для сетей связи

общего пользования. Также они могут быть сопоставимы с этими требованиями,

если сеть используется в целях предоставления таких услуг как передача речи или

видео, например для сенсорных управляющих сетей (SCN) в системах

обеспечения безопасности в случаях ЧС [51, 54].

Эти параметры существенно зависят, как от технологии организации связи

между узлами сети, так и от способа ее построения, т. е. топологии (физического

расположения узлов) и методов маршрутизации трафика. Методы построения

сети и ее топология, в свою очередь, в значительной степени определяются

25

областью применения и целевым назначением. Поэтому, целесообразно иметь

возможность выбора параметров сети с учетом их влияния на ее вероятностно-

временные характеристики.

1.4. Влияние топологии сети на параметры функционирования

Как уже отмечалось ранее, одним из важных факторов, влияющих на

свойства сети, является ее топология, т. е. расположение узлов относительно друг

друга в зоне обслуживания [77].

На канальном уровне в стандарте IEEE 802.15.4 [79, 89] приведены общие

рекомендации к построению топологии сети. Сети могут быть одноранговыми

P2P, либо иметь топологию «звезда» (рис. 1.2).

Рисунок 1. 2 – Варианты топологии сетей стандарта IEEE 802.15.4

На основе структуры P2P [75] могут формироваться произвольные

структуры соединений, ограниченные лишь дальностью связи между парами

узлов. С учётом этого возможны различные варианты топологической структуры

БСС, в частности «дерево» кластеров – структура, в которой узлы, являясь

«листьями дерева», связаны только с одним полнофункциональным устройством

(т. е. устройство, которое может выполнять функции и координатора и узла), а

26

большинство узлов в сети являются полнофункциональными устройствами.

Возможна также ячеистая топология сети, сформированная на основе кластерных

«деревьев» с локальным координатором для каждого кластера и содержащая

глобальный сетевой координатор [61].

Топология сети во многом определяет выбор технологий физического и

канального уровней, протоколов самоорганизации. В свою очередь, выбор

способа расположения узлов сети зависит от ее назначения, параметров узлов,

способа их инсталляции.

Если узлы сети «привязаны» к некоторым объектам обслуживаемой

инфраструктуры, например, к контролируемым или управляемым объектам, то их

расположение определяется, во-первых, размещением этих объектов, а также

способом размещения некоторых узлов, выполняющих вспомогательные

функции. При «привязке» к объектам инфраструктуры, их размещение можно

считать детерминированным, при котором известны координаты узлов и

расстояния между ними.

При рассмотрении сети с фиксированными (неподвижными) узлами, в

зависимости от ее назначения, распределение узлов в зоне обслуживания может

быть выполнено различными способами.

При этом могут решаться такие задачи как покрытие некоторой области или

областей в зоне обслуживания зонами действия сенсорных устройств, входящих в

состав узлов сети, обеспечение связности сети и ее надежности.

В общем случае, размещение узлов можно рассматривать как случайное.

В реальной сети при детерминированном размещении узлов невозможно

обеспечить абсолютную точность их установки [17], поэтому данный случай не

противоречит предположению о случайном характере их размещения.

При привязке узлов к пользователям, например, распределение

индивидуальных устройств, аналогичных по размещению терминалам сетей

подвижной связи, определяется распределением пользователей (абонентов). При

привязке к вещам, окружающим человека, распределение узлов в пространстве

определяется распределением этих вещей.

27

Топология самоорганизующейся беспроводной сети в значительной степени

влияет на основные показатели ее функционирования, которыми являются

доступность и время доставки сообщения (данных) [81, 82]. Как правило, понятие

доступности рассматривается как возможность предоставления услуги. В

рассматриваемых сетях эта возможность непосредственно связана с понятием

связности.

Выводы по главе 1

В данной главе были рассмотрены: основные базовые пинципы построения

БСС, методы организация структуры БСС, требования к качеству обслуживания и

влияние топологии сети на ее свойства.

Выявлено, что в качестве основного параметра функционирования БСС

целесообразно рассмотреть доступность сети (возможность сети оказывать

услугу), которая в свою очередь характеризуется связностью или вероятностью

связности.

В качестве основных параметров функционирования БСС, влияющих на

качество обслуживания, были выделены вероятностно-временные

характеристики, а именно, время доставки сообщений.

На практике (в реальной сети) узлы распределяются неравномерно, что

подтверждает актуальность темы диссертационной работы и поставленные задачи

для выполнения.

Необходимо разработать модели БСС с неравномерным распределением

узлов сети.

Необходимо исследовать наличие зависимости связности сети от

распределения узлов и влияние распределения узлов и их параметров на решения

задач по построению сетей с заданными требованиями к связности.

28

Необходимо исследовать влияние распределения узлов на вероятностно-

временные характеристики БСС при обеспечении заданных параметров

связности.

29

Глава 2.

РАЗРАБОТКА МОДЕЛЕЙ И ИССЛЕДОВАНИЕ СВЯЗНОСТИ

БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ

2.1. Выбор модели сети для оценки связности БСС

Как было сказано ранее область применения БСС включает в себя системы

мониторнига (технологические процессы производства, контроль дорожного

движения, детектирование данных об окружающей среде), системы безопасности

(контроль доступа, аварийная сигнализация и т. п.), обнаружение ЧС (пожарная

сигнализация, сейсмическая активность и др.).

Основные достоинствами БСС являются: низкая стоимость, быстрая

установка, продолжительное время функционирования, низкая стоимость

обслуживания.

Среди основных проблем, возникающих при работе БСС можно выделить:

нестабильность радиоканала (параметры канала, зависимость от вида

передаваемого трафика, расстояния передачи и окружающей среды), отказы узлов

сети из-за расхода энергии.

Подход к планированию БСС зависит от предметной области. Если БСС

будет работать в ограниченной области и обслуживать фиксированное количество

объектов, то узлы сети могут быть «привязаны» к объектам. Структура сети

предопределяется в процессе планирования, но она может измениться при отказах

узлов сети.

На сегодняшний день узлы БСС обеспечивают продолжительное время

функционирования сети – несколько лет (до 10 лет).

Однако, планируя сеть на длительный период, невозможно быть абсолютно

уверенным, что ее структура не изменится в будущем.

30

Основной причиной потери функциональности является потеря связности

сети. Связность сети характеризует возможность доставки данных от узла

источника к получателю.

Поэтому необходимо разработать модели БСС, позволяющие оценить

связность сети (или потенциальные возможности ее обеспечения).

Зона узлов связи БСС ограничивается параметрами антенны, мощностью

передатчика, мощностью шума и помехами других передатчиков.

Будем полагать, что связность сети зависит от расстояния между узлами, а

радиус узла связи это 2D диск с радиусом R, распределение узлов равномерное,

т. е. узлы сети образуют Пуассоновское поле (рис. 2.1).

0 50 100 150 200

0

50

100

150

200

Ri

j

s

t

Рисунок 2.1 – Пример сети с радиусом связи узла R и равномерным распрелением узлов

Связность одного узла может быть описана выражением 2ρπ1 R

np e . Тогда

вероятность связности сети можно определить как ( )

2, , 1...

con

ij

c

np i j n

n .

31

БСС состоит из некоторого количества узлов n, каждый из которых, в общем

случае, может быть связан или не связан с соседними узлами. В последнем случае

услуга передачи данных для этого узла не доступна.

Расположение узлов зависит от конкретного назначения сети и вероятно, что

оно выбирается с учетом обеспечения связности, однако, в процессе эксплуатации

узлы могут отказывать или изменять свое положение (например, в случае сети с

подвижными узлами). Поэтому целесообразно предположить, что распределение

узлов случайно, следовательно, наличие связей между ними также случайно.

Сделаем допущение о том, что число узлов неизменно и равно n. В таком

случае сеть может быть описана случайным графом ,G n p , где p – вероятность

наличия связи между узлами.

Выбирая модель случайного графа, будем полагать, что каждая вершина

(узел) может быть связана с другой вершиной (узлом) с вероятностью p (рис. 2.2).

Рисунок 2.2 – Представление сети в виде случайного графа с вероятностью связи

между двумя вершинами p

В этом случае, для определения вероятности связности графа целесообразно

использовать теорему Эрдеша – Реньи.

По аналогии со связностью графа [18] сеть является связной (рис. 2.3), если

между любой парой узлов найдется хотя бы один маршрут пропуска трафика.

32

Рисунок 2.3 – Пример представления сети с нормальным распределением узлов

в виде графа в симуляторе Cooja

Исследование вероятности связности сети, определяющей количественную

долю возможных соединений и являющуюся важнейшей характеристикой [7, 8],

т. е. фактически характеризующей доступность услуг будет более подробно

рассмотрена далее.

Целью исследования является поиск зависимости связности сети от

распределения узлов и влияние распределения узлов и их параметров на решение

задач по построению сетей с заданными требованиями к связности.

2.2. Определение вероятности связности сети

Теория графов играет огромную роль в фундаментальной и прикладной

математике. Теория случайных графов была создана Полом Эрдёшем и

Альфредом Реньи, после открытия Эрдёшем того факта, что случайный анализ

зачастую удобен для решения проблем теории графов [3].

33

Основная идея теории случайных графов состоит в том, чтобы определить

при какой вероятности будет проявлено некоторое свойство. Основное открытие

Эрдеша и Реньи состоит в том, что многие важные свойства случайных графов

начинают проявляться довольно внезапно. То есть, при заданной вероятности,

либо практически каждый граф обладает свойством (состоящем, например, в том,

что каждая пара вершин соединена последовательными ребрами), либо

практически ни один граф им не обладает. Переход от вероятного к

маловероятному событию происходит при этом очень резко [23].

Обобщенная модель Эрдеша – Реньи [18, 58] позволяет описать вероятность

связности случайного графа ,nG V E . Модель сети задана графом, содержащим

узлы 1,....,nV n , наличие ребра между вершинами i и j в графе определяется

вероятностью ijp , Е – случайное множество ребер в графе.

Тогда, вероятностное пространство определяется как

,, , ,ijij n n n pG n p F P , (2.1)

в котором

,

(ij) E (ij) E

, , 2 , P (1 ).n

ijn n n n p ij ijG G V E F G p p

Если зафиксировать некоторый граф , , ,n n n nG H p H V E , в котором

, (i, j) E

0, (i, j) E ,n

n

p

ijp

, ( ) (1 p) nE E E

n pijP G p

, (2.2)

где E – математическое ожидание числа ребер в графе, то для случайных графов,

описываемых данной моделью, известна теорема [58], которая гласит, что если

34

cln np

n , где с – постоянная величина, то при c < 1 граф почти никогда не связен,

а при c > 1, граф почти всегда связен.

Фактически, выражение ln n

pn

определяет пороговое значение

вероятности ребра, при превышении которого сеть связна с вероятностью

более 0,5.

При достаточно больших n и с, вероятность связности графа может быть

приблизительно оценена [58] как

,

1(G) 1 .n pP

n (2.3)

2.3. Разработка модели и исследование вероятности связности сети при

равномерном распределении узлов

Рассмотрим два варианта организации сети: сеть, узлы которой образуют

пуассоновское поле [14] (рис. 2.4), в области ограниченной квадратом со стороной

200 м и сеть, узлы которой образуют гауссово поле (рис. 2.6).

Под гауссовым полем будем понимать модель сети, координаты узлов

которой случайны, независимы и распределены по двумерному нормальному

закону [5].

35

0 50 100 1500

50

100

150

200

200

x м

y м

R

Рисунок 2.4 – Графические представления аналитических моделей БСС

(пуассоновское поле)

В обоих случаях узел сети имеет ограниченную область связи, которая

описывается кругом с центром в точке размещения узла и радиусом R. Тогда

вероятность наличия ребра между вершинами графа p, представляющего

рассматриваемую сеть будет определяться как

( ),

E Rp

n (2.4)

где ( )E R – математическое ожидание числа смежных узлов, т. е. числа узлов,

находящихся на удалении от рассматриваемого узла на расстоянии, не

превышающем R.

2( ) ρ ρπ ,RE R s R (2.5)

где ρn

S 2(узлов / м ) – плотность узлов сети,

2πRs R 2(м ) – площадь круга радиуса R.

На рисунке 2.5 приведены результаты имитационного моделирования сети

из 100 узлов в области, ограниченной квадратом со стороной 200 м. В результате

36

моделирования получены оценки вероятности связности. На том же рисунке

приведена зависимость ( )p R , согласно (2.4).

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

0 10 20 30 40 50

p(R

)

P(R

)

R м

P(R)

p(R)

Рисунок 2.5 – Зависимость связности сети от радиуса связи узла для пуассоновского поля

Как видно из представленных результатов, вероятность связности сети 1

pe

и близка к теоретическому значению ln ln100

0.046100

np

n .

Согласно упомянутой выше теореме это значение граничной вероятности,

определяющей точку фазового перехода сети от несвязного состояния к связному

состоянию и наоборот [58], т. е. точку, в которой вероятность связности равна 0,5.

Полученный результат показывает, что применение модели Эрдеша – Реньи

для сети, определенной пуассоновским полем точек дает вполне точные

результаты и позволяет оценить, в данном случае, необходимую плотность узлов

ρ или радиус связи узла R, для обеспечения необходимой связности сети.

Стоит заметить, что ширина фазового перехода (в данном примере около

20 м радиуса связи узла) характеризует устойчивость сети в части обеспечения

37

связности при изменении радиуса связи, например, при изменении условий

приема из-за помех или окружающей обстановки.

2.4. Разработка модели и исследование вероятности связности БСС

при неравномерном распределении

Как было отмечено выше, во многих практических задачах распределение

узлов сети отличается от пуассоновского поля (рис. 2.6).

0 50 100 1500

50

100

150

200

200

y м

x м

R

Рисунок 2.6 – Графическое представление аналитической модели БСС

(гауссово поле)

В общем случае, оно может быть унимодальным или мультимодальным с

областями высокой и малой плотности узлов.

Для исследования свойств поля отличного от пуассоновского, рассмотрим

сеть, образованную узлами, размещенными в области обслуживания по

нормальному закону, т. е. образующими гауссово поле точек на плоскости.

38

Данная модель, в общем случае, может быть использована при неравномерном

распределении узлов сети в рассматриваемой зоне обслуживания.

Полагаем, что плотность узлов в каждой точке поверхности является

случайной величиной и задается случайными, независимыми координатами x и y.

Тогда, функция плотности вероятности будет определяться совместной функцией

распределения случайных x и y. Для нормального распределения с центром

рассеивания в точке (μ ,μ )x y и круговом рассеивании (равенстве дисперсий по x

и y) плотность распределения равна:

2 2

2

( μ ) ( μ )

2σ2

1ρ( , ) ,

2πσ

x yx y

x y e

(2.6)

где σ – среднеквадратическое отклонение (СКО).

Будем полагать, что вероятность попадания в зону обслуживания равна 1.

Нормальный закон распределения вероятности безграничен по значениям x и y.

Строго говоря, в данных условиях закон распределения не может быть

нормальным. Однако с достаточной точностью его можно описать «усеченным

нормальным» распределением [63]:

2 2

22σ2

1ρ( , ) (σ, ) ,

2πσ

x y

x y K R e

(2.7)

где 2 2

22σ2

1(σ, ) ,

1

2πσR

x y

S

K R

e

(2.8)

где RS – площадь обслуживания.

Выбирая достаточно малое значение , можно добиться того, что

2 2

22σ2

1ε

2πσR

x y

S

e

, где ε достаточно близкое к единице число. Тогда, с достаточной

точностью для описания распределения плотности узлов может быть

использовано выражение (2.6).

39

На рисунке 2.7 приведены результаты имитационного моделирования сети

из 100 узлов c радиусом зоны связи узла 50 м при нормальном законе

распределения узлов с центром рассеяния в центре квадрата, т. е. μ μ 100 мx y

и среднеквадратическими отклонениями равными среднеквадратическому

отклонению равномерного распределения

2 2200σ σ 57,74 м

12 12x y

b a

в области, ограниченной квадратом со стороной 200 м.

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

0 10 20 30 40 50p

(R)

P(R

)

R м

P(R)Гауссовополе

p(R)Пуассоновскоеполе

p(R)Пуассоновскоеполе

p(R)Гауссовополе

Рисунок 2.7 – Зависимость связности сети от радиуса связи узла для гауссова

и пуассоновского полей

Из приведенных результатов имитационного моделирования гауссова поля

видно, что фазовый переход близок к фазовому переходу для пуассоновского

поля.

Приведенное на том же рисунке значение вероятности p(R), также

полученное в результате имитационного моделирования показывает

справедливость (2.3) и по отношению к гауссову полю.

40

Однако, в данном случае для вычисления значения p выражение (2.4)

неприменимо, т. к. математическое ожидание числа узлов в области,

ограниченной кругом, зависит не только от его радиуса R, но и от выбора

положения его центра 0 0(x , )y .

Математическое ожидание количества узлов, попадающих в выбранную

область с радиусом R:

0 0

0

, ,

( , , ) ,o

C R x y

E R x y n f x y dxdy , (2.9)

где 0 0( , , )C R x y – область интегрирования, например, рассматриваемая окружность

с центром в точке 0 0(x , )y и радиусом R,

( , )f x y – двумерное нормальное распределение (2.6).

Поэтому, оценка p представляет определенные сложности, кроме того

аналитическое решение (2.9) возможно лишь для частных случаев.

Однако, полученные результаты позволяют предположить, что вероятность

p определяется дисперсией узлов сети.

Зависимость вероятности p от дисперсии при гауссовом распределении,

полученная методом имитационного моделирования приведена на рисунке 2.8.

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

0 20 40 60 80 100

p

Среднеквадратическое отклонение, м

Рисунок 2.8 – Зависимость вероятности p от дисперсии при гауссовом распределении

41

Результаты имитационного моделирования показали, что связность сети,

образованной, как пуассоновским, так и гауссовым полями определяется

дисперсией (среднеквадратическим отклонением) распределения узлов сети по

территории.

Следует отметить, что в данном случае рассматривалась сеть в целом.

В таких условиях, очевидно, что в случае равномерного распределения

(пуассоновского поля) условия связности для узлов сети, расположенных в

различных координатах зоны обслуживания равнозначны (равновероятны).

Для сети, узлы которой распределены в соответствие с нормальным

распределением (гауссово поле) эти условия не равнозначны, т. к. плотность

узлов и вероятность связности для них зависит от их координат, а именно от

удаления от точки рассеяния.

Для упрощения анализа связности узлов сделаем следующие допущения.

Опишем вокруг центра рассеяния несколько кругов равной плотности, различного

радиуса (рис. 2.9), кратного R (kR). В данном примере три круга с радиусами R, 2R

и 3R. Будем полагать, что плотность узлов внутри первого круга (радиуса R),

а также колец образованных кругами 2R и 3R постоянна.

Для нормального распределения, в частном случае круга равной плотности

радиусом r , вероятность попадания в круг равна:

2

22σ, 1

r

r kP P x y B e

. (2.10)

Соответственно вероятность попадания в кольцо k равна:

2 2

2 2

1

2 2σ , 1,2

k R kR

CkP e e k

(2.11)

42

0 50 100 1500

50

100

150

200

200

y м

x м

Рисунок 2.9 – Распределение узлов в зоне обслуживания

В условиях допущения о равной плотности узлов в границах колец,

вероятность ρn в границах колец будет определяться как

2ρ π,Ck

k

Rp

n (2.12)

где ρ CkCk

Ck

kP

S – плотность узлов внутри кольца k, (2.13)

где 22

1CkS kR k R

– площадь кольца k. (2.14)

Зависимость вероятности kp от номера кольца, т. е. от удаления от центра

рассеяния приведена на рисунке 2.10.

43

1 2 3 4 5 60

0.1

0.2

0.3

0.4

k

pk

Рисунок 2.10 – Зависимость kp от удаления от центра рассеяния

Как и следовало ожидать, приведенная зависимость показывает, что

вероятность связности убывает по мере удаления от центра рассеяния. Причем

для колец, начиная с третьего, т. е. при удалении от центра рассеяния более чем

на 150 м, вероятность p3 меньше пороговой величины 0,046, что говорит о том,

что вероятность связности на этом и большем удалении составляет менее 0,5.

Таким образом, используя выражения (2.11) и (2.12) можно оценить такие

параметры распределения узлов сети как их число n и среднеквадратическое

отклонение , например, для заданного расстояния от центра рассеяния, при

которых для всех участков сети обеспечиваются требования по вероятности

связности.

Выводы по главе 2

Установлено, что случайный характер распределения узлов беспроводной

самоорганизующейся сети по территории и случайный характер свойств

44

радиоканалов между узлами позволяют использовать в качестве модели сети

модель случайного графа.

С помощью имитационного моделирования показано, что фактором,

определяющим связность сети, является дисперсия распределения узлов по

территории.

Применение модели Эрдеша – Реньи позволило определить связность сети

через такие параметры как: число узлов, радиус связи узла, дисперсия их

распределения по территории.

Результаты моделирования для пуассоновского и гауссова полей показали

независимость вероятности связности сети в целом от типа распределения.

Результаты анализа гауссова распределения показали зависимость

связности области сети от ее удаленности от центра рассеяния.

Получено выражение, позволяющее оценить связность сети в кольце равной

плотности, исходя из таких параметров как: число узлов, радиус связи узла

и дисперсии распределения узлов по территории.

45

Глава 3.

РАЗРАБОТКА МОДЕЛЕЙ И ИССЛЕДОВАНИЕ ВРЕМЕННЫХ

ПАРАМЕТРОВ ОБСЛУЖИВАНИЯ ТРАФИКА

БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ

3.1. Влияние трафика на параметры качества обслуживания

Как уже говорилось, взаимное расположение узлов беспроводной

самоорганизующейся сети имеет определяющее значение в части ее

потенциальных возможностей.

Использование беспроводных технологий связи между узлами определяет

требования к топологическим характеристикам сети, которые зависят от свойств

беспроводных каналов и требований к показателям качества обслуживания

трафика.

В общем случае, при обслуживании трафика доставка данных в сети

производится по некоторым маршрутам, которые выбираются используемым

протоколом сетевого уровня, реализующим тот или иной метод выбора

маршрутов [94].

При этом маршрут может содержать некоторое количество транзитных

участков (хопов), включающих в себя узлы и соединяющие их каналы.

Прохождение каждого из таких участков требует затрат времени, которые в

совокупности определяют задержку доставки данных от отправителя к

получателю [107].

Также, на каждом из участков может произойти потеря данных, вероятность

которой в совокупности, определяет вероятность потерь данных на маршруте.

Из этого следует, что качество обслуживания – потери и задержка, зависят

от характеристик маршрута, которыми являются число транзитов и длины

транзитных участков.

46

В общем случае, эти характеристики случайны, следовательно, для их

описания необходимо установить законы распределения вероятностей, которым

они подчиняются.

Также следует иметь в виду, что качество обслуживания зависит и от

свойств самого трафика как процесса. В сетях различного назначения этот

процесс может иметь различные свойства [67].

Например, ряду приложений [97] интенсивно развивающихся технологий

машина-машина (М2М) [88] характерен детерминированный трафик, а ряду

случайный [55].

Трафику передачи видео характерны свойства самоподобного процесса [65],

а трафик передачи речи близок к простейшему потоку [52]. Эти различия также

оказывают влияние на подходы к выбору параметров сети для определенного

целевого назначения.

3.2. Модель БСС как системы массового обслуживания

С учетом вышеизложенного, при рассмотрении вероятностно-временных

характеристик сети, объектом анализа является маршрут пропуска трафика.

Влияние на ВВХ оказывают процессы, происходящие на физическом,

канальном и сетевом уровнях. Описание влияния физического и канального

уровней, в общем случае, зависит от выбранной технологии организации

беспроводной связи между узлами сети.

В литературе известны модели, позволяющие описать физический

и канальный уровень для различных технологий беспроводной связи, например

[70, 76, 90, 92, 100].

Их детальное описание при анализе топологии сети чрезмерно усложнит

задачу, поэтому акцент будет сделан на рассмотрение моделей сетевого уровня.

47

В качестве примера модели сетевого уровня может выступать сеть как

система массового обслуживания.

Работа любой системы массового обслуживания состоит в выполнении

поступающего на нее потока требований или заявок. Заявки поступают одна за

другой в некоторые, вообще говоря, случайные моменты времени. Обслуживание

поступившей заявки продолжается какое-то время, после чего канал

освобождается и снова готов для приема следующей заявки. Каждая система

массового обслуживания в зависимости от числа каналов и их

производительности обладает какой-то пропускной способностью, позволяющей

ей более или менее успешно справляться с потоком заявок.

Предмет теории массового обслуживания – установление зависимости

между характером потока заявок, производительностью отдельного канала,

числом каналов и успешностью (эффективностью) обслуживания.

В качестве характеристик эффективности обслуживания – в зависимости от

условий задачи и целей исследования – могут применяться различные величины

и функции, например: средний процент заявок, получающих отказ и покидающих

систему необслуженными; среднее время «простоя» отдельных каналов

и системы в целом; среднее время ожидания в очереди; вероятность того, что

поступившая заявка немедленно будет принята к обслуживанию; закон

распределения длины очереди и т. д.

Каждая из этих характеристик описывает, с той или другой стороны, степень

приспособленности системы к выполнению потока заявок, иными словами – ее

пропускную способность.

Под «пропускной способностью» в узком смысле слова обычно понимают

среднее число заявок, которое система может обслужить в единицу времени.

Наряду с нею часто рассматривают относительную пропускную способность –

среднее отношение числа обслуженных заявок к числу поданных. Пропускная

способность (как абсолютная, так и относительная) в общем случае зависит не

только от параметров системы, но и от характера потока заявок.

48

Если бы заявки поступали регулярно, через точно определенные

промежутки времени, и обслуживание каждой заявки тоже имело строго

определенную длительность, расчет пропускной способности системы не

представлял бы никакой трудности.

На практике обычно моменты поступления заявок случайны; по большей

части случайна и длительность обслуживания заявки.

В связи с этим процесс работы системы протекает нерегулярно: в потоке

заявок образуются местные сгущения и разрежения.

Сгущения могут привести либо к отказам в обслуживании, либо к

образованию очередей. Разрежения могут привести к непроизводительным

простоям отдельных каналов или системы в целом.

На эти случайности, связанные с неоднородностью потока заявок,

накладываются еще случайности, связанные с задержками обслуживания

отдельных заявок. Таким образом, процесс функционирования системы массового

обслуживания представляет собой случайный процесс [13, 14].

В общем случае, маршрут может быть представлен как многофазная

система массового обслуживания.

При этом каждая из фаз обслуживания представляет собой участок

маршрута. Таким образом, число фаз СМО равно числу скачков в маршруте.

В общем случае каждая из фаз представляет собой СМО вида G/G/1/k [22]

(рис. 3.1).

49

1t

1Q

1ds 2t mt

2 m

)(

1

O)(

2

O)(O

m

)(

1

I )(

2

I)( I

m

1p2p mp

2Q mQ

1T 2T mT

T

s

d

Рисунок 3.1 – Модель маршрута как многофазной СМО

50

Время доставки сообщения между источником и получателем зависит от

параметров фаз обслуживания и их количества. Количество фаз обслуживания

определяется числом транзитов в маршруте.

Для исследования вероятностно-временных характеристик была

разработана имитационная модель сети с нормальным распределением узлов,

образованной 100 узлами, расположенными на плоской поверхности в области,

ограниченной квадратом 200×200 м. Радиус связи узла равен R = 50 м (рис. 3.2).

Рисунок 3.2 – Имитационная модель сети с нормальным распределением узлов

и шлюзом в центре области

51

3.3. Разработка модели и исследование длины маршрута

для топологии «точка-точка»

Топология «точка-точка» характеризуется непосредственной связью

между двумя узлами. При организации такой топологии нет необходимости

в адресации устройств.

При исследовании длины случайного маршрута для топологии «точка-

точка» рассматривалось случайное распределение узлов по территории при

равномерном и нормальном законах распределения независимых координат x

и y (рис. 3.3).

-50

0

50

100

150

200

250

-50 0 50 100 150 200 250 -50

0

50

100

150

200

250

-50 0 50 100 150 200 250

а) равномерное распределение координат

узлов по плоской территории

б) нормальное распределение координат

узлов по плоской территории

Рисунок 3.3 – Равномерное (а) и нормальное распределение (б) координат узлов

(при равных дисперсиях) на плоскости

При использовании нормального закона распределения величина

дисперсии выбиралась равной дисперсии равномерного распределения [14]:

2

,12

U U

b aD x D y

м

2,

(3.1)

где b и a – границы случайной величины (в примере a = 0, b = 200 м).

52

Для поиска кратчайших маршрутов между всеми парами узлов

использован алгоритм Флойда [25], позволяющий найти кратчайшие пути

между всеми парами вершин графа.

Ключевая идея алгоритма – разбиение процесса поиска кратчайших путей

на фазы.

На рисунке 3.4 приведены эмпирические гистограммы длин кратчайших

маршрутов (в числе транзитов) и их аппроксимация плотностью вероятности

распределения Вейбулла [14]:

α

βα 1

α

α,α,β ,

β

x

f x x e

(3.2)

где α и β – параметры распределения.

Возможность применения данного распределения подтверждается

критерием согласия Колмогорова–Смирнова при уровне значимости 0,95 [14].

53

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34

P

Число транзитов

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34

P

Число транзитов

Рисунок 3.4 – Число транзитов в маршруте для равномерного

и нормального законов распределения (при равных дисперсиях)

Как видно (рис. 3.4), полученные формы распределения числа транзитов

и их средние значения (6,5 0,5) статистически равны для равномерного

и нормального распределения координат узлов.

Результаты моделирования показали, что среднее число транзитов

(скачков) в маршруте зависит от дисперсии (среднеквадратического

отклонения).

54

На рисунке 3.5 приведена зависимость среднего числа транзитов

(скачков) в маршруте от отношения среднеквадратического отклонения

к радиусу связи узла σ / R , где σ D , D – дисперсия, R – радиус связи узла.

y = 4,4761x

0

1

2

3

4

5

6

0 0,2 0,4 0,6 0,8 1 1,2

Чи

сло

тр

анзи

тов

/R

Рисунок 3.5 – Зависимость среднего числа транзитов в маршруте

от среднеквадратического отклонения

Увеличение дисперсии (среднеквадратического отклонения) приводит

к росту среднего числа транзитов по закону близкому к линейному закону.

По результатам эксперимента получена эмпирическая зависимость

среднего числа транзитов от дисперсии:

σ σпри 1,5

,

0 иначе

pkm R R

(3.3)

где 4,48pk по результатам моделирования.

Результаты моделирования показали, что среднее число транзитов

нарастает до момента фазового перехода сети в несвязное состояние [93].

Полученные результаты позволяют оценить среднее число скачков

в случайном маршруте, т. е. маршруте между двумя произвольными узлами

сети.

55

В ряде задач требуется производить доставку трафика не между двумя

случайными узлами (точка-точка), а между заданным узлом (или группой

узлов) и остальными узлами сети (точка-мультиточка или мультиточка-точка).

Эти варианты рассмотрены далее.

3.4. Разработка модели и исследование длины маршрута

для топологии «мультиточка-точка»

Часто, в прикладных задачах сеть строится в целях сбора данных,

получаемых от множества точек распределенных некоторым образом

на поверхности или в пространстве. Задача сети в этом случае состоит

в доставке данных от этого множества точек (узлов) к шлюзу, который

выполняет функцию сбора данных или их транзита в другую сеть или средство

обработки.

В подавляющем большинстве случаев шлюз сети располагается

в геометрическом центре зоны обслуживания. Тогда направления передачи

данных ориентированы радиально от границ зоны обслуживания к ее

геометрическому центру (мультиточка-точка).

Используя описанную выше имитационную модель, были получены

распределения длин маршрутов от узлов сети к шлюзу, расположенному

в геометрическом центре зоны обслуживания. Результаты приведены

на рисунке 3.6.

56

0

0,05

0,1

0,15

0,2

0,25

0,3

0 1 2 3 4 5 6 7 8 9

P

Число транзитов

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

0 1 2 3 4 5 6 7 8 9

P

Число транзитов

Рисунок 3.6 – Число транзитов в маршруте для равномерного

и нормального законов распределения, при равных дисперсиях (до шлюза)

Как видно из приведенных выше рисунков, среднее число транзитов для

шлюза в центре меньше, чем для случая точка-точка (рис. 3.5) и статистически

равно для равномерного и нормального распределения координат узлов в зоне

обслуживания (3,8 0,5 узлов).

Рассмотренная выше модель предполагала, что любой из узлов сети

может выполнять функции оконечного (сенсорного) и транзитного узла, при

этом выбор маршрута, а соответственно и транзитных узлов, производится по

57

критерию минимальной суммарной протяженности маршрута (каждый из узлов

сети может участвовать в передаче транзитного трафика).

Следует отметить, что в ряде практических реализаций такой подход

может оказаться неприемлем.

Когда узлы сети имеют автономные невосполняемые источники энергии,

для продления времени функционирования сети используется режим низкого

потребления («сна»), в котором узлы не способны передавать и принимать

данные.

Для реализации функций транзита трафика требуется, чтобы узел

находился в активном режиме.

Для решения данной проблемы используются различные подходы, такие

как различные алгоритмы кластеризации сети [21], использование временных

головных узлов [95] или использование постоянных головных узлов с внешним

питанием.

Алгоритмы кластеризации предполагают, что лишь часть узлов сети

на некотором интервале времени (раунде) может выполнять функции транзита,

по истечении раунда функции узлов меняются (чаще всего случайным

образом).

Использование временных головных узлов и узлов с внешним питанием,

предполагает, что их время функционирования не связано с расходом энергии

на прием и передачу данных.

Для сравнительного анализа необходимого количества транзитных узлов

рассмотрим сначала пример использования постоянных головных (транзитных)

узлов.

Из рисунка 3.3 нетрудно заметить, что для полного покрытия зоны

обслуживания при условии обеспечения связности между транзитными узлами

их можно разместить в узлах решетки (50 м). Для данного примера потребуется

21 транзитный узел.

58

При моделировании данной структуры предполагается, что имеются два

типа узлов: оконечные (сенсорные) и головные (транзитные) узлы, а сенсорный

узел не может выполнять функции транзита трафика.

На рисунке 3.7 приведены распределения средней длины маршрута

(в числе транзитов) для описанного варианта постоянных головных узлов при

равномерном и нормальном распределении координат сенсорных узлов.

0

0,05

0,1

0,15

0,2

0,25

0,3

0 1 2 3 4 5 6 7 8 9

P

Число транзитов

0

0,05

0,1

0,15

0,2

0,25

0,3

0 1 2 3 4 5 6 7 8 9

P

Число транзитов

Рисунок 3.7 – Число транзитов в маршруте для равномерного

и нормального законов распределения, при равных дисперсиях

и двух типах узлов (детерминированное расположение транзитных узлов) (до шлюза)

59

Результаты моделирования показали, что в данном случае распределения

числа транзитов и средние значения числа транзитов статистически равны

результатам, полученным для случая узлов одного типа. Это позволяет сделать

вывод о том, что характеристики длины маршрута пропуска трафика не зависят

от вида распределения узлов по территории, а зависят от дисперсии.

Также было показано, что выбор способа организации транзита

(случайные или детерминированные транзитные узлы) также не оказывает

влияния на длины маршрутов.

В приведенной выше модели детерминированного размещения

транзитных узлов был использован для полного покрытия зоны обслуживания

21 транзитный узел.

Для более полной характеристики маршрутов исследуем множество

транзитных узлов в сети с одним типом узлов и шлюзом, расположенным

в центре зоны обслуживания.

Для этой цели оценим число (долю) узлов сети, используемых для

транзита трафика, а также число направлений трафика обслуживаемых

транзитными узлами.

Под направлением трафика, обслуживаемым транзитным узлом, будем

понимать трафик, поступающий от связного с ним сенсорного узла сети, либо

от другого транзитного узла.

Результаты имитационного моделирования показали, что для условий

описанных выше моделей (100 узлов, на территории 200×200 м, R = 50 м, шлюз

в центре) в качестве транзитных используются 24 2 узла, как при

равномерном, так и при нормальном распределении координат узлов.

Этот результат статистически близок к рассмотренному выше случаю

детерминированного размещения 21 транзитного узла.

На рисунке 3.8 приведена зависимость доли транзитных узлов

от отношения /R.

60

0

5

10

15

20

25

30

35

40

0 0,2 0,4 0,6 0,8 1 1,2 1,4

До

ля

тран

зитн

ых

узл

ов

%

/R,

Рисунок 3.8 – Зависимость доли транзитных узлов от отношения /R

Из полученных результатов видно, что при увеличении дисперсии

(отношения /R) увеличивается средняя доля узлов, выполняющих функции

транзита. Полученная зависимость близка к эмпирической линейной

зависимости вида

σ σпри 1,5

η

0 иначе

TkR R

, (3.4)

где 4,48Tk по результатам моделирования.

Результаты моделирования показали, что среднее число транзитных узлов

нарастает до момента перехода сети в несвязное состояние [58].

Следует отметить, что использование транзитных узлов (интенсивность

обслуживаемой нагрузки) в рассматриваемой структуре сети неодинаково. Для

исследования характера загрузки транзитных узлов выполнен анализ их

распределения по числу обслуживаемых направлений.

На рисунке 3.9 приведены результаты анализа числа направлений,

обслуживаемых транзитными узлами при равномерном и нормальном

распределении координат узлов.

61

0,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

1 2 3 4 5 6 7 8 9 10

До

ля

узл

ов

Число направлений

0,00

0,10

0,20

0,30

0,40

0,50

0,60

1 2 3 4 5 6 7 8 9 10

До

ля

узл

ов

Число направлений

Рисунок 3.9 – Распределение числа обслуживаемых направлений транзитными узлами

(равномерное и нормальное распределения координат)

Приведенные на рисунке 3.9 результаты, например, для нормального

распределения, показывают, что в данном примере, около 12 % транзитных

узлов обслуживают одно транзитное направление, около 5 % два направления

и т. д., 1 % транзитных узлов обслуживает трафик 10 транзитных направлений.

Среднее число направлений, обслуживаемых транзитным узлом численно

равно 2,5 0,5 направлений.

62

По результатам приведенного анализа модели сети со шлюзом,

расположенным в центре, можно сделать следующие выводы:

− среднее число транзитов в маршруте зависит от дисперсии координат

узлов и не зависит от вида распределения;

− среднее число транзитов в маршруте при использовании узлов одного

типа статистически эквивалентно среднему числу транзитов при использовании

двух типов узлов и детерминированном размещении транзитных узлов, при

условии полного покрытия территории и связности между транзитными

узлами;

− доля транзитных узлов в сети с одним типом узлов зависит от

дисперсии координат узлов и не зависит от вида распределения;

− транзитные узлы имеют различное использование, число

обслуживаемых ими направлений существенно отличается у различных узлов.

3.5. Разработка модели и исследование задержки доставки данных

Как было показано выше, временные параметры доставки данных в сети

могут быть описаны моделью маршрута как многофазной системы массового

обслуживания [39], приведенной на рисунке 3.1.

Однако учитывая полученные результаты анализа неравномерного

использования транзитных узлов данную модель можно преобразовать к виду,

приведенному на рисунке 3.10.

63

Р

1t

1Q

1s 2t mt

2 m

)(

1

I )(

2

I)( I

m

1p2p mp

2Q mQ

1T 2T mT

T

S

T

I

S

T

S

T

I

1

W5,0

m 21

G

Гра

ни

ца

зо

ны

об

служ

ив

ан

ия

Це

нтр

зо

ны

об

служ

ив

ан

ия

2

)(

2

I

m

)( I

m

g

mp

gQ

gt

)( Ig

)( Ig

I )(1I

1 21

Рисунок 3.10 – Модель маршрута пропуска трафика в сети со шлюзом в центре зоны обслуживания

64

Отличие данной модели состоит в том, что транзитные узлы, находящиеся

в маршруте ближе к конечной точке (шлюзу) обслуживают больший объем

трафика, чем узлы расположенные ближе к началу маршрута. Интенсивность

трафика, обслуживаемого первым узлом маршрута, определяется только

трафиком, связанных с ним сенсорных узлов λ1 трафика следующего узла суммой

интенсивностей трафика связанных с ним сенсорных узлов и трафиком от первого

и, возможно других, транзитных узлов λ1 + λ2 и т. д.

Интенсивность трафика, поступающего на шлюз максимальна и равна

сумме интенсивностей трафика от сенсорных узлов в его зоне связи и трафика

всех маршрутов.

Естественно, что без учета потерь интенсивность трафика шлюза равна

сумме интенсивностей трафика всех узлов сети 1

λ λn

g i

i

.

Как видно из приведенной модели, на различных фазах обслуживания

интенсивность трафика различна. В наиболее критичных условиях работают

шлюз и конечные транзитные узлы маршрутов.

Для исследования задержки доставки данных оценим параметры модели,

число фаз обслуживания и интенсивность нагрузки на различных фазах, время

обслуживания и свойства потока трафика.

Как было показано выше, среднее число фаз обслуживания (число

транзитов в маршруте) в наибольшей степени зависит от дисперсии координат

узлов и может быть рассчитано согласно эмпирической зависимости (3.3),

с округлением результата до большего целого значения.

Свойства потока трафика, поступающего на фазы обслуживания, зависит от

задач, решаемых сетью.

В большинстве случаев в целях мониторинга используется периодическая

передача данных, с определенным периодом τ.

В этом случае, производимый одним узлом трафик является

детерминированным, однако при асинхронной работе узлов сети, агрегированный

трафик имеет характеристики случайного потока.

65

Интенсивность полезного трафика определяется интенсивностью трафика

одного сенсорного узла λ0 и средним числом направлений d0 обслуживаемых

одним транзитным узлом. Таким образом, для i-й фазы обслуживания

1 0λ̂ λak ,

0 1

ˆ ˆλ λ λ , 2i a ik i m , (3.5)

где 2,5ak согласно полученным при моделировании результатам.

Вместе с узлами, обслуживаемыми i-м транзитным узлом, в зоне связи или

точнее зоне взаимного влияния (интерференции) могут оказаться другие узлы

осуществляющие передачу.

Если несколько узлов находятся на расстоянии друг от друга не более

радиуса взаимного влияния (интерференции), при работе на одном частотном

канале пропускная способность канала связи между ними снижается. Это

происходит из-за необходимости распределять использование общего частотного

ресурса во времени из-за интерференции сигналов.

Для решения данной проблемы иногда используются протоколы,

позволяющие вести прием и передачу данных на разных частотных каналах [104].

В этом случае на передачу пакета тратится примерно вдвое большее время и

также примерно вдвое снижается пропускная способность [95].

В случае же использования одного частотного канала пропускная

способность снижается примерно в число раз равное числу узлов [95] в зоне

интерференции.

Рассмотрим случай использования одного частотного канала.

Если полагать, что рассматриваемый транзитный узел простаивает (ожидает

освобождения среды передачи) в течение времени активности влияющих узлов,

то в контексте рассматриваемой модели данная ситуация эквивалентна тому, что

интенсивность трафика на входе данного узла эквивалентна общей интенсивности

трафика, производимого узлами в зоне интерференции ( )λ λ Ii i . Эту величину для

66

случая равномерного распределения узлов (пуассоновского поля) можно оценить

как

2

0λ λ π ρ λ ,i IR (3.6)

где IR – радиус зоны интерференции транзитного узла (в общем случае он может

отличаться от радиуса связи узла R);

ρ – плотность узлов в зоне интерференции (количество узлов,

распределенных в единице площади);

λ0 – интенсивность трафика, производимого одним узлом (количество

пакетов в единицу времени).

В случае нормального распределения узлов сети (гауссово поля) число

узлов в зоне интерференции определяется:

0λ λ ,i In p (3.7)

где n – общее число узлов;

Ip – вероятность попадания узла в зону интерференции, которая для гауссова

поля, в общем случае определяется как интеграл от функции плотности

распределения координат по границе зоны интерференции ( , )I

f x y dxdy .

Для практических расчетов, в ряде случаев, можно сделать допущение о

постоянной плотности узлов в границах зоны интерференции [8].

Для случая использования разных частотных каналов, влияние

интерференции устраняется, а интенсивность нагрузки на входе транзитного узла

будет определяться в соответствие (3.5).

Среднее время обслуживания на i-й фазе 1t определяется скоростью

передачи данных по каналу связи b0 бит/с, а также способом организации связи.

Кроме времени, затрачиваемого на передачу пакета, механизм

предотвращения коллизий уровня MAC предполагает введение защитного

67

интервала ожидания случайной продолжительности (backoff – интервала), это

в конечном итоге приводит к увеличению времени передачи на среднюю

величину этого интервала, в свою очередь, его продолжительность зависит от

вероятности коллизий, а также время необходимое на квитирование передачи.

Наряду со временем, необходимым для выполнения операций

применяемого протокола передачи, в целях экономии энергии могут применяться

различные режимы работы узлов сети. При этом узел может принять

передаваемое ему сообщение только в течение определенного периодически

повторяемого интервала (интервала активного состояния узла). Это приводит

к необходимости ожидания активного состояния и увеличивает время передачи

[74].

τ,MACt t

где MACt – время необходимое для выполнения операций применяемого протокола

передачи (MAC уровня);

τ – среднее время ожидания активного состояния узла.

Например, при использовании стандарта IEEE 802.14.5 [79] среднее время

передачи, в свободном канале, согласно [79] можно определить как

,MAC backoff data ack trtt T T T T

где backoffT – время backoff интервала (по умолчанию 2,368 мс);

dataT – время передачи данных (4,256 мс);

ackT – время передачи сообщения подтверждения (0,352 мс);

trtT – время ожидания подтверждения (0,192 мс);

τ – время ожидания активного состояния узла.

Если для работы транзитных узлов используется один частотный канал, то

время обслуживания определяется скоростью передачи данных в канале [95]

68

и дополнительным временем, необходимым для выполнения операций,

определенных протоколом передачи

.fmac MACt t (3.8)

Если для приема и передачи транзитным узлом используются различные

частотные каналы [104], то пропускная способность равна примерно половине

потенциально достижимой скорости передачи данных по каналу. Если

рассматривать последний вариант, то задержка пакета на одной фазе

обслуживания будет определяться как

2 .mfmac MACt t (3.9)

Среднее время ожидания активного состояния узла специфично для

конкретного приложения и может изменяться в широких пределах.

Для оценки времени ожидания на i-й фазе обслуживания воспользуемся

приближенной формулой системы G/G/1 [22]

2 2

β

2

σ σ,

2 1

tii

i

y tW

y t

(3.10)

где λi iy t – интенсивность нагрузки (Эрл);

t – среднее время обслуживания, с;

1β

λi

i

– интервал времени между сообщениями (пакетами), с;

βσ – среднеквадратическое отклонение интервала времени между

сообщениями, c;

σ t – среднеквадратическое отклонение времени обслуживания, c.

69

Время доставки пакета от источника до шлюза будет определяться как

сумма времени доставки на каждой из фаз обслуживания

1

( 1)m

i g

i

T W W m t

, (3.11)

где gW – средняя величина задержки на ожидание на уровне шлюза, определяется

согласно (3.5), в которой 0λg n a , λg gy t , β 1/ λg g , n – общее число узлов сети.

На рисунке 3.11 приведена зависимость оценки задержки доставки данных,

согласно (3.11), от оконечного узла до шлюза для маршрутов различной длины

(m = 1…4).

5 100

0.5

1

1.5

2

13, пакетов/c

T, c

m=4m=3

m=2m=1

Рисунок 3.11 – Зависимость задержки доставки данных

от интенсивности трафика и числа транзитов в маршруте

В рассматриваемой модели принимается во внимание только полезный

трафик, производимый сенсорными узлами сети λ0. Следует заметить, что

в реальной сети, наряду с полезным трафиком имеет место служебный трафик,

производимый применяемыми протоколами сетевого и более высоких

уровней [46].

70

Интенсивность этого трафика может изменяться в значительных пределах

в зависимости от используемых протоколов.

В общем случае, этот трафик можно учесть введением поправки для

величины λ0. Тогда, в рассматриваемой модели (3.10) вместо λ0 следует

использовать

0 0λ̂ γ λ ,

где γ – поправочный коэффициент, величина которого должна определяться на

основе данных о величине служебного трафика.

Для проверки приведенных выше зависимостей была разработана

имитационная модель сети, состоящей из 100 узлов. Было принято решение

провести моделирование в симуляторе Cooja операционной системы Contiki-3.0.

Выбор обусловлен тем, что Contiki является операционной системой

с открытым кодом, она предназначена для встроенных сетевых систем,

в частности, для «умных» устройств.

Contiki поддерживает полный стек IP-сети со стандартными протоколами,

такими как UDP, TCP и HTTP, а также стандарты для маломощных сетей такие,

как 6lowpan, RPL, и CoAP.

Операционная система Contiki реализована на языке программирования С++

и поддерживает ряд различных микропроцессорных и аппаратных конфигураций.

Contiki обеспечивает подключение IPv4 и IPv6 через стеки протоколов uIP

и uIPv6 [101]. Стек uIPv6 – единственный стек IPv6 для «умных» устройств,

которые получили сертификацию IPv6 Ready, что дает возможность использовать

различные модули ОС Contiki для решения различного класса задач на сетевом

уровне [11, 73].

Cooja – cимулятор сетевых процессов Contiki упрощает процедуру

моделирования различных сетей.

Моделируемый узел в Cooja имеет три основных свойства: данные

в памяти, тип узла, и его комплектующие. Тип узла определяет общие свойства

71

для узлов. Например, узлы одного типа запускают единый программный код на

одинаковой моделируемой аппаратной архитектуре.

Одной из отличительных особенностей Сooja от других симуляторов (NS3,

TOSSIM, AVRORA) является то, что Cooja позволяет одновременно

контролировать три различных уровня: сетевой уровень, уровень операционной

системы и уровень инструкций машинных кодов [99, 103].

Вернемся к модели сети. Область обслуживания сети составляет 200×200 м.

Сеть состоит из двух типов узлов: сенсорные узлы и шлюз. Сеть решает функции

сбора данных, которые заключаются в доставке пакетов от сенсорных узлов

к узлу сбора данных (шлюзу). Сенсорные узлы выполняют функции источников

трафика, а также функции транзитных узлов, и могут входить в маршруты

доставки данных. Шлюз расположен в геометрическом центре зоны

обслуживания и является единственным узлом, принимающим данные от

сенсорных узлов. Иллюстрация модели приведена на рисунке 3.12. Модель

радиоканала узла описывается радиусом связи R, который в данном случае

выбран равным R = 50 м.

Рисунок 3.12 – Модель сенсорной сети в симуляторе Contiki-3.0

(100 узлов, область обслуживания 200×200 м)

72

В данной модели предполагается, что все узлы, находящиеся на расстоянии

не превышающим R доступны для передачи данных. Наряду с радиусом связи

в модели задан радиус зоны интерференции, в данном случае RI = 75 м. В модели

предполагается, что все узлы, находящиеся на расстоянии не превышающими RI,

создают друг другу помехи при передаче данных. Для выбора маршрутов

доставки данных от сенсорных узлов к шлюзу используется протокол RPL [99].

Использование данного протокола в случае неподвижных узлов сети

предпочтительнее [100], так при этом создается меньший объем служебного

трафика.

На рисунке 3.13 приведено распределение длин маршрутов, в числе

транзитов, которые протокол маршрутизации RPL выбирает для пропуска

трафика.

0

5

10

15

20

25

30

35

40

45

50

1 2 3

До

ля

мар

шр

уто

в %

Число транзитов

Рисунок 3.13 – Распределение длин маршрутов (в числе транзитов)

в моделируемой сети (при использовании протокола RPL)

Как видно из приведенного рисунка, средняя длина маршрута (2,4)

несколько меньше значений полученных выше (рис. 3.6) (3,8 0,5) при

нахождении кратчайших маршрутов с помощью алгоритма поиска кратчайшего

пути.

73

Это связано со спецификой протокола RPL, который в качестве оценки

маршрута не использует метрику растояния.

При использовании аналитической модели это отличие может быть учтено

как поправочный коэффициент γR . По результатам моделирования значение этого

коэффициента равно 0,63. Тогда скорректированное среднее число транзитов

может быть определено как ˆ γRm m .

На рисунке 3.14 приведена реализация потока трафика на уровне шлюза

(число пакетов за интервалы времени равные 1 с).

0

2

4

6

8

10

12

14

1

12

23

34

45

56

67

78

89

10

0

11

1

12

2

13

3

14

4

15

5

16

6

17

7

18

8

19

9

21

0

22

1

23

2

24

3

25

4

26

5

27

6

28

7

29

8

Чи

сло

пак

ето

в

Время, с

Рисунок 3.14 – Реализация трафика на уровне шлюза (число пакетов за интервалы 1 с)

Распределение числа поступающих на шлюз пакетов за интервал времени

приведено на рисунок 3.15. На том же графике приведена аппроксимация

полученного распределения распределением Пуассона.

Как показал анализ, поток трафика на уровне шлюза с достаточной для

практических целей точностью может быть описан моделью простейшего потока.

74

0,00

0,02

0,04

0,06

0,08

0,10

0,12

0,14

0,16

0,18

0,20

1 2 3 4 5 6 7 8 9 10 11 12

Ве

ро

ятн

ост

ь

Число пакетов

Рисунок 3.15 – Распределение числа поступающих пакетов на шлюз сети

Полученный результат позволяет на основании свойств простейшего потока

выбрать величину среднеквадратического отклонения интервалов времени между

пакетами β

σ в модели (3.10), которая в этом случае будет равна среднему

значению интервала.

Следует отметить, что свойства потока, существенно зависят от характера

производимого узлами сети трафика и в общем случае могут отличаться от

свойств простейшего потока. Поэтому полученный результат следует

рассматривать, лишь в контексте данной модели.

На рисунке 3.16 приведен график зависимости времени доставки пакета от

сенсорного узла до шлюза. На графике приведены теоретические (3.10)

результаты и результаты имитационного моделирования для двух видов

распределения координат узлов по территории: равномерного и нормального.

В обоих случаях выбраны одинаковые значения дисперсии координат узлов. Как

видно из приведенных зависимостей увеличение интенсивности трафика

приводит к увеличению задержки доставки данных.

Сравнительный анализ результатов для различных видов распределения

координат узлов показал, что в случае нормального распределения, при

относительно высоких значениях нагрузки, имеет место большая задержка

75

доставки пакета [20]. Это является следствием большей нагрузки на последних

участках маршрута и в наибольшей степени проявляется на уровне шлюза.

Большая по сравнению с равномерным распределением координат

интенсивность нагрузки объясняется неравномерной плотностью узлов в случае

нормального распределения координат, которая имеет наибольшее значение

в центре зоны обслуживания, т. е. в точке размещения шлюза.

При высокой нагрузке (перегрузке) результаты моделирования показали

значительный разброс значений задержки, который вызван резким ростом числа

неуспешных (повторных передач) пакетов.

0

0,5

1

1,5

2

2,5

0 2 4 6 8 10

Вр

ем

я д

ост

авки

, с

Интенсивность пакетов (пакетов/с)

нормальное распределение

равномерное распределение

Рисунок 3.16 – Зависимость задержки доставки от интенсивности трафика

для равномерного и нормального распределений координат узлов

(среднее длина – число транзитов 3)

В условиях средних и малых нагрузок значения задержки доставки

статистически близки для обоих видов распределений координат.

Сравнение результатов имитационного и аналитического моделирования

показали, что они достаточно близки (отклонение не более 20 %) в области малых

76

и средних нагрузок. Существенные отклонения наблюдаются в области значений

нагрузки, при которых наблюдается перегрузка шлюза.

Таким образом, использование модели многофазной СМО при адекватном

выборе ее параметров, позволяет с достаточной для практических целей

точностью оценить время доставки данных маршрутом в сети с достаточно

большим числом узлов.

Выводы по главе 3

Определено, что время доставки сообщения (пакета) в БСС определяется

длиной маршрута и временем доставки пакета на участках этого маршрута.

Анализ длин маршрутов показал, что функции распределения длин

маршрутов могут быть описаны распределением Вейбулла как для случайных

маршрутов в сети (точка-точка), так и для маршрутов (мультиточка-точка)

к шлюзу, расположенному в центре зоны обслуживания.

Результаты анализа маршрутов в БСС с различным распределением узлов

по плоской обслуживаемой территории показали, что средняя длина маршрутов

зависит от дисперсии координат узлов и не зависит от вида распределения узлов

по территории. Увеличение дисперсии приводит к росту длины маршрута до

момента снижения связности сети. Эта зависимость с достаточной для

практических вычислений точностью описывается линейной функцией.

Выявлено, что если шлюз располагается в центре зоны обслуживания, то

средняя длина маршрута меньше, чем для случайных маршрутов.

Анализ маршрутов в сети показал, что среднее число транзитных узлов

в сети зависит от дисперсии координат узлов и не зависит от вида распределения

их по территории обслуживания. С ростом дисперсии доля транзитных узлов в

сети увеличивается до момента снижения связности сети. Эта зависимость с

достаточной для практических вычислений точностью описывается линейной

функцией.

77

Анализ маршрутов в БСС показал, что число обслуживаемых направлений

транзитными узлами не одинаково. Наиболее загруженным участком маршрутов

является участок между последним узлом маршрута и шлюзом сети, наименее

нагруженными являются начальные участки маршрутов.

Модель задержки доставки данных от узлов источников к шлюзу сети

может быть описана многофазной СМО, при этом на каждой из фаз обслуживания

должно учитываться снижение пропускной способности из-за интерференции

сигналов и режимов работы узлов сети.

При организации транзита на одном частотном канале, для учета

интерференции сигналов в модели каждой из фаз обслуживания должен

учитываться трафик влияющих узлов сети, попадающих в зону интерференции

транзитного узла.

При организации транзита на разных частотных каналах необходимо

учитывать увеличение времени обслуживания пакетов из-за снижения

пропускной способности каналов транзитных узлов.

В качестве модели СМО на каждой из фаз обслуживания может быть

использована аналитическая модель верхней границы времени ожидания G/G/1.

78

Глава 4.

РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ

БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ

ПРИ МУЛЬТИМОДАЛЬНОМ РАСПРЕДЕЛЕНИИ УЗЛОВ

Как уже отмечалось, в практических задачах узлы сети привязаны к

окружающей инфраструктуре, поэтому их распределение по территории может

отличаться от равномерного и нормального распределения узлов по территории,

рассмотренного ранее [8, 9, 47].

Как правило, инфраструктура, к которой «привязана» сеть имеет некоторое

количество объектов мониторинга. Поэтому, реальное распределение не всегда

может быть описано равномерным или нормальным (унимодальным) законами.

В качестве примера такой инфраструктуры можно рассмотреть здания

городской застройки (рис. 4.1). Узлы сети размещаются преимущественно внутри

зданий, там их плотность достаточно высока, вне зданий плотность узлов

значительно меньше [48, 49].

Рисунок 4.1 – Пример распределения сенсорных узлов для городской инфраструктуры

(реальное и графическое представление распределения узлов городской застройки)

79

4.1. Постановка задачи

Распределение узлов в реальной сети может быть неравномерным, сеть

может иметь различное число областей с различной плотностью узлов. Форма

и размеры этих областей могут быть различны.

Для построения модели сети необходимо описать распределение узлов по

обслуживаемой территории таким образом, чтобы учесть основные особенности

реальной сети [66].

Сделаем ряд допущений. Будем полагать, что инфраструктура, которую

обслуживает сеть, имеет конечное количество объектов. Эти объекты могут иметь

произвольные координаты в пределах области обслуживания. Узлы сети могут

быть неравномерно распределены в рамках каждого из обслуживаемых объектов.

Обслуживаемые объекты могут иметь различную форму.

Для описания подобной структуры на плоскости может быть использовано

мультимодальное распределение вероятности, распределение с несколькими

модами или, что то же самое, с несколькими относительными максимумами,

соответствующими этим модам [12].

Рассмотрим известные математические модели распределений вероятности.

Распределение арксинуса

Это непрерывное распределение сосредоточено на интервале (0, 1) и имеет

плотность:

1 1( ) .

π (1 )p x

x x

Функция распределения имеет вид:

( 1)(x) 2π arcsin( ).F x

80

Распределение арксинуса связано со случайным блужданием. Это

распределение доли времени, в течение которого случайная величина двигаясь из

0, делает единичные скачки вправо и влево. В связи с тем, что скачки частицы

равновероятны, такое движение является симметричным. Если бы вероятности

были разными, то блуждание было бы несимметричным [57].

Распределение Коши

Распределение Коши не имеет среднего значения, т. к. плотность его очень

медленно стремится к нулю при увеличении x по абсолютной величине.

Распределение Коши унимодально и симметрично относительно моды,

которая одновременно является медианой и имеет функцию плотности вида:

2 2

1( ) ,

π ( ( ) )

cf x x

c x a

,

где с > 0 – параметр масштаба и а – параметр центра, определяющий

одновременно значения моды и медианы.

Функция распределения задается соотношением:

1 1 ( )(x) .

2 π

x aF arcth

c

Бета-распределение

Бета-распределение имеет плотность вида:

1 2

1 2

( 1) ( 1)

1 2

β(α ,α ) 1 2

Г(α α ) (1 )

( ) при 0 1.Г(α )Г(α )

0 для остальных значений

x x

f x х

х

Стандартное бета-распределение сосредоточено на отрезке от 0 до 1.

Применяя линейные преобразования, бета-величину можно преобразовать так,

что она будет принимать значения на любом интервале [105].

81

Рассмотренные модели распределение вероятности имеют две моды и могут

быть использованы лишь для ограниченного числа случаев.

В отличие от унимодальных распределений, для мультимодального

распределения наиболее приемлемым вариантом является использование смеси

распределений:

1

( ) ξ ( ),n

i i

i

f x p x

(4.1)

где )(xpi – плотность вероятности;

1

0 ξ 1, ξ 1n

i i

i

– независимые случайные величины, имеющие стандартное

гауссовское (нормальное) распределение.

4.2. Разработка математической модели сети

с мультимодальным распределением узлов

Задача построения такой модели заключается в выборе закона

распределения, с помощью которого можно с достаточной для практических

целей точностью описать реальную сеть.

В качестве распределения узлов по территории выберем мультимодальное

распределение, построенное на основе двумерного нормального распределения

1 2( , )f x x [14].

2 21 1 1 1 2 2 2 2

2 221 21 2

μ 2 μ μ μ1ρ

σ σσ σ2 1 ρ

1 22

1 2

1( , ) ,

2πσ σ 1 ρ

x x x x

f x x e

(4.2)

где ρ – коэффициент корреляции случайных величин,

1 2( , )x x – независимые случайные координаты,

82

1 2σ и σ – среднеквадратические отклонения,

1 2μ и μ – центры рассеяния (математические ожидания).

Мультимодальное двумерное распределение для независимых случайных

величин может быть получено, как

1 2 1 1 1 2 1 21

,, η , ,μ ,μ ,σ ,σ ,ρK

i iM i i i ii

f x x f x x

(4.3)

где 1

1

0 η 1, η 1K

i

i

, K – количество мод распределения.

Для разработки математической модели сети задается ограниченная область

обслуживания (200×200 м). Эти размеры задаются параметрами w и h.

: 200;

: 200;

w

h

Вводим переменные и присваиваем им значения: n – количество узлов, R –

радиус узла, μ – центры рассеяния (мат. ожидание), σ – среднеквадратическое

отклонение, ρ – коэффициент корреляции.

: 100;

: 50.0;

: 1... ;

: 1... ;

n

R

i n

j n

50 50

50 150μ : μ :

150 50

150 150

15 0,333

15 0,333σ : ρ :

15 0,333

15 0,0

x y

83

Создаем нулевую матрицу N для выгрузки в нее матрицу координат.

Далее с помощью функции-генератора случайных чисел rnd (1)

генерируются множества случайных координат от 1 до 100 для х и у

и записываются в ранее созданную матрицу N.

Ниже приведен алгоритм работы функции coord (N) для формирования

матрицы координат:

1

,1

,2

(N) : for i 1...n

u rnd(1)

s

1

1

(1, , )1

(1, , )1

: (N)

k

k k

k k

i

i

coord

k

while u s

k k

s s

x rnorm x

y rnorm y

N x

N y

N

N coord

Графический вид данного распределения приведен на рисунке 4.2.

Рисунок 4.2 – Графический вид 4-х модального распределения

84

Далее необходимо вычислить расстояния между всеми узлами. Расстояние

между узлами определяется по формуле (4.4)

2 2

, ,1 ,1 ,2 ,2: (N N ) (N N ) .i j i j i jD (4.4)

Таким образом, формируется матрица D, содержащая полученные

расстояния между всеми 100 узлами. Фрагмент матрицы D приведен на рисунке

4.3. Приводить матрицу полностью не имеет смысла, в виду ее громоздкости.

D

15 16 17 18 19 20 21

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

17.775 36.319 92.968 11.639 107.879 107.262 101.124

93.09 88.074 20.835 77.902 149.653 143.671 26.655

126.607 114.295 32.486 109.23 184.132 177.573 25.6

102.836 143.544 150.156 120.026 8.514 3.164 159.339

26.464 37.894 84.432 14.94 111.436 110.004 92.501

105.818 115.07 28.509 97.88 131.608 123.486 35.786

93.554 135.02 162.106 113.629 19.839 30.246 171.534

94.122 135.022 146.329 111.722 8.052 9.136 155.623

108.241 115.042 22.176 99.012 137.916 129.926 29.071

105.636 101.307 9.375 91.023 156.395 149.717 13.369

98.803 96.956 11.566 85.132 148.132 141.521 19.492

31.078 20.384 92.45 9.121 126.599 125.978 99.526

115.716 112.287 7.223 101.674 161.524 154.31 2.564

80.124 74.489 33.992 64.284 143.086 137.912 40.392

120.294 116.195 11.724 106.035 165.817 158.498 2.262

99.868 93.941 16.738 84.465 155.218 148.987 20.813

Рисунок 4.3 – Фрагмент матрицы расстояний между узлами сети

при мультимодальном распределении

Далее матрица D проверяется на наличие или отсутствие соединений между

узлами. Для этого каждый элемент матрицы необходимо сравнить с R (радиусом

узла, который равен 50 м), в случае если элемент матрицы больше, чем радиус

узла, то ставится знак , что означает, что связи между данными узлами нет, если

связь есть – ставится 1.

85

Алгоритм функции d(d), которая осуществляет поиск связей между узлами,

приведен ниже:

, ,

, ,

( ) : 1...

1...n

1

: (D)

i j i j

i j i j

d d for i n

for j

d if d R

d if d R

d

D d

Далее, используя алгоритм Флойда [25], который реализован функцией F(d),

производится поиск всех кратчайших путей между узлами сети.

F d( )

ci j

j

ri j

j

j 1 nfor

i 1 nfor

a di j

dj k

b di k

di k

a

ri k

ri j

a bif

i j i k j kif

k 1 nfor

i 1 nfor

j 1 nfor

r

d

c

Затем формируются матрицы кратчайших путей SP:= F(D)1 и длин

кратчайших путей (количество вершин в пути) SD:= F(D)2. Фрагменты

полученных матриц приведены на рисунках 4.4 и 4.5.

86

SP

1 2 3 4 5 6 7 8 9 10

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

1 5 3 5 5 5 5 8 9 5

52 2 52 15 52 15 15 52 52 15

1 5 3 5 5 5 5 8 9 5

6 6 6 4 6 6 7 6 6 10

1 52 3 52 5 52 52 8 9 52

52 15 52 4 52 6 4 52 52 10

4 4 4 4 4 4 7 4 4 10

1 5 3 5 5 5 5 8 9 5

1 5 3 5 5 5 5 8 9 5

6 6 6 4 6 6 7 6 6 10

52 2 52 15 52 15 15 52 52 15

1 13 3 13 1 13 13 8 9 13

1 52 3 52 5 52 52 8 9 52

52 2 52 15 52 15 15 52 52 15

52 2 52 6 52 6 6 52 52 6

52 2 52 15 52 15 15 52 52 ...

Рисунок 4.4 – Фрагмент матрицы SP кратчайших путей

SD

1 2 3 4 5 6 7 8 9 10

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

1 3 1 4 1 3 5 1 1 4

3 1 3 3 2 2 4 3 3 3

1 3 1 4 1 3 5 1 1 4

4 3 4 1 3 1 1 4 4 1

1 2 1 3 1 2 4 1 1 3

3 2 3 1 2 1 2 3 3 1

5 4 5 1 4 2 1 5 5 1

1 3 1 4 1 3 5 1 1 4

1 3 1 4 1 3 5 1 1 4

4 3 4 1 3 1 1 4 4 1

3 1 3 3 2 2 4 3 3 3

1 3 1 4 2 3 5 1 1 4

1 2 1 3 1 2 4 1 1 3

3 1 3 3 2 2 4 3 3 3

3 1 3 2 2 1 3 3 3 2

3 1 3 3 2 2 4 3 3 ...

Рисунок 4.5 – Фрагмент матрицы SD длин кратчайших путей (количество вершин пути)

87

Задаем алгоритм поиска кратчайшего маршрута по матрице SP.

p r i j( ) k 1

a i

b j

t1

i

a ra b

k k 1

tk

a

ra b

jwhile

tk 1

ra b

t

Далее задаем начало s = 2 и конец пути t = 79. Определяем маршрут

st:= p(SP,s,t). Получаем st = (2, 15, 6, 79). Выделяем данный маршрут на графике

(рис. 4.6).

0 50 100 150 2000

50

100

150

200

h

0

Nst

k

2

Ni 2

w0 Nst

k

1Ni 1

Рисунок 4.6 – Кратчайший маршрут из узла 2 в узел 79

88

Далее на основе матрицы SD (длин кратчайших маршрутов) строим

гистограмму распределения длин кратчайших маршрутов и количества скачков.

Строим график (рис. 4.7).

Рисунок 4.7 – Гистограмма распределения числа маршрутов и количества скачков

Необходимо так же определить связность сети con(sd). Для этого будет

использован следующий алгоритм и матрица длин кратчайших маршрутов

(количества вершин) SD.

con sd( ) s 0

s s 1 sdi j

if

j 1 nfor

i 1 nfor

1s

n n

Получаем, что сеть является связной, так как между всеми узлами

(вершинами) существуют связи.

Далее, используя (4.2) и (4.3) получим 4-х модальное распределение узлов в

сети (4.5), в общем виде (4.6) (см. рис. 4.8).

89

2 2 2 21 11 2 12 1 21 2 22

2 2 2 21 2 1 2

2 2 2 21 31 2 32 1 41 2 42

2 2 2 21 2 1 2

1 ( μ ) ( μ ) 1 ( μ ) ( μ )

2 2σ σ σ σ

1 2 1 2

1 2 1 2

( μ ) ( μ )1 1 ( μ ) ( μ )

2 2σ σ σ σ

3 4

1 2 1 2

1 1( , )

2πσ σ 2πσ σ

1 1

2πσ σ 2πσ σ

x x x x

x x x x

f x x k e k e

k e k e

(4.5)

или

2 21 1 2 2

2 21 2

(x μ ) ( μ )1

2 σ σ

1 2

1 1 2

1( , ) .

2πσ σ

i ixn

i

i

f x x k e

(4.6)

Рисунок 4.8 – Графическое представление аналитической модели БСС

с мультимодальным (4-х модальным) распределением узлов сети

Полученная плотность вероятности для 4-х модального распределения

узлов соответствует плотности вероятности распределения узлов реальной сети,

представленной на рисунке 4.1.

Таким образом, получаем, что варьируя количество мод, значения

дисперсий по каждой из координат и коэффициентов корреляции для каждой из

мод распределения, можно получить разнообразные формы распределения,

которые могут быть использованы для моделирования реальной сети (рис. 4.1).

90

4.3. Исследование зависимости длины маршрутов

от мультимодального распределения узлов

Длина маршрута в сети влияет на качество обслуживания трафика, а именно

на время доставки сообщений (пакетов) [72].

Средняя длина маршрута в сети, а также распределение длины маршрута

позволяют характеризовать потенциальные возможности рассматриваемой

структуры в части обеспечения качества обслуживания трафика. Разумеется, что

средняя длина маршрута и ее распределение будет зависеть от конкретного вида

мультимодального распределения и ограничений на выбор конечных узлов

маршрута.

В данной работе будем полагать, что конечными точками маршрута могут

быть любые узлы сети связи.

Для исследования длин маршрутов будем использовать математическую

модель, разработанную в Mathcad. Общий алгоритм моделирования приведен на

рисунке 4.9.

Начало

Стоп

n, R, K,

Генерация n случайных координат

Вычисление расстояний между узлами

Нахождение n2-n Кратчайших путей

Построение распределения длин путей

Рисунок 4.9 – Алгоритм имитационного моделирования

91

На рисунке 4.10 приведено полученное в результате имитационного

моделирования распределение длин маршрутов для 4-х модального

распределения узлов.

0 2 4 60

1000

2000

3000

Количество скачков

Ко

ли

чест

во м

арш

рут

ов

0 50 100 150 200

50

100

150

200

H м

L м

Рисунок 4.10 – Распределение длин маршрутов для мультимодального

(4-х модального распределения узлов)

Для проверки используемой математической модели была разработана

имитационная модель БСС в Cooja ОС Contiki (рис. 4.11).

92

Рисунок 4.11 – Имитационная модель сети с 4-х модальным распределением узлов в Cooja

Распределение узлов в сети 4-х модальное, шлюз расположен в центре

плоскости 200×200 м, количество узлов 100, радиус узла 50 м.

Текст программы, представленный в приложении к диссертационной

работе, написан на языке C++ и реализует имитационную модель сети

(см. прил. 1 и 2). Изображение сети в виде графа представлено на рисунке 4.12.

Рисунок 4.12 – Представление сети в виде графа

93

На рисунке 4.13 представлены результаты имитационного моделирования.

Распределение количества скачков в маршруте, зафиксированное в течение

времени моделирования имеет мультимодальный характер и численно близко к

результатам аналитического моделирования, что позволяет сделать вывод о

возможности применения разработанной модели на практике.

Рисунок 4.13 – Результаты имитационного моделирования в Cooja

На рисунке 4.14 приведены результаты имитационного моделирования для

4-х модального распределения с координатами центров рассеяния равными

(50 м; 50 м), (50 м; 150 м), (150 м; 50 м), (150 м; 150 м). Среднеквадратические

отклонения для всех мод одинаковы и равны 30 м.

94

0 50 100 150 2000

50

100

150

200

L м

H м

0 2 4 60

1000

2000

3000

Кол

иче

ство

мар

шру

тов

Количество скачков

Рисунок 4.14 – Распределение длин маршрутов для мультимодального

(4-х модального распределения узлов)

со среднеквадратическим отклонением всех мод равным 30 м

Исходя из полученных результатов, можно предположить, что

распределение длин маршрутов, в данном случае, близко к биномиальному

распределению или распределению Пуассона (доказано применением критерия

согласия Колмогорова – Смирнова при уровне значимости 0,95) [14].

95

На рисунке 4.15 приведены результаты имитационного моделирования,

полученного для тех же условий, за исключением того, что среднеквадратическое

отклонение для всех мод равно 8 м.

0 2 4 6 8 10

0

1000

2000

3000

4000

Количество скачков

Кол

иче

ство

мар

шру

тов

L м

H м

0 50 100 150 2000

50

100

150

200

Рисунок 4.15 – Распределение длин маршрутов для мультимодального

(4-х модального распределения узлов)

со среднеквадратическим отклонением всех мод равным 8 м

Как видно из результатов моделирования, внешний вид данного

распределения отличается от полученного ранее.

Для данного частного случая можно сделать следующие пояснения:

разделив множество узлов на кластеры, в соответствие с модами распределения

96

можно заметить, что маршруты между узлами внутри каждого из кластеров

состоят из одного скачка.

Маршруты между соседними кластерами могут проходить через узлы своих

кластеров, а также двух соседних кластеров. В зависимости от радиуса связи узла

R и дисперсии распределения узлов, изменяется вероятность связности узлов

отдельных кластеров.

Выводы по главе 4

При относительно больших значениях дисперсии (2500 м2) характер

распределения узлов близок к равномерному закону, а распределение длин

маршрутов близко к биномиальному распределению.

При средних значениях дисперсии ( 1000 м2), которые обеспечивают

связность узлов различных кластеров, распределение длин маршрутов имеет

мультимодальный характер, а число мод равно числу мод распределения узлов по

территории.

При относительно малых значениях дисперсии ( 100 м2) количество мод

распределения длин маршрутов уменьшается из-за уменьшения вероятности

связности.

При заданных значениях среднеквадратического отклонения (8 м),

распределение также является мультимодальным, причем количество мод

определяется количеством связных кластеров, т. е. зависит от дисперсии

распределения узлов по территории.

Представленная модель сети позволяет определять параметры качества

обслуживания для реальной сети с учетом распределения длин маршрутов при

мультимодальном распределении пользователей в области обслуживания.

97

ЗАКЛЮЧЕНИЕ

В процессе проведенных в диссертационной работе исследований получены

следующие основные результаты:

1. Доказано, что вероятность связности сети не зависит от вида

распределения узлов сети, а зависит от дисперсии распределения узлов по

плоской территории.

2. Определено, что связность сети зависит от: числа узлов, радиуса связи

узла и дисперсии распределения узлов по плоской территории.

3. Получено выражение, позволяющее оценить связность сети в кольце

равной плотности, исходя из таких параметров как: число узлов, радиус связи

узла и дисперсии распределения узлов по территории.

4. Выявлено, что функции распределения длин маршрутов могут быть

описаны распределением Вейбулла, как для случайных маршрутов в сети, так и

для маршрутов к шлюзу, расположенному в центре зоны обслуживания.

5. Доказано, что средняя длина маршрутов зависит от дисперсии координат

узлов и не зависит от вида распределения узлов по территории. Увеличение

дисперсии приводит к росту длины маршрута, до момента снижения связности

сети.

6. Определено, что при расположении шлюза в центре зоны обслуживания

имеет место меньшая средняя длина маршрута, чем для случайных маршрутов.

7. Доказано, что среднее число транзитных узлов в сети зависит от

дисперсии координат узлов и не зависит от вида распределения их по территории

обслуживания. С ростом дисперсии доля транзитных узлов в сети увеличивается

до момента снижения связности сети.

8. Выявлено, что число обслуживаемых направлений транзитными узлами

не одинаково. Наиболее загруженным участком маршрутов является участок

между последним узлом маршрута и шлюзом сети, наименее нагруженными

являются начальные участки маршрутов.

98

9. Установлено, что при изменении значений дисперсии от относительно

больших до относительно малых распределение длин маршрутов меняется от

биномиального до мультимодального.

10. Разработана модель сети, которая позволяет определять параметры

качества обслуживания для реальной сети с учетом распределения длин

маршрутов при мультимодальном распределении пользователей в области

обслуживания.

Дальнейшие перспективы исследований видятся в расширении возможного

применения научных результатов для исследования летающих и мобильных

сенсорных сетей.

99

СПИСОК СОКРАЩЕНИЙ

Русскоязычные сокращения

БСС Беспроводная сенсорная сеть

ВВХ Вероятностно-временные характеристики

МСЭ-Т Международный союз электросвязи (сектор

стандартизации электросвязи)

СКО Среднеквадратическое отклонение

СМО Система массового обслуживания

ЧС Чрезвычайная ситуация

Англоязычные сокращения

CHS Сluster Head Selection

CoAP Constrained Application Protocol

DSN Digital Network System

DTN Delay-Tolerant Network

HTTP Hyper Text Transfer Protocol

IEEE Institute of Electrical and Electronics Engineers

IoT Internet of Things

IP Internet Protocol

IPV4 Internet Protocol version 4

IPV6 Internet Protocol version 6

ITU-T International Telecommunication Union,

Telecommunication Standartization Sector

LEACH Low Energy Adaptive Cluster Hierarchy

6LoWPAN Low Energy IPv6 Protocol for WPAN

MAC Media Access Control

100

М2М Machine-to-machine

NGN Next Generation Network

P2P Peer-to-Peer, Point-to-Point

PEGASIS Power-Effеcient Gatharingin Sensor Information Systems

QoS Quality of Service

RPL Routing Protocol for Low-Power and Lossy Networks

TEEN Thershold-sensitive Energy Efficient Protocols

UDP User Datagram Protocol

USN Ubiquitous Sensor Networks

Wi-Fi Wireless Fidelity

WiMax Worldwide Interoperability for Microwawe Access

WoT Web of Things

WPAN Wireless Personal Area Protocol

WSN Wireless Sensor Network

101

СПИСОК ТЕРМИНОВ

Алгоритм Флойда

Алгоритма выбора головного узла

Аналитическая модель

Балансировка нагрузки

Беспроводная сенсорная сеть

Бета распределение

Гауссово поле

Гетерогенная сеть

Гомогенная сеть

Дисперсия

Длина маршрута

Доступность сети

Зона доступности

Имитационная модель

Имитационное моделирование

Интенсивность нагрузки

Интернет Вещей

Искусственный интеллект

Качество обслуживания

Кластеризация

Коэффициент корреляции

Маршрутизация

Математическая модель

Математическая статистика

Математическое ожидание

Мода

Модель нагрузки

Модель Эрдеша-Реньи

102

Мультимодальное распределение

Нейронная сеть

Область обслуживания

Отказоустойчивая сеть

Плоскость распределения

Пуассоновское поле

Распределение арксинуса

Распределение Вейбулла

Распределение Коши

Самоорганизация

Самоподобие трафика

Связность сети

Сенсорное поле

Сетевой координатор

Сеть массового обслуживания

Сеть связи общего пользования

Смесь распределений

Среднеквадратическое отклонение

Статистический анализ

Теория случайных графов

Топология

Топология сети

Транзитный узел

Транзитный участок (хоп)

Трафик

Унимодальное распределение

Фазовый переход

Шлюз

103

СПИСОК ЛИТЕРАТУРЫ

1. Акимов, Е. В. Проектирование рациональной топологии беспроводных

сенсорных сетей : автореф. дис. … канд. техн. наук: 05.12.13 / Акимов Евгений

Вячеславович. – М., 2010. – 23 с.

2. Аль-Кадами, Н. А. Оценка и сравнительный анализ алгоритмов

маршрутизации для гомогенных и гетерогенных беспроводных сенсорных сетей /

Н. А. Аль-Кадами // Информационные технологии и телекоммуникации. – 2014. –

№ 4 (8). – С. 40–48.

3. Асанов, М. О. Дискретная математика: графы, матроиды, алгоритмы /

М. О. Асанов, В. А. Баранский, В. В. Расин. – М. : PXD, 2001. – 288 с.

4. Бузюков, Л. Б. Анализ влияния алгоритмов выбора головного узла

на параметры функционирования БСС при различном распределении узлов

по территории / Л. Б. Бузюков, Д. В. Окунева // Информационные технологии

и телекоммуникации. – 2016. – Т. 4. № 3. – C. 40–48.

5. Бузюков, Л. Б. Анализ временных параметров обслуживания трафика

беспроводной самоорганизующейся сети / Л. Б. Бузюков, Д. В. Окунева,

А. И. Парамонов // T-Comm: Телекоммуникации и транспорт. – 2016. – Т. 10.

№ 10. – С. 66–75.

6. Бузюков, Л. Б. Анализ модели сенсорной сети при неравномерном

распределении устройств / Л. Б. Бузюков, Д. В. Окунева // III Международная

научно-техническая и научно-методическая конференция «Актуальные проблемы

инфотелекоммуникаций в науке и образовании» : сб. науч. ст. – СПб., 2014. –

С. 200–203.

7. Бузюков, Л. Б. Анализ связности БСС при различных распределениях

узлов / А. И. Парамонов, Л. Б. Бузюков, Д. В. Окунева // 71-я Всероссийская

научно-техническая конференция, посвященная Дню радио: труды

конференции. – СПб., 2016. – С. 179–180.

104

8. Бузюков, Л. Б. Анализ связности самоорганизующейся беспроводной сети

при различном распределении узлов по территории / Л. Б. Бузюков,

Д. В. Окунева, А. И. Парамонов // Электросвязь. – 2016. – № 9. – С. 58–62.

9. Бузюков, Л. Б. Исследование характеристик самоорганизующейся

беспроводной сети при различных способах размещения узлов / Л. Б. Бузюков,

Д. В. Окунева, А. И. Парамонов // Труды учебных заведений связи. – 2016. – Т. 2.

№ 1. – С. 28–32.

10. Бузюков, Л. Б. Проблемы разработки оптимального алгоритма выбора

головного узла сенсорной сети / Л. Б. Бузюков, Д. В. Окунева // Труды Северо-

Кавказского филиала Московского технического университета связи

и информатики. – 2014. – № 1. – С. 118–120.

11. Бузюков, Л. Б. Сравнительный анализ симуляторов Cooja и NS-3 /

Л. Б. Бузюков, Д. В. Окунева // IV Международная научно-техническая и научно-

методическая конференция «Актуальные проблемы инфотелекоммуникаций

в науке и образовании» : сб. науч. ст. в 2 т. Т. 1. – СПб., 2015. – С. 260–264.

12. Вадзинский, Р. Н. Справочник по вероятностным распределениям /

Р. Н. Вадзинский. – СПб. : Наука, 2001. – 293 с.

13. Вентцель, Е. С. Теория случайных процессов и ее инженерные

приложения / Е. С. Вентцель, Л. А. Овчаров. – М. : Высшая школа, 2000. – 388 с.

14. Вентцель, Е. С. Теория вероятностей / Е. С. Вентцель. – М. : Наука,

1959.

15. Гольдштейн, Б. С. Сети связи пост-NGN / Б. С. Гольдштейн,

А. Е. Кучерявый. – СПб. : БХВ-Петербург, 2013. – 160 с.

16. Гольдштейн, Б. С. Сети связи : учебник для вузов / Б. С. Гольдштейн,

Н. А. Соколов, Г. Г. Яновский. – СПб. : БХВ-Петербург, 2010. – 400 с.

17. Имитационная модель инсталляции сенсоров с квадрокоптера

на заданной территории / Ч. З. Динь, Р. В. Киричек, А. И. Парамонов,

А. Е. Кучерявый // Информационные технологии и телекоммуникации. – 2015. –

№ 2 (10). – С. 93–100.

105

18. Дистель, Р. Теория графов / Р. Дистель. – Новосибирск : «Издательство

института математики», 2002. – 336 с.

19. Карташевский, В. Г. Сети подвижной связи / В. Г. Карташевский,

С. Н. Семенов, Т. В. Фирстова. – М. : Эко-Трендз, 2001. – 299 с.

20. Кендалл, М. Многомерный статистический анализ и временные ряды /

М. Кендалл, А. Стьюарт. – М. : Наука, 1976. – 736 с.

21. Эволюция исследований в области беспроводных сенсорных сетей /

Р. В. Киричек, А. И. Парамонов, А. В. Прокопьев, А. Е. Кучерявый //

Информационные технологии и телекоммуникации. – 2014. – № 4 (8). – С. 29–41.

22. Клейнрок, Л. Теория массового обслуживания / Л. Клейнрок. – М. :

Машиностроение, 1979. – 432 С.

23. Колчин, В. Ф. Случайные графы / В. Ф. Колчин. – 2-е изд. – М. :

ФИЗМАТЛИТ, 2004. – 256 с.

24. Кох, Р. Эволюция и конвергенция в электросвязи / Р. Кох,

Г. Г. Яновский. – М. : Радио и связь, 2001. – 280 с.

25. Кристофидес, Н. Теория графов. Алгоритмический подход /

Н. Кристофидес. – М. : Мир. 1978. – 430 с.

26. Кучерявый, А. Е. Анализ алгоритмов выбора головного узла во

всепроникающих сенсорных сетях / А. Е. Кучерявый, Д. В. Окунева // 68 научно-

техническая конференция, посвященная Дню радио: тр. конф. – СПб., 2013. –

С. 10.

27. Кучерявый, А. Е. Выбор головного узла кластера в однородной

беспроводной сенсорной сети / А. Е. Кучерявый, А. Салим // Электросвязь. –

2009. – № 8. – С. 32–36.

28. Кучерявый, А. Е. Выбор головных узлов в однородной беспроводной

сенсорной сети для обеспечения полного покрытия / А. Е. Кучерявый, А. Салим //

64-я научно-техническая конференция, посвященная Дню радио: тр. конф. – СПб.,

2009. – С. 106.

106

29. Кучерявый, А. Е. Диаграммы Вороного для Беспроводных Сетей /

А. Е. Кучерявый, А. Салим // 64-я научно-техническая конференция, посвященная

Дню радио: тр. конф. – СПб., 2009. – С. 108.

30. Кучерявый, А. Е. Интернет Вещей / А. Е. Кучерявый // Электросвязь. –

2013. - № 1. – С. 21-24.

31. Кучерявый, А. Е. Интернет Вещей и самоорганизующиеся сети /

А. Е. Кучерявый // Научно-техническая школа-семинар «Инфокоммуникационные

технологии в цифровом мире»: сборник докладов. – СПб. : СПб ГЭУ «ЛЭТИ»,

2012. – С. 3–5.

32. Летающие сенсорные сети / А. Е. Кучерявый, А. Г. Владыко,

Р. В. Киричек, А. И. Парамонов, А. В. Прокопьев, И. А. Богданов, А. А. Дорт-

Гольц // Электросвязь. – 2014. – № 9. – С. 2–5.

33. Кучерявый, А. Е. Самоорганизующиеся сети / А. В. Прокопьев,

Е. А. Кучерявый. – СПб. : Любавич, 2011. – 312 с.

34. Кучерявый, А. Е. Самоорганизующиеся сети и новые услуги /

А. Е. Кучерявый // Электросвязь. – 2009. – № 1. – С. 19–23.

35. Кучерявый, А. Е. Сенсорные сети как перспективное направление

развития телекоммуникаций / А. Е. Кучерявый // 59-я Научно-техническая

конференция профессорского профессорско-преподавательского состава СПбГУТ

им. Бонч-Бруевича: материалы. – СПб., 2007. – С. 5–7.

36. Кучерявый, А. Е. Триллионные сети / А. Е. Кучерявый //

Телекоммуникации : спецвыпуск. – 2013. – С. 19 – 22.

37. Кучерявый, Е. А. Принципы построения сенсоров и сенсорных сетей /

Е. А. Кучерявый, С. А. Молчан, В. В. Кондратьев // Электросвязь. – 2006. – № 6. –

С. 10–15.

38. Кучерявый, Е. А. Управление трафиком и качество обслуживания в сети

Интернет / Е. А. Кучерявый. – СПб. : Наука и техника, 2004. – 336 с.

39. Лившиц, Б. С. Системы массового обслуживания с конечным числом

источников / Б. С. Лившиц, Я. В. Фидлин. – М. : Связь, 1968. – 166 с.

107

40. Махров С.С. Исследование связности узлов в иерархических протоколах

беспроводных сенсорных сетей / С. С. Махров // Фундаментальные проблемы

радиоэлектронного приборостроения : мат. межд. науч.-техн. конф.

«INTERMATIC-2013», 2–6 декабря 2013 г., Москва / под ред. акад. РАН

А. С. Сигова. – М. : Энергоатомиздат, 2013. – Ч. 4. – C. 186–189.

41. Молчанов, Д. А. Приложения беспроводных сенсорных сетей /

Д. А. Молчанов, Е. А. Кучерявый // Электросвязь. – 2006. – № 6. – С. 20–23.

42. Молчанов, Д. А. Самоорганизующиеся сети и проблемы их построения /

Д. А. Молчанов // Электросвязь. – 2006. – № 6. – С. 24–28.

43. Мочалов, В. А. Разработка и исследование алгоритмов построения

отказоустойчивых сенсорных сетей: автореферат дис. … канд. техн. наук:

05.12.13 / Мочалов Владимир Анатольевич. – М. : МТУСИ, 2011. – 21 с.

44. Мутханна, А. С. Исследование трафика и протоколов маршрутизации в

беспроводных сетях : автореферат дис. ... кандидата технических наук : 05.12.13 /

Мутханна Аммар Салех Али. – Самара, 2016. – 16 с.

45. Окунева, Д. В. Анализ влияния технологий D2D на функционирование

беспроводных сетей связи / Д. В. Окунева, О. А. Хуссейн // Распределенные

компьютерные и телекоммуникационные сети: управление, вычисление, связь

(DCCN-2016): сб. тр. конф. – М., 2016. – С. 191–197.

46. Окунева, Д. В. Анализ развития современных услуг связи и их влияние на

перераспределение трафика / Д. В. Окунева, А. И. Парамонов, Н. С. Сенькина //

Распределенные компьютерные и телекоммуникационные сети: управление,

вычисление, связь (DCCN-2016): сб. тр. конф. – М., 2016. – C. 149–155.

47. Окунева, Д. В. Исследование беспроводной сенсорной сети с

мультимодальным распределением узлов на плоскости / Д. В. Окунева //

Современная наука: актуальные проблемы теории и практики. Серия:

Естественные и технические науки. – 2017. – № 1. – С. 9–13.

48. Окунева, Д. В. Повышение эффективности балансировки трафика в сети

на основе оценки концентрации внимания пользователя / Д. В. Окунева,

К. В. Прошутинский // Распределенные компьютерные и телекоммуникационные

108

сети: управление, вычисление, связь (DCCN-2016): сб. тр. конф. – М., 2016. –

С. 363–370.

49. Окунева, Д. В. Проблемы проектирования беспроводных сенсорных

сетей / Л. Б. Бузюков, Д. В. Окунева, А. И. Парамонов // Труды учебных

заведений связи. – 2017. – Т. 3. № 1. – С. 5–13.

50. Парамонов, А. И. Модели потоков трафика для сетей М2М /

А. И. Парамонов // Электросвязь. – 2014. – № 4. – С. 9–14.

51. Парамонов, А. И. Особенности вторжений во всепроникающие

сенсорные сети. Новые виды вторжений / И. А. Богданов, А. И. Парамонов,

А. Е. Кучерявый // II-я Международная научно-техническая и научно-

методическая конференция «Актуальные проблемы инфотелекоммуникаций

в науке и образовании»: cб. науч. ст. – СПб., 2013. – С. 49–52.

52. Парамонов, А. И. Разработка и исследование комплекса моделей

трафика для сетей связи общего пользования : автореф. дис. ... д-ра техн. наук :

05.12.13 / Парамонов Александр Иванович. – СПб., 2014. – 32 с.

53. Парамонов, А. И. Сети связи с малыми задержками / А. Е. Кучерявый,

А. И. Парамонов, Я. М. Аль-Наггар // Электросвязь. – 2013. – № 12. – С. 15–19.

54. Парамонов, А. И. Характеристики жизненного цикла мобильной

сенсорной сети при различных потоках ложных событий / А. Е. Кучерявый,

И. А. Богданов, А. И. Парамонов // Электросвязь. – 2013. – № 1. – С. 32–33.

55. Парамонов, А. И. Модели потоков трафика для сетей М2М /

А. И. Парамонов // Электросвязь. – 2014. – № 4. – С. 9–14.

56. Прокопьев, А. В. Разработка и исследование моделей нагрузки

в беспроводных сенсорных сетях : автореф. дис. ... канд. техн. наук : 05.12.13 /

Прокопьев Андрей Владимирович. – СПб., 2012. – 17 с.

57. Прохоров, Ю. В. Блуждание Бернулли / Ю. В. Прохоров // Вероятность и

математическая статистика. – М. : Большая Российская Энциклопедия, 1999. –

С. 42–43.

58. Райгородский, А. М. Модели случайных графов и их применения //

Труды МФТИ. – 2010. – Т. 2. № 4. – С. 130–140.

109

59. Росляков, А. В. Будущие сети (Future networks) / А. В. Росляков,

С. В. Ваняшин. – Самара: ПГУТИ, 2015. – 274 с.

60. Интернет Вещей : монография / А. В. Росляков, С. В. Ваняшин,

А. Ю. Гребешков, М. Ю. Самсонов; под ред. А. В. Рослякова. – Самара : ПГУТИ,

ООО «Издательство Ас Гард», 2014. – 342 с.

61. Салим, А. Разработка алгоритмов выбора головного узла в кластерных

беспроводных сетях: автореф. дис. ... канд. техн. наук: 05.12.13 / Ахмед Абд

Эльфтах Ахмед Салим. – СПб., 2010. – 25 с.

62. Семенов, Ю. В. Умные всепроникающие сети / Ю. В. Семенов,

А. Е. Кучерявый, В. О. Пяттаев // 14 Всероссийский Форум «Развитие

телекоммуникаций в России», Сочи, 26–27 апреля 2011 г. : мат. форума. – М. :

ЗАО «Экспо – Телеком», 2011. – С. 44–47.

63. Хальд, А. Математическая статистика с техническими приложениями /

А. Хальд. – М. : «Издательство иностранной литературы», 1956. – 664 с.

64. Хоанг, Л. Ч. Модель периметрической защиты беспроводной сенсорной

сети от потоков ложных событий / А. И. Парамонов, А. Е. Кучерявый,

Л. Ч. Хоанг // Информационные технологии и телекоммуникации. – 2015. –

№ 1 (9). – С. 145–156.

65. Цыбаков, Б. С. Модель телетрафика на основе самоподобного

случайного процесса / Б. С. Цыбаков // Радиотехника. – 1999. – № 5. – C. 24–31.

66. Четыркин, Е. М. Статистические методы прогнозирования /

Е. М. Четыркин. – М. : Статистика, 1975. – 198 с.

67. Шелухин, О. И. Самоподобие и фракталы. Телекоммуникационные

приложения / О. И. Шелухин, А. В. Осин, С. М. Смольский. – М. : Физматлит,

2008. – 368 с.

68. Akyildiz, I. F. The Internet of Nano-Things / I. F. Akyildiz, J. M. Jornet //

IEEE Wireless Communications. December 2010, V. 17, № 6. – PP. 58–63.

69. Arati Manjeshwar, Dharma P. Agrawal. TEEN: A Routing Protocol for

Enhanced Efficiency in Wireless Sensor Networks // Conference: Proceedings of the

110

15th International Parallel & Distributed Processing Symposium (IPDPS-01), San

Francisco, CA, April 23–27, 2001.

70. Bianchi, G. Performance Analysis of the IEEE 802.11 Distributed

Coordination Function // IEEE Journal on Selected Areas in Communications, 2000,

vol. 18, № 3.

71. Buziukov, L. Impact of node placement on the connectivity of wireless Ad

Hoc networks / L. Buziukov, D. Okuneva // Proceedings of the Finnish-Russian

University Cooperation in Telecommunication (FRUCT’19). 2016. – PP. 365–369.

72. Dao, N. Analysis Of Routes In The Network Based On A Swarm Of UAVS /

N. Dao, A. Koucheryavy, A. Paramonov // Lecture Notes in Electrical Engineering.

2016. Т. 376. – PP. 1261–1271.

73. Dunkels, A. Contiki – a lightweight and flexible operating system for tiny

networked sensors / A. Dunkels, B. Gronvall, T. Voigt // 29th Annual IEEE

International Conference onLocal Computer Networks, 2004.

74. Dunkels, Adam The Contiki MAC Radio Duty Cycling Protocol / Adam

Dunkels // SICS Technical Report T2011:13. December 2011.

75. Gaidamaka, Yu. Mathematical Modeling and Performance Analysis of P2P

Streaming Networks / Yu. Gaidamaka, A. Samuylov, K. Samuylov // INTHITEN

(Internet of Things and its Enablers): Proceedings, St. Petersburg, 3–4 June. 2013. –

PP. 69–81.

76. Bianchi, Giuseppe IEEE 802.11 – Saturation Throughput Analysis / Giuseppe

Bianchi // IEEE Communications Letters. Vol. 2, No. 12, December 1998.

77. Development of a node-positioning algorithm for wireless sensor networks in

3D Space / I. Grishin, R. Kirichek, D. Okuneva, M. Falin // 18th International

Conference on Advanced Communication Technology (ICACT). 2016. – PP. 279–282.

78. Heinzelman, W. Energy-efficient communication protocol for wireless

microsensor networks / W. Heinzelman, A. Chandrakasan, H. Balakrishnan //

Proceedings 33rd Hawaii International Conference on System Sciences (HICSS),

Wailea Maui, Hawaii, USA, Jan. 2000. – PP 3005–3014.

79. IEEE 802.15.4 Specification (2006) [SS95552].

111

80. Recommendation Y.1541 (12/11). ITU-T Network performance objectives for

IP-based services.

81. Recommendation Y.2221 (01/10). ITU-T Requirements for support of

ubiquitous sensor network (USN) applications and services in the NGN environment.

82. Recommendation Y.2222 (04/13). ITU-T Sensor control networks and related

applications in a next generation network environment.

83. Kirichek, R. Flying Ubiquitous Sensor Networks as a Queueing System /

R. Kirichek, A. Paramonov, A. V. Koucheryavy // 17th International Conference on

Advanced Communications Technology (ICACT). 2015. – PP. 127–132.

84. Kirichek, R. Internet of Things laboratory test bed / R. Kirichek,

A. Koucheryavy // Lecture Notes in Electrical Engineering. – 2016. – Т. 348. –

PP. 485–494.

85. Koucheryavy, A. Quality of Service (QoS) classes for Ubiquitous Sensor

Networks / A. Koucheryavy, A. Prokopiev // ICACT’2009: Proceedings, 15–

18 February, Phoenix Park, Korea, 2009. – PP. 107–109.

86. Koucheryavy, A. Connectivity Estimation in Wireless Sensor Networks /

А. Paramonov, A. Koucheryavy, I. Nurilloev // NEW2AN. 2016. – PP. 269–277.

87. Koucheryavy, A. Ubiquitous Sensor Networks Traffic Models for Image

Applications / A. Koucheryavy, A. Muthanna, A. Prokopiev // Internet of Things and its

Enablers (INTHITEN): Proceedings. Conference, State University of

Telecommunication, St. Petersburg, Russia, June 3–4, 2013. – PP. 124–132.

88. Koucheryavy, Y. Wireless Technologies for IoT: M2M, 3GPP, EE and

Cooperative / Y. Koucheryavy. – SPb. : SUT, October 2012. – 141 p.

89. Kwak, K. S. An Overview of IEEE 802.15.6 Standard / K. S. Kwak, S. Ullah,

N. Ullah // 3rd

International Symposium, Applied Science in Biomedical and

Communication Technologies (ISABEL): Proceedings, 7–10 November, Rome, Italy,

2010. – PP. 1–6.

90. Kwak, K. S. Current Status of the Proposed IEEE 802.15.6 WBAN MAC

Standardization / K. S. Kwak, M. A. Ameen // UWB, Wireless Communication

Research Center, Inha University. 2011.

112

91. Lindsey, S. PEGASIS: Power-efficient gathering in sensor information

systems / S. Lindsey and C. S. Raghavendra // Proceedings IEEE Aerospace

Conference, vol. 3, Big Sky, Montana, USA, 2002.

92. Petrova, Marina Study of IEEE 802.15.4 Using Measurements and

Simulations / Marina Petrova // Wireless Communications and Networking Conference,

2006. WCNC 2006. IEEE (Volume 1).

93. Muthanna, A. Comparison of Protocols for Ubiquitous Wireless Sensor

Network / A. Muthanna, A. Paramonov, A. Koucheryavy, A. Prokopiev // International

Congress on Ultra Modern Telecommunications and Control Systems and Workshops 6.

Ser. "2014 6th International Congress on Ultra Modern Telecommunications and

Control Systems and Workshops, ICUMT 2014". 2015. PP. 334–337.

94. Rathi, Neha A Review on Routing Protocol for Wireless Sensor Networks /

Neha Rathi, Jyoti Saraswat, Partha Pratim Bhattacharya // International Journal of

Distributed and Parallel Systems (IJDPS) Vol. 3, No. 5, September 2012.

95. Österlind, Fredrik Approaching the maximum 802.15.4 multi-hop

throughput / Fredrik Österlind, Adam Dunkels // In Proceedings of the Fifth ACM

Workshop on Embedded Networked Sensors (HotEmNets 2008), June 2008.

96. Recommendation Y.2060. Overview of Internet of Things. ITU-T, Geneva. –

February 2012.

97. Recommendation Y.2221. Requirements for Support of USN Applications

and Services in the NGN Environment. ITU-T, Geneva. – January 2010.

98. RFC 4838 Delay-Tolerant Networking Architecture. April 2007.

99. RFC 6550. IPv6 Routing Protocol for Low-Power and Lossy Networks.

Internet Engineering Task Force (IETF), March 2012.

100. Vanhatupa, Timo. Wi-Fi Capacity Analysis for 802.11ac and 802.11n:

Theory & Practice. Ekahau Wi-Fi Design White Paper, 2013.

101. Vasseur, Jean-Philippe Interconnecting Smart Objects with IP: The Next

Internet / Jean-Philippe Vasseur, Adam Dunkels. California, USA: Morgan Kaufmann

is an imprint of Elsevier, 2010. – 432 p.

113

102. Vision and Challenges for realizing the Internet of Things. European

Commission. 2010. – 230 p.

103. Dogan, Yazar Efficient Application Integration in IP-Based Sensor

Networks / Dogan Yazar, Adam Dunkels // The First ACM Workshop on Embedded

Sensing Systems for Energy-Efficiency in Buildings. 2009. – PP. 43–48.

104. Zhou, G. Mmsn: Multi-frequency media access control for wireless sensor

networks / G. Zhou, C. Huang, T. Yan, T. He, J. Stankovic, and T. Abdelzaher // In

INFOCOM, 2006.

105. Учебник по программе STATISTICA [Электронный ресурс]. – Режим

доступа: http://hr-portal.ru/statistica (дата обращения 05.12.2016).

106. ZigBee Health Care [Электронный ресурс]. – Режим доступа:

www.zigbee.org (дата обращения 12.12.2016).

107. Jena, A. K. Modelling and Evaluation of Network Applications and Services

[Электронный ресурс] / A. K. Jena, P. Pruthi, and A. Popesku, - Blekinge Institute of

Technology, Karlskrona, Sweden, 2011. – 5 p. – Режим доступа:

http://www.bth.se/fou/forskinfo.nsf/alfs/8c063ed87b8a3bf 9c1256c 7600373

edb/$file/RVK51.pdf (дата обращения 20.11.2016).

108. Беспроводные сети ZigBee и Thread [Электронный ресурс]. – Режим

доступа: http://www.wless.ru/technology/?tech=1 (дата обращения 01.02.2017).

109. Каталог мобильных телефонов и смартфонов [Электронный ресурс]. –

Режим доступа: https://www.mobi-city.ru (дата обращения 25.12.2016).

110. Гайкович, Галина Беспроводные технологии и их применение в

промышленности. Передача речевой информации через WPAN [Электронный

ресурс] / Галина Гайкович. – Режим доступа: http://www.russianelectronics.ru/

leader-r/review/2187/doc/54063/ (дата обращения 26.12.2016).

114

ПРИЛОЖЕНИЕ 1.

Программные скрипты, реализующие модели узлов сети

#include "contiki.h"

#include "net/uip.h"

#include "net/uip-ds6.h"

#include "net/uip-udp-packet.h"

#include "net/rpl/rpl.h"

#include "dev/serial-line.h"

#if CONTIKI_TARGET_Z1

#include "dev/uart0.h"

#else

#include "dev/uart1.h"

#endif

#include "collect-common.h"

#include "collect-view.h"

#include <stdio.h>

#include <string.h>

#define UDP_CLIENT_PORT 8775

#define UDP_SERVER_PORT 5688

#define DEBUG DEBUG_PRINT

#include "net/uip-debug.h"

static struct uip_udp_conn *client_conn;

static uip_ipaddr_t server_ipaddr;

/*---------------------------------------------------------------------------*/

PROCESS(udp_client_process, "UDP client process");

AUTOSTART_PROCESSES(&udp_client_process, &collect_common_process);

/*---------------------------------------------------------------------------*/

void

collect_common_set_sink(void)

{

/* A udp client can never become sink */

}

/*---------------------------------------------------------------------------*/

void

collect_common_net_print(void)

{

rpl_dag_t *dag;

uip_ds6_route_t *r;

/* Let's suppose we have only one instance */

dag = rpl_get_any_dag();

if(dag->preferred_parent != NULL) {

PRINTF("Preferred parent: ");

PRINT6ADDR(rpl_get_parent_ipaddr(dag->preferred_parent));

PRINTF("\n");

}

for(r = uip_ds6_route_head();

r != NULL;

r = uip_ds6_route_next(r)) {

PRINT6ADDR(&r->ipaddr);

115

}

PRINTF("---\n");

}

/*---------------------------------------------------------------------------*/

static void

tcpip_handler(void)

{

if(uip_newdata()) {

/* Ignore incoming data */

}

}

/*---------------------------------------------------------------------------*/

void

collect_common_send(void)

{

static uint8_t seqno;

struct {

uint8_t seqno;

uint8_t for_alignment;

struct collect_view_data_msg msg;

} msg;

/* struct collect_neighbor *n; */

uint16_t parent_etx;

uint16_t rtmetric;

uint16_t num_neighbors;

uint16_t beacon_interval;

rpl_parent_t *preferred_parent;

rimeaddr_t parent;

rpl_dag_t *dag;

if(client_conn == NULL) {

/* Not setup yet */

return;

}

memset(&msg, 0, sizeof(msg));

seqno++;

if(seqno == 0) {

/* Wrap to 128 to identify restarts */

seqno = 128;

}

msg.seqno = seqno;

rimeaddr_copy(&parent, &rimeaddr_null);

parent_etx = 0;

/* Let's suppose we have only one instance */

dag = rpl_get_any_dag();

if(dag != NULL) {

preferred_parent = dag->preferred_parent;

if(preferred_parent != NULL) {

uip_ds6_nbr_t *nbr;

nbr = uip_ds6_nbr_lookup(rpl_get_parent_ipaddr(preferred_parent));

if(nbr != NULL) {

/* Use parts of the IPv6 address as the parent address, in reversed byte order. */

parent.u8[RIMEADDR_SIZE - 1] = nbr->ipaddr.u8[sizeof(uip_ipaddr_t) - 2];

parent.u8[RIMEADDR_SIZE - 2] = nbr->ipaddr.u8[sizeof(uip_ipaddr_t) - 1];

parent_etx = rpl_get_parent_rank((rimeaddr_t *) uip_ds6_nbr_get_ll(nbr)) / 2;

}

}

rtmetric = dag->rank;

beacon_interval = (uint16_t) ((2L << dag->instance->dio_intcurrent) / 1000);

num_neighbors = RPL_PARENT_COUNT(dag);

116

} else {

rtmetric = 0;

beacon_interval = 0;

num_neighbors = 0;

}

/* num_neighbors = collect_neighbor_list_num(&tc.neighbor_list); */

collect_view_construct_message(&msg.msg, &parent,

parent_etx, rtmetric,

num_neighbors, beacon_interval);

uip_udp_packet_sendto(client_conn, &msg, sizeof(msg),

&server_ipaddr, UIP_HTONS(UDP_SERVER_PORT));

}

/*---------------------------------------------------------------------------*/

void

collect_common_net_init(void)

{

#if CONTIKI_TARGET_Z1

uart0_set_input(serial_line_input_byte);

#else

uart1_set_input(serial_line_input_byte);

#endif

serial_line_init();

}

/*---------------------------------------------------------------------------*/

static void

print_local_addresses(void)

{

int i;

uint8_t state;

PRINTF("Client IPv6 addresses: ");

for(i = 0; i < UIP_DS6_ADDR_NB; i++) {

state = uip_ds6_if.addr_list[i].state;

if(uip_ds6_if.addr_list[i].isused &&

(state == ADDR_TENTATIVE || state == ADDR_PREFERRED)) {

PRINT6ADDR(&uip_ds6_if.addr_list[i].ipaddr);

PRINTF("\n");

/* hack to make address "final" */

if (state == ADDR_TENTATIVE) {

uip_ds6_if.addr_list[i].state = ADDR_PREFERRED;

}

}

}

}

/*---------------------------------------------------------------------------*/

static void

set_global_address(void)

{

uip_ipaddr_t ipaddr;

uip_ip6addr(&ipaddr, 0xaaaa, 0, 0, 0, 0, 0, 0, 0);

uip_ds6_set_addr_iid(&ipaddr, &uip_lladdr);

uip_ds6_addr_add(&ipaddr, 0, ADDR_AUTOCONF);

/* set server address */

uip_ip6addr(&server_ipaddr, 0xaaaa, 0, 0, 0, 0, 0, 0, 1);

}

/*---------------------------------------------------------------------------*/

PROCESS_THREAD(udp_client_process, ev, data)

117

{

PROCESS_BEGIN();

PROCESS_PAUSE();

set_global_address();

PRINTF("UDP client process started\n");

print_local_addresses();

/* new connection with remote host */

client_conn = udp_new(NULL, UIP_HTONS(UDP_SERVER_PORT), NULL);

udp_bind(client_conn, UIP_HTONS(UDP_CLIENT_PORT));

PRINTF("Created a connection with the server ");

PRINT6ADDR(&client_conn->ripaddr);

PRINTF(" local/remote port %u/%u\n",

UIP_HTONS(client_conn->lport), UIP_HTONS(client_conn->rport));

while(1) {

PROCESS_YIELD();

if(ev == tcpip_event) {

tcpip_handler();

}

}

PROCESS_END();

}

/*---------------------------------------------------------------------------*/

118

#include "contiki.h"

#include "contiki-lib.h"

#include "contiki-net.h"

#include "net/uip.h"

#include "net/rpl/rpl.h"

#include "net/rime/rimeaddr.h"

#include "net/netstack.h"

#include "dev/button-sensor.h"

#include "dev/serial-line.h"

#if CONTIKI_TARGET_Z1

#include "dev/uart0.h"

#else

#include "dev/uart1.h"

#endif

#include <stdio.h>

#include <stdlib.h>

#include <string.h>

#include <ctype.h>

#include "collect-common.h"

#include "collect-view.h"

#define DEBUG DEBUG_PRINT

#include "net/uip-debug.h"

#define UIP_IP_BUF ((struct uip_ip_hdr *)&uip_buf[UIP_LLH_LEN])

#define UDP_CLIENT_PORT 8775

#define UDP_SERVER_PORT 5688

static struct uip_udp_conn *server_conn;

PROCESS(udp_server_process, "UDP server process");

AUTOSTART_PROCESSES(&udp_server_process,&collect_common_process);

/*---------------------------------------------------------------------------*/

void

collect_common_set_sink(void)

{

}

/*---------------------------------------------------------------------------*/

void

collect_common_net_print(void)

{

printf("I am sink!\n");

}

/*---------------------------------------------------------------------------*/

void

collect_common_send(void)

{

/* Server never sends */

}

/*---------------------------------------------------------------------------*/

void

collect_common_net_init(void)

{

#if CONTIKI_TARGET_Z1

uart0_set_input(serial_line_input_byte);

#else

uart1_set_input(serial_line_input_byte);

#endif

serial_line_init();

119

PRINTF("I am sink!\n");

}

/*---------------------------------------------------------------------------*/

static void

tcpip_handler(void)

{

uint8_t *appdata;

rimeaddr_t sender;

uint8_t seqno;

uint8_t hops;

if(uip_newdata()) {

appdata = (uint8_t *)uip_appdata;

sender.u8[0] = UIP_IP_BUF->srcipaddr.u8[15];

sender.u8[1] = UIP_IP_BUF->srcipaddr.u8[14];

seqno = *appdata;

hops = uip_ds6_if.cur_hop_limit - UIP_IP_BUF->ttl + 1;

collect_common_recv(&sender, seqno, hops,

appdata + 2, uip_datalen() - 2);

}

}

/*---------------------------------------------------------------------------*/

static void

print_local_addresses(void)

{

int i;

uint8_t state;

PRINTF("Server IPv6 addresses: ");

for(i = 0; i < UIP_DS6_ADDR_NB; i++) {

state = uip_ds6_if.addr_list[i].state;

if(state == ADDR_TENTATIVE || state == ADDR_PREFERRED) {

PRINT6ADDR(&uip_ds6_if.addr_list[i].ipaddr);

PRINTF("\n");

/* hack to make address "final" */

if (state == ADDR_TENTATIVE) {

uip_ds6_if.addr_list[i].state = ADDR_PREFERRED;

}

}

}

}

/*---------------------------------------------------------------------------*/

PROCESS_THREAD(udp_server_process, ev, data)

{

uip_ipaddr_t ipaddr;

struct uip_ds6_addr *root_if;

PROCESS_BEGIN();

PROCESS_PAUSE();

SENSORS_ACTIVATE(button_sensor);

PRINTF("UDP server started\n");

#if UIP_CONF_ROUTER

uip_ip6addr(&ipaddr, 0xaaaa, 0, 0, 0, 0, 0, 0, 1);

/* uip_ds6_set_addr_iid(&ipaddr, &uip_lladdr); */

uip_ds6_addr_add(&ipaddr, 0, ADDR_MANUAL);

root_if = uip_ds6_addr_lookup(&ipaddr);

if(root_if != NULL) {

rpl_dag_t *dag;

120

dag = rpl_set_root(RPL_DEFAULT_INSTANCE,(uip_ip6addr_t *)&ipaddr);

uip_ip6addr(&ipaddr, 0xaaaa, 0, 0, 0, 0, 0, 0, 0);

rpl_set_prefix(dag, &ipaddr, 64);

PRINTF("created a new RPL dag\n");

} else {

PRINTF("failed to create a new RPL DAG\n");

}

#endif /* UIP_CONF_ROUTER */

print_local_addresses();

/* The data sink runs with a 100% duty cycle in order to ensure high

packet reception rates. */

NETSTACK_RDC.off(1);

server_conn = udp_new(NULL, UIP_HTONS(UDP_CLIENT_PORT), NULL);

udp_bind(server_conn, UIP_HTONS(UDP_SERVER_PORT));

PRINTF("Created a server connection with remote address ");

PRINT6ADDR(&server_conn->ripaddr);

PRINTF(" local/remote port %u/%u\n", UIP_HTONS(server_conn->lport),

UIP_HTONS(server_conn->rport));

while(1) {

PROCESS_YIELD();

if(ev == tcpip_event) {

tcpip_handler();

} else if (ev == sensors_event && data == &button_sensor) {

PRINTF("Initiaing global repair\n");

rpl_repair_root(RPL_DEFAULT_INSTANCE);

}

}

PROCESS_END();

}

/*---------------------------------------------------------------------------*/

121

ПРИЛОЖЕНИЕ 2.

Программные скрипты имитационных моделей сетей

с неравномерным распределением

<simconf>

<project EXPORT="discard">[APPS_DIR]/mrm</project>

<project EXPORT="discard">[APPS_DIR]/mspsim</project>

<project EXPORT="discard">[APPS_DIR]/avrora</project>

<project EXPORT="discard">[APPS_DIR]/serial_socket</project>

<project EXPORT="discard">[APPS_DIR]/collect-view</project>

<project EXPORT="discard">[APPS_DIR]/powertracker</project>

<simulation>

<title>My simulation</title>

<randomseed>123456</randomseed>

<motedelay_us>1000000</motedelay_us>

<radiomedium>

org.contikios.cooja.radiomediums.UDGM

<transmitting_range>50.0</transmitting_range>

<interference_range>50.0</interference_range>

<success_ratio_tx>1.0</success_ratio_tx>

<success_ratio_rx>1.0</success_ratio_rx>

</radiomedium>

<events>

<logoutput>40000</logoutput>

</events>

<motetype>

org.contikios.cooja.mspmote.SkyMoteType

<identifier>sky1</identifier>

<description>Sky Mote Type #sky1</description>

<source EXPORT="discard">

[CONTIKI_DIR]-2.7/examples/ipv6/rpl-collect/udp-sender.c

</source>

<commands EXPORT="discard">make udp-sender.sky TARGET=sky</commands>

<firmware EXPORT="copy">

[CONTIKI_DIR]-2.7/examples/ipv6/rpl-collect/udp-sender.sky

</firmware>

<moteinterface>org.contikios.cooja.interfaces.Position</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.RimeAddress</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.IPAddress</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.Mote2MoteRelations</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.MoteAttributes</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.MspClock</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.MspMoteID</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.SkyButton</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.SkyFlash</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.SkyCoffeeFilesystem

</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.Msp802154Radio

</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.MspSerial</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.SkyLED</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.MspDebugOutput

</moteinterface>

122

<moteinterface>

org.contikios.cooja.mspmote.interfaces.SkyTemperature

</moteinterface>

</motetype>

<motetype>

org.contikios.cooja.mspmote.SkyMoteType

<identifier>sky2</identifier>

<description>Sky Mote Type #sky2</description>

<source EXPORT="discard">

[CONTIKI_DIR]-2.7/examples/ipv6/rpl-collect/udp-sink.c

</source>

<commands EXPORT="discard">make udp-sink.sky TARGET=sky</commands>

<firmware EXPORT="copy">

[CONTIKI_DIR]-2.7/examples/ipv6/rpl-collect/udp-sink.sky

</firmware>

<moteinterface>org.contikios.cooja.interfaces.Position</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.RimeAddress</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.IPAddress</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.Mote2MoteRelations</moteinterface>

<moteinterface>org.contikios.cooja.interfaces.MoteAttributes</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.MspClock</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.MspMoteID</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.SkyButton</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.SkyFlash</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.SkyCoffeeFilesystem

</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.Msp802154Radio

</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.MspSerial</moteinterface>

<moteinterface>org.contikios.cooja.mspmote.interfaces.SkyLED</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.MspDebugOutput

</moteinterface>

<moteinterface>

org.contikios.cooja.mspmote.interfaces.SkyTemperature

</moteinterface>

</motetype>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>35.64165914341189</x>

<y>29.133314690498793</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>1</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>259.48720898569456</x>

123

<y>43.6682516823107</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>2</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>274.8438015540308</x>

<y>7.863712525735814</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>3</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>292.72823874457737</x>

<y>216.48008124177463</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>4</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>264.77915455541506</x>

<y>71.6834314595839</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

124

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>5</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>244.31801669768683</x>

<y>34.81220123986611</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>6</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>285.66159190490976</x>

<y>202.658753861707</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>7</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>188.0111876057312</x>

<y>159.28619869516717</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>8</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

125

org.contikios.cooja.interfaces.Position

<x>251.60854304179455</x>

<y>178.2780736020454</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>9</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>304.1944310594171</x>

<y>21.29733343122375</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>10</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>215.16915563768032</x>

<y>38.60700234818789</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>11</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>261.63110575763113</x>

<y>201.0022176866059</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

126

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>12</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>226.70036188083284</x>

<y>30.523270688378155</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>13</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>192.73613409690262</x>

<y>59.83127055436277</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>14</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>262.34744862199796</x>

<y>223.84650522281385</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>15</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

127

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>148.51036097290995</x>

<y>77.64706938526413</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>16</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>20.516558905860833</x>

<y>31.13122674365108</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>17</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>214.09321014067368</x>

<y>23.586578013317762</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>18</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>256.46254316022214</x>

<y>191.20745092794203</y>

<z>0.0</z>

</interface_config>

<interface_config>

128

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>19</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>76.39158366564764</x>

<y>82.71005996435723</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>20</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>11.128151678463771</x>

<y>16.737884193808906</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>21</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>217.6136179705427</x>

<y>55.089164487354914</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>22</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

129

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>216.70603481866158</x>

<y>73.63413345481368</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>23</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>262.2599436009601</x>

<y>32.59949502928089</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>24</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>242.20738840704504</x>

<y>24.983162741426597</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>25</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>228.82958828203107</x>

<y>161.3962038629735</y>

<z>0.0</z>

130

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>26</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>225.5447231784396</x>

<y>153.2781598227195</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>27</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>219.89702777813892</x>

<y>199.39122394179398</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>28</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>246.96539063693365</x>

<y>46.53272738454733</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>29</id>

131

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>281.08654429589467</x>

<y>58.657843700565714</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>30</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>59.600708707949245</x>

<y>3.2576559573543884</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>31</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>230.25246246068698</x>

<y>14.133108397573054</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>32</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>49.55740112309404</x>

132

<y>148.8393960782146</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>33</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>216.41292278585337</x>

<y>1.4927867051381645</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>34</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>360.1544234157342</x>

<y>126.27786187910176</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>35</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>225.75714444410897</x>

<y>174.79537319343532</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

133

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>36</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>276.5625722803625</x>

<y>45.144460256062054</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>37</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>33.29002726426891</x>

<y>184.95785385041987</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>38</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>51.05991124310949</x>

<y>194.15983697033505</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>39</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

134

org.contikios.cooja.interfaces.Position

<x>250.70197135352424</x>

<y>54.486874718334064</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>40</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>279.66350016295587</x>

<y>184.47543836416122</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>41</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>53.14599034852593</x>

<y>35.237809253142494</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>42</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>69.26962597385065</x>

<y>33.027835185057654</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

135

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>43</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>238.99134422136436</x>

<y>57.06394359611162</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>44</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>176.23111821572917</x>

<y>133.91528248602486</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>45</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>219.38631649864195</x>

<y>125.26814632755138</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>46</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

136

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>260.0054613317789</x>

<y>43.15834962664943</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>47</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>289.3566707577454</x>

<y>160.37424387272375</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>48</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>262.4813385295416</x>

<y>32.64622461161092</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>49</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>82.43228245464665</x>

<y>217.52427340412856</y>

<z>0.0</z>

</interface_config>

<interface_config>

137

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>50</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>231.9680780993881</x>

<y>202.4561613587827</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>51</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>237.56499322148454</x>

<y>162.01952551014313</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>52</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>233.00353806117704</x>

<y>185.41370300208203</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>53</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

138

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>241.93730697889802</x>

<y>210.8905384452094</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>54</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>43.02027481001514</x>

<y>38.195814565005236</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>55</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>6.743549387028535</x>

<y>188.63888729089507</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>56</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>84.76123515025252</x>

<y>131.68919399034866</y>

<z>0.0</z>

139

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>57</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>-5.908588700584772</x>

<y>195.30920504902298</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>58</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>18.544885817781264</x>

<y>245.8989643703</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>59</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>335.3587347883438</x>

<y>134.54414742653972</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>60</id>

140

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>48.67407527357574</x>

<y>51.419007480026316</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>61</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>237.01758896367932</x>

<y>176.02999791814244</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>62</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>274.2141307555197</x>

<y>215.8562581092231</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>63</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>17.791012688418927</x>

141

<y>50.85577933306479</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>64</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>188.68254489366564</x>

<y>21.467970230748744</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>65</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>122.88951858859126</x>

<y>106.16398695475547</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>66</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>228.23305191443362</x>

<y>82.2899549486614</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

142

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>67</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>34.093905921448126</x>

<y>41.00661271123167</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>68</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>273.3379659603479</x>

<y>151.5870696007153</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>69</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>3.068968527725646</x>

<y>2.411241204518233</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>70</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

143

org.contikios.cooja.interfaces.Position

<x>287.80561975317255</x>

<y>28.35717546909737</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>71</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>247.19490705610684</x>

<y>73.15922793716544</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>72</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>242.42512151897722</x>

<y>15.654714911407055</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>73</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>268.3991172745765</x>

<y>18.899299297433487</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

144

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>74</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>28.6090475350828</x>

<y>11.467722587151052</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>75</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>245.17523426670195</x>

<y>166.96736957393796</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>76</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>255.7607698746553</x>

<y>35.60567977775386</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>77</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

145

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>232.7574254236229</x>

<y>169.05112893292358</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>78</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>17.461438886906034</x>

<y>40.90282320624481</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>79</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>261.2254093877974</x>

<y>20.840747653367615</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>80</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>309.61592112841265</x>

<y>201.09965171350456</y>

<z>0.0</z>

</interface_config>

<interface_config>

146

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>81</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>255.21354327649232</x>

<y>190.0986697916791</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>82</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>231.2499060509847</x>

<y>44.16599070157508</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>83</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>263.39185670039586</x>

<y>175.98150736431515</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>84</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

147

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>61.61203963084314</x>

<y>7.644190903966397</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>85</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>6.1980582567465685</x>

<y>42.698027287083214</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>86</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>257.095487104682</x>

<y>8.213781973353406</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>87</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>85.50557545103324</x>

<y>43.30579364414646</y>

<z>0.0</z>

148

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>88</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>50.27012713251501</x>

<y>24.474289228370367</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>89</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>308.1974488697689</x>

<y>179.11592207324776</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>90</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>-4.560567344245314</x>

<y>213.65795832919508</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>91</id>

149

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>244.1371021973399</x>

<y>31.627068610943255</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>92</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>41.787446838878466</x>

<y>220.2215568662024</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>93</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>216.84812715743448</x>

<y>182.21084085826803</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>94</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>254.4576946391522</x>

150

<y>149.70423928346105</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>95</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>13.331891195716615</x>

<y>36.22217263625865</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>96</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>250.38051439058285</x>

<y>218.8580868601902</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>97</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>246.837013577434</x>

<y>51.6063664677736</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

151

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>98</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>233.25229003152856</x>

<y>151.19065225400809</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>99</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>239.64774705643646</x>

<y>6.299626357745524</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>100</id>

</interface_config>

<motetype_identifier>sky1</motetype_identifier>

</mote>

<mote>

<breakpoints/>

<interface_config>

org.contikios.cooja.interfaces.Position

<x>164.01243747163932</x>

<y>109.51091606079393</y>

<z>0.0</z>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspClock

<deviation>1.0</deviation>

</interface_config>

<interface_config>

org.contikios.cooja.mspmote.interfaces.MspMoteID

<id>101</id>

</interface_config>

<motetype_identifier>sky2</motetype_identifier>

</mote>

</simulation>

<plugin>

org.contikios.cooja.plugins.SimControl

152

<width>280</width>

<z>3</z>

<height>160</height>

<location_x>400</location_x>

<location_y>0</location_y>

</plugin>

<plugin>

org.contikios.cooja.plugins.Visualizer

<plugin_config>

<moterelations>true</moterelations>

<skin>

org.contikios.cooja.plugins.skins.MoteTypeVisualizerSkin

</skin>

<skin>

org.contikios.cooja.plugins.skins.UDGMVisualizerSkin

</skin>

<skin>org.contikios.cooja.plugins.skins.IDVisualizerSkin</skin>

<viewport>

1.5958406928886173 0.0 0.0 1.5958406928886173 282.7631246781933 123.8793158927328

</viewport>

</plugin_config>

<width>400</width>

<z>1</z>

<height>400</height>

<location_x>1</location_x>

<location_y>1</location_y>

</plugin>

<plugin>

org.contikios.cooja.plugins.LogListener

<plugin_config>

<filter/>

<formatted_time/>

<coloring/>

</plugin_config>

<width>1040</width>

<z>6</z>

<height>240</height>

<location_x>400</location_x>

<location_y>160</location_y>

</plugin>

<plugin>

org.contikios.cooja.plugins.TimeLine

<plugin_config>

<mote>0</mote>

<mote>1</mote>

<mote>2</mote>

<mote>3</mote>

<mote>4</mote>

<mote>5</mote>

<mote>6</mote>

<mote>7</mote>

<mote>8</mote>

<mote>9</mote>

<mote>10</mote>

<mote>11</mote>…………

<mote>100</mote>

<showRadioRXTX/>

<showRadioHW/>

<showLEDs/>

<zoomfactor>500.0</zoomfactor>

</plugin_config>

<width>1440</width>

153

<z>2</z>

<height>166</height>

<location_x>-13</location_x>

<location_y>458</location_y>

</plugin>

<plugin>

org.contikios.cooja.plugins.Notes

<plugin_config>

<notes>Enter notes here</notes>

<decorations>true</decorations>

</plugin_config>

<width>760</width>

<z>4</z>

<height>160</height>

<location_x>680</location_x>

<location_y>0</location_y>

</plugin>

<plugin>

org.contikios.cooja.plugins.collectview.CollectView

<mote_arg>100</mote_arg>

<width>233</width>

<z>5</z>

<height>72</height>

<location_x>430</location_x>

<location_y>30</location_y>

</plugin>

</simconf>

154

ПРИЛОЖЕНИЕ 3.

Документы, подтверждающие внедрение основных результатов

диссертационной работы

155

156

157

158

159