بیشینه سازی طول عمر شبکه های حسگر صوتی زیر آبی با جایگذاری بهینه گره های رله

شبکه های حسگر صوتی زیر آبی به دلیل ویژگی های مطلوب خود و کاربرد های عملی گسترده در زمینه های ارتباطی مختلف، توجه زیادی را به خود جلب کرده اند. از آن جا که گره های حسگر زیر آبی دارای هزینه ی بالا و پیچیدگی جایگذاری هستند، افزایش طول عمر این شبکه ها از اهمیت زیادی برخوردار است. گره های رله نقش مهمی در کاهش فاصله مخابراتی و انرژی مصرفی دارند. اما، مسئله مهم قرار گیری بهره ور گره های رله اطراف گره های بحرانی شبکه به منظور جلوگیری از حذف آن ها و در نتیجه افزایش طول عمر شبکه است. برای این منظور، در این مقاله روشی جدید به نام جایگذاری بهره ور گره رله (ers) معرفی شده است که شامل فرمول بندی کردن مکان هر گره رله به صورت یک مسئله بهینه سازی غیر محدب است. در حقیقت، وجود قیود تفاضل محدب منجر به غیر محدب شدن مسئله بهینه سازی پیشنهادی می شود و دستیابی به جواب بهینه را دشوار می سازد. از این رو، در گام بعد با پیشنهاد یک تبدیل جدید، مسئله مذکور به معادل محدب خود تبدیل می شود. مهم ترین مزیت مسئله برنامه ریزی محدب، قابلیت دستیابی به جواب بهینه مسئله است. نتایج شبیه سازی نشان دهنده برتری عملکرد روش پیشنهادی در طول عمر و بهره وری نسبت به روش ابتکاری پیشین تنظیم گره رله (ra) است.

Increasing the lifetime of underwater acoustic sensor networks by optimal relay node placement

Underwater acoustic sensor networks (UASNs) have gained growing importance due to their desirable features and wide spread practical applications in many communication fields. Due to the high cost of underwater sensor nodes as well as implementation complexity, increasing the lifetime of UASNs is an important issue. Although relay nodes have an important role in reducing the transmission distance and energy consumption. But the efficient RNP (Relay Node Placement) to avoid the critical sensor nodes' elimination is the main problem, i.e., to preserve the connected network. For this aim this paper presents an innovative solution called an Efficient Relay node Setting (ERS) algorithm, which involves formulating the Relay Node Placement (RNP) as a non convex optimization problem. Actually, due to the Difference Convex (DC) constraints the proposed RNP problem is a non convex problem and finding an optimal solution is complicated. However, a novel transformation can be applied to DC constraints which converts the problem into its convex programming equivalent. Application of the convex programming offers the advantage of readily computing a global optimal solution. Simulation results confirm the superiority of the proposed scheme over the competing RA method in terms of network lifetime and efficiency.