مسیر یابی ارتقا یافته RPL در اینترنت اشیاء زیر آب با استفاده از خوشه بندی کارامد شبکه
محورهای موضوعی : پردازش چند رسانه ای، سیستمهای ارتباطی، سیستمهای هوشمند
حامد کریمی
1
,
کیهان خام فروش
2
,
وفا میهمی
3
1 - دانشجوی دکترا، گروه مهندسی کامپیوتر، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران
2 - استادیار، گروه مهندسی کامپیوتر، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران
3 - استادیار، گروه مهندسی کامپیوتر، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران
کلید واژه: شبکه زیر آب, خوشه بندی, پروتکلهای مسیریابی, بلوم فیلتر, HCEH-UC,
چکیده مقاله :
پروتکل مسیریابی RPL، یکی از مهم ترین پروتکلهای مسیریابی در اینترنت اشیاء (IoT) و اینترنت اشیاء زیرآب (UIoT) است. در این پروتکل مسیریابی، مصرف انرژی گره ها و میزان گم شدن بسته های ارسالی بدلیل خاموش شدن گره ها چالش های بزرگی را ایجاد کرده است. برای این منظور در سناریوی جدید که با CB-RPL نام گذاری می شود با اعمال یک مکانیسم تنظیم انتقال داده براساس الگورینم HCEH-UC و ساختار داده بلوم فیلتر روی هر کدام از خوشه های ایجاد شده، سعی در بهبود پروتکل مسیریابی RPL برای استفاده زیر آب می شود. الگوریتم پیشنهادی با یک خوشه بندی تطبیقی بر اساس عمق با حفظ بسته های DIO وDAO در الگوریتم RPL ، مسیریابی با تعداد بسته های کمتر را انجام می دهد .برای مدیریت انرژی سر خوشه مانند همه الگوریتمهای خوشه بندی در دورهای مختلف نقش سرخوشه ها به صورت توزیع شده عوض می شود.حالت‌هایی به RPL ، از جمله برداشت انرژی(EH) (حالت خواب) و انتقال داده (حالت عملیات)،اضافه شده و یک مکانیسم مسیریابی برای اینترنت زیر آب روی این بستر پیشنهاد شده است. همچنین ساختار بلوم فیلتر برای کاهش حجم حافظه نودهای میانی در عملیات مسیریابی به کار گرفته می شود. درنتايج شبيه سازی که با استفاده از شبیه ساز NS3.25 صورت گرفته، کاهش زمان ارسال،کاهش مصرف انرژی و ایجاد تعادل بار مشاهده می شود . پارامتر نودهای ازبین رفته, متوسط تعداد دسترسیها به ورودیهای جدول مسیریابی،تعداد بسته های ارسالی به ریشه ،انرژی باقیمانده و بسته های گم شده هم بهبود قابل ملاحظه ای داشته است.
Abstract
Introduction: RPL routing protocol is one of the most important routing protocols in Internet of Things (IoT) and Underwater Internet of Things (UIoT). In this routing protocol, the energy consumption of the nodes and the number of lost packets due to the shutdown of the nodes has created great challenges.
Method: In the new scenario named CB-RPL, by applying a data transfer adjustment mechanism based on the HCEH-UC algorithm and the Bloom filter data structure on each of the created clusters, an attempt is made to improve the RPL routing protocol for the following use. It becomes water. The simulation is done by using the NS3.25 simulator.
Results: In the results, it can be seen that the sending time is reduced, the energy consumption is reduced and the load is balanced. The parameter of destroyed nodes, the average number of access to routing table entries, the number of packet sent to the root, the remaining energy and the lost packets have also improved significantly.
Discussion: The proposed algorithm with an adaptive clustering based on depth by keeping DIO and DAO packets in the RPL algorithm performs routing with a smaller number of packets. To manage cluster head energy like all clustering algorithms in different rounds, the role of cluster heads is distributed Modes have been added to RPL, including energy harvesting (EH) (sleep mode) and data transmission (operating mode), and a routing mechanism for underwater Internet on this platform is proposed. Also, the Bloom filter structure is used to reduce the memory size of intermediate nodes in routing operations.
[1] Lin, Shan, Fei Miao, Jingbin Zhang, Gang Zhou, Lin Gu, Tian He, John A. Stankovic, Sang Son, and George J. Pappas. "ATPC: Adaptive transmission power control for wireless sensor networks." ACM Transactions on Sensor Networks (TOSN) 12, no. 1 (2016): 1-31. doi: 10.1145/2746342
[2] Nutov, Zeev, and Michael Segal. "Improved approximation algorithms for maximum lifetime problems in wireless networks." Theoretical Computer Science 453 (2012): 88-97. doi: 10.1016/j.tcs.2011.08.001
[3] Yildiz, Huseyin Ugur, Bulent Tavli, and Halim Yanikomeroglu. "Transmission power control for link-level handshaking in wireless sensor networks." IEEE Sensors Journal 16, no. 2 (2015): 561-576. doi: 10.1109/jsen.2015.2486960
[4] Al Salti, F.; Alzeidi, N.; Arafeh, B.R. EMGGR: An energy-efficient multipath grid-based geographic routingprotocol for underwater wireless sensor networks.Wirel. Netw.2017,23, 1301–1314. doi: 10.1007/s11276-016-1224-0
[5] Zhuo, Xiaoxiao, Meiyan Liu, Yan Wei, Guanding Yu, Fengzhong Qu, and Rui Sun. "AUV-aided energy-efficient data collection in underwater acoustic sensor networks." IEEE Internet of Things Journal 7, no. 10 (2020): 10010-10022. doi: 10.1109/jiot.2020.2988697
[6] Wang, Jin, Yu Niu, Jinsung Cho, and Sungyoung Lee. "Analysis of energy consumption in direct transmission and multi-hop transmission for wireless sensor networks." In 2007 Third International IEEE Conference on Signal-Image Technologies and Internet-Based System, pp. 275-280. IEEE, 2007. doi: 10.1109/sitis.2007.145
[7] Rana, Sohel, Ali Newaz Bahar, Nazrul Islam, and Johirul Islam. "Fuzzy based energy efficient multiple cluster head selection routing protocol for wireless sensor networks." International Journal of Computer Network and Information Security 7, no. 4 (2015): 54-61. doi: 10.5815/ijcnis.2015.04.07
[8] Borgia, Eleonora. "The Internet of Things vision: Key features, applications and open issues." Computer Communications 54 (2014): 1-31.doi: 10.1016/j.comcom.2014.09.008
[9] Ko, J., Jeong, J., Park, J., Jun, J., Gnawali, O., & Paek, J. (2015). DualMOP-RPL: Supporting multipleof mode downward routing in a single RPL network. ACM Transaction on Sensor Network (TOSN),11(2), may 2015.doi: 10.1145/2700261
[10] Jeong, Yonghwan, Sungwon Lee, Eunbae Moon, Hyeongcheol Park, Hongseok Yoo, and Dongkyun Kim. "Hop-interval based decision of operational mode In RPL with multi-instance." In 2016 Eighth International Conference on Ubiquitous and Future Networks (ICUFN), pp. 591-593. IEEE, 2016.doi: 10.1109/icufn.2016.7537101
[11] Han, Bing, Feng Ran, Jiao Li, Limin Yan, Huaming Shen, and Ang Li. "A novel adaptive cluster based routing protocol for energy-harvesting wireless sensor networks." Sensors 22, no. 4 (2022): 1564. doi: 10.3390/s22041564
[12] Bahrambeigy, Bahram, Mahmood Ahmadi, and Mahmood Fazlali. "Towards Accelerating IP Lookups on Commodity PC Routers using Bloom Filter: Proposal of Bloom-Bird." Information Systems & Telecommunication (2017): 25. doi: 10.1109/noms.2014.6838341
[13] Naous, Jad, Glen Gibb, Sara Bolouki, and Nick McKeown. "NetFPGA: reusable router architecture for experimental research." In Proceedings of the ACM workshop on Programmable routers for extensible services of tomorrow, pp. 1-7. 2008. doi: 10.1145/1397718.1397720
[14] Lucchesi, Alexandre, André C. Drummond, and George Teodoro. "High-performance IP lookup using Intel Xeon Phi: a Bloom filters based approach." Journal of Internet Services and Applications 9 (2018): 1-18. doi: 10.1186/s13174-017-0075-y
[15] Heinzelman, Wendi B., Anantha P. Chandrakasan, and Hari Balakrishnan. "An application-specific protocol architecture for wireless microsensor networks." IEEE Transactions on wireless communications 1, no. 4 (2002): 660-670. doi: 10.1109/twc.2002.804190
[16] Sah, Dipak Kumar, and Tarachand Amgoth. "A novel efficient clustering protocol for energy harvesting in wireless sensor networks." Wireless Networks 26, no. 6 (2020): 4723-4737. doi: 10.1007/s11276-020-02351-x
[17] Khan, Muhammad K., Muhammad Shiraz, Qaisar Shaheen, Shariq Aziz Butt, Rizwan Akhtar, Muazzam A. Khan, and Wang Changda. "Hierarchical routing protocols for wireless sensor networks: functional and performance analysis." Journal of Sensors 2021 (2021): 1-18. doi: 10.15368/theses.2012.175
[18] Karimi, Hamed, Keyhan Khamforoosh, and Vafa Maihami. "Improvement of DBR routing protocol in underwater wireless sensor networks using fuzzy logic and bloom filter." Plos one 17, no. 2 (2022): e0263418.doi: 10.1371/journal.pone.0263418
