ST-DBP: uma abordagem baseada na correlação espaço-temporal para supressão de mensagens em RSSF

Abstract

Redes de Sensores sem Fio é uma tecnologia emergente que vem ganhando atenção da comunidade acadêmico-científica e tecnológica mundial, principalmente nas últimas décadas. Esta tecnologia apresenta, dentre suas as principais características, a disponibilidade limitada de recursos, principalmente energéticos. Assim, um dos principais desafios em se projetar soluções baseadas nesta tecnologia é a maximização da autonomia da rede como um todo. Neste contexto, a aplicação da técnica de supressão de mensagens, baseada em modelos de tendência, como mecanismo para reduzir o número de mensagens no nível de aplicação, promove economia de energia gasta com comunicação e consequentemente, maximiza a autonomia da rede de sensores sem fio. Trabalhos recentes propuseram técnicas de supressão de mensagens baseadas em modelos lineares, que apresentaram um bom desempenho de supressão, com baixa complexidade e custo computacional, além de apresentarem um alto grau de simplicidade. Apesar de eficientes, estas técnicas consideram apenas a correlação temporal dos dados, desconsiderando a correlação espacial das grandezas físicas sensoreadas, tipicamente presentes em vários fenômenos monitorados, o que pode reduzir ainda mais o número total de mensagens. Neste sentido, esta dissertação consiste na proposta e avaliação de um mecanismo de supressão de mensagens para redes de sensores sem fio que explora a correlação espaço-temporal das grandezas físicas sensoreadas. O método proposto é avaliado em um ambiente de simulação, envolvendo dados reais de uma rede de sensores sem fio de grande escala, significativamente densa, e com uma frequência de amostragem relativamente alta. Os resultados obtidos confirmam que o método consegue melhorar as taxas de supressão de mensagens e reduzir o consumo de energia, refletido no tempo de vida da rede.<br>

Abstract : Wireless Sensor Networks is an emerging technology that has been gaining attention from the worldwide academic and scientific community, especially in recent decades. This technology presents, among its main characteristics, the limited resources available, mainly energy. Thus, one of the main challenges in designing solutions based on this technology is the maximization of the autonomy of the network as a whole. In this context, the application of the data suppression technique, based on trend models, as a mechanism to reduce the number of messages at the application level, promotes energy savings spent with communication and, consequently, maximizes the autonomy of the wireless sensor network. Recent works proposed data suppression techniques based on linear models, which presented a good suppression performance, with low complexity and computational cost, besides presenting a high degree of simplicity. Although efficient, these techniques consider only the temporal correlation of the data, disregarding the spatial correlation of the sensed physical quantities, typically present in several monitored phenomena, which may further reduce the total number of messages. This work consists of the proposal of a message suppression mechanism for wireless sensor networks that exploit the spatio-temporal correlation of the sensed physical quantities. The proposed method is evaluated in a simulation environment, involving real data from a large scale network, significantly dense, and with a relatively high sampling frequency. The results confirm that the method can improve message suppression rates and reduce energy consumption, reflected in the network lifetime.