Meccanismi di
Ritrasmissione per
Reti di Sensori
Università
di
Ferrara
OUTLINE



INTRODUZIONE
DEFINIZIONE DI 4 METODI DI CONSEGNA
DELLE INFORMAZIONI PER RETI WIRELESS
DI SENSORI
 COMMUNICATION PERFORMANCES
 CONSUMO ENERGETICO
RISULTATI E CONFRONTI
 mAMPS-1 DATA
 MODELLO PARAMETRICO
Pattern
Università di Ferrara
2
Introduzione
 Aspetto più critico per reti wireless di sensori :
LIMITATO BUDGET ENERGETICO
progettare tutti i livelli della rete al fine di risparmiare energia
 In questo lavoro:
 LINK LAYER :
 Reti di sensori caratterizzate da:
- alta densità di nodi
- brevi distanze tra dispositivi vicini (10, 20 m)
- bassi data rates
- pacchetti di lunghezza corta (100 bits)
 vogliamo assicurare comunicazioni affidabili ed
energeticamente efficienti.
 proposta di 4 metodi di consegna delle informazioni e studio
del loro consumo energetico
Pattern
Università di Ferrara
3
Definizione dei quattro metodi

ARQ fino all’arrivo di un pacchetto corretto a
destinazione; ausilio della strategia di FEC.
d
S

Alternative considerate:




Pattern
D
d/H
METODO 1)
trasmissione diretta da S a D;ritrax richiesta a D
METODO 2)
consegna multihop con nodi intermedi che si comportano da repeater,
pacchetto decodificato solo a D; ritrax chieste a S
METODO 3)
consegna multihop dove ogni nodo intermedio implementa FEC e
arresta un’ulteriore trasmissione di un pacchetto rilevato errato; ritrax
chieste alla S
METODO 4)
consegna multihop dove ogni nodo intermedio implementa FEC e
arresta un’ulteriore trasmissione di un pacchetto rilevato errato; ritrax
chieste al nodo precedente
Università di Ferrara
4
Communication Performance

Definiamo la qualità della comunicazione attraverso
Pe : probabilità di fallita consegna di un pacchetto a destinazione
Ritrasmissioni
Pattern

Pe1 ( z)  pw( pb( z,1))

z 1
Pe2 ( z)  pw( pbd( , ))
H H

z 1 H
Pe3 ( z)  Pe4 ( z)  1  [1  pw( pb( , ))]
H H
Università di Ferrara
5
Communication Performance
 distanze (dN) normalizzate alla distanza d tra S e D
 z rapporto segnale rumore a distanza dN unitaria (dividendo equamente
la potenza output totale tra i nodi) .
1
BER  Pb ( z , d N )  Erfc( z  d N )
2
 nel metodo 2), un simbolo arriva errato a destinazione se ha
subito un numero dispari di errori lungo il cammino :
Pbd ( Pb ) 
 H 2 
 2 



i 0
 H  2i 1
H  2 i 1
H

P

(1

P
)

(
H
mod
2)

P

 b
b
b
2
i

1


 word error probability con un codice a blocchi (n,k,t) :
n i
Pw ( Pb )     Pb (1  Pb ) n i
i t 1  i 
n
Pattern
Università di Ferrara
6
Modello energetico di un nodo sensore
d
mP
ENCODING
g
Radio
Tx
mP
Radio
Rx
DECODING
POINT-TO-POINT COMUNICATION
E  E0  E proc  Ed

E0  2  Pstart  Tstart  Ton  ( Ptxelec  Prxelec   amp )

E proc  Eenc  Edec

Ed g , d   c  g  d
Pattern
c  Ton   amp  Att1m 

Università di Ferrara
Ton 
n
bitRate
No
Tb
2   4
7
Energia per consegnare un pacchetto corretto a destinazione
 Eg _ i  Edata _ i  Eoverhead _ NACKs _ i



1
Edata _1 
  E0  E proc  Ed [g 1 , d ]
1  Pe1
Edata _ 2
1

  H  E0  E proc  H  Ed [g 2 , d / H ]
1  Pe2
Edata _ 3
1

 m(g 3 )   E0  E proc  Ed [g 3 , d / H ]
1  Pe3
H
m   h  Ph  H  (1  Pe3 )
h 1

Pattern
i = 1...4
Edata _ 4  H 
Ph  Pw (1  Pw )h 1
1
  E0  E proc  Ed [g 4 , d / H ]
1  pw
Università di Ferrara
8
Energia Eg_data

Metodi 1), 2) richiedono a S la ritrax di un pacchetto errato, quindi
Eg_i (i=1, 2, 3) si può esprimere come:
Energia per una
singola tx a D
x
Numero medio di tx necessarie per avere
un pacchetto corretto a D
1 / (1-Pe)

Fattore m  include la possibilità di fermare il forwarding di un
pacchetto trovato errato ad un nodo intermedio

Ph  probabilità di avere un pacchetto errato al salto h

Eg4
 1/(1-Pw) numero medio di tx per consegnare correttamente un
pacchetto al nodo successivo
 Ogni tx: termine tra parentesi
Pattern
Università di Ferrara
9
Risultati e confronti

Osserviamo l’andamento energetico dei quattro
metodi in due diverse situazioni:
 specifica:
sostituendo E0 and Eproc con i valori di un sensore reale, il MIT
mAMPS-1 prototype, con
BCH (63,39,4).
 =3.5
 E0=9.3·10-5 J
 Eproc=4.6 ·10-5 J

parametrico:
per semplificare l’analisi trascuriamo energie relativa all’ 
Eg=Edata . Questo non cambia il trend e il range dei risultati
ottenuti.
Pattern
Università di Ferrara
10
Risultati : mAMPS-1
 Eg in relazione a probabilità di errore Pe


fissata distanza d tra S e D
fissato numero di salti H
 esistenza di una
Pe ottimale :
Minimo numero di
ritrasmissioni per
minimizzare il
consumo energetico
 Pe ottimale
attorno 10-2
con i dati mAMPS-1
Pattern
Università di Ferrara
11
Risultati : mAMPS-1
 Eg in relazione alla distanza d S-D

fissata Pe = 10-2
 fissato H :all’aumento
di d, l’uso del multihop
diventa necessario e solo
a distanze maggiori
diventa utile l’uso del FEC
ad ogni nodo intermedio
 più salti a
disposizione :
• H ottimo (Hopt)per ogni
distanza d, ottima distanza
tra due nodi successivi
(dlink_opt)
• scegliendo Hopt per ogni
d, il metodo migliore è
METHOD 2)
Pattern
Università di Ferrara
12
Risultati : mAMPS-1
 Guadagno tra schema 2) e 3)
scegliendo Hopt per ogni distanza d

Pattern
fissata Pe =
10-2
Università di Ferrara
Scegliendo Hopt per
ogni distanza d, il
metodo migliore in
uno scenario
multisalto è schema
2) con un guadagno
energetico tra 5% e
15% rispetto a metodo
3), come evidenziato
nel riquadro,
posizionato nel range
dove il multihop è
preferibile alla
trasmissione diretta.
13
Risultati : Modello Parametrico

Multihop
FEC ad ogni nodo
 Riduzione di Ed
13  H 1
necessaria ad
assicurare una
data performance
Pe ma aumento di
Eo e Eproc
13  H 1

Ed 2  12  Ed1
Ed 3  13  Ed1
Pattern
approx

12
x
 1010
 H 1
13  H 1
Università di Ferrara
x @
1 dB
14
Risultati : Modello Parametrico
 TREADE-OFFs :

E0 e Ed  routing diretto o multisalto

Eproc e Ed  FEC ad ogni nodo o solo a destinazione
 Possiamo sfruttare i fattori 12 and 13 per costruire un modello
parametrico, un set di condizioni per scegliere la soluzione
migliore, tra le quattro alternative, rispetto ai numerosi parametri
coinvolti:

tecnologia hardware ( E0 , Eproc )

distanza tra sorgente e destinazione ( d )

numero di salti ( H )
Pattern
Università di Ferrara
15
Risultati : Modello Parametrico
 Stessa Pe per tutti i metodi
 metodo 1) è il migliore quando Eg1 < Eg2 and Eg1 < Eg3 .
Queste condizioni sono soddisfatte quando : 





 E0
 metodo 2) migliore quando:
 Ed 1
 E

0

 Ed 1

 E proc
Pattern

H 1
1  12

H 1
12  13
Ed 1
E0

H 1
1  12
Ed 1
 E proc

m 1
1  13
 metodo 3) migliore quando:
Ed 1

E  E
proc
 0

Ed 1


 E proc
Università di Ferrara

m 1
1  13

H 1
12  13
16
Risultati : Modello Parametrico
 Distanza alla quale le curve relative all’energia spesa dai vari
meccanismi si intersecano, considerando un fissato numero di salti a
disposizione:
 1  c  g 1
1
 ( H  1)  E0  
d12  

(1


)


12
1


1
 ( H  1)  E proc  
d 23  

(



)


 12 13 1 
d12 proporzionale al rapporto E0/1
 d23 proporzionale al rapporto Eproc/1
 dipendenza dai parametri H, 12 and 13
Pattern
Università di Ferrara
17
Risultati : Modello Parametrico
 Sostanziale aumento di energia se si utilizza un numero di salti
sub-ottimo
 interessante studiare quali fattori influenzano Hopt, cioè dlink_opt:
1
dlink _ opt
 E0 
    f ( )
 1 
mAMPS-1
 variando il rapporto E0/1
possiamo ottimizzare le
comunicazioni anche tra nodi
successivi distanti anche
solo 10, 20 metri
Pattern
Università di Ferrara
18