Modelado y Evaluación de Prestaciones de WSN con Ciclo de Trabajo y Acopio de Energía

Abstract

[ES] Muchas aplicaciones actuales requieren desplegar múltiples dispositivos de sensores en un área geográfica para recopilar información y transmitirla a un concentrador de información. Estos dispositivos comparten la limitación común de que tienen una batería limitada y, por lo tanto, su consumo de energía debe minimizarse. Cuando no es posible reemplazar, o recargar baterías en el campo, un mecanismo de recolección de energía podría ser la mejor opción para prolongar la vida útil de la red. Esta tesis de máster tiene como objetivo desarrollar un nuevo modelo matemático para una red de sensores inalámbricos que operan con ciclo de trabajo y están equipados con hardware de recolección de energía. El modelo permitirá evaluar el rendimiento de dichas redes. Se considerará un solo grupo de nodos sensores que pueden enviar paquetes de información solo a un nodo central de sumidero (sink), pero podría también considerar que la agregación de varios clústeres para formar una red más grande. Todos los nodos funcionan en un régimen de ciclo de trabajo (DC) de manera que, dentro de un ciclo, su operación alterna entre períodos activos e inactivos, con el objetivo de ahorrar energía. Para ser considerado activo, un sensor debe tener suficiente energía y una cantidad mínima de paquetes dentro de la cola. Se supondrá que las llegadas de paquetes a un dispositivo siguen un proceso de Poisson. Además, cuando un dispositivo obtiene acceso al canal, puede transmitir una trama que contiene varios paquetes, cuya longitud está limitada por un valor máximo, o el número de paquetes en la cola. El protocolo empleado será S-MAC con protocolo de enlace CSMA / CA e intercambio de paquetes RTS / CTS / DATA / ACK, donde los temporizadores de backoff se reinician en cada iteración del ciclo. De hecho, la probabilidad de ganar el acceso al canal está estrictamente relacionada con la selección del valor de backoff. La red se modelará con una Cadena de Markov de tiempo discreto 3-D (DTMC) cuyo estado está definido por el vector (i, k, b). Los elementos del dicho vector son: i) el número de paquetes en la cola de un dispositivo; ii) el número de nodos activos en un ciclo; iii) el nivel de carga de la batería. De hecho, para limitar la cardinalidad del espacio de estados de la DTMC, la energía recolectada por los nodos y su consumo de energía también se discretizarán adecuadamente. Por lo tanto, una de las contribuciones del estudio será definir la energía consumida por los nodos para cada uno de los diferentes resultados de acceso al canal, como las transmisiones exitosas o las colisiones. Los elementos de la matriz de transición se obtienen combinando las probabilidades que definen el resultado del acceso al canal y las probabilidades que definen el consumo de energía y la llegada de energía cosechada. Además, se formulará como una matriz de transición asociada con un proceso Quasi-Birth-Death (QBD), de manera que se usará un algoritmo de reducción de bloque para reducir el costo computacional requerido para obtener la distribución estacionaria. Los parámetros de rendimiento, incluido el retardo promedio, el rendimiento y el consumo de energía, provienen directamente de la distribución estacionaria y se analizarán en diferentes escenarios. Por ejemplo, al cambiar el tamaño de la red, el tamaño de la cola, la probabilidad de llegada de energía, etc. En particular, al establecer este último igual a cero, será posible calcular la distribución del tiempo que el sensor pasa sin energía en la batería. Ésta puede modelarse como una distribución pase-type, es decir, la distribución del tiempo hasta la absorción en un DTMC absorbente. Su análisis nos llevará a comprender mejor el consumo energético de la red.

[EN] Many current applications require to deploy multiple sensor devices across a geographical area to collect information and to convey it to a central gateway or information sink. These devices share the common limitation that they are battery limited, and therefore their energy consumption must be minimized. When replacing or recharging batteries in the field is not feasible, an energy harvesting mechanism might be the best choice to prolong the network lifetime. This master thesis aims to develop a new mathematical model for Duty-Cycled Wireless Sensors Network equipped with energy harvesting hardware, that will be able to evaluate the performance of such networks. The model will consider a single cluster of sensor nodes that are able to send information packets only to a central Sink Node (SN) but might consider multiple clusters could be deployed to form a larger network. All nodes work in a Duty-Cycle (DC) regime so that, within a cycle, their operation periodically alternates between active and inactive periods, with the goal of saving energy. In order to be considered active, a sensor should have enough energy and a minimum amount of packets inside the queue. It will be assumed that packet arrivals to a device follow a Poisson process. Moreover, when a device gains access to the channel, it might transmit a frame containing multiple packets, whose length is limited by a maximum value or the number of packets in the queue. The protocol employed will be the S-MAC with CSMA/CA-based RTS/CTS/DATA/ACK handshake, where back-off timers are reset at each cycle iteration. In fact, the probability to win the access to the channel is strictly related to the selection of the back-off value. The network will be modeled with a 3-D Discrete Time Markov Chain (DTMC) whose state is defined by the vector (i, k, b). The vector elements are: i) the number of packets in the queue of a device; ii) the number of active nodes in a cycle; iii) the actual battery charge level. As a matter of fact, to limit the cardinality of the DTMC state space, the energy harvested by nodes and their energy consumption will be also adequately discretized. Thus, one of the contributions of the study will be to define the energy consumed by the nodes for each of the different channel access outcomes, such as successful transmissions or collisions. The transition matrix elements are obtained by combining the probabilities that define the channel access outcome and the probabilities that define the energy consumption and the arrival of harvested energy. Moreover, it will be formulated as a transition matrix associated with Quasi-Birth-Death process, such that a block state reduction algorithm will be used to reduce the computational cost required to obtain the stationary distribution. The performance parameters, including the average delay, the throughput, and the energy consumption, directly come from the stationary distribution and they will be analyzed in different scenarios. For example, by changing the size of the network, the size of the queue, the energy arrival probability, and so on. In particular, by setting the latter equal to zero, it will be possible to determine the distribution of the time the device spends with the battery depleted. It can be modeled as a phase type distribution, that is a distribution of the time until absorption in an absorbing DTMC. Its analysis will allow us to better understand the energy consumption of the network.