Алгоритмы комплексного обнаружения объектов в беспроводных сенсорных сетях

Введение. Беспроводные сенсорные сети могут применяться для решения многих народнохозяйственных задач, в том числе и для обнаружения интересующего объекта (явления). Большинство известных алгоритмов обработки информации в таких сетях строятся в соответствии с радиальной архитектурой. Такой подход предполагает, что каждый сенсор имеет доступ непосредственно к центральному узлу, осуществляющему окончательное вынесение решения. В то же время данный подход не всегда реализуем на практике, в частности, из-за сложного рельефа местности. В связи с чем в статье предложен алгоритм обнаружения при последовательной передаче информации от сенсора к сенсору, позволяющий расширить зону обнаружения и увеличить время функционирования источников питания сенсоров.
Цель работы. Синтез и анализ комплексного алгоритма обнаружения объекта в беспроводной сенсорной сети с линейной топологией.
Материалы и методы. Синтез алгоритма обнаружения основывался на статистической теории оптимального обнаружения сигналов, а конкретно, на следующей априорной информации: вероятностях ошибок обнаружения объекта каждого сенсора и вероятностях ошибок в каналах связи. Анализ эффективности синтезированного алгоритма выполнялся численно с помощью программы MATLAB.
Результаты. В ходе исследований предложен алгоритм комплексного обнаружения объектов в беспроводных сенсорных сетях. Приведены результаты, характеризующие эффективность синтезированного алгоритма. В частности, проанализировано влияние таких параметров, как отношение сигнал/шум и количество сенсоров в системе на эффективность обнаружения.
Заключение. Показано, что анализ синтезированного алгоритма может быть выполнен точно. Причем параметры самого алгоритма и вероятности ошибок при переходе от сенсора к сенсору определяются достаточно простыми рекуррентными выражениями. Возможными перспективными направлениями исследований являются исследования, связанные с влиянием на эффективность обнаружения каналов связи с замираниями и рассеянием, а также разработка комплексных алгоритмов обнаружения при неизвестных координатах цели.

1. Wireless Sensor Network as a Mesh: Vision and Challenges / Z. Nurlan, T. Zhukabayeva, M. Othman, A. Adamova, N. Zhakiyev // IEEE Access. 2021. Vol. 10. P. 46−67. doi: 10.1109/ACCESS.2021.3137341

2. Manuel E. M., Pankajakshan V., Mohan M. T. Efficient Strategies for Signal Aggregation in Low-Power Wireless Sensor Networks With Discrete Transmission Ranges // IEEE Sensors Letters. 2023. Vol. 7, iss. 3. Art. № 7500304. doi: 10.1109/LSENS.2023.3250432

3. Hyun-Ho Choi, Sengly Muy, Jung-Ryun Lee. Geometric Analysis-Based Cluster Head Selection for Sectorized Wireless Powered Sensor Networks // IEEE Wireless Communications Letters. 2021. Vol. 10, iss. 3. P. 649−653. doi: 10.1109/LWC.2020.3044902

4. Marinescu D. C. Complex systems and clouds. A self-organization and self-management perspective. Amsterdam: Elsevier, 2017. 238 p.

5. Ye W., Heidemann J., Estrin D. An energy-efficient MAC protocol for wireless sensor networks // Proc. of 21 st Annual Joint Conf. of the IEEE Computer and Communications Societies, New York, USA, 23−27 June 2002. IEEE, 2002. Vol. 3. P. 1567−1576. doi: 10.1109/INFCOM.2002.1019408

6. ZigBee Specification. ZigBee Alliance Std., 2007. URL: https://csa-iot.org/wp-content/uploads/2023/04/05-3474-23-csg-zigbee-specification-compressed.pdf (дата обращения 20.03.2025).

7. Adaptive Scale Patch-Based Contrast Measure for Dim and Small Infrared Target Detection / Z. Qiu, Y. Ma, F. Fan, J. Huang, M. Wu // IEEE Geoscience and Remote Sensing Letters. 2022. Vol. 19. P. 1−5. doi: 10.1109/LGRS.2020.3036842

8. Rao M., Kamila N. K. Target Tracking in Wireless Sensor Networks: The Current State of Art // Sensor Technology: Concepts, Methodologies, Tools and Applications. 2020. Vol. 2. P. 857−880. doi: 10.4018/978-1-7998-2454-1.ch041

9. Amutha J., Sharma S., Nagar J. WSN Strategies Based on Sensors, Deployment, Sensing Models, Coverage and Energy Efficiency: Review, Approaches and Open Issues // Wireless Personal Communications. 2020. Vol. 111. P. 1089−1115. doi: 10.1007/s11277-019-06903-z

10. Surenther I., Sridhar K. P., Roberts M. K. Maximizing energy efficiency in wireless sensor networks for data transmission: A Deep Learning-Based Grouping Model approach // Alexandria Engineering J. 2023. Vol. 83. P. 53−65. doi: 10.1016/j.aej.2023.10.016

11. Nedham W. B., Al-Qurabat A. K. M. A Comprehensive review of clustering approaches for energy efficiency in wireless sensor networks // Int. J. of Computer Applications in Technology. 2023. Vol. 72, № 2. P. 139−160. doi: 10.1504/IJCAT.2023.10058667

12. Парфенов В. И., Ле В. Д. Применение беспроводной сенсорной системы для охраны объектов с использованием датчиков инфракрасного излучения // Компьютерная оптика. 2021. Т. 45, № 3. С. 364−371. doi: 10.18287/2412-6179-CO-788

13. Robustness of the Counting Rule for Distributed Detection in Wireless Sensor Network / A. Goel, A. Patel, K. G. Nagananda, P. K. Varshney // IEEE Signal Processing Letters. 2018. Vol. 25, iss. 8. P. 1191−1195. doi: 10.1109/LSP.2018.2850529

14. Парфенов В. И., Ле В. Д. Беспроводные сенсорные сети. Принципы комплексирования информации от сенсоров при обнаружении объекта излучения. Москва; Вологда: Инфра-Инженерия, 2025. 104 с.

15. ПСНТ 422−2020 (ИСО/МЭК 30128:2014) Предварительный национальный стандарт Российской Федерации. Информационные технологии. Сети сенсорные. Сетевой интерфейс прикладного программирования датчика / Утв. и введен в действие Приказом Росстандарта от 23.07.2020 № 31-пнст.

16. Парфенов В. И., Буй Ч. Т. Оптимальный алгоритм комплексного обнаружения целей в беспроводных сетях с "линейной" топологией // Радиолокация, навигация, связь: сб. тр. XXX Междунар. науч.-техн. конф. Воронеж: Изд-во ВГУ, 2024. Т. 1. С. 276−285.

17. Тихонов В. И. Оптимальный прием сигналов. М.: Радио и связь, 1983. 320 с.

18. Скляр Б. Цифровая связь. Теоретические основы и практическое применение. М.: Издательский дом "Вильямс", 2004. 1104 с.

19. Parfenov V. I., Le V. D. Optimal fusion rule for distributed detection with channel errors taking into account sensors’ unreliability probability when protecting coastlines // Int. J. of Sensor Networks. 2022. Vol. 38, iss. 2. P. 71−84. doi: 10.1504/IJSNET.2022.121157