Energy Management in Wireless Sensor Network

Shelke, R.; Kulkarni, G.; Sutar, Rajendra G.; Bhore, P.; Nilesh, D.; Belsare, Shrikant

doi:10.1109/uksim.2013.139

Cited by 7 publications

(9 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Arafatur Rahman. temperature), locally process their data both in-unit and at cluster level, and communicate the outcome to the cluster head and/or to one or more collection points known as the sinks or base stations [1].…”

Section: Introductionmentioning

confidence: 99%

“…Sensor nodes with redundant information would unnecessarily drain useful energy out of the network, hence, it is important to put such nodes with redundant data to sleep in order to reduce energy consumption. Many existing work have addressed the selection of important sensors from machine learning perspective [1], [5], [7]. However, these methods are not end-to-end, that it, they rely on frameworks that separate sensor selection stage from the downstream task.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Energy Conservation in Wireless Sensor Networks Using Partly-Informed Sparse Autoencoder

Ayinde

Barnawi

2019

IEEE Access

View full text Add to dashboard Cite

The energy in wireless sensor networks is considered a scarce commodity, especially in scenarios where it is difficult or impossible to provide supplementary energy sources once the initially available energy is used up. Even in cases where energy harvesting is feasible, effective energy utilization is still a crucial step for prolonging the network lifetime. Enhancement of life-time through efficient energy management is one of the essential ingredients underlining the design of any credible wireless sensor network. In this paper, we propose a sensor selection method using a novel and unsupervised neural network structure referred to as partly-informed sparse autoencoder (PISAE) that aims to reconstruct all sensor readings from a select few. The PISAE comprises three submodules, namely: the gate (which selects the most important sensors), encoder (encodes and compresses the data from select sensors), and decoder (decodes the output of the encoder and regenerates the readings of all initial sensors). Our approach relies on the premise that many sensors are redundant because their readings are spatially and temporally correlated and are predictable from the readings of a few other sensors in the network. Thus, overall network reliability and lifetime are enhanced by putting sensors with redundant readings to sleep without losing significant information. We evaluate the efficacy of the proposed method on three benchmark datasets and compare with existing results. The experimental results indicate the superiority of our approach compared with existing approaches in terms of accuracy and lifetime extension factor.

show abstract

Section: Introductionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Energy Conservation in Wireless Sensor Networks Using Partly-Informed Sparse Autoencoder

Ayinde

Barnawi

2019

IEEE Access

View full text Add to dashboard Cite

show abstract

“…A proposta especica o uso de clusters e clusters heads (CHs) para o encaminhamento de dados ao sink através do roteamento utilizando-se uma abordagem do caminho mais curto, baseada no algoritmo de Dijkstra, para calcular a rota de menor energia até o sink. [44].…”

unclassified

“…De acordo com [44], as RSSF têm o intuito de observar e possivelmente controlar um determinado ambiente, normalmente sem intervenção humana direta em escala espacial ou temporal. Os nós sensores 1 monitoram e coletam informações sobre fenômenos físicos (por exemplo, temperatura, umidade, vibração, aceleração, ou qualquer outro evento que seja de interesse ao observador), realizam processamento local e disseminam os dados usando a comunicação através de ondas de rádio, até que a informação seja entregue ao nó que solicitou os dados.…”

unclassified

“…A principal fonte de energia de uma RSSF geralmente é a bateria, e sensores muitas vezes são destinados a serem implantados ou lançados em campos de detecção inóspitos (por exemplo, campo de batalha, ambientes de radiação), tornando assim nanceiramente ou logisticamente inviável recarregar ou substituir as baterias de todos os sensores. Os trabalhos [44], [36] e [2] armam que mesmo com essa restrição energética, é extremamente desejável que a vida útil de uma RSSF seja a mais longa possível para qualquer aplicativo de monitoramento. Esse sistema é medido pelo tempo em que todas as baterias dos nós sensores se esgotem e seja possível a coleta e encaminhamento de informação.…”

unclassified

See 1 more Smart Citation

Uma proposta para redução de consumo de energia em redes de sensores sem fio

Lima¹

View full text Add to dashboard Cite

AgradecimentosAgradeço primeiramente a Deus, que ilumina meu caminho, por me dar sabedoria, força e coragem para enfrentar os desaos da vida e que colocou essas pessoas extraordinárias aqui citadas em minha vida.Agradeço a Professora Priscila Solís pela orientação nesse trabalho.Agradeço ao meu pai Laercio Lima (in memorian) por que sei de onde ele estiver ele está ao meu lado sempre e orgulhoso de mim.Agradeço a minha mãe Auxiliadora Lima por todo incentivo, apoio, carinho, paciência e orações nesses anos que estou fora de casa. Obrigada por sempre me ouvir me dar bons conselhos, sem você eu não seria nada.Ao meu irmão Laercio e meu sobrinho Lohan por todo o apoio, incentivo e carinho.Agradeço ao meu primo Márcio Guerra por me acolher e me ajudar a trilhar esse caminho, sem a sua ajuda eu não teria conseguido, obrigada pelas risadas, pela companhia, pelos passeios, pela paciência... Você foi mais que um primo foi um irmão mais velho pra mim.Agradeço a toda a minha família Santos e Lima que de certa maneira me ajudaram a chegar até aqui. Agradecimentos especiais a minha tia Nadir e minhas primas Márcia e Sylvia pelo incentivo dado desde antes do inicio dessa caminhada. Agradeço aos meus amigos que z nesse tempo a Ariane, Daniel, Gustavo, Léia, Nilson e Vera pelos momentos que passamos juntos tanto os bons como os ruins, cada um de vocês tem um lugar no meu coração. Em especial ao Jeremias por todas as vezes que me ajudou, pelos momentos que passamos, pelas nossas conversas. Você foi um amigão na reta nal deste trabalho! Agradeço aos amigos Henrique e Kerlla pelas boas conversas de redes que tínhamos no laboratório, pelo incentivo e apoio mútuo que nos dávamos no dia a dia para poder seguir em frente. Não poderia deixar de agradecer a Amanda e o Jonathan vocês foram essenciais na minha caminhada na UnB me ajudando desde o inicio com os nossos estudos em grupo, agradeço por todas as vezes que vocês abdicaram um pouco de seu tempo em prol do meu. vi Jon, sem você eu não conseguiria terminar, vou te agradecer eternamente por tudo que você fez por mim, não tenho palavras para expressar a minha gratidão a você! Amanda, você foi minha melhor amiga em Brasília, obrigada pela força, pelo apoio, pelo ombro amigo, pelo ouvido amigo, obrigada por tudo! Também não tenho palavras para descrever a minha gratidão a você. Agradecimentos especiais a CAPES pelo apoio nanceiro, ao Departamento de Ciência da Computação, em especial a Paula, e à UnB pela excelência nos seus cursos de graduação e pós-graduação, não poderia deixar de agradecer as Professoras Alba e Maria Emília por todas as vezes que precisei da ajuda de vocês sempre estiveram prontas a me ajudar, agradeço pelo enriquecimento pessoal e prossional que vocês me passaram. vii A rede é dividida em duas regiões, a região de não intensidade (RNI) e a região de intensidade (RI), onde na RNI é utilizado o algoritmo CSMA/CA para enviar quadros e o algoritmo TDMA é utilizado para otimizar a comunicação entre os CHs, ideias obtidas a adaptadas neste trabalho a partir de [1] e [18]...

show abstract