download tesi - MobiLab - Università degli Studi di Napoli Federico II
download tesi - MobiLab - Università degli Studi di Napoli Federico II
download tesi - MobiLab - Università degli Studi di Napoli Federico II
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Progetto e valutazione <strong>di</strong> algoritmi per la raccolta<br />
dati affidabili su reti <strong>di</strong> sensori senza cavo<br />
il compito <strong>di</strong> inoltrare l’interest nella rete, al posto <strong>di</strong> usare un banale<br />
floo<strong>di</strong>ng.<br />
Il clustering può essere effettuato con due approcci <strong>di</strong>versi:<br />
Clustering centralizzato: l’algoritmo <strong>di</strong> clustering gira sul nodo base della<br />
rete. La con<strong>di</strong>zione necessaria è che il nodo base riceva tutti i dati dai<br />
sensori. È evidente come questa tecnica vada a collidere con il concetto <strong>di</strong><br />
aggregazione, che tende a non far giungere al nodo base i dati relativi a tutti<br />
i sensori, bensì solo i pacchetti <strong>di</strong> informazioni fuse e concentrate.<br />
Clustering <strong>di</strong>stribuito: è <strong>di</strong> gran lunga il più usato per supportare tecniche<br />
<strong>di</strong> Data aggregation, Data gathering [11], e Direct <strong>di</strong>ffussion [12]. Il<br />
compito <strong>di</strong> partizionare in cluster viene decentralizzato e viene <strong>di</strong>stribuito<br />
su ogni nodo. Uno <strong>degli</strong> algoritmi <strong>di</strong> clustering <strong>di</strong>stribuito più noto è il<br />
DEM (Distributed Expectation Maximization [13]). Lo scopo è quello <strong>di</strong><br />
avere una partizione in cluster sempre aggiornata dei sensori, in base a delle<br />
con<strong>di</strong>zioni particolari che si verificano nell’ambiente. Si assume che ogni<br />
nodo della rete rilevi dei dati (o <strong>degli</strong> eventi) che possono essere descritti da<br />
un insieme <strong>di</strong> con<strong>di</strong>zioni elementari. L’algoritmo produce una stima della<br />
densità dei sensori per ciascuna <strong>di</strong> queste con<strong>di</strong>zioni e rende quin<strong>di</strong><br />
possibile la clusterizzazione. Le elaborazioni avvengono localmente al<br />
nodo, non è necessario quin<strong>di</strong> che i dati rilevati vengano inoltrati ad una<br />
stazione centrale che effettua i calcoli. Inoltre l’algoritmo non richiede che i<br />
sensori si scambino i dati effettivamente rilevati, ma solamente piccoli set<br />
<strong>di</strong> dati statistici <strong>di</strong> aggiornamento. Un altro vantaggio <strong>degli</strong> algoritmi DEM<br />
è che non producono trasmissioni simultanee; in altri termini è garantito<br />
che, ad ogni intervallo temporale, l’algoritmo scambia uno e un solo<br />
67