download tesi - MobiLab - Università degli Studi di Napoli Federico II

Progetto e valutazione di algoritmi per la raccolta
dati affidabili su reti di sensori senza cavo
il compito di inoltrare l’interest nella rete, al posto di usare un banale
flooding.
Il clustering può essere effettuato con due approcci diversi:
Clustering centralizzato: l’algoritmo di clustering gira sul nodo base della
rete. La condizione necessaria è che il nodo base riceva tutti i dati dai
sensori. È evidente come questa tecnica vada a collidere con il concetto di
aggregazione, che tende a non far giungere al nodo base i dati relativi a tutti
i sensori, bensì solo i pacchetti di informazioni fuse e concentrate.
Clustering distribuito: è di gran lunga il più usato per supportare tecniche
di Data aggregation, Data gathering [11], e Direct diffussion [12]. Il
compito di partizionare in cluster viene decentralizzato e viene distribuito
su ogni nodo. Uno degli algoritmi di clustering distribuito più noto è il
DEM (Distributed Expectation Maximization [13]). Lo scopo è quello di
avere una partizione in cluster sempre aggiornata dei sensori, in base a delle
condizioni particolari che si verificano nell’ambiente. Si assume che ogni
nodo della rete rilevi dei dati (o degli eventi) che possono essere descritti da
un insieme di condizioni elementari. L’algoritmo produce una stima della
densità dei sensori per ciascuna di queste condizioni e rende quindi
possibile la clusterizzazione. Le elaborazioni avvengono localmente al
nodo, non è necessario quindi che i dati rilevati vengano inoltrati ad una
stazione centrale che effettua i calcoli. Inoltre l’algoritmo non richiede che i
sensori si scambino i dati effettivamente rilevati, ma solamente piccoli set
di dati statistici di aggiornamento. Un altro vantaggio degli algoritmi DEM
è che non producono trasmissioni simultanee; in altri termini è garantito
che, ad ogni intervallo temporale, l’algoritmo scambia uno e un solo
67