]> AND Private Git Repository - Sensornets15.git/blob - Example.tex
Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
version ali
[Sensornets15.git] / Example.tex
1 \documentclass[a4paper,twoside]{article}
2
3 \usepackage{epsfig}
4 \usepackage{subfigure}
5 \usepackage{calc}
6 \usepackage{amssymb}
7 \usepackage{amstext}
8 \usepackage{amsmath}
9 \usepackage{amsthm}
10 \usepackage{multicol}
11 \usepackage{pslatex}
12 \usepackage{apalike}
13 \usepackage{SCITEPRESS}
14 \usepackage[small]{caption}
15
16 \usepackage[linesnumbered,ruled,vlined,commentsnumbered]{algorithm2e}
17 \usepackage{mathtools}  
18
19 \subfigtopskip=0pt
20 \subfigcapskip=0pt
21 \subfigbottomskip=0pt
22
23 \begin{document}
24
25 %\title{Authors' Instructions  \subtitle{Preparation of Camera-Ready Contributions to SCITEPRESS Proceedings} }
26
27 \title{Distributed Lifetime Coverage Optimization Protocol \\in Wireless Sensor Networks}
28
29 \author{\authorname{Ali Kadhum Idrees, Karine Deschinkel, Michel Salomon, and Rapha\"el Couturier}
30 \affiliation{FEMTO-ST Institute, UMR 6174 CNRS, University of Franche-Comte, Belfort, France}
31 %\affiliation{\sup{2}Department of Computing, Main University, MySecondTown, MyCountry}
32 \email{ali.idness@edu.univ-fcomte.fr, $\lbrace$karine.deschinkel, michel.salomon, raphael.couturier$\rbrace$@univ-fcomte.fr}
33 %\email{\{f\_author, s\_author\}@ips.xyz.edu, t\_author@dc.mu.edu}
34 }
35
36 \keywords{Wireless   Sensor   Networks,   Area   Coverage,   Network   lifetime,
37 Optimization, Scheduling.}
38
39 \abstract{One  of the fundamental  challenges in  Wireless Sensor  Networks (WSNs)  is the
40 coverage preservation and the extension of the network lifetime continuously and
41 effectively when  monitoring a  certain area (or  region) of interest.   In this
42 paper, a Distributed Lifetime Coverage Optimization protocol (DiLCO) to maintain
43 the  coverage  and  to improve  the  lifetime  in  wireless sensor  networks  is
44 proposed.   The  area of  interest  is first  divided  into  subregions using  a
45 divide-and-conquer  method and  then the  DiLCO protocol  is distributed  on the
46 sensor nodes  in each  subregion. The DiLCO  combines two  efficient techniques:
47 leader election  for each subregion, followed by  an optimization-based planning
48 of activity  scheduling decisions for  each subregion. The proposed  DiLCO works
49 into rounds during which a small  number of nodes, remaining active for sensing,
50 is selected to ensure coverage so as to maximize the lifetime of wireless sensor
51 network.   Each  round  consists   of  four  phases:  (i)~Information  Exchange,
52 (ii)~Leader Election, (iii)~Decision, and (iv)~Sensing.  The decision process is
53 carried out  by a leader node,  which solves an integer  program.  Compared with
54 some existing protocols, simulation results  show that the proposed protocol can
55 prolong the network lifetime and improve the coverage performance effectively.}
56
57 \onecolumn \maketitle \normalsize \vfill
58
59 \section{\uppercase{Introduction}}
60 \label{sec:introduction}
61 \noindent 
62 Energy efficiency is very important issue in WSNs since sensors are powered by  batteries. Therefore, reducing energy consumption and extending network lifetime are the main challenges in the design of WSNs. One of  the major scientific research challenges in WSNs,  which has been  addressed by a  large amount of literature  during the last few  years, is the design  of energy efficient approaches  for coverage and connectivity~\cite{conti2014mobile}.
63 Coverage reflects how well a sensor field is monitored, is one of the most important performance metrics to measure WSNs. The most discussed coverage problems in literature can be classified
64 into three types \cite{li2013survey}: area (blanket) coverage (where every
65 point inside an area is to be monitored), target (sweep) coverage (where the main objective is to cover only a finite number of discrete
66 points  called targets), and barrier coverage (The problem of preventing an intruder from entering a region of interest is referred to as the barrier coverage).
67  It is required to monitor the area of interest efficiently~\cite{Nayak04}, but in the same time  the power consumption should be minimized. Since sensor nodes have a limited batteries life~\cite{Sudip03}  and since it is impossible, difficult or expensive to be recharged and /or replaced after they are deployed in  remote, hostile,  or  unpractical environments, Therefore, it is desired that the WSNs are deployed with high densities so as to exploit the overlapping sensing regions of some  sensor nodes to save energy by turning off some of them during the sensing phase to prolong the network lifetime by elaborate managing the duty cycle of nodes in WSN.
68
69 In this paper we concentrate on the area coverage problem with the objective of
70 maximizing the  network lifetime by using DiLCO protocol to maintain the coverage and to improve  the  lifetime  in  WSNs. The  area of interest is divided into subregions using divide-and-conquer method and an activity scheduling based optimization for sensor nodes is planned by the elected leader in each subregion. In fact,  the nodes in a subregion can be seen as a cluster  where each node sends  sensing data to  the cluster head or  the sink node.  Furthermore, the  activities in a subregion/cluster can  continue even if another  cluster stops due  to too  many node  failures.  Our  DiLCO protocol considers rounds, where  a round starts with a discovery phase to exchange information between sensors of the subregion, in order to choose in a suitable manner a sensor  node to carry out a coverage strategy.  Our DiLCO protocol involves solving an integer program, which provides the activation of the sensors for the sensing phase of the current round.
71
72 The remainder of the paper is organized as follows. The next section reviews  the related  work  in  the field.  Section~\ref{sec:The DiLCO Protocol Description} is devoted to the DiLCO protocol Description. Section~\ref{cp}  gives the coverage model
73 formulation which is used to schedule the activation of sensors.
74 Section~\ref{sec:Simulation Results and Analysis} shows the simulation results.  Finally, we give concluding remarks and some suggestions for
75 future works in Section~\ref{sec:Conclusion and Future Works}.
76
77 \section{\uppercase{Literature Review}}
78 \label{sec:Literature Review}
79 \noindent In this section, we summarize some related works regarding coverage lifetime maximization and scheduling, and distinguish our DiLCO protocol from the works presented in the literature. 
80
81 The work presented in~\cite{luo2014parameterized,tian2014distributed} try to solve the target coverage problem so as to extend the network lifetime since it is easy to verify the coverage status of discreet target.
82 The work proposed in~\cite{kim2013maximum} considered the barrier-coverage problem in WSNs. The final goal is to maximize the network lifetime such that any penetration of the intruder is detected.
83 In \cite{ChinhVu},  the authors are proposed a localized and distributed greedy algorithm named DESK for generating non-disjoint cover sets which provide the k-coverage for the whole network. 
84 Our Work in~\cite{idrees2014coverage} is proposed a coverage optimization protocol to improve the lifetime in heterogeneous energy wireless sensor networks. In this work, the coverage protocol distributed in each sensor node in the subregion but the optimization take place over the the whole subregion. We are considered only distributing the coverage protocol over two subregions.  
85 The work presented in ~\cite{Zhang} focuses on a distributed clustering method, which aims to extend the network lifetime, while the coverage is ensured.
86
87 The work proposed by \cite{qu2013distributed} considered the coverage problem in WSNs where each sensor has variable sensing radius. The final objective is to maximize the network coverage lifetime in WSNs.
88
89
90 \iffalse
91 Casta{\~n}o et al.~\cite{castano2013column} proposed a multilevel approach based on column generation (CG) to  extend the network lifetime with connectivity and coverage constraints. They are included  two heuristic methods  within the CG framework so as to accelerate the solution process. 
92 In \cite{diongue2013alarm}, diongue is proposed an energy Aware sLeep scheduling AlgoRithm for lifetime maximization in WSNs (ALARM) algorithm for coverage lifetime maximization in wireless sensor networks. ALARM is sensor node scheduling approach for lifetime maximization in WSNs in which it schedule redundant nodes according to the weibull distribution  taking into consideration frequent nodes failure.
93 Yu et al.~\cite{yu2013cwsc} presented a connected k-coverage working sets construction
94 approach (CWSC) to maintain k-coverage and connectivity. This approach try to select the minimum number of connected sensor nodes that can provide k-coverage ($k \geq 1$).
95 In~\cite{cheng2014achieving}, the authors are presented a unified sensing architecture for duty cycled sensor networks, called uSense, which comprises three ideas: Asymmetric Architecture, Generic Switching and Global Scheduling. The objective is to  provide a flexible and efficient coverage in sensor networks.
96 \fi
97 In~\cite{yang2013energy}, the authors are investigated full area coverage problem
98 under the probabilistic sensing model in the sensor networks. %They are designed $\varepsilon-$full area coverage optimization (FCO) algorithm to select a subset of sensors to provide probabilistic area coverage dynamically so as to extend the network lifetime.
99 In \cite{xu2001geography}, Xu et al. proposed a Geographical Adaptive Fidelity (GAF) algorithm, which uses geographic location information to divide the area of interest into fixed square grids. Within each grid, it keeps only one node staying awake to take the responsibility of sensing and communication.
100
101 The main contributions of our DiLCO Protocol can be summarized as follows:
102 (1) The distributed optimization over the subregions in the area of interest, 
103 (2) The distributed dynamic leader election at each round by each sensor node in the subregion, 
104 (3) The primary point coverage model to represent each sensor node in the network, 
105 (4) The activity scheduling based optimization on the subregion, which are based on  the primary point coverage model to activate as less number as possible of sensor nodes  to take the mission of the coverage in each subregion,
106 (5) The improved energy consumption model.
107
108
109
110 \section{ The DiLCO Protocol Description}
111 \label{sec:The DiLCO Protocol Description}
112
113 \noindent In this section, we introduce a Distributed Lifetime Coverage Optimization protocol, which is called DiLCO. It is  distributed on each subregion in the area of interest. It is based on two efficient techniques: network leader election and sensor activity scheduling for coverage preservation and energy conservation continuously and efficiently to maximize the lifetime in the network.  
114 \iffalse The main features of our DiLCO protocol:
115 i)It divides the area of interest into subregions by using divide-and-conquer concept, ii)It requires only the information of the nodes within the subregion, iii) it divides the network lifetime into rounds, iv)It based on the autonomous distributed decision by the nodes in the subregion to elect the Leader, v)It apply the activity scheduling based optimization on the subregion, vi)  it achieves an energy consumption balancing among the nodes in the subregion by selecting different nodes as a leader during the network lifetime, vii) It uses the optimization to select the best representative set of sensors in the subregion by optimize the coverage and the lifetime over the area of interest, viii)It uses our proposed primary point coverage model, which represent the sensing range of the sensor as a set of points, which are used by the our optimization algorithm, ix) It uses a simple energy model that takes communication, sensing and computation energy consumptions into account to evaluate the performance of our protocol.
116 \fi
117 \subsection{ Assumptions and Models}
118 \noindent We consider  a randomly and  uniformly deployed network  consisting of
119 static  wireless sensors. The  wireless sensors  are deployed  in high
120 density to ensure initially a high coverage ratio of the interested area. We
121 assume that  all nodes are  homogeneous in terms of  communication and
122 processing capabilities and heterogeneous in term of energy provision.
123 The  location  information is  available  to  the  sensor node  either
124 through hardware such as embedded GPS or through location discovery
125 algorithms. We consider a boolean  disk coverage model which is the most
126 widely used sensor coverage model in the literature. Each sensor has a
127 constant sensing range $R_s$. All space points within a disk centered
128 at the sensor with the radius of the sensing range is said to be
129 covered by this sensor. We also assume that the communication range $R_c \geq 2R_s$.
130 In  fact,   Zhang  and Zhou~\cite{Zhang05} proved that if the transmission range fulfills the
131 previous hypothesis, a complete coverage of a convex area implies
132 connectivity among the working nodes in the active mode.
133
134 \indent Instead of working with the coverage area, we consider for each
135 sensor a set of points called  primary points~\cite{idrees2014coverage}. We also assume that the
136 sensing disk defined  by a sensor is covered if all the primary points of
137 this sensor are covered.
138
139 \iffalse
140 By  knowing the  position (point  center: ($p_x,p_y$))  of  a wireless
141 sensor node  and its $R_s$,  we calculate the primary  points directly
142 based on the proposed model. We  use these primary points (that can be
143 increased or decreased if necessary)  as references to ensure that the
144 monitored  region  of interest  is  covered  by  the selected  set  of
145 sensors, instead of using all the points in the area.
146
147 \indent  We can  calculate  the positions of the selected primary
148 points in the circle disk of the sensing range of a wireless sensor
149 node (see figure~\ref{fig1}) as follows:\\
150 $(p_x,p_y)$ = point center of wireless sensor node\\  
151 $X_1=(p_x,p_y)$ \\ 
152 $X_2=( p_x + R_s * (1), p_y + R_s * (0) )$\\           
153 $X_3=( p_x + R_s * (-1), p_y + R_s * (0)) $\\
154 $X_4=( p_x + R_s * (0), p_y + R_s * (1) )$\\
155 $X_5=( p_x + R_s * (0), p_y + R_s * (-1 )) $\\
156 $X_6= ( p_x + R_s * (\frac{-\sqrt{2}}{2}), p_y + R_s * (0)) $\\
157 $X_7=( p_x + R_s *  (\frac{\sqrt{2}}{2}), p_y + R_s * (0))$\\
158 $X_8=( p_x + R_s * (\frac{-\sqrt{2}}{2}), p_y + R_s * (\frac{-\sqrt{2}}{2})) $\\
159 $X_9=( p_x + R_s * (\frac{\sqrt{2}}{2}), p_y + R_s * (\frac{-\sqrt{2}}{2})) $\\
160 $X_{10}=( p_x + R_s * (\frac{-\sqrt{2}}{2}), p_y + R_s * (\frac{\sqrt{2}}{2})) $\\
161 $X_{11}=( p_x + R_s * (\frac{\sqrt{2}}{2}), p_y + R_s * (\frac{\sqrt{2}}{2})) $\\
162 $X_{12}=( p_x + R_s * (0), p_y + R_s * (\frac{\sqrt{2}}{2})) $\\
163 $X_{13}=( p_x + R_s * (0), p_y + R_s * (\frac{-\sqrt{2}}{2})) $.
164
165  \begin{figure}[h!]
166 \centering
167  \begin{multicols}{3}
168 \centering
169 %\includegraphics[scale=0.20]{fig21.pdf}\\~ ~ ~ ~ ~(a)
170 %\includegraphics[scale=0.20]{fig22.pdf}\\~ ~ ~ ~ ~(b)
171 \includegraphics[scale=0.25]{principles13.pdf}%\\~ ~ ~ ~ ~(c)
172 %\includegraphics[scale=0.10]{fig25.pdf}\\~ ~ ~(d)
173 %\includegraphics[scale=0.10]{fig26.pdf}\\~ ~ ~(e)
174 %\includegraphics[scale=0.10]{fig27.pdf}\\~ ~ ~(f)
175 \end{multicols} 
176 \caption{Wireless Sensor Node represented by 13 primary points}
177 %\caption{Wireless Sensor Node represented by (a)5, (b)9 and (c)13 primary points respectively}
178 \label{fig1}
179 \end{figure}
180
181 \fi
182
183 \subsection{The Main Idea}
184 \noindent The   area  of  interest   can  be  divided using the
185 divide-and-conquer strategy into smaller areas  called subregions and
186 then  our coverage  protocol  will be  implemented  in each  subregion
187 simultaneously. Our DiLCO protocol works in rounds fashion as shown in figure~\ref{fig2}.
188 \begin{figure}[ht!]
189 \centering
190 \includegraphics[width=75mm]{FirstModel.pdf} % 70mm
191 \caption{DiLCO protocol}
192 \label{fig2}
193 \end{figure} 
194
195 Each round  is divided  into 4 phases  : Information  (INFO) Exchange,
196 Leader  Election, Decision,  and  Sensing.  For  each  round there  is
197 exactly one set cover responsible for the sensing task. This protocol is
198 more reliable  against an unexpected node failure  because it works
199 in rounds. On the  one hand,  if a node failure is detected before
200 making the decision, the node will not participate to this phase, and,
201 on the other hand, if the  node failure occurs after the decision, the
202 sensing task of the network  will be temporarily affected: only during
203 the period of sensing until a new round starts, since a new set cover
204 will take charge of the sensing task in the next round.  The energy
205 consumption and some other constraints can easily be taken into
206 account since the sensors can update and then exchange  their
207 information (including their residual energy) at the beginning of each
208 round.  However,   the  pre-sensing  phases   (INFO  Exchange,  Leader
209 Election,  Decision) are energy  consuming for  some nodes,  even when
210 they do not  join the network to monitor the  area. 
211 We define two types of packets to be used by our DiLCO protocol.
212 %\begin{enumerate}[(a)]
213 \begin{itemize} 
214 \item INFO packet: sent by each sensor node to all the nodes of it's subregion for information exchange.
215 \item ActiveSleep packet: sent by the leader to all the nodes in the same of it's subregion to inform them to be Active or Sleep during the sensing phase.
216 \end{itemize}
217 %\end{enumerate}
218
219 There are four status for each sensor node in the network
220 %\begin{enumerate}[(a)] 
221 \begin{itemize} 
222 \item LISTENING: Sensor is waiting for a decision (to be active or not)
223 \item COMPUTATION: Sensor applies the optimization process as leader
224 \item ACTIVE: Sensor is active
225 \item SLEEP: Sensor is turned off
226 \item COMMUNICATION: Sensor is transmitting or receiving packet
227 \end{itemize}
228 %\end{enumerate}
229 %Below, we describe each phase in more details.
230 In Algorithm 1, Initially, the sensor node check it's remaining energy in order to participate in the current round. Each sensor node determines it's position and it's subregion based Embedded GPS  or Location Discovery Algorithm. After that, all the sensors collect position coordinates, remaining energy $RE_j$, sensor node id, and the number of its one-hop live neighbors during the information exchange. The sensor node enter in listening mode waiting to receive ActiveSleep packet from the leader to take the decision. The selection criteria for the leader in order  of priority  are: larger number  of neighbours,  larger remaining  energy, and  then in  case of
231 equality, larger index. After that, if the sensor node is leader, It will execute the integer program algorithm ( see section~\ref{cp}) to optimize the coverage and the lifetime in it's subregion. After the decision, the optimization approach will select the set of sensor nodes to take the mission of coverage during the sensing phase. 
232
233
234
235
236 \iffalse
237 \subsubsection{Information Exchange Phase}
238
239 Each sensor node $j$ sends its position, remaining energy $RE_j$, and
240 the number of neighbours  $NBR_j$ to all wireless sensor nodes in
241 its subregion by using an INFO packet and then listens to the packets
242 sent from  other nodes.  After that, each  node will  have information
243 about  all the  sensor  nodes in  the  subregion.  In  our model,  the
244 remaining energy corresponds to the time that a sensor can live in the
245 active mode.
246
247 \subsubsection{Leader Election Phase}
248 This  step includes choosing  the Wireless  Sensor Node  Leader (WSNL),
249 which  will  be  responsible  for executing  the coverage  algorithm.  Each
250 subregion  in  the   area  of  interest  will  select   its  own  WSNL
251 independently  for each  round.  All the  sensor  nodes cooperate  to
252 select WSNL.  The nodes in the  same subregion will  select the leader
253 based on  the received  information from all  other nodes in  the same
254 subregion.  The selection criteria  in order  of priority  are: larger
255 number  of neighbours,  larger remaining  energy, and  then in  case of
256 equality, larger index. 
257
258 \subsubsection{Decision phase}
259 The  WSNL will  solve an  integer  program (see  section~\ref{cp})  to
260 select which sensors will be  activated in the following sensing phase
261 to cover  the subregion.  WSNL will send  Active-Sleep packet  to each
262 sensor in the subregion based on the algorithm's results.
263
264
265 \subsubsection{Sensing phase}
266 Active  sensors  in the  round  will  execute  their sensing  task  to
267 preserve maximal  coverage in the  region of interest. We  will assume
268 that the cost  of keeping a node awake (or asleep)  for sensing task is
269 the same  for all wireless sensor  nodes in the  network.  Each sensor
270 will receive  an Active-Sleep  packet from WSNL  informing it  to stay
271 awake or to go to sleep  for a time  equal to  the period of  sensing until
272 starting a new round. Algorithm 1, which
273 will be executed by each node at the beginning of a round, explains how the
274 Active-Sleep packet is obtained.
275
276 \fi
277
278
279 \iffalse
280 \subsection{DiLCO protocol Algorithm}
281 we first show the pseudo-code of DiLCO protocol, which is executed by each sensor in the subregion and then describe it in more detail. 
282 \fi
283
284 \begin{algorithm}[h!]                
285  % \KwIn{all the parameters related to information exchange}
286 %  \KwOut{$winer-node$ (: the id of the winner sensor node, which is the leader of current round)}
287   \BlankLine
288   %\emph{Initialize the sensor node and determine it's position and subregion} \; 
289   
290   \If{ $RE_j \geq E_{R}$ }{
291       \emph{$s_j.status$ = COMMUNICATION}\;
292       \emph{Send $INFO()$ packet to other nodes in the subregion}\;
293       \emph{Wait $INFO()$ packet from other nodes in the subregion}\; 
294       %\emph{UPDATE $RE_j$ for every sent or received INFO Packet}\;
295       %\emph{ Collect information and construct the list L for all nodes in the subregion}\;
296       
297       %\If{ the received INFO Packet = No. of nodes in it's subregion -1  }{
298       \emph{LeaderID = Leader election}\;
299       \If{$ s_j.ID = LeaderID $}{
300         \emph{$s_j.status$ = COMPUTATION}\;
301         \emph{$\left\{\left(X_{1},\dots,X_{k},\dots,X_{J}\right)\right\}$ =
302           Execute Integer Program Algorithm($J$)}\;
303         \emph{$s_j.status$ = COMMUNICATION}\;
304         \emph{Send $ActiveSleep()$ to each node $k$ in subregion} \;
305         \emph{Update $RE_j $}\;
306       }   
307       \Else{
308         \emph{$s_j.status$ = LISTENING}\;
309         \emph{Wait $ActiveSleep()$ packet from the Leader}\;
310         % \emph{After receiving Packet, Retrieve the schedule and the $T$ rounds}\;
311         \emph{Update $RE_j $}\;
312       }  
313       %  }
314   }
315   \Else { Exclude $s_j$ from entering in the current sensing phase}
316   
317  %   \emph{return X} \;
318 \caption{DiLCO($s_j$)}
319 \label{alg:DiLCO}
320
321 \end{algorithm}
322
323 \iffalse
324 The DiLCO protocol work in rounds and executed at each sensor node in the network , each sensor node can still sense data while being in
325 LISTENING mode. Thus, by entering the LISTENING mode at the beginning of each round,
326 sensor nodes still executing sensing task while participating in the leader election and decision phases. More specifically, The DiLCO protocol algorithm works as follow: 
327 Initially, the sensor node check it's remaining energy in order to participate in the current round. Each sensor node determines it's position and it's subregion based Embedded GPS  or Location Discovery Algorithm. After that, All the sensors collect position coordinates, current remaining energy, sensor node id, and the number of its one-hop live neighbors during the information exchange. It stores this information into a list L.
328 The sensor node enter in listening mode waiting to receive ActiveSleep packet from the leader to take the decision. Each sensor node will execute the Algorithm~1 to know who is the leader. After that, if the sensor node is leader, It will execute the integer program algorithm ( see section~\ref{cp}) to optimize the coverage and the lifetime in it's subregion. After the decision, the optimization approach will select the set of sensor nodes to take the mission of coverage during the sensing phase. The leader will send ActiveSleep packet to each sensor node in the subregion to inform him to it's status during the period of sensing, either Active or sleep until the starting of next round. Based on the decision, the leader as other nodes in subregion, either go to be active or go to be sleep during current sensing phase. the other nodes in the same subregion will stay in listening mode waiting the ActiveSleep packet from the leader. After finishing the time period for sensing, all the sensor nodes in the same subregion will start new round by executing the DiLCO protocol and the lifetime in the subregion will continue until all the sensor nodes are died or the network becomes disconnected in the subregion.
329 \fi
330
331
332 \section{Coverage problem formulation}
333 \label{cp}
334
335 \indent   Our   model   is   based   on  the   model   proposed   by
336 \cite{pedraza2006} where the objective is  to find a maximum number of
337 disjoint  cover sets.   To accomplish  this goal,  authors  proposed an
338 integer program, which forces undercoverage and overcoverage of targets
339 to  become  minimal at  the  same  time.   They use  binary  variables
340 $x_{jl}$ to indicate  if sensor $j$ belongs to cover  set $l$.  In our
341 model,  we  consider  binary  variables $X_{j}$,  which  determine  the
342 activation of  sensor $j$ in the  sensing phase of the  round. We also
343 consider  primary points  as targets.   The set  of primary  points is
344 denoted by $P$ and the set of sensors by $J$.
345
346 \noindent  For  a primary  point  $p$,  let  $\alpha_{jp}$ denote  the
347 indicator function of whether the point $p$ is covered, that is:
348 \begin{equation}
349 \alpha_{jp} = \left \{ 
350 \begin{array}{l l}
351   1 & \mbox{if the primary point $p$ is covered} \\
352  & \mbox{by sensor node $j$}, \\
353   0 & \mbox{otherwise.}\\
354 \end{array} \right.
355 %\label{eq12} 
356 \end{equation}
357 The number of active sensors that cover the primary point $p$ is equal
358 to $\sum_{j \in J} \alpha_{jp} * X_{j}$ where:
359 \begin{equation}
360 X_{j} = \left \{ 
361 \begin{array}{l l}
362   1& \mbox{if sensor $j$  is active,} \\
363   0 &  \mbox{otherwise.}\\
364 \end{array} \right.
365 %\label{eq11} 
366 \end{equation}
367 We define the Overcoverage variable $\Theta_{p}$ as:
368 \begin{equation}
369  \Theta_{p} = \left \{ 
370 \begin{array}{l l}
371   0 & \mbox{if the primary point}\\
372     & \mbox{$p$ is not covered,}\\
373   \left( \sum_{j \in J} \alpha_{jp} * X_{j} \right)- 1 & \mbox{otherwise.}\\
374 \end{array} \right.
375 \label{eq13} 
376 \end{equation}
377 \noindent More precisely, $\Theta_{p}$ represents the number of active
378 sensor  nodes  minus  one  that  cover the  primary  point  $p$.\\
379 The Undercoverage variable $U_{p}$ of the primary point $p$ is defined
380 by:
381 \begin{equation}
382 U_{p} = \left \{ 
383 \begin{array}{l l}
384   1 &\mbox{if the primary point $p$ is not covered,} \\
385   0 & \mbox{otherwise.}\\
386 \end{array} \right.
387 \label{eq14} 
388 \end{equation}
389
390 \noindent Our coverage optimization problem can then be formulated as follows
391 \begin{equation} \label{eq:ip2r}
392 \left \{
393 \begin{array}{ll}
394 \min \sum_{p \in P} (w_{\theta} \Theta_{p} + w_{U} U_{p})&\\
395 \textrm{subject to :}&\\
396 \sum_{j \in J}  \alpha_{jp} X_{j} - \Theta_{p}+ U_{p} =1, &\forall p \in P\\
397 %\label{c1} 
398 %\sum_{t \in T} X_{j,t} \leq \frac{RE_j}{e_t} &\forall j \in J \\
399 %\label{c2}
400 \Theta_{p}\in \mathbb{N} , &\forall p \in P\\
401 U_{p} \in \{0,1\}, &\forall p \in P \\
402 X_{j} \in \{0,1\}, &\forall j \in J
403 \end{array}
404 \right.
405 \end{equation}
406
407
408
409 \begin{itemize}
410 \item $X_{j}$  : indicates whether or  not the sensor  $j$ is actively
411   sensing in the round (1 if yes and 0 if not);
412 \item $\Theta_{p}$  : {\it overcoverage}, the number  of sensors minus
413   one that are covering the primary point $p$;
414 \item $U_{p}$  : {\it undercoverage},  indicates whether or  not the primary point
415   $p$ is being covered (1 if not covered and 0 if covered).
416 \end{itemize}
417
418 The first group  of constraints indicates that some  primary point $p$
419 should be covered by at least one  sensor and, if it is not always the
420 case,  overcoverage  and  undercoverage  variables  help  balancing  the
421 restriction  equations by taking  positive values.  There are  two main         
422 objectives.  First, we limit the overcoverage of primary points in order to
423 activate a minimum number of sensors.  Second we prevent the absence of monitoring on
424  some parts of the subregion by  minimizing the undercoverage.   The
425 weights  $w_\theta$  and  $w_U$  must  be properly  chosen  so  as  to
426 guarantee that  the maximum number  of points are covered  during each
427 round.
428
429
430
431
432 \section{\uppercase{Simulation Results and Analysis}}  
433 \label{sec:Simulation Results and Analysis}
434 \noindent \subsection{Simulation Framework}
435 In this subsection, we conducted a series of simulations to evaluate the
436 efficiency and the relevance of our DiLCO protocol, using the discrete event
437 simulator OMNeT++  \cite{varga}. The simulation parameters are summarized in
438 Table~\ref{table3}
439
440 \begin{table}[ht]
441 \caption{Relevant parameters for network initializing.}
442 % title of Table
443 \centering
444 % used for centering table
445 \begin{tabular}{c|c}
446 % centered columns (4 columns)
447       \hline
448 %inserts double horizontal lines
449 Parameter & Value  \\ [0.5ex]
450    
451 %Case & Strategy (with Two Leaders) & Strategy (with One Leader) & Simple Heuristic \\ [0.5ex]
452 % inserts table
453 %heading
454 \hline
455 % inserts single horizontal line
456 Sensing  Field  & $(50 \times 25)~m^2 $   \\
457 % inserting body of the table
458 %\hline
459 Nodes Number &  50, 100, 150, 200 and 250~nodes   \\
460 %\hline
461 Initial Energy  & 500-700~joules  \\  
462 %\hline
463 Sensing Period & 60 Minutes \\
464 $E_{thr}$ & 36 Joules\\
465 $R_s$ & 5~m   \\     
466 %\hline
467 $w_{\Theta}$ & 1   \\
468 % [1ex] adds vertical space
469 %\hline
470 $w_{U}$ & $|P^2|$
471 %inserts single line
472 \end{tabular}
473 \label{table3}
474 % is used to refer this table in the text
475 \end{table}
476
477 25 simulation runs are performed with different network topologies. The results presented hereafter are the average of these 25 runs. 
478 We  performed  simulations for five different densities varying from 50 to 250~nodes. Experimental results are obtained from randomly generated networks in which nodes are deployed over a $(50 \times 25)~m^2 $ sensing field. More precisely, the deployment is controlled at a coarse scale in order to ensure that the deployed nodes can cover the sensing field with a high coverage ratio.\\
479
480 Our DiLCO protocol is declined into five versions: DiLCO-2, DiLCO-4, DiLCO-8, DiLCO-16, and DiLCO-32, corresponding to $2$, $4$, $8$, $16$ or $32$ subregions (leaders).  
481
482 We use an energy consumption model proposed by~\cite{ChinhVu} and based on ~\cite{raghunathan2002energy} with slight modifications.
483 The energy consumption for sending/receiving the packets is added whereas the part related to the sensing range is removed because we consider a fixed sensing range.
484 % We are took into account the energy consumption needed for the high computation during executing the algorithm on the sensor node. 
485 %The new energy consumption model will take into account the energy consumption for communication (packet transmission/reception), the radio of the sensor node, data sensing, computational energy of Micro-Controller Unit (MCU) and high computation energy of MCU. 
486 %revoir la phrase
487
488 For our energy consumption model, we refer to the sensor node (Medusa II) which uses Atmels AVR ATmega103L microcontroller~\cite{raghunathan2002energy}. The typical architecture of a sensor is composed of four subsystems : the MCU subsystem which is capable of computation, communication subsystem (radio) which is responsible for
489 transmitting/receiving messages, sensing subsystem that collects data, and the power supply which  powers the complete sensor node ~\cite{raghunathan2002energy}. Each of the first three subsystems can be turned on or off depending on the current status of the sensor. Energy consumption (expressed in milliWatt per second)  for the different status of the sensor is summarized in Table~\ref{table4}. The energy needed to send or receive a 1-bit is equal to $0.2575 mW$.
490
491 \begin{table}[ht]
492 \caption{The Energy Consumption Model}
493 % title of Table
494 \centering
495 % used for centering table
496 \begin{tabular}{|c|c|c|c|c|}
497 % centered columns (4 columns)
498       \hline
499 %inserts double horizontal lines
500 Sensor mode & MCU   & Radio & Sensing & Power (mWs) \\ [0.5ex]
501 \hline
502 % inserts single horizontal line
503 Listening & ON & ON & ON & 20.05 \\
504 % inserting body of the table
505 \hline
506 Active & ON & OFF & ON & 9.72 \\
507 \hline
508 Sleep & OFF & OFF & OFF & 0.02 \\
509 \hline
510 Computation & ON & ON & ON & 26.83 \\
511 %\hline
512 %\multicolumn{4}{|c|}{Energy needed to send/receive a 1-bit} & 0.2575\\
513  \hline
514 \end{tabular}
515
516 \label{table4}
517 % is used to refer this table in the text
518 \end{table}
519
520 For sake of simplicity we ignore the energy needed to turn on the
521 radio, to start up the sensor node, the transition from mode to another, etc. 
522 %We also do not consider the need of collecting sensing data. PAS COMPRIS
523 Thus, when a sensor becomes active (i.e., it already decides it's status), it can turn its radio off to save battery. DiLCO protocol uses two types of packets for communication. The size of the INFO-Packet and Status-Packet are 112 bits and 24 bits respectively. 
524 The value of energy spent to send a 1-bit-content message is obtained by using the equation in ~\cite{raghunathan2002energy} to calculate the energy cost for transmitting messages and we propose the same value for receiving the packets.
525
526 The initial energy of each node is randomly set in the interval $[500-700]$.  Each  sensor  node will  not participate in the next round if its remaining energy is less than $E_{th}=36 Joules$, the minimum energy needed for the node to stay alive during one round. This value has been computed by multiplying the energy consumed in active state (9.72 mWs) by the time in second for one round (3600 seconds). According to the interval of initial energy, a sensor may be alive during at most 20 rounds.\\ 
527
528
529 In the simulations, we introduce the following performance metrics to evaluate the efficiency of our approach: 
530
531 %\begin{enumerate}[i)]
532 \begin{itemize}
533   
534 \item {{\bf Coverage Ratio (CR)}:} the coverage ratio measures how much the area of a sensor field is  covered. In our case, we treated the sensing fields as a grid, and used each grid point as a sample point
535 for calculating the coverage. The coverage ratio can be calculated by:
536 \begin{equation*}
537 \scriptsize
538 \mbox{CR}(\%) = \frac{\mbox{$n^t$}}{\mbox{$N$}} \times 100.
539 \end{equation*}
540 Where: $n^t$ is the number of covered grid points by the active sensors of all subregions during round $t$ in the current sensing phase and $N$ is total number of grid points in the sensing field of the network. In our simulation $N = 51 \times 26 = 1326$ grid points.
541 %The accuracy of this method depends on the distance between grids. In our
542 %simulations, the sensing field has been divided into 50 by 25 grid points, which means
543 %there are $51 \times 26~ = ~ 1326$ points in total.
544 % Therefore, for our simulations, the error in the coverage calculation is less than ~ 1 $\% $.
545
546 \iffalse
547
548 \item{{\bf Number of Active Sensors Ratio(ASR)}:} It is important to have as few active nodes as possible in each round,
549 in  order to  minimize  the communication  overhead  and maximize  the
550 network lifetime. The Active Sensors Ratio is defined as follows:
551 \begin{equation*}
552 \scriptsize
553 \mbox{ASR}(\%) =  \frac{\sum\limits_{r=1}^R \mbox{$A_r^t$}}{\mbox{$S$}} \times 100 .
554 \end{equation*}
555 Where: $A_r^t$ is the number of active sensors in the subregion $r$ during round $t$ in the current sensing phase, $S$ is the total number of sensors in the network, and $R$ is the total number of the subregions in the network.
556
557 \fi
558
559 \item {{\bf Network Lifetime}:} we define the network lifetime as the time until the coverage ratio drops below a predefined threshold. We denoted by $Lifetime95$ (respectively  $Lifetime50$) as the amount of  time during which  the network  can  satisfy an area  coverage greater than $95\%$ (repectively $50\%$). We assume that the network
560 is alive  until all  nodes have  been drained of  their energy  or the
561 sensor network becomes disconnected . Network connectivity is important because an
562 active sensor node without  connectivity towards a base station cannot
563 transmit information on an event in the area that it monitors.
564  
565
566 \item {{\bf Energy Consumption}:}
567
568  Energy Consumption (EC) can be seen as the total energy consumed by the sensors during the $Lifetime95$ or $Lifetime50$ divided by the number of rounds. The EC can be computed as follow: \\
569  \begin{equation*}
570 \scriptsize
571 \mbox{EC} = \frac{\sum\limits_{m=1}^{M_L} \left( E^{\mbox{com}}_m+E^{\mbox{list}}_m+E^{\mbox{comp}}_m \right) +
572   \sum\limits_{t=1}^{T_L} \left( E^{a}_t+E^{s}_t \right)}{T_L},
573 \end{equation*}
574
575 %\begin{equation*}
576 %\scriptsize
577 %\mbox{EC} =  \frac{\mbox{$\sum\limits_{d=1}^D E^c_d$}}{\mbox{$D$}} + \frac{\mbox{$\sum\limits_{d=1}^D %E^l_d$}}{\mbox{$D$}} + \frac{\mbox{$\sum\limits_{d=1}^D E^a_d$}}{\mbox{$D$}} + %\frac{\mbox{$\sum\limits_{d=1}^D E^s_d$}}{\mbox{$D$}}.
578 %\end{equation*}
579
580 where $M_L$ and  $T_L$ are respectively the number of  periods and rounds during
581 $Lifetime_{95}$ or  $Lifetime_{50}$.  The total  energy consumed by  the sensors
582 (EC) comes through taking into consideration four main energy factors. The first
583 one ,  denoted $E^{\scriptsize \mbox{com}}_m$, represent  the energy consumption
584 spent  by  all  the  nodes   for  wireless  communications  during  period  $m$.
585 $E^{\scriptsize  \mbox{list}}_m$, the  next  factor, corresponds  to the  energy
586 consumed by the sensors in LISTENING  status before receiving the decision to go
587 active or  sleep in  period $m$. $E^{\scriptsize  \mbox{comp}}_m$ refers  to the
588 energy needed  by all  the leader nodes  to solve  the integer program  during a
589 period. Finally, $E^a_t$ and $E^s_t$  indicate the energy consummed by the whole
590 network in round $t$.
591
592 \iffalse 
593 \item {{\bf Execution Time}:} a  sensor  node has  limited  energy  resources  and computing  power,
594 therefore it is important that the proposed algorithm has the shortest
595 possible execution  time. The energy of  a sensor node  must be mainly
596 used   for  the  sensing   phase,  not   for  the   pre-sensing  ones.   
597  
598 \item {{\bf Stopped simulation runs}:} A simulation
599 ends  when the  sensor network  becomes
600 disconnected (some nodes are dead and are not able to send information to the base station). We report the number of simulations that are stopped due to network disconnections and for which round it occurs.
601
602 \fi
603
604 \end{itemize}
605 %\end{enumerate}
606
607
608 %\subsection{Performance Analysis for differnet subregions}
609 \subsection{Performance Analysis}
610 \label{sub1}
611 In this subsection, we are studied the performance of our DiLCO protocol for a different number of subregions (Leaders).
612 The DiLCO-1 protocol is a centralized approach on all the area of the interest, while  DiLCO-2, DiLCO-4, DiLCO-8, DiLCO-16 and DiLCO-32 are distributed on two, four, eight, sixteen, and thirty-two subregions respectively. We did not take the DiLCO-1 protocol in our simulation results because it need high execution time to give the decision leading to consume all it's energy before producing the solution for optimization problem. our DiLCO protocol compared with other two approches. The first approach, called DESK that proposed by ~\cite{ChinhVu}, which is a full distributed coverage algorithm. The second approach, called GAF ~\cite{xu2001geography}, consists in dividing the region into fixed squares.   During the  decision phase,  in  each square,  one sensor  is chosen to remain on during the sensing phase time. 
613
614
615 \subsubsection{Coverage Ratio} 
616 In this experiment, Figure~\ref{fig3} shows the average coverage ratio for 150 deployed nodes.  
617 \parskip 0pt    
618 \begin{figure}[h!]
619 \centering
620  \includegraphics[scale=0.45] {R/CR.pdf} 
621 \caption{The Coverage Ratio}
622 \label{fig3}
623 \end{figure} 
624
625 It is shown that DESK and GAF provides a
626 a little better coverage ratio with 99.99\% and 99.91\% against 98.9\%, 99.1\%, 99.2\%, 99.1\% and 99.4\% produced by DiLCO-2, DiLCO-4, DiLCO-8, DiLCO-16 and DiLCO-32 for the lowest number of rounds. This is due to the fact that our DiLCO protocol versions  put in sleep mode redundant sensors using optimization (which lightly decreases the coverage ratio) while there are more nodes are active in the case of DESK and GAF.
627
628 As shown in the figure ~\ref{fig3}, as the number of subregions increases,  the coverage preservation for area of interest increases for a larger number of rounds. Coverage ratio decreases when the number of rounds increases due to dead nodes. Although  some nodes are dead,
629 thanks to  DiLCO-8,  DiLCO-16 and  DiLCO-32 protocols,  other nodes are  preserved to  ensure the coverage. Moreover, when  we have a dense sensor network, it leads to maintain the  coverage for a larger number of rounds. DiLCO-8,  DiLCO-16 and  DiLCO-32 protocols are
630 slightly more efficient than other protocols, because they subdivides
631 the area of interest into 8, 16 and 32~subregions if one of the subregions becomes disconnected, the coverage may be still ensured in the remaining subregions.
632
633
634
635 \subsubsection{The Energy Consumption}
636 Based on the result in figure~\ref{fig3}, we are chose DiLCO-16 and  DiLCO-32 protocols to be compared with other approaches. We measure the energy consumed by the sensors during the communication, listening, computation, active, and sleep modes for different network densities and compare it for different approaches.  Figure~\ref{fig95} illustrates the energy consumption for different network sizes.
637 % for $Lifetime95$ and $Lifetime50$. 
638 We denoted by $DiLCO-16/50$ (respectively  $DiLCO-16/95$) as the amount of energy consumed during which the network can satisfy an area coverage greater than $50\%$ (repectively $95\%$) and we refer the same definition for the other approches.
639 \begin{figure}[h!]
640 \centering
641 \includegraphics[scale=0.45]{R/EC.pdf} 
642 \caption{The Energy Consumption}
643 \label{fig95}
644 \end{figure} 
645
646 The results show that our DiLCO-16/50, DiLCO-32/50, DiLCO-16/95 and DiLCO-32/95 protocols are the most competitive from the energy consumption point of view. The other approaches have a high energy consumption due to activating a larger number of redundant nodes as well as the energy consumed during the different modes of sensor nodes. In fact,  a distributed  method on the subregions greatly reduces the number of communications and the time of listening so thanks to the partitioning of the initial network into several independent subnetworks. 
647 %As shown in Figures~\ref{fig95} and ~\ref{fig50} , DiLCO-2 consumes more energy than the other versions of DiLCO, especially for large sizes of network. This is easy to understand since the bigger the number of sensors involved in the integer program, the larger the time computation to solve the optimization problem as well as the higher energy consumed during the communication.  
648
649
650 \subsubsection{Execution Time}
651 In this experiment, we study the the impact of the size of the network on the excution time of the our distributed optimization approach. Figure~\ref{fig8} gives the average execution times in seconds for the decision phase (solving of the optimization problem) during one round. They are given for the different approaches and various numbers of sensors. 
652 The original execution time is computed on a laptop DELL with intel Core i3 2370 M (2.4 GHz) processor (2 cores) and the MIPS (Million Instructions Per Second) rate equal to 35330. To be consistent with the use of a sensor node with Atmels AVR ATmega103L microcontroller (6 MHz) and a MIPS rate equal to 6 to run the optimization resolution, this time is multiplied by 2944.2 $\left( \frac{35330}{2} \times 6\right)$ and reported on Figure~\ref{fig8} for different network sizes.
653
654 \begin{figure}[h!]
655 \centering
656 \includegraphics[scale=0.45]{R/T.pdf}  
657 \caption{Execution Time (in seconds)}
658 \label{fig8}
659 \end{figure} 
660
661
662 We can see from figure~\ref{fig8}, that the DiLCO-32 has very low execution times in comparison with other DiLCO versions, because it distributed on larger number of small subregions.  Conversely, the DiLCO-2 which requires to solve an optimization problem considering half  the nodes  in each subregion presents  high execution times.
663
664 The DiLCO-32 has more suitable times in the same time it turn on redundent nodes more.  We think that in distributed fashion the solving of the  optimization problem in a subregion can be tackled by sensor nodes. Overall, to be able to deal  with very large networks,  a distributed method is clearly required.
665
666
667 \subsubsection{The Network Lifetime}
668 In figure~\ref{figLT95}, network lifetime is illustrated for different network sizes. We denoted by $DiLCO-16/50$ (respectively  $DiLCO-16/95$) as the amount of time during which the network can satisfy an area coverage greater than $50\%$ ($Lifetime50$)(repectively $95\%$ ($Lifetime95$)) and we refer the same definition for the other approches.
669
670 \begin{figure}[h!]
671 \centering
672 \includegraphics[scale=0.45]{R/LT.pdf}  
673 \caption{The Network Lifetime}
674 \label{figLT95}
675 \end{figure} 
676
677
678 As highlighted by figures~\ref{figLT95}, the network lifetime obviously
679 increases when the size of the network increases, with  our DiLCO-16/50, DiLCO-32/50, DiLCO-16/95 and DiLCO-32/95 protocols
680 that leads to the larger lifetime improvement in comparison with other approaches. By choosing the best 
681 suited nodes, for each round, to cover the area of interest and by
682 letting the other ones sleep in order to be used later in next rounds. Comparison shows that our DiLCO-16/50, DiLCO-32/50, DiLCO-16/95 and DiLCO-32/95 protocols, which are used distributed optimization over the subregions, are the best one because it is robust to network disconnection during the network lifetime as well as it consume less energy in comparison with other approaches. It also means that distributing the protocol in each node and subdividing the sensing field into many subregions, which are managed
683 independently and simultaneously, is the most relevant way to maximize the lifetime of a network.
684
685
686
687
688 \section{\uppercase{Conclusion and Future Works}}
689 \label{sec:Conclusion and Future Works}
690
691 \noindent In this paper, we have  addressed the problem of the coverage and the lifetime
692 optimization in wireless  sensor networks. This is a key issue as
693 sensor nodes have limited resources in terms of memory,  energy and
694 computational power. To cope with this problem, the field of sensing
695 is divided into smaller subregions using the concept of divide-and-conquer method, and then a DiLCO protocol for optimizing the coverage and lifetime performances in each subregion.
696 The proposed protocol combines two efficient techniques:  network
697 leader election and sensor activity scheduling, where the challenges
698 include how to select the  most efficient leader in each subregion and
699 the best representative active nodes that will optimize the network lifetime
700 while  taking the responsibility of covering the corresponding
701 subregion. The network lifetime in each subregion is divided into
702 rounds, each round consists  of four phases: (i) Information Exchange,
703 (ii) Leader Election, (iii) an optimization-based Decision in order to
704 select the  nodes remaining  active for  the  last phase,  and  (iv)
705 Sensing.  The  simulations show the relevance  of the proposed DiLCO
706 protocol in terms of lifetime, coverage ratio, active sensors ratio, energy consumption, execution time, and the number of stopped simulation runs due to network disconnection. Indeed, when
707 dealing with large and dense wireless sensor networks, a distributed
708 approach like the one we are proposed allows to reduce the difficulty of a
709 single global optimization problem by partitioning it in many smaller
710 problems, one per subregion, that can be solved more easily.
711
712 In future work, we plan to study  and propose a coverage optimization protocol, which
713 computes  all active sensor schedules in one time, using
714 optimization  methods. \iffalse The round  will still consist of 4 phases, but the
715   decision phase will compute the schedules for several sensing phases
716   which, aggregated together, define a kind of meta-sensing phase.
717 The computation of all cover sets in one time is far more
718 difficult, but will reduce the communication overhead. \fi
719
720 \section*{\uppercase{Acknowledgements}}
721 \noindent As a Ph.D. student, Ali Kadhum IDREES would like to gratefully acknowledge the University of Babylon - IRAQ for the financial support and Campus France for the received support.
722
723
724
725
726
727 %\vfill
728 \bibliographystyle{apalike}
729 {\small
730 \bibliography{Example}}
731
732
733 %\vfill
734 \end{document}
735