مقاله شبکه های سنسوری توزیع شده

پیشرفت ها در تکنولوژی سنسورها و شبکه های کامپیوتری شبکه های سنسوری توزیع شده را قادر ساخته است تا دسته های کوچک از سنسورهای بزرگ را به دسته های بزرگ از میکروسنسورها، گره های ثابت سنسوری را به گره های متحرک ،ارتباطات سیمی را به ارتباطات بی سیم و توپولوژی شبکه های ایستا را به پویا تبدیل کنند.
به هر حال این پیشرفتهای تکنولوژیکی چالش های جدیدی در مورد پردازش مقادیر زیاد داده در پهنای باند محدود و محیط پویا و ناپایدار ایجاد می کنند.
این مقاله پیشرفتهای اخیرDSN را از چهار جنبه بررسی می کند:
1. ساختار شبکه
2. نوع پردازش داده
3. الگوریتم توابع سنسور با تاکید برطراحی الگوریتم های تحمل خطا
4. استراتژی پخش بهینه ی سنسورها

مقدمه
DSN اخیرا" به عنوان یک زمینه ی تحقیقی جدید پدیدار شده است] 1-5[ .این توسعه با تکیه بر پیشرفت در تکنولوژی سنسوری و شبکه های کامپیوتری به وجود آمده است.جامعه ی بین المللی ائتلاف اطلاعات یک لیست جامع از نشریات مربوط [6] شامل کتابها، کتابهای ویرایش شده ژورنال ها شرح مذاکرات، هم نشست ها ی انتشارات مخصوص، و بخش ها را نگهداری می کند. با وجود اینکه از لحاظ اقتصادی امکان پذیر است که DSN را اجرا کنیم چند چالش تکنیکی وجود دارند که بایستی قبل از اینکه DSN به طور وافر عنوان جمع آوری کننده ی امروزه ی اطلاعات از زمینه های مختلف استفاده شود بر آنها غلبه کنیم .بازسازی صحنه ی دیده بانی، دنبال کردن عامل متحرک، یافتن نقاط متحرک، بررسی میدان جنگ، دریافت احساس از راه دور، هشدار محلی و غیره. آنها به طور معمول مخصوص زمان های بحرانی هستند، یک منطقه ی جغرافیایی بزرگ را پوشش می دهند، به تحویل قابل اعتماد اطلاعات دقیق برای اجرا شدن نیاز دارند.شکل 1یک دیاگرام بلوکی که ا جزائ مختلف DSN را از دیدگاه تابعی توضیح می دهد می باشد . هدف نهایی DSN تصمیم گیری یا تقویت دانش مبنی بر اطلاعات ترکیب شده از ورودی سنسورهای پخش شده است. در پایین ترین سطح گره های منحصربفرد سنسوری اطلاعات را از وجهای حسی گوناگون روی مدار جمع می کنند.یک پردازش داده ی اولیه می تواند در گرههای محلی اجرا شود و یک پیگیری رویداد محلی به عنوان نتیجه ایجاد کند. این نتایج محلی پیچیده خواهند بود و در یک مرکز پردازش بالاتر ترکیب می شوند تا دانش آنها استخراج شود و به تصمیم گیری کمک کند.پی آمد تحقیقات مرتبط با این دیاگرام می تونند در سه سئوال خلاصه شوند:کجا ترکیب

کنیم؟چه چیز را ترکیب کنیم؟چگونه ترکیب کنیم؟با کوچکتر شدن انداز ه و ارزان تر شدن قیمت سنسورها سنسورهای بیشتری می توانند ساخته شوند تا از طریق کمیت به کیفیت برسیم. از طرف دیگرسنسوره نوعا" از طریق شبکه های بی سیم ارتباط برقرار می کنند چون پهنای باند در ارتباطات سیمی بسیار پایین تر است. این مطالب چالش های جدیدی را برای طراحی DSN ها ایجاد می کند: اول حجم داده درهنگاه یکپارچه کردن بسیار بیشتر می شود. دوم پهنای باند ارتباط برای شبکه های بی سیم بسیار پایین تر است. سوم منبع انرژی در هر سنسور کاملا" محدود است چهارم محیط غیر قابل اعتماد تر است که باعث ایجاد شبکه ای غیر قابل اعتماد و افزایش احتمال اینکه داده ورودی خراب باشد می شود. تعداد کمی مقاله ی بازنگری چاپ شده از دهه ی 80 وجود داشته است که تحقیقات در زمینه DSN را از جنبه های مختلف خلاصه کند: ساختار شبکه (بخش 2) مثال پردازش اطلاعات(بخش 3) طراحی الگوریتم ترکیب سنسورمتحمل خطا (با تاکید بر طراحی الگوریتم ترکیب تحمل خطا)(بخش 4) و استرتژی بهینه ی سنسورها(بخش5)

2. ساختار شبکه
پژوهش های در مورد DSN از این جنبه در سالهای اول دهه ی 80 [7-11] شروع شد. Wesson et al [5] در بین اولین پیشنهادهای ساختار شبکه بود که می توانست برای طراحی DSN استفاده شود. سپس eyengar et al [1]پیشرفتهای مهمی در طراحی اولیه ایجاد کرد.ما ابتدا یک ساختار عمومی DSN را تعریف می کنیم و اصطلاحات استفاده شده در ساختار را توضیح می دهیم : یک DSN عمومی (شکل 2) از یک مجموعه گره های سنسوری یک مجموعه از اجزای پردازشی (PE) و یک شبکه ی ارتباطی که PE های مختلف را به هم پیوند می دهد تشکیل می شود. یک یا چند سنسور با هر PE مرتبط می شود.یک سنسور می تواند بیش از یک PE گزارش کند. یک PE و سنسورهای مربوط به آن به عنوان یک خوشه مورد مراجعه قرار می گیرند. داده ها از سنسورها به PE مربوط به خودشان انتقال داده می شوند جایی که یکپارچه شدن داده اتفاق می افتد PE ها نیز می توانند با هم هماهنگ شوند تا به یک تحلیل بهتر از محیط برسند و آنرا به سطوح بالاتر گزارش کنند.

2.1 کارهای قبلی
دو ساختار در کار اولیه vesson et al [5]آنالیز شدند. ساختار کمیته هرج و مرج (AC)و ساختار مخروطی سلسله مراتبی پویا(DHC).در ساختار AC توضیح داده شددر شکل 3می توان یک شبکه ی کاملا" مربوط به هم بدون هرج و مرج را دید به صورتی که هرnode می تواند با هر node دیگر ارتباط برقرار کند. پس هماهنگی بین آنها کاملا" مستقیم است. اگر چه در ساختار AC ارتباط آسان تر است اما برای اجرا گران است و نیز گسترش آن سخت است. از طرف دیگرDHC یک ساختار بی نظم که به عنوان ساختار درختی نام گذاری می شوند ایجاد می کند که تنها اجازه ی ارتباط بین node هایی که در لایه های مرتبط هستند را می دهد اما با لایه های همسان را نه. در مقایسه با AC ، DHC راحتتر قابل گسترش است اما آسیب پذیر تر است به طوری که یک گره معیوب می تواند ارتباط یک زیر درخت را بصورت کامل قطع کند.
برای غلبه بر مشکلات در هر دو ساختار یک ساختار پیوندی به نام شبکه ی flat-tree پیشنهاد شد. گره ها در این شبکه مانند بسیاری از درخت های کامل دودویی سازماندهی می شدند و ریشه های هر کدام کاملا" متصل هستند به طوری که در شکل 4 توضیح داده شده اگر چه این ساختار DSN را از هر دو جنبه بی نظمی، گسترش پذیری ،و قدرت بهبود می بخشد همینطور که اطلاعات در سلسله مراتب بالا می روند، خطاهای ترکیب node های پایینتر محاسبه خواهد شد. یک راه برای غلبه بر این مشکل این است که nodeهای سطوح پایینتر این شبکه را به هم پیوسته کنیم [1] iyengar et al پیشنهاد کرد که از گراف debuij (DG) [12]برای اتصال nodeها در هر سطح همانطور که در شکل 4 نشان داده شده استفاده کنیم. این کار چندین مزیت علاوه بر ساختارهای DHC ،ACو Flat Tree فراهم می کند. مانند نقشه مسیریابی سریع، ظرفیت تحمل خطای بهتر، توسعه پذیری بهتر(قطر شبکه با تعداد نودها بصورت لگاریتمی زیاد می شود)

2.2 شبکه های بی سیم سنسوری
پیشرفت ها در تکنولوژی سنسور و ارتباطات بی سیم . شبکه های بی سیم سنسوریad hoc (AWSN) را به یک واقعیت تبدیل کرده است. برعکس شبکه های بی سیم سنتی ارتباط بین گره های سنسوری در AWSNبصورت پویا تغییر می کند و یک شبکه با عمر کوتاه و تنهابرای نیازهای ارتباطی لحظه ای برقرار می شود.

مثال میدان جنگ را در نظر بگیرید که چالش های جدی را بری شبکه های سنسوری بوجود می آورد. سنسور های سبک ارزان و تخصصی شده معمولا" با الگوهای نامنظم در یک محیط جنگی قرار می گیرند. هر گره سنسور فردی ممکن است بیاید و برود و نیز ممکن است از اتصال نوبتی به علت میزان خطا های اتصال بی سیم رنج ببرند و این می تواند به وسیله ی خطرات محیطی بدتر شود.
پس یک شبکه ی ترکیبی سنسور موثر باید بتواند زیربنای ارتباطات قوی و مقاوم در برابر دشمن را فراهم کند تا بتواند از عهده ی خرابی نودها، ارتباطات و شکست سرویس شخصی بربیاید(یک نود از سنسورهای مخصوص از عملکرد بازایستد). lim [14]نظریه ی سرویس های گسترش یافته را برای انتشار اطلاعات در شبکه های خود-سازمان دهنده ی سنسوری پیشنهاد کرد. در محیط به یک شبکه ی پویا نیاز است که با روش های قابل انتباق سیستم را مرتبا" کنترل کنند. مخصوصا" او سه سرویس اصلی را پیشنهاد کرد: سرویس نظارت، ترکیب نودهای سنسوری و انتباق پویا.
[15] Wang یک معماری مبنی بر تقسیم هوشمندانه ی فضا را ارائه داد به طوری که هر گره سنسوری و سرویس ها به عنوان اشیای منبع نمایش داده می شوند و بوسیله ی یک سرویس نظارت مرکزی که برای تمام گره های سنسوری درون دامنه یا دامنه انتقال نیرو قابل دیدن هستند ثبت می شوند. تقسیم اطلاعات هماهنگی و ترکیب از طریق مدیریت هوشمند اشیای منبع قابل دسترسی و اجرا هستند. استحکام از طریق نسخه بردای اتوماتیک وقتی که یک سنسور خراب دیگر نتواند وظایفش را انجام دهد بدست می آید.
[16] Esrin et al انتشار مستقیم را طراحی کرد – یک الگوریتم محلی شده برای برقرار کردن مسیرهای تحویل داده ی انعطاف پذیر و کارا در AWSN. ایده ی اصلی(سیستم های بیولوژیکی، کاربرد سیستم های ساده) پیشنهاد شده بوسیله ی Van Jawbson الهام گرفته شده. در اینجا مبنای ارتباطات در پایانه های گره ها نیست بلکه داده ها را درخواست می کنند اما نه در پایانه های داده های موردنظر. یعنی استفاده کننده ی داده شروع می کند به علاقه مند شدن به داده هایی با صفات مخصوص. گره ها سپس علاقه را بین تولید کنندگان داده از طریق یک رشته از تعامل ها پراکنده می کنند. این روند شیب هایی را درشبکه ایجاد می کند که تحویل داده را هدایت می کنند. اگر چه وضعیت کلی شبکه پویاست، بوسیله ی شرایط عامل پویایی دسترسی به منابع و وظایف پویا ایجاد شده، اثر پویایی می تواند به خوبی محلی شود.

3. نمونه ی پردازش داده
مهم نیست ساختار شبکه چقدر متفاوت است، مشی پردازش داده ی جاری به استفاده از یک مدل شبکه محاسبه ای رایج تمایل دارد : مدل Client/Server. این مدل از بسیاری از سیستم های توزیع شده حمایت کرده است .مثل روند صدا زدن از راه دور(RPC)[16]. شی جاری درخواست معماری واسط [18,19](CORBA)را می کند. در این مدل مشتری (سنسور فردی)داده را می فرستد به یک سرور (جزء پردازشی) جایی که وظایف پردازش اطلاعات اجرا می شوند. این مدل در هر حال چندین اشکال دارد[20] که می توانند به صورتی که می آید خلاصه شوند. اول این مدل نیاز دارد چندین دور مدور دور شبکه طی کند تا یک ترانکش را کامل کند. هر دور ترافیک شبکه ای ایجاد می کند و پهنای باند مورد نیاز در یک سیستم با تعداد زیادی مشتری یا تعداد زیادی تراکنش ممکن است از پهنای باند موجود بیشتر شود. که اجرای ضعیف سیستم را نتیجه می دهد. دوم اینکه در کل زمانی که در این مدل تراکنش اتفاق می افتد به ارتباطات شبکه ای موجود و سالم نیاز دارد. اگر اتصال خراب شود تراکنش بایستی از اول شروع شود که معمولا"نمی تواند. سوم طراحی یک سیستم بر مبنای Client/Server به توجه دقیق به ترافیک شبکه ای،تعداد مشتریها و سرورها ، حجم ترکنش و غیره نیاز دارد. اگر تخمین ها غیر دقیق باشند اجرای سیستم آسیب خواهد دید. بدبختانه بعد از یکبار اجرا سخت خواهد بود که تغییری در سیستم ایجاد کنیم.

3.1 DSN های مبتنی بر عامل متحرک
نمونه های عامل متحرک پیشنهاد شد[21] تا به چالش های بالا جواب بدهد. به DSN های مربوطه به عنوان DSNهای مبتنی بر عامل متحرک (MADSN) اطلاق می شود. MADSN یک نوع جدید محاسبه را پوشش می دهد:
داده در مکان محلی می ماند اما روند به هم پیوستن به مکان داده انتقال داده می شود. با انتقال موتور محاسبات به جای داده، MADSN منافع زیر را ارائه می دهد :

- نیازهای پهنای باند شبکه کاهش می یابد به جای جابجایی مقادیر زیاد داده خام از میان تعداد زیادی مسیرهای مرحله ای روی شبکه، تنها عوامل با اندازه کوچک فرستاده می شوند. این به خصوص برای کاربردهای real-time و جایی که ارتباط از طریق پهنای باند کم و بی سیم صورت می گیرد مهم است.
- مقیاس پذیری بهتر شبکه. اجرای شبکه جایی که تعداد سنسورها افزایش می یابد تحت تاثیر قرار نمی گیرد معماری عامل که شبکه ی قابل انتباق را پشتیبانی می کند می تواند بیشتر عملیات باز طراحی را به طور اتوماتیک انجام دهد.[20]
- توسعه پذیری. عامل متحرک می تواند برنامه نویسی شود و روند ترکیب وظایف انطباقی که قدرت سیستم را زیاد می کند اجرا کند.
- استواری. عامل متحرک می تواند هنگامی که ارتباط شبکه برقرار است فرستاده شود و نتایج را هنگامی که اتصال دوباره برقرار می شود برگرداندو پس اجرای MADSN چندان تحت تاثیر قابلیت اعتماد شبکه نیست.
به صورت معمول عامل متحرک یک نوع مخصوص نرم افزار است که می تواند به بصورت اتوماتیک اجرا شود. چون هنگامی که یکبار فرستاده شود می تواند از گره به گره مهاجرت کندو پردازش داده را بصورت خودگردان انجام دهد. البته نرم افزار تنها می تواند هنگامی اجرا شود که بوسیله ی یک روتین یا سطح بالاتر صدا زده شود. Lange[22] هفت دلیل خوب برای استفاده از عامل متحرک[23] را لیست کرده شامل: کاهش بار شبکه، غلبه بر رکود شبکه، اجرای استحکام و تحمل خطا و ... . اگرچه نقش عامل متحرک در محاسبات پخش شده هنوز بصورت کلی به خاطر ملاحظات ایمنی[24,25] در حال بحث است، نرم افزار های بسیاری مدارک روشنی مبنی بر مفید بودن استفاده از عامل متحرک ارائه داده اند. برای مثال عامل متحرک در بازرگانی الکترونیک شبکه بندی شده[26]، جایی که عوامل بوسیله ی خریدار به فروشنده های مختلف فرستاده می شوند تا دستورات و سفارشات و تحویلات را انتقال دهند و سپس با تایید به خریدار برگردانده شوند، بجای تماس خریدار با فروشنده، مانند یک نمایش گر عمل می کند . در تعامل با نمایشگرهای دیگر مشتریان قرار می گیرند و هنگامی که اتفاق مهمی برای مشتری در شبکه می افتد به او هشدار می دهد. یک مثال موفق دیگر از استفاده ی عامل متحرک بازیابی اطلاعات گسترش یافته و انتشار اطلاعات است. [27,30] عامل ها به مناطق ناهمگن پخش شده از نظر جغرافیایی گسیل می شوند تا اطلاعات را به روز کنند و جواب های Query ها را به استفاده کننده ی نهایی باز گردانند. عوامل متحرک همچنین استفاده می شوند برای اطلاع رسانی شبکه[31] و اطلاع رسانی محلی[32]. استحکام شبکه یکی از زمینه های مورد علاقه کاربردهای نظامی است. عوامل متحرک برای آگاهی و تراکنش با تغییرات شرایط شبکه و ضمانت اجرای موفق وظایف محول شده به آن است.
شکل 5 یک مقایسه بین DSN و MADSN از دو دیدگاه ساختار و معماری به عمل می آورد.

4.الگوریتم ترکیب سنسورها
اگر به گذشته برگردیم، به کارهای Condorcel روی مدل های همسانی در سال 1786 و کارهای Laplace روی روش های مرکب در 1818، مسایل ترکیب اطلاعات و تصمیم گیری قرن ها سابقه دارند.
در مهندسی و سیستم ها کارهای اولیه متعلق ه von neumann است. او نشان داد یک سیستم قابل اعتماد می تواند با استفاده از اجزای غیرقابل اعتماد با بهره بردن از ترکیب کننده های ساده ساخته شود.
پس از دهه های اخیر یک افزایش چشم گیر در زمینه هایی که تصمیم گیری بر مبنای ترکیب اطلاعات در آنها صورت می گیرد بوجود آمده است و ترکیب سنسورها یکی از وسیعترین این زمینه هاست. همینطور که به تدریج تعداد زیادتری سنسور در محیط های ناملایم تر مستقر می شوند، مهم است که تکنیک های ترکیب سنسورها استحکام داشته باشد. در اینجا یک افزونگی برای اطلاعات نمایش داده شده استفاده می شوند تا تحمل خطا را در ترکیب فراهم کنند. در این قسمت بر الگوریتم ها ی ترکیب گسترش سیستم های متحمل خطا متمرکز می شویم. چهار تابع ساده برای نمایش چهار مرحله ی مهم ابداع شدند: تابع M از Marzull [33] ، تابع S از Schmid و schossmaier [34]، تحلیل چند-باز حل(MRA) از تابع پی از Prasad etal [35]و تابع N از Chor etal [36].تمام توابع روند دریافت اطلاعات از سنسورهای انتزاعی را فرض می کنند. یک سنسور انتزاعی به عنوان سنسوری که پارامتر اطلاعات فیزیکی را می خواند تعریف می شود و تخمین وقفه ی انتزاعی را بیرون می دهد که یک زیر محدوده ی مرتبط با زیر مجموعه ای از خط واقعی است.
سنسورهای انتزاعی می توانند دسته بندی شوند به سنسورهای سالم و خراب . یک سنسور سالم یک سنسور انتزاعی است که اندازه ی واقعی پارامتر اندازه گیری شده را تخمین می زند. یک سنسور خراب قابل ترمیم است اگر نتایج اش با نتایج یک سنسور سالم Overlap داشته باشد و اگر با هیچ سنسور سالمی Overlap نداشته باشد غیر قابل ترمیم است.
شکل 6 خروجی اصلی از سنسورهای I1…I4 و نتایج ترکیب با استفاده از ترکیب های مختلف نشان می دهد. I2’ به صورت عمدی برای مقایسه استحکام 4 تابع ذکر شده. بگذارید n تعداد خروجی سنسور باشد و f تعداد سنسورهای خراب. در این مثال n=6 و f=1 است.
M([I1,I2,…,In]) به عنوان کوچکترین فاصله (وقفه) ای که شامل تمام تقاطع های وقفه ها (n-f) تضمین شده که تعداد دقیق سنسورهای خراب حداکثرf است تعریف می شود. به هر حال تابع M یک تابع رفتارپذیر را نشان می دهد چون یک تغییر کوچک در ورودی ممکن است یک خروجی متفاوت را تولید کند. این رفتار با عنوان مختل کننده ی شرایط lipschitz یک استاندارد خاص از وقفه هاست[37].
تابعS قادر است یک وقفه ی بسته را برگرداندجایی که a f+1, چپ ترین نقطه ی وقفه هاست و b , (n-f)راست ترین نقطه ی وقفه هاست .تابع S دقت را قربانی می کند تا شرایط lipschits را ارضا کند.

تابع Ω که تابع هم پوشانی هم نامگذاری می شود Ω(x) را برمی گرداند که تعداد همپوشانی پایانه ها در نقطه ی X را نشان می دهد. تحلیل چند بازحل یک framework سلسله مراتبی را برای تفسیر و ترجمه تابع همپوشانی فراهم می کند. بر اساس اطلاعات اولیه سنسورهای خراب اصلاح پذیر اطراف سنسورهای سالم خوشه می شوند و تله های بزرگ در فرم Ω(x)بوجود می آورند،سنسور های خراب غیر قابل ترمیم با سنسورهای سالم همپوشانی ندارند و بنابراین تله های کوچکتری فراهم می کنند. تابع Ω نیز استحکام دارد، شرایط lipschit را ارضا می کند که تضمین می کند که کوچکترین تفسیر در ورودی وقفه ها کوچکترین تغییر در خروجی را ایجاد می کند. به هر حال این تابع وقفه ی بیشتری نسبت به تابع M تولید می کند.
تابع N تابع Ω را تنها برای تولید وقفه هایی با میدان همپوشانی[n-f ,n] گسترش می دهد و شرایط lipschits را نیز ارضا می کند. اما بزرگترین مزیت این تابع این است که در بیشتر موارد قادر است به کاهش دادن پهنای وقفه های خروجی و تولید یک وقفه ی باریکتر. هنگامی که تعداد سنسورها زیاد است که این موردی عمومی برای شبکه ی سنسورهای توزیع شده است.

5.آرایش سنسورها
تا کنون کارهای زیادی در DSN بصورت انحصاری روی ارتباط موثر سنسورها[16,38] و ترکیب سنسورها برای معماری خاص قرار گیری سنسورها متمرکز شده است[39,40] از این جهت که اخیرا" سنسورها در تعدادهای بیشتری برای عملکرد یک محدوده قرار می گیرند، استراتژی های آرایش کارای سنسورها بصورت روزافزونی مهم می شوند.
در حقیقت این عادلانه است که بگوییم تحقیقات در این زمینه هنوز به یک آرایش سنسور مستحکم و مناسب نرسیده است. فقدان درک این موضوع غافلگیر کننده نیست چون قرار گیری سنسور موضوعات تا به حال توضیح داده نشده ی مکان یابی را با مکان یالی بهینه سنسورها ترکیب می کند.

5.1مکان یابی بهینه ی سنسورها:
در یک سناریوی معمولی ، فرماندهان میدان جنگ یا مسئولین نظارت انواع مختلفی از سنسورها را تحت نظر دارند که می تواند به صورت مناسب در فیلد قرار گیرد. این سنسورها از نظر میدان نظارت، توانایی های ردیابی و قیمت با هم متفاوتند. به وضوح، سنسورهایی که می توانند به دقت در فواصل دورتر اهداف را مشخص کنند گرانتر هستند. به هر حال استفاده ی این سنسورهای ی گران و با میدان دید بزرگ برای خرید و استقرار مشکل ساز هستند. از طرف دیگر اگر تنها از سنسورهای با میدان کم استفاده شود نظارت تنها می تواند با تعداد بیشتری از آنها شکل بگیرد. بنابراین استراتژی بهینه ی سنسورها بایستی هزینه را کم کنند و همچنین به دقت نظارت مورد تقاضای مشتری برسد.

شکل 7 یک فیلد سنسور را نشان می دهد که در آن سنسورها(دایره ها) در فاصله ی صد متری هستند و دو سنسور با قیمت و میدان پوشش متفاوت نشان داده شده است.
مساله ی جایگذاری سنسورها برای یک هدف مشخص بصورت نزدیکی با جایگذاری زنگ های خطر که در [41] توصیف شده مربوط است. مساله ی جایگذاری زنگ های خطر روی گره های گراف G است به طوری که یک خطای کوچک درست (مربوط به یک خطای منفردG) بتواند تشخیص داده شود. به این صورت زنگ های خطر با دیگر سنسورهای موجود فیلد قابل قیاس هستند. در [41] نشان داده شد که این مساله برای گراف های اختیاری یک مساله ی
NP-Complete است Chakrabarty et al [42] نشان می دهد که برای توپولوژی های محدود برای مثال یک مجموعه از نقاط چهار خانه در یک فیلد سنسور، یک framework تئوری کد گذاری می تواند استفاده شود تا محل سنسورها مشخص کنیم.
در [42] فیلد سنسوری با یک چهارخانه نشان داده شده(دو یا سه بعدی) و سنسورها بصورت انتخابی روی زیرمجموعه ای از این چهار خانه ها گذاشته شده. یک مدل برنامه نویسی خطی integer (ILP) برای کمینه کردن هزینه ی آرایش سنسورها هنگامی که فیلد را بصورت کامل پوشش می دهند ابداع شده. برای فیلد های سنسور دو بعدی با یک عدد داده شده برای تعداد نقاط در هر بعد که از دو نوع سنسور استفاده می کنند( یک نوع A با قیمت 150 دلار و محدوده ی 100 متر و یک نوع B با قیمت 200 دلار و محدوده ی 200 متر)، پوشش کامل را با 20 سنسور(چگالی سنسور = 0.31 ) می توان بدست آورد. این شامل استفداه از چهار فیلد سنسور با هر کدام 16 نقطه ی چهار خانه می شود و در شکل 8 نشان داده شده.

5.2جایگزاری سنسور در یک مکان مشخص
یک مسئله ی دیگر در شبکه های سنسوری این است که مکان هدف را مشخص کنیم. اگر زمینه ی سنسور به عنوان یک چهار خانه نمایش داده شده باشد(دو یا سه بعدی)، مشخص کردن مکان هدف یعنی که معلوم کنیم مخصات یک هدف در یک زمینه چهار خانه در هر زمان کجاست. برای پوشش بیشتر معمولا" تعداد بیشتری سنسور در فیلد قرار داده می شوند و اگر مناطق مورد پوشش سنسورها همپوشانی داشته باشد آنها ممکن است همگی یک هدف را گزارش کنند. سپس منطقه ی دقیق هدف باید با آزمایش مکان این سنسورها مشخص شود.در موارد زیادی،حتی غیر ممکن است که بطور دقیق هدف را مکان یابی کنیم. به عنوان چاره ، مکان یابی هدف می تواند آسان تر شود اگر سنسورها طوری جایگزاری شده باشند که هر مکان چهاخانه در فیلد سنسور بوسیله ی یک زیر مجموعه ی واحد از سنسورها پوشش داده شود. به این صورت مجموعه سنسورها که در زمان t هدف را گزارش می کند مکان چهر خانه ی واحدی را برای هدف در زمانt مشخص می کند.
گذرگاه هدف متحرک نیز می تواند به راحتی با این ترکیب بوسیله دنباله هایی از مکان در زمان مشخص شود. Chakrabary etal ،[42] نیز محدودیت هایی با تئوری کدگذاری را روی تعدادی سنسور مشخص کرد که جای آنها را در فیلد معین می کند.
برای یک فیلد دوبعدی با p = 13 ما به 65 سنسور نیاز داریم برای یک چهارخانه 169 تایی(چگالی سنسور = 0.3 که کمی از حد کم 57 تایی پیشگویی شده بیشتر است همانطور که در شکل 9 نشان داده شده است.

اگرچهChakrabarty et al [42] ، فرض می کند که تمام سنسورهای درون یک فیلد سنسور ثابت هستند، گسترش به سنسورهای متحرک کاملا" در حال انجام گرفتن است و به راحتی می تواند ثبت شود. مکان ردیابی سنسورهای متحرک کاملا" در حال افزایش یافتن است. – این می تواند ثبت شود با فریم ورک LIP با استفاده از مدل سازی این واقعیت که یک سنسورمتحرک می تواند تعداد زیادی مکان چهارخانه را بپوشاند– سنسورهای متحرک معمولا" تا زمانی که می توانند یک مکان وسیع را گشت بزنند مطلوب هستند، و آنها می توانند برای نظارت بهتر دوباره مکان یابی شوند.همچنین هنگامی که سنسورهای متحرک آسیب پذیر باشند می توانند پنهان شوند. پس تحرک، قابلیت و عمر سنسورها را بالا می برد. یک مزیت فریم ورک LIP این است که به علاوه مدل سازی مزایای سنسورهای متحرک می تواند این واقعیت را نیز مدل سازی کند که سنسورهای متحرک گران تر از سنسورهای ثابت هستند. این موضوع تعادل بین قیمت و نظارت را برقرار می کند.

خلاصه:
این مقاله بصورت خلاصه پیشرفت های اخیر در مطالعه ی شبکه های سنسوری گسترده (DSN) ها را بحث می کند. پیشرفت ها در تکنولوژی سنسور و ارتباطات بی سیم چالش های جدیدی را به این زمینه آورده اند. ما نوآوری ها را از چهار جنبه بررسی کردیم. طراحی ساختار شبکه برای DSNهای سنتی و برای شبکه های سنسوری ad hoc بی سیم، مقایسه بین دو نمونه پردازش داده - مدل کلاینت سرور و DSN های مبنی بر عامل متحرک، الگوریتم ترکیب سنسورها با یک ارزیابی کارایی بین چها تابع تحمل عیب و استراتژی جایگزاری سنسورها با یک مثال کاربردی روی مکان یابی هدف.