Hannák, G. (2013). Average consensus in mobile wireless sensor networks [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-62846
mobile Sensornetzwerke; verteilte Mittelwertbildung; zufällig geometrische Graphen
de
wireless sensor networks; mobile WSN; Metropolis
en
Abstract:
Diese Diplomarbeit untersucht Algorithmen der verteilten Mittelwertbildung in zeitvarianten Sensornetzwerken. Unterschiedliche zeitvariante Graphen repräsentierend einfachere Netzwerkscenarien (1-D, 2-D Gitter) und auch komplexere, realitätsnahe Bewegungsmodelle (zufällige geometrische Graphen, Rotationsmischung) werden untersucht.<br />Wir studieren die aus verschiedenen Netzwerk- und Mobilitätsaufstellungen folgende Konvergenzeigenschaften und geben Proof of Concept Experimente für Mobilität als beschleunigender Faktor in der Mittelwertbildung. Es wird eine untere Schranke der mittleren quadratischen Abweichung des verteilten Mittelwertbildungs hergeleitet, für den Fall konstanter Gewichte, unkorrelierten Sensormesswerten, zufälligen geometrischen Graphen und einer spezifischen, random Walk Bewegungsmodell. Numerische Untersuchungen zeigen das Verhalten der Mittelwertbildung unter verschiedenen Bedingungen und deren Zusammenhang zu der hergeleiteten Schranke.<br />
de
This work deals with average consensus algorithms on time-varying graphs. Different types of time-varying graphs represening simple scenarios (1-D grid, 2-D grid) as well as more complex, reality relevant mobility models (random geometric graph, fluid rotational mixing) are considered. We study the convergence properties given different network and mobility models and provide proof of concept experiments for the mobility as an accelerating feature in distributed averaging. We derive a lower bound on the mean squared error of average consensus using constant weights in a random geometric graph network with a specific random walk mobility model. The lower bound is tight in case of uncorrelated sensor measurements and for one moving node, and loose for two and more moving nodes. Numerical investigations are performed via simulations to demonstrate the behaviour of average consensus convergence under different conditions and their relation to the derived bound.