چکیده فارسی :

در سال های اخیر، بازدهی انرژی موثر و جمع آوری داده ها، یک دغدغه اصلی در کاربرد های حسگر های شبکه های بیسیم  (WSN)بوده است. یکی از مسائل مهم در WSN چگونگی صرفه جویی در مصرف انرژی برای طولانی شدن طول عمر شبکه می باشد. بدین منظور، تکنیک های جدید و نوآورانه زیادی برای بهینه سازی بازدهی انرژی و طول عمر شبکه مورد نیاز می باشد. در این مقاله ما یک پروتوکل جدید از دسته بندی موثر انرژی و تراکم داده (EECDA)  برای حسگر های غیر همگن شبکه های بیسیم، پیشنهاد داده ایم که ایده های دسته موثر انرژی را بر اساس مسیر یابی و تراکم داده ها به منظور دستیابی به عملکرد بهتر تحت شرایط طول عمر و پایداری، ترکیب می کند. پروتوکل EECDA شامل یک تکنیک جدید انتخاب سر دسته می باشد و یک مسیر بجای مسیری با حداقل مصرف انرژی، باید با مجموع حداکثر باقیمانده های انرژی برای انتقال داده جایگزین شود. نتایج شبیه سازی نشان می دهد که پروتکل EECDA سبب تعادل مصرف انرژی و طولانی شدن طول عمر شبکه با ضرایبی از 51% ، 35% و 10% می شود، ( 51% در مقایسه با الگوریتم دسته بندی بهینه سازی شده سلسله مرتبه ای کم انرژی، 35 درصد در مقایسه با الگوریتم دسته بندی انرژی موثر مرتبه ای و 10 درصد در مقایسه با الگوریتم جمع آوری موثر داده ها.

چکیده انگلیسی:

In recent years, energy efficiency and data gathering is a major concern in many applications of Wireless Sensor Networks (WSNs). One of the important issues inWSNs is how to save the energy consumption for prolonging the network lifetime. For this purpose, many novel innovative techniques are required to improve the energy efficiency and lifetime of the network. In this paper, we propose a novel Energy Efficient Clustering and Data Aggregation (EECDA) protocol for the heterogeneous WSNs which combines the ideas of energy efficient cluster based routing and data aggregation to achieve a better performance in terms of lifetime and stability. EECDA protocol includes a novel cluster head election technique and a path would be selected with maximum sum of energy residues for data transmission instead of the path with minimum energy consumption. Simulation results show that EECDA balances the energy consumption and prolongs the network lifetime by a factor of 51%, 35% and 10% when compared with Low-Energy Adaptive Clustering Hierarchy (LEACH), Energy Efficient Hierarchical Clustering Algorithm (EEHCA) and Effective Data Gathering Algorithm (EDGA), respectively.