A power-efficient framework and methodology to configure resource-constrained wireless sensor networks

Our research has been focused on defining a power-efficient framework, both at applicative and theoretical layer, to dynamically reprogramming and configuring wireless sensor networks, which provide very small amounts of available memory and require long-lasting lifetimes. In studying an experimental solution for a dynamic reprogramming mechanism (within the WASP European Project), we have defined a very power-efficient approach which has been conceived as an hybrid between a dynamic linker and pre-linked modules based paradigm. This solution takes the advantages in terms of low-power and memory requirements of the latter, while overcoming its lack of scalability and not-synchronized behavior by means of some theoretical features characterizing the dynamic linker approach. Though not being a mature work, the experiments have shown a promising perspective for future applications of this technique. The second great step of the work has then concerned the creation of an accurate mathematical abstraction of both the functional and non-functional domains of a wireless sensor network. This theoretical inquiry has brought to the creation of an evolutionary genetic model for configuring WSNs’ functional allocations. In doing that, we have considered the opportunity of allocating functions on a node both in a static and a dynamic way, the latter enabled by the dynamic reprogramming mechanism. Experiments on the genetic model we have defined on this mathematical abstraction have demonstrated very good results and have pointed out a superior effectiveness of the algorithm with respect to configuration capabilities, compared to that provided by actual empirical techniques. The Thesis is structured as follows: Chapter 1 provides an introduction to WSN and the motivations underneath our work. Chapter 2 reports a review on the state of art in WSN reprogramming. In Chapter 3 we present our dynamic linker/loader approach. Chapter 4 presents the Genetic Model we have defined. Chapter 5 summarizes the achievements and the considerations raised from the work.

La nostra ricerca è stata orientata alla definizione di una metodologia e di un modello, sia teorico che applicativo, per la riprogrammazione e la configurazione di wireless sensor networks, caratterizzate da quantità molto piccole di memoria disponibile da un lato e dalla necessità di una consistente autonomia energetica dall’altro. Per via dei requisiti di lunga durata temporale, l’intera impalcatura metodologica è stata basata sulla minimizzazione del consumo di potenza, preservando al contempo la completezza e l’efficacia funzionale. Studiando una soluzione sperimentale per la riprogrammazione dinamica di WSN, all’interno del progetto europeo WASP, abbiamo definito un approccio molto efficiente dal punto di vista energetico, concepito come un ibrido tra il paradigma del ‘dynamic linker’ e quello dei moduli ‘pre-linkati’, immediatamente caricabili sul nodo. Questa soluzione sfrutta i vantaggi di basso consumo di potenza e di contenimento della memoria caratteristici del paradigma basato su moduli ‘pre-linkati’, arginandone al contempo gli svantaggi in termini di scalabilità e disallineamento per mezzo di alcune soluzioni teoriche mutuate dall’approccio basato su ‘dynamic linker’. Pur non essendo un lavoro pienamente maturo, i risultati sperimentali hanno dimostrato una prospettiva decisamente interessante per la futura adozione di questa tecnica nel progetto di reti di sensori wireless ad alta efficienza energetica ed efficacia funzionale. Il secondo grande passo della nostra ricerca ha riguardato la creazione di un’astrazione matematica del dominio funzionale e non-funzionale di una wireless sensor network. Questo studio teorico ha portato alla creazione di un modello genetico evoluzionistico per configurare l’allocazione delle funzioni software sui vari nodi della rete. Al centro di questo modello vi è la possibilità di allocare le funzioni sia in maniera statica che dinamica, quest’ultima resa possibile dal meccanismo di riprogrammazione precedentemente illustrato. Gli esperimenti sull’algoritmo genetico hanno dimostrato un’efficacia superiore a quella delle tecniche empiriche attualmente in uso per l’allocazione funzionale su reti di sensori wireless.