Robust Topology Control for Indoor Wireless Sensor - - PowerPoint PPT Presentation

Robust ¡Topology ¡Control ¡for ¡ ¡ Indoor ¡Wireless ¡Sensor ¡Networks ¡

Chenyang ¡Lu ¡ Computer ¡Science ¡and ¡Engineering ¡

Why ¡Do ¡We ¡Need ¡Topology ¡Control? ¡

• Reducing ¡transmission ¡power ¡can ¡reduce ¡power ¡

consump8on ¡and ¡reduce ¡channel ¡conten8on ¡

• But ¡it’s ¡challenging: ¡



Links ¡have ¡irregular ¡and ¡probabilis8c ¡proper8es ¡



Link ¡quality ¡can ¡vary ¡significantly ¡over ¡8me ¡



Human ¡ac8vity ¡and ¡mul8-­‑path ¡effects ¡in ¡ ¡ indoor ¡networks ¡

3 ¡

Outline ¡

• Empirical ¡study ¡
• ART ¡algorithm ¡
• Implementa8on ¡and ¡evalua8on ¡
• Conclusion ¡

4 ¡

Existing ¡Empirical ¡Studies ¡

• Many ¡studies ¡explore ¡link ¡performance ¡at ¡a ¡fixed ¡

transmission ¡power ¡[Srinivasan ¡2006], ¡[Woo ¡2003], ¡[Reijers ¡ 2004], ¡[Zhou ¡2004], ¡[Lai ¡2003] ¡

• [Son ¡2004] ¡evaluates ¡older ¡Chipcon ¡CC1000 ¡radios ¡
• [Lin ¡2006] ¡uses ¡a ¡simplified ¡indoor ¡environment ¡(all ¡nodes ¡

have ¡line-­‑of-­‑sight) ¡

• Our ¡study ¡considers ¡modern, ¡802.15.4-­‑compliant ¡CC2420 ¡

radios ¡in ¡a ¡complex ¡office ¡environment ¡

5 ¡

Is ¡Topology ¡Control ¡Bene;icial? ¡

Testbed ¡Topology ¡

0 ¡dBm ¡

• ­‑15 ¡dBm ¡
• ­‑25 ¡dBm ¡

6 ¡

Is ¡Topology ¡Control ¡Bene;icial? ¡

Packet ¡Recep8on ¡Ra8o ¡(PRR) ¡ Distribu8on ¡Across ¡Links ¡

368 ¡links ¡(70.2%) ¡receive ¡ NO ¡packets ¡at ¡-­‑25 ¡dBm ¡ Compared ¡to ¡82 ¡links ¡(15.6%) ¡ @ ¡-­‑5 ¡dBm ¡ 105 ¡links ¡(20.2%) ¡receive ¡ ≥ ¡95% ¡of ¡packets ¡at ¡-­‑25 ¡dBm ¡

7 ¡

Is ¡Topology ¡Control ¡Bene;icial? ¡

!!" !!# !$" !$# !" # # #%$ #%! #%& #%' #%" #%( #%) #%* #%+ $ ,TX -./01,23456 788 , , $&(!9$!( $#(!9$!+ $#"!9$!) $#'!9$#"

Impact ¡of ¡TX ¡power ¡on ¡PRR ¡

3 ¡of ¡4 ¡links ¡fail ¡ @ ¡-­‑10 ¡dBm ¡... ¡ ... ¡but ¡have ¡modest ¡ performance ¡@ ¡-­‑5 ¡ dBm ¡

Insight ¡1: ¡Transmission ¡power ¡should ¡be ¡set ¡on ¡a ¡per-­‑ link ¡basis ¡to ¡improve ¡link ¡quality ¡and ¡save ¡energy. ¡

8 ¡

What ¡is ¡the ¡Impact ¡of ¡Transmission ¡ Power ¡on ¡Contention? ¡

High contention Low signal strength

Insight ¡2: ¡Robust ¡topology ¡control ¡algorithms ¡must ¡ avoid ¡increasing ¡conten8on ¡under ¡heavy ¡network ¡load. ¡

9 ¡

Is ¡Dynamic ¡Power ¡Adaptation ¡ Necessary? ¡

Link ¡110 ¡-­‑> ¡139 ¡

10 ¡

Is ¡Dynamic ¡Power ¡Adaptation ¡ Necessary? ¡

Long-­‑Term ¡Link ¡Stability ¡

Insight ¡3: ¡Robust ¡topology ¡control ¡algorithms ¡must ¡ adapt ¡their ¡transmission ¡power ¡in ¡order ¡to ¡maintain ¡ good ¡link ¡quality ¡and ¡save ¡energy. ¡

11 ¡

Are ¡Link ¡Indicators ¡Robust ¡Indoors? ¡

• Two ¡instantaneous ¡metrics ¡are ¡ohen ¡proposed ¡as ¡

indicators ¡of ¡link ¡reliability: ¡



Received ¡Signal ¡Strength ¡Indicator ¡(RSSI) ¡



Link ¡Quality ¡Indicator ¡(LQI) ¡

• Disagreement ¡over ¡which ¡is ¡a ¡bejer ¡indicator ¡of ¡PRR ¡ ¡



[Srinivasan ¡2006]: ¡“RSSI ¡is ¡under-­‑appreciated” ¡



[Lin ¡2006]: ¡LQI ¡and ¡RSSI ¡are ¡both ¡good ¡proxies ¡for ¡PRR ¡(ATPC ¡alg.) ¡



TinyOS ¡2.1: ¡LQI ¡used ¡to ¡es8mate ¡channel ¡quality ¡

• Can ¡you ¡pick ¡an ¡RSSI ¡or ¡LQI ¡threshold ¡that ¡predicts ¡

whether ¡a ¡link ¡has ¡high ¡PRR ¡or ¡not? ¡

12 ¡

Are ¡Link ¡Indicators ¡Robust ¡Indoors? ¡

Links ¡106 ¡-­‑> ¡129 ¡and ¡104 ¡-­‑> ¡105 ¡

RSSI ¡threshold ¡= ¡-­‑86 ¡dBm, ¡PRR ¡threshold ¡= ¡0.9 ¡ ¡ 6% ¡false ¡posi8ve ¡rate ¡ 8% ¡false ¡nega8ve ¡rate ¡ RSSI ¡threshold ¡= ¡-­‑85 ¡dBm, ¡PRR ¡threshold ¡= ¡0.9 ¡ ¡ 4% ¡false ¡posi8ve ¡rate ¡ 62% ¡false ¡nega8ve ¡rate ¡ RSSI ¡threshold ¡= ¡-­‑84 ¡dBm, ¡PRR ¡threshold ¡= ¡0.9 ¡ ¡ 66% ¡false ¡posi8ve ¡rate ¡ 6% ¡false ¡nega8ve ¡rate ¡

Insight ¡4: ¡Instantaneous ¡LQI ¡and ¡RSSI ¡are ¡not ¡robust ¡ es8mators ¡of ¡link ¡quality ¡in ¡all ¡environments. ¡

13 ¡

Adaptive ¡and ¡Robust ¡Topology ¡control ¡ (ART) ¡

w=10 ¡ Power ¡Level ¡= ¡ ¡ 7 ¡6? ¡ Target ¡PRR ¡= ¡80% ¡ Ini8alizing ¡ Steady ¡ Trial ¡ 6 ¡ 7 ¡

14 ¡

Avoiding ¡Contention ¡

• Naïve ¡policy: ¡When ¡# ¡of ¡transmission ¡failures ¡goes ¡above ¡

threshold, ¡then ¡increase ¡power ¡level ¡

• But ¡what ¡if ¡this ¡makes ¡things ¡worse? ¡



Remember, ¡higher ¡power ¡→ more ¡conten8on ¡

• Ini8ally ¡increase ¡power ¡when ¡# ¡of ¡failures ¡> ¡threshold, ¡but ¡

remember ¡# ¡of ¡failures ¡in ¡last ¡window ¡

• If ¡# ¡of ¡failures ¡is ¡worse ¡than ¡last ¡8me, ¡then ¡flip ¡direc8on ¡

and ¡decrease ¡power ¡instead ¡

• Cheaply ¡tracks ¡“gradient” ¡of ¡power-­‑to-­‑PRR ¡curve ¡

15 ¡

Experimental ¡Setup ¡

• ART ¡implemented ¡using ¡TinyOS ¡2.1 ¡CVS ¡



Adds ¡392 ¡bytes ¡of ¡RAM ¡and ¡1582 ¡bytes ¡of ¡ROM ¡

• Window ¡size ¡= ¡50, ¡PRR ¡threshold ¡= ¡95% ¡

¡

• Three ¡experiments: ¡



Link-­‑level ¡



Data ¡collec8on ¡



High ¡conten8on ¡

¡

16 ¡

Link-­‑Level ¡Performance ¡

• Selected ¡29 ¡links ¡at ¡random ¡from ¡524 ¡detected ¡in ¡empirical ¡

study ¡

• Transmijed ¡packets ¡round-­‑robin ¡over ¡each ¡link ¡in ¡batches ¡
• f ¡100, ¡cycled ¡for ¡24 ¡hours ¡(15000 ¡packets/link) ¡ ¡

PRR ¡

• Avg. ¡Current ¡

Max ¡Power ¡ 56.7% ¡(σ = 2.5%) ¡ 17.4 ¡mA ¡(σ = 0) ¡ ART ¡ 58.3% ¡(σ = 2.1%) ¡ 14.9 ¡mA ¡(σ = 0.32) ¡

17 ¡

Link-­‑Level ¡Performance ¡

Link ¡129 ¡-­‑> ¡106 ¡

18 ¡

Data ¡Collection ¡

• Deployed ¡Collec8on ¡Tree ¡Protocol ¡[Gnawali ¡2008] ¡rou8ng ¡

algorithm ¡and ¡selected ¡one ¡testbed ¡node ¡as ¡sink ¡

• All ¡27 ¡other ¡nodes ¡take ¡turns ¡sending ¡batches ¡of ¡200 ¡

packets ¡



1800 ¡total ¡packets/node ¡over ¡4 ¡hours ¡

• Compare ¡against ¡maximum ¡power ¡and ¡PCBL ¡[Son ¡2004] ¡



Collects ¡large ¡amount ¡of ¡bootstrapping ¡data ¡(2 ¡hrs. ¡on ¡testbed) ¡



Uses ¡lowest ¡power ¡sewng ¡with ¡PRR ¡≥ ¡98% ¡



“Blacklists” ¡links ¡with ¡PRR ¡< ¡90% ¡

¡

19 ¡

Data ¡Collection ¡

0.7 ¡ 0.75 ¡ 0.8 ¡ 0.85 ¡ 0.9 ¡ 0.95 ¡ 1 ¡ Max-­‑Power ¡ PCBL ¡ ART ¡ Packet ¡Delivery ¡Rate ¡

Packet ¡Delivery ¡Rate ¡

20 ¡

Data ¡Collection ¡

0 ¡ 0.2 ¡ 0.4 ¡ 0.6 ¡ 0.8 ¡ 1 ¡ 1.2 ¡ 1.4 ¡ Max-­‑Power ¡ PCBL ¡ ART ¡ Rela=ve ¡Energy ¡Consump=on ¡ CTP ¡data ¡ Protocol ¡overhead ¡

Energy ¡Consump8on ¡

21 ¡

Data ¡Collection ¡ ¡

Hop-­‑Count ¡vs. ¡PRR ¡

Max-­‑power ¡starves ¡ nodes ¡with ¡most ¡ expensive ¡paths ¡

22 ¡

Handling ¡High ¡Contention ¡

• Select ¡10 ¡links ¡at ¡random ¡from ¡testbed ¡
• Send ¡packets ¡over ¡all ¡10 ¡links ¡simultaneously ¡as ¡possible ¡

(batches ¡of ¡200 ¡packets ¡for ¡30 ¡min.) ¡

• Compare ¡again ¡against ¡PCBL ¡and ¡max-­‑power ¡
• Also ¡run ¡ART ¡without ¡“gradient” ¡op8miza8on ¡to ¡isolate ¡its ¡

effect ¡on ¡PRR ¡

23 ¡

Handling ¡High ¡Contention ¡

0 ¡ 0.1 ¡ 0.2 ¡ 0.3 ¡ 0.4 ¡ 0.5 ¡ 0.6 ¡ 0.7 ¡ 0.8 ¡ 0.9 ¡ 1 ¡ Max-­‑Power ¡ PCBL ¡ ART ¡ ART ¡(w/o ¡gradient) ¡ Packet ¡Recep=on ¡Rate ¡

Packet ¡Recep8on ¡Rate ¡

24 ¡

Handling ¡High ¡Contention ¡

0 ¡ 0.1 ¡ 0.2 ¡ 0.3 ¡ 0.4 ¡ 0.5 ¡ 0.6 ¡ 0.7 ¡ 0.8 ¡ 0.9 ¡ 1 ¡ Max-­‑Power ¡ PCBL ¡ ART ¡ ART ¡(w/o ¡gradient) ¡ Rela=ve ¡Energy ¡Consump=on ¡

Energy ¡Consump8on ¡

25 ¡

Handling ¡High ¡Contention ¡

0 ¡ 0.1 ¡ 0.2 ¡ 0.3 ¡ 0.4 ¡ 0.5 ¡ 0.6 ¡ 0.7 ¡ 0.8 ¡ 0.9 ¡ 1 ¡ Max-­‑Power ¡ PCBL ¡ ART ¡ ART ¡(w/o ¡gradient) ¡ Rela=ve ¡Energy/PRR ¡

Energy ¡Efficiency ¡

50.9% more energy efficient than max-power 40.0% more energy efficient than max-power

26 ¡

Handling ¡High ¡Contention ¡

Distribu8on ¡of ¡PRR ¡

0 ¡ 0.1 ¡ 0.2 ¡ 0.3 ¡ 0.4 ¡ 0.5 ¡ 0.6 ¡ 0.7 ¡ 0.8 ¡ 0.9 ¡ 1 ¡ 0 ¡ 0.05 ¡ 0.1 ¡ 0.15 ¡ 0.2 ¡ 0.25 ¡ 0.3 ¡ 0.35 ¡ 0.4 ¡ 0.45 ¡ 0.5 ¡ 0.55 ¡ 0.6 ¡ 0.65 ¡ 0.7 ¡ 0.75 ¡ 0.8 ¡ 0.85 ¡ 0.9 ¡ 0.95 ¡ 1 ¡ CDF(Packet ¡Recep=on ¡Rate) ¡ Packet ¡Recep=on ¡Rate ¡ Max-­‑Power ¡ PCBL ¡ ART ¡ ART ¡(w/o ¡gradient) ¡

27 ¡

Conclusions ¡

• Our ¡empirical ¡study ¡shows ¡important ¡new ¡nega8ve ¡results: ¡ ¡



RSSI ¡and ¡LQI ¡are ¡not ¡always ¡robust ¡indicators ¡of ¡link ¡quality ¡ indoors ¡



Profiling ¡links ¡even ¡for ¡several ¡hours ¡is ¡insufficient ¡for ¡iden8fying ¡ good ¡links ¡



Inherent ¡assump8ons ¡of ¡exis8ng ¡protocols! ¡

• ART ¡is ¡a ¡new ¡topology ¡control ¡algorithm ¡which ¡is ¡robust ¡in ¡

complex ¡indoor ¡environments ¡

• ART ¡achieves ¡bejer ¡energy ¡efficiency ¡than ¡max-­‑power ¡

without ¡bootstrapping ¡or ¡link ¡starva8on ¡

28 ¡

References ¡

• G. ¡Hackmann, ¡O. ¡Chipara ¡and ¡C. ¡Lu, ¡Robust ¡Topology ¡Control ¡for ¡

Indoor ¡Wireless ¡Sensor ¡Networks, ¡ACM ¡Conference ¡on ¡Embedded ¡ Networked ¡Sensor ¡Systems ¡(SenSys), ¡November ¡2008. ¡

• Y. ¡Fu, ¡M. ¡Sha, ¡G. ¡Hackmann ¡and ¡C. ¡Lu. ¡Prac8cal ¡Control ¡of ¡Transmission ¡

Power ¡for ¡Wireless ¡Sensor ¡Networks, ¡IEEE ¡Interna8onal ¡Conference ¡on ¡ Network ¡Protocols ¡(ICNP'12), ¡October ¡2012, ¡

29 ¡