DEKODE BERBASIS KONSENSUS
PENGKODEAN KANAL YANG TERDISTRIBUSI
PADA JARINGAN SENSOR NIRKABEL
CITRA DEVI MURDANINGTYAS 2209 203 003
BIDANG STUDI TELEKOMUNIKASI MULTIMEDIA JURUSAN TEKNIK ELEKTRO
FTI –ITS SURABAYA SURABAYA 2010
Latar Belakang
• Jaringan sensor nirkabel berkembang sangat pesat
aplikasi di bidang militer, kesehatan, perumahan, industri, transportasi dan lingkungan.
• Karakteristik jaringan sensor nirkabel
– Jarak yang sempit
– energi yang terbatas
– sensor yang disebar perlu banyak.
• Sensor yang banyak konsensus pada sensor agar menghasilkan keputusan bersama
Algoritma Konsensus Terdistribusi
• Algoritma konsensus terdistribusi suatu algoritma dimana data yang diperoleh oleh setiap sensor akan diperbaharui
setiap waktu oleh sensor tetangganya.
• Sensor tetangga semua sensor yang terkoneksi dengan sensor tersebut.
• Tujuan untuk mendapatkan nilai kesepakatan global antar node.
untuk mengurangi kesalahan yang terjadi pada proses pengkodean
Cont...
Algoritma konsensus terdistribusi terdiri dari :
Algoritma Consensus Averaging-Single Iteration (CA-SI)
Algoritma Consensus Averaging-Method of Multiplier (CA-MoM)
Permasalahan 1
Bagaimanakah pemodelan sistem pengkodean kanal yang terdistribusi pada jaringan sensor nirkabel?
Node pada sistem ini akan disebar dan node akan mendekodekan sebuah pesan.
o Pada setiap node(sensor), informasi yang diperoleh tidak
selalu sama.
o Dengan demikian, untuk mengurangi keterbatasan
jaringan sensor nirkabel dibutuhkan kerjasama antar node (sensor).
Permasalahan 2
o Bagaimana pengaruh penggunaan beberapa sensor dalam
mendekodekan suatu informasi pada jaringan sensor nirkabel?
Sistem pengkodean kanal terdistribusi yang diaplikasikan pada jaringan sensor nirkabel apakah layak?
Batasan Masalah
Luas area yang digunakan adalah 100m x 100m
Model penyebaran sensor yang digunakan adalah menggunakan distribusi uniform
Model deteksi sensor menggunakan model deteksi biner
Topologi yang digunakan pada jaringan sensor network merupakan topologi serial
Parameter simulasi yang digunakan mengacu pada spesifikasi dari MTS420 dan MICA2
Algoritma yang digunakan adalah algoritma Centralized dan algoritma konsensus terdistribusi khususnya algoritma
Tujuan Penelitian
Memperoleh model sistem pengkodean kanal terdistribusi yang tepat untuk diaplikasikan pada jaringan sensor
nirkabel.
Memperoleh performansi kerja yang handal dari kerjasama beberapa sensor pada jaringan sensor nirkabel.
Memperoleh jaringan sensor nirkabel yang layak dengan keterbatasan memori, daya dan kompleksitas.
Teori Graph
GRAPH
kumpulan dari simpul (node)/vertex yang dihubungkan dengan satu sama lain melalui sisi/busur (edge)
Model Deteksi Biner
• Model deteksi biner sederhana
• Jangkauan sensing tersebut sering disebut dengan range sensor (rs).
• Untuk mengetahui jarak antar sensor dapat menggunakan rumus jarak Euclidean
• di = jarak target dengan sensor ke i (m)
• xi,yi = koordinat dari sensor (m)
Pendekodean
Kode Konvolusional
adalah kode dimana urutan bit informasi tidak
dikelompokkan ke dalam blok-blok yang berbeda.
Proses pendekodean dengan viterbi dimana
Deret bit yang memiliki Hamming distance minimum
merupakan deretan bit yang paling dekat dengan bit yang diterima
Kode Hamming dilengkapi dengan koreksi kesalahan
Proses pendekodean dengan mengetahui parity check matrix untuk menentukan pola error dan error syndrome
Model Sistem
Bit informasi pada sumber AP
terlebih dahulu dikodekan
dengan kode Hamming (7,4) dan kode Konvolusional (1,2)
Data dari AP dikirimkan ke
sensor melalui kanal AWGN
Jaringan sensor nirkabel
dimodelkan sebagai graph 𝒢 :=
{ℰ,𝒥}
Blok yang diterima sensor :
Pesan/informasi X Є C Encoder Sumber j s x E y = (2 −1) + ε
Algoritma Centralized
• Pembangkitan Sumber
• Sensor disebar dengan distribusi uniform
• Pencarian node yang aktif
• Pengambilan data oleh sensor aktif
• Pencarian konektifitas antar sensor aktif
• Proses deteksi data sensor dengan metode Likelihood Ratio
• Proses pendekodean
∑∑
= = ∈ ∈ = = J j N n T C x n jn C x ML x x x 1 1 min arg min arg ˆ γ γAlgoritma CA-SI
• Pembangkitan Sumber
• Sensor disebar dengan distribusi uniform
• Pencarian node yang aktif
• Pengambilan data oleh sensor aktif
• Pencarian konektifitas antar sensor aktif
• Proses pembaharuan data oleh sensor tetangga, pengecekan konektifitas
• Proses deteksi data sensor dengan metode Likelihood Ratio
∑
∈ + − − − + − = j N i jin jn jn ji jn jn(k) γ (k 1) α(k) W [γ (k 1) (γ (k 1) η (k))] γ ∑∑ ∈ ∈ = = J N T n jn ML x xAlgoritma CA-MoM
• Pembangkitan Sumber
• Sensor disebar dengan distribusi uniform
• Pencarian node yang aktif
• Pengambilan data oleh sensor aktif
• Pencarian konektifitas antar sensor aktif
• Proses penentuan variabel Multiplier
• Proses pembaharuan data oleh sensor tetangga
[
]
)), ( ) ( ( 2 ) 1 ( ) (k v k c k k v jin = jin − + γ jn − γ inAlgoritma CA-MoM
•
Proses deteksi data sensor dengan metode Likelihood
Ratio
•
Proses pendekodean
∑∑
= = ∈ ∈ = = J j N n T C x n jn C x ML x x x 1 1 min arg min arg ˆ γ γMetode Penelitian
START Encoding Data Hasil Algoritma CA-SI Data Hasil Algoritma Centralized Data Hasil Algoritma CA-MoMDecoding Decoding Decoding
Distribusi Sensor
Parameter Simulasi
PARAMETER NILAI
Luas Area 100m x 100m
Jumlah Node yang disebar 10
Range Sensor 25m
Plot Distribusi Sensor dan Sumber
10 20 30 40 50 60 70 80 90 100 1 2 3 4 5 6 7 8 9 10 Lebar D aer ah ( m )Estimasi Distribusi Sensor
sensor sumber sinyal Sumber Sinyal Range Sensor Sensor tidak aktif Sensor aktif
Algoritma Centralized dengan
menggunakan Kode Hamming
10-4 10-3 10-2 10-1 100 B it E rro r R a te
BER for BPSK in AWGN with Hamming (7,4) code
Centralized Decoder Localized Decoder
Algoritma Centralized dengan
menggunakan Kode
Konvolusional
10-4 10-3 10-2 10-1 100 B it E rro r R a teBER for BCC with Viterbi decoding for BPSK in AWGN
Centralized Decoder Localized Decoder
Algoritma CA-SI dengan
menggunakan Kode
Hamming
10-4 10-3 10-2 10-1 100 B it E rro r R at eBER for BPSK in AWGN with Hamming (7,4) code
Centralized Decoder Localized Decoder CA-SI
Algoritma CA-SI dengan
menggunakan Kode
Konvolusional
10-4 10-3 10-2 10-1 100 B it E rro r R at eBER for BCC with Viterbi decoding for BPSK in AWGN
Centralized Decoder Localized Decoder CA-SI
Algoritma CA-MoM dengan
menggunakan Kode Hamming
10-4 10-3 10-2 10-1 100 B it E rro r R at e
BER for BPSK in AWGN with Hamming (7,4) code
Centralized Decoder Localized Decoder CA-SI
Algoritma CA-MoM dengan
menggunakan Kode
Konvolusional
10-4 10-3 10-2 10-1 100 B it E rro r R at eBER for BCC with Viterbi Decoding for BPSK in AWGN
Centralized Decoder Localized Decoder CA-SI
Kesimpulan 1
Dengan menggunakan algoritma Centralized dapat
meminimalkan kesalahan yang terjadi pada proses
pengkodean kanal yang terdistribusi baik pada Kode
Hamming (7,4) maupun Kode Konvolusional (2,1).
Dengan menggunakan algoritma Konsensus
Terdistribusi baik algoritma CA-SI dan CA-MoM dapat
menjadikan data yang berbeda menjadi konvergen
Dari data konvergen yang dihasilkan algoritma CA-SI
dan CA-MoM dapat meminimalkan kesalahan
pendekodean.
Kesimpulan 2
Variabel Multiplier yang digunakan pada algoritma
CA-MoM dapat memperbaiki kinerja dari algoritma
CA-SI.
Semakin benyak iterasi maka kesalah dalam proses
pendekodean semakin kecil.
Berdasarkan hasil simulasi, nilai BER dari algoritma
CA-MoM lebih bagus daripada nilai BER dari
algoritma CA-SI.
DaftarPustaka
• Akyldiz, I.F, Ismail H. Kasimoglu, (2004), Wireless Sensor and Actor Networks: Research Challenges’, Ad Hoc Networks vol 2, hal 351-367.
• Akyldiz, I.F, Sankarasubramaniam, Y, dan Cayirci, E. (2002),’’A Survey on Sensor Network”, IEEE Commun Mag, hal. 102-114.
• Chakrabarty.K, Iyengar, S.S, (2005) “Scalable infrastructure for distributed sensor Networks”, Springer-Verlag London Limited, London.
• H. Karl and A. Willig, (2005), “Protocols and Architecture for Wireless Sensor Network”, John Wiley.
• H. Zhu, G. B. Giannakis, dan A. Cano, (2009), “Distributed In-Network Channel Decoding”, IEEE Transaction on Signal Procesing, hal 57.
• J. G. Proakis, (1989), “Digital Communication”, International Edition. McGraw-Hill: NewYork.
DaftarPustaka
• S. Kar and J. M. F. Moura,(2009), “Distributed Consensus Algorithm in Sensor Network With Imperfect Communication: Link Failures and Channel Noise,” IEEE Transactions On Signal Processing, vol 57, No.1. • Swami, A. Zhao, Hong, YW, (2007),”Wireless Sensors Network Signal
Processing and Communications Prespectives, John Wiley & Sons Inc.
• Wardihani. E D,(2008),” Sistem Deteksi Terdistribusi Pada Jaringan Sensor Nirkabel”, Tesis Jurusan Teknik Elektro, ITS, Surabaya.
• Wicker.B Stephen, (1995), “Error Control Systems for Digital
SEKIAN
DAN
Konvergensi Data CA-SI
51.2 51.3 51.4 51.5 51.6 51.7 51.8Konvergensi Data CA-MoM
-20 -15 -10 -5 0 5 10 15 20Cont...
Terdapat beberapa asumsi dari sistem model diatas :
A1. Jaringan WSN terhubung, kemungkinan jalur yang terhubung lebih dari 2 (hop jamak)
A2. Komunikasi antar sensor dengan hop tunggal yang berdekatan melalui saluran simetri sbb :
A2.1 Per blok bersifat ideal dan time-invariant
A2.2 Time-invariant digagalkan oleh additive zero-mean noise dengan varians σi2 pada sensor i ϵ Ɲ, tidak
berhubungan j dan i
Cont...
A3. Memasukkan Xn dari X adalah biner {0,1} dimana codebook C merupakan bagian dari X
A4. Kanal sensor AP diskrit, tanpa memori, simetri dan sensor bersifat independen, dan sensor j diketahui
sebagai pdf bersyarat P(yj|x) yang merupakan karakteristik dari kanal AP