شبکه حسگر بی سیم زیر آب

صفحه 1:


صفحه 2:
1 Unequal Layering Clustering in Underwater Acoustic Sensor Networks ۳9 Pe Td RE dt) eee Ne Be ‏زير آب‎ 82 

صفحه 3:
® RUI HOU, (Member, IEEE), © LIUTING HE, ® SHAN H, ® JIANGTAO LUO, ® College of Computer Science, South-Central University for Nationalities, Wuhan 430074, China ® Electronic Information and Networking Research Institute, Chongqing University of Posts and Telecommunications, Chongqing 400065, China 

صفحه 4:
Received May 16, 2018 accepted June 20, 2018 date of publication July 9, 2018 IEEE Access 

صفحه 5:
#شبكه هاى سنسور صوتی زیر آب 1906۳۵1607 ‎Acoustic Sensor Networks (UASNs)‏ بد طور گسترده در فعالیت های مانند جمع آوری داده های زیر آب و تشخیص آلودگی آب استفاده می شود. #یک 858] شامل سنسورهای صوتی است که از باتری به عنوان منبع تغذیه خود استفاده می کند. #به دلیل محیط های پیچیده زیر لب که در تن ‎ UASN‏ ‏هستند جایگزینی این باتری ها دشوار است. مصرف انرژی طول عمر باتری ۸۵ ها را کاهش می دهد و بهبود کارآیی انرژزی یکی از ابزارهای کاهش این مشکل است. 

صفحه 6:
گلين مقلله یک الگوریتم خوشه بندی لایه بندی نامساوی مبتنی بر تعادل انرژی ‎Energy-balanced‏ ‎Unequal Layering Clustering‏ ‎algorithm (EULC)‏ که راندمان انرژی سنسورهای صوتی را بهبود می بخشد پیشنهاد می کند. # الگوریتم ۳1,6 طراحی 725 ها رابا لایه بندی نامساوی بر اساس عمق گره انجام داده و از طریق ساخت خوشه های با اندازه مختلف در همان لایه به طور موثر مصرف انرژی را در داخل متعادل می کند و در نتیجه طول عمر شبکه را افزايش می دهد. 

صفحه 7:
#شبکه های حسکر آکوستیک زیر آب لایه بندی نامساوی ‎٩‏ خوشه بندی ‎٩‏ تعادل انرژی 

صفحه 8:
o Wireless Sensor Network (WSN) WSN Importance Applications Application manager (WSN designer) Sensornodes sink node Sensor field 

صفحه 9:


صفحه 10:
شبکه های حسگر آکوستیک زیر آب (115[5) به طور گسترده ای در فعالیت هلیی مانند جمع آوری اطلاعات دریا و اکتشاف منابع زیرزمینی مورد استفاده قرار می گیرند. © 1۸5 دارای تعداد محدودی گره های سنسور صوتی است که در محیط پیچیده زیر لب قرار دارد و شارژ باتری گره بسیار دشوار است. بدین ترتیب. کاهش مصرف انرئی 5[ سبب طولانی شدن ‎Job‏ ‏عمر شبکه می گردد. پروتکل های مسیریابی مطلوب. مانند مسیریابی خوشه بندی با تقسیم گره های حسگر به خوشه های چندگلنه مدیریت توزیع می تولند به طور موثر کارائی مصرف انرئی ۸۵5[ را ارتقا دهد. 

صفحه 11:


صفحه 12:
هینزلمن و همکاران الگوریتم خوشه بندی به نام سلسله ) LEACH) 0S cSt be Ile gar sigs ‏مراتب‎ ®Low Energy Adaptive Clustering Hierarchy #در لن تمام گره هابه نوبت جهت کاهش مصرف انرفی قفش سرخوشه را ایفا نی کنند با ابن حال, ‎lel‏ ‏سرخوشه به صورت تصادفی انجام می شود و می تواند منجر به بروز تعداد متغیری از سر خوشه ها گردد. 

صفحه 13:
گژانگ و همکاران. براى 1145115 الكوريتم مسيريابى خوشه بندى مبتنی بر انرژی و عمق(6/6 )را برای استفاده در محیط های سه بعدی زير آب پیشنهاد داده است. ®Depth and Energy-Based Clustered Routhing algorithm © که در آن انتخاب سر خوشه ها بر اساس عمق و باقی مانده انرژی گره ها صورت می گیرد و گره های غیر سرخوشه براساس تفاوت های عمق و گره های سرخوشه تعیین شده . خوشه خود را انتخاب می کنند که نتیجه یک ساختار شبکه مخروطی است. #با این حال. الگوریتم ۳90216( نمی تولند ثبات تعداد سرخوشه را 

صفحه 14:


صفحه 15:
#اگرچه رویکردهای ذکر شده می توانند مصرف انردّی را بهینه سازی کنند . تقریبا همه فقط برای ۷۷5 ها قلبل استفاده هستند. عوامل مانند محیط استفاده و ارتباطات داده روش 5 از نظر ۷۷ های معمولی متفاوت است . در نتیجه برای شبکه های حسگر زیر لب از الگوریتم ‎EULC‏ ‏استفاده نمودیم. ‎Energy-balanced Unequal‏ © ‎Layering Clustering‏ #خوشه بندی لایه بندی نامساوی مبتنی برتعادل انرژی 

صفحه 16:


صفحه 17:
#الكوريتم 1171-00 بيشنهادى از روش هاى فوق در سه اصل متفاوت است : #اول. 7۵5 ‎it 4 a1,‏ ق و خوشه ها زر لايه_تقسيم مى كند. الكوريتم انتخاب سرخوشه ها مقادير انرثى باقيمانده هر گره . درجه گره و فاصله تا گره سینک را درنظر می گیرد که منجر به توزیع یکنواخت بیشتر سرخوشه می شود. دوم‌این الگوریتم شعاع رقلیت برای هر سرخوشه_را با توجه به فاصله بین سرخوشه و گره سینک تنظیم می کند. که با کاهش بازه خوشه بعلت نزدیکی به گره سینک ‏ بنابراین طول عمر گره افزایش می يابد. سوم اینکه. از مسیریایی‌فک و چندتلیی برای انتقال داده های داخل و بیز خوشه ای استفاده می کند. برای کاهش مصرف انرژی در ارتباط بین خوشه ای گره مقصد بعدی مطایق انرژی باقی مانده وعمق آن گره انتخاب می شود: 

صفحه 18:
بخش دوم مدل سیستم ارتباطی زیر آب را توصیف می کند . بخش سوم الگوریتم پیشنهاد شده ,3.11 را ارائه می دهد که در آن مسائل مربوط به مدل سازی لایه بندی نامساوی: نحوه انتخاب سرخوشه . ایجاد خوشه و مرحله انتقال داده نيز مورد بحث قرار گرفته است. #شبه سازی_جامع که برای بررسی کارایی ).1 انجام شد. در فصل چهارم مشخص شده است. @ سرانجام بخش پنجم ارائه نتیجه گیری می کند 

صفحه 19:
#شکل یک ساختار ‎UASN‏ سه بعدی را تشان می دهد. که شامل گره های حسگر ایستا در کف دریاء گره های حسگر پوبای شناور در لب و یک گره سینک در حال حرکت بر روی سطح آب می گردد. در طول مرحله ی استقرار ۸۵ گره های حسگر بصورت تصادفی در یک حجم مکعب توزیع شده و گره سینک در سطح آب قرار می گیرد. که بصورت ذیل است: 

صفحه 20:
۱ FIGURE 1. Three-dimensional UASN structure. 

صفحه 21:
‎)١©‏ تمام گره های حسگر در یک حجم مکعبی از آب مستقر شده و ساختارها و انری های مشترک را به اشتراك مى كذارند اما داراى ل1ل](شناسه هاى) منحصر يه فرد_هستند علاوه بر اينء. هر كره مكان خودش در شبكه را مى داند. ‎(VO‏ هر كره مى تواند نقش .يك كره سر خوشه يا يك گره عادی را | ‎aS‏ تمام كره ها توانايى تجميع بسته های داده و تنظیم قدرت انتقال بر اساس فاصله انتقال ‏داده را دارند. 

صفحه 22:
۲ گره سینک در مرکز سطح بالای شبکه سه بعدی قرار گرفته و می تولند با تمام گره ها در شبکه ارتباط برقرار کند. گره های حسگر بصورت دوره ای داده ها را جمع آوری می کنند. گره در یک لایه مشخص داده ها رابه سرخوشه همان لایه انتقال می دهد که به نوبه خود داده ها را به سرخوشه یک لایه بالاتر ارسال می کند . که با ادامه این روند در بين لايه ها داده ها به گره سینک فرستاده می شود. 

صفحه 23:


صفحه 24:
0 نشان‌دهندم قدیتمورد نباز جهتدریافتداده بازلی‌هر گرم (۸)0 ضریبت ضعیفت ولنبه عنلرت ابع فاصله 0 11 تاخیر زمانی‌در ایسلل| بسینداده توسط یکگره اوسالل کننده دادم مصرفلنرژیارسا لینتهاودادم ها به شکلزیر خولهد بود: Esena (I, d) = T;- Po -A(d), with A(d) represented as A(d) =d". 4, 

صفحه 25:
‎Esena U,d) = T+ Po + A(d), _‏ و ‎with A(d) represented as‏ ‎A(d) =d".c4, ‏ی کف اکتور نرژیبانگر نوعارتباطاتصوتیمورد لستفاده در لیرمد]‎ ۶ ‏و 11-۲ به ترتیبنسشان‌دهنده مدل‌هایلستولنه لیو کروعل‎ 11-١ ‏و مقادير‎ ‏و 6 ضریبت ضعیفت ورب شرح ذیالست‎ » < 0, ‏2 ضریبجذبانریی ‎E‏ ‎fF 1 ‏سل بل ‎rope) 7‏ ‎$2.75 x 1074 ۷7 + 23 ‎a(f) =0.11 x ‎ ‎ ‎ 

صفحه 26:
انرژی دریافت شده در هر گره به ازای دریافت . بیت داده ‎Eveceive I) << ۰ Eprocess+‏ که در آن لآ میزان مصرف انریٍی یک گره حسگر آکوستیک زیرلب جهت پردازش یک بیت داده است. #در ‎Gum idee dl glee da UASN‏ دریافت داده درمقاسه با کل مصرف انرژی در زمان انتقال داده ها نسبتا" کم است. #اگر ۳1 مصرف انرزی گره برای تجمیع یک بیت داده محاسبه شود آنگاه ف انرزی آکوستیک در زمان تجمیع مآ بیت داده عبارتست از: Elmegrate )( ‏ع‎ [١ 1 

صفحه 27:
#لایه بندی می تواند سیب توزیع یکنواخت سر خوشه در 125 ساده سازی مدل شبکه و کمک به تعادل مصرف انرژی آن گردد. #الگوریتم 810100 بر روی ‎a al, lle UASN‏ هاى با فاصله نامساوی تقسیم می کند که فاصله لایه ها به تدریج از بالا به يايين افزايش مى يابد. #خوشه گره های حسگر صوتی منحصرا" درون لایه های خود با سا متس بل اسان فاصله ‏ برحوبه های موه و گره سينك تنظيم می شوند. 

صفحه 28:
#یک ۸6[ را می توان با توجه به عمقهای گره ها به ‎٩‏ لایه تقسیم کرد که با مشخص کردن فاصله در لایه >راصریه صورت نشان داده می شود: rilke=— 1.2 seat) که 2۲ یک مقدار ثابت است : مذ + 1-۱ << ۲ برای یک گره حسگر صوتی می توان گفت ۳1 > 111جایی که ۲1 برابر شعاع ارتباط اصلی است. 0 در شعاع لایه اول قرار می گیرد . 01 عمق‌گره حسگر صوتی[ در زیر آبلست در ۵5 لابه مخصوص گره رمی تواند با استفاده از فرمول زیر محاسبه گردد: اج Li = | ‏لحتل‎ ‎Ro + Ar 

صفحه 29:
#سرحوشة عملکرد کلیدی در 1۸515 بازی می کند . در 01-00] تاءسرخوشه به صورت يويا تنظيم مى شود. © در آغاز استقرار 1141511: كره سينك اطلاعاتى را به تمام كره هاى موجود در شبکه ارسال می کند که بواسطه آن هر گره فاصله خود تا گره سینک را بر اساس قدرت سیگنال دریافتی محاسبه می کند و سپس لايه اش را بر اساس عمق اش تخمین می زند. #پس از لایه بندی. تمام گره ها وارد مرحله انتخاب سرخوشه می شوند. ‎FULC » is‏ » سرخوشه ها به صورت پویا و بطور گردشی انتخاب می شهند. که شامل مراحل انتخاب سرخوشه ایجاد خوشه و انتقال اطلاعات می شود. 

صفحه 30:
#در هر لايهء جهت انتخاب كره به عنوان سروه باید به مسائلی از قبیل :انرژی باقی مانده. درجه گره. و فاصله آن تا گره سینک توجه نمود. #درجه گره در لایه 6 ام‌به صورت زیر تعریف می شود : ۸۷ << ۷۰ #جايى كه [ ]1۷ مجموعه گره مجاور گره های 1 در لایه 16 است و ‎Mk i ={j/ node i, j is in the same layer}‏ ‎R iicomp,,j ,., Di-jsR i.comp®‏ شعاع بسملمون‌گره قرلست 1 فاصله بین‌گره هایذ و [ژلستو 16( تعداد گره ها در 6 لمیرلایه لت ‎ 

صفحه 31:
شعاع حول گره 1 توسط فرمول زیر بدست می آید: max — 4)—sink ‏رم‎ =(1- la Re, ‎Amin‏ — هه #که در آن 0۳0226 و 11010 به ترتیب طولانی ترین وکوتاه ترین فاصله برای تمام گره ها . ‎i-sink‏ 0 فاصله گره 1 تا گره سینک و ۰< 1 > فاکتور تنظیم است و 3*6 میانگین فاصله بین تمام لایه ها را نشان می دهد. 

صفحه 32:
#وزن انتخاب كره 4 در لايه 16 ام بعنوان سرخوشه از طریق فرمول زیر ِ بدست مى آيد: Exes (k_i) ‏اه‎ + Evi) ۴ Wag 2) _ ‏رط < ار ۰+ [ تك‎ dinax ~ 0 Erey(k_i) < Eres(k) #جايى كه (1 غ1) 2765 میزان انری باقی مانده از گره 1 که از تفاضل انرفی اولیه با انرژی مصرفی در گره 1 بلبت پردازش داده محاسبه می شود. 0 و0 و ۷ فاکتورهای تنظیم انری اولیه . فاصله تا كره سينك و درجه كره 1 هستند بنحویکه ۰< 0 وم و 1 ۷ و ۷<1 + ‎oe +B‏ ©(1) 28165 میانگیننرژیب اقیمانده برلیتمام گره ها در لایه کلم را نشان می دهد. هنگامی که انرژی باقی مانده گره 1 کمتر از ‎Eres (k)‏ شود. انتخاب سرخوشه ای را متوقف می کند. 

صفحه 33:
#گرچه گره های ۸51] به صورت تصادفی توزیع می شوند. انریٍی آنها می تولند به جهت عدم نیاز به حضور تمام گره ها در انتخاب سرخوشه ذخیره گردد. #بدین منظور هر گره. یک عددی بعنوان آستانه انتخاباتی (1 1016 در هر نوبت برای مشخص نمودن شرکت یا عدم شرکت در انتخاب سرخوشه تولید می نماید. که می تولند به صورت زیر تعیین شود و در آن 30 نرخ اشتغال تعداد اصلی سرخوشه ها نسبت به کل گره ها را نشان می دهد: T (k_i) < 09 ۷۳۷ ۱, 

صفحه 34:
ایجاد خوشه در دو مرحله انجام می شود: انتخاب سرخوشه و ایجاد خوشه. این فرایند به شرح زیر است. #در اولین مرحله. گره های موجود در یک لایه مطلبق با الزامات مربوط به آستانه های انتخاب و شرایط گره هلفی که گاتدید انتخاب سرخوشه می شوند » پیامهای رقابث. سرخوشه شامل 10 های سرخوشه. شعاع رقلبت ۰ وزن و... را در شبکه پخش می ‎Lo SO‏ بزرگترین وزن به عنوان سرخوشه انتخاب می شود و یک پیام در داخل شعاع محدوده خودش برای اعلام انتخاب خود منتشر می. سازد. در مرحله دوم پس از دریافت موفقیت آمیز انتخاب سرخوشه توسط سایر گره های کاندید سرخوشه شدن ۰ آنها ضمن کنار کشیدن از ‎cole cla oF ple ol ar‏ به خوشه می پیوندند. انتخاب شدن بعنوان سرخوشه به 

صفحه 35:
#در هر خوشه. گره های غیر سرخوشه بسته ها را به گره سرخوشه ارسال می کنند ۰ که پس از آن گره سرخوشه بسته ها را تجمیع نموده و حاصل را به گروه سرخوشه بعدی منتقل می کند که آن نيزبه نوبه خود همین روند را به سمت لایه های بالاتر تکرار می کند. © در نآلا هر سرخوشه یک جدول اطلاعاتی از خوشه های مجاور نگهداری می کند. 

صفحه 36:
ارتباط گره های حسکر بی سیم در زی رآب 

صفحه 37:
#كر لايد ى ‎Tj <li ua] aos os ie‏ سرخوشه اصلى. 1 اطلامات [ را در جدول خود ذخيره مى كند. بر اساس فاصله بين كره ها و انرقى هاى باقى مانده. عملكرد انتخاب مسيريابى مى تواند به صورت زير نشان داده شود: 2 2 ۲ تسه + وه دس ند ‎Eini G)‏ Pie) Hs Eres (i) 4? sink #پارامتر ([6]0,11)ع برای ایجاد تعادل نرخ انرئٍی و فاصله استفاده می شود. سرخوشه اصلی . گره مقصد بعدی را با کوتاهترین مقدار ([ل) 3 انتخاب می کند. 

صفحه 38:
Identification Residual energy Distance to sink node Distance to node i L, Located layer 

صفحه 39:
#برای ‎ol Slee ULE 5 yy‏ را با الكو ريتمهاى ‎DEBCR , LEACH‏ مقایسه کردیم و با استفاده از ابزار شبیه سازی 1۳۲۸11۸ با پارامترهای ذکر شده در جدول ۲ 

صفحه 40:
TABLE 2. Simulation parameters. Network size 500 m x 500 m= 500m Sink node location Se (250,250,0) ‘Node number 500 Average size of packets 4,000 bits RB 3 mw Size of broadcast packet 200 bits Frequency f 10 kHz ۳ SnJ E process sons En 25 Ro 60m 

صفحه 41:
18 16 14 2 4 6 8 10 12 ‘Simulation time (round) Number of cluster-heads in UASN. 50 2 40 35 3 2% 2 و 15 2 75 

صفحه 42:
تغییر در تعداد سرخوشه ها می تولند به عنوان معیار اندازه گیری ثبات یک الگوریتم خوشه ای استفاده شود. نمودار ۱ تکامل توزیع سر خوشه را برای هر الگوریتم پس از بیست گردش نشان می دهد. #ديده می شود که تعداد سرخوشه ها در ‎EULC‏ و ‎DEBCR‏ پایدار تر از 1.۳7۵67 است. لین اتفاق بدین دلیل رخ می دهد که در الگوریتم ‎LEACH‏ در هر نوبت تصميم گیری در مورد تعداد سرخوشه ثابت نیست . در حالی که هر دو الگوریتم 811:0 و ۳219013 ویژگی های سایر گره ها را نیز در انتخاب سر خوشه على عدرل #به طور خاصء استفاده ۳1.2 با روش لایه بندی نابرابره سبب تعداد پایداری گره سرخوشه می شود. 

صفحه 43:
Round consumption 310 3 5 10 15 20 2 30 35 40 45 ‘Simulation time Cround> FIGURE 3. Average energy consumption per node over one turn. 

صفحه 44:
#نمودار ۲ میانگین مصرف انریٍی در هر گره را در یک نوبت بشان می دهد. #می توان دید که 1۳ دارای بالاترین میزان مصرف انرژی و درجه حرارت بالا است. در حالی که ,۳.11 دارای کمترین مصرف انریی و کوچکترین محدوده نوسان است., که نشان دهنده ی توان بالای انرژی الگوریتم ‎EULC‏ است. 

صفحه 45:
25 ۳۹ DEBCR yoo 2۳ 3 48 ‏قق‎ ةت‎ 205 ۰ «0 ‘Simulation time (round) FIGURE 4. Average node residual energy. 

صفحه 46:
#نمودار ۳ تکامل میانگین انرئی های باقی مانده را به عنوان افزایش رقم تعداد دفعات شبیه سازی نشان می دهد. واضح ‎LEACH as cul‏ دارای بیشترین میزان کاهش متوسط آنرژی باقی مانده است. که در نوبت ۲۲۵ ام به صفر می رسد. در مقابل» استفاده: )نالا از رویکرد لابه بندی ابرابز خوشه بندی با تعادل مقدار مصرف انریی بین داده ها و درون خوشه ای . انرژی را ذخیره می کند. 

صفحه 47:
des. FIGURE 5. Number of survi 600 701 500 (00 00 3 4 Simulation time (round) 260 100 * LEACH © DEBCR EULc 3 100 5 att el cas et ‏ووو‎ ۵ ۵ ‏وی‎ ‎oo ‎« ‎ane ‎ae ‎ate ‎2828288 8 5 88 5 5 © pou Bu Ans Je vequinu oy 

صفحه 48:
نمودار ۴ و ۵ دوره های بقای گره را برای الگوریتم های ‎ie.‏ نشان می دهد. #نمودار ۴ کاهش تعداد گره های باقی مانده با توجه به افزایش تعداد نوبت چرخش و نمودار۵ زملئی را که گره اول و ۰ همه گره ها می میرند نشان می دهد . 

صفحه 49:
700 - 5 ۱ Ea ewe __ 500 = 400 5 200 2 & 200 100 0 The first node dies The 30% of nade dies FIGURE 6. Times at which the first node and 30% of nodes die. 

صفحه 50:
#براى ‎LEACH. DEBCR‏ و بلاط گره اول به ترئیب در مرتبه ۸ ۷ و ۶۰۹ ( با اتمام انرئی) می میرد. در 1.۳/)3. مصرف انرژی افزلیش می یلبد. زیرا سرخوشه های دور به طور مستقیم با گره سینک ارتباط برقرار می کنند. تحت 101518301 انتخاب سر خوشه هاء انرقي هاى باقيمائده كره ها و درجه كره كه منجر به توزيع يكنواخت تر كره ها مى شود را به حساب مى أورد. #در انتخاب سر خوشه هابا الكوريتم 18][1.00 انرؤى گره. درجه گره و فاصله تا كره سينك را در نظر مى كيرد و باعث مى شود توزيع سرخوشه ها حتى یکنواخت تر شود و انرژی مصرف متعادل تر است. 

صفحه 51:
300 ۰ 400 500 600 ۰ 700 0 Simulation time (round) FIGURE 7. Number of packets received by the sink node. — — LEACH + DEBCR EULC 400-200 40 36 30 25 20 15 10 The number of packets received »10¢ 

صفحه 52:
نمودار ۶ تعداد بسته های دریافت شده توسط گره سینک تحت هر الگوریتم را نشان می دهد. دیده می شود که برای یک دوره زمانی معين: بسته های بیشتر توسط گره های سینک تحت ‎EULC‏ و ‎DEBCR‏ نسبت به الگوریتم ‎LEACH‏ ‏دریافت می شوند. از سه الگوریتم. ‎EULC‏ با موفقیت . بیشترین بسته را از سر خوشه ها را دریافت می کند. که نشان دهنده توانایی 2)یا .۳ است که به طور قلبل ملاحظه ای از آنرژی شبکه بهره برداری می کند. 

صفحه 53:
انرژی به طور مستقیم بر طول عمر 4:511[] ها تاثير می گذارد. لین مقلله یک الگوریتم مسیر یلبی خوشه بندی لایه بندی نامساوی با انرژی ‎UASN ul, |, EEULC) Jolx‏ ها پيشنهاد کرد. © اصلى ترين مزاياى 1171-00 عبارتئد از ‎)١( ©‏ لاه بتدى نامساوى بر اساس عمق كره حسكرة ‏© (5) بررسى مقدار انرقى باقى مائده كرهء قاصله نا كره سينك و درجه كره در التحاب مير خوشم ‏۳۵ توانلیی تشکیل خوشه ها در مقیاس های مختلف بر اساس فاضلهبا گره شنک ‏(۴) تعیین بهترین مقصد بعدی بر اساس انرژی و فاصلة های ناشی از گره ها 

صفحه 54:
#نتايج شبیه سازی نشان ‎EULC a5 ols‏ از استاندارد 120580015 و الكوريتم فاى )12 از لحاظ مصرف انرژی» مديريت تعداد سرخوشه ها و طول عمر شبکه بهتر است. به اين ترتیب استفاده از ‎EULC‏ جهت بهینه نمودن مصرف انرژی در ‎UASN‏ ها قابل درک است. 

صفحه 55:
#مسائل متعددی برای کار آتی باز است: . از جمله چگونگی بهینه سازی توپولوُی شبکه براى بهبود كارايى انرزى © جكونكى ايجاد خدمات متمايز براى يشتيبانى كيفيت خدمات در ‎UASNS‏ © جكونكى اطمينان از امنيت انتقال داده. 

صفحه 56: