Ecco la spiegazione scientifica: progettazione di reti di nanosensori wireless per applicazioni intracorporee
(Girate questo articolo a Bufale.net ndr)
Meraviglioso studio coreano del 2015 che descrive esattamente l’utilizzo di questa tecnologia di nanobot al grafene che emettono i segnali MAC
Astratto
Le nanotecnologie emergenti presentano un grande potenziale per cambiare la società umana. I dispositivi su scala nanometrica possono essere inclusi in Internet. Questo nuovo paradigma di comunicazione, denominato Internet of Nanothings (IoNT), richiede connessioni a brevissimo raggio tra dispositivi su scala nanometrica. L’IoNT pone molte sfide per realizzarlo. Gli attuali protocolli e tecniche di rete potrebbero non essere applicati direttamente per comunicare con i nanosensori. A causa delle capacità molto limitate dei nanodispositivi, i dispositivi devono avere una comunicazione semplice e un meccanismo di condivisione del mezzo semplice per poter raccogliere i dati in modo efficace dai nanosensori. Inoltre, i nanosensori potrebbero essere installati negli organi del corpo umano e potrebbero produrre grandi quantità di dati. In questo processo, la trasmissione dei dati dai nanosensori al gateway dovrebbe essere controllata dal punto di vista dell’efficienza energetica. In questo articolo proponiamo una rete di nanosensori wireless (WNSN) su scala nanometrica che sarebbe utile per il rilevamento delle malattie intracorporee. Il modello di rete concettuale proposto si basa sul protocollo On-Off Keying (OOK) e sul framework TDMA. Il modello presuppone nanosensori basati su cellule esagonali distribuiti in un polo esagonale 3D di forma cilindrica. Presentiamo in questo lavoro anche l’analisi dell’efficienza di trasmissione dei dati, per le varie combinazioni di metodi di trasmissione, sfruttando metodi ibridi, diretti e multi-hop.
1. introduzione
I dispositivi su scala nanometrica richiedono un nuovo paradigma di comunicazione; eseguono compiti semplici, condividono i dati raccolti e raggiungono un numero senza precedenti di posizioni su Internet. Questo nuovo paradigma di rete si chiama IoNT [1]. Nell’IoNT, la nuova architettura di rete è stata proposta per accogliere due potenziali applicazioni: interconnettere dispositivi su scala nanometrica e interconnettere uffici. Il nostro lavoro di ricerca si concentra sulle comunicazioni intracorporee per gli operatori sanitari per sviluppare l’architettura del sistema di rete per la realizzazione di applicazioni IoNT. Il corpo umano è composto da quasi 80 organi. Qui, i nanosensori possono essere impiantati negli organi, rilevando sintomi o virus specifici e inoltrando i dati di rilevamento al nanorouter. Il nanorouter può raccogliere dati dai nanosensori. Il nanorouter può quindi inviare i dati raccolti all’esterno del corpo.
Le comunicazioni wireless intracorporee incontrano alcune difficoltà che non si presentano in condizioni di propagazione regolari perché il corpo umano ha molta acqua. In primo luogo, è stato studiato il modello di perdita del percorso all’interno del corpo per tessuti umani omogenei in funzione di vari parametri nella gamma di 2,45 GHz [2]. Inoltre, si discute anche che la banda terahertz (THz) può essere la potenziale soluzione per far funzionare i futuri nanosensori elettromagnetici (EM) [3]. Inoltre, gli studi correlati rivelano che la perdita di percorso nei tessuti umani a distanze molto brevi (diversi millimetri) non è significativa per gestire bene le comunicazioni tra nanosensori nella gamma di frequenza THz [4, 5]. Recentemente, l’analisi numerica della propagazione delle onde EM nel corpo umano spiega che l’uso del paradigma EM è favorevole rispetto al canale di comunicazione molecolare perché l’attenuazione del canale molecolare è considerevolmente più elevata rispetto alla situazione utilizzando il meccanismo EM THz in termini di perdita di percorso rispetto alla distanza [6]. D’altro canto, il nanosensore, dotato di antenne nanopatch a base di grafene, dovrebbe consentire l’implementazione di comunicazioni nano-EM [3].
Il nanonetworking è un campo emergente, che comunica tra nanomacchine ed espande la capacità di una singola nanomacchina. Inoltre, la WNSN su scala nanometrica può essere utile per il rilevamento di malattie intracorporee. Ad esempio, i nanosensori implementati nel WNSN, dotati di antenne nanopatch basate su grafene [3], può rilevare sintomi o virus per mezzo di molecole [7] o comportamenti dei batteri [8]. Infatti, l’ampia superficie e l’eccellente conduttività elettrica del grafene consentono un rapido trasferimento di elettroni che facilita il rilevamento accurato e selettivo delle biomolecole. Secondo Kuila et al., il progresso dei biosensori basati sul grafene consente l’applicazione del grafene per il rilevamento di glucosio, Cyt-c (citocromo-c), NADH (nicotinamide adenina dinucleotide idruro), Hb (emoglobina), colesterolo, AA (amminoacido), UA (acido urico) e DA (diaminoacido) [9].
In generale, le batterie dei nanosensori hanno una quantità di energia molto limitata e non è facile sostituirle o ricaricarle. Quando i sistemi di raccolta dell’energia vengono assunti nelle applicazioni IoNT, le risorse energetiche dei nanosensori potrebbero essere conservate nel tempo. Questo perché il generatore di energia su scala nanometrica potrebbe convertire il movimento meccanico, il movimento vibrazionale o l’energia idraulica in energia elettrica [10]. Tuttavia, non sono di facile attuazione. Pertanto, il metodo di trasmissione dei dati gioca un ruolo importante nell’ottimizzazione del consumo energetico [11]. Inoltre, la trasmissione dei dati è uno dei fattori importanti per realizzare applicazioni IoNT efficienti grazie ai grandi dati prodotti dai nanosensori [12].
Ad esempio, Pierobon et al. ha proposto un quadro di instradamento e trasmissione dei dati per ottimizzare l’uso dell’energia raccolta con un algoritmo decisionale multi-hop [13]. In questo approccio, il nanorouter decide che un nanosensore trasmette i dati di rilevamento utilizzando la trasmissione diretta o multi-hop, in base alla distanza stimata tra il nanorouter e il nanosensore [13]. Questo framework segue una tipica pianificazione TDMA (Time Division Multiple Access) utilizzando DownLink (DL), UpLink (UL), Multi-Hop (MH) e RandomAccess (RA). Tuttavia, a causa delle capacità molto limitate dei nanodispositivi, i dispositivi devono avere una comunicazione semplice e un meccanismo di condivisione del mezzo semplice. Per questo motivo, il nostro lavoro di ricerca si basa sul protocollo OOK e sul framework basato su TDMA per un’efficiente raccolta dei dati [11, 13].
Inoltre, per le varie combinazioni di modalità di trasmissione, studiamo anche l’analisi dell’efficienza di trasmissione dei dati per scegliere quella migliore adattandola al modello di rete suggerito. Qui, notiamo che produciamo un modello di dissipazione di energia basato sul modello di perdita di percorso di Jornet e Akyildiz [14, 15] e analizzare anche la comunicazione da single-hop e multi-hop. Infatti, [13] ha rivelato che la struttura di routing consapevole dell’energia con la combinazione di metodi di trasmissione diretta e multi-hop può prolungare la durata della rete.
Questo articolo tratta la progettazione di un WNSN su scala nanometrica da utilizzare per il rilevamento di malattie intracorporee come applicazione dell’IoNT. Il modello suggerito presuppone nanosensori basati su cellule esagonali distribuiti in un polo esagonale 3D di forma cilindrica. Qui, un modello cellulare esagonale rappresenta ciascuna cellula che è la più piccola unità vivente di organi. Si noti che il modello proposto presuppone nanosensori basati su celle esagonali perché le antenne nanopatch sono basate su grafene in un reticolo cristallino a nido d’ape.
Per progettare questo modello, in primo luogo, spieghiamo l’architettura di rete per il modello di applicazione IoNT proposto e descriviamo il corrispondente modello di corpo cilindrico utilizzando un polo esagonale 3D. In secondo luogo, per il presunto organo del corpo umano, presentiamo la derivazione del numero ideale di cellule esagonali e della lunghezza del bordo in proporzione al numero dell’anello necessario orizzontalmente; e poi descriviamo un’analisi comparativa dell’efficienza energetica, nel processo di trasmissione dei dati, mostrando che la scelta del metodo di trasmissione dei dati gioca un ruolo importante nell’ottimizzazione del consumo energetico. Tale analisi comparativa viene effettuata per le varie combinazioni di metodi di trasmissione dati sfruttando i metodi ibrido, diretto e multi-hop.
Nella sezione seguente, spieghiamo i concetti dei livelli fisico e MAC per il nostro modello WNSN proposto per la presunta applicazione IoNT. Di conseguenza, il modello di implementazione del nanosensore e lo schema di consumo energetico sono descritti nella Sezione 3. Nella sezione 4, presentiamo la modellizzazione delle varie combinazioni di metodi di trasmissione e suggeriamo le loro equazioni di dissipazione dell’energia. Sezione 5 descrive la progettazione concettuale di una WNSN per l’applicazione intracorporea e mostra i risultati della simulazione e l’analisi comparativa dell’efficienza della trasmissione dei dati, seguita dalle conclusioni e dai lavori futuri nella Sezione 6.
2. Preliminare
2.1. Peculiarità del protocollo fisico e del livello MAC dei nanosensori nel modello WNSN proposto
Si prevede che i nanosensori, dotati di antenne nanopatch a base di grafene, consentano l’implementazione di comunicazioni nano-EM [3]. Le onde di comunicazione EM che si propagano nell’antenna basata su grafene hanno una velocità di propagazione inferiore rispetto a quelle dell’antenna metallica. Tuttavia, la capacità del canale Gbps è disponibile irradiando onde EM nella gamma di frequenza THz. Tuttavia, il nostro modello suggerito per l’applicazione intracorporea probabilmente non necessita di una capacità di canale così elevata. Inoltre, se assumiamo che ogni nanosensore ampiamente disperso nel corpo abbia solo il ruolo di rilevare comunque i sintomi della malattia, dobbiamo avere un semplice protocollo OOK per comunicare tra il nanorouter e ciascun nanosensore. In questo caso, il protocollo OOK può utilizzare modulazioni basate su impulsi a femtosecondi in cui l’impulso trasmesso si trova in THz, chiamate IR-UWB, Impulse Radio Ultra Wide Band [11, 16]. Ad esempio, il simbolo “1” viene inviato utilizzando un impulso di cento femtosecondi come rilevamento del sintomo della malattia e il simbolo “0” come mancato rilevamento del sintomo della malattia; cioè, il nanosensore rimane silenzioso. In questo processo, adottiamo uno schema di scheduling basato su TDMA per la sincronizzazione tra nanosensori e nanorouter. Infatti, l’utilizzo di questo schema potrebbe portarci ad aver bisogno di un semplice protocollo MAC per evitare collisioni nelle trasmissioni simultanee. Maggiori dettagli sul comportamento dei protocolli del livello fisico e di collegamento dati esulano dallo scopo di questo documento.
Ad ogni modo, Jornet et al. ha dimostrato che il protocollo OOK con diffusione temporale genera un impulso molto breve della durata di femtosecondi [17], che ha le sue principali componenti di frequenza nella banda THz. E questo è già utilizzato in diverse applicazioni come la spettroscopia su scala nanometrica e l’imaging biologico [18].
2.2. Architettura di rete per applicazioni IoNT
Figura 1 descrive una semplice architettura di rete di WNSN da utilizzare per il rilevamento di malattie intracorporee come applicazione dell’IoNT [1]. La rete può essere composta da nanosensori, nanorouter, nano-microinterfaccia e gateway indipendentemente da qualsiasi applicazione specifica. Qui il nanosensore viene impiantato negli organi che rilevano sintomi o virus, eseguendo calcoli con una memoria limitata e trasmettendo piccoli dati su un breve raggio, mentre i nanorouter sono risorse computazionali relativamente più grandi dei nanosensori. Aggregano dati provenienti da nanomacchine (nanosensori). Dopo che i nanosensori rilevano sintomi o virus specifici, semplici dati (ad esempio, 1 per rilevamento o 0 per non rilevamento) per informare l’esistenza di sintomi o virus verranno inoltrati alla nano-microinterfaccia tramite nanorouter. In questo caso, il gateway (ovvero il dispositivo su microscala) consente di controllare a distanza l’intero sistema tramite Internet.
In questo articolo presupponiamo che i nanosensori siano in grado di rilevare sintomi o virus specifici mediante molecole segnale [7] o comportamenti dei batteri [8]. Ciascuna cella in questo caso è modellata come una cella di forma esagonale, fornendo quindi una struttura 3D per le reti di nanosensori. In realtà il modello di cella a forma esagonale è una struttura molto simile al grafene in un reticolo cristallino a nido d’ape. Qui, gli strati unitari accumulati (dove lo strato unitario è costituito da cellule unitarie) costruiscono uno spazio tridimensionale per il singolo organo bersaglio, ad esempio cuore, polmoni e reni.
3. Modelli di distribuzione dei nanosensori e di consumo energetico per le nanoreti
3.1. Modello di rete di nanosensori wireless
I nanosensori possono essere posizionati a piacere sugli organi del corpo umano e possono essere mossi dai fluidi corporei. Assumiamo che i nanosensori siano distribuiti nello spazio tridimensionale nelle nanoreti secondo un processo di Poisson spaziale omogeneo. La maggior parte degli organi umani come milza, fegato, polmone e cuore non hanno la forma di una struttura perpendicolare; piuttosto sono più vicini alla forma rotonda. Dal punto di vista geometrico, rappresentiamo l’area di targeting specifica dell’organo del corpo umano come un polo esagonale 3D di forma cilindrica, che è più vicino alla forma degli organi. Qui, ogni cellula a forma esagonale rappresenta ciascuna cellula che è la più piccola unità vivente di organi. Pertanto, nel modello cilindrico, come mostrato in Figura 2, possiamo inserire quanti più nanosensori possibile e ogni cella esagonale ha un nanosensore attivo. Si noti che la modellazione personalizzata non rientra nell’ambito di questo documento.
Definiamo la profondità della nanorete (H) come l’altezza del polo esagonale 3D. I nanosensori all’interno di ogni strato costruiscono un cluster, in cui le informazioni rilevate da ciascun nanosensore vengono trasmesse alla nano-microinterfaccia attraverso il nanorouter di ciascun cluster. Dopo che ciascun nanosensore ha inviato il messaggio di trasmissione in una cella esagonale, presumiamo che tutti i nanosensori possano riconoscere altri nanosensori vicini. Ogni cella esagonale può avere più di un nanosensore. Tuttavia, solo un nanosensore che ha un’energia più forte degli altri può essere selezionato come nanosensore attivo. Gli altri nanosensori che non sono stati selezionati come nanosensore attivo entreranno nella modalità di sospensione, denominata nanosensori di sonno. Questi nanosensori dormienti vengono utilizzati per il successivo processo di trasmissione dei dati in modo che il carico del consumo energetico possa essere distribuito uniformemente nelle nanoreti.
Per l’organo bersaglio, come mostrato in Figura 2, la lunghezza del bordo dell’esagono S deriva dal raggio della rete R. Una volta scelto il raggio della rete R che può essere rilevante per il volume dell’organo bersaglio, il rapporto tra la larghezza della nanorete W e la lunghezza del bordo dell’esagono S può essere visualizzato dalle equazioni, come mostrato in Figura 2 (cioè., w è un caso pari o dispari). Si noti che il numero di celle esagonali per il singolo anello È (), dove è impostato 1
.
3.2. Modello di consumo energetico per la nostra rete di nanosensori wireless
Jornet e Akyildiz hanno introdotto un nuovo modello di propagazione per le future nanoreti EM nella banda THz. Il modello di perdita del percorso THz delle nanoreti si ottiene utilizzando la somma in dB della perdita di diffusione, , e la perdita di assorbimento molecolare, , come segue [14, 15]:
(2)Dove F è la frequenza dell’onda, D è la lunghezza totale del percorso, C è la velocità della luce nel vuoto, è la frequenza centrale progettata e è il coefficiente di assorbimento molecolare. La potenza di trasmissione, , consumato nel nanosensore del trasmettitore, dovrebbe garantire che un rapporto segnale-rumore (SNR) costante nel nanosensore del ricevitore situato alla distanza D. Questo è definito come segue [13]:
(5)
In (5), assumiamo che l’assorbimento molecolare non influenzi l’intervallo di frequenza definito dalla larghezza di banda di 3 dB, ; questo è, . In [16], in generale, nel modello semplice di dissipazione dell’energia radio, hanno introdotto che il consumo energetico del trasmettitore dipende dall’energia elettronica e dall’energia dell’amplificatore, mentre il consumo energetico del ricevitore è rilevante solo per l’energia elettronica [16]. Pertanto, possiamo definire come dissipazione di energia del ricevitore per ricevere K-pacchetto di bit e il valore di è intrinsecamente inferiore a . Nel nostro modello, assumiamo che il valore di riguarda il valore di . Di conseguenza, possiamo ricavare la dissipazione di energia del ricevitore (6) sostituendo la distanza unitaria costante per il fattore di distanza di trasmissione D come segue:
.
4. Combinazione di metodi di trasmissione dati e dissipazione di energia
4.1. Metodi di trasmissione dei dati all’interno dello strato e tra strati
In questa sezione, introduciamo metodi di trasmissione dati per raccogliere i dati rilevati dai nanosensori. All’interno di ogni strato, come mostrato in Figura 2, tutta l’informazione rilevata dai nanosensori (in realtà supponiamo che questa informazione contenga la posizione geografica del nanosensore che ha inviato il simbolo “1”) viene trasmessa al nanorouter nel suo strato corrispondente. Si noti che ciascun nanorouter si trova nella cella centrale (anello
) di ogni strato e fungeva allo stesso tempo anche da nanosensore attivo. D’altra parte, tra i livelli, tutti i dati raccolti nel nanorouter di ciascuno strato vengono inviati al nanorouter del livello 0 che inoltra i dati raccolti alla nano-microinterfaccia per comunicare con dispositivi su microscala, ovvero gateway.
Innanzitutto, all’interno di ogni strato, sono possibili tre metodi di trasmissione dei dati in orizzontale, come descritto nella Figura 2. Nella trasmissione diretta dei dati, ogni nanosensore invia i dati di rilevamento direttamente al corrispondente nanorouter ottenendo un’elevata efficienza di trasmissione [13]. Nel frattempo, nella trasmissione multi-hop, un nanosensore adiacente (vicino immediato) un anello più vicino al corrispondente nanorouter viene selezionato casualmente; e poi ciascun nanosensore che rileva sintomi o virus invia i dati al nanosensore adiacente prescelto fino ad arrivare al suo corrispondente nanorouter secondo il principio annulus per annulus gerarchicamente. D’altra parte, la trasmissione dati ibrida si ottiene combinando i metodi di trasmissione multi-hop e diretta. Ad esempio, definiamo T come intervallo di soglia e w come un certo numero di anello nello strato dato. Quindi, entro l’intervallo di soglia, T (), ogni nanosensore invia i dati direttamente al nanorouter del suo livello corrispondente. Tuttavia, per i nanosensori situati all’esterno dell’anello T, questo è,
, ognuno invia i dati al nanosensore attivo adiacente (vicino immediato) un anello più vicino al suo nanorouter utilizzando la trasmissione multi-hop.
In secondo luogo, tra i livelli sono possibili anche tre metodi di trasmissione dei dati, come mostrato nella Figura 2. Nell’approccio ibrido, i dati raccolti nel router di ciascun livello dovrebbero essere inoltrati al router immediato successivo utilizzando la trasmissione multi-hop o diretta, dove il metodo di trasmissione è scelto dal livello soglia l. Definiamo H come un certo strato di nanoreti. Se strato H è inferiore o uguale allo strato di soglia l; il nanorouter invia direttamente i dati raccolti al nanorouter del livello 0; altrimenti gli altri nanorouter trasmettono i dati al nanorouter dello strato superiore successivo fino ad arrivare al nanorouter dello strato soglia l utilizzando la trasmissione multi-hop. D’altra parte, la trasmissione multi-hop viene eseguita inviando i dati raccolti dal nanorouter dello strato più lontano H al router adiacente (router vicino immediato) fino ad arrivare al nanorouter dello strato 0 in modo gerarchico strato per strato, come mostrato nella Figura 2. Al contrario, la trasmissione diretta dei dati può essere ottenuta inviando i dati raccolti sul nanorouter di ogni strato direttamente al nanorouter dello strato 0 come spiegato in Figura 2.
4.2. Selezione del metodo di trasmissione dati efficiente dal punto di vista energetico
Utilizzando i metodi di trasmissione dei dati all’interno dei livelli e tra i livelli, spiegati nella sezione precedente, possiamo selezionare la combinazione più efficace di metodi di trasmissione dei dati in termini di efficienza energetica. Per il processo di raccolta complessivo, il singolo nanosensore crea un cluster per ogni strato, come mostrato nella Figura 2. Ogni livello può selezionare il nanorouter nel suo livello corrispondente. Qui, nota che abbiamo fissato la posizione di ciascun router nella cella centrale (anello
) in ogni strato. Dopo aver rilevato sintomi o virus per l’applicazione specifica, tutti i nanosensori trasmettono i dati sulla posizione geografica ai rispettivi nanorouter utilizzando metodi di trasmissione dati all’interno dello strato, ovvero metodo ibrido (H), metodo multi-hop (M) o metodo diretto (D) . Dopo aver ricevuto i dati dai nanosensori, ciascun router invia i dati raccolti al router del livello 0 utilizzando metodi di trasmissione dati tra livelli, ovvero metodi H, M o D. Figura 3 riassume il processo complessivo di raccolta.
Tavolo 1 riassume le possibili combinazioni delle modalità di trasmissione dei dati. Applicando una delle combinazioni di metodi di trasmissione dati elencati nella Tabella 1 all’algoritmo riportato in Figura 3, possiamo scoprire la combinazione più efficiente dal punto di vista energetico. Definiamo questo processo indicato con
(7)dove COMB è una delle combinazioni di metodi di trasmissione dati che minimizzano la dissipazione totale di energia della trasmissione dati. è la dissipazione di energia totale del nanorouter in ogni strato e è rispettivamente la dissipazione di energia totale dei nanosensori in ciascuno strato; E H significa la profondità della rete. Pertanto, l’obiettivo principale è trovare la combinazione più efficiente di metodi di trasmissione dati che abbia la minima dissipazione di energia totale
(cioè COMB) nel dato modello cilindrico progettato per l’applicazione intracorporea.Tavolo 1 Possibili combinazioni di modalità di trasmissione dati.
| All’interno dello strato | Tra gli strati | ||
|---|---|---|---|
| Ibrido | Multi-hop | diretto | |
| Ibrido | Ibrido-Ibrido (HH) | Multi ibrido (HM) | Ibrido diretto (HD) |
| Multi-hop | Multi-ibrido (MH) | Multi-Multi (MM) | Multidiretto (MD) |
| diretto | Ibrido diretto (DH) | Multidiretto (DM) | Diretto-Diretto (DD) |
4.3. Dissipazione di energia di ciascuna combinazione di metodi di trasmissione dati
Per calcolare (la dissipazione di energia totale del nanorouter e dei nanosensori per ciascuna combinazione), dobbiamo ricavarla (la portata di trasmissione multi-hop) e (il raggio di trasmissione diretta) all’interno dello strato orizzontalmente, come indicato nelle equazioni in Figura 4(UN). Rispettivamente, tra gli strati, abbiamo anche bisogno (la portata di trasmissione multi-hop) e
(il raggio di trasmissione diretta) verticalmente, come derivato dalle equazioni in Figura 4(B). Figura 4 mostra le gamme per le trasmissioni multi-hop e dirette utilizzate per ciascuna combinazione.
In questo documento, presupponiamo che un sensore in ciascuna cella trasmetta le informazioni sulla sua posizione in caso di rilevamento di un determinato sintomo o virus per l’applicazione specifica. Per tutte le possibili combinazioni di metodi di trasmissione dati, le equazioni di dissipazione dell’energia sono costruite come riportato nella tabella 2.
Tavolo 2 Dissipazione energetica della possibile combinazione di metodi di trasmissione dati.
5. Progettazione e analisi dei risultati della simulazione
5.1. Progettazione del modello di rete di distribuzione dei nanosensori
Il corpo umano è composto da quasi 80 organi; le loro dimensioni e il loro peso sono imprevedibili in base alla lunghezza corporea, al peso corporeo e all’indice di massa corporea [19]. Per la modellazione della rete, assumiamo che l’organo bersaglio sia un polo esagonale 3D di forma cilindrica. Progettiamo un modello cilindrico per il presunto organo del corpo (15 cm di diametro e 15 cm di altezza). La lunghezza del bordo dell’esagono S può essere derivato applicando la relazione R, come indicato nella Figura 2. Tavolo 3 Spettacoli S e il numero totale di celle esagonali (nello strato) X in proporzione al numero dell’anello w. Nella tabella 3, possiamo notarlo X aumenta come S diminuisce.Tavolo 3 Numero di celle esagonali e lunghezza del bordo proporzionali al numero di anelli desiderati.
| Numero dell’anello più lontano w | 10 | 20 | 30 | 40 | 50 | 60 |
| Lunghezza del bordo dell’esagono S (mm) | 4.83 | 2.46 | 1.65 | 1.24 | 0.99 | 0.83 |
| Numero totale di celle esagonali X | 331 | 1261 | 2791 | 4921 | 7651 | 10981 |
Inoltre, il numero totale di strati H può essere deciso utilizzando S. Tavolo 4 Spettacoli H e l’altezza massima della rete è di circa 15 cm di altezza.Tavolo 4 Numero totale di strati e altezza massima della rete con lunghezza del bordo variabile S.
| Lunghezza del bordo dell’esagono S (mm) | 4.83 | 2.46 | 1.65 | 1.24 | 0.99 | 0.83 |
| Numero totale di strati H | 31 | 61 | 91 | 121 | 151 | 181 |
| Altezza massima della rete (mm) | 149.73 | 150.06 | 150.15 | 150.04 | 149.49 | 150.23 |
5.2. Calcolo dell’intervallo di soglia orizzontale T
Nel caso della combinazione HH descritta nella Sezione 4.3, questa sezione spiega come calcolare l’intervallo della soglia orizzontale T. Viene fornita la dissipazione totale dell’energia di trasmissione orizzontale dei nanosensori (9). Per scoprirlo T per il numero dell’annulus target w nella tabella 3, dividiamo la dissipazione totale dell’energia di trasmissione orizzontale () per la superficie totale () nel campo di trasmissione diretta. Ad esempio, la dissipazione di energia orizzontale per unità di superficie () può essere calcolato come segue:
(20)Figura 5 mostra la dissipazione di energia per unità di area rispetto all’intervallo di soglia T. Nella simulazione impostiamo i parametri come segue: la frequenza centrale come 1 Thz, il rapporto segnale-rumore (SNR) come 10 dB, la densità spettrale della potenza del rumore costante
come 3 dB, la dimensione del pacchetto K come 256 bit e il rapporto di dissipazione dell’energia del ricetrasmettitore η COME 1/5.
) rispetto all’intervallo di soglia (T).Come mostrato in figura 5,
ha valore minimo in corrispondenza della soglia anulus. Pertanto, possiamo scegliere questi intervalli di soglia per calcolare orizzontalmente la dissipazione di energia del metodo di trasmissione dati ibrido proposto.
5.3. Calcolo dello strato di soglia verticale l
Questa sezione spiega come calcolare lo strato di soglia verticale l, descritto nella Sezione 4.3. Quando il metodo di trasmissione dati ibrido viene applicato tra livelli, (15) mostra il consumo energetico verticale totale dei nanorouter. Pertanto, dobbiamo decidere il livello di soglia l in modo da minimizzare la dissipazione totale di energia verticale. Per questo, la relazione risultante è espressa come segue:
(21)
Figura 6 mostra la relazione tra il numero totale di strati H e lo strato soglia l. Nella figura 6, possiamo decidere il livello di soglia l in modo da minimizzare la dissipazione di energia verticalmente.
5.4. Analisi della dissipazione energetica
Per la trasmissione dei dati tra nanorouter e nanosensori (anche tra nanosensori, risp.) in ogni strato vengono utilizzati tre diversi schemi di trasmissione, cioè metodi H, M e D, per confrontare le prestazioni del consumo energetico del ricetrasmettitore. Figura 7 mostra la dissipazione di energia dei ricetrasmettitori rispetto al numero dell’anello più lontano w e la lunghezza del bordo S.
Come mostrato in figura 7, i metodi di trasmissione dati, H e M, superano il metodo D. Nel metodo D, il consumo energetico del nanosensore varia rispetto al numero dell’anello. Nella fase iniziale (cioè il numero dell’annulus ), entrambi i metodi, D e M, hanno lo stesso consumo energetico. All’aumentare del numero dell’anello, il consumo energetico del metodo D aumenta significativamente. D’altra parte, il consumo energetico del metodo M ha un valore costante. In caso di
, il metodo D consuma quattro volte più energia del metodo M. Altrimenti, il metodo H ha buone prestazioni quando il numero dell’anello più lontano w supera una certa soglia, mentre il metodo M è nel complesso buono.
D’altra parte, la fig 8 confronta la dissipazione di energia di diversi metodi di trasmissione dati tra strati, ovvero il metodo H, il metodo M e il metodo D. Come indicato nella Figura 8, il metodo H e il metodo M mostrano risultati quasi identici, mentre il metodo D consuma più energia. Quando il numero dell’anello più lontano w è piccolo, la dissipazione di energia del metodo D viene aumentata monotonicamente, mentre la dissipazione di energia è saturata quando w è aumentato.
Figura 9 mostra il confronto del consumo energetico di varie combinazioni dei metodi di trasmissione dati. Si noti che le combinazioni del metodo diretto e degli altri metodi (DH, DM, DD, HD e MD) sprecano in modo distruttivo l’energia del ricetrasmettitore rispetto alla combinazione HH o MH. Come mostrato in figura 9, La combinazione HH (o MH) migliora la dissipazione energetica media rispetto a DH, DM, HD, MD e DD.
6. Conclusione e lavori futuri
In questo articolo proponiamo un paradigma WNSN per l’applicazione intracorporea. Lo scenario di applicazione prevede che ciascun nodo nanosensore venga posizionato all’interno di ciascuna cella e che comunichi con la cella immediatamente vicina in base alle combinazioni dei metodi di trasmissione. Ogni cella è modellata come una cella di forma esagonale, fornendo quindi una struttura 3D per WNSN.
Il contributo di questo articolo è duplice. Il primo è la derivazione del numero ideale di cellule esagonali e della lunghezza del bordo in proporzione al numero di anelli necessari orizzontalmente per il presunto organo del corpo. L’altra è un’analisi comparativa dell’efficienza energetica nel processo di trasmissione dei dati, che mostra che la combinazione HH (o MH) migliora la dissipazione energetica media rispetto alle combinazioni DH, DM, HD, MD e DD.
Rimangono ancora alcune questioni da risolvere in futuro. Innanzitutto, dobbiamo verificare il modello concettuale proposto nell’ambiente reale da utilizzare per l’applicazione intracorporea. In secondo luogo, dobbiamo anche implementare i metodi di trasmissione dei dati più efficienti e i protocolli di rete basati sul framework OOK e TDMA e verificarli in tale ambiente..
Riferimenti
1. Akyildiz IF, Jornet JM L’Internet delle nano-cose Comunicazioni senza fili IEEE 2010 17 6 58-63
2. Kurup D., Joseph W., Vermeeren G., Martens L. Modello di perdita del percorso nel corpo per tessuti umani omogenei Transazioni IEEE sulla compatibilità elettromagnetica 2012 54 3 556-564
3. Akyildiz IF, Jornet JM Reti di nanosensori wireless elettromagnetici Nanoreti di comunicazione 2010 1 1 3-19
4. Yang K., Alomainy A., Hao Y. Caratterizzazione in vivo e analisi numerica del canale radio THz per reti wireless corpo-centriche su scala nanometrica Atti dell’USNC-URSI Radio Science Meeting (congiunto con AP-S Symposium) (USNC- URSI ′13) Luglio 2013 Lake Buena Vista, Fla, USA IEEE 218-219
5. Yang K., Pellegrini A., Brizzi A., Alomainy A., Hao Y. Analisi numerica della perdita del percorso del canale di comunicazione nella banda THz all’interno del tessuto adiposo Atti dell’IEEE MTT-S International Microwave Workshop Series su RF e wireless Tecnologie per applicazioni biomediche e sanitarie (IMWS-BIO ′13) Dicembre 2013
6. Yang K., Pellegrini A., Munoz MO, Brizzi A., Alomainy A., Hao Y. Analisi numerica e caratterizzazione del canale di propagazione THz per nano-comunicazioni corpo-centriche Transazioni IEEE su scienza e tecnologia Terahertz 2015 5 3 419-426
7. Nakano T., Liu J.-Q. Progettazione e analisi di canali di relè molecolari: un approccio teorico dell’informazione Transazioni IEEE sulla nanobioscienza 2010 9 3 213-221
8. Balasubramaniam S., Lio ‘P. Nanoreti di batteri basate sulla coniugazione multi-hop Transazioni IEEE sulla nanobioscienza 2013 12 1 47-59
9. Kuila T., Bose S., Khanra P., Mishra AK, Kim NH, Lee JH Recenti progressi nei biosensori basati sul grafene Biosensori e Bioelettronica 2011 26 12 4637-4648
10. Wang ZL Raccolta di energia per nanosistemi autoalimentati Ricerca sulla nanotecnologia 2008 1 1 1-8
11. Wang P., Jornet JM, Abbas Malik MG, Akkari N., Akyildiz IF Protocollo MAC basato sull’energia e sullo spettro per reti di nanosensori wireless perpetue nella banda Terahertz Reti ad hoc 2013 11 8 2541-2555
12. Balasubramaniam S., Kangasharju J. Realizzare l’Internet delle nano cose: sfide, soluzioni e applicazioni Computer 2013 46 2 62-68
13. Pierobon M., Jornet JM, Akkari N., Almasri S., Akyildiz IF Un framework di routing per la raccolta di energia su reti di nanosensori wireless nella banda Terahertz Reti wireless 2014 20 5 1169-1183
14. Jornet JM, Akyildiz IF Capacità di canale delle nanoreti elettromagnetiche nella banda dei terahertz Atti della Conferenza internazionale sulle comunicazioni IEEE (ICC ′10) Maggio 2010 1-6
15. Jornet JM, Akyildiz IF Modellazione dei canali e analisi della capacità per nanoreti wireless elettromagnetiche nella banda terahertz Transazioni IEEE sulle comunicazioni wireless 2011 10 10 3211-3221
16. Jornet JM, Akyildiz IF Capacità informativa delle reti di nanosensori wireless basate su impulsi Atti dell’ottava conferenza annuale della IEEE Communications Society su comunicazioni e reti di sensori, mesh e ad hoc (SECON’ 11) giugno 2011 80-88
17. Jornet JM, Capdevila Pujol J., Solé Pareta J. PHLAME: un protocollo MAC consapevole del livello fisico per nanoreti elettromagnetiche nella banda terahertz Nanoreti di comunicazione 2012 3 1 74-81
18. Woolard D., Zhao P., Rutherglen C., Yu Z., Burke P., Brueck S., Stintz A. Tecnologia di imaging su scala nanometrica per la microscopia a trasmissione di frequenza THz Giornale internazionale di elettronica e sistemi ad alta velocità 2008 18 1 205-222
19. Molina DK, Dimaio VJM Pesi normali degli organi negli uomini. Seconda parte. Il cervello, i polmoni, il fegato, la milza e i reni Il giornale americano di medicina legale e patologia 2012 33 4 368-372
Di seguito lo studio in inglese
Fonte: Sage Journals
Seguici sui nostri social
