Indonesian J ournal of Ele c trical Engin eering and  Computer Sci e nce   Vol. 2, No. 2,  May 2016, pp . 380 ~ 389   DOI: 10.115 9 1 /ijeecs.v2.i2.pp38 0-3 8 9        380     Re cei v ed Fe brua ry 20, 20 16; Re vised  Ap ril 10, 201 6; Acce pted  April 27, 201 6  Lifetime Prolonging for Clustered Heterogeneous  Wireless Sensor Networks by SEP-FUZZY      Basim Ab oo d 1 , Aliaa Hussien 2 , Muha mmed Shaemy a l Nisar 3 , Yu  Li* 4   1,3, 4 Nationa l La borator y for Op toelectro n ics, Huaz hon g  Un i v ersit y  of Sci e n c e and T e chno log y  W u h an,  Chin a 43 00 74   2 Baghd ad U n iv ersit y , Co ll ege  of Science,  De partment of astronom y Ba gh d ad, Iraq   *Corres p o ndi n g  author, e-ma i l : bas_e ng 84@ yma il.com       A b st r a ct   T he most i m p o rtant cons ide r ation i n  d e sig n in g  protoc ols  for w i reless sensor  netw o rks is t h e   ener gy  co nstraint  of no des beca u se in most  cases  battery rech argi ng  is inc onv eni e n t or i m possi b l e .   T herefore, ma ny  res earch es   hav e be en d one   to over c o me  this  d e m er it. Cluster ing  i s  on e  of the   ma in   appr oach e s i n   desi gni ng sc al abl e a nd  en er gy-efficie n t pro t ocols for W S Ns.In this p a p e r, w e  pro pos ed  a   novel schem e  to inv e stigate the cluster, the fu z z y   lo gic c l uster stable  election  protoc ol (SEP - FUZZY) ,   w h ich uses fu z z y  lo gic infer e n c e system (FIS) in the  cluster process. We compar e our te chni que w i th tw o  appr oach e s (L EACH, and SE P) to show  that using a  mu lti  para m eter F I S enha nc es th e netw o rk lifeti m e   signific antly. Si mu lati on res u lt s de monstr ate  that t he netw o rk lifeti m e  ac hiev ed by th e prop osed  meth od   coul d b e   incre a sed  by  ne arly  27 %  more th a n  that   obta i n e d   by LEACH   pr otocol, an d by near ly  2 3 %  mo r e   than that obta i ned by Sta b le Electio n   Protoc ol.    Ke y w ords :  WSNs, clustering,  fuz z y logic, SEP         Copy right  ©  2016 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion  A Wirele ss S ensor Netwo r k (WS N) i s  a comb i nation of  au-tonom o u s  dist ribute d  sensors   to monito r e n vironm ental  of phy sical  co ndition s  and to  pa ss the a ggreg ated  sen s e d  data   throug h the n e twork to a m a in ba se stati on or si nk.   In WSN,  ene rgy efficie n t  comm uni cati on i s  the  su b j ect of  su rvival of a  net wo rk. A s  a  result, the  re sea r che r s are mo stly fo-cuse d  to ward s e n e r gy effi cient  co mmu nicatio n , en e r gy  manag e-m e n t, and extend ing the n e two r k lifetime. M o st of the tim e , study on   Wirel e ss Se n s or  Networks ha s a s sum ed  h o moge neo us nod es. B u t i n  reality, ho mogen eou s  node s  also h a ve  different leve ls of initial energy and  depletio n/ drai n rate. This leads to th e resea r ch on  hetero gen eo us n e two r ks  whe r e two o r  mo re type s of node s a r e co nsi dered  and the  mo re  powerful sen s or n ode s a c t as clu s te r he ads a nd ha nd le resou r ce-d emandi ng tasks.   A Sensor No de i s   co nsi s ti ng of  sen s ors, p r o c e s sor,  tran sceiver  and  po we r u n its a s   sho w in g in F i gure  1. As  we  kno w  tha t  while  d e -si gning  a ro uting protocol  a se nsor n o de is  limited ene rg y supply, so  available en e r gy at t hat nodes mu st be  a major  con s t r aint. For e n e r gy  efficien cy, extensibility of l i fetime, scala b ility  and perfor-ma n ce, cl uster  ba se d routing proto c ol  enforce s a structure out of di fferent ro uting proto c ol s.   In clu s te r b a s ed  routing   proto c ol s,  se nso r s a r e  di vided into  di fferent  clu s te rs after   sele cting so me node s a s  clu s ter h e ads am ong t hem, so that  sen s or n o d e s commu nicate   informatio n o n ly to cluste r head s and  aggregate inf o rmatio n to base  station. Clu s terin g  is  an  efficient way  to redu ce e n e rgy con s um ption and ext end the life time of the net work, doi ng d a ta   aggregatio n  and fu sion in  orde r to red u ce th e num ber of tra n smitted messa ges to the  b a se   station [1].  The rest of t h is p ape r is  orga nized a s  fo llows. Rel a ted work (p rior  art s ) a n d  related   con c e p ts  of  desi gning  the  WS Ns  and   apply-in g the  routin g al go rithms to ext end th e n e twork  lifetime are pre - sented in  part 2. In  Part 3,  the  pape r pre s e n ts the routi ng model for the  prop osed rou t ing  metho d . Perform a n c e evaluation  i s   prop osed i n   Part 4. Fin a ll y, con c lu sion  is  pre s ente d  in Part 5.    Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752    IJEECS  Vol.  2, No. 2, May 2016 :  380 –  389   381     Figure 1. A typical  Wirel e ss Sensor  Net w ork      2. Related Work   The re sea r ch es of  wi rele ss  se nsor network  cluste rin g  algo rithm  are of g r eat  im portan c e  to improve th e netwo rk performan ce a n d  also of  g r eat  importa nce to pra c tical a p p lication. Th ere  are several propo sed  clu s tering al go rithms in the literature.    There a r e  two  cate gori e s of  clu s te ri ng  scheme s ,  those a ppli ed in  ho mo gene ou s   netwo rks, referred to a s  h o moge neo us  clu s teri n g  sch e mes,  and th ose  appli ed i n  heteroge ne ou s  netwo rks,  ref e rred to  a s  h e terog ene ou s clu s te ring scheme s .  Th e most popul ar  homo gen eo us  clu s terin g  alg o rithm s  in clu de lo w- e n e r gy adaptive  clusteri ng hi erarchy (LEA CH) [2] a nd p o wer-   efficient gath e ring i n  se nsor info rmatio n syst em s (PEGASIS) [3]. On the other ha nd, hyb r id   energy-  effici ent di stribut e d  cl us te ring  (HEED)  [4], and dist ribut ed  e nergy  ef ficient clu s tering   (DEEC) [5] are hetero gen e ous  clu s terin g  algorith m s.   The LEACH proto c ol sel e cts  CHs pe riodi cally  and  drain s  en ergy uniformly  by role  rotation. Ea ch nod e ma kes a  de cisi o n  wh ether  or not to be  a  CH  acco rdi ng to a  unifo rmly  distrib u ted  probability. In  PEGASIS, node s will  be   orga nized to  form a  chai n, whi c h  ca n  be   comp uted by  each no de  or by t he b a s e  station. T he re qui reme nt  of global  knowl edge  of  the   netwo rk to pol ogy makes t h is meth od d i fficult to implement. HEE D  is  a dist rib u ted cl uste rin g   algorithm, which  selects the CHs  stochasti c ally . The election probability of each node is  correl ative to the remai n i ng ene rgy. In het eroge ne ous e n viro n m ents, the l o w-ene rgy n ode s   coul d o w n la rger  electio n  p r oba bility than the hig h  en ergy no de s in  HEED. Th e  hetero gen eity of  node s in te rm s of thei r en ergy is  con s ide r ed in   DEEC.  DEEC h a s th e merit  of bei ng a di stri but ed  clu s terin g  al gorithm.  Ho wever, the  perfo rm an ce  of homog e neou s  sche mes i s  po or for  hetero gen eo us networks becau se  th e   low-e ner gy  node s  co uld  have  a  hig her proba bility of  electio n  than  the high en ergy node s [6].    Stable ele c tio n  protocol  (S EP) studi es t he impa ct of  hetero gen eity, in terms of e nergy of  the nodes.  To elect the  CHs, SEP uses a  wei ght ed probability method based on remai n ing  energy in th e  nod es. T h is  coul d p r olo n g  the  stab ility  perio d of th e  netwo rks  (sta bility is d e fin e d   as  the time f r om the beginni ng of the  network  P r ocess  until  the  firs t node dies ). In SEP a n   adju s table p e r ce ntage  of the no des  ha ve highe r en ergy than th e  other n ode s.  Acco rdi ngly, a   modified p r o bability is de fined to con s ider the  re si dual e nergy of the nod es. Based o n  this  probability, the length of  used  epoch in  LEACH is in creased.  The  authors’  show that  compared  to LEACH, SEP c an increas e  the  s t ability period of the network .      Bala et al [7] c o ns idered  determinis t ic -SEP  (D-SEP ), for  elec ting c l us ter heads  in a  distrib u ted  st yle in two, t h ree,  and  m u lti-leve l hie r archical  wirel e ss sen s o r   netwo rks. Th e   s i gnific ant improv ement has  been us ing D-SEP  in c o mparis on with SEP in  terms  of energy  consum ption,  data transmi ssi on and network lifetim e  to Base  stati on. D-SEP protocol  goal i s  to  enlarge the lifetime and stability of the network i n  the  presence of  heter ogeneous n odes. Si nce  clu s ter he ad s consume m o re en ergy th an clu s te r m e mbe r s in re ceiving an d sensi ng data from  Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Lifetim e  Prolonging for  Clustere d Heterogeneous WS Ns by SEP-F U ZZY   (Yu Li)  382 their comp on ent  nod es, pe rformin g  sign al  dispen satio n  and  tran sfe r  the  agg reg a t ed data to  n e xt  node o r  ba se  station. D-S EP network li fetime is  increased by 4.4  times over S EP. The resu lts   clearly show t hat the  stabili ty period of  D-SEP is  l onger as  com pared to  SEP. The authors in [8]  proposed an  enhanced SEP (E-SEP), it  is three ti re node protocols. E-SEP operates in a WS N  under three-tier energy het er ogeneity. E-SEP introduces addi tional nodes  nam ed intermedi ate  node s th at a c t a s  a  bri d ge b e twee n  the no rmal  a nd a d vanced  nod es. T h e  ene rgy of t h e   interme d iate  node s i s   set  betwe en th at  of no rmal  an d adva n ce n o des.  The  work in  [9] p r op o s ed  Dis t ance based –SEP (DB-SEP), the DB-SEP has  two part s , firs t on the nodes  initial energy  and  se con d ly the sel e ctio n  of CH  is  dist ance ba se d, the one  clo s e  to the si nk  will have  hig her  cha n ce to  be come   CH Clu s terin g  hi erarchy i s  u s e d  t o  e s tabli s h th e net work, i n   orde r to  redu ce   the correl ated  data, the CH performs fu si on functio n .  In this work ,  we  propos e  a new protoc ol  SEP-Fuz z y  improves  SEP  protocol us ing Fuzz y  Logi c. In SEP, the election probabilities of cl uste r head are  weighted by t he i n itial energy  of a  node  rel a tive to that of ot her  nodes in t he net work.  SEP-FUZ Z Y prov ides a l onger  stabilit y  perio d a nd a   lowe r in stabili ty period  and  increa se s lif e time of n o d e s.  We  study  the effect  of  our  SEP-FUZZY  protocol to heterogeneity  parameters  capturing energy imbal ance in the network.  The inp u ts th at we con s id er in the fu zzy syst em are :  Remaini ng  Energy, No rmalize  Di stan ce   from  sen s o r  n ode to  cl uste r hea d (nod e-CH), an d  No rmalize  Di stan ce from  clu s t e r h ead  to Ba se  station  (CH-B S ). The s e  pa ramete rs a r e  not  so  cl o s ely r e la te d and  ca n   e a s ily  w o rk w i th th es e   hetero gen eo us  paramete r s by  usi ng f u zzy logi c.  A l so  a fu zzy  system  doe s not n eed  m u ch  comp utationa l complexity; con s e que ntly it is su itable for WSN. Accordin g to wha t  was said, we  prop osed a  di stribute d  met hod a nd e a ch  node it se lf m a ke s d e ci sio n  about b e ing  clu s ter  head   or   not. This met hod m u st  wo rk in  all e n viro nments an d  so do esn’t  nee d no des coo r dinate s . In thi s   method  by  choo sing  suitable i nput s f o r fu zzy sy stem, is mo re  efficient  tha n  the  existe nce   method an d b e tter clu s ter  will be mad e .      3. Stable Election Proto c ol and Fuzz y  Approa ch     3.1. Stable Election Protocol (SEP)  A. Net w o r k Model   In this section, we describ e the SEP protocol. Assume that  there are N sensor nodes.  Nod e s al way s  have data to transmit to  a base  statio n, which is often far away from the se nsi n g   area. T he n e twork i s  o r gani zed into  a clu s tered  hiera r chy where  every  cluster  ha s a  CH,  respon sibl e f o r exe c utin g  fusion  fun c tion to  r edu ce  co rrel a ted  d a ta produ ce d  by the  sen s or   node s within  the same cl uster. Th e CHs di re ctly transmit the a ggre gated d a t a to the base  station. We  suppo se that  the nod es a r e  stationa ry.  SEP does  not requi re  energy knowledge shar i ng but is based on assigni ng  weighted  election probabilities  of each n ode to becom e  a  CH according to  their  respect i ve energy. By  using thi s  approach,  SEP ensures  that   the CH  i s  randomly sele cted based on the fraction  of  energy of each node. Thi s  also results in  a uni form di stribution of en ergy co nsum ption.  In SEP, the election probabilitie s are  weighted by  the initial  en ergy  of a node rel a tive to  that of oth e r  node s i n  the   netwo rk.  Thi s  prolong s  the  time inte rval  befo r e th e d eath of t he first  node (stabilit y  perio d), which  i s  cruci a l  for  m any  appli c ation s   whe r e th e fe edba ck from  the   sen s o r  netwo rk mu st be rel i able.   Let  E  be the  initial energy of  basi c  se nsors, and  m  be the  fraction of CHs, whi c h own    times mo re e nergy than th e norm a l one s. Thu s , there are    to CHs equi ppe d with an initial  energy of  1 α E ;  and  1 m N , (basi c  se nso r s)  with a n  initial ene rg y of  . Thus , the total  initial energy of the two leve l hetero gen e ous n e two r ks is:    E   N 1– m E  m N E 1 α    NE 1 α m    (1)   So, the total  energy of the syst em i s  increased by a factor of 1 α m .  Let  P   be the weig hted ele c tion proba bil i ty  of advance node s.Opti mum pro babi lity  P   of  each nod e to become CH can be calcula t ed by (2).   P     α  1 α  (2)   Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752    IJEECS  Vol.  2, No. 2, May 2016 :  380 –  389   383 The thre sh old  is given by (3).     T s     .  ifs ∈ G 0           o therwise  (3)     In this pape r,  we co nsi der a sen s o r  ne twork con s ist i ng of N se n s or  node s de ployed  over a va st  field to co ntinuou sly m onitor the  e n vironm ent. For a  WS N we m a ke some  assumptio n s  about the sen s or n ode s an d the unde rlying network m odel.     Senso r  no de s are d eploye d  rand omly.    All sensor n o des a nd the b a se  station  are stationa ry after  the deplo y ment phase.    Nod e s are  capabl e of a d j u sting  the tra n smi ssi on  po wer a c cordin g to the  dist ance of the  receiver n ode s.    The  dista n ce  between  no des can  be   comp uted  ba sed  on  the  receive d   sign al st ren g th.  Therefore, th ere is n o  nee d for se nso r  n ode s to kno w  their exact lo cation s.     All sensor n o des h a ve not the same a m ount  of energ y  when they are initially de ployed.     The ba se stat ion nee d not be located far away from th e sen s in g reg i on.    B. Energ y  C onsumptio n Model   For the  re ali s tic, the first  ord e r  radi o  m odel th at will be  used  in LEACH [ 2 ], as a   comm uni cati on model be tween senso r  node s. Both the free space  d  power loss) an d the   multipath fadi ng ( d  po we r lo ss)  cha nnel  model s a r e  u s ed, d epe ndi ng on  the di stance  betwee n   the transmitter and receiver. The ene rgy c onsumpti on in transmi tting a packe t with  k -bit s over   distan ce  d .  E  is t he am ount of  ene rgy con s umption  per  bit to run  the  tran smitter o r  re ceive r   cir c uit r y .   E  , and  E   is the amount of energy  per bit dissip a ted in the RF amplifier according to   the distan ce  d whi c h can be  obtaine d from  (4), and  (5) a s  belo w .     E T k  k E  E  d   , ifd d k E   E  d  , ifd d  (4)     d     (5)     The amo unt of energy con s umptio n in receivin g a pa cket with  k  bits can be  cal c ul ated by (6).     E R k  k E     (6)     The ra dio en ergy mod e l p a ram e ters prese n t details i n  Figure 2, and Table 1.           Figure 2. First order  Radi o model           Transm it  E l ectron i cs Tx Am plifie r Recei v e  E l ectron i cs K b i t p a ck et K b i t p a ck et d E n T ( k ) E n T ( k ) E elec   * k E am p   *  k  * d n E n  R ( k ) E elec   * k E elec * k Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Lifetim e  Prolonging for  Clustered  Heterogeneous WS Ns by SEP-F U ZZY   (Yu Li)  384 Table 1. Para meters of the first radi omod el  Parameter value            50    10   ⁄ ⁄   100  ⁄ ⁄       3.2. Fuzzy  Clusterin g  Ap proach   The  con c e p t of fuzzy log i c was intro d u ce d by Za d eh in th e mi d-19 60 s [10]  as  an  extensio n of the co ncept  of an  ordina ry fuzzy set. Since the n , its appli c ation s  have  rapi dl y  expand ed in adaptive co ntrol syste m s  a nd system id entification. It  has the adv antage s  of easy   impleme n tation, robu stne ss, and ability to approximat e to any nonli near m appi ng  [11].    In Fuzzy  Clu s tering m odel,  whe n  a  ba sic sen s o r  d e tects an  event a nd wants to transmit   it s pac ket s ,  it sele ct s a be st  clu s t e r he ad.  To  achi e v e this, we make u s e of  fuzzy logic.  The  obje c tive of fuzzy logic is  therefo r e to calcul ate  the optimal value of the best cl uster h e ad th at  depe nded  wh ich d epe nd s  on the  remai n ing e nergy  RE, D (nod e-CH), and  D  (CH-BS) a s   shown  in figure s . (3)  and (4 ) re sp e c tively.    Figure 3 and  figure.4, sho w s t he fu zzy  logic  with three input vari able s  (RE, , D (no d e - CH), and D (CH-BS)), an d  an output (F i t ness value),  with universal  of discou r se  [0. .  .5],  [0. . .1],  [0. .  .1], and  [0. .  .1], resp ective ly. Fuzzy Clu s terin g  use s  five membe r ship fu nction s for e a ch   input and a n  output variabl e, as sh own in Figure 5.          Figure 3. Fuzzy stru cture with three in p u ts RE,  D(n ode -CH), D(CH-BS), a nd one o u tput  of  Fitness Value  of CH      Figure 4. Fuzzy Clu s terin g  System  Arc h itec ture        In Fuzzy Cl u s terin g , the f u zzified valu e s  a r e p r o c e s sed  by the in feren c e  engin e , whi c h  con s i s ts  of a   rule  ba se  an d vari ou s me thods to infe r the  rule s. T a bles 2– 6  sho w  the  IF-T HE N  rule s u s e d  in  Fuzzy Cl ust e ring,  with a  total numb e r  of  5 125   for  the fuz z y  rule bas e .  As  example, IF  RE is Very  High  an d  Distance  to  CH  is Nea r   a nd Dista n c e   to BS  is  Ve ry  Nea r   THEN Fitn ess value is Ve ry Good.    All these rul e s a r e p r o c e s sed in a p a rallel  mann er  by a fuzzy inf e ren c e  engin e. At the   end,  the def uzzificatio n   finds  a singl e cri s p output   value from  th e solution fu zzy  sp ace. T h is  value re presents the  nod e co st. Pra c tice d e fuzzif ication is  ca rri ed out u s ing c e n t er  o f  gra v ity   method given  by (7) [12].       ∗      (7)   Whe r e    is  the output of ru le base  , and   is the center of the  output membershi p   function for   rule ba se num ber.   Rule  Base   Infer e nc e  En gi ne   D e f u z z i f i c   a t   i o n Fu z z y   Fu z z y   Outputs   Outputs Fu z z y   Fu z z y   I nputs   I nputs   F itne ss Va lue F itne ss Va lue Re ma ining  Energ y Re ma ining  Energ y   f u   z z i f i c a t i o   n   Distance ( node  –       CH )   Di st ance (   node  –       CH ) Di st ance ( C H  –       BS   )   Di st ance (   CH   –       BS   ) Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752    IJEECS  Vol.  2, No. 2, May 2016 :  380 –  389   385     Figure 5. Membershi p  gra ph for thre e inputs (r em ain i ng ene rgy (RE), normali ze  distan ce (n o de- CH), and no rmalize  Dista n c e (CH-BS)  a nd the output  (fitness value ) .      Table 2. IF-T HEN rule s, where e n e r gy is very low  D(CH )   D (BS)  V. Near   Near   Medium  Far   V. Far V. Near   Near   Medium  Far   V. Far  Normal   Normal   Bad  Bad  V. Bad  Bad  Bad  V. Bad  V. Bad  V. Bad  Bad  V. Bad  V. Bad  V. Bad  V. Bad  V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad   Table 3. IF-T HEN rule s, where e n e r gy is low  D(CH )   D(BS)  V. Near Near   Medium  Far   V. Far V. Near   Near   Medium  Far   V. Far  Normal Normal Normal Bad  V. Bad Normal   Bad  Bad  V. Bad  V. Bad  Bad  V. Bad  V. Bad  V. Bad  V. Bad  Bad  V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad V. Bad       Table 4. IF-T HEN rule s, where e n e r gy is mediu m   D(CH )   D(BS)  V. Near   Near   Medium  Far   V. Far  V. Near   Near   Medium  Far   V. Far  Good   Good   Good   Normal   Normal   Good   Good   Good   Normal   Normal   Good   Normal   Normal   Normal   Bad  Normal Normal Bad  Bad  V. Bad  Normal Bad  Bad  V. Bad  V. Bad    Table 5. IF-T HEN rule s, where e n e r gy is high   D(CH )   D(BS)  V. Near Near   Medium  Far   V. Far  V. Near   Near   Medium  Far   V. Far  V. Good V. Good V. Good Good   Normal V. Good   V. Good   V. Good   Good   Normal   Good   Good   Good   Normal   Normal   Normal   Bad  Bad  V. Bad  V. Bad  Normal Normal Bad  V. Bad V. Bad     Table 6. IF-T HEN rule s, where e n e r gy is very high   D(CH )   D(BS)  V. Near   Near   Medium Far   V. Far  V. Near   Near   Medium  Far   V. Far  V. Good V. Good V. Good V. Good Good   V. Good V. Good V. Good Good   Good   V. Good V. Good Good   Good   Good   Normal   Normal   Normal   Bad  Bad  Normal   Normal   Bad  V. Bad  V. Bad    4. Performan ce Ev aluation    Usi ng this n e twork op eratio n model allo ws t he network lifetime metric to be mea s ured in   data  colle ctio n round s till t he very  first  node  ru ns  ou t of ene rgy.  This metri c  i s   kno w n  a s  f i rst   node d eath (FND). It has been u s e d  extensively in  literatures  [4, 13, 14, and 15]. Figu re 6   shows the flow  chart of the pr oposed  method that i s  a impr oving SEP in heterogeneous  WSNs  by fuzzy app roach.    4.1. Simulation Setup   Simulation s a r e  ca rri ed  out  in MAT L AB  R20 11a  (ve r sion 7.1 0 ) un d e r  Win d o w s  10  (64  bits). The ex perim ents a r e perfo rmed  on a PC (Thi nk Pad E43 1 , China )  with  an Intel W Core™   i5 Processo rrunnin g  at 2. 6 GHz and 4 G B  of RAM.  For  ou r p r o p o se d, 10 0  sensor no de s are  ra n doml y  deploye d  i n  the  area, t h is  area   assume  that  ( ∝ =3, P = 0. 2, m=0.3).  Whe r e   ∝ ,  m are  co nst ant value s  f o r  heteroge n e ity  Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Lifetim e  Prolonging for  Clustere d Heterogeneous WS Ns by SEP-F U ZZY   (Yu Li)  386 percenta ge o f  nodes tha n  are adva n ce d, and P is  an optimal Ele c tion Pro babi lity of a node to   become  clu s t e r h ead.Th e t opog rap h ical  area  is  di st rib u ted in th e di mensi on  100  m × 1 00 m. t h is   area h a s the  sen s ed tra n s missio n limit of 30 m. The perfo rman ce of the prop ose d  method  is  tested in the s e in the a r e a . There i s  o n ly one data  sink  whi c h l o cate d at (50  m, 50 m). The   simulatio n  wa s perfo rme d  for 200 0 roun ds. We u s e a  simplified mo del sho w e d  in figure 5 for the  radio h a rdwa re energy dissipation. Table  7 pr esents th e system s pa ramete rs in d e tails.       Table 7. Simulation pa ram e ters  Parameter Value  Topogr aphical Area (mete r s)   Sink location (meters)   Number of  nodes   Limit of transmission distance (meters)   Initial energ y  of n ode  Packet data size   No. of MFs (in ea ch input and outp u t variable)   No. of IF -THE N r u les  No. of tra n smission packets (roun ds)  100m 100m   50m 50m   100   30m   0.5J   41 0 bits   5   125   2 1 0           Figure 6. Flow c h art of SEP - FUZZY c l us tering  Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752    IJEECS  Vol.  2, No. 2, May 2016 :  380 –  389   387 4.2. Simulati on Results  The n u mb er of alive n o des a s  a fu nction  of ro und s by u s i ng the  thre e  different  approa che s  for this area  shown in Figure  7. It can be se en  that the propo sed meth od  outperforms   FUZZY_ SEP. the network   lifetime ac hieved by the  propos ed  method inc r eas ed  by  nearly 2 7 % than that obta i ned by Le ach and al so  i n cre a sed by n early 23% th an that obtai ned   by SEP.   More over i n   Figure 7, it  can b e   seen  that  the  numb e r of  alive n o des of the  propo sed   method is always higher than both LEACH  and SEP. The different duration of time  corre s p ondin g  to the first  dead  nod e computed  u s in g the two different  app roa c he s a r e li ste d  in   Table 8. Cl ea rly, the time for the first no de to  die in the propo sed  method i s  m u ch lo nge r th an  the times for  the first node to die in Leach and  SEP. From T able 8 and Figure 7 it is clear that,  the propo se d metho d  o u tperfo rms S EP in term s of bal an cin g  en ergy  co nsum ption  a nd  maximizatio n  of network lifetime.      Table 8. Nu m ber of ro und s with the first dead n ode   Approaches  Leach    SEP  Proposed   Lifetime of the fir s t dead node ( R o unds) 186             519                91 1      Figure 8  sho w  the ave r ag e rem a ining  energy  of a  WSN a s  a fu nction  of tran smissio n   roun ds fo r the three ap proache s. As the rou nd nu mber in crea ses in the are a , the propo sed  method performs better  than  both approaches  (LEA CH and SEP) protocols .   This  indicates that ,   better e nergy balan ce  in  a WS N i s  a c hieved  by th e propo se d  method.Th e  delay in cu rre d in   transmissio n  of data pa ckets is  also a  key pa ram e ter for  ce rtain  appli c ation s . The comp ari s on  betwe en thre e different a ppro a che s  is shown in  Figure 9. It can be see n  that, the propo sed   method has  shortest delay compared  to both  Leach and SEP. Shorter  delay indicates both  energy savin g  and efficien t information transmiss io n (espe c ially se cure and imp o rtant one s).  In  other words, data  pa ckets are  r outed th rough diffe rent  node -di s joint  paths  with m u ltipath ro uting   to avoid network  con g e s tio n  and prolon g  the network l i fetime.  Figure 1 0   sho w  the   comp arison  for net work  lifetime  b e twee n th ree   different  app roache s.  It can be seen that, the proposed method mo re lifetime com pared to both Leach and SEP.          Figure 7. Nu mber of alive  node s a s  a function of  roun ds b a sed  on different a ppro a che s  (L each,  SEP, and proposed).         Figure 8. Average  remai n in g energy as a   function of tra n smi ssi on ro und ba se d on   different approaches (Leach, SEP, and  prop osed )      Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Lifetim e  Prolonging for  Clustere d Heterogeneous WS Ns by SEP-F U ZZY   (Yu Li)  388     Figure 9. Dat a  transmissio n delay (si m u l ation  time for all pa ckets) as a fu nction of tran smissio n   roun d ba sed  on different a ppro a che s  (L each,  SEP, and proposed)    Figure 10. Lifetime com parison b a sed o n   different approaches (Leach, SEP, and  prop osed )        Note th at ab ove sim u lati ons are pe rf or me d a s su ming that  all the no de s  are  well  maintaine d  (i .e. stable  with eno ugh p o w er) u n til the node di es. I n  real  wo rld,  there m a y be  certai n situati ons that on e even  more of the sen s o r s i n  the crit i c al  pathway become intermitt ent  in the ability to function n o r mally. Such  behavio r may  add perfo rm ance noi se (fl u ctuatio ns) in to   the WSN. As  there a r e too  many  param eters to b e  consi dered, futu re inve stigat ions a bout su ch   topics may be quite intere sting an d ch a llenging.       5. Conclusio n    In ord e r to  im prove th e e n e rgy effici en cy and a c hi eve the n e two r k load  bala n ce  to SEP  in WS Ns,  we  have propo se d a ne w  clu s tering  sche me  based o n  fuzzy logi c in thi s  pa per.  Wh e r e   each no de  d e termin es its  fitness value  to be come  cl uster-h ead  candid a te ba sed o n  remain ing   energy, dista n ce to  cl uste r he ad from  node s a nd di stan ce to  ba se  station fro m  clu s ter he ads.   The p e rfo r ma nce  of the  propo sed  meth od i s  eval u a ted u nde r the  sam e   crite r i a  an d  comp a r ed   with LEACH, SEP. Simulat i on res u lts  demons trate  t he effec t iveness  of the new approac h  with  rega rd s to e nhan cem ent  of the lifetime of wi re le ss sen s o r  n e tworks  with ran domly scattered  node s.       Ackn o w l e dg ement  This  work  wa s su ppo rted i n  part by the  National  Nat u ral Sci e n c e  Found ation o f  China  unde r G r ant s 6147 140 8; b y  the Natio n a l  High  Te chn o logy Resea r ch a nd  Devel opment P r og ram  of China u n d e r Grants 2 0 1 4 AA01A701.       Referen ces   [1]    Akka ya K, You n is M. A surve y  o n  routi ng pr otocols for  w i r e less se nsor n e t w o r ks.  Ad ho c netw o rks .  200 5 3(3): 32 5 - 49.  [2]    Heinz e lm an W B , Chan drak as an AP, Bal a kri s hna n H. An  a pplic atio n-sp ec ific  pr otoc ol arc h itecture for   w i rel e ss micro s ensor n e t w ork s .  IEEE  Transactions on Wireless Comm unic ations . 20 02; 1 ( 4): 660-7 0 .  [3]    Lin d se y S, Ra ghav en dra CS.  PEGASIS: Po w e r-effici e n t g a theri ng i n  sen s or informati on  s y stems.  In  IEEE Aerospac e conference proceedings . 20 02; 3: 3-11 25.   [4]    Youn is O, F a h m y  S.  HEED:  a h y br id,  ener g y - e fficie n t, di stributed  clust e rin g  a ppro a c h  for a d   ho c   sensor n e t w ork s .  IEEE  Transactions on Mobile Com p uting   2 004; 3(4): 3 66- 79.   [5]    Qing L, Z hu Q, W ang M. Design of a distribut ed  ener g y -efficie n t  clustering a l gorit hm for   hetero g e neo us   w i r e less s ens or net w o rks.  C o mputer co mmunic a tions . 2 0 0 6 ; 29(12): 2 230 -7.  [6]    Smaragdakis  G, Matta I, Bestavros A. SEP: A st able  election pr otocol for  cluster ed heterogeneous   w i reless sensor net w o rks.  In Secon d  i n tern ation a l w o rksh op o n  se nsor  and  actor n e tw ork protoc ol s   and a p p licati o n s  (SANPA 200 4).  2004; 3( 22) .  [7]    Bala M, A w as thi L. Profic ient D-SEP prot ocol  w i t h  heterogeneit y  for  maxi mizing the lifetime of   w i reless sens or net w o rks.  Internati ona l Jour nal of Intell ig en t systems and  app licati ons.  2 012; 4(7): 1.   [8]    Aderohunmu F A , Deng JD.  A n   enhanced St able Election P r otocol  (SEP) f o r clustered heterogeneous   WSN. Depart m ent of Informati on Sc ie nce, Un iversity of Otago , Ne w  Z eal an d. 2009.   0 200 400 600 800 1000 LEACH SEP S EP-FUZZY Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752    IJEECS  Vol.  2, No. 2, May 2016 :  380 –  389   389 [9]    Benkir ane  S,  Beni hssan e  A,  Hasn ao ui ML,  Lag hd ir M. Di stance-b a se d  stabl e  el ection  protoco l  (DB- SEP) for heterogeneous  w i r e less sens or net w ork . Intern ati ona l Journ a l o f  Comp uter Ap plicati ons .  201 2; 58(1 6 ).  [10]   Z adeh LA. Soft  computin g an d fuzz y  l ogic.  IEEE software .  199 4; 11(6): 48 .  [11]    Kulkar ni RV,  F ö rster A, Ve na ya gamo o rth y   GK. C o mpu t ationa l i n tell ig ence  in  w i re l e ss sens o r   net w o rks: a sur v e y .  Communications Surv ey s & Tutorials, IEEE.  2011; 13( 1): 68-96.   [12]    Runkl e r T A . Selecti on  of ap propri a te  defu zzifica tio n  met hods  usi ng  ap plicati on s pec ific pro perties .   IEEE Transactions on Fu z z y   System s . 19 97 ; 5(1):72-9.   [13]    Ye M, Li C, Ch en G, W u  J. EECS: an e nerg y  e ffici ent cl usterin g  schem e i n   w i re less s e n s or net w o rks .   InPerformanc e ,  Comp utin g,  and C o mmun i c ations C onfe r ence,  20 05. IPCCC 20 05.  24th IEEE  Internatio na l.  2005: 53 5-5 40.   [14]    Aslam N, Phil li ps W ,  Robertson W ,  Sivaku mar  S. A multi-criterion  optim iz atio n techni q ue for ener g y   efficient cluster  formation in  w i reless se nsor n e t w o r ks.  Informati on F u si on.  2011; 1 2 (3): 2 02-1 2 .  [15]    Mheme d  R, Aslam N, Phil lips  W ,  Comeau F .  An  ener g y  effic i ent fuzz y   lo gic  cluster formati on protoc ol   in  w i reless sensor net w o rks.  Proced ia Co mputer Scie nce .  201 2; 10: 255- 62.   Evaluation Warning : The document was created with Spire.PDF for Python.