KR100792142B1 - 무선 센서 네트워크에서의 센싱 데이터 검증방법 - Google Patents

Abstract

무선 센서 네트워크에서의 센싱 데이터의 검증방법이 제공된다. 본 발명에 따른 무선 센서 네트워크에서의 센싱 데이터의 검증방법은, 복수개의 센싱모듈을 구비하는 무선 센서 네트워크에서 상황인식의 정확도를 향상시키기 위해 센싱 데이터를 검증하는 방법에 있어서, 상기 복수개의 센싱모듈에서 어느 한 센싱모듈의 센싱 데이터가 일정 기간 동일한 값을 가지는 경우, 상기 센싱모듈과 이웃한 노드로 결함확인 메시지를 전송하여 상기 이웃한 노드로부터 응답이 있으면 상기 센싱모듈의 결함이 있음을 확인하는 적응적 센서결함 확인 단계; 상기 복수개의 센싱모듈에서 측정된 센싱 데이터를 수집하여 센싱 데이터의 평균과 표준편차를 구하고, 평균값에서 표준편차 범위를 벗어나는 센싱 데이터를 제거하는 측정오류 제거 단계; 및 상기 측정오류 제거 단계에서 제거된 센싱 데이터의 분포에 기반하여 남아있는 데이터에 가중치를 부여하여 상기 센싱 데이터를 정제하는 데이터 정제 단계를 포함한다.

무선 센서 네트워크, 센싱 데이터 검증, 센서 결함, 센싱 오류

Description

무선 센서 네트워크에서의 센싱 데이터 검증방법{Method of verifying sensing data in wireless sensor network}

도 1은 종래기술에 따른 데이터 수집방법을 나타내는 도.

도 2는 결함없는 센싱 데이터의 분포도를 나타내는 도.

도 3은 본 발명에 따른 센싱 데이터의 검증방법을 나타내는 흐름도.

도 4는 센싱 데이터 결함의 종류를 설명하기 위한 도.

도 5는 도 3의 적응적 센서결함 확인 단계를 상세히 나타내는 흐름도.

도 6은 센서결함 확률 변화 그래프를 나타내는 도.

도 7은 도 3의 측정오류 제거 단계를 상세히 나타내는 흐름도.

도 8은 도 7의 데이터 수집 단계를 설명하는 도.

도 9는 도 3의 데이터 정제 단계를 상세히 나타내는 흐름도.

도 10은 종래방법 및 본 발명의 방법에 따른 센서 노드들의 센싱 정확도를 비교하기 위한 도.

도 11은 종래방법 및 본 발명의 방법에 따른 센싱값의 정확도를 비교하기 위한 도.

도 12는 데이터 정제 단계에 따른 센싱값의 정확도를 나타내는 도.

도 13은 종래방법 및 본 발명의 방법에 따른 네트워크 부하를 비교하기 위한 도.

본 발명은 무선 센서 네트워크에 관한 것으로서, 보다 상세하게는 무선 센서 네트워크에서 센싱 데이터의 결함을 확인하고 제거하여 상황인식의 정확도를 향상시키기 위한 무선센서 네트워크에서의 센싱 데이터 검증방법에 관한 것이다.

도 1의 (a)는 무선 센서 네트워크가 등장하기 이전의 센서 퓨전 기술을 나타낸다. 이벤트(H)가 발생하면 각 센서(S_i)는 신호(s_i)로 감지하고 각 센서는 신호의 세기를 기준으로 이벤트의 발생 여부(u_i)를 결정한다. 각 노드의 발생 여부 결정 결과는 퓨전 센서(fusion sensor)에 모이게 되고, 퓨전 센서가 수집된 결과를 종합해 이벤트가 발생했는지 여부를 최종 결정(u₀)한다. 즉, 절반 이상의 센서가 이벤트를 감지할 경우, 실제 이벤트가 발생했다고 판단한다. 그러나 센서 퓨전 기법은 무선 센서 네트워크가 등장하기 이전에 연구된 기법으로 무선 센서 네트워크에 대한 고려가 이루어지지 않았다. 센서 네트워크가 등장한 이후 센서 퓨전 기법에 기반을 두고 센서의 신뢰성을 높이기 위한 기법들이 제안되었다.

도 1의 (b) 및 (c)는 센서 퓨전 이후의 센싱 신뢰도를 높이기 위한 방법을 나타내고 있다. 센서 노드가 센서 모듈을 통해 이벤트를 감지했을 때, 센서 노드는 감지한 데이터의 정확성 여부를 확인하기 위하여 이웃 노드의 센싱 정보를 수집하 고 대부분의 이웃 노드가 자신과 동일한 데이터를 감지했을 경우 자신의 결정이 옳다고 판단한다. 도 1의 (b)는 모든 이웃 노드의 결정을 수집하는 경우로서 센서 노드는 이웃 노드로부터 센싱 데이터를 수집하고 비교하여 자신의 데이터 신뢰도를 계산한다. 그리고 계산된 신뢰도가 기준값보다 클 경우 데이터가 정확하다고 판단한다. 도 1의 (c)는 모든 이웃 노드로부터 데이터를 수집해야하는 부하를 줄이기 위하여 이웃 노드 중 일부에게만 데이터를 수집하여 정확성 여부를 판단한다.

그러나 이러한 기존의 방법들은 에너지 소비, 전송 지연 등의 네트워크 특성을 고려하지 못하였으며, 다양하게 나타날 수 있는 센싱 결함의 형태를 모두 고려하지 못하였고, 이벤트 발생 여부의 정확성에 대한 신뢰성을 향상시키고자 했을 뿐 데이터 값의 정확성을 높이는 방법을 제시하지 못하였다. 그 예로서 도 1의 (b) 및 (c)의 경우, 센서 네트워크의 모든 노드에서 데이터 정확성을 검증해야하기 때문에 각 노드마다 이웃 노드의 정보를 수집해야한다. 이 경우 이웃 노드들은 데이터를 전송하기 위해 에너지를 소비해야 하며, 이웃 노드들로부터 데이터를 수집하기 위하여 많은 시간이 소비된다. 이러한 검증이 모든 노드에서 일어나기 때문에 실제로 사용자에게 데이터를 전달하기 위해서가 아니라 검증 자체를 위하여 많은 에너지 소비와 전송 지연이 발생하게 된다. 도 1의 (c)의 경우 이웃 노드 중 일부만 선택해서 어느 정도 통신 부하를 줄이고자 했으나, 여전히 모든 센서 노드들이 검증을 해야 하기 때문에 통신에 의한 에너지 소비와 전송 지연 시간 증가를 해결하지 못한다.

또한, 종래기술에 따른 방법들은 기준값을 기준으로 데이터의 정확성을 판단 하기 때문에 매우 낮거나 높은 데이터 오류가 발생할 경우에는 어느 한 쪽의 오류를 걸러내지 못하는 문제점을 지니고 있다.

본 발명이 이루고자 하는 기술적 과제는 무선 센서 네트워크에서 센싱 데이터의 결함을 센서 결함 및 센싱 데이터의 오류로 분류하여 센서의 결함을 확인하고 센싱 데이터의 오류를 제거하는 무선 센서 네트워크에서의 센싱 데이터의 검증방법을 제공하는데 있다.

상기 기술적 과제를 달성하기 위한 본 발명에 따른 무선 센서 네트워크에서의 센싱 데이터의 검증방법은, 복수개의 센싱모듈을 구비하는 무선 센서 네트워크에서 상황인식의 정확도를 향상시키기 위해 센싱 데이터를 검증하는 방법에 있어서, 상기 복수개의 센싱모듈에서 어느 한 센싱모듈의 센싱 데이터가 일정 기간 동일한 값을 가지는 경우, 상기 센싱모듈과 이웃한 노드로 결함확인 메시지를 전송하여 상기 이웃한 노드로부터 응답이 있으면 상기 센싱모듈의 결함이 있음을 확인하는 적응적 센서결함 확인 단계; 상기 복수개의 센싱모듈에서 측정된 센싱 데이터를 수집하여 센싱 데이터의 평균과 표준편차를 구하고, 평균값에서 표준편차 범위를 벗어나는 센싱 데이터를 제거하는 측정오류 제거 단계; 및 상기 측정오류 제거 단계에서 제거된 센싱 데이터의 분포에 기반하여 남아있는 데이터에 가중치를 부여하여 상기 센싱 데이터를 정제하는 데이터 정제 단계를 포함한다.

상기 센서결함 확인 단계는, 상기 센싱값이 동일하게 나온 횟수로써 상기 센 싱모듈의 센서결함확률

(여기서, P_{sensor _ fault , current}는 현재의 센서결함확률, P_{sensor _ fault , prev}는 이전의 센서결함확률, c는 센서결함확률곡선의 변화율, k는 동일한 센싱값이 나온 횟수)를 계산하는 단계; 상기 센서결함확률이 100%가 되면, 이웃노드에게 결함확인 메시지를 전송하는 단계; 및 상기 이웃노드 중 어느 한 노드로부터의 응답메시지를 수신하면, 상기 센싱모듈이 결함있다고 판단하는 단계를 포함한다.

상기 센서결함 확인 단계는, 상기 이웃노드로부터 어떠한 응답이 없는 경우, 상기 센서결함확률을 0%로 설정하고, 상기 변화율 c=c/2로 설정하는 단계를 더 포함한다.

상기 측정오류 제거 단계는, 하나의 센서노드를 중심으로 데이터 수집의 경로를 설정하는 단계; 상기 경로를 통하여 센싱 데이터를 수집하는 단계; 상기 센싱 데이터들의 평균과 표준편차를 구하는 단계; 및 상기 센싱 데이터들 중 평균과의 차이가 표준편차보다 큰 센싱 데이터를 제거하는 단계를 포함한다.

상기 데이터 정제단계는, 상기 측정오류 제거 단계에서 제거된 센싱 데이터가 남아있는 데이터에 비해 낮은 값을 가지는 경우, 상기 남아있는 데이터 중 높은 값을 가지는 센싱 데이터에 가중치를 부여하고, 상기 측정오류 제거 단계에서 제거된 센싱 데이터가 남아있는 데이터에 비해 높은 값을 가지는 경우, 상기 남아있는 데이터 중 낮은 값을 가지는 센싱 데이터에 가중치를 부여한다.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로서, 본 발명을 상세히 설명한다. 각 도면에 대하여, 동일한 참조부호는 동일한 부재임을 나타낸다.

본 발명에 대하여 상세히 기술하기 전에 센싱 데이터의 결함을 살펴보는 것은 본 발명을 이해하는 데 필수적이다. 도 2는 결함이 없는 경우의 센싱 데이터의 분포를 보여주고 있다. 도 2에서 센싱 데이터 값이 이벤트 발생지를 중심에서 멀어질수록 떨어지고 있음을 확인할 수 있다. 이것은 감지 세기가 이벤트로부터의 거리에 비례하여 떨어지기 때문이다. 예를 들어, 히터에 가까워질수록 온도가 높아지는 경우, 조도(lightness)가 거리에 지수적으로 비례하여 떨어지는 경우 등이 도 2와 같은 데이터 분포를 나타낸다.

도 3은 본 발명에 따른 센싱 데이터의 검증 방법을 흐름도로 도시한 것이다.

본 발명은 센싱 데이터의 결함을 센싱 모듈의 고장으로 센서 결함과 노드의 배치나 주위환경 변화에 의한 측정 오류로 분류하여 해결한다. 센싱 모듈의 고장으로 인한 센서 결함은 적응적 센서 결함 확인단계(S300 단계)로 해결하며, 측정 오류는 심각한 측정 오류와 근소 측정 오류로 분류하여 각각 측정 오류 제거단계(S310 단계)와 데이터 정제단계(S320 단계)로 해결한다.

도 4는 센싱 데이터 결함의 종류를 보여주고 있다. 도 4에서 센서 결함은 센싱 모듈의 고장이나 오류에 의한 것으로서, 이벤트의 발생이나 감지 환경의 변화와 관계없이 일정한 값으로 나타난다.

측정 오류는 센싱 모듈에는 이상이 없으나 노드의 위치나 감지 환경의 변화에 의해 잘못된 센싱 데이터가 나타나는 경우로서 참값의 최대치나 최소치를 벗어나는지 여부에 따라 심각한 측정 오류와 근소 측정 오류로 분류한다. 다음 표 1은 센서 결함, 심각한 측정 오류, 근소 측정 오류에 대한 설명과 각각을 해결하기 위한 발명 기법을 보여주고 있다.

적응적 센서결함 확인 단계(S300 단계)에서는, 복수개의 센싱모듈에서 어느 한 센싱모듈의 센싱 데이터가 일정 기간 동일한 값을 가지는 경우, 센싱모듈과 이웃한 노드로 결함확인 메시지를 전송하여 이웃한 노드로부터 응답이 있으면 센싱모듈의 결함이 있음을 확인한다.

센싱 모듈이 고장날 경우, 주위 환경의 변화나 이벤트의 발생 여부와 관계없이 센싱 모듈에서 생성하는 값은 일정하다. 따라서 센서 노드가 매우 오랫동안 동일한 센싱 값을 전송할 경우 해당 노드의 센싱 모듈은 센서 결함일 확률이 높다. 그러나 실제로 오랜 시간동안 이벤트가 발생하지 않거나 센싱 환경이 일정한 상태를 유지하는 경우일 수도 있기 때문에 "적응적 센서 결함 확인" 단계에서는 "자가 확인" 및 "이웃 노드 확인" 과정을 거친다. 이 과정들은 도 5를 참조하여 상세히 설명한다.

측정오류 제거 단계(S310 단계)에서는, 복수개의 센싱모듈에서 측정된 센싱 데이터를 수집하여 센싱 데이터의 평균과 표준편차를 구하고, 평균값에서 표준편차 범위를 벗어나는 센싱 데이터를 제거한다.

데이터가 헤더 노드로 모이면 데이터를 비교하여 측정 오류를 제거한다. 측정 오류를 제거하는 기본 원리는 센싱 데이터가 다른 센싱 데이터들과 많은 차이를 나타내면 오류라고 판단하여 제거하는 것이다. 이를 위해 발명 기법에서는 센싱값들의 평균과 표준편차를 이용한다.

데이터 정제 단계(S320 단계)에서는, 측정오류 제거 단계(S310 단계)에서 제거된 센싱 데이터의 분포에 기반하여 남아있는 데이터에 가중치를 부여하여 상기 센싱 데이터를 정제한다. 측정 오류 발생은 같은 원인을 공유할 가능성이 높다. 조도의 측정 오류는 사물에 의해 생긴 그늘에 의해 발생할 수 있으며 이때 여러 노드가 같은 원인에 의하여 측정 오류를 일으킨다고 볼 수 있다. 따라서 심각한 측정 오류로서 제거된 데이터가 남아있는 값에 비해 낮은 값들로 이루어져 있다면, 남아 있는 데이터 중에 포함된 근소 측정 오류도 정상적인 센싱 값에 비해 낮은 값을 가진다고 볼 수 있다. 따라서 이 경우 남아 있는 데이터 중 높은 값을 가지는 센싱 데이터에 높은 가중치를 부여함으로써 데이터의 정확도를 높일 수 있다.

도 5는 적응적 센싱결함 확인 단계를 상세히 나타내는 흐름도이다.

S500 단계 내지 S550 단계는 자가 확인 단계이다. 자가 확인 단계에서는, 센서 노드는 센싱 값이 동일하게 나온 횟수(k)를 저장하고, k값을 가지고 다음 수학식 1과 같이 센서 결함 확률(P_{sensor_fault})을 계산한다.

여기서, c는 센서 결함 확률곡선의 변화율이다.

동일한 센싱 값이 나오면 나올수록 센서 결함 확률은 더욱 높아지기 때문에 센서 결함 확률을 k값에 대하여 지수적으로 증가시킨다. 동일한 센싱값이 지속적으로 나와서 센서 결함 확률이 100%가 되면 이웃 노드 확인 단계로 들어간다.

S560 단계 내지 S590 단계는 이웃 노드 확인 단계이다. 이웃 노드 확인 단계에서는, 센서 노드는 결함 확인 메시지를 이웃 노드에게 전송한다. 이웃 노드 중 최근에 센싱 데이터 변화가 있는 노드는 결함 확인 메시지에 응답하게 되고, 응답하는 노드가 있는 경우 센서 노드는 이벤트의 발생에도 이벤트를 센싱하지 못한 것이기 때문에 데이터를 센서 결함으로 판단한다.

센싱모듈에서 센싱값을 추출하면(S500 단계), 센싱값이 이전에 센싱한 값과 동일한지 여부를 판정한다(S510 단계). 센싱값이 이전 센싱값과 동일하지 않으면, 센서결함확률(P)을 0%로 설정한다(S520 단계). 센서결함확률을 0%로 설정한 후, S500 단계로 진행한다.

S510 단계에서 센싱값이 이전 센싱값과 동일하면, k값을 1만큼 증가시키 고(S530 단계), 센서결함확률(P)을 계산한다(S540 단계). 센서결함확률(P)이 100%인지 여부를 판정한다(S550 단계). 센서결함확률(P)이 100%가 아니면, S500 단계로 진행한다.

센서결함확률(P)이 100%이면, 센서노드는 이웃노드들에게 결함확인 메시지를 전송한다(S560 단계).

센서노드는 이웃노드로부터 응답이 있는지 여부를 판정한다(S570 단계). 이웃노드로부터 응답 메시지를 수신하지 않으면, 센서노드는 결함판단에 오류가 있다고 확인한다(S580 단계). 통신 범위 내에 있는 노드의 센싱 모듈이 모두 고장이 날 확률은 매우 낮으므로, 이웃 노드로부터 응답이 없는 경우는 P_{sensor_fault}가 상승한 원인이 이벤트가 발생하지 않거나 감지 환경에 변화가 없는 것으로 판단하고 P_{sensor_fault}를 0으로 설정한다.

적응적 센서 결함 확인단계에서는 변화율 c에 따라 P_{sensor_fault}가 100%에 이르는 시간이 달라진다. 따라서 변화율 c값은 센서 결함을 판단하는데 매우 중요한 요소이다. c값이 작으면 센서 결함을 판단하기 위해 많은 시간이 걸리지만 정확성은 상승할 것이다. 반대로 c값이 크면 센서 결함을 빠르게 판단할 수 있으나 잘못된 판단할 확률이 높아진다. 따라서 S580 단계에서는 센서 결함을 잘못 판단했을 경우 c값을 조정하도록 한다. 예를 들어, 노드가 센서 결함을 판단한 후에 데이터 값의 변화를 감지하면, 센서 결함 판단이 잘못되었음을 알 수 있다. 이 경우 c = c / 2 로 재설정함으로써 성급한 결론으로 인한 오류를 바로잡을 수 있게 한다.

S570 단계에서 이웃노드들 중 어느 한 이웃노드로부터 응답 메시지가 있으면, 센서노드는 센서에 결함이 있다고 판단한다(S590 단계). 이웃 노드 중 P_{sensor_fault}가 50% 이하인 노드는 확인 메시지에 응답을 한다. 센서 노드가 응답 메시지를 수신하면 자신의 센싱 데이터를 센서 결함으로 판단한다.

도 5에 도시된 과정에 의해 수행되는 적응적 센서 결함 확인단계는 각 노드에서 수행되기 때문에 감지 환경과 센싱 모듈의 종류에 따라 적응적으로 동작한다.

도 6은 c = 0.0005일 경우의 센서 결함 확률의 변화 그래프를 나타낸다. 도 6에서, 센싱 횟수에 따라 0~150, 150~250, 250~450 세 구간으로 나누어 볼 수 있다. 첫 번째와 두 번째 구간은 이벤트가 발생하지 않았거나 감지 환경에 변화가 없는 상황을 나타낸다. 따라서 센서 결함 확률이 100%에 이르기 전에 0%로 떨어지고 있음을 볼 수 있다. 세 번째 구간은 센서 결함 확률이 100%에 이른 경우로서 센서 노드는 결함 확인 메시지를 이웃 노드들로 전송하게 된다. 확인 메시지에 대한 응답이 있는 경우는 자신의 데이터를 센서 결함으로 판단하고 데이터를 전송하지 않는다.

도 7은 도 3의 측정오류 제거 단계를 상세히 나타내는 흐름도이다.

우선, 이벤트 센싱값을 헤더로 수집한다(S700 단계). 측정 오류를 제거하기 위해서는 동일한 이벤트를 감지한 센서 노드들의 그룹을 형성하고 데이터를 한 노드로 모아야 한다. 그러나 데이터 검증을 위하여 그룹을 형성하고 하나의 노드를 선정하여 데이터를 수집하는 것은 통신 부하(에너지 소비, 통신 지연)를 발생시키 기 때문에, 본 발명의 실시예에서는 데이터를 최종 사용자에게 전달하는 과정에서 그룹을 형성하고 최종적으로 데이터가 모이는 노드에서 측정 오류를 제거한다.

도 8은 데이터를 하나의 노드로 수집하는 과정을 보여준다. 도 8의 (a)에 도시된 바와 같이, 이벤트가 발생하면 센싱 범위 내에 있는 센서 노드들이 이벤트를 감지한다. 이벤트를 감지한 노드들은 P_{sensor_fault}이 0으로 되면서 센싱 범위 밖의 노드들과 구분된다. 동일한 이벤트를 감지한 노드는 동일한 P_{sensor_fault} 값을 갖게 된다. 도 8의 (b)에 도시된 바와 같이, 이벤트를 센싱한 노드들 중 임의의 노드가 먼저 경로 설정 메시지를 전송한다. 도 8의 (c)에 도시된 바와 같이, 경로 설정 메시지를 받은 노드는 전송한 노드를 전송 경로로 설정하고 다시 경로 설정 메시지를 전송하고, 이 과정은 이벤트를 감지한 최외각 노드까지 반복된다. 도 8의 (d)에 도시된 바와 같이, 임의 노드가 경로 설정을 요청함으로 인해 여러 그룹이 생길 수 있기 때문에 그룹 간에 경로 설정 메시지가 발생하면 요청한 그룹으로 경로를 재설정한다. 경로 설정이 완료되면 하나의 노드가 동일한 이벤트를 감지한 노드의 헤더가 되고, 이 헤더 노드로 데이터가 수집된다. 이러한 최종 사용자에게 데이터를 전송하기 위한 경로 설정 과정에서 자연스럽게 동일한 이벤트를 감지한 노드들의 그룹이 형성되고 헤더 노드가 설정되기 때문에, 데이터 검증을 위한 통신 부하는 최소화된다. 또한 각 센서 노드가 데이터 검증을 위해 자신의 이웃 노드들과 통신을 하지 않는다는 점과 데이터 검증과 데이터 전송이 동시에 수행된다는 점에서 종래의 방법에 비하여 매우 효율적이다.

센싱 데이터들의 평균값(m)을 계산한다(S710 단계). 센싱 데이터들의 표준편차(σ)를 계산한다. 센싱 데이터와 평균간의 차이가 표준편차보가 큰지 여부를 판정한다. 즉 각각의 센싱 데이터가 다음 수학식 2를 만족하는지 여부를 판정한다(S730 단계).

여기서, x_i는 센싱 데이터를 나타내며, m은 센싱 데이터들의 평균, σ는 센싱 데이터들의 표준편차를 나타낸다.

센싱 데이터와 평균간의 차이가 표준편차보다 크면, 해당 센싱 데이터를 제거한다(S740 단계). 모든 센싱 데이터에 대해 비교를 완료했는지 여부를 판정한다(S750 단계). 모든 센싱 데이터에 대해 비교를 완료했으면, 남아있는 센싱 데이터로 일반 센싱 데이터를 계산한다(S760 단계).

여기서, X_correct는 정상적인 센싱 데이터의 집합이고 X_fault는 센싱 오류 제거를 이용해 제거된 센싱 데이터의 집합이다. X_correct의 평균값을 정확한 센싱 데이터(CorrectValue_normal)로 이용한다.

도 7에 도시된 과정에 의해 수행되는 측정 오류 제거단계에서는, 매우 간단하면서도 효율적으로 심각한 측정 오류를 제거할 수 있다. 센서 네트워크를 구성하는 센서노드는 처리 능력이 매우 낮으므로 큰 처리 부하가 발생하는 인공지능 방법보다 본 발명의 실시예가 센서 네트워크에 적합하면서 효율적이다.

도 9는 도 3의 데이터 정제단계를 상세히 나타내는 흐름도이다.

측정오류확률(p_error)을 계산한다(S900 단계). 측정오류확률(p_error)는 적응적 센서 결함 확인단계 이후에 수집된 데이터 중에서 심각한 측정 오류가 차지하는 비율을 나타낸다. 측정오류확률은 다음 수학식 4에 의해 구해진다.

여기서, X_fault는 센싱 오류 제거단계에서 제거된 센싱 데이터의 집합이고, X_correct는 센싱 오류 제거단계에서 제거되지 않은 정상적인 센싱 데이터의 집합이다.

센싱 오류 제거단계에서 제거된 센싱 데이터 중에서 일반 센싱 데이터(CorrectValue_normal)보다 큰 값들의 개수(N_big) 및 일반 센싱 데이터보다 작은 값들의 개수(N_small)를 계산한다(S910 단계).

S920 단계에서 N_big이 N_small보다 크면, 즉 X_fault에 CorrectValue_normal보다 큰 값이 많으면 X_correct에 있는 데이터 중 낮은 값을 가지는 데이터가 정확하다고 판단하고 낮은 부분에 가중치를 부여한다(S930 단계). 이 때, 낮은 값을 가지는 데이터가 정확한 센싱 데이터에 가까우므로, 정확한 센싱 데이터에 더욱 가까운 값을 얻기 위해서는 값을 낮출 필요가 있다. 따라서, RF_low를 1로 하고, RF_high를 1-p로 한다. 여기서, RF_low는 낮은 값을 가지는 데이터에 적용되는 수정인자(refined factor), RF_high는 높은 값을 가지는 데이터에 적용되는 수정인자이다.

S920 단계에서 N_big이 N_small보다 크지 않으면, 즉 X _fault 에 CorrectValue _normal 보다 큰 값이 많지 않으면 X _correct 에 있는 데이터 중 높은 값을 가지는 데이터가 정확하다고 판단하고 높은 부분에 가중치를 부여한다(S940 단계). 이 때, 높은 값을 가지는 데이터가 정확한 센싱 데이터에 가까우므로, 정확한 센싱 데이터에 더욱 가까운 값을 얻기 위해서는 값을 높일 필요가 있다. 따라서, RF_low를 1+p로 하고, RF_high를 1로 한다.

S930 단계 및 S940 단계를 정리하면 수학식 5와 같다.

S930 단계 및 S940 단계에 의해 얻은 가중치를 이용하여 최종적으로 정제된 센싱 데이터를 계산한다(S950 단계). 정제된 센싱 데이터는 다음 수학식 6을 이용하여 계산된다.

도 10은 센싱 데이터 결함률의 변화에 따른 센서 노드들의 센싱 정확성을 나타낸다. 기존 기법의 경우 센싱 데이터 결함률이 증가하는 만큼 정확한 센싱을 하는 센서 노드의 비율이 떨어지고 있음을 확인할 수 있다. 그에 반해, 자가 진단을 통한 적응적 센서 결함 확인 기법을 적용하였을 경우, 센서 노드의 센싱 정확성이 증가함을 볼 수 있고, 측정 오류까지 제거했을 경우, 센싱 정확성이 매우 높아짐을 확인할 수 있다. 센싱 데이터 결함률이 60%일 경우, 기존 기법의 경우 센싱 정확도가 44%로서, 이 경우 센싱 값 정확도는 도 11에서와 같이 0%가 된다. 이는 과반수 이상의 센서 노드(56%)가 잘못된 센싱을 했기 때문에, 어떤 센싱 값이 정확한 값인지 구분하지 못하기 때문에 발생한다. 그에 반해 적응적 센서 결함 확인 기법은 60%의 센싱 데이터 결함률에서 55%의 센서 노드가 정확한 센싱을 했으며, 그에 따라 센싱 값의 정확도가 40%까지 증가하였다. 그러나 적응적 센서 결함 확인 기법을 적용했을 때에도 센싱 값의 정확도는 40%에 불과해 사용자 입장에서는 매우 낮은 편이다. 측정 오류 제거 기법을 적용한 경우는 센싱 정확도가 73%까지 증가하였고, 그 결과 센싱 값의 정확도 또한 84%까지 증가하였음을 도 11에서 확인할 수 있다.

도 11에서 보는 바와 같이, 센싱 데이터 결함률이 50%일때, 기존 기법의 센싱 값의 정확도는 15%이다. 그에 반해 적응적 센서 결함 확인 기법을 적용했을 경우 센싱 값의 정확도는 55%로 향상된다. 특히, 측정 오류 제거를 하였을 경우, 센 싱 데이터 결함률이 70%일 경우에도 센싱 값의 정확도는 80% 이상으로 나타나고 있다.

도 12는 데이터 정제 기법의 성능을 보여주고 있다. 에러가 없는 데이터에 가중치를 줌으로써, 본 발명에 따른 방법은 측정 오류 제거 기법을 이용한 정확도 향상치보다 더욱 개선된 정확도를 나타낸다.

도 13은 본 발명에 따른 방법을 센서 네트워크에 적용하였을 때의 네트워크 부하를 종래방법과 비교한 것이다. 도 13의 (a),(b),(c)는 에너지 소비 측면에서의 부하를 나타낸 것이고, 도 13의 (d),(e),(f)는 전송 지연 측면에서의 부하를 나타낸다. 도 13의 (a)는 이웃 노드 수의 변화에 따른 에너지 소비률을 나타낸다. 기존 기법은 모든 이웃 노드로부터 데이터를 수진해야 함으로, 노드 당 에너지 소비률을 이웃 노드 수의 증가와 비례하여 늘어난다. 그에 비해 본 발명에 따른 방법은 이웃 노드의 수와 관계없이 일정한 에너지 소비률을 보이고 있다. 도 13의 (b)는 동일한 이벤트를 감지한 노드의 수의 변화에 따른 에너지 소비률을 보여주고 있다. 감지한 노드의 수가 증가할수록 기존 기법과 발명 기법이 모두 에너지 소비가 증가하고 있으나, 발명 기법의 에너지 소비가 훨씬 적음을 알 수 있다. 도 13의 (c)는 이벤트 그룹 노드의 증가와 그에 따른 이웃 노드 수의 증가를 동시에 측정한 것으로, 본 발명에 따른 방법의 에너지 소비가 적음을 확인할 수 있다. 도 13의 (d),(e),(f)는 에너지 소비 측정과 동일한 조건에서 전송 지연 시간을 측정한 것으로, 에너지 소비와 마찬가지로 본 발명에 따른 방법의 성능이 우수함을 보여준다.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

이상 본 발명의 바람직한 실시예에 대해 상세히 기술하였지만, 본 발명이 속하는 기술분야에 있어서 통상의 지식을 가진 사람이라면, 첨부된 청구범위에 정의된 본 발명의 정신 및 범위에 벗어나지 않으면서 본 발명을 여러 가지로 변형 또는 변경하여 실시할 수 있음을 알 수 있을 것이다. 따라서, 본 발명의 앞으로의 실시예들의 변경은 본 발명의 기술을 벗어날 수 없을 것이다.

본 발명에 따르면, 적응적 센서 결함 확인, 측정 오류 제거, 데이터 정제를 통하여 센서 네트워크의 데이터 정확성을 높여 신뢰도를 향상시킬 수 있으며, 이와 동시에 정확성을 높이기 위해 필요한 네트워크 부하를 최소화시켜 네트워크의 활용도를 극대화시킬 수 있다.

Claims (6)

1. 복수개의 센싱모듈을 구비하는 무선 센서 네트워크에서 상황인식의 정확도를 향상시키기 위해 센싱 데이터를 검증하는 방법에 있어서,

   상기 복수개의 센싱모듈에서 어느 한 센싱모듈의 센싱 데이터가 일정 기간 동일한 값을 가지는 경우, 상기 센싱모듈과 이웃한 노드로 결함확인 메시지를 전송하여 상기 이웃한 노드로부터 응답이 있으면 상기 센싱모듈의 결함이 있음을 확인하는 적응적 센서결함 확인 단계;

   상기 복수개의 센싱모듈에서 측정된 센싱 데이터를 수집하여 센싱 데이터의 평균과 표준편차를 구하고, 평균값에서 표준편차 범위를 벗어나는 센싱 데이터를 제거하는 측정오류 제거 단계; 및

   상기 측정오류 제거 단계에서 제거된 센싱 데이터의 분포에 기반하여 남아있는 데이터에 가중치를 부여하여 상기 센싱 데이터를 정제하는 데이터 정제 단계를 포함하는 것을 특징으로 하는 무선 센서 네트워크에서 센싱 데이터의 검증 방법.
2. 제1항에 있어서, 상기 센서결함 확인 단계는,

   상기 센싱값이 동일하게 나온 횟수로써 상기 센싱모듈의 센서결함확률

   

   (여기서, P_{sensor _ fault , current}는 현재의 센서결함확률, P_{sensor _ fault , prev}는 이전의 센서결함확률, c는 센서결함확률곡선의 변화율, k는 동일한 센싱값이 나온 횟수)를 계산하는 단계;

   상기 센서결함확률이 100%가 되면, 이웃노드에게 결함확인 메시지를 전송하는 단계; 및

   상기 이웃노드 중 어느 한 노드로부터의 응답메시지를 수신하면, 상기 센싱모듈이 결함있다고 판단하는 단계를 포함하는 것을 특징으로 하는 무선 센서 네트워크에서 센싱 데이터의 검증 방법.
3. 제2항에 있어서, 상기 센서결함 확인 단계는,

   상기 이웃노드로부터 어떠한 응답이 없는 경우, 상기 센서결함확률을 0%로 설정하고, 상기 변화율 c=c/2로 설정하는 단계를 더 포함하는 것을 특징으로 하는 무선 센서 네트워크에서 센싱 데이터의 검증 방법.
4. 제1항에 있어서, 상기 측정오류 제거 단계는,

   하나의 센서노드를 중심으로 데이터 수집의 경로를 설정하는 단계;

   상기 경로를 통하여 센싱 데이터를 수집하는 단계;

   상기 센싱 데이터들의 평균과 표준편차를 구하는 단계; 및

   상기 센싱 데이터들 중 평균과의 차이가 표준편차보다 큰 센싱 데이터를 제거하는 단계를 포함하는 것을 특징으로 하는 무선 센서 네트워크에서 센싱 데이터의 검증 방법.
5. 제1항에 있어서, 상기 데이터 정제단계는,

   상기 측정오류 제거 단계에서 제거된 센싱 데이터가 남아있는 데이터에 비해 낮은 값을 가지는 경우, 상기 남아있는 데이터 중 높은 값을 가지는 센싱 데이터에 가중치를 부여하고, 상기 측정오류 제거 단계에서 제거된 센싱 데이터가 남아있는 데이터에 비해 높은 값을 가지는 경우, 상기 남아있는 데이터 중 낮은 값을 가지는 센싱 데이터에 가중치를 부여하는 것을 특징으로 하는 무선 센서 네트워크에서 센싱 데이터의 검증 방법.
6. 제1항 내지 제5항 중 어느 한 항에 기재된 무선 센서 네트워크에서 센싱 데이터의 검증 방법을 컴퓨터에서 실행할 수 있는 프로그램을 기록한 컴퓨터가 읽을 수 있는 기록매체.

Images