KR101001559B1 - 무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법 - Google Patents

무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법 Download PDF

Info

Publication number
KR101001559B1
KR101001559B1 KR1020080099340A KR20080099340A KR101001559B1 KR 101001559 B1 KR101001559 B1 KR 101001559B1 KR 1020080099340 A KR1020080099340 A KR 1020080099340A KR 20080099340 A KR20080099340 A KR 20080099340A KR 101001559 B1 KR101001559 B1 KR 101001559B1
Authority
KR
South Korea
Prior art keywords
node
beckon
target
cluster
sensor
Prior art date
Application number
KR1020080099340A
Other languages
English (en)
Other versions
KR20100040214A (ko
Inventor
박상준
고영배
정우성
Original Assignee
아주대학교산학협력단
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아주대학교산학협력단, 한국전자통신연구원 filed Critical 아주대학교산학협력단
Priority to KR1020080099340A priority Critical patent/KR101001559B1/ko
Priority to US12/425,914 priority patent/US8305930B2/en
Publication of KR20100040214A publication Critical patent/KR20100040214A/ko
Application granted granted Critical
Publication of KR101001559B1 publication Critical patent/KR101001559B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0288—Attachment of child unit to child/article
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Child & Adolescent Psychology (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 다중 표적을 효율적으로 추적할 수 있는 센서 네트워크 구조, 데이터 통합 방법 및 클러스터링 방법에 관한 것이다.
본 발명은 이질적으로 이루어진 센서 네트워크에서, 효율적으로 다중 표적을 추적할 수 있도록 기존 클러스터링 방식을 결합 및 상황에 따라 적응적으로 변화시키는 방법을 제공한다.
본 발명에 의해 센서 네트워크에서 에너지 소모 문제를 완화할 수 있으며, 데이터 전송량을 줄임으로써 데이터 전송 지연의 문제나 데이터 트래픽 문제를 해결할 수 있는 방법을 제공한다.

Description

무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드 클러스터링 기반 데이터 통합 방법{Hybrid clustering based data aggregation method for multi-target tracking in the wireless sensor network}
본 발명은 센서 네트워크에서의 데이터 통합 기술(Data Aggregation)에 관한 것으로, 보다 상세하게는, 다중 표적을 효율적으로 추적할 수 있는 센서 네트워크 구조, 데이터 통합 방법 및 클러스터링 방법에 관한 것이다.
본 발명은 정보통신부 및 정보통신연구진흥원의 개발사업의 일환으로 수행한 감시정찰 센서네트워크 개발 연구로부터 도출된 것이다.
무선 센서 네트워크란 임의로 배치된 센서들을 통해 감지된 물리적 현상이나 특정 사물에 관한 데이터를 무선 멀티홉 통신을 통해 수집함으로써 유용한 정보를 얻어낼 수 있는 네트워크이다.
일반적으로 센서 네트워크에서의 센서는 대상 지역에 무작위로 배치되고, 감지된 데이터는 패킷화되어 일종의 수집 노드인 싱크 노드(sink node)로 무선을 통해 전송된다는 특징이 있다. 센서 노드들은 대개 인간이 쉽게 접근할 수 없는 위험 지역이나 자연에 배치되므로 에너지를 무한적으로 공급받을 수 없어 에너지 고갈 문제가 심각하고, 이를 해결하기 위해 많은 연구가 진행되고 있다.
무선 센서 네트워크에서의 표적 추적 기술은 이 분야의 응용 기술로써 표적(동물, 군인, 차량, 독가스 등)의 위치 및 행동을 감지하여 감시 및 추적하는데에 의미를 두고 있다. 하지만 표적의 이동성 및 크기 또는 양의 변화 등 여러 특징 때문에 일반적인 센서 네트워크를 위한 네트워크 계층 및 MAC 계층 기술의 사용이 어렵다. 이동하는 표적에 의해 생성되는 초과 데이터 및 적절한 슬립 스케쥴이 기존의 센서 네트워크를 위한 프로토콜로는 효과적으로 제어할 수 없기 때문이다.
본 발명은 이질적(Heterogeneous)으로 이루어진 센서 네트워크에서, 효율적으로 다중 표적을 추적할 수 있는 기술을 제공하고, 기존 클러스터링 방식 기반 데이터 통합 기법을 결합 및 상황에 따라 적응적으로 변화시키는 방법을 제공한다.
본 발명은 센서 네트워크에서 에너지 소모 문제를 완화할 수 있으며, 데이터 전송량을 줄임으로써 데이터 전송 지연의 문제나 데이터 트래픽 문제를 해결할 수 있는 방법을 제공한다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 다중 표적 추적을 위한 센서 네트워크는, 전체 네트워크에 랜덤하게 배치되어 표적을 감지하는 센서 노드; 및 전체 네트워크를 구성하는 다수의 벡본 네트워크 중 하나를 커버하고, 해당 벡본 네트워크 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드;를 포함할 수 있다.
본 발명의 다중 표적 추적을 위한 센서 네트워크의 클러스터링 기반 데이터 통합 방법은, 벡본 네트워크 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드까지의 홉 수를 기초로 상기 벡본 네트워크 내 해당 클러스터의 클러스터 헤드를 선택하는 단계; 및 상기 클러스터 헤드가 클러스터를 구성하는 센서 노드들의 표적 감지 정보를 통합하여 상기 벡본 노드로 전송하도록 클러스터 헤드로 표적 감지 정보를 전송하는 단계;를 포함할 수 있다.
본 발명의 다중 표적 추적을 위한 센서 네트워크의 클러스터링 기반 데이터 통합 방법은, 벡본 네트워크 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드까지의 홉 수를 기초로 데이터 통합 방식을 결정하는 단계; 및 상기 결정된 데이터 통합 방식에 따라, 상기 벡본 네트워크 내에서 타 센서 노드들과 형성된 클러스터의 클러스터 헤드를 통해 벡본 노드로 표적 감지 정보를 전송하는 단계;를 포함할 수 있다.
본 발명의 다중 표적 추적을 위한 센서 네트워크의 클러스터링 기반 데이터 통합 방법은, 벡본 네트워크 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드가 수신 트래픽을 체크하는 단계; 및 상기 수신 트래픽을 기초로 벡본 네트워크 내 센서 노드들의 데이터 통합 방식을 변경시키는 제어 메시지를 네트워크 플러딩하는 단계;를 포함할 수 있다.
본 발명의 다중 표적 추적을 위한 센서 네트워크의 클러스터링 방법은, 벡본 네트워크 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드까지의 홉 수가 기 설정된 제1 기준 값 이상인 센서 노드들이 감지한 동일 표적에 대해 일시적으로 클러스터를 구성하고, 클러스터 내 센서 노드들 중 선택된 클러스터 헤드가 표적 감지 정보를 통합하는 동적 클러스터링 단계; 및 상기 벡본 노드까지의 홉 수가 상기 제1 기준 값보다 작고 기 설정된 제2 기준 값보다 큰 센서 노드 들이 미리 구성된 해당 클러스터의 클러스터 헤드로 표적 감지 정보를 전송하고, 클러스터 헤드가 표적 감지 정보를 통합하는 정적 클러스터링 단계;를 포함할 수 있다.
본 발명의 다중 표적 추적을 위한 센서 네트워크의 클러스터링 방법은, 벡본 네트워크 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드의 수신 트래픽이 기 설정된 경계값을 초과하면, 상기 벡본 노드의 제어에 의해, 각 센서 노드가 미리 결정된 클러스터의 클러스터 헤드로 표적 감지 정보를 전송하고, 클러스터 헤드가 표적 감지 정보를 통합하여 벡본 노드로 전송하는 정적 클러스터링 방식으로 변경되는 단계; 및 수신 트래픽이 상기 경계값 미만이 되면, 상기 벡본 노드의 제어에 의해, 표적을 감지한 센서 노드들 간에 일시적으로 클러스터를 구성하고, 클러스터 내 센서 노드들 중 선택된 클러스터 헤드가 표적 감지 정보를 통합하여 벡본 노드로 전송하는 동적 클러스터링 방식으로 변경되는 단계;를 포함할 수 있다.
상기의 기술적 과제를 달성하기 위한 본 발명은 다중 표적 추적을 위한 센서 네트워크의 클러스터링 방법 및 클러스터링 기반 데이터 통합 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
본 발명은 다중 표적에 대한 감지 정보를 여러 벡본 노드를 사용하여 싱크 노드로 전송함으로써 작업량을 노드 간 분산시킬 수 있는 효과가 발생한다.
또한 벡본 네트워크를 사용하기 때문에 일반적 센서 네트워크보다 고속으로 데이터를 싱크 노드로 보낼 수 있게 되어 네트워크 속도의 향상을 기대할 수 있다.
그리고 하나의 벡본 네트워크가 담당하고 있는 센서 노드들 간에서도 클러스터링 방식을 사용한 결합 데이터 통합과 적응적 데이터 통합 기술 중 하나를 사용하게 되므로 각각 센서의 에너지 소모를 줄일 수 있고, 데이터 패킷의 감소로 인해 데이터 전송 지연과 전체 데이터 트래픽이 감소되며, 그 결과 네트워크의 수명이 길어지게 된다.
이하 본 발명의 바람직한 실시예가 첨부된 도면들을 참조하여 설명될 것이다. 도면들 중 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 참조번호들 및 부호들로 나타내고 있음에 유의해야 한다. 하기에서 본 발명을 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 발명은 데이터 통합을 위한 기존 토폴로지 제어 방식과 표적 추적을 위한 기존 알고리즘들을 분석하고, 계층적인 구조로 이루어진 무선 센서 네트워크에서 다중 표적을 효율적으로 추적할 수 있는 기법을 제공하고, 효과적인 데이터 통합 기술을 위한 클러스터링 기법을 제시한다.
본 발명은 첫째, 다중 표적을 추적하는 데에 적합한 토폴로지 및 네트워크 구조, 둘째, 클러스터링 기반 데이터 통합 방식들을 결합한 하이브리드 클러스터링 기반 데이터 통합 기술, 셋째, 클러스터링 방식들을 상황에 맞추어 적응적으로 선택할 수 있는 데이터 통합 기술에 대한 내용을 포함한다. 데이터 통합 기술은 여러 개의 반복된 데이터를 하나로 모아 싱크 노드로 전송함으로써 에너지 소모, 데이터 전송 지연 및 트래픽을 감소시킬 수 있는 기술이다.
도 1은 본 발명의 일 실시예에 따른 효율적인 다중 표적 추적을 위한 이질적 센서 네트워크의 구조를 예시한 도면이다.
도 1을 참조하면, 본 발명의 센서 네트워크는 센서 노드(101), 벡본 노드(103) 및 싱크 노드(105)를 포함한다.
센서 노드(101)는 일반적으로 대상(표적) 또는 이벤트를 감지하고 감지 정보를 싱크 노드(105)로 전송하는 노드로서, 저전력 및 저속 안테나 등의 특징이 있으며, 전력이 쉽게 고갈할 수 있다. 감지 정보는 표적의 이동, 속도, 온도 등 다양한 정보를 포함할 수 있다. 센서 노드(101)는 무작위로 배치되고, IEEE 802.15.4나 S-MAC과 같은 저효율의 저속 프로토콜을 사용한다. 센서 노드(101)는 벡본 노드(103)로부터의 홉 수를 기초로, 벡본 네트워크 내에 구성된 해당 클러스터의 클러스터 헤드로 데이터 통합을 위해 표적 감지 정보를 전송한다.
벡본(Backbone) 노드(103)는 센서 노드(101) 및 싱크 노드(105)와 메쉬 형태로 연결되어 센서 노드의 정보를 통합하여 싱크 노드(105)로 전송할 수 있는 노드 로서, 센서 노드보다 성능이 뛰어나 좀 더 많은 일을 수행할 수 있다. 벡본 노드(103)들은 전체 네트워크를 포함할 수 있도록 균등하게 배치되어, 각 벡본 노드는 전체 네트워크를 구성하는 다수의 벡본 네트워크 중 하나를 커버하고, 해당 벡본 네트워크 내 센서 노드(101)로부터의 표적 감지 정보를 싱크 노드(105)로 중계한다. 벡본 노드(103)는 타 벡본 노드 및 싱크 노드와의 통신을 위해 802.11과 같은 고효율의 고속 프로토콜을 사용함과 동시에 일반 센서 노드와의 통신을 위해 저효율의 저속 프로토콜을 사용하여 센서 노드로부터 데이터를 받는다. 벡본 노드(103)는 수신 트래픽을 기초로 벡본 네트워크 내 센서 노드들의 표적 감지 정보 통합 방식을 동적으로 변경한다.
싱크 노드(105)는 네트워크 내 센서 노드(101)들의 표적 감지 정보를 수집하는 노드로서, 수집 및 통합 데이터를 인터넷 등의 외부 네트워크를 통하여 사용자에게 제공한다.
일반적인 단일적 센서 네트워크에서는 다중 표적을 추적할 때 발생하는 여러 데이터 트래픽을 하나의 싱크 노드가 모두 처리해야 하는 단점이 발생한다. 그 결과, 표적 감지 후 생성되는 데이터 전송 경로가 다른 경로들과 겹치게 될 수 있는 확률이 높아져 데이터 전송 지연이 길어지게 되고, 성공적으로 데이터 전송이 이루어질 확률이 감소하게 된다. 심지어 단일적 센서 네트워크에서는 에너지 소모를 줄이기 위해 저효율, 저속 프로토콜만을 사용하게 되는데, 이 경우 센서 노드로부터 싱크 노드까지의 데이터 전송 속도가 상대적으로 느려지게 된다.
상기의 문제들을 해결하기 위해 본 발명은 도 1과 같은 이질적 센서 네트워 크 구조를 적용한다. 이러한 네트워크의 구축으로 인해 네트워크 여러 지역에서 다중 표적이 발생하더라도 표적 감지로 인해 발생하는 데이터를 나누어 처리할 수 있고, 데이터 통합이 되어 있는 적은 데이터를 빠른 속도로 싱크 노드로 전송할 수 있게 된다.
먼저 싱크 노드, 벡본 노드 및 센서 노드에 의한 네트워크 구조가 네트워크 초기화 단계에서 생성된다. 싱크 노드 및 벡본 노드에 의한 네트워크로의 제어 메시지 플러딩에 의해 수행된다. 각 센서 노드는 싱크 노드 및 벡본 노드로부터의 홉 수(홉 카운트)를 알게 되고, 벡본 노드를 통해 싱크 노드로 모든 데이터를 전송한다. 네트워크가 구성되면 LEACH 등 다양한 프로토콜에 의해 모든 센서 노드들 간에 클러스터가 구성되고, 임의의 정적 클러스터 헤드가 선택된다. 클러스터와 클러스터 헤드는 특정 노드가 에너지 고갈되는 것을 방지하기 위해 주기적으로 변경되도록 설정될 수 있다.
본 발명의 이질적 센서 네트워크는 계층적인 네트워크 구조로서 정적 클러스터링 및 동적 클러스터링을 결합하여 데이터를 통합(aggregation)한다. 본 발명은 데이터 통합 방법으로서 정적 클러스터링 기반 데이터 통합 방식과 동적 클러스터링 기반 데이터 통합 방식을 결합하는 결합(combined) 클러스터링 데이터 통합 방법 및 적응적(adaptive) 클러스터링 데이터 통합 방법을 포함한다.
도 2는 본 발명의 일 실시예에 따른 정적 클러스터링 기반 데이터 통합 방식을 설명하는 도면이다.
본 발명의 정적 클러스터링 기반 데이터 통합 기술은 네트워크에 미리 생성 된 정적 클러스터를 사용하는 방식이다. 클러스터를 구성하는 센서 노드들을 클러스터 노드라고 하고, 이 중에서 클러스터의 스케쥴링을 제어하고 클러스터 노드들의 데이터를 통합하는 노드가 클러스터 헤드이다.
정적 클러스터링 기반 데이터 통합 기술은 표적을 감지한 노드들이 주변에 있는 미리 정해진 클러스터 헤드로 모든 데이터를 전송하게 되고, 클러스터 헤드는 이 정보를 통합한 후, 통합 데이터를 벡본 노드를 통해 싱크 노드로 전송한다. 정적 클러스터링을 사용하게 되면, 사전에 구축한 클러스터를 사용하여 데이터 통합이 이루어지기 때문에 추가로 클러스터를 구축하는 지연 시간이 존재하지 않아 비교적 빠른 속도로 데이터를 전송할 수 있다.
표적을 감지한 각 센서 노드는 자신을 클러스터 노드로 삼고 있는 클러스터 헤드에게로 데이터를 전송하고, 클러스터 헤드는 네트워크에서 정해진 특정 경로로 통하여 데이터를 벡본 노드를 통해 싱크 노드로 전송하게 된다.
도 3은 본 발명의 일 실시예에 따른 동적 클러스터링 기반 데이터 통합 방식을 설명하는 도면이다.
동적 클러스터링 기반 데이터 통합 기술은 표적이 감지된 주변의 센서 노드들을 사용하여 데이터를 통합하는 방식이다. 표적을 감지한 노드들이 일시적으로 클러스터를 형성하고, 표적이 이동하거나 이벤트가 종료되면 클러스터는 해제된다. 클러스터 노드들 중 하나가 클러스터 헤드로 선출되고, 클러스터 헤드는 수신한 데이터를 통합하여 벡본 노드를 통해 싱크 노드로 전송한다. 이 방식은 데이터 통합이 항상 표적 근처에서 발생하여 완벽한 데이터 통합이 이루어질 수 있으며, 벡본 노드 또는 싱크 노드로부터 멀리 떨어진 표적의 감지에 유리하다.
클러스터 노드들 중 표적 또는 이벤트에 가장 가까운 노드 또는 에너지가 가장 큰 노드가 클러스터 헤드로 선출될 수 있으며, 다른 다양한 방법이 클러스터 헤드 선출에 적용될 수 있음은 물론이다.
도 4는 본 발명의 일 실시예에 따른 결합 클러스터링 기반 데이터 통합 방법을 보여주는 도면이다.
결합 클러스터링 기반 데이터 통합 방법(이하 '결합 데이터 통합 방법'이라 함)은 정적 클러스터링 기반 데이터 통합 방식(이하 '정적 클러스터링 방식'이라 함)과 동적 클러스터링 기반 데이터 통합 방식(이하 '동적 클러스터링 방식'이라 함)이 동시에 존재하며, 네트워크 상태에 따라 각 클러스터링 방식의 적용 범위가 변경된다.
하나의 벡본 노드가 담당하는 센서 지역(벡본 네트워크)에서 표적이 감지되었을 때에, 센서 노드들은 데이터를 곧바로 벡본 노드로 전송할 수 있지만, 이 경우 센서 노드들 간의 데이터 통합이 되지 않아 문제가 발생하게 된다. 이러한 문제점을 해결하기 위해 센서들 간에 결합 클러스터링을 사용한 데이터 통합 기술을 제안한다.
네트워크 및 정적 클러스터가 구성된 후, 각 센서 노드는 α값과 β값을 사용하여 어떤 타입의 데이터 통합 방식을 선택할 것인지 결정한다. α값은 정적 클러스터링 방식의 시작을 위한 기준 값을 나타낸다. β값은 동적 클러스터링 방식의 시작을 위한 기준 값을 나타낸다.
각각 센서 노드들은 사용자가 지정한 α값과 β값을 통해 자신이 실행해야 할 데이터 통합 기술을 선택할 수 있다. α값과 β값은 벡본 노드까지의 센서의 홉 수(홉 카운트)에 의해 설정될 수 있으며, 네트워크 상태에 따라 유연하게 설정될 수 있다. 큰 정적 클러스터 영역(높은 β값)은 네트워크에 표적이 다수 존재할 때 효과적이고, 큰 동적 클러스터 영역(낮은 β값)은 표적 수가 적을 때 효과적이다.
α값보다 작은 수를 가진 센서 노드들은 벡본 노드와의 거리가 가깝기 때문에 특별한 데이터 통합 기술을 사용하지 않고 곧바로 데이터를 벡본 노드로 전송하게 된다.
α값과 β값 사이의 홉 수를 가진 노드들은 정적 클러스터링 방식을 선택하여 미리 정해져 있는 클러스터 헤드에게 데이터를 보내게 되고, 클러스터 헤드는 데이터 통합을 한 후에 벡본 노드에게 전송하게 된다.
β값보다 큰 홉 수를 가진 센서 노드들은 동적 클러스터링 방식을 사용하여 표적을 감지한 노드들 간에 일시적으로 클러스터를 생성하여 데이터 통합을 실행한다.
도 4를 참조하면, α값과 β값은 각각 1과 3으로 설정되어 있다. β값 이상의 동적 클러스터 영역에 있는 표적을 감지한 노드는 동적 클러스터링 방식을 사용하여 표적 감지 정보를 통합 전송하고, α값과 β값 사이의 정적 클러스터 영역에 있는 표적을 감지한 노드들은 정적 클러스터링 방식을 사용하여 표적 감지 정보를 통합 전송한다.
도 5 및 도 6a 내지 도 6d는 본 발명의 일 실시예에 따른 적응적 클러스터링 기반 데이터 통합 방법을 설명하는 도면이다.
적응적 클러스터링 기반 데이터 통합 방법(이하 '적응적 데이터 통합 방법'이라 함)은 전술된 정적 클러스터링 방식과 동적 클러스터링 방식 중 하나가 네트워크 상황, 즉 네트워크의 현재 데이터 트래픽에 따라 해당 벡본 네트워크 전체에 대해 선택 적용된다.
하나의 벡본 노드가 담당하는 지역에서도 표적의 빠른 움직임이나 다중 표적이 감지될 수 있기 때문에 많은 량의 데이터가 발생할 수 있게 된다. 그렇기 때문에 벡본 노드는 데이터 양에 따라서 정적 클러스터링 방식이나 동적 클러스터링 방식을 선택하여 네트워크의 효율을 높일 수 있는 프로토콜을 제안한다.
일반적으로 표적의 수가 적거나 표적의 속도가 느릴 때에는 표적 주변의 센서 노드만을 사용하는 동적 클러스터링 방식이 효율이 높다. 반면, 표적의 수가 많거나 표적의 속도가 빠를 때에는 동적 클러스터링 방식의 경우 클러스터를 자주 생성해야 하는 단점 때문에 사전에 클러스터를 구축하고 있는 정적 클러스터링 방식보다 효율이 떨어지게 된다. 따라서 네트워크가 데이터 트래픽이 높으면 정적 클러스터링 방식을 선택하고, 데이터 트래픽이 낮으면 동적 클러스터링 방식으로 적응적으로 스위칭한다. 데이터 통합 방식 스위칭을 위한 경계값(threshold) 및 네트워크의 초기 데이터 통합 방식은 벡본 노드에서 결정한다.
도 5를 참조하면, 네트워크 내에서 경계값을 설정하고, 벡본 노드에서 데이터 트래픽이 경계값을 초과하게 되면 네트워크 플러딩을 통해 동적 클러스터링 방식에서 정적 클러스터링 방식으로 스위칭한다. 반면, 데이터 트래픽이 경계값 미만 으로 줄어들게 되면 다시 네트워크 플러딩을 통해 동적 클러스터링 방식으로 스위칭한다. 네트워크 성능을 고려하여 빈번한 데이터 통합 방식의 스위칭이 제어되는 것이 바람직하다.
도 6a를 참조하면, 초기에 동적 클러스터링 방식에 의해 데이터 통합이 수행되고 있다. 이때 데이터 트래픽의 경계값 또한 설정된다. 벡본 노드는 경계값 이상으로 데이터를 수신하면, 동적 클러스터링 방식이 더 이상 네트워크에 적합하지 않다고 결정한다.
도 6b를 참조하면, 표적이 이동함에 따라 다수의 클러스터 헤드가 생성되고, 그 결과 데이터가 효과적으로 통합되기 어려워진다.
도 6c를 참조하면, 벡본 노드는 네트워크에 제어 메시지를 플러딩하고 해당 네트워크를 정적 클러스터 방식으로 변경한다.
도 6d를 참조하면, 데이터 통합 방식이 변경된 후, 네트워크는 정적 클러스터링 방식으로 초기화한다. 이로써 표적이 고속으로 이동하는 경우에도 새로운 클러스터를 생성할 필요가 없기 때문에 데이터 통합이 보다 효율적이 된다.
데이터 트래픽이 다시 감소하게 되면, 벡본 노드는 네트워크에 제어 메시지를 플러딩하고 다시 동적 클러스터링 방식으로 복귀한다.
도 7은 본 발명의 일 실시예에 따른 결합 데이터 통합 방법을 개략적으로 설명하는 흐름도이다.
센서 노드, 벡본 노드 및 싱크 노드에 의한 네트워크가 구성되고, 정적 클러스터 헤드가 미리 선출된다(S701).
센서 노드는 벡본 노드까지의 홉 수를 기초로 데이터 통합 방식을 결정한다.
벡본 노드까지의 홉 수가 기 설정된 기준값인 α값과 β값 사이인지 판단하고(S702), 홉 수가 α값과 β값 사이이면 정적 클러스터링 방식이 수행된다(S703). 미리 결정된 정적 클러스터의 클러스터 헤드를 선택하여 표적 감지 정보를 전송한다.
벡본 노드까지의 홉 수가 β값보다 큰지 판단하고(S704), 홉 수가 β값보다 크면 동적 클러스터링 방식이 수행된다(S705). 표적을 감지한 타 센서 노드들과 일시적으로 구성한 클러스터에서 클러스터 헤드를 선택하여 표적 감지 정보를 전송한다. 동적 클러스터 헤드는 클러스터 내에서 에너지가 가장 높거나 표적에 가장 가까운 노드가 선택될 수 있다.
클러스터 노드로부터의 표적 감지 정보를 통합한 클러스터 헤드는 벡본 노드로 통합한 표적 감지 정보를 전송한다(S706). 정적 클러스터링 방식에 의해 정적 클러스터 헤드가 통합한 표적 감지 정보를 벡본 노드로 전송하고, 동적 클러스터링 방식에 의해 동적 클러스터 헤드가 통합한 표적 감지 정보를 벡본 노드로 전송한다.
홉 수가 α값보다 작으면 센서 노드는 직접 벡본 노드로 표적 감지 정보를 전송한다(S706).
도 8은 본 발명의 일 실시예에 따른 적응적 데이터 통합 방법을 개략적으로 설명하는 흐름도이다.
벡본 노드는 수신 트래픽을 체크한다(S801). 수신 트래픽 체크 주기는 주기 적으로 또는 실시간으로 설정될 수 있다.
벡본 노드는 수신 트래픽을 기 설정된 경계값과 비교하여(S803), 수신 트래픽이 경계값보다 커지면 정적 클러스터링 방식으로 동작하고(S805), 수신 트래픽이 경계값보다 작아지면 동적 클러스터링 방식으로 동작한다(S807).
즉, 벡본 노드는 정적 클러스터링 방식과 동적 클러스터링 방식을 네트워크의 상황에 따라 변경한다.
도 9a 및 도 9b는 결합 데이터 통합 방식 및 적응적 데이터 통합 방식의 성능에 대한 시뮬레이션 결과를 나타내는 그래프이다. 도 9a는 정적 표적에 관한 그래프이고, 도 9b는 이동 표적에 관한 그래프이며, 각각 정적 클러스터링 방식, 동적 클러스터링 방식, 결합 데이터 통합 방식 및 적응적 데이터 통합 방식에 대해 도시되어 있다.
상기 시뮬레이션은, 150개 센서 노드가 랜덤하게 배치된 500㎡ 영역에서 3개의 표적(정적 표적 및 이동 표적)에 대해 수행되었다. 각 시뮬레이션 시간은 100초, 데이터 전송률은 250kbps, 전송 파워는 100m까지, 결합 클러스터링을 위한 α값과 β값은 각각 2와 5, 적응적 클러스터링을 위한 경계값은 5packet/s, 클러스터 헤드가 데이터 전송 전 데이터 통합 시간은 200msec로 설정하였다.
도 9a를 참조하면, 정적 표적에 대해서는 동적 클러스터링 방식, 결합 클러스터링 방식 및 적응적 데이터 통합 방식의 데이터 통합률이 좋음을 알 수 있다.
도 9b를 참조하면, 이동 표적에 대해서는 정적 클러스터링 방식 및 적응적 데이터 통합 방식의 데이터 통합률이 좋음을 알 수 있다.
특히 적응적 클러스터링 방식은 표적의 이동 여부에 관계없이 데이터 통합률이 좋음을 알 수 있다.
이상에서는 싱크 노드와 일반 센서 노드를 중계하는 벡본 노드를 포함하는 네트워크에서 효율적인 데이터 통합 방법을 설명하였으나, 본 발명의 기술 분야에서 통상의 지식을 가진 자라면 벡본 노드가 없이 싱크 노드와 일반 센서 노드에 의한 네트워크에도 적용할 수 있음을 충분히 알 수 있을 것이다.
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, 플로피디스크, 광데이터 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 분산 방식으로 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.
지금까지 본 발명에 대하여 바람직한 실시예들을 중심으로 살펴보았다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다.
그러므로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 효율적인 다중 표적 추적을 위한 이질적 센서 네트워크의 구조를 예시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 정적 클러스터링 기반 데이터 통합 방식을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 동적 클러스터링 기반 데이터 통합 방식을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 결합 클러스터링 기반 데이터 통합 방법을 보여주는 도면이다.
도 5 및 도 6a 내지 도 6d는 본 발명의 일 실시예에 따른 적응적 클러스터링 기반 데이터 통합 방법을 설명하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 결합 클러스터링 기반 데이터 통합 방법을 개략적으로 설명하는 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 적응적 클러스터링 기반 데이터 통합 방법을 개략적으로 설명하는 흐름도이다.
도 9a 및 도 9b는 결합 클러스터링 기반 데이터 통합 방식 및 적응적 클러스터링 기반 데이터 통합 방식의 성능에 대한 시뮬레이션 결과를 나타내는 그래프이다.

Claims (13)

  1. 벡본 네트워크 시스템 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드까지의 홉 수를 기초로 상기 벡본 네트워크 시스템 내 해당 클러스터의 클러스터 헤드를 선택하는 단계; 및
    상기 클러스터 헤드가 클러스터를 구성하는 센서 노드들의 표적 감지 정보를 통합하여 상기 벡본 노드로 전송하도록 클러스터 헤드로 표적 감지 정보를 전송하는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  2. 제1항에 있어서, 상기 클러스터 헤드 선택 단계는,
    상기 홉 수가 기 설정된 제1 기준 값 이상이면, 표적을 감지한 인접한 타 센서 노드들과 일시적으로 구성한 클러스터에서 클러스터 헤드를 선택하는 단계; 및
    상기 홉 수가 상기 제1 기준 값보다 작고 기 설정된 제2 기준 값보다 크면, 미리 결정된 해당 클러스터의 클러스터 헤드를 선택하는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  3. 제2항에 있어서,
    상기 홉 수가 상기 제2 기준 값 이하이면, 상기 벡본 노드로 표적 감지 정보를 전송하는 단계;를 더 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  4. 벡본 네트워크 시스템 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드까지의 홉 수를 기초로 데이터 통합 방식을 결정하는 단계; 및
    상기 결정된 데이터 통합 방식에 따라, 상기 벡본 네트워크 시스템 내에서 타 센서 노드들과 형성된 클러스터의 클러스터 헤드를 통해 벡본 노드로 표적 감지 정보를 전송하는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  5. 제4항에 있어서, 상기 표적 감지 정보 전송 단계는,
    상기 홉 수가 기 설정된 제1 기준 값 이상이면, 표적을 감지한 인접한 타 센서 노드들과 일시적으로 구성한 동적 클러스터의 클러스터 헤드가 데이터를 통합하여 상기 벡본 노드로 표적 감지 정보를 전송하는 단계;
    상기 홉 수가 상기 제1 기준 값보다 작고 기 설정된 제2 기준 값보다 크면, 미리 구성된 정적 클러스터의 클러스터 헤드가 데이터를 통합하여 벡본 노드로 표적 감지 정보를 전송하는 단계; 및
    상기 홉 수가 상기 제2 기준 값 이하이면, 상기 벡본 노드로 직접 표적 감지 정보를 전송하는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  6. 벡본 네트워크 시스템 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드가 수신 트래픽을 체크하는 단계; 및
    상기 수신 트래픽을 기초로 벡본 네트워크 시스템 내 센서 노드들의 데이터 통합 방식을 변경시키는 제어 메시지를 네트워크 플러딩하는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  7. 제6항에 있어서, 상기 데이터 통합 방식은,
    표적을 감지한 센서 노드들 간에 일시적으로 구성되는 클러스터의 클러스터 헤드가 표적 감지 정보를 통합하는 동적 클러스터링 방식, 및 미리 구성된 클러스터의 클러스터 헤드가 표적 감지 정보를 통합하는 정적 클러스터링 방식을 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  8. 제7항에 있어서, 상기 플러딩 단계는,
    상기 수신 트래픽이 기 설정된 경계값을 초과하면, 동적 클러스터링 방식을 정적 클러스터링 방식으로 변경하기 위한 제어 메시지를 플러딩하는 단계; 및
    상기 수신 트래픽이 상기 경계값 미만이면, 정적 클러스터링 방식을 동적 클러스터링 방식으로 변경하기 위한 제어 메시지를 플러딩하는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 기반 데이터 통합 방법.
  9. 벡본 네트워크 시스템 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드까지의 홉 수가 기 설정된 제1 기준 값 이상인 센서 노드들이 감지한 동일 표적에 대해 일시적으로 클러스터를 구성하고, 클러스터 내 센서 노드들 중 선택된 클러스터 헤드가 표적 감지 정보를 통합하는 동적 클러스터링 단계; 및
    상기 벡본 노드까지의 홉 수가 상기 제1 기준 값보다 작고 기 설정된 제2 기준 값보다 큰 센서 노드들이 미리 구성된 해당 클러스터의 클러스터 헤드로 표적 감지 정보를 전송하고, 클러스터 헤드가 표적 감지 정보를 통합하는 정적 클러스터링 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 방법.
  10. 벡본 네트워크 시스템 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드의 수신 트래픽이 기 설정된 경계값을 초과하면, 상기 벡본 노드의 제어에 의해, 각 센서 노드가 미리 결정된 클러스터의 클러스터 헤드로 표적 감지 정보를 전송하고, 클러스터 헤드가 표적 감지 정보를 통합하여 벡본 노드로 전송하는 정적 클러스터링 방식으로 변경되는 단계; 및
    수신 트래픽이 상기 경계값 미만이 되면, 상기 벡본 노드의 제어에 의해, 표적을 감지한 센서 노드들 간에 일시적으로 클러스터를 구성하고, 클러스터 내 센서 노드들 중 선택된 클러스터 헤드가 표적 감지 정보를 통합하여 벡본 노드로 전송하는 동적 클러스터링 방식으로 변경되는 단계;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템의 클러스터링 방법.
  11. 전체 네트워크 시스템에 랜덤하게 배치되어 표적을 감지하는 센서 노드; 및
    전체 네트워크 시스템를 구성하는 다수의 벡본 네트워크 시스템 중 하나를 커버하고, 해당 벡본 네트워크 시스템 내 센서 노드로부터의 표적 감지 정보를 싱크 노드로 중계하는 벡본 노드;를 포함하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템.
  12. 제11항에 있어서,
    센서 노드와 벡본 노드 사이의 통신을 위한 프로토콜은 벡본 노드 간 또는 벡본 노드와 싱크 노드간의 통신을 위한 프로토콜과 속도에 있어 서로 상이한 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템.
  13. 제11항에 있어서,
    상기 센서 노드는, 상기 벡본 노드까지의 홉 수를 기초로, 상기 벡본 네트워크 시스템 내에 구성된 해당 클러스터의 클러스터 헤드로 데이터 통합을 위해 표적 감지 정보를 전송하고,
    상기 벡본 노드는, 수신 트래픽을 기초로 벡본 네트워크 내 센서 노드들의 표적 감지 정보 통합 방식을 동적으로 변경하는 것을 특징으로 하는 다중 표적 추적을 위한 센서 네트워크 시스템.
KR1020080099340A 2008-10-09 2008-10-09 무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법 KR101001559B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020080099340A KR101001559B1 (ko) 2008-10-09 2008-10-09 무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법
US12/425,914 US8305930B2 (en) 2008-10-09 2009-04-17 Hybrid clustering based data aggregation method for multi-target tracking in wireless sensor network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080099340A KR101001559B1 (ko) 2008-10-09 2008-10-09 무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법

Publications (2)

Publication Number Publication Date
KR20100040214A KR20100040214A (ko) 2010-04-19
KR101001559B1 true KR101001559B1 (ko) 2010-12-17

Family

ID=42098346

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080099340A KR101001559B1 (ko) 2008-10-09 2008-10-09 무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법

Country Status (2)

Country Link
US (1) US8305930B2 (ko)
KR (1) KR101001559B1 (ko)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8536988B2 (en) * 2010-05-20 2013-09-17 Raytheon Bbn Technologies Corp. Self-organizing extensible distributed sensor array architecture
US8238290B2 (en) * 2010-06-02 2012-08-07 Erik Ordentlich Compressing data in a wireless multi-hop network
KR101041851B1 (ko) 2010-09-07 2011-06-15 엘아이지넥스원 주식회사 표적 규모 추정 방법 및 그를 위한 센서 네트워크
CN101975575B (zh) * 2010-10-15 2012-03-28 西安电子科技大学 基于粒子滤波的被动传感器多目标跟踪方法
CN102026331B (zh) * 2010-12-23 2013-03-27 重庆邮电大学 无线传感器网络中分布式多跳节能通信方法
US9565559B2 (en) * 2011-04-21 2017-02-07 Tata Consultancy Services Limited Method and system for preserving privacy during data aggregation in a wireless sensor network
CA2783145C (en) * 2011-07-11 2022-05-03 Srd Innovations Inc. Wireless mesh network and method for remote seismic recording
US9317395B2 (en) * 2011-11-14 2016-04-19 Microsoft Technology Licensing, Llc Usage reporting from a cloud-hosted, distributed system
CN102347991B (zh) * 2011-11-23 2013-09-04 常熟理工学院 一种车载网络的构建方法
US9071537B2 (en) 2012-06-15 2015-06-30 Citrix Systems, Inc. Systems and methods for propagating health of a cluster node
WO2014082051A1 (en) * 2012-11-26 2014-05-30 Arynga Inc. Emergency, security, and accessibility apparatus and methods
CN103684941B (zh) * 2013-11-23 2018-01-16 广东中兴新支点技术有限公司 基于仲裁服务器的集群裂脑预防方法和装置
CN103678949B (zh) * 2014-01-09 2016-06-01 江南大学 基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法
US10149232B2 (en) 2014-02-24 2018-12-04 Lg Electronics Inc. Method for participating in nan cluster in wireless communication system and device therefor
CN104302016A (zh) * 2014-09-16 2015-01-21 北京市信息技术研究所 一种基于多功能复合式传感器的无线传感网架构
FR3034280B1 (fr) * 2015-03-25 2017-03-24 Traxens Procede de communication au sein d'une grappe de profondeur dynamique de dispostifs electroniques communicants, dispositif electronique mettant en oeuvre ledit procede et systeme associes
CN104837155B (zh) * 2015-04-02 2016-08-31 湘潭大学 类bp神经网络的分簇传感网络数据收集方法
CN105050095B (zh) * 2015-04-02 2019-01-22 浙江理工大学 一种基于能量预测的异构无线传感网的拓扑构建方法
CN104837164B (zh) * 2015-05-20 2018-12-25 中国科学院上海高等研究院 基于负载动态平衡的无线监测系统及监测方法
WO2017007990A1 (en) * 2015-07-08 2017-01-12 Convida Wireless, Llc M2m clustering management
CN105846867B (zh) * 2016-03-15 2019-04-05 华中科技大学 基于多基站CoMP和休眠技术的动态簇划分方法
CN105898764B (zh) * 2016-05-30 2020-04-14 四川大学 多级能量异构的无线传感器网络部署方法
CN106332249B (zh) * 2016-08-22 2020-04-21 南方科技大学 控制方法和控制装置
CN108834093A (zh) * 2017-04-26 2018-11-16 北京邮电大学 一种无线移动感知网络数据聚集方法
CN110473232B (zh) * 2017-07-14 2024-02-09 腾讯科技（深圳）有限公司 图像识别方法、装置、存储介质及电子设备
CN109194715A (zh) * 2018-08-02 2019-01-11 广州市花林景观工程有限公司 水利工程渗流智能监测系统
CN109474915B (zh) * 2018-11-05 2021-07-06 浙江农林大学 城市综合管廊中的无线传感器网络节点的部署方法
CN109101065B (zh) * 2018-11-08 2020-11-27 王锐 智能家居温湿度环境智能调节系统
CN109309620B (zh) * 2018-11-23 2020-10-27 河北大学 一种面向边缘计算的轻量级异构网络分簇方法
CN112492661B (zh) * 2020-12-10 2022-04-15 中南民族大学 基于改进麻雀搜索算法的无线传感器网络分簇路由方法
CN112911518B (zh) * 2021-01-12 2021-12-28 中国科学院上海微系统与信息技术研究所 一种基于目标全向跟踪的大规模wsn动态分簇方法
CN112822746A (zh) * 2021-01-15 2021-05-18 重庆邮电大学 一种能量有效型无线传感器网络成簇算法
CN113923620B (zh) * 2021-11-17 2022-04-08 北京中海兴达建设有限公司 一种基于建筑消防设施的数据传输方法与系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6826607B1 (en) 1999-10-06 2004-11-30 Sensoria Corporation Apparatus for internetworked hybrid wireless integrated network sensors (WINS)
KR100775504B1 (ko) 2006-11-30 2007-11-12 성균관대학교산학협력단 에너지 소비를 감소시키기 위한 목표물 검출 시스템 및 그검출 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01119437A (ja) 1987-11-02 1989-05-11 Hiroyuki Iwamoto アクセル機能を有すブレーキ装置
JP2753405B2 (ja) 1991-07-11 1998-05-20 益幸 鳴瀬 ペダル機構
EP0637153B1 (en) * 1993-07-30 2001-10-31 International Business Machines Corporation Method and apparatus for an automatic decomposition of a network topology into a backbone and subareas
KR19990020669A (ko) 1997-08-30 1999-03-25 정몽규 브레이크와 가속 통합 페달
KR100483158B1 (ko) 2002-09-11 2005-04-14 현대자동차주식회사 차량의 통합형 페달
KR100656206B1 (ko) 2004-12-28 2006-12-12 삼성전자주식회사 복수의 타겟 영역으로 패킷의 전송이 가능한 애드 혹네트워크 및 그 패킷 전송방법
KR100749177B1 (ko) 2005-12-14 2007-08-14 한국과학기술정보연구원 센서 네트워크의 라우팅 방법
US20070233835A1 (en) * 2006-03-31 2007-10-04 Nandakishore Kushalnagar Methodology for scheduling data transfers from nodes using path information
EP2127218A1 (en) * 2007-03-12 2009-12-02 Telefonaktiebolaget LM Ericsson (PUBL) Arrangement and method relating to network management

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6826607B1 (en) 1999-10-06 2004-11-30 Sensoria Corporation Apparatus for internetworked hybrid wireless integrated network sensors (WINS)
KR100775504B1 (ko) 2006-11-30 2007-11-12 성균관대학교산학협력단 에너지 소비를 감소시키기 위한 목표물 검출 시스템 및 그검출 방법

Also Published As

Publication number Publication date
KR20100040214A (ko) 2010-04-19
US8305930B2 (en) 2012-11-06
US20100090823A1 (en) 2010-04-15

Similar Documents

Publication Publication Date Title
KR101001559B1 (ko) 무선 센서 네트워크에서 다중 표적 추적을 위한 하이브리드클러스터링 기반 데이터 통합 방법
Darabkh et al. Improved clustering algorithms for target tracking in wireless sensor networks
KN et al. Improving the AODV route recovery mechanism using PSO in WSN
Prasad et al. A green and reliable internet of things
Ghosh et al. An efficient trajectory based routing scheme for delay-sensitive data in wireless sensor network
Kaswan et al. A delay efficient path selection strategy for mobile sink in wireless sensor networks
Renold et al. Survey on state scheduling-based topology control in unattended wireless sensor networks
Agarwal et al. Prolonging network lifetime using ant colony optimization algorithm on LEACH protocol for wireless sensor networks
Hong et al. A multi-hop reservation method for end-to-end latency performance improvement in asynchronous MAC-based wireless sensor networks
Izadi et al. An alternative data collection scheduling scheme in wireless sensor networks
Jafari Kaleibar et al. An energy-efficient hybrid routing method for wireless sensor networks with mobile sink
Javaid et al. On sink mobility trajectory in clustering routing protocols in WSNs
Balamurali et al. Mitigating hotspot issue in WSN using sensor nodes with varying initial energy levels and quantification algorithm
Abbache et al. Dissimulation-based and load-balance-aware routing protocol for request and event oriented mobile wireless sensor networks
Kumar et al. An adaptive cluster based routing scheme for mobile wireless sensor networks
Sangwan et al. Coverage and connectivity preserving routing in wireless sensor networks: A new approach
Messai et al. Adaptive sink mobility for energy-efficient data collection in grid-based wireless sensor networks
Kumar et al. A survey on object tracking in wireless sensor networks for machine tool applications
Hsieh et al. Dynamic scheduling with energy-efficient transmissions in hierarchical wireless sensor networks
Aliouat et al. Improved wireless sensor networks durability through efficient sink motion strategy
Raam et al. A novel approach using parallel ant colony optimization algorithm for detecting routing path based on cluster head in wireless sensor network
Sujithra et al. Swift and Energy Efficient Big Data Gathering Approaches in Wireless Sensor Networks
Premi et al. Router performance with aoi and roi routing for wireless sensor networks
Ngom et al. A distributed scheduling algorithm to improve lifetime in wireless sensor network based on geometric placement of sensors with coverage and connectivity constraints
Radha et al. ScP Protocol for Wireless Sensor Networks

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20131204

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140918

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20161007

Year of fee payment: 7