KR101087138B1 - Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network - Google Patents

Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network Download PDF

Info

Publication number
KR101087138B1
KR101087138B1 KR1020080129422A KR20080129422A KR101087138B1 KR 101087138 B1 KR101087138 B1 KR 101087138B1 KR 1020080129422 A KR1020080129422 A KR 1020080129422A KR 20080129422 A KR20080129422 A KR 20080129422A KR 101087138 B1 KR101087138 B1 KR 101087138B1
Authority
KR
South Korea
Prior art keywords
target
data
current
current data
state
Prior art date
Application number
KR1020080129422A
Other languages
Korean (ko)
Other versions
KR20100070737A (en
Inventor
조현중
박상준
Original Assignee
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020080129422A priority Critical patent/KR101087138B1/en
Publication of KR20100070737A publication Critical patent/KR20100070737A/en
Application granted granted Critical
Publication of KR101087138B1 publication Critical patent/KR101087138B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

본 발명은 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법에 관한 것으로서, 목표물의 현재 상태를 나타내는 현재 데이터의 전달 경로 상에 있는 전달 노드가 상기 목표물의 상태를 예측 가능한 시간 범위 내에 있는지 여부를 판단하여 상기 현재 데이터의 전달 여부를 결정하는 시간 기반 데이터 전달 여부 결정 단계; 상기 전달 노드가 상기 목표물의 과거 상태를 나타내는 과거 데이터를 바탕으로 상기 목표물의 현재 상태를 예측하는 단계; 및 상기 전달 노드가 예측한 데이터와 상기 현재 데이터를 비교하여 상기 목표물의 상태를 예측 가능한 오차 범위 내에 있는지 여부를 판단하여 상기 현재 데이터의 전달 여부를 결정하는 오차 기반 데이터 전달 여부 결정 단계를 포함한다.The present invention relates to a method for increasing energy efficiency in a prediction-based target tracking sensor network, wherein a delivery node on a transmission path of current data indicating a current state of a target is determined whether the target state is within a predictable time range. Determining whether to deliver the current data based on time-based data transmission; Predicting, by the forwarding node, the current state of the target based on past data representing the past state of the target; And determining whether to deliver the current data by determining whether the state of the target is within a predictable error range by comparing the data predicted by the transmitting node with the current data.

센서 네트워크, 목표물, 예측, 임계치, 오버헤드 Sensor networks, targets, predictions, thresholds, overhead

Description

예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법{Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network}Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network}

본 발명은 예측 기반 목표물 추적 센서 네트워크에 관한 것으로, 더욱 상세하게는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법에 관한 것이다.The present invention relates to a prediction based target tracking sensor network, and more particularly, to a method of increasing energy efficiency in a prediction based tracking target network.

자연 현상은 항상 연속적으로 일어나므로 긴 시간에 있어서 어떤 물체의 움직임을 예측하는 것은 불가능하나 짧은 시간 내에 있어서 물체의 움직임은 어느 정도 예측이 가능하다. 자연 현상을 모니터링하기 위해 실제 환경에 배치되는 센서 네트워크에서는 이러한 예측 가능성을 이용하여 싱크 노드와 센서 노드 간에 통신량을 줄임으로써, 전체 무선센서 네트워크의 에너지 효율성을 향상시키고자 하는 노력이 있어왔다. 예를 들면, 목표물의 위치 추적 방법에 있어서 어떤 목표물이 특정 장소로 침입하고자 하는 경우 목표물은 물리적인 규칙에 의해 움직임이 결정된다. 즉, 자연계에서 목표물은 랜덤하게 움직이는 것이 아니므로 짧은 시간 이내의 움직임은 예측 가능하며, 이는 어떤 특정 움직임 모델을 따르게 된다.Since natural phenomena always occur continuously, it is impossible to predict the movement of an object in a long time, but the movement of an object can be predicted to some extent in a short time. Sensor networks deployed in real environments to monitor natural phenomena have been trying to improve the energy efficiency of the entire wireless sensor network by using this predictability to reduce the communication between sink nodes and sensor nodes. For example, in the method of tracking the location of a target, when a target tries to break into a specific place, the target is determined by physical rules. In other words, the target is not moving randomly in the natural world, so movement within a short time is predictable, which follows a certain motion model.

한편, 예측 기반 모니터링 기술의 경우, 목표물의 움직임을 예측하기 위해 과거 데이터들의 히스토리를 저장할 필요가 있으며, 이를 위해 종래에는 센서 노드 들 간에 서로 히스토리를 교환함에 따라 발생하는 오버헤드(Overhead)가 있었다. 예측 기반 모니터링 기술의 최초 제안이었던 예측 기반 모니터링 패러다임(Prediction-based Monitoring Paradigm)의 경우, 센서 노드들에서 센싱된 데이터인 히스토리를 센서 네트워크의 최후 말단에 있는 싱크 노드에 축적하고, 싱크 노드는 이를 바탕으로 목표물의 움직임을 예측한 데이터를 각 센서 노드로 전송한다. 이러한 싱크 노드와 센서 노드들 사이의 데이터 송수신으로 인해 발생하는 오버헤드를 줄여주기 위해 제안되었던 듀얼 예측 기반 보고 메카니즘(Dual Prediction-based Reporting Mechanism: DPR)도 싱크 노드와 센서 노드들 간의 히스토리 교환을 필요로 하지 않지만, 여전히 센서 노드들 사이에서는 히스토리 교환이 이루어져 오버헤드가 발생하는 문제점이 있었다.Meanwhile, in the case of the prediction-based monitoring technology, it is necessary to store a history of past data in order to predict the movement of a target. To this end, in the past, there is an overhead generated by exchanging history between sensor nodes. In the case of the prediction-based monitoring paradigm, which was the first proposal of prediction-based monitoring technology, the history, the data sensed from the sensor nodes, is accumulated in the sink node at the end of the sensor network. The data predicting the movement of the target is transmitted to each sensor node. The Dual Prediction-based Reporting Mechanism (DPR), which has been proposed to reduce the overhead incurred by data transmission and reception between sink and sensor nodes, also needs to exchange history between sink and sensor nodes. However, there is still a problem in that an overhead occurs due to the history exchange between the sensor nodes.

본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 안출된 것으로서, 센서 네트워크에서 싱크 노드와 센서 노드들 간의 히스토리 교환으로 인해 발생하는 오버헤드를 줄여주기 위한 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법을 제공하는 데 그 목적이 있다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems, and a method for increasing energy efficiency in a prediction-based target tracking sensor network for reducing overhead caused by history exchange between sink nodes and sensor nodes in a sensor network. The purpose is to provide.

이와 같은 목적을 달성하기 위한 본 발명은, 목표물의 현재 상태를 나타내는 현재 데이터의 전달 경로 상에 있는 전달 노드가 상기 목표물의 상태를 예측 가능한 시간 범위 내에 있는지 여부를 판단하여 상기 현재 데이터의 전달 여부를 결정하는 시간 기반 데이터 전달 여부 결정 단계; 상기 전달 노드가 상기 목표물의 과거 상태를 나타내는 과거 데이터를 바탕으로 상기 목표물의 현재 상태를 예측하는 단계; 및 상기 전달 노드가 예측한 데이터와 상기 현재 데이터를 비교하여 상기 목표물의 상태를 예측 가능한 오차 범위 내에 있는지 여부를 판단하여 상기 현재 데이터의 전달 여부를 결정하는 오차 기반 데이터 전달 여부 결정 단계를 포함하는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법을 제공한다.In order to achieve the above object, the present invention provides a method of determining whether a delivery node on a delivery path of current data indicating a current state of a target is within a predictable time range to determine whether the current data is delivered. Determining whether to deliver time-based data to determine; Predicting, by the forwarding node, the current state of the target based on past data representing the past state of the target; And determining whether to deliver the current data by determining whether the state of the target is within a predictable error range by comparing the data predicted by the forwarding node with the current data. Provides a method for increasing energy efficiency in a base target tracking sensor network.

이상에서 설명한 바와 같이 본 발명에 의하면, 센서 네트워크에서 시간적, 공간적으로 목표물의 움직임을 예측 가능한 상황에 있는지 여부를 판단하여 목표물의 현재 상태를 나타내는 현재 데이터의 전달 여부를 결정하는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법을 제공함으로써, 싱크 노드와 센서 노드들 사이에서 발생하는 불필요한 오버헤드를 방지할 수 있고, 이에 따라 예측 기반 목표물 추적 센서 네트워크에서 에너지 효율을 향상시키는 효과가 있다.As described above, according to the present invention, a prediction-based target tracking sensor network for determining whether to deliver current data indicating a current state of a target by determining whether the target network is in a situation that can predict the movement of the target in time and space. By providing a method for increasing the energy efficiency in, it is possible to prevent unnecessary overhead occurring between the sink node and the sensor nodes, thereby improving the energy efficiency in the prediction-based target tracking sensor network.

이하, 본 발명의 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.

본 발명의 실시예에 따른 센서 노드들은 센싱 또는 계산에 의해 위치, 속도, 방향 등을 포함하는 목표물의 현재 상태를 알아낼 수 있으며, 움직이는 목표물은 종래의 위치 추적 방법에 의해 구분된다.Sensor nodes according to an embodiment of the present invention can determine the current state of the target including the position, speed, direction, etc. by sensing or calculation, the moving target is distinguished by a conventional position tracking method.

본 발명의 실시예에 따른 센서 노드들은 시각적으로 동기화되어 있고, 센서 노드들의 위치는 변하지 않으며, 각 센서 노드는 초기 단계에서 자기 자신의 위치를 알고, 센서 노드들에서 센싱된 데이터는 트리 기반 라우팅에 의해 싱크 노드까지 전달된다.Sensor nodes according to an embodiment of the present invention are visually synchronized, the position of the sensor nodes does not change, each sensor node knows its own position at an early stage, and the data sensed at the sensor nodes is subject to tree-based routing. By the sink node.

실시예Example

도 1은 본 발명의 실시예에 따른 예측 기반 목표물 추적 센서 네트워크에서의 목표물 위치 추적 과정을 나타낸 도면이다.1 is a diagram illustrating a target position tracking process in a prediction-based target tracking sensor network according to an embodiment of the present invention.

도 1을 참조하면, 목표물(100)이 다수의 센서 노드들(120)이 배치되어 있는 네트워크 망 안으로 침입했을 때, 목표물(100)의 위치를 추적하게 된다. 이때, 목 표물(100)의 현재 상태를 나타내는 현재 데이터가 싱크 노드(110)로 전달되는데, 전달되는 경로 상의 전달 노드(130)에서 목표물(100)의 과거 상태를 나타내는 과거 데이터를 바탕으로 목표물(100)의 현재 상태를 예측하고, 예측한 데이터와 현재 데이터를 비교하여 목표물(100)의 상태가 예측 범위를 벗어나는 경우에만 현재 데이터를 싱크 노드(110)로 전송한다. 이에 대한 상세한 설명은 도 2에서 후술하기로 한다.Referring to FIG. 1, when the target 100 intrudes into a network in which a plurality of sensor nodes 120 are arranged, the target 100 is tracked. At this time, the current data representing the current state of the target 100 is delivered to the sink node 110, based on the past data representing the past state of the target 100 in the forwarding node 130 on the route to be delivered. The current state of the 100 is predicted, and the current data is transmitted to the sink node 110 only when the state of the target 100 is out of the predicted range by comparing the predicted data with the current data. Detailed description thereof will be described later with reference to FIG. 2.

도 2는 본 발명의 실시예에 따른 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법을 나타낸 흐름도이다.2 is a flowchart illustrating a method of increasing energy efficiency in a prediction-based target tracking sensor network according to an embodiment of the present invention.

도 2를 참조하면, 목표물(100)의 현재 상태를 나타내는 현재 데이터의 전달 경로 상에 있는 전달 노드(130)는 목표물(100)의 과거 탐지 시간과 현재 탐지 시간의 차이값이 목표물(100)의 상태를 예측 가능한 시간 범위인 시간 부동 임계치 이하인지 여부를 판단하고(S210), 과거 탐지 시간과 현재 탐지 시간의 차이값이 시간 부동 임계치를 초과한 경우, 현재 데이터를 싱크 노드(110)로 전달한다(S212).Referring to FIG. 2, the delivery node 130 on the delivery path of the current data indicating the current state of the target 100 has a difference between the past detection time and the current detection time of the target 100. It is determined whether the state is less than or equal to the time floating threshold which is a predictable time range (S210), and when the difference between the past detection time and the current detection time exceeds the time floating threshold, the current data is transmitted to the sink node 110. (S212).

단계 S210에서 과거 탐지 시간과 현재 탐지 시간의 차이값이 시간 부동 임계치 이하인 경우, 전달 노드(130)는 목표물(100)의 과거 상태를 나타내는 과거 데이터를 바탕으로 목표물(100)의 현재 상태를 예측한다(S220).
이는 현재 탐지 시간과 과거 탐지 시간의 차이값이 시간 부동 임계치 이상이면 목표물의 움직임 예측이 어려우므로 관측한 현재 데이터를 그대로 전송하고, 임계치 이하이면 예측한 범위 내에서 움직였는지를 좀 더 검사해야 되기 때문이다.
반면, 탐지 시간 차이가 임계치 이하이고, 또 목표물이 위치 오차 임계치보다 작게 움직였을 경우에는, 데이터를 싱크노드로 전송하지 않아도 싱크노드가 예측을 통해 움직임을 예상할 수 있어 현재 데이터를 파기하도록 한다. 이와 동일한 원리로, 탐지 시간 차이가 임계치 이하이고, 목표물이 위치 오차 임계치보다 크게 움직였을 경우에는 싱크 노드의 예상치가 현재 목표물과 다를 것이므로 현재 데이터를 싱크노드로 전달한다. In step S210, when the difference between the past detection time and the current detection time is less than or equal to the time float threshold, the delivery node 130 predicts the current state of the target 100 based on past data representing the past state of the target 100. (S220).
This is because it is difficult to predict the movement of the target when the difference between the current detection time and the past detection time is more than the time floating threshold. Therefore, if the difference between the current detection time and the past detection time is less than the threshold, the current data observed is transmitted. to be.
On the other hand, when the detection time difference is less than the threshold and the target moves smaller than the position error threshold, the sink node can predict the movement through prediction and destroy the current data without transmitting the data to the sink node. In the same principle, when the detection time difference is less than the threshold and the target moves more than the position error threshold, the expected value of the sink node will be different from the current target, so the current data is transmitted to the sink node.

전달 노드(130)는 예측한 데이터와 현재 데이터의 차이값이 목표물(100)의 현재 상태를 예측 가능한 오차 범위인 위치 오차 임계치보다 큰지 여부를 판단하고(S230), 예측한 데이터와 현재 데이터의 차이값이 위치 오차 임계치보다 큰 경우, 현재 데이터를 싱크 노드(110)로 전달한다(S212).The forwarding node 130 determines whether a difference value between the predicted data and the current data is greater than a position error threshold which is a predictable error range of the current state of the target 100 (S230), and the difference between the predicted data and the current data. If the value is greater than the position error threshold, the current data is transmitted to the sink node 110 (S212).

단계 S230에서 예측한 데이터와 현재 데이터의 차이값이 위치 오차 임계치보다 작은 경우, 전달 노드(130)는 현재 데이터를 파기한다(S240).If the difference between the data predicted in step S230 and the current data is smaller than the position error threshold, the transfer node 130 discards the current data (S240).

따라서, 본 발명의 실시예에 따른 전달 노드(130)는 1 차적으로 목표물(100)의 과거 탐지 시간과 현재 탐지 시간을 비교하여 시간 부동 임계치를 벗어난 경우, 현재 데이터를 싱크 노드(100)로 전달하고, 2 차적으로 목표물(100)의 현재 상태를 예측한 데이터와 목표물(100)의 현재 상태를 비교하여 위치 오차 임계치를 벗어난 경우, 현재 데이터를 싱크 노드(110)로 전달함으로써, 싱크 노드(110)와 센서 노드들(120) 사이에서 발생하는 불필요한 오버헤드를 방지할 수 있다.
즉, 본 발명의 실시예에 따른 전달 노드(130)는 시간 부동 임계치 및 위치 오차 임계치와 같은 파라메타를 이용하여 목표물(100)의 움직임을 분석하고, 목표물(100)의 움직임에 따라 싱크 노드(110)로의 데이터 전달 동작을 선택적으로 수행하도록 한다. 그러면, 목표물(100)이 예측 범위 내에서 움직여 싱크 노드(110)로의 데이터 전달 동작이 불필요한 경우에도 싱크 노드(110)로의 데이터 전달 동작이 수행되어, 싱크 노드(110)와 센서 노드들(120) 사이에서 불필요한 통신 오버헤드가 발생하는 것을 방지할 수 있다.Therefore, the forwarding node 130 according to the embodiment of the present invention first compares the past detection time and the current detection time of the target 100 and passes the current data to the sink node 100 when it is out of the time floating threshold. And secondly compares the data predicting the current state of the target 100 with the current state of the target 100, and passes the current data to the sink node 110 by passing the current data to the sink node 110. ) And unnecessary overhead occurring between the sensor nodes 120.
That is, the transfer node 130 according to the embodiment of the present invention analyzes the movement of the target 100 using parameters such as a time floating threshold and a position error threshold, and the sink node 110 according to the movement of the target 100. Selectively perform a data transfer operation to). Then, even when the target 100 moves within the prediction range and the data transfer operation to the sink node 110 is unnecessary, the data transfer operation to the sink node 110 is performed, so that the sink node 110 and the sensor nodes 120 are performed. Unnecessary communication overhead can be prevented from occurring.

도 3은 본 발명의 실시예에 따른 예측 기반 목표물 추적 알고리즘을 나타낸 도면이다.3 is a diagram illustrating a prediction based target tracking algorithm according to an embodiment of the present invention.

도 3을 참조하면, D는 현재 데이터, S는 과거 데이터, HT는 시간 부동 임계치, HP는 위치 오차 임계치를 나타낸다. 전달 노드(130)는 현재 탐지 시간과 과거 탐지 시간의 차이값이 시간 부동 임계치 이하이면, 목표물(100)의 과거 데이터와 현재 데이터를 비교하여 목표물(100)의 과거 데이터와 현재 데이터의 차이값이 위치 오차 임계치보다 더 큰 경우, 목표물(100)의 현재 데이터를 싱크 노드(110)로 전달한다. 목표물(100)의 과거 데이터와 현재 데이터의 차이값이 위치 오차 임계치보다 작은 경우, 전달 노드(130)는 현재 데이터를 파기한다.Referring to FIG. 3, D denotes current data, S denotes historical data, H T denotes a time floating threshold, and H P denotes a position error threshold. If the difference between the present detection time and the past detection time is equal to or less than the time float threshold, the forwarding node 130 compares the past data of the target 100 with the present data to compare the past data of the target 100 with the present data. If greater than the position error threshold, the current data of the target 100 is transferred to the sink node 110. If the difference between the past data and the current data of the target 100 is less than the position error threshold, the forwarding node 130 discards the current data.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질 적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The description above is merely illustrative of the technical idea of the present invention and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention but to describe the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The protection scope of the present invention should be interpreted by the following claims, and all technical ideas within the equivalent scope should be interpreted as being included in the scope of the present invention.

도 1은 본 발명의 실시예에 따른 예측 기반 목표물 추적 센서 네트워크에서의 목표물 위치 추적 과정을 나타낸 도면,1 is a view showing a target position tracking process in a prediction-based target tracking sensor network according to an embodiment of the present invention;

도 2는 본 발명의 실시예에 따른 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법을 나타낸 흐름도, 그리고2 is a flowchart illustrating a method for increasing energy efficiency in a prediction based target tracking sensor network according to an embodiment of the present invention; and

도 3은 본 발명의 실시예에 따른 예측 기반 목표물 추적 알고리즘을 나타낸 도면이다.3 is a diagram illustrating a prediction based target tracking algorithm according to an embodiment of the present invention.

< 도면의 주요 부분에 대한 부호의 설명 ><Description of Symbols for Main Parts of Drawings>

100: 목표물 110: 싱크 노드100: target 110: sink node

120: 센서 노드들 130: 전달 노드120: sensor nodes 130: delivery node

Claims (5)

목표물의 현재 상태를 나타내는 현재 데이터의 전달 경로 상에 있는 전달 노드가 상기 목표물의 상태를 예측 가능한 시간 범위 내에 있는지 여부를 판단하여 상기 현재 데이터의 전달 여부를 결정하는 시간 기반 데이터 전달 여부 결정 단계;Determining whether or not the current data is to be delivered by determining whether a delivery node on a delivery path of current data indicating a current state of a target is within a predictable time range; 상기 전달 노드가 상기 목표물의 과거 상태를 나타내는 과거 데이터를 바탕으로 상기 목표물의 현재 상태를 예측하는 단계; 및Predicting, by the forwarding node, the current state of the target based on past data representing the past state of the target; And 상기 전달 노드가 예측한 데이터와 상기 현재 데이터를 비교하여 상기 목표물의 상태를 예측 가능한 오차 범위 내에 있는지 여부를 판단하여 상기 현재 데이터의 전달 여부를 결정하는 오차 기반 데이터 전달 여부 결정 단계;Determining whether to deliver the current data by determining whether the state of the target is within a predictable error range by comparing the data predicted by the transmitting node with the current data; 를 포함하는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법.Energy efficiency enhancement method in the prediction-based target tracking sensor network comprising a. 제1항에 있어서, 상기 시간 기반 데이터 전달 여부 결정 단계는,The method of claim 1, wherein the determining of whether to transmit time-based data comprises: 상기 전달 노드가 상기 목표물의 과거 탐지 시간과 현재 탐지 시간의 차이값이 상기 목표물의 상태를 예측 가능한 시간 범위인 시간 부동 임계치 이하인지 여부를 판단하는 단계; 및Determining, by the forwarding node, whether a difference between a past detection time and a current detection time of the target is equal to or less than a time floating threshold which is a time range predictable of the state of the target; And 상기 목표물의 과거 탐지 시간과 현재 탐지 시간의 차이값이 상기 시간 부동 임계치를 초과한 경우 상기 현재 데이터를 싱크 노드로 전달하는 단계;Transferring the current data to the sink node when a difference between the past detection time and the current detection time of the target exceeds the time floating threshold; 를 포함하는 것을 특징으로 하는 예측 기반 목표물 추적 센서 네트워크에서 의 에너지 효율 증대 방법.Method for increasing energy efficiency in the prediction-based target tracking sensor network comprising a. 제1항에 있어서, 상기 오차 기반 데이터 전달 여부 결정 단계는,The method of claim 1, wherein the determining of whether to transmit the error-based data includes: 예측한 데이터와 상기 현재 데이터의 차이값이 상기 목표물의 상태를 예측 가능한 오차 범위인 위치 오차 임계치보다 더 큰지 여부를 판단하는 단계; 및Determining whether a difference value between the predicted data and the current data is larger than a position error threshold that is a predictable error range of the target state; And 상기 예측한 데이터와 상기 현재 데이터의 차이값이 상기 위치 오차 임계치보다 큰 경우 상기 현재 데이터를 싱크 노드로 전달하는 단계;Transferring the current data to the sink node when the difference between the predicted data and the current data is greater than the position error threshold; 를 포함하는 것을 특징으로 하는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법.Method for increasing energy efficiency in a prediction-based target tracking sensor network comprising a. 제3항에 있어서,The method of claim 3, 상기 예측한 데이터와 상기 현재 데이터의 차이값이 상기 위치 오차 임계치보다 큰 경우 상기 현재 데이터를 파기하는 단계;Discarding the current data when the difference between the predicted data and the current data is greater than the position error threshold; 를 더 포함하는 것을 특징으로 하는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법.Method for increasing energy efficiency in the prediction-based target tracking sensor network, characterized in that it further comprises. 제1항 내지 3항 중 어느 한 항에 있어서,The method according to any one of claims 1 to 3, 상기 현재 데이터는 상기 목표물의 위치, 속도 및 방향 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법.And said current data comprises at least one of the location, velocity and direction of said target.
KR1020080129422A 2008-12-18 2008-12-18 Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network KR101087138B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080129422A KR101087138B1 (en) 2008-12-18 2008-12-18 Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080129422A KR101087138B1 (en) 2008-12-18 2008-12-18 Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network

Publications (2)

Publication Number Publication Date
KR20100070737A KR20100070737A (en) 2010-06-28
KR101087138B1 true KR101087138B1 (en) 2011-11-25

Family

ID=42368435

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080129422A KR101087138B1 (en) 2008-12-18 2008-12-18 Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network

Country Status (1)

Country Link
KR (1) KR101087138B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111933272B (en) * 2020-08-11 2021-06-04 西康软件股份有限公司 Intelligent medical care management system based on block chain and Internet of things

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070029956A1 (en) 2005-08-08 2007-02-08 Castle Creations, Inc. Controller for a multi-phase brushless dc motor

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070029956A1 (en) 2005-08-08 2007-02-08 Castle Creations, Inc. Controller for a multi-phase brushless dc motor

Also Published As

Publication number Publication date
KR20100070737A (en) 2010-06-28

Similar Documents

Publication Publication Date Title
US9584362B2 (en) Method and apparatus for establishing routing path in multi-hop network
Maalel et al. Reliability for emergency applications in internet of things
Muraleedharan et al. Jamming attack detection and countermeasures in wireless sensor network using ant system
Rmayti et al. A stochastic approach for packet dropping attacks detection in mobile Ad hoc networks
Khan et al. The selective forwarding attack in sensor networks: Detections and countermeasures
Jain et al. Probabilistic-based energy-efficient single-hop clustering technique for sensor networks
Karuppiah et al. An improvised hierarchical black hole detection algorithm in Wireless Sensor Networks
Shen et al. A new energy prediction approach for intrusion detection in cluster-based wireless sensor networks
Bhutani Application of machine-learning based prediction techniques in wireless networks
Qadar et al. DNAR: depth and noise aware routing for underwater wireless sensor networks
KR101087138B1 (en) Method for Increasing Energy Efficiency in Prediction-based Target Tracking Sensor Network
CN108040337A (en) Based on improvement AdaBoost wireless sense network intrusion detection methods
Lodhi et al. Energy-efficient routing protocol for network life enhancement in wireless sensor networks
Manjula et al. Detection of falsified selfish node with optimized trust computation model in chimp-AODV based WSN
Juneja et al. An anomalous co‐operative trust & PG‐DRL based vampire attack detection & routing
Kumar et al. Trust-based energy-aware routing using GEOSR protocol for Ad-Hoc sensor networks
Rao et al. A novel optimization based energy efficient and secured routing scheme using SRFIS-CWOSRR for wireless sensor networks
Song et al. A Weak Hidden Markov Model based intrusion detection method for wireless sensor networks
Kanchana Devi et al. Trust-based selfish node detection mechanism using beta distribution in wireless sensor network
Balarengadurai et al. Fuzzy based detection and prediction of DDoS attacks in IEEE 802.15. 4 low rate wireless personal area network
Sebastin Suresh et al. Fuzzy logic based nodes distributed clustering for energy efficient fault tolerance in IoT-enabled WSN
KR20060081673A (en) Security robot system for wide area based of sensor/network and method thereof
Chae et al. Predictability trust for Wireless Sensor Networks to provide a defense against On/off attack
Dabba et al. BCP: A Border Coverage Protocol for wireless sensor networks
Shivaji et al. Energy efficient intrusion detection scheme based on bayesian energy prediction in WSN

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
LAPS Lapse due to unpaid annual fee