KR101157518B1 - Scheduling system and scheduling method based on cluster in wireless sensor network, and recording medium recorded the same method - Google Patents
Scheduling system and scheduling method based on cluster in wireless sensor network, and recording medium recorded the same method Download PDFInfo
- Publication number
- KR101157518B1 KR101157518B1 KR1020100083349A KR20100083349A KR101157518B1 KR 101157518 B1 KR101157518 B1 KR 101157518B1 KR 1020100083349 A KR1020100083349 A KR 1020100083349A KR 20100083349 A KR20100083349 A KR 20100083349A KR 101157518 B1 KR101157518 B1 KR 101157518B1
- Authority
- KR
- South Korea
- Prior art keywords
- sensor node
- energy
- cluster
- proximity
- sum
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0235—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a power saving command
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
Abstract
본 발명은 클러스터 기반 무선 센서네트워크에 있어서, 중첩 커버리지를 측정하기 위한 별도의 테스트 핀이 불필요하고, 클러스터 기반 센서노드의 센싱 범위를 최대한 유지함과 동시에 각 센서노드가 균분하게 에너지를 소비토록 하여 클러스터의 생존 기간을 연장할 수 있는 효과가 있다. 이를 위해 특히, 수신신호 강도(RSSI: Received Signal Strength Indication)에 기반하여 클러스터를 구성하는 다수의 센서노드 사이의 근접 거리를 연산하고, 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 근접 거리 연산수단; 각 센서노드의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하고, 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 에너지 가중치 연산수단; 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 수면 확률 연산수단; 및 수면 상태 변환확률에 기반하여 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 센서노드 상태 제어수단;을 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템이 개시된다.According to the present invention, in the cluster-based wireless sensor network, a separate test pin is unnecessary for measuring overlapping coverage, maintaining the sensing range of the cluster-based sensor node as much as possible, and allowing each sensor node to consume energy evenly. It has the effect of prolonging survival. To this end, in particular, a proximity distance calculation that calculates a proximity distance between a plurality of sensor nodes constituting a cluster based on Received Signal Strength Indication (RSSI) and calculates a sum of proximity distances based on the calculated proximity distance. Way; Energy weight calculation means for calculating an energy weight based on the initial energy and the used energy of each sensor node, and calculating the total energy weight based on the calculated energy weight; Sleep probability calculating means for calculating a sleep state transformation probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum; And sensor node state control means for determining an activation state and a sleep state of each sensor node based on a sleep state conversion probability.
Description
본 발명은 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템에 관한 것이다. 보다 상세하게는 다수의 센서노드 사이의 근접 거리 및 각 센서노드의 에너지에 기반하여 클러스터의 센싱 커비리지를 유지하면서도 동시에 클러스터의 수명을 연장할 수 있는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템, 센서노드 스케줄링 방법 및 그 방법의 기록매체에 관한 것이다.The present invention relates to a sensor node scheduling system of a cluster-based wireless sensor network. More specifically, the sensor node scheduling system of the cluster-based wireless sensor network, which can extend the life of the cluster while maintaining the sensing coverage of the cluster based on the proximity distance between the plurality of sensor nodes and the energy of each sensor node, the sensor It relates to a node scheduling method and a recording medium of the method.
밀도가 높은 클러스터 기반 무선센서네트워크에서 네트워크의 수명을 연장하기 위해 일부 센서노드 들만 활성화 상태로 동작하는 스케줄링 기법들이 연구되었다. CS(Coverage-aware sleep Scheduling) 기법에서 클러스터 안의 센서노드는 자 신의 센싱범위와 이웃 센서노드들의 센싱범위가 많이 중복될수록 수면상태로 변경될 확률이 높아지므로 클러스터의 커버리지를 보장할 수 있다. 또한 클 러스터의 일부 센서노드들만 활성화 상태로 동작하므로 네트워크의 수명을 연장할 수 있다.In order to extend the life of the network in a dense cluster-based wireless sensor network, scheduling techniques in which only some sensor nodes are active are studied. In the Coverage-aware sleep Scheduling (CS) technique, the more the sensor node in the cluster overlaps with the sensing range of neighboring sensor nodes, the more likely it is to change to the sleep state, thereby ensuring coverage of the cluster. In addition, only some of the sensor nodes in the cluster operate in an active state, extending the life of the network.
하지만, CS 기법은 센싱범위가 많이 중복되는 센서노드들이 높은 수면확률을 갖는다. 결국 클러스터 내에 일부 센서노드에 에너지 소모가 집중될 수 밖에 없는 문제점이 있으며, 더욱이 CS 기법은 중복되는 센싱범위의 측정을 위해 테스트 핀과 같은 별도의 장비를 필요로 한다. 이러한 별도의 장비는 저비용을 지향하는 센서노드에 있어서 비용 증가라는 또 다른 문제점을 초래한다.However, in the CS technique, sensor nodes with much overlapping sensing ranges have high sleep probability. As a result, there is a problem that energy consumption may be concentrated in some sensor nodes in the cluster. Moreover, the CS technique requires a separate device such as a test pin to measure overlapping sensing ranges. This extra equipment introduces another problem of increased cost for low cost oriented sensor nodes.
따라서, 별도의 장비를 부가하지 않고서도 클러스터 내에 센서노드들의 균등한 에너지 소모를 통해 클러스터 전체의 생존 기간을 연장할 수 있는 센서노드 스케줄링 시스템 또는 스케줄링 방법의 필요성이 대두된다.Accordingly, there is a need for a sensor node scheduling system or a scheduling method capable of extending the overall life span of the cluster through the equal energy consumption of the sensor nodes in the cluster without adding additional equipment.
본 발명은 상기와 같은 필요성에 의해 안출된 것으로서, 본 발명의 목적은, 별도의 장비를 사용하지 않으면서, 클러스터 기반의 센서노드의 센싱 범위 유지와 함께 각 센서노드가 균분하게 에너지를 소비할 수 있는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템, 센서노드 스케줄링 방법 및 그 방법의 기록매체를 제공하는 데 있다.The present invention has been made by the necessity as described above, an object of the present invention, each sensor node can consume energy uniformly with maintaining the sensing range of the cluster-based sensor node without using a separate equipment. A sensor node scheduling system of a cluster-based wireless sensor network, a sensor node scheduling method, and a recording medium of the method are provided.
또한, 본 발명의 다른 목적은, 클러스터 기반의 센서노드 들의 근접 거리 및 에너지 가중치를 연산하여 각 센서노드의 수면 상태 변환확률을 연산하고 연산된 수면 상태 변환확률에 기반하여 각 센서노드의 수면 상태를 결정함으로써 클러스터의 생존 기간을 연장할 수 있는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템, 센서노드 스케줄링 방법 및 그 방법의 기록매체를 제공하는 데 있다.Further, another object of the present invention is to calculate the sleep state transition probability of each sensor node by calculating the proximity distance and energy weight of the cluster-based sensor nodes, and calculate the sleep state of each sensor node based on the calculated sleep state transformation probability. The present invention provides a sensor node scheduling system, a sensor node scheduling method, and a recording medium of the method of the cluster-based wireless sensor network, which can extend the survival period of the cluster by determining.
상기와 같은 본 발명의 목적은, 수신신호 강도(RSSI: Received Signal Strength Indication)에 기반하여 클러스터를 구성하는 다수의 센서노드 사이의 근접 거리를 연산하고, 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 근접 거리 연산수단; 각 센서노드의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하고, 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 에너지 가중치 연산수단; 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 수면 확률 연산수단; 및 수면 상태 변환확률에 기반하여 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 센서노드 상태 제어수단;을 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템을 제공함으로써 달성될 수 있다.An object of the present invention as described above, based on the received signal strength (RSSI: Received Signal Strength Indication) calculates the proximity distance between a plurality of sensor nodes constituting the cluster, and based on the calculated proximity distance sum total Proximity distance calculating means for calculating; Energy weight calculation means for calculating an energy weight based on the initial energy and the used energy of each sensor node, and calculating the total energy weight based on the calculated energy weight; Sleep probability calculating means for calculating a sleep state transformation probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum; And sensor node state control means for determining an activation state and a sleep state of each sensor node based on a sleep state conversion probability. The sensor node scheduling system of the cluster-based wireless sensor network may be achieved.
연산된 근접 거리는 다수의 센서노드가 센싱하는 센싱범위의 중복 정도를 측정하기 위한 상대 거리 정보인 것이 바람직하다.The calculated proximity distance is preferably relative distance information for measuring the degree of overlap of the sensing range sensed by the plurality of sensor nodes.
센싱범위는 다수의 센서노드 사이의 통신범위보다 작은 것이 바람직하다.The sensing range is preferably smaller than the communication range between the plurality of sensor nodes.
근접 거리는 다음의 수학식Proximity distance is
(여기서, Sk는 k번째 센서노드의 근접 거리, Dj는 k번째 센서노드와 j번째 센서노드 사이의 거리임)Where Sk is the proximity of the kth sensor node and Dj is the distance between the kth sensor node and the jth sensor node.
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
근접 거리 총합은 다음의 수학식The sum of the proximity distances is
(여기서, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리임)Where Cs is the sum of proximity distances and Sk is the proximity distance of the kth sensor node.
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
에너지 가중치는 다음의 수학식The energy weight is given by
(여기서, Einit은 센서노드의 초기 에너지, Euse는 센서노드의 사용 에너지, Ek는 센서노드의 에너지 가중치임)Where Einit is the initial energy of the sensor node, Euse is the energy used by the sensor node, and Ek is the energy weight of the sensor node.
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
에너지 가중치 총합은 다음의 수학식The sum of the energy weights is given by
(여기서, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where CE is the sum of the energy weights and Ek is the energy weight of the sensor node.
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
에너지 가중치 연산수단은 각 센서노드에 구비된 것이 바람직하다.Energy weight calculation means is preferably provided in each sensor node.
수면 상태 변환확률은 다음의 수학식Sleep state transition probability is
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
수면 확률 연산수단은 다수의 센서노드를 관리하는 클러스터 헤더에 구비된 것이 바람직하다.Sleep probability calculation means is preferably provided in the cluster header for managing a plurality of sensor nodes.
센서노드 상태 제어수단은 각 센서노드에 구비된 것이 바람직하다.Sensor node state control means is preferably provided in each sensor node.
한편, 본 발명의 목적은 다른 카테고리로서, 근접 거리 연산수단이 수신신호 강도에 기반하여 클러스터를 구성하는 다수의 센서노드 사이의 근접 거리를 연산하는 단계(S110); 근접 거리 연산수단이 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 단계(S120); 에너지 가중치 연산수단이 각 센서노드의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하는 단계(S130); 에너지 가중치 연산수단이 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 단계(S140); 수면 확률 연산수단이 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 단계(S150); 및 센서노드 상태 제어수단이 수면 상태 변환확률에 기반하여 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 단계(S160);를 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법을 제공함으로써 달성될 수 있다.On the other hand, an object of the present invention is another category, the step of calculating the proximity distance between the plurality of sensor nodes constituting the cluster based on the received signal strength (S110); Calculating a proximity distance total based on the proximity distance calculated by the proximity distance calculating means (S120); Calculating, by the energy weight calculating means, an energy weight based on the initial energy and the used energy of each sensor node (S130); Calculating a total weight of energy based on the calculated energy weight by the energy weight calculating means (S140); Calculating, by the sleep probability calculating means, the sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum (S150); And determining, by the sensor node state control means, the activation state and the sleep state of each sensor node based on the sleep state conversion probability (S160). have.
수면 확률 연산수단의 수면 상태 변환확률 연산단계(S150)에서,In the sleep state conversion probability calculation step (S150) of the sleep probability calculating means,
수면 상태 변환확률은 다음의 수학식Sleep state transition probability is
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
또한, 본 발명의 목적은 에너지 가중치 연산수단이 클러스터를 구성하는 다수의 센서노드 각각의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하는 단계(S210); 에너지 가중치 연산수단이 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 단계(S220); 근접 거리 연산수단이 수신신호 강도에 기반하여 다수의 센서노드 사이의 근접 거리를 연산하는 단계(S230); 근접 거리 연산수단이 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 단계(S240); 수면 확률 연산수단이 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 단계(S250); 및 센서노드 상태 제어수단이 수면 상태 변환확률에 기반하여 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 단계(S260);를 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법을 제공함으로써 달성될 수 있다.In addition, the object of the present invention, the energy weight calculation means for calculating the energy weight based on the initial energy and the use energy of each of the plurality of sensor nodes constituting the cluster (S210); Calculating a total weight of energy based on the calculated energy weight by the energy weight calculating means (S220); Calculating, by the proximity distance calculating means, a proximity distance between the plurality of sensor nodes based on the received signal strength (S230); Calculating a proximity distance total based on the proximity distance calculated by the proximity distance calculating means (S240); Calculating, by the sleep probability calculating means, the sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum (S250); And determining, by the sensor node state control means, the activation state and the sleep state of each sensor node based on the sleep state conversion probability (S260). The method may be achieved by providing a sensor node scheduling method of a cluster-based wireless sensor network. have.
수면 확률 연산수단의 수면 상태 변환확률 연산단계(S250)에서,In the sleep state conversion probability calculation step (S250) of the sleep probability calculating means,
수면 상태 변환확률은 다음의 수학식Sleep state transition probability is
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
한편, 본 발명의 목적은, 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법을 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체를 제공함으로써 달성될 수 있다.Meanwhile, an object of the present invention can be achieved by providing a computer-readable recording medium having recorded thereon a program for executing a method of scheduling a sensor node of a cluster-based wireless sensor network.
상기와 같은 본 발명의 일 실시예에 의하면, 테스트 핀과 같은 별도의 센싱 커버리지 측정 장비가 불필요한 효과가 있다.According to one embodiment of the present invention as described above, there is no unnecessary effect of a separate sensing coverage measurement equipment such as a test pin.
또한, 클러스터 기반 센서노드의 센싱 범위를 최대한 유지함과 동시에 각 센서노드가 균분하게 에너지를 소비토록 하여 클러스터의 생존 기간을 연장할 수 있는 효과가 있다.In addition, while maintaining the sensing range of the cluster-based sensor node to the maximum, each sensor node can consume energy evenly to extend the life of the cluster.
도 1은 본 발명의 일 실시예에 따른 구성을 나타낸 구성도,
도 2 및 도 3은 본 발명의 일 실시예에 따른 센서노드 간의 거리와 중첩되는 센싱범위의 관계를 개략적으로 나타낸 도면,
도 4는 본 발명인 스케줄링 방법의 제 1실시예에 따른 방법을 순차적으로 나타낸 순서도,
도 5는 본 발명인 스케줄링 방법의 제 2실시예에 따른 방법을 순차적으로 나타낸 순서도 나타낸 순서도이다.1 is a block diagram showing a configuration according to an embodiment of the present invention,
2 and 3 are views schematically showing a relationship between a sensing range overlapping a distance between sensor nodes according to an embodiment of the present invention;
4 is a flowchart sequentially showing a method according to a first embodiment of the scheduling method of the present invention;
5 is a flowchart showing a method sequentially showing a method according to the second embodiment of the scheduling method of the present invention.
<스케줄링 시스템><Scheduling system>
도 1은 본 발명의 일 실시예에 따른 구성을 나타낸 구성도이다. 도 1에 도시된 바와 같이, 본 발명인 스케줄링 시스템의 일 실시예는 근접 거리 연산수단(10), 에너지 가중치 연산수단(20), 수면 확률 연산수단(30) 및 센서노드 상태 제어수단(40)으로 구성된다.1 is a block diagram showing a configuration according to an embodiment of the present invention. As shown in FIG. 1, an embodiment of the scheduling system of the present invention includes a proximity distance calculating means 10, an energy weight calculating means 20, a sleep probability calculating
본 실시예는 근접 거리 연산수단(10)이 클러스터를 구성하는 다수의 센서노드(SN) 사이의 근접 거리와 근접 거리 총합을 연산하고, 에너지 가중치 연산수단(20)이 각 센서노드(SN)의 초기 에너지, 사용 에너지에 기반한 에너지 가중치 및 에너지 가중치 총합을 연산하면, 수면 확률 연산수단(30)이 수면 상태 변환확률을 연산하고, 이를 토대로 센서노드 상태 제어수단(40)이 각 센서노드(SN)의 활성화 상태 및 수면 상태를 결정함으로써 클러스터의 커버리지를 최대한 유지하는 동시에 클러스터의 수명을 연장할 수 있도록 작용한다. 이러한 본 발명의 스케줄링 시스템에 대응하는 기법은 ECSR(Energy-Coverage aware sleep Scheduling based on RSSI) 기법이라 명명될 수 있을 것이다.In the present embodiment, the proximity distance calculating means 10 calculates the sum of the proximity distances and the proximity distances between the plurality of sensor nodes SN constituting the cluster, and the energy weight calculation means 20 determines the When the sum of the energy weights and the energy weights based on the initial energy and the used energy is calculated, the sleep probability calculating means 30 calculates the sleep state conversion probability, and based on the sensor node state control means 40, the sensor node state control means 40 By determining the activation state and the sleep state of the system, the coverage of the cluster can be maintained while maximizing the life of the cluster. Such a scheme corresponding to the scheduling system of the present invention may be referred to as an energy-coverage aware sleep scheduling based on RSSI technique.
근접 거리 연산수단(10)은 수신신호 강도(RSSI: Received Signal Strength Indication)에 기반하여 다수의 센서노드(SN) 사이의 근접 거리를 연산하고, 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 역할을 한다. 여기서, 근접 거리는 다수의 센서노드(SN)가 센싱하는 센싱범위의 중복 정도를 측정하기 위한 상대 거리 정보를 의미한다.The proximity distance calculating means 10 calculates a proximity distance between a plurality of sensor nodes SN based on received signal strength indication (RSSI), and calculates a proximity distance sum based on the calculated proximity distance. Play a role. Here, the proximity distance refers to relative distance information for measuring the degree of overlap of the sensing range sensed by the plurality of sensor nodes SN.
도 2 및 도 3은 본 발명의 일 실시예에 따른 센서노드 간의 거리와 중첩되는 센싱범위의 관계를 개략적으로 나타낸 도면이다. 2개의 센서노드(SN1, SN2) 간에 상대 거리 정보(L1, L2)와 중첩되는 센싱범위(S1, S2)는 도 2 및 도 3에서 알 수 있듯이, 상호 반비례 관계에 있다는 것을 알 수 있다.2 and 3 are diagrams schematically showing a relationship between a sensing range overlapping a distance between sensor nodes according to an embodiment of the present invention. It can be seen that the sensing ranges S1 and S2 overlapping the relative distance information L1 and L2 between the two sensor nodes SN1 and SN2 are in inverse relation with each other, as shown in FIGS. 2 and 3.
따라서, 근접 거리는 다음의 수학식 1Therefore, the proximity distance is the following equation 1
(여기서, Sk는 k번째 센서노드의 근접 거리, Dj는 k번째 센서노드와 j번째 센서노드 사이의 거리임)Where Sk is the proximity of the kth sensor node and Dj is the distance between the kth sensor node and the jth sensor node.
에 의하여 연산될 수 있다.Can be calculated by
그리고, 근접 거리 총합은 근접 거리와의 비를 나타내기 위해 필요한 정보로서, 근접 거리 총합은 다음의 수학식 2In addition, the sum of the proximity distances is necessary information for indicating a ratio with the proximity distances, and the sum of the proximity distances is represented by the following equation (2).
(여기서, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리임)Where Cs is the sum of proximity distances and Sk is the proximity distance of the kth sensor node.
에 의하여 연산될 수 있다.Can be calculated by
이러한 근접 거리 연산수단(10)은 근접 거리 및 근접 거리 총합을 연산토록 하는 프로그램이 저장된 메모리와 프로그램을 실행할 수 있는 소정의 마이크로 프로세서로 구성되어 각각의 센서노드(SN)에 구비될 수 있으며, 센서노드(SN)는 송수신모듈(미도시)이 구비되어 연산된 근접 거리에 대응하는 근접 거리 정보를 다수의 센서노드 중 클러스터 헤더로 송신할 수 있다.The proximity distance calculating means 10 is composed of a memory storing a program for calculating the proximity distance and the sum of the proximity distances and a predetermined microprocessor capable of executing the program, and may be provided in each sensor node SN. The node SN may be provided with a transmission / reception module (not shown) to transmit proximity distance information corresponding to the calculated proximity distance to a cluster header among the plurality of sensor nodes.
에너지 가중치 연산수단(20)은 클러스터를 구성하는 각 센서노드(SN)의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하고, 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 역할을 한다. The energy
에너지 가중치는 다음의 수학식 3The energy weight is expressed by Equation 3 below.
(여기서, Einit은 센서노드의 초기 에너지, Euse는 센서노드의 사용 에너지, Ek는 센서노드의 에너지 가중치임)Where Einit is the initial energy of the sensor node, Euse is the energy used by the sensor node, and Ek is the energy weight of the sensor node.
에 의하여 연산될 수 있다. 다만, Euse의 경우 각 센서노드와 클러스터 헤더 사이의 거리, 센서노드가 활성화 상태일 때의 초당 소비 에너지, 초당 패킷 전송률, 각 패킷을 전송하는데 소비되는 에너지, 센서노드의 수신 또는 대기 상태에서의 소비되는 에너지에 기초하여 연산될 수 있는데, 이는 F. Chen and Q. Zhao,“On the Lifetime of Wireless Sensor Networks,” Proceedings of IEEE Communications Letters, pp. 976-978, Nov. 2005.에 자세히 소개되어 있으므로, 설명은 생략한다.Can be calculated by However, in the case of Euse, the distance between each sensor node and the cluster header, the energy consumption per second when the sensor node is active, the packet transmission rate per second, the energy consumed to transmit each packet, the consumption in the receiving or waiting state of the sensor node Can be computed based on the energy generated by F. Chen and Q. Zhao, “On the Lifetime of Wireless Sensor Networks,” Proceedings of IEEE Communications Letters, pp. 976-978, Nov. Since it is introduced in 2005, the description is omitted.
또한, 에너지 가중치 총합은 다음의 수학식 4In addition, the sum of the energy weights is expressed by Equation 4 below.
(여기서, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where CE is the sum of the energy weights and Ek is the energy weight of the sensor node.
에 의하여 연산될 수 있다.Can be calculated by
이러한 에너지 가중치 연산수단(20)은 근접 거리 연산수단(10)과 마찬가지로 각 센서노드(SN)에 구비될 수 있으며, 사용 에너지 및 에너지 가중치를 연산할 수 있는 프로그램이 저장된 메모리와 프로그램을 실행할 수 있는 마이크로 프로세서로 구성될 수 있다. 센서노드(SN)는 송수신모듈(미도시)이 구비되어 연산된 에너지 가중치에 대응하는 에너지 가중치 정보를 클러스터 헤더에 송신할 수 있다.The energy
수면 확률 연산수단(30)은 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 역할을 한다. The sleep probability calculating means 30 calculates the sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum.
여기서, 수면 상태 변환확률은 다음의 수학식 5Here, the sleep state transition probability is expressed by Equation 5 below.
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
에 의하여 연산될 수 있으며, 수면 확률 연산수단(30)은 클러스터 내의 모든 센서노드(SN)에 대하여 수면 상태 변환확률을 연산하는 것이므로 연산량이 많아 클러스터 헤더에 의해 수행된다. 이 경우, 연산 프로그램을 저장하는 메모리와 이를 실행할 수 있는 프로세서가 구비된다. 또한, 연산된 수면 상태 변환확률에 대응하는 수면 상태 변환확률 정보는 클러스터 헤더가 각 센서노드(SN)에 전달하게 된다.The sleep probability calculating means 30 calculates the sleep state transition probability for all the sensor nodes SN in the cluster, and thus is calculated by the cluster header. In this case, a memory for storing an operation program and a processor capable of executing the same are provided. In addition, the sleep state change probability information corresponding to the calculated sleep state change probability is transmitted by the cluster header to each sensor node SN.
센서노드 상태 제어수단(40)은 수면 상태 변환확률에 기반하여 클러스터 내의 각 센서노드(SN)의 활성화 상태 및 수면 상태를 결정하는 역할을 한다. 센서노드 상태 제어수단(40)은 각 센서노드에 내장되어 있는 마이크로 프로세서를 포함한다.
The sensor node state control means 40 determines the activation state and the sleep state of each sensor node SN in the cluster based on the sleep state conversion probability. The sensor node state control means 40 includes a microprocessor embedded in each sensor node.
<스케줄링 방법><Scheduling method>
<제 <J 1실시예Example 1 >>
도 4는 본 발명인 스케줄링 방법의 제 1실시예에 따른 방법을 순차적으로 나타낸 순서도이다. 도 4를 참조하면, 제 1실시예는 우선, 근접 거리 연산수단(10)이 수신신호 강도(RSSI: Received Signal Strength Indication)에 기반하여 클러스터를 구성하는 다수의 센서노드 사이의 근접 거리를 연산한다(S110).4 is a flowchart sequentially illustrating a method according to a first embodiment of the present invention scheduling method. Referring to FIG. 4, in the first embodiment, the proximity distance calculating means 10 first calculates a proximity distance between a plurality of sensor nodes constituting a cluster based on received signal strength indication (RSSI). (S110).
다음, 근접 거리 연산수단(10)이 연산된 근접 거리에 기반하여 근접 거리 총합을 연산한다(S120).Next, the proximity distance calculating means 10 calculates the total proximity distance based on the calculated proximity distance (S120).
다음, 에너지 가중치 연산수단(20)이 각 센서노드의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산한다(S130).Next, the energy weight calculation means 20 calculates the energy weight based on the initial energy and the use energy of each sensor node (S130).
다음, 에너지 가중치 연산수단(20)이 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산한다(S140).Next, the energy weight calculation means 20 calculates the sum of the energy weights based on the calculated energy weights (S140).
다음, 수면 확률 연산수단이 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산한다(S150).Next, the sleep probability calculating means calculates the sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum (S150).
여기서 수면 상태 변환확률은 다음의 수학식The probability of sleep state transition is given by
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
에 의하여 연산될 수 있다.Can be calculated by
마지막으로, 센서노드 상태 제어수단이 수면 상태 변환확률에 기반하여 각 센서노드의 활성화 상태 및 수면 상태를 결정함으로써(S160) 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법의 제 1실시예가 수행될 수 있다.
Finally, the first embodiment of the sensor node scheduling method of the cluster-based wireless sensor network may be performed by the sensor node state control means determining the activation state and the sleep state of each sensor node based on the sleep state conversion probability (S160). .
<제 <J 2실시예2 Example >>
도 5는 본 발명인 스케줄링 방법의 제 2실시예에 따른 방법을 순차적으로 나타낸 순서도이다. 도 5를 참조하면, 우선 에너지 가중치 연산수단(20)이 클러스터를 구성하는 다수의 센서노드 각각의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산한다(S210).5 is a flowchart sequentially illustrating a method according to a second embodiment of the scheduling method of the present invention. Referring to FIG. 5, first, an energy
다음, 에너지 가중치 연산수단(20)이 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산한다(S220).Next, the energy weight calculation means 20 calculates the sum of the energy weights based on the calculated energy weights (S220).
다음, 근접 거리 연산수단(10)이 수신신호 강도(RSSI: Received Signal Strength Indication)에 기반하여 다수의 센서노드 사이의 근접 거리를 연산한다(S230).Next, the proximity distance calculating means 10 calculates the proximity distance between the plurality of sensor nodes based on the received signal strength indication (RSSI) (S230).
다음, 근접 거리 연산수단(10)이 연산된 근접 거리에 기반하여 근접 거리 총합을 연산한다(S240).Next, the proximity distance calculating means 10 calculates the total proximity distance based on the calculated proximity distance (S240).
다음, 수면 확률 연산수단(30)이 근접 거리, 근접 거리 총합, 에너지 가중치 및 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산한다(S250).Next, the sleep probability calculating means 30 calculates the sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum (S250).
여기서, 수면 상태 변환확률은 다음의 수학식Here, the sleep state transition probability is expressed by the following equation.
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
마지막으로, 센서노드 상태 제어수단(40)이 수면 상태 변환확률에 기반하여 각 센서노드의 활성화 상태 및 수면 상태를 결정함으로써(S260) 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법의 제 2실시예가 수행될 수 있다.
Finally, the second embodiment of the sensor node scheduling method of the cluster-based wireless sensor network is performed by the sensor node state control means 40 determining the activation state and the sleep state of each sensor node based on the sleep state transition probability. Can be.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood that the invention may be practiced. Therefore, the embodiments described above are to be understood as illustrative and not restrictive in all aspects. In addition, the scope of the present invention is indicated by the appended claims rather than the detailed description above. Also, it is to be construed that all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts are included in the scope of the present invention.
SN, SN1, SN2: 센서노드
L1, L2: 센서노드 간 거리
S1, S2: 센싱 중복 범위
10: 근접 거리 연산수단
20: 에너지 가중치 연산수단
30: 수면 확률 연산수단
40: 센서노드 상태 제어수단SN, SN1, SN2: Sensor Node
L1, L2: Distance between sensor nodes
S1, S2: Sensing Redundancy Range
10: proximity distance calculating means
20: energy weight calculation means
30: sleep probability calculation means
40: sensor node state control means
Claims (16)
상기 각 센서노드의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하고, 상기 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 에너지 가중치 연산수단;
상기 근접 거리, 상기 근접 거리 총합, 상기 에너지 가중치 및 상기 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 수면 확률 연산수단; 및
상기 수면 상태 변환확률에 기반하여 상기 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 센서노드 상태 제어수단;을 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
Proximity distance calculating means for calculating a proximity distance between the plurality of sensor nodes constituting the cluster based on the received signal strength, and calculating the total proximity distance based on the calculated proximity distance;
Energy weight calculation means for calculating an energy weight based on the initial energy and the used energy of each sensor node, and calculating the total energy weight based on the calculated energy weight;
Sleep probability calculation means for calculating a sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight and the energy weight sum; And
And sensor node state control means for determining an activation state and a sleep state of each sensor node based on the sleep state conversion probability.
상기 연산된 근접 거리는 상기 다수의 센서노드가 센싱하는 센싱범위의 중복 정도를 측정하기 위한 상대 거리 정보인 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The calculated proximity distance is sensor node scheduling system of a cluster-based wireless sensor network, characterized in that the relative distance information for measuring the degree of overlap of the sensing range sensed by the plurality of sensor nodes.
상기 센싱범위는 상기 다수의 센서노드 사이의 통신범위보다 작은 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 2,
The sensing range is a sensor node scheduling system of the cluster-based wireless sensor network, characterized in that less than the communication range between the plurality of sensor nodes.
상기 근접 거리는 다음의 수학식
(여기서, Sk는 k번째 센서노드의 근접 거리, Dj는 k번째 센서노드와 j번째 센서노드 사이의 거리임)
에 의하여 연산되는 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The proximity distance is represented by the following equation
Where Sk is the proximity of the kth sensor node and Dj is the distance between the kth sensor node and the jth sensor node.
Sensor node scheduling system of the cluster-based wireless sensor network, characterized in that calculated by.
상기 근접 거리 총합은 다음의 수학식
(여기서, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리임)
에 의하여 연산되는 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 4, wherein
The sum of the proximity distances is represented by the following equation.
Where Cs is the sum of proximity distances and Sk is the proximity distance of the kth sensor node.
Sensor node scheduling system of the cluster-based wireless sensor network, characterized in that calculated by.
상기 에너지 가중치는 다음의 수학식
(여기서, Einit은 센서노드의 초기 에너지, Euse는 센서노드의 사용 에너지, Ek는 센서노드의 에너지 가중치임)
에 의하여 연산되는 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The energy weight is expressed by the following equation
Where Einit is the initial energy of the sensor node, Euse is the energy used by the sensor node, and Ek is the energy weight of the sensor node.
Sensor node scheduling system of the cluster-based wireless sensor network, characterized in that calculated by.
상기 에너지 가중치 총합은 다음의 수학식
(여기서, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)
에 의하여 연산되는 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The sum of the energy weights is expressed by the following equation
Where CE is the sum of the energy weights and Ek is the energy weight of the sensor node.
Sensor node scheduling system of the cluster-based wireless sensor network, characterized in that calculated by.
상기 에너지 가중치 연산수단은 상기 각 센서노드에 구비된 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
Sensor node scheduling system of the cluster-based wireless sensor network, characterized in that the energy weight calculation means is provided in each sensor node.
상기 수면 상태 변환확률은 다음의 수학식
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)
에 의하여 연산되는 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The sleep state transition probability is expressed by the following equation
Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
Sensor node scheduling system of the cluster-based wireless sensor network, characterized in that calculated by.
상기 수면 확률 연산수단은 상기 다수의 센서노드를 관리하는 클러스터 헤더에 구비된 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The sleep probability calculating means is a sensor node scheduling system of the cluster-based wireless sensor network, characterized in that provided in the cluster header for managing the plurality of sensor nodes.
상기 센서노드 상태 제어수단은 상기 각 센서노드에 구비된 것을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 시스템.
The method of claim 1,
The sensor node state control means is a sensor node scheduling system of the cluster-based wireless sensor network, characterized in that provided in each sensor node.
상기 근접 거리 연산수단이 상기 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 단계(S120);
에너지 가중치 연산수단이 상기 각 센서노드의 초기 에너지와 사용 에너지에 기반하여 에너지 가중치를 연산하는 단계(S130);
상기 에너지 가중치 연산수단이 상기 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 단계(S140);
수면 확률 연산수단이 상기 근접 거리, 상기 근접 거리 총합, 상기 에너지 가중치 및 상기 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 단계(S150); 및
센서노드 상태 제어수단이 상기 수면 상태 변환확률에 기반하여 상기 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 단계(S160);를 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법.
Calculating, by the proximity distance calculating means, a proximity distance between the plurality of sensor nodes constituting the cluster based on the received signal strength (S110);
Calculating, by the proximity distance calculating means, a sum of proximity distances based on the calculated proximity distances (S120);
Calculating, by the energy weight calculating means, an energy weight based on the initial energy and the used energy of each sensor node (S130);
Calculating, by the energy weight calculating means, a sum of energy weights based on the calculated energy weights (S140);
Calculating, by the sleep probability calculating means, a sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum (S150); And
Sensor node state control means for determining the activation state and the sleep state of each sensor node based on the sleep state conversion probability (S160); Sensor node scheduling method of a cluster-based wireless sensor network comprising a.
상기 수면 확률 연산수단의 수면 상태 변환확률 연산단계(S150)에서,
상기 수면 상태 변환확률은 다음의 수학식
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)
에 의하여 연산되는 것임을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법.
13. The method of claim 12,
In the sleep state conversion probability calculation step (S150) of the sleep probability calculation means,
The sleep state transition probability is expressed by the following equation
Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
Sensor node scheduling method of a cluster-based wireless sensor network, characterized in that calculated by.
상기 에너지 가중치 연산수단이 상기 연산된 에너지 가중치에 기반하여 에너지 가중치 총합을 연산하는 단계(S220);
근접 거리 연산수단이 수신신호 강도에 기반하여 상기 다수의 센서노드 사이의 근접 거리를 연산하는 단계(S230);
상기 근접 거리 연산수단이 상기 연산된 근접 거리에 기반하여 근접 거리 총합을 연산하는 단계(S240);
수면 확률 연산수단이 상기 근접 거리, 상기 근접 거리 총합, 상기 에너지 가중치 및 상기 에너지 가중치 총합에 기반하여 수면 상태 변환확률을 연산하는 단계(S250); 및
센서노드 상태 제어수단이 상기 수면 상태 변환확률에 기반하여 상기 각 센서노드의 활성화 상태 및 수면 상태를 결정하는 단계(S260);를 포함하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법.
Calculating, by the energy weight calculating means, an energy weight based on initial energy and use energy of each of the plurality of sensor nodes constituting the cluster (S210);
Calculating, by the energy weight calculating means, a sum of energy weights based on the calculated energy weights (S220);
Calculating, by the proximity distance calculating means, a proximity distance between the plurality of sensor nodes based on the received signal strength (S230);
Calculating, by the proximity distance calculating means, a sum of proximity distances based on the calculated proximity distances (S240);
Calculating, by the sleep probability calculating means, a sleep state conversion probability based on the proximity distance, the proximity distance sum, the energy weight, and the energy weight sum (S250); And
Sensor node state control means for determining the activation state and the sleep state of each sensor node based on the sleep state conversion probability (S260); Sensor node scheduling method of a cluster-based wireless sensor network comprising a.
상기 수면 확률 연산수단의 수면 상태 변환확률 연산단계(S250)에서,
상기 수면 상태 변환확률은 다음의 수학식
(여기서, p(k)는 k번째 센서노드의 수면 상태 변환확률, Bs는 각 사이클에 수면 상태로 설정하고자 하는 센서노드들의 비율, N은 클러스터에 속한 센서노드의 총 개수, a와 b는 가중치 상수, Cs는 근접 거리 총합, Sk는 k번째 센서노드의 근접 거리, CE는 에너지 가중치 총합, Ek는 센서노드의 에너지 가중치임)
에 의하여 연산되는 것임을 특징으로 하는 클러스터 기반 무선 센서네트워크의 센서노드 스케줄링 방법.
The method of claim 14,
In the sleep state conversion probability calculation step (S250) of the sleep probability calculating means,
The sleep state transition probability is expressed by the following equation
Where p (k) is the probability of sleep state transition of the kth sensor node, Bs is the ratio of sensor nodes to be set to sleep state in each cycle, N is the total number of sensor nodes in the cluster, and a and b are weights. Constant, Cs is the sum of proximity, Sk is the proximity of the kth sensor node, CE is the sum of the energy weights, Ek is the energy weight of the sensor node)
Sensor node scheduling method of a cluster-based wireless sensor network, characterized in that calculated by.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100083349A KR101157518B1 (en) | 2010-08-27 | 2010-08-27 | Scheduling system and scheduling method based on cluster in wireless sensor network, and recording medium recorded the same method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100083349A KR101157518B1 (en) | 2010-08-27 | 2010-08-27 | Scheduling system and scheduling method based on cluster in wireless sensor network, and recording medium recorded the same method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120019837A KR20120019837A (en) | 2012-03-07 |
| KR101157518B1 true KR101157518B1 (en) | 2012-06-22 |
Family
ID=46128650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100083349A KR101157518B1 (en) | 2010-08-27 | 2010-08-27 | Scheduling system and scheduling method based on cluster in wireless sensor network, and recording medium recorded the same method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101157518B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108882258B (en) * | 2018-09-18 | 2021-07-27 | 天津理工大学 | Wireless sensor network-oriented neighbor rotation hierarchical clustering method |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090025739A (en) * | 2007-09-07 | 2009-03-11 | 삼성전자주식회사 | Method of controlling station operation mode and system of enabling the method |
-
2010
- 2010-08-27 KR KR1020100083349A patent/KR101157518B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090025739A (en) * | 2007-09-07 | 2009-03-11 | 삼성전자주식회사 | Method of controlling station operation mode and system of enabling the method |
Non-Patent Citations (1)
| Title |
|---|
| 논문1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120019837A (en) | 2012-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9467942B2 (en) | Wireless communication network system, wireless communication station, wireless communication device, and battery consumption smoothing method | |
| US7881206B2 (en) | Method and apparatus for mesh routing | |
| CN106604346B (en) | Method for realizing energy-efficient opportunistic routing of wireless sensor network | |
| US8514760B2 (en) | Adaptive wireless sensor network and method of routing data in a wireless sensor network | |
| JP6670930B2 (en) | Method of determining network rank for communication with adjacent node | |
| Zheng et al. | Bulk data dissemination in wireless sensor networks: analysis, implications and improvement | |
| Liu et al. | TALENT: Temporal adaptive link estimator with no training | |
| US8964558B2 (en) | Transmission control method and communication apparatus | |
| KR101269234B1 (en) | Method and apparatus transmitting data based on link quality in wireless network | |
| JP2014216796A (en) | Radio communication device and method, and program | |
| Unterschütz et al. | Opportunistic, receiver-initiated data-collection protocol | |
| CN108848540A (en) | Relay node selecting method and system | |
| Patil et al. | Stochastic modeling of depth based routing in underwater sensor networks | |
| US9614783B2 (en) | Apparatus and method for determining source device in contents sharing system | |
| KR101157518B1 (en) | Scheduling system and scheduling method based on cluster in wireless sensor network, and recording medium recorded the same method | |
| KR101482145B1 (en) | Apparatus and method for energy-saving and reliable data communication in Wireless Sensor Networks | |
| KR101171498B1 (en) | Method for determining transmission power | |
| Karimzadeh‐Farshbafan et al. | Semi‐myopic algorithm for resource allocation in wireless body area networks | |
| JP5954130B2 (en) | Wireless communication system, wireless communication method, transmitting terminal, and receiving terminal | |
| US9893837B2 (en) | Wireless network with power aware transmission control | |
| Fonda et al. | Development and implementation of optimized energy-delay sub-network routing protocol for wireless sensor networks | |
| US9351227B2 (en) | Wireless communication system, wireless communication method, and transmitting terminal | |
| Guo et al. | A residual battery-aware routing algorithm based on DSR for BLE sensor networks | |
| Bai et al. | Smart energy harvesting routing protocol for WSN based E-health systems | |
| Bengheni et al. | A preamble sampling scheme based MAC protocol for energy harvesting wireless sensor networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160328 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20170627 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20181218 Year of fee payment: 7 |
|
| R401 | Registration of restoration | ||
| FPAY | Annual fee payment |
Payment date: 20190305 Year of fee payment: 8 |