KR101203200B1 - 무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 방법을 이용한 노드 위치 인식 장치 - Google Patents
무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 방법을 이용한 노드 위치 인식 장치 Download PDFInfo
- Publication number
- KR101203200B1 KR101203200B1 KR1020100094738A KR20100094738A KR101203200B1 KR 101203200 B1 KR101203200 B1 KR 101203200B1 KR 1020100094738 A KR1020100094738 A KR 1020100094738A KR 20100094738 A KR20100094738 A KR 20100094738A KR 101203200 B1 KR101203200 B1 KR 101203200B1
- Authority
- KR
- South Korea
- Prior art keywords
- node
- anchor
- expected
- location
- network
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- 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
Abstract
본 발명은 무선 센서 네트워크에서 현재 위치를 알지 못하는 노드의 위치를 보다 정확하게 파악하는 것을 목적으로 하며, 본 발명의 일 실시예에 따른 무선 센서 네트워크에서의 노드 위치 인식 방법은 복수의 앵커(anchor)와 노드 간의 거리 및 작용하는 힘을 측정하고, 앵커들에 의해 노드로 작용하는 힘이 평형을 이루는 제1 예상 노드 위치를 계산하는 단계와, 네트워크 내의 모든 노드들이 제1 예상 노드 위치를 계산한 상태인 경우, 각 노드의 제1 예상 노드 위치를 기준으로 네트워크 내의 앵커 및 이웃하는 노드들 간의 거리 및 작용하는 힘을 측정하여 제2 예상 노드 위치를 계산하는 단계를 포함한다. 이에 따라, 무선 센서 네트워크상에서 위치 정보를 모르는 노드에서도 주위의 이웃하는 노드의 정보를 이용하여 실제 노드 위치에 근접한 위치 인식이 가능하다.
Description
본 발명은 무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 위치 인식 장치에 관한 것으로, 보다 구체적으로는 무선 센서 네트워크에서의 노드 간의 힘의 평형을 이용하는 노드 위치 인식 방법 및 노드 위치 인식 장치에 관한 것이다.
본 발명은 동서신의학 U-라이프케이연구센터 사업의 일환으로 수행한 연구로부터 도출된 것이다.[과제관리번호 : NIPA-2010-(C1090-1021-003), 과제명 : 동서신의학 U-라이프케어 기술 연구]
무선 센서 네트워크(Wireless Sensor Network : WSN)는 센서 노드, 센서 노드로부터 수집된 정보를 가공하는 프로세서 및 가공된 정보를 전송하는 무선 송수신 장치로 구성된 네트워크이다. 이는 의사소통뿐만 아니라 자동화된 원격정보 수집이 가능하여 네트워크 내의 센서 노드의 추적, 감시, 제어 등 다양한 응용 개발에 폭넓게 활용되고 있다. 이러한 무선센서 네트워크는 인간 중심의 유비쿼터스 패러다임이 확대되면서 유비쿼터스 센서 네트워크(Ubiguitous sensor network : USN)로 발전하고 있다.
무선 센서 네트워크에서는 데이터를 생성한 노드의 위치를 파악하는 것이 그 목적을 불문하고 가장 중요한 정보이다. 많은 수의 노드들로 인해, 노드 배치의 초기에는 작은 비율의 노드들만이 설정된 위치들에 배치될 수 있었다. 이러한 노드들은 소위 앵커(anchor) 또는 비콘(beacon)이라 알려져 있다. 그 외의 다른 노드들은 일반 노드들로 불리며, 그들과 이웃한 노드들 간의 수많은 거리들 및 앵커들과의 수많은 거리들을 알고 있다. 그들은 그들 자신의 위치를 나타내기 위해서는 위치측정 알고리즘을 사용해야 한다.
대부분의 위치측정 방법은 중앙화된 연속적 개선(centralized and successive refinement) 또는 분산된 비 연속적 개선(distributed and non successive refinement)이다. 이 중 몇 가지를 예로 들면, 분산된 가중된 다차원적 스케일링(distributed weighted multidimensional scaling : dw-MDS)과 분산된 최대 가능성(distributed maximum likelihood)가 있다. 두 방법 모두 분산된 연속적인 방법이다. 그러나, 네트워크 내 통신과 계산 비용은 여전히 높다.
게다가, 이전 방법들은 예상된 거리 에러들이 항상 실제 거리에 비례한다는 사실을 간과하고 있다. 이에 본 발명자는 측정된 거리 에러들이 실제 거리에 비례하는 경우 통신과 계산을 수행시 높은 비용을 요구하지 않으면서도 높은 정확성을 가지는 분산된 연속적 위치측정 방법을 연구하게 되었다.
본 발명은 무선 센서 네트워크에서 현재 위치를 알지 못하는 노드의 위치를 보다 정확하게 파악하는 것을 목적으로 한다. 또한, 이웃하는 노드들의 위치정보와 작용하는 힘의 정보를 이용하여 실제 위치와 예상 위치와의 오차를 최소화하는 것을 목적으로 한다. 또한, 무선 네트워크에 메시지를 전송할 때 에너지 소비를 최소화하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 무선 센서 네트워크에서의 노드 위치 인식 방법은 복수의 앵커(anchor)와 노드 간의 거리 및 작용하는 힘을 측정하고, 앵커들에 의해 노드로 작용하는 힘이 평형을 이루는 제1 예상 노드 위치를 계산하는 단계와, 네트워크 내의 모든 노드들이 제1 예상 노드 위치를 계산한 상태인 경우, 각 노드의 제1 예상 노드 위치를 기준으로 네트워크 내의 앵커 및 이웃하는 노드들 간의 거리 및 작용하는 힘을 측정하여 제2 예상 노드 위치를 계산하는 단계를 포함한다.
본 발명의 일 실시예에 따른 무선 센서 네트워크에서의 노드 위치 인식 방법은 네트워크 내의 모든 노드들이 제2 예상 노드 위치를 계산한 상태인 경우, 각 노드의 제2 예상 노드 위치를 기준으로 네트워크 내의 앵커 및 이웃하는 노드들 간의 거리 및 작용하는 힘을 측정하여 제2 예상 노드 위치의 오차를 수정하는 단계를 더 포함한다.
본 발명의 일 실시예에 따른 무선 센서 네트워크에서의 노드 위치 인식 장치는 무선 네트워크 상에 데이터를 송수신하는 통신부와, 통신부를 통해 네트워크 상의 이웃 노드들의 위치 정보 및 작용하는 힘의 크기 정보를 입력받아 노드들에 의해 작용하는 힘의 크기가 평형을 이루는 지점을 계산하는 예상 위치 계산부와, 예상 위치 계산부가 계산한 위치를 현재 위치로 인식하는 위치 인식부를 포함한다.
본 발명의 일 실시예에 따른 무선 센서 네트워크에서의 노드 위치 인식 장치는 통신부를 통해 네트워크 상의 이웃 노드들의 위치 및 작용하는 힘의 크기 정보를 주기적으로 전송받아 현재 위치를 업데이트하는 위치 업데이트부를 더 포함한다.
이에 따라, 무선 센서 네트워크상에서 위치 정보를 모르는 노드에서도 주위의 이웃하는 노드의 정보를 이용하여 실제 노드 위치에 근접한 위치 인식이 가능하다. 또한, 이웃하는 노드들에 의해 작용하는 힘을 계산하여 힘의 평형을 유지하는 지점을 현재 노드의 예상 위치로 인식함으로써 실제 노드의 위치와의 오차를 최소화할 수 있다. 또한, 매번 위치 정보를 업데이트 하지 않고, 설정된 횟수마다 업데이트 함으로써 노드에서의 에너지 소모를 줄일 수 있다.
도 1은 본 발명의 일 실시예에 따른 노드 위치 인식 방법의 순서도,
도 2는 본 발명의 일 실시예에 따른 노드의 평형 위치의 예시도,
도 3a는 본 발명의 일 실시예에 따른 이웃 노드의 위치 오류의 예시도,
도 3b는 본 발명의 일 실시예에 따른 이웃 노드의 위치 오류가 정정된 예시도,
도 4는 본 발명의 일 실시예에 따른 노드 위치 인식 장치의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 노드의 평형 위치의 예시도,
도 3a는 본 발명의 일 실시예에 따른 이웃 노드의 위치 오류의 예시도,
도 3b는 본 발명의 일 실시예에 따른 이웃 노드의 위치 오류가 정정된 예시도,
도 4는 본 발명의 일 실시예에 따른 노드 위치 인식 장치의 구성도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예를 상세하게 설명한다. 사용되는 용어들은 실시예에서의 기능을 고려하여 선택된 용어들로서, 그 용어의 의미는 사용자, 운용자의 의도 또는 판례 등에 따라 달라질 수 있다. 그러므로 후술하는 실시예들에서 사용된 용어의 의미는, 본 명세서에 구체적으로 정의된 경우에는 그 정의에 따르며, 구체적인 정의가 없는 경우는 당업자들이 일반적으로 인식하는 의미로 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 노드 위치 인식 방법의 순서도이다.
도 1을 참조하면, 먼저 무선 네트워크 상에 위치한 앵커(anchor)와 현재 위치를 인식하지 못하는 노드 간의 거리와 이 때 작용하는 힘의 크기와 방향을 측정하고, 앵커들에 의해 노드에 작용하는 힘이 평형을 이루는 제1 예상 노드의 위치를 계산한다(110). 비록 현재 노드의 위치는 인식하고 있지 못하지만, 이웃 노드(205)들의 위치 정보를 인식하고 있는 경우 이웃 노드(205)들과의 힘의 평형을 이용하여 현재 노드의 최적의 위치를 예상하는 것이다. 제1 예상 노드의 위치를 계산하는 과정은 도 2를 참조하여 후술하도록 한다.
도 2는 본 발명의 일 실시예에 따른 노드의 평형 위치의 예시도이다.
도 2를 참조하면, 무선 센서 네트워크에는 위치 인식이 안되는 현재 예상 노드(201) 주위에 여러 앵커(anchor)들이 존재할 수 있다. 이 경우, 현재 예상 노드(201)는 앵커들에 대한 적어도 3개 이상의 예상 범위를 가질 수 있다. 도 2의 경우 4개의 앵커가 존재하고, 현재 예상 노드(201)는 그 앵커들에 대한 4개의 예상 범위를 가지고 있다. 이 경우, 현재 예상 노드(201)는 4개의 앵커들에 의해 힘의 영향을 받게 된다. 그러한 힘이 평형을 이루는 위치를 구하는 공식은 다음과 같다.
수학식 1에서, 는 힘의 평형 벡터이고, Mi는 연관된 앵커들의 수를 나타내며, 는 앵커와 노드 간의 개별적인 힘의 벡터를 나타낸다. 수학식 1에 따르면, 힘의 평형 벡터는 각 앵커와 노드 간의 개별적인 힘의 벡터의 총 합을 연관된 앵커의 수로 나눈 값으로 구할 수 있다. 이 경우, 개별적인 힘의 벡터를 나타내는 는 다음과 같이 구할 수 있다.
수학식 2에서, 개벌 힘의 벡터 는 노드 i와 노드 j 간의 유클리드 추정 거리인 에서 노드 i와 노드 j 간의 추정 거리인 δij를 뺀 값에, 노드 i에서 노드 j를 향하는 단위 길이 방향 벡터 를 곱함으로써 구할 수 있다. 이 경우, 는 다음과 같은 식으로 구할 수 있다.
수학식 3에서, 는 i 노드의 추정 좌표를 나타내고, 는 j 노드의 추정 좌표를 나타낸다. 따라서, 노드 i와 노드 j 간의 유클리드 추정 거리 는 i 노드의 추정 좌표에서 j 노드의 추정 좌표를 뺀 값의 벡터의 놈(norm), 즉 벡터의 길이를 나타낸다.
한편, 수학식 2를 다음과 같이 비 편향 함수(de-biasing function)로 나타낼 수 있다.
도 2에서, 현재 예상 노드(201) 주위에 있는 4개의 노드로부터 힘의 크기와 방향을 측정하고, 이러한 힘이 평형이 되는 위치가 평형 노드(203)가 된다. 만약, 힘의 평형을 계산하는 과정에서 이웃하는 노드들의 위치 및 힘의 크기와 방향에 대한 오차가 없다면 평형 노드(203)가 현재 예상 노드(201)의 실제 위치가 된다.
한편, 다시 도 1로 돌아가서 예상 노드 위치를 계산하기 위해서는 다음과 같은 수학식을 사용한다.
수학식 5에서 는 갱신된 i 노드의 추정 좌표를 나타내고, α는 이동 비율을 나타내고, 는 i 노드에서 주변의 노드들에 의해 힘의 평형 벡터를 나타낸다. 이는 제1 예상 노드 위치를 결정하기 위해서는 주변의 노드에 의해 현재 노드에 영향을 미치는 힘이 변할 수 있음을 나타낸다. 따라서, 주기적으로 종전의 제1 예상 노드 위치에 변경된 값을 더하여 새로운 제1 예상 노드 위치를 업데이트할 수 있다. 업데이트된 제1 예상 노드 위치는 현재 노드가 존재하리라고 예상되는 위치로 인식될 수 있다.
다음으로, 제1 예상 노드의 위치를 기준으로 네트워크 내의 앵커 및 이웃하는 노드들과 현재 노드 간의 거리 및 작용하는 힘을 측정하여 제2 예상 노드 위치를 계산한다(130). 이는 현재 노드의 정확한 위치를 인식하기 위하여 예상된 노드 위치를 수정하기 위함이다. 이를 위해, 현재 노드는 제1 예상 노드 위치를 계산한 후, 네트워크에 이러한 상태에 대한 메시지를 전송하게 된다. 그리고, 네트워크 내의 다른 노드들의 현재 상태 정보를 수신한다. 이는, 보다 정확한 노드 위치를 결정하기 위해 다른 노드들의 상태를 확인할 필요가 있기 때문이다.
네트워크를 통해 다른 모든 노드들이 제1 예상 노드 위치를 계산했다고 판단된 경우에 제2 예상 노드 위치를 계산하게 된다. 이 경우, 수학식 1과 수학식 2 및 수학식 5를 이용한다. 다만, 제1 예상 노드 위치와 달리 현재 예상 노드(201) 주위의 앵커 뿐만 아니라 이웃하는 노드들을 고려하여 예상 노드 위치를 결정하게 된다. 이러한 과정을 통해 현재 노드의 보다 정확한 위치를 인식할 수 있다.
다시 도 1로 돌아가서, 다음으로 각 노드의 제2 예상 노드 위치를 기준으로 네트워크 내의 앵커 및 이웃하는 노드들 간의 거리 및 작용하는 힘의 크기 및 방향을 측정하여 제2 예상 노드 위치의 오차를 수정한다(150). 이는 추정된 노드의 위치가 오차가 없다는 가정하에서는 제2 예상 노드의 위치가 노드의 실질적인 위치가 될 수 있으나, 거리 측정 과정에서 오차가 발생할 수 있기 때문에 이를 보상하기 위함이다. 이에 대하여, 도 3a 내지 도 3b를 참조하여 자세하게 후술하도록 한다.
도 3a는 본 발명의 일 실시예에 따른 이웃 노드(205)의 위치 오류 예시도이고, 도 3b는 본 발명의 일 실시예에 따른 이웃 노드(205)의 위치 오류가 정정된 예시도이다.
도 3a를 참조하면, 현재 위치가 미확인된 노드인 현재 예상 노드(201)와 그 주위에 위치 정보가 알려진 다수의 이웃 노드(205)들이 존재한다. 이 경우, 현재 예상 노드(201)에서 주위의 이웃 노드(205)들의 위치정보를 기초로 이웃 노드(205)와 현재 예상 노드(201) 간의 거리를 측정할 수 있다. 그러나, 이 경우 거리 측정에 오차가 발생할 수 있다. 따라서, 어떤 노드는 실제 위치보다 멀리 있는 것으로 측정될 수 있으며, 어떤 노드는 실제 위치보다 가깝게 있는 것으로 측정될 수도 있다. 이러한, 거리를 기초로 힘의 크기를 계산하면 현재 예상 노드(201)에 미치는 힘의 크기가 다르게 되어 노드의 정확한 위치 인식이 어렵게 된다.
이 경우, 예를 들어 도 3a에서는 i 노드의 예상된 이웃 노드(301)인 j 노드는 실제 위치보다 먼 위치에 존재하는 것으로 측정되었고, 또 다른 예상된 이웃 노드(301)인 k 노드는 실제 위치보다 가깝게 위치하는 것으로 측정되었다. 이 경우 j 노드는 실제 위치에서보다 현재 예상 노드(201)에 가하는 힘이 약하게 반영되며, k 노드는 실제 위치에서보다 현재 예상 노드(201)에 가하는 힘이 강하게 반영된다. 따라서, 이러한 오차로 인해 현재 예상 노드(201)의 위치가 정확하게 추정될 수 없다.
도 3b에는 각 노드 간의 위치 측정의 오차를 반영하여 수정된 이웃 노드(205)들의 위치가 도시되어 있다. 도시된 바와 같이, 이웃 노드(205)들은 실제 위치에 존재하게 되며, 이웃 노드(205)들이 실제 위치에 위치함으로써 힘의 크기에 대한 보상이 이뤄진다. 예를 들어, j 노드의 경우 현재 위치에서는 현재 예상 노드(201)를 더 강하게 미는 힘(push)이 필요하며, k 노드의 경우 현재 위치에서 현재 예상 노드(201)를 더 약하게 미는, 즉 현재 예상 노드(201)를 자신 쪽으로 끌어 당기는 힘(pull)이 필요하다. 이와 같이, 각 노드에서 힘의 보정이 이뤄지고 그러한 힘들이 평형을 이루는 지점을 평헝 노드로 추정할 수 있다.
따라서, 거리 측정의 오차를 수정함으로써 종래에 설정된 예상 노드 위치를 이동시켜 새로운 예상 노드 위치를 결정할 수 있다. 이러한, 거리 측정의 오류로 인한 힘의 오차를 수정하기 위해 앞의 수학식 1을 사용할 수 있다. 그러나, 개별적인 힘의 벡터를 계산하기 위해서는 아래와 같은 수학식을 사용한다.
수학식 6에서 개벌 힘의 벡터 는 노드 i와 노드 j 간의 유클리드 추정 거리인 에서 노드 i와 노드 j 간의 추정 거리인 δij를 뺀 값을 로 나눈 값에 노드 i에서 노드 j를 향하는 단위 길이 방향 벡터 를 곱함으로써 구할 수 있다. 이와 같은 계산은 측정의 오류가 실제 거리에 비례할 경우이거나 δij=dij+dij*noise 인 경우에 적용될 수 있다. 이 때, noise는 K(0, σ2 n)이고, dij에 대해 종속적인 임의적인 비편향된 분포를 가진다. 다시 말해, δij는 K(dij,d2 ij?σ2 n)으로 나타낼 수 있다.
또한, 수학식 6을 다음과 같이 비 편향 함수(de-biasing function)로 나타낼 수 있다.
한편, 분포된 매너의 일반 노드에서 각 노드의 업데이트는 다른 노들에 종속적이다. 따라서, 노드는 최근의 자신의 예상 위치를 업데이트시 마다 알릴 필요는 없다. 대신에, 노드는 예상 위치 정보를 이웃 노드(205)들에게 설정된 R번의 반복시마다 전송한다. 이에 따라 네트워크 통신 비용을 상당히 줄일 수 있다.
한편, 무선 센서 네트워크에서 노드 위치 측정을 추정하기 위해 RSS(Received Siganl Strength)를 사용하는 경우, 측정 오류 모델은 로그 정규 분포 또는 로그 도메인에서의 가우시안 분포일 수 있다. 이 경우, 비편향적 함수는 g(δij)=alogb(δij) 일 수 있다. (a>0, b>1)
도 4는 본 발명의 일 실시예에 따른 노드 위치 인식 장치(400)의 구성도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 노드 위치 인식 장치(400)는 통신부(410), 예상 위치 계산부(430), 위치 업데이트부(470), 위치 인식부(450), 오차 수정부(490)를 포함할 수 있다. 통신부(410)는 무선 네트워크 상에서 다른 이웃 노드 및 앵커들과 통신을 위한 것으로, 블루투스, 지그비,와이파이(wife) 등일 수 있으나 이에 한정되는 것은 아니다.
예상 위치 계산부(430)는 마이크로 프로세서로 구성되어 있으며, 통신부(410) 및 위치 인식부(450)와 연결될 수 있다. 예상 위치 계산부(430)는 통신부(410)를 통해 네트워크 상의 이웃 노드들의 위치 정보 및 작용하는 힘의 크기 정보를 입력받아 현재 노드에 작용하는 힘의 크기가 평형을 이루는 지점을 계산한다. 이러한 계산은 앞의 수학식 1, 수학식 2를 이용하여 파악할 수 있다. 힘의 크기가 평형을 이루는 지점이 계산되면 이를 위치 인식부(450)로 출력한다.
위치 인식부(450)는 위치 정보를 저장하는 저장부(도시되지 않음)와 마이크로 프로세서로 구성될 수 있다. 위치 인식부(450)는 예상 위치 계산부(430)와 연결되어 그로부터 현재 예상 위치 정보를 입력받아 저장부에 저장한다. 저장부에 저장된 정보를 기준으로 노드의 현재 예상 위치를 인식한다.
위치 업데이트부(470)는 위치 인식부(450)로부터 현재 예상 위치 정보를 입력받는다. 위치 업데이트부(470)는 현재 예상 위치 정보를 통신부(410)를 통해 네트워크에 전송한다. 또한, 네트워크로부터 다른 노드들의 위치 정보를 입력받아 이를 예상 위치 계산부(430)를 통해 새로이 계산된 예상 위치를 파악한다. 이에 따라, 노드의 현재 예상 위치가 수정되어 정확한 위치를 인식할 수 있다. 수정된 위치정보는 위치 인식부(450)의 저장부에 저장된다.
오차 수정부(490)는 위치 업데이트부(470)에 의해 업데이트된 노드의 현재 예상 위치에 대해 측정 오차등을 고려하여 보다 정확한 위치를 파악한다. 이러한, 위치의 수정은 앞의 수학식 1, 수학식 6을 이용하여 파악할 수 있다.
이상에서 본 발명은 도면을 참조하면서 기술되는 바람직한 실시예를 중심으로 설명되었지만 이에 한정되는 것은 아니다. 따라서 본 발명은 기재된 실시예로부터 도출 가능한 자명한 변형예를 포괄하도록 의도된 특허청구범위의 기재에 의해 해석되어져야 한다.
201 : 현재 예상 노드
203 : 평형 노드
205 : 이웃 노드
301 : 예상된 이웃 노드
400 : 노드 위치 인식 장치
410 : 통신부
430 : 예상 위치 계산부
450 : 위치 인식부
470 : 위치 업데이트부
490 : 오차 수정부
203 : 평형 노드
205 : 이웃 노드
301 : 예상된 이웃 노드
400 : 노드 위치 인식 장치
410 : 통신부
430 : 예상 위치 계산부
450 : 위치 인식부
470 : 위치 업데이트부
490 : 오차 수정부
Claims (11)
- 무선 센서 네트워크에서의 위치 인식 방법에 있어서,
복수의 앵커(anchor)와 노드 간의 거리 및 작용하는 힘을 측정하고, 앵커들에 의해 상기 노드로 작용하는 힘이 평형을 이루는 제1 예상 노드 위치를 계산하는 단계; 및
상기 네트워크 내의 모든 노드들이 상기 제1 예상 노드 위치를 계산한 상태인 경우, 각 노드의 제1 예상 노드 위치를 기준으로 상기 네트워크 내의 앵커 및 이웃하는 노드들 간의 거리 및 작용하는 힘을 측정하여 제2 예상 노드 위치를 계산하는 단계를 포함하는 무선 센서 네트워크에서의 노드 위치 인식 방법. - 제1항에 있어서, 상기 노드 위치 인식 방법은,
상기 네트워크 내의 모든 노드들이 상기 제2 예상 노드 위치를 계산한 상태인 경우, 각 노드의 제2 예상 노드 위치를 기준으로 상기 네트워크 내의 앵커 및 이웃하는 노드들 간의 거리 및 작용하는 힘을 측정하여 제2 예상 노드 위치의 오차를 수정하는 단계를 더 포함하는 무선 센서 네트워크에서의 노드 위치 인식 방법. - 제1항에 있어서, 상기 제1 예상 노드 위치를 계산하는 단계는,
상기 노드는 상기 앵커(anchor)로의 적어도 3개의 예측 범위를 가지고,
상기 노드는 반복적으로 상기 제1 예상 노드 위치를 업데이트 하되, 설정된 R번의 업데이트 마다 네트워크에 상기 업데이트된 제1 예상 노드 위치 정보를 전송하는 무선 센서 네트워크에서의 노드 위치 인식 방법. - 무선 네트워크 상에 데이터를 송수신하는 통신부와;
상기 통신부를 통해 네트워크 상의 이웃 노드들의 위치 정보 및 작용하는 힘의 크기 정보를 입력받아 상기 노드들에 의해 작용하는 힘의 크기가 평형을 이루는 지점을 계산하는 예상 위치 계산부와;
상기 예상 위치 계산부가 계산한 위치를 현재 위치로 인식하는 위치 인식부를 포함하는 무선 네트워크에서의 노드 위치 인식 장치. - 제7항에 있어서, 상기 노드 위치 인식 장치는,
상기 통신부를 통해 네트워크 상의 이웃 노드들의 위치 및 작용하는 힘의 크기 정보를 주기적으로 전송받아 현재 위치를 업데이트하는 위치 업데이트부를 더 포함하는 무선 네트워크에서의 노드 위치 인식 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020100094738A KR101203200B1 (ko) | 2010-09-29 | 2010-09-29 | 무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 방법을 이용한 노드 위치 인식 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020100094738A KR101203200B1 (ko) | 2010-09-29 | 2010-09-29 | 무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 방법을 이용한 노드 위치 인식 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20120033132A KR20120033132A (ko) | 2012-04-06 |
KR101203200B1 true KR101203200B1 (ko) | 2012-11-20 |
Family
ID=46136029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020100094738A KR101203200B1 (ko) | 2010-09-29 | 2010-09-29 | 무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 방법을 이용한 노드 위치 인식 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101203200B1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101333272B1 (ko) * | 2012-05-17 | 2013-11-27 | 목포대학교산학협력단 | 이웃 노드 홉 수의 평균을 이용한 무선 센서 네트워크에서의 위치 인식 방법 |
-
2010
- 2010-09-29 KR KR1020100094738A patent/KR101203200B1/ko not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
KR20120033132A (ko) | 2012-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DK1514130T3 (en) | Probabilistic model for a positioning technique | |
KR101058296B1 (ko) | 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템 | |
Ahmadi et al. | An accurate prediction method for moving target localization and tracking in wireless sensor networks | |
Kontkanen et al. | Topics in probabilistic location estimation in wireless networks | |
KR101005753B1 (ko) | 예보 필터를 이용한 측위 방법 | |
CN104853317B (zh) | 一种WiFi室内定位中指纹库的构建及更新方法 | |
EP2141957A1 (en) | System and method for position estimation | |
Mukhopadhyay et al. | Performance evaluation of localization techniques in wireless sensor networks using RSSI and LQI | |
KR101600190B1 (ko) | 환경 변수를 고려한 실내 측위 장치 및 그 방법 | |
US20140302852A1 (en) | Communications | |
KR101333111B1 (ko) | 위치 추정 시스템 및 방법 | |
KR101203200B1 (ko) | 무선 센서 네트워크에서의 노드 위치 인식 방법 및 그 방법을 이용한 노드 위치 인식 장치 | |
Bisio et al. | A smart 2 Gaussian process approach for indoor localization with RSSI fingerprints | |
KR20130017990A (ko) | 음영지역 환경에서 멀티홉을 이용한 점진적 위치인식 시스템 및 그 방법 | |
Rudić et al. | Geometry-aided ble-based smartphone positioning for indoor location-based services | |
KR101642186B1 (ko) | 위치 추적 방법, 위치 추적 시스템 및 이를 수행하기 위한 기록매체 | |
Kudeshia et al. | A cost-effective solution for pedestrian localization in complex indoor environment | |
Pahlavani et al. | An indoor positioning technique based on a feed-forward artificial neural network using Levenberg-Marquardt learning method | |
KR20110078562A (ko) | 정확도를 향상시킨 실시간 위치추적 시스템 및 방법 | |
Varga | Localization techniques in wireless sensor networks | |
Kumar et al. | Improved RSSI Based 3D Localization for Indoor Wireless Sensor Network | |
KR102408488B1 (ko) | 측위 장치 및 방법 | |
Wahid et al. | Mobile indoor localization based on rssi using kalman filter and trilateration technique | |
Hu et al. | A TDOA/AOA hybrid positioning based on improved sparrow search algorithm for mobile position estimation | |
CN110366106B (zh) | 一种移动终端的定位方法和定位系统 |
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: 20151020 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20161019 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20171124 Year of fee payment: 6 |
|
LAPS | Lapse due to unpaid annual fee |