KR101726677B1 - 무선 센서 네트워크 장치 및 그 제어방법 - Google Patents

무선 센서 네트워크 장치 및 그 제어방법 Download PDF

Info

Publication number
KR101726677B1
KR101726677B1 KR1020150060625A KR20150060625A KR101726677B1 KR 101726677 B1 KR101726677 B1 KR 101726677B1 KR 1020150060625 A KR1020150060625 A KR 1020150060625A KR 20150060625 A KR20150060625 A KR 20150060625A KR 101726677 B1 KR101726677 B1 KR 101726677B1
Authority
KR
South Korea
Prior art keywords
data
sensed
sensor
sensor node
area
Prior art date
Application number
KR1020150060625A
Other languages
English (en)
Other versions
KR20160128759A (ko
Inventor
김갑진
김현진
유재현
이중현
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020150060625A priority Critical patent/KR101726677B1/ko
Publication of KR20160128759A publication Critical patent/KR20160128759A/ko
Application granted granted Critical
Publication of KR101726677B1 publication Critical patent/KR101726677B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

본 발명은 무선 센서 네트워크 장치 및 그 제어방법에 관한 것으로, 보다 구체적으로 복수의 센서 노드를 이용하여 물체의 종류 및 위치를 추정하는 것이 가능한 무선 센서 네트워크 장치 및 그 제어방법에 관한 것이다. 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치는, 어느 지역에 배치되고, 상기 어느 지역 내에 존재하는 적어도 하나의 물체를 센싱하는 센서 노드, 상기 센서 노드에 의해 센싱된 정보를 상기 센서 노드로부터 수신하는 통신부 및 상기 센싱된 정보에 근거하여, 상기 어느 지역 내에 존재하는 적어도 하나의 물체에 대한 위치를 추정하는 제어부를 포함하고, 상기 제어부는, 상기 센싱된 정보에 근거하여 라벨드 데이터(labeled data) 및 언라벨드 데이터(unlabeled data)를 추출하고, 상기 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습(semi-supervised learning) 방식에 근거하여 상기 어느 지역 내의 물체의 종류와 상기 물체에 대한 위치를 추정하는 것을 특징으로 한다.

Description

무선 센서 네트워크 장치 및 그 제어방법{WIRELESS SENSOR NETWORK DEVICE AND METHOD FOR CONTROLLING THE SAME}
본 발명은 무선 센서 네트워크 장치 및 그 제어방법에 관한 것으로, 보다 구체적으로 복수의 센서 노드를 이용하여 물체의 종류 및 위치를 추정하는 것이 가능한 무선 센서 네트워크 장치 및 그 제어방법에 관한 것이다.
종래에는 물체의 위치를 추정하는 기법으로, TOA(Time Of Arrival), TDOA(Time Difference Of Arrival), AOA(Angle OF Arrival) 등의 기법을 이용하였다. 그러나 이러한 기법들은 레이더와 같은 고가형 센서 노드를 필요로 한다. 이러한 고가의 센서 노드에는 필연적으로 전력 소모가 커지게 되고, 부피가 증가하게 된다.
또한, 종래에는 물체를 식별하기 위해 취득된 데이터를 가지고 Fast Furier Transfer(FFT)기법을 적용하였다. 그러나, 이러한 기법을 적용하기 위해서는 고용량의 데이터 저장 공간과 고성능의 프로세서가 필요하다.
위와 같이, 종래의 방법으로 물체의 위치를 추정하거나 물체를 식별하기 위해서는 고성능의 장비가 필요함에 따라 저가형 센서 노드를 이용하여 물체의 위치를 추정하거나 물체를 식별하기에는 어려움이 있었다.
이에 따라, 최근에는 저가형 센서 노드를 이용하여 물체의 위치를 추정하거나 물체를 식별할 수 있는 방법에 대한 개발의 필요성이 대두되고 있다.
본 발명의 일 목적은 저가형 센서 노드를 이용하여 물체의 위치를 추정하는 것이 가능한 무선 센서 네트워크 장치 및 그 제어방법을 제공하는 데에 있다.
본 발명의 다른 목적은 복수의 센서 노드로부터 센싱된 식별된 데이터와 식별되지 않은 데이터를 함께 이용하여 물체의 위치를 추정하는 것이 가능한 무선 센서 네트워크 장치 및 그 제어방법을 제공하는 데에 있다.
본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치는, 어느 지역에 배치되고, 상기 어느 지역 내에 존재하는 적어도 하나의 물체를 센싱하는 센서 노드, 상기 센서 노드에 의해 센싱된 정보를 상기 센서 노드로부터 수신하는 통신부 및 상기 센싱된 정보에 근거하여, 상기 어느 지역 내에 존재하는 적어도 하나의 물체에 대한 위치를 추정하는 제어부를 포함하고, 상기 제어부는, 상기 센싱된 정보에 근거하여 라벨드 데이터(labeled data) 및 언라벨드 데이터(unlabeled data)를 추출하고, 상기 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습(semi-supervised learning) 방식에 근거하여 상기 어느 지역 내의 물체의 종류와 상기 물체에 대한 위치를 추정하는 것을 특징으로 한다.
실시 예에 있어서, 상기 센서 노드는, 물체로부터 반사되거나 방출되는 적외선을 감지하는 PIR 센서 (Passive Infrared Radiation sensor), 물체에 의해 발생되는 진동을 감지하는 진동 감지 센서(seismic sensor) 및 외부로부터 수신되는 신호의 세기를 측정하는 RSSI(Received Signal Strength Indicator) 측정부 중 적어도 하나를 포함하고, 상기 센싱된 정보에는, 상기 PIR센서, 상기 진동 감지 센서 및 상기 RSSI 측정부 중 적어도 하나에 의해 센싱된 데이터가 포함되는 것을 특징으로 한다.
실시 예에 있어서, 상기 라벨드 데이터는 상기 PIR 센서 및 상기 진동 감지 센서 중 적어도 하나에 의해 센싱된 데이터이고, 상기 제어부는, 상기 RSSI 측정부를 통해 수신된 신호의 세기에 해당하는 데이터에 근거하여 물체 확률 분포도를 산출하고, 상기 산출된 물체 확률 분포도를 이용하여 상기 언라벨드 데이터를 추출하는 것을 특징으로 한다.
실시 예에 있어서, 상기 제어부는, 상기 수신된 신호의 세기에 해당하는 데이터에 필터링을 적용하여 상기 물체 확률 분포도를 산출하는 것을 특징으로 한다.
본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치의 제어방법은, 어느 지역에 배치된 센서 노드가 상기 어느 지역 내에 존재하는 적어도 하나의 물체를 센싱하는 단계, 상기 센서 노드에 의해 센싱된 정보를 상기 센서 노드로부터 수신하는 단계, 상기 센싱된 정보에 근거하여 라벨드 데이터(labeled data) 및 언라벨드 데이터(unlabeled data)를 추출하는 단계 및 상기 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습(semi-supervised learning) 방식에 근거하여 상기 어느 지역 내의 물체의 종류와 상기 물체에 대한 위치를 추정하는 단계를 포함한다.
실시 예에 있어서, 상기 추출하는 단계는, 상기 센싱된 정보에 포함된 적외선과 관련된 데이터 및 진동과 관련된 데이터 중 적어도 하나를 상기 라벨드 데이터로 추출하는 단계, 상기 센싱된 정보에 포함된, 수신된 신호의 세기에 해당하는 데이터를 이용하여 물체 확률 분포도를 산출하는 단계 및 상기 산출된 물체 확률 분포도를 이용하여 상기 언라벨드 데이터를 추출하는 단계를 포함한다.
본 발명에 따르면, 기계학습 기법(세미 지도 학습 방식)과 필터링을 이용하여 미확인 물체의 위치를 추정하는 것이 가능하다. 따라서, 본 발명은 기계학습 기법과 필터링을 함께 적용한 새로운 물체 위치 추정 방법을 제시할 수 있다.
또한, 본 발명은 라벨드 데이터와 언라벨드 데이터를 함께 이용하여 미확인 물체의 위치를 추정하는 것이 가능하다. 이에 따라, 본 발명은, 종래에 소수의 라벨드 데이터만을 이용함에 따라 실시간성에 제약이 있었던 문제점을 해결할 수 있다.
또한, 본 발명은 저가형 센서 노드를 이용하여 무선 센서 네트워크를 구성하여, 물체의 식별과 위치 추정을 동시에 수행할 수 있다. 이에 따라, 본 발명은 종래에 물체를 식별하거나 위치를 추정하기 위해 고가형 센서 노드를 사용해야만 했던 문제점을 해결할 수 있다.
또한, 본 발명은 저가형 센서 노드를 이용하여 무선 센서 네트워크를 구성하여, 물체의 식별과 위치 추정을 동시에 수행함으로써, 다양한 군사적 응용이 가능하다. 즉, 본 발명은 저가형 센서 노드를 이용함으로써 국경선 등의 넓은 지역에 센서 네트워크를 구축하기 용이해지고, 해당 지역 내에 침투하는 물체(대상)에 대한 식별과 그 위치 추정이 실시간으로 가능하므로, 국방을 보다 강화할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치를 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치의 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치의 제어방법을 설명하기 위한 흐름도이다.
도 4는 도 3에서 설명한 제어방법을 보다 구체적으로 설명하기 위한 흐름도이다.
도 5, 도 6 및 도 7은 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치 및 그 제어방법에 따라 물체의 위치를 추정하는 것을 시뮬레이션한 결과를 나타낸 개념도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부한 도면을 참조하여 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치 및 그 제어방법을 자세히 설명한다.
도 1은 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치를 설명하기 위한 개념도이다.
우선, 본 발명의 무선 센서 네트워크(wireless sensor network, WSN)는 센서노드를 네트워크로 구성한 것을 말한다. 인간 중심지향적이면서 장소에 구애받지 않고 언제 어디서나 컴퓨팅 환경에 접속할 수 있는 유비쿼터스 패러다임이 확대되면서 전 세계적으로 활발하게 연구되고 있는 기술 중의 하나이다.
본 발명의 무선 센서 네트워크 장치(100)는, 이러한 무선 센서 네트워크를 구성하는 장치를 의미한다.
도 1을 참조하면, 본 발명의 무선 센서 네트워크 장치(100)는, 적어도 하나의 센서 노드(110) 및 제어장치(120)를 포함한다.
센서 노드(110)는 물리적인 현상을 관측하기 위한 센싱 기능 및 통신 기능을 갖는 일종의 작은 장치를 의미할 수 있다. 이러한 센서 노드(110)는 무선 센서 네트워크를 구성하는 기본 요소로서, 스마트 더스트(smart dust)가 일 예일 수 있다.
도 1을 참조하면, 센서 노드(110)는 어느 지역(1)에 배치될 수 있다. 구체적으로, 어느 지역(1)에는 적어도 하나의 센서 노드(110)가 배치될 수 있다.
상기 센서 노드(110)는 상기 어느 지역(1) 내에 존재하는 적어도 하나의 물체(2)를 센싱할 수 있다. 여기서, 상기 물체(2)를 센싱한다는 것은, 물체가 상기 어느 지역(1)내로 진입하거나 이탈하는지 여부, 상기 물체로부터 발생되는 외부 환경의 변화, 상기 물체와 관련된 정보 등을 센싱하는 것을 의미할 수 있다.
상기 센서 노드(110)는, 상기 어느 지역(1) 내에 존재하는 물체(2)를 센싱하면, 상기 센싱된 정보를 제어장치(120)로 전송할 수 있다. 이 때, 상기 센서 노드(110)는 무선 통신을 통해 제어장치(120)로 상기 제어장치(120)로 상기 센싱된 정보를 전송할 수 있다.
제어장치(120)는 센서 노드(110)와 무선 통신을 수행하고, 상기 센서 노드(110)로부터 수신되는 정보에 근거하여 일련의 제어를 수행할 수 있다. 구체적으로, 제어장치(120)는 적어도 하나의 센서 노드(110)로부터 전송되는 센싱된 정보를 수신할 수 있다. 이후, 제어장치(120)는 상기 센싱된 정보에 근거하여, 상기 어느 지역(1) 내에 존재하는 물체(2)를 식별하거나, 상기 물체(2)에 대한 위치를 추정할 수 있다.
상기 제어장치(120)는 센서 노드(110)와 무선 통신을 수행할 수 있는 기기이기만 하면 모든 종류의 장치를 채용할 수 있으며, 일 예로, 상기 제어장치(120)에는 핸드폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 데스크탑 컴퓨터, 울트라북(ultrabook), PDA(personal digital assistants), 레이더(radar), 서버(server) 등이 포함될 수 있다.
본 명세서에서는 센서 노드(110)와 구별하여 설명하기 위해 별도의 제어장치(120)를 구분하여 설명하였다. 즉, 상기 제어장치(120)는 본 발명의 무선 센서 네트워크 장치(100)에 포함되는 별도의 구성일 수 있다. 한편, 이에 한정되지 않고, 상기 제어장치(120)는 본 발명의 무선 센서 네트워크 장치(100) 자체일 수 있다.
이하에서는, 도 2를 참조하여 본 발명의 무선 센서 네트워크 장치(100)에 포함된 센서 노드(110) 및 제어장치(120)의 구성을 보다 구체적으로 설명한다.
도 2는 본 발명의 일 실시 예에 따른 무선 센서 네트워크 장치의 구성을 설명하기 위한 블록도이다.
도 2를 참조하면, 우선 본 발명의 무선 센서 네트워크 장치에 포함된 센서 노드(110)에는 무선 통신을 수행하는 통신부(112), PIR 센서(Passive Infrared Radiation sensor)(114), 진동 감지 센서(seismic sensor)(116) 및 RSSI(Received Signal Strength indicator) 측정부(118), 제어부(미도시) 등을 포함할 수 있다.
센서 노드(110)의 통신부(112)는 외부기기와 무선 통신을 수행하도록 형성될 수 있다. 상기 외부기기에는 다른 센서 노드(110), 제어장치(120), 다른 무선 센서 네트워크 장치(130) 등 센서 노드(110)와 무선 통신을 수행할 수 있는 기기들이 포함될 수 있다. 상기 통신부(112)는 센서 노드에 구비된 센서들(114, 116, 118)에서 센싱된 정보를 무선통신을 통해 제어장치(120)의 통신부(130)로 전송할 수 있다.
PIR센서(114)는 수동형 적외선 센서로서, 물체에서 방출되거나 물체로부터 방출되는 적외선을 감지할 수 있다. PIR센서(114)는 센서 노드(110) 주변, 즉 상기 센서 노드(110)로부터 기 설정된 범위 이내에 존재하는 물체(임의의 물체)로부터 적외선이 감지되면, 상기 감지에 근거하여 적외선과 관련된 정보를 출력(생성)할 수 있다.
예를 들어, 물체가 센서 노드(110)로부터 기 설정된 범위 이내에 존재함에 따라 상기 물체로부터 적외선이 감지되면, PIR센서(114)는 '1'이라는 정보를 출력(생성)할 수 있다. 반대로, 물체가 센서 노드(110)로부터 기 설정된 범위 이내를 벗어나는 경우, '0'이라는 정보를 할 출력(생성)수 있다.
진동 감지 센서(116)는 진동을 검출하는 센서로서, 물체에 의해 진동이 발생하게 되면(예를 들어, 물체가 움직임에 따라 센서 노드가 설치된 지각의 진동이 발생하는 경우), 진동과 관련된 정보를 출력(생성)할 수 있다.
예를 들어, 진동 감지 센서(116)는 진동이 감지되는 경우 '1'이라는 정보를 출력(생성)하고, 반대로 진동이 감지되지 않는 경우 '0'이라는 정보를 출력(생성)할 수 있다.
상기 PIR센서(114) 및 진동 감지 센서(116)가 감지에 근거하여 어느 정보를 출력(생성)한다는 것은, 상기 감지에 근거하여 상기 어느 정보를 생성한 후 센서 노드의 통신부(112)를 통해 제어장치(120)로 상기 어느 정보를 출력(전송)하는 것을 의미할 수 있다.
RSSI측정부(118)는 외부로부터 수신되는 신호의 세기를 측정할 수 있다. 상기 RSSI측정부(118)는, 외부로부터 수신되는 신호의 세기를 센싱한다는 관점에서 본다면, RSSI 센서로 명명될 수도 있다.
구체적으로, RSSI측정부(118)는 외부 센서 노드(110), 또는 제어 장치(120)로부터 주기적으로 수신되는 신호의 세기(RSSI, 또는 RSSI값)를 측정할 수 있다. 이 때, RSSI 측정부(118)는 센서 노드(110)가 설치된 지역에 물체가 진입함에 따라 RSSI값이 변경되면, 상기 변경된 RSSI값을 측정할 수 있다.
또한, 물체가 임의의 신호를 방출하도록 형성되는 경우, RSSI측정부(118)는 상기 물체로부터 방출되는 신호를 수신하고, 상기 수신된 신호에 대한 RSSI값을 측정할 수도 있다.
센서 노드의 제어부(미도시)는 센서 노드를 구성하는 구성요소들을 제어할 수 있다. 구체적으로, 제어부(미도시)는 PIR센서(114), 진동 감지 센서(116) 및 RSSI 측정부(118) 중 적어도 하나에 의해 물체에 대한 센싱이 이루어지면, 상기 센싱된 정보를 통신부(112)를 통해 제어장치(120)로 전송할 수 있다.
상기 센싱된 정보에는, 상기 PIR센서(114), 상기 진동 감지 센서(116) 및 상기 RSSI 측정부(118) 중 적어도 하나에 의해 센싱된 데이터가 포함될 수 있다.
한편, 제어장치(120)는 통신부(130), 출력부(미도시), 입력부(미도시), 메모리(미도시) 및 제어부(180) 등을 포함할 수 있다.
제어장치(120)(또는, 무선 센서 네트워크 장치(100))는 제어장치(120)의 통신부(130)를 통해 어느 지역에 설치된 적어도 하나의 센서 노드와 무선 통신을 수행할 수 있다. 다만, 이에 한정되지 않고, 제어장치(120)의 통신부(130)는 외부기기와 유선통신을 수행하도록 형성될 수 있고, 센서 노드 외의 통신이 가능한 외부기기와 통신을 수행하도록 형성될 수도 있다.
제어장치(120)의 통신부(130)는 센서 노드(110)에 의해 센싱된 정보를 상기 센서 노드(110)로부터 수신할 수 있다. 상기 수신된 센싱된 정보는 메모리(미도시)에 저장될 수 있다.
제어부(180)는 제어장치(120)에 구성된 구성요소들 및 센서 노드(110)를 제어할 수 있다. 구체적으로, 제어장치(120)의 제어부(180)는 제어장치(120)에 구비된 통신부(130), 출력부, 입력부, 메모리 등을 제어할 수 있을 뿐만 아니라, 센서 노드(110)에 구비된 구성요소들(예를 들어, 통신부(112), PIR센서(114), 진동 감지 센서(116), RSSI측정부(118) 및 센서 노드의 제어부(미도시) 등)을 제어할 수 있다.
제어부(180)는 통신부(130)를 통해 수신된, 센서 노드(110)에서 센싱된 정보에 근거하여, 상기 센서 노드(110)가 설치된 어느 지역 내에 존재하는 적어도 하나의 물체에 대한 위치를 추정할 수 있다.
이하에서는, 도 3을 참조하여, 본 발명의 무선 센서 네트워크 장치(100)가 적어도 하나의 센서 노드를 통해 센싱된 정보들에 근거하여, 상기 적어도 하나의 센서 노드가 설치된 어느 지역 내에 존재하는 적어도 하나의 물체에 대한 위치를 추정하는 방법에 대하여 보다 구체적으로 설명한다.
우선, 본 발명에서는 어느 지역에 배치된 센서 노드가 상기 어느 지역 내에 존재하는 적어도 하나의 물체를 센싱하는 단계가 진행된다(S100). 구체적으로, 센서 노드(110)는, 도 2에서 설명한 PIR센서(114), 진동 감지 센서(116) 및 RSSI 측정부(118) 중 적어도 하나를 이용하여 물체를 센싱할 수 있다.
센서 노드(110)는 센서 노드(110)로부터 기 설정된 범위 이내에 존재하는 물체를 센싱(감지)하도록 형성될 수 있다. 앞서 설명한 것과 같이, 센서 노드(110)는 PIR센서(114)를 통해 상기 센서 노드(110)로부터 기 설정된 범위 이내에 존재 적외선을 물체가 센싱하는 경우, 적외선과 관련된 정보(또는, 적외선이 감지되었음을 식별할 수 있는 정보)(예를 들어, '1')이라는 정보를 생성할 수 있다.
또한, 센서 노드(110)는 진동 감지 센서(116)를 통해 상기 물체에 의해 발생되는 진동을 센싱(감지)할 수 있다. 이 경우, 진동 감지 센서(116)는 진동과 관련된 정보(또는, 진동이 감지되었음을 식별할 수 있는 정보)(예를 들어, '1')이라는 정보를 생성할 수 있다.
또한, 센서 노드(110)는 외부로부터 수신되는 신호의 세기(또는 강도)(RSSI)를 측정할 수 있다. 상기 수신되는 신호의 세기에 해당하는 데이터는, 상기 수신되는 신호의 세기값(또는 RSSI값)일 수 있다.
이후, 본 발명에서는 제어장치가 상기 센서 노드에 의해 센싱된 정보를 상기 센서 노드로부터 수신하는 단계가 진행된다(S200).
앞서 설명한 것과 같이, 상기 센싱된 정보에는 상기 PIR센서, 상기 진동 감지 센서 및 상기 RSSI 측정부 중 적어도 하나에 의해 센싱된 데이터가 포함될 수 있다. 예를 들어, 상기 센싱된 정보에는, 적외선과 관련된 정보, 진동과 관련된 정보 및 수신되는 신호의 세기에 해당하는 데이터 등이 포함될 수 있다.
이후, 본 발명에서는, 상기 센싱된 정보를 이용하여, 기계학습방법과 필터링을 적용함으로써, 물체에 대한 식별 및 물체의 위치 추정을 동시에 수행할 수 있다. 여기서, 기계학습방법은 무선 센서 네트워크 장치(또는, 제어장치)가 학습할 수 있도록 알고리즘을 적용한 방법을 의미한다.
본 발명의 무선 센서 네트워크 장치는 기계학습방법 중 세미 지도 학습(semi-supervised learing) 방식을 적용할 수 있다. 상기 세미 지도 학습 방식은, 지도학습(Supervisied learing)방식과 자율학습(Unsupervised learing)방식을 혼합한 방식을 의미할 수 있다.
상기 세미 지도 학습 방식은 라벨드 데이터(labeled data)와 언라벨드 데이터(unlabeled data)를 기계학습에 이용하는 방식이다. 여기서, 상기 라벨드 데이터는 해당 데이터가 어느 종류의 데이터인지를 식별할 수 있는 레이블이 연계된 데이터, 즉 식별된 데이터일 수 있다. 또한, 상기 언라벨드 데이터는 식별되지 않은 데이터일 수 있다.
미확인 물체의 식별 및 위치 추정과 같이 실시간으로 물체가 움직이는 경우, 어느 한 시점에서, 라벨드 데이터의 수는 언라벨드 데이터의 수보다 적다. 즉, 어느 하나의 시점에서 센싱되는 언라벨드 데이터의 수는 상기 어느 하나의 시점에서 센싱되는 라벨드 데이터의 수보다 많다.
본 발명의 무선 센서 네트워크 장치는, 상기 라벨드 데이터와 언라벨드 데이터를 이용하는 세미 지도 학습 방식을 이용하여 물체를 식별하거나 물체의 위치를 추정하므로, 저가형 센서 노드를 이용하는 경우에도 적용될 수 있다.
세미 지도 학습 방식을 이용하여 어느 지역 내에 존재하는 물체의 위치를 추정하기 위해, 본 발명에서는 상기 센싱된 정보에 근거하여 라벨드 데이터(labeled data) 및 언라벨드 데이터(unlabeled data)를 추출하는 단계가 진행된다(S300).
상기 라벨드 데이터는 센서 노드에 의해 센싱된 정보 중 적외선과 관련된 정보 및 진동과 관련된 정보일 수 있다. 구체적으로, 상기 라벨드 데이터는 센서 노드의 PIR센서(114) 및 진동 감지 센서(116) 중 적어도 하나에 의해 센싱된 데이터르 의미할 수 있다. 제어부(180)는 센서 노드에서 센싱된 정보 중 적외선과 관련된 정보 및 진동과 관련된 정보를 라벨드 데이터로 추출할 수 있다.
상기 언라벨드 데이터는 센서 노드에 의해 센싱된 정보 중 센서 노드에서 수신되는 신호의 세기에 해당하는 데이터에 근거하여 산출된 물체 확률 분포도일 수 있다. 구체적으로, 제어부(180)는 센서 노드의 RSSI 측정부(118)를 통해 수신된 신호의 세기에 해당하는 데이터(RSSI값)에 근거하여 물체 확률 분포도를 산출할 수 있다. 이후, 제어부(180)는 상기 산출된 물체 확률 분포도를 이용하여 상기 언라벨드 데이터를 추출할 수 있다.
이후, 본 발명에서는 상기 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습(semi-supervised learning) 방식에 근거하여 상기 어느 지역 내의 물체에 대한 위치를 추정하는 단계가 진행된다(S400).
이하에서는, 도 4를 참조하여, 라벨드 데이터 및 언라벨드 데이터를 추출하는 방법 및 물체의 위치를 추정하기 위해 상기 추출된 라벨드 데이터와 언라벨드 데이터를 이용하여 세미 지도 학습 방식을 적용하는 방법에 대하여 첨부된 도면을 참조하여 보다 구체적으로 살펴본다.
우선, 본 발명의 무선 센서 네트워크 장치(100)가 언라벨드 데이터를 추출하는 방법에 대하여 설명한다.
앞서 도 3에서 설명한 것과 같이, 센서 노드(110)는 RSSI 측정부(118)를 통해 외부로부터 수신되는 신호의 세기(RSSI 또는 RSSI값)을 측정할 수 있다(S110).
구체적으로, RSSI측정부(118)는 외부 센서 노드(110), 또는 제어 장치(120)로부터 주기적으로 수신되는 신호의 세기(RSSI, 또는 RSSI값)를 측정할 수 있다. 이 때, RSSI 측정부(118)는 센서 노드(110)가 설치된 지역에 물체가 진입함에 따라 RSSI값이 변경되면, 상기 변경된 RSSI값을 측정할 수 있다. 또한, 물체가 임의의 신호를 방출하도록 형성되는 경우, RSSI측정부(118)는 상기 물체로부터 방출되는 신호를 수신하고, 상기 수신된 신호에 대한 RSSI값을 측정할 수도 있다.
제어장치(120)(또는, 무선 센서 네트워크 장치(100))는 센싱된 정보에 포함된 상기 수신된 신호의 세기에 대한 데이터(RSSI값)를 상기 무선 센서(110)로부터 수신할 수 있다.
제어장치(120)의 제어부(180)는, 상기 수신된 신호의 세기에 해당하는 데이터를 이용하여 물체 확률 분포도를 산출할 수 있다(S310). 이후, 제어부(180)는 상기 물체 확률 분포도를 이용하여 언라벨드 데이터를 추출할 수 있다(S320).
S310단계를 보다 구체적으로 설명하면, 제어부(180)는 상기 수신된 신호의 세기에 해당하는 데이터에 필터링을 적용하여 물체 확률 분포도를 산출할 수 있다.
여기서, 물체 확률 분포도는 물체의 위치를 확률적인 분포로 나타낸 것을 의미한다. 제어부(180)는 물체 확률 분포도를 산출하기 위해 필터링을 적용할 수 있다. 상기 물체 확률 분포도를 산출하기 위한 필터링 방법에는, Gaussian process regression 및 Radial Basis Function(RBF)를 기반으로 한 칼만 필터(Kalman filter) 근사법이 적용될 수 있다. 여기서, 본 발명에서는 실시간성을 결정짓는 수식 계산을 칼만 필터에 적용할 수 있다.
RBF기반 칼만 필터를 이용한 표적 확률 분포도를 얻기 위한 수식은 아래와 같다.
제어부(180)는 위치 X, 시간 t에서의 표적 확률 분포도 값 y(X,t)는 수학식 1와 같이 모델링할 수 있다.
Figure 112015041916922-pat00001
상기 Q는
Figure 112015041916922-pat00002
, 상기
Figure 112015041916922-pat00003
는 radial basis function(RBF),
Figure 112015041916922-pat00004
는 p개의 센서 노드로부터 수신된 시간 t에서의 RSSI값일 수 있다.
제어부(180)는 linear markov process를 이용하여 수학식 1의 y(X,t)를 수학식 2와 같이 모델링할 수 있다.
Figure 112015041916922-pat00005
이 때, 는 가우시안 노이즈로, 평균값은 0, 분산은
Figure 112015041916922-pat00007
이다. 또한, 상기 h_t(X, Xt)는 시간t-1에서의 물체 확률 분포도 값과 시간 t에서의 물체 확률 분포도 값 사이의 연관함수일 수 있다.
제어부(180)는 수학식 1과 수학식 2를 벡터 형식으로 변환한 후, 칼만 필터를 적용하여 필터링을 수행할 수 있다. 이러한 과정을 통해, 제어부(180)는 시간의 흐름에 따라 물체가 움직이는 경우, 물체의 위치 추정에 대한 실시간성을 강화할 수 있다.
이러한 필터링을 수행하여, 제어부(180)는 수학식 3과 같은 물체 확률 분포도 값을 산출하고, 이를 이용하여 물체 확률 분포도를 산출할 수 있다.
Figure 112015041916922-pat00008
제어부(180)는 상기 수학식 3의 식을 통해 산출된 물체 확률 분포도를 이용하여 언라벨드 데이터를 추출할 수 있다(S320).
다음으로는, 본 발명의 무선 센서 네트워크 장치(100)가 라벨드 데이터를 추출하는 방법에 대하여 설명한다.
앞서 도 3에서 설명한 것과 같이, 센서 노드(110)는 PIR센서(114)를 통해 물체로부터 반사되거나 물체로부터 방출되는 적외선을 센싱하고, 센싱결과에 근거하여 적외선과 관련된 데이터를 생성할 수 있다. 또한, 센서 노드(110)는 진동 감지 센서를 이용하여 물체에 의해 발생되는 진동을 센싱하고, 센싱결과에 근거하여 진동과 관련된 데이터를 생성할 수 있다(S120).
이후, 제어부(180)는 센서 노드로부터 센싱된 정보가 수신되면, 상기 센싱된 정보에 포함된 상기 적외선과 관련된 데이터와 상기 진동과 관련된 데이터를 라벨드 데이터로 추출할 수 있다(S330).
이후 제어부(180)는 상기 라벨드 데이터와 언라벨드 데이터를 이용한 세미 지도 학습 방식을 적용하여 물체의 종류와 물체에 대한 위치 추정을 수행할 수 있다. 구체적으로, 제어부(180)는 세미 지도 학습 방식을 적용하여 물체의 종류를 식별하고, 물체에 대한 위치를 추정하는 동작(작업)을 함께(또는 동시에) 수행할 수 있다.
수학식 4는 세미 지도 학습 방식의 수식을 표현한 것이다.
Figure 112015041916922-pat00009
여기서, V는 loss function, ||f||_A는 Reproducing Kernel Hilbert Space regularization, ||f||_I는 manifold regularization을 의미한다. 상기 V, ||f||_A 및 ||f||_I는 각각 구체적인 알고리즘에 따라 정의되며, 일 예로, Semi-supervised support vector machine, Semi-Supervised colocalization, Laplacian gaussian process등이 있다. 위와 같은 구체적인 알고리즘들은 일반적으로 공지된 기술이므로 구체적인 설명은 생략한다.
또한, 상기 V, ||f||_A 및 ||f||_I는 라벨드 데이터 및 언라벨드 데이터에 따라 서로 다른 값을 가질 수 있으며, 이를 이용해 제어부(180)는 상기 수학식 4의 세미 지도 학습 방식의 수식에 근거하여 최적화된 데이터(f*함수)을 도출할 수 있다.
이러한 구성을 통해, 본 발명의 무선 센서 네트워크 장치는 라벨드 데이터와 언라벨드 데이터를 세미 지도 학습 방식으로 적용하여 물체의 종류를 추정(식별)하고, 물체의 위치를 추정할 수 있다.
도 5 내지 도 7에는 위와 같은 구성(방법)을 통해 물체를 식별하거나 물체를 추정하는 방법을 검증(시뮬레이션)한 결과가 도시되어 있다.
도 5를 참조하면, 도 5에는 어느 지역에 13 개의 센서 노드(110)가 배치된 상태에서 3개의 물체(2)가 존재하는 경우 물체의 위치를 추정한 결과가 도시되어 있다.
도 5의 아래쪽에는, RSSI값과 RBF함수 및 칼만 필터를 이용하여 산출된 물체 확률 분포도(predictive target distribution)이 도시되어 있다. 도 5의 아래쪽 도면에 도시된 것과 같이, 물체가 존재하는 좌표(x, y)에 물체가 존재할 확률, 즉 물체 확률 분포값이 높게 나타남을 알 수 있다.
도 6에는 어느 지역에 지상 물체 및 공중 물체가 함께 진입한 경우, 상기 지상 물체 및 공중 물체의 진입 위치, 추정 경로 및 실제 경로가 도시되어 있다. 본 발명의 무선 센서 네트워크 장치는 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습 방식에 근거하여, 물체의 종류 식별, 물체의 위치 추정 뿐만 아니라 물체의 추정 경로(즉, 예상 경로)를 도출할 수도 있다.
도 6에 도시된 것과 같이, 본 발명의 무선 센서 네트워크 장치는 어느 지역에 존재하는 물체의 종류(지상 물체 또는 공중 물체인지 여부)를 식별할 수 있다. 여기서, 상기 물체의 종류에는 라벨드 데이터가 이용될 수 있다.
예를 들어, 제어부(180)는 물체가 기 설정된 거리 이내에 들어오는 경우, 적외선이 감지되지 않고, 진동이 감지되는 경우, 상기 물체가 지상 물체인 것으로 추정할 수 있다. 또한, 제어부(180)는 물체가 기 설정된 거리 이내에 들어오는 경우, 적외선이 감지되고 진동이 감지되지 않는 경우, 상기 물체가 공중 물체인 것으로 추정할 수 있다. 다만, 이에 한정되는 것은 아니고, 사용자 설정 또는 제어부의 제어에 따라 추정 방식은 달라질 수 있다.
또한, 도 6에 도시된 것과 같이, 본 발명의 무선 센서 네트워크 장치는 어느 지역에 존재하는 물체의 위치를 추정할 수 있다. 여기서, 상기 물체의 위치 추정은 언라벨드 데이터가 이용될 수 있다. 구체적으로, 제어부(180)는 센서노드에서 측정된 RSSI값을 통해 물체 확률 분포도를 산출하고, 상기 물체 확률 분포도로부터 추출된 언라벨드 데이터를 통해 물체의 위치를 추정할 수 있다.
또한, 도 6에 도시된 것과 같이, 본 발명의 무선 센서 네트워크 장치는 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습 방식에 근거하여, 실시간으로 움직이는 물체의 위치 추정을 통해 물체의 추정 경로를 산출할 수도 있다.
도 6에 도시된 것과 같이, 식별된 각 물체의 위치 및 추정 경로가 물체의 식제 위치와 물체의 실제 경로와 큰 차이가 없음을 알 수 있다.
도 7에는 도 6의 시뮬레이션을 통해 도출된 에러값이 도시되어 있다. 도 7에 도시된 시뮬레이션 결과를 참조하면, 본 발명에 따른 라벨드 데이터와 언라벨드 데이터를 이용한 세미 지도 학습 방식을 이용하는 경우, 지상 물체 및 공중 물체의 추정 경로와 실제 경로의 추정이 대략 25cm내외의 작은 에러값을 가지면서 일관된 결과가 도출됨을 알 수 있다.
이상에서 살펴본 것과 같이, 본 발명에 따르면 PIR센서, 진동 감지 센서 및 RSSI측정부가 구비된 저가형 센서 노드를 이용하여 물체의 종류를 식별하고, 물체의 위치를 추정할 수 있는 방법을 제공할 수 있다.
또한, 본 발명에 따르면, 센서 노드로부터 센싱된 정보에 근거하여 라벨드 데이터와 언라벨드 데이터를 추출하고, 상기 추출된 라벨드 데이터와 언라벨드 데이터를 세미 지도 학습 방식으로 적용함으로써, 물체의 종류를 식별하는 기능과 물체의 위치를 추정하는 기능을 함께 수행하고, 나아가 물체의 경로를 추정할 수도 있다.
또한, 본 발명에 따르면, 라벨드 데이터와 언라벨드 데이터를 이용한 세미 지도 학습 방식을 이용함으로써, 물체의 종류 식별 및 물체의 위치 추정에 대한 정확성을 높일 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 단말기의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (6)

  1. 어느 지역에 배치되고, 상기 어느 지역 내에 존재하는 적어도 하나의 물체를 센싱하는 센서 노드;
    상기 센서 노드에 의해 센싱된 정보를 상기 센서 노드로부터 수신하는 통신부; 및
    상기 센싱된 정보에 근거하여, 상기 어느 지역 내에 존재하는 적어도 하나의 물체에 대한 위치를 추정하는 제어부를 포함하고,
    상기 제어부는,
    상기 센싱된 정보에 근거하여 라벨드 데이터(labeled data) 및 언라벨드 데이터(unlabeled data)를 추출하고,
    상기 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습(semi-supervised learning) 방식에 근거하여 상기 어느 지역 내의 물체의 종류와 상기 물체에 대한 위치를 추정하는 것을 특징으로 하며,
    상기 센싱된 정보는, 상기 어느 지역에서 센싱된 적외선과 관련된 정보, 상기 어느 지역에서 센싱된 진동과 관련된 정보 및 상기 어느 지역에서 센싱된 신호의 세기에 해당하는 데이터 중 적어도 하나를 포함하며,
    상기 제어부는,
    상기 적외선과 관련된 정보 및 상기 진동과 관련된 정보 중 적어도 하나를 라벨드 데이터로 추출하고, 상기 신호의 세기에 해당하는 데이터에 근거하여 산출된 물체 확률 분포도를 언라벨드 데이터로 추출하며,
    상기 추출된 라벨드 데이터에 근거하여 상기 물체의 종류를 식별하고, 상기 추출된 언라벨드 데이터에 근거하여 상기 물체의 위치를 추정하고,
    상기 제어부는,
    [수학식 1]을 통해 물체 확률 분포도 값을 산출하고,
    [수학식 1]을 벡터 형식으로 변환한 후 필터링을 수행하여 시간의 흐름에 따라 물체가 움직이는 경우 물체의 위치 추정을 실시간으로 수행하는 것을 특징으로 하는 무선 센서 네트워크 장치.
    [수학식 1]
    Figure 112017021243790-pat00017

    상기 y(X,t)는 위치 X, 시간 t에서의 물체 확률 분포도 값, 상기
    Figure 112017021243790-pat00018
    는 radial basis function(RBF),
    Figure 112017021243790-pat00019
    는 p개의 센서 노드로부터 수신된 시간 t에서의 신호의 세기값임.
  2. 제 1 항에 있어서,
    상기 센서 노드는,
    물체로부터 반사되거나 방출되는 적외선을 감지하는 PIR 센서 (Passive Infrared Radiation sensor);
    물체에 의해 발생되는 진동을 감지하는 진동 감지 센서(seismic sensor); 및
    외부로부터 수신되는 신호의 세기를 측정하는 RSSI(Received Signal Strength Indicator) 측정부 중 적어도 하나를 포함하고,
    상기 센싱된 정보에는, 상기 PIR 센서, 상기 진동 감지 센서 및 상기 RSSI 측정부 중 적어도 하나에 의해 센싱된 데이터가 포함되는 것을 특징으로 하는 무선 센서 네트워크 장치.
  3. 제 2 항에 있어서,
    상기 라벨드 데이터는 상기 PIR 센서 및 상기 진동 감지 센서 중 적어도 하나에 의해 센싱된 데이터이고,
    상기 제어부는,
    상기 RSSI 측정부를 통해 수신된 신호의 세기에 해당하는 데이터에 근거하여 물체 확률 분포도를 산출하고, 상기 산출된 물체 확률 분포도를 이용하여 상기 언라벨드 데이터를 추출하는 것을 특징으로 하는 무선 센서 네트워크 장치.
  4. 제 3 항에 있어서,
    상기 제어부는,
    상기 수신된 신호의 세기에 해당하는 데이터에 필터링을 적용하여 상기 물체 확률 분포도를 산출하는 것을 특징으로 하는 무선 센서 네트워크 장치.
  5. 어느 지역에 배치된 센서 노드가 상기 어느 지역 내에 존재하는 적어도 하나의 물체를 센싱하는 단계;
    상기 센서 노드에 의해 센싱된 정보를 상기 센서 노드로부터 수신하는 단계;
    상기 센싱된 정보에 근거하여 라벨드 데이터(labeled data) 및 언라벨드 데이터(unlabeled data)를 추출하는 단계; 및
    상기 라벨드 데이터 및 언라벨드 데이터를 이용한 세미 지도 학습(semi-supervised learning) 방식에 근거하여 상기 어느 지역 내의 물체의 종류와 상기 물체에 대한 위치를 추정하는 단계를 포함하고,
    상기 센싱된 정보는, 상기 어느 지역에서 센싱된 적외선과 관련된 정보, 상기 어느 지역에서 센싱된 진동과 관련된 정보 및 상기 어느 지역에서 센싱된 신호의 세기에 해당하는 데이터 중 적어도 하나를 포함하며,
    상기 추출하는 단계는,
    상기 적외선과 관련된 정보 및 상기 진동과 관련된 정보 중 적어도 하나를 라벨드 데이터로 추출하고, 상기 신호의 세기에 해당하는 데이터에 근거하여 산출된 물체 확률 분포도를 언라벨드 데이터로 추출하는 것을 특징으로 하며,
    상기 추정하는 단계는,
    상기 추출된 라벨드 데이터에 근거하여 상기 물체의 종류를 식별하고, 상기 추출된 언라벨드 데이터에 근거하여 상기 물체의 위치를 추정하는 것을 특징으로 하고,
    상기 추출하는 단계는,
    [수학식 1]을 통해 물체 확률 분포도 값을 산출하고,
    상기 추정하는 단계는,
    [수학식 1]을 벡터 형식으로 변환한 후 필터링을 수행하여 시간의 흐름에 따라 물체가 움직이는 경우 물체의 위치 추정을 실시간으로 수행하는 것을 특징으로 하는 무선 센서 네트워크 장치의 제어방법.
    [수학식 1]
    Figure 112017021243790-pat00020

    상기 y(X,t)는 위치 X, 시간 t에서의 물체 확률 분포도 값, 상기
    Figure 112017021243790-pat00021
    는 radial basis function(RBF),
    Figure 112017021243790-pat00022
    는 p개의 센서 노드로부터 수신된 시간 t에서의 신호의 세기값임.

  6. 삭제
KR1020150060625A 2015-04-29 2015-04-29 무선 센서 네트워크 장치 및 그 제어방법 KR101726677B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150060625A KR101726677B1 (ko) 2015-04-29 2015-04-29 무선 센서 네트워크 장치 및 그 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150060625A KR101726677B1 (ko) 2015-04-29 2015-04-29 무선 센서 네트워크 장치 및 그 제어방법

Publications (2)

Publication Number Publication Date
KR20160128759A KR20160128759A (ko) 2016-11-08
KR101726677B1 true KR101726677B1 (ko) 2017-04-14

Family

ID=57528369

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150060625A KR101726677B1 (ko) 2015-04-29 2015-04-29 무선 센서 네트워크 장치 및 그 제어방법

Country Status (1)

Country Link
KR (1) KR101726677B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240016466A (ko) 2022-07-29 2024-02-06 주식회사 케이티 무선 네트워크 장비를 모델링하는 서버, 방법 및 컴퓨터 프로그램

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043142B1 (ko) * 2018-12-31 2019-11-12 호서대학교 산학협력단 Agv 주행제어를 위한 인공신경망 학습 방법 및 장치
KR102632309B1 (ko) * 2021-08-04 2024-02-02 주식회사 에스오엑스 무선 신호를 이용하여 위치를 측정하는 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100909436B1 (ko) * 2008-12-02 2009-07-28 (주)에스엔알 주차관리시스템, 센서노드 및 그 주차관리방법
JP2010107501A (ja) * 2008-10-09 2010-05-13 Nec (China) Co Ltd 適応性のある分解能を有する対象測位方法と対象測位システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100938806B1 (ko) * 2008-04-30 2010-01-28 대구대학교 산학협력단 알에프수신신호세기의 확률적 필터링을 이용한무선센서노드 위치추적방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010107501A (ja) * 2008-10-09 2010-05-13 Nec (China) Co Ltd 適応性のある分解能を有する対象測位方法と対象測位システム
KR100909436B1 (ko) * 2008-12-02 2009-07-28 (주)에스엔알 주차관리시스템, 센서노드 및 그 주차관리방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Jaehyun Yoo 외 1명, International Journal of Distributed Sensor Networks, Published 15 April 2014, Volume 2014 (2014), 7 pages

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240016466A (ko) 2022-07-29 2024-02-06 주식회사 케이티 무선 네트워크 장비를 모델링하는 서버, 방법 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR20160128759A (ko) 2016-11-08

Similar Documents

Publication Publication Date Title
Ma et al. Fusion of RSS and phase shift using the Kalman filter for RFID tracking
JP6012942B2 (ja) Ｒｆｉｄタグの動き追跡技術
WO2014203041A1 (en) System and method for rfid indoor localization
Soltani et al. Enhancing Cluster-based RFID Tag Localization using artificial neural networks and virtual reference tags
JP2015531053A (ja) 無線マップを動的に作成するためのシステム、方法、及びコンピュータプログラム
JP5870011B2 (ja) 点群解析装置、点群解析方法及び点群解析プログラム
Raza et al. Comparing and evaluating indoor positioning techniques
KR101726677B1 (ko) 무선 센서 네트워크 장치 및 그 제어방법
KR101813790B1 (ko) 특징 기반 다중 센서 정보 융합 장치 및 방법
Nagpal et al. Indoor positioning using magnetic compass and accelerometer of smartphones
CN114449439B (zh) 一种地下管廊空间的定位方法及装置
Yang et al. Multi-floor indoor localization based on RBF network with initialization, calibration, and update
Henriques Abreu et al. Using Kalman filters to reduce noise from RFID location system
JP2008294593A (ja) 位置推定システム、位置推定装置及びそれらに用いる位置推定方法並びにそのプログラム
US10012729B2 (en) Tracking subjects using ranging sensors
KR101136041B1 (ko) 무선 센서 네트워크에서의 센서의 위치 추정 방법 및 이를 구현하기 위한 프로그램을 기록한 기록매체와 센서 위치 추정 장치
KR20180045510A (ko) 지자기 신호 처리 방법 및 장치
Kim et al. A multi-class classification approach for target localization in wireless sensor networks
US11710007B2 (en) Tracking a movement status of a radio frequency identification tag
Huang et al. Sparse representation for device-free human detection and localization with COTS RFID
TWI502514B (zh) 電子裝置、位置測量方法及系統
Balaji et al. A comprehensive nomenclature of RFID localization
US20230417862A1 (en) Wireless receive signal strength indicator (rssi)-based positioning
Wong et al. Accurate indoor positioning technique using RSSI assisted inertial measurement
Ćwikła et al. The Use of Line Simplification and Vibration Suppression Algorithms to Improve the Quality of Determining the Indoor Location in RTLSs

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant