KR102242664B1 - 3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법 - Google Patents

3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법 Download PDF

Info

Publication number
KR102242664B1
KR102242664B1 KR1020190144544A KR20190144544A KR102242664B1 KR 102242664 B1 KR102242664 B1 KR 102242664B1 KR 1020190144544 A KR1020190144544 A KR 1020190144544A KR 20190144544 A KR20190144544 A KR 20190144544A KR 102242664 B1 KR102242664 B1 KR 102242664B1
Authority
KR
South Korea
Prior art keywords
packet
mac protocol
sensor
probability
underwater
Prior art date
Application number
KR1020190144544A
Other languages
English (en)
Inventor
송유재
Original Assignee
한국해양과학기술원
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 한국해양과학기술원 filed Critical 한국해양과학기술원
Priority to KR1020190144544A priority Critical patent/KR102242664B1/ko
Application granted granted Critical
Publication of KR102242664B1 publication Critical patent/KR102242664B1/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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 3D 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 3D 수중 음향센서 네트워크에서의 성능 최적화 장치는, 수중 음향센서 네트워크를 구성하는 데이터 싱크와 수중센서간 통신을 위하여 지정 큐잉 모델과 랜덤 억세스 기반의 맥(MAC) 프로토콜을 결정하는 인터페이스부, 및 결정한 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 실행하여 데이터 전송시의 평균 패킷 지연을 측정하며, 측정 결과로서 평균 패킷 지연이 최소화되는 데이터 전송에 필요한 슬롯(slot) 수를 도출하는 제어부를 포함할 수 있다.

Description

3D 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법{Apparatus for Optimizing Performance of Underwater Acoustic Sensor Networks with 3D Topology and Driving Method Thereof}
본 발명은 3D 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법에 관한 것으로서, 더 상세하게는 가령 3D 수중 음향센서 네트워크(UASN)에서 센서들을 위한 패킷 큐잉 지연(packet queuing delay) 및 패킷 에러 확률(packet error probability)에 대한 네트워크 성능을 정량화하는 분석 모델을 갖는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법에 관한 것이다.
수중 음향 센서 네트워크(UASN) 기술은 수면 아래에서 시의 적절하고 효과적인 탐사 및 모니터링을 가능하도록 하므로 최근 들어 UASN에 대한 연구는 상당한 관심을 받고 있다. 그러나 UASN은 지상 센서 네트워크(TSN)에서 경험하지 못한 여러 가지 고유한 문제에 직면해 있다. 우선, 수중센서 및 데이터 싱크는 3D 공간에 자연스럽게 분배되는 반면, TSN에 대한 네트워크 토폴로지는 일반적으로 2D로 가정된다. 이러한 고유성은 UASN의 성능 분석에서 고려해야 한다. 이에 따라 3D UASN에 대한 다양한 연구가 수행되었다.
종래에는 3D UASN에서의 데이터 수집 문제가 네트워크 계층에서 조사되었다. 라우팅 기능과 수중 채널 특성 간의 상호 작용을 고려하여 지연에 민감하지 않고 지연에 민감한 센서 네트워크 애플리케이션을 위해 3D UASN에 대한 두 가지 라우팅 알고리즘이 제안되었다. 또한, 다른 연구는 2D 및 3D UASN 통신 아키텍처에 대한 배포 전략을 제시하기 위해 수학적 분석을 수행하였다. 최적의 감지 및 통신 범위를 달성하기 위해 배치해야 하는 최소 센서 수를 결정하는 것이 목적이며, 이는 애플리케이션 요구 사항에 따라 결정된다. 또 다른 연구는 통신 범위와 감지 범위의 비율에 대한 3D 수중센서 네트워크의 적용 범위 및 연결 문제에 대한 솔루션을 제안했다. 이외에도 다수의 연구들은 데이터 지연을 줄이고 네트워크 수명을 연장하기 위해 3D UASN에 대해 두 개의 확률 기반 지역 기반 자율 수중 차량 보조 데이터 수집 알고리즘을 조사하거나, 전송 지연 및 송신기-수신기 쌍의 수와 관련하여 패킷 전달 속도의 폐쇄형 공식이 도출된 바 있기도 한다. 또한, 네트워크 처리량과 전송 지연 간의 절충 관계는 시뮬레이션과 이론적 분석을 통해 제시된 바 있다.
해양 기술의 발달로 해양 샘플링, 환경 모니터링 및 해저 탐사를 포함한 광범위한 UASN 애플리케이션이 등장했다. 이러한 응용 프로그램마다 다른 유형의 통신 요구 사항이 필요하다. 따라서, 특정 해양 응용(또는 적용)에 따라 다양한 통신 요구 사항을 지원하기 위해 다양한 네트워크 설계 및 운영 전략을 제시하기 위한 많은 연구가 이루어졌다. 예를 들어, 어떤 연구의 주요 목표는 수중 MIMO-OFDM 음향 협동 무선 네트워크를 통한 멀티미디어 애플리케이션을 위한 서비스를 지원하면서 총 에너지 소비를 최소화하는 것이었다. 목표를 달성하기 위해, 릴레이 기반 수중 음향 협력 무선 네트워크에 대해 속도-제약을 갖는 소스 및 릴레이 네트워크 송신 전력의 공동 최적화가 제시되었다. 다른 연구에서는, 지연 허용 애플리케이션을 위한 수중 통신 프레임 워크가 조사되었으며, 여기서 이동 자율 수중 차량은 통신을 시작하기 전에 최상의 네트워크 토폴로지 구성(topology configuration)을 기다림으로써 에너지를 보존한다. 또 다른 연구는 네트워크 요구 사항, 트래픽 강도 및 허용 대기 시간 요구 사항을 기반으로 여러 프로토콜 모드간 전환을 위한 적응형 알고리즘을 분석했다. 기타 연구에서는 수중인지 음향 네트워크(underwater cognitive acoustic networks)에서 2차 사용자(SU)의 링크 연결성 및 커버리지 확률 측면에서 성능을 측정하기 위한 수학적 모델을 제시했다. 그들은 SU의 링크 연결과 커버리지가 스펙트럼 가용성과 토폴로지 연결성에 달려 있음을 확인했다. 이외에도 진화적 클러스터 기반 라우팅 프로토콜이 UASN 애플리케이션에 대해 조사되었다. 제안된 프로토콜은 패킷 전달 비율을 향상시키고 평균 종단간 지연 시간과 전체 네트워크 에너지 소비를 줄인다.
3D UASN에서 패킷 큐잉 지연과 패킷 오류 확률은 미래의 무선 통신 분야에서 빠르게 떠오르고 있는 연구분야인 초신뢰성 낮은 대기 시간 통신(URLLC)의 실현 가능성을 결정하기 위해 최적화된 가장 결정적인 네트워크 성능이다. 그러나 아직까지 3D UASN에서 이 두 가지 성능 지표를 동시에 연구한 연구는 없었던 것으로 보인다. 많은 연구자들은 무선 센서 통신이 대표적인 URLLC 애플리케이션이라고 지적했다. 따라서 URLLC 개념을 UASN으로 확장해야 한다. 그러나 UASN은 상용 음향 모뎀의 기본 한계 때문에 밀리 초(예: 원격 제어의 경우 5100ms)의 URLLC 대기 시간 요구 사항을 충족할 수 없다. 예를 들어, 어쿠스틱 모뎀의 시간 슬롯은 지상 무선 모뎀에서 몇 초에 불과하지만 수 밀리 초에 불과하다. 이는 3D UASN의 센서에 대한 패킷 큐잉 지연 및 패킷 오류 확률 측면에서 성능에 대한 연구의 필요성을 강조하며, 이는 TSN과 UASN 간의 성능 격차를 줄이는 데 도움이 된다.
종래의 연구에는 수중 음향 네트워크를 위한 최첨단 MAC 프로토콜을 제안한 바 있다. 해당 연구에 소개된 대부분의 MAC 프로토콜은 랜덤 액세스 기반 및 핸드 셰이크 기반 MAC 프로토콜의 두 가지 범주로 분류될 수 있다. 이 작업에서는 슬롯형 ALOHA 기반 및 RTS/CTS 기반 MAC 프로토콜에 중점을 둔다. 이는 수중 음향을 위한 대표적인 랜덤 액세스 기반 및 핸드 셰이크 기반 MAC 프로토콜이기 때문이다.
다른 많은 연구 중 하나는, 가드 밴드가 있는 슬롯형 ALOHA를 제안했는데, 이는 서로 다른 거리에서 서로 다른 발신자에서 동일한 수신기로의 전송으로 인한 충돌을 줄이기 위해 가드 시간을 슬롯에 추가한다. 다른 연구는, 확률적 스케줄링 접근법과 함께 경량의 슬롯형 ALOHA를 사용하는 개념은 핸드 셰이킹 없이 충돌을 줄이기 위해 평가되었다. 각 노드에는 전송 확률이 할당되며, 이는 로컬 네트워크 토폴로지에 따라 주어진 시간에 조정된다. 슬롯 ALOHA의 처리량 성능 계산을 위한 이론적 프레임 워크가 제시되었다. 또한 더 작은 슬롯을 사용하는 슬롯형 ALOHA를 약간 수정하여 처리량 성능을 개선했다. 그리고 또 다른 연구는, 각 노드가 p-지속적 슬롯형 ALOHA를 채택하는 UASN의 성능을 분석했다. 그런 다음 네트워크 로드가 증가함에 따라 충돌 가능성이 높아지는 것을 해결하려고 시도했다.
어떠한 연구는, 패킷 크기 제한없이 데이터 패킷 충돌을 피하는 슬롯형 층 획득 다중 액세스(FAMA)를 제안했다. 또한 모바일 애드혹 수중 네트워크의 시뮬레이션을 사용하여 제안된 프로토콜의 처리량 측면에서 성능을 평가했다. 동기화되지 않은 프로토콜이 제안되었는데, 이는 평균 핸드 셰이크 지속 시간을 최소화하기 위해 노드가 다른 수신기에 대해 다른 핸드 셰이크 길이를 사용할 수 있게 한다. 이 프로토콜은 슬롯형 FAMA의 처리량보다 몇 배 더 높은 처리량을 달성하는 동시에 유사한 에너지 절감 효과를 제공한다. UASN을 위한 RTS/CTS 기반 MAC이 제안되었으며, 이는 슬롯형 FAMA의 단순화된 버전으로 해석될 수 있다. 다중 액세스 충돌 방지(MACA)라고 하는 기존의 비동기 RTS/CTS 기반 프로토콜이 멀티 홉(multi-hop) 수중 네트워크에서 사용하기 위해 어떻게 적용될 수 있는지 조사했다. 이들은 상태 전이 규칙, 패킷 전달 전략 및 백 오프 알고리즘이라는 세 가지 개선 영역을 제시했다.
또한 UASN에서 슬롯형 ALOHA와 RTS/CTS 기반 MAC 사이에 많은 비교 성능 평가가 존재한다. 슬롯형 ALOHA 및 RTS/CTS 기반 MAC을 따르는 각 수중센서는 M/G/1 대기열로 모델링되었다. 이어서, 2개의 MAC 프로토콜들 사이의 처리량 성능의 비교가 수행되었고, 처리량을 평가할 때 패킷 충돌이 고려되었다. 랜덤 액세스 기반 및 RTS/CTS 기반 MAC 프로토콜의 성능이 데이터 속도, 전송 범위, 네트워크 토폴로지, 패킷 크기 및 트래픽 패턴과 같은 여러 요소의 영향을 받는 것으로 관찰되었다. 추가 관찰 결과 서로 다른 네트워크 조건에 가장 적합한 두 가지 MAC 프로토콜이 밝혀졌다. 또한 UASN에서 슬롯형 ALOHA와 RTS/CTS 기반 MAC 간의 다양한 네트워크 성능을 비교했다. 이를 위해 단일 홉(single-hop) 토폴로지 및 낮은 데이터 속도뿐만 아니라 다중 홉 네트워크 및 높은 데이터 속도를 포함한 여러 시나리오를 고려했다.
그런데, 지금까지 소개한 바 있는 많은 연구들은 성능 지표(performance metrics)로서 패킷 충돌을 비롯해 패킷 전송 오류로 인한 재전송의 영향(effect)을 반영하는 평균 패킷 큐잉 지연을 분석하지는 않았다는 데에 그 문제가 있다.
한국등록특허공보 제10-1104096호(2012.01.03) 한국등록특허공보 제10-1328455호(2013.11.14) 한국등록특허공보 제10-1243323호(2013.03.07)
본 발명의 실시예는, 가령 3D 수중 음향센서 네트워크(UASN)에서 센서들을 위한 패킷 큐잉 지연 및 패킷 에러 확률에 대한 네트워크 성능을 정량화하는 분석 모델을 갖는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법을 제공함에 그 목적이 있다.
본 발명의 실시예에 따른 3D 수중 음향센서 네트워크에서의 성능 최적화 장치는, 수중 음향센서 네트워크를 구성하는 데이터 싱크와 수중센서간 통신을 위하여 지정 큐잉 모델과 랜덤 억세스 기반의 맥(MAC) 프로토콜을 결정하는 인터페이스부, 및 상기 결정한 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 실행하여 데이터 전송시의 평균 패킷 지연을 측정하며, 측정 결과로서 상기 평균 패킷 지연이 최소화되는 상기 데이터 전송에 필요한 슬롯(slot) 수를 도출하는 제어부를 포함한다.
상기 인터페이스부는, 상기 큐잉 모델로서 M/G/1 모델을 선택하고, 상기 랜덤 억세스 기반의 맥 프로토콜로서 슬롯형 아로하(slotted ALOHA) 맥 프로토콜을 선택할 수 있다.
상기 제어부는, 상기 도출한 슬롯 수를 초과하면, 상기 랜덤 억세스 기반의 맥 프로토콜을 핸드 셰이크 기반의 맥 프로토콜로 변경하여 데이터 전송시의 평균 패킷 지연을 측정하며, 상기 핸드 셰이크 기반의 맥 포로토콜로서 RTS/CTS(Request-to-Send and Clear-to-Send) 기반의 맥 프로토콜을 사용할 수 있다.
상기 제어부는, 복수의 수중센서의 통신 서비스 품질을 보장하고, 데이터 싱크 밀도(βn)를 최소화하기 위하여 조건식
Figure 112019116162630-pat00001
(여기서,
Figure 112019116162630-pat00002
는
Figure 112019116162630-pat00003
가 되도록 허용 가능한 Pe의 상한,
Figure 112019116162630-pat00004
로 정의, Pb는 비트 오류 확률, Ld는 패킷의 비트 수,
Figure 112019116162630-pat00005
가 되도록 계산,
Figure 112019116162630-pat00006
는 Q 함수, γ는 신호대 간섭잡음비(SINR),
Figure 112019116162630-pat00007
는 Pe에 해당하는 허용 가능한 SINR의 하한,
Figure 112019116162630-pat00008
는
Figure 112019116162630-pat00009
의 역수)를 만족하는지 판단할 수 있다.
상기 제어부는, 기결정된 허용 가능한
Figure 112019116162630-pat00010
의 상한에 해당하는 허용 가능한 SINR
Figure 112019116162630-pat00011
의 하한을 만족시키는 데이터 싱크 밀도(βn)의 최소값을 찾기 위하여 조건식
Figure 112019116162630-pat00012
를 만족하는지 더 판단할 수 있다.
또한, 본 발명의 실시예에 따른 3D 수중 음향센서 네트워크에서의 성능 최적화 방법은, 수중 음향센서 네트워크를 구성하는 데이터 싱크와 수중센서간 통신을 위하여 지정 큐잉 모델과 랜덤 억세스 기반의 맥(MAC) 프로토콜을 결정하는 단계, 상기 결정한 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 실행하여 데이터 전송시의 평균 패킷 지연을 측정하는 단계, 및 측정 결과로서 상기 평균 패킷 지연이 최소화되는 상기 데이터 전송에 필요한 슬롯 수를 도출하는 단계를 포함한다.
상기 결정하는 단계는, 상기 큐잉 모델로서 M/G/1 모델을 선택하고, 상기 랜덤 억세스 기반의 맥 프로토콜로서 슬롯형 아로하 맥 프로토콜을 선택할 수 있다.
상기 구동방법은, 상기 도출한 슬롯 수를 초과하면, 상기 랜덤 억세스 기반의 맥 프로토콜을 핸드 셰이크 기반의 맥 프로토콜로 변경하여 데이터 전송시의 평균 패킷 지연을 측정하는 단계를 더 포함하며, 상기 핸드 셰이크 기반의 맥 프로토콜로서 RTS/CTS 기반의 맥 프로토콜을 사용할 수 있다.
상기 구동방법은, 복수의 수중센서의 통신 서비스 품질을 보장하고, 데이터 싱크 밀도(βn)를 최소화하기 위하여 조건식
Figure 112019116162630-pat00013
(여기서,
Figure 112019116162630-pat00014
는
Figure 112019116162630-pat00015
가 되도록 허용 가능한 Pe의 상한,
Figure 112019116162630-pat00016
로 정의, Pb는 비트 오류 확률, Ld는 패킷의 비트 수,
Figure 112019116162630-pat00017
가 되도록 계산,
Figure 112019116162630-pat00018
는 Q 함수, γ는 신호대 간섭잡음비(SINR),
Figure 112019116162630-pat00019
는 Pe에 해당하는 허용 가능한 SINR의 하한,
Figure 112019116162630-pat00020
는
Figure 112019116162630-pat00021
의 역수)를 만족하는지 판단하는 단계를 더 포함할 수 있다.
상기 구동방법은, 기결정된 허용 가능한
Figure 112019116162630-pat00022
의 상한에 해당하는 허용 가능한 SINR
Figure 112019116162630-pat00023
의 하한을 만족시키는 데이터 싱크 밀도(βn)의 최소값을 찾기 위하여 조건식
Figure 112019116162630-pat00024
를 만족하는지 판단하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따르면, 3D UASN에서 패킷 큐잉 지연과 패킷 오류 확률을 측정하기 위해 큐잉 이론과 3D 확률적 기하학의 조합을 사용하여 일반 분석 프레임 워크를 설정할 수 있다. 이들은 미래 무선 네트워크에 가장 중요한 성능 지표이며, 3D UASN에서 고신뢰성 및 저지연 통신에 대한 실현 가능성을 식별하는 데에 활용할 수 있을 것이다. 3D UASN에서 두 가지 성능 지표를 동시에 연구하는 첫 번째 작품이 될 것이다
또한, 본 발명의 실시예에 따르면 제안된 분석 프레임 워크에서 슬롯형 ALOHA 및 RTS/CTS(Request-to-Send and Clear-to-Send) 기반 MAC(Medium Access Control)에 따라 수중센서의 패킷 큐잉 지연을 분석한다. 패킷 큐잉 지연을 계산할 때 패킷 서비스 시간이 지수 서비스 시간 또는 얼랑-2(Erlang-2) 서비스 시간과 같이 잘 정의된 매개 변수 분포를 따르는 것으로 가정한 기존의 작업과 달리 서비스 시간을 MAC 프로토콜 작동에 의존하게 한다. 각 센서 노드가 M/G/1 대기열로 모델링되도록 정확한 서비스 시간을 위한 기능을 해결하기 전에 MAC 계층 서비스 시간을 MAC 계층 변수의 함수로 공식화한다. 이러한 접근 방식은 MAC 계층 버퍼 및 패킷 전송 오류 및 패킷 충돌로 인한 예기치 않은 재전송의 존재에서 MAC 계층 서비스 시간이 지수 또는 얼랑(Erlang) 랜덤 변수라는 명확한 증거가 없기 때문에 기존 작업보다 더 현실적이다. 본 발명의 실시예에 따라 UASN에서 각 센서의 패킷 큐잉 지연을 평가하기 위해 M/G/1 큐잉 시스템과 다양한 재전송 요소를 동시에 고려하는 첫 번째 작업이 될 것이다. 또한, 패킷 큐잉 지연의 성능 분석을 통해 다양한 3D UASN 설정에서 지연 시간이 짧은 통신을 달성하기 위해 최적의 MAC 프로토콜을 선택하는 방법에 대한 지침을 제공할 수 있을 것이다.
또한, 3D UASN에서 주어진 수중센서 밀도 하에서 최소 데이터 싱크 밀도를 도출한다. 이를 위해 허용 가능한 패킷 오류 확률의 상한을 보장하면서 데이터 싱크 밀도를 최소화하는 간단한 최적화 문제를 공식화한다. 본 발명의 실시예는 패킷 오류 확률의 성능을 분석하여 네트워크 전체 관점에서 데이터 싱크의 최적 배치 설계에 대한 통찰력을 제공하며, 이전 연구에는 포함되지 않았다. 이를 통해 다양한 3D UASN 설정에서 매우 안정적인 통신이 가능할 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 3D UASN 시스템을 나타내는 도면,
도 2는 패킷 도착율의 함수로서 활용 팩터들을 나타내는 플롯 그래프,
도 3은 패킷 도착 함수로서 평균 패킷 서비스 시간을 나타내는 플롯 그래프,
도 4는 패킷 도착율의 함수로 평균 패킷 지연을 나타내는 플롯 그래프,
도 5는 데이터 전송을 위한 슬롯의 수의 함수로서 평균 패킷 서비스를 나타내는 플롯 그래프,
도 7은 수용 가능한 패킷 에러율의 상위 바운드의 함수로서 최소 데이터 싱크 밀도를 나타내는 플롯 그래프,
도 8은 다양한 수중 통신 채널 및 노이즈 모델들을 위한 SINR 성능의 비교를 나타내는 플롯 그래프,
도 9는 음향 모뎀의 동작 주파수 변화하에서 SINI 성능을 나타내는 플롯 그래프,
도 10은 본 발명의 실시예에 따른 3D 수중 음향센서 네트워크에서의 성능 최적화 장치의 세부 구조를 예시한 블록다이어그램, 그리고
도 11은 도 10의 성능 최적화 장치의 구동 과정을 나타내는 흐름도이다.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 3D UASN 시스템을 나타내는 도면, 도 2는 패킷 도착율의 함수로서 활용 팩터들을 나타내는 플롯 그래프, 도 3은 패킷 도착 함수로서 평균 패킷 서비스 시간을 나타내는 플롯 그래프, 도 4는 패킷 도착율의 함수로 평균 패킷 지연을 나타내는 플롯 그래프, 도 5는 데이터 전송을 위한 슬롯의 수의 함수로서 평균 패킷 서비스를 나타내는 플롯 그래프, 도 7은 수용 가능한 패킷 에러율의 상위 바운드의 함수로서 최소 데이터 싱크 밀도를 나타내는 플롯 그래프, 도 8은 다양한 수중 통신 채널 및 노이즈 모델들을 위한 SINR 성능의 비교를 나타내는 플롯 그래프, 그리고 도 9는 음향 모뎀의 동작 주파수 변화하에서 SINI 성능을 나타내는 플롯 그래프이다.
구체적인 설명에 앞서, 본 발명의 실시예에서 사용되는 주요 기호들은 <표 1>에서와 같이 정리해 볼 수 있다.
Figure 112019116162630-pat00025
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 3D UASN 시스템(90)은 복수의 수중센서(100), 데이터 싱크(혹은 싱크노드)(110), 게이트웨이(120), 통신장치(130), 관제장치(140) 및 위성항법장치(150)의 일부 또는 전부를 포함한다.
여기서, "일부 또는 전부를 포함한다"는 것은 게이트웨이(120)와 같은 일부 구성요소가 생략되어 3D UASN 시스템(90)이 구성되거나, 통신장치(130)와 같은 일부 구성요소가 관제장치(140)와 같은 다른 구성요소에 통합되어 구성될 수 있는 것 등을 의미하는 것으로서, 발명의 충분한 이해를 돕기 위하여 전부 포함하는 것으로 설명한다.
수중센서(이하, 센서와 병기함)(100) 및 데이터 싱크(이하, 싱크와 병기함)(110)는 해수면 아래 3D 공간 내에 분포되어 있다. 이 센서(100)는 수온, 수압 및 적조와 같은 다양한 해양 데이터들(data set)을 수집한다. 각 센서(100)는 데이터 싱크(110)와 연결되어 수중 음향 통신을 통해 수집된 데이터를 싱크(110)로 전송한다. 각 데이터 싱크(110)는 관련 센서(100)에서 전송된 데이터를 수집하고 고속 유선 통신을 통해 집계된 데이터를 표면 부표 또는 선박 등의 게이트웨이(120)로 재전송한다. 지표 부표 또는 선박은 또한 수신된 데이터를 육상에 위치한 관제센터로 보낸다. 관제센터는 가령, 레이더 등의 통신장치(130)와 컴퓨터 등의 관제장치(140)를 포함할 수 있다. 부표 또는 선박을 통해 제어센터는 센서(100) 및 싱크(110)에 프로그래밍 명령 즉 제어신호를 보낼 수도 있다. 이와 같이, 지표 부표 또는 선박은 실질적으로 수중 음향 네트워크와 수중 무선 네트워크 사이의 통신 게이트웨이(120)이다. 지상 부표 또는 선박이 장거리로 인해 제어센터와 직접 통신할 수 없는 경우 위성항법장치(GPS)(150)를 이용한 위성 통신이 사용될 수 있다.
해수면에서 센서(100)와 싱크들(110)은 수류(혹은 해류)(water current), 지표 부표 이동(surface buoy movement) 및 선박 통과와 같은 다양한 이유로 자발적이고 비자발적으로 움직일 수 있다. 따라서 확률 배치를 사용하여 노드 배치 위치를 임의의 변수로 모델링할 수 있다. 구체적으로, 센서(100) 및 싱크(110)의 위치는 각각 km3 당 βs 및 βn 단위의 인구(혹은 집단) 밀도를 갖는 독립적인 3D 균질(homogeneous)의 푸아송 포인트 프로세스(PPPs)에 따라 무작위로 분배된다. 각 센서(100)는 가장 높은 신호 강도를 받는 싱크(110)와 관련이 있다. 따라서 각 싱크(110) 및 모든 관련 센서(100)가 클러스터를 형성한다. 싱크 위치는 PPP에 의해 제어되므로 클러스터 구조는 푸아송-보로노이(Poisson-Voronoi) 공간 분할(tessellation)을 따른다.
수중 음향 네트워크의 특성 중 하나는 대역폭 부족이다. 따라서 MAC 프로토콜을 통해 하나의 수중 음향 채널이 모든 싱크(110) 및 센서(100)간에 공유된다고 가정한다. 본 발명의 실시예에서는 슬롯 ALOHA 및 RTS/CTS 기반 MAC의 두 가지 MAC 프로토콜을 고려한다. 이 두 프로토콜은 각각 수중 네트워크에 대한 랜덤 액세스 기반 및 핸드 셰이크 기반 MAC 프로토콜을 나타낸다. 이 두 MAC 프로토콜에 대한 자세한 내용은 이후에 좀더 다루기로 한다.
각각의 센서 j에서, 고정 크기 데이터 패킷은 λj 속도로 푸아송 프로세스에 따라 생성된다. 이와 같이, 각각의 센서 j는 μj 비율로 일반적으로 분배된 서비스 시간을 갖는 M/G/1 큐로서 모델링될 수 있다. 이러한 큐의 활용 계수 ρj = λj/μj는 비어있을 확률을 나타내며, 큐가 안정되려면 ρj가 1보다 작아야 한다.
본 발명의 실시예에서 사용된 슬롯 모델은 다음과 같다.
통신 채널의 시간 도메인은 타임 슬롯으로 나누어지며, 각 슬롯은 패킷의 전송을 위한 것이다. 타임 슬롯의 지속 시간(Ts)은 패킷 전송 시간(Td), 최대 전파 지연(Tmp) 및 보호 시간(Tguard)의 합으로 나타낸다. <수학식 1>과 같다.
Figure 112019116162630-pat00026
Td에 대한 다양한 정의 중에서, 본 발명의 실시예에서는 상용 음향 모뎀의 두 가지 중요한 특성, 즉 낮은 전송 속도와 긴 프리엠블들(preambles)을 고려한 정의를 따르기로 한다. 이 정의는 <수학식 2>와 같다.
Figure 112019116162630-pat00027
여기서 Ld는 패킷 크기, B는 음향 모뎀 유효 전송 속도, Tpre는 프리엠블 시간이다. <수학식 2>에서, B 및 Tpre의 값은 선택된 음향 모뎀의 사양에 따라 달라질 수 있다. 잘 알려진 ATM 시리즈 Teledyne Benthos Modem의 경우 Aqua-TUNE 테스트 베드에서 측정된 값은 <수학식 3>과 같이 B = 667bps 및 Tpre = 1.5s이다.
Figure 112019116162630-pat00028
최대 전파 지연은 Tmp = R/vp로 결정되며, 여기서 R은 최대 통신 범위이고 vp는 음파의 전파 속도입니다.
또한, 본 발명의 실시예에 사용된 수중음향 채널은 다음과 같다.
수중 음향 채널의 신호 감쇠는 센서(100)와 관련 싱크(110) 사이의 거리 Z뿐만 아니라 작동 부반송파 주파수 f의 영향을 받는다. 감쇠
Figure 112019116162630-pat00029
와 같다. 여기서 A0은 단위 정규화 상수이고, α는 소위 실제 확산에 대해 1.5로 설정된 음향 신호 전파의 기하학적 구조를 반영하는 확산 계수이다. 또한 주파수 의존성은 a(f)에 의해 포착되며, 10log·α(f) = 0.11f2/(1 + f2) + 44f2/(4100 + f2) + 2.75 × 10-4f2 + 0.003이 되도록 Thorp의 공식에 의해 dB/km 단위로 표시된다. 이 공식은 수백 Hz이상의 주파수에 유효하다. 저주파의 경우 공식은
Figure 112019116162630-pat00030
이다.
해양에서 주변 소음은 난기류, 운송, 파도 및 열 소음의 네 가지 소스로 생성된다. 소스와 상관없이 주변 소음은 가우시안 통계 및 연속 전력 스펙트럼 밀도 (p.s.d.)로 설명할 수 있다. 네 가지 노이즈 소스의 경우 경험적 p.s.d.는 f의 함수로서 Hz 당 dB re micro Pa 단위는 kHz이며, <수학식 4>와 같다.
Figure 112019116162630-pat00031
여기서 Nt(f), Ns(f), Nw(f) 및 Nth(f)는 각각 난기류(turbulence), 선적(shipping), 파도(waves) 및 열 소음(thermal noise)에 대한 p.s.d.이다. 또한 υ는 값의 범위가 0에서 1 사이인 운송 활동 계수이며, w는 풍속이다. 따라서 주변 소음의 총 p.s.d.는 <수학식 5>와 같다.
Figure 112019116162630-pat00032
주변 소음의 p.s.d.는 특정 주파수 영역에서 로그 스케일(logarithmic scale )에서 선형으로 감소하며, 이는 도 2에서 확인할 수 있다. 따라서 이는 <수학식 6>의 근사값을 사용하는 것이 유용하다.
Figure 112019116162630-pat00033
여기서 N1 및 δ는 각각 경험값 N1 = 50 dB re micro Pa Per Hz이고, δ = 18 dB/decade을 가진 상수이다. <수학식 6>에서 주파수 f는 kHz이다.
이외에, 본 발명의 실시예에서 사용되는 클러스터 내의 평균 수의 센서들은 다음과 같다.
클러스터 지오메트리는 3D 푸아송-보로노이 테셀레이션을 따른다. 모든 싱크(110)가 동일한 전력으로 연관 비콘을 전송한다고 가정하면, 3D 클러스터 V의 부피의 확률 밀도 함수(PDF)는 <수학식 7>과 같이 표현될 수 있다.
Figure 112019116162630-pat00034
<수학식 7>을 사용하면 싱크(110)와 관련된 센서 수의 확률 질량 함수(PMF)를 <수학식 8>과 같이 계산할 수 있다.
Figure 112019116162630-pat00035
위의 PMF를 기준으로 클러스터 내의 평균 센서 수는 <수학식 9>와 같이 결정된다.
Figure 112019116162630-pat00036
계속해서, 두 가지 경우에 대해 센서의 평균 패킷 지연을 분석하고 결정한다. 하나는 슬롯형 ALOHA MAC 프로토콜을 사용하고, 다른 하나는 RTS/CTS 기반 MAC 프로토콜을 사용한다. 이 두 프로토콜은 수중 통신 네트워크의 랜덤 액세스 기반 MAC 및 핸드 셰이크 기반 MAC을 나타낸다.
본 발명의 실시예에서는 모든 센서(100)들이 슬롯형 ALOHA MAC 프로토콜을 사용하여 음향 채널에 액세스하는 것을 고려한다. MAC 계층에서 각 센서는 M/G/1 대기열로 모델링된다. 임의로 선택된 센서(100)에 대한 평균 패킷 지연을 도출한다. 선택된 센서(100)는 0으로 표시된다. 즉, j = 0이지만 표현을 단순화하기 위해 표기법에서 0을 드롭(drop)한다. 선택한 센서(100)의 패킷 서비스 속도를 결정하기 위해 패킷이 대기열에서 전송 대기 중이라고 가정한다. 패킷이 관련 싱크(110)로 성공적으로 전송될 확률은 <수학식 10>과 같이 결정된다.
Figure 112019116162630-pat00037
여기서 Pe는 패킷 에러 확률이고, p는 큐잉된 패킷이 실제로 전송될 확률이며, ρj = λj/μj,
Figure 112019116162630-pat00038
는 선택된 센서의 동일한 클러스터 내의 이웃 센서 j가 전송할 패킷을 가질 확률이다. 선택된 센서는, 인접 센서가 각각의 큐에 전송 대기중인 패킷을 가지고 있는지 여부를 알지 못하기 때문에 파라미터 ρj는 <수학식 10>에서 필요하다. 또한, 주어진 Pe 및 ρj 하에서 p = 1/N일 때 성공적인 패킷 전송 확률 Pw가 최대화되기 때문에 p = 1/N으로 설정한다.
고정 시스템의 경우 성공적인 전송 확률은 시간이 균일하다. 따라서 패킷을 성공적으로 전달하는 데 필요한 전송 시도 횟수 X가 기하학적으로 분산된 임의 변수라고 가정하면 <수학식 11>과 같이 임의 변수 X의 PMF를 얻을 수 있다.
Figure 112019116162630-pat00039
결론적으로, 센서의 평균 패킷 서비스 시간을 <수학식 12>와 같이 결정할 수 있다.
Figure 112019116162630-pat00040
Figure 112019116162630-pat00041
속성을 사용하여 <수학식 13>의 방정식을 얻을 수 있다.
Figure 112019116162630-pat00042
모든 센서(100)가 동일한 MAC 프로토콜을 따르기 때문에 선택한 센서(100)의 패킷 서비스 속도는 인접 센서(100)의 패킷 서비스 속도, 가령
Figure 112019116162630-pat00043
와 같다. 따라서 <수학식 14>와 같이 다시 나타낼 수 있다.
Figure 112019116162630-pat00044
본 발명의 실시예에서는 매스매티카(Mathematica)와 같은 기호 계산 도구를 사용하여 μ를 높은 정확도로 구하기 위해 <수학식 14>를 해결한다. 또한 패킷 서비스 시간의 두 번째 순간을 <수학식 15>과 같이 나타낼 수 있다.
Figure 112019116162630-pat00045
μ를 <수학식 14>의 해로 대체함으로써 <수학식 12>와 <수학식 15>로 패킷 서비스 시간의 첫 번째와 두 번째 모멘트를 계산할 수 있다.
Figure 112019116162630-pat00046
와
Figure 112019116162630-pat00047
가 주어지면 Pollaczek-Khinchin 공식을 사용하여 평균 패킷 지연 Daloha를 결정할 수 있으며, <수학식 16>과 같다.
Figure 112019116162630-pat00048
여기서 λ는 선택된 센서의 패킷 도착율이다.
계속해서, 본 발명의 실시예에서는 RTS/CTS 기반 MAC 프로토콜을 채택하며, 그것은 패킷 전송이 각 시간 슬롯의 처음에만 발생할 수 있기 때문에 슬롯형 FAMA의 단순화된 버전으로 해석될 수 있다는 것이다. RTS/CTS 기반 MAC에 대한 간단한 설명으로 시작한 다음, 센서(100)의 평균 패킷 지연을 도출한다.
RTS/CTS 기반 MAC은 RTS 경쟁 단계, CTS 응답 단계 및 데이터 전송 단계의 세 단계로 구성된다. RTS 경쟁 단계를 시작할 때 전송할 패킷이 있는 각 센서(100)는 미리 결정된 백오프 창 [1, m] 내에서 정수값을 임의로 선택한다. 본 발명의 실시예서는 분석의 단순성을 위해 충돌과 관계없이 m이 일정하다고 가정한다. 선택된 슬롯이 도착하면, 센서(100)는 데이터 전송에 사용된 슬롯 수에 관한 정보를 포함하는 RTS 패킷을 전송한다.
여러 센서(100)가 동일한 슬롯에서 RTS 패킷을 전송하면 충돌이 발생하고 모든 센서(100)가 RTS 경쟁 단계로 다시 들어간다. 충돌없이 하나의 센서(100)만 RTS 패킷을 성공적으로 전송하고 패킷 오류가 없을 때까지 절차가 반복된다. 그리고 다음 슬롯은 CTS 패킷을 전송하도록 할당된다. 하나의 슬롯 지속 기간 내의 각각의 RTS 및 CTS 패킷 전송에 대해, <수학식 2>에서의 패킷 크기 Ld는 RTS 및 CTS에 대한 정보량보다 커야한다. 결과적으로 센서(100)는 RTS 및 CTS에 의해 예약된 슬롯 동안 데이터 전송을 수행하는 반면, 이 기간 동안 다른 센서(100)는 침묵한다. 참고(혹은 기준) RTS/CTS 기반 MAC은 데이터 전송에 하나의 슬롯만 사용하는 슬롯형 ALOHA와 비교하여 데이터 전송에 여러 개의 연속 슬롯을 사용할 수 있다. 즉, RTS/CTS 기반 MAC은 추가적인 채널 경쟁없이 한번에 여러 데이터 패킷을 전송할 수 있다. 데이터 전송에 필요한 슬롯 수는 수중센서(100)에서 생성된 데이터의 양에 따라 다르다. 데이터 전송 후 모든 수중센서(100)가 다시 RTS 경쟁 단계에 들어간다.
지연 분석을 위해 설명된 RTS/CTS 기반 MAC 프로토콜을 따르는 각 수중센서(100)는 M/G/1 대기열로 모델링된다. 이전 하위 섹션과 동일하게, 본 발명의 실시예에서는 고려된 UASN에서 무작위로 선택된 센서(100)에 초점을 맞춘다. 여기서 센서(100)는 0으로 표시되고 표현의 단순성을 위해 표기에서 0을 드롭한다.
센서(100)의 패킷이 서비스되고 있다고 가정할 때,
Figure 112019116162630-pat00049
개의 이웃 센서들 중에서
Figure 112019116162630-pat00050
개의 이웃 센서들(이후에 능동적인 이웃 센서라고도 함)이 서버(혹은 제어부)에 패킷을 가질 가능성과 다른 것들 (즉,
Figure 112019116162630-pat00051
이웃) 서버에 패킷이 없다. 타임 슬롯은 <수학식 17>과 같이 나타낼 수 있다.
Figure 112019116162630-pat00052
여기서,
Figure 112019116162630-pat00053
, 그리고 <수학식 17>에서 파라미터의 역할 ρj는 <수학식 10>과 동일하다.
Ai가 발생하는 경우, 모든 활성 센서(즉, 총
Figure 112019116162630-pat00054
센서)가 첫 번째
Figure 112019116162630-pat00055
슬롯을 선택하지 않는 이벤트
Figure 112019116162630-pat00056
의 조건부 확률은 <수학식 18>과 같다.
Figure 112019116162630-pat00057
Figure 112019116162630-pat00058
이 발생하면, 선택된 센서가 RTS 경쟁 단계에서 i 번째 슬롯만을 선택하는 이벤트 Ci의 조건부 확률도 <수학식 19>과 같이 나타낼 수 있다.
Figure 112019116162630-pat00059
이벤트
Figure 112019116162630-pat00060
와 Ci가 발생하는 경우에만 센서가 i 번째 슬롯에서 RTS 경쟁에서 이길 수 있으므로 센서가 i 번째 슬롯에서 채널 경쟁에서 이길 확률은 <수학식 20>과 같이 계산할 수 있다.
Figure 112019116162630-pat00061
<수학식 17> 내지 <수학식 20>을 사용하여 선택한 센서(100)가 <수학식 21>과 같이 i번째 슬롯에서 충돌 및 패킷 오류없이 RTS 패킷을 해당 데이터 싱크(110)로 전송할 수 있는 확률을 확인할 수 있다.
Figure 112019116162630-pat00062
여기서, ℓ= 0,
Figure 112019116162630-pat00063
이다. 여기서, 수중센서(100)의 RTS 패킷이 패킷 에러없이 데이터 싱크(110)에서 성공적으로 수신되면, CTS 및 데이터 패킷은 또한 패킷 오류없이 전송될 것이다. 이 작업에서 패킷 오류를 결정하는 SINR은 수중센서(100)의 전송 전력과 센서(100)와 해당 데이터 싱크(110) 사이의 거리에 따라 달라지기 때문이다. <수학식 21>에 기초하여, 센서(100)가 임의의 m 슬롯 중 RTS 데이터를 대응하는 데이터 싱크(110)에 성공적으로 전송할 확률은 <수학식 22>과 같이 결정될 수 있다.
Figure 112019116162630-pat00064
여기서, ℓ = 0의 경우에
Figure 112019116162630-pat00065
은
Figure 112019116162630-pat00066
로서 단순화될 수 있다. 센서(100)가 RTS 패킷을 성공적으로 전송한 경우, 성공적인 RTS 패킷 전송을 위해 취한 평균 슬롯 수는 <수학식 23>과 같이 계산될 수 있다.
Figure 112019116162630-pat00067
RTS 패킷을 전송한 후, CTS 및 데이터 패킷이 이후에 전송될 것이다. CTS 패킷을 전송하려면 하나의 슬롯이 필요하지만 데이터 전송에 필요한 슬롯 수는 각 수중센서(100)에서 생성되는 정보의 양에 따라 다르다. 따라서 데이터 전송에 소요된 평균 시간은 <수학식 24>와 같이 계산할 수 있다.
Figure 112019116162630-pat00068
여기서 υ는 데이터 전송에 필요한 슬롯 수(즉, 패킷들)이다. 반면에 센서(100)가 RTS 경쟁 단계에서 i 번째 슬롯(1 < i < m)을 선택하면 다음 5가지 경우 중 하나에서 RTS 패킷 전송에 실패한다.
사례 1은, k 번째 (k < i) 슬롯에서 ℓ 개의 활성 인접 센서 중 하나가 RTS 패킷을 성공적으로 전송한다. 이것은 k 번째 (k <i) 슬롯에서 패킷 에러나 충돌이 없다.
사례 2는, k 번째 (k < i) 슬롯에서 ℓ개의 활성 인접 센서 중 하나가 충돌없이 k 번째 슬롯만 선택하지만 RTS 패킷을 전송할 때 패킷 오류가 발생한다.
사례 3은, k 번째 (k <i) 슬롯에서 둘 이상의 활성 인접 센서의 동시 전송으로 인해 충돌이 발생한다.
사례 4는, i 번째 슬롯에서 둘 이상의 활성 인접 센서와 수중센서의 동시 전송으로 인해 충돌이 발생한다.
사례 5는, i 번째 슬롯에서 수중센서는 충돌없이 i 번째 슬롯만 선택하지만 RTS 패킷을 전송할 때 패킷 오류가 발생한다.
보다 구체적으로, Ai가 발생하는 경우, 센서(100)가 i 번째 슬롯을 선택하고 ℓ ≥ 1 활성 이웃 센서가 이벤트(이후 k < i의 상태를 가정)가 첫 번째 k - 1을 선택하지 않는 조건부 이벤트 Dk-1의 확률로 제시될 수 있다. 이는 <수학식 25>와 같이 나타낼 수 있다.
Figure 112019116162630-pat00069
여기서 1/m은 센서가 [1, m]에서 i를 선택할 확률이고,
Figure 112019116162630-pat00070
은 l 개의 활성 이웃 센서가 RTS 전송을 위해 첫 번째 (k-1) 슬롯을 선택하지 않을 확률이다. Dk-1이 발생하면, ℓ개의 활성 이웃 중 하나의 센서 만이 k 번째 슬롯을 선택하는 이벤트 Ek의 조건부 확률은 <수학식 26>과 같이 제시 될 수 있다.
Figure 112019116162630-pat00071
<수학식 17>, <수학식 25> 및 <수학식 26>을 사용하여 ℓ 활성 이웃 중 하나만 충돌없이 패킷의 RTS 패킷을 k 번째 슬롯으로 전송할 확률을 결정할 수 있으며 패킷 오류는 <수학식 27>과 같이 나타낼 수 있다.
Figure 112019116162630-pat00072
또한, ℓ개의 센서 중 하나가 k 번째 슬롯만을 선택하지만 패킷 오류로 인해 RTS 패킷 전송에 실패 할 확률은 <수학식 28>과 같이 나타낼 수 있다.
Figure 112019116162630-pat00073
<수학식 25> 내지 <수학식 27>의 유사한 프로세스를 사용하여, <수학식 29>에 설명된 바와 같이 k 번째 슬롯에서 ℓ개의 활성 이웃들 중 2개 이상의 동시 RTS 전송으로 인해 충돌이 발생할 확률을 결정할 수 있다. 따라서 센서(100)가 i 번째 슬롯을 선택할 때 센서(100)가 RTS 패킷 전송에서 실패할 확률은 <수학식 29>와 같이 정의할 수 있다.
Figure 112019116162630-pat00074
여기서,
Figure 112019116162630-pat00075
는 i 번째 슬롯에서 충돌이 발생할 확률이고,
Figure 112019116162630-pat00076
는 i 번째 슬롯에서 패킷 에러가 발생할 확률이다. ℓ= 0인 경우,
Figure 112019116162630-pat00077
는
Figure 112019116162630-pat00078
로 단순화될 수 있다. <수학식 30>을 근거로, m 슬롯 중 임의의 슬롯 동안 수중센서(100)가 RTS 패킷 전송에 실패할 확률은 <수학식 31>과 같이 결정될 수 있다.
Figure 112019116162630-pat00079
Figure 112019116162630-pat00080
여기서, ℓ = 0인 경우,
Figure 112019116162630-pat00081
는
Figure 112019116162630-pat00082
로 단순화된다. <수학식 31>에서, 센서(100)가 RTS 패킷 전송에서 실패하면, 슬롯들의 평균수는 <수학식 32>에서 설명한 대로 계산될 수 있다. <수학식 32>에서 ℓ = 0인 경우,
Figure 112019116162630-pat00083
는
Figure 112019116162630-pat00084
로 단순화된다. <수학식 32>에서 패킷 에러의 경우에, 경과된 슬롯의 수는 RTS 경쟁 단계 및 CTS 슬롯에 사용된 슬롯의 합으로 계산된다고 가정한다. 따라서 패킷 전송에 실패한 평균 시간은 <수학식 33>과 같이 표현된다.
Figure 112019116162630-pat00085
Figure 112019116162630-pat00086
수중센서(100)에 대한 데이터 패킷을 성공적으로 전달하는 데 필요한 전송 시도 횟수 X는 기하학적으로 분산된 임의 변수이므로 PMF는 <수학식 34>과 같이 주어질 수 있다.
Figure 112019116162630-pat00087
여기서,
Figure 112019116162630-pat00088
이다. 결론적으로, 본 발명의 실시예에서는 센서(100)의 평균 패킷 서비스 시간을 <수학식 35>과 같이 결정할 수 있다.
Figure 112019116162630-pat00089
여기서,
Figure 112019116162630-pat00090
, 그리고
Figure 112019116162630-pat00091
이다.
Figure 112019116162630-pat00092
및 <수학식 35>의 속성(property)을 사용하여 <수학식 36>을 얻을 수 있다.
Figure 112019116162630-pat00093
본 발명의 실시예에서는 또한 기호 계산 도구를 사용하여 높은 정확도로 μ를 달성하기 위해 <수학식 36>을 해결한다. 또한 패킷 서비스 시간의 두 번째 순간을 <수학식 37>과 같이 나타낼 수 있다.
Figure 112019116162630-pat00094
μ를 <수학식 36>의 달성된 해로 대치함으로써 <수학식 35>와 <수학식 37>로 패킷 서비스 시간의 첫 번째와 두 번째 모멘트를 계산할 수 있다.
Figure 112019116162630-pat00095
와
Figure 112019116162630-pat00096
가 주어지면, 본 발명의 실시예에서는 Pollaczek-Khinchine 공식을 사용하여 평균 패킷 지연
Figure 112019116162630-pat00097
를 <수학식 38>과 같이 결정할 수 있다.
Figure 112019116162630-pat00098
이어서, 3D UASNs를 위한 최적의 데이터 싱크 밀도와 관련해 살펴보고자 하며, 먼저 3D UASNs의 SINR 분석을 살펴보고, 계속해서 문제 공식화(problem formulation) 및 최적 솔루션에 대하여 살펴본다.
Figure 112019116162630-pat00099
가
Figure 112019116162630-pat00100
가 되도록 허용 가능한 Pe의 상한이 되도록 한다. 또한 Pe는
Figure 112019116162630-pat00101
로 정의되며, 여기서 Pb는 비트 오류 확률이고, Ld는 패킷의 비트 수이다. UASN에서는 경로 손실, 가우시안 노이즈 및 BPSK 변조가 분석이 용이하다고 가정한다. 이와 같이, Pb는 표준 BPSK 비트 에러 확률을 사용하여
Figure 112019116162630-pat00102
가 되도록 계산된다. 여기서
Figure 112019116162630-pat00103
는 Q 함수이며 γ는 신호대 간섭잡음비(SINR)이다. 위의 설명을 바탕으로 <수학식 39>와 같은 부등식(inequality)을 얻을 수 있다.
Figure 112019116162630-pat00104
여기서,
Figure 112019116162630-pat00105
는 Pe에 해당하는 허용 가능한 SINR의 하한이다. 또한
Figure 112019116162630-pat00106
는
Figure 112019116162630-pat00107
의 역수이다. 미리 계산된 테이블을 사용하여
Figure 112019116162630-pat00108
및
Figure 112019116162630-pat00109
값을 쉽게 얻을 수 있다.
밀도 βn을 갖는 3D PPP에서, 임의로 선택된 기준점(reference point)에서 i번째 이웃까지의 거리 Yi는 일반화된 감마 함수에 의해 결정된다. <수학식 40>과 같이 표현될 수 있다.
Figure 112019116162630-pat00110
본 발명의 실시예에 따른 틀에서, 기준점은 무작위로 선택된 수중센서(100)의 위치이고, i번째 이웃은 선택된 센서로(100)부터 i번째로 가장 가까운 데이터 싱크(110)인 것으로 해석될 수 있다. 수중센서(100)가 가장 가까운 데이터 싱크(110)와 연관되어 있기 때문에, 1번째 이웃(즉, 가장 가까운 이웃)은 센서(100)가 연관된 데이터 싱크(110)이고, i(i≥2)번째 이웃은 간섭하는 데이터 싱크(110)이다. <수학식 40>을 사용하여 <수학식 41>에서와 같이 Yi의 평균값을 결정할 수 있다.
Figure 112019116162630-pat00111
따라서 총 간섭 전력
Figure 112019116162630-pat00112
는 <수학식 42>과 같이 정의할 수 있다.
Figure 112019116162630-pat00113
Φ는 음향 모뎀의 전송 전력이다.
<수학식 40> 내지 <수학식 42>에서, 본 발명의 실시예는 SINR을 <수학식 43>에서와 같이 결정할 수 있다.
Figure 112019116162630-pat00114
여기서,
Figure 112019116162630-pat00115
는 센서(100)와 그에 상응하는 데이터 싱크(110) 사이의 평균 거리이다.
<수학식 39> 및 <수학식 43>을 사용하여 미리 결정된 허용 가능한
Figure 112019116162630-pat00116
의 상한에 해당하는 허용 가능한 SINR
Figure 112019116162630-pat00117
의 하한을 만족시키면서 데이터 싱크 밀도 βn의 최소값을 찾는 것을 목표로 하는 간단한 최적화 문제를 공식화할 수 있다. <수학식 44>와 같다.
Figure 112019116162630-pat00118
<수학식 43>에 제시된 바와 같이, 데이터 싱크 밀도 βn뿐만 아니라 동작 주파수 f 및 전송 전력 Φ의 함수이지만, f 및 Φ는 일정하다고 가정된다. 이것은 실제로 선택된 수중 음향 모뎀에 따라 f 및 Φ의 특정 값이 일반적으로 제공되기 때문이다.
<수학식 44>의 함수 γ(βn)는 1 변수 함수이지만, 함수의 복잡성으로 인한 수학적 증거를 통해 함수의 특성(예: 볼록 또는 단조성)을 βn으로 파악하기는 어렵다. 따라서, 전역 최적화 기술을 사용하는 것은 고려된 범위 내에서 <수학식 44>의 최적 솔루션을 얻기 위한 적절한 접근법이다. 선형탐색 알고리즘(Linear-search algorithm), 시뮬레이션 어닐링 알고리즘(Simulated annealing algorithm), 타부 검색 알고리즘(Tabu search algorithm) 등과 같은 다양한 전역 최적화 기법은 잘 알려진 바 있다. 일반적으로, 전역 최적 솔루션을 찾기 위한 전역 최적화 기법의 계산 복잡도는 주로 문제의 변수 차원에 의존한다. <수학식 44>는 1 변수 최적화 문제이므로 최적의 솔루션을 얻는 데 높은 계산 복잡성이 필요하지 않다. 또한 정확한 계산 복잡도는 βn의 조건에서 최적화 기법의 선택에 달려 있지만 제안된 분석 방법은 SINR의 상징적 표현 덕분에 철저한 시뮬레이션보다 덜 복잡하다.
<수학식 44>에서 최적화 문제의 해결책을 얻기 위해, 본 발명의 실시예에서는 이미 소개된 바 있는 다양한 글로벌 최적화 기법 중에서 선형 탐색 알고리즘을 선택한다. <수학식 43>에서와 같이 달성된 상징적 표현으로 수치 평가를 수행함으로써, 함수 γ(βn)가 고려된 범위에서 βn에 대해 단조 증가(monotonic increasing)를 쉽게 확인할 수 있다. 이 속성을 사용하면 짧은 시간 안에 문제의 최적 해결 방법을 찾을 수 있다. 작은 세분성을 가진 선형 검색 알고리즘을 채택하더라도 시간 단위의 초 단위로 표시된다. 전체 범위를 검색할 필요가 없고 미리 정해진 패킷 오류율 값을 사용하여 적절한 초기 지점을 쉽게 예측할 수 있기 때문이다. <표 2>에 나타낸 알고리즘 1은 문제의 최적 솔루션을 찾는 절차를 보여준다.
Figure 112019116162630-pat00119
계속해서, 센서(100)의 다른 패킷 도착률, 데이터 전송을 위한 슬롯 수와 같은 다양한 네트워크 설정에 대해 3D UASN에서 슬롯형(slotted) ALOHA 및 RTS/CTS 기반 MAC 프로토콜을 따르는 각 수중센서(100)의 평균 패킷 지연 및 패킷 오류 확률을 평가한다. 데이터 싱크(110)당 센서 수 평가의 주요 목적은 3D UASN에서 높은 신뢰성과 낮은 대기 시간 통신을 달성하기 위한 네트워크 운영 지침을 제공하는 것이다.
수치 평가를 위해 Ld = 1000 비트, Tmp = 0.1s, Tguard = 0.1s, α = 1.5, f = 100 kHz, m = 5 및 Φ = 10 와트와 같은 파라미터 값을 채택했다. 또한, 본 발명의 실시예는 UASN에 있는 모든 센서(100)의 패킷 도착률을 동일하게 만들었다. 즉, λ = λj,
Figure 112019116162630-pat00120
. 또한 <수학식 5>에서와 같은 주변 소음을 생성하기 위해 υ(배송 활동 계수) 및 w(풍속 m/s)를 각각 0.5와 1로 설정했다. 모든 센서(100)의 패킷 도착률이 동일하다고 가정하면 네트워크 매개 변수의 변경으로 인한 성능 차이를 식별할 수 있다. 예를 들어, MAC 프로토콜의 변경 또는 센서 수가 이에 해당된다.
도 2는 슬롯형 ALOHA 및 RTS/CTS 기반 MAC 프로토콜에 따른 3D UASN의 패킷 도착 속도가 변경된 각 수중센서(100)의 활용률을 보여준다. 두 MAC 프로토콜 사이의 공정한 비교를 위해 RTS/CTS 기반 MAC 프로토콜에서 DATA 전송을 위한 슬롯 수가 1로 설정되어 있다고 가정한다. 도 2에서 각 수중센서(100)의 최대 허용 패킷 도달률을 결정할 수 있다. 대기열 안정성을 보장한다. 앞에서 언급했듯이 큐 시스템의 활용률(utilization factor)은 큐가 비어 있지 않을 가능성의 척도로 해석될 수 있으며 큐잉 안정성을 보장하는 일체(unity)보다 더 작아야 한다. 도 2에서, 이용률이 1인 패킷 도착율은 주어진 네트워크 설정 하에서 2개의 MAC 프로토콜의 최대 허용 패킷 도착률이다. 수중센서 대 데이터 싱크의 밀도 비율이 증가함에 따라 최대 허용 패킷 도달률이 감소한다. 이 정보는 UASN 안정성을 보장하기 위해 주어진 수중센서(100) 및 데이터 싱크 밀도 하에서 각 수중센서(100)에서 정보 생성 빈도를 결정할 때 활용될 수 있다.
도 3 및 4는 슬롯 ALOHA에 대한 <수학식 12> 및 <수학식 16> 및 RTS/CTS 기반 MAC과 관련한 <수학식 35> 및 <수학식 38>을 이용하여 얻을 수 있는 패킷 도달률에 대한 각 수중센서(100)의 평균 패킷 서비스 시간 및 평균 패킷 지연을 보여준다. 도 3 및 도 4는 패킷 도착율이 증가함에 따라 평균 패킷 서비스 시간과 평균 패킷 지연이 동시에 증가함을 보여준다. 또한, 패킷 도달률은 비교적 낮지만, 3D UASN에서 수중센서(100)의 평균 패킷 지연은 일반적인 TSNs보다 크다. 이것은 주로 TSN보다 UASN의 슬롯 지속 시간이 더 길기 때문이며, 후자는 IEEE 802.15.4g에서 1ms와 같은 밀리 초의 타임 스케일을 갖는다. 이는 수중센서(100)와 3D UASN의 해당 데이터 싱크(110)간의 실시간 데이터 전송이 실제로는 거의 불가능하다는 것을 의미한다. 따라서 3D UASN에서 실시간 통신에 대한 다른 기준을 정의해야 할 수도 있다.
도 5 및 도 6은 다양한 3D UASN 설정 하에서 슬롯형 ALOHA와 RTS/CTS 기반 MAC의 성능을 비교하며, 슬롯형 ALOHA의 경우 <수학식 16>과 RTS/CTS 기반의 MAC의 경우 <수학식 38>을 사용하여 얻을 수 있다. 수치 평가의 경우, 패킷 도착률 λ은 0.01로 설정된다. 도 5는 데이터 전송에 필요한 슬롯 수(즉, 패킷)의 변화와 함께 두 프로토콜 사이의 평균 패킷 지연의 차이를 보여준다. 데이터 전송을 위한 슬롯 수가 적은 경우 3D UASN에서 각 센서(100)의 평균 패킷 지연을 최소화하기 위해 슬롯형 ALOHA를 채택해야 한다. 이 프로토콜에서는 각 수중센서(100)가 패킷이 도착하지 않고 즉시 패킷을 전송하려고 하기 때문에 채널 점령 단계. 다시 말해, RTS/CTS 기반 MAC에서 채널 경쟁을 수행하는 것은 데이터 전송을 위한 적은 수의 슬롯에 필요하지 않을 수 있다. 반대로, 데이터 전송을 위한 슬롯 수가 점차 증가함에 따라 RTS/CTS 기반 MAC을 채택하는 것이 바람직하다. 이 프로토콜에서는 수중센서(100)가 활성 인접 센서 중 채널 점유를 얻은 후 해당 데이터 싱크(110)로만 전송할 수 있기 때문이다. 데이터 전송에 여러 타임 슬롯을 사용해야 한다. 도 6은 데이터 싱크당 관련 센서(100)들의 수와 관련하여 두 프로토콜 간 평균 패킷 지연의 차이를 보여준다. 관찰된 바와 같이, 슬롯형 ALOHA는 데이터 싱크당 관련 센서의 수가 상대적으로 적으면 RTS/CTS 기반 MAC보다 성능이 우수하지만 관련 센서의 수가 증가함에 따라 반대 결과가 얻어진다. 슬롯형 ALOHA의 충돌 확률은 관련 센서가 증가함에 따라 RTS/CTS 기반 MAC의 충돌 확률에 비해 급격히 증가하기 때문이다. 충돌 확률이 높으면 지연 성능이 저하된다는 것이다. 도 5 및 도 6은 3D UASNs에서 대기 시간이 짧은 통신(low-latency communication)을 달성하기 위해 UASN 운영자가 각 수중센서(100)에서 생성된 정보량과 고려된 UASN 내의 데이터 싱크당 수중센서 수를 기반으로 가장 적절한 MAC 프로토콜을 신중하게 고려해야 함을 의미한다. 다행히도, 3D UASNs를 설치하고 관리할 때 이러한 정보는 미리 쉽게 얻을 수 있다.
도 7은 허용 가능한 패킷 오류율의 상한을 만족하는 최소 데이터 싱크 밀도를 나타내며, 이는 알고리즘 1을 이용한 최적화 문제를 <수학식 44>에 의해 해결함으로써 얻어진다. 도 7에 도시된 바와 같이, 3D UASN에서의 데이터 싱크 밀도가 증가하면, 수중센서(100)의 전송 전력은 요구된 패킷 에러율을 손상시키지 않으면서 감소될 수 있고, 그러나 센서(100)를 설치, 작동 및 유지 관리하려면 많은 비용이 필요하다. 반면, 수중센서(100)의 전송 전력을 무제한으로 증가시켜 데이터 싱크(110)의 밀도를 낮추면 수생 생태계 보호에 문제가 발생할 수 있다. 따라서, 수중센서(100)의 전송 전력과 데이터 싱크 밀도 사이에는 절충 관계가 있다. 따라서 3D UASN 운영자는 수중 생태계를 보호하면서 네트워크 배치 비용을 최소화하기 위해 3D UASN에서 안정적인 통신을 달성하기 위해 수중센서(100)의 적절한 데이터 싱크 밀도 및 전송 전력을 선택해야 한다.
도 8은 다양한 수중 통신 채널과 노이즈 모델을 사용하여 얻은 SINR 값을 비교한다. 분석에서 경로 손실 및 가우시안 노이즈만 고려하는 것과 달리 성능 평가에서 수중 시변 채널 및 비 가우시안 노이즈가 SINR에 미치는 영향을 추가로 고려했다. UASN에 대한보다 정확한 채널 모델을 반영하기 위해 이미 알려진 바 있는 수중 시변 채널 모델을 채택하여 경로 손실, 다중 전파 경로 및 송신기/수신기 변위로 인한 대규모 효과뿐만 아니라 소규모 산란 및 모션 유발 도플러 이동과 같은 스케일 효과를 반영했다. H(f, t)로 표시되는 시변 채널의 채널 전달 함수는 <수학식 40>으로 정의된다. <수학식 40>에서 대규모 채널 파라미터를 생성하기 위해, 다중 전파 경로의 수를 3으로 설정하고 j = {0, 1, 2}를 갖는 θj로 나타낼 수 있는 각 경로의 길이는 도 8의 (a) 및 도 8의 (b)에서와 같이 θ1 = 2θ0, θ1 = 3θ0, θ1 = 1.5θ0, θ1 = 2θ0로 설정된다. 여기서, 센서(100)가 관련된 데이터 싱크(110)로부터의 직접 경로의 평균 길이, 즉
Figure 112019116162630-pat00121
로 정의된다. 싱크(110) 및 센서(100)의 위치 불확실성으로 인한 위치 변화는 [0, 5] 사이의 균일한 랜덤 변수 θv로 모델링되므로 각 경로의 평균 길이는 θj + θv로 다시 쓸 수 있다. 또한, <수학식 40>에서 소규모 계수는 평균 1 및 분산 0.2를 갖는 복소 가우스 랜덤 변수에 의해 생성되며 도플러 스케일링 계수는 1/1500으로 설정된다. 또한 UASN에서 비가우시안 노이즈를 반영하기 위해, 본 발명의 실시예에서는 이미 알려진 바 있는 Nim(f)로 표시되는 대칭형 알파 통계 가능 통계를 갖는 임펄스 노이즈를 채택한다. 이것은 결과적인 소음 통계가 가우스가 아닌 임펄스 노이즈 소스로 구성된 주변 스냅 새우 노이즈(snappig shrimp noise)를 포착한다. 싱가포르 수역과 같이 따뜻하고 얕은 수로는 새우가 찰 때 발생하는 충동 소음에 의해 심하게 오염된다. 알려진 바와 같이 신호 대 간섭잡음 분산의 비율을 SINR의 측정값으로 정의한다. 분산이 가우스 잡음의 분산과 대칭 알파 안정 잡음에서 유사한 역할을 하기 때문이다. 잡음을 생성하기 위해 특성 지수 Ψ에 1.86 및 1.82를 사용하고
Figure 112019116162630-pat00122
에 대해 7.9×104 및 1.5×105 micro Pa를 사용한다. 여기서 ζ는 도 8의 (a) 및 (b)의 스케일 파라미터이다. 이 값은 현장 테스트를 통해 얻어진다. 정의된 H(f, t) 및 Nim(f)을 사용하여
Figure 112019116162630-pat00123
및 N(f)를
Figure 112019116162630-pat00124
및 Nim과 대체하여 시변 채널과 충동 노이즈를 반영하는 SINR 성능을 평가한다. 또한 데이터 싱크(110) 및 센서(100)의 위치 불확실성이 반영되는지 여부를 결정하는 두 가지 유형의 H(f, t)를 고려한다. 도 8은 UASN의 시변 채널을 고려하면 데이터 싱크(110)의 인구 밀도(혹은 집단 밀도)가 변경될 때 SINR 성능의 변동이 발생하며, 변동 수준은 시간 경과(time-evolution) 및 매개 변수 설정에 따라 달라질 수 있음을 보여준다. 채널은 다중 경로 수, 각 경로의 길이, 경로 통계 및 데이터 싱크의 위치 변화와 같은 채널을 나타낸다. 그러나,도 8에 도시된 바와 같이, 이들 SINR 값은 단지 경로 손실만을 고려하여 얻어진 것에 대한 평균이다. 이 작업에서 고려된 UASN에서 SINR 성능을 분석하는 주요 목적은 UASN 운영자에게 실제로 해양에 UASN을 배치할 때 각 수중센서(100)의 사전 결정된 SINR 성능을 보장하는 데이터 싱크(110)의 최소 인구 밀도에 대한 정보를 제공하는 것이다. 따라서 네트워크 전체의 관점에서 SINR 성능의 평균값을 활용하는 것이 합리적일 수 있다. 다양한 시변 인자에 영향을 미치는 SINR 성능의 변동 값보다 경로 손실을 고려한다. 또한 도 8은 가우시안 잡음 채택과 대칭 알파 통계에 따른 충동 잡음 채택 사이의 SINR 성능을 비교한 것이다. 주어진 파라미터 설정에서 가우시안 노이즈를 고려하면 임펄스 노이즈를 고려하는 것보다 성능이 우수하지만 두 노이즈의 파라미터 설정에 따라 성능 차이도 달라질 수 있다. 또한 잡음 유형에 관계없이, 다른 채널 모델에서 SINR 성능의 변화 경향이 유사하다는 것이 보여진다. 이를 통해 경로 손실을 고려하여 데이터 싱크(110)의 최소 인구 밀도를 결정하는 유효성을 확인할 수 있다.
도 9는 음향 모뎀의 서로 다른 작동 주파수에서 SINR 성능을 나타낸다. 도 9에 따르면 고려된 주파수 범위 내에서 SINR 성능을 최대화하는 최적의 작동 주파수는 다른 네트워크 설정에서 찾을 수 있다. 따라서 음향 모뎀의 작동 주파수가 사양에 지정된 경우와 달리 모뎀을 구입할 때 모뎀의 작동 주파수를 조정하거나 광범위한 주파수 중 하나를 선택할 수 있다는 것이 유리하다. 이러한 방식으로, 음향 모뎀의 동작 주파수는 <수학식 44>의 문제에서 추가적인 최적화 변수일 수 있으며, 최적의 값은 글로벌 최적화 기술을 통해 얻을 수 있다.
결론적으로 본 발명의 실시예에서는, 3D UASNs에서 평균 패킷 지연과 패킷 오류 확률을 둘 다 측정하기 위하여 큐 이론과 3D 확률적 기하학(3D stochastic geometry)에 근거한 일반적인 분석 프레임 워크를 제시하였다. 이 프레임 워크 하에서 본 발명의 실시예에서는 3D UASN에서 슬롯형 ALOHA 및 RTS/CTS 기반 MAC 프로토콜에 따라 각 수중센서의 평균 패킷 지연을 분석했다. 결과에 따르면 3D UASN 운영자는 각 수중센서(100)에서 생성된 정보의 양과 수중센서(100)의 집단 정보(population information) 모두에 기초하여 평균 패킷 지연을 감소시키기 위한 적절한 MAC 프로토콜을 가장 신중하게 고려해야 한다는 것이다. 또한 허용 가능한 패킷 오류율의 상한을 만족시키는 최소 데이터 싱크 밀도를 도출했다. 본 발명의 실시예를 통해 수중센서(100)의 전송 전력과 데이터 싱크 밀도간의 관계를 설명했다. 3D UASN 운영자는 통신 요구 사항 및 수중 환경과 같은 다양한 요소를 반영하면서 네트워크 매개 변수를 적절하게 결정해야 한다고 결론내릴 수 있다.
지금까지의 내용들을 다시 요약해 보면, 본 발명의 실시예에는 3차원 수중 음향 센서 네트워크(UASN)의 설계 및 성능을 최적화하는 것을 목표로 하였다. 먼저, 3D UASN 센서의 패킷 대기열 지연 및 패킷 오류 확률 측면에서 네트워크 성능을 정량화하는 분석 모델을 개발하였다. 모델은 패킷 큐잉 지연을 계산할 때 패킷 전송 오류 및 패킷 충돌로 인한 재전송 지연을 고려한다. 패킷 큐잉 지연은 MAC(medium access control) 프로토콜의 선택에 달려 있다. 본 발명의 실시예는 UASN을 위한 대표적인 랜덤 액세스 기반 및 핸드 셰이크 기반 MAC 프로토콜인 슬롯 ALOHA과 RTS/CTS 기반 MAC의 두 가지 MAC 프로토콜을 고려한다. 이 모델을 기반으로, 수중센서 밀도에 대한 원하는 패킷 오류 확률 요구 사항을 충족하는데 필요한 최소의 데이터 싱크 밀도를 결정하여 네트워크 운영자가 비용 효율적인 방식으로 UASN을 설계 및 구축할 수 있다는 것이다. 이를 위해 패킷 오류 확률의 상한을 보장하면서 데이터 싱크 밀도를 최소화하는 간단한 최적화 문제를 공식화하였다. 광범위한 수치 평가를 사용하여 3D UASN에서 원하는 성능 요구 사항을 달성하기 위해 네트워크 운영 전략을 제시하였다.
도 10은 본 발명의 실시예에 따른 성능 최적화 장치의 세부구조를 예시한 블럭다이어그램이다.
도 10에 도시된 바와 같이, 본 발명의 실시예에 따른 성능 최적화 장치(990)는 관제센터에 구비되는 관제장치(140), 또는 다양한 컴퓨팅 장치나 도 1의 데이터 싱크(110) 등을 포함할 수 있으며, 인터페이스부(1000), 제어부(1010), 성능최적화부(1020) 및 저장부(1030)의 일부 또는 전부를 포함할 수 있다.
여기서, "일부 또는 전부를 포함한다"는 것은 저장부(1030)와 같은 일부 구성요소가 생략되어 구성되거나, 성능최적화부(1020)와 같은 일부 구성요소가 제어부(1010)와 같은 다른 구성요소에 통합되어 구성될 수 있는 것 등을 의미하는 것으로서, 발명의 충분한 이해를 돕기 위하여 전부 포함하는 것으로 설명한다.
인터페이스부(1000)는 통신 인터페이스부나 사용자 인터페이스부를 포함할 수 있다. 가령 사용자 혹은 시스템 운영자로부터 수중에 3D UASN을 구축하기 위한 구성과 관련한 다양한 정보를 수신할 수 있다. 이러한 점에서 인터페이스부(1000)는 사용자 인터페이스부가 될 수 있다. 이러한 데이터는 3D UASN의 구축을 위해 외부 장치로부터 수신하는 경우에는 통신 인터페이스부가 바람직하다. 예를 들어, 성능 최적화 장치(990)는 데이터 싱크(110)로 최적화된 프로그램을 전송하여 세팅이 이루어지도록 하는 경우, 인터페이스부(1000)는 통신 인터페이스부가 바람직하다.
제어부(1010)는 도 10의 성능 최적화 장치(990)를 구성하는 인터페이스부(1000), 성능최적화부(1020) 및 저장부(1030)의 전반적인 제어 동작을 담당한다. 예를 들어, 사용자로부터 시스템 구축을 위한 데이터가 입력되는 경우 이를 저장부(1030)에 저장한 후 성능최적화부(1020)에 제공할 수 있다.
성능최적화부(1020)는 3D UASN이 구축되는 장소와 관련하여, 수중센서(100)와 데이터 싱크(110)의 성능 최적의 환경을 시험하고 이에 대한 프로그램 환경을 수중센서(100)와 데이터 싱크(110) 설정해 줄 수도 있다. 물론 이는 데이터 싱크(110)나 수중센서(100)가 제조되어 출고될 때, 탑재되는 것이 바람직할 수 있다. 가령 성능최적화부(1020)는 각 수중센서(100)에서 생성된 정보의 양과 수중센서(100)의 집단 정보에 기초하여 평균 패킷 지연을 감소시키기 위한 MAC 프로토콜을 선택하여 동작하고, 최소 데이터 싱크 밀도를 고려하여 수중센서(100)의 전송 전력이 조정되도록 할 수 있다. 가령, 데이터 싱크 밀도가 높으면 수중센서(100)의 전송 전력은 낮추는 것이 좋다.
저장부(1030)는 제어부(1010)의 제어하에 처리되는 다양한 정보 및 데이터를 저장할 수 있다. 인터페이스부(1000)를 통해 가령 외부장치로부터 제공되는 3D UASN 구축을 위한 데이터 가령 파라미터 등을 수신하여 저장한 후, 성능최적화부(1020)로 제공되도록 할 수 있다.
한편, 본 발명의 다른 실시예로서 도 10의 제어부(1010)는 CPU 및 메모리를 포함할 수 있다. CPU는 제어회로, 연산부(ALU), 명령어해석부 및 레지스트리 등을 포함할 수 있으며, 제어회로는 제어동작을, 가령 UASN 운영자가 설정한 제어동작을, 그리고 연산부는 2진비트정보의 연산동작을, 명령어해석부는 고급언어를 기계어로 또 기계어를 고급언어로 해석하기 위한 동작을 수행할 수 있으며, 레지스트리는 소프트웨어적인 데이터 저장에 관여할 수 있다. CPU는 데이터 싱크(110)의 동작 초기에 성능최적화부(1020)에 저장되어 있는 프로그램, 가령 M/G/1 큐 등의 프로그램을 복사하여 메모리에 로딩한 후 이를 실행시킬 수 있을 것이다. 이를 통해 데이터 연산 처리 속도를 빠르게 증가시킬 수도 있을 것이다.
도 11은 본 발명의 실시예에 따른 성능 최적화 장치의 구동 과정을 나타내는 흐름도이다.
설명의 편의상 도 11을 도 10과 함께 참조하면, 본 발명의 실시예에 따른 성능 최적화 장치(990)는 수중 음향센서 네트워크를 구성하는 데이터 싱크(110)와 수중센서(100)간 통신을 위한 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 결정한다(S1100). 여기서, 큐잉 모델은 M/G/1 큐잉 모델이 바람직하며, 랜덤 억세스 기반의 맥 프로토콜을 슬롯형 아로하 맥 프로토콜이 바람직하다.
또한, 성능 최적화 장치(990)는 결정 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 실행하여 데이터 전송시의 평균 패킷 지연을 측정한다(S1110).
나아가, 성능 최적화 장치(990)는 측정 결과로서 평균 패킷 지연이 최소화되는 데이터 전송에 필요한 슬롯 수를 도출할 수 있다(S1120). 여기서, 도출한 슬롯수는 기준값이 될 수 있다.
따라서, 데이터 전송의 데이터 패킷, 또는 슬롯 수가 기준값이 될 때까지는 제1 유형의 맥 프로토콜을 실행하고, 기준값을 초과하면 제2 유형의 맥 프로토콜을 실행시키는 것이다. 이는 가령, 데이터 싱크(110)에 적용되어, 주변의 수중센서(100)의 통신 상황에 따라 선택적으로 이루어질 수도 있을 것이다.
물론 이외에도, 성능 최적화 장치(990)는 통신을 수행하는 주변의 수중센서(100)의 수가 패킷 충돌이나 오류에 영향을 미칠 수 있고, 이는 평균 패킷 지연을 영향을 미치므로, 최적의 센서 수를 결정해야 한다. 따라서, 센서 수가 적으면 슬롯형 아로하 맥 프로토콜을 실행하지만, 센서의 수가 증가하면 RTS/CTS 맥 프로토콜을 적용(또는 변경)할 수 있다. 이외에도 성능 최적화 장치(990)는 대기시간을 짧게 하려면, 지정된 최소 데이터 싱크 밀도를 초과하지 않는 범위에서 <표 2>의 알고리즘을 활용할 수 있으며, 데이터 싱크 밀도가 높으면 전송 전력을 낮추는 동작도 얼마든지 수행할 수 있을 것이다. 전송 전력은 수중 생태계를 고려해 결정될 수 있을 것이다.
상기한 내용 이외에도 성능 최적화 장치(990)는 다양한 동작을 수행할 수 있으며, 기타 자세한 내용은 앞서 충분히 설명하였으므로 그 내용들로 대신한다.
별도의 도면으로 나타내지는 않았지만, 본 발명의 실시예에 따른 도 1의 데이터 싱크(장치)(110)는 도 10의 성능 최적화 장치(990)와 마찬가지로 가령 본 발명의 실시예에 따른 3D 수중 음향센서 네트워크에서의 성능 최적화 장치(예: 관제장치)에 의해 설정된 동작을 수행하는 장치(예: 관제장치에서의 프로그램 세팅에 의해 동작하는 데이터 싱크나 수중센서)로서, 통신 인터페이스부, 제어부, 성능최적화부 및 저장부의 일부 또는 전부를 포함할 수 있으며, 여기서 "일부 또는 전부를 포함한다"는 것은 앞서서의 의미와 크게 다르지 않다.
통신 인터페이스부는 도 1에 도시된 바와 같이, 수중에서 주변의 복수의 수중센서(100) 및 게이트웨이(120)와 통신을 수행한다. 주변의 수중센서(100)와는 무선 통신을 수행하지만, 부표나 선박의 게이트웨이(120)와는 유선 통신을 수행한다. 따라서, 통신 인터페이스부는 제1 통신모듈 및 제2 통신모듈을 포함할 수 있다.
제어부는 가령 성능 최적화 장치로서 데이터 싱크(110)를 구성하는 통신 인터페이스부, 성능최적화부 및 저장부의 전반적인 제어동작을 담당한다. 예를 들어, 제어부는 통신 인터페이스부를 통해 다수의 센서(100)의 센싱 데이터 즉 패킷 데이터가 수신되면, 수신된 패킷 데이터를 저장부에 저장시킬 수 있다.
또한, 제어부는 본 발명의 실시예에 따라 M/G/1 큐, 즉 큐잉 모델을 포함하여 이를 실행시킬 수도 있다. 해당 큐잉 모델은 랜덤 억세스 기반의 맥 프로토콜 및 핸드 셰이크 기반의 맥 프로토콜을 선택적으로 동작시킬 수 있다. 예를 들어, 주변 수중센서(100)로부터 수신되는 패킷 데이터가 적으면 랜덤 억세스 기반의 맥 프로토콜을 동작시키고, 수신되는 패킷 데이터가 증가하면 핸드 셰이크 기반의 맥 프로토콜을 사용하여 수중센서(100)와 통신을 수행하는 것이다. 이러한 동작은 평균 패킷 지연이나 패킷 오류(예: 충돌)에 의한 재전송 등으로 인해 발생하는 문제를 줄이기 위해서이며, 다양한 방법이 가능할 수 있을 것이다.
성능최적화부는 제어부의 제어하에 동작할 수 있으며, 수중에서 통신 환경을 가령 감지하여 데이터 싱크(110)와 다수의 수중센서(100)들이 평균 패킷 지연이 발생하지 않도록 동작할 수 있다. 대표적으로, 위에서 언급한 바와 같이, M/G/1 큐잉 모델을 동작시키되, 수중센서(100)와의 통신 상태에 따라 복수의 프로토콜을 선택적으로 사용하여 패킷 데이터를 수신하는 것이다.
물론 본 발명의 실시예에 따른 성능최적화부는 도 1의 관제장치(140)에서 설정한 방식대로 동작할 수 있다. 다시 말해, 3D UASN을 운영하는 시스템 운영자는 본 발명의 실시예에 따른 도 10의 성능최적화장치(990)를 통해 설정된 방식으로 동작하는 것이다. 대표적으로, 각 수중센서(100)에서 생성된 정보의 양과 수중센서(100)의 집단 정보 모두에 기초하여 평균 패킷 지연을 감소시키기 위한 적절한 MAC 프로토콜이 사용된다는 것이고, 또한 허용 가능한 패킷 오류율의 상한을 만족시키는 최소 데이터 싱크 밀도가 활용된다는 것이다. 가령 수중센서(100)의 전송 전력과 데이터 싱크 밀도간에는 밀접한 관련이 있다. 상기한 내용 이외에도 성능최적화부와 관련한 내용은 앞서 충분히 설명하였으므로, 그 내용들로 대신한다.
저장부는 제어부의 제어하에 처리되는 다양한 정보 및 데이터를 저장할 수 있다. 또한, 저장부에 저장된 수중센서(100)의 데이터는 성능최적화부에 제공될 수도 있으며, 혹은 성능최적화부의 명령에 따라 제어부의 제어하에 게이트웨이(120)로 전송되도록 할 수 있다.
상기한 내용에 근거해 볼 때, 도 1의 데이터 싱크(110)의 동작은 당업자라면 충분히 유추해 볼 수 있을 것이다. 따라서, 상기의 구성을 갖는 데이터 싱크(110)의 구체적인 동작과 관련해서는 위의 내용으로 대신하고자 한다.
한편, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 수중센서(또는 센서) 110: 데이터 싱크(또는 싱크)
120: 게이트웨이 130: 통신장치
140: 관제장치 150: 위성항법장치(GPS)

Claims (10)

  1. 수중 음향센서 네트워크를 구성하는 데이터 싱크와 수중센서간 통신을 위한 큐잉(queuing) 모델과 랜덤 억세스 기반의 맥(MAC) 프로토콜을 결정하는 단계;
    상기 결정한 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 실행하여 데이터 전송시의 평균 패킷 지연을 측정하는 단계; 및
    측정 결과로서 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 지연이 최소화되는 상기 데이터 전송에 필요한 슬롯(slot) 수를 도출하는 단계;를
    포함하고,
    상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 지연은 패킷 충돌 및 패킷 전송 오류로 인한 패킷의 재전송을 반영하고, 상기 평균 패킷 지연은 결정된 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 서비스 시간 및 각 센서의 동일한 클러스터 내의 이웃 센서가 전송할 패킷을 가질 확률에 기반하여 측정되는 3D 수중 음향센서 네트워크에서의 성능 최적화 방법.
  2. 제1항에 있어서,
    상기 결정하는 단계는,
    상기 큐잉 모델로서 M/G/1 모델을 선택하고, 상기 랜덤 억세스 기반의 맥 프로토콜로서 슬롯형 아로하(slotted ALOHA) 맥 프로토콜을 선택하고,
    상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 서비스 시간은 상기 슬롯형 아로하 맥 프로토콜의 타임 슬롯 지속 시간 및 패킷 전송 성공 확률에 기반하여 측정되고, 상기 상기 슬롯형 아로하 맥 프로토콜의 패킷 전송 성공 확률은 패킷 에러 확률, 각 센서의 동일한 클러스터 내의 이웃 센서가 전송할 패킷을 가질 확률 및 큐잉된 패킷이 실제로 전송된 확률에 기반하여 측정되는 3D 수중 음향센서 네트워크에서의 성능 최적화 방법.
  3. 제1항에 있어서,
    상기 도출한 슬롯 수를 초과하면, 상기 랜덤 억세스 기반의 맥 프로토콜을 핸드 셰이크 기반의 맥 프로토콜로 변경하여 데이터 전송시의 평균 패킷 지연을 측정하는 단계;를 더 포함하며,
    상기 핸드 셰이크 기반의 맥 포로토콜로서 RTS/CTS(Request-to-Send and Clear-to-Send) 기반의 맥 프로토콜을 사용하고, 상기 RTS/CTS 기반의 맥 프로토콜의 평균 패킷 지연은 패킷 충돌 및 패킷 전송 오류로 인한 패킷의 재전송을 반영하고, 상기 RTS/CTS 기반의 맥 프로토콜의 평균 패킷 지연은 상기 RTS/CTS 맥 프로토콜의 평균 패킷 서비스 시간 및 각 센서의 동일한 클러스터 내의 이웃 센서가 전송할 패킷을 가질 확률에 기반하여 측정되고, 상기 RTS/CTS 맥 프로토콜의 평균 패킷 서비스 시간은 상기 RTS/CTS 맥 프로토콜의 패킷 전송의 실패에 의해 소요된 평균 시간, 데이터 전송에 필요한 슬롯 수, 임의의 슬롯 동안 센서가 RTS 패킷 전송에 실패할 확률 및 데이터 전송에 소요된 평균 시간에 기반하여 측정되는 3D 수중 음향센서 네트워크에서의 성능 최적화 방법.
  4. 제1항에 있어서,
    복수의 수중센서의 통신 서비스 품질을 보장하고, 데이터 싱크 밀도(βn)를 최소화하기 위하여 조건식
    Figure 112019116162630-pat00125
    (여기서,
    Figure 112019116162630-pat00126
    는
    Figure 112019116162630-pat00127
    가 되도록 허용 가능한 Pe의 상한,
    Figure 112019116162630-pat00128
    로 정의, Pb는 비트 오류 확률, Ld는 패킷의 비트 수,
    Figure 112019116162630-pat00129
    가 되도록 계산,
    Figure 112019116162630-pat00130
    는 Q 함수, γ는 신호대 간섭잡음비(SINR),
    Figure 112019116162630-pat00131
    는 Pe에 해당하는 허용 가능한 SINR의 하한,
    Figure 112019116162630-pat00132
    는
    Figure 112019116162630-pat00133
    의 역수)를 만족하는지 판단하는 단계;를 더 포함하는 3D 수중 음향센서 네트워크에서의 성능 최적화 방법.
  5. 제4항에 있어서,
    기결정된 허용 가능한
    Figure 112019116162630-pat00134
    의 상한에 해당하는 허용 가능한 SINR
    Figure 112019116162630-pat00135
    의 하한을 만족시키는 데이터 싱크 밀도(βn)의 최소값을 찾기 위하여 조건식
    Figure 112019116162630-pat00136
    를 만족하는지 판단하는 단계;를 더 포함하는 3D 수중 음향센서 네트워크에서의 성능 최적화 방법.
  6. 수중 음향센서 네트워크를 구성하는 데이터 싱크와 수중센서간 통신을 위한 큐잉 모델과 랜덤 억세스 기반의 맥(MAC) 프로토콜을 결정하는 인터페이스부; 및
    상기 결정한 큐잉 모델과 랜덤 억세스 기반의 맥 프로토콜을 실행하여 데이터 전송시의 평균 패킷 지연을 측정하며, 측정 결과로서 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 지연이 최소화되는 상기 데이터 전송에 필요한 슬롯(slot) 수를 도출하는 제어부;를
    포함하고,
    상기 제어부는 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 지연이 패킷 충돌 및 패킷 전송 오류로 인한 패킷의 재전송을 반영하도록, 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 서비스 시간 및 각 센서의 동일한 클러스터 내의 이웃 센서가 전송할 패킷을 가질 확률(roh)에 기반하여 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 지연을 측정하는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치.
  7. 제6항에 있어서,
    상기 인터페이스부는, 상기 큐잉 모델로서 M/G/1 모델을 선택하고, 상기 랜덤 억세스 기반의 맥 프로토콜로서 슬롯형 아로하(slotted ALOHA) 맥 프로토콜을 선택하고,
    상기 제어부는 상기 슬롯형 아로하 맥 프로토콜의 타임 슬롯 지속 시간 및 패킷 전송 성공 확률(Pw)에 기반하여 상기 랜덤 억세스 기반의 맥 프로토콜의 평균 패킷 서비스 시간을 측정하고, 상기 슬롯형 아로하 맥 프로토콜의 패킷 전송 성공 확률(Pw)은 패킷 에러 확률(Pe), 각 센서의 동일한 클러스터 내의 이웃 센서가 전송할 패킷을 가질 확률(roh) 및 큐잉된 패킷이 실제로 전송된 확률(p)에 기반하여 측정하는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치.
  8. 제6항에 있어서,
    상기 제어부는, 상기 도출한 슬롯 수를 초과하면, 상기 랜덤 억세스 기반의 맥 프로토콜을 핸드 셰이크 기반의 맥 프로토콜로 변경하여 데이터 전송시의 평균 패킷 지연을 측정하며, 상기 핸드 셰이크 기반의 맥 프로토콜로서 RTS/CTS(Request-to-Send and Clear-to-Send) 기반의 맥 프로토콜을 사용하고, 상기 RTS/CTS 기반의 맥 프로토콜의 평균 패킷 지연이 패킷 충돌 및 패킷 전송 오류로 인한 패킷의 재전송을 반영하도록 상기 RTS/CTS 맥 프로토콜의 평균 패킷 서비스 시간 및 패킷 오류 확률에 기반하여 상기 RTS/CTS 기반의 맥 프로토콜의 평균 패킷 지연을 측정하고, 상기 RTS/CTS 맥 프로토콜의 패킷 전송의 실패에 의해 소요된 평균 시간, 데이터 전송에 필요한 슬롯 수, 임의의 슬롯 동안 센서가 RTS 패킷 전송에 실패할 확률 및 데이터 전송에 소요된 평균 시간에 기반하여 상기 RTS/CTS 맥 프로토콜의 평균 패킷 서비스 시간을 측정하는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치.
  9. 제6항에 있어서,
    상기 제어부는, 복수의 수중센서의 통신 서비스 품질을 보장하고, 데이터 싱크 밀도(βn)를 최소화하기 위하여 조건식
    Figure 112019116162630-pat00137
    (여기서,
    Figure 112019116162630-pat00138
    는
    Figure 112019116162630-pat00139
    가 되도록 허용 가능한 Pe의 상한,
    Figure 112019116162630-pat00140
    로 정의, Pb는 비트 오류 확률, Ld는 패킷의 비트 수,
    Figure 112019116162630-pat00141
    가 되도록 계산,
    Figure 112019116162630-pat00142
    는 Q 함수, γ는 신호대 간섭잡음비(SINR),
    Figure 112019116162630-pat00143
    는 Pe에 해당하는 허용 가능한 SINR의 하한,
    Figure 112019116162630-pat00144
    는
    Figure 112019116162630-pat00145
    의 역수)를 만족하는지 판단하는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치.
  10. 제9항에 있어서,
    상기 제어부는, 기결정된 허용 가능한
    Figure 112019116162630-pat00146
    의 상한에 해당하는 허용 가능한 SINR
    Figure 112019116162630-pat00147
    의 하한을 만족시키는 데이터 싱크 밀도(βn)의 최소값을 찾기 위하여 조건식
    Figure 112019116162630-pat00148
    를 만족하는지 더 판단하는 3D 수중 음향센서 네트워크에서의 성능 최적화 장치.
KR1020190144544A 2019-11-12 2019-11-12 3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법 KR102242664B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190144544A KR102242664B1 (ko) 2019-11-12 2019-11-12 3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190144544A KR102242664B1 (ko) 2019-11-12 2019-11-12 3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법

Publications (1)

Publication Number Publication Date
KR102242664B1 true KR102242664B1 (ko) 2021-04-20

Family

ID=75742953

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190144544A KR102242664B1 (ko) 2019-11-12 2019-11-12 3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법

Country Status (1)

Country Link
KR (1) KR102242664B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114584226A (zh) * 2022-03-24 2022-06-03 王剑 低能耗高吞吐水声容断容迟通讯网络协议栈
CN115987833A (zh) * 2022-12-21 2023-04-18 吉林大学 一种水声传感器网络性能评估方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101104096B1 (ko) 2009-10-27 2012-01-12 강릉원주대학교산학협력단 수중 무선 센서 네트워크에서의 시간 동기화 장치 및 방법
KR101243323B1 (ko) 2011-12-13 2013-03-13 강릉원주대학교산학협력단 수중음향센서 네트워크에서의 패킷 검사방법 및 장치
KR101328455B1 (ko) 2011-11-30 2013-11-14 강릉원주대학교산학협력단 수중 무선 센서 네트워크에서의 스케줄링 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101104096B1 (ko) 2009-10-27 2012-01-12 강릉원주대학교산학협력단 수중 무선 센서 네트워크에서의 시간 동기화 장치 및 방법
KR101328455B1 (ko) 2011-11-30 2013-11-14 강릉원주대학교산학협력단 수중 무선 센서 네트워크에서의 스케줄링 장치 및 방법
KR101243323B1 (ko) 2011-12-13 2013-03-13 강릉원주대학교산학협력단 수중음향센서 네트워크에서의 패킷 검사방법 및 장치

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Istikmal 외 1명, Selective Route Based on SNR with Cross-Layer Scheme in Wireless Ad Hoc Network, Journal of Computer Networks and Communications, May 25, 2017. 1부.* *
Wael Gorma 외 1명, CFDAMA-SRR: A MAC Protocol for Underwater Acoustic Sensor Networks, IEEE, May 9, 2019. 1부.* *
Yujae Song 외 1명, QoS Provisioning in Underwater Acoustic Sensor Networks with 3-Dimensional Topology. IEEE, 2019 International Conference on Information and Communication Technology Convergence (ICTC), 16-18 Oct. 2019. 1부.* *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114584226A (zh) * 2022-03-24 2022-06-03 王剑 低能耗高吞吐水声容断容迟通讯网络协议栈
CN114584226B (zh) * 2022-03-24 2024-04-19 王剑 低能耗高吞吐水声容断容迟网络通讯方法
CN115987833A (zh) * 2022-12-21 2023-04-18 吉林大学 一种水声传感器网络性能评估方法、装置、设备及介质
CN115987833B (zh) * 2022-12-21 2024-04-26 吉林大学 一种水声传感器网络性能评估方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
Li et al. Latency and reliability of mmWave multi-hop V2V communications under relay selections
Jiang Underwater acoustic networks–issues and solutions
US7660285B2 (en) Traffic-aware routing in wireless networks
Basagni et al. Optimized packet size selection in underwater wireless sensor network communications
US8737921B2 (en) Communication system of detecting victim terminal and performing interference coordination in multi-cell environments
Le et al. Distributed cooperative transmission for underwater acoustic sensor networks
Chen et al. Ordered CSMA: A collision-free MAC protocol for underwater acoustic networks
EP2659707B1 (en) Optimal interference estimation and scheduling in a multi-hop wireless network with centralized control
RU2005111551A (ru) Модифицированная методика планирования для системы связи
KR102242664B1 (ko) 3d 수중 음향센서 네트워크에서의 성능 최적화 장치 및 그 장치의 구동방법
Song et al. Optimizing design and performance of underwater acoustic sensor networks with 3D topology
US9642093B2 (en) Method and system for operating stations in a cooperative station network
Ansari et al. Analysis of MAC strategies for underwater applications
Gorma et al. CFDAMA-SRR: a MAC protocol for underwater acoustic sensor networks
Ghannadrezaii et al. Cross-layer design for software-defined underwater acoustic networking
Guan et al. Stochastic channel access in underwater networks with statistical interference modeling
Yoo et al. Maximum end-to-end throughput of chain-topology wireless multi-hop networks
Banluta et al. Comparison of contention-based MAC protocols for Underwater Sensor Networks
Kim et al. A CDMA-based MAC protocol in tree-topology for underwater acoustic sensor networks
Sehgal Analysis & Simulation of the Deep Sea Acoustic Channel for Sensor Networks
Atmaca Improving TDMA channel utilization in random access cognitive radio networks by exploiting slotted CSMA
Gorma et al. CFDAMA-IS: MAC protocol for underwater acoustic sensor networks
Zhang et al. A prediction-based delay-tolerant protocol for underwater wireless sensor networks
Ramezani et al. Localization packet scheduling for underwater acoustic sensor networks
Geethu et al. Energy optimal channel attempt rate and packet size for ALOHA based underwater acoustic sensor networks

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant