KR102347168B1 - 다중 센서 데이터를 집적하는 센서 신호 집적 장치 - Google Patents

다중 센서 데이터를 집적하는 센서 신호 집적 장치 Download PDF

Info

Publication number
KR102347168B1
KR102347168B1 KR1020210102757A KR20210102757A KR102347168B1 KR 102347168 B1 KR102347168 B1 KR 102347168B1 KR 1020210102757 A KR1020210102757 A KR 1020210102757A KR 20210102757 A KR20210102757 A KR 20210102757A KR 102347168 B1 KR102347168 B1 KR 102347168B1
Authority
KR
South Korea
Prior art keywords
sensor
event
sensor signals
signal
signals
Prior art date
Application number
KR1020210102757A
Other languages
English (en)
Inventor
백우민
Original Assignee
백우민
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 백우민 filed Critical 백우민
Priority to KR1020210102757A priority Critical patent/KR102347168B1/ko
Priority to KR1020210193033A priority patent/KR20230020885A/ko
Application granted granted Critical
Publication of KR102347168B1 publication Critical patent/KR102347168B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/20—Calibration, including self-calibrating arrangements
    • G08B29/24—Self-calibration, e.g. compensating for environmental drift or ageing of components

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명의 실시 예에 따른 다중 센서들로부터 제공되는 이종의 센서 신호들을 수신하는 센서 신호 집적 장치는, 상기 이종의 센서 신호들 각각을 대응하는 각각의 기준값으로 나누어 센서들 각각의 개별 이벤트의 발생 여부를 나타내는 정규화 센서 신호들을 출력하는 이벤트 검출부, 상기 이종의 센서 신호들 각각의 시간 변화율을 계산하고, 상기 이종의 센서 신호들 중에서 최대 시간 변화율을 갖는 기준 센서 신호를 선택하는 변화율 검출부, 상기 정규화 센서 신호들 중에서 상기 기준 센서 신호에 대응하는 어느 하나에 소정의 가중치를 인가한 이벤트 신호를 생성하는 가중치 적용부, 그리고 상기 이벤트 신호를 참조하여 메인 이벤트의 발생 여부를 판단하는 메인 이벤트 결정부를 포함한다.

Description

다중 센서 데이터를 집적하는 센서 신호 집적 장치{SENSOR SIGNAL AGGREGATING DEVCIE FOR AGGREGATING MULTI-SENSOR DATA}
본 발명은 센서 데이터 처리 장치에 관한 것으로, 더욱 상세하게는 이질적인 센서 데이터들로부터 직접 이벤트 발생 여부를 검출하는 센서 신호 집적 장치에 관한 것이다.
최근에는 화재나 범죄, 재난의 감시나 경비를 위해 폐쇠회로 TV(CCTV) 카메라나 적외선 카메라 등과 같은 센서들이 활발히 설치되는 추세이다. 더불어, 드론과 같은 이동형 감시 장치들도 활발히 이용되고 있다. 이러한 감지 장치들의 경우, 다양한 환경을 모니터링하고 감시하기 위해 서로 다른 환경을 센싱하는 복수의 이질적인 센서들이 장착된다. 복수의 이질적인 센서들에는, 예를 들면, 온도 센서, 적외선 센서, 습도 센서, 기압 센서, 자기 센서, 근접 센서, 자이로 센서 등이 하나의 감시 장치에 집적될 수 있다.
복수의 이질적인 센서 데이터들은 사용자의 요구에 따라 관제 센터로 전송된다. 데이터의 전송을 위해 이들 센서 데이터들은 변조나 다중화와 같은 처리를 통해 전송에 적합한 형태로 변환되어야 한다. 전송된 센서 데이터들은 관제 센터에서 재처리되어 이벤트의 발생 여부가 검출될 수 있다.
하지만, 긴급 상황의 감지와 감시 장치의 성능을 보장하기 위해서는 센서 데이터로부터 직접적으로 의미있는 이벤트 발생 여부를 검출하는 기술이 요구되고 있다. 즉, 복수의 센서들로부터 전달되는 원시 데이터(Raw data)로부터 직접 이벤트 발생 여부를 판단할 수 있다면, 상황 정보의 판단 성능을 높일 수 있고, 데이터 처리에 소요되는 비용도 줄일 수 있다.
본 발명의 목적은, 다중 센서를 운용하는 감시 장치에서 이질적인 센서 데이터들에 대한 최소한의 처리 과정을 통해서 이벤트의 발생 여부를 판단할 수 있는 센서 데이터 집적 장치 및 그 방법을 제공하는데 있다.
본 발명의 다른 목적은, 이질적인 센서 데이터들의 융합을 통해서 높은 신뢰성을 갖는 상황 정보를 제공하는데 있다.
본 발명의 일 실시 예에 따른 다중 센서들로부터 제공되는 이종의 센서 신호들을 수신하는 센서 신호 집적 장치는, 상기 이종의 센서 신호들 각각을 대응하는 각각의 기준값으로 나누어 센서들 각각의 개별 이벤트의 발생 여부를 나타내는 정규화 센서 신호들을 출력하는 이벤트 검출부, 상기 이종의 센서 신호들 각각의 시간 변화율을 계산하고, 상기 이종의 센서 신호들 중에서 가장 큰 시간 변화율을 갖는 기준 센서 신호를 선택하는 변화율 검출부, 상기 정규화 센서 신호들 중에서 상기 기준 센서 신호에 대응하는 어느 하나에 소정의 가중치를 인가한 이벤트 신호를 생성하는 가중치 적용부, 그리고 상기 이벤트 신호를 참조하여 메인 이벤트의 발생 여부를 판단하는 메인 이벤트 결정부를 포함한다.
이 실시 예에서, 상기 가중치 적용부는, 상기 정규화 센서 신호
Figure 112021118840245-pat00001
(여기서, S1~Sk는 센서 신호들, Sb1~Sbk는 센서별 기준값)와 상기 최대 시간 변화율(ΔSmax)을 참조하여, 상기 소정의 가중치가 적용된 이벤트 신호
Figure 112021118840245-pat00002
(여기서, S1~Sk는 센서 신호들, Sb는 센서 기준값)를 생성한다.
이 실시 예에서, 상기 이벤트 검출부는, 상기 이종의 센서 신호들 중 어느 하나를 대응하는 기준값으로 나눈 결과가 1보다 크거나 같으면 '1'의 정규화 센서 신호를, 상기 이종의 센서 신호들 중 어느 하나를 대응하는 기준값으로 나눈 결과가 1보다 작으면 '0'의 정규화 센서 신호를 출력한다.
이 실시 예에서, 현재 환경 파라미터와 기준값으로 제공되는 정상 환경 파라미터를 비교하여 상기 이종의 센서 신호들이 정상 환경에서 수신되는지 또는 비정상 환경에서 수신되는지를 판단하는 비정상 환경 검출부를 더 포함한다.
이 실시 예에서, 상기 가중치 적용부는 상기 비정상 환경에서 상기 이종의 센서 신호들이 수신되는 경우에는, 상기 정상 환경에서의 가중치와 다른 크기의 가중치를 적용하여 상기 이벤트 신호를 생성한다.
상술한 본 발명의 실시 예에 따르면, 물리적인 의미가 다른 이질적인 센서 데이터로부터 높은 신뢰도의 상황 정보를 고속으로 획득할 수 있다.
도 1은 본 발명의 실시 예에 따른 다중 센서를 운용하여 작업장의 다양한 정보를 수집 및 모니터링하는 감시 장치를 예시적으로 보여주는 블록도이다.
도 2는 도 1의 감시 장치의 구성을 예시적으로 보여주는 블록도이다.
도 3은 본 발명의 센서 신호 집적부의 제 1 실시 예를 간략히 보여주는 블록도이다.
도 4는 본 발명의 실시 예에 따른 이종의 센서 신호들을 집적하는 방법을 간략히 보여주는 순서도이다.
도 5는 본 발명의 센서 신호 집적부의 제 2 실시 예를 간략히 보여주는 블록도이다.
도 6은 본 발명의 다른 실시 예에 따른 이종의 센서 신호들을 집적하는 방법을 간략히 보여주는 순서도이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
또한, 본 발명의 구성요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성 요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나, 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 1은 본 발명의 실시 예에 따른 다중 센서를 운용하여 작업장의 다양한 정보를 수집 및 모니터링하는 감시 장치를 예시적으로 보여주는 블록도이다. 도 1을 참조하면, 감시 장치(100)는 복수의 센서들로부터 제공되는 다중 센서 데이터로부터 직접 이벤트의 발생 여부를 식별할 수 있다.
여기서, 감시 장치(100)는, 예를 들면, 작업자(10)의 건강 악화, 안전 사고와 같은 작업 현장에서의 이벤트를 감시하기 위해 다양한 센서 장치들(10, 20, 30)로부터 제공되는 다중 센서 신호를 수신할 수 있는 스마트 폰으로 구현될 수 있다. 하지만, 감시 장치(100)는 스마트 폰뿐만 아니라 다중 센서 신호를 수신 및 융합 또는 집적하여 작업장 관리 서버(200) 등으로 송출하기 위한 별도의 장치로 구성될 수 있음은 잘 이해될 것이다.
복수의 센서들에는 드론(10, Drone)에 장착된 카메라와 같은 이미지 센서나, 작업자(50)가 착용한 안전모에 부착된 모자 부착 센서(20), 작업자(50)의 손목에 착용한 밴드 부착 센서(30, 혈압, 혈당, 심전도, 체온, 건강 상태 감지용)들을 포함할 수 있다. 더불어, 복수의 센서들에는 감시 장치(100)에 포함된 센서들도 포함된다. 이들 복수의 센서들은 온도 센서나, 적외선 센서, 습도 센서, 연기나 일산화탄소 센서, 가속도 센서, 근접 센서, 기압 센서, 자이로 센서, 자기 센서, 위치 정보 센서들 중 적어도 하나 이상을 포함한다. 그리고 감시 장치(100)는 복수의 센서들로부터 제공되는 이질적인 다중 센서 신호를 융합하여 특정 상황 정보를 식별할 수 있다.
드론(10)은 작업자(50)가 위치하는 작업장의 상태를 감시하기 위해 카메라, 적외선 카메라, 충돌 방지를 위한 장애물 감지 센서 등을 사용하여 센싱한다. 드론(10)은 스마트 폰으로 구성된 감시 장치(100)와 위치 정보를 공유할 수 있다. 드론(10)은 촬영한 이미지 신호를 감시 장치(100)나 작업장 관리 서버(200)와 공유할 수 있다. 드론(10)은 스마트 폰이나 작업장 관리 서버(200)나 작업 관리자에 의해서 제어될 수 있다.
모자 부착 센서(20) 또는 밴드 부착 센서(30)는 작업자(50)의 보호구 착용 상태나 작업자(50) 주변의 상태를 센싱하는 압력 센서, 접촉 센서 등을 포함할 수 있다. 예를 들면, 모자 부착 센서(20) 또는 밴드 부착 센서(30)는 작업자(50)의 혈압, 심박수, 체온 등과 같은 생체 신호를 센싱하는 센서들을 수 있다. 또는, 모자 부착 센서(20) 또는 밴드 부착 센서(30)는 작업자(50)의 움직임이나 물리적 충격과 같은 이벤트를 검출하거나, 작업자(50)의 작업장 환경을 감지하는 센서들일 수 있다. 모자 부착 센서(20) 또는 밴드 부착 센서(30) 이외에도 골전도 이어폰, 밸트, 작업 조끼, 스마트 워치, 작업 안전대 등에 장착되어 작업 현장의 정보, 신체 정보, 환경 정보 등을 획득하기 위한 센서와 장치들이 더 포함될 수 있을 것이다.
감시 장치(100)는 복수의 센서들로부터 제공되는 다중 센서 신호를 획득하여, 잡음 처리한 후에 정보를 고급화(고정밀도화)한다. 그리고 처리된 정보를 통합 분석하여 적정 결과를 획득하고, 해당 위험에 대한 경보를 장치 소유자와 작업장 관리 서버(200)나 관리자, 또는 의료 기관(220)이나 보호자 단말(240)에 보고할 수 있다. 이를 위해 감시 장치(100)는 주변의 센서들과의 멀티 페어링(Multi-paring)을 수행한다.
감시 장치(100)는 복수의 센서들로부터 제공되는 다중 센서 신호들의 레벨 크기 값이 기준값을 초과하는 센서 신호와, 시간 변화율이 가장 큰 센서 신호를 활용하여 기준 센서를 선택할 수 있다. 그리고 기준 센서 신호의 경우, 미리 지정된 가중치를 부여하는 방식으로 작업자(50)의 건강 악화 및 안전 사고나 작업장의 화재, 산불 등과 같은 이벤트의 발생을 감지할 수 있다. 이러한 동작은 후술하는 도면을 통해서 보다 구체적으로 설명될 것이다.
작업장 관리 서버(200)는 감시 장치(100)로부터의 이벤트 보고를 참조하여 작업장 또는 작업자(50)에 대한 근로 지도나 필요 조치를 수행하도록 한다. 더불어, 작업장 관리 서버(200)는 사고의 경중에 따라 회사에 보고할 수도 있다. 작업장 관리 서버(200)는 드론(10)으로부터 제공되는 정보를 공유할 수 있고, 드론(10)에 대한 제어를 수행할 수 있다. 작업장 관리 서버(200)는 긴급 상황과 같은 이벤트가 발생하면, 의료 기관(220)에 긴급 메시지를 전송하고 사고에 대한 조치를 요청할 수 있다. 작업장 관리 서버(200)의 관리자가 부재하거나 퇴근한 경우, 감시 장치(100)는 장치 소유자인 작업자와 의료 기관(220)이나 보호자 단말(240)에 긴급 메시지를 전송할 수 있다.
상술한 도 1에서 본 발명의 감시 장치(100)가 작업장에서의 작업자의 건강 상태 악화 및 안전 사고나 화재를 모니터링하는 분야를 예로 들어 설명하였으나, 본 발명은 여기에 국한되지 않음은 잘 이해될 것이다. 즉, 본 발명의 다중 센서를 운용하는 감시 장치(100)는 범죄를 예방하기 위한 방범 분야, 홍수나 산사태와 같은 재난을 감시하는 분야, 교통 상황 모니터링 등의 다양한 분야에서 더 나은 정보 획득 방안으로도 사용될 수 있을 것이다.
도 2는 도 1의 감시 장치의 구성을 예시적으로 보여주는 블록도이다. 도 2를 참조하면, 감시 장치(100)는 복수의 센서들(110, 120, 130, 140), 센서 신호 집적부(150), 그리고 통신부(160)를 포함할 수 있다.
복수의 센서들(110, 120, 130, 140)은 상이한 특성을 감지하는 이질적인 다중 선세들에 대응한다. 복수의 센서들(110, 120, 130, 140) 각각은 다양한 물리나 화학적 변화를 감지하여 전기적인 신호로 변환할 수 있다. 예를 들면, 복수의 센서들(110, 120, 130, 140) 중 어떤 것은 온도나 습도, 전기장이나 자기장의 세기, 광량의 변화와 같은 물리적 또는 화학적 변화에 따라 가변하는 저항(R)이나 용량(C)의 변화를 감지하여 전기적 신호로 변환할 수 있다. 또는, 복수의 센서들(110, 120, 130, 140)은 아날로그 형태의 전기적 신호를 디지털 신호로 변환하는 아날로그-디지털 변환기(ADC)를 포함할 수도 있다. 복수의 센서들(110, 120, 130, 140)은 아날로그 또는 디지털 형태의 센서 신호들(S1~Sk)로 센서 신호 집적부(150)에 제공할 수 있다. 여기서, 센서 신호들(S1~Sk)은 아날로그 신호와 같은 원시 데이터(Raw data)이거나 또는 전용의 인터페이스나 프로세서에 의해서 일차적으로 처리된 데이터일 수 있음은 잘 이해될 것이다. 본 발명에서는 이들 센서 신호들(S1~Sk)은 복수의 센서들(110, 120, 130, 140) 각각으로부터 별도의 처리없이 출력되는 원시 데이터(Raw data)인 것으로 가정하기로 한다.
복수의 센서들(110, 120, 130, 140) 각각의 구성이나 기능은 여기에 국한되지 않음은 잘 이해될 것이다. 즉, 복수의 센서들(110, 120, 130, 140) 각각은 다양한 물리, 화학적 변화를 센싱하고, 센싱된 정보를 센서 신호 집적부(150)에 제공하는 임의의 센서들을 포함할 수 있다.
센서 신호 집적부(150)는 복수의 센서들(110, 120, 130, 140)로부터 원시 데이터(Raw data) 형태의 센서 신호들(S1~Sk)을 집적 또는 융합하여 메인 이벤트(Emain)의 발생 여부를 판단한다. 센서 신호 집적부(150)는 복수의 센서들(110, 120, 130, 140)로부터 제공되는 센서 신호들(S1~Sk)을 연속적으로 수신할 수 있다. 센서 신호 집적부(150)는 복수의 센서들(110, 120, 130, 140)로부터 제공되는 센서 신호들(S1~Sk)을 주기적으로 또는 비주기적으로 수신할 수도 있다.
본 발명의 센서 신호 집적부(150)는 입력되는 이종의 센서 신호들(S1~Sk) 각각을 각각의 센서에 대응하는 기준값들(Sb1, Sb2, Sb3,…, Sbk)으로 나누어 정규화 센서 신호(P)로 변환할 수 있다. 이때, 센서 신호 집적부(150)는 센서 신호들(S1~Sk) 중에서 시간 변화율(ΔS)이 최대로 검출되는 센서를 기준 센서로 지정할 수 있다. 그리고 센서 신호 집적부(150)는 센서별 정규화 센서 신호(Pk)를 집적하여 이벤트의 발생 여부를 판단할 때, 기준 센서로 지정된 센서 신호에는 가중치를 적용할 수 있다. 센서 신호 집적부(150)는 모든 이벤트의 합의 평균을 구하고, 평균값이 0.5 이상으로 나타나면 메인 이벤트(Emain)가 발생한 것으로 판단할 수 있다. 또한, 혈당, 혈압, 심전도, 체온 센서 등 건강 상태를 감시하는 센서에서 정상 범위를 벗어난 이벤트(Emain)가 발생하면 센서 신호 집적부(150)는 통신부(160)에 전달하여 메인 이벤트에 대응하는 상황 전파를 수행하도록 한다.
통신부(160)는 센서 신호 집적부(150)로부터 전달되는 메인 이벤트 신호(Emain)에 응답하여 해당 상황을 관제 센터나 타깃 노드로 전송할 수 있다. 예를 들면, 통신부(160)는 3GPP(3rd Generation artnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 3G, 4G, 5G, 6G 등의 표준을 지원하는 유무선 통신 모듈을 포함할 수 있다. 또는, 통신부(160)는 위급 상황을 인지한 후에 메인 이벤트의 발생을 유선 네트워크에 접속하여 사용자 또는 관제 센터로 전송할 수도 있다.
본 발명의 센서 신호 집적부(150)는 입력되는 이종의 센서 신호들(S1~Sk) 각각을 기준값으로 나누는 방식으로 집적 가능한 정규화 센서 신호(P)들로 변환할 수 있다. 그리고 센서 신호들(S1~Sk)의 시간 변화율을 참조하여 기준 센서를 선택하고, 지정된 기준 센서의 센서 신호에는 다른 센서 신호에 비해 큰 가중치를 적용하는 방식으로 이벤트의 발생 여부를 판단할 수 있다.
도 3은 본 발명의 센서 신호 집적부의 제 1 실시 예를 간략히 보여주는 블록도이다. 도 3을 참조하면, 제 1 실시 예에 따른 센서 신호 집적부(150a)는 이벤트 검출부(151), 변화율 검출부(153), 가중치 적용부(155), 그리고 메인 이벤트 결정부(157)를 포함할 수 있다.
이벤트 검출부(151)는 이종의 복수의 센서들(110, 120, 130, 140) 각각으로부터 제공되는 센서 신호들(S1~Sk)을 수신한다. 여기서, 센서 신호들(S1~Sk)은 복수의 센서들(110, 120, 130, 140) 각각으로부터 출력되는 원시 데이터(Raw data) 형태의 신호들일 수 있다. 따라서, 센서 신호들(S1~Sk) 각각은 서로 다른 물리적 또는 화학적 특성이나 값을 나타내는 아날로그 신호 또는 디지털 신호들일 수 있다. 이질적인 이들 센서 신호들(S1~Sk)을 조합하고 서로 집적하기 위해 이벤트 검출부(151)는 센서 신호들(S1~Sk)에 대한 정규화(Normalize)를 수행할 수 있다.
이벤트 검출부(151)에서 수행되는 정규화 절차는 다음과 같다. 서로 다른 물리적 또는 화학적 특성을 지니는 원시 데이터 형태의 센서 신호들(S1~Sk) 각각을 아래 수학식 1로 나타낼 수 있다.
Figure 112021118840245-pat00003
복수의 이질적인 센서 신호들(S1~Sk)은 시간에 따라 변화하는 값으로 이벤트 검출부(151)에 제공된다. 이벤트 검출부(151)는 이들 각각의 센서 신호들(S1~Sk)의 크기를 각 센서별 할당되는 기준값(Sb)으로 나누는 방식으로 정규화할 수 있다. 각 센서별 기준값(Sb)은 아래 수학식 2로 나타낼 수 있다.
Figure 112021118840245-pat00004
각 센서별 기준값(Sb)의 크기는 센서 특성에 따라, 그리고 누적된 실험 결과나 실측된 경험치를 바탕으로 결정될 수 있다.
센서 신호들(S1~Sk)에 대한 정규화를 위해 각각의 센서별 기준값(Sb)으로 나눈 정규화 센서 신호(Pk)는 아래 수학식 3으로 표현될 수 있다.
Figure 112021118840245-pat00005
복수의 센서들(110, 120, 130, 140) 중 정규화 센서 신호(P)가 1 이상으로 나타나는 경우에는 해당 센서에 대응하는 이벤트가 발생한 것으로 판단할 수 있다. 이 경우, 정규화 센서 신호(P)는 '1'로 출력된다. 하지만, 정규화 센서 신호(P)가 1 미만으로 나타나는 경우에는 해당 센서에 대응하는 이벤트는 발생하지 않은 것으로 판단할 수 있다. 이 경우, 정규화 센서 신호(P)는 '0'으로 출력된다. 예를 들면, 제 1 센서(110)로부터 출력되는 센서 신호(S1)에 대한 정규화 연산(S1/Sb1)의 결과가 '1.2'로 도출되는 경우, 정규화 센서 신호(P1)는 '1'로 결정될 수 있다. 반면, 제 2 센서(120)로부터 출력되는 센서 신호(S2)에 대한 정규화 연산(S2/Sb2)의 결과가 '0.6'로 도출되는 경우, 정규화 센서 신호(P2)은 '0'로 결정될 수 있다.
변화율 검출부(153)는 이종의 복수의 센서들(110, 120, 130, 140) 각각으로부터 제공되는 센서 신호들(S1~Sk)의 시간에 대한 센서값 변화율을 계산할 수 있다. 예를 들면, 센서 신호 'S1(t0)'와 'S1(t1)'의 센서값 변화율은, 특정 시간 간격(t1-t0)에 대한 센서 신호(S1)의 레벨 변화[S1(t1)-S1(t0)]로 정의될 수 있다. 시간 간격은 감시 장치(100)의 성능이나 특성, 또는 센서 신호의 특성에 따라 사용자에 의해서 설정될 수 있다. 변화율 검출부(153)에 의해서 센서 신호들(S1~Sk) 각각의 센서값 변화율(ΔSk)이 계산되면, 변화율 검출부(153)는 최대 센서값 변화율(ΔSmax)에 대응하는 센서 신호를 선택하여 가중치 적용부(155)에 제공한다. 센서값 변화율(ΔSk)이 크다는 것은 상대적으로 해당 센서 신호에 대한 이벤트 발생 확률이 높다는 것을 의미한다. 따라서, 최대 센서값 변화율(ΔSmax)에 대한 정보에 의해서 가중치를 적용할 센서 신호가 선택될 수 있다.
가중치 적용부(155)는 최대 센서값 변화율(ΔSmax)에 대한 정보를 바탕으로 정규화 센서 신호(Pk)에 대한 가중치를 적용한다. 정규화 센서 신호 중에서 최대 센서값 변화율(ΔSmax)에 해당하는 정규화 센서 신호의 경우, 정규화 센서 신호의 레벨을 '1'보다 큰 값으로 할당할 수 있다. 예를 들면, 최대 센서값 변화율(ΔSmax)에 해당하는 센서 신호가 제 2 센서(120)로부터 전달되는 센서 신호(S2)인 경우, 가중치 적용부(155)는 제 2 센서(120)를 기준 센서로 선택하고, 가중치를 부여한다. 즉, 가중치 적용부(155)는 정규화 센서 신호(P2)의 크기를 '5'로 할당할 수 있다. 나머지 센서들로부터 제공되는 정규화 센서 신호들(P1, P3,…, Pk)의 경우, '1' 이나 '0'의 크기를 갖는 반면에, 최대 센서값 변화율(ΔSmax)에 해당하는 기준 센서(120)의 정규화 센서 신호(P2)는 가중치 적용에 따라 '5'가 된다. 따라서, 센서값 변화율(ΔS)의 크기가 큰 센서에 대해서는 이벤트 판단에서의 영향력을 높이는 효과가 제공될 수 있다. 정규화 센서 신호(Pk)에 대한 가중치를 적용하여 생성되는 이벤트 신호(Eventn)는 아래 수학식 4로 표현될 수 있다.
Figure 112021118840245-pat00006
메인 이벤트 결정부(157)는 가중치 적용부(155)로부터 제공되는 이벤트 신호(Eventn)로부터 메인 이벤트의 발생 여부를 판단한다. 이를 위해 메인 이벤트 결정부(157)는 이벤트 신호(Eventn)의 합 및 평균을 구하고, 평균값이 0.5 이상이라면 메인 이벤트가 발생한 것으로 판단할 수 있다. 예를 들면, 모든 이벤트 신호(Eventn)를 합한 값(Es)을 전체 신호의 수(n)로 나눈 값을 이벤트 평균값(Ea)이라 정의하기로 한다. 메인 이벤트 결정부(157)는 이벤트 평균값(Ea)의 크기를 측정하여 메인 이벤트(Main event)의 발생 여부를 판단할 수 있다. 메인 이벤트값(Emain)은 아래 수학식 5로 나타낼 수 있다.
Figure 112021118840245-pat00007
메인 이벤트값(Emain)이 1로 출력되면, 감시 장치(100)는 감시 대상 이벤트가 발생하였음을 인지하고, 관제 센터나 특정 노드로 메인 이벤트에 대응하는 상황 전파를 수행할 것이다.
도 4는 본 발명의 실시 예에 따른 이종의 센서 신호들을 집적하는 방법을 간략히 보여주는 순서도이다. 도 3 및 도 4를 참조하면, 이종의 센서 신호들에 대해 정규화 및 가중치 적용을 통해서 용이하게 이벤트 발생 여부를 결정할 수 있다.
S110 단계에서, 이벤트 검출부(151, 도 3 참조)는 이종의 복수의 센서들(110, 120, 130, 140) 각각으로부터 제공되는 센서 신호들(S1~Sk)을 수신한다. 여기서, 센서 신호들(S1~Sk)은 복수의 센서들(110, 120, 130, 140) 각각으로부터 출력되는 원시 데이터(Raw data) 형태의 신호들일 수 있다. 하지만, 센서 신호들(S1~Sk)은 불가피하게 디지털 신호 형태로 제공될 수도 있음을 잘 이해될 것이다.
S120 단계에서, 이질적인 이들 센서 신호들(S1~Sk)을 조합하고 서로 집적하기 위해 이벤트 검출부(151)는 센서 신호들(S1~Sk)에 대한 정규화(Normalize)를 수행할 수 있다. 이질적인 센서 신호들(S1~Sk)은 시간에 따라 변화하는 값으로 이벤트 검출부(151)에 제공된다. 이벤트 검출부(151)는 이들 각각의 센서 신호들(S1~Sk)의 크기를 각 센서별 할당되는 기준값(Sb)으로 나누는 방식으로 정규화한다. 각 센서별 기준값(Sb)의 크기는 미리 결정된 값으로 제공될 수 있다. 센서 신호들(S1~Sk)에 대한 정규화를 위해 각각의 센서별 기준값(Sb)으로 나누면 정규화 센서 신호(Pk)가 생성될 것이다. 이때, 정규화 센서 신호(Pk)의 레벨은 '1' 또는 '0'으로 결정된다. 복수의 센서들(110, 120, 130, 140) 중 정규화 센서 신호(P)가 1 이상으로 나타나는 경우에는 해당 센서에 대응하는 이벤트가 발생한 것으로 판단할 수 있다. 이 경우, 정규화 센서 신호(P)는 '1'로 출력된다. 하지만, 정규화 센서 신호(P)가 1 미만으로 나타나는 경우에는 해당 센서에 대응하는 이벤트는 발생하지 않은 것으로 판단할 수 있다. 이 경우, 정규화 센서 신호(P)는 '0'으로 출력된다.
S130 단계에서, 변화율 검출부(153, 도 3 참조)는 이종의 센서 신호들(S1~Sk)의 시간에 대한 센서값 변화율을 계산한다. 변화율 검출부(153)에 의해서 센서 신호들(S1~Sk) 각각의 센서값 변화율(ΔSk)이 계산되면, 변화율 검출부(153)는 최대 센서값 변화율(ΔSmax)에 대응하는 센서 신호를 선택한다.
S140 단계에서, 가중치 적용부(155, 도 3 참조)는 최대 센서값 변화율(ΔSmax)에 대한 정보를 바탕으로 정규화 센서 신호(Pk)에 대한 가중치를 적용한다. 정규화 센서 신호들 중에서 최대 센서값 변화율(ΔSmax)에 해당하는 정규화 센서 신호의 경우, 정규화 센서 신호의 레벨을 '1'보다 큰 값으로 할당할 수 있다. 예를 들면, 가중치 적용부(155)는 최대 센서값 변화율(ΔSmax)에 해당하는 정규화 센서 신호의 크기를 '5'로 할당할 수 있다. 나머지 센서들로부터 제공되는 정규화 센서 신호들의 경우, '1' 이나 '0'의 크기로 설정될 것이다.
S150 단계에서, 메인 이벤트 결정부(157, 도 3 참조)는 가중치 적용부(155)로부터 제공되는 이벤트 신호(Eventn)로부터 메인 이벤트의 발생 여부를 판단한다. 이를 위해 메인 이벤트 결정부(157)는 이벤트 신호(Eventn)의 합 및 평균을 구할 수 있다.
S160 단계에서, 이벤트 평균값(Ea)이 0.5 이상이라면(Yes 방향), 절차는 S170 단계로 이동하여 메인 이벤트(Main event)가 발생한 것으로 판단할 수 있다. 메인 이벤트는 예를 들면, 산불과 같은 화재 상황일 수 있다. 이벤트 평균값(Ea)이 0.5 이상이 아니라면(No 방향), 절차는 S180 단계로 이동하고, 메인 이벤트(Main event)가 미발생한 것으로 판단할 수 있다.
S170 단계에서, 감지 장치(100)는 메인 이벤트가 발생한 것으로 판단하여, 해당 상황을 관제 센터나 별도로 규정된 타깃 노드로 전송할 수 있다. 또는, 감지 장치(100)는 메인 이벤트(Main event)의 발생을 인지한 후에 메인 이벤트의 발생을 유선 네트워크에 접속하여 사용자 또는 관제 센터로 전송할 수도 있다.
S180 단계에서, 감지 장치(100)는 메인 이벤트가 발생하지 않은 것으로 판단하고 이벤트 발생 상황의 보고를 하지 않을 수 있다. 또는, 감지 장치(100)는 메인 이벤트의 미발생 상태임을 알리는 상태 신호를 사용자 또는 관제 센터로 전송할 수도 있음은 잘 이해될 것이다.
도 5는 본 발명의 센서 신호 집적부의 제 2 실시 예를 간략히 보여주는 블록도이다. 도 5를 참조하면, 제 2 실시 예에 따른 센서 신호 집적부(150b)는 이벤트 검출부(151), 변화율 검출부(153), 가중치 적용부(156), 메인 이벤트 결정부(157), 그리고 비정상 환경 검출부(154)를 포함할 수 있다.
이벤트 검출부(151)는 이종의 복수의 센서들(110, 120, 130, 140) 각각으로부터 제공되는 센서 신호들(S1~Sk)을 수신한다. 센서 신호들(S1~Sk)은 복수의 센서들(110, 120, 130, 140) 각각으로부터 출력되는 원시 데이터(Raw data) 형태의 신호들일 수 있다. 따라서, 센서 신호들(S1~Sk) 각각은 서로 다른 물리적 또는 화학적 특성이나 값을 나타내는 아날로그 신호 또는 디지털 신호들일 수 있다. 이질적인 이들 센서 신호들(S1~Sk)을 조합하고 서로 집적하기 위해 이벤트 검출부(151)는 센서 신호들(S1~Sk)에 대한 정규화(Normalize)를 수행할 수 있다. 이벤트 검출부(151)에서 수행되는 정규화 절차는 앞서 설명된 도 3 및 수학식 1 내지 수학식 3과 실질적으로 동일하다. 따라서, 센서 신호들(S1~Sk)에 대한 정규화 연산 절차에 대한 설명은 생략하기로 한다.
변화율 검출부(153)는 이종의 복수의 센서들(110, 120, 130, 140) 각각으로부터 제공되는 센서 신호들(S1~Sk)의 시간에 대한 센서값 변화율을 계산할 수 있다. 변화율 검출부(153)에 의해서 센서 신호들(S1~Sk) 각각의 센서값 변화율(ΔSk)이 계산되면, 변화율 검출부(153)는 최대 센서값 변화율(ΔSmax)에 대응하는 센서 신호를 선택하여 가중치 적용부(156)에 제공한다. 최대 센서값 변화율(ΔSmax)에 대한 정보에 의해서 가중치를 적용할 센서 신호가 선택될 수 있다.
비정상 환경 검출부(154)는 정상 환경 파라미터(Hb)와 현재 환경 파라미터(Hr)를 수신하여 현재 수신되는 센서 신호들(S1~Sk)이 정상 환경에서 센싱되는 신호들인지를 판단할 수 있다. 비정상 환경 검출부(154)는 정상 환경 파라미터(Hb)와 현재 환경 파라미터(Hr)를 비교하여 비정상 환경 여부를 나타내는 상태 파라미터(He)를 생성한다. 상태 파라미터(He)의 계산 방법은 예시적으로 아래 수학식 6과 같이 표현될 수 있다.
Figure 112021118840245-pat00008
즉, 정상 환경 파라미터(Hb)의 크기가 현재 환경 파라미터(Hr)의 크기보다 작으면, 상태 파라미터(He)는 '0'이고, 정상 환경 파라미터(Hb)의 크기가 현재 환경 파라미터(Hr)의 크기보다 크면, 상태 파라미터(He)는 '1'로 생성된다. 즉, 비정상 환경 검출부(154)는 정상 환경 파라미터(Hb)의 크기가 현재 환경 파라미터(Hr)의 크기보다 크면 정상 환경으로 판단하고, 정상 환경 파라미터(Hb)의 크기가 현재 환경 파라미터(Hr)의 크기보다 작으면 비정상 환경으로 판단한다.
가중치 적용부(156)는 비정상 환경 검출부(154)로부터의 상태 파라미터(He)와 변화율 검출부(153)로부터의 최대 센서값 변화율(ΔSmax)에 대한 정보를 바탕으로 정규화 센서 신호(Pk)에 대한 가중치를 적용한다. 예를 들면, 상태 파라미터(He)가 '1'인 정상 환경에는 앞서 도 3에서 설명된 방식과 동일하게 정규화 센서 신호(Pk)에 대한 가중치를 적용할 수 있다. 즉, 정규화 센서 신호 중에서 최대 센서값 변화율(ΔSmax)에 해당하는 정규화 센서 신호의 경우, 정규화 센서 신호의 레벨을 '1'보다 큰 값으로 할당할 수 있다. 예를 들면, 최대 센서값 변화율(ΔSmax)에 해당하는 센서 신호가 제 2 센서(120)로부터 전달되는 센서 신호(S2)인 경우, 가중치 적용부(156)는 제 2 센서(120)를 기준 센서로 선택하고, 가중치를 부여한다. 즉, 가중치 적용부(156)는 정규화 센서 신호(P2)의 크기를 '5'로 할당할 수 있다. 나머지 센서들로부터 제공되는 정규화 센서 신호들(P1, P3,…, Pk)의 경우, '1' 이나 '0'의 크기를 갖는 반면에, 최대 센서값 변화율(ΔSmax)에 해당하는 기준 센서(120)의 정규화 센서 신호(P2)는 가중치 적용에 따라 '5'가 될 수 있다.
반면, 상태 파라미터(He)가 '0'인 비정상 환경에는 정상 환경과는 다른 가중치 할당이 적용된다. 즉, 정규화 센서 신호 중에서 최대 센서값 변화율(ΔSmax)에 해당하는 기준 센서의 정규화 센서 신호의 경우, 정규화 센서 신호의 레벨을 정상 상태에 비해 훨씬 큰 '10'이나 그보다 큰 값으로 할당할 수 있다. 그리고 가중치 적용부(156)는 기준 센서가 아닌 나머지 센서들로부터 제공되는 정규화 센서 신호들(P1, P3,…, Pk)의 경우, '1' 이나 '0'으로 할당할 수 있다. 하지만, 비정상 환경에서의 정규화 센서 신호의 가중치 할당 방식은 여기의 개시에만 국한되지 않으며, 환경이나 이벤트의 특성에 따라 다양하게 변경 가능함은 잘 이해될 것이다.
더불어, 변화율 검출부(153)에서 검출된 센서값 변화율(ΔS)의 크기가 서로 크게 차이가 나지 않는 경우가 존재할 수 있다. 따라서, 최대 센서값 변화율(ΔSmax)을 가진 기준 센서의 선택이 어려울 경우가 존재한다. 예를 들면, 최대 센서값 변화율(ΔSmax)과 유사한 센서값 변화율(ΔS)을 가진 센서들이 전체 센서들 중에서 절반 이상인 경우라면, 가중치를 어느 하나의 센서에 할당하는 것은 신뢰도 향상에 기여하지 못한다. 이러한 상황은 아래 수학식 7 및 수학식 8을 통해서 식별할 수 있다.
Figure 112021118840245-pat00009
Figure 112021118840245-pat00010
해당 센서값 변화율(ΔSk)이 크기가 최대 센서값 변화율(ΔSmax)의 크기와 10% 미만의 차이를 갖는다면, 파라미터 'Sw'는 '1'이고, 기준 센서와 유사한 변화율을 갖는다고 판단할 수 있다. 그리고 파라미터 'Sw'가 '1'인 센서들이 전체 센서들 중에서 절반 이상인 경우, 뚜렷한 신뢰도와 가중치가 높은 기준 센서의 선정은 어렵다고 판단할 수 있을 것이다. 이 경우, 이벤트 신호(Eventn)의 생성시에 최대 센서값 변화율(ΔSmax)의 센서와 동일한 가중치를 적용할 수 있다. 이러한 예는 아래 수학식 9와 같이 표현될 수 있다.
Figure 112021118840245-pat00011
메인 이벤트 결정부(157)는 가중치 적용부(156)로부터 제공되는 이벤트 신호(Eventn)로부터 메인 이벤트의 발생 여부를 판단한다. 이를 위해 메인 이벤트 결정부(157)는 이벤트 신호(Eventn)의 합 및 평균을 구하고, 평균값이 1 이상이라면 메인 이벤트가 발생한 것으로 판단할 수 있다.
도 6은 본 발명의 다른 실시 예에 따른 이종의 센서 신호들을 집적하는 방법을 간략히 보여주는 순서도이다. 도 5 및 도 6을 참조하면, 현재 수신되는 센서 신호들(S1~Sk)이 정상 환경에서 센싱되는 신호들인지를 판단하여, 센서 신호들에 대해 정규화 및 가중치 적용을 통해서 이벤트 발생 여부를 결정할 수 있다.
S210 단계에서, 이벤트 검출부(151, 도 5 참조)는 이종의 복수의 센서들(110, 120, 130, 140) 각각으로부터 제공되는 센서 신호들(S1~Sk)을 수신한다. 여기서, 센서 신호들(S1~Sk)은 복수의 센서들(110, 120, 130, 140) 각각으로부터 출력되는 원시 데이터(Raw data) 형태의 신호들일 수 있다.
S220 단계에서, 이질적인 이들 센서 신호들(S1~Sk)을 조합하고 서로 집적하기 위해 이벤트 검출부(151)는 센서 신호들(S1~Sk)에 대한 정규화(Normalize)를 수행할 수 있다. 이질적인 센서 신호들(S1~Sk)은 시간에 따라 변화하는 값으로 이벤트 검출부(151)에 제공된다. 이벤트 검출부(151)는 이들 각각의 센서 신호들(S1~Sk)의 크기를 각 센서별 할당되는 기준값(Sb)으로 나누는 방식으로 정규화한다. 각 센서별 기준값(Sb)의 크기는 미리 결정된 값으로 제공될 수 있다. 센서 신호들(S1~Sk)에 대한 정규화를 위해 각각의 센서별 기준값(Sb)으로 나누면 정규화 센서 신호(Pk)가 생성될 것이다. 이때, 정규화 센서 신호(Pk)의 레벨은 '1' 또는 '0'으로 결정된다.
S230 단계에서, 비정상 환경 검출부(154, 도 5 참조)는 정상 환경 파라미터(Hb)와 현재 환경 파라미터(Hr)를 수신하여 현재 수신되는 센서 신호들(S1~Sk)이 정상 환경에서 센싱되는 신호들인지를 판단할 수 있다. 비정상 환경 검출부(154)는 정상 환경 파라미터(Hb)와 현재 환경 파라미터(Hr)를 비교하여 비정상 환경 여부를 나타내는 상태 파라미터(He)를 생성한다.
S240 단계에서, 가중치 적용부(156)는 상태 파라미터(He) 및 최대 센서값 변화율(ΔSmax)에 대한 정보를 바탕으로 정규화 센서 신호(Pk)에 대한 가중치를 적용한다. 예를 들면, 상태 파라미터(He)가 '1'인 정상 환경에는 정규화 센서 신호(Pk)에 대한 일반적인 방식의 가중치를 적용할 수 있다. 즉, 정규화 센서 신호 중에서 최대 센서값 변화율(ΔSmax)에 해당하는 정규화 센서 신호의 경우, 정규화 센서 신호의 레벨을 '1'보다 큰 값으로 할당할 수 있다. 반면, 상태 파라미터(He)가 '0'인 비정상 환경에는 정상 환경과는 다른 가중치 할당이 적용된다. 즉, 정규화 센서 신호 중에서 최대 센서값 변화율(ΔSmax)에 해당하는 기준 센서의 정규화 센서 신호의 경우, 정규화 센서 신호의 레벨을 정상 상태에 비해 훨씬 큰 '10'이나 그보다 큰 값으로 할당할 수 있다. 그리고 가중치 적용부(156)는 기준 센서가 아닌 나머지 센서들로부터 제공되는 정규화 센서 신호들(P1, P3,…, Pk)의 경우, '1' 이나 '0'으로 할당할 수 있다.
S250 단계에서, 메인 이벤트 결정부(157, 도 5 참조)는 가중치 적용부(156)로부터 제공되는 이벤트 신호(Eventn)로부터 메인 이벤트의 발생 여부를 판단한다. 이를 위해 메인 이벤트 결정부(157)는 이벤트 신호(Eventn)의 합 및 평균을 구할 수 있다.
S260 단계에서, 이벤트 평균값(Ea)이 1 이상이라면(Yes 방향), 절차는 S270 단계로 이동하여 메인 이벤트(Main event)가 발생한 것으로 판단할 수 있다. 메인 이벤트는 예를 들면, 산불과 같은 상황일 수 있다. 이벤트 평균값(Ea)이 1 이상이 아니라면(No 방향), 절차는 S280 단계로 이동하고, 메인 이벤트(Main event)가 미발생한 것으로 판단할 수 있다.
S270 단계에서, 감지 장치(100)는 메인 이벤트가 발생한 것으로 판단하여, 해당 상황을 관제 센터나 별도로 규정된 타깃 노드로 전송할 수 있다. 또는, 감지 장치(100)는 메인 이벤트(Main event)의 발생을 인지한 후에 메인 이벤트의 발생을 유선 네트워크에 접속하여 사용자 또는 관제 센터로 전송할 수도 있다.
S280 단계에서, 감지 장치(100)는 메인 이벤트가 발생하지 않은 것으로 판단하고 이벤트 발생 상황의 보고를 하지 않을 수 있다. 또는, 감지 장치(100)는 메인 이벤트의 미발생 상태임을 알리는 상태 신호를 사용자 또는 관제 센터로 전송할 수도 있음은 잘 이해될 것이다.
상술된 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술된 실시 예들뿐만 아니라, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들 또한 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술된 실시 예들에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.

Claims (5)

  1. 다중 센서들로부터 제공되는 이종의 센서 신호들을 수신하는 센서 신호 집적 장치에 있어서:
    상기 이종의 센서 신호들 각각을 대응하는 각각의 기준값으로 나누어 센서들 각각의 개별 이벤트의 발생 여부를 나타내는 정규화 센서 신호들을 출력하는 이벤트 검출부;
    상기 이종의 센서 신호들 각각의 시간 변화율을 계산하고, 상기 이종의 센서 신호들 중에서 최대 시간 변화율(ΔSmax)을 갖는 기준 센서 신호를 선택하는 변화율 검출부;
    상기 정규화 센서 신호들 중에서 상기 기준 센서 신호에 대응하는 어느 하나에 소정의 가중치를 인가한 이벤트 신호를 생성하는 가중치 적용부; 그리고
    상기 이벤트 신호를 참조하여 메인 이벤트의 발생 여부를 판단하는 메인 이벤트 결정부를 포함하는 센서 신호 집적 장치.
  2. 제 1 항에 있어서,
    제 1 항에 있어서,
    상기 가중치 적용부는, 상기 정규화 센서 신호
    Figure 112021118840245-pat00012
    (여기서, S1~Sk는 센서 신호들, Sb1~Sbk는 센서별 기준값)와 상기 최대 시간 변화율(ΔSmax)을 참조하여, 상기 소정의 가중치가 적용된 상기 이벤트 신호
    Figure 112021118840245-pat00013
    (여기서, S1~Sk는 센서 신호들, Sb는 센서 기준값)를 생성하는 센서 신호 집적 장치.
  3. 제 1 항에 있어서,
    상기 이벤트 검출부는, 상기 이종의 센서 신호들 중 어느 하나를 대응하는 기준값으로 나눈 결과가 1보다 크거나 같으면 '1'의 정규화 센서 신호를, 상기 이종의 센서 신호들 중 어느 하나를 대응하는 기준값으로 나눈 결과가 1보다 작으면 '0'의 정규화 센서 신호를 출력하는 센서 신호 집적 장치.




  4. 삭제
  5. 삭제
KR1020210102757A 2021-08-04 2021-08-04 다중 센서 데이터를 집적하는 센서 신호 집적 장치 KR102347168B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210102757A KR102347168B1 (ko) 2021-08-04 2021-08-04 다중 센서 데이터를 집적하는 센서 신호 집적 장치
KR1020210193033A KR20230020885A (ko) 2021-08-04 2021-12-30 다중 센서 데이터를 집적하는 센서 신호 집적 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210102757A KR102347168B1 (ko) 2021-08-04 2021-08-04 다중 센서 데이터를 집적하는 센서 신호 집적 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020210193033A Division KR20230020885A (ko) 2021-08-04 2021-12-30 다중 센서 데이터를 집적하는 센서 신호 집적 장치

Publications (1)

Publication Number Publication Date
KR102347168B1 true KR102347168B1 (ko) 2022-01-04

Family

ID=79342633

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210102757A KR102347168B1 (ko) 2021-08-04 2021-08-04 다중 센서 데이터를 집적하는 센서 신호 집적 장치
KR1020210193033A KR20230020885A (ko) 2021-08-04 2021-12-30 다중 센서 데이터를 집적하는 센서 신호 집적 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020210193033A KR20230020885A (ko) 2021-08-04 2021-12-30 다중 센서 데이터를 집적하는 센서 신호 집적 장치

Country Status (1)

Country Link
KR (2) KR102347168B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102568300B1 (ko) * 2022-07-25 2023-08-17 임혜경 센서 데이터를 이용하는 상황 인식 시스템 및 그것의 상황 인식 방법
KR102570528B1 (ko) * 2022-04-11 2023-08-25 김영재 이종의 센서 데이터를 융합하는 스마트 배전반

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101352846B1 (ko) * 2013-07-19 2014-01-20 (주)에스티씨 확률 이론에 기반하는 다중 센서 데이터 융합 방법을 이용한 상황 추론 시스템 및 방법
JP2016103133A (ja) * 2014-11-28 2016-06-02 三菱電機ビルテクノサービス株式会社 計量メータの状態変化検出装置及びプログラム
KR20180126311A (ko) * 2017-05-17 2018-11-27 아주대학교산학협력단 대상 시스템의 상태 진단 및 원인 분석 시스템 및 방법
JP2019153080A (ja) * 2018-03-02 2019-09-12 富士通株式会社 異常センサ検出方法、異常センサ検出システム及び情報処理装置
KR20200103206A (ko) * 2019-02-20 2020-09-02 유현철 무선메쉬와 AI를 이용한 휴대가능한 지능형 화재예측 IoT센서 키트
KR20210059566A (ko) * 2019-11-15 2021-05-25 삼성에스디아이 주식회사 이상 셀 검출 장치, 배터리 시스템 및 배터리 시스템의 이상 셀 검출 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101352846B1 (ko) * 2013-07-19 2014-01-20 (주)에스티씨 확률 이론에 기반하는 다중 센서 데이터 융합 방법을 이용한 상황 추론 시스템 및 방법
JP2016103133A (ja) * 2014-11-28 2016-06-02 三菱電機ビルテクノサービス株式会社 計量メータの状態変化検出装置及びプログラム
KR20180126311A (ko) * 2017-05-17 2018-11-27 아주대학교산학협력단 대상 시스템의 상태 진단 및 원인 분석 시스템 및 방법
JP2019153080A (ja) * 2018-03-02 2019-09-12 富士通株式会社 異常センサ検出方法、異常センサ検出システム及び情報処理装置
KR20200103206A (ko) * 2019-02-20 2020-09-02 유현철 무선메쉬와 AI를 이용한 휴대가능한 지능형 화재예측 IoT센서 키트
KR20210059566A (ko) * 2019-11-15 2021-05-25 삼성에스디아이 주식회사 이상 셀 검출 장치, 배터리 시스템 및 배터리 시스템의 이상 셀 검출 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102570528B1 (ko) * 2022-04-11 2023-08-25 김영재 이종의 센서 데이터를 융합하는 스마트 배전반
KR102568300B1 (ko) * 2022-07-25 2023-08-17 임혜경 센서 데이터를 이용하는 상황 인식 시스템 및 그것의 상황 인식 방법

Also Published As

Publication number Publication date
KR20230020885A (ko) 2023-02-13

Similar Documents

Publication Publication Date Title
KR102347168B1 (ko) 다중 센서 데이터를 집적하는 센서 신호 집적 장치
KR101866974B1 (ko) 행동 패턴 수집 장치 및 이를 이용한 행동 패턴 분석 시스템과 그 방법
KR101515929B1 (ko) 수상 및 수중 인명 구조를 위한 무선 착용 기술 기반의 스마트 구명 조끼 시스템 및 그 동작 방법
RU2685815C1 (ru) Способ реагирования на обнаружение падения и устройство для его реализации
US9640056B2 (en) Method for sensing emergency in response to physical and mental shock and apparatus for sensing emergency using the method
KR20160111173A (ko) 차량 사고정보 제공장치 및 방법
CN105913614A (zh) 监测摔倒的方法、装置以及智能穿戴设备和摔倒报警系统
KR102008293B1 (ko) 노약자 관리 디바이스 및 노약자 관리 시스템
KR20090053250A (ko) 개인위급상황 경보시스템 및 그 방법
KR102182008B1 (ko) 통합 환경 감시를 통한 관제시스템 및 방법
US20040216165A1 (en) Surveillance system and surveillance method with cooperative surveillance terminals
KR101825134B1 (ko) 감정측정 디바이스를 활용한 드론 방범 시스템
WO2017200116A1 (ko) 물리적충격과 심리적충격 및 생리적현상에 대응한 긴급상황감지방법과 이를 이용한 긴급상황감지장치
WO2018192656A1 (en) Mission critical push to talk services
JP2008015659A (ja) 状況検知端末及びこれを用いた状況通報システム
EP3440647B1 (en) Method for the remote monitoring of persons through smart mobile terminals and web services
KR102553745B1 (ko) 음성멘트를 이용한 긴급알림 서비스 제공 시스템
KR101834906B1 (ko) 생체신호와 웨어러블 디바이스 기반의 사용자 이상상태 검출 시스템 및 방법
KR20200003452A (ko) 지능형 화재 대피 유도시스템
KR20230021278A (ko) 인공지능 기반 화재감시시스템
US20220321157A1 (en) Communication apparatus for mission performing user and related methods
KR102382985B1 (ko) 스마트 골전도 이어폰 및 그것의 동작 방법
KR20210130918A (ko) 아동의 활동을 실시간 모니터링하는 안전사고 방지 방법 및 이를 이용한 시스템
KR102099373B1 (ko) 스마트워치 디지털무전기를 이용한 건강관리시스템 및 건강관리방법
CN111089654A (zh) 一种基于可穿戴体温传感器的疫情宏观监控方法和系统

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant