WO2016137112A1 - 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법 - Google Patents

시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법 Download PDF

Info

Publication number
WO2016137112A1
WO2016137112A1 PCT/KR2016/000078 KR2016000078W WO2016137112A1 WO 2016137112 A1 WO2016137112 A1 WO 2016137112A1 KR 2016000078 W KR2016000078 W KR 2016000078W WO 2016137112 A1 WO2016137112 A1 WO 2016137112A1
Authority
WO
WIPO (PCT)
Prior art keywords
network computing
computing device
group
groups
sensor
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2016/000078
Other languages
English (en)
French (fr)
Inventor
정방철
전상운
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gyeongsang National University GNU
Original Assignee
Gyeongsang National University GNU
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 Gyeongsang National University GNU filed Critical Gyeongsang National University GNU
Publication of WO2016137112A1 publication Critical patent/WO2016137112A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H04B17/101—Monitoring; Testing of transmitters for measurement of specific parameters of the transmitter or components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters

Definitions

  • the present invention relates to a computing device and a method for performing physical layer transmission in a sensor network and to process information, and more particularly to an in-network computing device and a method in a fading radio environment.
  • a network computing device for communicating with a plurality of sensors, comprising: a grouping unit for grouping the plurality of sensors into a plurality of sensor groups by a predetermined reference; A measuring unit measuring a channel gain with the network computing device for each of the grouped sensor groups; And a control unit controlling to receive data from a first group having a maximum channel gain with the network computing device among the plurality of sensor groups.
  • the network computing device may further include an operation unit for deriving a final object function using a low complexity object function derivation algorithm using the received data, and computing through channel adaptive transmission power adjustment. It may further include a power adjusting unit for adjusting the capacity.
  • the predetermined criterion may be determined based on the channel gains of the plurality of sensors in communication with the network computing device.
  • the controller when the data is received from the first group, the controller is configured to receive data from a second group having a maximum channel gain with the network computing device among the remaining groups excluding the first group from the plurality of groups. It may be to control.
  • a method in which a network computing device communicates with a plurality of sensors comprising: grouping the plurality of sensors into a plurality of sensor groups by a predetermined criterion; Measuring a channel gain with the network computing device for each of the grouped plurality of sensor groups; And controlling to receive data from a first group having a maximum channel gain with the network computing device among the plurality of sensor groups.
  • the predetermined criterion may be determined based on the channel gains of the plurality of sensors in communication with the network computing device.
  • the network computing method when data is received from the first group, receives data from a second group having a maximum channel gain with the network computing device among the remaining groups except the first group from the plurality of groups.
  • the method may further include controlling to receive.
  • the network computing method may further include an operation step of deriving a final object function using a low complexity object function derivation algorithm using the received data.
  • the network computing method may further include a power adjustment step of adjusting computing capacity through channel adaptive transmission power adjustment.
  • FIG. 1 is a block diagram of a network computing device according to one embodiment.
  • FIG. 2 is a conceptual diagram illustrating a network computing device using a wireless sensor network, according to an exemplary embodiment.
  • FIG. 3 illustrates an Arithmetic Sum Function and a Type Function, which are objective functions, according to an exemplary embodiment.
  • 4A, 4B, and 4C are examples of operation of a time delay improvement low complexity in-network computing technique, according to one embodiment.
  • FIG. 5 illustrates a network computing method according to one embodiment.
  • FIG. 1 is a block diagram of a network computing device 100 according to one embodiment.
  • the network computing device 100 includes a grouping unit 110, a measurement unit 120, and a controller 130.
  • the network computing device 100 may include a grouping unit 110, a measuring unit 120, and a controller 130.
  • the network computing device 100 communicates with a plurality of sensors (not shown).
  • the grouping unit 110 groups the plurality of sensors into a plurality of sensor groups based on a predetermined reference.
  • the measurement unit 120 measures the channel gain with the network computing device 100 for each of the plurality of sensor groups.
  • the controller 130 first receives data from the first group having the maximum channel gain with the network computing device 100 among the plurality of grouped sensors. When data reception is performed for the first group having the maximum channel gain, the controller 130 may receive data from the second group having the maximum channel gain among the remaining groups except for the first group. ).
  • the network computing device 100 is controlled to receive data in the group having the maximum channel gain from the remaining groups except for the second group again. In this way, data is received from the group with the highest channel gain, and then the channel gain is compared except for that group, so even groups with small channel gains can complete data transmission without starvation, thus collecting data from the sensor network. This can be accomplished and there is no disruption to the objective function operation. Through this, it can be used in various fields such as processing sensor data in sensor network and acquiring information, transmitting control signal for wireless commercial network management, analyzing electric field environment in military network and transmitting tactical command.
  • the network computing device 100 may further include an operation unit (not shown) for deriving a final object function using a low complexity object function derivation algorithm using the received data.
  • the network computing device 100 may further include a power adjuster (not shown) that adjusts computing capacity through channel adaptive transmission power adjustment.
  • the predetermined criterion may be determined based on the channel gains of the plurality of sensors in communication with the network computing device 100.
  • the controller when data is received from the first group, the controller may receive data from a second group having a maximum channel gain with the network computing device 100 among the remaining groups excluding the first group from the plurality of groups. May be controlled to receive.
  • FIG. 2 is a basic conceptual diagram of a network computing device 210 using wireless sensor networks 221, 222, and 223, according to an embodiment.
  • the network computing device 210 may communicate with the wireless sensor networks 221, 222, and 223 formed of a plurality of sensors.
  • , 1 (.) Represents an indicator function.
  • H (A) represents the entropy function.
  • a sensor network composed of K sensors and one network computing device 210 is considered.
  • the i th sensor observes a length-k source such as Equation 1, and the network computing device 210 attempts to receive an objective function through a multiple access channel represented by Equation 2.
  • the objective function is a function of Symbol-By-Symbol type, that is, Is expressed as
  • every time slot t Can consider a changing fading model that satisfies the independent identically distributed (iid) characteristic.
  • all the sensors and the network computing device 210 know the channel information and perform the opportunistic communication based on the channel information.
  • Equation 3 Each source vector defined as in Equation 3 is independent probability distribution every time i Can be assumed to follow.
  • the random vector representing each source vector has been intercepted in capital letters as shown in Equation 4 and the probability distribution Can be followed.
  • the computing rate is defined as in Equation 5. In other words, it uses multiple access channels n times, This means that k objective functions can be calculated.
  • FIG. 3 illustrates an Arithmetic Sum Function and a Type Function, which are objective functions, according to an exemplary embodiment.
  • an opportunistic in-network computing technique can be used to calculate the objective functions described below.
  • the objective function may be an Arithmetic Sum Function.
  • source data such as Equation 6 may be defined.
  • Equation 7 the sum-operation function may be defined as in Equation 7.
  • a sum-operation function is defined as L weighted arithmetic sums.
  • the sum-operation function may include a problem of obtaining an average of each source data represented by Equation 8 and a communication problem of independently obtaining each source represented by Equation 9.
  • the objective function may be a type function.
  • the source data may be defined as in Equation 6 like the sum-operation function, but a definition of a function such as Equation 10 consisting of a display function is required for the expansion of the type function.
  • Equation 11 the type function may be defined as in Equation 11.
  • the type function is the source data
  • Equation 14 the type function may be represented as in Equation 14,
  • 4A, 4B, and 4C are examples of operation of a time delay improvement low complexity in-network computing technique, according to one embodiment.
  • 4A, 4B, and 4C one network computing device (410, 430, 450) and six sensors (421-426, 441-446, 461-466) are connected to sensor network communications in each of the figures. You can see that you participate.
  • the maximum allowable computing time delay is defined as T, and G is defined as the number of sensor groups capable of computing the objective function in the network computing device.
  • a representative sensor group number G capable of objective function computing in a network computing device will be described later.
  • N this corresponds to the minimum number of sensor groups for which objective function computing is possible.
  • N groups may be generated by grouping all K sensors by M. Therefore, each sensor belongs to only one group of N groups. In opportunistic computing, one of the N groups transmits preferentially, depending on the channel environment (wherein M sensors in the selected group participate in computing).
  • this corresponds to the maximum number of sensor groups capable of computing the objective function.
  • all possible combinations of selecting M among K sensors are defined as sensor groups. Therefore, each sensor may be included in a plurality of groups in duplicate.
  • One of the three sensor groups participates in the transmission preferentially (wherein M sensors in the selected group participate in computing).
  • the time delay improvement low complexity opportunistic network computing technique includes a time delay improvement local computing technique which is a key technology described later; Low complexity objective function derivation algorithm; It can be configured to maximize computing capacity through channel adaptive transmission power adjustment.
  • Time Delay Improvement Local computing technique divides K sensors into G groups that can derive the objective function through local computing (each group consists of M sensors), and then uses the total GT timeslot to create an opportunistic network Perform computing At this time, in each timeslot, the group having the largest channel gain is transmitted as an opportunity, but the total number of times each group is finally selected is limited to T times.
  • a low complexity objective function derivation algorithm may be proposed.
  • the time lag improvement local computing technique described above has limited opportunistic computing such that each sensor group is selected exactly T times. This condition allows the network computing device to derive the objective function at low complexity from the calculated local functions.
  • the network computing device may use a local function using two initial time slots. If the third time slot is sent by a group of sensors 4,5 Assuming that the network computing device computes the final objective function through the three local functions, Can be obtained. Through this, a conclusion as shown in Equation 14 can be derived by using the local computing characteristics of the objective function.
  • GT local functions may be computed using GT timeslots for G groups capable of deriving objective functions through local computing, and the final objective function GT may be collected by collecting N calculated local functions. / N can be computed
  • To Satisfying conditions Let's define it as a rearranged sensor set. Also about To Satisfying conditions Let's define it as a rearranged sensor set. In this case, the transmit power of the i th sensor in the t th timeslot In this case, the transmission power for maximizing the final computing capacity is determined as shown in Equation (15).
  • C> 0 is independent of the channel and is set to satisfy the average transmit power, P.
  • T 1 can achieve a computing transmission rate as shown in Equation 15 through the time delay improvement low complexity opportunistic network computing technique.
  • the network computing device communicates with a plurality of sensor nodes.
  • the grouping unit groups the plurality of sensors into the plurality of sensor groups based on a predetermined criterion.
  • the measurement unit measures a channel gain with the network computing device for each of the plurality of sensor groups grouped as described above.
  • the controller first receives data from the first group having the maximum channel gain with the network computing device among the plurality of grouped sensor groups. When data reception is performed for the first group having the maximum channel gain, at least some of the steps 510 to 530 are repeated recursively, and the channel gain among the remaining groups except the first group is repeated. Data reception is performed from this maximum second group.
  • the network computing method is controlled to receive data in the group having the maximum channel gain from the remaining groups except the second group again.
  • data is received from the group with the highest channel gain, and then the channel gain is compared except for that group, so even groups with small channel gains can complete data transmission without starvation, thus collecting data from the sensor network. This can be accomplished and there is no disruption to the objective function operation.
  • the network computing method may further include an operation step (not shown) for deriving a final object function using a low complexity object function derivation algorithm using the received data.
  • the network computing method may further include a power adjustment step (not shown) for adjusting the computing capacity through channel adaptive transmission power adjustment.
  • the predetermined criterion may be determined based on the channel gains of the plurality of sensors in communication with the network computing device.
  • the control step when the data is received from the first group, the control step receives data from a second group having a maximum channel gain with the network computing device among the remaining groups except the first group from the plurality of groups. It may be to control to.
  • the apparatus described above may be implemented as a hardware component, a software component, and / or a combination of hardware components and software components.
  • the devices and components described in the embodiments may be, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors, microcomputers, field programmable arrays (FPAs), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to the execution of the software.
  • OS operating system
  • the processing device may also access, store, manipulate, process, and generate data in response to the execution of the software.
  • processing device includes a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that it may include.
  • the processing device may include a plurality of processors or one processor and one controller.
  • other processing configurations are possible, such as parallel processors.
  • the software may include a computer program, code, instructions, or a combination of one or more of the above, and configure the processing device to operate as desired, or process it independently or collectively. You can command the device.
  • Software and / or data may be any type of machine, component, physical device, virtual equipment, computer storage medium or device in order to be interpreted by or to provide instructions or data to the processing device. Or may be permanently or temporarily embodied in a signal wave to be transmitted.
  • the software may be distributed over networked computer systems so that they may be stored or executed in a distributed manner.
  • Software and data may be stored on one or more computer readable recording media.
  • the method according to the embodiment may be embodied in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium.
  • the computer readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the media may be those specially designed and constructed for the purposes of the embodiments, or they may be of the kind well-known and available to those having skill in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks, such as floppy disks.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • the hardware device described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Quality & Reliability (AREA)

Abstract

복수 개의 센서와 통신하는 네트워크 컴퓨팅 장치에 있어서, 상기 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑하는 그룹핑부; 상기 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해, 상기 네트워트 컴퓨팅 장치와의 채널 이득을 측정하는 측정부; 및 상기 복수 개의 센서 그룹 중 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 수신하도록 제어하는 제어부를 포함하는 네트워크 컴퓨팅 장치가 제공된다.

Description

시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법
센서 네트워크에서 물리계층 전송을 수행하고 정보 처리를 하는 컴퓨팅 장치 및 방법에 연관되며, 보다 구체적으로는 페이딩 무선환경에서의 인-네트워크(In-Network) 컴퓨팅 장치 및 방법에 연관된다.
최근 시불변 무선채널 환경에서의 인-네트워크(In-Network) 컴퓨팅 기법을 이용하는 기술들이 다양하게 연구되고, 페이딩 무선환경에서 컴퓨팅 전송율을 개선하기 위하여 페이딩 환경에 따른 컴퓨팅 기법이 제안되고 있다. 그러나 센서 네트워크 통신의 경우, 센서수의 개수가 증가할수록 복잡도가 지수적으로 증가하여 현실적인 구현의 어려움이 따르고, 목적함수 컴퓨팅을 위한 시간지연 또한 증가하는 경향이 나타난다. 선행기술문헌 중 특허문헌으로는 대한민국 공개특허 제10-2010-0060391호, 대한민국 공개특허 제10-2010-0077410호, 대한민국 공개특허 제10-2013-0099478호가 있다.
일측에 따르면, 복수 개의 센서와 통신하는 네트워크 컴퓨팅 장치에 있어서, 상기 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑하는 그룹핑부; 상기 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해, 상기 네트워트 컴퓨팅 장치와의 채널 이득을 측정하는 측정부; 및 상기 복수 개의 센서 그룹 중 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 수신하도록 제어하는 제어부를 포함하는 네트워크 컴퓨팅 장치가 제공된다. 예시적으로, 그러나 한정되지 않게 상기 네트워크 컴퓨팅 장치는 상기 수신된 데이터를 이용하여 저복잡도 목적함수 도출 알고리즘으로 최종 목적함수를 도출하는 연산부를 더 포함할 수 있고, 채널 적응적 전송 파워 조절을 통해 컴퓨팅 용량을 조절하는 파워 조정부 또한 더 포함할 수 있다.
일실시예에 따르면 상기 미리 정해진 기준은 상기 네트워크 컴퓨팅 장치와 통신에 있어서의 상기 복수 개의 센서 별 채널 이득에 기초하여 결정되는 것일 수 있다.
일실시예에 따르면 상기 제어부는 상기 제1 그룹으로부터 데이터 수신이 되면 상기 제1 그룹을 상기 복수 개의 그룹에서 제외한 나머지 그룹 중에서 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제2 그룹으로부터 데이터를 수신하도록 제어하는 것일 수 있다.
다른 일측에 따르면, 네트워크 컴퓨팅 장치가 복수 개의 센서와 통신하는 방법에 있어서, 상기 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑하는 단계; 상기 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해, 상기 네트워크 컴퓨팅 장치와의 채널 이득을 측정하는 단계; 및 상기 복수 개의 센서 그룹 중 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 수신하도록 제어하는 단계를 포함하는 네트워크 컴퓨팅 방법이 제공된다.
일실시예에 따르면 상기 미리 정해진 기준은 상기 네트워크 컴퓨팅 장치와 통신에 있어서의 상기 복수 개의 센서 별 채널 이득에 기초하여 결정되는 것일 수 있다.
일실시예에 따르면 상기 네트워크 컴퓨팅 방법은 상기 제1 그룹으로부터 데이터 수신이 되면 상기 제1 그룹을 상기 복수 개의 그룹에서 제외한 나머지 그룹 중에서 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제2 그룹으로부터 데이터를 수신하도록 제어하는 단계를 더 포함할 수 있다.
일실시예에 따르면 상기 네트워크 컴퓨팅 방법은 상기 수신된 데이터를 이용하여 저복잡도 목적함수 도출 알고리즘으로 최종 목적함수를 도출하는 연산 단계를 더 포함할 수 있다.
일실시예에 따르면 상기 네트워크 컴퓨팅 방법은 채널 적응적 전송 파워 조절을 통해 컴퓨팅 용량을 조절하는 파워 조정 단계를 더 포함할 수 있다.
도 1은 일실시예에 따른 네트워크 컴퓨팅 장치의 블록도이다.
도 2는 일실시예에 따른 무선 센서망을 이용하는 네트워크 컴퓨팅 장치의 기본 개념도이다.
도 3은 일실시예에 따른 목적함수인 합-연산 함수(Arithmetic Sum Function) 및 타입 함수(Type Function)를 나타낸다.
도 4a, 도 4b 및 도 4c는 일실시예에 따른 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 기법의 동작 예시이다.
도 5는 일실시예에 따른 네트워크 컴퓨팅 방법을 도시한다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것이 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례, 새로운 기술의 출현 등에 따라 달라질 수 있다.
또한 특정한 경우는 이해를 돕거나 및/또는 설명의 편의를 위해 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
도 1은 일실시예에 따른 네트워크 컴퓨팅 장치(100)의 블록도이다. 도 1을 참조하면 본 발명의 일실시예에 따른 네트워크 컴퓨팅 장치(100)는 그룹핑부(110), 측정부(120), 제어부(130)로 구성되어 있는 것을 알 수 있다.
일실시예에 따르면 네트워크 컴퓨팅 장치(100)는 그룹핑부(110), 측정부(120) 및 제어부(130)을 포함할 수 있다. 네트워크 컴퓨팅 장치(100)는 복수 개의 센서(미도시)와 통신한다. 그룹핑부(110)는 상기 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑한다. 그리고 이렇게 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해 측정부(120)는 네트워트 컴퓨팅 장치(100)와의 채널 이득을 측정한다. 그러면 제어부(130)는 그룹핑 되어 있는 복수 개의 센서 그룹 중 네트워크 컴퓨팅 장치(100)와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 먼저 수신한다. 이렇게 채널 이득이 최대인 제1 그룹에 대해 데이터 수신이 수행되면, 제어부(130)는 상기 제1 그룹을 제외한 나머지 그룹들 중에서 채널 이득이 최대인 제2 그룹으로부터 데이터 수신을 하도록 네트워크 컴퓨팅 장치(100)를 제어한다. 그리고 제2 그룹으로부터 데이터 수신이 되면 제2 그룹을 다시 제외하고 나머지 그룹들로부터 채널 이득이 최대인 그룹에서 데이터 수신을 하도록 네트워크 컴퓨팅 장치(100)를 제어한다. 이러한 식으로 채널 이득이 최대인 그룹으로부터 데이터를 수신한 다음 해당 그룹을 제외하고 채널 이득을 비교하기 때문에, 채널 이득이 작은 그룹도 기근(starvation) 없이 데이터 전송을 완료할 수 있어 센서 네트워크의 데이터 수집이 완수될 수 있으며 목적 함수 연산에 차질이 없다. 이를 통해 센서망에서의 센서 데이터 처리 및 이를 통한 정보 획득, 무선 상용망 관리를 위한 컨트롤 신호 전송, 군용망에서의 전장환경 분석 및 전술 명령 전달 등 다양한 분야에서 활용이 가능해 질 수 있다.
다른 일실시예에 따르면 네트워크 컴퓨팅 장치(100)는 상기 수신된 데이터를 이용하여 저복잡도 목적함수 도출 알고리즘으로 최종 목적함수를 도출하는 연산부(미도시)를 더 포함할 수 있다. 또한 네트워크 컴퓨팅 장치(100)는 채널 적응적 전송 파워 조절을 통해 컴퓨팅 용량을 조절하는 파워 조정부(미도시)를 더 포함할 수도 있다.
일실시예에 따르면 상기 미리 정해진 기준은 상기 네트워크 컴퓨팅 장치(100)와 통신에 있어서의 상기 복수 개의 센서 별 채널 이득에 기초하여 결정되는 것일 수 있다.
일실시예에 따르면 상기 제어부는 상기 제1 그룹으로부터 데이터 수신이 되면 상기 제1 그룹을 상기 복수 개의 그룹에서 제외한 나머지 그룹 중에서 상기 네트워크 컴퓨팅 장치(100)와의 채널 이득이 최대인 제2 그룹으로부터 데이터를 수신하도록 제어하는 것일 수 있다.
도 2는 일실시예에 따른 무선 센서망(221, 222, 223)을 이용하는 네트워크 컴퓨팅 장치(210)의 기본 개념도이다. 도 2을 참조하면, 일실시예에 따른 네트워크 컴퓨팅 장치(210)는 복수의 센서로 이루어진 무선 센서망(221, 222, 223)과 통신할 수 있음을 알 수 있다.
후술되는 실시예들의 구성 및 작용에 대한 기술에서,
Figure PCTKR2016000078-appb-I000001
,
Figure PCTKR2016000078-appb-I000002
를 나타내며, 1(.)은 표시 함수(Indicator Function)를 의미한다. 랜덤변수 A에 대하여, H(A)는 엔트로피 함수를 나타낸다.
도 2에서 도시된 바와 같이, K개의 센서와 1개의 네트워크 컴퓨팅 장치(210)로 구성된 센서망을 고려한다. 또한 i 번째 센서는 수학식 1과 같은 길이-k 소스를 관찰하며 네트워크 컴퓨팅 장치(210)는 수학식 2로 표현되는 다중엑세스 채널을 통하여 목적함수를 수신하고자 한다.
Figure PCTKR2016000078-appb-I000003
Figure PCTKR2016000078-appb-I000004
이 때
Figure PCTKR2016000078-appb-I000005
는 i번째 센서에서 네트워크 컴퓨팅 장치(210)로의 채널,
Figure PCTKR2016000078-appb-I000006
는 i번째 센서의 입력신호,
Figure PCTKR2016000078-appb-I000007
는 네트워크 컴퓨팅 장치(210)의 부가 잡음신호이다. 또한 시간 i 에서 K 개의 센서에서 관찰되는 소스벡터를 수학식 3으로 정의하면, 목적함수는 Symbol-By-Symbol 형태의 함수, 즉
Figure PCTKR2016000078-appb-I000008
로 표현된다,
Figure PCTKR2016000078-appb-I000009
Figure PCTKR2016000078-appb-I000010
또한, 매 타임슬롯 t 마다 채널
Figure PCTKR2016000078-appb-I000011
가 독립적이고 동일한 분포(independent identically distributed: i.i.d.) 특성을 만족하며 변화하는 페이딩 모델을 고려할 수 있다. 또한 모든 센서와 네트워크 컴퓨팅 장치(210)는 채널정보를 알고 있으며 이를 바탕으로 기회적 통신을 수행한다고 가정할 수 있다.
상기 수학식 3과 같이 정의된 각각의 소스벡터는 매시간 i 마다 독립적인 확률분포
Figure PCTKR2016000078-appb-I000012
를 따른다고 가정할 수 있다. 각각의 소스벡터를 표현하는 랜덤 벡터는 수학식 4와 같이 대문자로 교기되었으며 확률분포
Figure PCTKR2016000078-appb-I000013
를 따를 수 있다.
Figure PCTKR2016000078-appb-I000014
컴퓨팅 전송율은 수학식 5와 같이 정의된다. 즉, 이는 다중엑세스 채널을 n번 사용하여 엔트로피가
Figure PCTKR2016000078-appb-I000015
인 목적함수를 k개 계산할 수 있음을 의미한다.
Figure PCTKR2016000078-appb-I000016
도 3은 일실시예에 따른 목적함수인 합-연산 함수(Arithmetic Sum Function) 및 타입 함수(Type Function)를 나타낸다.
도 3에 도시된 바와 같이 일실시예에 따른 기회적 인-네트워크 컴퓨팅 기법은 후술되는 목적함수들을 계산하기 위해 이용될 수 있다.
예시적이며 제한적이지 않게 목적함수는 합-연산 함수(Arithmetic Sum Function)일 수 있다. 이를 위해, 수학식 6과 같은 소스 데이터가 정의될 수 있다.
Figure PCTKR2016000078-appb-I000017
이를 이용하여, 합-연산 함수는 수학식 7과 같이 정의될 수 있다.
Figure PCTKR2016000078-appb-I000018
상기 수학식 7은 L 개의 가중된 합-연산(Weighted Arithmetic Sum)들로 합-연산 함수가 정의된다. 또한 상기 합-연산 함수는 수학식 8로 표현되는 각 소스 데이터들의 평균을 구하는 문제와 수학식 9로 표현되는 각각의 소스를 독립적으로 구하는 통신 문제를 포함할 수 있다.
Figure PCTKR2016000078-appb-I000019
Figure PCTKR2016000078-appb-I000020
예시적이며 제한적이지 않게 목적함수는 타입 함수(Type Function)일 수 있다. 이때 소스 데이터는 합-연산 함수와 마찬가지로 상기 수학식 6과 같이 정의될 수 있으나, 타입함수의 전개를 위하여 표시함수로 이루어진 수학식 10과 같은 함수의 정의가 추가로 요구된다.
Figure PCTKR2016000078-appb-I000021
이를 통해 타입함수는 수학식 11과 같이 정의될 수 있다.
Figure PCTKR2016000078-appb-I000022
상기 수학식 11과 같이, 타입함수는 소스 데이터들이
Figure PCTKR2016000078-appb-I000023
값들 중 하나로 선택될 때, 0에서
Figure PCTKR2016000078-appb-I000024
사이의 값들로 발생되는 소스들의 숫자 합을 구하는 함수이다. 타입함수를 통해 모든 종류의 대칭식(Symmetric Function)을 구할 수 있으며 표본 평균(Sample Mean), 표본 분산(Sample Variance), 최대값(Maximum), 최소값(Minimum) 등이 이에 해당할 수 있다.
또한 상기 정의된 컴퓨팅 전송율을 표현하기 위해
Figure PCTKR2016000078-appb-I000025
가 필요할 수 있고, 이는 상기 랜덤 소스벡터를 이용해서 유도할 수 있다. 합-연산 함수의 경우
Figure PCTKR2016000078-appb-I000026
는 수학식 12와 같이 표현될 수 있고,
Figure PCTKR2016000078-appb-I000027
에 필요한 조건이 수학식 13에 표현되었다.
Figure PCTKR2016000078-appb-I000028
또한 타입 함수의 경우 수학식 14와 같이 표현될 수 있고,
Figure PCTKR2016000078-appb-I000029
에 필요한 조건이 수학식 15에 표현되었다.
Figure PCTKR2016000078-appb-I000030
Figure PCTKR2016000078-appb-I000031
도 4a, 도 4b 및 도 4c는 일실시예에 따른 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 기법의 동작 예시이다. 도 4a, 도 4b 및 도 4c를 참조하면, 각각의 도면에서 한 개의 네트워크 컴퓨팅 장치(410, 430, 450)와 여섯 개의 센서(421-426, 441-446, 461-466)가 센서 네트워크 통신에 참여하는 것을 알 수 있다. 동작의 기술을 위해, K=6, M=2, G=3, T=1을 가정하였으며, 각각의 파라미터의 의미와 더불어 동작 예시가 후술될 것이다.
상기 시간지연 개선 저복잡도 기회적 인-네트워크 컴퓨팅 기법을 제안하기 위해 먼저 전체 센서수 K에 대하여 K=MN을 만족하는 M과 N을 정의한다. 또한 컴퓨팅 최대 허용 시간지연을 T 라고 정의하며, G 는 네트워크 컴퓨팅 장치에서 목적함수 컴퓨팅이 가능한 센서 그룹수로 정의한다. 네트워크 컴퓨팅 장치에서 목적함수 컴퓨팅이 가능한 대표적인 센서 그룹수 G 가 후술될 것이다.
G = N 의 경우, 이는 목적함수 컴퓨팅이 가능한 최소 센서 그룹수에 해당한다. 이 때, 전체 K개의 센서를 M개씩 묶어서 N개의 그룹을 생성할 수 있다. 따라서 각 센서는 N개의 그룹 중 한 그룹에만 속한다. 기회적 컴퓨팅시, 채널환경에 의존하여 N개의 그룹 중 한 그룹이 우선적으로 전송한다(이때, 선택된 그룹 내의 M개의 센서가 컴퓨팅에 참여한다).
Figure PCTKR2016000078-appb-I000032
의 경우, 이는 목적함수 컴퓨팅이 가능한 최대 센서 그룹수에 해당한다. 이 때, 전체 K개의 센서 중 M개를 고르는 가능한 모든 조합을 센서그룹으로 정의한다. 따라서 각 센서는 복수 개의 그룹에 중복되어 포함될 수 있다. 기회적 컴퓨팅시 채널환경에 의존하여
Figure PCTKR2016000078-appb-I000033
개의 센서 그룹 중 한 그룹이 전송에 우선적으로 참여한다(이때, 선택된 그룹 내의 M개의 센서가 컴퓨팅에 참여한다).
상기 시간지연 개선 저복잡도 기회적 인-네트워크 컴퓨팅 기법은 후술되는 핵심 기술요소인 시간지연 개선 로컬 컴퓨팅 기법; 저복잡도 목적함수 도출 알고리즘; 채널 적응적 전송 파워 조절을 통한 컴퓨팅 용량 최대화로 구성될 수 있다.
시간지연 개선 로컬 컴퓨팅 기법은 K 개의 센서를 로컬컴퓨팅을 통한 목적함수 도출이 가능한 G 개의 그룹으로 나눈 후 (각각의 그룹은 M 개의 센서로 구성됨), 총 GT 타임슬롯을 사용하여 기회적 인-네트워크 컴퓨팅을 수행한다. 이 때, 각 타임슬롯에서는 채널 이득이 가장 큰 그룹이 기회적으로 전송하되 각각의 그룹이 최종적으로 선택되는 총 횟수는 T번으로 제한한다.
도 4a, 도 4b, 및 도 4c를 시간지연 개선 저복잡도 기회적 인-네트워크 컴퓨팅 기법을 기술할 수 있고, 이 때 K=6, M=2,
Figure PCTKR2016000078-appb-I000034
을 가정하였다. 이에 따라 총 GT=15 번의 기회적 전송 동안 각 센서 그룹은 한번씩 선택되게 된다. 도 4a에 도시된 바와 같이 첫 번째 슬롯에 센서 1,3으로 구성된 그룹이 채널 이득이 가장 큰 경우 해당 그룹만 기회적 전송에 참가하여, 네트워크 컴퓨팅 장치가 로컬함수
Figure PCTKR2016000078-appb-I000035
를 컴퓨팅한다. 도 4b에서는 이미 컴퓨팅을 수행한 센서 1,3으로 구성된 그룹을 제외한 그룹 내에서 이득이 큰 그룹(도 4b의 경우 센서 2,6으로 구성된 그룹)이 두 번째 슬롯에 로컬함수 컴퓨팅에 참여하여 네트워크 컴퓨팅 장치는
Figure PCTKR2016000078-appb-I000036
를 컴퓨팅한다. 이와 같은 과정을 반복하여 총 GT=15 번의 타임슬롯 동안 모든 그룹이 T=1 번씩 전송에 참여하게 된다.
일실시예에 따른 저복잡도 목적함수 도출 알고리즘이 제안될 수 있다. 이를 위해, 전술된 시간지연 개선 로컬 컴퓨팅 기법은 각 센서 그룹이 정확히 T 번씩 선택되도록 기회적 컴퓨팅을 제한하였다. 이런 조건으로 인해 네트워크 컴퓨팅 장치는 계산된 로컬함수들로부터 목적함수를 저복잡도로 도출하는 것이 가능하다. 도 4a, 도 4b, 및 도 4c의 K=6, M=2,
Figure PCTKR2016000078-appb-I000037
인 경우를 예로 들면 네트워크 컴퓨팅 장치는 초기 두 번의 타임 슬롯을 이용하여 로컬함수
Figure PCTKR2016000078-appb-I000038
을 획득하게 되며, 만약 세 번째 타임슬롯에서 센서 4,5로 구성된 그룹이 전송하여
Figure PCTKR2016000078-appb-I000039
를 컴퓨팅한다고 가정하면, 네트워크 컴퓨팅 장치는 상기 세 개의 로컬함수를 통해 최종 목적함수
Figure PCTKR2016000078-appb-I000040
를 얻을 수 있다. 이를 통해, 목적함수의 로컬컴퓨팅 특성을 활용하여 수학식 14와 같은 결론을 도출할 수 있다.
Figure PCTKR2016000078-appb-I000041
일실시예에 따르면, 로컬컴퓨팅을 통한 목적함수 도출이 가능한 G개의 그룹에 대해, GT개의 타임슬롯을 활용하여 GT개의 로컬함수를 컴퓨팅할 수 있고, 계산된 로컬함수를 N개씩 모아서 최종 목적함수 GT/N 개를 컴퓨팅할 수 있다.
전술한 바와 같이 상기 시간지연 개선 저복잡도 기회적 인-네트워크 컴퓨팅 기법은 N 개의 로컬함수를 통하여 한 개의 최종 목적함수를 생성한다. 따라서 최종 컴퓨팅 용량을 최대화하기 위해 각 목적함수 컴퓨팅에 활용되는 N 개의 로컬함수의 최소 컴퓨팅 전송율을 최대화 하도록 채널 적응적 전송 파워를 조절한다.
Figure PCTKR2016000078-appb-I000042
, T=1 인 경우 이러한 채널 적응적 전송 파워는 다음과 같은 과정으로 표현될 수 있다.
먼저
Figure PCTKR2016000078-appb-I000043
를
Figure PCTKR2016000078-appb-I000044
조건을 만족하는
Figure PCTKR2016000078-appb-I000045
의 재배열된 센서집합이라고 정의하자. 또한
Figure PCTKR2016000078-appb-I000046
에 대하여
Figure PCTKR2016000078-appb-I000047
를
Figure PCTKR2016000078-appb-I000048
조건을 만족하는
Figure PCTKR2016000078-appb-I000049
의 재배열된 센서집합이라고 정의하자. 이 경우 t 번째 타임슬롯에서 i번째 센서의 전송파워를
Figure PCTKR2016000078-appb-I000050
라고 정의한다면, 최종 컴퓨팅 용량을 최대화하는 전송 파워는 수학식 15와 같이 결정된다.
Figure PCTKR2016000078-appb-I000051
여기서 C>0 는 채널에 무관하며 평균전송파워 P를 만족하도록 설정한다.
따라서
Figure PCTKR2016000078-appb-I000052
, T=1 인 경우 상기 시간지연 개선 저복잡도 기회적 인-네트워크 컴퓨팅 기법을 통하여 수학식 15와 같은 컴퓨팅 전송율을 달성할 수 있다.
Figure PCTKR2016000078-appb-I000053
도 5는 일실시예에 따른 네트워크 컴퓨팅 방법을 도시한다. 네트워크 컴퓨팅 장치가 복수 개의 센서 노드와 통신한다. 단계(510)에서 그룹핑부는 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑한다. 그러면 단계(520)에서 측정부가 상기와 같이 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해 네트워트 컴퓨팅 장치와의 채널 이득을 측정한다. 그리고 단계(530)에서 제어부는 그룹핑 되어 있는 복수 개의 센서 그룹 중 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 먼저 수신한다. 이렇게 채널 이득이 최대인 제1 그룹에 대해 데이터 수신이 수행되면, 단계(510) 내지 단계(530)의 적어도 일부가 회귀적으로(interactively) 반복되며 상기 제1 그룹을 제외한 나머지 그룹들 중에서 채널 이득이 최대인 제2 그룹으로부터 데이터 수신을 하도록 된다. 마찬가지로 제2 그룹으로부터 데이터 수신이 되면 제2 그룹을 다시 제외하고 나머지 그룹들로부터 채널 이득이 최대인 그룹에서 데이터 수신을 하도록 네트워크 컴퓨팅 방법이 제어된다. 이러한 식으로 채널 이득이 최대인 그룹으로부터 데이터를 수신한 다음 해당 그룹을 제외하고 채널 이득을 비교하기 때문에, 채널 이득이 작은 그룹도 기근(starvation) 없이 데이터 전송을 완료할 수 있어 센서 네트워크의 데이터 수집이 완수될 수 있으며 목적 함수 연산에 차질이 없다.
다른 일실시예에 따르면 네트워크 컴퓨팅 방법은 상기 수신된 데이터를 이용하여 저복잡도 목적함수 도출 알고리즘으로 최종 목적함수를 도출하는 연산 단계(미도시)를 더 포함할 수 있다. 또한 네트워크 컴퓨팅 방법은 채널 적응적 전송 파워 조절을 통해 컴퓨팅 용량을 조절하는 파워 조정 단계(미도시)를 더 포함할 수도 있다.
일실시예에 따르면 상기 미리 정해진 기준은 상기 네트워크 컴퓨팅 장치와 통신에 있어서의 상기 복수 개의 센서 별 채널 이득에 기초하여 결정되는 것일 수 있다.
일실시예에 따르면 상기 제어단계는 상기 제1 그룹으로부터 데이터 수신이 되면 상기 제1 그룹을 상기 복수 개의 그룹에서 제외한 나머지 그룹 중에서 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제2 그룹으로부터 데이터를 수신하도록 제어하는 것일 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (10)

  1. 복수 개의 센서와 통신하는 네트워크 컴퓨팅 장치에 있어서,
    상기 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑하는 그룹핑부;
    상기 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해, 상기 네트워트 컴퓨팅 장치와의 채널 이득을 측정하는 측정부; 및
    상기 복수 개의 센서 그룹 중 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 수신하도록 제어하는 제어부
    를 포함하는 네트워크 컴퓨팅 장치.
  2. 제1항에 있어서,
    상기 미리 정해진 기준은 상기 네트워크 컴퓨팅 장치와 통신에 있어서의 상기 복수 개의 센서 별 채널 이득에 기초하여 결정되는 네트워크 컴퓨팅 장치.
  3. 제1항에 있어서,
    상기 제어부는 상기 제1 그룹으로부터 데이터 수신이 되면 상기 제1 그룹을 상기 복수 개의 그룹에서 제외한 나머지 그룹 중에서 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제2 그룹으로부터 데이터를 수신하도록 제어하는 네트워크 컴퓨팅 장치.
  4. 제1항에 있어서,
    상기 수신된 데이터를 이용하여 저복잡도 목적함수 도출 알고리즘으로 최종 목적함수를 도출하는 연산부
    를 더 포함하는 네트워크 컴퓨팅 장치.
  5. 제1항에 있어서,
    채널 적응적 전송 파워 조절을 통해 컴퓨팅 용량을 조절하는 파워 조정부
    를 더 포함하는 네트워크 컴퓨팅 장치.
  6. 네트워크 컴퓨팅 장치가 복수 개의 센서와 통신하는 방법에 있어서,
    상기 복수 개의 센서를 미리 정해진 기준에 의해 복수 개의 센서 그룹으로 그룹핑하는 단계;
    상기 그룹핑된 상기 복수 개의 센서 그룹 각각에 대해, 상기 네트워크 컴퓨팅 장치와의 채널 이득을 측정하는 단계; 및
    상기 복수 개의 센서 그룹 중 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제1 그룹으로부터 데이터를 수신하도록 제어하는 단계
    를 포함하는 네트워크 컴퓨팅 방법.
  7. 제6항에 있어서,
    상기 미리 정해진 기준은 상기 네트워크 컴퓨팅 장치와 통신에 있어서의 상기 복수 개의 센서 별 채널 이득에 기초하여 결정되는 네트워크 컴퓨팅 방법.
  8. 제6항에 있어서,
    상기 제1 그룹으로부터 데이터 수신이 되면 상기 제1 그룹을 상기 복수 개의 그룹에서 제외한 나머지 그룹 중에서 상기 네트워크 컴퓨팅 장치와의 채널 이득이 최대인 제2 그룹으로부터 데이터를 수신하도록 제어하는 단계
    를 더 포함하는 네트워크 컴퓨팅 방법.
  9. 제6항에 있어서,
    상기 수신된 데이터를 이용하여 저복잡도 목적함수 도출 알고리즘으로 최종 목적함수를 도출하는 연산 단계
    를 더 포함하는 네트워크 컴퓨팅 방법.
  10. 제6항에 있어서,
    채널 적응적 전송 파워 조절을 통해 컴퓨팅 용량을 조절하는 파워 조정 단계
    를 더 포함하는 네트워크 컴퓨팅 방법.
PCT/KR2016/000078 2015-02-27 2016-01-06 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법 Ceased WO2016137112A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020150028502A KR101651350B1 (ko) 2015-02-27 2015-02-27 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법
KR10-2015-0028502 2015-02-27

Publications (1)

Publication Number Publication Date
WO2016137112A1 true WO2016137112A1 (ko) 2016-09-01

Family

ID=56788849

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2016/000078 Ceased WO2016137112A1 (ko) 2015-02-27 2016-01-06 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법

Country Status (2)

Country Link
KR (1) KR101651350B1 (ko)
WO (1) WO2016137112A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101028891B1 (ko) * 2008-11-27 2011-04-12 경희대학교 산학협력단 무선 센서 네트워크에서 협력 기반 ｍｉｍｏ 방식으로 데이터를 송신하는 방법
KR101150896B1 (ko) * 2010-07-13 2012-06-01 아주대학교산학협력단 Ｍ2ｍ 센서 네트워크 시스템 및 통신 방법
KR20120063081A (ko) * 2010-12-07 2012-06-15 주식회사 에이에스엔 무선 센서 네트워크에서의 통신 방법
KR101293160B1 (ko) * 2011-09-26 2013-08-12 성균관대학교산학협력단 무선센서 네트워크에서 트래픽 양의 변화에 따른 효율적인 스케줄링 방법 및 장치
KR101441476B1 (ko) * 2008-03-18 2014-09-18 주식회사 케이티 센서 네트워크에서의 패킷 라우팅 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101048244B1 (ko) 2008-12-29 2011-07-08 경희대학교 산학협력단 무선 센서 네트워크에서 나카가미-ｎ 페이딩 채널 모델과 ＬＤＣＰ 방식의 채널 부호화를 적용한 데이터 송신 방법
KR20130099478A (ko) 2012-02-29 2013-09-06 주식회사 케이티 무선 통신 시스템에서 무선신호의 페이딩 정보 분석 방법 및 장치, 이를 이용한 통신품질 관리 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101441476B1 (ko) * 2008-03-18 2014-09-18 주식회사 케이티 센서 네트워크에서의 패킷 라우팅 방법
KR101028891B1 (ko) * 2008-11-27 2011-04-12 경희대학교 산학협력단 무선 센서 네트워크에서 협력 기반 ｍｉｍｏ 방식으로 데이터를 송신하는 방법
KR101150896B1 (ko) * 2010-07-13 2012-06-01 아주대학교산학협력단 Ｍ2ｍ 센서 네트워크 시스템 및 통신 방법
KR20120063081A (ko) * 2010-12-07 2012-06-15 주식회사 에이에스엔 무선 센서 네트워크에서의 통신 방법
KR101293160B1 (ko) * 2011-09-26 2013-08-12 성균관대학교산학협력단 무선센서 네트워크에서 트래픽 양의 변화에 따른 효율적인 스케줄링 방법 및 장치

Also Published As

Publication number Publication date
KR101651350B1 (ko) 2016-08-25

Similar Documents

Publication Publication Date Title
CN110197270B (zh) 集成电路芯片装置及相关产品
WO2019190036A1 (ko) 무선 통신 시스템에서 신경망 기반의 송신전력 제어 방법 및 장치
WO2014112779A1 (ko) 이차원 평면 배열 안테나를 사용하는 무선 통신 시스템에서 채널 상태 정보 기준 신호 전송 및 하이브리드 공간분할 다중화와 공간분할 다중 접속 방법 및 장 치
WO2015008896A1 (ko) 다변수 비선형 시스템의 제어를 위한 pid 가변 이득 설계 장치 및 방법
WO2014003368A1 (en) Method and apparatus for interference processing in wireless communication system
WO2021230649A1 (ko) 다중채널 자원할당 방법 및 시스템
Sombabu et al. Age-of-information aware scheduling for heterogeneous sources
Wen et al. Adaptive subcarrier, parameter, and power allocation for partitioned edge learning over broadband channels
WO2023061277A1 (zh) 导频信号发送方法、信道估计方法、装置及设备
KR101190053B1 (ko) 데이터 전송률 향상을 위한 인지 무선 송신기 및 인지 무선 수신기
WO2016148440A2 (ko) 무선 네트워크에서의 송신 전력 분배 방법 및 이를 수행하는 송신 노드
Zhang et al. Communication-efficient distributed on-device LLM inference over wireless networks
CN111934729B (zh) 一种上行元素发送功率确定方法、装置、设备和存储介质
WO2016137112A1 (ko) 시간지연 개선 저복잡도 인-네트워크 컴퓨팅 장치 및 방법
CN116341691A (zh) 一种去中心化联邦学习系统、方法、存储介质及计算设备
CN103369647B (zh) 多天线的功率分配方法及装置
CN106850433B (zh) 一种视频监控系统的视频干线管理方法及装置
Liao et al. Information timeliness aware multispectral integrated sensing, communication, and computing for high-voltage discharge detection
WO2014069913A1 (en) Interference alignment method and apparatus in wireless communication system
WO2019135440A1 (ko) 자기 공진 무선 전력 전송 다중 코일 시스템에서 최적의 송신단 코일 전류와 수신단 코일 그룹 선택 방법 및 시스템
WO2021096334A1 (ko) 무선 통신 시스템에서 다중 사용자 스케줄링을 위한 방법 및 장치
CN110197268B (zh) 集成电路芯片装置及相关产品
CN110197271B (zh) 集成电路芯片装置及相关产品
CN110197265A (zh) 集成电路芯片装置及相关产品
CN110197272B (zh) 集成电路芯片装置及相关产品

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16755762

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16755762

Country of ref document: EP

Kind code of ref document: A1