DOI QR코드

DOI QR Code

Target Path Detection Algorithm Using Activation Time Lag of PDR Sensors Based on USN

USN기반 PDR 센서의 검출 시간차를 이용한 표적 경로 검출 알고리즘

  • 이재일 (제주대학교 해양시스템공학과) ;
  • 이종현 (제주대학교 해양시스템공학과) ;
  • 배진호 (제주대학교 해양시스템공학과)
  • Received : 2015.01.20
  • Accepted : 2015.02.13
  • Published : 2015.02.28

Abstract

This paper proposes the target path detection algorithm using statistical characteristics of an activated time lag along a moving path of target from a neighboring sensor in PDR(Pulse Doppler Radar) sensor node environment based on USN(Ubiquitous Sensor Network) with a limitation detecting only an existence of moving target. In the proposed algorithm, detection and non-detection time lag obtained from the experimental data are used. The experimental data are through repetitive action of each 500 times about three path scenarios such as passing in between two sensors, moving parallel to two sensors, and turning through two sensors. From this experiments, error detection percentages of three path scenarios are 5.67%, 5.83%, and 7.17%, respectively. They show that the proposed algorithm can exactly detect a target path using the limited PDR sensor nodes.

본 논문에서는 탐지영역에 존재하는 이동 표적의 유무 정보만을 제공하는 USN(Ubiquitous Sensor Network) 기반 PDR(Pulse Doppler Radar) 센서 노드 환경에서 인접한 PDR 센서로 부터 이동하는 표적의 경로에 따른 검출 시간차의 통계적 특성을 이용한 표적 경로 검출 알고리즘을 제안한다. 알고리즘에 사용된 변수는 실측 실험정보를 기반으로 도출한 표적 검출 시간차와 비검출 시간차이다. 그리고 PDR 센서 탐지 영역에서 발생되는 표적 이동경로는 센서를 관통하는 경로, 센서와 병렬로 이동하는 경로 그리고 두 센서 사이를 바라보고 진입한 후 한쪽 센서 방향으로 향하는 3가지 경우이고, 각 경우에 대해 500회의 실험을 수행 하였다. 그 결과 각 경우에 따른 오류 검출 백분율은 각각 5.67%, 5.83% 그리고 7.17% 으로 제한된 표적 검출 환경에서 정확하게 표적 경로를 검출한다.

Keywords

References

  1. C. Y. Chong and S. P. Kumar, "Sensor Networks: Evolution, Opportunities, and Challenges", Proc. of the IEEE, Vol. 91, No. 8, pp. 1247-1256, May 2003. https://doi.org/10.1109/JPROC.2003.814918
  2. J. Lee, J. H. Lee, J. W Hyun, C. H. Lee, J. Bae, D. G. Paeng, J. Cho, T. Kang and N. Lee, "Surveillance-Alert System based on USN using PDR sensors", J. IEEK, Vol. 48-TC, No. 12, pp.54-61, December 2011.
  3. D. Li, K. D. Wong, R. H. Hu and A. M. Sayeed, "Detection, Classification, and Tracking of Targets", Signal Processing Magazine, IEEE, Vol. 19, No. 2, pp. 17-29, 2002.
  4. http://www.tinyos,net/
  5. J. Nemeroff, L, Garcia, D. Hampel and S. Dipierro, "Application of Sensor Network Communications", Proc. of IEEE Conf. on Military Communications Conference, Vol. 1, pp. 336-341, October 2001.
  6. S. T. Kimi, "The Development of Tactical Training Evaluation System using WMN", The Journal of The Institute of Internet, Broadcasting and Communication(JIIBC), Vol. 12, No. 5, pp. 191-196, October 2012. https://doi.org/10.7236/JIWIT.2012.12.5.191
  7. S. T Hong and G. W. Shin, "The Construction and Performance Test of Complex Networks based on Ubiquitous", The Journal of The Institute of Internet, Broadcasting and Communication(JIIBC), Vol. 11, No. 4, pp. 23-29, August 2011.
  8. H. R. Kim and Y. I. Kang, "Design of a Coordinator-based Intrusion Detection System in Ubiquitous Sensor Network Environment", Journal of the Korea Academia-Industrial cooperation Society(JKAIS), Vol. 11, No. 3, pp. 984-990, March 2010. https://doi.org/10.5762/KAIS.2010.11.3.984
  9. I. F. Akyildiz, W. Su, Y. Sankarasubramaiam and E. Cayirci, "A survey on sensor networks", Communications Magazine, IEEE, Vol. 40, pp. 102-114, 2002.
  10. J. Lee, C. H. Lee, J. Bae and J. Kwon, "Target Detection Algorithm Based on Seismic Sensor for Adaptation of Background Noise", J. IEEK, Vol. 50, No. 7, pp. 258-266, July 2013.
  11. J. L. Melsa and D. L. Cohn, Decision and estimation Theory, McGraw-Hill Book Company, 1978.
  12. Y. Bar-Shalom and T. E. Fortmann, Tracking and Data Association, Academic press, 1988.

Cited by

  1. Study on Remote control and monitoring system of the multipurpose guard rail using USN vol.16, pp.10, 2015, https://doi.org/10.5762/KAIS.2015.16.10.7176