• Title/Summary/Keyword: Sensor clustering

Search Result 516, Processing Time 0.028 seconds

Fault tolerant clustering based on local reconfiguration in sensor network (센서 네트워크의 지역적 재구성에 기반한 오류허용 클러스터링)

  • Kim, Huey-In;Kim, Sung-Cheon
    • Proceedings of the Korean Information Science Society Conference
    • /
    • 2005.07a
    • /
    • pp.28-30
    • /
    • 2005
  • 센서들은 제한된 자원으로 구동되므로 오류가 나기 쉽다. 특히 구조적 라우팅의 경우 클러스터 헤드의 오류시 많은 수의 센서가 네트워크에서 분리되어 네트워크 성능에 악영향을 미친다. 따라서 오류 처리에 관한 연구들이 이루어져 왔으나 기존의 연구들은 망을 최적으로 유지하기 위해 재구성시 전체 네트워크를 재구성 하며 고정된 주기를 사용하여 전체적인 망이 최적의 상태임에도 불구하고 재구성 되거나, 클러스터에 오류가 생겨도 재구성되기까지 기다려야 한다는 단점이 있었다. 따라서 본 논문에서는 지역적인 재클러스터링을 통하여 네트워크를 최적으로 유지하며 클러스터들의 부하를 고려하여 망을 동적으로 재구성 하는 방법을 제안하였다. NS-2를 이용한 시뮬레이션을 통하여 기존의 방법에 비하여 본 논문에서 제안한 알고리즘이 네트워크 유지시간을 연장시켜 더 많은 양의 데이터가 수집됨을 확인 할 수 있었다.

  • PDF

Energy efficient Cluster-head Selection Method in Wireless Sensor Network (무선 센서 네트워크에서 에너지 효율적인 클러스터 헤더선출 방법)

  • Kim, Yo-Sup;Lee, Jong-Yong;Lee, Sang-Hun
    • Proceedings of the KAIS Fall Conference
    • /
    • 2010.05a
    • /
    • pp.45-48
    • /
    • 2010
  • 에너지 효율성이 중요한 무선 센서 네트워크에서 클러스터링 기술은 클러스터 헤드 노드가 클러스터 멤버 노드의 데이터를 병합하여 싱크노드로 전송함으로써 센서노드들과 싱크노드 사이의 통신 횟수를 줄여 에너지 효율을 얻는다. 이와 관련된 연구로 LEACH(Low Energy Adaptive Clustering Hierarchy) 프로토콜은 센서 네트워크의 데이터 처리 및 전송 부하를 센서 노드 전체에 분산 시켜 무선 센서 네트워크의 수명을 연장 하였다. 본 논문에서는 분산형 클러스터링 라우팅 기법 중 가장 대표적인 LEACH의 클러스터 헤드 결정 방법에 대한 고찰과 이를 토대로 새로운 확률적 클러스터 헤드 결정 방법의 도출을 이루어 내고자 한다.

  • PDF

Phased Clustering Scheme of Two-Levels in Wireless Sensor Networks (무선 센서 네트워크에서 2-레벨에 따른 단계적 클러스터링 기법)

  • Lee, Seong-Lyong;Park, JiSu;Shon, Jin Gon
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2014.04a
    • /
    • pp.166-169
    • /
    • 2014
  • 무선 센서 네트워크는 제한된 에너지를 가진 센서 노드들로 구성되며, 센서 노드의 에너지를 효율적으로 활용하기 위해 클러스터링 알고리즘을 사용한다. 균형 있는 클러스터 구성을 위해서는 클러스터 헤드의 선정이 중요하다. 기존의 연구는 확률, 노드의 잔여 에너지, 이웃 노드의 수, 이웃 노드와의 거리 등의 정보를 활용하여 클러스터 헤드를 선정하였다. 그러나 확률은 클러스터 헤드의 밀집으로 인한 에너지 소비의 불균형이 있을 수 있으며, 이웃 노드와의 정보 비교는 필요한 정보 수집을 위해 많은 에너지가 필요하다. 이러한 문제점을 개선하기 위해 본 논문은 센서 노드를 베이스 스테이션과의 거리에 따라 2-레벨로 나누고 각 상위 레벨에 속한 동일한 하위 레벨을 순차적으로 변경해가며 클러스터를 구성하는 기법을 제안한다.

Energy Effective Load Balanced Clustering Model for Wireless Sensor Networks (에너지 효율성을 높인 무선 센서 네트워크의 부하 균형 군집모델)

  • Lee, Jae-Hee;Kim, Byung-Ki;Kang, Seong-Ho
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2015.10a
    • /
    • pp.379-382
    • /
    • 2015
  • 무선 센서 네트워크는 제한된 에너지 자원으로 동작하므로 에너지 소비를 최소화하여 통신하는 기법이 무선 센서 네트워크 설계에 있어 매우 중요한 요소이다. 센서 노드들의 에너지 효율을 개선하기 위한 다양한 방법 중 클러스터링 알고리즘에 기반 한 계층적 라우팅 방법이 무선 센서 네트워크의 성능과 수명을 증가시키기 위해 효과적인 기술임이 알려지면서 다양한 접근법이 제시되고 있다. 클러스터 기반 아키텍처에서 클러스터의 부하 균형을 위한 효율적인 군집 모델은 게이트웨이와 센서 노드의 수명을 증가시켜 전체 네트워크의 성능을 향상 시킨다. 본 논문에서는 네트워크의 수명과 에너지 효율성을 높이기 위해 새로운 부하 균형 군집 모델을 제시한다. 또한 최적해를 보장하는 분기 한정 알고리즘을 설계하고 이를 이용해 다양한 조건에서 기존에 제시된 부하 균형 군집 모델과 실험하고 성능을 비교한다.

A Study of an Energy Efficient Method of Clustering Scheme for Supporting Multiple Data in Sensor Networks (센서 네트워크 클러스터링 기법의 에너지 효율적인 다중 데이터 지원 방법 연구)

  • Choi, Dongmin;Chung, Ilyong
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2012.11a
    • /
    • pp.101-103
    • /
    • 2012
  • 센서 네트워크 클러스터링 기법은 네트워크의 수명연장에 효율적인 방법이다. 이에 많은 연구에서 효율적인 클러스터링 기법을 제안해 왔으며 지금도 진행 중에 있다. 그러나 기존에 제시된 연구 결과는 센서 노드가 수집하는 데이터가 단일 데이터가 아닌 다중 데이터일 경우, 즉 센서 노드에 여러 개의 센서가 장착되어 있을 경우 데이터 수집 및 전송에 있어 단일 데이터에 비해 비효율적으로 동작 할 수 있다. 이에 본 논문은 다중 센서로부터 수집되는 데이터의 효율적인 전송을 지원하는 클러스터링 기법 개발을 위해 고려해야 할 사항에 대해 연구하였다. 연구 결과, 우리는 센서가 수집하는 데이터의 관심도, 데이터 변화량, 데이터의 내부적인 처리방법, 센서 노드의 배치 밀도 및 데이터 수집 장치의 감지범위가 다중 데이터 센서 네트워크의 클러스터링 기법 설계에 고려되어야 함을 보였다.

CHS : Cluster Head Self-election algorithm in WSNs (센서 네트워크에서 클러스터 헤드 자가 선출 알고리즘)

  • Choi, Koung-Jin;Jung, Suk-Moon
    • Proceedings of the Korean Institute of Information and Commucation Sciences Conference
    • /
    • 2009.10a
    • /
    • pp.534-537
    • /
    • 2009
  • Clustering protocol of Wireless sensor networks(WSNs) can not only reduce the volume of inter-node communication by the nodes's data aggregation but also extend the nodes's sleep times by cluster head's TDMA-schedule coordination. In order to extend the network lifetime of WSNs, we propose CHS algorithm to select cluster-head using three variables. It consists of initial and current energy of nodes, round information, and total numbers which have been selected as cluster head until current round.

  • PDF

A Clustering Structure based Key Management Scheme using Locational Information in Wireless Sensor Networks (센서 네트워크에서의 위치 정보를 이용한 계층 구조 방식의 키 관리 기법)

  • Choi, Sung-Yong;Song, Joo-Seok
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2013.05a
    • /
    • pp.517-520
    • /
    • 2013
  • 센서 네트워크는 수많은 센서 노드들로 구성되는 네트워크이다. 각 센서 노드는 배치된 환경에서 정보를 수집하여 전송하는 동작을 한다. 하지만 정보 전송 시에 공격자에게 노출되어 정보가 공격당할 우려가 있기 때문에 안전한 통신을 위해서 키 관리 기법이 필요하다. 그러나 센서 노드의 특징인 제한적인 자원을 가지고 있다는 점 때문에 공개키 알고리즘을 적용하기 어렵고 또한 다른 키 관리 기법에도 제약 조건이 따른다. 이러한 센서 네트워크의 특징을 고려하여 기존에 연구된 키 관리 기법들을 보완할 효율적이고 안전한 키 관리 기법을 제안하고자 한다.

Lidar Based Object Recognition and Classification (자율주행을 위한 라이다 기반 객체 인식 및 분류)

  • Byeon, Yerim;Park, Manbok
    • Journal of Auto-vehicle Safety Association
    • /
    • v.12 no.4
    • /
    • pp.23-30
    • /
    • 2020
  • Recently, self-driving research has been actively studied in various institutions. Accurate recognition is important because information about surrounding objects is needed for safe autonomous driving. This study mainly deals with the signal processing of LiDAR among sensors for object recognition. LiDAR is a sensor that is widely used for high recognition accuracy. First, we clustered and tracked objects by predicting relative position and speed of objects. The characteristic points of all objects were extracted using point cloud data of each objects through proposed algorithm. The Classification between vehicle and pedestrians is estimated using number of characteristic points and distances among characteristic points. The algorithm for classifying cars and pedestrians was implemented and verified using test vehicle equipped with LiDAR sensors. The accuracy of proposed object classification algorithm was about 97%. The classification accuracy was improved by about 13.5% compared with deep learning based algorithm.

An Energy Efficient Clustering Mechanism in Underwater Acoustic Sensor Networks (수중 음향 센서 네트워크에서의 에너지 효율적인 클러스터링 메커니즘)

  • Yun, Phil-Jung;Kim, Chang-Hwa;Kim, Sang-Kyung
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2008.05a
    • /
    • pp.881-884
    • /
    • 2008
  • 수중 음향 센서 네트워크는 무선 센서 네트워크의 한 분야로서 활발하게 연구되고 있다. 하지만 무선 센서 네트워크에서의 지상이라는 환경은 수중 음향 센서 네트워크에서의 수중이라는 환경과 많은 차이가 있다. 예를 들어 수중에서는 지상에서 보다 더 많은 통신 에너지를 필요로 하며 현재 단일채널 밖에 사용할 수 없다. 그러므로 수중 음향 센서 네트워크에서 무선 센서 네트워크의 메커니즘을 그대로 사용하기에는 적합하지 않다. 본 논문에서는 수중 음향 센서 네트워크에서의 에너지 효율적 클러스터링 메커니즘을 제안한다. 제안하는 클러스터링 메커니즘은 단일채널의 수중환경을 대상으로 클러스터 내 통신에서 발생하는 충돌문제를 최소화하여 에너지 효율을 증가시키기 위해 하향식방법을 이용하여 클러스터 헤드 노드를 선정하고 선정된 클러스터 헤드 노드를 중심으로 클러스터 범위를 결정하는 방법을 제시한다.

Trend-based Sequential Pattern Discovery from Time-Series Data (시계열 데이터로부터의 경향성 기반 순차패턴 탐색)

  • 오용생;이동하;남도원;이전영
    • Journal of Intelligence and Information Systems
    • /
    • v.7 no.1
    • /
    • pp.27-45
    • /
    • 2001
  • Sequential discovery from time series data has mainly concerned about events or item sets. Recently, the research has stated to applied to the numerical data. An example is sensor information generated by checking a machine state. The numerical data hardly have the same valuers while making patterns. So, it is important to extract suitable number of pattern features, which can be transformed to events or item sets and be applied to sequential pattern mining tasks. The popular methods to extract the patterns are sliding window and clustering. The results of these methods are sensitive to window sine or clustering parameters; that makes users to apply data mining task repeatedly and to interpret the results. This paper suggests the method to retrieve pattern features making numerical data into vector of an angle and a magnitude. The retrieved pattern features using this method make the result easy to understand and sequential patterns finding fast. We define an inclusion relation among pattern features using angles and magnitudes of vectors. Using this relation, we can fad sequential patterns faster than other methods, which use all data by reducing the data size.

  • PDF