• 정보처리학회논문지C
• /
• 제16C권5호
• /
• pp.615-620
• /
• 2009

오늘날 무선 장비들이 센서네트워크를 비롯한 매우 다양한 분야에서 광범위하게 사용되고 있다. 무선으로 연결된 센서들은 다양한 임무 수행을 위하여 많은 분야에서 활용되고 있다. 이런 임무를 수행하는데 있어 각 센서의 위치정보는 매우 중요한 시스템 관리의 요소가 된다. 센서노드간 거리 측정은 신호의 도착시간차(Time of Arrival; ToA), 신호세기(Received Signal Strength: RSS), 신호각도(Angle of Arrival: AoA)에 기반을 둔 방법 등이 있다. 무선 센서네트워크에 배치되어 있는 각 센서노드간 정확한 거리 식별을 위해 기존의 거리 측정 방법을 보완하여 거리 오차를 줄이는 ToA기반의 RSS보정 방법을 제안한다. 구체적으로 초음파를 통한 거리측정 값에 맵(RF-MAP)을 통해 보정한 RSS값을 가중치로 보정하여 기존의 거리 측정 방법보다 측정오차를 감소시킬 수 있었다. 실험을 통해 본 연구 방법이 기존 ToA보다 실내($5m{\times}7m$)에서 평균 0.1cm, 실외($10m{\times}10m$) 평균 0.6cm 측정 오차를 줄일 수 있음을 확인 할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.1207-1210
• /
• 2008

무선 센서 네트워크는 고정 인프라 없이 센서 노드만으로 정보를 수집하는 네트워크로서 센서들의 위치정보 식별은 매우 중요하다. 센서 노드간 거리 측정은 신호의 도착시간차(Time of Arrival: ToA), 신호세기(Received Signal Strength: RSS), 신호각도(Angle of Arrival: AoA)에 기반을 둔 방법 등이 있다. 무선 센서 네트워크에 배치되어 있는 각 센서 노드간 정확한 거리 식별을 위해 기존의 거리 측정 방법을 보완하여 거리 오차를 줄이는 ToA기반의 RSS보정 방법을 제안한다. 구체적으로 초음파를 통한 거리측정 값에 맵(RF-MAP)을 통해 보정한 RSS값을 가중치로 보정하여 기존의 거리 측정 방법보다 측정오차를 줄였다. 실험을 통해 제안한 방법은 기존 ToA보다 실내(5m×7m)에서 평균 0.1cm, 실외(10m×10m) 평균 0.6cm 측정 오차를 줄일 수 있음을 확인 할 수 있었다.

• 한국통신학회논문지
• /
• 제34권12B호
• /
• pp.1491-1497
• /
• 2009

센서노드의 위치 측정 방법은 신호 도착시간차(Time of arrival, ToA), 수신신호세기(Received Signal Strength, RSS), 신호각도(Angle of Arrival, AoA) 방법을 비롯하여 다양한 방법들이 연구/발표되고 있다. 본 논문에서는 센서노드의 위치 정확도 향상을 위해 일반 센서노드에서 획득할 수 있는 신호도착 시간과 신호세기를 이용한 ToA와 RSS를 상호 보정하는 방법을 제안한다. 실내/외 실험결과 제안 알고리즘은 노드간 실제 거리와의 오차를 기존의 ToA 보다 30%이상의 성능 향상을 기대할 수 있었다. 본 논문에서 제안한 센서노드의 위치측정 방법은 센서노드간 거리 측정의 정확도를 향상시킬 수 있고, 이를 이용하여 센서네트워크 환경에서 향상된 노드의 위치 식별에 기여할 것으로 판단한다.

• 한국컴퓨터정보학회논문지
• /
• 제13권4호
• /
• pp.151-159
• /
• 2008

기술의 발전과 유선망에서와 동일한 성능을 요구하는 사용자의 기대치 증대로 인해 광대역 무선 이동망은 중요한 연구 분야로 떠오르고 있다. 본 논문에서는 IEEE 802.16e 기반시스템의 매체 접속제어 계층에서 핸드오버 성능 증가를 위한 기법을 제안한다. 이를 위해 본 논문에서는 셀 재설정 과정이라 불리는 스캔 시작과정의 문제점을 식별하고 이를 해결하기 위한 수신 신호 강도 기반 동적 스캔 시작 기법을 제안한다. 모의실험을 통해 제안 기법은 필요한 스캔 지속 시간을 고려한 수신 신호 강도 예측을 통해 적시에 스캔 과정을 시작하여 불필요한 자원의 낭비와 늦은 핸드오버를 야기시키지 않는다는 것을 보였다.

• 인터넷정보학회논문지
• /
• 제12권5호
• /
• pp.113-125
• /
• 2011

정보의 출처와 형식이 다양해지고 정보의 양 또한 많아짐에 따라 소셜 웹에서의 맞춤형 지식 생성은 더욱 어려워지고 있다. RSS(Really Simple Syndication)가 정보 수집 방법의 개선에 일조했으나, 웹에 산재된 정보를 찾아 필요한 정보들만으로 구성된 맞춤형 지식을 생성하는 것은 여전히 사용자들의 몫으로 남아 있다. 본 논문에서는 맞춤형 지식 생성의 용이성을 제고하기 위해 상황 기반 유사도를 이용한 맞춤형 지식생성 프레임워크를 제안하였다. 본 프레임워크는 기본적으로 사례 기반추론의 절차를 따르지만, 기존 사례 기반의 유사도 계산 방식이 문법적 추론에 기반했던 것과 달리, 온톨로지를 활용한 의미적 유사도를 이용한 사례 기반 추론을 활용한다. 또한 사용자 요구를 만족하는 유사사례의 보정을 위해 온톨로지를 활용한 정보 집적도 기반의 유사도 방법론을 제안하였다. 본 프레임워크에서는 첫째 비구조적인 웹 정보를 사례 형태의 구조적 정보로 변환하고, 둘째 사용자의 요구에 적합한 의미론적 유사사례를 찾은 후 셋째, 선택된 유사사례의 정보 집적도를 고려한 보정을 통해 맞춤형 지식을 생성하는 과정을 거친다. 본 논문에서는 유사도 계산에 일반적으로 활용되는 여러 방법론들과 비교를 통하여 제안한 온톨로지 기반 의미적 유사도 계산 방법론의 타당성을 입증하였다.