• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.966-975
• /
• 2017

사물인터넷 환경에서는 센서 노드가 사물로 의미가 확장되고 각 사물들은 자신만의 의사결정을 통해 사물간 정보 수집 및 공유가 가능하다. 따라서 노드의 데이터를 싱크노드 또는 중앙 서버로 전송하는 것을 목적으로 하는 WSN 정보 수집 방법을 사물인터넷 환경에 그대로 적용하는 것은 비효율적이다. 또한 기존 WSN 방법은 주변 사물들의 정보를 수집하는 과정에서 모든 사물이 정보 수집에 참여하는 방식으로 구성되어 있기 때문에 전송횟수 증가 등의 다양한 문제가 발생한다. 본 논문에서는 각 사물들 간의 에너지 효율적인 정보 공유를 위한 클러스터링 및 속성 기반 데이터 교환 방법을 제안한다. 제안하는 방법은 우선 각 사물이 생산할 수 있는 데이터의 속성을 부여하여 클러스터를 구성한다. 데이터 교환시에는 부여된 속성을 이용해 데이터를 생산할 수 있는 사물들과 통신하여 에너지 효율성을 향상시킨다. 성능평가를 위해 TOSSIM을 이용하여 네트워크 수명, 평균 에너지 소비량 등을 측정하였다.

• 한국산업정보학회논문지
• /
• 제17권7호
• /
• pp.17-24
• /
• 2012

애드혹 네트워크에서는 제한된 자원과 전력을 가지고 있기 때문에 에너지 효율적인 데이터 집계 연산이 필요하다. 현재 데이터 집계 연산에 대한 연구는 활발히 진행되고 있지만 기존의 연구에서는 노드의 밀집도를 고려하지 못하였다. 노드가 특정 영역에 밀집 되어 배치된다면 그 영역에 배치된 센서 노드들이 센싱 하는 정보는 그 연관성이 아주 강하다고 판단할 수 있다. 이는 중복된 데이터를 수집하는 효과와 같다고 볼 수 있으며, 이 정보를 전송하는데 소모되는 에너지는 낭비된다고 볼 수 있다. 제안하는 기법에서는 AMC알고리즘을 이용한 다중홉 클러스터링 환경에서 노드들이 밀집되어 있는 지역을 핫스팟 영역으로 지정하여 해당 지역에서 대표노드를 선정한다. 만약 데이터집계의뢰 메시지를 전송받으면, 주변의 노드를 대표하여 대표노드가 해당 환경 정보를 관리자에게 제공하여 중복되는 센싱 정보를 줄여 네트워크 수명을 증가시킬수 있도록 설계하였다.

• 디지털산업정보학회논문지
• /
• 제4권2호
• /
• pp.29-37
• /
• 2008

Clustering allows hierarchical structures to be built on the nodes and enables more efficient use of scarce resources, such as frequency spectrum, bandwidth, and energy in wireless sensor networks (WSNs). This paper proposes a hierarchical clustering algorithm called EEHC which is more energy efficient than existing algorithms for WSNs, It introduces region node selection as well as cluster head election based on the residual battery capacity of nodes to reduce the costs of managing sensor nodes and of the communication among them. The role of cluster heads or region nodes is rotated among nodes to achieve load balancing and extend the lifetime of every individual sensor node. To do this, EEHC clusters periodically to select cluster heads that are richer in residual energy level, compared to the other nodes, according to clustering policies from administrators. To prove the performance improvement of EEHC, the ns-2 simulator was used. The results show that it can reduce the energy and bandwidth consumption for organizing and managing WSNs comparing it with existing algorithms.

• 한국전자통신학회논문지
• /
• 제11권10호
• /
• pp.941-948
• /
• 2016

본 논문은 LEACH-Mobile를 사용하여 병원에서 환자들의 위치와 센서 데이터의 지속적인 수집을 시뮬레이션 하고자 한다. LEACH-Mobile(: Low Energy Adaptive Clustering Hierarchy)은 기존의 LEACH프로토콜에서 mobile노드를 추가하여 이동성을 향상시킨 프로토콜이다. LEACH-Mobile은 LEACH에서 이동성이 개선되었지만, 기존 LEACH보다 소모되는 에너지의 양이 더 많다. 여기서 LEACH-Mobile을 사용하는 이유는 병원의 모니터링시스템은 대체적으로 cctv나 간호사들의 주기적인 확인으로 이루어진다. 하지만 대부분의 병원은 환자수에 비해 간호사의 수가 적다. 그렇기에 간호사가 보지 못한 사이에, cctv의 사각에서 일어나는 사고에 환자가 다칠 가능성이 있다. 그래서 위치와 센서 데이터를 5개의 상황으로 지속적으로 수집하는 시뮬레이션을 하였고, 그 결과는 병원에서의 환자들의 동선 관리를 보다 효율적으로 하였다.

• 전자공학회논문지
• /
• 제52권3호
• /
• pp.213-220
• /
• 2015

저렴한 다수의 센서들로 구성되는 WSN(Wireless Sensor Network)은 운용 특성상 한 번 배치되면 전원의 교체가 불가능하기에 효율적인 에너지 관리는 중요한 문제이다. 에너지 효율성을 위한 방법 중 네트워크를 몇 개의 클러스터로 나누고 모든 센서들을 클러스터 헤드와 멤버 노드로 구분하는 클러스터링은 에너지 효율적인 WSN을 위한 매우 좋은 라우팅 기법이다. 최초의 클러스터 기반 라우팅 프로토콜인 LEACH는 정해진 확률에 따라 랜덤하게 클러스터 헤드를 선출한다. 하지만 선출된 헤드의 네트워크 내 분포가 적절하지 못 한 경우 클러스터 헤드들의 균일한 에너지 소비를 보장할 수 없고 이로 인해 시간에 따른 생존 노드 수 성능이 많이 감소할 수 있다. 이러한 점에 착안하여 논 본문에서는 클러스터 헤드 선택 시 모든 노드의 잔존 에너지를 비교한 뒤 최대 잔존 에너지를 갖는 노드를 헤드로 선택하는 방법을 제안한다. 노드 간 잔존 에너지 차이를 감소시켜 헤드였던 노드가 더욱 오랫동안 멤버 노드로서 역할을 할 수 있고 이로 인해 더욱 향상된 네트워크 생존 기간과 더 많은 데이터가 기지국으로 도착함을 확인할 수 있었다.

• 한국항행학회논문지
• /
• 제13권4호
• /
• pp.551-558
• /
• 2009

에너지 효율성 초점이 맞추어진 대부분의 클러스터링 기법에서 클러스터 내에서 단일의 클러스터를 채용함으로써 클러스터 헤드의 에너지 소비가 급격히 증가 할 수 있다. 최근, 이러한 단점을 개선하기 위해 데이터 병합 기능 헤드와 데이터 전송 기능 헤드로 구분하는 2-계층 클러스터 기법은 클러스터 내에서 클러스터 헤드의 에너지 소비를 분산시켰다. 그러나 이러한 구조는 한 클러스터 내에 존재하는 두 개 헤드 사이에 독립적인 영역구분이 없는 단지 논리적인 영역이므로 많은 메시지 충돌과 전송 지연이 발생한다. 이러한 문제점을 해결하기 위해, 본 논문에서는 노드의 위치정보와 클러스터 반경을 이용해 한 클러스터에 속한 두 계층을 독립적으로 명확히 분할할 수 있는 분리된 2-계층 라우팅기법을 제시한다. 제안하는 스킴에서는 각 계층에 속하는 멤버노드 수에 대한 균등분포를 통해 부하의 분산을 보장한다. 제안한 기법은 기존의 DLS 기법보다 메시지 충돌문제를 50% 개선하였고, 네트워크의 수명도 DLS와 LEACH 등에 비해 약 10% 개선하였다.

• 한국통신학회논문지
• /
• 제34권12B호
• /
• pp.1349-1358
• /
• 2009

선박 등에서의 컨테이너 적치환경은 전원공급의 한계 때문에 무선 센서 네트워크 기술이 이용된다. 이 경우 인프라 설치비용이나 어려움 때문에 많은 싱크노드 적용이 용이하지 않으므로 하나의 싱크노드에 수백에서 수천이라는 다수의 노드가 하나의 네트워크 구성에 참여하게 된다. 이런 대량의 노드들을 관리하기 위해 클러스터링 기반 Proactive 방식의 프로토콜이 적합하다. 하지만 컨테이너가 적치된 금속 장애물 환경에서는 전파의 간섭, 반사, 왜곡 등의 이유로 무선통신 환경이 불안정하다. 이에 따라 본 논문에서는 불안정한 무선통신의 신뢰성을 향상시키기 위해 기존의 변형 LEACH 프로토콜을 개선시켜 추가 변형된 LEACH 프로토콜을 제안한다. 제안 프로토콜에서는 링크 품질을 측정한 후 일정 품질 이상의 링크에만 연결설정을 하도록 구현하였다. 이를 통해 안정적인 토폴로지 형성을 유도하였으며, 기존의 프로토콜과 비교하였다. 비교 결과, 본 논문에서 제안한 프로토콜이 불안정한 무선통신 환경에서 기존의 프로토콜보다 안정적인 토폴로지를 형성함을 확인하였다.

• 한국통신학회논문지
• /
• 제41권11호
• /
• pp.1661-1670
• /
• 2016

본 논문에서는 화재 상황에서의 위험도 예측 시스템과 화재 대피 경로 도출 알고리즘을 제안한다. 온도 예측 시스템에서는 무선 센서 네트워크를 통해 수집한 온도 정보를 기반으로 멀티레벨 클러스터링 기법을 통해 사용자가 대피할 시점의 온도를 예측한다. 예측된 온도와 이의 신뢰도를 바탕으로 사용자의 현재 위치부터 가장 안전한 출구까지의 대피 경로를 도출하는 화재 대피 경로 알고리즘을 제안한다. NIST의 FDS(Fire Dynamics Simulator) 시뮬레이터를 이용하여 47개의 정적 노드로 구성된 무선 센서 네트워크에 대해 1436.41초 동안 성능 평가를 한 결과, 제안하는 온도 예측 시스템을 사용하였을 때, 예측 정확도가 1.48배 증가하였으며, 예측 정확도가 높은 군에 속하는 노드에 대해서는 4.21배로 크게 증가한 것으로 나타났다. 또한, 화재 대피 경로 알고리즘을 통해 도출한 대피 경로가 실제 ground-truth 온도를 사용하여 대피했을 때에 비하여 안전한 노드를 경유하는 비율이 큰 차이를 보이지 않았으며, 최단 대피 경로에 비해서는 약 12% 이상 더 안전한 경로를 도출하였음을 확인할 수 있었다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.165-165
• /
• 2017

모돈은 사육 특성상 제한된 파일롯 공간 안에 장시간 머물기 때문에 과중한 몸무게에 의한 지제 이상, 섭식 등의 불량, 수면상태의 불량 등을 지속적으로 관찰해야 하는 대상이다. 측면에 다수의 초음파 센서를 설치하여 기립의 상태 및 운동 시 몸체 궤적의 특성을 분석하여 종합적으로 모돈의 행동 특성을 정량화 하고자 하였다. 이 과정에서 계측 신호의 값을 대수적으로 비교하는 방식에 한계가 있음을 발견하였고, 이를 해결하고자 10 Hz/Ch 내외의 시계열 상대거리 궤적 신호를 주파수 도메인으로 변경하여 분석을 수행하였다. 일정 주파수에 집중되어 있는 주파수 값의 크기 변화(파워 스펙트럼 밀도)를 기준으로 모돈의 움직임의 정상 상태 유무 판별이 가능하였다. 단, 이러한 분석은 계측 데이터를 일괄 처리 방식으로 분석하는 방법으로 도출이 되었으므로, 계측과 정량 분석을 동시에 수행하기 위한 개선이 필요하였다. 계측 시스템에서 사용한 마이크로 프로세서는 Nucleo-446(STMelectronics, CA, USA)로 180 Mhz의 클럭 속도로 작동하나, 총 100 Hz 내외의 16비트 계측 신호에 대해 추가적으로 FFT 등의 주파수 변환 신호 처리를 수행하기에는 연산 능력이 부족하였다. 한편, 주파수 분석의 주기를 1분 단위로 할 경우 처리해야할 정보의 크기는 $100{\times}60{\times}5{\times}2Byte$ 이므로 1분 내에 해당 연산을 종료할 수 있는 추가의 연산 장치가 필요하였다. 계측과 주파수 도메인 변환 연산을 동시에 수행하기 위하여 1 Ghz의 연산능력을 가진 ARM A9 계열의 초소형 멀티코어 AP인 NanoPi Neo Air(Friendlyarm, Guangzhou, China)을 선정하였다. 4개의 코어를 각각 계측, Median 필터링, Smoothing 연산, FFT 분석에 사용하여 1분 단위, 2분 단위, 5분 단위의 주파수 분석을 동시에 수행하였다. 병렬 연산 라이브러리는 오픈 소스인 MPICH(www.mpich.org)를 이용하였다. 상대적으로 여유있는 자원을 보유하고 코어를 실시간으로 결정하여 다수의 모돈 개체 동시 모니터링을 위한 네트워크 연결 역할을 동시에 수행하도록 하였다. 1주일 내외의 요인 실험 수행 결과, 약 70 Mbyte의 데이터가 축적이 되었으며, 1분 단위, 2분 단위, 5분 단위의 주파수 도메인 변환 후 결과를 동시에 취득할 수 있었다. 일부 주파수 도메인 상의 파워 밀도 값이 모돈의 행동 특성에 분석에 유효한 정보를 제공함을 발견하였다. 모돈사 내 현장 보급이 가능한 초소형 AP와 멀티 코어 기반 병렬 처리 기법을 이용한 현장 진단 시스템 개발 연구를 지속적으로 수행할 것이다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.162-162
• /
• 2017

구글에서 공개한 Tensorflow를 이용한 여러 학문 분야의 연구가 활발하다. 농업 시설환경을 대상으로 한 빅데이터의 축적이 증가함과 아울러 실효적인 정보 획득을 위한 각종 데이터 분석 및 마이닝 기법에 대한 연구 또한 활발한 상황이다. 한편, 타 분야의 성공적인 심층학습기법 응용사례에 비하여 농업 분야에서의 응용은 초기 성장 단계라 할 수 있다. 이는 농업 현장에서 취득한 정보의 난해성 및 완성도 높은 생육/환경 모델링 정보의 부재로 실효적인 전과정 처리 기술 도출에 소요되는 시간, 비용, 연구 환경이 상대적으로 부족하기 때문일 것이다. 특히, 센서 기반 데이터 취득 기술 증가에 따라 비약적으로 방대해진 수집 데이터를 시간 복잡도가 높은 심층 학습 모델링 연산에 기계적으로 단순 적용할 경우 시간 효율적인 측면에서 성공적인 결과 도출에 애로가 있을 것이다. 매우 높은 시간 복잡도를 해결하기 위하여 제시된 하드웨어 가속 기능의 경우 일부 개발환경에 국한이 되어 있다. 일례로, 구글의 Tensorflow는 오픈소스 기반 병렬 클러스터링 기술인 MPICH를 지원하는 알고리즘을 공개하지 않고 있다. 따라서, 본 연구에서는 심층학습 기법 연구에 있어서, 예상 가능한 다양한 자원을 활용하여 최대한 연산의 결과를 빨리 도출할 수 있는 하드웨어적인 접근 방법을 모색하였다. 호스트에서 수행하는 일방적인 학습 알고리즘과 달리 이기종간 심층 학습이 가능하기 위해선 우선, NFS(Network File System)를 이용하여 데이터 계층이 상호 연결이 되어야 한다. 이를 위해서 고속 네트워크를 기반으로 한 NFS의 이용이 필수적이다. 둘째로 제한된 자원의 한계를 극복하기 위한 메모 공유 라이브러리가 필요하다. 셋째로 이기종간 프로세서에 최적화된 병렬 처리용 컴파일러를 이용해야 한다. 가장 중요한 부분은 이기종간의 처리 능력에 따른 작업을 고르게 분배할 수 있는 작업 스케쥴링이 수행되어야 하며, 이는 처리하고자 하는 데이터의 형태에 따라 매우 가변적이므로 해당 데이터 도메인에 대한 엄밀한 사전 벤치마킹이 수행되어야 한다. 이러한 요구조건을 대부분 충족하는 Open-CL ver1.2(https://www.khronos.org/opencl/)를 이용하였다. 최신의 Open-CL 버전은 2.2이나 본 연구를 위하여 준비한 4가지 이기종 시스템에서 모두 공통적으로 지원하는 버전은 1.2이다. 실험적으로 선정된 4가지 이기종 시스템은 1) Windows 10 Pro, 2) Linux-Ubuntu 16.04.4 LTS-x86_64, 3) MAC OS X 10.11 4) Linux-Ubuntu 16.04.4 LTS-ARM Cortext-A15 이다. 비교 분석을 위하여 NVIDIA 사에서 제공하는 Pascal Titan X 2식을 SLI로 구성한 시스템을 준비하였다. 개별 시스템에서 별도로 컴파일 된 바이너리의 이름을 통일하고, 개별 시스템의 코어수를 동일하게 균등 배분하여 100 Hz의 데이터로 입력이 되는 온도 정보와 조도 정보를 입력으로 하고 이를 습도정보에 Linear Gradient Descent Optimizer를 이용하여 Epoch 10,000회의 학습을 수행하였다. 4종의 이기종에서 총 32개의 코어를 이용한 학습에서 17초 내외로 연산 수행을 마쳤으나, 비교 시스템에서는 11초 내외로 연산을 마치는 결과가 나왔다. 기보유 하드웨어의 적절한 활용이 가능한 심층학습 기법에 대한 연구를 지속할 것이다