• 한국멀티미디어학회논문지
• /
• 제19권2호
• /
• pp.360-374
• /
• 2016

Since WSNs (Wireless Sensor Networks) applied to their application areas such as smart home, smart factory, environment monitoring, etc., depend on sensor data, the sensor data is the most important among WSN components. The resources of each node consisting of WSN are extremely limited in energy, hardware and so on. Due to these limitation, communication failure probabilities become much higher and the communication failure causes data loss to occur. For this reason, this paper proposes 2MC (Maximum/Minimum Compression) that is a method to compress sensor data by selecting circular queue-based maximum/minimum sensor data values. Our proposed method reduces sensor data losses and value errors when they are recovered. Experimental results of 2MC method show the maximum/minimum 35% reduction efficiency in average sensor data accumulation error rate after the 3 times compression, comparing with CQP (Circular Queue Compression based on Period) after the compressed data recovering.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.301-304
• /
• 2015

센서네트워크는 기본적으로 센서 데이터를 활용하고 있기 때문에 센서 데이터는 센서네트워크의 구성요소 중 가장 중요하다 해도 과언이 아니다. 하지만 통신장애 발생 시 다양한 특징을 갖는 센서 데이터의 손실이 발생할 수 있다. 본 논문에서는 이를 위해 최대/최소값 중심으로 센서 데이터를 메모리에 저장 및 압축하는 2MC 방법을 제안하고, 보간법을 사용하여 데이터 복구 후 실제 데이터와 비교하여 그 성능을 검증하였다. 실험결과, 기존 방법과 비교하여 최대 8배까지 압축한 복구 데이터를 실제로 사용할 수 있는 정도이며, 평균 오차율은 8배 압축에서 기존 압축 방법 대비 최대 35% 감소하였다.

• 한국시뮬레이션학회논문지
• /
• 제25권2호
• /
• pp.31-40
• /
• 2016

무선센서네트워크는 해양환경, 군사시설 등 다양한 분야에서 활용되고 있다. 이러한 활용은 센서 데이터를 기반으로 이루어지기 때문에 센서 데이터는 굉장히 중요하다. 무선센서네트워크에서의 통신은 주위 환경에 매우 민감하게 영향을 받기 때문에 통신장애가 발생할 확률이 높다. 특히 수중통신의 경우 좁은 대역폭과 느린 전송 속도, 주변 환경의 잡음 등으로 인해 전파통신에 비해 통신장애는 더 빈번하게 발생한다. 통신장애가 발생하면 센서 데이터 전달과정에서 데이터가 손실될 수 있고, 이는 화재감지 시스템과 같이 실시간성이 중요한 분야에서는 큰 피해를 입을 수 있다. 이를 위해 센서 데이터의 저장 및 압축을 위한 연구를 진행하였지만 이를 위한 프레임워크가 존재하지 않아 그 실현에 어려움이 있었다. 따라서 본 논문에서는 센서 데이터의 손실 감소를 위한 프레임워크를 제안하고 성능을 분석하였다. 분석 결과, 프레임워크를 적용하지 않은 경우에는 통신장애 발생 후 t 시간이 경과함에 따라 T/t(T는 통신장애 발생 시 데이터 저장에서 메모리가 full 상태가 되는 시간)의 복구율 감소를 보인다. 게다가, T 시간 이후의 센서 데이터는 모두 복구가 불가능한 오류에 해당한다. 그러나, 제안한 프레임워크를 적용한 경우는 100%의 데이터 복구율과 2~6%의 복구 후 데이터 오차율을 보인다.