• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권11호
• /
• pp.5476-5496
• /
• 2016

Energy efficiency of resource-constrained wireless sensor networks is critical in applications such as real-time monitoring/surveillance. To improve the energy efficiency and reduce the energy consumption, the time series data can be compressed before transmission. However, most of the compression algorithms for time series data were developed only for single variate scenarios, while in practice there are often multiple sensor nodes in one application and the collected data is actually multivariate time series. In this paper, we propose to compress the time series data by the Lasso (least absolute shrinkage and selection operator) approximation. We show that, our approach can be naturally extended for compressing the multivariate time series data. Our extension is novel since it constructs an optimal projection of the original multivariates where the best energy efficiency can be realized. The two algorithms are named by ULasso (Univariate Lasso) and MLasso (Multivariate Lasso), for which we also provide practical guidance for parameter selection. Finally, empirically evaluation is implemented with several publicly available real-world data sets from different application domains. We quantify the algorithm performance by measuring the approximation error, compression ratio, and computation complexity. The results show that ULasso and MLasso are superior to or at least equivalent to compression performance of LTC and PLAMlis. Particularly, MLasso can significantly reduce the smooth multivariate time series data, without breaking the major trends and important changes of the sensor network system.

• 인터넷정보학회논문지
• /
• 제23권1호
• /
• pp.19-29
• /
• 2022

Natural user interface (NUI) is used for the natural motion interface without using a specific device or tool like a mouse, keyboards, and pens. Recently, as non-contact sensor-based interaction technologies for recognizing human motion, gestures, voice, and gaze have been actively studied, an environment has been prepared that can provide more diverse contents based on various interaction methods compared to existing methods. However, as the number of sensors device is rapidly increasing, the system using a lot of sensors can suffer from a lack of computational resources. To address this problem, we proposed a real-time multi-device control system for natural interactive platform. In the proposed system, we classified two types of devices as the HC devices such as high-end commercial sensor and the LC devices such astraditional monitoring sensor with low-cost. we adopt each device manager to control efficiently. we demonstrate a proposed system works properly with user behavior such as gestures, motions, gazes, and voices.

• 한국통신학회논문지
• /
• 제39B권5호
• /
• pp.281-290
• /
• 2014

무선 센서 네트워크의 실시간성은 단대단 거리를 기반으로 각 노드에서 유지해야할 최소 전송 속도를 정의하고 이를 만족하는 노드들을 매 홉마다 선택함으로써 일정 시간 내에 목적지까지 도달하는 것을 보장하는 것이다. 따라서 실시간성은 소스와 싱크사이의 거리에 매우 의존적이다. 하지만 전달과정 중 음영지역을 만난 경우에 이를 우회하기 위한 탐지 시간과 전송 노드에서는 예상할 수 없는 음영지역의 크기 때문에 이동 거리를 예상할 수 없게 된다. 따라서 노드는 실시간성을 위해 유지해야할 최소한의 전송속도를 정의할 수 없게 되고 실시간 전송에 문제가 발생한다. 따라서 이 문제를 해결하고자 음영지역 주변 노드 스스로 음영지역을 탐지하고, 이를 이용하여 소스는 음영지역을 탐지하지 않고 우회지점을 통해 고정된 거리를 우회함으로써 전송 중 음영지역으로 인한 문제를 해결하는 방안을 제안한다. 제안된 방안은 음영지역 경계노드들이 스스로 음영지역 근처에 위치하고 있는 것을 인지하고 상호간에 통신을 통하여 음영지역을 모델링함으로써, 데이터를 전송할 소스는 해당 음영지역 정보를 탐지하지 않고 우회하는 방법을 사용한다. 시뮬레이션은 기존방안에 비해 더 나은 실시간성을 가지는 것을 보인다.

• 한국정보기술학회논문지
• /
• 제17권4호
• /
• pp.87-97
• /
• 2019

SRS는 특정 센서 네트워크 및 센서 유형에 독립적으로 센서 데이터의 의미를 모바일 기기에 즉시적으로 처리하기 위해 제안되었다. 하지만 새로운 센서 데이터를 수신할 때 마다 센서 데이터 검사 연산을 반복적으로 수행하게 되어 성능 저하를 야기한다. 이러한 문제점을 해결하기 위해 앱 프로파일 기반 SRS가 제안되었다. 앱 프로파일 기반 SRS는 프로파일을 통해 SRS 문제점을 개선하였으나 가상 시뮬레이션 환경에서 실험이 이루어졌으며 이 후 실시간 환경에서 실험을 하였으나 동적인 다양한 요소들을 고려하여 실험하지 못했다. 따라서 이 논문은 사용자의 이동성, 센서 밀집도 등의 인자를 고려하여 실험 평가를 실제 환경에서 수행하고 실험 결과의 분석을 통해 앱 프로파일 기반 SRS의 성능을 평가한다. 그 결과 앱 프로파일 기반 SRS는 밀집도와 센서의 종류에 큰 영향을 받으며, 센서 노드 수는 영향을 받지 않는 것을 알 수 있다.

• 전기전자학회논문지
• /
• 제20권4호
• /
• pp.420-423
• /
• 2016

본 논문은 임베디드 환경에서 실시간으로 동작하기 위해 입력 영상의 방향성을 판단하여 ROI를 지정하고 SURF, PROSAC 알고리즘을 적용하는 파노라마 영상 정합 방법을 제안한다. 기존의 파노라마 정합 알고리즘은 SURF 알고리즘이나 SIFT 알고리즘과 같이 많은 연산 데이터가 사용되는 알고리즘을 영상 전체에 적용하여 연산하기 때문에 불필요한 연산 영역을 포함하고 있다. 따라서 본 논문은 입력되는 영상의 방향을 판단한 결과로 영상의 ROI를 지정하여 불필요한 연산을 줄이는 방법을 제안한다. 영상의 방향을 판단하는데 사용하는 센서는 자이로 센서와 가속도 센서를 사용한다. 임베디드 환경에서 자이로 센서와 가속도 센서의 상보 필터를 통한 값 보정은 영상 정합 알고리즘의 처리 시간에 영향을 주지 않기 때문에 실시간 동작이 가능하다.

• 한국컴퓨터정보학회논문지
• /
• 제17권1호
• /
• pp.193-202
• /
• 2012

RFID 태그 인식 정보와 센서 데이터는 지속적으로 변화하고, 위치에 따라 구분되며, 시간에 따라 변화하는 대량의 정보라는 면에서 유사한 자료라고 할 수 있으며, 두 자료가 함께 관리된다면 환경 변화에 따른 객체 인식 등의 융합 처리가 가능하다. RFID 미들웨어와 EPCIS 저장소가 통합된 시스템을 구현한다면 미들웨어의 기능과 저장소의 기능을 동시에 사용할 수 있으며, 미들웨어로부터 정보를 받아 가공 처리할 필요 없이 실시간 인식 정보 검색이 가능해진다. 본 논문에서는 일반적인 객체 인식과 환경 정보 변화에 의존하는 객체 검색을 실시간으로 가능하게 하기 위해, 장치로부터 정보를 지속적으로 읽어 데이터베이스에 저장하고, 수집된 자료를 기반으로 EPCglobal에서 표준으로 제안하는 ALE 기반 미들웨어와 EPCIS 저장소를 RFID와 센서 데이터를 함께 처리할 수 있도록 설계하고 구현한다.

• 한국정보통신학회논문지
• /
• 제22권10호
• /
• pp.1307-1313
• /
• 2018

최근 빈번히 발생하고 있는 지진, 구조물의 노후화에 따라 구조물 붕괴 및 기울어짐 사고 등이 자주 발생하고 있으며, 이런 구조물에 대한 재난을 방지하기 위하여 다양한 방법이 제시되고 있는 실정이다. 이에 본 논문에서는 IoT(Internet of Things) 기반의 구조물 이상 유무를 실시간으로 모니터링 하여 구조물의 붕괴, 기울어짐, 화재 등에 대한 이상 징후현상을 사전에 제공하는 시스템을 제시한다. MEMS(Micro Electro Mechanical Systems) 센서(Sensor)기반의 기울기 센서, 가속도 센서를 이용, 센서별 검출된 데이터를 서버로 실시간 전송, 데이터를 축적하며, 설정된 임계치를 상위할 경우 대응할 수 있는 서비스를 제공 한다. 구조물의 붕괴, 기울어짐, 화재 등의 현상에 대한 임계치 상위 이벤트 발생 시 경고를 함으로, 구조물의 붕괴 및 기울어짐 현상에 대한 대피, 보수가 가능하여, 구조물에서 발생할 수 있는 재난에 대응할 수 있을 것이라고 사료된다.

• 한국정보전자통신기술학회논문지
• /
• 제10권5호
• /
• pp.424-434
• /
• 2017

산업 무선 센서 네트워크에서는 많은 응용들이 복합적인 서비스 품질 지원을 요구한다. 본 논문에서는 산업 무선 센서 네트워크에서 실시간 서비스의 신뢰성을 향상시키기 위하여 기회적 실시간 모니터링 데이터 전달 프로토콜을 제안한다. 전송 실패를 복구하기 위해 가장 많이 알려진 재전송 기법들은 실시간 요구사항에 위배되는 추가적 딜레이를 발생시키기 때문에 실시간 데이터 전달에 적절치 않다. 제안 프로토콜은 무선 네트워크의 브로드캐스팅 특성과 시간적 기회 제공 방법을 사용한다. 브로드캐스팅 특성을 통해서 라디오 반경 내 모든 이웃에게 전달하고, 시간적 기회 제공 방법으로 중계 우선순위를 정하여 모든 노드들이 중계 기회를 얻을 수 있게 한다. 제안 방안은 최대한 많은 노드가 라우팅에 참여하여 실시간 데이터 전송 확률을 높인다. 시뮬레이션을 통하여 제안 방안이 실시간 데이터 전송과 신뢰성 측면에서 우월함을 보인다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.310-318
• /
• 2018

최근 사물인터넷(IoT)의 등장으로 인터넷에 연결된 다양한 기기들에 의해 대규모의 데이터가 생성됨에 따라 빅데이터 분석의 중요성이 증가하고 있다. 특히 실시간으로 생성되는 대규모의 IoT 스트리밍 센서 데이터를 분석하여 새로운 의미 있는 미래 예측을 통해 다양한 서비스를 제공하는 것이 필요하게 되었다. 본 논문은 AWS를 활용하여 IoT 센서로부터 생성되는 스트리밍 데이터에 기반하여 실시간 실내 PM10 농도 예측 LSTM 모델을 제안한다. 또한 제안 모델에 따른 실시간 실내 PM10 농도 예측 서비스를 구축한다. 논문에 사용된 데이터는 PM10 IoT 센서로부터 24시간 동안 수집된 스트리밍 데이터이다. 이를 LSTM의 입력 데이터로 사용하기 위해 PM10 시계열 데이터로부터 30개의 연속된 값으로 이루어진 시퀀스 데이터로 변환한다. LSTM 모델은 바로 인접한 공간으로 이동해 가는 슬라이딩 윈도우 프로세스를 통하여 학습한다. 또한 모델의 성능 개선을 위해 24시간마다 수집한 스트리밍 데이터에 대해 점진적 학습 방법을 적용한다. 제안한 LSTM 모델의 성능을 평가하기 위해 선형회귀 모델 및 순환형 신경망(RNN) 모델과 비교한다. 실험 결과는 제안한 LSTM 예측 모델이 선형 회귀보다 700%, RNN 모델보다는 140% 성능 개선이 있음을 보여주었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.94.3-94
• /
• 2001

A sensor system was developed to measure displacement of civil structure at a long distance. A He-Ne Laser tube and photodiodes ware used for non-contact measurement. This system allows real time vibration displacement measurement of bridges. The measured displacement data is displayed on computer monitor graphically and also in digit. The accuracy of the displacement measurement shows 2mm in vertical vibration. It shows remote inspection of the vibration of long bridges and buildings.