• 한국통신학회논문지
• /
• 제39C권8호
• /
• pp.660-666
• /
• 2014

본 논문에서는 선박 내부에 IP-USN(Internet Protocol-Ubiquitous Sensor Network)망을 적용한 경우 선박 내부를 기능적으로 분류하여 센서 노드를 구성하고 효율적으로 라우팅할 수 있는 방안을 제안하였다. 이동성이 제한적인 선박의 기계실이나 기관실과 같은 경우에는 트리형태의 라우팅 기법을 적용하였으며 이동성이 많은 식당이나 휴게실과 같은 거주구역에는 메시 형태의 라우팅 기법을 적용하였다. 또한 싱크 노드와 센서 노드 사이의 경로를 주기적으로 유지하기 위해서 새로운 메시지 타입인 RDES(Routing Detect Sensor-Node) 형식의 메시지를 정의하였다. RDES 메시지를 이용함으로써 이동성에 상관없이 추가되는 센서 노드에 대한 경로 업데이트가 가능하다.

• 한국콘텐츠학회논문지
• /
• 제7권11호
• /
• pp.130-139
• /
• 2007

현재 무선통신의 효용성이 증가되면서 다양한 분야에서 유선과 무선을 통합한 형태의 연결망으로 구축된 유비쿼터스 환경이 발전되고 있다. 이러한 네트워크 환경에서 각 대학은 유비쿼터스 센서네트워크를 기반으로 한 u-캠퍼스 구축이 활발하게 발전하고 있다. u-캠퍼스는 유비쿼터스 컴퓨팅 기술과 무선 네트워크기술을 대학의 캠퍼스에 접목시켜 구축한 형태의 새로운 캠퍼스이다. 본 논문에서는 이러한 u-캠퍼스 기반에서의 zigbee 기술을 이용한 전문대학의 특성에 적합한 u-캠퍼스를 설계하였다. zigbee 무선 통신기술을 적용한 u-캠퍼스 서비스는 zigbee 네트워크를 이용한 편리한 서비스를 구성원에게 제공한다.

• 대한지리학회지
• /
• 제43권2호
• /
• pp.220-234
• /
• 2008

안전과 보안이 현대사회의 중요한 관심사로 등장하고 있고 그 대상 영역이 실내 공간으로 넘어서 도시로 확대되고 있다. 도심지역에 수 많은 감시 센서들이 설치 운영되고 있다. 많은 보안 모니터링 맥락에서 감시 센서/네트워크의 수행능력 혹은 효율성은 조명의 변화와 같은 환경 조건에 제약을 받는다. 서로 보완적인 상이한 유형의 센서를 설치함으로써 개별 유형의 센서의 고장 혹은 한계를 극복할 수 있다는 것은 익히 잘 알려진 사실이다. 입지 분석과 모델링의 관점에서 관심사는 어떻게 보완적인 상이한 유형의 센서들의 적절한 입지를 결정하여 보안기능을 강화할 수 있느냐 이다. 이 연구는 k 개의 상이한 유형의 감시 센서의 위치를 결정하는 커버리지 기반의 최적화 모델을 제시한다. 이 모델은 상이한 유형의 센서 사이의 공통 커버리지와 동일 유형의 센서 사이의 중복 커버지리를 동시에 고려한다. 개발된 모델은 도심 지역에 센서를 위치시키는데 적용된다. 연구 결과는 공통 및 중복 커버리지가 동시에 모델링 될 수 있으며, 두 유형의 커버지리 사이의 tradeoff를 보여주는 많은 해들이 있음을 보여준다.

• 디지털융복합연구
• /
• 제12권1호
• /
• pp.333-338
• /
• 2014

Zigbee는 무선 센서 네트워크 환경에 최적화된 무선 통신 기술 중의 하나이다. 무선 센서 네트워크에서 게이트웨이는 센서 노드들을 제어하고 송수신된 데이터를 전송하는데 사용된다. 하지만 고정된 형태의 게이트웨이는 무선 센서 네트워크의 유연성을 제한한다. 고성능 프로세서가 탐재된 스마트폰과 안드로이드 OS를 이용하면 쉽게 스마트폰을 모바일 게이트웨이로 사용할 수 있다. 이에 본 논문에서는 안드로이드 스마트폰을 이용한 모바일 게이트웨이를 제안하였다. 제안한 시스템에서 Zigbee 통신 모듈은 USB 포트를 이용하여 스마트폰과 연결된다. 또한 모바일 게이트웨이를 위한 안드로이드 어플리케이션도 구현하였다.

• 비파괴검사학회지
• /
• 제16권1호
• /
• pp.34-45
• /
• 1996

음향 방출 신호의 수집 및 처리, 특징값 추출 및 선택, 분류기 설계 및 검증 과정 등을 수행할 수 있는 신호 형상 인식 프로그램을 개발하고, 이를 오스테나이트계 STS304 용접부의 인공 결함 분류 연구에 적용하였다. 특히 분류기로는 선형 함수 분류기, 경험적 Bayesian 분류기, 신경 회로망 분류기를 사용하였고, 센서는 광대역 센서와 공진형 센서를 사용하여 분류기간의 비교와 센서간의 차이점을 검토하였다. 그 결과 신경 회로망 분류기가 다른 분류기에 비해 높은 인식률을 주었고, 공진형 센서보다는 광대역 센서를 통해 받은 신호가 더 높은 인식률을 주었다.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2005년도 6th 2005 International Conference on Computers, Communications and System
• /
• pp.147-151
• /
• 2005

CAN(Controller Area Network) is a simple and efficient network system for real time control and measurement. As it is not only good at error detection but also strong in electromagnetic interference, CAN has been widely used all over the industries. Basically, CAN needs a master node in charge of sensor data collection, node scheduling for data transmission to a monitoring system and error detection. According to the number of mater nodes, the CAN system is classified into two type of master system. One is a single master system that has only one master node and the other is a multi-master system where any sensor node can become a master node depending on the system's conditions. While it has the advantage of its fault tolerance, the multi-master system will suffer form the overall performance degradation when a defect is found in the master node. It is because all sensor nodes pertaining to a defective master node lose their position. Moreover, it is difficult and expensive to implement. For a single master system, the whole system will be broken down when a problem happens to a single master. In this paper, a dynamic master system is presented that there are several sub-master nodes of which basic functions are those of other sensor nodes at ordinary times but dynamically changed to replace the failing master node. An effective scheduling algorithm is also proposed to choose an appropriate node among sub-master nodes, where each sub-master node has its precedence value. The performance of the dynamic master system is experimented and analyzed.

• 정보처리학회논문지C
• /
• 제17C권6호
• /
• pp.459-464
• /
• 2010

다양한 응용에 적용될 수 있는 특성을 가진 무선 센서 네트워크는 적용되는 응용에 따라 데이터 리포팅 허용 지연시간이 다양하다. 따라서, 각 응용별로 센서를 제어하는 설계 패러다임을 적용하여 에너지 효율을 최대화하고 네트워크의 생존기간을 최대화할 수 있어야 한다. 본 논문에서는 2단계 클러스터링 (Two Phase Clustering:TPC) 방식을 기반으로 하여 센서 데이터 수집시 에너지 효율을 극대화 하는 리포팅 허용 지연시간 적응형 센서 스케쥴링 방안을 구현하고 성능을 평가한다. 센서 Mote상에 직접 구현된 스케쥴링 기법은 제어 메시지나 시간에 민감한 센서 데이터들을 포워딩하는 직접 링크와 릴레이 링크의 두 가지 링크를 활용하며 실제 환경에서의 에너지 효율을 측정하여 센서들이 두 링크를 사용함으로서 갖는 에너지-절약 효과를 보인다.

• 정보처리학회논문지D
• /
• 제16D권2호
• /
• pp.177-184
• /
• 2009

무선 통신 기술과 다양한 감지 기술들의 발달로 실세계의 환경을 분석하고 생태계의 변화를 이해하기 위한 환경 모니터링 시스템들이 널리 개발되고 있다. 이러한 시스템들은 센서 데이터로부터 유용한 정보를 추출하기 위하여, 원시 센서 데이터를 기반으로 질의를 처리하기 때문에, 환경 모니터링 응용에서 전송되는 넓은 지역의 대용량 센서 데이터를 다루기 위해서는 높은 질의 처리 비용을 요구한다. 또한 현재 및 가까운 미래의 상황 체크를 요청하는 사용자 질의에 답하기 어려운 문제점이 있다. 이 논문에서는 환경 모니터링을 위해 사용자 질의를 효과적으로 처리하기 위한 모니터링 시스템 구조를 제시하고, 설계된 센서 데이터 필터링과 추상화 모델의 활용을 기술한다. 제시된 추상화 기법은 GIS의 경사 그리드를 기반으로 설계되어, 빠른 데이터 접근 및 갱신을 지원한다. 상황 분석을 위해 추상화 모델에서 센서 타입별로 추출된 내용은 질의 처리기에서 결합되어 사용자에게 의미있는 정보를 제공하는데 도움을 준다.

• 대한의용생체공학회:의공학회지
• /
• 제29권6호
• /
• pp.457-465
• /
• 2008

HL7(Health Level 7) is a standard for exchanging medical and healthcare data among different medical information systems. As the ubiquitous era is coming, in addition to text and imaging information, a new type of data, i.e., streaming sensor data appear. Since the HL7 is not covering the interfaces among the devices that produces sensor data, it is expected that sooner or later the HL7 needs to include the biomedical sensors and sensor networks. The IEEE 1451 is a family of standards that deals with the sensors, transducers including sensors and actuators, and various wired or wireless sensor networks. In this paper, we consider the possibility of interoperability between the IEEE 1451 and HL7. After we propose a format of messages in HL7 to include the IEEE 1451 TEDS, we present some preliminary results that show the possibility of integrating the two standards.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1302-1308
• /
• 2019

본 논문은 CNN (Convolutional Neural Network)와 2D Lidar 센서에서 획득한 위치 데이터를 이용하여 이미지를 분류하는 방법을 제시한다. Lidar 센서는 데이터 정확도, 형상 왜곡 및 광 변화에 대한 강인성 측면에서의 이점으로 인해 무인 장치에 널리 사용되어 왔다. CNN 알고리즘은 하나 이상의 컨볼루션 및 풀링 레이어로 구성되며 이미지 분류에 만족스러운 성능을 보여 왔다. 본 논문에서는 학습 방법에 따라 다른 유형의 CNN 아키텍처들인 Gradient Descent (GD) 및 Levenberg-arquardt (LM)를 구현하였다. LM 방법에는 학습 파라메터를 업데이트하는 요소 중 하나인 Hessian 행렬 근사 빈도에 따라 두 가지 유형이 있다. LM 알고리즘의 시뮬레이션 결과는 GD 알고리즘보다 이미지 데이터의 분류 성능이 우수하였다. 또한 Hessian 행렬 근사가 더 빈번한 LM 알고리즘은 다른 유형의 LM 알고리즘보다 작은 오류를 보여주었다.