최근 유비쿼터스 컴퓨팅과 유비쿼터스 네트워크를 활용하여 새로운 서비스들을 개발하려는 노력이 활발히 진행 중이며, 이에 관련된 기술의 중요성도 급증하고 있다. 특히 감시정찰 센서네트워크의 핵심 구성요소인 저가의 경량 센서노드에서 측정한 미가공 데이터(raw data)를 사용하여 침입 물체의 실시간 탐지, 식별, 추적 및 예측하기 위한 디지털 신호처리 기술은 주요 기술 중 하나이다. 본 논문에서는 감시정찰 센서네트워크의 핵심 구성요소인 센서노드의 적외선 센서에서 측정한 척외선 미가공 데이터를 사용하여 사람과 차량을 탐지할 수 있는 디지털 신호처리 알고리즘을 설계 및 구현한다. 알고리즘의 주 목표는 감사정찰용 센서노드의 탐지 신뢰성을 높이기 위하여 높은 침입물체 탐지 성공률(success rate)과 낮은 허위신고(false alarm) 횟수를 갖도록 하는 것이다. 성능평가 결과에 의하면 제안한 APIDA 알고리즘은 평지일 경우 90% 이상의 탐지 성공률과 2회 이하의 허위신고 횟수를 가지는 것을 확인할 수 있었다.
최근 유비쿼터스 컴퓨팅과 유비쿼터스 네트워크를 활용하여 새로운 서비스들을 개발하려는 노력이 활발히 진행 중이며, 이에 관련된 기술의 중요성도 급증하고 있다. 특히 감시정찰 센서네트워크의 핵심 구성요소인 저가의 경량 센서노드에서 측정한 미가공 데이터(raw data)를 사용하여 침입 물체의 실시간 탐지, 식별, 추적 및 예측하기 위한 디지털 신호처리 기술은 주요 기술 중 하나이다. 본 논문에서는 감시정찰 센서네트워크의 핵심 구성요소인 센서노드의 적외선 센서에서 측정한 척외선 미가공 데이터를 사용하여 사람과 차량을 탐지할 수 있는 디지털 신호처리 알고리즘을 설계 및 구현한다. 알고리즘의 주 목표는 감사정찰용 센서노드의 탐지 신뢰성을 높이기 위하여 높은 침입물체 탐지 성공률(success rate)과 낮은 허위신고(false alarm) 횟수를 갖도록 하는 것이다. 성능평가 결과에 의하면 제안한 APIDA 알고리즘은 평지일 경우 90% 이상의 탐지 성공률과 2회 이하의 허위신고 횟수를 가지는 것을 확인할 수 있었다.
Recently, various new services based on ubiquitous computing and networking have been developed. In this paper, we contrive Adaptive PIR(Pyroelectric Infrared Radiation) Detection Algorithm (APIDA), a PIR-sensor based digital signal processing algorithm, that detects the movement of an invading obje...
Recently, various new services based on ubiquitous computing and networking have been developed. In this paper, we contrive Adaptive PIR(Pyroelectric Infrared Radiation) Detection Algorithm (APIDA), a PIR-sensor based digital signal processing algorithm, that detects the movement of an invading object by the recognition of heat change in the detection area, since the object like person or car emits heat(i.e., infrared radition), We devised APIDA as a highly reliable signal processing algorithm that increases the successful detection rate and decreases the false alarm rate in the intruding object detection. According to performance evaluation experiment, APIDA shows the successful detection rate of 90% and low false alarm in the plain area.
Recently, various new services based on ubiquitous computing and networking have been developed. In this paper, we contrive Adaptive PIR(Pyroelectric Infrared Radiation) Detection Algorithm (APIDA), a PIR-sensor based digital signal processing algorithm, that detects the movement of an invading object by the recognition of heat change in the detection area, since the object like person or car emits heat(i.e., infrared radition), We devised APIDA as a highly reliable signal processing algorithm that increases the successful detection rate and decreases the false alarm rate in the intruding object detection. According to performance evaluation experiment, APIDA shows the successful detection rate of 90% and low false alarm in the plain area.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 초소형 센서노드들로 이루어진 감시정찰 센서네트워크 환경하에서 높은 탐지 신뢰성을 가지는 디지털 신호처리 알고리즘인 Adaptive PIR Detection AlgoHfhm(APIDA)을 고안한다.
본 논문에서는 초소형 센서노드어〕서, 침입물체가 접근하였을 때 높은 탐지 성공률과 낮은 허위신고 횟수를 가지는 디지털 신호처리 알고리즘인 Adaptive PIR Detection Algorithm(APIDA)를 설계하였다. 실험을 통한 성능평가 결과에 의하면 제안한 알고리즘은 평지일 경우 90% 이상의 탐지 성공률(success rate)과 실험 기간 중 2회 이하의 허위신고(false alarm) 횟수를 가지는 것을 확인할 수 있었다.
가설 설정
이를 STE%라 하고 식 ⑺과 같다. 만약 %이동적 임계값 지연인 T'n보다 크면 S* TEP TRUE로설정하고, 작으면 FALSE 로 설정한다.
제안 방법
미가공 데이터를 측정하는 시간은 측정 시작 후 40초까지의 구간과 60초~80초 구간을 유휴 기간으로 설정하고 40초~60초 기간을 측정 대상이 이동하는 구간으로 설정하였으며, 피가공 데이터를 측정한 횟수는 센서 및 측정 거리별 40회로 유지하였다.
제안한 알고리즘의 성능평가를 하기 위하여 서울대공원 주차장과 국민대학교 공터 및 산악지대(오르막, 내리막 길)에서 성인남성과 SUV 차량에 대하여 미가공 데이터를 측정하는 실험을 실시하였다. 측정 당시 날씨는 맑았으며 온도는 20~25℃, 바람은 3~5m/s이었다.
침입물체의 유무를 판단하기 위하여 각 디지털 신호처리 단계별 참/거짓(TRUE/FALSD을 계산한 뒤, 그 결과를 침입탐지 결정 정책에 따라 탐지 유무를 판단한다. 자세한 탐지 결정 절차는 다음과 같다.
대상 데이터
제어 지원을 목표로 한다. 본 논문에서는 적외선 (KUBE의 C170) 및 소리 (IEA의 F6027AP) 센서가 장착되어 있으며, 미국 DARPA의 ExScal[3]프로젝트에서사용한 8비트 센서노드인 XSM(Crossbow MSP410CA) [4]을 사용한다(그림 1 참조). 그리고 센서노드 운영체제는 버클리 대학에서 개발한 TinyOS를 사용한다.
샘플링 주파수를 I4Hz로 하여 적외선 센서의 미가공데이터를 수집하며 이를 &이라 한다. 窑의 데이터 범위는 적외선 아날로그 신호의 디지털 변환 결과인 10비트(0~1023)이다.
측정 대상이 사람인 경우 평지와 오르막길 그리고 내리막길에 대하여 각각 미가공 데이터의 측정을 실시하였다. 그림 6과 같어 센서노드 맟 싱크노드를 배치시키고 사람 또는 차량이 측정 거리만큼 떨어진 곳으로부터횡으로 이동하도톡 하였다.
성능/효과
누적 허위신고 횟수에 있어서는 제안한 APIDA 알고리즘과 Anish Arora 알고리즘이 2회 이하를 가지고 Lin Gh의 알고리즘은 2회 이상을 나타낸다. 또한 오르막 길과 내리막 길 모두 평지와 같이 제안한 알고리즘이 성능평가 지표를 만족하였다.
성능평가 결과 측정 대상이 사람 또는 차량인 경우본논문에서 제안한 알고리즘이 기존 알고리즘에 비하여탐지 성공률과 누적 허위신고에 있어서 높은 성능을 보이는 것을 확인할 수 있다.
수집한 미가공 데이터를 시간 영역에서 주파수 영역으로 변환시키면 40초 영역에서 약간의 변화가 있으나 뚜렷하지 않으므로 수집한 미가공 데이터를 1Hz 차단주파수를 가지는 고역 통과 필터(High Pass Filter) 어〕통과시킨 경우에는 물체가 이동하는 40초 부근에서 값의 변화가 분명하며 결과적으로 침입 탐지 판단을 명확하게 한다.
Algorithm(APIDA)를 설계하였다. 실험을 통한 성능평가 결과에 의하면 제안한 알고리즘은 평지일 경우 90% 이상의 탐지 성공률(success rate)과 실험 기간 중 2회 이하의 허위신고(false alarm) 횟수를 가지는 것을 확인할 수 있었다.
그림 3은 10m 거리에서 SUV 차량이이동할 때 측정한 적외선 센서의 미가공 데이터이다. 측정 시작 후 40초가 지난 뒤 SUV 차량이 출발하였으며, 해당 시점에서 적외선 센서의 미가공 데이터가 변화됨을 확인할 수 있다.
그림 8과 같다. 탐지 성공률에 있어서 제안한 APIDA 알고리즘과 Lin Gu의 알고리즘이 34m까지 100%을 나타내는 것을 확인할 수 있다. 그러나 Anish Arora 알고리즘의 경우 20m에서 90% 이상의 탐지 성공률을 만족하지만 고정 임계값을 사용하기 때문에 26m 이후는 급격한 성능저하를 나타낸다.
평지에서 측정 대상이 사람일 경우 성능평가 결과 그래프는 그림 7과 같다, 탐지 성공률에 있어서 제안한 APIDA 얄고리즘과 Lin Gu의 알고리즘이 6m 이내에서 90% 이상을 나타내는 것을 확인할 수 있다. 반면에 Anish Arora 알고리즘의 경우 4m에서 釦% 이상의 탐지 성공률을 만족하나 6m 이후는 급격한 성능저하를 나타낸다.
후속연구
향후 날씨(비, 안개 등) 또는 지형(수풀, 산악 등) 에따른 다양한 환경하에서 측정한 미가공 데이터를 사용하여 성능평가를 실시해야 한다.
휴전선 GP 경계 등 전장 환경에 대한 감시정찰 업무에 활용할 수 있는 감시정찰 센서네트워크의 핵심 기능인 실시간 침입 탐지, 식별, 추적 및 예측 기술을 개발하기 위해서는 기존 대형 센서 체계와 다른 무선 센서 네트워크 기반 저전력 센서 신호처리에 대한 연구가 필요하다. 본 논문에서는 초소형 센서노드들로 이루어진 감시정찰 센서네트워크 환경하에서 높은 탐지 신뢰성을 가지는 디지털 신호처리 알고리즘인 Adaptive PIR Detection AlgoHfhm(APIDA)을 고안한다.
참고문헌 (6)
Mark Weiser, "The computer for the 21st century," IEEE Pervasive computing, mobile and ubiquitous systems, vol.1, no.1, pp.18-25, (reprinted with per-mission Copyright 1991 by Scientific Anerican inc), IEEE Computer Society, 2002. 2
Lin Gu, John A. Stankovic, et al, "Lightweight Detection and Classification for Wireless Sensor Networks in Realistic Environments," SenSys05, pp.205-217, 2005
Anish Arora, Emre Ertin, Sandip Bapat, Vinayak Naik, et al, "ExScal: Elements of an Extreme Scale Wireless Sensor Network," IEEE RTCSA 05, pp.102-108, 2005. 8
※ AI-Helper는 부적절한 답변을 할 수 있습니다.