오늘날 무선 장비들이 센서네트워크를 비롯한 매우 다양한 분야에서 광범위하게 사용되고 있다. 무선으로 연결된 센서들은 다양한 임무 수행을 위하여 많은 분야에서 활용되고 있다. 이런 임무를 수행하는데 있어 각 센서의 위치정보는 매우 중요한 시스템 관리의 요소가 된다. 센서노드간 거리 측정은 신호의 도착시간차(Time of Arrival; ToA), 신호세기(Received Signal Strength: RSS), 신호각도(Angle of Arrival: AoA)에 기반을 둔 방법 등이 있다. 무선 센서네트워크에 배치되어 있는 각 센서노드간 정확한 거리 식별을 위해 기존의 거리 측정 방법을 보완하여 거리 오차를 줄이는 ToA기반의 RSS보정 방법을 제안한다. 구체적으로 초음파를 통한 거리측정 값에 맵(RF-MAP)을 통해 보정한 RSS값을 가중치로 보정하여 기존의 거리 측정 방법보다 측정오차를 감소시킬 수 있었다. 실험을 통해 본 연구 방법이 기존 ToA보다 실내($5m{\times}7m$)에서 평균 0.1cm, 실외($10m{\times}10m$) 평균 0.6cm 측정 오차를 줄일 수 있음을 확인 할 수 있었다.
오늘날 무선 장비들이 센서네트워크를 비롯한 매우 다양한 분야에서 광범위하게 사용되고 있다. 무선으로 연결된 센서들은 다양한 임무 수행을 위하여 많은 분야에서 활용되고 있다. 이런 임무를 수행하는데 있어 각 센서의 위치정보는 매우 중요한 시스템 관리의 요소가 된다. 센서노드간 거리 측정은 신호의 도착시간차(Time of Arrival; ToA), 신호세기(Received Signal Strength: RSS), 신호각도(Angle of Arrival: AoA)에 기반을 둔 방법 등이 있다. 무선 센서네트워크에 배치되어 있는 각 센서노드간 정확한 거리 식별을 위해 기존의 거리 측정 방법을 보완하여 거리 오차를 줄이는 ToA기반의 RSS보정 방법을 제안한다. 구체적으로 초음파를 통한 거리측정 값에 맵(RF-MAP)을 통해 보정한 RSS값을 가중치로 보정하여 기존의 거리 측정 방법보다 측정오차를 감소시킬 수 있었다. 실험을 통해 본 연구 방법이 기존 ToA보다 실내($5m{\times}7m$)에서 평균 0.1cm, 실외($10m{\times}10m$) 평균 0.6cm 측정 오차를 줄일 수 있음을 확인 할 수 있었다.
Nowadays, wireless infrastructures such as sensor networks are widely used in many different areas. In case of sensor networks, the wirelessly connected sensors can execute different kind of tasks in a diversity of environments, and one of the most important parameter for a successful execution of s...
Nowadays, wireless infrastructures such as sensor networks are widely used in many different areas. In case of sensor networks, the wirelessly connected sensors can execute different kind of tasks in a diversity of environments, and one of the most important parameter for a successful execution of such tasks is the location information of each node. As to localization problems in WSNs, there are ToA (Timer of Arrival), RSS (Received Signal Strength), AoA (Angle of Arrival), etc. In this paper, we propose a modification of existing ToA and RSS based methods, adding a weighted average scheme to measure more precisely the distance between nodes. The comparison experiments with the traditional ToA method show that the average error value of proposed method is reduced by 0.1 cm in indoor environment ($5m{\times}7m$) and 0.6cm in outdoor environment ($10{\times}10m$).
Nowadays, wireless infrastructures such as sensor networks are widely used in many different areas. In case of sensor networks, the wirelessly connected sensors can execute different kind of tasks in a diversity of environments, and one of the most important parameter for a successful execution of such tasks is the location information of each node. As to localization problems in WSNs, there are ToA (Timer of Arrival), RSS (Received Signal Strength), AoA (Angle of Arrival), etc. In this paper, we propose a modification of existing ToA and RSS based methods, adding a weighted average scheme to measure more precisely the distance between nodes. The comparison experiments with the traditional ToA method show that the average error value of proposed method is reduced by 0.1 cm in indoor environment ($5m{\times}7m$) and 0.6cm in outdoor environment ($10{\times}10m$).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 무선센서 장비를 통하여 획득할 수 있는 노드 간 초음파를 통해 측정한 거리 정보(ToA)와 전파의 수신세기(RSS) 거리정보를 맵(RF-MAP)을 이용 ToA 기반 RSS 거리 정보를 가중 평균을 이용 보정을 통하여 오차를 개선시키는 방법을 연구하였고, 실험을 통하여 거리 오차를 감소시키는 결과를 얻을 수 있었다.
본 논문에서는 센서노드의 위치 식별을 위한 노드간 거리 정보의 정확성 향상을 위해 ToA와 RSS을 이용하여 가중평균으로 측정결과를 보정하는 알고리즘을 제안하였다. 실험은 3단계로 노드간의 초음파를 이용하여 거리정보 측정, 센서노드가 기본적으로 가지고 있는 RSSI를 이용한 수신신호 세기를 측정, 그리고 가중치 부여를 통한 보정단계로 진행된다.
제안 방법
Cricket은 천정에 다수의 비컨(Beacon)이 존재하고 위치 파악이 필요한 물체에는 수신기를 부착한다. 비컨에서 발생된 초음파 신호를 수신기에서 수신하고 ToA를 확인하여 다수의 거리 정보를 사용해서 수신기 자신의 위치 좌표를 계산한다.
수신신호 세기는 센서노드에 구현된 RSSI(Received Signal Strength Indicator) 회로를 이용하여 전달된 신호의 전압 세기를 측정한다. RSS는 추가 대역이나 에너지 소모 없이 노드간 정보전송시에도 RF의 RSSI를 이용하여 거리를 측정할 수 있다.
무선 센서노드간 정확한 거리측정을 위해 초음파를 이용한 ToA 기반에 RF-MAP으로 측정된 RSS의 가중 평균을 이용하여 측정오차를 줄인다. 정확한 거리 측정을 위해 ToA 측정 단계, RSS 측정 단계, 가중치 부여를 통한 보정 단계로 구분하여 3단계로 진행한다.
무선 센서노드간 정확한 거리측정을 위해 초음파를 이용한 ToA 기반에 RF-MAP으로 측정된 RSS의 가중 평균을 이용하여 측정오차를 줄인다. 정확한 거리 측정을 위해 ToA 측정 단계, RSS 측정 단계, 가중치 부여를 통한 보정 단계로 구분하여 3단계로 진행한다.
RSS 측정 단계(2단계)는 센서노드가 기본적으로 가지고 있는 RSSI회로를 이용한 수신강도세기를 통해 센서노드의 거리에 따른 수신강도세기를 측정하여 거리를 측정한다. 따라서 ToA 환경에 적용되었던 실험환경을 RSS에 적용하여 거리와 수신세기의 관계를 확인한다.
1단계(ToA 측정)에서 센서 네트워크에 배치되어 있는 노드와 노드간의 ToA를 이용하여 거리를 측정하였고 측정 결과는 과 같다.
RSS 신호는 주변 환경에 영향을 많이 받기 때문에 두 센서노드 사이에 정확한 수치를 계산하기 위해 다수의 신호의 송·수신이 필요하다. 본 연구에서 송신기는 10회의 RF신호를 송신하여 신호세기의 평균과 표준편차를 산출하였다. RF신호를 송신한 센서노드는 수신자로부터 계산된 거리를 수신하기 위해 수신 신호를 대기한다.
보정 단계(3단계)는 가중치 부여 단계이다. 1-2단계의 ToA와 RSS의 거리측정 과정을 통해 확보한 위치 자료를 기반으로 센서노드의 거리 오차를 최소화하는 방안을 도출한다. 측정한 RSS값의 거리 정보를 보정하기 위해 타깃환경을 커버하는 표본의 위치에서 측정한 맵(RF-MAP)으로 보정한다.
1-2단계의 ToA와 RSS의 거리측정 과정을 통해 확보한 위치 자료를 기반으로 센서노드의 거리 오차를 최소화하는 방안을 도출한다. 측정한 RSS값의 거리 정보를 보정하기 위해 타깃환경을 커버하는 표본의 위치에서 측정한 맵(RF-MAP)으로 보정한다. ToA와 보정한 RSSI값의 측정 오차를 줄이기 위해 가중치를 부여한다.
수신신호세기는 배치된 모든 센서노드로부터 측정할 수 있다. 맵(RF-MAP)은 동일 실내 환경에서 일정 간격으로 거리를 변경하며 RSS를 측정하여 관계식을 도출하였다.
센서노드의 RF 송·수신기는 수신측이 -94dBm 전파까지 분석할 수 있어 송신측의 RF 파워에 따라 전송 거리가 결정되게 된다. 송신기의 전송파워 레벨은 기본적인 8단계 레벨 중 17.4mA를 적용하기 위해 16진수 0x1f를 적용하였고 함수를 통해 측정한 RSSI값과 CC2420에 정의된 보상 값(-45)을 반영 하였다.
2단계(RSS 측정 단계)는 RF-MAP 구성과 RSS 측정으로 구분하여 진행하였다. 거리와 RSS값의 관계 맵을 도출하기 위해 싱크노드를 고정시키고 송신 노드를 50cm 단위로 거리 간격을 조정하여 10미터까지 측정하였다. 측정한 거리별 RSS값과 산점도는 (그림 2)와 같다.
본 논문에서는 센서노드의 위치 식별을 위한 노드간 거리 정보의 정확성 향상을 위해 ToA와 RSS을 이용하여 가중평균으로 측정결과를 보정하는 알고리즘을 제안하였다. 실험은 3단계로 노드간의 초음파를 이용하여 거리정보 측정, 센서노드가 기본적으로 가지고 있는 RSSI를 이용한 수신신호 세기를 측정, 그리고 가중치 부여를 통한 보정단계로 진행된다. 측정한 RSS값을 보정하기 위해 실험환경을 커버하는 표본의 위치에서 측정한 맵(RF-MAP)으로 보정한다.
거리와 RSS의 관계의 R-제곱 값이 높고 오차가 적은 3차원 관계식을 이용하여 RSS측정 하였고, RSS 측정결과를 ToA와 비교하면 과 같다.
RSS 측정 단계(2단계)는 센서노드가 기본적으로 가지고 있는 RSSI회로를 이용한 수신강도세기를 통해 센서노드의 거리에 따른 수신강도세기를 측정하여 거리를 측정한다. 따라서 ToA 환경에 적용되었던 실험환경을 RSS에 적용하여 거리와 수신세기의 관계를 확인한다. RSS 신호는 주변 환경에 영향을 많이 받기 때문에 두 센서노드 사이에 정확한 수치를 계산하기 위해 다수의 신호의 송·수신이 필요하다.
대상 데이터
실험에 사용한 무선통신 센서는 마이크로 컨트롤러(ATmega128L), 무선 통신 칩(CC2420), 센서, 안테나 등으로 구성되어 있으며 프로그래밍과 Host PC와의 통신을 위한 인터페이스를 포함한다. Zigbex Ⅱ 모트는 센서 네트워크를 구성하기 위한 가장 기본적인 모듈로 옵션 센서 모드를 부착하여 센서 정보를 얻을 수 있다.
무선 센서 네트워크를 구성하고 있는 Zigbex 센서노드들은 자신이 수집한 감지 데이터를 원거리에 존재하는 싱크 노드에게 데이터를 전송한다. 센서네트워크를 구성하는 테스트 배드 환경은 (그림 1)과 같이 가로 10m, 세로 10m 공간에 총 4개(센서노드 3개, 싱크 1개)를 각각 배치하였다. ToA측정을 위해 싱크 노드를 포함한 3개의 센서노드에는 초음파 센서 모듈을 장착하여 배치하였다.
데이터처리
측정한 RSS값을 보정하기 위해 실험환경을 커버하는 표본의 위치에서 측정한 맵(RF-MAP)으로 보정한다. 가중치는 ToA와 RSS 측정 값의 평균과 표준편차를 이용하여 산출한다.
이론/모형
송신기는 초음파를 송신하겠다는 RF 메시지 송신이 끝나면 바로 초음파 모듈을 작동시켜 측정 오류를 최소화하고 평균과 신호의 표준편차를 구하기 위해 5회의 초음파 신호를 전송한다. 수신 신호의 평균은 저장 장소 및 처리 시간을 고려하여 반복적 자료처리(recursive data processing)방법을 사용한다. 이를 통해 초음파 신호 수신시간의 평균을 산정할 수 있다.
RF신호를 송신한 센서노드는 수신자로부터 계산된 거리를 수신하기 위해 수신 신호를 대기한다. 수신자는 초음파 신호 이후에 9번의 RF 신호를 수신하게 되고 수신된 신호 세기는 ToA와 마찬가지로 반복적 자료처리(recursive data processing) 방법을 사용하였다.
성능/효과
본 실험결과 센서 네트워크에 배치되어 있는 노드간 거리는 6개의 노드간 거리 측정결과에서 전체적으로 ToA보다 향상된 결과를 나타내고 있다. 노드와 노드간의 향상은 앞에서 ToA와 RSS의 측정값의 평균오차와 표준편차를 이용하여 약 2.
ToA와 제안 알고리즘의 노드간 측정 오차는 (그림 4)와 같다. ToA 오차 평균은 10.63cm, RSS 오차평균은 36.7cm, 제안 알고리즘 오차 평균은 7.09cm로 제안 알고리즘인 ToA기반 RSS을 이용한 가중치 보정 방법이 기존 ToA보다 실험환경(10m*10m)에서 약 30% 오차를 줄일 수 있음을 확인하였다.
실험은 실외에 센서 네트워크를 구축하여 실험을 실시하여 ToA 평균 오차 10.63m, 표준편차 17.95cm, RSS는 평균 오차 36.7cm, 표준편차 83.7cm의 값을 얻을 수 있었다. 노드와 노드간의 거리 측정 결과는 제안 알고리즘이 기존 ToA보다 모두 향상된 결과를 보였고, 제안 알고리즘의 평균 오차가 ToA 보다 향상되어 무선센서노드간 거리 정확도를 개선할 수 있음을 확인 할 수 있다.
7cm의 값을 얻을 수 있었다. 노드와 노드간의 거리 측정 결과는 제안 알고리즘이 기존 ToA보다 모두 향상된 결과를 보였고, 제안 알고리즘의 평균 오차가 ToA 보다 향상되어 무선센서노드간 거리 정확도를 개선할 수 있음을 확인 할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
무선 센서네트워크는 무엇인가?
무선 센서네트워크는 고정된 인프라의 도움 없이 센서노드만으로 정보를 수집하는 네트워크로서 일정한 지역에 수백 혹은 수천 개에 이르는 센서노드들을 분산 배치하여 주변 환경을 감지하고, 감지된 데이터를 처리하며, 그 데이터를 중앙 시스템에 전송하는 체계이다[1]. 이런 감지된 데이터는 그 데이터의 위치가 어디인지를 알아야만 의미가 있다.
무선 센서네트워크에서 노드간 거리를 측정하는 방법은 무엇이 있는가?
무선 센서네트워크에서 노드간 거리를 측정하는 방법은 전파의 속도에 따른 도착 시간차를 이용하는 ToA(Time of Arrival), 전파의 세기의 크기를 통해 거리를 측정하는 RSS(Received Signal Strength), 신호가 전송되는 방향의 각도를 이용해 거리를 측정하는 AoA(Angle of Arrival)등이 있다.
Cricket은 어떻게 수신기 자신의 위치 좌표를 계산하나?
Cricket은 천정에 다수의 비컨(Beacon)이 존재하고 위치 파악이 필요한 물체에는 수신기를 부착한다. 비컨에서 발생된 초음파 신호를 수신기에서 수신하고 ToA를 확인하여 다수의 거리 정보를 사용해서 수신기 자신의 위치 좌표를 계산한다.
참고문헌 (8)
I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci. “A survey on sensor networks”, IEEE Communications Magazine, Vol 40, No8, August 2002.
I.Getting, “The Global Positioning System”, IEEE Spectrum, Vol.30, Iss.12, Mar.-Apr., pp.43-51, 2003.
Andreas Savvides, Chih-chieh Han, Mani B., “Dynamic Fine-Grained Localization in Ad-Hoc Networks of Sensors”, In Proceedings of ACM SIGMOBILE, pp.166-179, 2001.
Neal Patwari, “Location Estimation in Sensor Networks”, University of Michigan, p.6, 2005.
M. Maroti, B, Kusy, G. Simon, A, Ledeczi, “The Flooding Time Synchronization Protocol”, In Proceedings of Sensys, pp.39-49, 2004.
Nissanka Bodhi Priyantha, “The Cricket Indoor Location System”, MIT, 2005.
P.Bahl and V. N. Padmanabhan. “RADAR : An In-Building RF-based User Location and Tracking System”. In Proceedings of IEEE INFOCOM 2000, pp.775-784, 2000.
Scott Y. Seidel and Theodore S. Rapport, “914Mhz path loss prediction model for indor wireless communication in multifloored buildings”, IEEE Vol40, No.2, 1992.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.