센서 네트워크에서는 센서 노드를 통해 개체에 대한 행위, 조건, 위치에 관한 정보를 원격으로 얻을 수가 있다. 일반적으로 센서 노드는 배터리를 이용한 전원 공급이 이루어지므로 매우 제한적이다. 따라서 센서 데이터를 수집하기 위한 효율적인 에너지 관리는 전체 네트워크의 생존기간을 연장하기 위해 필요하다. 본 논문에서는 분산된 센서 노드를 클러스터단위로 자가구성하여 에너지 효율성을 높이는 방법을 제안한다. 제안된 방법은 ANTCLUST를 기반으로 두 개체간의 유사도를 측정한 후 해당 클러스터를 알아내어 자신의 클러스터를 결정하는 방법이다. 제안된 방법은 개미의 colonial closure 모델을 적용한다. 실험결과 기존의 클러스터링 방법보다 27%의 생존 노드 수의 증가를 보였다.
센서 네트워크에서는 센서 노드를 통해 개체에 대한 행위, 조건, 위치에 관한 정보를 원격으로 얻을 수가 있다. 일반적으로 센서 노드는 배터리를 이용한 전원 공급이 이루어지므로 매우 제한적이다. 따라서 센서 데이터를 수집하기 위한 효율적인 에너지 관리는 전체 네트워크의 생존기간을 연장하기 위해 필요하다. 본 논문에서는 분산된 센서 노드를 클러스터단위로 자가구성하여 에너지 효율성을 높이는 방법을 제안한다. 제안된 방법은 ANTCLUST를 기반으로 두 개체간의 유사도를 측정한 후 해당 클러스터를 알아내어 자신의 클러스터를 결정하는 방법이다. 제안된 방법은 개미의 colonial closure 모델을 적용한다. 실험결과 기존의 클러스터링 방법보다 27%의 생존 노드 수의 증가를 보였다.
Through sensor nodes it can obtain behavior, condition, location of objects. Generally speaking, sensor nodes are very limited because they have a battery power supply. Therefore, for collecting sensor data, efficient energy management is necessary in order to prolong the entire network survival. In...
Through sensor nodes it can obtain behavior, condition, location of objects. Generally speaking, sensor nodes are very limited because they have a battery power supply. Therefore, for collecting sensor data, efficient energy management is necessary in order to prolong the entire network survival. In this paper, we propose a method that increases energy efficiency to be self-configuring by distributed sensor nodes per cluster. The proposed method is based on the ANTCLUST. After measuring the similarity between two objects it is method that determine own cluster. It applies a colonial closure model of ant. The result of an experiment, it showed that the number of alive nodes increased 27% than existing clustering methods.
Through sensor nodes it can obtain behavior, condition, location of objects. Generally speaking, sensor nodes are very limited because they have a battery power supply. Therefore, for collecting sensor data, efficient energy management is necessary in order to prolong the entire network survival. In this paper, we propose a method that increases energy efficiency to be self-configuring by distributed sensor nodes per cluster. The proposed method is based on the ANTCLUST. After measuring the similarity between two objects it is method that determine own cluster. It applies a colonial closure model of ant. The result of an experiment, it showed that the number of alive nodes increased 27% than existing clustering methods.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
센서 네트워크에서 각 노드는 적은 비용과 작은 크기로 제작되기 때문에 저용량 배터리, 초소형 메모리, 저속 CPU, 짧은 전송거리, 높은 링크 손실률을 가지며, 폭우, 강풍, 화재 등의 외부 환경변화와 배터리 방전 또는 노드고장으로 인해 노드의 에러 발생 확률이 높고, 토폴로지 변화가 빈번하게 발생하는 특징이 있다. 본 논문에서는 일정한 주기 또는 요구가 있을 시 모든 센서 노드로부터 베이스 스테이션까지 센서 데이터를 수집하는 어플리케이션을 고려한다. 설치비용을 줄이기 위해 센서 노드들을 비제어적이고 비구성적인 방법으로 모니터링하기 위해 지역적으로 분산 배치한다.
본 논문에서는, ANTCLUST를 기반으로 해서, 센서 네트워크에서 데이터를 수집하기 위한 에너지 효율적인 새로운 클러스터링 알고리즘 제안했다. 제안된 방법은 더 많은 잔여 에너지를 갖는 센서 노드들은 클러스터 헤드가 되도록 하고 센서 노드 간 지역적인 상호작용을 통해 클러스터 구성을 개선시켰다.
본 논문에서는, ANTCLUST을 기반으로 센서 노드들 사이에서 지역적인 상호작용을 통해 효율적인 에너지 클러스터를 구성하기 위한 새로운 클러스터링 방법을 제안한다. 제안된 방법에서는 잔여 에너지를 가지고 있는 센서 노드들은 독립적으로 클러스터 헤드들이 된다.
본 논문의 목적은 위에서 언급된 필요사항을 만족하기 위해 새로운 클러스터링 방법을 제안하는 것이다. 새로운 클러스터링 방법이란 이웃하고 있는 센서 노드들 사이에서 지역적인 통신을 통해 적절한 클러스터들을 자체적으로 형성하는 것이다.
아직 입후보하지 못한 센서 노드는 다른 센서 노드로부터 광고 메시지를 받을 때 자신의 입후보를 포기하고 클러스터의 멤버가 된다. 뿐만 아니라, 이미 클러스터에 속한 센서 노드가 다른 광고 메시지를 수신할 때, 그 노드는 클러스터 형성 단계 프로시저를 거치게 되며 어떤 클러스터에 참여할지를 결정해야 할지에 대한 제안을 받는다.
가설 설정
(1) 개체 i와 j가 클러스터의 멤버가 아닐 경우, 개체와 클러스터는 서로 클러스터 관계를 맺게 된다. 새로운 클러스터는 Labeli ←LabelN, Labelj ←LabelN로 생성된다.
(3) 두 개체가 같은 클러스터에 속할 때, 서로 클러스터 관계를 맺게 된다.
제안 방법
먼저 자신의 클러스터 크기를 Mi ←(1-α)Mi , Mj ←(1-α)Mj를 이용해서 어떻게 변경할지를 측정한다.
본 논문에서는 하나의 센서를 하나의 개미로, 하나의 클러스터를 하나의 개미집으로 간주한다. 센서 노드간의 유사성은 센서 노드에서 클러스터 헤드의 거리에 대응된다.
실험을 위한 대부분의 조건은 [12]와 같다. 제안된 방법에서 R, r, Pex는 각각 60, 30, 20%로 설정했다.
본 논문에서는, ANTCLUST을 기반으로 센서 노드들 사이에서 지역적인 상호작용을 통해 효율적인 에너지 클러스터를 구성하기 위한 새로운 클러스터링 방법을 제안한다. 제안된 방법에서는 잔여 에너지를 가지고 있는 센서 노드들은 독립적으로 클러스터 헤드들이 된다.
본 논문에서는, ANTCLUST를 기반으로 해서, 센서 네트워크에서 데이터를 수집하기 위한 에너지 효율적인 새로운 클러스터링 알고리즘 제안했다. 제안된 방법은 더 많은 잔여 에너지를 갖는 센서 노드들은 클러스터 헤드가 되도록 하고 센서 노드 간 지역적인 상호작용을 통해 클러스터 구성을 개선시켰다. 제안된 방법의 특성을 요약해 보면, 첫째 완전히 분산적인 방법으로 클러스터를 구성한다.
제안된 방법은 더 많은 잔여 에너지를 갖는 센서 노드들은 클러스터 헤드가 되도록 하고 센서 노드 간 지역적인 상호작용을 통해 클러스터 구성을 개선시켰다. 제안된 방법의 특성을 요약해 보면, 첫째 완전히 분산적인 방법으로 클러스터를 구성한다. 각 센서 노드는 클러스터 헤드가 될지 그렇지 않을지, 사회적이 될 것인지 아닌지, 스스로 어떤 클러스터에 참여할지를 결정한다.
클러스터를 형성하는 방법은 개미처럼 사회적 군집 관계를 생활을 영위하는 곤충을 통해서 아이디어를 얻었다. 개미집단은 군집, 서열, 공생, 분업 등의 특징을 가지고 있다[2].
대상 데이터
본 논문에서 제안한 라우팅 프로토콜의 성능 평가를 위해 NS-2 시뮬레이터[7]를 사용하여 제안한 방법의 효율성을 평가했다. 100 * 100의 격자 형태의 지역에 임의로 센서 노드 100개가 배치된 센서 네트워크를 고려한다. 베이스 스테이션은 (x=30, y=250)에 위치한다.
데이터처리
본 논문에서 제안한 라우팅 프로토콜의 성능 평가를 위해 NS-2 시뮬레이터[7]를 사용하여 제안한 방법의 효율성을 평가했다. 100 * 100의 격자 형태의 지역에 임의로 센서 노드 100개가 배치된 센서 네트워크를 고려한다.
이론/모형
실험에서, 모든 통신은 에너지를 소비한다. 우리는 에너지 소비 모델을 [2]와 같이 사용했다. 클러스터 정보를 광고하는 메시지는 60 비트 길이로 설정되었다.
이러한 특징은 일반적으로 자가구성을 통해 만들어지게 되는데, 클러스터 또한 이러한 특징을 적용시킬 수 있다. 이러한 생물학적 시스템을 적용하기 위해서 기존의 제안된 알고리즘인 ANTCLUST[8]를 클러스터링 방법 설계에 이용하였다. 개미는 화학적인 물질을 교환함으로써 같은 군집의 개미인지를 알아낸다.
성능/효과
각 센서 노드는 클러스터 헤드가 될지 그렇지 않을지, 사회적이 될 것인지 아닌지, 스스로 어떤 클러스터에 참여할지를 결정한다. 두 번째, 센서 노드의 잔여 에너지를 균등하게 함으로써 다른 방법들 보다 더 오래 동안 센서 네트워크의 생존 기간을 유지할 수 있다. 더 많은 잔여 에너지를 갖는 센서노드는 클러스터 헤드가될 기회를 더 많이 얻게 된다.
첫째, 클러스터링은 수백, 수천 개의 센서 노드의 중앙 제어가 어렵기 때문에 완벽하게 분산되어 있어야 한다. 둘째, 클러스터 노드들은 센서 노드 사이에서 균형 잡힌 에너지 소비를 위해서 지리적으로 분산이 잘 되어 있어야만 한다. 셋째로, 센서 노드들은 동적으로, 배치, 이동, 중단되기 때문에, 클러스터링은 반드시 센서 네트워크의 변화에 적응할 수 있어야 한다.
셋째로, 센서 노드들은 동적으로, 배치, 이동, 중단되기 때문에, 클러스터링은 반드시 센서 네트워크의 변화에 적응할 수 있어야 한다. 마지막으로 본 논문의 목적과 같이, 클러스터를 이용한 방법은 효율적으로 에너지를 사용할 수 있어야 한다.
게다가, 센서 노드는 인접성뿐만 아니라 클러스터 헤드의 잔여 에너지로 자신의 클러스터를 선택한다. 세 번째로는 불안정한 라디오 환경 하에서 더 많은 데이터 수집이 가능하다는 것이다. 만약 센서 노드가 입후보 메시지를 듣지 않으면, 클러스터 헤드가 되고 스스로 베이스 스테이션에 자신의 센서 데이터를 전송한다.
둘째, 클러스터 노드들은 센서 노드 사이에서 균형 잡힌 에너지 소비를 위해서 지리적으로 분산이 잘 되어 있어야만 한다. 셋째로, 센서 노드들은 동적으로, 배치, 이동, 중단되기 때문에, 클러스터링은 반드시 센서 네트워크의 변화에 적응할 수 있어야 한다. 마지막으로 본 논문의 목적과 같이, 클러스터를 이용한 방법은 효율적으로 에너지를 사용할 수 있어야 한다.
HEED는 제안된 방법보다 클러스터를 더 많이 형성하기 위해서 많은 브로드 캐스팅을 요구로 인해, 제안된 방법보다 더 많은 에너지를 소비한다. 실험 결과 기존의 방법들보다 27%의 생존 노드수의 증가가 있었다.
만약 센서 노드가 입후보 메시지를 듣지 않으면, 클러스터 헤드가 되고 스스로 베이스 스테이션에 자신의 센서 데이터를 전송한다. 실험에서는 제안된 방법을 이용하여 기존의 방법보다 27%이상의 생존노드 수의 증가를 확인 하였다.
제안된 방법은 기존의 방법보다 성능이 좋다. 그 이유는 LEACH의 경우, 모든 센서는 클러스터 헤드가 되기 위한 동일한 기회를 갖는다.
후속연구
또한 에너지 효율적인 클러스터 기반의 데이터 수집을 위한 센서 네트워크의 범위 지역을 고려하고 있다. 또한, 다중 홉 전송과 같은 클러스터 헤드 간 통신을 통해 베이스 스테이션에 센서 데이터를 전송하는 경우로 연구의 범위를 확장할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
개미집단이 가지고 있는 특징은?
클러스터를 형성하는 방법은 개미처럼 사회적 군집 관계를 생활을 영위하는 곤충을 통해서 아이디어를 얻었다. 개미집단은 군집, 서열, 공생, 분업 등의 특징을 가지고 있다[2]. 이러한 특징은 일반적으로 자가구성을 통해 만들어지게 되는데, 클러스터 또한 이러한 특징을 적용 시킬 수 있다.
클러스터링을 설계를 위한 필요사항은?
클러스터링을 설계하기 위해서는 몇 가지 필요사항이 요구된다. 첫째, 클러스터링은 수백, 수천 개의 센서 노드의 중앙 제어가 어렵기 때문에 완벽하게 분산되어 있어야 한다. 둘째, 클러스터 노드들은 센서 노드 사이에서 균형 잡힌 에너지 소비를 위해서 지리적으로 분산이 잘 되어 있어야만 한다. 셋째로, 센서 노드들은 동적으로, 배치, 이동, 중단되기 때문에, 클러스터링은 반드시 센서 네트워크의 변화에 적응할 수 있어야 한다. 마지막으로 본 논문의 목적과 같이, 클러스터를 이용한 방법은 효율적으로 에너지를 사용할 수 있어야 한다.
멀리 떨어져 있는 베이스 스테이션에 직접적으로 센서의 데이터를 직접 전송하는 것은 에너지 면에서 보면 상당히 비효율적인 이유는?
라디오 전송을 위해서 소비되는 많은 양의 에너지는 라디오 신호 전파 범위의 k승에 비례한다[5][6]. 센서 노드에서 다른 센서 노드까지의 거리는 센서 노드에서 베이스 스테이션까지 보다는 더 짧기 때문에, 멀리 떨어져 있는 베이스 스테이션에 직접적으로 센서의 데이터를 직접 전송하는 것은 에너지 면에서 보면 상당히 비효율적이다. 하지만, 클러스터 기반의 데이터 수집 방법은 에너지를 효율적으로 절약할 수 있다[3][5][6][9][12].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.