[논문]MIM 적용을 통한 IoT 기반 무선 센서 네트워크 성능 최대화 방안

강영명

doi:10.22156/cs4smb.2020.10.11.009

MIM 적용을 통한 IoT 기반 무선 센서 네트워크 성능 최대화 방안
Maximizing the capacity of the IoT-based WSNs by employing the MIM capability 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.10 no.11, 2020년, pp.9 - 15

강영명 (삼성전자 네트워크사업부)

초록
AI-Helper

향상된 프리앰블 탐지기술인 Message In Message (MIM) 기능을 적용한 무선 센서 노드들은 캡처 효과에 의한 동시전송 기회를 최대화하여 IEEE 802.15.4를 기반으로 동작하는 기존 센서들에 비해 시스템 성능을 크게 향상시킬 수 있다. 본 논문에서는 MIM 기능을 무선 센서 노드에 적용할 경우 얻을 수 있는 성능 이득을 분석하기 위해 MIM 캡처 확률 모델을 제안하였다. 그리고 MIM 캡처 효과에 따른 성능이득을 확인하기 위해 IEEE 802.15.4 및 MIM 동시전송 기능을 파이썬으로 구현하여 시뮬레이션을 수행하였다. 성능 평가를 통해 MIM 기법을 적용한 센서 노드는 IEEE 802.15.4 방식의 센서 노드에 비해 시스템 처리량은 34% 향상되었고 전송 지연은 31% 개선되어 전반적으로 MIM 캡처 확률 모델의 분석결과와 일치함을 확인할 수 있었다.

Abstract ▼ AI-Helper

Wireless sensor nodes adopting the advanced preamble detection function, Message-In-Mesage (MIM), maximize the concurrent transmission opportunities due to the capture effect, result in improving the system performance significantly compared to the legacy IEEE 802.15.4 based sensor devices. In this paper, we propose an MIM capture probability model to analyze the performance gains by applying the MIM function to the wireless sensor nodes. We implemented the IEEE 802.15.4 and MIM by Python and performed extensive simulations to verify the performance gains through MIM capture effects. The evaluation results show that the MIM sensors achieve 34% system throughput gains and 31% transmission delay gains over the legacy IEEE 802.15.4-based sensors, which confirm that it was consistent with the analysis result of the proposed MIM capture probability model.

주제어

표/그림 (9)

그림 Fig. 1. IEEE 802.15.4 CCA
그림 Fig. 2. PHY Capture vs. MIM Capture
그림 Fig. 3. IEEE 802.15.4 Frame Format
그림 Fig. 4. MIM preamble enables concurrent TX in WSNs
그림 Fig. 5. MIM Capture Relation Diagram
표 Table 1. Notations
그림 Fig. 6. MIM Capture probability
그림 Fig. 7. Throughput gains over over 802.15.4 (normalized)
표 Table 2. Performance Results : Collision ratio, average delay gains, throughput gains

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 MIM 기능을 무선 센서 노드에 적용할 경우 얻을 수 있는 성능 이득을 MIM 캡처 확률 모델을 통해 분석하였다. 이를 통해 센서 노드의 전송 거리를 감안할 때 25m 거리에서 약 40%의 MIM 캡처가 가능함을 보였다.
본 연구에서는 무선랜에 적용되어 사용중인 MIM 프리앰블 탐지 기술을 무선 센서망에 적용하였을 때 얻을수 있는 성능 이득을 수학적 모델링을 통해 분석한다. 두 센서가 서로 간섭을 주는 간단한 토폴로지에서 전송 노드 사이의 거리를 기준으로 MIM 캡처 확률을 구한결과 25m 거리에서 약 40% 영역에서 MIM 캡처가 발생할 수 있다는 것을 확인하였다.
이러한 변화에 발맞추어 무선망의 자원을 효율적으로 사용하고자 하는 연구들도 활발하게 진행되고 있다[1-10]. 본 연구에서는 여러 가지 무선 기술들 중 2.4 GHz 대역의 ISM(Industrial, Scientific, Medical) 분야에서 보편적으로 쓰이는 무선 센서 네트워크의 전송 효율을 향상 시키는 것에 초점을 맞춘다.

가설 설정

그리고 φ는 path loss exponent를 의미하고 마지막으로 P_r(i)는 송신전력 (Transmit Power)를 의미한다. 여기에서는 안테나 이득 및 페이딩 팩터, 그리고 송신파워 모두 고정 상수 값 1로 동일하다고 가정한다. 노이즈도 제외하면 수신 신호의 세기는 오직 거리 d 에 의해서만 결정된다.

제안 방법

4 프로토콜을 사용하는 경우는 표준에 부합하도록 프리앰블을 감지하고 PHY 헤더를 읽어서 패킷의 전체 길이(프리앰블 + MAC PDU)를 알게 되면 라디오를 계속 수신 상태로 유지하도록 하였다. 반면 MIM의 경우에는 연속적인 프리앰블 탐지를 가능하게 하여 수신중인 패킷이 있더라도 더 좋은 신호의 패킷을 감지하면 기존에 받던 패킷을 버리고, 새로운 패킷에 다시 동기화하여 수신하도록 패킷 수신 선택 알고리듬을 구현하였다. 추가적으로 MIM의 동시전송 기능을 사용하기 위해 CCA를 통한 신호 세기를 기준으로 동시전송이 가능한 임계값에 기반하여 동시전송 여부를 결정하는 알고리즘을 구현하였다.
무선랜에서는 물리계층 캡처 및 MIM 캡처 확률에 대한 연구[14,15]가 활발히 진행되었으나 무선 센서망에서의 MIM 캡처 확률 분석은 아직 초기 단계다. 본 절에서는 MIM 프리앰블 탐지 기술을 무선 센서망에 적용하였을 때 얻을 수 있는 성능 이득을 수학적 모델링을 통해 분석한다. MIM 기능으로 시스템 처리량 향상을 이루려면 동시전송 기회가 많아야 한다.
시험 토폴로지는 250m x 250m 공간에 10에서 30개까지의 송수신 페어(pair)를 랜덤하게 배치하고 1,000회의 시행 평균값을 구하였다. 단, 송수신 페어끼리는 성공적인 전송이 가능하도록 5m 이내의 거리에서 랜덤하게 배치하였다.
반면 MIM의 경우에는 연속적인 프리앰블 탐지를 가능하게 하여 수신중인 패킷이 있더라도 더 좋은 신호의 패킷을 감지하면 기존에 받던 패킷을 버리고, 새로운 패킷에 다시 동기화하여 수신하도록 패킷 수신 선택 알고리듬을 구현하였다. 추가적으로 MIM의 동시전송 기능을 사용하기 위해 CCA를 통한 신호 세기를 기준으로 동시전송이 가능한 임계값에 기반하여 동시전송 여부를 결정하는 알고리즘을 구현하였다.

데이터처리

성능 평가를 위해 Python 3.4[16] 버전으로 802.15.4 및 MIM 기능을 구현하여 시뮬레이션을 실시하였다. 802.

이론/모형

송신자는 전송할 패킷이 항상 있고(saturated) 50 byte 길이의 데이터 패킷을 계속 전송 시도한다. 성능 평가 척도는 MIM으로 인한 충돌률(collision ratio), 평균적인 전송 지연(avg. delay gain), 그리고 시스템 처리량(throughput)을 사용하였다.

성능/효과

4에 비해 상대적으로 높은 것을 알 수 있다. 10개 페어로 시험한 경우 40% 수준의 처리량 개선을 확인할 수 있었고, 전체 처리량 평균도 약 34% 수준의 성능 이득이 있었다.
이는 약 40% 확률로 동시전송이 가능하다는 것을 의미한다. Python 3.4로 MIM 기능을 구현하고 250m x 250m 영역에서 송수신 노드 페어를 랜덤으로 배치하여 802.15.4 기반의 센서와 MIM를 구현한 센서의 전송능력을 시뮬레이션한 결과, MIM이 적용된 센서가 기존의 IEEE 802.15.4 기반의 센서에 비해 시스템 처리량 측면에서는 34%, 전송 지연 측면에서는 31% 성능이 향상된 것을 확인하였다.
이를 통해 센서 노드의 전송 거리를 감안할 때 25m 거리에서 약 40%의 MIM 캡처가 가능함을 보였다. Python으로 구현한 랜덤 토폴로지 시뮬레이션 결과 MIM 적용 센서들이 기존의 802.15.4기반의 센서들에 비해 약 10% 정도의 전송 충돌률에도 불구하고 시스템 처리량이 평균적으로 34% 개선되었음을 확인하였다. 한편 전송 지연 측면에서도 31% 성능 개선이 있었다.
본 연구에서는 무선랜에 적용되어 사용중인 MIM 프리앰블 탐지 기술을 무선 센서망에 적용하였을 때 얻을수 있는 성능 이득을 수학적 모델링을 통해 분석한다. 두 센서가 서로 간섭을 주는 간단한 토폴로지에서 전송 노드 사이의 거리를 기준으로 MIM 캡처 확률을 구한결과 25m 거리에서 약 40% 영역에서 MIM 캡처가 발생할 수 있다는 것을 확인하였다. 이는 약 40% 확률로 동시전송이 가능하다는 것을 의미한다.
캡처 임계치를 α=4 , β=10를 적용하였을때, 센서 노드 A와 B 사이의 거리가 25m까지 늘어남에 따라 MIM 캡처 확률이 거의 40%에 달하는 것을 볼수 있다. 이 결과를 통해 센서 노드의 전송범위가 대략 25m 라고 할 때, 약 40%의 영역에서 MIM 캡처가 발생할 수 있고 이는 동시전송 기회도 약 40% 정도 늘어날 수 있다는 것을 의미한다. 한편 5m 이내에서는 동시전송 기회가 거의 0으로 수렴하는 것을 볼 수 있는데 이것은 서로의 간섭이 너무 심해서 동시전송을 할 수없음을 의미한다.
본 논문에서는 MIM 기능을 무선 센서 노드에 적용할 경우 얻을 수 있는 성능 이득을 MIM 캡처 확률 모델을 통해 분석하였다. 이를 통해 센서 노드의 전송 거리를 감안할 때 25m 거리에서 약 40%의 MIM 캡처가 가능함을 보였다. Python으로 구현한 랜덤 토폴로지 시뮬레이션 결과 MIM 적용 센서들이 기존의 802.
전송 실패는 임계값 설정에 영향을 받기 때문에 토폴로지별로 정교한 튜닝이 필요하다. 충돌로 인한 전송 실패에도 불구하고 전체적으로 패킷 전달 지연은 31% 감소하였다. 이것은 CCA로 인한 전송 지연을 줄인 결과로 해석된다.

후속연구

한편 전송 지연 측면에서도 31% 성능 개선이 있었다. 본 연구를 바탕으로 동시전송이 가능한 무선 센서 노드를 대량으로 구축하여 임계값의 정밀 튜닝으로 센서 네트워크 전체 처리량을 개선할 수 있는 연구는 향후 과제로 남겨둔다.

참고문헌 (16)

B. Khan, R. A. Rehman & B-S. Kim, (2019). A Joint Strategy for Fair and Efficient Energy Usage in WLANs in the Presence of Capture Effect, Electronics, 8(4). DOI : 10.1145/3067665.3067672
M. Mohammad & M. C. Chan. (2018). Codecast: Supporting Data Driven In-Network Processing for Low-Power Wireless Sensor Networks, in 17th ACM/IEEE International Conference on Information Processing in Sensor Networks, (pp. 72-83), Porto, Portugal. DOI : 10.1109/IPSN.2018.00014
R. Xiao, B. Sun, Y. Xiao, Y. Wei & W. Chen. (2018). Content-Based Efficient Messages Transmission in WSNs, Journal of Wireless Communications and Mobile Computing, Volume 2018, Article ID 2725961, DOI : 10.1155/2018/2725961

상세보기
T. Attia, M. Heusse, B. Tourancheau & A. Duda. (2019). Experimental Characterization of LoRaWAN Link Quality, in IEEE Global Communications Conference (GLOBECOM), HI, USA, pp. 252-261. DOI : 10.1109/GLOBECOM38437.2019.9013371
D. Bankov, E. Khorov & A. Lyakhov. (2017). Mathematical model of LoRaWAN channel access with capture effect, in IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), Montreal, QC, Canada DOI : 10.1109/PIMRC.2017.8292748
X. Ma, P. Zhang, O. Theel & J. Wei. (2020). Gathering data with packet-in-packet in wireless sensor networks, Journal of Computer Networks, 170, 107124, DOI : 10.1016/j.comnet.2020.107124

상세보기
M. Zimmerling, L. Mottola & S. Santini. (2020). Synchronous Transmissions in Low-Power Wireless: A Survey of Communication Protocols and Network Services, arXiv preprint arXiv: 2001.08557.
B. A. Nahas, S. Duquennoy & O. Landsiedel. (2019). Concurrent Transmissions for Multi-Hop Bluetooth 5, in Proceedings of International Conference on Embedded Wireless Systems and Networks (EWSN), Beijing, China, 130-141,
I. Selinis, K. Katsaros, S. Vahid & R. Tafazolli. (2017). Exploiting the Capture Effect on DSC and BSS Color in Dense IEEE 802.11ax Deployments, in WNS3 '17, Proceedings of the Workshop on ns-3 June 2017, pp. 47-54, NY, US. DOI : 10.1145/3067665.3067672
H. Lee, J. Kim, C. Joo & S. Bahk. (2019). BeaconRider: Opportunistic Sharing of Beacon Air-Time in Densely Deployed WLANs, 2019 IEEE 27th International Conference on Network Protocols (ICNP), 1-11. DOI : 10.1109/ICNP.2019.8888044
J. Choi. (2020). Detection of Misconfigured Wi-Fi Tethering in Managed Networks, Applied Sciences, 10(2), 7203. DOI : 10.3390/app10207203

상세보기
N. Santhapuri, R. R. Choudhury, J. Manweiler, S. Nelakuduti, S Sen & K. Munagala. (2008). Message in message (mim): A case for reordering transmissions in wireless networks, HotNets VII. (Online). www.researchgate.net/publication/252640693_Message_in_Message_MIM_A_Case_for_Reordering_Transmissions_in_Wireless_Networks
J. Manweiler, N. Santhapuri, S. Sen, R. R. Choudhury, S. Nelakuditi & K. Munagala. (2011) Order Matters: Transmission Reordering in Wireless Networks, IEEE/ACM Transactions on Networking, 20, 353-366. DOI : 10.1109/TNET.2011.2164264

상세보기
Y. Kang, J. Yoo, J. Lee & C. Kim. (2012). A distributed message in message aware concurrent transmission protocol in IEEE 802.11 WLANs, EURASIP Journal on Wireless Communications and Networking, 2, Article number: 325. DOI : 10.1186/1687-1499-2012-325

상세보기
J. Lee, Y. Kang, S. Lee & C. Kim. (2011). Opportunities of MIM Capture in IEEE 802.11 WLANs: Analytic Study, Proceedings of the 5th International Conference on Ubiquitous Information Management and Communication, ICUIMC 2011. DOI : 10.1145/1968613.1968693
https://www.python.org/

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증