무선센서네트워크 장애에서 센서 데이터 손실 감소를 위한 2MC기반 프레임워크 = A 2MC-based Framework for Sensor Data Loss Decrease in Wireless Sensor Network Failures

국문 초록 (Abstract)

무선센서네트워크는 해양환경, 군사시설 등 다양한 분야에서 활용되고 있다. 이러한 활용은 센서 데이터를 기반으로 이루어지기 때문에 센서 데이터는 굉장히 중요하다. 무선센서네트워크에서의 통신은 주위 환경에 매우 민감하게 영향을 받기 때문에 통신장애가 발생할 확률이 높다. 특히 수중통신의 경우 좁은 대역폭과 느린 전송 속도, 주변 환경의 잡음 등으로 인해 전파통신에 비해 통신장애는 더 빈번하게 발생한다. 통신장애가 발생하면 센서 데이터 전달과정에서 데이터가 손실될 수 있고, 이는 화재감지 시스템과 같이 실시간성이 중요한 분야에서는 큰 피해를 입을 수 있다. 이를 위해 센서 데이터의 저장 및 압축을 위한 연구를 진행하였지만 이를 위한 프레임워크가 존재하지 않아 그 실현에 어려움이 있었다. 따라서 본 논문에서는 센서 데이터의 손실 감소를 위한 프레임워크를 제안하고 성능을 분석하였다. 분석 결과, 프레임워크를 적용하지 않은 경우에는 통신장애 발생 후 t 시간이 경과함에 따라 T/t(T는 통신장애 발생 시 데이터 저장에서 메모리가 full 상태가 되는 시간)의 복구율 감소를 보인다. 게다가, T 시간 이후의 센서 데이터는 모두 복구가 불가능한 오류에 해당한다. 그러나, 제안한 프레임워크를 적용한 경우는 100%의 데이터 복구율과 2~6%의 복구 후 데이터 오차율을 보인다.

다국어 초록 (Multilingual Abstract)

Wireless sensor networks have been used in many applications such as marine environment, army installation, etc. The sensor data is very important, because all these applications depend on sensor data. The possibility of communication failures becomes high since the surrounding environment of a wireless sense network has an sensitive effect on its communications. In particular, communication failures in underwater communications occur more frequently because of a narrow bandwidth, slow transmission speed, noises from the surrounding environments and so on. In cases of communication failures, the sensor data can be lost in the sensor data delivery process and these kinds of sensor data losses can make critical huge physical damages on human or environments in applications such as fire surveillance systems. For this reason, although a few of studies for storing and compressing sensor data have been proposed, there are lots of difficulties in actual realization of the studies due to none-existence of the framework using network communications. In this paper, we propose a framework for reducing loss of the sensor data and analyze its performance. The our analyzed results in non-framework application show a decreasing data recovery rate, T/t, as t time passes after a network failure, where T is a time period to fill the storage with sensor data after the network failure. Moreover, all the sensor data generated after a network failure are the errors impossible to recover. But, on the other hand, the analyzed results in framework application show 100% data recovery rate with 2~6% data error rate after data recovery.

참고문헌 (Reference)

1 Sung-jun Park, "Underwater Communications and Underwater Sensor Network Technology" 28 (28): 79-88, 2010

2 Zhao Yun, "Research on encoding/decoding method of electric physical information based on LMS-ADPCM algorithm" 795-800, 2011

3 Heungwoo Nam, "Remote Monitoring System based on Ocean Sensor Networks for Offshore Aquaculture" 14-19, 2014

4 DongHyun Shin, "Framework and Cost Modelling for Decreasing Sensor Data Loss Cost In Wireless Sensor Network Communication Faults" 528-530, 2015

5 Yunhao Liu, "Does Wireless Sensor Network SCale? A Measurement Study on GreenOrbs" 24 (24): 1983-1993, 2013

6 Ui-su Uk, "Data Reconstruction Scheme using PCA in Sensor Network Environment" Robotics and Systems 20-24, 2007

7 Maciuca A, "Cell-based sensor network for complex monitoring at home of patients with chronic diseases"

8 Kang-Sun Choi, "Bit plane modification for improving MSE-near optimal DPCM-based block truncation coding" 23 : 1171-1180, 2013

9 DongHyun Shin, "A Method for Storing and Recovering Sensing Data using Queue in Wireless Sensor Network Communication Failures" 207-210, 2014

10 DongHyun Shin, "A Method for Sensor Data Compression Using Maximum. / Minimum Values Within Compression Interval Unit in WSN Communication Faults" 301-304, 2015