초록
각 센서들이 측정한 데이타의 평균값 등을 구하는 집계연산은 센서 네트워크에서 자주 사용되는 응용이다. 센서 네트워크를 구성하는 센서는 작은 배터리로 작동되기 때문에 센서의 에너지 소모를 줄이는 것은 센서 네트워크의 중요한 문제이다. 센서의 에너지 소모를 줄이기 위한 가장 중요한 요소는 전송되는 메시지 수를 줄이는 것인데, 네트워크 내 집계연산과 데이타 필터링이 집계연산 시 전송되는 메시지 수를 줄이기 위한 효과적인 방법이라고 알려져 있다 네트워크 내 집계연산과 데이타 필터링을 동시에 수행하면 더 많은 메시지글 줄일 수 있으며, 최근에 이 방법을 근간으로 한 연구가 있었다. 본 논문에서는, 기존의 데이타 필터링 방법보다 더 효율적이고 효과적인 방법을 제안한다. 본 논문에서 제안하는 방법은 센서 노드의 자기 조정에 기반하고 있기 때문에 더 쉽고 간단하다. 다양한 실험을 통해서, 본 논문에서 제안하는 방법이 다른 방법들보다 더 많은 메시지를 줄이는 것을 확인하였다.
Aggregation such as computing an average value of data measured in each sensor commonly occurs in many applications of sensor networks. Since sensor networks consist of low-cost nodes with limited battery power, reducing energy consumption must be considered in order to achieve a long network lifetime. Reducing the amount of messages exchanged is the most important for saving energy. Earlier work has demonstrated the effectiveness of in-network data aggregation and data filtering for minimizing the amount of messages in sensor networks. In this paper, we propose an adaptive error adjustment scheme that is simpler, more effective and efficient than previous work. The proposed scheme is based on self-adjustment in each sensor node. We show through various experiments that our scheme reduces the network traffic significantly, and performs better than existing methods.