Abstract
Many types of sensor data exhibit strong correlation in both space and time. Suppression, both temporal and spatial, provides opportunities for reducing the energy cost of sensor data collection. Unfortunately, existing clustering algorithms are difficult to utilize the spatial or temporal opportunities, because they just organize clusters based on the distribution of sensor nodes or the network topology but not correlation of sensor data. In this paper, we propose a novel clustering algorithm with suppression techniques. To guarantee independent communication among clusters, we allocate multiple channels based on sensor data. Also, we propose a spatio-temporal suppression technique to reduce the network traffic. In order to show the superiority of our clustering algorithm, we compare it with the existing suppression algorithms in terms of the lifetime of the sensor network and the site of data which have been collected in the base-station. As a result, our experimental results show that the size of data was reduced by $4{\sim}40%$, and whole network lifetime was prolonged by $20{\sim}30%$.
센서 네트워크를 사용하는 응용분야에 따라 보다 고차원적인 데이타 처리를 필요로 하는 경우 모든 센서 노드의 수집 데이타를 싱크 노드로 전송한다. 수집된 데이타는 일반적으로 센서 네트워크의 환경적인 특성상 시간적으로 혹은 공간적으로 연관성을 지닌다. 이러한 연관성은 싱크 노드가 일부의 데이터만 수집하고도 모든 데이타를 복원할 수 있는 기회를 제공한다. 센서 네트워크에서는 데이타 수집을 위한 기법으로 클러스터링 기법을 널리 사용한다. 하지만 기존의 클러스터링 기법의 경우 수집한 데이타의 연관성을 고려하지 않고, 센서 노드의 지역성(locality)만을 고려하여 클러스터를 생성하기 때문에 이러한 기회를 활용하기에 비효율적이다. 본 논문에서는 수집된 데이타를 중심으로 클러스터를 생성하고, 싱크 노드로 전송되는 데이타의 크기를 획기적으로 줄일 수 있는 클러스터링 기법을 제안한다 제안하는 클러스터링 기법의 우수함을 보이기 위해 시뮬레이션을 통한 성능 평가를 수행하였으며, 그 결과 기존 기법들에 비해 네트워크 트래픽이 약 $4{\sim}40%$ 감소하고, 네트워크의 수명이 약 $20{\sim}30%$ 연장되었다.
