Abstract
Recently, wireless sensor networks have found their way into a wide variety of applications and systems with vastly varying requirements and characteristics such as environmental monitoring, smart spaces, medical applications, and precision agriculture. The sensor nodes are battery powered. Therefore, the energy is the most precious resource of a wireless sensor network since periodically replacing the battery of the nodes in large scale deployments is infeasible. Energy efficient mechanisms for gathering sensor readings are indispensable to prolong the lifetime of a sensor network as long as possible. There are two energy-efficient approaches to prolong the network lifetime in sensor networks. One is the compression scheme to reduce the size of sensor readings. When the communication conflict is occurred between two sensor nodes, the sender must try to retransmit its reading. The other is the MAC protocol to prevent the communication conflict. In this paper, we propose a novel approaches to reduce the size of the sensor readings in the MAC layer. The proposed scheme compresses sensor readings by allocating the time slots of the TDMA schedule to them dynamically. We also present a mathematical model to predict latency from collecting the sensor readings as the compression ratio is changed. In the simulation result, our proposed scheme reduces the communication cost by about 52% over the existing scheme.
최근 환경 모니터링, 스마트 빌딩, 의료 분야, 농업 분야 등에서 센서 네트워크가 널리 활용되고 있다. 센서 노드는 배터리로 동작한다. 넓은 지역에 배포된 센서 노드의 배터리를 주기적으로 교체하는 것은 불가능하기 때문에 에너지는 센서 네트워크에서 가장 중요한 자원이다. 따라서, 센서 데이터를 수집하는 동안 네트워크 수명을 연장시키기 위한 에너지 효율적인 메커니즘에 대한 연구는 필수적이다. 대표적인 연구로는 송수신하는 데이터의 크기를 줄이기 위한 데이터 압축 기법과 통신간 충돌을 방지하여 에너지 사용의 효율을 높이기 위한 MAC 프로토콜 기법이 있다. 기존 데이터 압축 기법은 센서 데이터의 공간 또는 시간적인 연관성을 이용하며, 기존 MAC 프로토콜은 TDMA, FDMA, CDMA 등의 방법을 통해 데이터의 충돌을 방지한다. 본 논문에서는 MAC 프로토콜 중 하나로 널리 사용되고 있는 TDMA 스케줄을 조정하여 송수신되는 센서 데이터의 크기를 줄이는 새로운 압축 기법을 제안한다. 제안하는 기법은 데이터 전송 시점을 이용하여 센서의 측정값을 인코딩하여 데이터의 크기를 줄이고, 동적으로 시간 슬롯을 할당함으로써 발생되는 전송 지연을 줄인다. 시뮬레이션을 통해 제안하는 기법의 성능 평가를 수행하였으며, 실험 결과, 기존 데이터 수집 기법에 비해 통신 비용이 약 52% 감소하였다.
