무선 센서 네트워크에서 준지도 학습을 이용한 신경망 기반 노드 위치 추정 (Node Localization Based on Neural Network Using Semi-Supervised Learning in Wireless Sensor Networks)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 44권 / 3호 / 517 ~ 527페이지
· 저자명 : 이유리, 김향란, 김형남

초록

무선 센서 네트워크에서 효과적인 재원 사용을 위해서 GPS 수신기가 장착되지 않은 저렴한 일반 센서 노드를사용할 때, 네트워크 관리를 위해 일반 센서 노드의 위치를 정확하게 추정할 필요가 있다. 일반 노드의 위치 추정방법 중 노드 연결 정보만을 이용하는 방법은 연산량이 적고 추가적인 측정 장치가 필요하지 않다는 장점이 있어다양한 방식의 알고리즘들이 제안되었다. 최근에는 기계 학습 방식 중 하나인 신경망을 이용한 위치 추정 방법에대한 연구가 진행되었다. 신경망을 이용하는 방법은 GPS 수신기가 장착된 비콘 노드의 위치 정보를 이용해 모델을 학습하는데, 비콘 노드의 개수가 적은 상황에서 일반 노드의 위치 추정 성능이 저하된다는 문제점이 있다. 본논문에서는 비콘 노드가 적은 상황에서 일반 노드의 위치 추정 오차를 줄이기 위해 준지도 학습을 적용하는 방법을 제안한다. 모의실험을 통해 비콘 노드가 적은 상황의 무선 센서 네트워크 모델을 정의하고 각 네트워크 모델에서 제안한 방식이 기존의 방식보다 위치 추정 오차가 더 작은 것을 확인한다.

영어초록

Accurate node localization of ordinary sensor nodes in wireless sensor networks is very important for effective use of resources when we use an inexpensive ordinary sensor node that does not have a GPS receiver. Among the methods of node localization, the method using only the information of node connections is advantageous in that the calculation amount is small and the additional measuring device is not necessary. For this reason, various algorithms using only the information have been proposed. One useful method is to use neural networks, one of the machine learning applications. In the method of using the neural network, the model is learned using the position information of the beacon node equipped with the GPS receiver. However, in a situation where the number of beacon nodes is small, there is a problem that the localization error of ordinary nodes in situations where there are few beacon nodes. Through simulation experiments, we define wireless sensor network models with fewer beacon nodes and confirm that the proposed method has smaller localization error than the conventional method in each network model.

참고자료

· 없음