산업 무선 센서 네트워크에서 종단 간 지연시간 감소를 위한 깊이 기반 TDMA 스케줄링 개선 기법 :Improved DB-TDMA Scheduling Algorithm for Industrial WSN to Reduce the End-to-end Delay

이화경

추천

검색

자료유형: 학위논문

저자정보: 이화경 (부산대학교, 부산대학교 대학원)

지도교수: 정상화

발행연도: 2014

저작권: 부산대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2014

산업 무선 센서 네트워크에서 종단 간 지연시간 감소를 위한 깊이 기반 TDMA 스케줄링 개선 기법

이화경 전자전기컴퓨터공 2014.01 학위논문

산업 무선 센서 네트워크에서 긴급 상황의 데이터 수집 지연시간 감소를 위한 TDMA 분산 슬롯 스케줄링 기법

이화경 , 정상화 , 정익주 한국통신학회 학술대회논문집 2014.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

According to the expansion of wireless sensor networks(WSN), the networks need scalable algorithms to manage it efficiently. Especially, industrial WSNs ask greate performance and reliable communication. In wireless network structure, cluster structure makes clusters in distributed manner and it reduces cost which is consumed by the network organization. Also, the networks as being complicated, reservation-based MAC is more powerful and reliable protocol than contention-based MAC.
This paper introduces Depth-based TDMA. It assigns time slots to each sensor node in a cluster-based network. Because it work in distributed manner, its scalability and energy efficiency are guaranteed. But, each node doesn’t know total network information and can’t serve improved time slot schedule. For this, this paper suggests distributed improved algorithm to reduce end-to-end delay of DB-TDMA. Also, DB-TDMA gets reliability using conflict information in improving process.

#무선 센서 네트워크 #센서노드 #TDMA 스케줄링

1. 서론 1
2. 관련 연구 4
2.1. HEED : A Hybrid, Energy-Efficient, Distributed Clustering Approach for Ad Hoc Sensor Networks 7
2.2. TDMA Time Slot Scheduling Algorithm 10
2.3. A Depth-based TDMA Scheduling for Clustering Sensor Networks (DB-TDMA) 13
2.4. 무선 네트워크상의 충돌 유형 16
2.5. Conflict Graph 18
3. 신호 간섭을 고려한 개선된 DB-TDMA 20
3.1. 클러스터 네트워크상의 충돌 유형 20
3.2. 충돌 정보에 의한 알고리즘 개선 결정 22
3.3. 충돌 정보 수집 및 전달 27
3.4. DB-TDMA 타임 슬롯 스케줄링 개선 30
4. 실험 및 분석 34
4.1. 실험 환경 소개 34
4.2. 실험 방법 소개 37
4.3. 실험 및 결과 분석 38
4.3.1. 종단 간 데이터 수집 지연 시간 38
4.3.2. 종단 간 통신 정확도 40
4.3.3. 스케줄링 알고리즘의 오버헤드 42
5. 결론 및 향후 과제 46
6. 참고 문헌 48

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)