WSN(Wireless Sensor Network)에서의 최적화된 전력사용 방안의 연구동향
2019-02-01
org.kosen.entty.User@7c7160bf
백윤철(wmolnaf)
1. 개요
최근, 사물인터넷(IoT; Internet of Things) 기술은 스마트 홈 서비스를 비롯하여 스마트 팩토리, 스마트 카, 스마트 팜 및 스마트 시티에 적용되며 활성화되고 있다. 사물인터넷이란 사람, 사물, 공간 등 모든 것이 인터넷으로 연결되어 정보가 생성？수집？공유？활용되는 것을 의미한다. 이러한 사물인터넷을 구현하기 위해서는 정보의 생성, 인터넷을 기반으로 하는 수집과 공유, 적용하고자 하는 서비스에 필요한 정보로서의 활용이 요구된다. 정보를 생성하는 대표적인 디바이스로 센서가 활용되고 있으며 이를 통한 정보의 전송을 위해서는 필요한 범위 내에 무선 센서 네트워크(WSN; Wireless Sensor Network)를 구축하거나 기존에 형성된 WSN에 기반하여 정보를 생성 및 전송해야 한다.
WSN은 사물인터넷 서비스의 기반이 되며 성장을 주도하고 있다. 그러나, WSN을 구축 및 운영 시 센서의 개수와 정보생성에 필요한 센서의 소비전력이 증가할수록 점차 사물인터넷 서비스의 제약사항으로 작용하게 될 것이다. 따라서, 사물인터넷 서비스 제공에 필요한 WSN의 효율적인 구축 및 운영을 위해서는 최적화된 전력사용 방안의 도출이 수반되어야 한다.
본 보고서는 WSN을 기반으로 하는 사물인터넷 서비스를 위해 필요한 WSN의 전력사용 최적화 방안의 연구 동향에 관해 설명한다. 첫 번째로, 센서 자체에 소비되는 전력을 감소시키는 방안들로 센서에 공급되는 전력을 지속해서 사용하지 않고 특정 구간에만 공급하는 duty cycle 설정 방식과 동적으로 제어 가능한 적응적 예열 구간 제어 기법을 포함한 센서의 전력사용 구간 제어 알고리즘을 소개한다. 두 번째로, sparse signal에 대한 압축 센싱 기법 적용으로 센싱에 필요한 센서의 개수 또는 센싱 시간을 줄여 소비되는 전력을 감소시키는 방안을 설명한다. 다음으로 전력사용 측면에서 효과적인 통신 프로토콜과 라우팅 프로토콜에 관해 설명하고, 최근 연구？개발되고 있는 기술들에 대해 제시한다.
2. WSN에서의 최적화된 전력사용 방안
2.1. 센서의 전력사용구간 제어
WSN을 구성하는 센서들은 배터리로부터 필요한 전력을 공급받는다. 전력 제한 시스템에도 불구하고 일반적으로 센서에 지속해서 전력을 공급하는 방식을 사용한다. 이러한 방식은 광범위한 지역을 대상으로 운용되거나 센서들이 밀집된 형태로 구성된 센서 네트워크의 경우 전력 소비로 인한 문제가 발생하게 된다. 개선 가능한 방안으로써 센서에서 소비되는 전력을 제어하는데, 센서의 동작이 필요한 시간을 고려하여 duty cycle을 설정한다. 센서의 duty cycle이란 전체 시간에서 전력을 소비하는 즉, active 구간이 차지하는 비율을 의미한다. Duty cycle은 WSN에 기반한 서비스에서 요구하는 정보의 센싱 주기, 센서에서 취득한 정보를 전송하기 위해 사용되는 통신 및 라우팅 프로토콜에 따라 달라질 수 있다. 예를 들어, ZigBee 통신 프로토콜을 사용하는 WSN에서 BI(Beacon Interval) 내에 inactive 구간의 비율을 증가시켜 duty cycle을 감소시킬 수 있다. Duty cycle이 작아질수록 센서를 포함한 WSN에서 소비되는 전력은 감소하지만, 데이터를 센싱 및 전송하는데 발생하는 지연은 상황에 따라 증가할 수 있다. 따라서, 서비스에서 요구하는 특성에 적합한 전력 소비 패턴과 지연을 고려하여 duty cycle을 설정해야 한다.
N형 반도체로 제작된 센서는 다양한 종류의 타깃을 빨리 감지할 수 있고 저렴한 가격으로 인해 여러 분야에서 사용되지만, 400℃ 정도의 온도에 도달해야 정확하게 센싱 할 수 있는 특성으로 예열에 필요한 전력 소비가 문제점으로 지적되고 있다[1]. 이러한 센서의 요구사항에 의해 duty cycle 설정으로도 전력 소비 감소방안이 적용되기 어려운 경우에는 고정된 값을 가진 duty cycle을 이용하는 것이 아닌 예열시간을 고려하여 센서에 공급되는 전력 구간을 주기마다 동적으로 결정하는 제어기법이 필요하다. 따라서, 예열이 필요한 센서들은 시스템에서 요구하는 값의 정확도를 보장하면서 예열시간을 최소화하는 방안인 적응적 예열구간 제어 기법[2]을 WSN에 적용한다.
WSN 구축 및 운영 시 사전에 설정된 duty cycle을 지속해서 사용하는 것이 아닌 적응적 예열구간 제어 기법의 적용을 위해서는 주기마다 전송 시점을 기준으로 언제부터 예열을 위한 전력이 공급되어야 하는지에 대한 계산 결과가 반복적으로 도출되어야 한다. 필요한 예열구간은 센서의 제작 단계에서 결정된 요구 예열시간과 예열 계수를 곱하여 결정한다. 예열 계수는 예열 시작 이전까지 누적된 전력의 공급 및 차단구간, 공급구간과 차단구간 두 변수의 상관계수에 따라 주기마다 달라진다. 다음 전송주기 시점에서의 정보획득을 위한 예열구간은,
WSN에 기반한 사물인터넷 서비스 제공에 필요한 통신 프로토콜들은 표 1과 같은 특징을 가지며 이러한 요소들을 고려하여 WSN의 통신 프로토콜을 선정한다. LPWA(Low Power Wide Area) 통신 기술들을 중심으로 지속해서 연구？개발 및 관련 표준화가 진행되고 있다.
2.4. 하이브리드 라우팅 프로토콜
WSN에서의 라우팅 프로토콜은 각 센서의 전력 소비에 영향을 미치게 되고, 네트워크 전체의 수명과 데이터 전송의 신뢰도를 결정하게 된다. 라우팅 프로토콜은 센서 네트워크의 영역을 구분하는 기준에 따라 평면적 라우팅 프로토콜과 계층적 라우팅 프로토콜 등으로 분류할 수 있다. 평면적 라우팅 프로토콜은 네트워크 전체를 하나의 영역으로 간주하여 모든 센서가 동등하게 라우팅에 참여하는 기법을 의미하며 direct diffusion, SPIN(Sensor Protocols for Information via Negotiation), SAR(Sequential Assignment Routing), Minimum cost forwarding algorithm 등이 있다. 계층적 라우팅 프로토콜은 네트워크를 클러스터링을 기반으로 한 다수의 영역으로 나누어 각 영역 내의 특정 센서에 헤드의 역할을 부여하여 라우팅을 수행하는 기법을 의미하며 LEACH(Low-Energy Adaptive Clustering Hierarchy), TEEN(Threshold sensitive Energy Efficient sensor Network protocol), APTEEN(Adaptive Periodic TEEN protocol) 등이 있다[7].
전력사용 측면에서 라우팅 프로토콜의 특징을 파악해본다면, 평면적 라우팅 프로토콜은 경쟁에 기반한 스케줄링 방식으로 데이터 송수신 시 충돌이 발생할 수 있어 이로 인한 추가적인 전력 소비가 발생할 수 있으며 트래픽 패턴에 따라 에너지가 집중적으로 소비되는 센서들이 발생할 수 있다. 그러나 가변적인 duty cycle 적용이 쉬우므로 식 (1)에 기반한 적응적 예열구간 제어 기법을 적용하기 적합하다.
반대로 계층적 라우팅 프로토콜은 예약에 기반한 스케줄링 방식을 사용하고 있어 충돌 회피가 가능하며 이로 인해 발생하는 불필요한 전력 소비는 최소화할 수 있다. 그러나 클러스터 헤드를 선정하는 알고리즘에 따라 헤드 역할을 수행하는 센서의 전력 소비가 집중되는 문제가 발생할 수 있고, 고정적인 형태의 duty cycle이 형성되기 때문에 적응적 예열구간 제어 기법을 적용하는데 발생하는 복잡도가 증가하는 문제가 있다. 따라서, WSN을 구성하는 센서의 배치 형태, 사용하는 통신 프로토콜, 트래픽 패턴, 예열구간 제어 기법 적용 여부 등을 고려하여 라우팅 프로토콜을 선정해야 하며, 주요 고려사항들을 요약하면 표 2와 같다.
표 2. 라우팅 프로토콜들의 특징 비교
센서들의 불균형적인 전력 소비를 최소화하고, 서비스의 요구사항을 충족함과 동시에 WSN에서의 최적화된 전력 소비를 위해 평면적 라우팅 프로토콜과 계층적 라우팅 프로토콜을 활용하는 하이브리드 라우팅 프로토콜에 대한 연구 및 적용이 진행되고 있다.
3. 결론
사물인터넷 서비스의 기반이 되는 WSN 구축 및 활용에는 서비스 요구사항에 따라 다양한 요인들이 고려되어야 한다. 이 중에서, 본 보고서는 전력사용 측면에서 고려해야 할 사항들에 대해 중점적으로 다루었으며, WSN의 원활한 운영을 위해서는 전력 공급 제한 문제를 최소화할 수 있는 최적화된 전력사용 방안이 우선시 되어야 한다. 앞으로 사물인터넷 서비스가 활성화됨에 따라 WSN의 전력 소비를 감소시키기 위한 기법들은 앞에서 제시된 duty cycle을 포함한 적응적 예열 구간 제어기법, 압축 센싱 기법, 통신/라우팅 프로토콜을 포함하여 다양한 형태로 연구？개발 될 것이다.
소비되는 전력을 감소시키는 것에서 한발 더 나아가서는 센서 주변의 환경 에너지와 자연에너지를 모아 전력원으로 활용하는 기술인 마이크로 에너지 하베스팅 기법의 적용방안이 제시되어야 할 것이다.
References
1. Yamazoe, N., Sakai, G., & Shimanoe, K. Oxide semiconductor gas sensors. Catalysis Surveys from Asia. Vol. 7 No. 1, 63–75, April 2003.
2. Baek Y, et al. Adaptive preheating duration control for low-power ambient air quality sensor networks. Sensors. 14(3) 5536-5551, March 2014.
3. Candes E., & Wakin M. An Introduction to Compressive Sensing. IEEE Signal Processing Magazine. 25(2), 21-30, March 2008.
4. Kim S, et al. Reduced Computational Complexity Orthogonal Matching Pursuit Using a Novel Partitioned Inversion Technique for Compressive Sensing. Electronics, 7(9), 206, 2018.
5. Paulo V., & Renato V. L1-Minimization Algorithm for Bayesian Online Compressed Sensing. Entropy. 19(12), 2017.
6 Sahoo, S. & Makur, A. Signal recovery from random measurements via extended orthogonal matching pursuit. IEEE Transactions on Signal Process, 63, 2572–2581, 2015.
7. 배정숙, 김성희, 무선 센서 네트워크에서의 라우팅 프로토콜, 정보통신기술진흥센터, 2004
최근, 사물인터넷(IoT; Internet of Things) 기술은 스마트 홈 서비스를 비롯하여 스마트 팩토리, 스마트 카, 스마트 팜 및 스마트 시티에 적용되며 활성화되고 있다. 사물인터넷이란 사람, 사물, 공간 등 모든 것이 인터넷으로 연결되어 정보가 생성？수집？공유？활용되는 것을 의미한다. 이러한 사물인터넷을 구현하기 위해서는 정보의 생성, 인터넷을 기반으로 하는 수집과 공유, 적용하고자 하는 서비스에 필요한 정보로서의 활용이 요구된다. 정보를 생성하는 대표적인 디바이스로 센서가 활용되고 있으며 이를 통한 정보의 전송을 위해서는 필요한 범위 내에 무선 센서 네트워크(WSN; Wireless Sensor Network)를 구축하거나 기존에 형성된 WSN에 기반하여 정보를 생성 및 전송해야 한다.
WSN은 사물인터넷 서비스의 기반이 되며 성장을 주도하고 있다. 그러나, WSN을 구축 및 운영 시 센서의 개수와 정보생성에 필요한 센서의 소비전력이 증가할수록 점차 사물인터넷 서비스의 제약사항으로 작용하게 될 것이다. 따라서, 사물인터넷 서비스 제공에 필요한 WSN의 효율적인 구축 및 운영을 위해서는 최적화된 전력사용 방안의 도출이 수반되어야 한다.
본 보고서는 WSN을 기반으로 하는 사물인터넷 서비스를 위해 필요한 WSN의 전력사용 최적화 방안의 연구 동향에 관해 설명한다. 첫 번째로, 센서 자체에 소비되는 전력을 감소시키는 방안들로 센서에 공급되는 전력을 지속해서 사용하지 않고 특정 구간에만 공급하는 duty cycle 설정 방식과 동적으로 제어 가능한 적응적 예열 구간 제어 기법을 포함한 센서의 전력사용 구간 제어 알고리즘을 소개한다. 두 번째로, sparse signal에 대한 압축 센싱 기법 적용으로 센싱에 필요한 센서의 개수 또는 센싱 시간을 줄여 소비되는 전력을 감소시키는 방안을 설명한다. 다음으로 전력사용 측면에서 효과적인 통신 프로토콜과 라우팅 프로토콜에 관해 설명하고, 최근 연구？개발되고 있는 기술들에 대해 제시한다.
2. WSN에서의 최적화된 전력사용 방안
2.1. 센서의 전력사용구간 제어
WSN을 구성하는 센서들은 배터리로부터 필요한 전력을 공급받는다. 전력 제한 시스템에도 불구하고 일반적으로 센서에 지속해서 전력을 공급하는 방식을 사용한다. 이러한 방식은 광범위한 지역을 대상으로 운용되거나 센서들이 밀집된 형태로 구성된 센서 네트워크의 경우 전력 소비로 인한 문제가 발생하게 된다. 개선 가능한 방안으로써 센서에서 소비되는 전력을 제어하는데, 센서의 동작이 필요한 시간을 고려하여 duty cycle을 설정한다. 센서의 duty cycle이란 전체 시간에서 전력을 소비하는 즉, active 구간이 차지하는 비율을 의미한다. Duty cycle은 WSN에 기반한 서비스에서 요구하는 정보의 센싱 주기, 센서에서 취득한 정보를 전송하기 위해 사용되는 통신 및 라우팅 프로토콜에 따라 달라질 수 있다. 예를 들어, ZigBee 통신 프로토콜을 사용하는 WSN에서 BI(Beacon Interval) 내에 inactive 구간의 비율을 증가시켜 duty cycle을 감소시킬 수 있다. Duty cycle이 작아질수록 센서를 포함한 WSN에서 소비되는 전력은 감소하지만, 데이터를 센싱 및 전송하는데 발생하는 지연은 상황에 따라 증가할 수 있다. 따라서, 서비스에서 요구하는 특성에 적합한 전력 소비 패턴과 지연을 고려하여 duty cycle을 설정해야 한다.
N형 반도체로 제작된 센서는 다양한 종류의 타깃을 빨리 감지할 수 있고 저렴한 가격으로 인해 여러 분야에서 사용되지만, 400℃ 정도의 온도에 도달해야 정확하게 센싱 할 수 있는 특성으로 예열에 필요한 전력 소비가 문제점으로 지적되고 있다[1]. 이러한 센서의 요구사항에 의해 duty cycle 설정으로도 전력 소비 감소방안이 적용되기 어려운 경우에는 고정된 값을 가진 duty cycle을 이용하는 것이 아닌 예열시간을 고려하여 센서에 공급되는 전력 구간을 주기마다 동적으로 결정하는 제어기법이 필요하다. 따라서, 예열이 필요한 센서들은 시스템에서 요구하는 값의 정확도를 보장하면서 예열시간을 최소화하는 방안인 적응적 예열구간 제어 기법[2]을 WSN에 적용한다.
WSN 구축 및 운영 시 사전에 설정된 duty cycle을 지속해서 사용하는 것이 아닌 적응적 예열구간 제어 기법의 적용을 위해서는 주기마다 전송 시점을 기준으로 언제부터 예열을 위한 전력이 공급되어야 하는지에 대한 계산 결과가 반복적으로 도출되어야 한다. 필요한 예열구간은 센서의 제작 단계에서 결정된 요구 예열시간과 예열 계수를 곱하여 결정한다. 예열 계수는 예열 시작 이전까지 누적된 전력의 공급 및 차단구간, 공급구간과 차단구간 두 변수의 상관계수에 따라 주기마다 달라진다. 다음 전송주기 시점에서의 정보획득을 위한 예열구간은,
 |
(1) |
이 된다.
식 (1)에서 사용되고 있는 변수들은 다음과 같은 값을 갖는다. DP(Duration of Preheating)는 전력 공급 시간, DO(Duration of power-Off)는 차단 시간이며 C(Correlation coefficient)는 두 변수 간의 상관계수로 공정단계에서 결정되는 센서의 종류별 특징과 사용환경의 온？습도에 따라 달라진다. 주기의 순서를 표현하는 인덱스는 i로 표현함에 따라 각 주기의 공급 시간과 차단 시간은 DPi와 DOi로 사용한다. DP0은 센서에 공급되는 초기 예열구간으로 초기에는 센서의 제작단계에서 결정된 예열시간만큼을 확보해서 사용한다.
더 나아가서는 예열구간 내에서도 센싱 결과를 획득하는 것이 가능하다. WSN을 활용하는 서비스에서 요구하는 정확도에 따라 달라지며 높은 정확도를 요구하는 서비스일수록 긴 시간의 예열구간이 확보되어야 한다.
2.2. Sparse signal에 대한 압축 센싱
Nyquist와 Shannon의 샘플링 이론에 의하면, 아날로그 신호를 최대 주파수의 2배 또는 그 이상에 대한 샘플링 주파수를 사용하여 이산 신호로 만들어야 원래의 아날로그 신호로 변환할 때 손실 없이 복원할 수 있다. 그러나, 주파수 도메인 또는 wavelet 도메인에서 sparsity 한 특성을 가지는 경우에는 압축 센싱 기법을 통해 Nyquist와 Shannon의 샘플링 이론에 의한 조건을 충족하지 않아도 정상적인 신호의 복원이 가능해진다. 압축 센싱 기법을 통해 이러한 효과를 보장된다는 것은 기존의 센싱 장비보다 더 적게 필요하거나 더 빨리 처리할 수 있다는 것을 의미한다. 따라서, 압축 센싱 기법을 적용하는 경우 요구되는 센서의 개수 또는 사용 시간이 감소하므로 전력소비량 역시 감소하게 된다.
그림 1. (a) 원본영상 (b) Wavelet transform coefficient (c) 복원영상
신호가 sparsity 하다는 것은 x축에 대한 y축의 값이 대부분 0인 경우를 의미하는데, 0이 아닌 일부의 값을 통해 신호를 압축할 수 있고 원래 신호로 복원도 가능하게 되는 것이다. 이러한 특성을 가진 신호는 영상신호에서 많이 나타나는데 예를 들어, 그림 1과 같다. 그림 1의 (a)가 원본 영상이며 wavelet 변환을 통해 wavelet 도메인에서 sparsity 한 특성을 가진다는 것을 (b)를 통해 확인할 수 있다. 그림 1. (c)는 0이 아닌 일부의 값을 이용하여 복원한 영상이다[3].
Sparsity 한 특성을 가지는 조건 이외에도 신호를 완벽하게 복원하기 위해서는 선형 측정과 복원 알고리즘이 적용되어야 한다. 식 Y = Ax에서 원래의 신호를 x라고 할 때, 신호를 선형 측정하는 행렬 A는 모든 subspace의 신호를 균일한 에너지로 투사하는 RIP(Restricted Isometric Property) 한 특성을 가져야 한다. 그렇지 않은 경우, 선호되지 않는 non sparse 한 subspace를 투사하여 복원 시 오류가 증가할 수 있게 된다. Y를 통해 신호 x를 복원하는 알고리즘에는 Orthogonal Matching Pursuit(OMP), Least Shrinkage and Selection Operator(LASSO), Least Angle Regression(LARS) 등이 있다[4-6].
2.3. 저전력 통신 프로토콜
기존에는 WSN을 구성하기 위해 사용되는 통신 프로토콜들을 커버리지를 기준으로 구분할 경우 WPAN(Wireless Personal Area Network)에는 대표적으로 ZigBee와 Bluetooth가 WLAN(Wireless Local Area Network)에는 주로 WiFi가 사용되었다. 최근에는 사물인터넷 서비스를 위한 통신기술로 LPWAN(Low Power Wide Area Network)에 해당하는 Sigfox, LoRa, LTE-M, NB-IoT 기술 등이 활용되고 있다. WSN을 구성하는 센서들의 배치 형태, 요구되는 데이터 전송 속도, 중첩되는 커버리지 내에 사용되고 있는 타 통신기술들을 고려하여 WSN에 적합한 통신 프로토콜을 LPWAN 통신 프로토콜들을 포함하여 선정하게 된다.
직접 원거리까지 전송이 필요하지 않은 상황에서는 전력 소비를 최소화하기 위해 ZigBee 또는 Bluetooth Low Energy(BLE) 통신 프로토콜을 사용하는 것이 적절하다. 그러나 이러한 통신 프로토콜을 사용하는 경우 전송속도가 ZigBee는 250Kbps, BLE의 경우 1Mbps 이내로 제한된다는 점과 2.4GHz ISM(Industrial, Scientific and Medical) 대역 사용으로 인한 채널 간섭 문제를 고려해야 한다. 반대로, WiFi 통신 프로토콜은 전송속도와 간섭의 영향에는 상대적으로 제약사항이 감소하지만 전력 소비가 큰 단점이 발생한다. 따라서, WiFi 통신프로토콜을 사용하는 WSN의 합리적인 전력 소비가 가능하기 위해서는 WPAN 영역의 통신 프로토콜로는 수용하기 어려운 형태로 센서가 배치되거나 전송속도 등의 시스템 요구사항이 존재해야 한다.
최근에는 저전력으로도 10Km 내외의 거리까지 정보전송이 가능한 LPWAN 통신기술들이 적용되고 있다. 대표적으로 LTE 대역을 사용하는 상용망 방식과 저전력 원거리 통신을 위해 전용망을 구축하여 활용하는 방식이 있다. 서비스의 특성에 따라 전용망과 상용망을 선택적으로 또는 혼합하여 사용 가능하며, 원거리의 정보전송에 있어 기존의 WPAN과 WLAN 통신 프로토콜과 비교하여 전력 소비를 포함한 다양한 이점 확보가 가능해 저전력 WSN 구축 및 운용을 위한 방안으로 활성화될 것이다.
표 1. WPAN, WLAN, LPWAN 주요 통신 프로토콜들의 특징 비교
식 (1)에서 사용되고 있는 변수들은 다음과 같은 값을 갖는다. DP(Duration of Preheating)는 전력 공급 시간, DO(Duration of power-Off)는 차단 시간이며 C(Correlation coefficient)는 두 변수 간의 상관계수로 공정단계에서 결정되는 센서의 종류별 특징과 사용환경의 온？습도에 따라 달라진다. 주기의 순서를 표현하는 인덱스는 i로 표현함에 따라 각 주기의 공급 시간과 차단 시간은 DPi와 DOi로 사용한다. DP0은 센서에 공급되는 초기 예열구간으로 초기에는 센서의 제작단계에서 결정된 예열시간만큼을 확보해서 사용한다.
더 나아가서는 예열구간 내에서도 센싱 결과를 획득하는 것이 가능하다. WSN을 활용하는 서비스에서 요구하는 정확도에 따라 달라지며 높은 정확도를 요구하는 서비스일수록 긴 시간의 예열구간이 확보되어야 한다.
2.2. Sparse signal에 대한 압축 센싱
Nyquist와 Shannon의 샘플링 이론에 의하면, 아날로그 신호를 최대 주파수의 2배 또는 그 이상에 대한 샘플링 주파수를 사용하여 이산 신호로 만들어야 원래의 아날로그 신호로 변환할 때 손실 없이 복원할 수 있다. 그러나, 주파수 도메인 또는 wavelet 도메인에서 sparsity 한 특성을 가지는 경우에는 압축 센싱 기법을 통해 Nyquist와 Shannon의 샘플링 이론에 의한 조건을 충족하지 않아도 정상적인 신호의 복원이 가능해진다. 압축 센싱 기법을 통해 이러한 효과를 보장된다는 것은 기존의 센싱 장비보다 더 적게 필요하거나 더 빨리 처리할 수 있다는 것을 의미한다. 따라서, 압축 센싱 기법을 적용하는 경우 요구되는 센서의 개수 또는 사용 시간이 감소하므로 전력소비량 역시 감소하게 된다.
그림 1. (a) 원본영상 (b) Wavelet transform coefficient (c) 복원영상
신호가 sparsity 하다는 것은 x축에 대한 y축의 값이 대부분 0인 경우를 의미하는데, 0이 아닌 일부의 값을 통해 신호를 압축할 수 있고 원래 신호로 복원도 가능하게 되는 것이다. 이러한 특성을 가진 신호는 영상신호에서 많이 나타나는데 예를 들어, 그림 1과 같다. 그림 1의 (a)가 원본 영상이며 wavelet 변환을 통해 wavelet 도메인에서 sparsity 한 특성을 가진다는 것을 (b)를 통해 확인할 수 있다. 그림 1. (c)는 0이 아닌 일부의 값을 이용하여 복원한 영상이다[3].
Sparsity 한 특성을 가지는 조건 이외에도 신호를 완벽하게 복원하기 위해서는 선형 측정과 복원 알고리즘이 적용되어야 한다. 식 Y = Ax에서 원래의 신호를 x라고 할 때, 신호를 선형 측정하는 행렬 A는 모든 subspace의 신호를 균일한 에너지로 투사하는 RIP(Restricted Isometric Property) 한 특성을 가져야 한다. 그렇지 않은 경우, 선호되지 않는 non sparse 한 subspace를 투사하여 복원 시 오류가 증가할 수 있게 된다. Y를 통해 신호 x를 복원하는 알고리즘에는 Orthogonal Matching Pursuit(OMP), Least Shrinkage and Selection Operator(LASSO), Least Angle Regression(LARS) 등이 있다[4-6].
2.3. 저전력 통신 프로토콜
기존에는 WSN을 구성하기 위해 사용되는 통신 프로토콜들을 커버리지를 기준으로 구분할 경우 WPAN(Wireless Personal Area Network)에는 대표적으로 ZigBee와 Bluetooth가 WLAN(Wireless Local Area Network)에는 주로 WiFi가 사용되었다. 최근에는 사물인터넷 서비스를 위한 통신기술로 LPWAN(Low Power Wide Area Network)에 해당하는 Sigfox, LoRa, LTE-M, NB-IoT 기술 등이 활용되고 있다. WSN을 구성하는 센서들의 배치 형태, 요구되는 데이터 전송 속도, 중첩되는 커버리지 내에 사용되고 있는 타 통신기술들을 고려하여 WSN에 적합한 통신 프로토콜을 LPWAN 통신 프로토콜들을 포함하여 선정하게 된다.
직접 원거리까지 전송이 필요하지 않은 상황에서는 전력 소비를 최소화하기 위해 ZigBee 또는 Bluetooth Low Energy(BLE) 통신 프로토콜을 사용하는 것이 적절하다. 그러나 이러한 통신 프로토콜을 사용하는 경우 전송속도가 ZigBee는 250Kbps, BLE의 경우 1Mbps 이내로 제한된다는 점과 2.4GHz ISM(Industrial, Scientific and Medical) 대역 사용으로 인한 채널 간섭 문제를 고려해야 한다. 반대로, WiFi 통신 프로토콜은 전송속도와 간섭의 영향에는 상대적으로 제약사항이 감소하지만 전력 소비가 큰 단점이 발생한다. 따라서, WiFi 통신프로토콜을 사용하는 WSN의 합리적인 전력 소비가 가능하기 위해서는 WPAN 영역의 통신 프로토콜로는 수용하기 어려운 형태로 센서가 배치되거나 전송속도 등의 시스템 요구사항이 존재해야 한다.
최근에는 저전력으로도 10Km 내외의 거리까지 정보전송이 가능한 LPWAN 통신기술들이 적용되고 있다. 대표적으로 LTE 대역을 사용하는 상용망 방식과 저전력 원거리 통신을 위해 전용망을 구축하여 활용하는 방식이 있다. 서비스의 특성에 따라 전용망과 상용망을 선택적으로 또는 혼합하여 사용 가능하며, 원거리의 정보전송에 있어 기존의 WPAN과 WLAN 통신 프로토콜과 비교하여 전력 소비를 포함한 다양한 이점 확보가 가능해 저전력 WSN 구축 및 운용을 위한 방안으로 활성화될 것이다.
표 1. WPAN, WLAN, LPWAN 주요 통신 프로토콜들의 특징 비교
| 비교항목 | WPAN | WLAN | LPWAN | ||
| ZigBee | Bluetooth Low Energy | WiFi | 전용망 (Sigfox, LoRa) | 상용망 (LTE-M, NB-IoT) | |
| 전송반경 | 30m | 10m | 100m | 10Km | 10Km |
| 전송속도 | < 250Kbps | < 1Mbps | < 수Gbps | < 수십Kbps | < 수Mbps |
| 사용주파수 | 868/915MHz, 2.4GHz | 2.4GHz | 2.4/5/60GHz | 비면허대역(900MHz) | 면허대역 (LTE 대역) |
| 간섭 | 2.4GHz 사용 시 coexistence 고려 | 상용망 대비 취약 | 전용망 대비 완화 | ||
| 관련표준 | IEEE 802.15.4 | Bluetooth SIG | IEEE 802.11 | ETSI, LoRa alliance | 3GPP |
WSN에 기반한 사물인터넷 서비스 제공에 필요한 통신 프로토콜들은 표 1과 같은 특징을 가지며 이러한 요소들을 고려하여 WSN의 통신 프로토콜을 선정한다. LPWA(Low Power Wide Area) 통신 기술들을 중심으로 지속해서 연구？개발 및 관련 표준화가 진행되고 있다.
2.4. 하이브리드 라우팅 프로토콜
WSN에서의 라우팅 프로토콜은 각 센서의 전력 소비에 영향을 미치게 되고, 네트워크 전체의 수명과 데이터 전송의 신뢰도를 결정하게 된다. 라우팅 프로토콜은 센서 네트워크의 영역을 구분하는 기준에 따라 평면적 라우팅 프로토콜과 계층적 라우팅 프로토콜 등으로 분류할 수 있다. 평면적 라우팅 프로토콜은 네트워크 전체를 하나의 영역으로 간주하여 모든 센서가 동등하게 라우팅에 참여하는 기법을 의미하며 direct diffusion, SPIN(Sensor Protocols for Information via Negotiation), SAR(Sequential Assignment Routing), Minimum cost forwarding algorithm 등이 있다. 계층적 라우팅 프로토콜은 네트워크를 클러스터링을 기반으로 한 다수의 영역으로 나누어 각 영역 내의 특정 센서에 헤드의 역할을 부여하여 라우팅을 수행하는 기법을 의미하며 LEACH(Low-Energy Adaptive Clustering Hierarchy), TEEN(Threshold sensitive Energy Efficient sensor Network protocol), APTEEN(Adaptive Periodic TEEN protocol) 등이 있다[7].
전력사용 측면에서 라우팅 프로토콜의 특징을 파악해본다면, 평면적 라우팅 프로토콜은 경쟁에 기반한 스케줄링 방식으로 데이터 송수신 시 충돌이 발생할 수 있어 이로 인한 추가적인 전력 소비가 발생할 수 있으며 트래픽 패턴에 따라 에너지가 집중적으로 소비되는 센서들이 발생할 수 있다. 그러나 가변적인 duty cycle 적용이 쉬우므로 식 (1)에 기반한 적응적 예열구간 제어 기법을 적용하기 적합하다.
반대로 계층적 라우팅 프로토콜은 예약에 기반한 스케줄링 방식을 사용하고 있어 충돌 회피가 가능하며 이로 인해 발생하는 불필요한 전력 소비는 최소화할 수 있다. 그러나 클러스터 헤드를 선정하는 알고리즘에 따라 헤드 역할을 수행하는 센서의 전력 소비가 집중되는 문제가 발생할 수 있고, 고정적인 형태의 duty cycle이 형성되기 때문에 적응적 예열구간 제어 기법을 적용하는데 발생하는 복잡도가 증가하는 문제가 있다. 따라서, WSN을 구성하는 센서의 배치 형태, 사용하는 통신 프로토콜, 트래픽 패턴, 예열구간 제어 기법 적용 여부 등을 고려하여 라우팅 프로토콜을 선정해야 하며, 주요 고려사항들을 요약하면 표 2와 같다.
표 2. 라우팅 프로토콜들의 특징 비교
| 비교항목 | 평면적 라우팅 프로토콜 | 계층적 라우팅 프로토콜 |
| 데이터 중계 | 인접 센서 | 클러스터 헤드 센서 |
| 스케쥴링 | 경쟁기반 | 예약기반 |
| 충돌발생 | 발생 -> 전력소비 증가 | 회피가능 |
| Duty cycle | 가변적 제어 가능 | 고정적 |
| 각 센서의 전력 소비 형태 | 트래픽 패턴에 의존적 | 일정하게 제어 가능 |
센서들의 불균형적인 전력 소비를 최소화하고, 서비스의 요구사항을 충족함과 동시에 WSN에서의 최적화된 전력 소비를 위해 평면적 라우팅 프로토콜과 계층적 라우팅 프로토콜을 활용하는 하이브리드 라우팅 프로토콜에 대한 연구 및 적용이 진행되고 있다.
3. 결론
사물인터넷 서비스의 기반이 되는 WSN 구축 및 활용에는 서비스 요구사항에 따라 다양한 요인들이 고려되어야 한다. 이 중에서, 본 보고서는 전력사용 측면에서 고려해야 할 사항들에 대해 중점적으로 다루었으며, WSN의 원활한 운영을 위해서는 전력 공급 제한 문제를 최소화할 수 있는 최적화된 전력사용 방안이 우선시 되어야 한다. 앞으로 사물인터넷 서비스가 활성화됨에 따라 WSN의 전력 소비를 감소시키기 위한 기법들은 앞에서 제시된 duty cycle을 포함한 적응적 예열 구간 제어기법, 압축 센싱 기법, 통신/라우팅 프로토콜을 포함하여 다양한 형태로 연구？개발 될 것이다.
소비되는 전력을 감소시키는 것에서 한발 더 나아가서는 센서 주변의 환경 에너지와 자연에너지를 모아 전력원으로 활용하는 기술인 마이크로 에너지 하베스팅 기법의 적용방안이 제시되어야 할 것이다.
References
1. Yamazoe, N., Sakai, G., & Shimanoe, K. Oxide semiconductor gas sensors. Catalysis Surveys from Asia. Vol. 7 No. 1, 63–75, April 2003.
2. Baek Y, et al. Adaptive preheating duration control for low-power ambient air quality sensor networks. Sensors. 14(3) 5536-5551, March 2014.
3. Candes E., & Wakin M. An Introduction to Compressive Sensing. IEEE Signal Processing Magazine. 25(2), 21-30, March 2008.
4. Kim S, et al. Reduced Computational Complexity Orthogonal Matching Pursuit Using a Novel Partitioned Inversion Technique for Compressive Sensing. Electronics, 7(9), 206, 2018.
5. Paulo V., & Renato V. L1-Minimization Algorithm for Bayesian Online Compressed Sensing. Entropy. 19(12), 2017.
6 Sahoo, S. & Makur, A. Signal recovery from random measurements via extended orthogonal matching pursuit. IEEE Transactions on Signal Process, 63, 2572–2581, 2015.
7. 배정숙, 김성희, 무선 센서 네트워크에서의 라우팅 프로토콜, 정보통신기술진흥센터, 2004