무선 센서 네트워크

Wireless sensor network

무선 센서 네트워크(WSN)는 환경의 물리적 상태를 감시 및 기록하고 수집된 데이터를 중앙 위치에 전송하는 공간적으로 분산된 전용 센서의 네트워크를 말합니다.WSN은 온도, 소리, 오염 수준, 습도, [1]바람과 같은 환경 조건을 측정할 수 있다.

이것들은 무선 접속과 네트워크의 자발적 형성에 의존하여 센서 데이터를 무선으로 전송할 수 있다는 점에서 무선 애드혹네트워크와 유사합니다.WSN은 온도, 소리, 압력 등의 물리적 또는 환경적 조건을 모니터링합니다.최신 네트워크는 양방향으로 데이터를 수집하고[2] 센서 활동을 [3]제어할 수 있습니다.이러한 네트워크의 개발은 전장 [4]감시와 같은 군사 애플리케이션에 의해 동기 부여되었습니다.이러한 네트워크는 산업 프로세스 모니터링 및 제어, 기계 상태 모니터링과 같은 산업 및 소비자 애플리케이션에 사용됩니다.

WSN은 몇 개에서 수백 개 또는 수천 개의 '노드'로 구성되며, 여기서 각 노드는 다른 센서에 연결됩니다.이러한 각 노드는 일반적으로 내부 안테나가 있거나 외부 안테나에 연결된 무선 송수신기, 마이크로 컨트롤러, 센서와 인터페이스하기 위한 전자 회로 및 에너지원(일반적으로 배터리 또는 내장된 형태의 에너지 수집)으로 구성됩니다.센서 노드의 크기는 신발 상자에서 (이론적으로) 먼지 입자에 이르기까지 다양할 수 있지만, 현미경 치수는 아직 실현되지 않았다.센서 노드 비용도 노드의 정교함에 따라 몇 백달러에서 몇 백달러까지 다양합니다.크기 및 비용 제약은 에너지, 메모리, 연산 속도 및 통신 대역폭과 같은 자원을 제한합니다.WSN의 토폴로지는 단순한 스타네트워크에서 고도의 멀티홉 무선 메쉬 네트워크까지 다양합니다.전파에는 라우팅 또는 [5][6]플래딩을 사용할 수 있습니다.

컴퓨터 과학 및 통신 분야에서 무선 센서 네트워크는 임베디드 네트워크 센서에 관한 국제 워크숍(EmNetS), IPSN, SenSys, MobiCom 및 EWSN 등 많은 워크숍과 컨퍼런스를 지원하는 활발한 연구 영역입니다.2010년 현재 무선 센서 네트워크는 전 세계에 [7]약 1억2000만 대의 리모트 유닛을 배치하고 있습니다.

어플

지역 감시

영역 모니터링은 WSN의 일반적인 응용 프로그램입니다.영역 모니터링에서는 WSN은 어떤 현상을 모니터링해야 하는 영역에 배치됩니다.군사적인 예로는 적의 침입을 감지하는 센서를 사용하는 경우가 있습니다.일반적인 예로는 가스 또는 송유관의 지오펜싱을 들 수 있습니다.

의료 모니터링

의료용 센서 네트워크에는 이식형, 웨어러블형 및 환경 내장형 등 여러 유형이 있습니다.이식형 의료기기는 인체 내부에 삽입되는 의료기기를 말한다.웨어러블 기기는 사람의 신체 표면 또는 사용자의 바로 가까운 곳에서 사용됩니다.환경에 내장된 시스템은 환경에 포함된 센서를 사용합니다.가능한 응용 프로그램에는 신체 위치 측정, 사람의 위치, 병원 및 가정에서 아픈 환자의 전반적인 모니터링이 포함됩니다.환경에 내장된 장치는 깊이 카메라, 감지 바닥 또는 기타 유사한 장치의 네트워크로부터 데이터를 입력으로 사용하여 지속적인 건강 진단을 위해 사람의 신체 상태를 추적합니다.신체 영역 네트워크는 개인의 건강, 체력 및 에너지 [8][9]지출에 대한 정보를 수집할 수 있습니다.의료 애플리케이션에서는 사용자 데이터의 개인 정보 보호와 신뢰성이 가장 중요합니다.특히 센서 네트워크의 통합으로 인해 IoT와 함께 사용자 인증이 더욱 어려워지지만, 최근 [10]작업에서는 해결 방법이 제시되고 있다.

서식지 감시

무선 센서 네트워크는 그레이트 덕 아일랜드 배치를 시작으로 호주의 마못, 지팡이 두꺼비, 케냐의 얼룩말 등 다양한 종과 서식지를 감시하기 위해 사용되어 왔습니다.

환경/지구 감지

환경 [11]파라미터 모니터링에는 많은 응용 프로그램이 있으며, 그 예는 다음과 같은 예가 있습니다.이들은 열악한 환경과 전력 공급 감소라는 추가적인 과제를 공유합니다.

대기질 모니터링

실험들은 도시의 공기 오염에 대한 개인적인 노출이 매우 [12]다양할 수 있다는 것을 보여주었다.따라서 오염물질과 미립자의 시간적, 공간적 분해능을 높이는 것이 중요합니다.연구를 위해 무선 센서 네트워크는 시민(예: 런던)[13]의 위험 가스 농도를 모니터링하기 위해 배치되었다.그러나 가스 및 미립자 물질의 센서는 높은 단위 간 변동성, 교차 민감도 및 (개념)[14] 드리프트로 인해 어려움을 겪습니다.또한, 현재 현장 교정이 신뢰할 수 없는 측정 결과를 초래하고 잦은 재교정이 필요할 수 있으므로 신뢰할 수 있는 의사결정을 하기에는 데이터 품질이 불충분하다.생각할 수 있는 해결책은 블라인드 교정 또는 모바일 [15][16]참조를 사용하는 것입니다.

산불 감지

센서 노드 네트워크를 포레스트에 설치하여 화재가 언제 시작되었는지 감지할 수 있습니다.노드에는 온도, 습도 및 나무나 초목의 화재로 인해 발생하는 가스를 측정하는 센서를 장착할 수 있습니다.소방관들의 성공적인 행동을 위해서는 조기 발견이 중요하다; 무선 센서 네트워크 덕분에, 소방대는 언제 화재가 시작되었고 어떻게 번지고 있는지 알 수 있을 것이다.

산사태 검출

산사태 검출 시스템은 무선 센서 네트워크를 이용하여 산사태 전 또는 산사태 중에 발생할 수 있는 토양의 미세한 움직임 및 각종 파라미터의 변화를 검출한다.수집된 데이터를 통해 실제로 산사태가 발생하기 훨씬 전에 산사태의 발생을 알 수 있을 것이다.

수질 모니터링

수질 모니터링은 지하수 매장량뿐만 아니라 댐, 강, 호수, 해양의 수질 특성을 분석하는 것을 포함한다.많은 무선 분산 센서를 사용하면 물 상태에 대한 보다 정확한 지도를 만들 수 있으며, 수동 데이터 [17]검색 없이 접근이 어려운 위치에 측정소를 영구적으로 배치할 수 있습니다.

자연재해 방지

무선 센서 네트워크는 홍수 등의 자연 재해의 악영향을 방지하는 데 효과적입니다.강에는 무선 노드가 성공적으로 배치되어 있어 수위 변화를 실시간으로 감시해야 한다.

산업 모니터링

기계 상태 모니터링

무선 센서 네트워크는, 대폭적인 코스트 삭감과 신기능을 [18]실현하는 것으로써, 기계 상태 베이스의 유지보수(CBM)용으로 개발되고 있습니다.

무선 센서는 회전하는 기계나 끈이 없는 차량 등 유선 시스템으로는 도달하기 어렵거나 불가능한 위치에 배치될 수 있습니다.

데이터 로깅

주요 기사: 데이터 로깅

무선 센서 네트워크는 환경 정보 [19]감시를 위한 데이터 수집에도 사용됩니다.이것은 냉장고의 온도나 원자력 발전소의 넘쳐나는 탱크의 물의 양을 감시하는 것만큼 간단할 수 있다.그런 다음 통계 정보를 사용하여 시스템이 어떻게 작동하는지 보여줄 수 있습니다.WSN은 기존 로거에 비해 "라이브" 데이터 피드가 가능하다는 장점이 있습니다.

물/폐수 모니터링

물의 수질과 수위를 모니터링하는 것은 지하수나 지표수의 수질을 확인하고 인간과 동물 모두의 이익을 위해 국가의 물 인프라를 확보하는 것과 같은 많은 활동을 포함한다.이는 물의 낭비를 보호하는 데 사용될 수 있다.

구조 상태 모니터링

주요 기사:구조 상태 모니터링

무선 센서 네트워크는 적절한 인터페이스 센서를 사용하여 실시간으로, 그리고 데이터 로깅을 통해 장기간에 걸쳐 토목 인프라 및 관련 지리적 프로세스의 상태를 모니터링하기 위해 사용할 수 있습니다.

와인 생산

무선 센서 네트워크는 필드 및 [20]지하실 양쪽에서 와인 생산을 감시하기 위해 사용됩니다.

위협 검출

WATS(Wide Area Tracking System)는 핵 "브리프케이스 폭탄"과 같은 지상 기반 핵 장치를[21] 탐지하기 위한 원형 네트워크이다. WATS는 로렌스 리버모어 국립연구소(LLNL)에서 개발 중이다.WATS는 통신 네트워크를 통해 연결된 무선 감마 및 중성자 센서로 구성됩니다.센서에 의해 수집된 데이터는 정보를 쉽게 해석할 수 있는 형태로 변환하는 "데이터 융합"을 거칩니다. 이 데이터 융합은 시스템에서 [22][obsolete source]가장 중요한 측면입니다.

데이터 융합 프로세스는 중앙 집중식 컴퓨터가 아닌 센서 네트워크 내에서 발생하며 베이지안 [23]통계를 기반으로 특별히 개발된 알고리즘에 의해 수행됩니다.WATS는 레이텐시와 사용 가능한 대역폭 등의 요인이 중대한 병목 현상을 일으키는 경향이 있다는 것을 연구자가 발견했기 때문에 분석에 중앙 집중식 컴퓨터를 사용하지 않았습니다.(인접 센서 간에 소량의 데이터를 전송함으로써) 네트워크 자체에 의해 현장에서 처리되는 데이터는 더 빠르고 네트워크의 [23]확장성이 향상됩니다.

WATS 개발의 중요한 요소는 센서가 많아지면 검출 레이트가 향상되고 [23]오알람이 감소하기 때문에 도입이 용이하다는 것입니다.WATS 센서는 영구 위치에 배치하거나 특정 위치의 이동 보호를 위해 차량에 장착할 수 있다.WATS의 구현에 있어서 하나의 장벽은 현재 이용 가능한 무선 [23]센서의 크기, 중량, 에너지 요건 및 비용입니다.개선된 센서의 개발은 LLNL의 비확산, 무기 제어 및 국제 보안(NAI) 이사회에서 현재 연구의 주요 구성요소이다.

WATS는 1997년 10월 1일 미 하원 군사연구개발소위원회에서 핵테러와 [22]대응조치에 대한 청문회에서 프로파일링을 받았다.1998년 8월 4일 이후 열린 소위원회 회의에서 커트 웰던 의장은 WATS에 대한 연구자금이 클린턴 행정부에 의해 생계형 수준으로 삭감됐으며 프로그램이 제대로 [24]정비되지 않았다고 밝혔다.

사고 감시

사고 모니터링에 센서를 사용하면 예기치 않은 [25]상황에 대한 소방관 및 경찰의 대응이 크게 개선된다는 연구 결과가 있다.사고의 조기 검출을 위해 음향 센서를 사용하여 사고 발생 [26]가능성으로 인한 도시 소음의 스파이크를 검출하거나 화재 [27]발생 가능성을 감지하는 데 용어 센서를 사용할 수 있습니다.

공급망

다음 항목도 참조하십시오.IoT 픽셀

WSN:s는 저전력 전자제품으로 다양한 [28]산업의 공급망에도 비용 효율적으로 적용할 수 있다.

특성.

WSN의 주요 특징은 다음과 같습니다.

  • 배터리 또는 에너지 수집을 사용하는 노드의 전력 소비 제약 사항.공급업체의 예로는 ReVibe[29] Energy와 Permanentum이[30] 있습니다.
  • 노드 장애에 대처할 수 있는 기능(복원성)
  • 노드의 이동성(모바일성이 높은 노드의 경우 MWSN 참조)
  • 노드의 이종성
  • 노드의 균질성
  • 대규모 도입에 대한 확장성
  • 가혹한 환경 조건에도 견딜 수 있는 능력
  • 사용의 용이성
  • 크로스 레이어 최적화[31][32][33]

크로스 레이어는 무선 [32]통신의 중요한 연구 영역이 되고 있다.게다가 종래의 계층형 어프로치에서는, 다음의 3개의 주된 문제가 발생합니다.

  1. 기존의 계층형 접근 방식에서는 서로 다른 계층 간에 서로 다른 정보를 공유할 수 없기 때문에 각 계층에는 완전한 정보가 없습니다.기존의 레이어드 방식으로는 네트워크 전체의 최적화를 보증할 수 없습니다.
  2. 기존의 계층형 접근 방식으로는 환경 변화에 적응할 수 없습니다.
  3. 무선 센서 네트워크에서의 사용자 간 간섭, 액세스의 경합, 페이딩 및 환경의 변경으로 인해 기존의 유선 네트워크 레이어드 접근법은 무선 네트워크에는 적용되지 않습니다.

따라서 크로스 레이어를 사용하여 데이터 레이트, 에너지 효율, 서비스 품질([32]QoS) 등 전송 성능을 개선하기 위한 최적의 변조를 할 수 있습니다.센서 노드는 인터페이스와 구성 요소 면에서 매우 기본적인 소형 컴퓨터라고 생각할 수 있습니다.통상, 처리 능력이 한정되어 메모리 용량이 한정되어 있는 처리 장치, 센서 또는 MEMS(특정 조정 회로 포함), 통신 장치(통상 무선 트랜시버 또는 대체 광학 장치), 및 통상, 배터리 형태의 전원으로 구성됩니다.그 밖에 에너지 수집 모듈,[34] 세컨더리 ASIC 및 세컨더리 통신 인터페이스(RS-232 또는 USB 등)가 포함될 수 있습니다.

기지국은 훨씬 더 많은 계산, 에너지 및 통신 자원을 가진 WSN의 하나 이상의 구성요소입니다.이들은 일반적으로 WSN에서 서버로 데이터를 전송하기 때문에 센서노드와 최종 사용자 사이의 게이트웨이로 기능합니다.라우팅 기반 네트워크의 다른 특별한 컴포넌트는 라우팅 [35]테이블을 계산, 계산 및 배포하도록 설계된 라우터입니다.

플랫폼

하드웨어

주요 기사: 센서 노드

WSN의 주요 과제 중 하나는 저비용의 소형 센서 노드를 생성하는 것입니다.WSN 하드웨어를 생산하는 소규모 기업이 증가하고 있으며, 1970년대의 가정용 컴퓨팅과 비교할 수 있습니다.노드의 대부분은 아직 연구 개발 단계이며, 특히 소프트웨어입니다.또한 센서 네트워크 채택에는 무선 통신 및 데이터 수집에 매우 낮은 전력 방법을 사용하는 것이 고유합니다.

많은 응용 프로그램에서 WSN은 게이트웨이를 통해 로컬지역 네트워크 또는 와이드지역 네트워크와 통신합니다.게이트웨이는 WSN과 다른 네트워크 간의 브리지 역할을 합니다.이것에 의해, 리모트에 있는 서버 등, 보다 많은 자원을 가지는 디바이스에 의해서 데이터를 보존 및 처리할 수 있습니다.주로 저전력 디바이스에서 사용되는 무선 와이드 에리어 네트워크는 저전력 와이드 에리어 네트워크(LPWAN)라고 불립니다.

무선

센서 노드 연결에는 몇 가지 무선 표준과 솔루션이 있습니다.스레드와 지그비는 2.4GHz에서 작동하는 센서를 250kbit/s의 데이터 전송 속도로 연결할 수 있다.예를 들어 Z파는 915MHz에서 동작하며 EU에서는 868MHz에서 널리 사용되고 있지만 데이터 레이트는 낮습니다(일반적으로 50kb/s).IEEE 802.15.4 워킹그룹은 저전력 디바이스 접속 표준을 제공하고 있으며 일반적으로 센서와 스마트미터는 이들 표준 중 하나를 접속에 사용합니다.사물 인터넷의 등장으로 센서 연결을 제공하기 위한 다른 많은 제안들이 제시되었습니다.LoRa는[36] LPWAN의 한 형태로, 스마트 미터 등 장거리 센서 애플리케이션에 사용되어 온 디바이스용 저전력 무선 접속을 제공합니다.Wi-SUN은[37] 가정에서 디바이스를 연결합니다.협대역[38] IOT와 LTE-M은[39] 셀룰러 기술을 이용해 최대 수백만 개의 센서와 장치를 연결할 수 있다.

소프트웨어

에너지는 WSN 노드의 가장 적은 자원이며 WSN의 수명을 결정합니다.WSN은 애드혹 통신이 핵심 컴포넌트인 원격지역이나 적대지역 등 다양한 환경에 대량으로 배치될 수 있습니다.이러한 이유로 알고리즘과 프로토콜은 다음과 같은 문제를 해결해야 합니다.

  • 수명 연장
  • 견고성과 폴트 톨러런스
  • 자기 설정

라이프 타임 최대화:에너지/전력 감지 장치의 에너지 소비를 최소화해야 하며 제한된 에너지 자원이 수명을 결정하므로 센서 노드의 에너지 효율이 높아야 합니다.전력을 절약하기 위해 무선 센서노드는 일반적으로 사용하지 [32]않을 때는 무선 송신기와 무선 수신기의 전원을 끕니다.

라우팅 프로토콜

무선 센서 네트워크는 저에너지, 소형 및 저범위 무인 센서 노드로 구성됩니다.최근에는 센서 노드의 감지 및 통신 기능을 주기적으로 켜거나 끄면 활성 시간을 크게 단축하여 [40][41]네트워크 수명을 연장할 수 있는 것으로 관찰되고 있습니다.단, 이 듀티 사이클링에서는 비동기 sleep 및 웨이크업스케줄링에 의해 네트워크 지연, 라우팅 오버헤드 및 네이버디스커버리 지연이 발생할 수 있습니다.이러한 제한에는 라우팅 정보, 라우팅 트래픽 부하 및 에너지 소비를 최소화해야 하는 듀티 사이클 무선 센서네트워크에 대한 대책이 필요합니다.성균관대학교 연구진은 LNDIR로 불리는 경량 비증가 딜리버리 레이텐시 인터벌 루팅을 제안했다.이 방식에서는, 각 [clarification needed]타임 슬롯이 아니고, 증가하지 않는 전달 지연 간격 마다 최소 지연 루트를 검출할 수 있습니다.시뮬레이션 실험은 각 센서에 저장된 라우팅 정보를 최소화하는 이 새로운 접근법의 타당성을 입증했다.게다가 이 새로운 라우팅은, 각 소스로부터 싱크까지의 최소의 딜리버리 레이텐시를 보증할 수도 있습니다.기존 [42]방식에 비해 라우팅 트래픽 부하 감소 및 에너지 효율 측면에서 각각 최대 12배 및 11배의 성능 개선이 관찰되었습니다.

운영 체제

무선 센서 네트워크 노드용 운영체제는 일반적으로 범용 운영체제보다 덜 복잡합니다.두 가지 이유로 임베디드 시스템과 매우 유사합니다.첫째, 무선 센서 네트워크는 일반적으로 일반적인 플랫폼이 아닌 특정 애플리케이션을 염두에 두고 배치됩니다.둘째, 저비용과 저전력의 필요성으로 인해 대부분의 무선 센서 노드에 저전력 마이크로컨트롤러가 탑재되어 가상 메모리 등의 메커니즘이 불필요하거나 너무 비싸서 구현할 수 없게 됩니다.

따라서 센서 네트워크에 eCos 또는 uC/OS와 같은 내장 운영 체제를 사용할 수 있습니다.그러나 이러한 운영체제는 실시간 속성을 사용하여 설계되는 경우가 많습니다.

David Culler에 의해 개발된 TinyOS는 무선 센서 네트워크용으로 특별히 설계된 최초의 운영체제입니다.TinyOS는 멀티스레딩 대신 이벤트 기반 프로그래밍 모델을 기반으로 합니다.TinyOS 프로그램은 이벤트 핸들러와 완료 시멘틱스를 가진 태스크로 구성됩니다.착신 데이터 패킷이나 센서 판독치 등 외부 이벤트가 발생하면 TinyOS는 이벤트를 처리하기 위해 적절한 이벤트핸들러에 신호를 보냅니다.이벤트 핸들러는 Tiny에 의해 스케줄된 작업을 게시할 수 있습니다.잠시 후 OS 커널.

LiteOS는 무선 센서 네트워크용으로 새롭게 개발된 OS로 UNIX와 같은 추상화와 C 프로그래밍 언어 지원을 제공합니다.

Adam Dunkels가 개발한 Contiki는 6LoWPAN, Protothreads 등의 고급 기능을 제공하면서 C에서 보다 심플한 프로그래밍 스타일을 사용하는 OS입니다.

RIOT(운영체제)는 콘티키와 비슷한 기능을 갖춘 최신 실시간 OS다.

PreonVM은[43] Contiki 기반 6LoWPAN과 Java 프로그래밍 언어를 지원하는 무선 센서 네트워크용 OS입니다.

온라인 협업 센서 데이터 관리 플랫폼

온라인 협업 센서 데이터 관리 플랫폼은 센서 소유자가 온라인 데이터베이스에 데이터를 저장하기 위해 디바이스를 등록하고 연결할 수 있는 온라인 데이터베이스 서비스입니다.또한 개발자가 데이터베이스에 접속하여 해당 데이터를 기반으로 자체 애플리케이션을 구축할 수도 있습니다.예를 들어 Xively 및 Wikisensing 플랫폼이 있습니다.이러한 플랫폼은 에너지 및 환경 데이터부터 운송 서비스로부터 수집된 데이터까지 다양한 데이터 세트에 대한 사용자 간의 온라인 협업을 단순화합니다.기타 서비스에는 개발자가 웹 사이트에 실시간 그래프와 위젯을 삽입하거나 데이터 피드로부터 추출된 이력 데이터를 분석 및 처리하거나 데이터 스트림에서 실시간 경보를 전송하여 스크립트, 디바이스 및 환경을 제어할 수 있는 기능이 있습니다.

Wikisensing 시스템의[44] 아키텍처는 온라인 공동작업자를 위한 API와 인터페이스, 센서 데이터 관리 및 처리에 필요한 비즈니스 로직을 포함하는 미들웨어 및 대량의 데이터를 효율적으로 저장 및 검색하는 데 적합한 스토리지 모델을 포함하는 이러한 시스템의 주요 컴포넌트를 기술합니다.

시뮬레이션

현재 에이전트 기반 모델링 및 시뮬레이션은 무선 센서 환경(모임 [45]등)에서 복잡한 동작을 시뮬레이션할 수 있는 유일한 패러다임입니다.무선 센서와 애드혹네트워크의 에이전트 기반 시뮬레이션은 비교적 새로운 패러다임입니다.에이전트 기반 모델링은 원래 사회적 시뮬레이션을 기반으로 했습니다.

Opnet, Tetcos NetSim 및 NS와 같은 네트워크 시뮬레이터를 사용하여 무선 센서 네트워크를 시뮬레이션할 수 있습니다.

기타 개념

현지화

네트워크 현지화란 전개 중 및 동적 설정에서의 무선 센서노드의 위치를 추정하는 문제를 말합니다.초저전력 센서의 경우 크기, 비용 및 환경상 센서에 GPS 수신기를 사용할 수 없습니다.2000년 Nirupama Bulusu, John Heidemann 및 Deborah Estrin은 무선 센서 네트워크의 [46]현지화를 위한 무선 접속 기반 시스템을 최초로 제안하고 동기를 부여했습니다.그 후, 이러한 현지화 시스템은 레인지 프리 현지화 시스템이라고 불리며, AHLoS, APS, Stardust 등 무선 센서네트워크의 많은 현지화 시스템이 제안되고 있습니다.

센서 데이터 보정 및 폴트 톨러런스

무선 센서 네트워크에 사용되는 센서와 장치는 가능한 한 저렴한 최첨단 기술이다.따라서 이러한 장치로부터 얻을 수 있는 센서 측정은 노이즈가 많고 불완전하며 부정확합니다.무선 센서 네트워크를 연구하는 연구원들은 동일한 총 비용으로 소수의 고품질, 신뢰성 높은 기기를 사용하는 것보다 관심 분야에 걸쳐 분산된 수백 개의 신뢰할 수 없는 측정에서 훨씬 더 많은 정보를 추출할 수 있다고 가정합니다.

매크로프로그래밍

매크로 프로그래밍은 Matt Welsh에 의해 만들어진 용어이다.개별 센서 노드가 아닌 전체 센서 네트워크를 하나의 앙상블로 프로그래밍하는 것을 말합니다.네트워크를 매크로 프로그래밍하는 또 다른 방법은 센서 네트워크를 데이터베이스로 보는 것입니다. 이 데이터베이스는 Tiny에 의해 널리 보급되었습니다.Sam Madden이 개발한 DB 시스템.

재프로그래밍

재프로그래밍은 센서 노드의 코드를 업데이트하는 프로세스입니다.가장 실현 가능한 형태의 재프로그래밍은 노드가 전개되는 동안 코드가 무선으로 전파되는 원격 재프로그래밍입니다.다양한 수준의 동작 속도, 신뢰성, 에너지 소비, 노드에 상주하는 코드 요건, 다양한 무선 환경에 대한 적합성, DoS에 대한 저항 등을 제공하는 다양한 재프로그래밍 프로토콜이 존재합니다.인기 있는 재프로그래밍 프로토콜은 Floodge(2004), Trickle(2004), MNP(2005), Synapse(2008), Zephyr(2009)입니다.

보안.

WSN의 인프라 없는 아키텍처(게이트웨이 미포함 등)와 고유의 요건(무인 작업 환경 등)은 적을 유인하는 몇 가지 약점을 야기할 수 있다.따라서 WSN이 군사 및 의료와 같은 특수 애플리케이션에 배치될 때 보안은 큰 관심사입니다.WSN의 고유한 특성으로 인해 기존의 컴퓨터 네트워크 보안 방법은 WSN에 무용지물(또는 효과적)이 될 수 있습니다.따라서 보안 메커니즘이 부족하면 이러한 네트워크에 대한 침입이 발생합니다.이러한 침입을 탐지하고 완화 방법을 적용해야 합니다.

무선 센서 네트워크 보안에 있어 중요한 혁신이 있었습니다.대부분의 무선 임베디드 네트워크는 전방향 안테나를 사용하기 때문에 네이버가 노드 안팎의 통신을 엿들을 수 있습니다.이를 통해 대규모 네트워크의 throughput을 0에 가깝게 저하시키는 블랙홀이나 웜홀과 같은 정교한 공격을 검출하기 위해 사용되는 "로컬 모니터링"[47]이라고 불리는 프리미티브를 개발했습니다.이 프리미티브는 그 후 많은 연구자와 상용 무선 패킷 스니퍼에 의해 사용되어 왔습니다.그 후 담합, 모빌리티, 멀티 안테나, 멀티 채널디바이스 [48]등 보다 고도의 공격을 위해 개량되었습니다.

분산 센서 네트워크

센서 네트워크에서 집중형 아키텍처를 사용하여 중앙 노드에 장애가 발생하면 네트워크 전체가 붕괴되지만 분산 제어 아키텍처를 사용하여 센서 네트워크의 신뢰성을 높일 수 있습니다.분산 제어는 다음과 같은 이유로 WSN에서 사용됩니다.

  1. 센서 노드가 고장 나기 쉽지만
  2. 더 나은 데이터 수집을 위해
  3. 중앙 노드의 장애 발생 시 노드에 백업을 제공합니다.

자원을 배분하는 중앙집중식 기구도 없고 그들은 스스로 조직화되어야 한다.

분산 센서 네트워크를 통한 분산 필터링에 대해 설명합니다.일반적인 설정은 주어진 네트워크 토폴로지에 따라 구성된 센서 그룹을 통해 기본 프로세스를 관찰하는 것으로, 개별 관찰자는 자체 측정뿐만 아니라 인접 네트워크 [49]토폴로지를 기반으로 시스템 상태를 추정합니다.

데이터 통합 및 센서 웹

무선 센서 네트워크에서 수집된 데이터는 보통 중앙 기지국에 숫자 데이터 형태로 저장됩니다.또한 OGC(Open Geospatial Consortium)는 상호운용성 인터페이스 및 메타데이터 인코딩 표준을 지정하고 있습니다.이것에 의해, 이종 센서 Web을 인터넷에 리얼타임으로 통합할 수 있기 때문에, 개인은 Web 브라우저를 개입시켜 무선 센서 네트워크를 감시 또는 제어할 수 있습니다.

네트워크 내 처리

통신 비용을 절감하기 위해 일부 알고리즘은 노드의 중복 센서 정보를 제거하거나 줄여 쓸모없는 데이터를 전송하지 않도록 합니다.이 기술은 예를 들어 분산 이상[50][51][52][53] 검출이나 분산 [54]최적화에 사용되고 있습니다.노드는 전달한 데이터를 검사할 수 있으므로 다른 노드의 판독치와 같은 평균 또는 방향성을 측정할 수 있습니다.예를 들어, 감지 및 모니터링 애플리케이션에서는 일반적으로 환경 특성을 모니터링하는 인접 센서 노드가 유사한 값을 등록하는 경우가 있습니다.센서 관찰 간의 공간적 상관관계로 인한 이러한 데이터 중복성은 네트워크 내 데이터 집계 및 마이닝 기술을 영감을 줍니다.집약을 통해 네트워크 트래픽의 양이 감소하여 [55][56]센서 노드의 에너지 소비를 줄일 수 있습니다.최근, 네트워크 게이트웨이는 또한 보다 중요한 에너지 효율 요구가 있는 노드에 대해 더 많은 자원을 스케줄링함으로써 센서 노드의 에너지 효율을 개선하는 데 중요한 역할을 하는 것으로 밝혀졌으며, 네트워크 게이트웨이에서 전체적인 네트워크 개선을 위해 고급 에너지 효율 스케줄링 알고리즘을 구현할 필요가 있다.에너지 [32][57]효율

안전한 데이터 집약

이는 센서 노드가 제한된 가용 에너지로 안전하지 않다고 가정하는 네트워크 내 처리의 한 형태이며, 기지국은 무제한 가용 에너지로 안전하다고 가정한다.집약은 무선 센서 네트워크의[58] 기존 보안 문제를 복잡하게 만들고 이 시나리오에 특화된 새로운 보안 기술을 필요로 합니다.무선 센서 네트워크에서의 데이터 집약에 대한 보안 제공은 [56][58][59]WSN에서는 안전한 데이터 집약으로 알려져 있습니다.무선 센서 네트워크에서의 안전한 데이터 집약을 위한 기술에 대해 논의한 최초의 몇 가지 작업입니다.

안전한 데이터 집약의 두 가지 주요 보안 과제는 데이터의 기밀성과 무결성입니다.암호화는 기존에는 무선 센서네트워크에서 엔드 투 엔드의 기밀성을 제공하기 위해 사용되었지만 안전한 데이터 집약 시나리오에서는 집약을 실행하기 위해 암호화된 데이터를 복호화할 필요가 있습니다.이렇게 하면 애그리게이터에서 일반 텍스트가 노출되므로 데이터가 적의 공격에 취약해집니다.마찬가지로 애그리게이터는 잘못된 데이터를 애그리게이트에 주입하여 기지국이 잘못된 데이터를 받아들이도록 할 수 있습니다.따라서 데이터 집약은 네트워크의 에너지 효율을 향상시키지만 기존 [60]보안 문제를 복잡하게 만듭니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Ullo, Silvia Liberata; Sinha, G. R. (2020-05-31). "Advances in Smart Environment Monitoring Systems Using IoT and Sensors". Sensors. 20 (11): 3113. Bibcode:2020Senso..20.3113U. doi:10.3390/s20113113. ISSN 1424-8220. PMC 7309034. PMID 32486411.
  2. ^ FrancescoMario, Di; K, DasSajal; AnastasiGiuseppe (2011-08-01). "Data Collection in Wireless Sensor Networks with Mobile Elements". ACM Transactions on Sensor Networks. 8: 1–31. doi:10.1145/1993042.1993049. S2CID 15576441.
  3. ^ Xia, Feng; Tian, Yu-Chu; Li, Yanjun; Sun, Youxian (2007-10-09). "Wireless Sensor/Actuator Network Design for Mobile Control Applications". Sensors. 7 (10): 2157–2173. Bibcode:2007Senso...7.2157X. doi:10.3390/s7102157. ISSN 1424-8220. PMC 3864515. PMID 28903220.
  4. ^ "Wireless sensor networks for battlefield surveillance" (PDF). 2006.
  5. ^ Dargie, W. and Poellabauer, C. (2010). Fundamentals of wireless sensor networks: theory and practice. John Wiley and Sons. pp. 168–183, 191–192. ISBN 978-0-470-99765-9.{{cite book}}: CS1 maint: 작성자 파라미터 사용(링크)
  6. ^ Sohraby, K., Minoli, D., Znati, T. (2007). Wireless sensor networks: technology, protocols, and applications. John Wiley and Sons. pp. 203–209. ISBN 978-0-471-74300-2.{{cite book}}: CS1 maint: 작성자 파라미터 사용(링크)
  7. ^ Oliveira, Joao; Goes, João (2012). Parametric Analog Signal Amplification Applied to Nanoscale CMOS Technologies. Springer Science & Business Media. p. 7. ISBN 9781461416708.
  8. ^ Peiris, V. (2013). "Highly integrated wireless sensing for body area network applications". SPIE Newsroom. doi:10.1117/2.1201312.005120.
  9. ^ Tony O'Donovan; John O'Donoghue; Cormac Sreenan; David Sammon; Philip O'Reilly; Kieran A. O'Connor (2009). A Context Aware Wireless Body Area Network (BAN) (PDF). Pervasive Computing Technologies for Healthcare, 2009. doi:10.4108/ICST.PERVASIVEHEALTH2009.5987. Archived (PDF) from the original on 2016-10-09.
  10. ^ Bilal, Muhammad; et al. (2017). "An Authentication Protocol for Future Sensor Networks". Sensors. 17 (5): 979. arXiv:1705.00764. Bibcode:2017arXiv170500764B. doi:10.3390/s17050979. PMC 5464775. PMID 28452937.
  11. ^ "J.K.Hart and K. Martinez, "Environmental Sensor Networks: A revolution in the earth system science?", Earth-Science Reviews, 2006" (PDF). Archived from the original (PDF) on November 23, 2015.
  12. ^ Apte, J.S.; Messier, K.P.; Gani, S.; Brauer, M.; Kirchstetter, T.W.; Lunden, M.M.; Marshall, J.D.; Portier, C.J.; Vermeulen, R.C.H.; Hamburg, S.P. (2017). "High-Resolution Air Pollution Mapping with Google Street View Cars: Exploiting Big Data". Environmental Science and Technology. 51 (12): 6999–7008. Bibcode:2017EnST...51.6999A. doi:10.1021/acs.est.7b00891. PMID 28578585.
  13. ^ "Breathe London". Breathe London. Retrieved 27 April 2021.
  14. ^ Feinberg, S.; Williams, R.; Hagler, G.S.W.; Rickard, J.; Garver, D.; Harshfield, G.; Stauffer, P.; Mattson, E.; Judge, R.; Garvey, S. (2018). "Long-term evaluation of air sensor technology under ambient conditions in Denver, Colorado". Atmospheric Measurement Techniques. 11 (8): 4605–4615. Bibcode:2018AMT....11.4605F. doi:10.5194/amt-11-4605-2018. PMC 6781239. PMID 31595175.
  15. ^ Balzano, L.; Nowak, R. (2008). "Blind Calibration of Networks of Sensors: Theory and Algorithms". Networked Sensing Information and Control: 9–37. doi:10.1007/978-0-387-68845-9_1. ISBN 978-0-387-68843-5.
  16. ^ Sauce, O.; Hasenfratz, D.; Thiele, L. (2015). "Reducing multi-hop calibration errors in large-scale mobile sensor networks". IPSN 2015 - Proceedings of the 14th International Symposium on Information Processing in Sensor Networks (Part of CPS Week): 274–285. doi:10.1145/2737095.2737113. ISBN 9781450334754. S2CID 15171166.
  17. ^ Spie (2013). "Vassili Karanassios: Energy scavenging to power remote sensors". SPIE Newsroom. doi:10.1117/2.3201305.05.
  18. ^ Tiwari, Ankit; et al. (2007). "Energy-efficient wireless sensor network design and implementation for condition-based maintenance". ACM Transactions on Sensor Networks. 3: 1–es. CiteSeerX 10.1.1.188.8180. doi:10.1145/1210669.1210670. S2CID 7278286.
  19. ^ K. Saleem; N. Fisal & J. Al-Muhtadi (2014). "Empirical studies of bio-inspired self-organized secure autonomousRouting protocol". IEEE Sensors Journal. 14 (7): 1–8. Bibcode:2014ISenJ..14.2232S. doi:10.1109/JSEN.2014.2308725. S2CID 27135727.
  20. ^ Anastasi, G.; Farruggia, O.; Lo Re, G.; Ortolani, M. (2009). "Monitoring High-Quality Wine Production using Wireless Sensor Networks". 2009 42nd Hawaii International Conference on System Sciences. pp. 1–7. doi:10.1109/HICSS.2009.313. ISBN 978-0-7695-3450-3.
  21. ^ "A national strategy against terrorism using weapons of mass destruction". str.llnl.gov. Science & Technology Review. Retrieved 26 February 2019.
  22. ^ a b "Striving for a Safer World Since 1945". fas.org. Federation of American Scientists.
  23. ^ a b c d Hills, Rob. "Sensing for Danger". str.llnl.gov. Science & Technology Review. Retrieved 26 February 2019.
  24. ^ "U.S./Russian National Security Interests". commdocs.house.gov. US House of Representatives. Retrieved 26 February 2019.
  25. ^ Aguilar, Mónica (2020). "INRISCO: INcident monitoRing in Smart COmmunities". IEEE Access. 8: 72435–72460. doi:10.1109/ACCESS.2020.2987483. hdl:2117/328871. S2CID 218468946.
  26. ^ Pastor, Adolfo (2020). "Psychoacoustic Annoyance Implementation With Wireless Acoustic Sensor Networks for Monitoring in Smart Cities". IEEE Internet of Things Journal. 7: 128–136. doi:10.1109/JIOT.2019.2946971. S2CID 208111073.
  27. ^ Lloret, Jaime (2009). "A Wireless Sensor Network Deployment for Rural and Forest Fire Detection and Verification". Sensors. 9 (11): 8722–8747. Bibcode:2009Senso...9.8722L. doi:10.3390/s91108722. PMC 3260610. PMID 22291533. S2CID 13104461.
  28. ^ Liz Young (2022-06-08). "Israeli Tech Firm Rolls Out Tracking Devices the Size of Postage Stamps". Wall Street Journal. Retrieved 2022-07-08.
  29. ^ "ReVibe Energy - Powering The Industrial IoT". revibeenergy.com. Archived from the original on 22 September 2017. Retrieved 3 May 2018.
  30. ^ "THE WORLD LEADER IN VIBRATION HARVESTER POWERED WIRELESS SENSING SYSTEMS". THE WORLD LEADER IN VIBRATION HARVESTER POWERED WIRELESS SENSING SYSTEMS. Archived from the original on 13 April 2018. Retrieved 3 May 2018.
  31. ^ Saleem, Kashif; Fisal, Norsheila; Hafizah, Sharifah; Kamilah, Sharifah; Rashid, Rozeha; Baguda, Yakubu (2009). "Cross layer based biological inspired self-organized routing protocol for wireless sensor network". TENCON 2009 - 2009 IEEE Region 10 Conference: 1–6. doi:10.1109/TENCON.2009.5395945. ISBN 978-1-4244-4546-2. S2CID 30236796.
  32. ^ a b c d e Guowang Miao; Jens Zander; Ki Won Sung; Ben Slimane (2016). Fundamentals of Mobile Data Networks. Cambridge University Press. ISBN 978-1107143210.
  33. ^ Aghdam, Shahin Mahdizadeh; Khansari, Mohammad; Rabiee, Hamid R; Salehi, Mostafa (2014). "WCCP: A congestion control protocol for wireless multimedia communication in sensor networks". Ad Hoc Networks. 13: 516–534. doi:10.1016/j.adhoc.2013.10.006.
  34. ^ Magno, M.; Boyle, D.; Brunelli, D.; O'Flynn, B.; Popovici, E.; Benini, L. (2014). "Extended Wireless Monitoring Through Intelligent Hybrid Energy Supply". IEEE Transactions on Industrial Electronics. 61 (4): 1871. doi:10.1109/TIE.2013.2267694. S2CID 23562384.
  35. ^ Xenakis, A.; Foukalas, F.; Stamoulis, G. (2016). "Cross-layer energy-aware topology control through Simulated Annealing for WSNs". Computers & Electrical Engineering. 56: 576–590. doi:10.1016/j.compeleceng.2016.02.015.
  36. ^ "LoRa Alliance". Archived from the original on 2017-11-09.
  37. ^ "Wi-Sun Alliance". 2018-08-15. Archived from the original on 2017-11-09.
  38. ^ "NB-IOT vs. LoRa vs. Sigfox, LINKLabs, Jan 2017". Archived from the original on 2017-11-10.
  39. ^ "What is LTE-M?". Archived from the original on 2017-11-09.
  40. ^ Xenakis, A.; Foukalas, F.; Stamoulis, G. (October 2015). "Minimum weighted clustering algorithm for wireless sensor networks". Proceedings of the 19th Panhellenic Conference on Informatics: 255–260. doi:10.1145/2801948.2801999. ISBN 9781450335515. S2CID 9188571.
  41. ^ Hassan, T. A. H.; Selim, G.; Sadek, R. (2015). "A novel energy efficient vice Cluster Head routing protocol in Wireless Sensor Networks". 2015 IEEE Seventh International Conference on Intelligent Computing and Information Systems (ICICIS). Cairo: 313–320. doi:10.1109/IntelCIS.2015.7397240. ISBN 978-1-5090-1949-6. S2CID 10688614.
  42. ^ KShahzad, 무하마드, 응우옌, 당 Tu, Zalyubovskiy, 뱌체 슬라프 추신수, 현승(2018년)."LNDIR:duty-cycled 센서 네트워크에 대한 경량non-increasing delivery-latencyinterval-based 라우팅".국제 저널 분산형 센서 네트워크의. 14(4):1550147718767605.doi:10.1177/1550147718767605.재료는 창조적 공용 귀인 4.0국제 라이센스 하에 가능하다 이 원본에서 복사되었다.
  43. ^ "PreonVM - Virtual maschine for wireless sensor devices". Archived from the original on 2017-11-11.
  44. ^ Silva, D.; Ghanem, M.; Guo, Y. (2012). "WikiSensing: An Online Collaborative Approach for Sensor Data Management". Sensors. 12 (10): 13295–332. Bibcode:2012Senso..1213295S. doi:10.3390/s121013295. PMC 3545568. PMID 23201997.
  45. ^ Niazi, Muaz; Hussain, Amir (2011). "A Novel Agent-Based Simulation Framework for Sensing in Complex Adaptive Environments" (PDF). IEEE Sensors Journal. 11 (2): 404–412. arXiv:1708.05875. Bibcode:2011ISenJ..11..404N. doi:10.1109/jsen.2010.2068044. hdl:1893/3398. S2CID 15367419. Archived from the original (PDF) on 2011-07-25.
  46. ^ Bulusu, Nirupama; Heidemann, John; Estrin, Deborah (2000). "GPS-less low cost outdoor localization for very small devices". IEEE Personal Communications. IEEE Personal Communications, October 2000. 7 (5): 28–34. doi:10.1109/98.878533.
  47. ^ Khalil, Issa; Bagchi Saurabh; Shroff, N.B. (2005). "LITEWORP: a lightweight countermeasure for the wormhole attack in multihop wireless networks". 2005 International Conference on Dependable Systems and Networks (DSN'05): 612–621. doi:10.1109/DSN.2005.58. ISBN 0-7695-2282-3. S2CID 2018708.
  48. ^ Mitchell, Robert; Chen, Ing-Ray (2014-04-01). "A survey of intrusion detection in wireless network applications". Computer Communications. 42: 1–23. doi:10.1016/j.comcom.2014.01.012. ISSN 0140-3664.
  49. ^ Li, Wangyan; Wang, Zidong; Wei, Guoliang; Ma, Lifeng; Hu, Jun; Ding, Derui (2015). "A Survey on Multisensor Fusion and Consensus Filtering for Sensor Networks". Discrete Dynamics in Nature and Society. 2015: 1–12. doi:10.1155/2015/683701. ISSN 1026-0226.
  50. ^ Bosman, H. H. W. J.; Iacca, G; Tejada, A.; Wörtche, H. J.; Liotta, A. (2015-12-01). "Ensembles of incremental learners to detect anomalies in ad hoc sensor networks". Ad Hoc Networks. Special Issue on Big Data Inspired Data Sensing, Processing and Networking Technologies. 35: 14–36. doi:10.1016/j.adhoc.2015.07.013. hdl:11572/196409. ISSN 1570-8705.
  51. ^ Bosman, H. H. W. J.; Liotta, A.; Iacca, G.; Wörtche, H. J. (October 2013). "Anomaly Detection in Sensor Systems Using Lightweight Machine Learning". 2013 IEEE International Conference on Systems, Man, and Cybernetics: 7–13. doi:10.1109/SMC.2013.9. ISBN 978-1-4799-0652-9. S2CID 6434158.
  52. ^ Bosman, H. H. W. J.; Liotta, A.; Iacca, G.; Wörtche, H. J. (December 2013). "Online Extreme Learning on Fixed-Point Sensor Networks". 2013 IEEE 13th International Conference on Data Mining Workshops: 319–326. doi:10.1109/ICDMW.2013.74. ISBN 978-1-4799-3142-2. S2CID 6460187.
  53. ^ Bosman, H. H. W. J.; Iacca, G.; Wörtche, H. J.; Liotta, A. (December 2014). "Online Fusion of Incremental Learning for Wireless Sensor Networks". 2014 IEEE International Conference on Data Mining Workshop: 525–532. doi:10.1109/ICDMW.2014.79. hdl:10545/622629. ISBN 978-1-4799-4274-9. S2CID 14029568.
  54. ^ Iacca, G. (2018). "Distributed optimization in wireless sensor networks: an island-model framework". Soft Computing. 17 (12): 2257–2277. arXiv:1810.02679. Bibcode:2018arXiv181002679I. doi:10.1007/s00500-013-1091-x. ISSN 1433-7479. S2CID 33273544.
  55. ^ Bosman, H. H. W. J.; Iacca, G.; Tejada, A.; Wörtche, H. J.; Liotta, A. (2017-01-01). "Spatial anomaly detection in sensor networks using neighborhood information". Information Fusion. 33: 41–56. doi:10.1016/j.inffus.2016.04.007. ISSN 1566-2535.
  56. ^ a b Cam, H; Ozdemir, S Nair, P Muthuavinashiappan, D (October 2003). ESPDA: Energy-efficient and Secure Pattern-based Data Aggregation for wireless sensor networks. Proceedings of IEEE Sensors 2003. Vol. 2. pp. 732–736. CiteSeerX 10.1.1.1.6961. doi:10.1109/icsens.2003.1279038. ISBN 978-0-7803-8133-9. S2CID 15686293.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  57. ^ Rowayda, A. Sadek (May 2018). "Hybrid energy aware clustered protocol for IoT heterogeneous network". Future Computing and Informatics Journal. 3 (2): 166–177. doi:10.1016/j.fcij.2018.02.003.
  58. ^ a b Hu, Lingxuan; David Evans (January 2003). "Secure aggregation for wireless networks". Workshop on Security and Assurance in Ad Hoc Networks.
  59. ^ Przydatek, Bartosz; Dawn Song; Adrian Perrig (2003). SIA: secure information aggregation in sensor networks. SenSys. pp. 255–265. doi:10.1145/958491.958521. ISBN 978-1581137071. S2CID 239370.
  60. ^ Kumar, Vimal; Sanjay K. Madria (August 2012). "Secure Hierarchical Data Aggregation in Wireless Sensor Networks: Performance Evaluation and Analysis". 2012 IEEE 13th International Conference on Mobile Data Management. pp. 196–201. doi:10.1109/MDM.2012.49. ISBN 978-1-4673-1796-2. S2CID 2990744.

추가 정보

  • Amir Hozhabri; Mohammadreza Eslaminejad; Mitra Mahrouyan, Chain-based Gateway nodes routing for energy efficiency in WSN
  • Kiran Maraiya, Kamal Kant, Nitin Gupta "무선 센서 네트워크: 데이터 집계에 관한 리뷰" 국제 이공계 연구 제2권 제4호, 2011년 4월.
  • Charermek Intanagonwiwat, Debora Estrin, Ramesh Govindan, John Heidemann, "무선 센서 네트워크에서의 데이터 집계에 대한 네트워크 밀도 영향", 2001년 11월 4일
  • Bulusu, Nirupama; Jha, Sanjay (2005). Wireless Sensor Networks: A Systems Perspective. Artech House. ISBN 978-1580538671.

외부 링크