[논문 리뷰] How Many Randomly Distributed Wireless Sensors Are Enough To Make a 1-Dimensional Network Connected With a Given Probability?

Vitaliy Kurlin, Lyudmila Mihaylova외 1명|arXiv (Cornell University)|2007. 10. 04.

Energy Efficient Wireless Sensor Networks참고 문헌 8인용 수 4

한 줄 요약

이 논문은 임의의 센서 간 거리 분포를 가진 선형 상에 무작위로 배치된 1차원 무선 센서 네트워크가 연결될 확률을 정확하게 계산하는 방법을 제시한다. 센서 배치를 점과정으로 모델링하고 재생 이론을 활용함으로써, 네트워크 연결성에 대한 폐쇄형 표현식을 유도하여, 목표 연결성 확률을 달성하기 위한 최소 센서 수를 정확히 결정할 수 있다.

ABSTRACT

Abstract—An important problem in wireless sensor networks is to find the minimal number of randomly deployed sensors to make a network connected with a given probability. In practice sensors are usually deployed one by one along a trajectory of a vehicle, so it is natural to assume that arbitrary distributions of distances between successive sensors in a segment are given. The paper describes a powerful method for explicitly computing the probability of connectivity of 1-dimensional networks.

연구 동기 및 목표

• 1차원 환경에서 주어진 확률로 네트워크 연결성을 보장하기 위해 필요한 최소 수의 무작위로 배치된 센서를 결정하기 위해.
• 균일하거나 포아송 가정을 초월하여 임의의 센서 간 거리 분포를 가진 일반적인 점과정으로 센서 배치를 모델링하기 위해.
• 1차원 센서 네트워크의 정확한 연결성 확률을 계산하기 위한 수학적으로 엄밀한 방법을 개발하기 위해.
• 실제 배치 시나리오에서 메모리리스 또는 균일 분포가 아닌 센서 간격을 고려할 수 있는 실용적인 도구를 네트워크 설계자에게 제공하기 위해.

제안 방법

• 저자들은 센서 간 거리가 일반적인 확률 분포를 따르는 재생 과정으로 센서 배치 과정을 모델링한다.
• 그들은 재생 이론을 사용하여 선분 위의 점과정의 커버리지 및 연결성 특성을 분석한다.
• 핵심 요소는 연결성에 영향을 주는 연속된 센서 간 최대 간격의 분포를 유도하는 것이다.
• 논문은 연결성 확률을 가장 큰 센서 간 거리의 여부누적분포함수의 보완으로 공식화한다.
• 이 방법은 재생 구조에서 유도된 적분 방정식을 사용하여 연결성 확률을 명시적으로 계산할 수 있다.
• 이 접근법은 임의의 센서 간 거리 분포를 허용하므로, 비포아송 또는 비지수 분포를 가진 실제 배치 시나리오에 적용 가능하다.

실험 결과

연구 질문

• RQ1 임의의 센서 간 거리 분포를 가진 1차원 무선 센서 네트워크가 연결될 정확한 확률은 무엇인가?
• RQ2 일반적인 배치 모델 하에서 1차원 네트워크에서 특정 연결성 확률을 달성하기 위해 필요한 센서 수는 얼마인가?
• RQ3 센서 간 거리 분포의 선택이 보장된 연결성을 위한 최소 센서 수에 어떤 영향을 미치는가?
• RQ4 포아송 또는 지수 분포를 가정하지 않고도 연결성 확률에 대한 폐쇄형 또는 계산 가능한 표현식을 도출할 수 있는가?

주요 결과

• 논문은 가장 큰 센서 간 거리 분포에 기반하여 1차원 센서 네트워크가 연결될 확률에 대한 명시적이고 계산 가능한 표현식을 유도한다.
• 이 방법은 기억이 없는 경우나 지수 분포의 경우에 국한되지 않고, 임의의 센서 간 거리 분포에 대해 정확한 연결성 확률 계산이 가능하다.
• 유도된 분석 프레임워크를 사용하여 주어진 연결성 확률을 달성하기 위한 최소 센서 수를 정확히 결정할 수 있다.
• 이 접근법은 연결성이 주로 센서 간 거리 분포의 꼬리 행동, 특히 최대 간격에 의해 지배됨을 드러낸다.
• 이 프레임워크는 시뮬레이션 기반 또는 근사 기반 방법에 비해 상당한 향상을 제공하며 분석적 정밀도를 확보한다.
• 결과는 비지수 분포의 센서 간 거리 분포가 포아송 또는 균일 모델과 비교해 상당히 다른 센서 수 요구 조건을 초래할 수 있음을 보여준다.