KR102174515B1

KR102174515B1 - an internet of Things system

Info

Publication number: KR102174515B1
Application number: KR1020180104853A
Authority: KR
Inventors: 유남열; 이규빈
Original assignee: 광주과학기술원
Priority date: 2018-09-03
Filing date: 2018-09-03
Publication date: 2020-11-05
Also published as: KR20200029646A

Abstract

본 발명의 일 실시 예에 따른 액세스 포인트는 동작 확률 또는 동작 우선순위에 기초한 보정함수를 더 포함하는 복호화 알고리즘을 통해 압축 신호를 복호화한다. 구체적으로 본 발명의 일 실시 예에 따른 액세스 포인트는 상기 노드들이 전송한 프리앰블로부터 압축 신호를 획득하는 무선 통신 모듈 및 상기 압축 신호를 복호화 알고리즘을 이용하여 복호화하고, 복호화 결과에 기초하여 희소 신호를 보낸 장치를 인식하는 제어부를 더 포함한다.The access point according to an embodiment of the present invention decodes the compressed signal through a decoding algorithm further including a correction function based on an operation probability or an operation priority. Specifically, the access point according to an embodiment of the present invention is a wireless communication module that obtains a compressed signal from a preamble transmitted by the nodes, and decodes the compressed signal using a decoding algorithm, and sends a sparse signal based on the decoding result. It further includes a control unit for recognizing the device.

Description

사물인터넷 시스템{an internet of Things system}IoT system {an internet of things system}

본 발명은 사물인터넷 시스템에 관한 것이다. 구체적으로 본 발명은 압축 센싱 기법을 이용하는 사물인터넷 시스템에서 통신 성능을 향상시킬 수 있는 방법을 이용하는 사물인터넷 시스템에 관한 것이다.The present invention relates to an IoT system. More specifically, the present invention relates to an IoT system using a method capable of improving communication performance in an IoT system using a compression sensing technique.

압축센싱(Compressed Sensing, CS)은 나이퀴스트 샘플링 이론에 의해 요구된 것보다 적은 수의 측정으로부터 희소(sparse) 신호를 복구하는 것이다. 압축센싱이론은 restricted isometry property(RIP)를 갖는 희소 신호의 견고한 재구성을 보장한다. 이것은 볼록 최적화(convex optimization)나 그리디(greedy) 알고리즘을 해결함으로서 이루어질 수 있다. 압축센싱기법은 통신이나 다중 사용자 검출, 센서 네트워크, 영상 처리, 레이더 등 다양한 연구 분야에 적용되어 왔다.Compressed Sensing (CS) is the recovery of a sparse signal from fewer measurements than required by the Nyquist sampling theory. The compression sensing theory ensures robust reconstruction of sparse signals with restricted isometry properties (RIP). This can be done by solving convex optimization or greedy algorithms. The compression sensing technique has been applied to various research fields such as communication, multi-user detection, sensor network, image processing, and radar.

그리디 알고리즘은 볼록 최적화 알고리즘보다 시간 복잡성이 훨씬 적기 때문에 희소 신호 복구에 유리한 점이 있다. 그리디 알고리즘의 개념은 희소 벡터의 지원 지표를 반복적으로 추정하는 것이다. Since the greedy algorithm has much less time complexity than the convex optimization algorithm, it is advantageous for sparse signal recovery. The concept of the greedy algorithm is to iteratively estimate the support index of sparse vectors.

직교 매칭 추적(Orthogonal Matching Pursuit, OMP)는 각 반복마다 오직 하나의 지원 인덱스만을 선택하는 일 예이다. 직교 매칭 추적 알고리즘은 간단하지만, 반복에서 잘못된 인덱스를 찾는 경우 오류를 취소할 수 없어 결과적으로 재구성 결과가 잘못될 여지가 있다.Orthogonal Matching Pursuit (OMP) is an example of selecting only one support index for each iteration. The orthogonal matching tracking algorithm is simple, but if an incorrect index is found in iteration, the error cannot be canceled, and as a result, there is a possibility that the reconstruction result will be wrong.

직교 매칭 추적의 단점을 극복하기 위해 부분 공간 추적(subspace pursuit, SP)가 연구되었다. SP 알고리즘의 아이디어는 각 반복마다 고유한 방법으로 여러 인덱스를 선택하는 것이다. 각 반복에서 인덱스를 업데이트하면 직교 매칭 추적의 단점을 해결하여 복구 성능을 향상시킬 수 있다.In order to overcome the shortcomings of orthogonal matching tracking, subspace pursuit (SP) was studied. The idea of the SP algorithm is to select multiple indices for each iteration in a unique way. Updating the index at each iteration can improve recovery performance by solving the disadvantages of orthogonal matching tracking.

본 발명의 일 실시 예에 따른 액세스 포인트는 노드들의 동작 확률에 기초한 보정 함수를 알고리즘에 추가하여 기존보다 높은 복원 성능을 나타내는 것을 목적으로 한다.An access point according to an embodiment of the present invention has an object to exhibit higher restoration performance than before by adding a correction function based on the operation probability of nodes to an algorithm.

본 발명의 일 실시 예에 따른 액세스 포인트가 사용하는 복호화 알고리즘은 기존의 알고리즘보다 높은 복원 성능을 나타낼 수 있다.A decoding algorithm used by an access point according to an embodiment of the present invention may exhibit higher recovery performance than a conventional algorithm.

도 1은 압축센싱 기법을 IoT에 적용한 일 예를 나타낸다.
도 2는 사물인터넷 환경에서 압축센싱 기법을 이용한 엑세스 포인트에서의 장치 인식 및 채널 추정 과정을 나타내는 개략도이다.
도 3은 본 발명의 일 실시 예에 따른 사물인터넷 환경에서 압축센싱 기법을 이용한 엑세스 포인트에서의 장치 인식 및 채널 추정 과정을 나타내는 개략도이다.
도 4는 본 발명의 일 실시 예에 따른 액세스 포인트의 동작 과정을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시 예에 따른 개선된 OMP 알고리즘을 나타낸다.
도 6은 본 발명의 일 실시 예에 따른 개선된 SP 알고리즘을 나타낸다.1 shows an example of applying a compression sensing technique to IoT.
2 is a schematic diagram showing a process of device recognition and channel estimation at an access point using a compression sensing technique in an IoT environment.
3 is a schematic diagram illustrating a process of device recognition and channel estimation at an access point using a compression sensing technique in an IoT environment according to an embodiment of the present invention.
4 is a flowchart illustrating an operation process of an access point according to an embodiment of the present invention.
5 shows an improved OMP algorithm according to an embodiment of the present invention.
6 shows an improved SP algorithm according to an embodiment of the present invention.

이하에서는 도면을 참조하여 본 발명의 구체적인 실시 예를 상세하게 설명한다. 그러나 본 발명의 사상은 이하의 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에 포함되는 다른 실시 예를 구성요소의 부가, 변경, 삭제, 및 추가 등에 의해서 용이하게 제안할 수 있을 것이나, 이 또한 본 발명 사상의 범위 내에 포함된다고 할 것이다. Hereinafter, specific embodiments of the present invention will be described in detail with reference to the drawings. However, the spirit of the present invention is not limited to the following embodiments, and those skilled in the art who understand the spirit of the present invention can easily add, change, delete, and add components to other embodiments included within the scope of the same idea. It may be suggested, but it will be said that this is also included within the scope of the inventive concept.

첨부 도면은 발명의 사상을 이해하기 쉽게 표현하기 위하여 전체적인 구조를 설명함에 있어서는 미소한 부분은 구체적으로 표현하지 않을 수도 있고, 미소한 부분을 설명함에 있어서는 전체적인 구조는 구체적으로 반영되지 않을 수도 있다. 또한, 설치 위치 등 구체적인 부분이 다르더라도 그 작용이 동일한 경우에는 동일한 명칭을 부여함으로써, 이해의 편의를 높일 수 있도록 한다. 또한, 동일한 구성이 복수 개가 있을 때에는 어느 하나의 구성에 대해서만 설명하고 다른 구성에 대해서는 동일한 설명이 적용되는 것으로 하고 그 설명을 생략한다. In the accompanying drawings, in explaining the overall structure in order to easily understand the spirit of the invention, minute parts may not be specifically expressed, and when describing the minute parts, the overall structure may not be specifically reflected. In addition, even if specific parts such as the installation location are different, if the action is the same, the same name is given, so that the convenience of understanding can be improved. In addition, when there are a plurality of identical configurations, only one configuration will be described, and the same description will be applied to other configurations, and the description will be omitted.

도 1은 압축센싱 기법을 IoT에 적용한 일 예를 나타낸다.1 shows an example of applying a compression sensing technique to IoT.

액세스 포인트(10)는 디바이스(20)들로부터 압축 신호를 획득하는 통신 장치일 수 있다. 액세스 포인트(10) 통신 장치로서, 무선 통신 모듈 및 장치 제어/알고리즘 연산을 위한 프로세서(제어부)를 포함할 수 있다. The access point 10 may be a communication device that obtains compressed signals from the devices 20. The access point 10 is a communication device, and may include a wireless communication module and a processor (control unit) for device control/algorithm calculation.

디바이스(20)는 노드라고 표현할 수도 있다. 디바이스(20)는 사물인터넷 기능을 가지는 전자장치로서, 마찬가지로 무선 통신 모듈 및 장치 제어/알고리즘 연산을 위한 프로세서(제어부)를 포함할 수 있다.The device 20 may be expressed as a node. The device 20 is an electronic device having an IoT function, and may likewise include a wireless communication module and a processor (control unit) for device control/algorithm calculation.

도 1(a)는 일반적인 사물인터넷 환경에서 액세스 포인트(10)와 디바이스(20)간의 통신을 나타낸다. (a)에 도시된 바와 같이, 복수의 장치들이 최소 하나의 액세스 포인트들에 연결되어 있어 각각의 디바이스들이 서로 정보를 교환하면서 작동할 수 있다.1(a) shows communication between the access point 10 and the device 20 in a general IoT environment. As shown in (a), a plurality of devices are connected to at least one access point so that each device can operate while exchanging information with each other.

도 1(b)는 사물인터넷 환경에서 액세스 포인트(10)와 디바이스(20)간의 통신 희소성을 나타내는 그래프이다. (b)에 도시된 바와 같이, 일반적으로 모든 디바이스들이 동시에 통신을 수행하는 것은 아니며, 따라서 액세스 포인트(10)와 디바이스(20)간에 통신에 희소성이 존재한다.1B is a graph showing the scarcity of communication between the access point 10 and the device 20 in an IoT environment. As shown in (b), in general, not all devices perform communication at the same time, and therefore, there is a scarcity in communication between the access point 10 and the device 20.

사물인터넷(IoT)란, 각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 기술을 말한다. 다시 말해서 사물인터넷이란 무선 통신을 통해 각종 사물을 연결하는 기술을 의미한다.The Internet of Things (IoT) refers to a technology that connects to the Internet by embedding sensors and communication functions in various objects. In other words, the Internet of Things refers to a technology that connects various things through wireless communication.

사물인터넷 환경에서 많은 수의 무인장치들이 존재하지만, 오직 소수의 장치만에 특정 시점에서 데이터 전송을 시도하는 희소 활동성(sparse activity)을 가진다. 다시 말해서, 다수의 무인 장치들이 항상 동작하는 것은 아니며, 특정의 시간 동안만 동작하는바, 액세스 포인트(AP)입장에서 항상 모든 장치와 통신을 수행하는 것은 아니다.Although a large number of unmanned devices exist in the IoT environment, only a few devices have a sparse activity that attempts to transmit data at a specific point in time. In other words, since a number of unmanned devices do not always operate and operate only for a specific time period, the access point (AP) does not always communicate with all devices.

따라서, 무인 장치들의 희소 활동성을 고려한 압축 센싱 기법을 이용하여 액세스 포인트에 연결을 시도하는 무인장치들을 인식하고, 전송 채널을 추정하면 기존의 IoT 통신 기술에 비해 적은 비용 그리고 빠른 속도로 통신이 가능할 수 있다.Therefore, if unmanned devices attempting to connect to the access point are recognized using a compression sensing technique that considers the scarcity of unmanned devices and the transmission channel is estimated, communication can be performed at a lower cost and faster speed compared to the existing IoT communication technology. have.

도 2는 사물인터넷 환경에서 압축센싱 기법을 이용한 엑세스 포인트에서의 장치 인식 및 채널 추정 과정을 나타내는 개략도이다.2 is a schematic diagram showing a process of device recognition and channel estimation at an access point using a compression sensing technique in an IoT environment.

도 2에 도시된 바와 같이, 사물인터넷에서의 통신은 복수의 사물인터넷 노드(20)들이 액세스 포인트(10)에 정보를 전달하고, 액세스 포인트(10))에서 처리된 정보가 다시 사물인터넷 노드(20)에 전달되는 형태로 이루어진다. 여기에서 통신 방법으로 압축센싱 기법이 사용될 수 있다. 다시 말해서 사물인터넷 노드(20)들이 압축센싱에 의해 압축된 신호(y)를 액세스 포인트(10)로 전달하고, 액세스 포인트는 압축 신호(y)를 디코딩 알고리즘을 통해 복호화하여 신호를 보낸 노드 또는 채널을 추정한다.As shown in FIG. 2, in the IoT communication, a plurality of IoT nodes 20 transmit information to the access point 10, and the information processed by the access point 10 is returned to the IoT node ( 20). Here, a compression sensing technique may be used as a communication method. In other words, the IoT nodes 20 transmit the signal (y) compressed by compression sensing to the access point 10, and the access point decodes the compressed signal (y) through a decoding algorithm and transmits the signal. Estimate

이때, 액세스 포인트(10)는 디코딩 알고리즘으로 기존에 알려진 OMP 또는 SP를 사용할 수 있는데, 이하에서는 기존의 알고리즘을 개선하여 보다 높은 추정 정확도를 보여줄 수 있는 방법을 설명한다.In this case, the access point 10 may use a previously known OMP or SP as a decoding algorithm. Hereinafter, a method of improving the existing algorithm to show higher estimation accuracy will be described.

이하에서 설명할 본 발명의 일 실시 예에서는 희소성 패턴의 사전 확률을 이용하여 새로운 보정 함수(correction function)로 그리드 알고리즘을 향상시키는 방법을 제안한다. 본 발명에서는 기존의 OMP 및 SP를 개선하기 위한 보정 함수를 제안하여 복구 성능을 향상시킬 수 있으며, 이하에서 이를 상세히 설명한다.An embodiment of the present invention to be described below proposes a method of improving a grid algorithm with a new correction function using a prior probability of a sparsity pattern. In the present invention, it is possible to improve the recovery performance by proposing a correction function for improving the existing OMP and SP, which will be described in detail below.

도 3은 본 발명의 일 실시 예에 따른 사물인터넷 환경에서 압축센싱 기법을 이용한 엑세스 포인트에서의 장치 인식 및 채널 추정 과정을 나타내는 개략도이다.3 is a schematic diagram illustrating a process of device recognition and channel estimation at an access point using a compression sensing technique in an IoT environment according to an embodiment of the present invention.

도 3에 도시된 바와 같이, 본 발명의 일 실시 예에 따른 액세스 포인트에서의 장치 인식 및 채널 추정 방법은 사물인터넷 노드(20)의 동작 확률을 고려한다. 다시 말해서, 액세스 포인트(10)가 획득한 압축 신호를 복호화하여 장치 인식 및 채널 추정을 하는데 있어서, 추가 변수로서 장치의 동작 확률을 추가적으로 고려한다. 또 다른 실시 예에서, 액세스 포인트는 동작 확률이 아닌 장치들간의 우선 순위를 고려하여 장치 인식 및 채널 추정을 수행할 수도 있다.As shown in FIG. 3, the method of recognizing a device and estimating a channel at an access point according to an embodiment of the present invention considers an operation probability of the IoT node 20. In other words, in decoding the compressed signal obtained by the access point 10 to perform device recognition and channel estimation, an operation probability of the device is additionally considered as an additional variable. In another embodiment, the access point may perform device recognition and channel estimation in consideration of priority between devices rather than an operation probability.

사물인터넷 시스템은 도 3에 도시된 것에 추가하여 원격 서버를 추가로 포함할 수 있으며, 원격 서버는 액세스 포인트와 연결되어 사물인터넷 노드(20)로부터 동작 정보를 획득하고 이에 기초하여 제어 명령을 생성하여 전달할 수 있다.The IoT system may further include a remote server in addition to the one shown in FIG. 3, and the remote server is connected to an access point to obtain operation information from the IoT node 20, and generates a control command based thereon. I can deliver.

구체적인 실시 예에서, 액세스 포인트(10)가 압축 신호(y)를 복호화하는데 OMP 또는 SP와 같은 알고리즘을 이용할 수 있으며, 액세스 포인트(10)는 동작 확률 또는 동작 우선순위 정보를 추가 변수로 이용하여 압축 신호 복호화를 수행할 수 있다. 여기에서 동작 확률 또는 동작 우선순위 정보는 셋팅된 값일 수 있으며, 원격 서버를 통해 전달받은 값일 수 있으며, 트레이닝을 통해 학습된 학습 모델을 통해 획득한 값일 수 있다.In a specific embodiment, the access point 10 may use an algorithm such as OMP or SP to decode the compressed signal y, and the access point 10 compresses using the operation probability or operation priority information as an additional variable. Signal decoding can be performed. Here, the motion probability or motion priority information may be a set value, may be a value transmitted through a remote server, and may be a value obtained through a learning model learned through training.

도 4는 본 발명의 일 실시 예에 따른 액세스 포인트의 동작 과정을 나타내는 흐름도이다.4 is a flowchart illustrating an operation process of an access point according to an embodiment of the present invention.

액세스 포인트는 압축 신호를 획득한다(S10). 여기에서 압축 신호는 복수의 노드들로부터 오는 프리앰블이 채널을 거치며 압축된 신호이다. 압축 신호는 프리앰블이 전송되어 오는 채널 특성에 따라 일부 노이즈를 더 포함할 수 있다.The access point acquires a compressed signal (S10). Here, the compressed signal is a signal compressed by passing a preamble from a plurality of nodes through a channel. The compressed signal may further include some noise according to channel characteristics from which the preamble is transmitted.

액세스 포인트는 개선된 복호화 알고리즘을 이용하여 압축 신호를 복호화한다(S20). 일 실시 예에서 복호화 알고리즘은 OMP 또는 SP 중 어느 하나일 수 있다. 개선된 복호화 알고리즘은 기존의 알고리즘에서 노드 동작 확률 또는 노드 동작 우선 순위에 관한 변수를 반영하는 보정 함수가 추가된 알고리즘일 수 있다. The access point decodes the compressed signal using an improved decoding algorithm (S20). In an embodiment, the decoding algorithm may be either OMP or SP. The improved decoding algorithm may be an algorithm to which a correction function reflecting a variable related to a node operation probability or a node operation priority in the existing algorithm is added.

일 실시 예에서 복호화 알고리즘은 노드 동작 확률에 기초한 보정 함수를 더 포함할 수 있다. 여기에서 노드 동작 확률은 특정 시간에서 노드가 동작할 확률을 나타낸다. 예를 들어, 사물인터넷이 구축된 가정에서 오후 5시에 주로 식사 준비를 시작한다면, 오후 5시에 밥솥이나 오븐의 동작 확률이 다른 전자 기기들에 비해 높을 수 있다. 따라서, 액세스 포인트는 복호화 알고리즘에 포함되는 보정 함수를 생성할 때 이러한 동작 확률을 변수로 추가 고려할 수 있다.In an embodiment, the decoding algorithm may further include a correction function based on a node operation probability. Here, the node operation probability indicates the probability that the node will operate at a specific time. For example, if meal preparation is mainly started at 5 pm in a home where the Internet of Things is established, the probability of operating a rice cooker or oven at 5 pm may be higher than that of other electronic devices. Accordingly, the access point may additionally consider such an operation probability as a variable when generating a correction function included in the decoding algorithm.

또 다른 실시 예에서 복호화 알고리즘은 노드 동작 우선순위에 기초한 보정 함수를 더 포함할 수 있다. 여기에서 노드 동작 우선순위란 액세스 포인트가 입력 신호에 대한 응답 신호를 전송할 때 고려되는 우선 순위를 의미할 수 있다. In another embodiment, the decoding algorithm may further include a correction function based on a node operation priority. Here, the node operation priority may mean a priority considered when an access point transmits a response signal to an input signal.

예를 들어, 액세스 포인트가 다수의 레이더와 연결되어 있다고 가정하는 경우, 각 레이더 간에 우선 순위 값이 설정되어 있을 수 있다. 다시 말해서, 같은 레이더라도 위치에 따라 중요도가 다를 수 있으며, 따라서 중요도에 따라 레이더 마다 다른 우선 순위 값이 설정될 수 있다. 따라서, 액세스 포인트는 레이더들로부터 획득한 압축 신호를 우선 순위 값에 기초한 보정 함수를 통해 복호화하고, 이에 기초하여 장치를 인식하고 응답 신호를 생성할 수 있다.For example, assuming that the access point is connected to a plurality of radars, priority values may be set between each radar. In other words, even with the same radar, the importance may be different depending on the location, and therefore, different priority values may be set for each radar according to the importance. Accordingly, the access point may decode a compressed signal obtained from radars through a correction function based on a priority value, recognize a device based on this, and generate a response signal.

보정 함수에 관한 자세한 설명은 이하 도 5 내지 6을 참고한다.For a detailed description of the correction function, refer to FIGS. 5 to 6 below.

액세스 포인트는 복호화 결과에 기초하여 희소 신호를 보낸 장치를 인식하고, 채널을 추정한다(S30). 추정 결과는 액세스 포인트가 응답을 보낼 때 이용될 수 있다.The access point recognizes a device that has sent a sparse signal based on the decoding result and estimates a channel (S30). The estimation result can be used when the access point sends a response.

도 5는 본 발명의 일 실시 예에 따른 개선된 OMP 알고리즘을 나타낸다.5 shows an improved OMP algorithm according to an embodiment of the present invention.

압축센싱 프레임워크에서,

는 K-sparse이고,

이고,

는 서포트 셋으로서,

이다. 측정치(y)는 수학식 1과 같이 표현된다.In the compression sensing framework,

Is K-sparse,

ego,

Is a support set,

to be. The measured value y is expressed as in Equation 1.

여기에서,

는

의 i번째 칼럼이고,

은 측정 노이즈이다.

의 각각의 엔트리는

을 독립적으로 똑같이 취하거나, 각 컬럼이 단위 놈(norm)을 갖도록 정규화하는

따르도록 한다. y로부터 x의 서포트 셋을 찾기 위해, 그리드 알고리즘이 l번째 반복회차에서

, 1<= k <= N을 계산하는데, 여기에서

은

및

에서 잔여 벡터이다. 그리고 나서 수학식 2와 같이 서포트 셋이 계산된다.From here,

Is

Is the ith column of

Is the measurement noise.

Each entry in

Take the same independently, or normalize each column to have a unit norm

Please follow. To find the support set of x from y, the grid algorithm

, 1<= k <= N, where

silver

And

Is the residual vector in Then, the support set is calculated as shown in Equation 2.

여기에서,

는 l-1 반복회차에서 선택된 인덱스들의 셋이다. 수학식 2에서, 각 반복에서 선택된 인덱스의 0이 아닌 요소를 추정하는데 오류가 없다고 가정하고, 이는 궁극적으로 더 간단한 보정 함수를 제공한다. 수치적 결과는 수학식 2에서 추정 오차를 고려한 보정 함수에 의한 성능 향상이 거의 없음을 보여준다.From here,

Is the set of indices selected in the l-1 iteration. In Equation 2, it is assumed that there is no error in estimating the non-zero element of the selected index at each iteration, which ultimately provides a simpler correction function. The numerical results show that there is little improvement in performance by the correction function considering the estimation error in Equation 2.

및

은 독립적이고 동일하게 분포된 (i.i.d.) 확률 변수의 M 요소의 합이며, M이 충분히 클 때 중심 극한 정리(CLT)에 따른 i.i.d. 콤플렉스 가우시안 분포를 따르는

이 가정된다.

And

Is the sum of the M elements of the independent and equally distributed (iid) random variable, and when M is large enough, the iid complex follows a Gaussian distribution according to the central limit theorem (CLT)

Is assumed.

Lemma 1:

이고, 여기에서

=

이다. 수학식 2에서, 만약 M이 충분히 크다면,

는 수학식 3처럼 콤플렉스 가우시안 분포를 따른다.Lemma 1:

And here

=

to be. In Equation 2, if M is large enough,

Follows the complex Gaussian distribution as in Equation 3.

여기에서,

및

이다.From here,

And

to be.

수학식 2에서,

가 인덱스

에서

가 최대인, 최대값을 취한다고 가정한다. Lemma 1에서 더 정확하게

의 분산을 찾기 위한

의 순서를 고려하면, K의 샘플 사이즈에 대한 기하급수적 분호의 순서 통계가 사용된다. 수치적 실험에 따르면 순서 통계를 고려하면

의 분산 추정 정확도고 크게 향상됨을 확인할 수 있다.In Equation 2,

Fall index

in

Is assumed to take the maximum value, which is the maximum. More precisely in Lemma 1

To find the variance of

Considering the order of, the order statistics of the exponential division for the sample size of K are used. According to numerical experiments, considering the order statistics,

It can be seen that the variance estimation accuracy of is greatly improved.

이라고 할 때 랜덤 변수

를 정의한다. 그리고 나서 확률 밀도 함수는 수학식 4와 같다.

Is a random variable

Defines Then, the probability density function is equal to Equation 4.

의 확률 밀도 함수를 사용하여 l번째 반복회차에서 각 인덱스 k에 대하여

를 보정 텀에 추가함으로서 보정 함수를 수학식 5와 같이 표현할 수 있다. 보정 함수는 OMP를 반복할 때만다 서포트 인덱스가 잘못 선택될 확률을 최소화할 수 있다.

For each index k in the l iteration using the probability density function of

By adding to the correction term, the correction function can be expressed as in Equation 5. The correction function can minimize the probability that the support index is incorrectly selected only when OMP is repeated.

여기에서,

는 x의 k번째 인덱스가 0 이 아닌 값을 가질 사전 확 률이다. 부정확 서포트 감지 확률을 최소화하기 위한 l번째 반복회차에서의 각 인덱스 k에 대한 보정 함수가 수학식 6과 같이 표현된다.From here,

Is the prior probability that the kth index of x has a non-zero value. A correction function for each index k in the l-th iteration to minimize the probability of detecting inaccurate support is expressed as Equation 6.

이고, 여기에서

이고,

및

는 Lemma 1로부터 획득된다. 수학식 6의 보정 함수를 OMP에 적용하여 OMP를 개선할 수 있다.

And here

ego,

And

Is obtained from Lemma 1. The OMP can be improved by applying the correction function of Equation 6 to the OMP.

도 6은 본 발명의 일 실시 예에 따른 개선된 SP 알고리즘을 나타낸다.6 shows an improved SP algorithm according to an embodiment of the present invention.

수학식 6과 같은 보정 함수는 다른 그리드 알고리즘에 적용 될 수 있다. 예를 들어, 보정 함수는 SP 알고리즘에도 적용될 수 있다. SP는 OMP와 다르게 k 인덱스들을 선택하기 때문에, 보정 텀이 개선된 OMP와 다르게 적용된다.The correction function such as Equation 6 can be applied to other grid algorithms. For example, the correction function can also be applied to the SP algorithm. Since SP selects k indices differently from OMP, the correction term is applied differently from the improved OMP.

수학식 5에서,

이 l번째 반복회차에서 보정 텀의 가중치 팩터이다. 도 2의 알고리즘의 단계 1 및 4에서

라고 설정하고, 여기에서 K는 l=1에서 잔존 벡터의 선택되지 않고 남아있는 서포트 인덱스의 수이다. l > 1일 때,

에서 선택되지 않은 인덱스가 오직 하나라고 가정하면, 알고리즘 2의 단계에서

라고 설정할 수 있다. 단계 1, 5, 7에서,

는 아규먼트 벡터의 가장 큰 K 개의 원소들의 집합으로 주어진다. 단계6에서

이다.In Equation 5,

It is the weight factor of the correction term in this lth iteration. In

steps

1 and 4 of the algorithm of Figure 2

Is set, where K is the number of unselected support indices of the residual vector at l=1. when l> 1,

Assuming that there is only one unselected index in

Can be set. In

steps

1, 5 and 7,

Is given as the largest set of K elements of the argument vector. In step 6

to be.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.The present invention described above can be implemented as a computer-readable code in a medium on which a program is recorded. The computer-readable medium includes all types of recording devices storing data that can be read by a computer system. Examples of computer-readable media include HDD (Hard Disk Drive), SSD (Solid State Disk), SDD (Silicon Disk Drive), ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc. There is this. Therefore, the detailed description above should not be construed as restrictive in all respects and should be considered as illustrative. The scope of the present invention should be determined by rational interpretation of the appended claims, and all changes within the equivalent scope of the present invention are included in the scope of the present invention.

Claims

사물인터넷 환경에서 노드들과 압축 센싱 기법을 이용해 통신을 수행하는 액세스 포인트에 있어서,
상기 노드들이 전송한 프리앰블로부터 압축 신호를 획득하는 무선 통신 모듈; 및
상기 압축 신호를 복호화 알고리즘을 이용하여 복호화하고, 복호화 결과에 기초하여 프리앰블을 전송한 장치를 인식하는 제어부를 더 포함하고,
상기 복호화 알고리즘은 상기 노드들의 동작 확률을 반영하는 보정 함수를 포함하는 개선된 복호화 알고리즘이고,
상기 동작 확률은
특정 시간에서 노드가 동작할 확률을 포함하는,액세스 포인트.In an access point that communicates with nodes using a compression sensing technique in an IoT environment,
A wireless communication module for obtaining a compressed signal from a preamble transmitted by the nodes; And
Further comprising a control unit for decoding the compressed signal using a decoding algorithm and recognizing a device that transmitted the preamble based on the decoding result,
The decoding algorithm is an improved decoding algorithm including a correction function that reflects the operation probability of the nodes,
The operation probability is
An access point containing the probability that the node will operate at a specific time.

제 1 항에 있어서,
상기 보정 함수는 상기 노드들의 동작 확률 및 동작 우선 순위에 기초하여 생성되는
액세스 포인트.The method of claim 1,
The correction function is generated based on the operation probability and operation priority of the nodes.
Access point.

제 2 항에 있어서,
상기 복호화 알고리즘은 그리디 알고리즘인
액세스 포인트.The method of claim 2,
The decryption algorithm is a greedy algorithm
Access point.

제 2 항에 있어서,
상기 노드 동작 확률은 셋팅 값 또는 트레이닝을 통해 학습된 값 중 적어도 어느 하나인
액세스 포인트.The method of claim 2,
The node operation probability is at least one of a setting value or a value learned through training.
Access point.

사물인터넷 환경에서 노드들과 압축 센싱 기법을 이용해 통신을 수행하는 액세스 포인트; 및
사물인터넷 기능을 포함하는 복수의 노드들을 포함하며,
상기 액세스 포인트는
상기 노드들이 전송한 프리앰블로부터 압축 신호를 획득하는 무선 통신 모듈; 및
상기 압축 신호를 복호화 알고리즘을 이용하여 복호화하고, 복호화 결과에 기초하여 희소 신호를 보낸 장치를 인식하는 제어부를 더 포함하고,
상기 복호화 알고리즘은 상기 노드들의 동작 확률을 반영하는 보정 함수를 포함하는 개선된 복호화 알고리즘이고,
상기 동작 확률은
특정 시간에서 노드가 동작할 확률을 포함하는,
사물인터넷 시스템.An access point that communicates with nodes in an IoT environment using a compression sensing technique; And
It includes a plurality of nodes including the IoT function,
The access point is
A wireless communication module for obtaining a compressed signal from a preamble transmitted by the nodes; And
Further comprising a control unit for decoding the compressed signal using a decoding algorithm and recognizing a device that has sent a sparse signal based on the decoding result,
The decoding algorithm is an improved decoding algorithm including a correction function that reflects the operation probability of the nodes,
The operation probability is
Containing the probability that the node will operate at a specific time,
IoT system.

제 5 항에 있어서,
상기 보정 함수는 상기 노드들의 동작 확률 및 동작 우선 순위에 기초하여 생성되는
사물 인터넷 시스템.The method of claim 5,
The correction function is generated based on the operation probability and operation priority of the nodes.
Internet of Things system.

제 6 항에 있어서,
상기 액세스 포인트와 연결되어 상기 노드들에 대한 제어 명령을 생성하는 원격 서버를 더 포함하며,
상기 원격 서버는 상기 노드들의 동작 확률 또는 동작 우선 순위 값을 액세스 포인트로 전송하는
사물 인터넷 시스템.The method of claim 6,
Further comprising a remote server connected to the access point to generate control commands for the nodes,
The remote server transmits the operation probability or operation priority value of the nodes to the access point.
Internet of Things system.