| 1 |
1
다수의 센서노드와 클러스터 헤드를 포함하는 센서 필드로 구성된 센서 네트워크 시스템에 있어서,
(a) 상기 클러스터 헤드로부터 표적의 위치 및 식별정보를 수신하는 단계;
(b) 상기 표적의 식별정보를 참조하여 표적의 식별값 별로 분류하는 단계;
(c) 상기 표적의 개수 추정을 위한 초기 군집값을 설정하고 군집의 중심점 및 군집의 중심점 간 유클리디언 거리(Euclidean distance)를 계산하는 단계;
(d) 상기 군집의 중심점 간 유클리디언 거리 중 가장 작은 거리를 갖는 두 개 군집을 선택하고, 선택된 두 개 군집의 유클리디언 거리와 기 설정된 임계값을 비교하는 단계;
(e) 상기 두 개 군집의 유클리디언 거리가 상기 임계값보다 작은 경우 상기 선택된 두 개 군집을 병합하는 단계; 및
(f) 군집의 중심점 간 유클리디언 거리 중 가장 작은 거리를 갖는 또 다른 두 개 군집을 선택하고, 선택된 두 개 군집의 유클리디언 거리와 기 설정된 임계값을 비교하는 과정을 반복하는 단계를 포함하는 표적 개수 추정 방법
|
| 2 |
2
제1항에 있어서,
상기 (f) 단계에서, 상기 선택된 두 개 군집의 유클리디언 거리가 임계값보다 큰 경우, 상기 반복 과정을 종료하고 현재까지 생성된 군집 개수를 표적의 개수로 설정하는 단계를 더 포함하는 표적 개수 추정 방법
|
| 3 |
3
제 2항에 있어서,
상기 설정된 군집 각각의 중심점을 표적의 최종 위치로 결정하고, 상기 군집의 식별값을 표적의 식별값으로 설정하는 단계를 더 포함하는 표적 개수 추정 방법
|
| 4 |
4
제 1항에 있어서,
상기 (b) 단계에서 결정되는 표적의 식별값은 사람, 차량, 궤도차량 또는 unknown 중 적어도 어느 하나로 결정되는 것을 특징으로 하는 표적 개수 추정 방법
|
| 5 |
5
제 1항에 있어서, 상기 식별정보는 표적의 식별값에 대한 일치율을 포함하며,
상기 (b) 단계에서는 상기 일치율에 기초하여 상기 표적의 식별값을 결정하는 것을 특징으로 하는 표적 개수 추정 방법
|
| 6 |
6
제 1항에 있어서,
상기 임계값은 상기 (b) 단계에서 결정된 식별값에 따라서 결정되는 상기 표적의 고유값인 것을 특징으로 하는 표적 개수 추정 방법
|
| 7 |
7
다수의 센서노드와 클러스터 헤드를 포함하는 센서 필드로 구성된 센서 네트워크 시스템에 있어서,
상기 클러스터 헤드로부터 표적의 위치 및 식별정보를 수신하는 수신기;
상기 수신된 표적의 위치 및 식별정보를 저장하는 메모리;
상기 표적의 식별정보를 참조하여 표적의 식별값을 결정하는 표적 식별기; 및
상기 메모리에 저장된 표적의 위치 및 식별정보를 판독하여, 상기 표적의 개수 추정을 위한 초기 군집값을 설정하고 군집의 중심점 및 군집의 중심점 간 유클리디언 거리(Euclidean distance)를 계산하는 표적 개수 추정기를 포함하며,
상기 표적 개수 추정기는 상기 군집의 중심점 간 유클리디언 거리 중 가장 작은 거리를 갖는 두 개 군집을 선택하고, 선택된 두 개 군집의 유클리디언 거리와 상기 표적 식별기에서 결정된 식별값에 해당하는 표적의 임계값을 비교하여, 상기 두 개 군집의 유클리디언 거리가 상기 임계값보다 작은 경우 두 개 군집을 병합하는 것을 특징으로 하는 표적 추정 장치
|
| 8 |
8
제 7항에 있어서,
상기 표적 개수 추정기는, 상기 선택된 두 개 군집의 유클리디언 거리가 임계값보다 큰 경우, 상기 반복 과정을 종료하고 현재까지 생성된 군집 개수를 표적의 개수로 설정하는 것을 특징으로 하는 표적 추정 장치
|
| 9 |
9
제 7항에 있어서,
상기 표적 식별기에서 결정되는 표적의 식별값은 사람, 차량, 궤도차량 또는 unknown 중 어느 하나로 결정되는 것을 특징으로 하는 표적 추정 장치
|
| 10 |
10
제 7항에 있어서,
상기 식별정보는 표적의 식별값에 대한 일치율을 포함하며,
상기 표적 식별기는 상기 일치율에 기초하여 상기 표적의 식별값을 결정하는 것을 특징으로 하는 표적 추정 장치
|
