Earticle

초록

영어

In Wireless Body Area Networks(WBANs), resource constraints at nodes make it difficult to achieve energy efficiency and Quality of Service(QoS) due to delay and residual energy consumption. In this paper, we propose a TP-DNN to improve network throughput and residual energy in WBAN-IoT. TP-DNN utilizes Channel Impulse Response(CIR) and dual hidden layers to provide high efficiency in classifying and identifying data between nodes. Based on measured indoor dynamic movement data, the proposed TP-DNN demonstrates over 98% efficiency in classifying line-of-sight (LoA) and non-line-of-sight (NLoA) conditions in non-face-to-face communications in WBANs.

한국어

Wireless Body Area Network(WBAN)에서 노드의 리소스 제약으로 인해 지연 및 잔류에너지 소비로 에너지 효율, 서비스품질(Quality of Service)을 성취하는데 어려움이 있다. 본 논문에서는 WBAN-IoT기반에서 네트워크 처 리량, 잔류에너지 향상을 위한 TP-DNN을 제안한다. TP-DNN은 Channel Impulse Response(CIR) 및 이중 은닉층을 사용함 으로서 노드 간의 데이터를 분류 식별 하는데 높은 효율을 제공한다. 제안된 TP-DNN은 실내의 동적 움직 임에 대한 측정 데이터를 기반으로 WBAN의 비대면 통신에서 가시영역(LoA) 및 비가시 영역(NLoA)조건 분류에 대 한 효율이 98% 이상으로 향상 됨을 알 수 있다.

목차

요약
Abstract
1. 서론
2. 관련연구
3. SVM과 DNN
3.1 SVM
3.2 DNN(Deep Neural Network)
4. 제안된 TP-DNN
5. 실험결과
5.1 Simulation Specifications
5.2 네트워크 처리량
5.3 잔류 에너지
6. 결론
REFERENCES

키워드

무선인체네트워크_사물인터넷 두-단계 심층신경망 서비스품질 채널 임펄스 응답 가시영역 비가시영역 WBAN_IoT(Wireless Boby Area Network_Internet of Things TP-DNN(Two-Phase Deep Neural Network QoS(Quality of Service) CIR(Channal Impulse Response) Line of Area(LoA) Non Line of Area(NLoA)

저자

• 이정재 [ Jungjae Lee | 송원대학교 컴퓨터정보학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물