본 논문에서는 동적 무선 센서 네트워크의 클러스터링 기법인 EECS-M에 헤드 수 조절 기법을 추가하고 노드의 과거 위상변화의 관측을 통해 얻어지는 노드의 이동성 모델 예측 기법을 융합하여, 그 모델로부터 예측된 미래 노드 위치를 기반으로 클러스터 구성을 하여 확장하는 방식의 새로운 클러스터링 기법을 제안한다. 현존하는 클러스터링 알고리즘은 센서에 GPS가 탑재되고 노드가 이동하지 않는 환경에서 동작하는 클러스터 알고리즘이 대다수 이며 동적 환경에서 작동하는 클러스터 알고리즘 역시 미래에 대한 예측이 없고 과거의 이동성과 에너지만을 고려한다는 한계점을 극복하기 위해 위상변화의 관측을 통해 노드의 이동성 모델을 예측하는 방식을 사용하며 노드의 미래 위치를 헤드 선택에 반영한다. 에너지 소비 효율성을 입증하기 위해 여러 동적 환경을 구성하여 네트워크 수영 대비 네트워크 잔여에너지양과 에너지 현황을 비교하여 제시한 알고리즘이 에너지 사용 효율성 측면의 약점을 보완한다는 것을 보인다.
This paper proposes a novel clustering algorithm for mobile wireless sensor networks, called "An Energy Efficient Clustering Scheme with Head control and Mobility Prediction in Mobile Wireless Sensor Networks (EECS-HMM)," which extends EECS-M by a head control scheme and a node topology prediction scheme via mobility estimation based on past topologies of the nodes. Most of all algorithms are for stat ic environment with GPS and even dynamic algorithms are having limits, whish are using past information and energy. By simulation studies, we compare performances of several existing clustering algorithms in terms of energy consumption per network life time and show that EECS-HMM improves EECS-M.
