공간 상관성을 활용한 비중첩형 분산 클러스터링 및 CH‑노드 기반 데이터 정확도 모델

본 논문은 고밀도 무선 센서 네트워크(WSN)에서 센서 간 측정값이 공간적으로 강하게 상관된다는 사실을 기반으로, 효율적인 클러스터링과 데이터 정확도 향상 방법을 제안한다. 서론에서는 기존의 LEACH, SEP 등 동적 클러스터링 기법이 주로 확률적 혹은 거리 기반으로 클러스터를 형성하지만, 실제 환경에서는 센서 간 데이터 상관성이 클러스터 형성에 중요한 역할을 한다는 점을 지적한다. 이를 위해 먼저 데이터 상관성 모델을 수학적으로 정의한다. 각 센서 i와 j의 관측값 시계열 Si와 Sj에 대해 평균, 분산, 공분산을 계산하고, 상관계수 ρij를 도출한다. ρij는 센서 간 유클리드 거리 dij와 파워 지수 상관 함수 K·exp