차세대 함정 전투체계를 위한 DDS미들웨어 설계 및 구현 :

김경선

추천

검색

자료유형: 학위논문

저자정보: 김경선 (금오공과대학교, 금오공과대학교 대학원)

지도교수: 김동성

발행연도: 2020

저작권: 금오공과대학교 논문은 저작권에 의해 보호받습니다.

이용수9

이 논문의 연구 히스토리 (4)

2022

차세대 함정 전투체계를 위한 엣지 컴퓨팅 기반 프레임워크

김경선 , 장민희 , 류주연 외 3명 한국통신학회논문지 2022.12 학술저널

2020

차세대 함정 전투체계의 엣지 컴퓨팅을 위한 QoS 기반의 Task Offloading 기법

김경선 , 이재민 , 김동성 외 1명 한국통신학회 학술대회논문집 2020.08 학술대회자료

차세대 함정 전투체계의 실시간성 향상을 위한 DDS 미들웨어 성능평가

김경선 , 이재민 , 김동성 외 1명 한국통신학회 학술대회논문집 2020.02 학술대회자료

차세대 함정 전투체계를 위한 DDS미들웨어 설계 및 구현

김경선 IT융복합공학과 2020.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

함정 전투체계는 전시 상황에서 돌발 및 위급 상황을 실시간으로 대처하기 위해 시스템의 복잡성이 증가하고 있다. 이에 따라 차세대 함정 전투체계의 데이터 컴퓨팅 환경은 대용량 컴퓨팅에 적합하도록 설계 되어야한다. 따라서 본 논문에서는 현재 함정 전투체계 환경이 차세대에 요구되는 대용량 데이터 컴퓨팅에 대하여 적합한지 분석하고, 대용량 데이터 컴퓨팅에 적합한 차세대 함정 전투체계를 위한 함정용 엣지 컴퓨팅을 제안한다. 엣지 컴퓨팅은 IoT 기기들이 생성한 실시간 데이터를 클라우드 및 서버를 거치지 않고 물리적으로 가까운 거리에서 컴퓨팅 하는 기법이며, 네트워크 부하를 감소시키고 데이터 컴퓨팅 지연시간을 최소화 한다. 차세대 함정 전투체계에 엣지 컴퓨팅을 적용시키기 위한 요구사항을 만족시키기 위해 현재 함정 전투체계의 통신 미들웨어 플랫폼인 DDS를 엣지 컴퓨팅 통신 플랫폼으로 적용시켰다. 제안된 함정용 엣지 컴퓨팅은 기존의 함정 전투체계 데이터 컴퓨팅 환경과 비교 분석 되었다. 그 결과, 기존에 함정 전투체계의 데이터 컴퓨팅 환경을 개선 시키기 위해 연구 되었던 기법들에 비해 컴퓨팅 지연시간 측면에서 개선된 성능을 보였다. 그리고 데이터의 크기 및 노드의 수가 증가함에 따라 기존 함정 전투체계의 컴퓨팅 및 전송 지연시간이 비례하여 증가 하였다, 반면에 제안된 차세대 DDS 미들웨어 기반의 함정용 엣지 컴퓨팅은 컴퓨팅 및 전송 지연시간 측면에서 개선된 성능을 보였다. 따라서 기존의 함정 전투체계는 차세대 함정 전투체계의 차세대 대용량 데이터 컴퓨팅 환경에 적합하지 않다고 판단된다. 따라서 차세대 함정 전투체계 서브시스템들의 대용량 데이터를 컴퓨팅하기 위해 DDS 미들웨어 기반의 함정용 엣지 컴퓨팅의 적용을 제안한다.

Naval combat systems are becoming increasingly complex in order to deal with sudden and emergency situations in real time. accordingly, the data computing environment of next generation naval combat system should be designed for high capacity computing. therefore, this paper analyzes whether the current naval combat system environment is suitable for the large-scale data computing required for the next generation. In addition, we propose naval edge computing for the next-generation naval combat system suitable for large-scale data computing. edge computing is a technique for computing real-time data generated by IoT devices at a physically close distance without going through the cloud and servers, reducing network load and optimizing data computing latency. In order to satisfy the requirements for applying the following edge computing to the naval battle system, DDS, the communication middleware platform of the naval battle system, was applied as the edge computing communication platform. The proposed naval''s edge computing is compared with the existing ship combat system data computing environment. as a result, it showed improved performance in terms of computing latency compared to the techniques that have been studied to improve the data computing environment of the naval combat system. as the size of the data and the number of nodes increased, the computational and transmission latency of the existing ship combat system increased proportionally. on the other hand, the proposed next-generation DDS middleware based naval edge computing has improved performance in terms of computing and transmission latency. therefore, it is judged that the existing naval battle system does not meet the large data computing requirements of the next-generation naval battle system, and proposes edge computing for naval vessels to compute the massive data of the naval combat system subsystems.

제 1 장 서 론 1
제 2 장 관련 연구 및 기존 함정 전투체계의 문제점 분석 3
2.1 함정 전투체계의 전체 구조적 분석 3
2.2 미들웨어 개요 5
2.3 DDS 미들웨어 개요 7
2.4 DDS 미들웨어의 통신 구조 9
2.5 차세대 함정 전투체계 10
2.6 기존 함정 전투체계의 데이터 컴퓨팅 환경에 대한 문제점 분석 12
2.7 엣지 컴퓨팅의 개요 16
제 3 장 차세대 함정 전투체계의 요구사항 분석 17
3.1 DDS의 DCPS 및 RTPS 계층의 구조 분석 17
3.2 차세대 함정 전투체계의 데이터 컴퓨팅 및 통신 요구사항 20
제 4 장 DDS 미들웨어 기반의 차세대 함정 전투체계를 위한 엣지컴퓨팅 22
4.1 제안하는 차세대 함정 전투체계의 전체 구조도 22
4.2 차세대 함정 전투체계의 데이터 흐름도 23
제 5 장 모의실험 및 성능 평가 27
5.1 시험 환경 구성 27
5.2 시뮬레이션 시나리오 29
5.3 제안하는 기법과 기존 함정 전투체계의 성능 비교 30
제 6 장 결론 및 향후 연구 35
[참고 문헌] 36

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)