Since the lifetime of a battery directly impacts the extent and duration of sensor networks, one of the key considerations in the design of sensor networks is the ability to maximize battery lifetime. In this paper, we present (1) a task modeling methodology and (2) a battery-aware real-time task scheduling technique for sensor networks. The task modeling is achieved based on task classification in terms of the usage of resources on a micro-sensor system. For exploiting the $\bf{Recovery Effect} of battery, that is, strategically allocating relaxation time to the battery, the battery-aware task scheduling algorithm composed of three phases is designed to maximize the lifetime of a battery lifetime and meet the timing constraints of each task. The results are achieved through the experiment are based on the $\bf{High-level analytical battery model}, and show that the extent of the improvement achieved by applying the proposed battery-aware task scheduling algorithm varies according to the characteristics of profiles.
센서 네트워크를 구성하는 대부분의 센서 노드들은 제한된 용량의 배터리로부터 전력을 공급받는다. 그러한 센서 노드들의 수명은 장착된 배터리의 수명에 의해 결정되기 때문에 배터리의 수명을 최대화시키는 것이 센서 네트워크 응용 설계에서 중요한 고려 사항이 된다. 한편, 배터리는 전력 소모 패턴에 따라 전지가 제공할 수 있는 총 용량이 일정하지 않으며 방전이 진행됨에 따라서 비선형적인 특성을 보이기 때문에, 배터리의 수명은 연결된 로드의 특성에 따라서 항상 다르게 결정된다. 본 논문에서는 그러한 배터리의 방전 특성을 고려한 실시간 태스크 스케쥴링 알고리즘을 제안한다. 실험을 통하여 얻은 결과는 제안된 배터리의 특성을 고려한 태스크 스케쥴링 알고리즘이 그렇지 않은 태스크 스케쥴링 알고리즘에 비해 배터리 수명을 향상시킴을 보인다.
본 논문에서 우리는 센서 네트워크에서 배터리 수명 연장을 위한 배터리의 방전 특성을 고려한 정적 실시간 태스크 스케쥴링 알고리즘을 제안하였다. 같은 에너지를 소모하는 태스크 스케쥴 프로파일임에도 불구하고 태스크의 실시간 요구를 만족시킴과 동시에 배터리의 방전 특성(특히 Recovery Effect)을 고려함으로써 배터리의 수명을 연장시켰다는 것은 에너지 제약적인 센서 네트워크 분야에서 고무적이다.