CN111130715B - 一种Lora无线网络及其参数优化、传输方法及装置 - Google Patents
一种Lora无线网络及其参数优化、传输方法及装置 Download PDFInfo
- Publication number
- CN111130715B CN111130715B CN201911281680.8A CN201911281680A CN111130715B CN 111130715 B CN111130715 B CN 111130715B CN 201911281680 A CN201911281680 A CN 201911281680A CN 111130715 B CN111130715 B CN 111130715B
- Authority
- CN
- China
- Prior art keywords
- optimized
- node
- nodes
- parameters
- energy consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
- H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
- H04L1/18—Automatic repetition systems, e.g. Van Duuren systems
- H04L1/1829—Arrangements specially adapted for the receiver end
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
- H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
- H04L1/18—Automatic repetition systems, e.g. Van Duuren systems
- H04L1/1829—Arrangements specially adapted for the receiver end
- H04L1/1832—Details of sliding window management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种Lora无线网络及其参数优化、传输方法及装置,通过控制接收窗口大小来提高LoRa并行传输的有效吞吐,本发明提供的方法不需要频繁交换控制信息,引入了一个新的并发传输模型来估计LoRa中网络参数不同时的下行链路PRR,并使用回归模型使结果更真实。然后,本发明提出了一种简单的优化算法,以选择节点能够接收确认的最佳接收窗口大小;实验结果表明,在48个节点以20%的占空比工作的LoRa并发传输中,本发明提供的数据传输方法可将有效吞吐提高70%,并将能耗降低30%。
Description
技术领域
本发明涉及数据传输方法,具体涉及一种Lora无线网络及其参数优化、传输方法及装置。
背景技术
低功耗广域网在物联网中一直发挥着关键作用,Lora具有远距离,低功耗和支持并发传输的特性,使用并发机制可以显著提高Lora无线网络的吞吐,但是,根据在LoRa并发传输中进行的实际实验,大多数增加的吞吐并非有效吞吐,而是重传的数据包。频繁的重传数据包不仅浪费带宽,而且会带来更多的能量消耗,持续的上行并发传输可能会阻塞下行传输,并且下行传输的失败会导致重传,最终降低有效吞吐。
如图1所示,三个节点随机将数据传输到网关,这些传输的结束时间因其开始时间,数据包长度和数据速率不同而有所不同。这些差异使得网关会为了接收上行传输而长期处于接收模式。当节点1完成其传输时,它将打开一个节点接收窗口(即RX1)以网关通过接收下行链路传输的确认字符数据(即ACK数据),但是网关正忙于接收来自节点2的数据包故无法回复节点1,当节点2完成传输时,由于此时没有上行传输,网关将切换到发送模式(TX模式)以发送针对节点1的ACK数据,但是节点1已经为了节省能源关闭其节点接收窗口。当节点1重新打开另一个节点接收窗口(即RX2)时,网关已被节点3的上行链路传输占用。最终导致了节点1的数据包重传。但是反过来,节点1的重传数据包又阻止了节点3的ACK数据接收。
也就是说当单个节点将数据传输到网关时,网关可以成功给其回复ACK数据,因为网关的发送窗口与节点的接收窗口可以相互匹配,但是,当多个节点同时传输数据时,只有在网关完成接收当前的上行链路传输后,才能激活给节点回复ACK数据的下行链路传输,在这种情况下,网关的发送窗口可能会错过节点的接收窗口,从而导致ACK数据丢失,最终导致数据包的重传。网关的发送窗口与节点的接收窗口匹配失败主要是由于持续的上行链路并发传输阻止了下行链路传输。
为了解决窗口不匹配的问题,现有技术中可以使用NAK来避免回复所有接收到的数据包,并且网关仅在节点数据包丢失的情况下才给其回复ACK数据。但是,此类下行链路传输仍可能被下行链路传输阻止,而且节点丢失的数据包可能已经被从内存中清除掉了。
现有技术中还有一种通信方法,当节点数量为48,占空比为20%时,尽管上行链路传输占用了网关的大部分时隙,但是网关仍然可以找到充足的可用于下行链路传输的时隙。如果可以控制节点的RX窗口以匹配下行链路传输,则可以显著缓解或完全避免窗口不匹配的问题,如图1所示,节点1可以将其节点接收窗口RX1推迟到节点接收窗口RX1’以接收下行链路传输,并且节点2同样可以这样做。然而,这样控制接收窗口需要在网关和节点之间频繁交换控制信息,这样做必然会带来额外的开销。
由于Lora节点为低功率,频繁的交换控制信息会消耗更多的能量,且控制信息有可能会像ACK数据一样被上行链路的传输堵塞,另外,延长节点接收窗口的长度也可以提高节点接收窗口和下行链路传输相匹配的概率,而无需频繁的交换控制信息,但是节点接收窗口过长也可能会增加节点的能耗。
综上所述,现有技术在优化Lora无线网络仅能保证数据吞吐量提升,又带来了节点能耗增加的缺点,无法获得既能保证数据吞吐量提升又保持能耗的节点网络参数,从而造成Lora无线网络传输效率不高的情况。
发明内容
本发明的目的在于提供一种Lora无线网络及其参数优化、传输方法及装置,用以解决现有技术的优化方法无法获得既能保证数据吞吐量提升又保持能耗的节点网络参数,从而造成Lora无线网络传输效率不高的问题。
为了实现上述任务,本发明采用以下技术方案:
一种Lora无线网络参数优化方法,用于获得Lora无线网络中的任一类节点的优化后的网络参数,其中同一类节点的SF值相同,对于其中SF值为s的同一类节点,s∈[7,12],所述的网络参数包括固定参数以及待优化参数,所述的方法按照以下步骤执行:
步骤A、获得待优化节点的固定参数,所述的固定参数包括节点个数、节点占空比、数据包长度、第一接收窗口RX1延迟时间;
步骤B、从待优化参数大小的初始值开始以固定步长Δ调整待优化参数大小至待优化参数大小的上限或下限,获得多个待优化参数;
所述的待优化参数包括第一接收窗口RX1大小、第二接收窗口RX2大小以及第二接收窗口RX2延迟时间;其中第一接收窗口RX1大小与第二接收窗口RX2大小相同;
步骤C、将步骤B获得的多个待优化参数与步骤A获得的固定参数组合,获得多组网络参数;
步骤D、采用式III获得步骤C中每一组网络参数下待优化节点的能耗:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数;e表示待优化节点的默认能耗;
其中当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率pr(k)采用式II获得:
其中表示当前网络参数下SF值为s的同一类节点接收窗口r接收到网关回复的概率,表示当前网络参数下SF值为s的同一类节点在第一接收窗口cr1接收到网关回复的概率,表示当前网络参数下SF值为s的同一类节点在第二接收窗口cr2接收到网关回复的概率;
将能耗大于能耗阈值的网络参数从步骤C获得的多组网络参数中删除,获得多组符合能耗要求的网络参数;
步骤E、获得每组符合能耗要求的网络参数对应的理论包接收率,获得待优化节点的多个理论包接收率;
步骤F、将步骤E获得的待优化节点的每个理论包接收率输入至包接收率回归模型,获得待优化节点的回归后的包接收率;
所述的包接收率回归模型由多组实验网络参数对应的多个理论包接收率以及多个实际包接收率训练回归模型获得;
步骤G、将步骤F获得的所有待优化节点的回归后的包接收率中数值最大的回归后的包接收率对应的符合能耗要求的网络参数作为待优化节点优化后的网络参数,结束。
进一步地,所述的步骤E中采用式I获得任一组符合能耗要求的网络参数对应的理论包接收率:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数。
进一步地,所述的回归模型为medium Tree模型。
一种Lora无线网络数据传输方法,利用优化后的Lora无线网络进行数据传输,所述的优化后的Lora无线网络采用所述的Lora无线网络参数优化方法对当前Lora无线网络中SF值相同的节点进行优化后获得。
一种Lora无线网络参数优化装置,用于获得Lora无线网络中的任一类节点的优化后的网络参数,其中同一类节点的SF值相同,对于其中SF值为s的同一类节点,s∈[7,12],所述的网络参数包括固定参数以及待优化参数,所述的装置包括固定参数获得模块、待优化参数确定模块、网络参数组合模块、能耗筛选模块、理论包接收率获得模块、包接收率回归模块以及参数选择模块;
所述的固定参数获得模块用于获得待优化节点的固定参数,所述的固定参数包括节点个数、节点占空比、数据包长度、第一接收窗口RX1延迟时间;
所述的待优化参数确定模块用于从待优化参数大小的初始值开始以固定步长Δ调整待优化参数大小至待优化参数大小的上限或下限,获得多个待优化参数;
所述的待优化参数包括第一接收窗口RX1大小、第二接收窗口RX2大小以及第二接收窗口RX2延迟时间;其中第一接收窗口RX1大小与第二接收窗口RX2大小相同;
所述的网络参数组合模块用于将多个待优化参数与固定参数组合,获得多组网络参数;
所述的能耗筛选模块用于采用式III获得每一组网络参数下待优化节点的能耗:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数;e表示待优化节点的默认能耗;
所述的能耗筛选模块用于将能耗大于能耗阈值的网络参数从获得的多组网络参数中删除,获得多组符合能耗要求的网络参数;
所述的理论包接收率获得模块用于获得每组符合能耗要求的网络参数对应的理论包接收率,获得待优化节点的多个理论包接收率;
所述的包接收率回归模块用于将获得的待优化节点的每个理论包接收率输入至包接收率回归模型,获得待优化节点的回归后的包接收率;
所述的包接收率回归模型由多组实验网络参数对应的多个理论包接收率以及多个实际包接收率训练回归模型获得;
所述的参数选择模块用于将获得的所有待优化节点的回归后的包接收率中数值最大的回归后的包接收率对应的符合能耗要求的网络参数作为待优化节点优化后的网络参数。
进一步地,所述的理论包接收率获得模块中采用式I获得任一组符合能耗要求的网络参数对应的理论包接收率:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数。
进一步地,所述的回归模型为medium Tree模型。
一种Lora无线网络数据传输装置,利用优化后的Lora无线网络进行数据传输,所述的优化后的Lora无线网络采用Lora无线网络参数优化装置对当前Lora无线网络中SF值相同的节点的网络参数进行优化后获得。
一种Lora无线网络,所述的Lora无线网络中包括多个节点,每个节点对应一个SF值,所述的Lora无线网络中SF值相同的节点的网络参数采用Lora无线网络参数优化装置获得。
本发明与现有技术相比具有以下技术效果:
1、本发明提供的Lora无线网络参数优化方法及装置首先提供了节点理论包接收率的计算方法,提高了理论包接收率计算的准确性,其次考虑到时钟偏移和信道质量等真实环境也会对实际包接收率产生影响,因此提供了回归模型对理论值进行补偿,获得准确的节点包接收率的值,为获得既能保证数据吞吐量提升又保持能耗的节点网络参数提供了准确的数据基础;其次通过利用能耗以及回归后的包接收率作为筛选条件对网络参数进行选择,选择适当的第一接收窗口大小以及第二接收窗口大小,实现了最小化能耗的基础上增加了有效数据吞吐量;
2、本发明提供的Lora无线网络数据传输方法及装置通过对网络中每一类节点进行参数优化,利用优化后的网络进行数据传输,提高了数据传输的吞吐量并且保持了能耗降低;
3、本发明提供的Lora无线网络由于网络中的节点参数均经过优化,从而获得了一种优化后的Lora无线网络,利用优化后的Lora无线网络进行数据传输,能够提高数据传输的吞吐量并且保持能耗降低。
附图说明
图1为现有的Lora技术中存在的窗口不匹配情况示意图;
图2为本发明提供的Lora无线网络优化方法过程示意图;
图3为本发明的一个实施例中提供的节点接收窗口示意图;
图4为本发明的一个实施例中提供的节点在第一接收窗口中收到回复的示意图;
图5为本发明的一个实施例中提供的节点在第二接收窗口中收到回复的示意图;
图6为本发明的一个实施例中提供的理论包接收率与实际包接收率对比图;
图7为本发明的一个实施例中提供的回归模型示意图;
图8为本发明的一个实施例中提供的接收窗口长度与下行链路包接收率实验结果图;
图9为本发明的一个实施例中提供的接收窗口长度与有效吞吐量实验结果图;
图10为本发明的一个实施例中提供的接收窗口长度与平均能耗实验结果图;
图11为本发明的一个实施例中提供的接收窗口长度与增长率实验结果图;
图12为本发明的一个实施例中提供的室内#1节点部署示意图;
图13为本发明的一个实施例中提供的室内#2节点部署示意图;
图14为本发明的一个实施例中提供的不同场景下的总吞吐与有效吞吐对比图;
图15为本发明的一个实施例中提供的不同场景下的包接收率对比图;
图16为本发明的一个实施例中提供的不同场景下的平均能耗对比图;
图17为本发明的一个实施例中提供的不同场景下的增长率对比图;
图18为本发明的一个实施例中提供的不同占空比下的增长率对比图;
图19为本发明的一个实施例中提供的不同占空比下的包接收率对比图;
图20为本发明的一个实施例中提供的不同占空比下的有效吞吐量对比图;
图21为本发明的一个实施例中提供的不同占空比下的平均能耗对比图;
图22为本发明的一个实施例中提供的不同节点数量时的性能增长率对比图;
图23为本发明的一个实施例中提供的不同节点数量时包接收率对比图;
图24为本发明的一个实施例中提供的不同节点数量时有效吞吐量对比图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。以便本领域的技术人员更好的理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
以下对本发明涉及的定义或概念内涵做以说明:
SF值:扩频因子,表示了每个信息位发送的符号数量。
接收窗口:节点在发送完一个数据包之后,开启用来接收网关回复ACK的窗口。
包接收率PRR:网关收到的有效数据包数与节点发送的总包数之比,是反映网络质量的一个重要指标。
ACK数据:网关在收到数据包之后回复给节点用来确认包已成功收到的数据。
medium Tree模型:机器学习中的一种回归模型。
节点占空比:节点在一个周期中的工作时长与周期总时长的比值。
接收窗口延迟时间:节点数据包传输结束之后到打开ACK窗口的时间间隔。
节点能耗:节点在一个完整周期内的总能量消耗。
实施例一
在本实施例中提供了一种Lora无线网络参数优化方法,用于对Lora无线网络中的任一类节点的网络参数进行优化,其中同一类节点的SF值相同,对于其中SF值为s的同一类节点,s∈[7,12],网络参数包括固定参数以及待优化参数。
如图2所示,方法按照以下步骤执行:
步骤A、获得待优化节点的固定参数,固定参数包括节点个数、节点占空比、数据包长度、第一接收窗口RX1延迟时间;
在本实施例中,节点个数为8,节点占空比为0.5,数据包长度为43ms,第一接收窗口RX1延迟时间为1000ms,因此固定参数为[8,0.5,43,1000]。
步骤B、从待优化参数大小的初始值开始以固定步长Δ调整待优化参数大小至待优化参数大小的上限或下限,获得多个待优化参数;
待优化参数包括第一接收窗口RX1大小、第二接收窗口RX2大小以及第二接收窗口RX2延迟时间;
在本实施例中,第一接收窗口RX1大小以及第二接收窗口RX2大小的下限为20ms,第一接收窗口RX1大小以及第二接收窗口RX2大小的上限为520ms,步长Δ可以是1ms或10ms等任意数值。
第二接收窗口RX2延迟时间的下限为0ms,第二接收窗口RX2延迟时间的上限为1000ms,且第二接收窗口RX2延迟时间与第一接收窗口RX1大小以及第二接收窗口RX2大小之和为固定值1040ms。
因此,待优化参数可以是[20,1000],[21,998],[22,996],……,[120,800],[121,798],[122,796],……,[520,0]。
步骤C、将步骤B获得的多个待优化参数与步骤A获得的固定参数组合,获得多组网络参数;
在本实施例中,网络参数为[8,0.5,43,1000|20,1000]、[8,0.5,43,1000|21,998]、[8,0.5,43,1000|22,996]、……、[8,0.5,43,1000|520,0]。
步骤D、采用式III获得步骤C中每一组网络参数下待优化节点的能耗:
其中pr(k)表示当前网络参数下节点在第k次重传时接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数;e表示待优化节点的默认能耗;
其中当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率pr(k)采用式II获得:
其中表示当前网络参数下SF值为s的同一类节点接收窗口r接收到网关回复的概率,表示当前网络参数下SF值为s的同一类节点在第一接收窗口cr1接收到网关回复的概率,表示当前网络参数下SF值为s的同一类节点在第二接收窗口cr2接收到网关回复的概率;
将能耗大于能耗阈值的网络参数从步骤C获得的多组网络参数中删除,获得多组符合能耗要求的网络参数;
本发明提供的PRR计算方法能够利用当前并发节点的分布情况,也就是各个信道上的并发情况、单个信道上不同SF节点并发情况、节点工作占空比、数据发送时长、等待ACK接收窗口时长、ACK接收窗口时长等参数信息,估计出某一种节点在当前网络并发情况下发送数据包后能够收到网关回复ACK的概率是多少。利用该概率值在本实施例可以进一步估计出节点发送数据包的期望重传次数以及期望延迟。
在本实施例中出现的变量含义见表1:
表1变量含义表
变量 | 意义 |
SF | 扩频因子 |
μ | 节点占空比 |
T<sub>s</sub> | 不同SF节点的工作周期长度 |
δ | 时隙 |
a<sub>s</sub> | 节点处于工作状态的时长 |
l<sub>s</sub>δ | 数据包传输时长 |
γ<sub>s</sub>δ | ACK数据包传输时长 |
t<sub>1</sub> | 等待第一个RX窗口打开的接收延迟 |
t<sub>2</sub> | 等待第二个RX窗口打开的接收延迟 |
t<sub>a</sub> | RX窗口长度 |
t<sub>dormant</sub> | 节点处于休眠状态的时长 |
R<sub>max</sub> | 最大重传次数 |
假设网络中SF值为s的同一类节点个数为ns,s∈[7,12],节点以的占空比进行工作,其中αs为节点处于工作状态的时长,Ts为工作周期时长,单位时长为δ。各类SF节点传输数据包所需时长为lsδ,ls表示SF值为s的数据包传输时长的时隙数,传输ACK所需时长为γsδ,γs表示SF值为s的数据包的ACK传输时长的时隙数,对应ACK接收窗口的时长为ta。
在本实施例中为了分析并发传输过程,对节点接入网关的过程进行建模分析,考虑的应用是固定占空比监测的应用,而不是事件驱动的应用,所以节点会在给定占空比的时间段内随机接入到网关进行数据传输,因此每类节点接入网关的时刻为随机变量ns为正整数,在本实施例中通过收集分析大量节点接入网关时间发现节点在任何时刻接入到网关的概率是相似的,各个随机变量之间是独立分布的,因此在本实施例中用均匀分布来描述节点的接入时刻:
其中Cs表示节点在某一周期内可能的接入网关时间最大值。
节点的接收窗口(RX)主要用来接收网关发送的下行链路数据,在本实施例中,分析RX窗口的大小对下行链路传输的影响。如图3所示,第一接收窗口与第二接收窗口的大小均为ta,一个ACK数据包的长度为γδ,因此,发送节点在RX窗口内有个时刻可以开始接收ACK数据。
1)发送节点在第一接收窗口RX1收到ACK的概率。
若在时刻t0有SF值为s的同一类节点接入网关,那么节点在第一个接收窗口RX1收到网关回复需满足以下条件:
a.在时间段[t0+lsδ+t1-l7δ+(i-1)δ,t0+lsδ+t1+(i-1)δ]内无SF>7的节点接入网关,且在时间段[t0+lsδ+t1-l7δ+δ+(i-1)δ,t0+lsδ+t1+(i-1)δ]内无SF=7的节点接入网关,其中
假设发送节点在RX1的第i个时隙开始接收ACK,此时的时刻为t0+lsδ+t1+(i-1)δ(使用t(1)来表示该时刻),这就意味着在该时刻没有上行链路正在传输,或者是有上行传输刚刚结束。如果有SF7的上行传输在时刻t(1)刚刚结束(本实施例中在b中讨论其他SF传输情况),那么就意味着该传输的开始时刻为t(1)-l7δ,否则该传输不可能在t(1)时刻完成。因此,在时间段[t(1)-l7δ,t(1)]内没有SF值大于7的节点接入网关,且在时间段[t(1)-l7δ+δ,t(1)]没有SF值等于7的节点接入网关,如图4所示。因此,满足该条件的概率为:
其中表示满足该条件的概率,P7(t(1)-l7δ+δ≤t≤t(1))表示对应时间段没有SF值等于7的节点接入网关的概率,Pj(t(1)-l7δ≤t≤t(1))表示对应时间段没有SF值等于j的节点接入网关的概率(j∈[8,12])。
b.在时间段[t0+lsδ+t1-lxδ+δ+(i-1)δ,t0+lsδ+t1-lx-1δ+(i-1)δ]内无SFx的节点接入网关,且在时间段[t0+lsδ+t1-lxδ+(i-1)δ,t0+lsδ+t1-lx-1δ+(i-1)δ]内无SF=+1~12的节点接入网关,其中x∈[8,12]。
如果有SF=x,x∈[8,12]的上行传输在时刻t(1)结束,那么该上行传输的最晚开始时间为t(1)-lxδ。因此,为了保证t(1)时刻正常开始接收ACK,在时间段[t(1)-lxδ,t(1)-lx-1δ]内不能有SF>+1的节点接入网关,而且在时间段[t(1)-lxδ+δ,t(1)-lx-1δ]内不能有SF=x的节点接入网关。除此之外,若存在某一个x使得t(1)-lxδ≤0时,令xmax=x,如图4所示。该条件的实现概率为:
当i≥2时,说明ACK数据包传输时间从接收窗口开始时间向后推迟,如图3所示。那么就说明RX的前i-1个时隙被占用,在第i-1个时隙刚刚结束传输。这个数据包有可能是SF=7~12中的至少一个,也就是在时间段[t0+lsδ+t1-lxδ+(i-2)δ,t0+lsδ+t1-lxδ+(i-1)δ]内,至少有一类SF类型的节点接入网关并进行数据传输。如果存在x,使得t0+lsδ+t1-lxδ+(i-2)δ≤0,那么令xmax_1=x,否则xmax_1=12,满足该条件的概率为:
至此,SF值为s的同一类节点进行数据传输后,发送节点在第一接收窗口收到网关回复的概率为:
2)发送节点在第二接收窗口RX2收到网关回复ACK数据的概率。
若在时刻t0有SF=s节点接入网关,那么节点在第二个接收窗口RX2收到网关回复需满足以下条件:
a.在时间段[t0+lsδ+t1+ta+t2-l7δ+(i-1)δ,t0+lsδ+t1+ta+t2+(i-1)δ]内无SF值大于7的节点接入网关,且在时间段[t0+lsδ+t1+ta+t2-l7δ+δ+(i-1)δ,t0+lsδ+t1+ta+t2+(i-1)δ]内无SF值等于7的节点接入网关,其中
如果发送节点在第二接收窗口RX2的第i个时隙开始接收ACK,那么该时刻为t0+lsδ+t1+ta+t2+(i-1)δ(在本实施例中用t(2)来表示该时刻)。此时分析和推导过程和1)中第一接收窗口RX1收到网关回复ACK数据的概率部分a部分相似,如图5所示,那么满足该条件的概率为:
b.在时间段[t0+lsδ+t1+ta+t2-lxδ+δ+(i-1)δ,t0+sδ+t1+a+t2-lx-1δ+(i-1)δ]内无SF=x的节点接入网关,且在时间段[t0+lsδ+t1+ta+t2-lxδ+(i-1)δ,t0+lsδ+t1+ta+t2-lx-1δ+(i-1)δ]内无SF=x+1~12节点接入网关,其中x∈[8,12]。
该条件的分析和推导过程也和1)中第一接收窗口RX1收到网关回复ACK数据的概率部分b部分相似。若存在某一个x使得t(2)-lxδ≤0时,令xmax=x,若不存在,则令xmax=12,如图5所示。因此,满足该条件的概率为:
c.当i≥2时,说明ACK数据包传输时间从接收窗口开始时刻向后推迟(i-1)δ,那么就说明在之前刚刚结束了一个数据包的传输,这个数据包有可能是SF=7~12中的至少一个,也就是在时间段[t0+lsδ+t1+ta_s+t2-lxδ+(i-2)δ,t0+lsδ+t1+ta_s+t2-lxδ+(i-1)δ]内,至少有一种SF类型的节点接入网关进行数据传输,若存在x,使得t0+lsδ+t1+ta_s+t2-lxδ+(i-2)δ≤0,令xmax_2=x,若不存在,则令xmax_2=12。
因此,满足该条件的概率为:
除此之外,节点在第二个ACK窗口才收到回复,说明第一个ACK窗口在不允许传输的时间段内有数据传输,假设j为第一个ACK窗口可接收ACK的时间段,在第二个ACK窗口当前取值为i的情况下,不允许有节点接入的最小时刻点为该时间点与ACK窗口一的各个时间点t0+lsδ+t1-lyδ+(j-1)δ(在此在本实施例用t(3)表示该时刻)进行比较,其中y∈[7,12]。在此引入函数f(y,j):
对于每一个j来说,若存在yj使得f(yj,j)>0且f(yj-1,j)<0(也有可能在某一种情况下不存在这个点,若不存在就不加入到集合中),该yj值为窗口一当前第j个开始时间时,所不允许传输的最大时刻对应的节点SF,集合Y为接收窗口一在每个窗口延迟点对应的最大节点SF值。窗口一接收失败,说明窗口一的个接收点都接收失败了;
这部分的主要目的是选择出一段时间及对应的SF使得该节点的上行传输会阻碍RX1的下行链路接收。在本实施例选择了节点对应的SF和最小时刻,接下来在本实施例要定义该时间段的最大时刻。对于每一个yj而言,若(yj-1,j)<0,则令否则tmax=t0+lsδ+t1-ly-1δ+(j-1)δ。
d.在时间段[t(3)-lyδ,tmax]内有至少一个SF=y的节点接入网关,其中y∈[yj,12],如图5所示。
因此SF值为s的同一类节点接入网络时接收到网关回复的概率:
在本发明中提供了节点理论包接收率PRR的计算方法,本发明提供的理论包接收率PRR的计算方法是基于节点接入网关的概率分布。
在本实施例中,在LoRaWAN协议中,节点有四种工作状态:发送、接收、空闲和休眠。根据节点的芯片SX1278数据手册可知,在休眠状态,节点的射频模块和MCU都关闭,这种状态下的能耗为:Idormant<0.2uA;在空闲状态,节点的RC振荡器是工作的,能耗为:Iidle=1.6mA;在接收和发送状态,节点的MCU和射频模块都打开,能耗也远远高于其他状态,分别是:接收能耗Ireceive=12mA,发送能耗Isend=120mA。
因此,对于一个扩频因子为SF值为s的节点而言,在一个工作周期Ts内发送数据所需要的能耗e为:
e≈tdormant·Idormant+(t1+t2)·Iidle+2ta·Ireceive+lxδ·Isend
其中tdormant表示节点的休眠时间,t1表示第一接收窗口RX1的延迟时间,t2表示第二接收窗口RX2的延迟时间。
在本实施例中主要目标是设置合适的接收时长使得下行链路的发送和节点端的接收时间段可以对应,以此来最大化网络的有效吞吐。提高有效吞吐最直接的方式就是最小化重传次数,因此目标函数可定义如下:
最小化:
约束条件:
t1≥tprocess,t1+t2+2ta+lxδ=tactive
其中E[Rt]是期望重传次数,k是重传次数,pr(k)是节点在第k次重传时收到ACK数据包的概率。
在本步骤中对能耗不符合要求的参数首先进行了滤除,例如对网络参数[8,0.5,43,1000|20,1000]、[8,0.5,43,1000|21,998]、[8,0.5,43,1000|22,996]、……、[8,0.5,43,1000|520,0]进行了能耗计算,将其中不符合能耗要求的网络参数进行了处理。
步骤E、获得每组符合能耗要求的网络参数对应的理论包接收率,获得待优化节点的多个理论包接收率;
可选地,采用式I获得任一组符合能耗要求的网络参数对应的理论包接收率:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数。
步骤F、将步骤E获得的待优化节点的每个理论包接收率输入至包接收率回归模型,获得待优化节点的回归后的包接收率;
包接收率回归模型由多组实验网络参数对应的多个理论包接收率以及多个实际包接收率训练回归模型获得;
由于时钟偏移和信道质量等真实环境也会对实际包接收率产生影响,因此计算得到的理论包接收率与真实的包接收率之间存在一定的差异,因此在本发明中建立了包接收率回归模型用来对理论包接收率进行拟合回归,使得理论包接收率更贴合实际包接收率。
在本发明中获得包接收率回归模型时,采用多组实验网络参数对应的多个理论包接收率作为输入,采用多组实验网络参数对应的多个实际包接收率作为输出,训练回归模型,其中为了获得实际包接收率,在选择实验网络参数时选择一些实验室环境下能够进行实验的实验网络参数,例如节点个数较少,数据包长度较短等一些比较简单的网络参数,利用实验室环境能够实现的网络参数进行实验,通过实验获取实际包接收率。
在本实施例中,如图6所示,描绘了不同类型的SF节点的PRR,pcolor显示了实验结果,左Y轴是占空比。该图显示了理论结果,不同的线表示不同的占空比。从结果中,在本实施例中观察到,在这两种情况下,不同SF节点的PRR是稳定的,较小的占空比会产生更高的PRR。尽管PRR的趋势相似,但是两种方法之间仍然存在一些差异。例如,SF=7,占空比为20%的PRR实验结果约为0.3,但理论结果只有约0.04。这一定程度上是由于该理论模型以严格且准确的时间来计算PRR,但是这在实际实验中是不可能的,因为节点的时间偏移可能会因晶振而改变。这些时间偏移可以随机的避免上行链路和下行链路之间的碰撞。
为了获得更真实的结果,在本实施例中使用回归学习器来正式表征模型的准确性,在本实施例中在五个类别中尝试了19个模型,并选择了表1中所示的每个类别的最佳结果。
表1回归模型试验结果
Model | RMSE | R-Squared | MSE | MAE |
Interactions linear | 0.13295 | 0.73 | 0.017677 | 0.11901 |
Medium Tree | 0.030313 | 0.99 | 0.0009189 | 0.022814 |
Fine Gaussian SVM | 0.047308 | 0.97 | 0.002238 | 0.038415 |
Rational quadratic GPR | 0.031105 | 0.99 | 0.00096754 | 0.023447 |
Bagged Trees | 0.30566 | 0.99 | 0.00093425 | 0.023147 |
由表1可以看出,由于R-squared为0.99而且其他指标都是最小值,所以mediumTree是最好的模型。
因此,作为一种优选的实施方式,回归模型为medium Tree模型,图7显示了分别使用该回归模型和理论模型的预测结果。
在本实施例中首先提供了一种计算下行链路包接收率PRR的理论值方法,利用概率统计的方法对网络参数进行分析,而后基于随机分布来计算得出每个数据包在两个RX窗口分别收到ACK的概率,最终得到下行链路传输的PRR。
但是由于理论计算方法在计算下行链路传输的PRR的时候没有考虑时钟偏移和信道质量等真实环境的影响,所以理论计算的结果和真实的结果相比并不精确。因此,在利用进行参数优化之前,提供了包接收率回归模型获得方法建立回归模型使得PPR理论值的计算结果更加真实化。
步骤G、将步骤F获得的所有待优化节点的回归后的包接收率中数值最大的回归后的包接收率对应的符合能耗要求的网络参数作为待优化节点优化后的网络参数,结束。
在本步骤中,例如经过步骤D之后的网络参数还有:
[A,B,C,D|E1,E2]、[A,B,C,D|F1,F2]、[A,B,C,D|G1,G2]以及[A,B,C,D|H1,H2]四组网络参数,其中[A,B,C,D|E1,E2]对应的回归后的包接收率为X1,[A,B,C,D|F1,F2]对应的回归后的包接收率为X2,[A,B,C,D|G1,G2]对应的回归后的包接收率为X3,[A,B,C,D|H1,H2]对应的回归后的包接收率为X4,此时X4>X2>X3>X1,那么选择X4对应的[A,B,C,D|H1,H2]这组参数作为待优化节点优化后的网络参数。
在本实施例中,接收窗口大小是影响下行链路传输接收的主要原因,因为接收窗口的长度越小,匹配概率就越低。因此,改善下行链路PRR的简单方法是增加接收窗口大小(即ta)。如果ta足够长,则迟早总会接收到ACK(不考虑其他干扰导致的丢失结果)。但是,能量消耗将超出预算,并且新数据包的传输也会受到影响。
考虑到目标函数的约束,在本实施例中采用步骤D-G的方法同时减小t2并增加ta(应保留足够时长的t1来供网关处理数据),以选择适当的ta来最小化目标函数而不增加能耗,将此方法称为WW(Wane and Wax)。图8到图11显示,随着ta的增加,各SF相同的一类节点的PRR和有效吞吐都会增加,而对于SF值较大的节点,平均能耗也会降低。但是对于较小SF的节点,平均能耗并没有降低,甚至随着ta的增加而增长,这是因为重传的能耗小于ta增加所带来的能耗。
实施例二
在本实施例中公开了一种Lora无线网络数据传输方法,利用优化后的Lora无线网络进行数据传输,优化后的Lora无线网络采用实施例一Lora无线网络参数优化方法对当前Lora无线网络中SF值相同的节点进行优化后获得。
在本实施例中,并发传输的好坏取决于下行链路传输PRR,它受节点是否可以在RX窗口中接收下行链路传输的影响,当接收窗口大小(即ta)较大时,下行链路PRR也较高。由于能耗的限制以及遵循于占空比的激活时间,ta不能无限大,在本实施例中会选择一个既满足约束又能获得最佳吞吐量的合适ta。ta的最大长度为并且此时t2变为0,而t1应该留给网关处理数据。
假设在时间T内有n个节点访问网关,则网关在RX模式下的总时间为:
在本实施例中使用pmax来表示网关的RX时长中,时长小于的比例,如果Tack/TTX≤1,则表明网关的TX时间足够用来进行下行链路传输,并且可以得出,pmax比例的总吞吐即为其有效吞吐。但是如果Tack/TTX>1,则意味着只有TTX/γδ的节点可以接收到下行链路传输。考虑到网关的RX时长的限制,在不考虑能耗的情况下,有效吞吐的上限为:
实施例三
在本实施例中提供了一种Lora无线网络参数优化装置,用于获得Lora无线网络中的任一类节点的优化后的网络参数,其中同一类节点的SF值相同,对于其中SF值为s的同一类节点,s∈[7,12],网络参数包括固定参数以及待优化参数,装置包括固定参数获得模块、待优化参数确定模块、网络参数组合模块、能耗筛选模块、理论包接收率获得模块、包接收率回归模块以及参数选择模块;
固定参数获得模块用于获得待优化节点的固定参数,固定参数包括节点个数、节点占空比、数据包长度、第一接收窗口RX1延迟时间;
待优化参数确定模块用于从待优化参数大小的初始值开始以固定步长Δ调整待优化参数大小至待优化参数大小的上限或下限,获得多个待优化参数;
待优化参数包括第一接收窗口RX1大小、第二接收窗口RX2大小以及第二接收窗口RX2延迟时间;其中第一接收窗口RX1大小与第二接收窗口RX2大小相同;
网络参数组合模块用于将多个待优化参数与固定参数组合,获得多组网络参数;
能耗筛选模块用于采用式III获得每一组网络参数下待优化节点的能耗:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数;e表示待优化节点的默认能耗;
能耗筛选模块用于将能耗大于能耗阈值的网络参数从获得的多组网络参数中删除,获得多组符合能耗要求的网络参数;
理论包接收率获得模块用于获得每组符合能耗要求的网络参数对应的理论包接收率,获得待优化节点的多个理论包接收率;
包接收率回归模块用于将获得的待优化节点的每个理论包接收率输入至包接收率回归模型,获得待优化节点的回归后的包接收率;
包接收率回归模型由多组实验网络参数对应的多个理论包接收率以及多个实际包接收率训练回归模型获得;
参数选择模块用于将获得的所有待优化节点的回归后的包接收率中数值最大的回归后的包接收率对应的符合能耗要求的网络参数作为待优化节点优化后的网络参数。
可选地,理论包接收率获得模块中采用式I获得任一组符合能耗要求的网络参数对应的理论包接收率:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数。
可选地,回归模型为medium Tree模型。
实施例四
在本实施例中提供了一种Lora无线网络数据传输装置,利用优化后的Lora无线网络进行数据传输,优化后的Lora无线网络采用实施例三中的Lora无线网络参数优化装置对当前Lora无线网络中SF值相同的节点的网络参数进行优化后获得。
实施例五
在本实施例中提供了一种Lora无线网络,Lora无线网络中包括多个节点,每个节点对应一个SF值,Lora无线网络中SF值相同的节点的网络参数采用实施例三中的Lora无线网络参数优化装置获得。
实施例六
在本实施例中提供了一个具体实验结果,实验在室内和室外环境中进行:室内包括一个7.5m*6.6m的实验室与一个18m*15m的办公室,室外包括操场和实验楼附近的开放区域。网络设置包括一个Lora网关和48个Lora节点。这些节点包括6种SF值的节点,每种SF值的节点又在不同的信道中有一共8个节点。所有节点均以一定的占空比同时向网关发送数据,网关和节点均工作在868MHZ,且带宽为125KHZ。使用有效吞吐,下行链路PRR,以及平均能耗来对本发明提供的数据传输方法的性能进行基准测试。
室内和室外部署的影响
在室内场景中,LoRa节点放置在房间中,而网关放置在房间的中央。室内#1(如图12所示)是一个空旷的办公室,而室内#2(如图13所示)是一个大约有30名学生的实验室。
在室外场景中,将网关放置在操场和在本实施例中实验楼附近的一片开放区域中,并且节点围绕网关放置。室外#1是实验楼附近的开放区域,室外#2是操场。
在这四种情况下,节点以20%的占空比运行,每个实验至少持续2小时。图14显示了在具有不同RX窗口大小的四种情况下的总吞吐量和有效吞吐结果。在500ms时,有效吞吐达到350bps左右,并且随着RX窗口大小的增加,总吞吐量非常稳定。在本实施例中进一步评估了不同场景的总吞吐量,其中空旷的办公室约为470bps,操场约为425bps,实验室内和开放区域均为450bps。
图15到图16显示了四种情况下使用Cantor之前和之后的并发传输性能的比较。总体而言,如图17所示,任意类型节点的下行链路PRR在所有场景下均得到了改善,并且提升率约为60%,对应的,有效吞吐也随着下行链路PRR的改善而得到了改善。但是平均能耗却略有降低,特别是对于SF较小的节点。其原因是,虽然增加RX窗口大小将消耗更多的能量,但另一方面,它将减少重传带来的能量消耗。因此,能耗的改善程度要小于有效吞吐的改善程度。对于SF较小的节点,由于其重传能耗小于SF较大节点的重传能耗,因此能耗会略有降低。
总之,Cantor改善了室内和室外场景中的并发传输性能。实验结果表明,吞吐量,下行链路传输PRR和平均能耗分别改善了0.56到0.65倍,0.57到0.65倍,0.38倍。
占空比的影响
现在,在本实施例中评估不同占空比(5%至25%)下的网络性能,并在图18到图21中显示结果。总体而言,在本实施例中可以观察到,随着占空比的增加,所有下行链路的PRR,有效吞吐和平均能耗都得到了改善。使用Cantor之前的下行链路PRR和平均能耗随占空比的增加而降低,但有效吞吐首先增加,随后下降。较高的占空比意味着会有更多的数据包同时发送是这一现象的主要原因,也正因此,有效吞吐得到了增加。当占空比增加到25%时,下行链路PRR达到最低值,同时更多的数据包被重传,因此,有效吞吐开始下降。
节点组合的影响
在本实施例中测试网络规模对Cantor性能的影响。在本实施例中进行了12个实验,网络规模为6到48个节点,以测量其性能。图22显示了每种SF节点的改进幅度和标准偏差。而后在至少去除一种节点的情况下进行了网络规模为8,16,24,32和40的实验,例如,40个节点发送数据扫描8个信道,但没有SF=12的节点。很明显这些实验的总体改进幅度低于网络中包含所有SF节点的实验的改进幅度,并且其标准差也更小。这并不是因为Cantor在没有较大SF节点的网络中性能不佳,而是因为当网络中没有较大SF节点时,其下行链路PRR和吞吐量要好于有较大SF节点的网络,如图23和图24所示。该结果首先表明,较大SF的节点可能会导致上行链路和下行链路阻塞,从而降低吞吐量。其次,Cantor对于较大SF的节点有显著的影响,因为其标准差比没有较大SF节点的网络的标准差更大。
Claims (8)
1.一种Lora无线网络参数优化方法,用于获得Lora无线网络中的任一类节点的优化后的网络参数,其中同一类节点的SF值相同,对于其中SF值为s的同一类节点,s∈[7,12],所述的网络参数包括固定参数以及待优化参数,其特征在于,所述的方法按照以下步骤执行:
步骤A、获得待优化节点的固定参数,所述的固定参数包括节点个数、节点占空比、数据包长度、第一接收窗口RX1延迟时间;
步骤B、从待优化参数大小的初始值开始以固定步长Δ调整待优化参数大小至待优化参数大小的上限或下限,获得多个待优化参数;
所述的待优化参数包括第一接收窗口RX1大小、第二接收窗口RX2大小以及第二接收窗口RX2延迟时间;其中第一接收窗口RX1大小与第二接收窗口RX2大小相同;
步骤C、将步骤B获得的多个待优化参数与步骤A获得的固定参数组合,获得多组网络参数;
步骤D、采用式III获得步骤C中每一组网络参数下待优化节点的能耗:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数;e表示待优化节点的默认能耗;
其中当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率pr(k)采用式II获得:
其中表示当前网络参数下SF值为s的同一类节点接收窗口r接收到网关回复的概率,表示当前网络参数下SF值为s的同一类节点在第一接收窗口cr1接收到网关回复的概率,表示当前网络参数下SF值为s的同一类节点在第二接收窗口cr2接收到网关回复的概率;
将能耗大于能耗阈值的网络参数从步骤C获得的多组网络参数中删除,获得多组符合能耗要求的网络参数;
步骤E、获得每组符合能耗要求的网络参数对应的理论包接收率,获得待优化节点的多个理论包接收率;
步骤F、将步骤E获得的待优化节点的每个理论包接收率输入至包接收率回归模型,获得待优化节点的回归后的包接收率;
所述的包接收率回归模型由多组实验网络参数对应的多个理论包接收率以及多个实际包接收率训练回归模型获得;
步骤G、将步骤F获得的所有待优化节点的回归后的包接收率中数值最大的回归后的包接收率对应的符合能耗要求的网络参数作为待优化节点优化后的网络参数,结束。
3.如权利要求1所述的Lora无线网络参数优化方法,其特征在于,所述的回归模型为medium Tree模型。
4.一种Lora无线网络数据传输方法,其特征在于,利用优化后的Lora无线网络进行数据传输,所述的优化后的Lora无线网络采用权利要求1-3任一项权利要求所述的Lora无线网络参数优化方法对当前Lora无线网络中SF值相同的节点进行优化后获得。
5.一种Lora无线网络参数优化装置,用于获得Lora无线网络中的任一类节点的优化后的网络参数,其中同一类节点的SF值相同,对于其中SF值为s的同一类节点,s∈[7,12],所述的网络参数包括固定参数以及待优化参数,其特征在于,所述的装置包括固定参数获得模块、待优化参数确定模块、网络参数组合模块、能耗筛选模块、理论包接收率获得模块、包接收率回归模块以及参数选择模块;
所述的固定参数获得模块用于获得待优化节点的固定参数,所述的固定参数包括节点个数、节点占空比、数据包长度、第一接收窗口RX1延迟时间;
所述的待优化参数确定模块用于从待优化参数大小的初始值开始以固定步长Δ调整待优化参数大小至待优化参数大小的上限或下限,获得多个待优化参数;
所述的待优化参数包括第一接收窗口RX1大小、第二接收窗口RX2大小以及第二接收窗口RX2延迟时间;其中第一接收窗口RX1大小与第二接收窗口RX2大小相同;
所述的网络参数组合模块用于将多个待优化参数与固定参数组合,获得多组网络参数;
所述的能耗筛选模块用于采用式III获得每一组网络参数下待优化节点的能耗:
其中pr(k)表示当前网络参数下节点在第k次重传时在接收窗口r接收到ACK数据的概率,k=1,2,…,K,K为最大重传次数,K为正整数;e表示待优化节点的默认能耗;
所述的能耗筛选模块用于将能耗大于能耗阈值的网络参数从获得的多组网络参数中删除,获得多组符合能耗要求的网络参数;
所述的理论包接收率获得模块用于获得每组符合能耗要求的网络参数对应的理论包接收率,获得待优化节点的多个理论包接收率;
所述的包接收率回归模块用于将获得的待优化节点的每个理论包接收率输入至包接收率回归模型,获得待优化节点的回归后的包接收率;
所述的包接收率回归模型由多组实验网络参数对应的多个理论包接收率以及多个实际包接收率训练回归模型获得;
所述的参数选择模块用于将获得的所有待优化节点的回归后的包接收率中数值最大的回归后的包接收率对应的符合能耗要求的网络参数作为待优化节点优化后的网络参数。
7.如权利要求5所述的Lora无线网络参数优化装置,其特征在于,所述的回归模型为medium Tree模型。
8.一种Lora无线网络,所述的Lora无线网络中包括多个节点,每个节点对应一个SF值,其特征在于,所述的Lora无线网络中SF值相同的节点的网络参数采用权利要求5-7任一项权利要求所述的Lora无线网络参数优化装置获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911281680.8A CN111130715B (zh) | 2019-12-13 | 2019-12-13 | 一种Lora无线网络及其参数优化、传输方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911281680.8A CN111130715B (zh) | 2019-12-13 | 2019-12-13 | 一种Lora无线网络及其参数优化、传输方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111130715A CN111130715A (zh) | 2020-05-08 |
CN111130715B true CN111130715B (zh) | 2021-08-24 |
Family
ID=70498647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911281680.8A Active CN111130715B (zh) | 2019-12-13 | 2019-12-13 | 一种Lora无线网络及其参数优化、传输方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111130715B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111698717B (zh) * | 2020-05-26 | 2021-11-26 | 清华大学 | 网络传输参数选择方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108471642A (zh) * | 2018-03-26 | 2018-08-31 | 厦门四信通信科技有限公司 | 一种LoRa传输的输注泵网络 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694731B (zh) * | 2012-05-29 | 2016-03-30 | 北京星网锐捷网络技术有限公司 | 速率调整方法、装置和网络设备 |
CN103686838B (zh) * | 2012-09-05 | 2016-12-21 | 中兴通讯股份有限公司 | 竞争窗口值自适应调整方法和装置 |
WO2017200327A2 (en) * | 2016-05-19 | 2017-11-23 | Samsung Electronics Co., Ltd. | Method and apparatus for transmission and reception in wireless communication system supporting scalable frame structure |
US10412624B2 (en) * | 2017-05-03 | 2019-09-10 | Alcatel Lucent | Dynamic policy based control for autonomous transmission of data by IoT or non-IoT device |
CN108834213B (zh) * | 2018-04-04 | 2022-04-22 | 西安电子科技大学 | 一种物联网中的低下行延迟通信方法及系统 |
CN109151839B (zh) * | 2018-09-05 | 2022-01-25 | 广东省智能机器人研究院 | 一种lpwa网络的网络规划方法 |
CN109617744B (zh) * | 2019-01-10 | 2020-04-28 | 电子科技大学 | 一种LoRa最小PingSlot个数预测方法 |
CN109526012A (zh) * | 2019-01-24 | 2019-03-26 | 重庆邮电大学 | 一种基于可靠性的LoRaWAN网络扩频因子分配方法 |
-
2019
- 2019-12-13 CN CN201911281680.8A patent/CN111130715B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108471642A (zh) * | 2018-03-26 | 2018-08-31 | 厦门四信通信科技有限公司 | 一种LoRa传输的输注泵网络 |
Also Published As
Publication number | Publication date |
---|---|
CN111130715A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109862610B (zh) | 一种基于深度强化学习ddpg算法的d2d用户资源分配方法 | |
US8228952B2 (en) | Method for operating a telecom system | |
US20220182175A1 (en) | Link adaptation optimization with contextual bandits | |
CN109586820A (zh) | 衰落环境中的动态频谱抗干扰模型及强化学习抗干扰算法 | |
Capuzzo et al. | Mathematical modeling of LoRa WAN performance with bi-directional traffic | |
CN113395723B (zh) | 基于强化学习的5g nr下行调度时延优化系统 | |
Badihi et al. | Performance evaluation of IEEE 802.11 ah actuators | |
CN111130715B (zh) | 一种Lora无线网络及其参数优化、传输方法及装置 | |
Kotagiri et al. | Distributed convolutional deep reinforcement learning based OFDMA MAC for 802.11 ax | |
Kela et al. | Reinforcement learning for delay sensitive uplink outer-loop link adaptation | |
CN112468265B (zh) | 基于强化学习的无线局域网调制编码自适应选择方法及无线设备 | |
Serati et al. | ADR-Lite: A Low-Complexity Adaptive Data Rate Scheme for the LoRa Network | |
Maqhat et al. | Performance analysis of fair scheduler for A-MSDU aggregation in IEEE802. 11n wireless networks | |
Keceli et al. | Weighted fair uplink/downlink access provisioning in IEEE 802.11 e WLANs | |
CN112929900A (zh) | 水声网络中基于深度强化学习实现时域干扰对齐的mac协议 | |
Zhihui et al. | EEFA: Energy efciency frame aggregation scheduling algorithm for IEEE 802.11 n wireless network | |
Krishnamurthy et al. | Reservation-based protocol for monitoring applications using IEEE 802.15. 4 sensor networks | |
Liu et al. | Ro-raw: run-time restricted access window optimization in IEEE 802.11 ah network with extended kalman filter | |
Mbarushimana et al. | A cross-layer TCP enhancement in QoS-aware mobile ad hoc networks | |
CN106385702A (zh) | 量子教与学搜索机制的中继选择方法 | |
EP1521398A2 (en) | Method for operating a telecom system | |
CN112469134B (zh) | 一种调度合理的mac层数据调度的方法及终端 | |
Deshpande et al. | Age-of-information bandits with heterogeneous data rates | |
Adi et al. | Development Education of Blind Adaptive Data Rate LoRaWAN Network on Mobile Node | |
Mueller | Analysis of interactions between Internet data traffic characteristics and Coordinated Multipoint transmission schemes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |