Метод глубокого обучения с подкреплением для систем интернета вещей на базе технологии LoRa с ограниченными ресурсами и поддержкой QoS

摘要

Достижение высокого качества обслуживания (QoS) по-прежнему остается достаточно сложной задачей для технологии LoRa. В принципе высокий уровень QoS можетбыть достигнут за счет оптимизации параметров передачи, например, пропускной способности и скорости передачи информации в сети. Известные на сегодняшний день решения не дают возможности оптимизировать параметры передачи данных для сетей LoRa. В статье предложен эффективный метод передачи данных, обеспечивающий требования по QoS при использовании технологии LoRa. Ранжирование параметров QoS для узлов интернета вещей определяется новым полем структуры фрейма LoRa (QRank) для приоритетной и неприоритетной информации. Для обеспечения эффективной передачи применяется быстрое глубокое обучение с подкреплением, для которого используются как параметры качества обслуживания, так и отношение сигнал/шум. Метод передачи оптимизирован с учетом коэффициента распространения, скорости передачи данных, полосы пропускания и несущей частоты. Оценка производительности при применении предложенного метода проведена с использованием модуля LoRaWAN в пакете имитационного моделирования NS3.26. Производительность оценивается на основе параметров задержки и пропускной способности.