| Popis: |
Achieving high Quality of Service (QoS) remains a challenge for LoRa technology. However, high QoS can be achieved via optimizing the transmission policy parameters such as bandwidth and code rate. Existing approaches do not provide an opportunity to optimize the LoRa networks' data transmission parameters. The article proposes transmission policy enforcementfor QoS-aware LoRanetworks.The QoSparameter ranking is implemented for IoT nodes where priority and nonpriority information is identified by the new field of LoRa frame structure(QRank).The optimaltransmissionpolicyenforcement uses fast deep reinforcement learning that utilizes the environmental parameters including QRank, signal quality, and signal-to-interference-plus-noise-ratio. The transmission policy is optimized for spreading factor, code rate, bandwidth, and carrier frequency. Performance evaluation is implemented using an NS3.26 LoRaWAN module. The performance is examined for various metrics such as delay and throughput. Достижение высокого качества обслуживания (QoS) по-прежнему остается достаточно сложной задачей для технологии LoRa. В принципе высокий уровень QoS может быть 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. |
