一种用于制造技术

本发明专利技术涉及一种用于

【技术实现步骤摘要】
一种用于LoRaWAN地下直连卫星系统的扩频因子分配方法


[0001]本专利技术涉及地下直连卫星和低功耗广域网领域，尤其是涉及一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法
。

技术介绍

[0002]LoRaWAN
地下直连卫星系统是将基于
LoRaWAN
的地下无线传感网络与低地球轨道卫星结合，以提供在偏远地区或受灾地区的大规模低成本地下环境监测解决方案，可广泛应用于自动化农业
、
偏远地区地下管线监测以及灾后地区的抢险救援等领域
。
[0003]LoRa
作为
LoRaWAN
中的一种调制方案，其采用啁啾扩频调制技术，并引入了准正交特性，使其具备了出色的抗干扰能力
。
同时，
LoRa
调制技术通过调整扩频因子，实现了通信距离和能耗之间的不同权衡
。
然而，在大规模的地下直连卫星场景中，由于
LoRa
调制技术采用类似
Aloha
的介质访问协议，从而严重限制了其网络容量和碰撞鲁棒性
。
例如，当大量的地下传感器节点被配置相同的扩频因子时，会增加携带相同扩频因子数据包在同一信道发生同扩频因子干扰的概率，从而导致较低的包成功传输率
。
[0004]因此，如何利用
LoRa
调制技术的准正交特性为大规模地下传感器节点设计最优的扩频因子策略，以提高整体网络能效，对于实现大规模<br/>LoRaWAN
地下直连卫星系统实际部署具有重大实际意义
。
[0005]目前在地上无线传感器网络领域已经提出了各种扩频因子分配策略，但这些策略未考虑到地下土壤特性
、
同扩频因子干扰影响以及网络能效指标，难以适用基于
LoRaWAN
的大规模地下直连卫星场景
。
[0006]为此，针对
LoRaWAN
地下直连卫星系统，亟需设计一种适用大规模
LoRaWAN
地下直连卫星场景的扩频因子分配方法，以有效降低地下传感器节点的功耗，进一步提高系统的运行周期，并推动系统的实地部署
。

技术实现思路

[0007]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，可有效降低地下传感器节点的功耗，进一步提高系统的运行周期，并推动系统的实地部署
。
[0008]本专利技术的目的可以通过以下技术方案来实现：
[0009]本专利技术提供了一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，该方法包括：
[0010]步骤
S1、
构建
LoRaWAN
地下直连卫星系统，初始化全部地下传感器节点的扩频因子配置，所述地下传感器节点采用初始化后的扩频因子配置向部署在低地球轨道卫星的
LoRaWAN
网关上传当前的状态信息；
[0011]步骤
S2、
所述
LoRaWAN
网关接收到所有地下传感器节点的状态信息后，采用预训练的多智强化学习模型，计算得到网络能效最大化的扩频因子分配结果；
[0012]步骤
S3、
所述
LoRaWAN
网关将扩频因子配置结果广播给全部地下传感器节点，所述地下传感器节点利用更新的扩频因子配置进行后续传感数据上传
。
[0013]优选地，每个地下传感器节点的状态信息包括当前的扩频因子配置，无干扰下包成功接收率
P
SNR
，捕获效应下包成功接收率
P
SIR
，总的包成功接收概率
P
S
以及平均传输数据包能量
EPP。
[0014]优选地，所述多智能体强化学习模型的构建过程包括：
[0015]1)
智能体：将每个地下传感器节点视为一个单独的智能体，智能体元素含义表示：第
n
个地下传感器节点在离散时隙
t
依据当前策略在观察到环境状态下选择了动作当智能体执行动作后即获得奖励并在下一个时隙
t+1
切换到下一个状态
[0016]2)
动作空间：每个智能体可从候选的扩频因子配置中选择一种扩频因子配置，故其动作空间表示为
A
＝
{SF
k
}
，
k
对应候选的扩频因子配置的编号；则全部智能体在每一时隙
t
下所选的动作集合表示为
N
为智能体的数量；
[0017]3)
状态空间：每一个智能体所观察的环境状态包括所选的扩频因子配置，无干扰下包成功接收率
P
SNR
，捕获效应下包成功接收率
P
SIR
，总的包成功接收概率
P
S
以及平均传输数据包能量
EPP
，每一个智能体的状态空间表示为则全部智能体在每一时隙
t
下所观察到的环境状态集合可以表示为
[0018]4)
奖励：多智能强化学习模型目的是最小化每一个地下传感器节点的平均能量
EPP
，每个智能体在每一时隙
t
下的奖励函数表示为全部智能体的奖励合集可以表示为
[0019]优选地，所述候选的扩频因子配置包括
SF7、SF8、SF9、SF10、SF11、SF12
，分别表征一个信息位需要发送的符号数量为
2^7、2^8、2^9、2^10、2^11、2^12。
[0020]优选地，所述初始化全部地下传感器节点的扩频因子配置为
SF12。
[0021]优选地，所述捕获效应下包成功接收率
P
SIR
的计算过程具体为：
[0022][0023]其中，
δ
是给定阈值，
Φ
是与目标信号在同信道同扩频因子且同时到达的干扰信号集合，
N
k
是扩频因子配置
SF
k
的节点数量，
ToA
k
是当配置为
SF
k
时数据包的空中传播时间，
T
p
代表数据包上传周期，
N
c
是上行通道数量，2F1()
代表高斯超几何函数，
d
max
表示地下传感器节点与网关之间的最大距离，
η
表示空气路径损耗指数
。
[0024]优选地，所述无干扰下包成功接收率
P
SNR
表达式为：
[0025][0026]其中，...

【技术保护点】

【技术特征摘要】
1.
一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，其特征在于，该方法包括：步骤
S1、
构建
LoRaWAN
地下直连卫星系统，初始化全部地下传感器节点的扩频因子配置，所述地下传感器节点采用初始化后的扩频因子配置向部署在低地球轨道卫星的
LoRaWAN
网关上传当前的状态信息；步骤
S2、
所述
LoRaWAN
网关接收到所有地下传感器节点的状态信息后，采用预训练的多智能体强化学习模型，计算得到能效最大化的扩频因子分配结果；步骤
S3、
所述
LoRaWAN
网关将扩频因子配置结果广播给全部地下传感器节点，所述地下传感器节点利用更新的扩频因子配置进行后续传感数据上传
。2.
根据权利要求1所述的一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，其特征在于，每个地下传感器节点的状态信息包括当前的扩频因子配置，无干扰下包成功接收率
P
SNR
，捕获效应下包成功接收率
P
SIR
，总的包成功接收概率
P
S
以及平均传输数据包能量
EPP。3.
根据权利要求2所述的一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，其特征在于，所述多智能体强化学习模型的构建过程包括：
1)
智能体：将每个地下传感器节点视为一个单独的智能体，智能体元素含义表示：第
n
个地下传感器节点在离散时隙
t
依据当前策略在观察到环境状态下选择了动作当智能体执行动作后即获得奖励并在下一个时隙
t+1
切换到下一个状态
2)
动作空间：每个智能体可从候选的扩频因子配置中选择一种扩频因子配置，故其动作空间表示为
A
＝
{SF
k
}
，
k
对应候选的扩频因子配置的编号；则全部智能体在每一时隙
t
下所选的动作集合表示为
N
为智能体的数量；
3)
状态空间：每一个智能体所观察的环境状态包括所选的扩频因子配置，无干扰下包成功接收率
P
SNR
，捕获效应下包成功接收率
P
SIR
，总的包成功接收概率
P
S
以及平均传输数据包能量
EPP
，每一个智能体的状态空间表示为则全部智能体在每一时隙
t
下所观察到的环境状态集合可以表示为
4)
奖励：多智能强化学习模型目的是最小化每一个地下传感器节点的平均能量
EPP
，每个智能体在每一时隙
t
下的奖励函数表示为全部智能体的奖励合集可以表示为
4.
根据权利要求3所述的一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，其特征在于，所述候选的扩频因子配置包括
SF7、SF8、SF9、SF10、SF11、SF12
，分别表征一个信息位需要发送的符号数量为
2^7、2^8、2^9、2^10、2^11、2^12。5.
根据权利要求4所述的一种用于
LoRaWAN
地下直连卫星系统的扩频因子分配方法，其特征在于，所述初始化全部地下传...

【专利技术属性】
技术研发人员：林凯强，郝彤，
申请(专利权)人：同济大学，
类型：发明
国别省市：