基于匹配理论的LoRa参数双重匹配优化_杨茂恒.pdf

基于匹配理论的L o R a参数双重匹配优化*杨茂恒,章 辉,周 超(南开大学电子信息与光学工程学院,天津 3 0 0 3 5 0)摘 要:将L o R a WAN中的资源 分配设定为 扩频因子 分配和信道分 配的优化问 题,特 别 是 在L o R a WAN中有大量连接设备的情况下,以保证有限频谱资源的L o R a用户之间的吞吐量公平性。首先,引入匹配理论,将L o R a用户与信道和L o R a用户与扩频因子视为匹配双方,为了最大化它们的效用,提出了一种基于匹配的信道与扩频因子分配算法M S F C AA。然后,以匹配理论为基础,以最大化效用为目标,以最优化网络信道与扩频因子分配为结果,最大限度地提高L o R a WAN中实现的最小信道容量。同时,还提出一种公平传输时间初始化算法,以保证每组参数的吞吐量公平性。仿真结果表明,公平传输时间初始化算法能获得优于其他分配方案的初始分配结果,基于匹配的信道与扩频因子分配算法能显著提升L o R a网络数据提取率并极大降低网络能耗。关键词:L o R a WAN;L o R a;匹配理论;数据提取率中图分类号:T N 9 1 4文献标志码:Ad o i:1 0.3 9 6 9/j.i s s n.1 0 0 7-1 3 0 X.2 0 2 3.0 6.0 0 6D o u b l e m a t c h i n g o p t i m i z a t i o n o f L o R a p a r a m e t e r s b a s e d o n m a t c h i n g t h e o r yYANG M a o-h e n g,Z HANG H u i,Z HOU C h a o(C o l l e g e o f E l e c t r o n i c I n f o r m a t i o n a n d O p t i c a l E n g i n e e r i n g,N a n k a i U n i v e r s i t y,T i a n j i n g 3 0 0 3 5 0,C h i n a)A b s t r a c t:R e s o u r c e a l l o c a t i o n i n L o R a WAN i s e x p r e s s e d a s a n o p t i m i z a t i o n p r o b l e m o f s p r e a d i n g f a c t o r a l l o c a t i o n a n d c h a n n e l a l l o c a t i o n,e s p e c i a l l y w h e n t h e r e a r e a l a r g e n u m b e r o f c o n n e c t e d d e v i c e s i n L o R a WAN,t o e n s u r e t h e f a i r n e s s o f t h r o u g h p u t a m o n g L o R a u s e r s w i t h l i m i t e d s p e c t r u m r e s o u r c e s.F i r s t l y,t h e m a t c h i n g t h e o r y i s i n t r o d u c e d.L o R a u s e r s a n d c h a n n e l s,a n d L o R a u s e r s a n d s p r e a d i n g f a c-t o r s a r e u s e d a s m a t c h i n g p a r t i e s t o m a x i m i z e t h e i r u t i l i t y.T h e r e f o r e,a m a t c h i n g-b a s e d c h a n n e l a n d s p r e a d i n g f a c t o r a s s i g n m e n t a l g o r i t h m i s p r o p o s e d.B a s e d o n t h e m a t c h i n g t h e o r y,w i t h t h e g o a l o f m a x-i m i z i n g u t i l i t y,b y o p t i m i z i n g t h e r e s u l t s o f n e t w o r k c h a n n e l a n d s p r e a d i n g f a c t o r a l l o c a t i o n,t h e m i n i-m u m c h a n n e l c a p a c i t y a c h i e v e d i n L o R a WAN i s m a x i m i z e d.A f a i r a i r t i m e i n i t i a l i z a t i o n a l g o r i t h m i s p r o-p o s e d t o e n s u r e t h e f a i r n e s s o f t h e t h r o u g h p u t o f e a c h g r o u p o f p a r a m e t e r s.T h e s i m u l a t i o n r e s u l t s s h o w t h a t t h e f a i r a i r t i m e i n i t i a l i z a t i o n a l g o r i t h m c a n o b t a i n b e t t e r i n i t i a l a l l o c a t i o n r e s u l t s t h a n o t h e r a l l o c a-t i o n s c h e m e s.T h e m a t c h i n g-b a s e d c h a n n e l s a n d s p r e a d i n g f a c t o r s a s s i g n m e n t a l g o r i t h m c a n s i g n i f i c a n t l y i n c r e a s e t h e L o R a n e t w o r k d a t a e x t r a c t i o n r a t e a n d g r e a t l y r e d u c e n e t w o r k e n e r g y c o n s u m p t i o n.K e y w o r d s:L o R a WAN;L o R a;m a t c h i n g t h e o r y;d a t a e x t r a c t i o n r a t e*收稿日期:2 0 2 2-0 1-0 4;修回日期:2 0 2 2-0 4-2 7基金项目:国家自然科学基金(6 1 8 7 1 2 3 9)通信作者:章辉(z h a n g h n a n k a i.e d u.c n)通信地址:3 0 0 3 5 0 天津市津南区南开大学电子信息与光学工程学院A d d r e s s:C o l l e g e o f E l e c t r o n i c I n f o r m a t i o n a n d O p t i c a l E n g i n e e r i n g,N a n k a i U n i v e r s i t y,J i n n a n D i s t r i c t,T i a n j i n g 3 0 0 3 5 0,P.R.C h i n a C N 4 3-1 2 5 8/T PI S S N 1 0 0 7-1 3 0 X 计算机工程与科学C o m p u t e r E n g i n e e r i n g&S c i e n c e第4 5卷第6期2 0 2 3年6月 V o l.4 5,N o.6,J u n.2 0 2 3 文章编号:1 0 0 7-1 3 0 X(2 0 2 3)0 6-0 9 9 5-0 81 引言随着物联网应用的快速发展,许多物联网终端设备被部署并用于收集智能计量、环境监测和医疗保健的信息。众所周知,低功率广域网络L PWAN(L o w P o w e r W i d e A r e a N e w o r k)是支持大量物联网终端设备连接的通信系统1。L PWAN的新无线范例以低成本提供高能效的远程连接,支持开发新的物联网应用。L o R a(L o n g R a n g e r a d i o)是S e m t e c h公司开发的一种L PWAN技术,主要针对具有能源限制和远距离要求的物联网应用。L o R a使用一种频移线性调频扩频调制形式,并允许在传输距离和比特率之间进行权衡,通过以下4个因素进行控制:扩 频 因 子S F(S p r e a d i n g F a c t o r)、带 宽BW(B a n d w i d t h)、编码率C R(C o d i n g R a t e)和传输功率T P(T r a n s m i s s i o n P o w e r)2。L o R a WAN是一个开放标准,其定义了基于L o R a芯 片 的L PWAN技 术 的 通 信 协 议。L o R a WAN网络采用星形拓扑结构2,其中单个设备仅通过L o R a WAN传输与L o R a WAN网关节点通信,网关节点只 充当中央网 络服务器 的中继3,4。S a l l u m等人5将参数优化问题转化为混合整数线性规划问题,再将问题公式化后提出了一种启发式算法,优化L o R a的无线电参数。R e y n d e r s等人6将功率和扩频因子联合优化。在无功率控制下,确立了相同扩频因子下的冲突概率,提出了一种以路径损耗为基础的S F和功率分配算法。S u等人7探索用户调度、联合S F分配和功率分配定义了最 大化系统能 效的非凸优 化问题,将 目标S NR(S i g n a l t o N o i s e R a t i o)要求和功率范围作为每个L o R a用户的约束条件,提出了一种低复杂度的次优算法,包括节能用户调度和基于匹配理论的调度 用 户 启 发 式S F分 配;还 提 出 了 一 种 基 于C h a r n e s-C o o p e r变换的新型功率分配,将分数目标转换为凸形式,以最大化系统能量效率。Q i n等人8研究了L PWAN上行链路传输的资源效率,将L PWAN中的资源分配设定为信道分配和功率分配的联合优化问题,提出了一种低复杂度匹配信道分配算法,还进一步开发了一种最优功率分配算法,以最大限度地提高L PWAN中的最小传输速率。W a r e t等人9对上行链路中可实现的L o R a吞吐量进行了理论分析,分析了S F不完美的正交性,最后根据环境设计定制S F分配。L i等人1 0详细地 分 析 了 速 率 自 适 应 技 术A D R(A d a p t i v e D a t a R a t e)的性能,并介绍了A D R无线电资源管理机制,主要在物理层探究上下行链路在A D R算法中物理层参数的变化和链路的健壮性。A b d e l-f a d e e l等人1 1开发了一种传输功率控制算法来平衡所有节点的接收信号功率,提出了F A D R(F a i r A d a p t i v e D a t a R a t e)算法,通过部署实现相等冲突概率的最公平数据速率比率算法和控制传输功率,使其在安全余量内平衡节点的接收功率,减轻捕获效应,从而在 L o R a WAN 单元中实现公平的数据提取率。F i n n e g a n等人1 2在N S-3(N e t w o r k S i m-u l a t o r v e r s i o n 3)上实现了A D R,描述了A D R的局限性,并进行了改进,同时考察了用户终端和网关端的算法收敛性。当前对L o R a网络参数的优化中,缺少在多用户(高节点数)情况下对整体参数优化的分析以及如何降低L o R a网络因参数冲突引起的数据包丢失研究。文献5 7 仅考虑某个或某2个参数,忽略了其他参数影响,文献8 考虑的用户数也较低。针对在高节点数L o R a网络中因参数冲突引起数据包丢失这一问题,本文提出了能提升原有网络性能的重点参数双重匹配算法以及优异的参数初始化算法。2 问题描述配置L o R a网络是一项具有挑战性的任务,特别是当网络的节点数量增加,网络参数的选择会严重影响L o R a网络的性能。L o R a有特定的无线电相关参数需要调整,如载波频率C F(C a r r i e r F r e-q u e n c y)、扩频因子S F、带宽BW、传输功率T P和编码率C R。这些参数可以在设备处进行调整,以提高整体网络性能,即降低能耗,提高无线电覆盖率,减少无线电干扰和错误率。2.1 冲突分析 在L o R a 网络中,当2个或多个数据包到达网关时,如果同时满足以下条件,则认为冲突发生:(1)数据包接收时间上发生重叠;(2)具有相同的载频C F;(3)使用相同的扩频因子S F。L o R a是一种频率调制形式,会表现出捕获效应。当接收端出现2个信号,较弱的信号被较强的信号抑制时,就会产生捕获效应。当冲突发生时,2个信号的接收功率相差大于或等于6 d B,功率较699C o m p u t e r E n g i n e e r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(6)大的信号被接收,功率较小的信号丢失。当接收功率相差小于6 d B时,接收器会一直在2个信号之间切换,实际上无法解码任何一个传输1 3。本文使用数据提取率D E R(D a t a E x t r a c t i o n R a t e)作为评价指标,其计算如式(1)所示:D E R=Nr-CNs(1)其中,C是冲突数据包数量,Nr是接收数据包数量,Ns是发送数据包数量。通常是在仿真或实验特定时间,统计发送数据包数量、接收数据包数量和冲突数据包数量之后计算D E R。为了方便建立优化模型,根据L o R a的C l a s s A模式1 3,本文将D E R简化为P u r e A l o h a简单通道模型,如式(2)所示:D E R=e(-2NTp a c k e t)(2)其中,Tp a c k e t是包传输时间,是数据包发送速率,N是固定的节点数目。Tp a c k e t计算如式(3)所示:Tp a c k e t=p a y l o a dTs y m+(np r e a m b l e+4.2 5)Ts y m(3)其中,p a y l o a d是组成数据包有效载荷和报头的符号数,Ts y m是符号持续时间1 4,np r e a mb l e是前导符号的长度。p a y l o a d和Ts y m计算分别如式(4)和式(5)所示:p a y l o a d=8+m a xc e i l8P L-4S F+2 8+1 6-2 0H4(S F-2D E)()C R+4(),0()(4)Ts y m=2S FBW(5)其中,P L为有效负载的长度,H表示选择的报头类型,D E表示数据传输过程中是否采用低速率优化,c e i l()为取整函数1 4。2.2 建立模型为了最大化D E R,定义接收成功率P如式(6)所示:P=1NNi=1e(-2NTp a c k e t,ii)(6)其中,N是固定的节点数目,则有式(7):m a x Pm a xNi=1e(-2NTp a c k e t,ii)(7)为了简化优化目标函数,假定每个用户数据包发送速率相同,则式(7)又可以简化为式(8):m a x Pm a xNi=1e-Tp a c k e t,i(8)根据式(4)和式(5),固定np r e a mb l e=8,固定P L=2 0,D E、H确定,定义效用函数如式(9)所示:fUnS F,C R,BW()=e x p-2S FBW(2 0.2 5+m a xc e i l2 0.2 5-S FS F()C R+4(),0()(9)则优化目标如式(1 0)所示:m a xUfs.t.S F 7,8,9,1 0,1 1,1 2,C R 1,2,3,4,BW 1 2 5,2 5 0,5 0 0(1 0)fUn为用户Un在使用扩频因子的效用函数值,即Un的效用。定义某扩频因子S Fi的效用为在所拥有用户中的最小效用函数值,如式(1 1)所示:fS Fi=m i nfUj(),UjS Fi()(1 1)其中,S Fi()表示使用扩频因子S Fi的用户集合。式(1 0)只确立了对扩频因子的优化目标。在P u r e A l o h a简单信道模型中,关于L o R a的D E R表示中没有体现载频C F对D E R的影响,但是冲突表现需要载频和带宽满足一定条件。在此定义信道集合CH=CHm,1mM和L o R a用户集合U=Un,1nN,其中M和N分别表示信道数量和用户数量。L o R a网关与任一用户之间的信道建模为瑞利衰落信道,信道增益表达如式(1 2)所示:gm,n=hm,nmdm,n-(1 2)其中,hm,ne x p1(),m是路径损耗常数,dm,n是L o R a网关与L o R a用户之间的距离,是路径损耗指数。定义m,n=1时表示用户Un占据信道CHm;m,n=0时表示用户Un未占据信道CHm。同时定义Im=Nn=1m,n。Un通过CHm传输的上行信干噪比S I NR(S i g n a l t o I n t e r f e r e n c e p l u s N o i s e R a t i o)的计算如式(1 3)所示:S I NRm,n=pm,ngm,nImi=1,inpm,igm,i+2m(1 3)其中,pm,n表示用户Un在CHm信道下的发送功率,2m表示加性高斯白噪声。则Un在CHm的最大信道容量R可表示如式(1 4)所示:Rm,n=Bml b1+S I NRm,n()(1 4)799杨茂恒等:基于匹配理论的L o R a参数双重匹配优化其中,Bm表示CHm的信道带宽。定义Un的效用为Un在所占据信道中的最小信道容量,如式(1 5)所示:RUn=m i nBml b1+S I NRi,n()(),iUn()(1 5)定义CHm的效用为CHm在所拥有用户中的最小信道容量,如式(1 6)所示:RCHm=m i nBml b1+S I NRm,i()(),iCHm()(1 6)则信道的优化目标如式(1 7)所示:m a xMm=1Nn=1m,nRm,ns.t.m,n 0,1,mm,nW,nm,n1(1 7)3 匹配理论基本的无线资源管理问题可以看作是资源和用户之间的匹配问题。根据场景,具有不同的抽象级别的资源可以代表基站、时频块、功率等。用户可以是设备、站点或智能手机应用程序。每个用户和资源都有一个配额,用于定义可以匹配的最大玩家数量。匹配的主要目标是在给定资源和用户的个人目标和所知信息的情况下对其进行最佳匹配1 5。文献1 6 介绍了近年来将匹配理论应用于无线通信的研究进展。文献1 7 提出了一种将信道分配给共享一组频率的多个认知用户的博弈论方法,并采用著名的G a l e-S h a p l e y稳定匹配算法计算信道分配。本节将定义信道匹配模型与扩频因子匹配模型。3.1 匹配模型单个匹配可以看作是CH的信道分配给U的L o R a用户。给定2个不相交的集合CH和U,多对一匹配集合 是CHU的集合映射到CHU的所有子集的集合,使得每个CHmCH,UnU满足以下条件:(1)CHm()U;(2)Un()1;(3)Un()CH;(4)CHm()W;(5)CHmUn()UnCHm()。条件1表示每个信道与L o R a用户的一个子集匹配;条件2表示限制信道数量分配给每个L o-R a用户不超过一个;条件3表示每个L o R a用户与信道的一个子集匹配;条件4要求使用相同信道的用户数不超过W。定义L o R a用户和信道的偏好关系为。对于任意一个L o R a用户Un,满足:CHm,()UnCHm,()Rm,n()Rm,n()表示Un更倾向于在中的CHm信道,因为中的CHm信道比中的CHm 信道具有更高的信道容量,其中CHmUn(),CHm Un()。同理,对于任意一个信道CHm,满足:Un,()CHmUn,()Rm,n()Rm,n()表示信道CHm更倾向选择在中的Un用户,因为中的Un用户比中的Un 用户在信道CHm具有更高的信道容量,其中UnCHm(),Un CHm()。给定一个匹配集合,其中:CHmUn(),CHm Un()CHmUn(),CHm Un()和另一个交换匹配集合,=(Un,CHm),(Un,CHm)(Un,CHm),(Un,CHm)。其中:CHmUn(),CHm Un()CHmUn(),CHm Un()对于Un和Un,如果满足:(1)aUn,Un,CHm,CHm,Ra()Ra();(2)aUn,Un,CHm,CHm,Ra()Ra()。则Un,Un()是一对信道交换匹配对。根据式(9),同理定义关于扩频因子的交换匹配成立条件:原始交换匹配集合与交换匹配集合,=Un,S Fi(),Un,S Fi()(Un,S Fi),(Un,S Fi)。其中:S FiUn(),S Fi Un()S FiUn(),S Fi Un()对于Un和Un,如果满足:(1)bUn,Un,S Fi,S Fi,fb()fb();(2)bUn,Un,S Fi,S Fi,fb()fb()。则(Un,Un)是一对扩频因子交换匹配对。3.2 M S F C A A算法 在文献8 提出的基于匹配的信道分配算法899C o m p u t e r E n g i n e e r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(6)MC AA(M a t c h i n g b a s e d C h a n n e l A s s i g n m e n t A l-g o r i t h m)基础上,本文提出了基于匹配的扩频因子与 信 道 分 配 算 法M S F C AA(M a t c h i n g b a s e d S p r e a d i n g F a c t o r a n d C h a n n e l A s s i g n m e n t A l g o-r i t h m),如算法1所示。本文提出的M S F C AA可以分为2个步骤:S F交换匹配步骤和信道交换匹配步骤。第1步S F交换匹配步骤,优化S F的分配,求得最优的扩频因子选择结果。第2步在使用相同扩频因子的用户中进行信道交换匹配,交换必须满足扩频因子交换匹配条件和信道交换匹配条件。M S F C AA是一种基于匹配理论的双重匹配算法。第1重是扩频因子匹配,第2重是信道匹配。每一重匹配过程都是寻找交换匹配对的过程。为了减少复杂度,该算法不会一直寻找匹配对,当所有用户都遍历一次之后,就视为近稳定匹配。由交换匹配对的定义可知,交换不会降低任何一方的效用,但可以提升至少一方的效用。由于稳定匹配是唯一的1 7,本文将稳定效用定义为稳定匹配的总效用,则该算法最终可以得到近最优效用,即式(1 0)和式(1 7)可以在该算法下获得近最优。该算法旨在初始参数分配的基础上优化分配结果和信息接收率,提高信道容量。该算法的时间复杂度为O n2()。算法1 基于匹配的扩频因子与信道分配算法M S F C AA输入:拥有初始化S F和信道C的用户集合U。输出:更新完每个用户的扩频因子S F和信道C的用户集合。步骤1 根据S F划分用户集合U,得到S FS。例如S Fi 是S FS 中使用扩频因子i的用户集合。步骤2 对US FiS FS,执行以下步骤:步骤2.1 对US FjS FS/US Fi执行以下步骤:步骤2.1.1 判断UnUS Fi,Un US Fj是否为扩频因子交换匹配对。步骤 2.1.2 如果是,交换S F,并更新;如果不是,重复步骤2.1.1直至查找完毕。步骤2.2 重复步骤2.1直至S FS/US Fi查找完毕。步骤3 重复步骤2直至S FS查找完毕。步骤4 根据新的更新S FS。步骤5 对US FiS FS 执行以下步骤:步骤5.1 对US FjS FS/US Fi执行以下步骤;步骤5.1.1 判断UnUS Fi,Un US Fj是否为信道交换匹配对。步骤5.1.2 如果是,并且满足式(1 7)的条件,交换信道C,并更新;如果不是,重复步骤5.1.1直至查找完毕。步骤5.2 重复步骤2.1直至S FS/US Fi 查找完毕。步骤6 重复步骤5直至S FS查找完毕。步骤7 返回。M S F C AA是在现有的分配基础上得到更优的参数。图1使用了3种初始分配和遗传算法GA(G e n e t i c A l g o r i t h m)1 8分配,以验证M S F C AA的有效性。这3种初始分配分别为随机(R a n d o m)分配、等 距(E q u i d i s t a n t)分 配 和 等 频(E q u a l-D i s t r i b u t i o n)分配1 9。这3种初始分配都可用于节点数量较少的网络。随机分配的性能较好,但会导致近网关节点使用高扩频因子。等距分配未考虑每个扩频因子适用的距离不同。等频分配存在高扩频因子使用过多导致低速率高能耗的问题。遗传算法将式(6)做为目标函数即适应度函数,设置最大迭代次数与结束迭代条件。从图1可以看出,初始分配的结果会严重影响M S F C AA优化参数的 效 果。L o R a网 络 参 数 的 初 始 分 配 限 制 了M S F C AA的上限。F i g u r e 1 C o m p a r i s o n o f t h e r e s u l t s o f d i f f e r e n t i n i t i a l a l l o c a t i o n s a n d i n s t a l l a t i o n o f M S F C AA图1 不同初始分配与加装M S F C AA的结果对比根据式(8),数据包传输时间是决定接收成功率的重要因素之一。这里定义公平传输时间初始化 算 法F A I A(F a i r A i r t i m e I n i t i a l i z a t i o n A l g o-r i t h m)。该算法以数据包传输时间为基础,以平均每个组合的数据包传输总时间为目标,得到最优的初始配置。算法2 公平传输时间初始化算法F A I A输入:数据包有效载荷的大小P L,可获得信道数组Cs,可获得S F数组S Fs,可获得带宽数组BWs。输出:信道、S F、BW初始化设置的用户集U。步骤1 初始化三维传输时间数组T_a r r a y,大小为(8,6,3),每个元素的值都为0;步骤2 F o r Un i n U d o:m i n_T=m i n i m u m i n T_a r r a y;m i n_X,m i n_Y,m i n_Z=i n d e x o f m i n_T i n T_a r-r a y;999杨茂恒等:基于匹配理论的L o R a参数双重匹配优化 c h a n n e l=Csm i n_X;S F=S Fsm i n_Y;BW=BWsm i n_Z;T_a r r a ym i n_X,m i n_Y,m i n_Z=T_a r r a ym i n_X,m i n_Y,m i n_Z+a i r t i m e(P L,c h a n n e l,S F,BW);/a i r t i m e为数据包传输时间,由式(3)计算得出步骤3 返回初始化完成的用户集U。4 仿真结果与性能分析为了验证使用本文算法分配的参数是否有效,使用L o R a S i m平台1 3进行仿真实验。L o R a S i m是使用S i m P y2 0定 制构建的离 散事 件 模 拟 器。L o R a S i m允许在二维空间中放置N个L o R a节点和M个L o R a 基站。L o R a节点的通信特性由传输参数T P、C F、S F、BW和C R定义。此外,节点的传输行为由平均数据包传输速率和数据包有效载荷的大小确定。在本文实验中,假设单个基站可以同时解码所有正交S F上的并发信号,并且设置了随机分配参数、等距分配参数、等频分配参数与文献1 9 算法进行对比。表1列出了所有通用的仿真参数。T a b l e 1 S i m u l a t i o n p a r a m e t e r s表1 仿真参数参数值单位扩频因子S F71 2无载频C F4 8 6.34 8 7.7MH z带宽BW1 2 5,2 5 0,5 0 0k H z编码率C R14无发送功率T P1 4d B m网关数量1无最远部署距离1k m数据包传输周期1 6.6m i n 本文使用了2个评估指标来评估L o R a网络的性能。第1个是数据提取率D E R,取值在0,1,其中网络部署最佳时该值等于1。第2个网络能耗NE C(N e t w o r k E n e r g y C o n s u m p t i o n)为网络成功提取消息所消耗的能量1 3,其定义如式(1 8)所示:NE C=Ni=1(Tp a c k e t,iPt x,i)(1 8)其中Pt x,i是节点i 的发送功率。NE C取决于节点、传输频率和发射机通信参数。该指标越低,表示部署效率越高,节点的生命周期越长。在大多数情况下,L o R a节点的能量消耗主要取决于收发器的能量消耗。由于在许多场景中,L o R a节点使用电池供能,因此必须将传输的能量消耗保持在最低水平。每个数据包的传输能量消耗取决于传输功率T P和 传 输 时 间,并 受S F、BW和C R的 影响1 3。本文仿真中固定每个节点的传输功率。如图2所示,本文F A I A-M S F C AA的数据提取率D E R,远高于随机、等距、等频分配和遗传算法的,略高于文献1 9 算法的。遗传算法中初始种群的基因是随机生成的,这限制了遗传算法获取最优解。遗传算法仅在随机分配上进行了优化。在高节点数网络中,M S F C AA具有明显优势。本文的M S F C AA可以加装在随机、等距和等频初始分配之后。本 文 算 法 能 获 得 较 高D E R的 原 因 是F A I A初始化算法优于其他算法的。F i g u r e 2 R e l a t i o n s h i p b e t w e e n D E R a n d t h e n u m b e r o f n o d e s图2 D E R和节点数量之间的关系扩频因子每增加1,传输速率减少一半;传输持续时间增加一倍,最终能耗增加一倍1 3。本文的M S F C AA在提升网络D E R的同时,能有效降低网络能耗,延长电池使用寿命。如图3所示,文献1 9 的高D E R参数分配算法在加装M S F C AA之后,在高节点数网络中网络能耗降低了2 0%。此外,在高节点数网络中,本文F A I A-M S F C AA的网络能耗只有随机参数分配网络的2 1%,等距参数分配网络的1 4%。由图4可以看出,本文算法在高节点数网络中,数据包冲突数远低于文献1 9 算法与遗传算法的。在式(6)的简化过程中,固定数据包发送速率和有效负载的长度P L。为了验证在实际L o R a网络中本文算法是否仍具有优异性能,将和P L设为固定范围的随机值,图5为仿真结果。随机和随机P L会同步降低所有分配算法的D E R,但本文算法仍优于文献1 9 算法。图6展示了在单个基站多节点情况下,本文F A I A-M S F C AA对于整个网络扩频因子分配的优0001C o m p u t e r E n g i n e e r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(6)F i g u r e 3 N e t w o r k e n e r g y c o n s u m p t i o n a c c o r d i n g t o t h e n u m b e r o f n o d e s图3 根据节点数量计算的网络能耗F i g u r e 4 C o m p a r i s o n o f t h e p r o p o s e d a l g o r i t h m w i t h o t h e r a l g o r i t h m s u n d e r h i g h n u m b e r o f n o d e s图4 高节点数下本文算法与其他算法对比F i g u r e 5 C o m p a r i s o n o f a n d P Lw h i c h a r e s e t t o f i x e d a n d r a n d o m图5 和P L设置固定与随机对比势。F A I A-M S F C AA更倾向于选择低扩频因子。选择更多的低扩频因子意味着更低的网络能耗,这解释了图3中F A I A-M S F C AA优异的低能耗性能。本文算法合理分配参数,降低了数据包冲突数量,并且能公平优化数据提取率,即不以降低高扩频因子的数据提取率为代价来提升整个网络数据提取率。F i g u r e 6 D i s t r i b u t i o n o f e a c h s p r e a d i n g f a c t o r图6 各扩频因子的分布5 结束语为了降低L o R a传输过程中数据包干扰冲突和L o R a网络能耗,本文提出了一种基于匹配理论的信道与扩频因子分配算法M S F C AA。该算法基于匹配理论在无线通信中的应用,以交换匹配为基础,以最大化效用为目标,以最优化网络信道与扩频因子分配为结果,提升L o R a网络数据提取率的同时极大地降低了网络能耗。仿真结果表明,M S-F C AA能使L o R a网络能耗降低2 0%。本文还基于初始化参数对M S F C AA优化效果的影响,提出了一种公平传输时间初始化算法。该算法以数据包传输时间为基础,以公平每个参数组合的数据包传输总时间为目标,能显著减少传输过程中的数据包冲突数,有效提升了L o R a网络数据提取率。本文注重高节点数情况下L o R a网络的整体性能。在实际应用中,通过本文算法可以实现低数据包冲突率、高数据提取率和低网络能耗。参考文献:1 G k o t s i o p o u l o s P,Z o r b a s D,D o u l i g e r i s C.P e r f o r m a n c e d e t e r-1001杨茂恒等:基于匹配理论的L o R a参数双重匹配优化m i n a n t s i n L o R a n e t w o r k s:A l i t e r a t u r e r e v i e wJ.I E E E C o mm u n i c a t i o n s S u r v e y s&T u t o r i a l s,