大规模 LoRa 网络的分析与优化：吞吐公平性及可扩展性
摘要
LoRa 网络关键性地为广域内低成本、受功耗约束的用户设备（UEs）提供长距离连接，而一个关键问题是如何有效分配无线资源以支持潜在海量的 UEs，同时解决显著的远近公平性问题，这由于可解析分析模型的缺乏以及低复杂度、低开销设计的实际需求而颇具挑战。利用随机几何，尤其是 Poisson 雨模型，我们推导了在单小区与带频率复用的多小区设置下聚合干扰分布、包成功概率以及由此而来的系统吞吐量的（半）闭合形式公式，其中考虑了信道衰落、随机 UE 分布、部分包重叠和/或多网关包接收。这些分析公式仅需平均信道统计与空间 UE 分布，从而支持可解析的网络性能评估，并孕育了我们提出的迭代平衡（IB）方法，该方法快速产出联合扩频因子（SF）分配、功率控制与占空比调整的高层策略，用于衡量平均最大最小 UE 吞吐量或带速率需求的可支持 UE 密度。数值结果验证了分析公式及我们所提优化方案的有效性，该方案通过适应 UE/网关密度，极大缓解了远近公平性问题并降低了空间功耗，同时显著提升了小区边缘吞吐量以及大多数 UEs 的空间（总和）吞吐量。
引用
@article{arxiv.2008.07438,
title = {Analysis and Optimization for Large-Scale LoRa Networks: Throughput Fairness and Scalability},
author = {Jiangbin Lyu and Dan Yu and Liqun Fu},
journal= {arXiv preprint arXiv:2008.07438},
year = {2021}
}
备注
To appear in IEEE IOT Journal. Stochastic geometry-based framework to model/analyze large-scale LoRa networks with channel fading/aggregate interference/packet overlapping/multi-GW reception. Jointly optimize SF/Tx-power/duty-cycle based on channel statistics and UE distribution. Achieve both fairness/power savings and improve cell-edge throughput and spatial (sum) throughput for majority of UEs. arXiv admin note: text overlap with arXiv:1904.12300