室内 LoRaWAN 路径损耗：参数回归比较、阴影衰落与校准衰落余量
网络与互联网体系结构
2026-05-05 v2 机器学习
数值分析
信号处理
数值分析
摘要
室内长范围广域网络（LoRaWAN）传播受结构性和时变环境因素的影响，这些因素限制了单斜率 log-distance 模型和标准 log-normal 阴影衰落假设的有效性。我们提出一种环境条件化的路径损耗框架，将 log-distance 多墙基线增强为包含相对湿度、温度、二氧化碳、颗粒物和气压的共记录环境协变量，以及接收端报告的信噪比，并对其均值和残差分布进行统计验证。该方法在位于八楼、面积为 240 平方米的办公室中进行了一年的实验，使用时间分块的 5 折交叉验证和时间顺序保留集进行评估。在参数化回归器（正则化多元线性回归（MLR）、共轭贝叶斯线性回归以及基于连续预测器的选择性二次 MLR 拓展）中，选择性多项式均值显著改善了预测准确度，将交叉验证均方根误差从 8.23 dB 降至 7.38 dB，R² 从 0.81 提升至 0.84。OOF 残差明显非高斯，最佳概括为由锐利中心和轻盈宽尾组成的紧凑三分量高斯混合分布。最后，我们将预测误差转化为可靠性，通过给出 OOF 误差的上尾分位值作为衰落余量，附加移动块自助法不确定性，并在保留集上验证所得 outage。以 1% outage 目标（99% 可靠性）为例，多项式模型所需衰落余量为 25.73 dB，远低于线性基线的 27.79~28.05 dB，实现了在能源约束下符合第六代可靠性目标的更紧凑室内大规模物联网链路预算。
引用
@article{arxiv.2510.04346,
title = {Environment-Aware Indoor LoRaWAN Path Loss: Parametric Regression Comparisons, Shadow Fading, and Calibrated Fade Margins},
author = {Nahshon Mokua Obiri and Kristof Van Laerhoven},
journal= {arXiv preprint arXiv:2510.04346},
year = {2026}
}
备注
Code: https://github.com/nahshonmokua/LoRaWAN-Indoor-PL-parametrics