LoRa-RL：面向混合能源 LoRa 无线网络的深度强化学习资源管理
网络与互联网体系结构
2021-09-07 v1 信号处理
摘要
LoRa 无线网络被视为下一代物联网（IoT）系统的关键使能技术。新的 IoT 部署（例如智慧城市场景）每平方公里可有数千台设备，导致提供连接所需的功耗巨大。本文研究由电网与可再生能源混合供能的绿色 LoRa 无线网络，其可利用收集的能量并应对间歇供应。本文提出有限数量信道与扩频因子（SFs）的资源管理方案，旨在提升 LoRa 网关的能效。首先，在满足系统服务质量需求的前提下，建立电网功耗最小化问题。具体地，研究了不相关与时变相关信道两种场景。通过将所构问题解耦为信道与 SF 分配问题及能量管理问题两个子问题，求解最优资源管理问题。鉴于最优解计算复杂度高，提出最小化电网能耗的在线资源管理启发式算法。最后，考虑信道与能量的相关性，开发了基于强化学习（RL）的自适应资源管理方案。仿真结果表明，所提资源管理方案在 LoRa 无线网络中实现了可再生能源的高效利用。
引用
@article{arxiv.2109.02392,
title = {LoRa-RL: Deep Reinforcement Learning for Resource Management in Hybrid Energy LoRa Wireless Networks},
author = {Rami Hamdi and Emna Baccour and Aiman Erbad and Marwa Qaraqe and Mounir Hamdi},
journal= {arXiv preprint arXiv:2109.02392},
year = {2021}
}
备注
IEEE Internet of Things Journal, to appear