基于不同扩频因子的发射功率综合分配算法

基于不同扩频因子的发射功率综合分配算法

张帅1，李艳2*，陈琼1，陈佳1

（1. 武汉第二船舶设计研究所，湖北 武汉 430025）

（2. 武汉晴川学院，湖北 武汉 430204）

摘 要本文以FSFA算法的不同扩频因子为基础，提出发射功率综合分配算法，调整各个终端节点的发射功率使得网关接收灵敏度满足要求。通过仿真得到了扩频因子和发射功率的配置结果，在网络平均能耗一致的情况下，对比于对照组算法，SF_TP Allocation算法的网络平均数据包成功传输概率有较大的提升，最高能提高30%。

关键词 FSFA算法；扩频因子；成功传输概率；

1 概述

经过FSFA算法的计算可得到不同扩频因子下分配的终端节点数目，在这种分配情况下，不同扩频因子的数据包成功传输概率趋于一致的同时网络平均数据包成功传输概率达到了最大值[1,2]。然而对于不同位置的终端节点，它们与中心网关之间的距离不同，由于网关接收灵敏度的限制，在固定发射功率的情况下，不能完全满足FSFA算法的扩频因子分配结果。

因此，以FSFA算法的扩频因子分配结果为基础，提出发射功率综合分配算法，调整各个终端节点的发射功率使得网关接收灵敏度也得以满足。

2 算法实现

ITPA算法的核心思想是：保持FSFA算法的扩频因子分配结果，让所有的终端节点以最小的发射功率满足网关接收灵敏度的要求[3,4]。算法流程如图1所示。

图1 发射功率综合分配算法流程图

（1）初始化：准备发射功率选择矩阵和接收灵敏度矩阵，根据FSFA算法的扩频因子分配结果得到终端节点的扩频因子矩阵，同时根据终端节点与网关之间的距离计算路径损耗矩阵。

（2）针对终端节点k，遍历发射功率选择矩阵，找到能够使得接收灵敏度满足的最小发射功率，此时，并记录此时的最小发射功率。

（3）遍历每个终端节点，重复步骤（2）得到了终端节点的发射功率矩阵。

3 仿真结果与分析

对照组算法分别为：（1）基于接收灵敏度的扩频因子分配（Spread Factor Allocation based on Receiving Sensitivity，SFARS）算法[5]；（2）扩频因子平均分配（Uniform Spread Factor Allocation，USFA）算法；（3）FSFA算法。在对照组算法与SF_TP Allocation算法网络平均能耗一致的情况下，固定对照组的发射功率。以200个终端节点为例，对比SF_TP Allocation算法和对照组算法的扩频因子发射功率配置情况，如图2所示。对SF_TP Allocation算法的每个终端节点的扩频因子发射功率分布情况进行仿真，结果如图3所示，根据终端节点到网关的距离由近及远对终端节点进行排序作为横坐标，纵坐标分别为发射功率和扩频因子。

    (a)SFARS算法                        (b)USFA算法

(c) FSFA算法                      (d)SF_TP Allocation算法

图2 不同算法下扩频因子发射功率的选择结果

如图3所示，SF_TP Allocation算法的扩频因子分布情况与最佳扩频因子分布一致，在相同扩频因子子集内，终端节点的发射功率随着它与中心网关距离的增加而逐渐增大。如图4所示，随着终端节点数目的增加，LoRa网络的平均包接收率会逐渐下降，这是由于在LoRa网络覆盖范围一定时，终端节点数目的增加会增大网络终端节点的密度，数据包传输时的碰撞会增多，从而导致数据包成功传输概率下降。对比于对照组算法，终端节点数目相同时，SF_TP Allocation算法的平均数据包成功传输概率最高提高了30%。

图3 SF_TP Allocation发射功率的分布情况    图4 不同算法平均数据包传输概率

4 总结

本文基于不同扩频因子分配为基础，利用FSFA算法，以最高的网络平均数据包成功传输概率为目标，得到了最优的扩频因子分配。以最优的扩频因子分配为基础，利用ITPA算法，对网络中终端节点的发射功率进行调整以满足接收灵敏度的要求。通过仿真得到了扩频因子和发射功率的配置结果，在网络平均能耗一致的情况下，对比于对照组算法，SF_TP Allocation算法的网络平均数据包成功传输概率有较大的提升，最高能提高30%。

5 参考文献

[1]Marquet A, Montavont N, Papadopoulos G Z. Investigating theoretical performance and demodulation techniques for LoRa[C]//2019 IEEE 20th International Symposium on" A World of Wireless, Mobile and Multimedia Networks"(WoWMoM). IEEE, 2019: 1-6.

[2]Sallum E, Pereira N, Alves M, et al. Improving quality-of-service in LoRa low-power wide-area networks through optimized radio resource management[J]. Journal of Sensor and Actuator Networks, 2020, 9(1): 10-38.

[3]Bouras C, Gkamas A, Salgado S A K, et al. Spreading Factor Selection Mechanism for Transmission over LoRa Networks[C]//2021 28th International Conference on Telecommunications (ICT). IEEE, 2021: 1-5.

[4]Marquet A, Montavont N, Papadopoulos G Z. Investigating theoretical performance and demodulation techniques for LoRa[C]//2019 IEEE 20th International Symposium on" A World of Wireless, Mobile and Multimedia Networks"(WoWMoM). IEEE, 2019: 1-6.

[5]Waret A, Kaneko M, Guitton A, et al. LoRa throughput analysis with imperfect spreading factor orthogonality[J]. IEEE wireless communications letters, 2018, 8(2): 408-411.