[论文解读] Experimental Comparison of SNR and RSSI for LoRa-ESL Based on Machine Clustering and Arithmetic Distribution

Malak Abid Ali Khan, Hongbin Ma+2 more|arXiv (Cornell University)|Oct 27, 2022

IoT Networks and Protocols被引用 6

一句话总结

本文提出了一种基于机器聚类的LoRa-ESL系统，采用动态扩频因子（SF）以信噪比（SNR）为依据，以及动态传输功率（TP）以接收信号强度指示（RSSI）为依据，以最小化重传次数。通过在网关（GWs）之间对终端设备（EDs）进行算术分布，该方法减少了近-远效应并提升了接收功率（RP），实验结果表明RSSI在定位精度和RP可靠性方面优于SNR。

ABSTRACT

LoRa lacks the sensing capabilities of channel status. Received signal strength indicator (RSSI) decreases due to collision, interference, and near-far effect while for signal-to-noise ratio (SNR), the packets are rejected by decreasing the transmission power (TP) at a higher spreading factor (SF). To overcome these challenges in the case of electric shelf label (ESL) to minimize the dependency on retransmission and acknowledgment, the end devices (EDs) are allocated around gateways (GWs) based on machine clustering with dynamic SF for SNR while dynamic TP for RSSI. The experimental results determined that the RSSI approach is more dominant than SNR because of determining the exact locality of the ED that diminished the capture effect. Arithmetic distribution of EDs for various GWs in different clusters helps to minify the near-far effect. The resultant received power (RP) at each cluster is higher for most of the connected EDs than the threshold RP.

研究动机与目标

• 通过改进信道状态感知，减少LoRa-ESL中对重传和确认机制的依赖。
• 解决SNR与RSSI在LoRa-ESL中的局限性，包括干扰、碰撞和近-远效应。
• 通过为SNR动态分配扩频因子（SF）和为RSSI动态分配传输功率（TP），提升定位精度和接收功率（RP）。
• 通过在簇和网关之间对EDs进行算术分布，最小化近-远效应。
• 评估并比较真实世界LoRa-ESL部署中RSSI与SNR的性能表现。

提出的方法

• 使用机器学习聚类将终端设备（EDs）分组到网关（GWs）周围，以优化空间分布。
• 对基于SNR的传输应用动态扩频因子（SF），以在干扰环境下提升链路可靠性。
• 对基于RSSI的传输使用动态传输功率（TP），以维持信号强度并减少碰撞。
• 通过等差数列方式在簇之间分配EDs，以最小化近-远效应。
• 在每个簇中测量接收功率（RP），并与阈值进行比较以评估性能。
• 在真实LoRa-ESL环境中进行实验验证，以对比RSSI与SNR的性能表现。

实验结果

研究问题

• RQ1 在存在干扰的情况下，为SNR动态分配SF如何影响LoRa-ESL中的链路可靠性？
• RQ2 为RSSI动态分配TP如何提升接收功率并减少重传次数？
• RQ3 EDs在簇之间通过算术分布在多网关LoRa-ESL环境中在多大程度上减少了近-远效应？
• RQ4 在真实世界LoRa-ESL部署中，哪个度量指标——SNR或RSSI——能提供更好的定位精度和RP一致性？
• RQ5 围绕网关对EDs进行机器聚类能否提升整体系统性能并减少对重传的依赖？

主要发现

• 基于RSSI的传输在定位精度和接收功率（RP）可靠性方面优于基于SNR的传输。
• EDs在簇之间的算术分布显著减少了多网关LoRa-ESL环境中的近-远效应。
• 大多数连接的EDs均实现了高于阈值的接收功率（RP），表明链路稳定性得到提升。
• 为RSSI动态分配TP和为SNR动态分配SF有效缓解了干扰和碰撞的影响。
• 机器聚类方法优化了空间分布，从而提高了RP并降低了对重传的依赖。
• 实验结果证实，RSSI在确定ED位置和最小化捕获效应方面比SNR更具主导作用。