通过考虑方向性的链路模型提高无人机辅助LoRa网络的数据收集效率

《IEEE Transactions on Networking》：Improving Data Collection Efficiency of UAV-Assisted LoRa Networks via Directivity-Aware Link Model

无人机搭载LoRa网关在无基础设施区域的数据采集中，地面到空中传输存在显著吞吐量差距。本文提出方向感知的环形模型量化信号损失，设计PreLoRa信道访问方案优化传输配置，实验显示其数据吞吐量提升高达65.5%。

　　

摘要：

配备网关的无人驾驶飞行器（UAV）在许多场景中展现出巨大的数据收集潜力，尤其是在缺乏公共网络基础设施的地区。然而，我们在UAV辅助LoRa网络上的实地实验表明，地面到空中以及地面到地面传输之间存在较大的吞吐量差距。我们发现，由于收发天线的高度差异导致辐射方向不对齐，从而造成了额外的信号强度损失，而现有的地面到地面传输方法并未考虑到这一点。在本文中，我们提出了一种基于方向性的地面到空中链路模型（称为环形模型），用于量化方向性对地面到空中链路质量的影响。基于该模型，我们提出了一种新的UAV辅助LoRa网络的地面到空中信道接入方案——PreLoRa。通过预测链路质量的变化，PreLoRa可以调度传输时段，并为地面节点选择最优的传输配置，从而提高链路吞吐量。我们在商用LoRa平台上实现了PreLoRa，并对其在实际应用中的性能进行了全面评估。实验结果表明，与基线方法相比，PreLoRa能够将数据收集吞吐量显著提高多达65.5%。

引言

得益于长距离、低功耗和高抗干扰能力，低功耗广域网（LPWAN）如LoRa（长距离通信技术）[1]正在越来越多的应用场景中得到部署，例如森林[2]、水库[3]和海上风电场[4]。考虑到无人驾驶飞行器（UAV）[5]的高移动性和可扩展性，将LoRa网关安装在UAV上成为一种新的、有前景的数据收集方法[6]、[7]、[8]、[9]，尤其是在网络设施有限且环境危险的场景中。