.png){kind=icon}
返回
A deep learning-based Adaptive Data Rate algorithm for LoRaWAN networks
.png){kind=icon}
OA
AI
DOI：10.1016/j.iot.2025.101786.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
LoRaWAN正逐渐成为多种物联网（IoT）应用的关键协议，因为它能够在大量终端设备之间实现低功耗的长距离通信。LoRaWAN终端设备具有多种可配置的传输参数，这些参数的取值需要谨慎选择，因为它们对网络性能有显著影响。Semtech推荐的Adaptive Data Rate（ADR）算法动态调整LoRaWAN终端设备的传输参数，以提高网络可靠性并保持低能耗。然而，ADR是一种基于规则的算法，不适用于动态IoT场景，因为在这些场景中网络条件可能高度变化，且终端设备在感知区域内移动。相比之下，深度学习技术通过其从数据中学习非线性、状态依赖模型的能力，在为LoRaWAN终端设备设置传输参数的动态IoT环境中展现出有前景的解决方案。因此，本文提出了一种基于深度学习机制的方法，称为Rel-ADR，它动态调整LoRaWAN终端设备的传输参数以提升传输可靠性，同时保持动态和密集网络中的低功耗。本文介绍了Rel-ADR的设计，并通过OMNeT++在真实场景中的仿真，展示了Rel-ADR与文献中现有方法之间广泛的比较性能评估结果。
Keyword:
LoRaWAN
Adaptive Data Rate
Deep learning
Long short term memory
Internet of Things
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.6
论文数:
1.9K
被引数:
6.9K
机构
引用论文
Q-Learning Aided Resource Allocation and Environment Recognition in LoRaWAN With CSMA/CA.png)
IEEE ACCESS
IEEE ACCESSIF3.6
PREAI
分享收藏LP-MAB: Improving the Energy Efficiency of LoRaWAN Using a Reinforcement-Learning-Based Adaptive Configuration AlgorithmSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏AI-ERA: Artificial Intelligence-Empowered Resource Allocation for LoRa-Enabled IoT Applications
PREAI
分享收藏分享收藏Machine-Learning-Assisted Transmission Power Control for LoRaWAN Considering Environments With High Signal- to -Noise VariationIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容