Modelli di regressione data-driven per l'ottimizzazione dei parametri in comunicazioni basate su LoRa.

Abstract

L'obiettivo di questa ricerca è individuare una configurazione ottimale dei parametri nell'ambito di una comunicazione LoRa-based che generi un compromesso tra l'esigenza di mantenere un basso consumo energetico in trasmissione e la garanzia di qualità sufficientemente alta in ricezione, sulla base delle condizioni del canale e delle caratteristiche del segnale. Sono quindi stati analizzati, per mezzo di un simulatore, i valori di qualità in ricezione e di energia consumata in trasmissione al variare dei parametri di trasmissione quali code rate e spreading factor e per diversi livelli di rumore, su tre differenti segnali. I dati così ottenuti sono poi stati utilizzati per ricavare tre differenti modelli di regressione: una rete neurale, un modello ad albero e una SVM (Support Vector Machine). A partire dai dati di regressione, per ciascun livello di rumore è stato quindi derivato l'insieme dei punti corrispondenti alle configurazioni migliori, riconducibile al concetto di fronte di Pareto, e fra queste è poi stata scelta quella più vicina allo stato ideale di qualità massima e consumo energetico nullo.

The aim of this research is to identify an optimal configuration of parameters in LoRa-based communication that strikes a balance between the need to maintain low energy consumption during transmission and the guarantee of sufficiently high quality during reception, based on channel conditions and signal characteristics. A simulator was used to analyse the reception quality and transmission energy consumption values as transmission parameters such as code rate and spreading factor varied and for different noise levels on three different signals. The data obtained was then used to derive three different regression models: a neural network, a tree model and an SVM (Support Vector Machine). Starting from the regression data, for each noise level, the set of points corresponding to the best configurations was derived, based on the concept of Pareto front, and among these, the one closest to the ideal state of maximum quality and zero energy consumption was then chosen.