LoRaWAN is a Low Power Wide Area Network technology featuring long transmission ranges and a simple MAC layer, which can support sensor data collection, control applications and reliable services thanks to the flexibility offered by a large set of configurable system parameters. However, the impact of such parameters settings on the system's performance is often difficult to predict, depending on several factors. To ease this task, in this paper, we provide a mathematical model to estimate the performance of a LoRaWAN gateway serving a set of devices that may or may not employ confirmed traffic. The model features a set of parameters that can be adjusted to investigate different gateway and end-device configurations, making it possible to carry out a systematic analysis of various trade-offs. The results given by the proposed model are validated through realistic ns-3 simulations that confirm the ability of the model to predict the system performance with high accuracy, and assess the impact of the assumptions made in the model for tractability.


翻译:LORAWAN是一种低功率广域网技术,具有长传输范围,是一个简单的MAC层,能够支持传感器数据收集、控制应用程序和可靠的服务,因为大量可配置系统参数提供了灵活性,但是,这种参数设置对系统性能的影响往往难以预测,这取决于若干因素。为了减轻这一任务,我们在本文件中提供一个数学模型,用以估计LORAWAN网关的性能,该网关为一套可能或可能不使用经确认的交通设备提供服务。该模型具有一套参数,可加以调整,以调查不同的网关和终端设备配置,从而能够对各种取舍进行系统分析。拟议模型的结果通过现实的n-3模拟得到验证,这些模拟证实模型能够非常准确地预测系统性能,并评估模型中假设的可移动性的影响。

0
下载
关闭预览

相关内容

2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月5日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员