LoRaEnergySim

LoraEnergysim

A estrutura consiste em três componentes principais, isto é, nós, uma interface de ar e um gateway. Os nós enviam mensagens para o gateway através da interface aérea. Colisões e mensagens fracas são detectadas no componente da interface aérea. Os pacotes não colididos e fortes são entregues no gateway, onde uma mensagem de downlink será agendada se solicitada pelo nó.

Como citar?

@INPROCEEDINGS{8885739,  
author={G. {Callebaut} and G. {Ottoy} and L. {van der Perre}},  
booktitle={2019 IEEE Wireless Communications and Networking Conference (WCNC)},   
title={Cross-Layer Framework and Optimization for Efficient Use of the Energy Budget of IoT Nodes},   
year={2019},  
volume={},  
number={},  
pages={1-6},
}

Outras publicações:

 G. Callebaut, G. Ottoy and L. V. d. Perre, "Optimizing Transmission of IoT Nodes in Dynamic Environments," 
2020 International Conference on Omni-layer Intelligent Systems (COINS), 2020, pp. 1-5, doi: 10.1109/COINS49042.2020.9191674.

Como usar?

A fonte da estrutura está localizada na pasta Framework . A pasta de Simulations contém alguns exemplos.

Fluxo de trabalho geral

Para comparar diferentes settings/configurations , é imperativo que os locais dos nós sejam os mesmos para todas as simulações. Portanto, um arquivo generate_locations.py está incluído nos exemplos.

Fluxo de trabalho:

• Defina suas configurações para um ambiente de simulação, por exemplo, Iniciar fator de espalhamento, duração da simulação (tempo real), no arquivo globalConfig
• Gere seus locais, veja aqui. Ele usará as configurações definidas no arquivo globalConfig.
• Crie um arquivo Simulation.py conforme detalhado aqui.

Gerar locais de nós

Parâmetros configuráveis:

• Número de locais, ou seja, número de nós da IoT
• Tamanho da célula, a célula é aqui uma área retangular. O tamanho da célula determinará o comprimento das bordas em metros
• Número de simulações de Monnto-Carlo para executar. Como a simulação contém comportamento aleatório e não determinado e diferentes conjuntos de localização, a média dos resultados em várias simulações terá um significado mais estatístico.

Para cada simulação, um conjunto aleatório de localizações dentro da área é gerado e é armazenado no location_file , que é um parâmetro definido no arquivo GlobalConfig.py .

Simulação

No arquivo de simulação, você usará os blocos de construção na estrutura para simular um ambiente específico e adquirir resultados como a energia consumida e o número de mensagens colididas. Consulte Framework da seção (abaixo) para obter parâmetros e saída configuráveis. Consulte os comentários no Example>simulation.py sobre como escrever um arquivo de simulação. Na simulation.py você carrega os locais, especifique o objeto para manter os resultados e especificar o que deseja simular. No SimulationProcess , a própria simulação é executada. O gateway é criado, os nós são gerados com seus parâmetros LORA e perfil de energia. Depois que a simulação é executada. Após a conclusão de uma simulação, os resultados são extraídos dos objetos e retornados, a serem usados ​​no arquivo simulation.py .

O projeto agora pode ser executado pela primeira vez em execução generate_locations.py e depois simulation.py .

Estrutura

Leia primeiro o artigo para ter um entendimento mais detalhado da estrutura em relação à operação e limitações de Lorawan.

Modelo de propagação

O modelo de propagação determina como as mensagens são impactadas pelo ambiente. Ele prevê a perda de caminho, ou seja, quanto o sinal é atenuado entre o transmissor e o receptor, para um determinado ambiente. O PropagationModel.py contém (atualmente) duas implementações:

• Modelo de sombra do log ou modelo de perda de caminho de log-distância, onde os parâmetros padrão são baseados no Rep. ITU-R p.2346-0 e J. Petajajarvi, K. Mikhaylov, A. Roivainen, T. Hanninen e M. Pettissalo, "On the Coberning of Lpwans: Avaliação de faixas e um modelo de avaliação de canais e um canal para a participação de um dos dados (Itst), 2015, pp. 55-59, doi: 10.1109/itst.2015.7377400.
• Cost231, incluindo mais detalhes sobre o meio ambiente, por exemplo, alturas de construção

Modelo SNR

Este modelo transforma a força do sinal recebida (RSS) em uma relação sinal / ruído (SNR) pelo método rss_to_snr . Nesse momento, o ruído é afetado apenas pelo ruído térmico. Isso resulta em (dB):

 SNR = RSS - ( - 174 + 10 * log10 ( 125e3 ))

Parâmetros Lora

Todos os parâmetros específicos para o protocolo Lora (Lorawan) e o consumo de energia medidos relacionados a esses parâmetros estão aqui incluídos.

Lorapacket

Os lorapackets são enviados sobre a interface de ar dos nós para o gateway. LoRaPacket contém uma classe de mensagens Uplink e Downlink, incluindo metadados relevantes e informações sobre o estado da mensagem, por exemplo, recebido, colidido, ...

Perfil de energia

A classe de perfil de energia contém o sono, o processamento, a transmissão e a potência recebida de um nó. Isso pode ser diferente para cada nó e pode ser definido no arquivo simulation.py .

Nó

A classe do nó contém todas as informações sobre o consumo de energia, número de mensagens enviadas, carga útil, envio, retransmissões, ... nós atuam como nós de IoT reais, juntando -se à rede, esperando, dormindo, transmitindo e recebendo. O comportamento deles é determinado no arquivo principal simulation.py .

Depois de executar a simulação, você pode extrair a seguinte iniforme:

• energy_per_bit . Esta é a quantidade de energia consumida para enviar um pouco de dados
• transmit_related_energy_per_bit . Isso contém apenas os gastos com energia no modo de transmissão.
• transmit_related_energy_per_unique_bit . Isso contém apenas os gastos com energia no modo de transmissão e as retransmissões TX'ed não são contadas contra os bits transmitidos
• total_energy_consumed
• get_simulation_data :

 series = {
            'WaitTimeDC' : self . total_wait_time_because_dc / 1000 ,  # [s] instead of [ms]
            'NoDLReceived' : self . num_no_downlink ,
            'UniquePackets' : self . num_unique_packets_sent ,
            'TotalPackets' : self . packets_sent ,
            'CollidedPackets' : self . num_collided ,
            'RetransmittedPackets' : self . num_retransmission ,
            'TotalBytes' : self . bytes_sent ,
            'TotalEnergy' : self . total_energy_consumed (),
            'TxRxEnergy' : self . transmit_related_energy_consumed (),
            'EnergyValuePackets' : self . energy_value
        }

Interface aérea

A interface aérea detecta colisões e altera o objeto Lorapacket para que o nó e o gateway saibam o que aconteceu durante a transmissão da mensagem. Emprega o modelo de propagação usado e o modelo SNR para determinar se a transferência foi bem -sucedida ou não.

Portal

No gateway, o SNR recebido é verificado e as mensagens abaixo do limite necessário são marcadas como fracas e não são RX'ed. O gateway também lida com mensagens DL, se solicitado pelo nó.

Propriedades configuráveis

• Energy_profile: EnergyProfile,
• Lora_parameters,
• Sleep_time,
• process_time,
• ADR,
• localização,
• payload_size,
• confirmed_messages = true

O que está atualmente rastreado

• 'Waittimedc': total_wait_time_because_dc
• 'Nodlreceived': num_no_downlink,
• 'UniquePackets': num_unique_packets_sent,
• 'Totalpackets': packets_sent,
• 'CollidedPackets': num_collided,
• 'Retransmittpackets': num_retransmission,
• 'Totalbytes': bytes_sent,
• 'TotalEnergy': total_energy_consumed (),
• 'TxrxEnergy': transmit_related_energy_consumed (),

Erros comuns

P: Não consigo encontrar Globaconfig, Locais, ....
R: Verifique se a estrutura e simulações das pastas estão marcadas como raiz de origem. Para PyCharm, clique com o botão direito do mouse no diretório da pasta> Mark como> raiz de origem

P: Nenhuma saída no ipython/spyder
R: O código é executado em Parralel por padrão e a saída STD não é bem tratada nesse caso. Você pode executar o código sequentemente, consulte os comentários no exemplo/simulation.py sobre o pool.map função na parte inferior.

Trabalho acadêmico usando nosso simulador

Citado em.

Simulador usado em:

• F. de Rango, D. Stumpo e A. IERA, "Atribuições de canais conscientes da região de interferência para uma rede LORA escalável", 2024 20ª Conferência Internacional sobre Computação, Rede e Comunicações sem fio e sem fio (WIMOB), Paris, França, 2024, pp. 19-24, Doi: 10.1109/Wimob611911.20.20.
• Gl Scapin, G. Alvarez, N. Quiroga, F. Collado e Ja Fraire, "Avaliação de desempenho das redes de Lorawan DTS-IIT: modos de operação e posicionamento do servidor, 2024 IEEE Bienal Congress de Argentina (Argencon), San Nicolás de Los Arroyos, Argentina 2024, 2024, PP. 10.1109/argEncon62399.2024.10735884.
• Park, G., Lee, W., & Joe, I. (2020). Otimização de recursos de rede com aprendizado de reforço para redes de área ampla de baixa potência. EURASIP Journal on Wireless Communications and Networking, 2020 (1), 1-20.
• L. Beltramelli, A. Mahmood, P. Österberg, M. Gidlund, P. Ferrari e E. Sisinni, "Eficiência energética da comunicação de Lorawan com fenda com sincronização fora da banda" nas transações IEEE sobre instrumentação e medição, vol. 70, pp. 1-11, 2021, Art no. 5501211, doi: 10.1109/tim.2021.3051238.
• THOEN B, CALLEBAUT G, LEENDERS G, WIELANDT S. Uma plataforma LPWAN implantável para aplicações de IoT com baixo custo e energia. Sensores. 2019; 19 (3): 585. https://doi.org/10.3390/S19030585
• T. Fedullo, A. Morato, F. Tramarin, P. Bellagente, P. Ferrari e E. Sisinni, "Transmissão de Lorawan adaptativa que explora o aprendizado de reforço: o caso industrial, 2021 IEEE Workshop International, Itália para a Indústria 4.0 e IoT (metroind4.0 e iot), Rome, Roma, Itália, 202, 202, 2021111111111111111111111111ods internacional: 2021 IEEE. 10.1109/metroind4.0iot51437.2021.9488498.
• Leenders G, Callebaut G, Ottoy G, Van der Perre L, De Strycker L. Um protocolo Lora Multi-HOP com eficiência energética através de amostragem de preâmbulo para sensoriamento remoto. Sensores. 2023; 23 (11): 4994. https://doi.org/10.3390/s23114994
• Acosta-Garcia, L., Aznar-Poveda, J., Garcia-Sanchez, AJ, Garcia-Haro, J., & Fahringer, T. (2023). Política de transmissão dinâmica para melhorar o desempenho da rede Lora: uma abordagem de aprendizado de reforço profundo. Internet das Coisas, 24, 100974.
• G. Leenders, G. Ottoy, G. Callebaut, L. van der Perre e L. de Strycker, "Um protocolo Lora Multi-HOP com eficiência energética por meio de amostragem de preâmbulo, 2023 IEEE Wireless Communications and Networking Conference (WELC), GLASGOW, United Kingdom, 2023. 10.1109/wcnc55385.2023.10118770.
• E. Sisinni et al., "Uma nova estratégia adaptativa de Lorawan para aplicações de medição inteligente", 2020 IEEE International Workshop sobre Metrologia para Indústria 4.0 & IoT, Roma, Itália, 2020, pp. 690-695, doi: 10.1109/Metroind4.0iot48571.20.20.952222.
• T. Fedullo, A. Mahmood, F. Tramarin, A. Morato, M. Gidlund e L. Rovati, "Explorando o controle de acesso médio híbrido e as estratégias de retransmissão para superar as limitações do ciclo de trabalho em redes de sensores à base de LORA. doi: 10.1109/i2mtc53148.2023.10176039.
• F. de Rango, A. Lipari, D. Stumpo e A. IERERA, "Dinâmica Switching em Lorawan sob vários gateways e carga de tráfego intenso", 2021 IEEE Global Communications Conference (Globecom), Madri, Espanha, 2021, pp.
• D. Stumpo, F. de Rango, F. Buffone e M. Tropea, "Desempenho do simulador estendido de LoraEnergysim no suporte a cenários de vários gados e gerenciamento de interferências," 2022 IEEE/ACM 26th Symposium International em simulação distribuída e aplicações em tempo real (DS-RT), ALS, France, 202, 202, 202, 202, 202. 10.1109/ds-rt55542.2022.9932063.
• G. Callebaut, G. Ottoy e LV d. Perre, "Otimizando a transmissão de nós de IoT em ambientes dinâmicos", 2020 Conferência Internacional sobre Sistemas Inteligentes da camada omni (Coins), Barcelona, ​​Espanha, 2020, pp. 1-5, doi: 10.1109/Coins49042.2020.9191674.
• Križanović, V.; Grgić, K.; Spišić, J.; Žagar, D. Um monitoramento ambiental avançado eficiente em termos de energia na agricultura de precisão usando redes de sensores sem fio baseados em LORA. Sensores 2023, 23, 6332.
• Zhang, Jiayue. "Diretrizes de design de um protocolo de comunicação de baixa potência para dispositivos de energia zero". (2023).
• Stumpo, Daniele, Floriano de Rango e Francesco Buffone. "Estendendo o simulador de LoraEnergysim para apoiar o gerenciamento de interferências em cenários de IoT de vários gados". (2022).
• T. Fedullo, A. Morato, F. Tramarin, P. Ferrari e E. Sisinni, "Sistemas de medição inteligentes que exploram Lorawan adaptáveis ​​sob restrições de consumo de energia: uma abordagem RL, 2022 IEEE Workshop International, Itália para a Indústria 4.0 e IoT (metroind4.0 & i4), Trinto. 10.1109/metroind4.0iot54413.2022.9831487.