[发明专利]基于神经网络的LoRa终端最大发送速率动态预测方法

说明书

本发明公开一种基于神经网络的LoRa终端最大发送速率动态预测方法，应用于低功耗广域网通信技术领域，通过构建神经网络架构，并对神经网络进行训练，使得在保证正常通信情况下，通过将LoRa服务器解析到的信噪比、信号强度输入神经网络，得到预测的最大发送速率；LoRa服务器将该最大发送速率告知LoRa终端，LoRa终端以最大发送速率发送数据，实现降低终端功耗的效果。

技术领域

本发明属于低功耗广域网通信技术领域，特别涉及一种预测LoRa终端节点的最大发送速率的技术。

背景技术

LoRaWAN网络是一种LPWAN网络，即低功耗的广域网，其整个网络的寿命取决于LoRa终端电池的电量，保证终端连接到服务器的情况下以最大速率发送可以有效减小功耗。神经网络算法可以很好的实现分类聚类，在服务器端得知信噪比(SNR)和接收信号强度指示(RSSI)参数通过神经网络算法预测最大速率。

LoRa全称是“Long Rang”是一种基于扩频技术的低功耗长距离无线通信技术，主要面向物联网，LoRa终端依赖于电池供电的无线广域网技术。LoRaWAN采用星形拓扑的网络架构，由三部分组成分别是LoRa网关、LoRa终端、LoRa服务器。其中LoRa网关是一个透明中继采用电源供电，负责链接前端的终端和后端的服务器。其中终端采用电池供电。整个网络的寿命取决于终端电池的电量。

目前要实现LoRa的低功耗，使得整个网络的寿命加长，就要使终端节点的耗能降到最低，目前国内外对于LoRa的低功耗的设计在于设计最小的接收机的占空比来实现低功耗，但是存在终端发送数据频率很低的问题。

神经网络是一组大致模仿人类大脑构造设计的算法，在分类聚类上有很好的效果。神经网络通过机器感知系统解释传感器数据，对原始输入进行标记或聚类。神经网络能够帮助我们对测试数据进行处理，即可以对所存储和管理的数据进行聚类与分类。

发明内容

本发明提出一种基于神经网络的LoRa终端最大发送速率动态预测方法，通过神经网络预测出最大速率，实现降低终端功耗的目的。

本发明采用的技术方案为：基于神经网络的LoRa终端最大发送速率动态预测方法，初始状态下LoRa终端以最低速率发送数据；LoRa服务器接收到LoRa终端的数据后，解析出信号强度和信噪比；通过将信号强度与信噪比输入神经网络，在保证正常通信的情况下，神经网络输出预测的最大发送速率；LoRa服务器将该最大发送速率告知LoRa终端；LoRa终端收到LoRa服务器的告知信息后，以该最大速率发送数据。

进一步地，所述神经网络结构包括：输入层、隐藏层以及输出层；所述输入层至少包括：信号强度以及信噪比；所述隐藏层；所述输出层为各发送速率。

更进一步地，所述神经网络采用反向传播算法进行训练。

进一步地，所述反向传播算法包括：

A1、获取训练集；

A2、前向传播，具体为：将训练集输入到神经网络的输入层，经过隐藏层，到达输出层并输出结果；

A3、反向传播，具体为：计算步骤A2得到的输出结果与实际结果之间的误差，将误差从输出层向隐藏层反向传播，直至传播到输入层；

A4、设置迭代次数以及学习率，重复步骤A3，直至达到设置的迭代次数；否则根据误差对参数进行调整。

更进一步地，步骤A1具体包括以下分步骤：

A11、LoRa终端分别按照从最低发送速率到实际的最大发送速率发送数据给LoRa服务器；

A12、LoRa服务器端解析出各发送速率对应的信号强度与信噪比；