Esquema de asignación de recursos de eficiencia energética basado en el aprendizaje por refuerzo en redes LoRa...

Área de la Ciencia:

• Comunicaciones inalámbricas
• Internet de las cosas (IoT)
• Aprendizaje automático

Sus antecedentes:

• La rápida expansión de los dispositivos de largo alcance (LoRa) provoca congestión de la red, disminución del espectro y la eficiencia energética.
• Los métodos existentes luchan por equilibrar el rendimiento y el consumo de energía en despliegues densos de LoRa.

Objetivo del estudio:

• Desarrollar un método de aprendizaje por refuerzo distribuido y eficiente desde el punto de vista energético para las redes LoRa.
• Para permitir que los dispositivos LoRa individuales optimicen de forma autónoma los parámetros de transmisión (canal, potencia de transmisión, ancho de banda).

Principales métodos:

• Utilizó el algoritmo sintonizado de límite de confianza superior (UCB) 1 para la selección de parámetros.
• Métricas integradas de consumo de energía en la función de recompensa de aprendizaje por refuerzo.
• Diseñó un algoritmo ligero adecuado para dispositivos IoT con recursos limitados.

Principales resultados:

• Se lograron reducciones significativas en el consumo de energía en comparación con los métodos de referencia.
• Se han demostrado altas tasas de éxito de transmisión incluso en escenarios de red densa.
• Superó a los enfoques de asignación fija, ADR-Lite y epsilon.

Conclusiones:

• El método de aprendizaje por refuerzo propuesto mejora efectivamente la eficiencia energética y el éxito de la transmisión en las redes LoRa.
• Esta solución ligera es práctica para aplicaciones de IoT de recursos limitados en el mundo real.
• El método ofrece una alternativa superior a las estrategias de asignación de parámetros existentes para los dispositivos LoRa.