基于LBT-SA的LoRaWAN信道接入方法研究

禹 忠，顧仁彬，范九倫

西安郵電大學 通信與信息工程學院，西安710061

1 引言

隨著物聯網的快速發展，涌現出許多低帶寬、低能耗、廣覆蓋、大容量的為物聯網應用而設計的低功耗廣域網技術（Low Power Wide Area Network，LPWAN），其中脫穎而出的LoRa 技術受到了極大的關注。LoRa采用的擴頻調制技術使其在固定的信道帶寬中以數據速率換取靈敏度，但是LoRa 網絡的大量部署使得其MAC層中的弊端日益顯現。LoRaWAN是基于LoRa技術的MAC層協議，負責沖突的檢測與處理、信道與通信資源的分配。許多LoRa 相關的研究都集中在LoRa 無線電調制提供的性能（覆蓋范圍、數據速率、功耗等）上，而沒有考慮LoRaWAN中指定的復雜操作[1]。LoRaWAN中定義的純ALOHA 信道接入方法使得成千上萬的設備在沒有檢測到信道狀態的情況下隨機接入信道，增加了數據包沖突的概率。在標準LoRaWAN協議中，設備需在小于1%的占空比限制下直接發送并期望不會和其他設備發生碰撞。隨著網絡的擴展，這種信道接入的不協調導致網絡的可擴展性快速下降，數據包丟失情況嚴重。Georgiou等人[2]提供了一個單網關上行消息模塊來模擬LoRaWAN的性能，該模塊考慮了信噪比和信號碰撞造成干擾的可能性，證明了擁有相同擴頻因子（Spreading Factor，SF）的設備同時占用同一信道是造成干擾的主要原因，即在密集部署場景下LoRa 網絡是碰撞受限而非噪聲受限。因此在LoRa 網絡中，使用相同SF 的設備之間需要相互協調以降低碰撞概率、提升網絡容量。

目前在LoRa 網絡中，降低碰撞概率主要有三類方法：基于時隙的傳輸方法[3-6]、傳輸參數的動態分配方法[6-12]和信道接入前檢測方法[13-15]。時隙和參數的分配降低了碰撞的概率，但是在密集部署場景下同時接入信道的可能性依然較高。此外，LoRa 的網絡結構使得這些方法都需要網絡服務器較高頻次的下行交互以確保時隙的對齊或參數分配的合理性，這帶來了額外的開銷。而LBT在發送前檢測信道，大大降低了傳輸的盲目性和碰撞概率。并且，通過LBT方法訪問信道可以不遵循采用ALOHA方法時的占空比限制。Duda等人[13]將載波偵聽多路訪問（Carrier Sense Multiple Access，CSMA）和CSMA-10（檢測到信道空閑后再退避10 ms并檢測信道是否仍然空閑）應用到LoRaWAN，并研究了包成功傳輸率和能耗方面的性能。Ortín 等人[14]研究了基于接收信道強度（Received Signal Strength Indication，RSSI）檢測的物理層LBT 方式和基于前導碼檢測的MAC 層LBT 方式在LoRa 網絡中的性能和可行性，結果表明基于MAC 的LBT 方式優勢明顯。Ahsan 等人[15]研究了三種基于二元指數的退避算法在LoRa 網絡中的性能，其中二元指數退避（Binary Exponential Backoff，BEB）算法表現優異，具有最低的能耗和較少的碰撞次數。

信道接入前檢測的方法大大改善了標準LoRa網絡中的信道碰撞情況，拓寬了LoRa 技術在密集部署場景下的應用前景。但是BEB算法根據退避次數指數擴大競爭窗口，在LoRa 密集部署場景中可能會造成較大的延遲。考慮到已存在方法的不足，本文對單網關LoRa星型網絡的特點和周期通信的應用場景進行分析，并提出信道接入前的檢測和動態更新競爭窗口的大小以降低碰撞概率、減少退避時間。鑒于LoRa 網絡中終端設備無法實時獲取信道環境的特點，因此競爭窗口動態更新策略的選擇參考終端本身的歷史傳輸數據，如退避次數、成功傳輸時間等。此外退避時對最優競爭窗口的搜索是一個隨機的過程，簡單地增大和減小競爭窗口無法確保搜索過程的平穩性和收斂性。為了保證搜索效果、應對隨機的傳輸過程，引入模擬退火算法來搜索最優的競爭窗口。模擬退火算法以一個逐漸降低的概率接受一個比當前解要差的解，因此有可能跳出局部最優解從而得到全局最優解。該算法擁有計算過程簡單、搜索效率高、求得的解和初始解狀態無關等諸多優點，適合LoRa網絡這種周期傳輸環境下的最優競爭窗口搜索。并且在模擬退火算法中引入補充搜索過程，在周期傳輸的過程中以之前傳輸過程中搜索到的最優解為初始狀態，不斷執行模擬退火過程，搜索更優競爭窗口的可能性。補充搜索過程可以在網絡結構和規模變化時自適應調整競爭窗口更新策略，使網絡的性能始終向高PDR、低時延方向發展。總而言之，本文的主要工作如下：（1）針對LoRa網絡提出了一種避碰和優化退避的方法LBT-SA；（2）給出基于LBT-SA 的設備的馬爾科夫鏈模型并對其包傳輸成功率（Packet Delivery Rate，PDR）進行分析；（3）在NS-3平臺下的LoRaWAN模塊中進行大規模信道傳輸仿真，對于單網關、多種終端設備數量（100～10 000）的LoRa網絡的PDR 改善明顯，并且在密集部署場景下的平均退避時間至少提高了16.38%。

2 LoRa技術

LoRa 是一種超遠距離無線傳輸技術，采用啁啾擴頻調制技術，擁有低功耗、廣覆蓋、穿透性強的優點。如圖1 所示，LoRa 網絡是一個典型的星型網絡，包含了終端設備（End-Device，ED）、網關（Gate Way，GW）、網絡服務器（Network Server，NS）。

圖1 LoRa網絡架構

ED 單跳連接到一個或者多個GW，負責傳感數據的收集和在廣播信道上的上行數據發送。GW 具有多信道接收、解調的能力且作為一個轉發設備通過高吞吐量信道連接到NS，負責接收并轉發ED 的上傳數據。NS負責下行數據的處理和發送、下行鏈路路由、網絡控制等重要功能。這種星型網絡架構雖然維護容易、配置靈活，但是大量的ED 通過單跳無線連接到單個或幾個GW，并且標準LoRaWAN 中的ED 僅能從GW 獲取NS下發的信道狀態信息，可能造成大量的碰撞重發，大大縮減電池的壽命且無法準確及時地獲取信道狀態。

LoRa網絡中，每比特的信息由多個符號表示，符號數量等于2SF。SF的取值范圍為{6，7，8，9，10，11，12}，取值越高表示1 bit 信息對應的符號越多，覆蓋范圍越廣，數據速率越小。ED 和GW 之間的傳輸分為上行消息和下行消息，上行消息指由ED 發送到由一個或多個GW 并由GW 轉發給網絡服務器，下行消息與之相反。上行消息包括前導碼（preamble）、LoRa 物理幀頭、幀頭CRC、有效載荷和有效載荷CRC。前導碼分為固定部分和可修改部分，如公式（2）所示，值4.25為前導碼固定部分最少符號數，NP為實際應用中指定的前導碼可修改部分的符號數量。上行消息的滯空時間（Time on Air，ToA）的計算公式[16]為：

其中，BW為帶寬，Tpreamble是前導碼傳輸的滯空時間，L是數據包其他部分的符號長度，NP為前導碼符號數，PL為有效載荷的符號數，H表示是否啟用幀頭，DE表示是否啟用低速率，CR為編碼率且CR∈{4/5,4/6,4/7,4/8}。更高的SF可提供更大的覆蓋范圍，但也使得包的ToA 呈指數增長，更容易造成相同SF的ED之間的碰撞。

針對不同的應用場景和需求，ED設置了三種類型：基于ALOHA信道接入方式和Duty-cycle限制的A類設備、定期喚醒的B 類設備、連續監聽的C 類設備。其中A 類設備以電池供電，是最為常見的設備且功耗最低。A類設備的特點是異步傳輸，傳輸過程只能由ED發起，GW 只能在接收到上行數據包之后發起下行通信。ED在有發送需求時隨機選擇信道和適合的SF向GW發送上行消息，并在發送后延時打開接收窗口。

如圖2 所示，A 類設備擁有兩個上行傳輸之后延時打開的接收窗口RX1 和RX2，如果RX1 或RX2 檢測到下行消息的前導碼，無線接收器將保持工作狀態直到下行消息被解調，并不再打開尚未開啟的接收窗口。

圖2 A類ED接收窗口時序

在標準LoRaWAN協議中，如果ED以ALOHA方式接入信道時需要遵循該信道小于1%的Duty-cycle 限制。Duty-cycle 限制被定義在ED 的物理層里，ED 會遵從已被定義的最大傳輸時間限制，并在每次嘗試傳輸時判斷是否符合Duty-cycle限制。除了遵從Duty-cycle限制的ALOHA，LoRa標準協議中還允許LBT信道接入方式。LBT方法可以在發送之前檢測信道的忙閑，大大降低碰撞概率。擴頻調制技術使得LoRa 的RSSI 可能低于接收機的低噪聲，因此LoRa 信道的狀態難以通過檢測RSSI來獲取。LoRa信道的檢測是基于ED的無線接收器接收并解碼信道中正在發送的前導碼，未檢測到基于相同擴頻因子的前導碼，則判斷信道空閑，可以立即發送以占用信道；檢測到基于相同擴頻因子的前導碼時，則判斷信道被占用，從競爭窗口中隨機選取退避時隙數量進行退避，并在退避結束時再次檢測信道狀態。常用的競爭窗口大小更新方法是BEB 算法，其優點是在信道負載較小時以較少時延成功發送，提高網絡利用率，在重負載時窗口快速擴大，有效分解沖突。該算法的缺陷在于不能根據信道的負載變化靈活地更新競爭窗口，即競爭窗口只能單調遞增，這使得信道負載減輕時可能造成部分數據包較大的時延。因此一種基于信道檢測、競爭窗口靈活的信道接入方法更能滿足LoRaWAN的性能需求。

3 LBT-SA

針對LoRa 網絡的特點和BEB 算法的缺陷，本文提出了基于模擬退火（Simulated Annealing，SA）算法的LBT 信道接入方法——LBT-SA。和基于BEB 算法的LBT不同的是：ED檢測信道被占用后以SA算法計算出的更新概率，并以該概率選擇競爭窗口更新的策略。當充分的隨機性與非常慢的冷卻相結合時，SA 算法最終可以達到全局最優[17]。

SA算法是從一個初始高溫T0下的隨機解開始，然后選擇較優解或以一個持續下降的概率接受較差解，隨著溫度的下降最終找到一個全局近似最優解。在LBT-SA 的競爭窗口更新策略中將傳輸過程分為兩種：周期傳輸和周期內的嘗試傳輸過程，一次周期傳輸中可能包含多次嘗試傳輸過程。一次完整的SA搜索過程在一次周期傳輸中完成。對于競爭窗口的更新，令本周期傳輸總退避時間小于或等于上個周期總退避時間為較優解，反之則為較差解。SA 搜索過程中的溫度下降函數由公式（4）表示：

α是溫度下降因子（常取0.7～0.99），i等于退避次數j減去1。溫度的下降過程是關于退避次數的函數，使溫度隨退避次數的增加逐步降低降溫速率。信道的復雜性使搜索更小退避的過程可能會導致更多的退避，而這些偶然性的過度退避對搜索過程缺乏指導意義。因此如公式（6）和公式（7）所示，計算較差解的接受概率時，之前所有周期傳輸過程的平均總退避時間和前一周期傳輸的總退避時間Tback(t-1) 中的最小值被作為舊能級E(xold)，而當前周期內傳輸的總退避時間Tback(t)被統計為新能級E(xnew)。

BEB 算法的競爭窗口隨著每次碰撞的發生呈指數增長。當ED 需要發送數據包時，檢測到信道繁忙則進入退避狀態，從競爭窗口中隨機選擇一個數，這個數和最小退避時隙的乘積就是退避時間，檢測到信道空閑則直接發送數據包。BEB算法競爭窗口的計算如公式（8）所示，ED 第i次退避時的競爭窗口大小為2i倍的最小競爭窗口。而公式（9）是競爭窗口根據退避次數以反比例函數縮小，若更新后競爭窗口大于最小競爭窗口則接收更新后的競爭窗口值，若小于CWmin則直接置為CWmin。該方法在保證更新后的競爭窗口大于最小競爭窗口的前提下逐步減緩競爭窗口減小的速度以避免在擁擠信道環境下頻繁檢測信道、浪費退避次數。

ED在退避時，基于公式（5）計算得出的概率p以公式（8）中的BEB算法更新競爭窗口，基于概率1-p以公式（9）更新競爭窗口。退避過程的退避時間由最小退避時隙CWmin和取自競爭窗口的隨機數相乘得到。這個最小退避時隙被設置為12.54 ms，即以125 kHz帶寬、SF為7傳輸8位前導碼所需時間，由公式（2）計算得出。

LBT-SA方法中競爭窗口的二維馬爾可夫鏈狀態模型如圖3 所示，它描述了ED 一次周期傳輸的過程。圖中的狀態是一個二維過程(i,b(i))，b(i)表示退避可能值的集合，集合中包含了隨機退避時隙數量的遞減過程且這個遞減過程總是以1 的概率轉移。設b(x,y)、b′(x,y)分別為采用公式（8）和公式（9）兩種更新策略的設備退避x+1 次且當前退避時隙個數為y的概率。如上所述，i的值為ED的退避次數減去1。Wi表示BEB算法得出的競爭窗口大小，W1i表示以公式（6）得到的競爭窗口大小。本文中研究的設備為無確認機制的A類設備，在無確認機制的網絡中數據包的發送僅存在兩個狀態：發送成功和被丟棄。ED 在超出最大退避次數限制后停止該數據包的發送并丟棄，因此令Ploss表示ED因為退避次數超出最大退避限制而丟棄數據包的概率，圖3中所有狀態概率b(x,y)、b′(x,y)之和為成功發送的概率，即1減去數據包被丟棄的概率。則有：

圖3 競爭窗口的馬爾可夫鏈模型

令τs表示ED在一個隨機時隙中進行傳輸的概率，等于當前退避時間為0 并可發送的概率之和。令n表示網絡中擁有相同SF 的ED 數量，τc表示條件碰撞概率，即已有1 個ED 在占用信道，另外n-1 個基于相同SF的ED中至少有一個在同一時間占用信道，可以得出：

令Pb表示檢測到信道被占用的概率即信道中至少有一個ED 在發送數據包的概率，Ps為某個ED 成功傳輸的概率即在當前時隙中n個ED中隨機有一個ED在發送且其他ED未在發送。則：

4 仿真結果及討論

4.1 實驗設置

為了研究LoRa 網絡和評估所提算法的性能，建立了NS-3平臺下的仿真模塊。仿真模塊實現了如圖1 所示架構下基于A 類設備的LoRa 網絡，在評估場景中設置了單個GW 和最多10 000 個A 類ED。ED 和GW 的高度分別設置為1 m和15 m。這些ED隨機分布在GW附近7.5 km半徑范圍內，它們的位置滿足泊松分布。每個ED 隨機分配初始發送時間并以300 s 為周期產生上行無確認數據包。GW 以基帶芯片SX1310 為例，支持最多8 個通道同時解調。ED 以LoRa 收發機芯片SX1278為例，其定義的信道活動檢測（Channel Activity Detection，CAD）提供了對信道狀態的檢測。CAD 的原理就是以盡可能高的功率快速檢測信道中的前導碼并判斷是否是所需的前導碼。其他仿真參數設置如表1所示。

表1 仿真參數

模塊考慮了信道路徑損耗、SF 間干擾和捕獲效應等現實因素。LoRa 設備的信道路徑損耗Loss(d)使用考慮陰影衰落的Log距離損耗模型預測：

其中，Loss(d0)為參考距離d0處的路徑損耗值，α為路徑損耗指數，X為高斯分布隨機變量且均值為0。d0和Loss(d0)在模塊中分別設置為1 m 和8.1 dB，α被設置為3.76以模擬考慮陰影衰落的城市蜂窩網絡環境。

模塊利用不同的SF間的部分正交性來確定一個數據包是否能經受住其他SF 傳輸的干擾，通過引入同一信道（相同頻率）下的SINR閾值矩陣T[18]以確定ED之間的干擾是否導致碰撞。信號與干擾加噪聲比（Signal to Interference plus Noise Ratio，SINR）是接收到的有用信號強度與接收到的噪聲加干擾信號強度之間的比值。

矩陣中元素Ta,b的值代表相同信道中以a+6 為SF 的ED 發送時不受以b+6 為SF 的ED 干擾的SINR閾值（dB為單位），即同一信道中設備間SINR之差大于矩陣中對應的值則可以互不干擾。由矩陣可知，相同SF 之間更易相互干擾，從而導致碰撞。此外對于受到多個設備干擾的ED，其所受到的干擾功率是其他設備功率的疊加。

4.2 實驗數據分析

在ns-3模塊中分別對基于ALOHA、LBT和LBT-SA的LoRaWAN進行了仿真評估。

多場景下的PDR（GW 接收的數據包數除以ED 發送的數據包數）數據如圖4所示。為了避免隨機的傳輸過程和算法的收斂過程造成實驗結果數據的偶然性，圖中的數據為穩定傳輸（15次周期傳輸之后）時10次傳輸數據的平均值。在實際部署場景下，ALOHA 過于簡單的信道接入方式無法規避終端之間的碰撞，因此基于ALOHA 的LoRa 網絡在密集場景下的可拓展性嚴重受限。如果網絡中的所有終端都使用相同的參數，則網絡最大吞吐量為18%[19]。這種信道接入方法在無確認機制的密集網絡中將造成大量的傳輸碰撞和性能的急劇跌落。因此ALOHA 不能滿足注重時延和PDR 的密集LoRa網絡的性能要求。數據傳輸需求在時間上的分布不均勻性使得基于LBT的網絡也無法達到最大的系統容量，但是基于BEB 的LBT 方法對信道的接入前檢測大大降低了碰撞發生的概率，在網絡可拓展性方面具有明顯的優勢。從曲線走勢可以看出網絡中終端增加時基于ALOHA 的LoRa 網絡PDR 迅速跌落，而基于LBT和LBT-SA 則下降趨勢平滑，在終端數量高達10 000 的場景下依然保持了較高的PDR。

圖4 多場景下的PDR性能對比

圖5 6 000個ED場景下多周期傳輸的PDR對比

LBT 和LBT-SA 在單GW 和6 000 ED 場景下多個周期傳輸中的PDR 對比如圖5 所示。復雜多變的信道環境和基于LBT的終端對退避時間的隨機選擇，使得網絡的PDR 性能在一定幅度范圍內反復波動。LBT-SA在周期傳輸過程中參考歷史周期傳輸數據，以概率方式更新競爭窗口大小，在保證了和LBT 高度一致的PDR性能的前提下逐漸減少了平均時延。在這個最小平均退避時間的搜索過程中，緩慢的模擬退火搜索通過一個逐漸下降的概率接受競爭窗口的指數增長，保持了與LBT相近的PDR并表現了較為快速的收斂過程和搜索效果。

在不同部署場景下ED的平均時延如圖6所示。數據包的時延包括了從產生到被GW 成功接收的時間間隔，未被成功接收的數據包時延對平均時延無意義，因此未被統計。由于ED 發送的數據包無需確認，因此基于ALOHA 的LoRaWAN 中ED 的平均延遲為0。被廣泛用于LBT更新競爭窗口的BEB算法提供了一種處理重負載的方法。嘗試傳輸的重復失敗意味著更多的退避時間，有助于負載的平滑。但負載動態變化時，仍一味擴大競爭窗口的大小會導致ED的平均時延較大。簡單地減小競爭窗口會導致信道過度擁擠，使得大量ED因退避次數超出限制而丟棄數據包。LBT-SA在傳輸過程中根據退避時間計算競爭窗口更新的概率，緩解了由于信道過度擁擠而引起的沖突并降低了平均時延。最顯著的改善是當ED 數量為3 000 時平均時延降低了42.74%，當ED 數量為10 000 時平均時延依然降低了16.38%。平均時延的下降過程將持續到某次傳輸之后達到近似最優值，并且由于退避值的隨機選擇平均時延將在一定范圍內波動。在基于非時隙LBT信道接入方法的單GW網絡中，其網絡容量是有限的且低于其最大網絡容量。相同區域的多GW 部署可以縮小單個GW網絡的規模，減少占用更多ToA的SF的使用，顯著提高網絡總容量。基于前導碼檢測的信道狀態獲取辦法使得LBT-SA 也適用于多GW 的場景。LBT-SA 可以在一般負載下顯著提高PDR 和降低平均時延，因此可以更好地在相同覆蓋區域、多GW場景中運行。

圖6 多場景下的數據包平均時延對比

但是這種策略在密集的部署場景中可能會導致更多的平均退避次數。圖7 為在不同部署場景下LBT 和LBT-SA 的平均退避次數。ED 的平均退避次數在密集部署場景下明顯增加，信道的擁擠使得ED 在減小競爭窗口后增加了退避概率。無法檢測到空閑時隙的ED只能更多地退避以緩解信道擁擠，因此增加了平均退避次數。

圖7 多場景下的平均退避次數對比

LBT-SA 在單GW 和6 000 ED 場景下的平均時延收斂性能如圖8 所示。基于LBT-SA 的ED 平均時延逐漸減小，在周期傳輸15 次左右達到次優值。在相同場景下，其收斂速度取決于初始溫度和冷卻因子。在一定范圍內，降溫速率與平均時延收斂的速度成正比。快速下降的溫度會加快收斂速度，但導致信道更加擁擠，更多的設備因超出退避次數限制而發送失敗，而溫度的緩慢下降也會導致過長的收斂過程，為不同的場景選擇最佳參數是未來工作的一部分。

圖8 6 000個ED場景下數據包平均時延變化趨勢對比

仿真結果表明了所提算法的有效性，在密集部署場景下提高了LoRa 網絡的PDR 并在周期傳輸過程中以較快的收斂速度減少平均退避時間。并且算法中的持續搜索機制可以在場景變化（終端損壞、新增終端入網）后重新優化并達到新場景下的最優狀態。

5 結束語

本文為LoRaWAN 提出了一種新的信道接入方法LBT-SA，以提高LoRaWAN 的可拓展性和可靠性，并減少不必要的退避時間。通過對歷史周期傳輸數據的統計和計算，得出當前周期競爭窗口更新策略選擇的概率，在較高的PDR 下搜索更小退避的可能性。在ns-3仿真模塊中評估了該方法在不同部署情況下的性能，并與基于ALOHA和基于LBT的LoRaWAN性能進行了比較。仿真結果表明，在密集部署場景下，PDR 至少可以提高50%，在9 000個節點或以上的場景下，PDR可以提高100%以上。而平均時延至少提高了16.38%。雖然在多達10 000 EDs 的密集部署場景中，喚醒次數及信道檢測次數增加3.7%，但對電池的消耗是有限的。未來計劃從功耗、服務質量等幾個方面對算法進行改進和評估。