基于NS-3的城市场景LoRaWAN网络性能研究

侯卫民，马 骁，栗海宁，苏 佳

(河北科技大学信息科学与工程学院，河北 石家庄 050018)

1 引言

低功耗广域网(Low Power Wide Area Networks，LPWAN)作为一种新兴的物联网(Internet of Things，IoT)无线通信技术，相比传统的WIFI，蓝牙等无线通信技术，具有传输距离远，低功耗，低成本等特点，预计2020年将有500亿以上物联网设备投入使用[1]，LoRa是Semtech公司于2013年推出的一种新型的低功耗广域网无线通信技术，而LoRaWAN是为LoRa远距离通信网络设计的一套通讯协议和系统架构，通信距离达到千米级[2]。LoRaWAN协议中指出，终端设备可分为ClassA、ClassB和ClassC三种模式[3]，这三种模式可分别应用于不同的应用场景当中，如烟雾报警器，阀控水气电表以及路灯控制等。

自LoRa推出以来，最初的工作是专门进行户外试验以评估LoRa调制性能，如芬兰学者使用市售设备进行试验，通过设置14dBm发射功率和最大扩频因子工作在868 MHz频段的节点，观察到地面上最大通信范围超过 15 km，水上接近30 km，此外，还提出了从测量数据导出的信道衰减模型[4]；文献[5]通过实验表明，典型的智能城市部署最多可以支持每3.8公顷120个节点。随后，研究者对LoRa的可扩展性和LoRa网络容量的研究开始占主导地位，这主要是因为LoRaWAN基于Aloha协议的原型进行媒体接入访问[6]，因此LoRa传输的过程中遭受过度碰撞的风险是不可避免的，特别是对于密集的物联网部署。文献[7]将载波侦听多路访问(Carrier Sense Multiple Access，CSMA)作为LoRaWAN基于Aloha的媒体访问的替代来追求改进LoRaWAN可扩展性，研究了如何针对短消息和长消息调整载波侦听机制以减少LoRa传输中的冲突，通过远程图像传输的实验表明改进的方法可以减少碰撞。文献[8]同样以CSMA替代Aloha机制，并研究了不同协议对能耗的影响，实验发现CSMA协议可极大吞吐量和网络容量，且仅略微增加了能耗；文献[9]通过研究LoRa物理层的捕获效应，提高了网络吞吐量和分组传输成功概率；文献[10]在现有LoRaWAN媒体访问控制(Media Access Control，MAC)层之上设计低开销调度器，以调节Aloha介质访问的易冲突域内的LoRa传输；另外文献[11]给出了LoRaWAN的NS-3综合模型，通过对终端设备分配不同的网络参数测试LoRaWAN网络性能，但信道模型较为简易。

文章通过NS-3建立城市信道损失模型，利用扩频因子的正交性引入冲突矩阵并提出冲突阈值判定算法，模拟小型区域内的LoRaWAN的网络性能。

2 LoRaWAN模型与信道模型

仿真使用NS-3网络模拟器，设计LoRaWAN网络模型如图1所示：LoRa数据包产生后首先经过终端MAC层和物理层，通过无线信道并被LoRa网关成功接收后再经过网关物理层和MAC层上传至服务器，其中信道模块中传播损耗模型，建筑遮挡模型与冲突矩阵模型的设计是文章研究的重点内容。

图1 NS-3中的LoRaWAN网络模型

LoRa数据包在城市场景中的传输损耗L主要由两部分组成：传播损耗和建筑遮挡损耗，如式(1)所示：Lpropagation为数据包传输过程中的空中传播损耗模型，Lbuildings为传输过程中与建筑物发生碰撞产生损耗的建筑遮挡损耗模型。

L=Lpropagation+Lbuildings

(1)

传播损耗可具体表示为

(2)

其中L0为参考距离处的路径损耗，d0为参考距离(通常为1米)，n为路径损耗指数，d为网关接收器与数据发送设备之间的水平距离。

建筑遮挡损耗主要受内墙和外墙的影响，设建筑物外墙损失为EWL，EWL被建模为一个随机变量EWLU(r)，旨在模拟外墙的材料以及厚度会有各种不同的情况。而内墙损失与内墙的数量以及墙壁厚度有关，与内墙数量相关的损失模型如(3)所示

Tor1=ωi*p

(3)

其中ωi在[0，4](单位为dB)内均匀分布，p为LoRa发送设备与网关之间的内壁数量，并假设对于15%的设备，p=3，并且其余设备在p={0，1，2}的值之间平均分配。

信号穿过内墙墙壁的损失模型如下

Tor2=αD

(4)

α=0.6dB/m是穿透距离系数，D均匀分布在[0，15]m范围内。

取二者中较大值为内墙损失参考值，综上，室内设备的建筑遮挡损耗模型为：

Lbuildings=EWL+max(Tor1，Tor2)

(5)

3 扩频因子正交性

在LoRaWAN网络中，终端设备基于Aloha机制接入信道，即无论信道是否处于空闲状态，终端设备便直接发送数据包，当多个设备同时发送数据包时必然会发生碰撞，将严重影响数据包的投递率，因此Aloha机制的信道利用率最高仅有18.4%。

在LoRa调制中，不同的扩频因子(Spreading Factor，SF)是正交的。即如果采用扩频因子i的数据包与采用扩频因子j的数据包在时间上发生重叠，只要接收到的数据包信噪比高于某个阈值也可正确接收。因此这种正交性相对于纯Aloha接入机制会实现更高的吞吐量，虽然官方文档未说明明确阈值，文献[12]对此进行理论推导并提出了冲突矩阵模型。

矩阵中的元素Ai，j(Ai，j为第i行第j列的值)代表一个使用SF=i+6=I(I=7，8，9，10，11，12)的数据包与另一个使用SF=j+6=J(J=7，8，9，10，11，12)的数据包发生冲突时，能够正确解调的信干噪比 (Signal to Interference plus Noise Ratio，SINR)阈值。

(6)

对于一个终端设备使用SF=i发送数据包时，受到其它使用SF=j的发送数据包的设备干扰时，有如下定义

(7)

Pi，0为发送数据包的功率，ε2为噪声功率，m为干扰数据包的总数，Pl为第l个使用SF=J对发送数据造成干扰的数据包功率，即一个SF=I数据包若正确解调，必须满足不等式SINRi，j>Ai，j。

矩阵Α中的元素阈值指的是发送数据包与干扰数据包完全同步时的冲突阈值，但是这种情况发送的概率非常小，因此需要计算数据包的冲突时间。

如图2所示，假设在0时刻发送功率为P(1)的数据包，t0时刻受到功率为P(2)的冲突数据包干扰，t1为发送数据包的空中时长，可推导出干扰数据包的实际功率为

图2 突数据包干扰功率(阴影部分为干扰能量)

(8)

4 冲突阈值判定算法

4.1 冲突阈值判定算法流程

在信道层中，依据冲突矩阵以及图2中的干扰模型本文设计了一种冲突阈值判定算法如图3：

图3 冲突阈值判定算法流程图

冲突阈值判定算法流程按如下步骤进行：

1)在信道检测阶段记录发送数据包的起止时刻；

2)检查此时间段内除发送数据包之外是否有其它LoRa信号干扰，若存在则将干扰数据放入一个新的列表中my＿event中，否则直接进入通信；

3)遍历列表中的事件my＿event是否与发送数据再同一频段内，不在同一频段则相当于不存在干扰，直接进入通信；

4)获取同一频段内干扰数据包的起止时间，并计算与发送数据包的冲突时长从而得到实际干扰功率；

5)获取干扰数据包的SF值放入对应的SF容器中；

6)获取发送数据功率，实际干扰功率以及SF值，并遍历SF容器，对比干扰矩阵判断干扰是否影响传输，若SINR值大于阈值则进入通信，否则发送数据包被破坏。

4.2 自适应SF机制

城市无线信道环境复杂多变，使用自适应SF机制，可提高网络性能，避免资源浪费。随着无线技术的发展，已存在多种自适应SF机制，如自动降速算法、碰撞识别自适应算法、机会SF自适应算法等[13]。为了准确评估信道状态，仿真采用基于接收端的自适应SF算法：网关依据接收到的数据包信号功率，为终端分配合适的SF值，如表1所示，即自适应SF机制，并通过冲突阈值判定算法判断数据包是否发送成功。

表1 扩频因子选择机制

I(I=7，8，9，10，11)为扩频因子值，rxPower为网关收到数据包的接收功率，Sensitivity[I]为不同扩频因子的接收灵敏度，由于扩频因子越大，接收灵敏度越小，因此选择机制每次由Sensitivity[7]开始判断，直至得出合适的SF值。

5 性能仿真与分析

仿真希望将吞吐量作为网络性能的评判标准之一，假设LoRaWAN的网络吞吐量为S，网络流量为G[14]，成功接收的数据包与发送的数据包之比为Psucc，则有下列公式：

S=G·Psucc

(9 )

设共有N个LoRa设备，每隔Ti秒发送一次数据，其空中传输时间为tp，i秒，则G的计算公式为

(10)

由公式可以看出，G可看作终端设备的传输占用信道的时间比例的度量。当G取值为[0，1]时，G值越大，则信道利用率越高；G值大于1则表示信道中必然会发生冲突。

仿真使用NS-3网络模拟器，设仿真场景如下，终端设备均匀分布在以LoRa网关为中心半径为R的圆内并始终以Class A模式传输，无占空比限制且数据包大小为固定值，其基本网络参数如表2。

表2 仿真网络参数配置

仿真通过设置不同的终端个数改变网络流量。为验证仿真的准确性，在单信道下设置数据包均以SF=7传输，绿色曲线Ideal-Simulation为LoRaWAN网络在不考虑噪声和路径损耗条件下的吞吐量性能，紫色曲线Theory-Aloha为纯Aloha协议吞吐量的理论值：S=Ge-2G，如图4所示，二者在误差允许范围内相同，在理想条件下信道利用率理论上最大值约为18.4%。

图4 理想信道下SF=7时的LoRaWAN网络吞吐量与理论值对比

仿真测试了LoRaWAN网络在城市信道中不同SF条件下的网络性能，如图5所示：首先在SF=7时，LoRaWAN网络在G=0.5左右时吞吐量S峰值仅为0.06，对比图4的Ideal-Simulation，在加入城市信道模型后，吞吐量明显下降，在峰值处差值约为0.12，此时路径损耗与遮挡损耗为影响网络性能的主要原因，但是随着网络流量的增长，理想信道与实际信道下的网络吞吐量差距逐渐减小，说明高负载条件下LoRa数据包之间的冲突干扰是导致吞吐量下降的主要因素。

图5 SF=7、SF自适应以及无SF=12条件下的网络性能对比

而在引入冲突阈值判定算法后，并根据网关接收到的信号强度为终端分配扩频因子，由于不同的扩频因子之间存在正交性，以不同SF值传输的数据包之间几乎无干扰影响，因此网络的吞吐量有明显的提升，曲线图如All SF所示。

仿真还发现在网络流量G值较高时，SF=12的数据包发送数量占比例较大，严重影响了网络性能，因此仿真设置为禁止SF=12的数据包传输，即SF=12的数据包占用的信道的时间仍计入流量统计中，但网关不会接收并将其记为丢失数据包。结果如图5所示，G值较高时，吞吐量较All SF条件下有明显提升，这是由于SF=12的数据包占用信道时间长，当判定为丢失数据包后，减少了设备重传的次数，冲突数据包减少且不影响使用其它SF值的数据包投递率。然而在G值较小时，使用SF=12的传输数据包较少，LoRa数据包之间的冲突问题并不严重，此时较高的丢包率影响了系统吞吐量，最大损失为Sloss=0.94。

另外，仿真以图5中的All SF设置的网络参数为参考，设置节点数目为500并仅改变发包周期。如图6，较长的发包周期能明显提升数据包的投递率，但投递率并非为线性增长，过高的发包周期对数据包投递率增益不大。

图6 不同发包周期与数据包投递率关系

以上研究均假设信道无占空比限制，现以图5中的All SF设置的网络参数为参考，仅改变信道占空比限制为1%，即对于需要重传的数据包来说，若传输时间为1秒，需等待99秒才能再次发送数据包。仿真结果如图7所示：当网络流量G小于4时，有无占空比限制并未影响数据的投递率；当网络流量G大于4时，占空比限制为1%的数据包投递率略高于无占空比限制的数据包投递率，这是因为此时使用高SF值的数据包增多且占用信道时间更长，而1%的占空比限制了网络流量的同时还减少了LoRa干扰数据包的数量，因此在高流量条件下限制占空比可避免LoRaWAN网络性能下降过快。

图7 占空比为1%与无占空比限制条件下的数据包投递率对比

6 结论

本文通过NS-3仿真对城市信道下的LoRaWAN网络性能进行了研究。仿真结果表明，通过冲突阈值判定算法测试LoRaWAN的网络性能具有合理性，且利用扩频因子的正交性LoRaWAN网络可以获得更大的吞吐量增益，另外讨论了不同网络流量下，传播损耗、发包周期、LoRa数据包之间的干扰以及占空比对网络性能的影响，此模型可为未来城市智能设备的部署研究提供理论依据。