The demand for Internet of Things (IoT) services such as smart instrumentation, wearable devices, parking systems, sharing systems, office or factory monitoring, industrial IoT, and etc is rapidly increasing with the wide adoption in the world. As a number of IoT devices are connected to a network with an increase in services, IoT devices are expected to increase rapidly around the world. As the interest in the IoT increased, network technologies for the IoT have been developed. Existing cellular networks or wireless network technologies have high bandwidth and consume a lot of power, so they are not suitable for IoT systems that accommodate a large number of devices and require low power consumption. In order to solve this problem and accommodate IoT services, low-power wide-area network technologies such as LoRa, Sigfox, and NB-IoT have been developed. LoRa developed by Semtech, which is a founding member of the LoRa Alliance, is one of the most promising LPWAN technologies that provide higher data rate than the one provided by SigFox, and longer-range connectivity than the one of NB-IoT. LoRa is a technology that operates in an unlicensed band, and as the number of devices increases, the scalability of the network significantly decreases. In order to solve this problem, a study is conducted to improve the scalability by considering the physical characteristics of LoRa. In addition, the data collected in the IoT environment is measured too frequently and there is a large amount of redundant data, causing a data redundancy problem. This problem not only causes network performance degradation, but data is collected inefficiently. Therefore, a study is conducted to improve the scalability while ensuring the error of the data through a cross-layer design that considers the data collected from the physical layer and the application layer.
LoRa can transmit packets through a chirp spread spectrum (CSS) modulation scheme that is resistant to interference and can be transmitted to a long distance. Depending on the chirp rate, it is divided into 6 spreading factors (SF) from 7 to 12. IoT device using SF 12, which has a high chirp rate, has a low receiver sensitivity due to a long channel occupancy time, and can be transmitted to a long distance. A device with a high SF can transmit a long distance, but due to the long channel occupancy time, the probability of a collision is very high compared to a low SF. This problem causes a scalability issue of the entire LoRa network, and IoT devices that use high SF to communicate with the distant devices have a very low reception probability. To solve this issue, we propose a novel fair and scalable relay control (FSRC) scheme that considers the physical characteristics of LoRa. The proposed FSRC scheme promotes relay operation with low SF to improve the success probability for distant end-devices (EDs) and the fairness of success probability for each SF region. To achieve this, a theoretical framework for designing the relay operation is analytically developed by considering a practical LoRaWAN MAC protocol as an analytical model. The proposed FSRC scheme encompasses a selective relay operation by considering both the signal-to-noise ratio and signal-to-interference ratio and the receive signal strength indicator value for the location-unaware relay selection strategy. Using this model, a genetic algorithm based relay control strategy is proposed to maximize both coverage probability and minimum success probability for all SF regions by controlling the relay parameters, such as source-relay region and source-relay ratio. Our numerical analysis validates the effectiveness of the proposed FSRC scheme under various parameters in terms of the minimum success probability of each SF region, coverage probability, and fairness.
In addition, a study is conducted to improve the scalability of the LoRa network through a deep learning-based cross-layer design scheme. Based on the characteristics of the physical layer of LoRa and the data actually collected in the application layer, a model for improving scalability is proposed by incorporating it into a deep learning model. In the application layer, a multi-modal based autoencoder model is proposed to cluster devices based on collected multi-modal data. After clustering is performed based on the characteristics of each device from the autoencoder model, a predictive model is generated for each cluster. For the prediction model, we propose a Global LSTM model that is pre-trained based on data from all devices, and a model that quickly learns a Local LSTM model for each cluster based on the data of each cluster and the Global LSTM model. Based on the error rate of the predicted value and the actual measured value through the results of the prediction model, a LoRa device transmission period control scheme is proposed that increases by one transmission period if the error rate is less than the threshold value, and initializes the initial transmission period when the error rate is greater than the threshold value. The determined periodic value is transmitted to each device through the gateway. Therefore, it is possible to reduce the probability of collisions caused by interference by transmitting data at a lower intensity than before in the LoRa network. Finally, through the proposed cross-layered design scheme, the scalability of the LoRa network can be increased while allowing the error of the data.
The proposed both relay control scheme and the deep learning-based cross-layered design scheme significantly improve the collision problem occurring in the LoRa wireless environment and consequently solve the scalability problem of the LoRa network. Through this dissertation, it is expected that IoT service providers will be able to accommodate more IoT devices, and IoT service users will be able to obtain higher user satisfaction than before by providing a higher packet success rate.
전 세계적으로 스마트 계측, 웨어러블 디바이스, 주차 시스템, 공유 시스템, 사무실 및 공장 모니터링, 산업 사물 인터넷 등 다양한 사물 인터넷 서비스의 수요가 증가 하고 있다. 서비스의 증가에 따라 수많은 사물 인터넷 장치들이 네트워크에 연결되면서, 전세계적으로 사물 인터넷 장치들이 급격하게 증가할 것으로 예상된다. 이처럼 사물인터넷에 대한 관심이 늘어나면서 사물인터넷을 위한 네트워크 기술이 개발되었다. 기존 셀룰러 네트워크나 무선 네트워크 기술들은 높은 대역폭을 갖고 많은 전력을 소비하기에, 수많은 장치를 수용하고 낮은 소비 전력을 요구하는 사물 인터넷 시스템에는 적절하지 않다. 이러한 문제점을 해결하고 사물 인터넷 서비스들을 수용하기 위하여 LoRa, Sigfox, NB-IoT 와 같은 저전력 광역 네트워크 기술들이 개발되었다. LoRa 연합의 창립 기업인 Semtech 에서 개발한 LoRa 는 Sigfox 보다 높은 비트 전송률을 가지며 NB-IoT 보다 장거리 연결에 특화 되어있는 저전력 광역 네트워크 중 하나이다. LoRa는 비 면허 대역에서 동작하는 기술로서 장치의 수가 증가함에 따라 네트워크의 확장성이 현저하게 떨어지게 된다. 이 문제를 해결하기 위해 LoRa의 물리적 특성을 고려하여 확장성을 향상할 수 있는 연구를 진행하였다. 또한, 사물 인터넷 환경에서 수집되는 데이터는 너무 빈번하게 측정되거나 중복되는 데이터가 많아 데이터 잉여 문제가 발생한다. 이러한 문제는 네트워크의 성능 저하를 일으킬 뿐만 아니라 비효율적으로 데이터가 수집되게 된다. 따라서 물리 계층과 응용 계층에서 수집되는 데이터를 고려하는 교차 계층 설계를 통해 데이터의 신뢰도를 보장하면서 확장성을 향상 시키는 연구를 진행하였다.
LoRa는 간섭에 강한 처프 확산 스펙트럼 변조 방식을 통해 패킷을 전송하여 멀리까지 전송할 수 있다. 처프 비율에 따라 7부터 12까지 총 6개의 확산 인자로 나누어 진다. 처프 비율이 높은 확산 인자를 사용하는 사물 인터넷 장치는 긴 채널 점유 시간으로 낮은 수신 감도를 갖아 멀리까지 전송이 가능하다. 높은 확산 인자를 사용하는 사물 인터넷 장치는 멀리까지 전송이 가능하지만 긴 채널 점유시간으로 인해 낮은 확산 인자에 비해 충돌이 일어날 확률이 매우 높아진다. 이러한 문제는 LoRa 네트워크 전체적으로 확장성 문제를 야기하며, 멀리 떨어져있는 디바이스와 통신하기 위해 높은 확산 인자를 사용하는 사물 인터넷 장치는 매우 낮은 수신 성공 확률을 보이게 된다. 이러한 문제를 해결하기 위하여, LoRa 의 물리 계층 특성을 고려한 공정하고 확장성 향상을 위한 릴레이 제어 기법을 제안하였다. 제안된 LoRa 의 릴레이 기법은 낮은 확산 인자를 통해 멀리 있는 장치를 릴레이 함으로써 패킷 전송 성공확률을 향상시키고 각 확산 인자 영역의 평균 성공확률을 보장해준다. 이를 위해 실제 LoRaWAN MAC 프로토콜을 모델을 기반으로 릴레이 동작을 설계하기 위한 이론적 구조를 분석적으로 개발하였다. 제안된 릴레이 기법은 신호 대 잡음 비와 신호 대 간섭 비를 모두 고려한 선택적 릴레이 동작을 고려하였고, 장치의 위치정보를 알 필요 없이 수신 전력만으로 릴레이 할 수 있는 방식을 제안하였다. 이 모델을 사용하여 릴레이 매개 변수인 소스-릴레이 영역 및 소스-릴레이 비율을 제어하여 모든 확산 인자 영역에 대한 평균 전송 확률과 최소 전송 확률을 모두 최대화 하기 위한 유전 알고리즘 기반 릴레이 제어 전략을 제안하였다. 수치 분석은 각 확산 인자 영역의 최소 성공 확률, 평균 전송 확률 및 공정성 측면에서 다양한 매개 변수 하에서 제안된 릴레이 기법의 효과를 검증하였다.
다음으로는 딥러닝 기반 교차 계층 설계 기법을 통해 LoRa 네트워크의 확장성을 향상하기 위한 연구를 하였다. 이를 위해 LoRa의 물리 계층 특성과 응용 계층에서 실제 수집되는 데이터를 기반으로 딥러닝 모델에 접목하여 확장성을 향상시키기 위한 기법을 제안하였다. 응용 계층에서는 수집되는 다중 양식을 갖는 데이터를 장치 군집화하기 위한 오토인코더 모델을 제안하였다. 오토인코더 모델에서 나온 각 장치의 특징을 기반으로 군집화를 수행한 뒤 각 군집 별로 예측 모델을 생성하였다. 예측 모델은 모든 장치의 데이터를 기반으로 사전에 학습하는 전역 LSTM 모델과, 각 군집의 데이터와 전역 LSTM 모델을 기반으로 각 군집 별로 지역 LSTM 모델을 빠르게 학습하는 모델을 제안하였다. 제안된 예측 모델에서 예측된 값과 실제 측정된 값의 오차율을 기반으로 오차율 임계값 보다 작으면 전송 주기를 증가시키고, 오차율이 임계값보다 크면 전송 주기로 초기화하는 LoRa 장치 주기 제어 모델을 제안하였다. 결정된 주기 값은 게이트웨이를 통해 각 장치로 전송이 됩니다. 따라서, LoRa 네트워크에서 기존보다 낮은 밀도로 데이터를 전송함으로써 간섭으로 인한 충돌이 일어날 확률을 줄일 수 있었다. 최종적으로, 제안된 교차 계층 설계 기법을 통하여 데이터의 신뢰도를 보장하면서 LoRa 네트워크의 확장성 향상을 할 수 있었다.
앞서 제안된 릴레이 제어 기법과 딥러닝 기반 교차 계층 설계 기법을 통해 LoRa 무선 환경에서 발생하는 충돌 문제를 상당히 향상할 수 있었으며, 결과적으로 LoRa 네트워크의 확장성 문제를 해결할 수 있었다. 본 학위 논문을 통해서 LoRa 서비스 사업자 입장에서는 더 많은 사용자를 수용할 수 있으며, LoRa 사용자는 더 높은 패킷 성공확률을 제공받음으로써 기존보다 더 높은 사용자 만족 효과를 얻을 수 있을 것으로 기대된다.
