【卫星】基于LoRaWAN LR-FHSS直达卫星场景的分析与Matlab仿真
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
在这个代码包中，LR_FHSS_DR8_Capture_main_file.m是定义模拟参数的主脚本文件。函数Satellite_Geometry(H,E)根据仰角计算节点到卫星的距离。同样，函数ToA_Packets_DR8计算数据速率 DR8 的空中时间（ToA）。代码的其余部分遵循 LR - FHSS 功能来研究数据包成功概率。请注意，当前的脚本文件是针对 DR8 的，但根据代码中的注释，可以轻松修改为其他数据速率 DR9 - 11。
摘要
长距离跳频扩频（LR - FHSS）最近被引入 LoRaWAN 协议规范，以提高网络容量和抗碰撞能力，并实现机器设备与低地球轨道（LEO）卫星之间的直接连接。在本文中，我们首先构建了从地面节点到低地球轨道卫星通过 LR - FHSS 进行数据包传输的分析模型和仿真模型，然后使用所开发的分析模型和仿真模型生成数值结果。我们的结果揭示了大规模网络的潜在可行性，展示了欧盟地区基于 LR - FHSS 的两种新数据速率之间的一些权衡，并揭示了数据包丢失的关键原因。
什么是 LoRaWAN LR - FHSS 调制？
出于克服偏远地区连接差距的动机，LoRa 联盟在 2020 年最后一个季度将 LR - FHSS 数据速率引入了 LoRaWAN 协议。新的数据速率利用跳频技术，并通过增加带有冗余物理头的物理信道数量，提供了针对同频干扰的高鲁棒性。在此背景下，我们工作的关键要点是为分析 LR - FHSS 的可扩展性提供基础。在后续研究中，我们旨在解决相关的实施挑战。新颖的 LR - FHSS 方案利用跳频技术，并通过增加带有冗余物理头的物理信道数量，提供了针对干扰的高鲁棒性。具体而言，LR - FHSS 使用以下机制：
冗余与编码：与 LoRa 不同，LR - FHSS 设备会传输多个头副本（N = 1, …, 4），副本数量由数据速率设置定义。为了成功解码一个数据包，网关至少应接收 N 个传输头中的一个。对于有效载荷数据片段，DR8/DR10 和 DR9/DR11 意味着编码速率分别等效于CR = 1/3和CR = 2/3，较低的编码速率提高了网关正确解调无线数据包的能力。
跳频：对于欧盟地区的上行通信，基于 LR - FHSS 的终端设备会在另一个随机选择的频率信道上发送每个数据包片段（即头或数据片段）。在单个操作信道宽度（OCW）信道中，LR - FHSS 规范为 DR8/DR9 和 DR10/DR11 分别定义了 280 个和 688 个占用带宽（OBW）物理载波（带宽为 488 Hz）。相反，LoRa 调制在单个信道中进行完整传输，这导致更高的同频干扰概率。
由于所有这些有前景的特性，LR - FHSS 是一种杰出的技术，使基于卫星的大规模机器类型通信（mMTC）网络能够填补难以到达地区的连接空白，这些地区缺乏地面网络基础设施，例如海上风电场和北极地区的船只监测。
LoRaWAN LR - FHSS 模拟器
LR - FHSS 模拟器的操作可细分为三个主要阶段：
时频调度：对于欧盟地区的上行通信，基于 LR - FHSS 的终端设备通过在随机选择的载波频率上发送 N 个长度为 0.233 ms 的头副本开始传输。接下来，它将 L 字节的物理有效载荷分解为几个 50 ms 的片段，并根据用于跳频模式的伪随机发生器（PRNG）为每次传输随机选择子信道。请注意，DR8/DR10 和 DR9/DR11 分别意味着编码速率等效于CR = 1/3和CR = 2/3，这提高了网关正确解调数百个无线数据包的能力。我们的模拟器根据 LoRaWAN 规范文档对该过程进行建模。
数据包元素碰撞分析：感兴趣的节点在时刻τi,j通过C = 280个占用带宽（OBW）信道之一传输单个数据包元素。同时，可能有其他设备试图使用目标节点用于传输目标头的相同 OBW 信道。考虑到随机信道选择和类似 ALOHA 的介质访问，访问相同 OBW 频率信道的概率为1/C。如果发生碰撞（即两个或更多元素在时间和频率信道上存在重叠），我们的模拟器会计算并检查网关处目标数据包元素以及干扰数据包元素的接收功率。我们认为，如果所需数据包元素比干扰数据包至少强 δ（在我们的工作中设为6 dB）dB，网关可以借助捕获效应从碰撞中成功恢复目标数据包元素。在这个阶段结束时，对于每个数据包元素（即头和数据片段），模拟器会得到该数据包元素是否已被网关接收的信息。
数据包交付率（PDR）：为了成功解码一个数据包，网关必须至少接收 N 个传输头中的一个，并且接收的数据片段数量应高于预定义的接收阈值（γ），该阈值取决于编码速率。在操作的最后阶段，模拟器会分析接收到的头和片段的数量，并最终决定整个数据包是否可以解码。结果会被进一步记录。
⛳️ 运行结果
📣 部分代码
R = 6378e3; %Radius of earth
X = cosd(E).*cosd(E); %cos^2
V = ((H + R)./R)^2;
Slant_Range = R.*(sqrt(V-X) - sind(E)); % Slant_Range(E): distance from user to satellite
%Sorting distance 780 to 2325 km
Sort_SR=sort( Slant_Range);
%% Points (uniform step sizes) for base of coverage triangle
%b = sqrt(c^2 - a^2) Right angle triangle formula
% dMAX is the maximum propogation link (user to satellite)
FootPrint_R = sqrt(max( Slant_Range)^2 - H^2);
🔗 参考文献
M. A. Ullah, K. Mikhaylov and H. Alves, "Analysis and Simulation of LoRaWAN LR-FHSS for Direct-to-Satellite Scenario," in IEEE Wireless Communications Letters, doi: 10.1109/LWC.2021.3135984.
🍅更多创新智能优化算法模型和应用场景可扫描关注
🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面：
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心
告诫读者和自己第一，科学态度。历史学是一门科学，要学会做历史研究，就得有科学态度。科学态度不是与生俱来的，必须认真培养，关键是培养我们在研究中认真负责一丝不苟的精神。第二，献身精神。从事历史研究，就像从事其他任何科学研究一样，要有一种为科学研究而献身的精神，要热爱我们的研究事业，要有潜心从事这项工作的意志。没有献身精神，当然做不好科研工作。只想拿一个学位，那是很难学好做研究的。要拿学位，这一点可以理解，但我们读书，是为了自己获得真才实学。有了真才实学将来不论做什么工作，都是有用的。当然学位也是要的，但关键的是学问而不是学位。第三，查阅收集学术信息、资料的能力。青年学生要从事学术研究，就要培养能熟练地掌握查阅搜集学术信息、资料的能力。例如学习与研究英帝国史，就得了解国内外有关这个专业的基本情况，了解有关资料情况。像你们在北京地区学习，至少要大致了解北京地区有关英帝国史的中英文资料，熟悉与专业密切相关的主要图书馆，了解馆藏情况。这就需要经常去图书馆。我们这个专业不需要到田间考察，到工厂调研，但要去图书馆，去图书馆就是我们的调查研究。熟悉有关图书馆的情况是我们学习的一部分。今天，网络飞速发展，掌握网上查阅信息的技巧是非常必要的。第四，处理资料的能力。搜集的资料会越来越多，怎样安排它们也是一门学问。各学科各个研究人员的方式可能会有所不同，但总的原则是要有条理，便于记忆，便于查阅。第五，对资料的鉴别意识与鉴别能力。我们在使用研究资料时不能拿着就用，要有意识鉴别一下，材料是否可靠，什么样的材料更有价值。读书时，也不是拿着什么书就通读到底。有的书翻一翻即可，有的书则需认真读。区别哪些书翻一翻即可，哪些书得认真读，也不是一件容易的事，青年学生不是一下子就能做到这一点的，需逐渐培养这种能力。还有一点就是要学会使用计算机，能比较熟练地进行文字处理。