文献

J-GLOBAL ID：201902260218119428   整理番号：19A0920607

実世界測定によるlorawanと臨界解析のためのニューラルネットワーク伝搬モデル【JST・京大機械翻訳】

A Neural Network Propagation Model for LoRaWAN and Critical Analysis with Real-World Measurements

著者 (4件)： Hosseinzadeh Salaheddin (School of Engineering and Built Environment, Glasgow Caledonian University, Glasgow G4 0BA, UK) ,  Almoathen Mahmood (Computer Technology Department, Qatif College of Technology, Al Qatif 32636, Saudi Arabia) ,  Larijani Hadi (School of Engineering and Built Environment, Glasgow Caledonian University, Glasgow G4 0BA, UK) ,  Curtis Krystyna (School of Engineering and Built Environment, Glasgow Caledonian University, Glasgow G4 0BA, UK)
資料名： Big Data and Cognitive Computing (Web)  (Big Data and Cognitive Computing (Web))
巻： 1  号： 1  ページ： 7  発行年： 2017年 
JST資料番号： U7143A  ISSN： 2504-2289  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： モノのインターネット(IoT)に対して競合する多くの技術の中で,この景観における最も有望で迅速な成長技術の一つは低電力広域ネットワーク(LPWAN)である。主なIoT LPWAN技術の一つであるLORAの被覆率は,屋外環境に対して以前に研究されてきた。しかしながら,本論文では屋内シナリオにおけるエンドツーエンド伝搬に焦点を当てた。本論文では,室内環境に対して,報告されている屋外計量をどのように解釈するかについて検討した。さらに,ネットワーク計画とカバレッジ予測を容易にするために,新しいハイブリッド伝搬推定法を開発し,検討した。このハイブリッドモデルは,人工神経回路網(ANN)と最適化多重壁モデル(MWM)で構成されている。続いて,実世界測定を収集し,異なる伝搬モデルに対して比較した。ベンチマーキングのために,対数距離とCOST231モデルをそれらの単純さのために使用した。(a)LORA Wide-Areaネットワーク(LoRaWAN)の伝搬は,屋外報告と比較して,この調査環境においてはるかに短い範囲に限られていることが観察された。(b)対数距離とCOST231モデルは,屋外屋内シナリオに対する伝搬特性の正確な推定をもたらさない。(C)この精度の欠如はCOST231モデルを調整することにより解決でき,屋外伝搬を説明できる。(d)COST231モデルと組み合わせたフィードフォワード神経回路網は予測の精度を改善する。本研究は,実際の結果を実証し,類似のシナリオにおけるLoRaWANの伝搬に関する洞察を提供した。これにより,屋内環境に対するネットワーク計画を容易にすることができた。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 被覆率 ,  予測 ,  対数 ,  *モデル ,  屋内環境 ,  神経回路網 ,  モデリング ,  *ニューラルネットワーク ,  フィードフォワード ,  多重化 ,  最適化 ,  *ネットワーク
準シソーラス用語： ST2 ,  屋内 ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： lorawan ,  LPWAN ,  伝搬解析とモデリング ,  フィードフォワードニューラルネットワーク ,  COST231マルチウォールモデル

分類 (3件)： 無線通信一般  (ND08010L) ,  計算機網  (JC03000K) ,  移動通信  (ND08030H)

引用文献 (39件)：

• Vejlgaard, B.; Lauridsen, M.; Nguyen, H.; Kovács, I.Z.; Mogensen, P.; Sorensen, M. Interference Impact on Coverage and Capacity for Low Power Wide Area IoT Networks. In Proceedings of the 2017 IEEE Wireless Communications and Networking Conference (WCNC), San Francisco, CA, USA, 19-22 March 2017.
• Thielemans, S.; Bezunartea, M.; Steenhaut, K. Establishing transparent IPv6 communication on LoRa based low power wide area networks (LPWANS). In Proceedings of the 2017 Wireless Telecommunications Symposium (WTS), Chicago, IL, USA, 26-28 April 2017.
• Petäjäjärvi, J.; Mikhaylov, K.; Yasmin, R.; Hämäläinen, M.; Iinatti, J. Evaluation of LoRa LPWAN technology for indoor remote health and wellbeing monitoring. Int. J. Wirel. Inform. Netw. 2017, 24, 153-165.
• Weber, P.; Jäckle, D.; Rahusen, D.; Sikora, A. IPv6 over LoRaWANTM. In Proceedings of the 2016 3rd International Symposium on Wireless Systems within the Conferences on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS-SWS), Offenburg, Germany, 26-27 September 2016.
• Nolan, K.E.; Guibene, W.; Kelly, M.Y. An evaluation of low power wide area network technologies for the Internet of Things. In Proceedings of the 2016 International Wireless Communications and Mobile Computing Conference (IWCMC), Cyprus, Paphos, 5-9 September 2016.

タイトルに関連する用語 (6件)： 世界 ,  LoRaWAN ,  臨界 ,  解析 ,  ニューラルネットワーク ,  伝搬モデル