Internet of Things (IoT) é um conceito de rede que permite a vários dispositivos, que antes exerciam apenas funções únicas, conectar-se uns aos outros. Estes dispositivos são equipados com tecnologias que os permite produzir dados sobres as condições internas do sistema, assim como interagir com o ambiente que os envolve [Set17].
Muitas pesquisas são realizadas para IoT, o que levou ao seu aprimoramento e desenvolvimento, prometendo que a partir do uso de tecnologias integradas e de processamento massivo de dados, soluções mais eficazes para diversos objetivos como: casas inteligentes (Smart home), campus inteligente (Smart campus), agricultura inteligente (Smart farming), cidades inteligentes (Smart Cities) entre outros [Lop19].
A comunicação é o ponto chave que possibilitar agregar todos os dispositivos em uma rede IoT. Comunicação Sem Fio (CSF) fornece os benefícios de mobilidade, sem cabo e facilita adicionar mais dispositivos à rede e facilmente o fornecimento a qualquer objeto a capacidade de se conectar à internet [Kha20]. RSSF se apresenta como uma parte fundamental da IoT, pois serve ao propósito de habilitar a interconexão e integração dos dispositivos do mundo físico com o ciberespaço. RSSF consiste em sensores sem fio de baixa potência que são válidos como infraestrutura para uma implantação prevendo longos períodos de tempo. No entanto, RSSF está associada a muitos desafios herdados devido às restrições dos nós onde os sensores estão associados, como capacidade de energia, capacidade computacional e largura de banda de comunicação [Kob20], [Mod20].
Diferentes cenários requerem diferentes modelos de implantação com diferentes parâmetros de uma rede. Por exemplo: transporte inteligente exige uma implantação de rede que seja capaz de lidar com a mobilidade, cidades inteligentes exigirão implantação de rede que capaz de lidar com comunicações de longo alcance e assim por diante. Hoje em dia, existem várias tecnologias de CSF desenvolvidas para cada perspectiva, variando de curto alcance (ZigBee, 6LowPAN) a médio e longo alcance (LoRa, Sigfox, UNB, LTE-M, etc.) [Mek19].
Redes de longa distância e baixa potência (LPWANs) irão melhorar as aplicações IoT existentes devido ao baixo consumo de energia e à comunicação de longo alcance associada. LPWANs operam em bandas sem fio licenciadas e não licenciadas. As principais características dos LPWANs que devem orientar o design para redes IoT são: baixo consumo de energia, fácil implantação de infraestrutura de rede em todo o país, segurança e cobertura estendida [Khu17].
LoRa (Long Range) é a camada física usada em Lo-RaWAN. Apresenta operação de baixa potência, baixa taxa de dados e longo alcance de comunicação. As redes LoRaWAN são organizadas em uma topologia estrela, no qual os nós transmitem dos dispositivos finais para os gateways conectados à rede central. Dispositivos finais enviam dados para gateways em um único salto sem fio, e os gateways são conectados ao servidor por meio de uma rede não LoRaWAN (IP, LTE ou Ethernet). A comunicação é bidirecional, embora a comunicação de uplink dos dispositivos finais para o servidor da rede seja priorizada devido a certas limitações [Sorn20].
LoRaWAN define três tipos de dispositivos classes A, B e C com diferentes capacidades. Os dispositivos da Classe A usam acesso ALOHA puro para o uplink. Depois de enviar um quadro, um dispositivo de Classe A escuta uma resposta durante duas janelas de recepção de downlink. A transmissão de downlink só será permitida após uma transmissão de uplink bemsucedida. Portanto, o tráfego de downlink não pode ser transmitido até que uma transmissão de uplink bem-sucedida seja decodificada pelo gateway [Sor20]. Os dispositivos de Classe B são projetados para aplicativos com necessidades adicionais de tráfego de downlink. Finalmente, os Classe C estão sempre ouvindo o canal, exceto quando estão transmitindo geralmente são usados como gateways.
A comunicação entre os dispositivos finais e os gateways começa com um procedimento de junção que pode ocorrer em vários canais de frequência por implementação de salto de canal pseudoaleatório. Cada quadro é transmitido com um fator de espalhamento específico (SF), definido como SF = log2(Rc/Rs), onde Rs é a taxa de símbolo e Rc é a taxa de chip. Consequentemente, há uma compensação entre SF e o alcance de comunicação. Quanto maior o SF mais lenta é a transmissão e maior será o alcance da comunicação. O número de chips por símbolo é calculado como 2 elevado ao SF. Cada aumento no SF reduz pela metade a taxa de transmissão e, portanto, dobra a duração da transmissão, consequentemente aumentando o consumo de energia. Os códigos usados nos diferentes SFs são semi-ortogonais. Isso significa que vários quadros podem ser trocados na rede ao mesmo tempo, desde que cada um seja enviado com um dos seis diferentes SFs de SF = 7 a SF = 12 [Ade17].
A camada física LoRa usa modulação de espectro de propagação de chirp (CSS), uma técnica de espectro de propagação em que o sinal é modulado por pulsos de chirp (pulsos sinusoidais de frequência variável), melhorando assim a resiliência e a robustez contra interferência, efeito Doppler e multipercusso. Os pacotes contêm um preâmbulo (com 8 símbolos), um cabeçalho, a carga útil e um campo de verificação de redundância cíclica (CRC) com configurações que fornecem uma taxa de codificação de 4/5 a 4/8. Os valores típicos de BW são 125, 250 e 500 kHz na banda HF ISM 868 e 915 MHz. A taxa de dados teóricos varia de acordo com o SF e o BW, entre 18 b/s (BW = 7,8 kHz e SF = 12) a 37 kb / s (BW = 500 kHz e SF = 7) [Man20].
É esperado que as redes LoRa suportem um grande número de dispositivos trocando dados na camada física. Logo o gerenciamento dos parâmetros de transmissão da camada física desempenha um papel importante na determinação da capacidade e escalabilidade das redes LoRa. Para tal, a especificação LoRaWAN descreve um mecanismo Adaptive Data Rate (ADR) que é um mecanismo para otimizar taxas de dados, tempo no ar e consumo de energia na rede. É recomendado que o ADR seja ativado somente quando o dispositivo final tiver condições suficientemente estáveis. Significando que o recomendado é ativar ADR para dispositivos estáticos [Man20]. Se o dispositivo final puder determinar que as condições são instáveis o ADR deve ser desativado.
No entanto, também é esperado que mesmo em uma rede instável também exista confiabilidade no fluxo de dados, então a implementação de um agente que exerça uma ação semelhante ao do ADR, de maneira inteligente. Como por exemplo: o controle fuzzy, que pode alterar os parâmetros de transmissão dinamicamente a partir de leituras padrões de RSSI, SNR e CRC para então definir o SF e/ou BW [Ade17].
Esta seção apresenta a metodologia empregada neste trabalho. São abordados as campanhas de medições onde dados foram coletados e utilizados para determinar os parâmetros do controle Fuzzy, dos quais os valores mais relevantes para este estudos são os dados de RSSI e SNR, possibilitando desenvolver a proposta de lógica difusa para determinar o SF ótimo de acordo com as condições do canal LoRa. As medições foram realizadas com a frequência de 915Mhz, CRC de 4/5, BW de 125Khz, SF 7 e 12. Por necessidade do estudo, onde visamos enviar a máxima quantidade de informação possível pelo canal o menor CRC foi escolhido, e para resultados iniciais foi usado apenas a BW de 125Khz. O equipamento de transmissão e recepção utilizado foi a plataforma de desenvolvimento Dragino UNO, baseado no transceptor SX1276 configurado com a potência de transmissão de 20dBm. As antenas utilizadas (Tx e Rx) foram do tipo helicoidal, com 3 dBi de ganho.
A lógica fuzzy trabalha, com incertezas e verdades parciais dos fenômenos naturais, de uma maneira sis-temática e rigorosa. Logo para uma rede não estável com incertezas relacionadas ao recebimento dos dados, mostrasse como um forte candidato a oferecer uma maior confiabilidade para rede [Sim99].
De maneira simplificada um controle fuzzy pode ser dividido emquatro passos, onde as entradas são lidas e transformadas em entradas fuzzy (1 -Fuzzyficação), em seguida são aplicadas a um equação característica fuzzy (2 -Inferência fuzzy ), contendo uma lista de regras (3 -Base de Regras) para então por fim gerar uma saída que pode ser lida por um sistema qualquer (4 -Defuzzificação) [Sim99]. Controles fuzzy, tem como principal vantagem em relação a outros algoritmos a não necessidade de treinamento, gerando respostas que satisfazem o sistemas em tempo real [Sim99].
Através de campanhas de medições e manuais dos circuitos integrado usados é possível identificar valores de referencia do RSSI e SNR associados ao local de implementação da rede LoRa, também e possível encontrar os valores máximos e mínimos teóricos, possibilitando associar esses valores para definir os graus de pertinência de cada variável e inferir uma faixa de operação do controle fuzzy. A Tab. 1 mostra a sensibilidade máxima teórica de RSSI e SNR, também mostra os valores de sensibilidade referentes as medições feitas com a família de chips SX12XX [Man20].
Com a aplicação do controle Fuzzy é esperado que o mesmo determine o melhor SF para as condições do canal atual, mesmo quando exposta a situações de instabilidade. A natureza móvel do receptor dentro do cenário é um bom exemplo de rede que se beneficia de uma optimização de SF, devido a elevada variabilidade no canal por decorrência da mudança do ambiente e movimentação do nó, diferente das condições de canal de um enlace. Atribuir o valor de SF dinamicamente de maneira ótima aumenta a probabilidade de recebimento do pacote LoRa e otimizar o consumo energético, através das variações de RSSI, SNR e a confirmação de pacotes.
Os autores agradecem a Universidade Federal do Pará (UFPA), ao PPGEE / UFPA, ao LCT / UFPA e a CAPES pelo suporte e apoio concedido ao desenvolvimento desta pesquisa.