基于匹配理论的LoRa参数双重匹配优化

将LoRaWAN中的资源分配设定为扩频因子分配和信道分配的优化问题，特别是在LoRaWAN中有大量连接设备的情况下，以保证有限频谱资源的LoRa用户之间的吞吐量公平性。首先，引入匹配理论，将LoRa用户与信道和LoRa用户与扩频因子视为匹配双方，为了最大化它们的效用，提出了一种基于匹配的信道与扩频因子分配算法MSFCAA。然后，以匹配理论为基础，以最大化效用为目标，以最优化网络信道与扩频因子分配为结果，最大限度地提高LoRaWAN中实现的最小信道容量。同时，还提出一种公平传输时间初始化算法，以保证每组参数的吞吐量公平性。仿真结果表明，公平传输时间初始化算法能获得优于其他分配方案的初始分配结果，基于匹配的信道与扩频因子分配算法能显著提升LoRa网络数据提取率并极大降低网络能耗。     

基于烟花爆炸式混合蛙跳算法的LoRa网络参数分配策略

为了改善LoRa传输过程中的干扰冲突问题,提出了一种基于烟花爆炸式混合蛙跳算法的LoRa网络参数分配策略。首先,针对混合蛙跳算法存在易早熟、易陷入局部最优等不足,改变分配种群方式,同时引入反向学习、自适应烟花爆炸机制和高斯变异算子提高算法的搜索性能。其次,以最大化节点平均传输成功率为优化目标,并将接收灵敏度作为约束系数,保证信息能够被接收的前提下分配最佳参数。仿真结果表明,所提的分配策略优于其他分配方案,能显著降低节点碰撞概率,提高节点信息接收率。