该文档是一篇发表于《IEEE Transactions on Networking》期刊的研究论文，报道了一项原创性研究工作。根据类型a的要求，将生成一份详细的学术报告。

报告标题：无人机辅助LoRa网络数据收集效率提升研究：一种方向性感知的链路模型与PreLoRa系统

一、 主要作者、机构与发表信息 本研究由来自北京邮电大学网络与交换技术国家重点实验室、计算机学院的Jiaqi Zhang, Xiaolong Zheng, Ruinan Li, Liang Liu, Huadong Ma以及日本东北大学信息科学研究生院的Nei Kato合作完成。论文《Improving Data Collection Efficiency of UAV-Assisted LoRa Networks via Directivity-Aware Link Model》已被《IEEE Transactions on Networking》期刊录用，并于近期在线发布（DOI: 10.1109/TON.2025.3559889）。

二、 研究学术背景 1. 主要科学领域： 本研究属于物联网（IoT）、低功耗广域网（LPWAN）与无人机（UAV）通信的交叉领域，聚焦于无线网络物理层与链路层性能优化。

2. 研究动因与背景知识： 随着物联网在森林、水库、海上风电场等偏远、广阔或缺乏基础设施区域的广泛应用，高效的数据收集成为一个关键挑战。结合无人机的高机动性与LoRa技术的远距离、低功耗优势，无人机辅助的LoRa网络成为一种极具潜力的解决方案。在此网络中，搭载LoRa网关的无人机飞越部署了传感器节点的区域，节点在感知到网关接近时上传存储的数据。 然而，现有研究大多关注网络层以上的问题（如路径规划、调度），而忽略了一个关键的物理层现象：天线方向性（Antenna Directivity）在空对地通信场景中的显著影响。普遍使用的全向偶极天线，其辐射能量主要集中在水平方向，在垂直方向（天线正上方或正下方）辐射很弱。在传统的地对地通信中，收发天线大致处于同一平面，方向性影响可忽略。但在空对地场景中，当无人机飞临地面节点正上方时，收发天线的最大辐射方向严重失准，导致接收信号强度（RSS）大幅额外损耗，形成所谓的“数据收集空洞”。

3. 研究目标： 本研究的核心目标是解决由天线方向性引起的空对地链路质量剧变问题，从而显著提升无人机辅助LoRa网络的数据收集效率。具体目标包括： * 量化方向性影响： 建立一个能够准确描述和量化天线方向性对空对地链路质量影响的模型。 * 设计自适应接入方案： 基于该模型，设计一种新颖的、方向性感知的信道接入方案，能够预测链路质量变化，并为地面节点动态调度传输时机、选择最优传输配置。 * 系统实现与验证： 在实际商用LoRa平台上实现该方案，并在广泛的野外环境中进行性能评估，验证其有效性。

三、 详细研究流程 本研究包含从现象发现、理论建模、系统设计到实验验证的完整流程。

流程一：问题发现与初步实验（动机研究） * 研究对象与样本： 研究人员搭建了一个基础的无人机辅助LoRa测试平台。在实验中，一个地面LoRa节点固定部署，一个移动地面网关和一个搭载LoRa网关的无人机分别沿相同的水平直线路径飞行（距离节点中点300米）。 * 实验方法与处理： 地面节点以固定参数（SF=7，功率-10 dBm等）持续发送数据包。研究人员测量并对比了地面网关与无人机网关在不同水平距离（尤其是接近节点时）的吞吐量（Throughput）和接收信号强度（RSS）。 * 关键实验与观察： * 吞吐量对比实验： 当无人机在100米高度飞行时，发现在靠近节点（水平距离50米内）时，其数据收集效率仅为地面网关的55.8%，且在节点正上方出现严重吞吐量下降（“空洞”现象）。此现象随着飞行高度增加（100米，150米，200米）而加剧，在200米高度、节点正上方时，吞吐量仅为地面网关的12.1%。 * 信号强度测量： 记录100米高度飞行时每个接收数据包的RSS。结果显示，随着水平距离减小，RSS出现高达20 dBm的陡降，且近距离时信号波动更大，链路不稳定。 * 传统方案（调整扩频因子-SF）测试： 在150米高度下，测试不同SF（7和9）的性能。虽然SF=9在“空洞”区域因更高的可靠性提升了41.6%的吞吐量，但在链路质量好的远距离区域，其吞吐量（1.6 kbps）反而比SF=7（2.72 kbps）低很多，说明简单地固定使用大SF并非有效解决方案。 * 分析流程： 通过对比实验数据，研究者排除了距离因素（越近信号应越好）是主因，并结合天线辐射理论，将根本原因锁定为天线方向性失准导致的额外信号损耗。

流程二：方向性感知链路模型建立（理论建模） * 研究基础： 基于天线理论中的方向性系数和Friis传输公式。 * 核心方法 - 提出“圆环模型”（Annulus Model）： 1. 方向性损耗建模： 推导出在收发天线均垂直于地面的情况下，接收信号强度 Pre 与无人机高度 h、节点水平距离 l 的关系公式：Pre(h, l) = P‘ * l^4 / (l^2 + h^2)^3。其中，l^4 / (l^2 + h^2)^3 被定义为 位置损耗系数（Location Loss Coefficient） L，它量化了由相对位置引起的方向性损耗。 2. 模型可视化与验证： 绘制不同高度下 L 随水平距离 l 变化的曲线。曲线呈单峰状：距离为零时 L 为零（正上方空洞），随距离增大而上升至峰值后下降。该理论曲线与野外实际测量得到的RSS趋势（图6）基本吻合，验证了模型的合理性。 3. “圆环”概念引入： 传统地面模型认为每个SF的可靠传输区域是一个以节点为中心的圆盘。本研究提出，在空对地场景中，每个SF的可靠传输区域是一个圆环，同时具有内边界和外边界。只有圆环覆盖的区域才是该SF的可靠传输区。更高速率（更小SF）的圆环更窄，且嵌套在更低速率（更大SF）的圆环内部。 4. 边界计算： 根据LoRa解调所需的最小信噪比（SNR），推导出每个SF对应的位置损耗系数阈值 L_thr^SF。对于一个给定的无人机高度 h，求解方程 L(h, l) = L_thr^SF，可以得到两个解，分别对应圆环的内边界距离 l_in^SF 和外边界距离 l_out^SF。圆环模型会随无人机高度动态变化。 * 新颖性： “圆环模型”是首个将天线方向性效应纳入量化考虑，并用于描述空对地LoRa链路质量与相对位置关系的模型。它颠覆了传统圆盘模型认知，为后续的主动调度提供了理论基础。

流程三：PreLoRa系统设计与实现（系统构建） * 系统架构： 采用集中式架构，主要计算负载放在无人机网关上，以节省地面节点的能耗。系统包含网关端和节点端两部分。 * 核心模块与工作流程： 1. 模型建立模块（网关端）： * 节点定位： 无人机网关通过接收来自地面的确认（ACK）包，获取其RSS和自身GPS坐标。利用多次测量数据，通过求解圆交点的方法估计地面节点的位置。 * 参数更新： 利用滑动窗口内接收数据包的样本，实时估算环境噪声功率 P_noise，从而动态更新各SF的阈值 L_thr^SF。结合预计算的 L 值查询表，实现模型参数的在线轻量级更新。 * 边界估计： 采用二分搜索算法，在已知峰值距离 l_max 的两侧区间内，快速高效地搜索出满足 L_thr^SF 的内外边界 l_in^SF 和 l_out^SF，时间复杂度为O(1)。 2. 传输调度模块（网关端）： * SF配置确定： 基于当前无人机的高度、速度、位置以及已建立的圆环模型，预测在未来一个“Ping周期”内，无人机将进入各个SF圆环区域的时刻。通过求解一系列不等式，得到每个SF配置的开始和结束传输时间。 * 生成传输时序序列： 将不同SF的时间区间合并，生成一个优化的传输时序序列。当时间区间重叠时，优先为重叠时段分配更高速率（更小SF）的配置，以最大化数据速率。 * 传输计划制定： 针对每个SF时段，根据其持续时间，计算最多可以发送多少个满载（255字节）数据包，并精确计算最后一个“尾部”数据包的最大允许载荷长度，以充分利用每一个可靠的传输机会，避免长包因跨越边界而失败。 3. 空/地对地/空通信模块： * 采用类似LoRaWAN Class B的机制：网关周期性广播信标（Beacon）用于唤醒和同步节点；节点在指定的“Ping时隙”接收网关下发的个性化传输计划；节点按照计划在精确的时刻、以指定的SF和包长上传数据。 * 多节点并发传输冲突解决 - SF退避算法： 针对节点部署密集时可能发生的并发冲突，提出了SF退避算法。其核心思想是充分利用不同SF的独立信道。当两个节点在最优（高速率）SF上发生时间冲突时，算法会比较它们在冲突时段内的平均链路质量，让链路质量较差的那个节点将其冲突时段内的传输计划“退避”到下一个更低速率（更大SF）的空闲信道上。这牺牲了个别节点的局部最优速率，但保证了传输可靠性，并提高了网络整体吞吐量。 4. 包控制器模块（节点端）： 节点接收到传输计划后，按计划将待传数据分割成指定长度的数据包，并在计划的时间点以指定的SF进行发送。

四、 主要研究结果 结果一：整体性能显著提升。 在广泛的野外实验中（覆盖不同高度区间，总飞行时间达10小时），PreLoRa展现出最优性能。 * 数据包投递率（PDR）： 在最高的飞行高度区间（150-200米），PreLoRa的平均PDR为81.5%，相比反应式配置方法R-ARM（60.6%）、ADR（66.5%）和固定SF的LoRaWAN（18.3%），分别提升了30%、22.6%和高达345.3%。 * 吞吐量（Throughput）： 在相同高度区间，PreLoRa的平均吞吐量为2.83 kbps，全面优于所有基线方法。结果表明，PreLoRa能有效提升单个节点在野外的数据收集效率，且飞行高度越高（空洞范围越大），其性能优势越显著。

结果二：在不同飞行路径下表现稳健。 让无人机沿6条不同水平距离的平行路径飞行。结果显示： * 相比固定SF的LoRaWAN，PreLoRa在所有路径上都显著提升了PDR和吞吐量。 * 相比ADR和R-ARM，PreLoRa在靠近节点的路径上（路径1）优势最大，吞吐量分别高出26%和34.5%。这是因为近距离路径穿越的SF配置边界更密集，链路质量变化更剧烈。PreLoRa基于圆环模型的主动预测和规划能力，使其能比依赖历史测量的被动反应式方法（ADR, R-ARM）更快、更准地适应链路变化。结果印证了路径1（更靠近节点但穿过正上方空洞）的吞吐量低于路径2，与圆环模型的预测一致。

结果三：在高速移动与不可靠链路条件下优势明显。 在节点附近区域（配置边界密集）进行高速（10 m/s）和低速（1 m/s）飞行实验。 * 在高速场景下，PreLoRa保持了与低速场景一致的稳定PDR和吞吐量。 * 而ADR（即使采用更灵敏的新参数设置）和R-ARM的性能在高速下大幅下降。它们的配置切换依赖于对已发送包的反馈，存在固有延迟。在高速移动下，无人机可能在满足切换条件前就已飞出不可靠区域，导致大量丢包。PreLoRa的主动规划机制完美克服了这一问题。

结果四：各子模块性能验证。 * 节点定位精度： 随着上行测量数据包数量的积累，定位误差迅速下降。当累积约70个样本时，定位误差已小于15米，足以支持建立有效的圆环模型。 * 参数更新必要性： 启用参数更新模块后，PreLoRa在不同高度区间的PDR提升了11%到27.5%，吞吐量提升了14.6%到28.6%。证明动态更新模型参数对于适应无人机移动和环境变化至关重要。 * 包长控制有效性： 在边界密集的高速场景下，启用包长控制模块将吞吐量提升了4.5%（低空）至17.9%（高空），证明其能有效防止长数据包因跨越配置边界而失败。 * Ping周期选择： 实验发现Ping周期为10秒时达到最佳吞吐量平衡。周期过短会增加信令开销，周期过长则模型更新不及时导致PDR下降。

结果五：多节点并发传输性能。 在一个9节点的网络中评估。 * 使用SF退避算法后，网络平均PDR提升了102.5%（最高165.5%），平均吞吐量提升了65.4%（最高141.6%）。位于中心、密度高的节点受益最为明显。 * 随着节点密度增加，不使用冲突避免机制时网络性能急剧恶化（9节点时PDR仅35.4%），而PreLoRa通过SF退避算法将PDR维持在76.6%，并将总网络吞吐量从14.22 kbps提升至21.6 kbps（提升51.9%），逼近了有限信道容量的理论上限。

结果六：能耗表现优异。 由于PreLoRa通过主动规划极大减少了数据包重传，其在不同数据块大小下的总能耗均低于依赖重传和被动测量的ADR和R-ARM方法，证明了其能效优势。

五、 研究结论与价值 结论： 本研究成功揭示了天线方向性效应对无人机辅助LoRa网络空对地链路质量的决定性影响，并提出了创新的“圆环模型”对其进行量化。基于此模型设计的PreLoRa信道接入方案，通过主动预测无人机运动轨迹下的链路质量变化，并为中心调度的地面节点预计算和分配最优的传输时序、扩频因子及数据包长度，显著提升了数据收集的可靠性和吞吐量。实际部署验证表明，PreLoRa可将数据收集吞吐量提升最高达65.5%，并能有效解决多节点并发冲突。

价值： * 科学价值： 首次将天线方向性效应系统地纳入空对地物联网链路建模与分析中，提出了颠覆传统认知的“圆环模型”，为空对地通信的物理层研究提供了新的理论工具和视角。 * 应用价值： PreLoRa是一个可直接部署于商用设备的完整系统解决方案，极大地增强了无人机辅助LoRa网络在农业监测、环境感知、灾害救援等野外、无网络覆盖场景下的实用性和数据收集效率，对推动偏远地区物联网应用具有重要现实意义。

六、 研究亮点 1. 重要发现： 首次通过系统的实地测量，发现并证实了在无人机辅助LoRa网络中，由于天线方向性失准导致的“数据收集空洞”现象，这是此前该领域研究普遍忽略的关键物理层问题。 2. 方法新颖性： * 理论模型创新： 提出“圆环模型”，精确刻画了方向性损耗与收发节点相对位置的函数关系，以及每个SF对应的非连续可靠传输区域。 * 系统设计创新： 设计了完整的PreLoRa系统，集成了轻量级在线模型更新、基于二分搜索的快速边界计算、前瞻性的传输调度以及解决并发冲突的SF退避算法。 * 主动优化范式： 区别于传统LPWAN中被动、反应式的配置适应（如ADR），PreLoRa开创了基于模型预测的主动、规划式优化范式，特别适用于高速移动的无人机场景。 3. 研究对象的特殊性： 聚焦于“空对地”这一特殊且日益重要的通信场景，解决了其中独有的、由三维空间几何关系引发的物理层挑战。

七、 其他有价值内容 论文还对相关工作进行了全面梳理，指出了现有研究在UAV辅助LoRa网络、空对地/卫星上行链路测量与建模、以及LoRa配置自适应等方面的工作与不足，明确了本研究的独特贡献和定位。同时，论文详细讨论了PreLoRa在极端高密度节点场景下的潜在扩展方案（如将临近节点视为一个组、或采用分簇策略），为后续研究指明了方向。