Proposta de Controle de Espalhamento Espectral Utilizando Aprendizado por Reforço Profundo para Otimização do Desempenho de Redes LoRa/LoRaWAN

O número de dispositivos de Internet das Coisas (IoT) conectados cresce cada vez mais e tende a aumentar nos próximos anos, principalmente com a chegada das redes 5G. Isso resultará em um intenso tráfego de dados no sistema de comunicação, podendo prejudicar a qualidade de transmissão devido aos congestionamentos e perdas de pacote por colisão. O objetivo desse artigo e propor um método inteligente baseado em redes Deep Q Networks (DQN), onde o agente é treinado para aprender uma política de ações envolvendo parâmetros de modulação do protocolo LoRa, de forma que a conexão multiusuário seja otimizada. A metodologia de desenvolvimento desse artigo é por meio de simulações computacionais. Os resultados apontam para uma técnica de otimização e controle promissora.