Oleh = Mochammad Haldi Widianto

Penerapan Internet-of-Things (IoT) semakin menggabungkan teknologi komunikasi jarak jauh. Teknologi nirkabel jarak jauh dan jaringan area luas berdaya rendah (LPWAN) dikembangkan untuk mengisi kesenjangan antara protokol jarak pendek dan GSM. Teknologi LPWAN meminimalkan kompleksitas penerapan, sekaligus menawarkan perlindungan yang panjang dalam urutan kilometer. Teknologi LPWAN seperti LoRa banyak digunakan untuk aplikasi. Dengan perkembangan Internet of Things yang berkelanjutan, berbagai perangkat terminal berdasarkan teknologi LoRa meningkat, Sistem Pesan Berbiaya Rendah dan Daya Rendah, pemancar LoRa, dll, banyak digunakan di berbagai bidang. LoRa menawarkan berbagai solusi untuk area yang berbeda untuk memenuhi kebutuhan fungsional dari skenario yang berbeda. Dengan meningkatnya penerapan LoRa, sinyal LoRa perlu dideteksi secara membabi buta di pita frekuensi tertentu, kemudian parameter seperti frekuensi pusat dan bandwidth sinyal LoRa perlu diestimasi. Sebuah arsitektur jaringan baru, disebut jaringan tertantang generasi berikutnya (X-CHANT) diusulkan di atas kertas. Dalam Arsitektur X-CHANT, perlu untuk merasakan keberadaan sinyal seperti LoRa di jaringan. Di kertas, jelaskan kerentanan keamanan LoRa. Ini menganalisis tumpukan jaringan LoRa dan membahas kemungkinan kerentanan perangkat LoRa terhadap berbagai jenis serangan menggunakan perangkat keras komersial. Perlu untuk mendeteksi serangan LoRa.

Dalam artikel ini, untuk melakukan identifikasi dan estimasi parameter sinyal LoRa, sebuah metode yang diusulkan. Ini menggunakan multi-node untuk mengidentifikasi dan memperkirakan sinyal LoRa dengan menggunakan deteksi energi dan jaringan saraf. Setiap node melatih jaringan saraf secara terpisah. Setelah menyelesaikan deteksi lokal, unggah data deteksi ke pusat fusi data untuk diproses lebih lanjut, dan selesaikan pemrosesan deteksi kolaboratif multi-node. Untuk meningkatkan laju reaksi deteksi, node deteksi terutama menggunakan platform radio perangkat lunak. Data fusion center mengolah data dengan peningkatan algoritma k-means. Dengan demikian meningkatkan kemungkinan deteksi kooperatif multi-node dari deteksi sinyal LoRa.

Gambar 1. Skema Sistem

Diagram blok dari skema sistem ditunjukkan pada Gambar. 1. Seluruh sistem terutama dibagi menjadi tiga bagian: node pemantauan portabel, server cloud, dan aplikasi pengguna. Server cloud sebagai pusat fusi data untuk menyelesaikan pemrosesan fusi data multi-node, hasil identifikasi diunggah ke server cloud. Struktur Node pemantauan ditunjukkan pada Gambar 2. Node pemantauan meliputi RF Front-End, platform perangkat keras platform radio perangkat lunak, algoritma pemrosesan data sinyal, dan perangkat lunak visual. Front-End Frekuensi Radio mencakup antena, filter lolos-rendah tahap pertama, penguat kebisingan rendah, dan filter lolos-rendah tahap kedua. Node monitoring menerima sinyal LoRa dari berbagai arah, kemudian melakukan proses filtering dan amplifikasi untuk mendapatkan sinyal LoRa yang diperkuat. LimeSDR yang peneliti gunakan adalah perangkat lunak platform radio perangkat lunak sumber terbuka, yang berukuran kecil. Ini mendukung rentang frekuensi 100KHz-3.8GHz untuk konversi turun sinyal nirkabel dan pemrosesan digital. Algoritma pemrosesan sinyal mencakup algoritma deteksi energi dan algoritma identifikasi modulasi jaringan saraf LoRa. Ini dapat mengidentifikasi sinyal LoRa dan memperkirakan parameter seperti frekuensi pusat dan bandwidth. Perangkat lunak visual dari node pemantauan digunakan untuk kontrol perangkat keras dan tampilan hasil deteksi.

Gambar 2. Struktur monitoring node

untuk melakukan pengujian pendahuluan di Universitas Northwest. Node pemantauan yang berbeda ditempatkan di bangunan gedung yang berbeda. Kemudian sinyal LoRa dengan frekuensi 433 MHz, bandwidth 62,5 KHz, ditransmisikan pada posisi yang berbeda dengan menggunakan sumber sinyal berdaya tinggi yang berbeda. node pemantauan ditunjukkan pada Gambar 9. Peta distribusi lokasi penempatan perangkat node dan TABEL I menunjukkan tingkat pengenalan beberapa jaringan saraf LoRa dan kesalahan estimasi parameter deteksi energi.

Gambar 3. Struktur monitoring node

Tabel 1. Hasil Simulasi

 

Dalam makalah ini, diusulkan skema sistem pemantauan sinyal LoRa dan metode pemantauan platform radio perangkat lunak multi-node. Sinyal LoRa diproses sebelumnya dan informasi parameter diekstraksi, dan node pemantauan memanfaatkan kombinasi jaringan saraf dan deteksi energi untuk mendeteksi sinyal LoRa dan estimasi parameter. Node pemantauan menggunakan antena omnidirectional untuk mendeteksinya secara terpisah. Data fusion center mengolah data dengan peningkatan algoritma kmeans. Pusat fusi melakukan pemrosesan fusi, sehingga meningkatkan kemungkinan deteksi sinyal LoRa. pekerjaan masa depan, peneliti akan meningkatkan desain node pemantauan untuk meningkatkan akurasi estimasi parameter dan mengurangi kesalahan pengenalan. Dan peneliti akan meningkatkan struktur jaringan saraf untuk meningkatkan tingkat pengenalan sinyal lora.

Referensi :

  1. Yunhui Yi, Hailang Zhao, Yisu Wang, “LoRa Signal Monitoring System of Multi-Node Software Define Radio” State Key Laboratory of Integrated Service Networks, Xidian University, Xi’an 710071, China