Oleh ;  Mochammad Haldi Widianto

 

Dengan meningkatnya aplikasi LoRa, sinyal LoRa perlu dideteksi secara membabi buta pada pita frekuensi tertentu, dan kemudian parameter seperti frekuensi tengah dan bandwidth sinyal LoRa perlu diestimasi. Arsitektur jaringan baru, yang disebut jaringan tertantang generasi berikutnya (X-CHANT) diusulkan dalam penelitian ini. Dalam Arsitektur X-CHANT, perlu untuk merasakan keberadaan sinyal seperti LoRa dalam jaringan. Dalam penelitian ini, jelaskan kerentanan keamanan LoRa. Ini menganalisis tumpukan jaringan LoRa dan mendiskusikan kemungkinan kerentanan perangkat LoRa terhadap berbagai jenis serangan menggunakan perangkat keras komersial. Hal ini diperlukan untuk mendeteksi serangan LoRa. Ada skema atau perangkat deteksi sinyal nirkabel konvensional, seperti sistem deteksi sinyal nirkabel, penganalisis spektrum, dll. Mereka dapat mendeteksi semua sinyal nirkabel termasuk sinyal LoRa, yang memiliki batasan tertentu. Dekoder perangkat lunak multi-saluran untuk skema modulasi LoRa diusulkan dalam makalah. Ini mendeteksi dan memecahkan kode sinyal LoRa sesuai dengan karakteristik LoRa. Dalam penelitian ini, itu menggunakan SDR untuk mencapai decoding LoRa, dan algoritma pemutihan. Tetapi mereka diimplementasikan dengan beberapa parameter yang diketahui, seperti faktor penyebaran yang diketahui dan sejenisnya.

Gambar 1. Sistem Diagram dan Skema

Monitoring Mode

Node pemantauan adalah perangkat portabel berdasarkan platform perangkat lunak radio LimeSDR. Node pemantauan menggunakan antena omnidirectional untuk menerima sinyal nirkabel, pemfilteran dan penguatan sinyal Radio Frequency Front-End lengkap, dan perangkat keras LimeSDR melakukan pemrosesan sinyal seperti konversi turun. Bagian dari perangkat lunak menyelesaikan identifikasi sinyal LoRa dan estimasi parameter. Hasil identifikasi node pemantauan 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 low-pass tahap pertama, amplifier low-noise, dan filter low-pass tahap kedua. Node pemantau menerima sinyal LoRa dari arah yang berbeda, kemudian melakukan penyaringan dan pemrosesan amplifikasi untuk mendapatkan sinyal LoRa yang diperkuat. LimeSDR yang  digunakan adalah perangkat keras platform radio perangkat lunak open source, yang berukuran kecil. Mendukung rentang frekuensi 100KHz-3.8GHz untuk konversi sinyal nirkabel dan pemrosesan digital. Algoritme pemrosesan sinyal mencakup algoritme deteksi energi dan algoritme identifikasi modulasi jaringan saraf LoRa. Ini dapat mengidentifikasi sinyal LoRa dan memperkirakan parameter seperti frekuensi pusat dan bandwidth. Perangkat lunak visual node pemantauan digunakan untuk kontrol perangkat keras dan tampilan hasil deteksi detectionB. Sigfox

Gambar 2. Struktur Monitoring Mode

Sistem Tes

Kampus Universitas Northwestern Kampus Chang’an relatif besar, Bagus untuk pengujian, jadi putuskan untuk melakukan pengujian awal 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 daya tinggi yang berbeda. Ada dua perangkat sumber sinyal yang ditunjukkan pada Gambar. 3 dan node pemantauan ditunjukkan pada Gambar 4.

Gambar 3. Alat testing

Gambar 4. Monitoring Mode

Dalam penelitian 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 menggunakan 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 penyempurnaan algoritma kmeans. Pusat fusi melakukan pemrosesan fusi, sehingga meningkatkan kemungkinan deteksi sinyal LoRa. Sebagai pekerjaan di masa depan, kami akan meningkatkan desain node pemantauan untuk meningkatkan akurasi estimasi parameter dan mengurangi kesalahan pengenalan. Dan kami akan meningkatkan struktur jaringan saraf untuk meningkatkan tingkat pengenalan sinyal lora.

Reference

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