Time-Constrained Erasure Correction for Data Recovery in UAV-Aided IoT

Sintesi Tecnica: Correzione dell'Erasure con Vincoli Temporali per il Recupero dei Dati in Scenari UAV-IoT

Definizione del Problema
Il documento affronta la sfida di migliorare l'affidabilità dell'uplink nelle reti Internet of Things (IoT) in cui Veicoli Aerei Non Presidiati (UAV) fungono da gateway mobili per la raccolta di dati da nodi sensoriali a terra. Nei tipici scenari assistiti da UAV, i sensori trasmettono dati a un UAV in volo stazionario, il quale poi li inoltra a un sink. Tuttavia, questi link sensore-UAV sono intrinsecamente soggetti a perdite a causa della bassa potenza di trasmissione, delle interferenze e della durata limitata della finestra di volo stazionario dell'UAV.

I metodi esistenti di correzione dell'erasure, come la replicazione dei messaggi e il fountain coding, affrontano vincoli specifici in questo ambiente:

1. Vincoli Temporali: Il tempo limitato di volo stazionario dell'UAV restringe il numero di frame ridondanti che un sensore può trasmettere.
2. Rischi di Collisione: In un cluster multi-sensore che utilizza l'accesso casuale (random access), una ridondanza eccessiva può aumentare le collisioni tra i frame, potenzialmente degradando le prestazioni invece di migliorarle.
3. Condizioni Variabili: I sensori possono attivarsi in momenti diversi durante la visita dell'UAV, portando a tempi di contatto residui variabili.
4. Limitazioni del Protocollo: Sebbene il protocollo Time Division Multiple Access (TDMA) possa eliminare le collisioni, esso richiede una fase di configurazione della connessione affidabile (per apprendere la presenza dei sensori e la dimensione dei dati), il che aggiunge complessità e latenza. L'accesso casuale evita questo problema ma soffre delle collisioni.

Metodologia
Gli autori propongono due schemi di correzione dell'erasure adattivi progettati per uno scenario di accesso casuale utilizzando Wake-up Radios (WuR) e tecnologia Long Range (LoRa). Il modello di sistema assume $n$ sensori, ciascuno dotato di un transceiver LoRa e di un basso consumo di energia WuR. L'UAV vola stazionario per $N_s$ slot temporali, trasmettendo chiamate di risveglio (Wake-up Calls - WuC) contenenti informazioni sugli slot. I sensori si attivano al ricevimento di una WuC e devono trasmettere $\beta$ messaggi entro gli slot rimanenti.

L'innovazione principale è la selezione adattiva della ridondanza basata sul tempo di contatto residuo ($\gamma(i)$) disponibile per un sensore che si attiva nello slot $i$. Gli schemi trasmettono fino a $\beta + \varepsilon$ frame, dove $\varepsilon$ è il budget di ridondanza.

1. Schema di Fountain Coding:

   • Se gli slot rimanenti $\gamma(i)$ sono sufficienti per trasmettere $\varepsilon$ frame ridondanti ($\gamma(i) \ge \varepsilon$), il sensore codifica i $\beta$ messaggi sorgente in $\beta + \varepsilon$ combinazioni lineari (messaggi codificati) utilizzando codici a fontana lineare casuale su un campo di Galois. Questi vengono trasmessi su slot scelti casualmente.
   • Se $\gamma(i) < \varepsilon$, il fountain coding viene saltato. Il sensore trasmette quanti più messaggi non codificati possibile entro gli slot rimanenti.
   • La decodifica ha successo se il ricevitore ottiene $\beta$ combinazioni linearmente indipendenti.

2. Schema di Replicazione dei Messaggi:

   • Se $\gamma(i) \ge 0$, il sensore calcola il numero di copie complete ($m_q$) e il resto ($m_r$) dei messaggi che possono essere inviati. I messaggi vengono replicati $m_q+1$ o $m_q$ volte a seconda del budget di ridondanza disponibile.
   • Se $\gamma(i) < 0$ (tempo insufficiente per tutti i messaggi originali), il sensore seleziona casualmente un sottoinsieme di messaggi da trasmettere, scartando gli altri.

Contributi Chiave
Il documento rivendica i seguenti contributi:

• Schemi Innovativi: Elabora due schemi di correzione dell'erasure specificamente per il recupero dati UAV-IoT: uno che utilizza il fountain coding e uno che utilizza la replicazione dei messaggi. Gli autori affermano che questa è la prima indagine di questo tipo per questo specifico scenario.
• Ridondanza Adattiva: A differenza della ridondanza statica convenzionale, questi schemi determinano dinamicamente la quantità di ridondanza in base al tempo di contatto residuo del mittente con l'UAV, permettendo l'adattamento a durate di volo variabili.
• Design Pratico: Il design è illustrato per una configurazione pratica che coinvolge WuR per l'attivazione e LoRa per il trasferimento dei dati con accesso casuale.
• Modellazione Analitica: Gli autori sviluppano modelli analitici per prevedere la probabilità di consegna del messaggio (MDP) per entrambi gli schemi, tenendo conto delle probabilità di successo della trasmissione dipendenti dallo slot e della dinamica delle collisioni.

Risultati delle Prestazioni
I risultati numerici, ottenuti tramite simulazioni MATLAB con 30 sensori, un'altitudine dell'UAV di 10 m e fading Nakagami-m, evidenziano quanto segue:

• Confronto con i Baseline: Entrambi gli schemi proposti superano costantemente uno schema standard di accesso casuale (senza correzione dell'erasure).
• Fountain vs. Replication: Il fountain coding generalmente supera la replicazione dei messaggi perché ogni frame codificato trasporta informazioni su tutti i messaggi sorgente, mentre la replicazione protegge solo frame specifici. Tuttavia, il fountain coding è sensibile al numero di erasure; se il numero di frame persi supera la capacità di ridondanza, la decodifica fallisce.
• Impatto dei Parametri:
  • Probabilità di Wake-up ($P_b$): Gli schemi proposti sono robusti anche quando $P_b$ è basso. Al contrario, un benchmark TDMA si comporta male quando $P_b$ è basso perché i sensori non riescono a svegliarsi e a ricevere le assegnazioni degli slot temporali. Il TDMA supera i schemi proposti solo quando $P_b > 0.9$.
  • Tempo di Volo Stazionario: Le prestazioni migliorano con tempi di volo più lunghi grazie alla riduzione della probabilità di collisione. Per tempi di volo brevi, la replicazione dei messaggi con bassa ridondanza ($\varepsilon=1$) offre un miglioramento minimo, mentre il fountain coding può performare peggio se la ridondanza è insufficiente per correggere molteplici erasure.
  • Densità dei Nodi: All'aumentare del numero di sensori, i tassi di collisione aumentano, degradando tutti gli schemi. Tuttavia, con una ridondanza sufficiente ($\varepsilon=3$), i schemi proposti mantengono un vantaggio rispetto al baseline.

Significatività e Rivendicazioni
Il documento conclude che questi schemi offrono un metodo per migliorare le prestazioni di raccolta dati nelle reti UAV-IoT senza incorrere nell'elevato overhead di complessità del TDMA o nei rischi di affidabilità del puro accesso casuale. Adattando la ridondanza ai vincoli temporali specifici della visita dell'UAV, gli schemi sono posizionati per beneficiare di casi d'uso a bassa quota come l'agricoltura di precisione e il monitoraggio delle infrastrutture. Gli autori inquadrano modestamente il lavoro come una filosofia di design e un framework analitico che affronta il vuoto nella letteratura esistente riguardante la correzione dell'erasure sotto tempi di contatto variabili e vincoli energetici nei cluster UAV-IoT.