Tóm tắt Đề án Thạc sĩ: Cải thiện hiệu năng mạng LoRa sử dụng kỹ thuật thu thập năng lượng bằng công cụ học sâu

Trong bối cảnh phát triển mạnh mẽ của Internet of Things (IoT) và nhu cầu về các giải pháp kết nối tiết kiệm năng lượng, mạng LoRa (Long Range) nổi lên như một công nghệ tiềm năng. Tuy nhiên, việc tối ưu hóa hiệu năng và quản lý năng lượng hiệu quả trong các mạng này vẫn là một thách thức lớn. Đề án này nhằm mục đích giải quyết vấn đề đó bằng cách tận dụng sức mạnh của học sâu. Cụ thể, chúng tôi đề xuất thiết kế và phát triển một mô hình mạng nơ-ron sâu (DNN) tiên tiến để ước lượng chính xác hiệu năng của mạng LoRa khi tích hợp kỹ thuật thu thập năng lượng, góp phần nâng cao tính bền vững và độ tin cậy của các hệ thống IoT.

Nghiên cứu sinh, sinh viên sau đại học, kỹ sư và nhà nghiên cứu trong lĩnh vực mạng không dây, IoT, viễn thông, và học máy, đặc biệt quan tâm đến tối ưu hóa hiệu năng và quản lý năng lượng trong mạng LoRa.

Đề án này trình bày một phương pháp tiếp cận sáng tạo nhằm nâng cao hiệu năng mạng LoRa thông qua việc tích hợp kỹ thuật thu thập năng lượng và ứng dụng công cụ học sâu. Nội dung chính tập trung vào việc thiết kế một mô hình mạng nơ-ron sâu (DNN) để dự đoán và tối ưu hiệu suất của mạng LoRa. Mô hình này không chỉ phân tích các yếu tố ảnh hưởng đến hiệu năng như tiêu thụ năng lượng, va chạm gói tin và phân bổ tài nguyên mà còn xem xét cách các kỹ thuật thu thập năng lượng (như từ ánh sáng mặt trời, chuyển động, nhiệt) có thể kéo dài tuổi thọ hoạt động của các thiết bị. Phương pháp đề xuất cung cấp một công cụ mạnh mẽ để ước lượng các thông số quan trọng của mạng, từ đó giúp cải thiện độ tin cậy và hiệu quả truyền thông. Mặc dù công trình còn một số hạn chế như việc sử dụng dữ liệu mô phỏng và kiến trúc mạng chưa được tối ưu hoàn toàn, những kết quả đạt được đã chứng minh tiềm năng to lớn của việc áp dụng DNN trong việc quản lý và tối ưu các hệ thống mạng không dây hiện đại, đặc biệt trong bối cảnh IoT và mạng diện rộng tầm xa (LPWAN). Đề án mở ra hướng nghiên cứu mới về việc sử dụng trí tuệ nhân tạo để khắc phục các thách thức về năng lượng và hiệu suất trong các hệ thống truyền thông không dây trong tương lai.