Розроблення системи передавання та обробки даних для спеціалізованих ІоТ застосувань
Автор: Вульчак Павло Богданович
Кваліфікаційний рівень: магістр
Спеціальність: Проектування та адміністрування інформаційних комунікаційних мереж
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Магістерська кваліфікаційна робота присвячена дослідженню та розробці системи збору, обробки й передавання даних у контексті Інтернету речей (IoT). У роботі проведено детальний аналіз сучасних технологій, розроблено алгоритми обробки інформації та реалізовано інтегровану систему моніторингу довкілля з використанням інноваційних підходів до роботи з даними. Особливу увагу приділено розробці рішень, що забезпечують ефективність передавання інформації за умов обмежених ресурсів, таких як низьке енергоспоживання та необхідність роботи в умовах великої дальності зв’язку. У першому розділі досліджено ключові аспекти мережевих технологій IoT, методів стиснення даних та аудіокодеків. Проаналізовано популярні протоколи ZigBee, BLE, Wi-Fi, NB-IoT і LoRa, що виявили свої переваги для різних сценаріїв використання [1]. ZigBee й BLE демонструють ефективність для сенсорних мереж із короткою дальністю завдяки низькому енергоспоживанню та гнучким можливостям інтеграції. Wi-Fi підходить для рішень із високою швидкістю передавання даних. Протоколи NB-IoT і LoRa виявились оптимальними для великої дальності та низького енергоспоживання, що робить їх придатними для моніторингу в розподілених системах та віддалених регіонах. Розглянуто методи стиснення даних, які є критично важливими для оптимізації IoT-систем, де обмежені обчислювальні потужності й енергоресурси. Серед безвтратних алгоритмів проаналізовано методи Хаффмана, LZW та RLE, які дозволяють ефективно зменшувати обсяг переданих даних, зберігаючи точність. Методи стиснення з втратами, такі як QEL та автоенкодери, показали свою ефективність у компромісному балансі між зниженням обсягу даних і прийнятною втратою якості, особливо у сфері мультимедіа та обробки сенсорної інформації [2]. У сфері аудіокодеків особливо відзначено Codec 2 за його низькі вимоги до ресурсів, що робить його ідеальним вибором для автономних систем IoT. Кодеки Opus і Speex, зі свого боку, забезпечують високу якість передачі, що важливо для мереж із високими вимогами до аудіо- та мультимедійного контенту. У другому розділі представлено технологію LoRa, яка використовує модуляцію Chirp Spread Spectrum (CSS) для забезпечення стійкого зв’язку навіть за складних умов, таких як багатопроменевість, завмирання сигналу та ефект Доплера. Завдяки цій модуляції технологія LoRa забезпечує передавання даних на великі відстані з низьким енергоспоживанням, що робить її оптимальною для IoT-рішень у сферах екологічного моніторингу, "розумного" сільського господарства та супутникових мереж [3]. Окрім цього, досліджено синусоїдальне кодування мовлення на основі Codec 2, яке дозволяє зберігати ключові характеристики сигналу при значному стисканні. Це забезпечує баланс між якістю передавання та ефективністю використання енергоресурсів. Використання Codec 2 у високошвидкісних режимах передавання дозволяє застосовувати лінійне передбачувальне кодування (LPC), що гарантує точне відображення спектральних характеристик мовлення [4]. У третьому розділі описано практичну реалізацію системи передавання аудіосигналів через LoRa-мережу із використанням Codec 2 на базі апаратної платформи T-Watch S3. Здійснено інтеграцію бібліотек LilyGoLib, LV_Helper і Codec2, що забезпечило оптимальну взаємодію з апаратними компонентами та ефективну обробку сигналу. Розроблені алгоритми управління подіями дозволили досягти надійного запису й передавання аудіосигналів у реальному часі. Налаштування параметрів LoRa, таких як фактор розширення (SF), смуга пропускання (BW) та потужність передавача, забезпечили стабільну роботу системи навіть за умов обмежених ресурсів. Четвертий розділ присвячено розробці інтегрованої системи моніторингу довкілля, яка об’єднує IoT-технології, Telegram-бот і аналітичні інструменти OpenAI GPT. Система збирає дані з кінцевих пристроїв, передає їх через LoRa-мережу на TTN сервер, після чого вони обробляються й відображаються у веб-інтерфейсі [5]. Користувачі отримують персоналізовані рекомендації через Telegram-бот. Це рішення забезпечує зручність користування, оперативність доступу до даних і високий рівень інтерактивності. Експериментальні дослідження продемонстрували, що технологія LoRa із фактором розширення SF = 12 досягає максимальної дальності в 2.01 км, хоча при цьому спостерігається зниження швидкості передавання даних. Інтерактивний підхід до взаємодії з користувачами дозволив досягти гнучкості та високої функціональності системи.