LEAP: An Adaptive Transmission Strategy for Energy-efficient Positioning in LoRaWAN Networks

Publicación del proyecto · DCOSS-IoT 2026

Resumen

LEAP coordina la localización y las transmisiones de dispositivos LoRaWAN para mejorar la precisión de posicionamiento con un consumo energético reducido.

Predecir posiciónAdaptar SF y potenciaLocalizar por RSSI
Esquema explicativo de elaboración propia basado en LEAP: predicción, adaptación de transmisión y localización. DOI

Indicadores bibliométricos

Cuartil JCRNo aplicable
Factor de impactoNo aplicable
Citas en Google Scholar0
Área JCR
Comunicación en congreso
Año JCR
No aplicable
Consulta Scholar
26 octubre 2026

Contribución principal

El sistema combina predicción de posición mediante filtrado de Kalman, filtrado basado en centroides y un historial de alcance hacia las pasarelas. Con la conectividad prevista adapta el factor de ensanchamiento y la potencia de transmisión, en lugar de optimizar por separado comunicación y localización.

Resultados y alcance

El trabajo comunica reducciones del error de posicionamiento de hasta el 49%, capacidad de posicionamiento del 78-94% y un funcionamiento situado entre el 5,8% y el 13,3% del rango de energía de transmisión del sistema evaluado. Estos valores dependen de las condiciones del estudio y no equivalen a una garantía de precisión o ahorro para cualquier despliegue.

Relación con BoND1

La contribución aborda dos objetivos de BoND1 en redes no celulares: sostenibilidad y escalabilidad. Aprovecha la infraestructura LoRaWAN para localizar dispositivos y ajusta su transmisión según movilidad y alcance, reduciendo el coste de comunicación de aplicaciones IoT sensibles a la ubicación.

EditorialDOI

Project publication · DCOSS-IoT 2026

Summary

LEAP coordinates positioning and transmission control in LoRaWAN devices to improve location accuracy while limiting transmission energy.

Predict positionAdapt SF and powerPosition using RSSI
Original explanatory diagram based on LEAP: prediction, transmission adaptation and positioning. DOI

Main contribution

The system combines Kalman-filter position prediction, centroid-based filtering and a history of gateway reachability. Predicted connectivity drives adaptation of the spreading factor and transmission power, rather than treating communication and positioning as independent optimization problems.

Results and scope

The paper reports up to 49% lower positioning error, 78-94% positioning ability and operation within 5.8-13.3% of the evaluated system's transmission-energy range. These figures depend on the study conditions and do not guarantee the same accuracy or savings in every deployment.

Link with BoND1

The contribution addresses BoND1's sustainability and scalability objectives for non-cellular networks. It uses LoRaWAN infrastructure for positioning and adapts transmission to mobility and reachability, reducing communication costs for location-aware IoT applications.

PublisherDOI

Scroll al inicio