《物联网导论》课程教学资源(PPT课件)第15章 低功耗广域网

物联网导论Introduction to Internet of Things第15章低功耗广域网
1 Introduction to Internet of Things 低功耗广域网 15

内容回顾前一章介绍了毫米波感知的前沿技术以及使用毫米波感知进行物联网系统部署的应用案例¥3毫米波雷达振动物体微米级振幅
2 内容回顾 前一章 介绍了毫米波感知的前沿技术以及使用毫米波感知进行物联网系统部署的 应用案例

本章内容15.1低功耗广域网传输高并发通信15.1.1弱信号解码15.1.2自适应参数15.1.315.2无源低功耗广域网15.3低功耗广域网定位与感知3
3 本章内容 低功耗广域网传输 无源低功耗广域网 低功耗广域网定位与感知 15.1 15.2 15.3 15.1.1 高并发通信 15.1.2 弱信号解码 15.1.3 自适应参数

高并发通信研究动机研究者提出Bitflux指标:描述单位面积内应用运行所需的网络吞吐率WANGPRSNB-IoTLTE-MRa2GLoApplication可以满足Zebranet [63]部分满足OTrash can monitoring [4]无法满足CHospital clinic [6]OVolcanomonitoring [61]OCitySee [30,64]?OElectric metering[12, 39]OHabitat monitoring [29]OOH1N1 [22]?OIMT-2020[18,19]OMacroscope[52]OGreenOrbs [33,64]结论:现有LoRa技术无法完全满足大规模物联网系统连接需求提升网络容量、满足系统更高吞吐率需求是LoRa实际应用的必由之路
4 高并发通信研究动机 研究者提出Bitflux指标:描述单位面积内应用运行所需的网络吞吐率 可以满足 部分满足 无法满足 结论:现有LoRa技术无法完全满足大规模物联网系统连接需求 提升网络容量、满足系统更高吞吐率需求是LoRa实际应用的必由之路

并发通信的发展无线网络中,解决数据包冲突方法冲突避免通过调度算法避免多个节点在同一时刻占用同一信道,例如Wi-FiCSMA/CD中的CSMACSMA/CA冲突消除在冲突发生后,根据信号的时域或频域特征,对冲突的数据包信号进行分离和恢复LoRa使用冲突避免方法挑战,信号传输距离远、网络覆盖规模大,节点很难做到可靠的信道状态监听信道监听加大节点的能量消耗,缩短工作寿命5
5 并发通信的发展 无线网络中,解决数据包冲突方法 冲突避免 通过调度算法避免多个节点在同一时刻占用同一信道,例如Wi-Fi 中的CSMA 冲突消除 在冲突发生后,根据信号的时域或频域特征,对冲突的数据包信 号进行分离和恢复 LoRa使用冲突避免方法挑战 • 信号传输距离远、网络覆盖规模大,节点很难做到可靠的信道状态监听 • 信道监听加大节点的能量消耗,缩短工作寿命

LoRa冲突避免:LMAC方法借助LoRa芯片的信道活动侦听(channelactivitydetection,CAD)功能,配合LoRa网关,实现对信道状态的分布式侦听结果相比于传统LoRaWAN协议,网络吞吐率提升了2.2倍,设备的连接性得到明显改善CH-1,SF=7TINBo=2MCUA233]RadioTXtime222333TXRadioBMCU[LCH=1, SF=7↑NBo=3time图 BO口ReconfigDIFSJSuccessFailureLMAC方法原理图6
6 LoRa冲突避免:LMAC 方法 借助LoRa芯片的信道活动侦听(channel activity detection,CAD)功能,配合LoRa 网关,实现对信道状态的分布式侦听 结果 相比于传统LoRaWAN协议,网络吞吐率提升了2.2倍,设备的连接性得到明显改善 LMAC方法原理图

LoRa冲突消除:Choir方法利用不同硬件的频率偏移特征来分离冲突数据包冲突解码原理在接收端,来自不同节点的数据包信号具有不同的频率偏移根据该频率偏移将不同LoRa编码符号对应到不同的发送节点f+fiymbolSymbol儿1+8f2发送端与接收端晶振频率有差异User1User2Choir方法原理图
7 LoRa冲突消除:Choir 方法 利用不同硬件的频率偏移特征来分离冲突数据包 冲突解码原理 • 在接收端,来自不同节点的数据包信号具有不同的频率偏移 • 根据该频率偏移将不同LoRa编码符号对应到不同的发送节点 发送端与接收端晶振频率有差异 Choir方法原理图

LoRa冲突消除:mLoRa方法nodaA利用信号时域到达时间差消除冲突E冲突解码原理多个数据包先后抵达网关发生冲突接收信号起始部分无冲突且可被正Gateway常提取利用无冲突信号,提取冲突信号中一个正确的符号内容,构造出该符号并将其从冲突信号中消去从剩余信号中得到新的一段非冲突的信号,重复上述操作,直至所有冲突数据包分离mLoRa方法原理图8
8 LoRa冲突消除:mLoRa 方法 利用信号时域到达时间差消除冲突 冲突解码原理 • 多个数据包先后抵达网关发生冲突, 接收信号起始部分无冲突且可被正 常提取 • 利用无冲突信号,提取冲突信号中 一个正确的符号内容,构造出该符 号并将其从冲突信号中消去 • 从剩余信号中得到新的一段非冲突 的信号,重复上述操作,直至所有 冲突数据包分离 mLoRa方法原理图

LoRa冲突消除:CoLoRa方法Packet-A利用信号时频域特征实现低信噪比信Packet-B号冲突消除冲突解码原理使用错位接收窗口,将每一编码符号切割并变换为两段频率相同的傅本源里叶波峰,结合波峰高度信息对不同数据包的符号进行聚类、分离和Down-Chirp时间并发解码基于频域波峰特征分析,将冲突数据包的时间偏移转化为显著的频域fo frfof频率波峰差异,并发解码并保持较高的CoLoRa方法原理图噪声容忍能力9
9 LoRa冲突消除:CoLoRa 方法 利用信号时频域特征实现低信噪比信 号冲突消除 冲突解码原理 • 使用错位接收窗口,将每一编码符 号切割并变换为两段频率相同的傅 里叶波峰,结合波峰高度信息对不 同数据包的符号进行聚类、分离和 并发解码 • 基于频域波峰特征分析,将冲突数 据包的时间偏移转化为显著的频域 波峰差异,并发解码并保持较高的 噪声容忍能力 频率 时间 强度 频率 Packet-A Packet-B f0 f1 f0 f1 Down-Chirp CoLoRa方法原理图

LoRa冲突消除:NScale方法基于信号在时间窗口内分布差异分离冲突冲突解码原理在时域上,不同数据包的Chirp在同一接收窗口内具有不同的时间分布特征接收窗口中不同位置的Chirp信号的振幅缩放的幅度不同非均匀缩放将Chirp的时间分布转化为波峰高度缩放值αi具有相同缩放因子的峰值属于同一数据包将数据包之间微小的时域差异转化为稳定的频域特征3PacketAFrequency非均匀振幅缩放ChirpPacketB②3WVDemodulationWindowFrequencyNScale方法原理图10
10 LoRa冲突消除:NScale 方法 基于信号在时间窗口内分布差异分离冲突 冲突解码原理 𝑖 在时域上,不同数据包的Chirp在同一接收窗口内具有不同的时间分布特征 接收窗口中不同位置的Chirp信号的振幅缩放的幅度不同 非均匀缩放将Chirp的时间分布转化为波峰高度缩放值 𝛼 • 具有相同缩放因子的峰值属于同一数据包 • 将数据包之间微小的时域差异转化为稳定的频域特征 Demodulation Window Packet A Packet B 非均匀振幅缩放Chirp NScale方法原理图
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 《物联网导论》课程教学资源(PPT课件)第14章 毫米波感知.pptx
- 《物联网导论》课程教学资源(PPT课件)第13章 无源感知系统.pptx
- 《物联网导论》课程教学资源(PPT课件)第12章 智慧工业.pptx
- 《物联网导论》课程教学资源(PPT课件)第11章 智慧供应链.pptx
- 《物联网导论》课程教学资源(PPT课件)第10章 智能建筑.pptx
- 《物联网导论》课程教学资源(PPT课件)第6章 新兴通信技术.pptx
- 《物联网导论》课程教学资源(PPT课件)第5章 移动互联网.pptx
- 《物联网导论》课程教学资源(PPT课件)第4章 感知技术.pptx
- 《物联网导论》课程教学资源(PPT课件)第3章 定位系统.pptx
- 《物联网导论》课程教学资源(PPT课件)第2章 识别技术.pptx
- 《物联网导论》课程教学资源(PPT课件)第1章 物联网概述 Introduction to Internet of Things.pptx
- 《物联网导论》课程教学资源(PPT课件)第9章 智能交通.pptx
- 《物联网导论》课程教学资源(PPT课件)第8章 物联网与隐私.pptx
- 《物联网导论》课程教学资源(PPT课件)第7章 物联网与安全.pptx
- 《数据结构》课程教学大纲.pdf
- 《数据结构》课程教学大纲.pdf
- 《J2SE程序设计基础》课程教学课件(PPT讲稿)第6章 GUI(图形用户界面).pptx
- 《J2SE程序设计基础》课程教学课件(PPT讲稿)第4章 面向对象(下).ppt
- 《J2SE程序设计基础》课程教学课件(PPT讲稿)第3章 面向对象(上).ppt
- 《J2SE程序设计基础》课程教学课件(PPT讲稿)第2章 Java编程基础.pptx
- 《物联网导论》课程教学资源(PPT课件)第16章 SLAM空间智能计算.pptx
- 佛山大学(佛山科学技术学院):2022年版物联网实验课程教学大纲汇编.pdf
- 佛山大学(佛山科学技术学院):2022年版智能科学与技术专业理论课程教学大纲汇编.pdf
- 佛山大学(佛山科学技术学院):2022年版物联网实践课程教学大纲汇编.pdf
- 佛山大学(佛山科学技术学院):2022年版计算机科学与技术专业理论课程教学大纲汇编.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)02 What is NLP, why NLP and How NLP.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)01 About the course.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)03 Fundamental Tasks of NLP.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)04 Language Model & Distributed Representation(1/6).pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)06 Language Model & Distributed Representation(3/6).pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)05 Language Model & Distributed Representation(2/6).pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)07 Language Model & Distributed Representation(4/6).pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)08 Language Model & Distributed Representation(5/6).pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)09 Language Model & Distributed Representation(6/6).pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)12 sentiment analysis.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)11 coreference resolution.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)10 information extraction.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)15 Machine translation.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)14 Question Answering.pdf
- 《深度自然语言处理》课程教学课件(Natural language processing with deep learning)16 Natural Language Generation.pdf
