低功耗广域物联网多址接入技术研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:jiaoxuepan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
低功耗广域网(Low Power Wide Area Network,LPWAN)作为一种无线通信技术,为物联网提供了广泛的应用基础,由于具有低功耗、低成本与低吞吐量的特点,LPWAN能够实现海量物联网设备的接入。同时,LPWAN也可应用于大规模接入和低功耗等应用场景,诸如智能电网、智能城市、环境监测等应用。由于LoRa作为LPWAN技术中最前沿的技术之一,本文考虑对其展开深入研究。首先,本文论述了LoRa物理层以及MAC层的相关概念以及性质。关于物理层方面,主要研究了LoRa符号及其性质,并论述了LoRa的调制以及解调过程。关于MAC层方面,则研究了LoRa网络的结构以及各个组成部分的功能。此外还对LoRa的帧结构进行了详细的分析。其次,本文研究了LoRa信号在AWGN信道下误符号率性能,并研究了存在其他LoRa干扰信号时,LoRa调制的误符号率性能。本文根据传输信号和干扰信号的扩展因子(Spreading Factor,SF)相同或不同,分情况进行了推导,并通过适当近似得出了LoRa调制的误符号率的近似表达式,同时分析了不同参数,如信干比、SF等对LoRa调制误符号率性能的影响。最后,本文对LoRa网络的整体性能进行了研究。基于MAC层,计算了LoRa网络的吞吐量表达式以及包的传输成功率性能。之后建立了LoRa网络的系统模型以及信道模型,并对LoRa网络整体性能进行了系统级仿真。虽然LoRa不同SF的信号之间是近似正交的,但仿真结果显示,不同SF的干扰对LoRa网络的性能造成了显著的影响。此外,本文还研究了LoRa网络中的参数配置,即功率控制和SF分配策略对LoRa系统性能的影响。
其他文献
学位
视觉同步定位与建图是一种基于视觉传感器进行定位与场景点云地图构建的重要技术。在室内结构化场景中,因为特征点稀少或区分度不明显SLAM系统容易发生误匹配或者定位精度降低等问题,本文致力于研究基于结构化场景特征的视觉定位与建图算法。主要研究内容如下:(1)提出了一种基于结构化场景的线特征改进算法。在视觉SLAM前端特征匹配过程中,通过包含深度信息的图像提取室内结构化场景的线特征,基于Cayley坐标对
基于无人机的侦察是当今世界各国进行安全侦查的重要手段,其中建筑区低空侦察是安全侦察中的一个重要分支,通过对无人机低空航拍图像进行拼接,可以获得包含丰富信息的高清全景图,有效地提高侦察效率。然而,受制于图像中高建筑物带来的大视差,现有的拼接算法在对建筑区低空航拍图像进行拼接时往往伴随错切、重影等问题。针对上述问题,本文基于高建筑物区域的分割结果提出了两种有效的建筑区低空航拍图像拼接方法:基于大视差补
现代社会的发展对电网供电可靠性要求越来越高,电网发生故障后,如果不能及时恢复,会对社会生产带来严重的影响。目前电网故障恢复过程主要是通过调度人员手工翻阅调度文件,获取相应故障恢复信息后,结合个人经验进行故障恢复,其本质上属于经验型恢复过程,智能化水平有待进一步提高。本文深入分析了知识图谱技术在电网故障恢复领域的优势,提出了构建电网故障恢复知识图谱,将非结构化的故障恢复信息转变为结构化知识进行存储的
社会经济的全面快速发展,推动了人们对于电力行业的需求,同时以窃电为主的异常用电行为事件的发生次数也在逐年攀升,使得电力公司承受了巨大的经济损失,也给国家电网的安全运行造成了一定的安全隐患。传统的防异常用电手段主要以人工稽查的方式为主,会消耗巨大的人力和物力成本,且无法做到实时准确地定位异常用电的电力用户。近年来,智能电网和信息化技术在不断地发展,实现了电网电力负荷数据及时地收集和存储,为用户异常用
学位
学位
现代通信系统中,尤其在即将到来的物联网时代,高速、高稳定性、低功耗、低复杂度和高安全性已经成为常见的通信系统需求,首先高速和高稳定性意味着错误和重传应尽量避免,低密度奇偶校验(low-density parity check,LDPC)码作为5G NR标准中数据传输信道的标准码,同时也在各种标准中广泛使用;低功耗和低复杂度意味着电路规模的限制,在这方面,近似计算涌现成为一种新型的电路设计方法;安全
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)是5G移动通信系统实现高频谱效率和高可靠性的关键技术之一。在基站端配置数十乃至上百的天线能够提高空间分辨率和频谱效率,使得基站同时为更多的用户进行服务。传统的大规模MIMO系统基于集中式架构设计,系统中存在大量的原始数据交互与汇聚,随着天线数量增多,中央处理单元面临总线带宽过大和计算复杂度过高等问题。同时,
MIMO传输因为其极高的频谱利用率成为5G和6G需要进一步扩大使用规模的技术。由于传统的MIMO预编码发送与检测方案,都是基于系统参量的统计模型而设计的,但是系统参量的实际运行并不完全与统计模型吻合,这就使得基于模型设计的发送与检测方案不能达到最佳的效果。为了克服这一困难,学术界提出使用基于数据的机器学习方法,来获得与系统实际场景高度吻合的发送与接收方案。论文围绕MIMO预编码与用户配对问题,研究