CN115243316A - 一种LoRa网络数据聚合的实现方法与装置 - Google Patents

一种LoRa网络数据聚合的实现方法与装置 Download PDF

Info

Publication number
CN115243316A
CN115243316A CN202210861418.6A CN202210861418A CN115243316A CN 115243316 A CN115243316 A CN 115243316A CN 202210861418 A CN202210861418 A CN 202210861418A CN 115243316 A CN115243316 A CN 115243316A
Authority
CN
China
Prior art keywords
probability
data
symbol
node
bit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210861418.6A
Other languages
English (en)
Inventor
游理钊
汤智榕
付立群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen University
Original Assignee
Xiamen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiamen University filed Critical Xiamen University
Priority to CN202210861418.6A priority Critical patent/CN115243316A/zh
Publication of CN115243316A publication Critical patent/CN115243316A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/04—Error control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0071—Use of interleaving
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W56/00—Synchronisation arrangements
    • H04W56/001—Synchronization between nodes
    • H04W56/002—Mutual synchronization
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Error Detection And Correction (AREA)

Abstract

一种LoRa网络数据聚合的实现方法与装置，涉及物联网通讯技术领域。装置依次设有前导码检测模块、偏移及信道估计模块、符号解调模块和信道解码模块。在频域对偏移及信道参数进行粗估计及联合细估计；基于估计结果及各解调窗口中的峰值位置，生成符号序列，并计算对应似然概率；保留K组概率最大的序列及对应概率供后续信道解码使用；针对K组概率最大的序列及对应概率输入，将符号级软概率转换成比特级软概率；对格雷映射操作实现软概率转换；经解交织、汉明软解码及解白化得每个节点的信道解码数据输出。该方法与装置解决LoRa并发传输时数据符号碰撞问题，提高时间同步叠加信号解码与聚合性能，降低数据聚合时延。

Description

一种LoRa网络数据聚合的实现方法与装置
技术领域
本发明涉及物联网通讯技术领域，尤其是涉及基于并发传输的一种LoRa网络数据聚合的实现方法与装置。
背景技术
在数据聚合查询应用场景中，LoRa网关需收集网络中LoRa传感器节点感知数据的聚合函数(例如总和、平均值、最小值和最大值)。为完成LoRa数据聚合查询，业界普遍采用如下方法：(1)基于商用LoRa节点的ALOHA协议。由于ALOHA协议没有载波监听，当存在大量LoRa节点接入时，信号碰撞严重，导致聚合时延长，因此***吞吐量较低。(2)采用TDMA协议，即LoRa网关协调LoRa节点采用时域正交的方式接入信道。采用TDMA进行数据聚合虽然不会产生碰撞，但其传输时延依然很长，因为LoRa传输的数据速率很低，数据包本身传输时间长，时域正交的方式导致整体数据聚合时间更长。上述两个方法都对快速数据聚合提出了挑战。
为了解决这些问题(碰撞严重、聚合查询时间长)，业界存在一些基于并发传输的LoRa网络数据聚合技术。若干个LoRa节点同时传输其感知的数据，LoRa网关直接从叠加信号中计算聚合数据。这种并发传输方式允许更多的LoRa节点同时进行传输，提高了数据聚合查询效率，有望实现快速数据聚合。但是现有基于并发传输的方法仍然存在一定的局限性。
模拟域数据聚合技术([1]AkshayGadre,Fan Yi,Anthony Rowe,Bob Iannucci,and SwarunKumar.Quick(and dirty)aggregate queries on low-power WANs.InACM/IEEE IPSN,2020.[2]Omid Abari,Hariharan Rahul,and Dina Katabi.Over-the-airfunction computation in sensor networks.ArXiv,2016.)是在模拟域实现数据聚合。具体来说，网关发送同步信号，节点收到网关的同步信号后将其数据调制到信号的幅度上并发送，网关直接从叠加的节点信号的幅度中解出聚合数据。在节点的时间、相位和功率完全同步的情况下，模拟域数据聚合技术能够实现数据聚合。然而在实际***中，(1)LoRa节点的时间和功率同步精度有限，因此模拟域的聚合方法并不可靠。即使是很小的时间同步误差也会造成叠加的LoRa信号之间相消，使得叠加信号的幅度大大减小，从而导致数据聚合精度降低。(2)由于LoRa节点采用信道编码，直接在编码后的数据信号上进行聚合没有意义，因此该技术不适用于采用信道编码的商用LoRa节点。
基于频域特性的多包接收技术([3]Rashad Eletreby,Diana Zhang,SwarunKumar,and Osman Yaˇgan.Empowering low-power wide area networks in urbansettings.In ACMSIGCOMM,2017.[4]Bin Hu,Zhimeng Yin,Shuai Wang,Zhuqing Xu,andTian He.SCLoRa:Leveraging multi-dimensionality indecoding collided LoRatransmissions.In IEEE ICNP,2020.)在数字域实现数据聚合，适用于商用LoRa节点。该技术利用LoRa物理层所采用的CSS信号的频域特性(峰值频率偏移、频谱形状变化等)，解码随机叠加的碰撞信号。基于频域特性的多包接收技术无需时间同步，可直接在随机叠加的碰撞信号上解码出每个节点的数据，再进行数据聚合。基于频域特性的多包接收技术无法解决数据符号碰撞问题(即在同一频域解调窗口中，不同节点的数据符号对应的频域峰值位置相近或相同)，当发生数据符号碰撞时，该技术无法解码出碰撞的节点数据。
基于时域特性的多包接收技术([5]Zhenqiang Xu,PengjinXie,and JiliangWang.Pyramid:Real-time LoRa collision decoding with peak tracking.In IEEEINFOCOM,2021.[6]Xianjin Xia,Yuanqing Zheng,and Tao Gu.FTrack:Paralleldecoding for LoRa transmissions.In ACM SenSys,2019.)利用信号的时域偏移特性，即节点间存在较大时间偏移(Time Offset，TO)，在数字域实现数据聚合。该技术利用LoRa所采用的CSS信号的时域频域特性，将一定的时间偏移与一定的频率偏移对应起来，通过滑动窗口、干扰消除等技术，解开随机叠加的碰撞信号。虽然大TO场景下数据符号碰撞的概率会降低，但基于时域特性的多包接收技术同样无法解码数据符号碰撞的用户数据。另一方面，该技术需要信号间存在大TO时才能保证***的性能，然而基于大TO的方法带来了聚合时间长的问题。
发明内容
本发明的第一目的在于针对现有技术存在的上述问题，提供基于LoRa节点并发传输的数据聚合的实现装置，该装置可解调时间同步叠加信号，特别是解决数据符号碰撞问题。该装置应用在LoRa网关的接收机上，替换传统接收机。
本发明的另一目的在于提供一种LoRa网络数据聚合的实现方法。该方法可实现面向LoRa时间同步叠加信号的最大似然信号解调和软判决信道解码，从本质上解决LoRa并发传输时的数据符号碰撞问题，提高了解码性能和数据聚合的速率，降低了数据聚合时延。
本发明所述一种LoRa网络数据聚合的实现装置，依次设有前导码检测模块、偏移及信道估计模块、符号解调模块和信道解码模块；
所述前导码检测模块用于从接收到的信号中，确定时间同步叠加信号的起始位置；
所述偏移及信道估计模块用于利用前导码与帧开始分隔符，估计出每个节点的CFO、TO和信道系数；
所述符号解调模块用于从同步叠加的数据符号信号中，解调出属于每个节点的数据符号；
所述信道解码模块用于对每个节点的数据符号，使用硬判决信道解码或软判决信道解码，输出每个节点的数据比特。
所述一种LoRa网络数据聚合的实现方法，LoRa网关首先协调M个LoRa节点同时发送信号，然后LoRa网关调用本发明提出的方法解码粗略时间同步的叠加信号，解码出M个数据包进行聚合；本发明所述方法具体包括以下步骤：
1)前导码检测：检测同步叠加节点信号的前导码，以得到有效信号的起始位置；
2)偏移及信道估计：利用前导码和帧开始分限符估计出每个节点的CFO、TO和信道系数
3)符号解调：提取各解调窗口的有效峰值，结合CFO、TO和信道系数解调出K组概率最大的符号序列及其似然概率；
4)信道解码：对每个节点的数据符号，使用硬判决信道解码或软判决信道解码，所述软判决信道解码：将K组数据序列的符号级概率转移为比特级概率，经格雷软映射、解交织、汉明软解码及解白化，以解码得到每个节点的数据；所述硬判决信道解码：取概率最大的那一组数据符号序列，使用标准的LoRa信道解码，以得到每个节点的数据；
5)聚合各个节点数据，得到聚合结果。
在步骤1)中，所述前导码检测具体包括以下步骤：
(1.1)粗同步：先将接收到的时间同步叠加信号y与标准的上啁啾信号C进行互相关，设置幅度阈值找出所有的峰值点，取最小的峰值点位置作为有效信号起始的粗略位置；
(1.2)窗口对齐：根据粗同步得到的起始位置，往时间减小的方向滑动窗口执行解调操作，即将时间同步叠加信号y与标准的下啁啾信号C*互相关，执行快速傅里叶变换，设置幅度阈值识别解调窗口中的尖峰，如果峰值不再增加，则将最高峰值点的位置作为有效信号的起始位置。
在步骤2)中，所述偏移及信道估计包括粗估计和细估计，具体步骤如下：
(2.1)粗估计：
A)根据前导码检测得到的有效信号起始位置，顺序截取出时间同步叠加信号的前导码和帧开始分隔符的两个符号，与下啁啾信号C*进行互相关，设置幅度阈值并根据同一节点幅度相同的信息分别得到M个节点对应的峰值点位置
Figure BDA0003758769690000041
与
Figure BDA0003758769690000042
B)根据CFO与TO计算公式
Figure BDA0003758769690000043
和
Figure BDA0003758769690000044
得到粗略估计的
Figure BDA0003758769690000045
和
Figure BDA0003758769690000046
C)利用粗略估计的CFO和TO，重建前导码信号
Figure BDA0003758769690000047
其中
Figure BDA0003758769690000048
f(s)表示数据s对应的频率，rτ(·)表示填零并右移τ个采样点；
D)采用最小二乘估计方法得到信道系数估计
Figure BDA0003758769690000049
其中
Figure BDA00037587696900000410
是重建的前导码信号与标准的下啁啾信号C*互相关后的快速傅里叶变换结果，·表示互相关操作，
Figure BDA00037587696900000411
表示快速傅里叶变换操作；
(2.2)细估计：根据信道系数
Figure BDA00037587696900000412
重建信号Ef，可得出接收符号和重建符号之间的残差
Figure BDA00037587696900000413
最小化该残差函数找到最匹配的偏移值，即
Figure BDA00037587696900000414
其中m∈{1,…,M}，∈是FFT频点的大小。
在步骤3)中，所述符号解调是对于第i个数据符号(i∈[1,Ns])，依次执行符号解调，具体步骤如下：
(3.1)峰值提取：根据起始位置和LoRa帧结构，确定第i个数据符号起始位置与解调窗口范围；采用截断的下啁啾信号
Figure BDA00037587696900000415
进行互相关，以消除前一个符号对后一个符号造成的干扰；提取解调窗口中高于一定阈值的所有有效峰值并记录位置{p1[i],p2[i],…,pV[i]}，其中峰值个数V不超过节点个数M；
(3.2)似然映射：
A)根据每个节点的CFO、TO与提取出的有效峰值位置，生成与各个节点对应的所有可能数据符号排列Ω[i]＝{A1[i],A2[i],…,AW[i]}，其中
Figure BDA00037587696900000416
表示第ω种排列对应的各个节点数据(假设第m个节点对应的峰值为pn[i]，那么
Figure BDA00037587696900000417
为节点m的符号数据，其中
Figure BDA00037587696900000418
表示
Figure BDA00037587696900000419
对应的频率偏移，
Figure BDA00037587696900000420
表示
Figure BDA00037587696900000421
对应的频率偏移)；
B)计算所有排列对应的对数似然概率，其中排列Aω[i]对应的对数似然概率为
Figure BDA00037587696900000422
Figure BDA0003758769690000051
计算过程如下：首先根据每个节点的CFO、TO和信道系数，重建Aω[i]对应的时域信号，表示为
Figure BDA0003758769690000052
令
Figure BDA0003758769690000053
为
Figure BDA0003758769690000054
在第j个频点上的信号，y[i]是第i个符号的接收信号，Yj[i]是
Figure BDA0003758769690000055
在第j个频点上的信号，那么
Figure BDA0003758769690000056
对应
Figure BDA0003758769690000057
个频点的概率乘积，即
Figure BDA0003758769690000058
由于σ噪声功率均相同，可以等价表示为
Figure BDA0003758769690000059
(3.3)保留K组概率最大的数据符号序列
Figure BDA00037587696900000510
及相应的似然概率为
Figure BDA00037587696900000511
在步骤4)中，所述信道解码包括硬判决信道解码和软判决信道解码；
所述硬判决信道解码，具体步骤可为：
(a)对于每个符号，提取概率最大的数据符号排列A(1)，按照节点序号提取第m个节点的数据为
Figure BDA00037587696900000512
(b)对
Figure BDA00037587696900000513
使用标准的LoRa信道解码器解码，得到每个节点解码后的数据；
所述软判决信道解码，具体步骤可为：
(a)节点数据提取：对于每个符号，提取属于第m个节点的解调数据
Figure BDA00037587696900000514
及相应概率
Figure BDA00037587696900000515
(b)符号比特概率转换：对于每一个比特位，找到相应的第i个符号；按顺序迭代
Figure BDA00037587696900000516
的每一项求得该比特位等于0和1的相应索引集合idx0和idx1；利用该索引集合，在
Figure BDA00037587696900000517
上分离出idx0和idx1对应的对数似然概率并求和，最后归一化得到比特级概率；
(c)格雷映射概率转换：对归一化比特级概率进行-1操作的概率转换，对异或操作进行概率转换，得到格雷映射后的软概率：
对归一化比特级概率进行-1操作的概率转换：对于-1操作后的每一位，枚举出操作前所有导致该位为0的可能的比特序列，计算这些比特序列的联合概率并求和，1与求和值的差为该位为1的概率；
对异或操作进行概率转换，得到格雷映射后的软概率：对于异或操作后的每一位，枚举出操作前所有导致该位为0的可能的比特序列，计算这些比特序列的联合概率并求和，1与求和值的差为该位为1的概率；
(d)解交织软概率转换：将格雷映射后的软概率按照解交织公式进行重新排列，得到解交织后的软概率；
(e)汉明软解码：采用汉明软解码器处理解交织后的概率输入，得到数据比特输出；
(f)解白化：将汉明软解码的比特与伪随机序列进行异或操作，得到解码的数据输出。
与现有技术相比，本发明具有以下突出的技术效果和优点：
1、本发明提出的解调方法能够从本质上解决LoRa并发传输时的数据符号碰撞问题。LoRa网关通过枚举所有可能序列(在一个序列中，节点的数据可能相同)并计算所有可能序列的概率，解决了数据符号碰撞问题。
2、本发明提出的软判决信道解码方法，与传统的硬判决信道解码算法对比，提高LoRa时间同步叠加信号的解码性能；
3、本发明实现小TO场景下的并发传输LoRa的解码与数据聚合。小TO并发传输与更高的解码性能提高数据聚合的速率，也降低数据聚合时延。
4、本发明的技术方案除可应用于LoRa网络数据聚合过程，还有可能应用于LoRa网络多包接收过程(因为数据聚合是通过先解码出每个节点数据再聚合实现的)，也可应用于其他类型低功耗广域物联网的数据聚合，比如SigFox，ZigBee。
附图说明
图1是本发明应用的***框架示意图。
图2是本发明装置示意图。
图3是本发明方法流程图。
图4是时间同步叠加信号解调示意图。
图5是格雷映射概率转换示意图。
图6是实施例吞吐量示意图。其中，(a)SER，(b)物理层吞吐量，(c)BER，(d)网络层吞吐量。
具体实施方式
以下实施例将结合附图对本发明作进一步的说明。
本发明的主要创新技术点总结如下：
1、本发明公开一种面向LoRa时间同步叠加信号的最大似然信号解调方法；
2、本发明公开一种面向LoRa时间同步叠加信号的软判决信道解码方法；
图1给出本发明应用的***框架或场景示意图。LoRa网关首先协调M个LoRa节点同时发送信号，然后LoRa网关调用本发明提出的算法解码粗略时间同步的叠加信号，解码出M个数据包进行聚合。
图2给出本发明装置示意图，本发明所述装置是应用在LoRa网关的接收机上，需要替换传统的接收机。具体来说，本发明的装置(即LoRa网关接收机)依次包括前导码检测模块、偏移及信道估计模块、符号解调模块和信道解码模块；输入是：时间同步叠加信号，输出是：聚合数据(以比特表示)；
前导码检测模块：从接收到的信号中，确定时间同步叠加数据信号的起始位置；
偏移及信道估计模块：利用前导码与帧开始分隔符，估计出每个节点的CFO、TO和信道系数；
符号解调模块：从同步叠加的数据符号信号中，解调出属于每个节点的数据符号；
信道解码模块：对每个节点的数据符号，使用硬判决信道解码或软判决信道解码，输出每个节点的数据比特。
如图3所示，LoRa网关首先协调M个LoRa节点同时发送信号，然后LoRa网关调用本发明提出的方法解码粗略时间同步的叠加信号，解码出M个数据包进行聚合；本发明的目标场景是解码M个粗略同步的节点并发传输数据包。假设xm表示节点m的发送信号，y表示网关接收到的并发传输信号，δm、τm和hm分别表示节点m的CFO、TO和信道系数，每个数据包都包含Ns个数据符号；具体方法如下：
(一)前导码检测：
1)粗同步：先将接收到的时间同步叠加信号y与标准的上啁啾信号C进行互相关，设置幅度阈值找出所有的峰值点，取最小的峰值点位置作为有效信号起始的粗略位置；
2)窗口对齐：根据粗同步得到的起始位置，往时间减小的方向滑动窗口执行解调操作，即将y与标准的下啁啾信号C*互相关，然后执行快速傅里叶变换，设置幅度阈值识别解调窗口中的尖峰，如果峰值不再增加，则将最高峰值点的位置作为有效信号的起始位置。
(二)偏移及信道估计：
1)粗估计：
A)根据前导码检测得到的有效信号起始位置，顺序截取出时间同步叠加信号的前导码和帧开始分隔符的两个符号，与C*进行互相关，设置幅度阈值并根据同一节点幅度相同的信息分别得到M个节点对应的峰值点位置
Figure BDA0003758769690000071
与
Figure BDA0003758769690000072
B)根据CFO与TO计算公式
Figure BDA0003758769690000081
和
Figure BDA0003758769690000082
得到粗略估计的
Figure BDA0003758769690000083
和
Figure BDA0003758769690000084
C)利用粗略估计的CFO和TO，重建前导码信号
Figure BDA0003758769690000085
其中
Figure BDA0003758769690000086
f(s)表示数据s对应的频率，rτ(·)表示填零并右移τ个采样点；
D)采用最小二乘估计方法得到信道系数估计
Figure BDA0003758769690000087
其中
Figure BDA0003758769690000088
是重建的前导码信号与标准的下啁啾信号C*互相关后的快速傅里叶变换结果，·表示互相关操作，
Figure BDA0003758769690000089
表示快速傅里叶变换操作；
2)细估计：根据信道系数
Figure BDA00037587696900000810
重建信号Ef，可得出接收符号和重建符号之间的残差
Figure BDA00037587696900000811
最小化该残差函数找到最匹配的偏移值，即
Figure BDA00037587696900000812
其中m∈{1,…,M}，∈是FFT频点的大小。
(三)对于第i个数据符号(i∈[1,Ns])，依次执行符号解调：
1)峰值提取：根据起始位置和LoRa帧结构，确定第i个数据符号起始位置与解调窗口范围；采用截断的下啁啾信号
Figure BDA00037587696900000813
进行互相关，以消除前一个符号对后一个符号造成干扰；提取解调窗口中高于一定阈值的所有有效峰值并记录位置{p1[i],p2[i],…,pV[i]}，其中峰值个数V不超过节点个数M；
2)似然映射：
A)根据每个节点的CFO、TO与提取出的有效峰值位置，生成与各个节点对应的所有可能数据符号排列Ω[i]＝{A1[i],A2[i],…,AW[i]}，其中
Figure BDA00037587696900000814
表示第ω种排列对应的各个节点数据(假设第m个节点对应的峰值为pn[i]，那么
Figure BDA00037587696900000815
为节点m的符号数据，其中
Figure BDA00037587696900000816
表示
Figure BDA00037587696900000817
对应的频率偏移，
Figure BDA00037587696900000818
表示
Figure BDA00037587696900000819
对应的频率偏移)；
B)计算所有排列对应的对数似然概率，其中排列Aω[i]对应的对数似然概率为
Figure BDA00037587696900000820
Figure BDA00037587696900000821
计算过程如下：首先根据每个节点的CFO、TO和信道系数，重建Aω[i]对应的时域信号，表示为
Figure BDA00037587696900000822
令
Figure BDA00037587696900000823
为
Figure BDA00037587696900000824
在第j个频点上的信号，y[i]是第i个符号的接收信号，Yj[i]是
Figure BDA00037587696900000825
在第j个频点上的信号，那么
Figure BDA00037587696900000826
对应
Figure BDA00037587696900000827
个频点的概率乘积，即
Figure BDA0003758769690000091
由于σ噪声功率均相同，可以等价表示为
Figure BDA0003758769690000092
3)保留K组概率最大的数据符号序列
Figure BDA0003758769690000093
及相应的似然概率为
Figure BDA0003758769690000094
(四)信道解码：
1)硬判决信道解码：
A)对于每个符号，提取概率最大的数据符号排列A(1)，按照节点序号提取第m个节点的数据为
Figure BDA0003758769690000095
B)对
Figure BDA0003758769690000096
使用标准的LoRa信道解码器解码，得到每个节点解码后的数据；
2)或软判决信道解码：
A)节点数据提取：对于每个符号，提取属于第m个节点的解调数据
Figure BDA0003758769690000097
及相应概率
Figure BDA0003758769690000098
B)符号比特概率转换：对于每一个比特位，找到相应的第i个符号；按顺序迭代
Figure BDA0003758769690000099
的每一项求得该比特位等于0和1的相应索引集合idx0和idx1；利用该索引集合，在
Figure BDA00037587696900000910
上分离出idx0和idx1对应的对数似然概率并求和，最后归一化得到比特级概率；
C)格雷映射概率转换：
a)对归一化比特级概率进行-1操作的概率转换：对于-1操作后的每一位，枚举出操作前所有导致该位为0的可能的比特序列，计算这些比特序列的联合概率并求和，1与求和值的差为该位为1的概率；
b)对异或操作进行概率转换，得到格雷映射后的软概率：对于异或操作后的每一位，枚举出操作前所有导致该位为0的可能的比特序列，计算这些比特序列的联合概率并求和，1与求和值的差为该位为1的概率；
D)解交织软概率转换：将格雷映射后的软概率按照解交织公式进行重新排列，以得到解交织后的软概率；
E)汉明软解码：采用汉明软解码器处理解交织后的概率输入，得到数据比特输出；
F)解白化：将汉明软解码的比特与伪随机序列进行异或操作，得到解码的数据输出。
(五)聚合各个节点数据，得到聚合结果。
以下给出具体的本发明装置使用实施例。
图4给出时间同步叠加信号解调示意图，为实现聚合并发传输的LoRa信号的数据，以LoRa网关调度三个LoRa节点为例，假设x1、x2和x3表示节点1、节点2和节点3的发送信号，y表示网关接收到的三个节点的粗略同步叠加传输信号，δm、τm和hm分别表示节点m的CFO、TO和信道系数，其中m∈{1,2,3}，每个节点的数据包都包含Ns个符号。节点叠加信号示意图如图4上部分所示。
本实施例具体步骤如下：
1)LoRa网关广播发送调度帧，调度帧包含其调度节点的ID信息，发送调度帧后LoRa网关进入接收状态，等待LoRa节点发送数据帧；
2)收到调度帧的LoRa节点对调度帧进行解码，若调度帧中的ID信息包含该节点ID，则该节点按照一定的时间同步协议发送数据帧；若调度帧不包含该节点的ID，则该节点静默，等待下一次调度；
3)(前导码检测-粗同步)LoRa网关的前导码检测模块不断将信号与标准的上啁啾信号进行互相关，若连续检测到8个峰值且峰值之间的间隔为一个符号长度，则视为找到了时间同步叠加信号的前导码；若经过超时时间还未检测到有效信号，就再次发送调度帧进行重新调度；
4)(前导码检测-窗口对齐)LoRa网关的前导码模块进一步地根据互相关粗同步得到的起始位置，往时间减小的方向滑动解调窗口，当解调窗口中的最高峰的幅度值不再增加，视为与有效信号中的第一个数据包对齐，得到了所需的解调起始位置；
5)(偏移及信道估计-粗估计)LoRa网关的偏移及信道估计模块首先估计每个节点的CFO、TO和信道系数。根据前导码检测得到的有效信号起始位置，顺序截取出时间同步叠加信号的前导码和帧开始分隔符的两个符号，与C*进行互相关，设置幅度阈值并根据同一节点幅度相同的信息分别得到三个节点对应的峰值点位置
Figure BDA0003758769690000101
根据公式
Figure BDA0003758769690000102
和
Figure BDA0003758769690000103
得到粗略估计的
Figure BDA0003758769690000104
与
Figure BDA0003758769690000105
三个节点的前导码可重建为
Figure BDA0003758769690000106
其中
Figure BDA0003758769690000107
rτ表示填零并右移τ样本。信道系数的频域闭式最小二乘估计可以表示为
Figure BDA0003758769690000108
其中
Figure BDA0003758769690000109
是重建的前导码的快速傅里叶变换结果；
6)(偏移及信道估计-细估计)接着，LoRa网关的偏移及信道估计模块针对粗估计进一步进行联合细估计。根据信道系数
Figure BDA0003758769690000111
重建信号Ef，可得出接收符号和重建符号之间的残差
Figure BDA0003758769690000112
最小化该残差函数找到最匹配的偏移值，即
Figure BDA0003758769690000113
其中m∈{1,…,3}，∈是FFT频点的大小。最小化残差函数的方法可采用遍历搜索所有可能偏移值，也可采用SGD优化算法；
7)(符号解调-峰值提取)如图4所示，LoRa网关的符号解调模块首先根据信号起始位置和LoRa帧结构，确定数据符号的起始位置与解调窗口范围，并以一个符号长度为步长滑动解调窗口；采用截断的下啁啾信号
Figure BDA0003758769690000114
以消除前一个符号对后一个符号造成干扰；最后，提取每个解调窗口中高于一定阈值的所有有效峰值，如图4所示，第2个符号提取出来的峰值索引为{54,90}；
8)(符号解调-似然映射)：
(1)对于每个符号，LoRa网关的符号解调模块根据每个节点的CFO、TO与提取出的有效峰值位置，生成与各个节点对应的所有可能数据符号排列Ω[i]＝{A1[i],A2[i],…,AW[i]}，其中
Figure BDA0003758769690000115
表示第ω种排列对应的各个节点数据。以图3为例，因为三个用户只存在两个峰值，所以
Figure BDA0003758769690000116
可能排列对应的峰值序号为
Figure BDA0003758769690000117
假设节点1的CFO与TO对应的累积频率偏移为1，节点2的CFO与TO对应的累积频率偏移为2，节点3的CFO与TO对应的累积频率偏移为3，那么所有排列对应的数据为
Figure BDA0003758769690000118
(2)计算所有排列对应的对数似然概率，其中排列Aω[i]对应的对数似然概率为
Figure BDA0003758769690000119
Figure BDA00037587696900001110
计算过程如下：首先根据每个节点的CFO、TO和信道系数，重建Aω[i]对应的时域信号，表示为
Figure BDA00037587696900001111
令
Figure BDA00037587696900001112
为
Figure BDA00037587696900001113
在第j个频点上的信号，y[i]是第i个符号的接收信号，Yj[i]是
Figure BDA00037587696900001114
在第j个频点上的信号，在零均值加性高斯噪声
Figure BDA00037587696900001115
条件下，频点j的概率可表示为
Figure BDA00037587696900001116
因此，AW[i]的对数似然概率可表示为
Figure BDA0003758769690000121
其中
Figure BDA0003758769690000122
是FFT的频点个数；
(3)保留K组概率最大的数据符号序列
Figure BDA0003758769690000123
及相应的似然概率为
Figure BDA0003758769690000124
9)(信道解码-硬判决信道解码)若采用硬判决信道解码，LoRa网关解码模块，对于每个符号选取概率最大的符号排列A(1)，以图3的第2个符号为例，最后一个排列{90,54,54}概率最大被选取；然后按照节点序号提取第m个节点的数据，使用标准的LoRa信道解码器，得到每个节点的数据；
10)(信道解码-软判决信道解码)若采用软判决信道解码，LoRa网关解码模块根据符号解调模块输出的K个概率最大的符号序列及其概率，对每个节点进行符号比特概率转换、格雷映射概率转换、解交织软概率转换、汉明软解码及解白化，得到每个节点的数据并进行聚合，具体步骤如下：
(1)(信道解码-软判决信道解码-节点数据提取)对于每个符号，提取属于第m个节点的解调数据
Figure BDA0003758769690000125
及相应概率
Figure BDA0003758769690000126
符号比特概率转换算法如下：
Figure BDA0003758769690000127
Figure BDA0003758769690000131
(2)(信道解码-软判决信道解码-符号比特概率转换)对于每一个比特位，找到相应的第i个符号；按顺序迭代
Figure BDA0003758769690000132
的每一项求得该比特位等于0和1的相应索引集合idx0和idx1；利用该索引集合，在
Figure BDA0003758769690000133
上分离出idx0和idx1对应的对数似然概率并求和，最后归一化得到比特级概率，算法如图4所示。以图3中节点1的第2个符号为例，假设所有排列对应的数据为
Figure BDA0003758769690000134
相应的符号似然概率为{-20,-39,-13,-50,-126,-0.5}。假设K＝3，那么节点1的可能排列为{53,89}＝{(0110101)2,(1011001)2}，对应似然概率为{-39,-13.5}，则最高位比特为0的归一化概率为
Figure BDA0003758769690000135
其余比特可同理计算，得到节点1第2个符号各比特为0的概率
Figure BDA0003758769690000136
(3)(信道解码-软判决信道解码-格雷映射概率转换)对归一化比特级概率进行-1操作进行概率转换。图5给出格雷映射概率转换示意图参考图，如图5所示，以三位(d2,d1,d0)的-1操作为例。d2＝0的概率可以从(0,0,0)，(0,0,1)，(0,1,0)和(0,1,1)中获得，而这些排列的其概率可以分别从(0,0,1)，(0,1,0)，(0,1,1)和(1,0,0)转移得到。因此，-1操作后d2为零的概率等价于两种情况的概率之和：(1)d2＝1，d1＝d0＝0；(2)d2＝0，d1&d0≠0。因此，-1操作后的概率
Figure BDA0003758769690000137
可表示为
Figure BDA0003758769690000138
其中
Figure BDA0003758769690000139
利用
Figure BDA00037587696900001310
可以进一步计算出异或操作后的概率
Figure BDA00037587696900001311
其中
Figure BDA00037587696900001312
对每个比特重复上述步骤，可以得到格雷软映射后的概率；
(4)(信道解码-软判决信道解码-解交织软概率转换)采用标准的解交织模块，将格雷软映射后的概率按照解交织公式进行重新排列，以得到解交织后的概率；
(5)(信道解码-软判决信道解码-汉明软解码)使用球形汉明软解码器来处理比特级概率输入，得到数据比特输出；
(6)(信道解码-软判决信道解码-解白化)采用标准的解白化模块，将汉明软解码输出的比特数据与伪随机序列进行异或操作，得到每个节点的数据；
11)LoRa网关聚合各个节点数据，得到聚合结果；
12)LoRa网关本次调度完成，可进行下一轮调度，返回步骤1)。
采用USRP N210和两种Heltec商用LoRa节点进行实验评估。USRP网关包含UBX子板和单个VERT400天线，可在470MHz频段接收信号。HeltecLoRa Node 151包含STM32微控制器和SX1276射频芯片。HeltecCubeCell GPS-6502包含ASR6502微控制器和SX1262射频芯片。实验在室内环境下进行，使用扩展因子SF＝10，编码速率
Figure BDA0003758769690000141
和带宽BW＝125KHz。将收集的单节点数据包加上不同的TO后叠加来模拟并发传输的情况，且任意两个数据包之间的能量大于1.5dB。最后，在叠加信号中加入噪声来准确模拟不同的SNR条件，即高SNR(>15dB)、中SNR(5～15dB)、低SNR(-5～5dB)和极低SNR(<-5dB)。将本发明(LoRaPDA)与一种基于频域特性的多包接收技术(Choir)和一种基于时域特性的多包接收技术(Pyramid)进行对比，结果如下：
1、SER和物理层吞吐量：如图6(a)所示，对比三节点的并发传输，在极低SNR下，Pyramid和Choir的误符号率(Symbol Error Rate，SER)分别达到89.5％和74.6％，而本发明的SER仅为14.7％。在高SNR下，本发明的SER低于0.6％，而Pyramid和Choir的SER仍然高于40％。在图示所有SNR条件下的物理层吞吐量都优于Pyramid和Choir。如图6(b)所示，在极低SNR下，本发明的物理层吞吐量为206.3sym/s，是Choir的3.4倍(61.3sym/s)，Pyramid的8.1倍(25.5sym/s)。
2、硬判决信道解码和软判决信道解码BER对比：如图6(c)所示，对于两节点并发信号解码，即使在高SNR下，硬判决信道解码算法的BER仍高于1×10-4，而当SNR约为-5dB时，软判决信道解码算法的BER就低于1×10-4；当SNR>0dB时，软判决信道解码算法可达到低于1×10-6的BER；对于四节点并发信号解码，硬判决信道解码算法的BER始终高于1×10-3，而当SNR≥5dB时，软判决信道解码算法的BER可低于1×10-4。因此，对于SNR≥0dB时，软判决信道解码算法的BER比硬判决信道解码算法低10倍。
3、网络层吞吐量：本发明及Choir采用四节点并发的同步调度传输，Pyramid采用六节点并发的同步调度传输或非协调传输(直接采用ALOHA协议)。如图6(d)所示，与非协调传输相比，本发明的网络层吞吐量至少为非协调传输Pyramid的2.1倍，如高SNR下，本发明和非协调传输Pyramid的吞吐量分别为1.2kbit/s和0.56kbit/s。与其他协调传输相比，由于本发明在高SNR且TO较小的情况下能得到更低的PER，本发明的网络层吞吐量为同步调度传输的Pyramid的3.2倍(0.37kbit/s)，Choir的13.3倍(0.09kbit/s)。此外，本发明在图示中SNR条件为低、中、高的情况下都能获得接近最优的网络层吞吐量(最优吞吐量为1.22kbit/s)。
本发明的技术方案除可应用于LoRa网络数据聚合过程，还有可能应用于LoRa网络多包接收过程(因为数据聚合是通过先解码出每个节点数据再聚合实现的)，也有可能应用于其他类型低功耗广域物联网的数据聚合，比如SigFox，ZigBee。
本发明涉及的英文缩略语说明见表1。
表1
Figure BDA0003758769690000151
上述实施例仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (9)

1.一种LoRa网络数据聚合的实现装置，其特征在于依次设有前导码检测模块、偏移及信道估计模块、符号解调模块和信道解码模块；
所述前导码检测模块用于从接收到的LoRa节点并发传输信号中，确定时间同步叠加信号的起始位置；
所述偏移及信道估计模块用于利用前导码与帧开始分隔符信号，估计出每个节点的载波频率偏移CFO、时间偏移TO和信道系数；
所述符号解调模块用于从叠加的数据信号中，解调出属于每个节点的数据符号；
所述信道解码模块用于对每个节点的数据符号，使用硬判决信道解码或软判决信道解码，输出每个节点的数据比特。
2.一种LoRa网络数据聚合的实现方法，其特征在于包括以下步骤：
1)前导码检测：检测时间同步叠加信号的前导码，以得到有效信号的起始位置；
2)偏移及信道估计：利用前导码和帧开始分限符估计出每个节点的CFO、TO和信道系数；
3)符号解调：提取各解调窗口的有效峰值，结合CFO、TO和信道系数解调出K组概率最大的符号序列及其似然概率；
4)信道解码：对每个节点的数据符号，使用硬判决信道解码或软判决信道解码，所述软判决信道解码：将K组数据序列的符号级概率转移为比特级概率，经格雷软映射、解交织、汉明软解码及解白化，以解码得到每个节点的数据；所述硬判决信道解码：取概率最大的那一组数据符号序列，使用标准的LoRa信道解码，以得到每个节点的数据；
5)聚合各个节点数据，得到聚合结果。
3.如权利要求2所述一种LoRa网络数据聚合的实现方法，其特征在于在步骤1)中，所述前导码检测具体包括以下步骤：
(1)粗同步：先将接收到的同步叠加信号y与标准的上啁啾信号C进行互相关，设置幅度阈值找出所有的峰值点，取最小的峰值点位置作为有效信号粗略的起始位置；
(2)窗口对齐：根据粗同步得到的起始位置，往时间减小的方向滑动窗口执行解调操作，即将同步叠加信号y与标准的下啁啾信号C*互相关，执行快速傅里叶变换，设置幅度阈值识别解调窗口中的尖峰，如果峰值不再增加，则将最高峰值点的位置作为有效信号的起始位置。
4.如权利要求2所述一种LoRa网络数据聚合的实现方法，其特征在于在步骤2)中，所述偏移及信道估计包括粗估计和细估计，具体步骤如下：
(1)粗估计：
A)根据前导码检测得到的有效信号起始位置，顺序截取出同步叠加信号的前导码和帧开始分隔符的两个符号，与下啁啾信号C*进行互相关，设置幅度阈值并根据同一节点幅度相同的信息分别得到M个节点对应的峰值点位置
Figure FDA0003758769680000021
与
Figure FDA0003758769680000022
B)根据CFO与TO计算公式
Figure FDA0003758769680000023
和
Figure FDA0003758769680000024
得到粗略估计的
Figure FDA0003758769680000025
和
Figure FDA0003758769680000026
C)利用粗略估计的CFO和TO，重建前导码信号
Figure FDA0003758769680000027
其中
Figure FDA0003758769680000028
f(s)表示数据s对应的频率，rτ(·)表示填零并右移τ个采样点；
D)采用最小二乘估计方法得到信道系数估计
Figure FDA0003758769680000029
其中
Figure FDA00037587696800000210
是重建的前导码信号与标准的下啁啾信号C*互相关后的快速傅里叶变换结果，·表示互相关操作，
Figure FDA00037587696800000211
表示快速傅里叶变换操作；
(2)细估计：根据信道系数
Figure FDA00037587696800000212
重建信号Ef，得出接收符号和重建符号之间的残差
Figure FDA00037587696800000213
最小化该残差函数找到最匹配的偏移值，即
Figure FDA00037587696800000214
其中m∈{1,…,M}，∈是FFT频点的大小。
5.如权利要求2所述一种LoRa网络数据聚合的实现方法，其特征在于在步骤3)中，所述符号解调是对于第i个数据符号，i∈[1,Ns]，依次执行符号解调，具体步骤如下：
(1)峰值提取：根据起始位置和LoRa帧结构，确定第i个数据符号起始位置与解调窗口范围；采用截断的下啁啾信号
Figure FDA00037587696800000215
进行互相关，以消除前一个符号对后一个符号造成的干扰；提取解调窗口中高于一定阈值的所有有效峰值并记录位置{p1[i],p2[i],…,pV[i]}，其中峰值个数V不超过节点个数M；
(2)似然映射：
A)根据每个节点的CFO、TO与提取出的有效峰值位置，生成与各个节点对应的所有可能数据符号排列Ω[i]＝{A1[i],A2[i],…,AW[i]}，其中
Figure FDA00037587696800000216
表示第ω种排列对应的各个节点数据(假设第m个节点对应的峰值为pn[i]，那么
Figure FDA00037587696800000217
为节点m的符号数据，其中
Figure FDA00037587696800000218
表示
Figure FDA00037587696800000219
对应的频率偏移，
Figure FDA00037587696800000220
表示
Figure FDA00037587696800000221
对应的频率偏移)；
B)计算所有排列对应的对数似然概率，其中排列Aω[i]对应的对数似然概率为
Figure FDA0003758769680000031
Figure FDA0003758769680000032
计算过程如下：首先根据每个节点的CFO、TO和信道系数，重建Aω[i]对应的时域信号，表示为
Figure FDA0003758769680000033
令
Figure FDA0003758769680000034
为
Figure FDA00037587696800000318
在第j个频点上的信号，y[i]是第i个符号的接收信号，Yj[i]是
Figure FDA0003758769680000035
在第j个频点上的信号，那么
Figure FDA0003758769680000036
对应
Figure FDA0003758769680000037
个频点的概率乘积，即
Figure FDA0003758769680000038
由于σ噪声功率均相同，等价表示为
Figure FDA0003758769680000039
(3)保留K组概率最大的数据符号序列
Figure FDA00037587696800000310
及相应的似然概率为
Figure FDA00037587696800000311
6.如权利要求2所述一种LoRa网络数据聚合的实现方法，其特征在于在步骤4)中，所述硬判决信道解码的具体步骤为：
(1)对于每个符号，提取概率最大的数据符号排列A(1)，按照节点序号提取第m个节点的数据为
Figure FDA00037587696800000312
(2)对
Figure FDA00037587696800000313
使用标准的LoRa信道解码器解码，得到每个节点解码后的数据。
7.如权利要求2所述一种LoRa网络数据聚合的实现方法，其特征在于在步骤4)中，所述软判决信道解码的具体步骤为：
(1)节点数据提取：对于每个符号，提取属于第m个节点的解调数据
Figure FDA00037587696800000314
及相应概率
Figure FDA00037587696800000315
(2)符号比特概率转换：对于每一个比特位，找到相应的第i个符号；按顺序迭代
Figure FDA00037587696800000316
的每一项求得该比特位等于0和1的相应索引集合idx0和idx1；利用该索引集合，在
Figure FDA00037587696800000317
上分离出idx0和idx1对应的对数似然概率并求和，最后归一化得到比特级概率；
(3)格雷映射概率转换：对归一化比特级概率进行-1操作的概率转换，对异或操作进行概率转换，得到格雷映射后的软概率：
(4)解交织软概率转换：将格雷映射后的软概率按照解交织公式进行重新排列，得到解交织后的软概率；
(5)汉明软解码：采用汉明软解码器处理解交织后的概率输入，得到数据比特输出；
(6)解白化：将汉明软解码的比特与伪随机序列进行异或操作，得到解码的数据输出。
8.如权利要求7所述一种LoRa网络数据聚合的实现方法，其特征在于所述对归一化比特级概率进行-1操作的概率转换的具体步骤为：对于-1操作后的每一位，枚举出操作前所有导致该位为0的可能的比特序列，计算这些比特序列的联合概率并求和，1与求和值的差为该位为1的概率。
9.如权利要求7所述一种LoRa网络数据聚合的实现方法，其特征在于所述对异或操作进行概率转换，得到格雷映射后的软概率的具体步骤为：对于异或操作后的每一位，枚举出操作前所有导致该位为0的可能的比特序列，计算这些比特序列的联合概率并求和，1与求和值的差为该位为1的概率。
CN202210861418.6A 2022-07-22 2022-07-22 一种LoRa网络数据聚合的实现方法与装置 Pending CN115243316A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210861418.6A CN115243316A (zh) 2022-07-22 2022-07-22 一种LoRa网络数据聚合的实现方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210861418.6A CN115243316A (zh) 2022-07-22 2022-07-22 一种LoRa网络数据聚合的实现方法与装置

Publications (1)

Publication Number Publication Date
CN115243316A true CN115243316A (zh) 2022-10-25

Family

ID=83675251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210861418.6A Pending CN115243316A (zh) 2022-07-22 2022-07-22 一种LoRa网络数据聚合的实现方法与装置

Country Status (1)

Country Link
CN (1) CN115243316A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040091057A1 (en) * 2002-11-08 2004-05-13 Makoto Yoshida Receiving apparatus in OFDM transmission system
CN101170383A (zh) * 2007-12-06 2008-04-30 清华大学 一种对抗时间选择性衰落信道的调制解调***及方法
KR20080099398A (ko) * 2007-05-09 2008-11-13 삼성전자주식회사 다중안테나 시스템에서 간섭제거를 위한 수신 장치 및 방법
US20090225822A1 (en) * 2008-03-07 2009-09-10 Miika Sakari Tupala System and Methods for Receiving OFDM Symbols Having Timing and Frequency Offsets
CN102447656A (zh) * 2010-10-01 2012-05-09 英特尔移动通信技术德累斯顿有限公司 用于处理被接收ofdm数据符号的方法和ofdm基带接收器
CN104769904A (zh) * 2012-09-24 2015-07-08 意法爱立信有限公司 在ofdm接收器中通过载波间干扰检测的符号时间偏移校正
CN107846260A (zh) * 2016-09-19 2018-03-27 深圳超级数据链技术有限公司 基于重叠复用的调制解调方法、装置和***
CN113852575A (zh) * 2021-09-10 2021-12-28 电子科技大学 一种基于时域信道均衡辅助的迭代otfs符号检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040091057A1 (en) * 2002-11-08 2004-05-13 Makoto Yoshida Receiving apparatus in OFDM transmission system
KR20080099398A (ko) * 2007-05-09 2008-11-13 삼성전자주식회사 다중안테나 시스템에서 간섭제거를 위한 수신 장치 및 방법
CN101170383A (zh) * 2007-12-06 2008-04-30 清华大学 一种对抗时间选择性衰落信道的调制解调***及方法
US20090225822A1 (en) * 2008-03-07 2009-09-10 Miika Sakari Tupala System and Methods for Receiving OFDM Symbols Having Timing and Frequency Offsets
CN102447656A (zh) * 2010-10-01 2012-05-09 英特尔移动通信技术德累斯顿有限公司 用于处理被接收ofdm数据符号的方法和ofdm基带接收器
CN104769904A (zh) * 2012-09-24 2015-07-08 意法爱立信有限公司 在ofdm接收器中通过载波间干扰检测的符号时间偏移校正
CN107846260A (zh) * 2016-09-19 2018-03-27 深圳超级数据链技术有限公司 基于重叠复用的调制解调方法、装置和***
CN113852575A (zh) * 2021-09-10 2021-12-28 电子科技大学 一种基于时域信道均衡辅助的迭代otfs符号检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TILDE FUSCO, ANGELO PETRELLA, MARIO TANDA: "Joint symbol timing and CFO estimation in multiuser OFDM/OQAM systems", 2009 IEEE 10TH WORKSHOP ON SIGNAL PROCESSING ADVANCES IN WIRELESS COMMUNICATIONS, 10 July 2009 (2009-07-10) *

Similar Documents

Publication Publication Date Title
CN102104574B (zh) 一种ofdm-tdcs信号收发方法、装置及***
US10110401B2 (en) Methods and devices for channel estimation for mobile systems of insufficient cyclic prefix length
CN107769816B (zh) 一种Chirp扩频通信***接收机时间同步***及方法
CN103944850B (zh) 一种基于ofdm技术的wlan***帧同步方法
CN108512795A (zh) 一种基于低精度adc的ofdm接收机基带处理方法和***
WO2017174003A1 (zh) 定时同步方法和装置
CN113300993B (zh) 比特域叠加伪随机序列与稀疏级联编码的传输方法
CN101026435A (zh) 通信***中低复杂度的极大似然检测方法及装置
WO2008151518A1 (fr) Procédé et dispositif de détection d&#39;information dans un système ofdm
KR100934170B1 (ko) 다중 안테나 무선통신 시스템에서 채널 추정 장치 및 방법
CN109286992B (zh) 基于多功率与时间分集的时隙竞争接入发送与接收方法
CN115243316A (zh) 一种LoRa网络数据聚合的实现方法与装置
CN102332937B (zh) 一种基于时间反演技术的oppm-uwb通信方法
Zidane et al. Improved channel estimation for interference cancellation in random access methods for satellite communications
Tang et al. Quick and reliable physical-layer data aggregation in lora through multi-packet reception
CN114884626A (zh) 一种psfch信号检测方法、装置、存储介质及电子装置
WO2008086044A1 (en) Local maximum likelihood detection in a communication system
CN107276654B (zh) 信号处理方法和***
RU2402167C1 (ru) Обнаружение и демодуляция данных для систем беспроводной связи
You et al. Quick and reliable lora physical-layer data aggregation through multi-packet reception
CN104753559B (zh) 频率校正突发信号搜索方法和装置
Gao et al. Joint SNR and channel estimation for 60 GHz systems using compressed sensing
CN102647377A (zh) 一种基于数据域分块的频偏校正方法及装置
Chen et al. Research on Multipath Reception and Soft Decision Algorithms for Frequency Shift Chirp Modulation
CN107276627B (zh) 信号处理方法和***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination