【2】SLoRa: A Systematic Framework for Synergic Interference Resilience In LPWAN

这一篇基于上一篇文章,仅记录我遗忘的知识点；

以较低的成本提供可靠的符号恢复；

1. 符号恢复【振幅和频率】
   为了避免环境噪声并提高可靠性，我们采用信号预处理和窗口滑动算法来检测幅度变化点；
   信号处理：归一化和指数化
   增加振幅对比度，使模型能够更好地识别干扰
   窗口滑动（wifi的振幅是比较大的）计算差异指数
   
   差异指数：均值和方差 CTI导致差异指数激增，最大点是CTI的开始和结束。
   根据振幅变化【即差异指数】将收到的LoRa信号切割成多个段；
   
   单频因子系数（SFFC）：如果存在主导频率，那么SFFC的结果很高，其中R为
   代表FFT结果；【LoRa采用CSS调制技术，在频谱中具有主导频率分量】
   使用SFFC再次对CTI段进行判断

2. 软解码【通过软解码分析恢复符号的置信度，以增强可靠性】
   恢复符号的置信度估计和最大似然计算
   置信度估计
   

置信度估计

疑问

LoRa块的长度为SF*M位是为什么？