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;
-
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 -
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?