DeepSense：利用深度学习实现低功耗广域网的载波侦听
网络与互联网体系结构
2019-04-25 v1
摘要
过去几年中，LoRa、Sigfox 与 802.11ah 等低功耗广域网（LPWAN）迅速普及，它们各自使用不同且有时专有的编码与调制方案，工作于噪声基底以下并运行于同一频段。我们提出 DeepSense，这是首个即使在信号低于噪声基底时也能实现低功耗广域网随机接入与共存的载波侦听机制。我们的核心洞见是：任何工作于噪声基底以下的通信协议都必须在物理层使用编码。我们展示了神经网络可作为一种通用算法框架，学习此类协议所采用的编码机制，以识别隐藏于噪声中的信号。我们的评估表明，DeepSense 可在噪声基底以下对 26 种不同的 LPWAN 协议与配置执行载波侦听，并能在频偏与并发传输存在时工作。除载波侦听外，我们还展示 DeepSense 可通过在 21 种不同 LoRa 配置间分类并基于信号强度灵活适配比特率，来支持多比特率 LoRa 网络。在多速率 LoRa 网络部署中，DeepSense 为近处设备提升 4 倍比特率，并使可连接校园级网络的位置数量增加 1.7 倍。
引用
@article{arxiv.1904.10607,
title = {DeepSense: Enabling Carrier Sense in Low-Power Wide Area Networks Using Deep Learning},
author = {Justin Chan and Anran Wang and Arvind Krishnamurthy and Shyamnath Gollakota},
journal= {arXiv preprint arXiv:1904.10607},
year = {2019}
}