基于机器聚类与算术分布的 LoRa-ESL SNR 与 RSSI 实验比较
信号处理
2022-12-14 v3
摘要
LoRa 缺乏信道状态的感知能力。由于碰撞、干扰和远近效应，接收信号强度指示（Received Signal Strength Indicator, RSSI）会降低；而对于信噪比（Signal-to-Noise Ratio, SNR），在较高的扩频因子（Spreading Factor, SF）下，数据包会因传输功率（Transmission Power, TP）的降低而被拒绝。为了在电子货架标签（Electric Shelf Label, ESL）的情况下克服这些挑战，以最小化对重传和确认的依赖，基于具有动态 SF（针对 SNR）和动态 TP（针对 RSSI）的机器聚类，将终端设备（End Devices, EDs）分配在网关（Gateways, GWs）周围。实验结果表明，由于能够确定 ED 的确切位置从而减弱了捕获效应，RSSI 方法比 SNR 方法更具优势。在不同集群中针对各个 GW 的 ED 算术分布有助于减小远近效应。对于大多数已连接的 ED，每个集群中得到的接收功率（Received Power, RP）高于阈值 RP。
引用
@article{arxiv.2210.15122,
title = {Experimental Comparison of SNR and RSSI for LoRa-ESL Based on Machine Clustering and Arithmetic Distribution},
author = {Malak Abid Ali Khan and Hongbin Ma and Syed Muhammad Aamir and Cekderi Anil Baris},
journal= {arXiv preprint arXiv:2210.15122},
year = {2022}
}