NELoRa-Bench：神经增强 LoRa 解调的基准
网络与互联网体系结构
2023-05-03 v1 机器学习
摘要
低功耗广域网（LPWANs）是一种新兴的物联网（IoT）范式，以低功耗和远距离通信为特征。其中，LoRa 因其独特特性和开源技术而被广泛部署。通过采用线性调频扩频（CSS）调制，LoRa 支持低信噪比（SNR）通信。标准 LoRa 解调方法将整个线性调频的符号功率累积为频域中的能量峰值。以此方式，它甚至能在 SNR 低于 -15 dB 时支持通信。除此之外，我们提出了 NELoRa，一种利用多维信息实现显著 SNR 增益的神经增强解码器。本文呈现了用于训练/测试 NELoRa 的数据集，包含 27,329 个扩频因子为 7 到 10 的 LoRa 符号，以促进神经增强 LoRa 解调的进一步改进。该数据集显示 NELoRa 相比标准 LoRa 解码器可实现 1.84-2.35 dB 的 SNR 增益。数据集与代码可在 https://github.com/daibiaoxuwu/NeLoRa_Dataset 获取。
引用
@article{arxiv.2305.01573,
title = {NELoRa-Bench: A Benchmark for Neural-enhanced LoRa Demodulation},
author = {Jialuo Du and Yidong Ren and Mi Zhang and Yunhao Liu and Zhichao Cao},
journal= {arXiv preprint arXiv:2305.01573},
year = {2023}
}
备注
Accepted by International Conference on Learning Representations (ICLR'23) Workshop on Machine Learning for IoT