典型文献
基于深度学习的LoRa信号识别研究
文献摘要：
针对低信噪比环境下传统匹配滤波算法在LoRa信号解调中误码率较高的问题,提出了一种基于深度学习的LoRa信号识别方法.设计的监督学习神经网络由输入层、卷积层、全连接层、分类层和输出层组成,利用不同信噪比的加性高斯白噪声信道模型生成的LoRa接收信号对神经网络模型进行训练,再将训练好的神经网络应用于LoRa解调的信号识别.仿真实验表明,在系统扩频因子为7且误码率为10-4时,卷积神经网络的信噪比相比传统的匹配滤波解调方法提升了5～6 dB,相应的自由空间传输距离提升了80％～90％.
文献关键词：
物联网;低功耗广域网;LoRa;信号识别;深度学习;卷积神经网络
中图分类号：
作者姓名：
薛松;倪林;卢磊
作者机构：
东华大学 信息科学与技术学院,上海 201620;数字化纺织服装技术教育部工程研究中心,上海 201620
文献出处：
引用格式：
[1]薛松;倪林;卢磊-.基于深度学习的LoRa信号识别研究)[J].物联网技术,2022(09):46-49
A类：
B类：
LoRa,信号识别,低信噪比,下传,匹配滤波,滤波算法,信号解调,误码率,监督学习,输入层,卷积层,全连接层,出层,加性,高斯白噪声,噪声信道,信道模型,模型生成,接收信号,练好,网络应用,扩频,解调方法,dB,自由空间,传输距离,低功耗广域网
AB值：
0.368187
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
