【摘 要】
：
LoRa是一种用于广域物联网应用的低功耗通信技术,具有远距离、超低功耗等特点。LoRa采用基于Chirp(线性调频)信号的扩频调制技术,通过对Chirp信号进行循环移位得到调制信号,其传输信息由符号起始位置的初始频率偏移所承载。其通信性能极易受定时偏差和频率偏差的影响。提出一种针对LoRa技术的联合同步及频偏估计算法,根据LoRa循环移位的特点,通过推导时偏和频偏的数学模型,联立方程组求解得到精确
【机 构】
：
重庆大学重庆大学-辛辛那提大学联合学院 重庆400030;重庆邮电大学计算机科学与技术学院 重庆400065
论文部分内容阅读
LoRa是一种用于广域物联网应用的低功耗通信技术,具有远距离、超低功耗等特点。LoRa采用基于Chirp(线性调频)信号的扩频调制技术,通过对Chirp信号进行循环移位得到调制信号,其传输信息由符号起始位置的初始频率偏移所承载。其通信性能极易受定时偏差和频率偏差的影响。提出一种针对LoRa技术的联合同步及频偏估计算法,根据LoRa循环移位的特点,通过推导时偏和频偏的数学模型,联立方程组求解得到精确的估计值,用于准确纠正LoRa技术中的定时偏差及频率偏差。仿真结果验证了该算法对同步和频偏估计的准确性,
其他文献
提出基于蛋白质长度信息和深度卷积神经网络分类建模的方法(Length Information and Deep Convolutional Neural Networks, LIM-DCNN),实现对于蛋白质二级结构的预测。实验得到的6分段模型,预测CASP9、CASP10、CASP11、CASP12和CB513的Q_3准确率分别为83.67%、78.99%、78.53%、71.52%和85.94
概率负荷预测能提供未来负荷值变化和不确定性的额外信息,其对于电力系统的规划和运行具有重要意义。通过对一组姊妹点预测进行分位数回归平均来生成概率负荷预测,既可以利用过去几十年的点负荷预测方法,又不依赖于高质量的预测结果。针对2014年全球能源预测竞赛的公开数据进行算例分析,结果验证了该方法的有效性。
基于申威处理器,在底层虚拟机(Low Level Virtual Machine, LLVM)编译器后端对锁机制提供编译支持,保证多线程环境下,对共享内存操作的原子性。锁机制研究与实现主要包括实现原子指令语义映射策略保证原子操作的原子性并在锁机制算法中加入对8位和16位数据类型的数据处理,实现锁机制在申威处理器上对小粒度数据类型的支持。基于并行计算机基准测试集NPB进行测试,在多线程环境下所有程序
根据已有的智慧电网成熟度的等级划分,从技术、功能、社会三个层面建立成熟度评价体系,旨在建立一种简单直观、全面有效的智慧电网成熟度评估方法。为此,在原有的文献计量法的基础上,加入主成分分析思想,在技术、功能和社会三个层面里筛选出具有代表意义的方面进行分析,较为准确地分析出当前智慧电网技术的成熟度仍旧处于成长期,并指出未来智慧电网发展应当更加注重各项技术均衡发展。
针对集中式馈线系统电力故障检测率低、耗时长的问题,提出基于对等式通信的智能分布式馈线拓扑系统。阐述智能分布式馈线拓扑系统的模块构成、软件配置及馈线故障定位算法,改善智能馈线系统对电力故障的定位精度和检测性能。测试结果表明,在对等式通信方式下系统电力故障报文传输及通信延时都得到了明显改善,馈线系统故障检测率水平相对于传统设计更有优势。
微服务架构可以实现有效的可扩展性、资源隔离和容错隔离,但同时存在级联故障。级联故障由大量微服务间的关联性导致,一旦发生会导致全局性能下降甚至系统崩溃。对此提出一套故障预测方法。在服务网格架构中嵌入级联故障预测组件,对微服务运行的健康程度及微服务间的资源依赖关系进行建模,以获取级联故障参数,并带入GRU神经网络进行故障概率预测。完成了一个面向服务网格的运行时故障预测系统,并进行了仿真实验,验证了该故
基于心脏信号的生物识别技术是目前生物识别的重要研究方向,对基于心脏信号的身份识别技术以及用于身份识别的各种心脏信号及其产生的机理进行介绍,并对心脏信号的采集形式进行分析。通过对多种基于心脏信号的身份识别技术步骤和分类算法的比较,对基于心脏信号的身份识别方法的可行性进行研究和探讨。
新近提出的数字孪生五维模型理论归纳描述了数字孪生的要素结构和运行原理,但在构建具体数字孪生系统实例时,仍缺少可用于直接指导的物理化结构模型。通过对五维模型中各元素表现的分析,归纳总结数字孪生的分布式物理化结构模型,进而构建面向项目全寿命周期管理的变电站数字孪生体系模型,指导构建基于信息化三维模型的变电站施工管理平台。数字孪生分布式物理化结构模型具有普适性,可适用于不同领域。
构建并分析两层复杂网络的特性及其抗毁性。试图寻找两层复杂网络中具有较优抗毁性网络模型的层间链接方式和层内链接方式。基于不同的层内(层间)链接算法构建三类两层复杂网络模型并对其拓扑指标进行分析;基于最大剩余连通分支粒度分析三类复杂网络的抗毁性;通过数值仿真刻画出了具有较优抗毁性的网络拓扑结构及其特性。结果显示:当层间链接概率pn趋于10~(-3)时,三类两层复杂网络的度分布特性均保持单层复杂网络的特
将深度学习应用于医疗问答是目前最热门的话题之一,一般使用单一神经网络(CNN或RNN)获取句子间语义信息来提高匹配精度。但是该方法只能获取句子中一部分或单侧的信息,忽略了其他丰富而复杂的语义关系,从而导致匹配结果不够理想。针对此问题提出一种将CNN网络和BiGRU网络相结合并引入注意力机制的混合模型—ABiGRU-CNN,该模型能够有效地提取问答对中复杂语义信息。在cMedQA数据集上的实验表明,