基于深度学习的LoRa信号识别研究

• 作者: 薛松 倪林 卢磊
• 来源期刊: 物联网技术
• 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
• 年，卷（期）: 2022,（9）
• 所属期刊栏目: 学术研究-可靠传输
• 页码范围: 46-49
• 页数: 3页
• 分类号: TN929.5,TP183
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2022.09.012

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%。