論文の概要: Implementing LoRa MIMO System for Internet of Things

• arxiv url: http://arxiv.org/abs/2501.07148v1
• Date: Mon, 13 Jan 2025 09:22:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:23:58.804701
• Title: Implementing LoRa MIMO System for Internet of Things
• Title（参考訳）: モノのインターネットのためのLoRa MIMOシステムの実装
• Authors: Atonu Ghosh, Sharath Chandan, Sudip Misra,
• Abstract要約: 現代のIoTアプリケーションは、LoRaが提供するものよりも高いスループットを必要とする。 本研究は、LoRaの帯域制限に対処する空間多重化アルゴリズムと、LoRa多重入力多重出力(MIMO)システムを導入する。
• 参考スコア（独自算出の注目度）: 24.942209461569576
• License:
• Abstract: Bandwidth constraints limit LoRa implementations. Contemporary IoT applications require higher throughput than that provided by LoRa. This work introduces a LoRa Multiple Input Multiple Output (MIMO) system and a spatial multiplexing algorithm to address LoRa's bandwidth limitation. The transceivers in the proposed approach modulate the signals on distinct frequencies of the same LoRa band. A Frequency Division Multiplexing (FDM) method is used at the transmitters to provide a wider MIMO channel. Unlike conventional Orthogonal Frequency Division Multiplexing (OFDM) techniques, this work exploits the orthogonality of the LoRa signals facilitated by its proprietary Chirp Spread Spectrum (CSS) modulation to perform an OFDM in the proposed LoRa MIMO system. By varying the Spreading Factor (SF) and bandwidth of LoRa signals, orthogonal signals can transmit on the same frequency irrespective of the FDM. Even though the channel correlation is minimal for different spreading factors and bandwidths, different Carrier Frequencies (CF) ensure the signals do not overlap and provide additional degrees of freedom. This work assesses the proposed model's performance and conducts an extensive analysis to provide an overview of resources consumed by the proposed system. Finally, this work provides the detailed results of a thorough evaluation of the model on test hardware.
• Abstract（参考訳）: 帯域制限はLoRaの実装を制限する。 現代のIoTアプリケーションは、LoRaが提供するものよりも高いスループットを必要とする。 本研究は、LoRaの帯域制限に対処する空間多重化アルゴリズムと、LoRa多重入力多重出力(MIMO)システムを導入する。 提案手法のトランシーバは、同じLoRa帯域の異なる周波数の信号を変調する。 送信機では、周波数分割多重化(FDM)法を用いて、より広いMIMOチャネルを提供する。 OFDM(Orthogonal Frequency Division Multiplexing)技術とは異なり、この研究は独自のCyrp Spread Spectrum(CSS)変調によって促進されるLoRa信号の直交性を利用して、提案されたLoRa MIMOシステムでOFDMを実行する。 拡散係数(SF)とLoRa信号の帯域幅を変えることで、直交信号はFDMに関係なく同じ周波数で送信することができる。 チャネル相関は、異なる拡散係数と帯域幅に対して最小であるが、異なるキャリア周波数(CF)は、信号が重複しないことを保証し、追加の自由度を提供する。 本研究は,提案モデルの性能評価を行い,提案システムで消費される資源を概観する広範囲な分析を行う。 最後に、本研究は、テストハードウェア上でのモデルの徹底的な評価結果を詳細に提供する。

関連論文リスト

• Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
  本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。 提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-09-21T12:02:47Z)
• An ML-assisted OTFS vs. OFDM adaptable modem [1.8492669447784602]
  OTFSおよびOFDM波形は、レガシーアーキテクチャの再利用、レシーバ設計の単純さ、低複雑さ検出の利点を享受する。 本稿では,送信機におけるOTFSまたはOFDM信号処理チェーンと受信機とを切り替えて,平均二乗誤差(MSE)性能を最適化するディープニューラルネットワーク(DNN)に基づく適応方式を提案する。
  論文  参考訳（メタデータ） (2023-09-04T02:33:44Z)
• Random Orthogonalization for Federated Learning in Massive MIMO Systems [85.71432283670114]
  大規模マルチインプット・マルチアウトプット(MIMO)無線システムにおいて,フェデレートラーニング(FL)のための新しい通信設計を提案する。 ランダム直交化の主な特徴は、FLの密結合と、チャネル硬化と良好な伝播の2つの特徴から生じる。 我々は、この原理をダウンリンク通信フェーズに拡張し、FLの簡易かつ高効率なモデル放送法を開発する。
  論文  参考訳（メタデータ） (2022-10-18T14:17:10Z)
• Extensible circuit-QED architecture via amplitude- and frequency-variable microwaves [52.77024349608834]
  固定周波数キュービットとマイクロ波駆動カプラを組み合わせた回路QEDアーキテクチャを提案する。 ドライブパラメータは、選択的な2ビット結合とコヒーレントエラー抑制を可能にする調整可能なノブとして現れる。
  論文  参考訳（メタデータ） (2022-04-17T22:49:56Z)
• DEFORM: A Practical, Universal Deep Beamforming System [4.450750414447688]
  我々は、ユニバーサルレシーバービームフォーミング技術を紹介し、設計し、評価する。 我々のアプローチとシステムDEFORMは、深層学習(DL)ベースのRXビームフォーミングであり、マルチアンテナRF受信機において大きな利益をもたらす。
  論文  参考訳（メタデータ） (2022-03-18T03:52:18Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
  達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。 エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-10-21T08:58:59Z)
• Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
  本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。 無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-22T13:34:53Z)
• Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
  無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。 これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
  論文  参考訳（メタデータ） (2020-07-03T16:31:15Z)
• Pruning the Pilots: Deep Learning-Based Pilot Design and Channel Estimation for MIMO-OFDM Systems [8.401473551081748]
  本稿では,ニューラルネットワークを用いた共同パイロット設計とダウンリンクチャネル推定手法を提案する。 提案したNNアーキテクチャは、周波数対応のパイロット設計に完全連結層を使用し、線形最小二乗誤差(LMMSE)推定に優れる。 また、トレーニング中に高密度のNN層から少ない有意なニューロンを徐々に刈り取ることにより、効果的なパイロットリダクション手法を提案する。
  論文  参考訳（メタデータ） (2020-06-21T13:10:26Z)
• ANN-Based Detection in MIMO-OFDM Systems with Low-Resolution ADCs [0.0]
  本稿では,信号検出に使用するLevenberg-Marquardtアルゴリズムを用いて,多層ニューラルネットワーク(ANN)を提案する。 本研究では,受信機におけるチャネル状態情報を知ることなく,データシンボル推定を行うブラインド検出方式を検討する。
  論文  参考訳（メタデータ） (2020-01-31T03:38:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。