論文の概要: Impact of Environmental Factors on LoRa 2.4 GHz Time of Flight Ranging Outdoors
- arxiv url: http://arxiv.org/abs/2509.23125v1
- Date: Sat, 27 Sep 2025 05:07:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.054594
- Title: Impact of Environmental Factors on LoRa 2.4 GHz Time of Flight Ranging Outdoors
- Title（参考訳）: 屋外飛行におけるLoRa2.4GHz時間に及ぼす環境要因の影響
- Authors: Yiqing Zhou, Xule Zhou, Zecan Cheng, Chenao Lu, Junhan Chen, Jiahong Pan, Yizhuo Liu, Sihao Li, Kyeong Soo Kim,
- Abstract要約: LoRa 2.4 GHzと呼ばれるLoRaの新しい派生型がSemtechによって提案され、無線周波数(RF)の飛行時間(ToF)をメートルレベルのローカライゼーションの手法として提供する。
簡単なディープニューラルネットワーク(DNN)モデルに基づく予備調査の結果、温度と湿度を含む環境要因が範囲の精度に大きく影響していることが示されている。
- 参考スコア（独自算出の注目度）: 3.313072216240188
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In WSN/IoT, node localization is essential to long-running applications for accurate environment monitoring and event detection, often covering a large area in the field. Due to the lower time resolution of typical WSN/IoT platforms (e.g., 1 microsecond on ESP32 platforms) and the jitters in timestamping, packet-level localization techniques cannot provide meter-level resolution. For high-precision localization as well as world-wide interoperability via 2.4-GHz ISM band, a new variant of LoRa, called LoRa 2.4 GHz, was proposed by semtech, which provides a radio frequency (RF) time of flight (ToF) ranging method for meter-level localization. However, the existing datasets reported in the literature are limited in their coverages and do not take into account varying environmental factors such as temperature and humidity. To address these issues, LoRa 2.4 GHz RF ToF ranging data was collected on a sports field at the XJTLU south campus, where three LoRa nodes logged samples of ranging with a LoRa base station, together with temperature and humidity, at reference points arranged as a 3x3 grid covering 400 square meter over three weeks and uploaded all measurement records to the base station equipped with an ESP32-based transceiver for machine and user communications. The results of a preliminary investigation based on a simple deep neural network (DNN) model demonstrate that the environmental factors, including the temperature and humidity, significantly affect the accuracy of ranging, which calls for advanced methods of compensating for the effects of environmental factors on LoRa RF ToF ranging outdoors.
- Abstract（参考訳）: WSN/IoTでは、ノードのローカライゼーションは、正確な環境監視とイベント検出のために長時間稼働するアプリケーションにとって不可欠である。
典型的なWSN/IoTプラットフォーム(例えばESP32プラットフォームでは1マイクロ秒)の低時間解像度とタイムスタンプのジッタのため、パケットレベルのローカライゼーション技術はメーターレベルの解像度を提供できない。
高精度なローカライゼーションと2.4GHz ISMバンドによる世界規模のインターオペラビリティを実現するため、LoRa 2.4 GHzと呼ばれるLoRaの新しい派生機がSemtechによって提案され、無線周波数(RF)の飛行時間(ToF)をメートルレベルのローカライゼーションのために提供する。
しかし、文献で報告されている既存のデータセットはカバー範囲が限られており、温度や湿度などの環境要因を考慮に入れていない。
これらの問題に対処するため、ロラ2.4GHzのRF ToFレンジデータをXJTLU南キャンパスのスポーツフィールドで収集し、3つのロラノードがロラ基地局と温度と湿度のサンプルを3週間にわたって400平方メートルをカバーする3x3グリッドとして配置し、ESP32ベースの機械通信用トランシーバーを備えた基地局に全ての測定記録をアップロードした。
簡易深層ニューラルネットワーク(DNN)モデルに基づく予備調査の結果, 環境要因(温度と湿度を含む)は, 屋外のロラRF ToFに対する環境要因の影響を補償する高度な手法を要求される範囲の精度に大きく影響することが示された。
関連論文リスト
- IoT-based Noise Monitoring using Mobile Nodes for Smart Cities [0.45671221781968324]
本稿では,モバイルノードを用いたスケーラブルで低コストでIoTベースのリアルタイム環境騒音監視ソリューションを提案する。
このシステムは、GPS対応モジュールに統合された低コストの音響センサを使用して、ジオタグ付きノイズデータを1秒間隔で収集する。
提案システムは,スマートシティにおけるIoTベースのノイズセンシングネットワークの普及の可能性を示す。
論文 参考訳（メタデータ） (2025-08-31T20:13:09Z) - On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。
我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
論文 参考訳（メタデータ） (2025-07-25T19:58:44Z) - A Comprehensive Data Description for LoRaWAN Path Loss Measurements in an Indoor Office Setting: Effects of Environmental Factors [6.8093214146903875]
本稿では,屋内オフィス環境において収集したLoRaWAN技術パス損失の包括的データセットについて述べる。
反射、散乱、干渉、占有パターンなどの過渡現象は、信号減衰を最大10.58dBで変化させることができる。
このデータセットは、屋内無線通信における将来の研究と開発のための確かな基盤を提供する。
論文 参考訳（メタデータ） (2025-05-09T18:41:42Z) - Advancing Air Quality Monitoring: TinyML-Based Real-Time Ozone Prediction with Cost-Effective Edge Devices [0.0]
本稿では, オゾン濃度をリアルタイムに予測する新しいTinyMLシステムを提案する。
このシステムはArduino Nano 33 BLE Senseマイクロコントローラを使用し、一酸化炭素(CO)検出のためのMQ7センサーと温度と圧力測定のための内蔵センサーを備えている。
論文 参考訳（メタデータ） (2025-04-03T10:48:24Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - 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) - A spatio-temporal LSTM model to forecast across multiple temporal and
spatial scales [0.0]
本稿では,環境データセットに適用した時系列予測のための新しい時空間LSTM(SPATIAL)アーキテクチャを提案する。
このフレームワークは、複数のセンサーにまたがって評価され、現在の速度、温度、溶存酸素の3つの異なる海洋変数に対して評価された。
論文 参考訳（メタデータ） (2021-08-26T16:07:13Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z)
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。