基于深度学习的LoRa信号识别研究

作者：薛松; 倪林; 卢磊

来源：物联网技术, 2022, 12(09): 46-49.

DOI：10.16667/j.issn.2095-1302.2022.09.012

• 物联网
• 低功耗广域网
• LoRa
• 信号识别
• 深度学习
• 卷积神经网络

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%。

• 单位
  数字化纺织服装技术教育部工程研究中心