[发明专利]一种基于分段神经网络解码的LoRa剪接通信方法及系统

权利要求书

1.一种基于神经网络解码的LoRa剪接通信方法，其特征在于，按照以下步骤执行：

步骤一：信号发送；

以chirp信号为处理单位，根据剪接率对chirp信号进行剪切和拼接形成新Payload信号，新Payload信号与Preamble信号拼接形成新LoRa信号，节点将新LoRa信号发送给网关；

步骤二：信号接收；

对新LoRa信号进行高频滤波和信号同步，按照时间长度，分割得到各个chirp信号；之后再次根据时间长度对各chirp信号进行分段处理得到整段chirp信号、前1/3chirp信号、中1/3chirp信号和后1/3chirp信号；整段chirp信号、前1/3chirp信号、中1/3chirp信号和后1/3chirp信号分别与down chirp相乘，再进行傅里叶变换得到频域序列矩阵，形成神经网络模型的输入；

步骤三：模型训练；

原始chirp信号所对应的序号作为标签，步骤二得到的频域序列矩阵输入神经网络模型，以均方误差作为神经网络的损失函数，再使用Adam优化算法最小化损失函数，获得神经网络训练模型；

步骤四：利用步骤三获得的神经网络训练模型对接收的LoRa信号进行解码。

2.根据权利要求1所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，步骤二中，所述的高频滤波采用IIR低通滤波器进行。

3.根据权利要求1或2所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，步骤二中，使用滑动窗口对高频滤波后的新LoRa信号进行信号同步，并依据时间单位对高频滤波后的新LoRa信号中的Payload信号进行分割处理。

4.根据权利要求3所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，具体包括：

将高频滤波后的新LoRa信号的频域能量进行脉冲压缩，利用滑动窗口找到脉冲压缩后的能量最大值位置即为chirp信号的有效载荷的起始位置，实现信号同步；

利用10个downchirps大小来进行滑动窗口，实现对信道的监测。

5.根据权利要求1或2所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，步骤二中，整段chirp信号、前1/3chirp信号、中1/3chirp信号和后1/3chirp信号分别与downchirp相乘的具体过程如下式所示；

其中：Cu为upchirp,Cd为downchirp,f_o为Cu的起始频率，Hz；k为频率变化率，Hz/s；BW为频带宽度，Hz；t为时间，s；f_BW/2为Cd起始频率，Hz；j为虚部信号。

6.根据权利要求1或2所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，神经网络模型具体结构如下表所示：

7.根据权利要求1或2所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，所述神经网络的Loss函数为：

其中x_i为神经网络的输入，y_i为神经网络的输出。

8.根据权利要求1或2所述的基于神经网络解码的LoRa剪接通信方法，其特征在于，剪接后chirp信号的表达式如下：

Sr为剪接率，选择范围是1/1、1/2、1/4或1/8；f₀为起始频率，Hz；k为频率变化率，Hz/s；t为时间，s；j为虚数信号。

9.一种基于神经网络解码的LoRa剪接通信系统，其特征在于，所述的系统执行权利要求1-8任一所述的基于神经网络解码的LoRa剪接通信方法。

10.一种基于神经网络解码的LoRa剪接通信系统，其特征在于，设置：

信号发送模块：以chirp信号为处理单位，网关对节点发送来的原始LoRa信号进行信噪比计算得到对应的剪接率，节点根据剪接率对chirp信号进行剪切和拼接形成新Payload信号，新Payload信号与Preamble信号拼接形成新LoRa信号，节点将新LoRa信号发送给网关；

信号接收模块对新LoRa信号进行高频滤波和信号同步，按照时间长度，分割得到各个chirp信号；之后再次根据时间长度对各chirp信号进行分段处理得到整段chirp信号、前1/3chirp信号、中1/3chirp信号和后1/3chirp信号；整段chirp信号、前1/3chirp信号、中1/3chirp信号和后1/3chirp信号分别与down chirp相乘，再进行傅里叶变换得到频域序列矩阵，形成神经网络模型的输入；

模型训练模块：原始chirp信号所对应的序号作为标签，步骤二得到的频域的序列矩阵分别输入神经网络模型，以均方误差作为神经网络的损失函数，再使用Adam优化算法最小化损失函数，获得神经网络训练模型；

利用模型训练模块获得的神经网络训练模型对接收的LoRa信号进行解码。