XiaoMi-AI文件搜索系统
World File Search SystemRSSI
将915 MHz频段Lora应用于农业形式
摘要 - 使用Lorawan®（远距离大型网络）MAC层的LORA低功率宽面积网络调制方案，对于地下农业农业信息网络应用程序而变得流行。Lora使用CHIRP传播频谱技术，并获得Semtech许可。具有LORA收音机的传感器可以设计用于检测和测量可以从工业和雨水来源浸入农业土壤中的毒素。传感器可以用相机掩埋，可以检测和分类影响植物根部的病原体。传感器的测量和摄像机图像可以原位采样，并传输到农场上的地上中央洛拉集中器（网关）。洛拉设备可以埋在可变的深度，但是土壤和水都削弱了传输信号的强度。在这项工作中，我们进行实验以测量在不同的lora扩散因子，编码率和土壤深度下，在不同的lora扩散因子，编码速率和土壤深度下测量接收的信号强度指标（RSSI）和信号效力比（SNR）。我们的结果表明，对于农业形式的应用，Lora收发器埋葬深度不应超过50厘米。
RF68-低成本集成发射器IC 310至928MHz ...
CMT2300A是一种超低功率，高性能，OOK（G）FSK RF收发器，适用于各种140至1020 MHz无线应用。它是CESTEK NEXTGENRF TM RF产品线的一部分。产品线包含完整的发射机，接收器和收发器。CMT2300A的高积分简化了系统设计中所需的外围材料。+20 dbmtx功率和-121 dbm灵敏度优化了应用程序的性能。它支持各种数据包格式和编解码器方法，以满足各种不同应用程序的需求。In addition, CMT2300A also supports 64-byte Tx/Rx FIFO, GPIO and interrupt configuration, Duty-Cycle operation mode, channel sensing, high-precision RSSI, low-voltage detection, power-on reset, low frequency clock output, manual fast frequency hopping, squelch and etc.功能使应用程序设计更加灵活和差异化。CMT2300A从1.8 V到3.6 V工作。当灵敏度为-121 dBM时，仅消耗8.5 mA电流，超速功率模式可以进一步降低芯片功耗。当输出功率为13 dBm时，仅消耗23MA TX电流。
CMT2300A
CMT2300A 是一款超低功耗、高性能、OOK（G）FSK 射频收发器，适用于各种 140 至 1020 MHz 的无线应用。它是 CMOSTEK NextGenRF TM 射频产品线的一部分。该产品线包含完整的发射器、接收器和收发器。CMT2300A 的高集成度简化了系统设计所需的外围材料。高达 +20 dBm 的 Tx 功率和 -121 dBm 的灵敏度优化了应用的性能。它支持多种数据包格式和编解码方式，以满足各种不同应用的需求。此外，CMT2300A 还支持 64 字节 Tx/Rx FIFO、GPIO 和中断配置、Duty-Cycle 操作模式、信道感应、高精度 RSSI、低压检测、上电复位、低频时钟输出、手动快速跳频、静噪等功能。这些功能使应用设计更加灵活和差异化。 CMT2300A 工作电压为 1.8 V 至 3.6 V，在灵敏度为 -121 dBm 时仅消耗 8.5 mA 电流，超低功耗模式可进一步降低芯片功耗，在输出功率为 13 dBm 时仅消耗 23mA Tx 电流。
RF75用户手册
ACK Acknowledgement ARC Auto Retransmission Count ARD Auto Retransmission Delay CD Carrier Detection CE Chip Enable CRC Cyclic Redundancy Check CSN Chip Select Not DPL Dynamic Payload Length FIFO First-In-First-Out GFSK Gaussian Frequency Shift Keying GHz Gigahertz LNA Low Noise Amplifier IRQ Interrupt Request ISM Industrial-Scientific-Medical LSB Least Significant Bit MAX_RT Maximum Retransmit Mbps Megabit per second MCU Microcontroller Unit MHz Megahertz MISO Master In Slave Out MOSI Master Out Slave In MSB Most Significant Bit PA Power Amplifier PID Packet Identity Bits PLD Payload PRX Primary RX PTX Primary TX PWD_DWN Power Down PWD_UP Power Up RF_CH Radio Frequency Channel RSSI Received Signal Strength Indicator RX Receive RX_DR Receive Data Ready SCK SPI时钟SPI SPI串行外围接口TDD时间划分双面TX传输TX_DS发送数据发送XTAL CRYSTAL
黎明白皮书2024年7月25日
在任何大型无线网络上频率协调的证明都是必不可少的，因为需要重复使用和降低噪声来正确扩展网络跨最后一英里。虽然某些联邦调节的系统，例如6GHz中的自动频率协调（AFC），而CBR中的Spectrum访问系统（SAS）解决了一些频率重复使用问题，但在60GHz中需要一个无信任的解决方案。Dawn将使用一种放入机制，通过该机制，需要通过该机制锁定令牌，以便在点对点部署中对特定频率通道的独家访问。相邻节点将扫描相关的频率以验证适当的通道利用率并通过自动智能合约获得奖励。基金会将资助访问混乱数据并向网络提出地理信息系统（GIS）挑战。节点将获得所需的杂物数据的加密子集，以验证BN或DN的无线传播，并通过自动化的智能合约来奖励令牌，以证实预期的RSSI和其他无线指标。基于此无信任的无线传播模型（无线热图），将使用某些信号阈值来确定哪些通道可根据节点的位置存放。
基于多频率的 RFID 标签范围估计
摘要 — 射频识别 (RFID) 是一种快速发展的无线通信技术，用于电子识别、定位和跟踪产品、资产和人员。RFID 已成为构建实时定位系统 (RTLS) 的主要手段之一，该系统使用简单、廉价的标签（附在或嵌入物体中）和读取器（接收来自这些标签的无线信号以确定其位置）实时跟踪和识别物体的位置。大多数 RFID 标签定位技术严重依赖于对读取器和标签之间距离的精确估计。传统上，距离信息是从接收信号强度指示 (RSSI) 获得的。这种方法不准确，特别是在复杂的传播环境中。到达相位差 (PDOA) 的最新发展允许相干信号处理以提高距离估计性能。利用多个频率可以进一步提高范围估计性能。在本文中，我们重点研究基于多频的技术，以实现无源或半无源 RFID 标签范围估计的几个重要优势。使用精心设计的多个频率可以实现有效的相位上卷和消除 PDOA 方法中可能遇到的范围模糊问题。在复杂的传播环境中，当信号在某些频率上高度衰落时，基于多频的技术可提供频率分集以实现稳健的范围估计。这些优势不仅可以提高各种应用中 RFID 标签的范围估计精度，还可以在具有挑战性的场景中实现稳健的范围估计。
基于 LoRa 通信的鸡蛋孵化器温度监测与控制原型
摘要 家禽业在生产雏鸡 (DOC) 时遇到问题。家禽业通常使用孵化器生产 DOC。孵化器必须具有高精度的机器内部环境温度读取能力。孵化器内部的温度环境需要保持在 36°C - 40°C 范围内。另一方面，孵化场和鸡舍通常不在一个地方。家禽业需要应用技术来解决这个问题。这个问题可以通过使用物联网来解决。但是物联网的成本非常高。本研究旨在利用低成本通信技术实现对孵化器原型内部温度的监测和控制。研究结果表明，当读取的温度分别为 36°C、37°C、38°C、39°C 和 40°C 时，控制系统可以将孵化器原型温度保持在最佳范围内，精度分别为 99.63%、99.83%、99.97%、99.64% 和 99.37%。本研究实施了用于监测系统的长距离 (LoRa) 技术。与物联网技术不同，点对点 LoRa 通信不需要付费即可进行通信，但仍可提供广域通信。根据研究结果，点对点 LoRa 通信在 50m、100m、150m、200m、250m 和 300m 范围内发送温度数据时性能良好，平均接收信号强度 (RSSI) 也较高。本研究可以得出结论，所提出的鸡蛋孵化器可以将温度保持在最佳范围内。所提出的孵化器还可以正确通信以发送数据温度以监测温度。
使用无线信号
摘要 - 物联网领域（IoT）中的杂货应用涉及跟踪人员和商品，其质量受室内位置精度影响的质量。信号方法的模式匹配，也称为特征指纹方法，是众多室内定位方法之一。由于存在嘈杂的环境情况，因此在定位中实现精度很容易中断。需要有效的稳定技术来减轻对本地化质量的负面影响。本研究介绍了几种新型机器学习方法和索引方法，旨在提高室内定位应用的准确性。遗传算法和部分最小二平方理论提议为此目的共同起作用。传统的指纹定位方法，例如粒子群优化（PSO），高斯模型还测试了验证目的。这种方法通过PSO算法试图近似接收信号强度指示器（RSSI）信号的噪声频谱，从而通过PSO算法来调整高斯模型的主要频率/振幅。与PSO/Gaussian模型指纹方法相比，遗传算法（GA）/部分最小二乘（PLS）/K-Nearest邻居（KNN）方法可以达到92％的室内定位精度，同时需要最小的开发时间。在复杂的实验室和走廊设置中，当目标位置验证程序中包括加权KNN算法时，总准确率可以达到95％，分辨率为16 cm。总体而言，我们建议的GA/PLS/KNN方法优于传统方法和基于许多无线技术的当前静态定位方法，例如WiFi，4G/5G，蓝牙低能（BLE）等。关键字 - 事物（IoT）本地化，粒子群优化（PSO）算法，部分最小二乘（PLS）算法，遗传算法（GA），智能定位