CN103716808A - 一种无线传感器网络链路质量预测方法 - Google Patents
一种无线传感器网络链路质量预测方法 Download PDFInfo
- Publication number
- CN103716808A CN103716808A CN201310719071.2A CN201310719071A CN103716808A CN 103716808 A CN103716808 A CN 103716808A CN 201310719071 A CN201310719071 A CN 201310719071A CN 103716808 A CN103716808 A CN 103716808A
- Authority
- CN
- China
- Prior art keywords
- data
- node
- signal strength
- received signal
- sensor network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
Description
技术领域
本发明涉及无线传感器网络技术领域,具体涉及一种无线传感器网络链路质量的预测方法。
背景技术
无线传感器网络是有许多安装在固定设施上并具有无线收、发能力的节点组成的一种无线通信网络。这些节点采集不同的物理数据(如:电网中输电线电压、电流、电表读数等)。
由于无线传感器网络的通信距离有限,当网络中两个节点无法直接通信时,通过中间节点转发,多跳路由方式,提高通信距离。通常在较为密集的无线传感器网络中,两个节点间可能有多条传输路径可供选择时,应该选择链路质量较优的路径传输数据,能保证数据通信的可靠性。作为链路质量评价指标,节点间数据包接收率Prr是成功接收到数据包数量与发送的数据包总数量之比。因此,节点间数据包接收率Prr的是通信完成后的统计结果,不能在数据发送前得出,无法用于传输路径的选择。
发明内容
为解决上述链路质量预测的问题,本发明提供一种基于背景噪音拟合和接收信号强度模型的无线传感器网络链路质量预测方法。即在无线传感器网络中,增加节点对每跳链路质量的预测能力,避免节点使用不可靠链路传输数据,提高无线传感器网络通信可靠性能。
本发明的思路是,将链路质量的影响因素分为随机性的背景噪音扰动(如电磁干扰噪音、设备噪音)和平稳性的信号强度衰减扰动(如地形地貌、天气、环境变化)两类。根据背景噪音扰动变化快、随机性强的特点,使用节点在线实时监听的无线传感器网络空闲时背景噪音时间序列信息,采用alpha-stable分布拟合环境背景噪音的方法,建立背景噪音数学模型;根据信号强度衰减扰动变化缓慢且平稳的特点,通过对数正态阴影路径损耗模型,以通信时节点获取的接收信号强度时间序列和固定的节点间距信息,采用最小二乘法估计影响信号强度的环境参数,建立接收信号强度数学模型;根据背景噪音数学模型和接收信号强度数学模型,计算数据包接收率Prr,作为表征链路质量预测值。
本发明的目的是这样实现的。本发明提供了一种无线传感器网络链路质量预测方法。该方法根据接收信号强度数学模型和背景噪音数学模型,预测拓扑结构固定且已知的无线传感器网络中的节点间数据包接收率Prr,并将节点间数据包接收率Prr作为链路质量评价指标,包括如下步骤:
1)数据接收节点对背景噪音的监听和拟合建模,具体步骤如下:
a)在网络空闲时,数据接收节点监听所处环境的背景噪音,记录监听到的背景噪音强度值的时间序列数据;
b)保存最后监听到的wn个背景噪音强度值的时间序列数据,同时将过期数据删除;
优选的,wn的数量控制在150000-200000个之间;
c)采用alpha稳定分布对保存的背景噪音强度值的时间序列数据进行拟合,得到拟合的alpha稳定分布参数α、β、c和μ;
d)采用拟合的参数α、β、c和μ,得到alpha稳定分布表征背景噪音数学模型Pn;
2)数据接收节点建立接收信号强度模型,具体步骤如下:
a)数据接收节点在每次成功接收来自数据发送节点的数据后,记录数据接收信号强度的时间序列数据;
b)根据已知的网络拓扑结构,数据接收节点记录与每个接收信号强度相对应的数据传输距离数据;
c)数据接收节点保存最后得到的wr个接收信号强度的时间序列数据和相应的距离数据,同时将过期数据删除;
优选的,wr的数量控制在1000-10000个之间;
d是间距,Pr(d)是在间距为d时接收信号强度,Pt是数据发送节点无线发射功率,Lc是电路及天线的实际增益或损耗,n是环境的路径损耗指数,Xσ是无线信号传输阴影衰落项,且Xσ服从均值为0、方差为σ的正态分布即Xσ~N(0,σ),d0是参考距离,PL(d0)是参考距离d0下无线信号的理想空间传输路径损耗;
所述接收信号强度、节点无线发射功率和信号传输路径损耗的单位一致且均为dBm;
3)数据接收节点将参数α、β、c和μ,以及参数Lc、n和Xσ的方差σ回复给数据发送节点,数据发送节点根据 计算数据包接收率Prr,作为表征链路质量评价指标;其中:
函数Q(x)为标准正态分布概率密度函数的尾积分;
BN为与无线收发器相关的噪音带宽,单位为kHz;
R是数据通信速率,单位为kbps。
本发明依据无线传感器网络在数据传输中可获取的信息,提出了一种无线传感器网络链路质量预测方法,在数据发送前预测节点间数据包接收率Prr,并作为链路质量评价指标链路质量,可用于传输路径的选择。
附图说明
图1是本发明一种无线传感器网络链路质量预测方法的流程图;
图2是本发明一种无线传感器网络链路质量预测方法实施例的网络拓扑结构图;
图3是本发明一种无线传感器网络链路质量预测方法实施例的背景噪音强度频率分布图;
图4是本发明一种无线传感器网络链路质量预测方法实施例的背景噪音拟合概率分布图。
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述
本实施例的流程图如附图1所示。
本发明的优选实施例以基于CC2530芯片的无线传感器网络节点及组成网络为例,对本发明的链路质量预测方法进行说明。本实施例的网络拓扑结构图如附图2所示。当节点1向节点4发送数据时,需要通过节点2或节点3进行转发数据。为保证数据的可靠性,节点1需要对链路1和链路2的质量进行预测。
在节点1对链路1和链路2的质量进行预测之前,节点2和节点3应已预先完成以下工作:
(1)节点背景噪音数学模型的建立
1)在网络空闲时,数据接收节点(附图2中为节点2和节点3)监听所处环境的背景噪音,记录监听到的背景噪音强度值的时间序列数据;
2)保存最后监听到的wn个的监听背景噪音时间序列数据,并删除过期数据。本实施例中wn=170000;
3)采用alpha稳定分布对保存的噪音数据进行拟合,具体拟合的过程可参照附图3和附图4。根据统计方法,得出背景噪音强度频率分布图如附图3图所示,采用alpha稳定分布的背景噪音拟合概率(如附图4图所示),本实施例节点2得到拟合的alpha稳定分布参数α=1.515、β=1、c=0.617和μ=-89.723;
4)采用拟合的参数α、β、c和μ,得到服从alpha稳定分布的背景噪音数学模型Pn。本实施例节点2拟合的背景噪音数学模型Pn的概率密度函数曲线如图所示。
(2)节点接收信号强度模型的建立
1)数据接收节点(附图1中为节点2和节点3)在每次成功接收来自数据发送节点(附图1中为节点1)的数据后,记录数据接收信号强度的时间序列数据;
2)根据已知的网络拓扑结构,数据接收节点(附图1中为节点2或节点3)记录与每个接收信号强度相对应的数据传输距离数据(附图1中为节点1和节点2之间间距或节点1和节点3之间间距);
3)数据接收节点保存最后得到的wr个接收信号强度的时间序列数据和相应的距离数据,并删除过期数据。本实施例中wr=1000;
3)依无线传输接收信号强度是可测的特点,采用对数正态阴影路径损耗模型表述节点接收信号强度与通信环境和距离之前的关系如式(1)所示。
其中:
Pr(d)是在间距为d时接收信号强度(dBm);
Pt是节点无线发射功率(dBm),本实施例中,CC2530芯片的Pt为4.5dBm;
Lc是电路及实际增益或损耗(包括线路、天线接头损耗与天线增益),
n是环境的路径损耗指数;
Xσ是无线信号传输阴影衰落项,其服从零均值正态分布(Xσ~N(0,σ2));
PL(d0)是参考距离d0下无线信号理想空间传输路径损耗(dBm),其可由式PL(d0)=32.44+20log10(d0(km)·f(MHz))计算,本实施例中d0取1km,CC2530芯片的通信频率f取2400MHz,PL(d0)=100.04
阴影衰落项Xσ是具有零均值、常数方差的独立正态分布项。令Y=10log(d/d0),a=Pt+Lc-PL(d0),式(1)的非线性模型就可改写为如式(2)所示自变量为Y一元线性回归模型。
Pr(d)=a+n·Y+Xσ (2)
式(2)中Pr(d)是因变量,a为未知常量,Y为自变量,n为线性回归系数,满足高斯-马尔科夫定理的基本假设。所以,对于一组N个测量样本(Pri,Yi),采用最小二乘法可获取对数正态阴影路径损耗模型未知参数n、σ和Lc的最佳
3)采用wr组接收信号强度时间序列数据Pri和相应的距离数据Yi=10×log10(di),使用最小二乘法(如式(3)-(5)所示),计算对数正态阴影路径损耗模型中参数。本实施例节点2计算得Lc=-15.09、n=2.47和σ=2.44。
4)根据参数Lc、n和σ的计算数值,代入对数正态阴影路径损耗模型,得出接收信号强度与距离关系数学模型Pr(d)。本实施例中,节点
Pr(d)=-110.6342-24.7×log10(d)+Xσ (6)
其中Xσ~N(0,2.44)
(3)根据上述节点2和节点3应该已经预先完成的工作,节点2和节点3将建立的背景噪音数学模型参数α、β、c、μ,和接收信号强度数学模型的参数Lc、n和Xσ的方差σ传输给节点1。
节点1根据接收到的参数,通过式(7)预测节点的数据包接收率表征的链路质量评价指标。
其中:
Prr为数据包接收率,
Pn为背景噪音,
Pr(d)为接收信号强度,
BN为与无线收发器相关的噪音带宽,本实施CC2530芯片的BN为284KHz,
R是数据通信速率,本实施例CC2530芯片的R为250kbps,
函数Q(x)为标准正态分布概率密度函数的尾积分。
本实施例中,节点1根据上述节点2和节点3的预先计算的背景噪音数学模型参数α、β、c、μ,和接收信号强度数学模型的参数Lc、n和Xσ的方差σ,分别代入式(7),计算出链路1的数据包接收率Prr1=0.98,计算出链路2的数据包接收率Prr2=0.95。因此,节点1选择节点2为路由转发节点,通过链路1传输数据。
这样本发明的链路质量预测模型就能根据历史的背景噪音和接收信号强度信息,建立背景噪音数学模型和接收信号强度模型,预测链路的数据包接收率,作为表征链路质量评价指标。
以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也包含这些改变和变型在内。
Claims (5)
1.一种无线传感器网络链路质量预测方法,其特征在于:根据接收信号强度数学模型和背景噪音数学模型,预测拓扑结构固定且已知的无线传感器网络中的节点间数据包接收率Prr,并将节点间数据包接收率Prr作为链路质量评价指标,包括如下步骤:
1)数据接收节点对背景噪音的监听和拟合建模,具体步骤如下:
a)在网络空闲时,数据接收节点监听所处环境的背景噪音,记录监听到的背景噪音强度值的时间序列数据;
b)保存最后监听到的wn个背景噪音强度值的时间序列数据;
c)采用alpha稳定分布对保存的背景噪音强度值的时间序列数据进行拟合,得到拟合的alpha稳定分布参数α、β、c和μ;
d)采用拟合的参数α、β、c和μ,得到alpha稳定分布表征背景噪音数学模型Pn;
2)数据接收节点建立接收信号强度模型,具体步骤如下:
a)数据接收节点在每次成功接收来自数据发送节点的数据后,记录数据接收信号强度的时间序列数据;
b)根据已知的网络拓扑结构,数据接收节点记录与每个接收信号强度相对应的数据传输距离数据;
c)数据接收节点保存最后得到的wr个接收信号强度的时间序列数据和相应的距离数据;
d是间距,Pr(d)是在间距为d时接收信号强度,Pt是数据发送节点无线发射功率,Lc是电路及天线的实际增益或损耗,n是环境的路径损耗指数,Xσ是无线信号传输阴影衰落项,且Xσ服从均值为0、方差为σ的正态分布即Xσ~N(0,σ),d0是参考距离,PL(d0)是参考距离d0下无线信号的理想空间传输路径损耗;
所述接收信号强度、节点无线发射功率和信号传输路径损耗的单位一致且均为dBm;
3)数据接收节点将参数α、β、c和μ,以及参数Lc、n和Xσ的方差σ回复给数据发送节点,数据发送节点根据 计算数据包接收率Prr,作为表征链路质量评价指标;其中:
函数Q(x)为标准正态分布概率密度函数的尾积分;
BN为与无线收发器相关的噪音带宽,单位为kHz;
R是数据通信速率,单位为kbps。
2.根据权利要求1所述的一种无线传感器网络链路质量预测方法,其特征在于:步骤1)中的c)中,在保存最后监听到的wn个背景噪音强度值的时间序列数据的同时,将过期数据删除。
3.根据权利要求1所述的一种无线传感器网络链路质量预测方法,其特征在于:步骤2)中的c)中,在保存最后监听到的wr个接收信号强度的时间序列数据和相应的距离数据的同时,将过期数据删除。
4.根据权利要求1-2任一项所述的一种无线传感器网络链路质量预测方法,其特征在于:wn的数量控制在150000-200000个之间。
5.根据权利要求1,3任一项所述的一种无线传感器网络链路质量预测方法,其特征在于:wr的数量控制在1000-10000个之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310719071.2A CN103716808B (zh) | 2013-12-20 | 2013-12-20 | 一种无线传感器网络链路质量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310719071.2A CN103716808B (zh) | 2013-12-20 | 2013-12-20 | 一种无线传感器网络链路质量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103716808A true CN103716808A (zh) | 2014-04-09 |
CN103716808B CN103716808B (zh) | 2016-09-28 |
Family
ID=50409276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310719071.2A Active CN103716808B (zh) | 2013-12-20 | 2013-12-20 | 一种无线传感器网络链路质量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103716808B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160269920A1 (en) * | 2015-03-10 | 2016-09-15 | Rasa Networks, Inc. | Estimating Qualities Of Links Between Nodes Of A Wireless Network |
CN106059692A (zh) * | 2016-06-15 | 2016-10-26 | 全球能源互联网研究院 | 一种变电站环境的路径损耗建模方法 |
CN106664220A (zh) * | 2014-08-07 | 2017-05-10 | 微软技术许可有限责任公司 | 估计网络中的带宽 |
CN107222929A (zh) * | 2017-06-09 | 2017-09-29 | 华南理工大学 | 一种避免无线体域网间干扰的方法 |
CN107332631A (zh) * | 2017-07-31 | 2017-11-07 | 南昌航空大学 | 一种采用多属性群决策理论评价链路质量评估模型的方法 |
CN107643045A (zh) * | 2017-08-23 | 2018-01-30 | 南京理工大学 | 基于有源rfid的大型阵列螺栓松动监测系统及方法 |
CN108226912A (zh) * | 2018-01-22 | 2018-06-29 | 深圳大学 | 一种定位方法及定位系统 |
CN108270636A (zh) * | 2016-12-31 | 2018-07-10 | 中国移动通信集团河北有限公司 | 链路质量评估方法及装置 |
CN108684052A (zh) * | 2018-07-13 | 2018-10-19 | 南京理工大学 | 一种高自由度水下传感器网络中无线链路质量预测方法 |
CN109348497A (zh) * | 2018-09-30 | 2019-02-15 | 南昌航空大学 | 无线传感器网络链路质量预测方法 |
CN109392055A (zh) * | 2018-11-19 | 2019-02-26 | 北京科技大学 | 一种传感器网络跨层能量控制方法及装置 |
CN109982422A (zh) * | 2019-04-09 | 2019-07-05 | 合肥工业大学 | 一种自适应无线传感器网络发射功率控制方法 |
CN111182564A (zh) * | 2019-12-26 | 2020-05-19 | 合肥工业大学 | 一种基于lstm神经网络的无线链路质量预测方法 |
CN111242493A (zh) * | 2020-01-17 | 2020-06-05 | 广州市城市规划勘测设计研究院 | 一种街道品质评价方法、装置、系统及存储介质 |
CN108432202B (zh) * | 2015-11-03 | 2021-05-28 | 巴科股份有限公司 | 用于电信网络中的数据流的优化路由的方法和系统 |
CN113408094A (zh) * | 2021-08-20 | 2021-09-17 | 南京迈一勤电子科技有限公司 | 基于物理层参数的无线链路质量快速预测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI608744B (zh) * | 2016-12-06 | 2017-12-11 | 財團法人工業技術研究院 | 估算裝置及其無線網路之通訊品質估算方法及電表安裝方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5560478B2 (ja) * | 2009-01-14 | 2014-07-30 | 独立行政法人情報通信研究機構 | モバイル端末用センサー情報システム |
JP5895163B2 (ja) * | 2011-03-11 | 2016-03-30 | パナソニックIpマネジメント株式会社 | 無線映像送信装置および無線映像受信装置ならびにこれらを備えた無線映像伝送システム |
-
2013
- 2013-12-20 CN CN201310719071.2A patent/CN103716808B/zh active Active
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106664220A (zh) * | 2014-08-07 | 2017-05-10 | 微软技术许可有限责任公司 | 估计网络中的带宽 |
CN106664220B (zh) * | 2014-08-07 | 2020-02-07 | 微软技术许可有限责任公司 | 估计网络中的带宽 |
US10356638B2 (en) * | 2015-03-10 | 2019-07-16 | Hewlett Packard Enterprise Development Lp | Estimating qualities of links between nodes of a wireless network |
US20160269920A1 (en) * | 2015-03-10 | 2016-09-15 | Rasa Networks, Inc. | Estimating Qualities Of Links Between Nodes Of A Wireless Network |
CN108432202B (zh) * | 2015-11-03 | 2021-05-28 | 巴科股份有限公司 | 用于电信网络中的数据流的优化路由的方法和系统 |
CN106059692A (zh) * | 2016-06-15 | 2016-10-26 | 全球能源互联网研究院 | 一种变电站环境的路径损耗建模方法 |
CN108270636A (zh) * | 2016-12-31 | 2018-07-10 | 中国移动通信集团河北有限公司 | 链路质量评估方法及装置 |
CN107222929A (zh) * | 2017-06-09 | 2017-09-29 | 华南理工大学 | 一种避免无线体域网间干扰的方法 |
CN107222929B (zh) * | 2017-06-09 | 2019-10-18 | 华南理工大学 | 一种避免无线体域网间干扰的方法 |
CN107332631A (zh) * | 2017-07-31 | 2017-11-07 | 南昌航空大学 | 一种采用多属性群决策理论评价链路质量评估模型的方法 |
CN107643045A (zh) * | 2017-08-23 | 2018-01-30 | 南京理工大学 | 基于有源rfid的大型阵列螺栓松动监测系统及方法 |
CN108226912A (zh) * | 2018-01-22 | 2018-06-29 | 深圳大学 | 一种定位方法及定位系统 |
CN108226912B (zh) * | 2018-01-22 | 2021-11-09 | 深圳大学 | 基于稀疏网络的非接触物体感知定位的方法及系统 |
CN108684052B (zh) * | 2018-07-13 | 2021-05-07 | 南京理工大学 | 一种高自由度水下传感器网络中无线链路质量预测方法 |
CN108684052A (zh) * | 2018-07-13 | 2018-10-19 | 南京理工大学 | 一种高自由度水下传感器网络中无线链路质量预测方法 |
CN109348497A (zh) * | 2018-09-30 | 2019-02-15 | 南昌航空大学 | 无线传感器网络链路质量预测方法 |
CN109392055A (zh) * | 2018-11-19 | 2019-02-26 | 北京科技大学 | 一种传感器网络跨层能量控制方法及装置 |
CN109392055B (zh) * | 2018-11-19 | 2020-07-10 | 北京科技大学 | 一种传感器网络跨层能量控制方法及装置 |
CN109982422A (zh) * | 2019-04-09 | 2019-07-05 | 合肥工业大学 | 一种自适应无线传感器网络发射功率控制方法 |
CN111182564A (zh) * | 2019-12-26 | 2020-05-19 | 合肥工业大学 | 一种基于lstm神经网络的无线链路质量预测方法 |
CN111182564B (zh) * | 2019-12-26 | 2022-04-08 | 国网安徽省电力有限公司电力科学研究院 | 一种基于lstm神经网络的无线链路质量预测方法 |
CN111242493B (zh) * | 2020-01-17 | 2020-11-24 | 广州市城市规划勘测设计研究院 | 一种街道品质评价方法、装置、系统及存储介质 |
CN111242493A (zh) * | 2020-01-17 | 2020-06-05 | 广州市城市规划勘测设计研究院 | 一种街道品质评价方法、装置、系统及存储介质 |
CN113408094A (zh) * | 2021-08-20 | 2021-09-17 | 南京迈一勤电子科技有限公司 | 基于物理层参数的无线链路质量快速预测方法 |
CN113408094B (zh) * | 2021-08-20 | 2022-01-14 | 南京迈一勤电子科技有限公司 | 基于物理层参数的无线链路质量快速预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103716808B (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103716808A (zh) | 一种无线传感器网络链路质量预测方法 | |
US10440666B2 (en) | Managing communication between a plurality of moving objects through control of transmit power and/or transmit rate | |
Mir et al. | Simulation and performance evaluation of vehicle-to-vehicle (V2V) propagation model in urban environment | |
CN104702355A (zh) | 一种大小尺度衰落信道下宽带协作频谱感知方法 | |
Alset et al. | Performance analysis of various lorawan frequencies for optimal data transmission of water quality parameter measurement | |
Rostamzadeh et al. | Analysis of message dissemination in vehicular networks | |
CN103139894A (zh) | 无线通信装置和无线通信方法 | |
CN104902492A (zh) | 一种面向无线体域网的高能效拓扑结构优化方法 | |
Bertoldo et al. | Feasibility study of LoRa ad-hoc network in an urban noisy environment | |
Strzoda et al. | Measurements and analysis of large scale lora network efficiency | |
Oraibi et al. | Empirical path loss model for vehicle-to-vehicle IoT device communication in fleet management | |
Khomami et al. | Node density estimation in VANETs using received signal power | |
CN103702357A (zh) | 一种基于概率论建立数据包碰撞模型的智能公用事业网传输误包率测算方法 | |
Knopp et al. | Achievable rates for UWB peer-to-peer networks | |
Słabicki et al. | Realistic model of radio communication in wireless sensor networks | |
Wang et al. | A study of spatial packet loss correlation in 802.11 wireless networks | |
Adi et al. | Development Education of Blind Adaptive Data Rate LoRaWAN Network on Mobile Node | |
Shemshaki et al. | Empirical path loss model fit from measurements from a vehicle-to-infrastructure network in Munich at 5.9 GHz | |
Carmona et al. | Energy consumption savings in ZigBee-based WSN adjusting power transmission at application layer | |
Bacha et al. | Coverage aspects of cooperative multi-hop line networks in composite fading environment | |
Giang et al. | Topology control in VANET and capacity estimation | |
Babayiğit et al. | LoRa Communication Evaluation Based Building Density in Ankara City | |
CN104981009A (zh) | 一种多用户移动中继通信系统的功率分配方法 | |
Bae et al. | BLE-Based Indoor Positioning Using Extended Advertisement | |
Shelly et al. | A probabilistic model for link duration in vehicular ad hoc networks under Rayleigh fading channel conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |