当前位置: 首页 > news >正文

LoRa模块空中唤醒功能原理和物联网应用

LoRa模块是一种广泛应用于物联网领域的无线通信模块,支持低功耗、远距离和低成本的无线通信

其空中唤醒功能是一项重要的应用,可以实现设备的自动唤醒,从而在没有人工干预的情况下实现设备的远程监控和控制。

LoRa模块空中唤醒功能的原理

LoRa模块空中唤醒功能的实现基于LoRaWAN协议的信标唤醒机制

信标是一种远距离无线通信技术,可以实现设备之间的互联互通。
LoRa模块支持多种类型的信标,包括心跳信标、定位信标和广播信标等。

当LoRa模块接收到信标信号时,会自动从睡眠状态中醒来,并进入接收状态,接收来自信标的数据包。如果在一定时间没有接收到来自信标的数据包,LoRa模块会自动进入休眠状态,等待下一次信标信号的到来。

空中唤醒功能的原理是通过发送特殊的前导码来唤醒LoRa模块,然后从信标接收数据包。具体实现过程如下:

  1. 当LoRa模块接收到空中唤醒信号时,会发送特殊的前导码来表示已经收到信标信号,并进入接收状态。
  2. 前导码是一个16位的二进制数,可以在100ms内发送多个。

LoRa是如何实现空中唤醒的?

在无线传感网的设计中,往往大部分终端节点都需要空中唤醒并且还要低功耗设计,那么LoRa是如何通过CAD来实现的呢?

在无线传感网络设计中,往往大部分的无线收发节点都需要低功耗处理。
为了降低功耗,只有通过减少无用的工作时间。

在大多数的物联网应用中,无线通信时,射频部分大多数时间都处于接收状态,也是主要的能量消耗所在。

理想状态是,当有数据需要接收时,节点处于接收状态,无信息接收时,节点处于睡眠状态,这就需要空中唤醒技术。

空中唤醒从现象上看,好像是发射极把接收机从睡眠中唤醒,实则不然,其实是接收机周期性自动醒来,查看空中有没有呼叫信号,如果没有,则继续睡眠;如果有,则被唤醒进入接收状态。
因此,在空中没有呼叫信号时,接收机平均功耗较低。

但是如何发现呼叫信号,传统的做法是通过设定RSSI阈值来判断,只有信号强度足够时才认为有效,唤醒节点,否则相反。

随着扩频调制技术的应用,人们在确定可能低于接收机低噪声的信号是否已经使用信道时,面临重重挑战。这种情况下,使用RSSI无疑是行不通的。为了解决这个问题,可使用信道活动检测器来检测其他LoRa信号。

LoRa数据包由:前导码、可选报头、数据有效负载组成,如下图所示:
在这里插入图片描述
信道活动检测模式旨在以尽可能高的功耗效率检测无线信道上的LoRa前导码。在CAD模式下, SX1276/77/78快速扫描频段,以检测LoRa数据包前导码。

在CAD过程中会执行以下操作:

PLL被锁定。

无线接收机从信道获取数据的LoRa前导码符号。在期间的电流消耗对应指定的Rx模式电流。

无线接收机及PLL被关闭,调制解调器数字处理开始执行。

调制解调器搜索芯片所获取样本与理想前导码波形之间的关联关系。建立这样的关联关系所需的时间仅略小于一个符号周期。在此期间,电流的消耗大幅减少。

完成计算后,调制解调器产生CadDone中断信号。如果关联成功,则会同时产生CadDetected信号。

芯片恢复到待机模式。

如果发现前导码,清除中断,然后将芯片设置为Rx单一或连续模式,从而开始接收数据。

信道活动检测时长取决于使用的LoRa调制设置。下图针对特定配置显示了典型CAD检测时长,该时长为LoRa符号周期的倍数。CAD检测时间内,芯片在(2SF+32)/BW秒钟处于接收模式,其余时间则处于低功耗状态。

http://www.lryc.cn/news/234200.html

相关文章:

  • spring中的DI
  • gpt-4-vision-preview 识图
  • Spring Framework 6.1 正式发布
  • SystemVerilog学习 (11)——覆盖率
  • jQuery,解决命名冲突的问题
  • 为什么C++标准库中atomic shared_ptr不是lockfree实现?
  • Python基础入门例程58-NP58 找到HR(循环语句)
  • 航天联志Aisino-AISINO26081R服务器通过调BIOS用U盘重新做系统(windows系统通用)
  • windows 10 更新永久关闭
  • 循环优先级仲裁~位屏蔽仲裁算法
  • 千年版本修改小技巧
  • 教学过程中可以实施哪些考核评价方式?
  • MyBatis查询数据库(全是精髓)
  • elementPlus+vue3引入icon图标
  • Spring框架中的bean管理(XML和注解及属性的注入)
  • MySQL 存储过程提高数据库效率和可维护性
  • JAXB的XmlElement注解
  • 竞赛选题 深度学习驾驶行为状态检测系统(疲劳 抽烟 喝水 玩手机) - opencv python
  • 59 权限提升-Win溢出漏洞及ATSCPS提权
  • 【新闻稿】Solv 与 zCloak 联合开发跨境贸易场景下可编程数字凭证项目,获得新加坡、加纳两国央行支持...
  • requests库进行爬虫ip请求时遇到的错误解决方法
  • 目标检测—YOLO系列(二 ) 全面解读论文与复现代码YOLOv1 PyTorch
  • Redis维护缓存的方案选择
  • LeetCode236. Lowest Common Ancestor of a Binary Tree
  • 基于Gin+Gorm框架搭建MVC模式的Go语言企业级后端系统
  • 【开源】基于Vue和SpringBoot的固始鹅块销售系统
  • Windows11怎样投屏到电视上?
  • ubuntu中用docker部署jenkins,并和码云实现自动化部署
  • for,while,do-while,死循环,嵌套循环,跳转关键字,随机数
  • 【六袆 - MySQL】SQL优化;Explain SQL执行计划分析;