CurvingLoRa_NSDI22 Download - CurvingLoRa

CurvingLoRa_NSDI22

AI-Quellcode

1.0.0

Herunterladen

Curvinglora

Dieses Repository enthält Skripte und Anweisungen zur Reproduktion der Experimente in unserem NSDI'22 -Papier "Curvinglora, um die LORA -Netzwerkkapazität durch gleichzeitige Übertragung zu steigern".

Überblick

Umgebungseinstellung
Repo -Struktur
Reproduzieren Ergebnisse mit bereitgestellten Protokollen
Ergebnisse von Grund auf neu reproduzieren
Notizen
Kontakt

Umgebungseinstellung

Erforderliche Software:

MATLAB - Verarbeitung und Algorithmus
GNU Radio - Datenerfassung

Führen Sie die folgenden Befehle aus, um Curvinglora von GitHub herunterzuladen.

 git clone https://github.com/liecn/CurvingLoRa_NSDI22.git
cd CurvingLoRa_NSDI22
cp config_example.m config.m
# update the HOME_DIR in the config.m

Repo -Struktur

 Repo Root
+-- 0_demo                  # A toy example for non-linear chirp generation.
+-- 1_observation           # Fig 5(a)-(d), Fig 7(a)-(d).
+-- 2_simulation            # Fig 6(a)-(b), Fig 8(a)-(b).
+-- 3_deployment            # Evalution Part
    +-- symbol_emulation    # Fig 16(a)-(b), Fig 17(a)-(d), Fig 18(a)-(d).
    +-- outdoor_emulation   # Fig 20(a)
    +-- result              # Results
    +-- transmitter         # Matlab scripts for packet generation
+-- data                    # Dataset
    +-- symbol              # Indoor symbol dataset
    +-- outdoor             # Outdoor dataset
    +-- groundtruth         # Groundtruth for the outdoor dataset
+-- utils                   # Utility functions
+-- figs                    # Some figures in the paper
+-- config_example.m        # Configuration template

Reproduzieren Ergebnisse mit bereitgestellten Protokollen

Wir liefern die Leistungsergebnisse im Rahmen des korrekten result/ . Um die Figuren im Papier zu reproduzieren, können Sie folgende Befehle für Python -Skripte ausführen.

 cd CurvingLoRa_NSDI22
matlab -nodisplay

 %% Matlab
addpath(genpath( ' ./. ' ));

%% Observation Results
1_observation / fig_5       # Fig 5
1_observation / fig_7       # Fig 7

%% Simulation Results
2_simulation / fig_6a      # Fig 5
2_simulation / fig_6b      # Fig 7
2_simulation / fig_8a      # Fig 8a  
2_simulation / fig_8b      # Fig 8b
2_simulation / fig_sir2map # SIR map

%% Evaluation Results
3_deployment / symbol_emulation / fig_16a      # Fig 16a
3_deployment / symbol_emulation / fig_16b      # Fig 16b
3_deployment / symbol_emulation / fig_17abcd   # Fig 17abcd
3_deployment / symbol_emulation / fig_18abcd   # Fig 18abcd
3_deployment / symbol_emulation / fig_17abcd   # Fig 20a
3_deployment / outdoor_emulation / figs_outdoor_emulation   # Fig 20a

Ergebnisse von Grund auf neu reproduzieren

Bitte stellen Sie sicher, dass alle Pfade in den Konfigurationen für Datensätze, Skripte und Protokolle konsistent sind.

Datensätze herunterladen. Bitte laden Sie Symbol- und Outdoor -Datensätze herunter und legen Sie sie unter die data/ , wie im Verzeichnisbaum oben gezeigt.
Bitte führen Sie die EVA _ {***} -Skripts unter jedem Verzeichnis aus, um die Ergebnisse von Grund auf neu zu reproduzieren.

Notizen

Bitte überlegen Sie, ob Sie unser Papier zitieren, wenn Sie den Code oder die Daten in Ihrem Forschungsprojekt verwenden.

 @inproceedings { CurvingLoRa_NSDI22 ,
    author = { Li, Chenning and Guo, Xiuzhen and Shuangguan, Longfei and Cao, Zhichao and Jamieson, Kyle } ,
    title = { CurvingLoRa to Boost LoRa Network Throughput via Concurrent Transmission } ,
    year = { 2022 } ,
    booktitle = { Proceedings of USENIX NSDI } ,
}