CurvingLoRa_NSDI22 Téléchargement - CurvingLoRa_NSDI22 Code source Télécharger

CurvingLoRa_NSDI22

Code Source AI

1.0.0

Télécharger

Curvinglora

Ce référentiel contient des scripts et des instructions pour reproduire les expériences de notre papier NSDI'22 "Curvinglora pour augmenter la capacité du réseau LORA via une transmission simultanée".

Aperçu

Réglage de l'environnement
Structure de réapprovisionnement
Reproduire les résultats avec des journaux fournis
Reproduire les résultats de zéro
Notes
Contact

Réglage de l'environnement

Logiciel requis:

MATLAB - Traitement et algorithme
Radio GNU - Collecte de données

Exécutez les commandes suivantes pour télécharger Curvinglora depuis GitHub.

 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

Structure de réapprovisionnement

 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

Reproduire les résultats avec des journaux fournis

Nous fournissons les résultats des performances sous le result/ . Pour reproduire les figures du papier, vous pouvez exécuter les commandes suivantes pour les scripts Python.

 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

Reproduire les résultats de zéro

Veuillez vous assurer que tous les chemins des configurations sont cohérents pour les ensembles de données, les scripts et les journaux.

Téléchargez des ensembles de données. Veuillez télécharger des ensembles de données de symbole et de plein air et les mettre sous les data/ , comme indiqué dans l'arborescence du répertoire ci-dessus.
Veuillez exécuter les scripts EVA _ {***} sous chaque répertoire pour reproduire les résultats à partir de zéro.

Notes

Veuillez envisager de citer notre article si vous utilisez le code ou les données dans votre projet de recherche.

 @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 } ,
}