CurvingLoRa_NSDI22

Curvinglora

Este repositório contém scripts e instruções para reproduzir os experimentos em nosso artigo nsdi'22 "Curvinglora para aumentar a capacidade da rede Lora por meio da transmissão simultânea".

Visão geral

• Configuração do ambiente
• Estrutura de repo
• Reproduzir resultados com logs fornecidos
• Reproduzir resultados do zero
• Notas
• Contato

Configuração do ambiente

Software necessário:

• MATLAB - Processamento e algoritmo
• GNU Radio - coleção de dados

Execute os seguintes comandos para baixar o Curvinglora do 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

Estrutura de repo

 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

Reproduzir resultados com logs fornecidos

Fornecemos os resultados de desempenho no result/ . Para reproduzir as figuras no papel, você pode executar os seguintes comandos para 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

Reproduzir resultados do zero

Garanta que todos os caminhos nas configurações sejam consistentes para conjuntos de dados, scripts e logs.

1. Baixar conjuntos de dados. Faça o download do símbolo e conjuntos de dados ao ar livre e coloque -os em data/ , como mostrado na árvore do diretório acima.

2. Execute os scripts EVA _ {***} em cada diretório para reproduzir os resultados do zero.

Notas

Por favor, considere citar nosso artigo se você usar o código ou dados em seu projeto de pesquisa.

 @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 } ,
}

Contato

Chenning Li por [email protected]