CurvingLoRa_NSDI22

Curvinglora

Этот репозиторий содержит сценарии и инструкции по воспроизведению экспериментов в нашей бумаге NSDI'22 «Curvinglora для повышения емкости сети Lora посредством одновременной передачи».

Обзор

• Настройка среды
• Репо -структура
• Воспроизводить результаты с предоставленными журналами
• Воспроизводить результаты с нуля
• Примечания
• Контакт

Настройка среды

Требуемое программное обеспечение:

• Matlab - обработка и алгоритм
• Радио GNU - сбор данных

Запустите следующие команды, чтобы загрузить Curvinglora из 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

Репо -структура

 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

Воспроизводить результаты с предоставленными журналами

Мы предоставляем результаты производительности в рамках коррективного result/ . Чтобы воспроизвести фигуры в статье, вы можете запустить следующие команды для сценариев 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

Воспроизводить результаты с нуля

Пожалуйста, убедитесь, что все пути в конфигурациях согласуются для наборов данных, сценариев и журналов.

1. Скачать наборы данных. Пожалуйста, загрузите символ и наборы данных на открытом воздухе и поместите их в data/ , как показано в дереве каталогов выше.

2. Пожалуйста, запустите сценарии EVA _ {***} под каждым каталогом, чтобы воспроизвести результаты с нуля.

Примечания

Пожалуйста, рассмотрите возможность цитировать нашу статью, если вы используете код или данные в своем исследовательском проекте.

 @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 } ,
}

Контакт

Chenning li по [email protected]