Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >LoRa笔记01 sx1276 sx1278信号强度RSSI研究

LoRa笔记01 sx1276 sx1278信号强度RSSI研究

作者头像
twowinter
发布于 2020-04-17 04:04:10
发布于 2020-04-17 04:04:10
3.2K00
代码可运行
举报
文章被收录于专栏:twowintertwowinter
运行总次数:0
代码可运行

1 前言

RSSI信号强度是无线网络中特别被人关注的一个点,尤其是工程部署中。今天在了解LoRa SX1276的RSSI展示,搜寻了一些资料,做如下笔记留念。(留念。。。真没词用了吗。。。)

本文作者twowinter,转载请注明作者:http://blog.csdn.net/iotisan/

2 官方资料

涉及寄存器

官方英文说明

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
5.5.5. RSSI and SNR in LoRaTM Mode

The RSSI values reported by the LoRaTM modem differ from those expressed by the FSK/OOK modem. The following
formula shows the method used to interpret the LoRaTM RSSI values:
		RSSI (dBm) = -157 + Rssi, (when using the High Frequency (HF) port)
	or
		RSSI (dBm) = -164 + Rssi, (when using the Low Frequency (LF) port)
		
The same formula can be re-used to evaluate the signal strength of the received packet:
		Packet Strength (dBm) = -157 + Rssi, (when using the High Frequency (HF) port)
	or
		Packet Strength (dBm) = -164 + Rssi, (when using the Low Frequency (LF) port)
		
Due to the nature of the LoRa modulation, it is possible to receive packets below the noise floor. In this situation, the SNR
is used in conjunction of the PacketRssi to compute the signal strength of the received packet:
		Packet Strength (dBm) = -157 + PacketRssi + PacketSnr * 0.25 (when using the HF port and SNR < 0)
	or
		Packet Strength (dBm) = -164 + PacketRssi + PacketSnr * 0.25 (when using the LF port and SNR < 0)

Note:
1. PacketRssi (in RegPktRssiValue), is an averaged version of Rssi (in RegRssiValue). Rssi can be read at any time
(during packet reception or not), and should be averaged to give more precise results.

2. The constants, -157 and -164, may vary with the front-end setup of the SX1276/77/78/79 (LnaBoost =1 or 0,
presence of an external LNA, mismatch at the LNA input…). It is recommended to adjust these values with a single-point
calibration procedure to increase RSSI accuracy.

3. As signal strength increases (RSSI>-100dBm), the linearity of PacketRssi is not guaranteed and results will diverge
from the ideal 1dB/dB ideal curve. When very good RSSI precision is required over the whole dynamic range of the
receiver, two options are proposed:

	- Rssi in RegRssiValue offers better linearity. Rssi can be sampled during the reception of the payload (between
ValidHeader and RxDone IRQ), and used to extract a more high-signal RSSI measurement
	- When SNR>=0, the standard formula can be adjusted to correct the slope:
RSSI = -157+16/15 * PacketRssi (or RSSI = -164+16/15 * PacketRssi)

中文解读

常规情况下,公式是这样: RSSI (dBm) = -157 + Rssi, (高频口) RSSI (dBm) = -164 + Rssi, (低频口) 另外在SNR<0的噪声环境下,要按照Packet Strength (dBm) = -157 + PacketRssi + PacketSnr * 0.25 (或者低频时,Packet Strength (dBm) = -164 + PacketRssi + PacketSnr * 0.25)这样的公式。

1.PktRssiValue指单个包的信号强度,是收包这段时间内的RSSI的平均值。RssiValue指当前的信号强度。 2.数值-157以及-164会根据实际射频前端情况有差异(比如 LnaBoost 表示是否有外部LNA 这个数值与实际LNA的输入不匹配)。建议对RSSI数值做单点校准,让RSSI显示更准确。 3.当信号强度超过-100dBm之后,PacketRssi就不能保证线性,结果会偏离 1dB/dB 的曲线。因此需要做一定的校正。当SNR>0时,可以参考如下公式:RSSI = -157+16/15 * PacketRssi (or RSSI = -164+16/15 * PacketRssi)。当然SNR<0时,还要注意同样做噪声干扰的校正,在公式后面 + PacketSnr * 0.25 。

3 代码分析

代码中处理信号强度是这样,判断频段是否大于550MHz,据此来进行高频和低频的不同偏移量的处理。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
int16_t SX1276ReadRssi( RadioModems_t modem )
{
	int16_t rssi = 0;

	switch( modem )
	{
	case MODEM_FSK:
		rssi = -( SX1276Read( REG_RSSIVALUE ) >> 1 );
		break;
	case MODEM_LORA:
		if( SX1276.Settings.Channel > RF_MID_BAND_THRESH )
		{
			rssi = RSSI_OFFSET_HF + SX1276Read( REG_LR_RSSIVALUE );
		}
		else
		{
			rssi = RSSI_OFFSET_LF + SX1276Read( REG_LR_RSSIVALUE );
		}
		break;
	default:
		rssi = -1;
		break;
	}
	return rssi;
}

4 范例

假如我们收到这样的信号值:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
rssi cur: 61,snr: 35 
pkt rssi:113

因为测试频段是433MHz,且SNR>0,因此使用如下公式: RSSI = -164+16/15 * PacketRssi = -164 + 16/15 * 113 = -43.467

End


本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
LoRa笔记02 LoRa sx1276 sx1278的发射功率研究
我正在学习LoRa和LoRaWAN,基本按照 官方资料+梳理解析+相关源码 的方式来记录笔记,相信对不少同行者有所帮助,可点此查看帖子LoRa学习笔记_汇总。
twowinter
2020/04/17
2.1K0
蓝牙信号强度RSSI
Received Signal Strength Indication接收的信号强度指示,无线发送层的可选部分,用来判定链接质量,以及是否增大广播发送强度。RSSI(Received Signal Strength Indicator)是接收信号的强度指示,它的实现是在反向通道基带接收滤波器之后进行的。(摘自百度)。
黄林晴
2019/01/10
7.1K0
LoRa笔记03 LoRa sx1276 sx1278空中唤醒研究
前面在无线节点的空中唤醒技术解析中由浅入深地对空中唤醒技术做了讲解,讲地非常好,建议大家多看几遍(卧槽,谁又砸砖头!)。这篇笔记将讲LoRa节点的空中唤醒具体应用。
twowinter
2020/04/17
2.7K0
LoRa Gateway 笔记 3.1.3 帮助程序 util_pkt_logger 进行 LoRa 空口抓包
以前小能手使用 SX1276 做过一个 LoRa抓包工具,最大的局限是不能抓多个频点的数据。而 LoRaGateway 的帮助程序 util_pkt_logger 就提供了这个现成的功能,使用 SX1301 可以同时监听至少8路信道。
twowinter
2020/04/17
1K0
LoRa点对点通信,OLED显示(内附代码)
前言:在上一节的基础上,为了方便测试,对PingPong通信进行改造,加入OLED显示,显示接收、发送数据包的个数和显示接收数据包的RSSI和SNR,一目了然。(视频演示:LoRa点对点通信演示)
ManInRoad
2020/09/27
2.5K2
LoRa点对点通信,OLED显示(内附代码)
频谱分析仪的基本使用方法_频谱仪的功能使用
因为项目需要,今天学着使用的一下频谱分析仪,项目属于物联网类型,通信方式是使用的当前市面上比较火的Lora技术(当前市面上常用的两种低功耗远距离通信方案是LORA和NB-LOT)。本次使用频谱分析仪用来测量设计的板子用Lora发送无线数据时候的一些相关参数,主要测试天线发送数据时候的发射功率(单位:DB)。在这里对仪器的基本使用做一个记录,以为备忘。
全栈程序员站长
2022/09/22
3.2K0
频谱分析仪的基本使用方法_频谱仪的功能使用
31个深度问答,揭开LoRa背后那些事儿
本文介绍了LoRaWAN协议栈的基本架构和主要技术特性,包括LoRaWAN的物理层、MAC层、网络层、应用层和LoRaWAN的帧格式。同时,文章还探讨了LoRaWAN的协议栈各层之间的接口和通信流程,以及LoRaWAN的终端和网关的设计和实现。此外,文章还介绍了LoRaWAN的几种不同部署方式和技术挑战,以及LoRaWAN的部署和技术挑战的解决方案。
企鹅号小编
2017/12/27
2.5K0
31个深度问答,揭开LoRa背后那些事儿
普通Arduino控制GoPro全系列
该库具有尝试连接的方法GoPRO.begin(ssid, pass)。实际上,如果以其他方式建立连接,则此函数返回。truefalse
云深无际
2020/11/23
8950
普通Arduino控制GoPro全系列
脑记忆产生和巩固建模研究总结(3假设3发现3创新符合13篇脑科学实验和假设)
Please pay attention our new version of preprint https://arxiv.org/abs/2203.11740, AI+ brain science +quantum mechanics. We had proposed PNN, but it is not just simple time series predictive models.
CreateAMind
2023/09/01
1860
脑记忆产生和巩固建模研究总结(3假设3发现3创新符合13篇脑科学实验和假设)
不同脑区及相应功能模拟
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学和流体动力学理解我们的大脑。
CreateAMind
2023/09/01
2120
不同脑区及相应功能模拟
阿尔兹海默症的幻觉猜想及架构变化率在皮层的传递和存储
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学和流体动力学理解我们的大脑。
CreateAMind
2023/09/01
1670
阿尔兹海默症的幻觉猜想及架构变化率在皮层的传递和存储
为什么脑纵剖面几何形状像螺旋波-可能至少需要一个等角螺旋运动信息才能发生湍流传递
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学、数学和流体动力学理解我们的大脑。
CreateAMind
2023/10/10
2600
为什么脑纵剖面几何形状像螺旋波-可能至少需要一个等角螺旋运动信息才能发生湍流传递
肝肾心脑模型-上下游脑区深度学习模型结合下游脑区的湍流反向来解释阿尔兹海默症的13种现象 (第7版)
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学和流体动力学理解我们的大脑。
CreateAMind
2023/09/21
1850
肝肾心脑模型-上下游脑区深度学习模型结合下游脑区的湍流反向来解释阿尔兹海默症的13种现象 (第7版)
记忆是什么?记忆印记进行湍流运动的临界值和沿途损失、为什么脑纵剖面几何形状像螺旋波?解释AD的15个现象
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学和流体动力学理解我们的大脑。
CreateAMind
2023/09/29
2410
记忆是什么?记忆印记进行湍流运动的临界值和沿途损失、为什么脑纵剖面几何形状像螺旋波?解释AD的15个现象
LoRawan_lomando游戏下载
5.1 连接检查命令(LinkCheckReq, LinkCheckAns) 13
全栈程序员站长
2022/09/27
3320
LoRawan_lomando游戏下载
脑科学磁共振成像(MRI)初学者必看——功能脑网络、小世界网络、FDR校正、脑电信号频率变换、模板、假设检验、广义线性模型、独立成分分析、影像组学、任务态和静息态方法汇总「建议收藏」
首先,甲学员从他人那里获取了每个脑区的信号序列。其次,计算任意两个信号序列间的相关(皮尔逊相关)。这样,把脑区视为节点,相关值视为边,功能网络就构建好啦!
全栈程序员站长
2022/09/15
12.7K0
脑科学磁共振成像(MRI)初学者必看——功能脑网络、小世界网络、FDR校正、脑电信号频率变换、模板、假设检验、广义线性模型、独立成分分析、影像组学、任务态和静息态方法汇总「建议收藏」
计算机网络 【速记宝典】
今天的因特网无疑是有史以来由人类创造的、精心设计的最大系统、该系统由数以千计的计算机设备(计算机、平板电脑、智能手机)彼此相互连接构成,并且还有一批与因特网相互连接的物品比如游戏机、监控系统、汽车、医疗设备、智能眼镜、手表、运动手环等,随着5G时代的到来,万物互联也越来越称为可能,这里推荐一下 尤瓦尔·赫拉利 的《未来简史》,这个人的格局很高,他书中描述的未来也越来越成为现实,他写的文字能让你感觉到你更想变为计算机世界里的一片硅片。
IT茂茂
2020/03/20
9460
机器学习学术速递[6.28]
【1】 Data efficiency in graph networks through equivariance 标题:图网络中的等方差数据效率
公众号-arXiv每日学术速递
2021/07/02
1.4K0
常用电脑资料速查
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
全栈程序员站长
2022/11/10
2.4K0
计算机视觉学术速递[8.18]
【1】 Light Field Image Super-Resolution with Transformers 标题:用Transformer实现光场图像的超分辨率 链接:https://arxiv.org/abs/2108.07597
公众号-arXiv每日学术速递
2021/08/24
2K0
推荐阅读
LoRa笔记02 LoRa sx1276 sx1278的发射功率研究
2.1K0
蓝牙信号强度RSSI
7.1K0
LoRa笔记03 LoRa sx1276 sx1278空中唤醒研究
2.7K0
LoRa Gateway 笔记 3.1.3 帮助程序 util_pkt_logger 进行 LoRa 空口抓包
1K0
LoRa点对点通信,OLED显示(内附代码)
2.5K2
频谱分析仪的基本使用方法_频谱仪的功能使用
3.2K0
31个深度问答,揭开LoRa背后那些事儿
2.5K0
普通Arduino控制GoPro全系列
8950
脑记忆产生和巩固建模研究总结(3假设3发现3创新符合13篇脑科学实验和假设)
1860
不同脑区及相应功能模拟
2120
阿尔兹海默症的幻觉猜想及架构变化率在皮层的传递和存储
1670
为什么脑纵剖面几何形状像螺旋波-可能至少需要一个等角螺旋运动信息才能发生湍流传递
2600
肝肾心脑模型-上下游脑区深度学习模型结合下游脑区的湍流反向来解释阿尔兹海默症的13种现象 (第7版)
1850
记忆是什么?记忆印记进行湍流运动的临界值和沿途损失、为什么脑纵剖面几何形状像螺旋波?解释AD的15个现象
2410
LoRawan_lomando游戏下载
3320
脑科学磁共振成像(MRI)初学者必看——功能脑网络、小世界网络、FDR校正、脑电信号频率变换、模板、假设检验、广义线性模型、独立成分分析、影像组学、任务态和静息态方法汇总「建议收藏」
12.7K0
计算机网络 【速记宝典】
9460
机器学习学术速递[6.28]
1.4K0
常用电脑资料速查
2.4K0
计算机视觉学术速递[8.18]
2K0
相关推荐
LoRa笔记02 LoRa sx1276 sx1278的发射功率研究
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验