IEEE802.15.4协议中2.4 GHz频段的信道极易受Wi-Fi等信号干扰,且其规定节点丢失信标帧数量超过a Max LostBeacons就判定为孤立节点,需要重新扫描信道进行重新同步,这必将导致较大吞吐量降低和时间消耗。本文分析IEEE802.15.4和IEEE802.1...IEEE802.15.4协议中2.4 GHz频段的信道极易受Wi-Fi等信号干扰,且其规定节点丢失信标帧数量超过a Max LostBeacons就判定为孤立节点,需要重新扫描信道进行重新同步,这必将导致较大吞吐量降低和时间消耗。本文分析IEEE802.15.4和IEEE802.11在2.4 GHz频段中信道重叠规律,提出一种利用信标帧的周期性作为跳频函数输入变量生成的跳频序列,以此快速选择未受干扰的信道,该方法不需增加信标帧负荷和开销,且简单易实现。Wi-Fi干扰源测试结果表明,平均吞吐量最低能提高约16%,平均传输延迟由25.86 ms降低到9.07 ms。展开更多
基于实际测量电力噪声特性参数的统计分布,推导非高斯分布的窄带电力噪声模型,主要包括背景噪声和脉冲噪声.前者应用升余弦滚降滤波法建模,其功率服从正态分布;后者利用随机分布的特性参数:脉冲的宽度、间隔和包络所构建的脉冲函数来建...基于实际测量电力噪声特性参数的统计分布,推导非高斯分布的窄带电力噪声模型,主要包括背景噪声和脉冲噪声.前者应用升余弦滚降滤波法建模,其功率服从正态分布;后者利用随机分布的特性参数:脉冲的宽度、间隔和包络所构建的脉冲函数来建模.宽度、间隔和包络随机量均服从分隔马氏链.然后应用实际测量数据和马尔克夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)分析法比较评估了此模型,数值分析结果显示,模型能够很好地逼近实际的电力噪声.展开更多
文摘基于实际测量电力噪声特性参数的统计分布,推导非高斯分布的窄带电力噪声模型,主要包括背景噪声和脉冲噪声.前者应用升余弦滚降滤波法建模,其功率服从正态分布;后者利用随机分布的特性参数:脉冲的宽度、间隔和包络所构建的脉冲函数来建模.宽度、间隔和包络随机量均服从分隔马氏链.然后应用实际测量数据和马尔克夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)分析法比较评估了此模型,数值分析结果显示,模型能够很好地逼近实际的电力噪声.