| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 论文研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本论文主要研究内容 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 LoRaWAN协议分析与能耗测试 | 第17-35页 |
| 2.1 LoRa协议简介 | 第17-19页 |
| 2.1.1 LoRa网络结构 | 第17-18页 |
| 2.1.2 LoRa协议栈结构 | 第18页 |
| 2.1.3 LoRa的工作模式介绍 | 第18-19页 |
| 2.2 LoRaWANMAC层协议分析 | 第19-21页 |
| 2.2.1 MAC层帧格式 | 第19-21页 |
| 2.3 LoRaWAN物理层层协议分析 | 第21-23页 |
| 2.3.1 物理层帧格式 | 第21-22页 |
| 2.3.2 频段分配规范 | 第22-23页 |
| 2.4 MAC层通信机制 | 第23-28页 |
| 2.4.1 ClassA通信机制 | 第23-24页 |
| 2.4.2 ClassB通信机制 | 第24-28页 |
| 2.4.3 ClassC通信机制 | 第28页 |
| 2.5 LoRaWAN协议中性能策略 | 第28-32页 |
| 2.5.1 LoRaWAN安全机制 | 第28-29页 |
| 2.5.2 LoRaWAN重传机制 | 第29-31页 |
| 2.5.3 LoRaWANADR机制 | 第31-32页 |
| 2.6 LoRa终端功耗测试 | 第32-33页 |
| 2.7 本章总结 | 第33-35页 |
| 第三章 基于神经网络节能算法设计 | 第35-48页 |
| 3.1 LoRa终端低功耗设计 | 第35-36页 |
| 3.2 几种分类算法 | 第36-39页 |
| 3.2.1 逻辑回归 | 第36-37页 |
| 3.2.2 决策树 | 第37-38页 |
| 3.2.3 支持向量机 | 第38页 |
| 3.2.4 BP神经网络 | 第38-39页 |
| 3.3 NNESA节能算法设计 | 第39-44页 |
| 3.3.1 BP神经网络 | 第39-42页 |
| 3.3.2 基于BP神经网络的LoRa终端节能算法 | 第42-44页 |
| 3.4 节能算法的仿真与性能分析 | 第44-46页 |
| 3.4.1 BP神经网络算法仿真 | 第44-45页 |
| 3.4.2 性能结果仿真 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 ClassB模式下LoRa终端低功耗的设计 | 第48-63页 |
| 4.1 | 第48-49页 |
| 4.1.1 协议流程 | 第48-49页 |
| 4.1.2 ClassB通信流程 | 第49页 |
| 4.2 节能算法设计 | 第49-55页 |
| 4.2.1 DTOP机制 | 第50-52页 |
| 4.2.2 DSAB机制 | 第52-54页 |
| 4.2.3 MAC命令设计 | 第54-55页 |
| 4.3 ClassB模式下低功耗算法实现流程 | 第55-56页 |
| 4.4 测试验证与结果分析 | 第56-62页 |
| 4.4.1 DTOP机制验证 | 第56-58页 |
| 4.4.2 DSAB机制验证 | 第58-60页 |
| 4.4.3 DTOP结合DSAB机制测试 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 全文工作总结 | 第63-64页 |
| 5.2 后续工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士学位期间取得的成果 | 第68页 |