S'abonner

Turbo-FSK, a physical layer for low-power wide-area networks: Analysis and optimization - 20/01/17

Doi : 10.1016/j.crhy.2016.11.005 
Yoann Roth a, b, , Jean-Baptiste Doré a , Laurent Ros b , Vincent Berg a
a CEA, LETI, MINATEC Campus, 38054 Grenoble, France 
b Univ. Grenoble Alpes, GIPSA-Lab, 38000 Grenoble, France 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Abstract

As the Internet-of-Things is becoming a reality, the need for a new Low-Power Wide-Area (LPWA) network emerged in the last few years. Numerous low-cost devices will be connected, and this requires an optimization of the link budget: the physical layer needs to be designed highly energy efficient. The combination of M-ary orthogonal Frequency-Shift-Keying (M-FSK) modulation and coding in the same process has been shown to be a promising candidate when associated with an iterative receiver (turbo principle). In this work, we study this new digital transmission scheme, called Turbo-FSK. An EXtrinsic Information Transfer (EXIT) chart analysis is realized. The influence of the packet length is investigated, and the scheme is shown to stay energy efficiency even with short packet sizes. Comparison with LPWA current technologies is performed, showing the potential of this technology.

Le texte complet de cet article est disponible en PDF.

Résumé

L'Internet des objets devient une réalité, et depuis plusieurs années le besoin d'un nouveau réseau à longue portée et basse consommation est apparu. Le but de ce réseau est de connecter un grand nombre de nœuds à faible coût, tout en optimisant le bilan de liaison. La couche physique doit alors être définie comme très efficace énergétiquement. La combinaison de la modulation orthogonale de fréquence à M états avec un codage canal dans un processus conjoint, et non successif, à l'émission se révèle très efficace lorsqu'un récepteur itératif est utilisé. Cet article étudie cette technique Turbo-FSK avec l'outil d'analyse itérative EXIT (EXtrinsic Information Transfer, en anglais). La métrique est adaptée au cas de la M-FSK, et l'influence de la taille du paquet est étudiée. On montre alors que la technique reste performante, même lorsque que la taille de paquet est réduite. La comparaison avec des techniques actuelles est réalisée, montrant le potentiel de la technologie proposée.

Le texte complet de cet article est disponible en PDF.

Keywords : Turbo FSK, Low rate, Internet-of-Things (IoT), Low-Power Wide-Area (LPWA)


Plan


© 2016  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 18 - N° 2

P. 178-188 - février 2017 Retour au numéro
Article précédent Article précédent
  • Analysis of the faster-than-Nyquist optimal linear multicarrier system
  • Alexandre Marquet, Cyrille Siclet, Damien Roque

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.