CFO(Central Frequency Offset):：不同设备之间的硬件缺陷引起的，会造成bin 偏移。CFO 引起的 bin 偏移对于preamble和data symbol 都是相同的。
我们在FFT之前应用汉明窗口来抑制旁瓣的影响
lora的灵敏度依赖于峰值高度
没有零填充会导致峰值高度不稳定

如果功率差超过6dB， LoRa在碰撞中会以最大的功率解码数据包。
捕获效应和连续干扰消除(SIC)是两种常用的方案。

一、如何解决CFO（Carrier Frequency Offset，载波频偏）和TO（Time Offset，时间偏移）的影响
假设我们发送的chirp信号扫频范围在 470MHz ~ 470.5MHz，到了接受端，收到的信号扫频范围可能会变成 470MHz+δ ~ 470.5MHz+δ，这个频偏是由于收发端时钟不一致造成的，我们称之为CFO。 当我们解码的时候，截取信号的窗口可能没有和chirp符号完全对齐，这样也会带来一个频率偏移，我们称之为TO。
二、旁瓣的消除
在FFT之前使用汉明窗口能够有效的抑制旁瓣的影响，但同样会损坏峰值的高度，进而损坏信噪比。为了解决这个问题，我们结合汉明窗和矩形窗口来获得准确的峰值。我们可以得到两个峰值列表，一个来自矩形窗口（正常 FFT，另一个来自汉明窗口。我们选择出现在两个列表中的峰值，而忽略只出现在矩形窗口列表中的峰值，以避免旁瓣

三、CFO（载波频率偏移）

四、峰值高度的估计容易受到啁啾间干扰的影响
回顾LoRa的解码过程，将其与downchirp相乘，并对每个接收窗口的信号应用FFT，我们可以观察到，FFT后的每个主峰周围都有周期性的旁瓣，这是一个源于时间有限的输入序列的属性。旁瓣从两个方面影响峰值估计。一方面，旁瓣会扭曲峰值，影响峰值高度和频率的准确测量。另一方面，低高度峰往往会被强峰的旁瓣所掩盖。
CoLoRa 考虑使用最高峰：1、最高峰的相对失真程度小于其他峰 2.使用最高峰避免了使用旁瓣作为峰值的错误
两个文章关于峰值高度的估计的解决方法

五、CFO会引入峰值频率偏差和窗口时间偏移