CN110996387B - 一种基于TOF和位置指纹融合的LoRa定位方法 - Google Patents
一种基于TOF和位置指纹融合的LoRa定位方法 Download PDFInfo
- Publication number
- CN110996387B CN110996387B CN201911214120.0A CN201911214120A CN110996387B CN 110996387 B CN110996387 B CN 110996387B CN 201911214120 A CN201911214120 A CN 201911214120A CN 110996387 B CN110996387 B CN 110996387B
- Authority
- CN
- China
- Prior art keywords
- gateway
- distance
- positioning
- fusion
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无线通信与定位技术领域,具体涉及一种基于TOF和位置指纹融合的LoRa定位方法,包括:利用TOF测距技术测量终端UE与网关GW的距离;利用高斯模型优化测距值[dT];建立离线指纹定位;建立在线指纹定位,得到信号强度RU',计算UE与GW1、GW2和GW3的距离[dR];利用[dR]对[dT]进行修正融合,得到[dC];利用三点定位算法,将[dC]转化为UE第一组位置;将RU'与AP信号强度、位置信息进行融合对比,得到UE第二组位置;对得到的UE第一组位置和UE第二组位置进行加权融合,得到最佳位置信息。本发明的定位技术采用LoRa自组网技术,不依赖运营商网络,且定位精度大大提高。
Description
技术领域
本发明涉及无线通信与定位技术领域,具体涉及一种基于飞行时间TOF和位置指纹融合的远距离LoRa定位方法。
背景技术
目前,WLAN定位系统大致可以分为两类,基于传播模型的定位和基于位置指纹的定位。基于传播模型的定位系统定位精度普遍较差或者需要额外的信号测量专用硬件,且需要对网络重新部署,成本较高,应用范围受到限制。基于位置指纹的定位方式主要是对定位空间内的环境特征进行抽象和形式化描述,使用定位环境中各个无线访问点(AccessPoint,AP)的RSSI(Received Signal Strength Indication)序列描述定位环境中的位置信息,并汇集这些RSSI序列构成位置指纹数据库(Radio Map),最后,使用用户实时测量的RSSI序列与位置数据库中的位置指纹进行匹配,根据指纹库的匹配相似度,完成对用户位置的估计。
传统室外定位多采用全球定位系统(Global Positioning System,GPS)、北斗定位,通信依赖运营商网络,在无运营商网络覆盖区域无法实现定位。再者,蓝牙、WIFI、RFID、ZigBee、红外线、超声波等都属于短距离无线通信技术,具有绕射能力差,传播距离短等缺点。
发明内容
为了解决上述问题,本发明提供一种基于TOF和位置指纹融合的LoRa定位方法。
一种基于TOF和位置指纹融合的LoRa定位方法,包括以下步骤:
S1、利用TOF测距技术测量用户终端UE与至少3个网关GW之间的距离,得到测距值;
S2、利用高斯分布函数模型优化测距值,得到优化的测距值[dT];
S3、建立离线指纹定位,获取AP接收到网关GW的信号强度和AP的位置坐标,根据AP接收到网关GW的信号强度和AP的位置坐标建立AP接收到网关GW的信号强度与位置之间的对应关系数据库,完成离线指纹定位;
S4、建立在线指纹定位,将UE从网关GW接收到的RSSI值与其最邻近的至少4个AP点从网关GW接收到的RSSI值进行加权融合,得到加权后的信号强度RU',将加权后的信号强度RU'作为终端的信号强度;从离线指纹定位中根据对应关系找出RU'所对应的终端位置坐标,根据终端位置和网关位置坐标得到终端与网关之间距离,即将终端的信号强度值RU'转换为终端与网关之间的距离值,以此类推计算出UE距离第一网关GW1、第二网关GW2和第三网关GW3的距离值[dR];
S5、利用[dR]对[dT]进行修正融合,得到修正后的距离值数组[dC];
S6、利用三点定位算法,将[dC]转化为UE第一组位置;将RU'与位置指纹库AP信号强度、位置信息进行融合对比,得到UE第二组位置;
S7、对得到的UE第一组位置和UE第二组位置进行加权融合,得到最佳位置信息。
本发明的有益效果:
1.本发明的定位技术,采用LoRa自组网技术,不依赖运营商网络,具有自组网便捷、频率低、波长长、绕射性好、低成本、抗干扰强等优点。
2.本发明的定位技术的定位精度大大提高,与传统LoRa采用的TDOA定位精度20-400米相比,基于TOF和位置指纹融合的方法将定位精度提高到2-5米。
附图说明
下面结合附图和具体实施方式对本发明做进一步详细的说明。
图1为本发明实施例的流程图;
图2为本发明实施例的逻辑图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,是本申请实施例提供的一种基于飞行时间(Time of Flight,TOF)和位置指纹融合的远距离(Long range,LoRa)定位方法,该方法可以为低功耗、广覆盖、低成本的物联网系统提供实时精准定位,该方法包括但不限于如下步骤:
S1、利用TOF测距技术测量用户终端UE(User Equipment,UE)与至少3个网关(Gateway,GW)之间的距离,得到测距值;
S2、利用高斯分布函数模型优化测距值,得到优化的测距值[dT];
S3、建立离线指纹定位,获取无线访问点(Access Point,AP)接收到网关GW的信号强度和AP的位置坐标,利用AP接收到网关GW的信号强度和AP的位置坐标构建完整信号强度信息与对应的位置关系指纹,完成离线指纹定位;
S4、建立在线指纹定位,将UE从网关GW接收到的RSSI值与其最邻近的至少4个AP点从网关GW接收的信号强度指示(Received Signal Strength Indication,RSSI)值进行加权融合,得到加权后的信号强度RU',将加权后的信号强度RU'作为终端的信号强度;从离线指纹定位中根据对应关系找出RU'所对应的终端位置坐标,根据终端位置和网关位置坐标得到终端与网关之间距离,即将终端的信号强度值RU'转换为终端与网关之间的距离值,以此类推计算出UE距离GW1,GW2,GW3的距离值[dR];
S5、利用[dR]对[dT]进行修正融合,得到修正后的距离值数组[dC];
S6、利用三点定位算法,将[dC]转化为UE第一组位置;将RU'与位置指纹库AP信号强度、位置信息进行融合对比,得到UE第二组位置;
S7、对得到的UE第一组位置和UE第二组位置进行加权融合,得到最佳位置信息。
为使本发明实施例更加清楚、完整,接下来将以用户终端与3个网关通信为例,对本发明方法的每个步骤进行详细描述,如图2所示:
首先利用TOF测距技术测量用户终端UE与网关GW之间的距离。为获取UE位置信息,UE与3个LoRa自组网网关GW通信,TOF测距属于双向测距技术,需要首先获得用户终端UE发出数据信号和接收到网关GW应答信号的时间间隔Tt,GW收到UE的数据信号和发出应答信号的时间间隔Tr,根据Tt和Tr,可以计算信号在用户终端、网关之间的单向飞行时间,计算方式包括:
其中,Tt表示用户终端UE发出数据信号和接收到网关GW应答信号的时间间隔,Tr表示GW收到UE的数据信号和发出应答信号的时间间隔。
进一步的,根据信号在用户终端、网关之间的单向飞行时间,计算用户终端和网关之间的距离,计算方式包括:
d=c*Tf
其中,d表示用户终端UE和网关GW之间的距离,c表示电磁波传播速度,Tf表示信号在用户终端、网关之间的单向飞行时间。
基于LoRa技术,中心频率为2.4GHz,上下行无线传播模型具有相似性。用户终端UE与三个网关GW1、GW2、GW3进行通信,用上述所提供的计算方式分别计算得到距离测量值dT1,dT2,dT3,即测距值。
在TOF测距过程中,由于时钟偏移、多变的环境、噪声差异等因素,可能会导致该方法直接测量出的距离中存在一定误差,为了尽可能减小误差,本发明利用高斯分布函数模型选取高概率区的测量值,然后取其统计平均值dT11,dT12,dT13作为优化的测距值,记为数组[dT]。
建立离线指纹定位:根据待测区域的实际情况划分矩形网格,每个网格点即一个AP点,在每个网格点记录该点的地理坐标,采集每个网格点(AP)从网关接收到的信号数据,采样时间为5-15分钟,采样间隔为0.6-1.2,得到来自各个AP点接收网关的信号强度,以此来建立完整的地理位置与信号强度对应关系数据库,即完成离线指纹定位。
建立在线指纹定位:将UE从网关GW接收到的RSSI值与其最邻近的4个AP点从网关GW接收到的RSSI值(记为:RU,数组[RAP])进行匹配融合,得到加权后的信号强度RU'。
根据离线位置指纹中AP位置坐标和GW位置,可以计算出AP点和网关GW之间的距离,将与UE最邻近4个AP点与GW之间的距离记为数组[dAP-GW]。从离线指纹定位中根据对应关系找出RU'所对应的终端位置坐标,根据终端位置和网关位置坐标得到终端与网关之间距离,即将RU'转换为距离值,以此类推分别计算出UE距离第一网关GW1、第二网关GW2和第三网关GW3的距离值:dR1,dR2,dR3,记为数组[dR]。
由于接收信号强度易受干扰(例如:反射、多径、非视距、天线增益等干扰)而出现多值,导致位置指纹定位中,单单采用RU'和距离[dR]映射进行测距时存在较大误差,为了提高测距的稳定性和准确性,采用动态加权因子β,利用距离值[dR]对测距值[dT]进行修正融合得到最佳距离测量值dC1,dC2,dC3,记为数组[dC]。其中,修正融合的计算方式包括:
[dC]=β[dT]+(1-β)[dR]
其中,[dC]表示修正后的距离值数组,[dT]表示优化的测距值,β为加权因子,β在不同的距离段取值有差异,[dR]表示UE距离GW1,GW2,GW3的距离值。
利用三点定位算法,将[dC]转化为UE第一组位置。在数学关系上,一点到已知点的距离为常数,那么该点一定在以已知点为圆心、距离常数为半径的圆上。以三个已知点和距离作三个圆,他们必然交于同一个点,该交点就是UE的位置。假设用户终端UE的坐标LC(x,y),GW1、GW2和GW3坐标分别为(x1,y1)、(x2,y2)、(x3,y3),由下式求出三个圆的交点即可得到UE第一组位置LC,该LC也可称为TOF测距方法得到的最优值。
其中,(x,y)表示UE的坐标,(x1,y1),(x2,y2),(x3,y3)分别是GW1,GW2,GW3的坐标,dC1表示UE与GW1的距离,dC2表示UE与GW2的距离,dC3表示UE与GW3的距离。
建立在线指纹定位:将加权后的信号强度RU'与位置指纹进行匹配,得到UE第二组位置LF,该LF也可称为位置指纹得到的最优值。
为了提高测距的稳定性,利用动态加权因子α对TOF测距和指纹定位进行修正融合,得到最佳位置值。具体地,采用下式对得到的UE第一组位置和UE第二组位置进行加权融合:
L=αLC+(1-α)LF
其中,LF为位置指纹得到的最优值,LC为TOF测距方法得到的最优值,α为加权因子,α在不同的距离段取值有差异。
本发明将TOF测距与位置指纹相结合,加权模型用TOF测距弥补了指纹定位中RSSI测距信号强度不稳定的缺点;指纹定位弥补了TOF易受时钟偏移量影响的缺点。本发明的定位方法采用LoRa自组网技术,不依赖运营商网络,而且与传统LoRa采用的TDOA定位精度20-400米相比,本发明的定位方法定位精度大大提高,可以将定位精度提高到2-5米。本发明的定位方法可以用于低功耗、广覆盖、低成本的物联网系统,可提供实时精准定位,可为农业、交通、建筑等行业服务。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于TOF和位置指纹融合的LoRa定位方法,其特征在于,包括以下步骤:
S1、利用TOF测距技术测量用户终端UE与至少3个网关GW之间的距离,得到测距值;
S2、利用高斯分布函数模型优化测距值,得到优化的测距值[dT];
S3、建立离线指纹定位,获取无线访问点AP接收到网关GW的信号强度和AP的位置坐标,根据AP接收到网关GW的信号强度和AP的位置坐标建立AP接收到网关GW的信号强度与位置之间的对应关系数据库,完成离线指纹定位;
S4、建立在线指纹定位,将UE从网关GW接收到的RSSI值与其最邻近的至少4个AP点从网关GW接收到的RSSI值进行加权融合,得到加权后的信号强度RU',将加权后的信号强度RU'作为终端的信号强度;从离线指纹定位中根据对应关系找出RU'所对应的终端位置坐标,根据终端位置和网关位置坐标得到终端与网关之间距离,即将终端的信号强度值RU'转换为终端与网关之间的距离值,以此类推计算出UE距离第一网关GW1、第二网关GW2和第三网关GW3的距离值[dR];
S5、利用[dR]对[dT]进行修正融合,得到修正后的距离值数组[dC];
S6、利用三点定位算法,将[dC]转化为UE第一组位置;将RU'与位置指纹库AP信号强度、位置信息进行融合对比,得到UE第二组位置;
S7、对得到的UE第一组位置和UE第二组位置进行加权融合,得到最佳位置信息。
3.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法,其特征在于,利用高斯分布函数模型优化测距值包括:通过高斯分布函数模型选取系统中发生在高概率区的测量值,取其统计平均值,记为数组[dT]。
4.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法,其特征在于,利用[dR]对[dT]进行修正融合的计算方式包括:
[dC]=β[dT]+(1-β)[dR]
其中,[dC]表示修正后的距离值数组,[dT]表示优化的测距值,β为加权因子,β在不同的距离段取值有差异,[dR]表示UE距离GW1,GW2,GW3的距离值。
6.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法,其特征在于,所述对得到的UE第一组位置和UE第二组位置进行加权融合,得到最佳位置信息,包括:
L=αLC+(1-α)LF
其中,LF为位置指纹得到的最优值,LC为TOF测距方法得到的最优值,α为加权因子,α在不同的距离段取值有差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214120.0A CN110996387B (zh) | 2019-12-02 | 2019-12-02 | 一种基于TOF和位置指纹融合的LoRa定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214120.0A CN110996387B (zh) | 2019-12-02 | 2019-12-02 | 一种基于TOF和位置指纹融合的LoRa定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110996387A CN110996387A (zh) | 2020-04-10 |
CN110996387B true CN110996387B (zh) | 2021-05-11 |
Family
ID=70089184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911214120.0A Active CN110996387B (zh) | 2019-12-02 | 2019-12-02 | 一种基于TOF和位置指纹融合的LoRa定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110996387B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601380B (zh) * | 2020-05-15 | 2021-03-23 | 腾讯科技(深圳)有限公司 | 基于位置指纹的位置定位方法、装置、设备及存储介质 |
CN112822626B (zh) * | 2020-08-28 | 2023-01-24 | 腾讯科技(深圳)有限公司 | 终端定位方法、装置、存储介质和电子设备 |
CN112415472A (zh) * | 2020-11-20 | 2021-02-26 | Oppo(重庆)智能科技有限公司 | 室内定位方法、装置、电子设备及存储介质 |
CN113923587A (zh) * | 2021-09-03 | 2022-01-11 | 青岛海信网络科技股份有限公司 | 一种定位方法、系统与装置 |
CN114025437B (zh) * | 2021-11-23 | 2023-05-23 | 重庆邮电大学 | 一种LoRa智能安全帽系统测距网关调度方法 |
CN114353787B (zh) * | 2021-12-06 | 2024-05-10 | 理大产学研基地(深圳)有限公司 | 一种多源融合定位方法 |
CN115119297B (zh) * | 2022-06-28 | 2023-07-04 | 燕山大学 | 一种基于LoRa信号路径衰减模型的室内动态测距方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2445529A1 (en) * | 2001-04-09 | 2002-10-17 | Mds Proteomics, Inc. | Methods and systems for searching genomic databases |
CN104363604A (zh) * | 2014-10-31 | 2015-02-18 | 重庆邮电大学 | 基于快速注水算法的室内wlan接入点布置方法 |
CN109150780A (zh) * | 2018-08-13 | 2019-01-04 | 南京荣飞科技股份有限公司 | 一种基于信道状态信息的WiFi ToF测距定位系统 |
CN109696167A (zh) * | 2019-02-26 | 2019-04-30 | 重庆邮电大学 | 一种uwb室内三维定位系统及方法 |
CN110290491A (zh) * | 2019-05-17 | 2019-09-27 | 重庆邮电大学 | 一种基于多径辅助的室内目标定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104619020B (zh) * | 2015-02-06 | 2018-08-24 | 合肥工业大学 | 基于rssi和toa测距的wifi室内定位方法 |
CN109068267B (zh) * | 2018-08-03 | 2020-06-23 | 杭州电子科技大学 | 一种基于LoRa SX1280的室内定位方法 |
-
2019
- 2019-12-02 CN CN201911214120.0A patent/CN110996387B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2445529A1 (en) * | 2001-04-09 | 2002-10-17 | Mds Proteomics, Inc. | Methods and systems for searching genomic databases |
CN104363604A (zh) * | 2014-10-31 | 2015-02-18 | 重庆邮电大学 | 基于快速注水算法的室内wlan接入点布置方法 |
CN109150780A (zh) * | 2018-08-13 | 2019-01-04 | 南京荣飞科技股份有限公司 | 一种基于信道状态信息的WiFi ToF测距定位系统 |
CN109696167A (zh) * | 2019-02-26 | 2019-04-30 | 重庆邮电大学 | 一种uwb室内三维定位系统及方法 |
CN110290491A (zh) * | 2019-05-17 | 2019-09-27 | 重庆邮电大学 | 一种基于多径辅助的室内目标定位方法 |
Non-Patent Citations (4)
Title |
---|
CRLB-based Positioning Performance of Indoor Hybrid AoA/RSS/ToF Localization;Chenglong Li等;《IEEE》;20191128;全文 * |
MIMO radar signals modulation recognition;赵雪志等;《The Journal of Engineering》;20191024;全文 * |
一种基于RSSI和TOF的优化混合测距方法;敬振宇等;《四川理工学院学报》;20190420;全文 * |
基于移动网络和地图匹配的TDOA 定位算法;彭大芹;《无线通信》;20170520;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110996387A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110996387B (zh) | 一种基于TOF和位置指纹融合的LoRa定位方法 | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
CN112533149B (zh) | 一种基于uwb移动节点的移动目标定位算法 | |
Diaz et al. | Bluepass: An indoor bluetooth-based localization system for mobile applications | |
CN108650628B (zh) | 基于Wi-Fi网络的测距和指纹相结合的室内定位方法 | |
Wang et al. | Sensor localization under limited measurement capabilities | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN109490826B (zh) | 一种基于无线电波场强rssi的测距与位置定位方法 | |
WO2020210923A1 (zh) | 一种基于uwb和蓝牙技术的室内定位融合方法 | |
JP7239958B2 (ja) | 動的環境に基づく自己適応室内融合位置決め方法 | |
CN107484123B (zh) | 一种基于集成HWKNN的WiFi室内定位方法 | |
CN115066012B (zh) | 一种基于uwb的多用户无锚点定位方法 | |
CN102364983A (zh) | 无线传感网中基于rssi测距的wls节点自定位方法 | |
CN110636436A (zh) | 基于改进chan算法的三维uwb室内定位方法 | |
Della Rosa et al. | Ad-hoc networks aiding indoor calibrations of heterogeneous devices for fingerprinting applications | |
Chen et al. | A RSSI-based algorithm for indoor localization using ZigBee in wireless sensor network | |
CN115802479A (zh) | 基于5g及北斗的室内外融合定位方法 | |
CN114727384A (zh) | 一种基于加权min-max的蓝牙RSSI定位方法 | |
Si et al. | An adaptive weighted Wi-Fi FTM-based positioning method in an NLOS environment | |
CN106888504A (zh) | 基于fm与dtmb信号的室内位置指纹定位方法 | |
De Oliveira et al. | Low-cost indoor localization system combining multilateration and kalman filter | |
Luo et al. | Wi-Fi-based indoor positioning using human-centric collaborative feedback | |
Gu et al. | Indoor localization fusion algorithm based on signal filtering optimization of multi-sensor | |
CN106707232A (zh) | 一种基于群智感知的wlan传播模型定位方法 | |
CN117031519A (zh) | 一种多目标三维协同定位方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |