英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
LETTER
LoRa网络中基于RSSI的室内和室外本地化的实验数据集分析
意大利帕维亚 大学 电气、生物医学和计算机工程系
定位功能代表了现代物联网（IoT）应用程序的基本功能之一。 尽管可以通过使用全球导航卫星系统来实现该目标，但是本文中定位功能相对而言更便宜，更简单，更适合于低功率网络。在这封信中，我们介绍了使用LoRa无线电在不同的室内和室外环境中收集的接收信号强度指示器（RSSI）测量的完整实验数据集。 此外，我们在获得的数据集上应用了简单而高效的本地化算法。这项工作的主要目标是在社区之间共享实验数据集和本地化的初步结果。
关键词
IoT LoRa网络 无线电定位 RSSI
安娜·维亚齐洛（Anna Vizziello），帕维亚大学电子，生物医学和计算机工程系，费拉塔大街5号，邮编27100，意大利。
介绍
在过去的几年中，物联网（IoT）在多种应用中不断发展，例如家庭自动化，智能计量，废物管理和道路交通监控。除室内环境外，此类示例还包括室外场景，针对这些场景，已经开发了新的远程和低功率无线电技术来实现城市大规模的网络。
在低功率广域网（WAN）的不同通信系统中，LoRa受到关注。LoRa是一项基于线性调频扩频（CSS）调制的专利技术，能够以有限的能耗实现长距离传输. 这些功能可实现长达数公里的传输，并将电池寿命延长很多年。
本地化是物联网应用的基础，例如，只有在知道每个节点的确切位置的情况下，流量监控中来自不同节点的测量才有用。诸如全球定位系统（GPS）之类的外部定位设备由于高成本和功耗而可能不是可行的解决方案，尤其是在以大量对象为特征的IoT网络中。 此外，GPS不能在室内环境中使用。
相反，可以利用基于LoRa的通信来传输数据和计算当前位置，而无需外部设备。尽管LoRa的目标是室外传输，但它也可用于室内环境中的本地化-在低于GHz的频段工作，LoRa可以具有穿透性和抵抗典型室内多径效应的坚固性。
初步实验表明LoRa技术可用于开发定位系统，但仍缺少大量的实验数据集。一些工作探索了基于到达时间（ToA），到达时间差（TDOA）或到达角度（AoA）的LoRa通信基于本地化的解决方案. 但是，基于AoA的方法需要天线阵列，而ToA / TDoA技术依赖精确的时钟，而TDoA也需要锚点之间的精确同步。尽管与上述方法相比，可靠性通常较差，但是接收信号强度指示器（RSSI）在功耗和硬件实现方面都代表了要求较低的技术。 到目前为止，只有很少的作品评估了基于RSSI的解决方案的LoRa属性。 针对户外场景的LoRa和RSSI的研究主要集中于针对特定嘈杂环境的定位算法。考虑到室内场景，将LoRa信号与WiFi和蓝牙低功耗（BLE）进行了比较，观察到LoRa在变化的环境中更稳定且更健壮。 此外，基于RSSI的测距估计已被成功测试，该估计可用作定位解决方案的初始步骤。 基于混合RSSI-GPS的定位系统可以在精度和功耗之间提供可接受的折中，尽管这会导致更高的生产成本。
Internet Technology Letters. 2019;2:e75.
https://doi.org/10.1002/itl2.75
wileyonlinelibrary.com/journal/itl2
copy; 2018 John Wiley amp; Sons, Ltd. 1 of 6
在本文中，我们实现了一个基于LoRa的传输系统，并收集数据测量值以表征RSSI在室外和室内环境中的行为此测量活动的结果是一个25,000个样本的数据集，该数据集将免费共享。然后，我们通过RSSI探索获得的实验信道特征，以改进三种定位方法。 两种已实现的方法，即Min-Max和Trilateration，是基于几何分析的，而另一种是基于测量值的最大似然性的统计算法。
本文的结构如下： 在第2节中，给出了系统说明以及硬件和软件设置的详细信息。 在第3节中，我们介绍了针对不同场景的LoRa实验信道表征，而在第4节中，我们展示了上述基于RSSI的定位算法之间的比较。 最后，在第5节中，得出了结论，并提出了基于我们共享的实验数据集的可能的未来发展状况。
2.系统说明
我们考虑一种LoRa通信系统，在该系统中，数据传输也用于定位目的，具有避免功耗和避免使用外部GPS设备而实现室内跟踪的2倍优势。 在详细介绍信道模型和定位方法之前，我们概述了LoRa通信技术。 最后，我们重点介绍了在现场测试期间使用的硬件平台的主要功能。
2.1 LoRa 技术
LoRa技术是专为低速率数据传输的无线通信而设计的，旨在覆盖远距离而又消耗功率较低，这些功能使LoRa非常适合物联网应用。 LoRa定义了物理层功能，而LoRaWAN指定了支持LoRa的设备的系统架构和网络协议。 特别是，LoRaWAN提供了一种介质访问控制（MAC），以允许多个LoRa终端设备通过LoRa调制与LoRa网关进行通信。
LoRa物理层基于线性调频扩频（CSS）调制，它通过线性调频对信息进行编码，频率随时间线性变化。 由于线性调频脉冲线性变化，因此发射器和接收器之间的频率偏移可以看作是定时偏移，可以在解码器处轻松补偿。 此外，这样的特征使得调制对于经处理为频率偏移的多普勒效应的鲁棒性很好。
LoRa调制的主要参数是带宽（BW），扩展因子（SF）和编码率（CR）。 它们会影响调制比特率，以及其抗干扰的鲁棒性和解码的便利性。 在LoRa中，SF =，其中是每个符号的线性调频脉冲数，一个符号包含线性调频脉冲，覆盖整个频带。 线性调频率等于带宽BW，符号的持续时间=.
此外，LoRa包括前向纠错码，其码率CR被设置为等于4 /（4 n），且n⸦1、2、3、4。由于符号中有SF信息比特，因此有用比特率由给出
2.2 频道模型
通过RSSI值与两个无线电设备之间的距离之间的关系可以获得特定环境中的无线电信道特征。 具体而言，从Friis传输方程式开始，将功率从瓦特转换为dBm，可以获得接收功率（RSSI）与距离之间的关系。其值在此简化为1 m参考距离，通常表示为RSSI = minus;（10·n· minus; A），其中A是当发射机天线与接收机之间的距离为1 m时的接收功率，单位为dBm，并且 n为特定环境的损失参数（或损失指数）。
距离d为
参数A与无线电设备的物理特性有关，而n的值在很大程度上取决于环境和工作频率。 Friis方程只有在理想的自由空间条件，天线完美对准和极化的情况下应用，才不会产生路径损耗和衰落效应。 虽然该模型在现实世界中仍然有效，但是必须通过第3节中指定的根据测量值凭经验找到A和n的值。
2.3 基于RSSI的定位算法
我们实验性地应用了三种代表性的定位算法，两种几何方法（最小-最大和三边测量），以及一个统计算法，最大似然性，但计算负担却越来越大。 具体来说，算法的实现与所使用的算法相同，从而使我们能够比较LoRa和Zigbee的室内性能。
Min-Max是一种易于实施的本地化算法。 该算法通过计算每个锚点的平方来估计目标节点的位置，其中锚点位于中心，边缘的长度等于2sdot;di，其中di是目标与第i个锚点之间的估计距离。 那么，正方形之间的相交区域的中心是目标的估计位置。
Trilateration是另一种基于几何的方法。 三边测量与圆的相交以估计目标位置，而不是像最小-最大中那样计算平方。 特别地，测距估计用于估计目标和锚节点之间的距离di。 假定每个圆的半径ri等于锚点i的估计距离di，并且目标位于重叠区域的中心。
最后，统计最大似然（ML）方法旨在求最小化目标与第i个锚点之间的估计距离di的均方误差（MMSE）。 由于这样的测量受到噪声的影响，因此ML算法通过MMSE估算将误差最小化，从而估算了目标位置。 当通过最小化误差方差进行大量测量时，该算法显示出良好的结果。 但是，例如，仅考虑三个锚节点时，通常测量的数量是有限的，结果也不令人满意。
2.4 硬件设置
对于现场测试，我们使用了Libelium Waspmote板与基于Semtech的LoRa无线电模块的接口。 Waspmote是基于电池的硬件平台，基于1281 Atmel ATmega微控制器，具有128 Kb闪存，4 Kb eeprom，8 Kb SRAM和可选的SD卡插槽。 该平台还提供了一个实时时钟，可将平台置于睡眠模式并定期唤醒，从而延长了电池寿命。
安装在板上的LoRa模块基于Semtech SX1272芯片组，并在868 MHz ISM频段上运行。 该模块具有高灵敏度的特点：Libelium进行的测试表明，在LOS场景中，它可以覆盖22 Km，在城市NLOS中，它可以覆盖2 km，传输功率为14 dBm。 我们的设置为每个节点使用0 dBm的发射功率和半波天线。
该编程库实现了由Libelium创建的简单链接协议，并为BW，CR和SF提供了10种具有预定义LoRa设置的操作模式。 这些模式的范围从最健壮的模式1（速度较慢，但能够覆盖更大的距离）到模式10（数据速率最高，但范围较小）。 具体来说，模式1具有BW = 125 KHz，CR = 4/5和SF = 12的特征； 另一方面，模式10的BW = 500 KHz，CR = 4/5，SF =7。因此，第一种模式的灵敏度为134 dBm，最大数据速率为23 bps，而对于模式10的灵敏度与最大数据速率分别为-114 dBm和537 bps。 模式5是这两种操作模式之间的权衡。 我们提供了与所有可用模式相关的配置值的完整说明，如第4节所述，在室外环境中，此类模式会产生不同的定位误差，而在室内情况下，它们会表现出相似的性能。
3 实验LORA通道特性
根据第2.2节中描述的信道模型，通过在不同距离的发射器和接收器之间收集100个RSSI值，我们通过LoRa硬件设置和环境获得A和n的值。 在数据收集阶段之后，我们对平均RSSI数据执行对数插值操作。 所得的拟合曲线提供了A和n的对应值。
3.1 参考环境
对于室内通道建模，我们选择一条长37 m的走廊，在一侧有几个房间，以同时具有LOS和NLOS配置。 对于LOS设置，发送器和接收器都沿着走廊放置，而对于NLOS配置，发送器位于走廊侧面的房间中，而无需更改接收器的位置。 我们以5 m的步距将设备从5到35 m远离内移动，并为10个可用的LoRa模式中的每一个获取100 RSSI值。
为了表征室外环境中的LoRa通道，我们在街道上进行RSSI测量，节点的高度为2 m。 街道长330 m，在室内情况下，我们固定接收器的位置并移动发射器-两个设备之间的距离从20到330 m不等，步距为20 m。每个距离测量100个 RSSI值
针对模式1、5和10收集了测量值。对于这种室外情况，我们仅在LOS配置中进行RSSI信道表征设置。 尽管结果仅适用于有限数量的室外配置的模型，但将来可以将其扩展到城市障碍物和实际室外NLOS环境的统计通道模型。
TABLE 1 LoRa channel characterization: A and n values for different LoRa modes
|
Mode 1 A |
n |
Mode 5 A |
n |
Mode 10 |
|
|
A |
n |
||||
|
LOS indoor (1-35 m) |
minus;43.0 |
2.2 |
minus;41.0 |
1.9 |
minus;33.7 |
2.1 |
|
NLOS indoor (1-35 m) |
minus;45.3 |
3.1 |
minus;31.8 剩余内容已隐藏，支付完成后下载完整资料 资料编号：[239067]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
