没时间写论文，不会写论文？想要发表论文？想写心得体会？想写演讲稿？找易代455754013，职称论文发表，期刊杂志，期刊论文发表，发表论文
摘 要 文章基于低功耗、超长距离无线通信技术LoRa（LongＲange），对智慧农业不同环境的室内室外应用场景定位技术进行研究，设计了一种利用LoRa芯片SX1280获得不同环境下RSSI（ReceivedSignalStrengthIndication）值，并通过三边定位算法实现节点定位的测距定位方案。通过仿真测试实验，验证了该方案在定位精度、距离以及抗干扰能力方面都满足农业物联网的应用，可作为其位置服务的解决方案。
关键词 物联网；LoRa技术；RSSI；三边定位
随着物联网行业的蓬勃发展，智慧农业正变得越来越普及，智慧农业是通过数字化监控、收集和分析数据以实现最高效率。而对于智慧农业实现精准监控的数据来说，没有准确位置信息就意味着数据是“杂乱无章”的，可利用的价值就会大大降低。因此定位技术在各种物联网应用场景的需求也大大提升。因为许多农场和牧场所在的偏远地区无法获得蜂窝网络或许可频段的覆盖，所以应用远距离、低功耗、易于部署和低成本的LoRa技术和LoRaWAN开放协议，为其物联网应用安装网络基础设施成为首选解决方案。因此本文重点研究了基于RSSI的LoRa无线传感网定位技术。
1 RSSI定位原理
基于LoRa的无线传感网的定位主要是传感器节点设备的定位，考虑到智慧农业的应用场景，其定位分为室外定位与室内定位两个部分。
传统的定位方法，在室外定位中常使用的是基于GPS的定位系统，而通过卫星的定位需要设备终端包含支持GPS的IC，这就显著地增加了终端的成本与能量消耗，不适合解决在智慧农业场景下的定位问题。在室内定位中，由于卫星信号弱，通常使用Wi-Fi、蓝牙、红外线、ＲFID、UWB等定位技术，但在传输距离、定位精度和抗干扰能力方等方面，不能完全满足农业物联网行业的需求。相比于传统定位技术，LoRa模块采用了扩频调制技术，在抑制同频干扰的性能方面具有明显优势，解决了传统设计方案无法同时兼顾距离、抗扰和功耗的问题。因此，基于LoRa物联网的定位技术室内和室外定位均适用，可以满足智慧农业的所有应用场景。
LoRa无线传感器网络中，按节点位置估测机制，根据定位过程中是否测量节点间的实际距离或角度，可分为基于距离（Range-based）的定位算法和距离无关（Range-free）的定位算法。考虑到应用场景室内外环境差异及测量精度、能耗等因素，基于距离的RSSI（Received Signal Strength Indication接收信号强度指示）的定位方法更适用于农业物联网环境。
无线信号传输的一个重要特点就是信号强度随着距离的增大而衰减。RSSI测距定位的原理是基于节点与基站通信时延TDOA（Time Difference of Arrival）达到时间差与信号强度RSSI值对节点与基站间距离进行估计。其定位原理如图1所示：将信号强度的衰减转化为信号传播距离，在已知发射节点的发射信号强度的前提下，根据接收节点收到的信号强度，计算出信号的传播损耗，再利用理论和经验模型将传输损耗转化为距离，最后计算节点的位置。由于环境与设备对无线传感器节点的LoRa实时值影响较大，因此提高RSSI值的准确度是LoRa网络定位的一个待解决的难题。
2 RSSI测距定位技术
2.1 RSSI与设备和环境的关系
研究RSSI值与两个无线电设备之间的距离之间的关系，通常用下述模型：
式中：参数A与无线电设备的物理特性有关，是发射机天线与接收机之间的距离为1 m时的接收功率，n是特定环境的损耗参数（或损耗指数）。因此参数A和n的值很大程度上取决于环境和工作频率，必须通过实施相应的实验实地测试确定。
2.2 LoRa定位测距系统设计
LoRa定位环境搭建如图2所示：
使用SX1280为芯片，搭建定位环境，使用相关定位算法从而实现不同距离低功耗的定位。
SX1280 是基于2.4 GHz 频段的LoRa芯片，其中测距功能是其主要特点。SX1280支持收发一体，发射功率为12.5 dBm，具有超高接收灵敏度，有效通讯距离可达到2km（可视距离），自带测距引擎
，支持TOF（Time-of-flight）功能，兼容BLE物理层，SPI通信接口可直接连接各种单片机使用，软件编程非常方便。在定位测试系统中，根据LoRa SX1280 用户手册设置实验中其他各参数如表1 所示。
控制单片机使用ARM体系结构的32位MCU作为主控制器，主控制器STM32F103RCT6 通过SPI接口与该模块进行数据交互，控制模块的工作模式、数据的接收与发送。
2.3 RSSI数值采集及距离计算
由于RSSI受环境因素影响，因此本文的实验分别在三种不同的场景中进行: 短距离室内区域（1~30 m）、宽阔室外区域（30~300 m）以及室内外混合区域（1~300 m）。
将上述LoRa通信设备放置于不同位置，分别设置LOS（Line of Sight，可视）和NLOS（Non Line of Sight，非可视）信道模式采集各个位置上的RSSI；计算一组100个样本的平均值，然后根据公式（1）对平均RSSI数据进行对数插值，最后根据生成的拟合曲线确定A和n的相应值如表2所示。
A和n的值确定后，根据公式（1）可得到节点间距离d的计算公式为：
由公式（2）可以算出节点之间的距离d。
3 确定坐标位置的算法设计
3.1 三边定位算法
根据RSSI测距定位公式（1）和（2），在LoRa无线传感网中可计算各待测节点与各信号源的距离值。通过节点之间的距离可计算出待测点的位置坐标，即可实现定位。位置坐标的确定采用三边定位算法，如图3所示。
已知三个信号源节点的位置坐标，（x1，y1），（x2，y2），（x3，y3），以及待测点到这3个点的距离d1，d2，d3，则可列方程组计算待测点的坐标（x，y）如公式（3）。为了方便计算，本文假定各信号源和待测点均位于同一平面上，即只计算x，y 方向上的平面距离。
3.2 算法仿真
基于RSSI的三边定位算法在实际环境中由于多径传播而容易出错，导致待测点的位置坐标会出现偏差。为测试基于三边定位算法性能，利用Matlab仿真工具模拟三边定位算法。仿真网络在50 m×100 m的矩形区域内，8个节点随机分布，如图4所示。在部署的网络中，需要定义3个锚节点来启动三边定位过程，节点1（85.00、42.00）、节点6（64.24、37.49）和节点8（89.54、15.23）是锚节点，其余为未知节点。
定义定位误差为e，假设得到的未知节点的坐标为（xi，yi），其真实位置为（x，y），则定位误差e为：
在固定坐标下模拟重复仿真10次以上，通过求出仿
真过程中所有定位误差的平均值，得到整体定位误差如表3
所示。在所有的模拟次数中得到的整体定位误差均值为
1.16 m，这个定位误差在智慧农业物联网实时环境中是可以接受的。
4 结论
低功耗、高精度定位是农业物联网技术中的研究热点，本文设计的基于SX1280 芯片（LoRa 2.4G）的测距方案，利用三边定位算法，实现物联网系统的位置感知。根据不同的环境特性，设计实验方案采集RSSI数据，使RSSI值更精确；基于RSSI值获取到各个节点间的不同距离，最后利用三边定位算法估算出定位节点的位置坐标。在本文的实验中，通过LoRa定位的结果还存在一定的偏差，下一步将研究通过修正距离损耗模型中的环境相关参数来提高定位精度。
总之测试结果表明该方案在低功耗，通讯距离和抗干扰能力上有很强的优势，验证了定位方案的可行性，为智慧农业应用场景的定位提供了比较可行的解决方案。
参考文献
[1] 蔡文郁,张鹏鹏,张美燕. 基于LoRa通信的无线传感网低功耗节点设计[J]. 杭州电子科技大学学报(自然科学版),2018,38(02):10-14+34.
[2] 姜穆元,汪毓铎. 基于RSSI无线传感器网络改进加权质心算法[J]. 科技通报,2018,34(10):144-148.
[3] 任庆鑫. 基于LoRa无线传感网络的研究与应用[D].浙江工业大学,2019.
[4] Jinze
Du,Jean-Fran?ois Diouris,Yide Wang. A RSSI-based parameter tracking
strategy for constrained position localization[J]. EURASIP Journal on
Advances in Signal Processing,2017,2017(1).
[5] 黄雅楠. 基于无线传感器网络的RSSI定位研究[J]. 物联网技术,2018,8(12):38-39.
[6] 龙海燕,张天飞,丁娇,梁美玉. 一种改进的RSSI定位算法研究[J]. 河北北方学院学报(自然科学版),2018,34(11):20-23+28.
[7] 路泽忠,卢小平,付睢宁,刘晓帮. 一种改进的RSSI加权质心定位算法[J]. 测绘科学,2019,44(01):26-31.
[8] Munesh
Singh,Pabitra Mohan Khilar. A Range Free Geometric Technique for
Localization of Wireless Sensor Network (WSN) Based on
Controlled Communication Range[J]. Wireless
Personal Communications,2017,94(3).
[9] 张桂萍. 基于无线传感器网络的RSSI定位[J]. 通信电源技术,2019,36(03):165-166.
[10] 朱齐媛,马兴灶. 无线传感器网络中三边定位的聚类分析改进算法[J]. 山东农业大学学报(自然科学版),2019,50(03):473-476.
[11] 贺松杰. Lora在智慧农业传输层中的应用研究[D].河南工业大学,2017.
[12] 郭超,王宇博,魏占祯,徐凤麟. 基于RSSI的节点定位系统设计[J]. 北京电子科技学院学报,2018,26(03):73-79.
[13] Apidet Booranawong,Kiattisak Sengchuai,Nattha Jindapetch. Implementation and test of an RSSI-based indoor target localization system: human movement effects on the accuracy[J]. Measurement,2018.
