[发明专利]一种基于LoRa技术的室外定位方法

权利要求书

1.一种基于LoRa技术的室外定位方法，其特征在于，该方法具体包括以下步骤：

S1：利用BP神经网络对获取的LoRa信号的RSSI(Received Signal StrengthIndication，接收的信号强度指示)值进行修正；

S2：利用修正的RSSI值，对LoRa路径损耗模型Z的参数A和N进行动态优化，使Z适用于不同的定位环境；

S3：利用训练好的Z结合基于RSSI的线性定位模型G，建立基于RSSI的LoRa定位线性模型L3M，获取目标节点的初步定位结果集合R；

S4：利用预设的L3M-C定位模型，对R进行聚类处理，获取定位结果集R1；

S5：利用预设的L3M-MRE定位模型，对R进行最小估计RSSI误差选择，获取定位结果集R2；

S6：利用预设的L3M-W选择策略定位模型，对R1和R2进行最小平均估计RSSI误差选择，获得目标节点的最佳估计位置。

2.根据权利要求1所述的一种基于LoRa技术的室外定位方法，其特征在于，所述步骤S1具体为：将实际定位区域划分为M个区域，每两块不同的区域不完全重叠，在每个子区域中放置三个已知位置的LoRa锚节点D₁、D₂、D₂，测得每个子区域相应的RSSI值，构建M个6维的特征向量：

P(i)＝{RSSI₂₁，RSSI₃₁,RSSI₁₂,RSSI₃₂,RSSI₁₃,RSSI₂₃}，i＝1,2,3,…M

将P(i)作为BP神经网络的输入，对BP神经网络进行训练，最后输出对应的每个子区域理想环境下的M个6维的特征向量：R(i)＝{rssi₂₁,rssi₃₁,rssi₁₂,rssi₃₂,rssi₁₃,rssi₂₃}，实现BP神经网络对LoRa信号的RSSI值的修正。

3.根据权利要求1所述的一种基于LoRa技术的室外定位方法，其特征在于，所述步骤S2具体为：根据所述的步骤S1修正的RSSI值，对于RSSI路径损耗模型：

Z(d)＝Z(d₀)-10N×log₁₀d+ψ

对参数A＝Z(d₀)+ψ和N进行动态优化，进而调整定位模型的参数，A表示接收端在1m处的接收信号的强度值及波动值，N表示定位区域内信号传播特性随环境的改变而改变的参数，Z(d)表示接收端在d处的接收信号的强度值，Z(d₀)表示接收端在d₀处的接收信号的强度值，d表示接收端和发射端之间的距离，ψ表示均值为零的高斯分布随机变量；

将A和N作为定位区域的环境参数，得到最大程度符合定位区域环境中LoRa路径衰减模型：Z(d)＝A-10N×log₁₀d。

4.根据权利要求1所述的一种基于LoRa技术的室外定位方法，其特征在于，所述步骤S3具体为：

基于RSSI的线性定位模型为：结合优化好的LoRa路径衰减模型，获得基于RSSI的LoRa定位线性模型L3M为：计算出目标节点的初步定位结果集合R；

其中和表示锚节点的位置坐标集合，和表示目标节点的初步定位结果集合R，表示第H个锚节点接收的信号强度值，R_H表示第H个锚节点到定位原点的距离，其中H表示锚节点的编号，N表示定位区域内信号传播特性随环境的改变而改变的参数，A表示接收端在1m处的接收信号的强度值及波动值。