LoRa 定位的观测量与算法路径
无线定位不是直接“从信号得到坐标”,而是先从接收信号提取距离、时间、角度或信道特征,再通过几何模型或统计模型估计位置。
常见观测量
RSSI
接收信号强度可以通过路径损耗模型转换为粗略距离。它成本低,但室内遮挡、多径和设备增益差异都会导致明显波动,更适合区域判断或作为辅助特征。
ToA 与 TDoA
到达时间 ToA 通过传播时延估算距离,对时钟同步要求很高。到达时间差 TDoA 比较多个接收站的时间差,可以减少发射端时钟未知带来的影响,但接收站之间仍需精确同步。
LoRa 的带宽较窄,直接获得高分辨率到达时间并不容易。算法可能利用多频点、相位或超分辨率估计增强可辨识能力,但硬件误差和同步误差仍是现实边界。
AoA
到达角 AoA 使用天线阵列不同通道之间的相位差估计方向。理想窄带模型可写为:
其中 是由阵列几何和入射角决定的导向向量。
AoA 对通道相位一致性、天线位置误差和多径非常敏感。开始算法验证前,应先用已知方向的单音或参考信号完成通道校准。
LoRa chirp 提供了什么
LoRa 使用线性调频 chirp。接收端将信号与参考 chirp 共轭相乘完成 dechirp 后,理想符号会转换为相对集中的频率分量,再通过 FFT 识别符号位置。
这条链路通常包括:
帧检测 → 粗同步 → dechirp → FFT → 峰值检测 → 参数估计载波频偏、采样频偏和窗口起点误差都会让峰值移动或扩散。定位系统不能把通信解调的“能解出数据”直接等同于相位观测“足够准确”。
多径既是干扰也是信息
室内环境中,接收信号是多条路径的叠加。最强路径未必是直达路径,反射还会让相位和到达时间产生偏差。
处理方式可以分为:
- 建模并分离多条路径;
- 通过空间平滑等方法改善相干信号下的估计;
- 使用多个接收站进行几何融合;
- 用时序滤波约束位置变化;
- 把无法可靠建模的环境特征交给数据驱动方法。
从观测量到坐标
角度或距离观测最终需要融合。可以使用最小二乘、最大似然、粒子滤波或鲁棒估计。算法选择取决于误差是否近似高斯、是否存在离群点,以及目标是否移动。
融合前应保留每个观测的置信度。把低信噪比链路与高质量链路等权处理,往往比少用一个观测更差。
评估要拆开误差来源
定位结果至少应区分:
- 信号检测失败;
- 同步和频偏误差;
- 通道校准误差;
- 单站角度或距离估计误差;
- 多站几何布局造成的误差放大;
- 最终位置误差。
只报告最终平均误差,无法判断改进应该发生在射频链路、信号处理还是融合算法。
总结
LoRa 定位是一条多阶段估计链路。RSSI 简单但粗糙,时间方法依赖同步,角度方法依赖阵列相干,多频与多站融合可以增加信息,但也引入新的校准问题。可靠结果来自对每层误差的单独验证。