導讀：無線傳感器網絡是通過無線通信方式組成的一個多跳自組織網絡系統(tǒng)，由微型傳感器控制節(jié)點組成。它能夠協作地感知、采集和處理網絡覆蓋區(qū)域中被觀察對象的信息，并發(fā)送給采集者。
低功耗廣域物聯網絡(LPWAN)是新型的無線通信技術，主要包括工作在授權頻段的NB-IOT技術和非授權頻段的LoRa技術。評估LoRa技術的網絡覆蓋性能，對網絡中的終端節(jié)點開展定位研究。通過數據碰撞、網絡可擴展性、路徑損耗模型，基于離散事件方法模擬單個基站覆蓋，得出對應參數配置下的網絡數據包獲取率、數據包碰撞率及網絡能量消耗情況。同時，使用TDOA算法對LPWAN中的終端節(jié)點定位分析，提高路由效率，確定網絡覆蓋質量，并實現負載均衡。
0 引 言
無線傳感器網絡(Wireless Sensor Networks，WSN)是通過無線通信方式組成的一個多跳自組織網絡系統(tǒng)，由微型傳感器控制節(jié)點組成。它能夠協作地感知、采集和處理網絡覆蓋區(qū)域中被觀察對象的信息，并發(fā)送給采集者[1]。物聯網的快速發(fā)展對無線通信提出了更高要求，使得低功耗、遠距離、廣覆蓋、多連接的LPWAN(Low Power Wide Area Network，低功耗廣域物聯網)技術應運而生[2]。以GSM和GPRS為代表的廣域無線通信技術，具有通信速率高的特點。但是，接入LPWAN的終端設備能耗僅為GPRS的1/10，且覆蓋能力更強，比GPRS提升了20 dB增益。以ZigBee和Wi-Fi為主的局域無線通信技術，具有低延遲的特點，但信號覆蓋范圍小、功耗高[3]。
工作在授權頻段的窄帶物聯網NB-IOT(Narrow Band Internet of Things)技術和非授權頻段LoRa(Long Range)技術，是LPWAN的典型代表。NB-IoT技術構建于蜂窩網絡，可直接部署于GSM網絡[4]。LoRa技術得益于其免費頻段的自組網優(yōu)勢，可以由用戶自行架設到環(huán)境惡劣、偏遠等信號盲區(qū)，實現區(qū)域內的無線專網覆蓋。在低功耗物聯網中，首先需要面對的是如何評估無線傳感器網絡對監(jiān)控區(qū)域的覆蓋性能，即如何評估或判定當前監(jiān)控區(qū)域的覆蓋情況。本文給出以LoRa為代表的LPWAN技術，提出基于該技術實現的網絡覆蓋性能評估。通過對相關模擬仿真軟件比較和分析，得出LoRaSim所模擬的網絡規(guī)劃更符合實際場景中的無線傳感器網絡傳輸。LoRaSim通過數據包接收率、數據包碰撞率、網絡能量消耗參數等，對網絡覆蓋性能進行評判。
LoRa技術遵循的遠距離通信網絡協議和系統(tǒng)架構為LoRaWAN協議。該協議是LoRa Alliance為LPWAN制定的全球標準。低功耗廣域物聯網中存在大量的終端節(jié)點設備，其中遵循LoRaWAN協議的設備為LoRaWAN終端。工作的LoRaWAN終端支持定位功能。對LoRaWAN終端進行定位時，不需要增加額外的成本和處理能力，這為終端的定位節(jié)約了成本。
本文共包括5部分：第1部分概述LPWA網絡覆蓋及定位技術背景介紹;第2部分給出LoRaWAN網絡框架，說明各部分的作用與功能;第3部分聚焦LoRaWAN網絡覆蓋特性，給出主流仿真軟件，同時以LoRaSim軟件為模擬工具，開展LoRaWAN網絡中單一基站覆蓋性能的研究;第4部分總結LoRaWAN終端定位方法，重點探討精度較高的TDOA架構及所涉算法，得出基于TDOA技術的定位方法更加適用于低功耗廣域物聯網;最后進行總結和展望。
1 LoRaWAN網絡架構
LoRaWAN網絡架構如圖1所示，由終端節(jié)點、網關、網絡服務器及應用服務器組成。終端節(jié)點采用單跳與一個或多個網關通信。設計時，需根據應用場景滿足低功耗、廣域連接要求。網關是傳輸的中介，起到中繼器的作用，將終端節(jié)點與網絡服務器互通。節(jié)點與網關基于LoRa調制傳輸信息，而與服務器則通過廣域通信方式連接。所有節(jié)點與網關之間雙向通信，支持云端升級。網絡服務器是將采集到的信息進行存儲與處理，提供給應用服務器，供客戶使用。
2 LoRaWAN覆蓋性能評估
2.1 網絡模擬仿真
部署無線傳感網絡前，需要使用仿真軟件模擬規(guī)劃，減少部署成本，優(yōu)化覆蓋質量及性能。對于LPWAN覆蓋性能的研究，按照模型分類有基于離散事件模型的NS-3、OMNet++、ToSSIM、LoRaSim(開源)代碼及軟件，有基于3D多路徑傳播預測模型的商用軟件S_IOT。
NS-3能夠按需編輯網絡拓撲和網絡環(huán)境，模擬網絡數據的傳輸，并輸出性能參數[5]。OMNet++可以根據不同目的改變用戶接口，支持分布式并行仿真，利用多種機制進行并聯的分布式模擬器之間的通信仿真[6]。ToSSIM把硬件中斷換成離散仿真事件，由仿真器事件拋出的中斷來驅動上層應用，支持大規(guī)模的網絡仿真[7]。LoRaSim是此類軟件的擴展，基于LoRa網絡特性仿真和模擬。因此，LoRaSim不僅能夠體現出LoRa傳輸的特點，還可以對網絡進行多種形式的規(guī)劃，如單一基站覆蓋研究、多基站覆蓋研究等，并考慮數據包堵塞、碰撞、基站輻射效應等實際情況。
S_IOT是一款商業(yè)軟件，能夠將2D和3D數據進行融合，開展從郊區(qū)到密集城鎮(zhèn)多種環(huán)境下的網絡規(guī)劃，包含了終端節(jié)點的具體地理位置信息，但是應用成本較高[8]。
LoRaSim是免費開源項目，遵循LoRaWANTM協議標準，能夠對LoRa網絡開展多種形式網絡覆蓋研究。所以，本文采用LoRaSim模擬評估LoRa網絡覆蓋性能。
2.2 基于LoRaSim網絡覆蓋性能評估
LoRaSim基于SimPy的離散事件模擬器，可以模擬LoRa網絡的數據碰撞、分析網絡的可擴展性?；舅悸肥前凑帐录l(fā)生的時間順序處理，不斷從優(yōu)先隊列里取出等待事件，逐個處理，直至整個模擬結束[9]。通過LoRaSim對LoRa網絡的部署進行評估，得出一定配置參數條件下，LoRa網絡的數據包獲取率DER(Data Extraction Rate)、數據包碰撞率DCR(Data Collision Rate)和網絡能量消NEC(Network Energy Consumption)指標。指標定義及特點如下[10]。
(1)數據包接收率：反映整個網絡性能指標，可用來評估系統(tǒng)性能。
其中NRr 為網絡接收到的數據包數目;Sent 是網絡發(fā)送的數據包數目。
(2)數據包碰撞率：在其他相關條件不變，終端節(jié)點數越多，發(fā)送的數據包數目越多，數據包的碰撞率越高。它的數值與數據包的SF(擴頻因子)、BW(帶寬)、CR(編碼率)、ATD(到達網關時間差)、AP(到達功率)等參數有關，定義為：
其中Nc 為網絡中產生碰撞的數據包數目;Sent 是網絡發(fā)送的數據包數目。
(3)網絡能量消耗：即LoRa網絡功耗總和，與Rt (數據包傳輸時間)、Px (發(fā)射功率)、V (節(jié)點工作電壓)、Ns (數據包數目)有關，表示為：
本文是對單一基站覆蓋的無線網絡進行仿真，仿真模擬類型分6組：數據傳輸最慢、頻率隨機選擇、數據傳輸最快、距離選擇最優(yōu)傳輸參數、LoRaWAN默認配置及距離選擇最優(yōu)傳輸參數及功率。具體配置參數如表1所示。
擴頻信息的發(fā)送速度稱為符號速率Rs ，碼片速率與標稱符號速率之間的比值為擴頻因子SF ，表示每個信息位發(fā)送的符號數量。LoRa符號速率表達式為：
6組模擬中，E0中的SF最大，BW最小，數據傳輸最慢;E1是E0的對比實驗，對比變量是載波頻率;E2中，SF最小，BW最大，數據傳輸最快;E3是根據距離選擇最優(yōu)傳輸參數;E4是LoRaWAN的默認配置，是其他5組的參考實驗;E5是E3的對比實驗，在E3的基礎上，使傳輸功率最低。圖2、圖3、圖4分別描述了六組類型測試在單一基站覆蓋下數據包獲取率(DER)、數據包碰撞率(DCR)網絡能量消耗(NEC)的模擬結果。
通過仿真圖可以看出：在E2、E3、E5中，隨著節(jié)點數的增加，網絡的數據包獲取率、數據包碰撞率、網絡能量消耗的變化較小，網絡性能較好;在E0、E1、E4中，隨著節(jié)點數的增加，網絡的數據包獲取率、數據包碰撞率、網絡能量消耗的變化幅度較大，網絡性能較差。LoRaSim對無線傳感器網絡模擬部署，對配置參數進行優(yōu)化，獲得無線傳感器網絡的數據包獲取率、數據包碰撞率、網絡能量消耗參數，評估網絡性能，滿足低功耗廣域物聯網的覆蓋性能要求。LoRaSim通過軟件模擬仿真的方式，避免了真實環(huán)境下的無線傳感器網絡大規(guī)模鋪設，滿足了無線傳感器網絡多種參數配置和按需拓撲的要求。
3 LoRa終端定位
在無線傳感器網絡中，節(jié)點以自組織方式相互協調工作，實現了無線傳感器網絡中的節(jié)點定位，用于目標跟蹤或監(jiān)測。ZigBee技術是新型無線網絡技術，功耗低、網絡容量大，但只能專網專用的特點，不適用于要求傳輸速率高的場景;WiFi定位技術是基于IEEE802.11a/b/g/n通信協議的無線網絡技術，定位范圍較廣、成本較低，但服務范圍受限、能耗大特點，不適用于低功耗應用場景;藍牙定位技術是基于IEEE802.15.1標準的無線網絡技術，設備體積小，但不適用于大范圍的定位場景[11]。
毫米級定位有超寬帶(Ultra Wide Band，UWB)無載波通信技術，頻譜范圍寬、脈沖持續(xù)時間短，可實現高精度測距，但定位范圍小，且易受外界影響 [12];幾十厘米級定位有GPS+GPRS定位技術，覆蓋范圍較廣、網內通信能力較強，但能量消耗高、易被干擾;米級定位有WiFi、藍牙定位技術，精度范圍分別是2 m左右、3～15 m[13]。LPWAN具有覆蓋范圍廣、功耗低、通信距離長的特點。應用在LPWAN中的節(jié)點定位算法必須滿足定位范圍廣、定位功耗低、定位不易受環(huán)境干擾的要求。本文提出基于TDOA的LoRa定位。
3.1 定位概述
在無線傳感器網絡中，根據不同的分類指標可以將定位方法分為不同種類型[14]，具體分類結果如表2所示。
基于測距定位依據所提取無線信號傳播中的特征參數，分為基于接收信號強度指示值測量RSSI、基于到達角度AOA、基于到達時間TOA和基于時間差TDOA。
RSSI是通過測量基站接收到的無線射頻信號強度與已知的發(fā)射節(jié)點射頻信號相比較，利用信號傳播衰減模型將傳播損耗轉換為距離。較為典型的是基于RSSI的射頻指紋定位方法[15]。
AOA通過測量無線信號到達定位目標節(jié)點的角度，利用三角測量法得到定位結果。
TOA則通過測量無線傳播信號在兩點間的傳播時間乘以傳播速度得到距離。
TDOA是基于目標到達不同基站的時間差對物體進行定位，而不是基于目標到達基站的絕對時間對物體進行定位。TDOA降低了移動目標和基站之間的時間同步要求，但是基站之間的時間必須同步。TDOA的定位精度范圍是20～200 m。本文探討的是基于TDOA的LoRa終端定位。
3.2 基于TDOA的LoRa定位
依據LoRaWAN協議的功耗低、覆蓋范圍廣的特點，LoRa定位適用于追蹤移動響應慢、低頻的目標，不適用于實時、高頻移動的跟蹤。當3個及3個以上基站同時接收到某一個LoRa終端的LoRaWAN幀結構數據時，終端的位置信息可以通過TDOA技術得到。
LoRa終端定位架構如圖5所示。該定位不需要額外的硬件支撐，但基站之間需要精確的時間同步。每個被接收到的上行數據幀會獲得一個精確的時間戳，作為數據幀結構的一部分被轉發(fā)到網絡服務器。網絡服務器將對同一個數據幀的多個接收進行排序，將所有包含該數據幀時間戳的元數據進行分組，并從定位解算器請求一個定位計算。在一個給定的數據幀結構中，基本的定位解算函數將計算不同基站接收的時間差，然后通過這個時間差測算終端到不同基站的距離?；赥DOA的算法有很多，主要包括Chan算法、Taylor算法和Fang算法。
3.3 TDOA算法
基于TDOA的Chan算法[16]。在信噪比較高時，TDOA測量誤差近似服從高斯分布。在這一前提下，使用兩步最大似然估計來計算目標的位置，即為Chan氏算法。Chan氏算法是一種基于TDOA、具有解析表達式解的定位算法，在TDOA誤差服從理想高斯分布時性能良好。在視距環(huán)境下，該算法的定位精度能夠達到克拉美羅下限。在非視距環(huán)境下，Chan氏算法的定位精度會下降。
基于TDOA的Taylor級數展開算法。Taylor級數展開算法是一種遞歸算法，在每一次遞歸中通過求解TDOA測量誤差的局部最小二乘解，改進對信號源的估計位置。Taylor級數展開法通常具有較好的定位性能，但需要遞歸求解，計算量相對較大。在基站排列不是標準排列時，算法很難保證收斂。
基于TDOA的Fang算法。利用傳感器得到的TDOA測量值直接估算標簽位置，算法計算量小，在視距條件下有著很高定位精確度。
綜合三種算法的特點，實際應用時，可以設計基于Taylor、Fang、Chan算法的協同定位方法。根據基站數目的不同，混合選擇Chan、Taylor及Fang算法。協同算法精度明顯高于其中任何一種單獨的定位算法[17]。
為提高定位的精確性，需要了解影響定位精度的因素。LoRaWAN定位精度的影響因素主要包括GPS的接收質量、網關部署策略和密度、用于定位的算法和網關時間同步的精度等。通過對定位求解器的輸出結果進行濾波、增加網關部署的密度、減少時間戳誤差來提高定位精度。
4 結 語
通過LoRaSim模擬仿真軟件對LoRaWAN網絡開展模擬分析，能夠進行網絡多種參數配置和拓撲，快速獲取網絡覆蓋性能評判結果。在滿足覆蓋性能要求的情況下，按照仿真中參數配置進行實際環(huán)境下的網絡鋪設，可以大大節(jié)約鋪設成本，加快鋪設進程?；赥DOA方法的LoRaWAN終端定位，可以提高低功耗廣域物聯網中終端的定位精度，且不需要額外的硬件支撐，減少了終端的定位成本，加快實現了低功耗廣域物聯網中終端節(jié)點的定位。
參考文獻：
[1] 夏少波,許娥.無線傳感器網絡WSN探究[J].通信技術,2010,43(08):18-20,23.
[2] 趙靜,蘇光添.LoRa無線網絡技術分析[J].移動通信,2016,40(21):50-57.
[3] 東輝,唐景然,于東興.物聯網通信技術的發(fā)展現狀及趨勢綜述[J].通信技術,2014,47(11):1233-1239.
[4] Rashmi S S,Yiqiao W,Seung H H.A Survey on LPWA Technology:LoRa and NB-IoT[J].ICT Express,2017,3(01):14-21.
[5] Riley G F,Henderson T R.Modeling and Tools for Network Simulation,Chapter The NS-3 Network Simulator[M].Berlin:Spring Berlin Heidelberg,2010:15-34..
[6] Varge A.The OMNeT++ Discrete Event Simulation System[C].In Proceeding of the European simulation multiconference(ESM’2001),2001(09):65.
[7] Levis P,Lee N,Welsh M,et al.Tossim:Accurate and Scalable Simulation of Entire Tinyos Application[C].In Proceedings of the International Conference on Embedded Networked Sensor Systems(ACM SenSys),2003.
[8] SIRADEL eNGie.SiradelS_IOT[EB/OL].(2016-05-29)[2018-06-25].http://www.siradel.com/portfolio-item/alliance-lora/.
[9] Team Simpy.SimPy-Event discrete simulation for Python[EB/OL].(2015-05-24)[2018-08-10].https://simpy.readthedocs.io.
[10] Bor M,Roedig U,Voigt T,et al.Do LoRa Low-Power Wide-Area Networks Scale?[C].In Proceedings of the Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems(ACM MSWiM),2016.
